TED日本語 - ケネス・ツーケル: ビックデータはより良いデータ

TED日本語

プレゼンテーション動画

TED日本語 - ケネス・ツーケル: ビックデータはより良いデータ

TED Talks

ビックデータはより良いデータ
Big data is better data
ケネス・ツーケル
Kenneth Cukier

内容

自動運転車は始まったばかりです。ビックデータが牽引する技術やデザインの未来はどうなるのでしょうか?ワクワクする科学的なトークで、ケネス・ツーケルは機械学習や人間の知識などの今後を検証します。

Script

America's favorite pie is?

Audience: Apple. Kenneth Cukier: Apple. Of course it is. How do we know it? Because of data. You look at supermarket sales. You look at supermarket sales of 30-centimeter pies that are frozen, and apple wins, no contest. The majority of the sales are apple. But then supermarkets started selling smaller, 11-centimeter pies, and suddenly, apple fell to fourth or fifth place. Why? What happened? Okay, think about it. When you buy a 30-centimeter pie, the whole family has to agree, and apple is everyone's second favorite. (Laughter) But when you buy an individual 11-centimeter pie, you can buy the one that you want. You can get your first choice. You have more data. You can see something that you couldn't see when you only had smaller amounts of it.

Now, the point here is that more data doesn't just let us see more, more of the same thing we were looking at. More data allows us to see new. It allows us to see better. It allows us to see different. In this case, it allows us to see what America's favorite pie is: not apple.

Now, you probably all have heard the term big data. In fact, you're probably sick of hearing the term big data. It is true that there is a lot of hype around the term, and that is very unfortunate, because big data is an extremely important tool by which society is going to advance. In the past, we used to look at small data and think about what it would mean to try to understand the world, and now we have a lot more of it, more than we ever could before. What we find is that when we have a large body of data, we can fundamentally do things that we couldn't do when we only had smaller amounts. Big data is important, and big data is new, and when you think about it, the only way this planet is going to deal with its global challenges -- to feed people, supply them with medical care, supply them with energy, electricity, and to make sure they're not burnt to a crisp because of global warming -- is because of the effective use of data.

So what is new about big data? What is the big deal? Well, to answer that question, let's think about what information looked like, physically looked like in the past. In 1908, on the island of Crete, archaeologists discovered a clay disc. They dated it from 2000 B.C., so it's 4,000 years old. Now, there's inscriptions on this disc, but we actually don't know what it means. It's a complete mystery, but the point is that this is what information used to look like 4,000 years ago. This is how society stored and transmitted information.

Now, society hasn't advanced all that much. We still store information on discs, but now we can store a lot more information, more than ever before. Searching it is easier. Copying it easier. Sharing it is easier. Processing it is easier. And what we can do is we can reuse this information for uses that we never even imagined when we first collected the data. In this respect, the data has gone from a stock to a flow, from something that is stationary and static to something that is fluid and dynamic. There is, if you will, a liquidity to information. The disc that was discovered off of Crete that's 4,000 years old, is heavy, it doesn't store a lot of information, and that information is unchangeable. By contrast, all of the files that Edward Snowden took from the National Security Agency in the United States fits on a memory stick the size of a fingernail, and it can be shared at the speed of light. More data. More.

Now,one reason why we have so much data in the world today is we are collecting things that we've always collected information on, but another reason why is we're taking things that have always been informational but have never been rendered into a data format and we are putting it into data. Think, for example, the question of location. Take, for example, Martin Luther. If we wanted to know in the 1500s where Martin Luther was, we would have to follow him at all times, maybe with a feathery quill and an inkwell, and record it, but now think about what it looks like today. You know that somewhere, probably in a telecommunications carrier's database, there is a spreadsheet or at least a database entry that records your information of where you've been at all times. If you have a cell phone, and that cell phone has GPS, but even if it doesn't have GPS, it can record your information. In this respect, location has been datafied.

Now think, for example, of the issue of posture, the way that you are all sitting right now, the way that you sit, the way that you sit, the way that you sit. It's all different, and it's a function of your leg length and your back and the contours of your back, and if I were to put sensors, maybe 100 sensors into all of your chairs right now, I could create an index that's fairly unique to you, sort of like a fingerprint, but it's not your finger.

So what could we do with this? Researchers in Tokyo are using it as a potential anti-theft device in cars. The idea is that the carjacker sits behind the wheel, tries to stream off, but the car recognizes that a non-approved driver is behind the wheel, and maybe the engine just stops, unless you type in a password into the dashboard to say, "Hey, I have authorization to drive." Great.

What if every single car in Europe had this technology in it? What could we do then? Maybe, if we aggregated the data, maybe we could identify telltale signs that best predict that a car accident is going to take place in the next five seconds. And then what we will have datafied is driver fatigue, and the service would be when the car senses that the person slumps into that position, automatically knows, hey, set an internal alarm that would vibrate the steering wheel, honk inside to say, "Hey, wake up, pay more attention to the road." These are the sorts of things we can do when we datafy more aspects of our lives.

So what is the value of big data? Well, think about it. You have more information. You can do things that you couldn't do before. One of the most impressive areas where this concept is taking place is in the area of machine learning. Machine learning is a branch of artificial intelligence, which itself is a branch of computer science. The general idea is that instead of instructing a computer what do do, we are going to simply throw data at the problem and tell the computer to figure it out for itself. And it will help you understand it by seeing its origins. In the 1950s, a computer scientist at IBM named Arthur Samuel liked to play checkers, so he wrote a computer program so he could play against the computer. He played. He won. He played. He won. He played. He won, because the computer only knew what a legal move was. Arthur Samuel knew something else. Arthur Samuel knew strategy. So he wrote a small sub-program alongside it operating in the background, and all it did was score the probability that a given board configuration would likely lead to a winning board versus a losing board after every move. He plays the computer. He wins. He plays the computer. He wins. He plays the computer. He wins. And then Arthur Samuel leaves the computer to play itself. It plays itself. It collects more data. It collects more data. It increases the accuracy of its prediction. And then Arthur Samuel goes back to the computer and he plays it, and he loses, and he plays it, and he loses, and he plays it, and he loses, and Arthur Samuel has created a machine that surpasses his ability in a task that he taught it.

And this idea of machine learning is going everywhere. How do you think we have self-driving cars? Are we any better off as a society enshrining all the rules of the road into software? No. Memory is cheaper. No. Algorithms are faster. No. Processors are better. No. All of those things matter, but that's not why. It's because we changed the nature of the problem. We changed the nature of the problem from one in which we tried to overtly and explicitly explain to the computer how to drive to one in which we say, "Here's a lot of data around the vehicle. You figure it out. You figure it out that that is a traffic light, that that traffic light is red and not green, that that means that you need to stop and not go forward."

Machine learning is at the basis of many of the things that we do online: search engines, Amazon's personalization algorithm, computer translation, voice recognition systems. Researchers recently have looked at the question of biopsies, cancerous biopsies, and they've asked the computer to identify by looking at the data and survival rates to determine whether cells are actually cancerous or not, and sure enough, when you throw the data at it, through a machine-learning algorithm, the machine was able to identify the 12 telltale signs that best predict that this biopsy of the breast cancer cells are indeed cancerous. The problem: The medical literature only knew nine of them. Three of the traits were ones that people didn't need to look for, but that the machine spotted.

Now, there are dark sides to big data as well. It will improve our lives, but there are problems that we need to be conscious of, and the first one is the idea that we may be punished for predictions, that the police may use big data for their purposes, a little bit like "Minority Report." Now, it's a term called predictive policing, or algorithmic criminology, and the idea is that if we take a lot of data, for example where past crimes have been, we know where to send the patrols. That makes sense, but the problem, of course, is that it's not simply going to stop on location data, it's going to go down to the level of the individual. Why don't we use data about the person's high school transcript? Maybe we should use the fact that they're unemployed or not, their credit score, their web-surfing behavior, whether they're up late at night. Their Fitbit, when it's able to identify biochemistries, will show that they have aggressive thoughts. We may have algorithms that are likely to predict what we are about to do, and we may be held accountable before we've actually acted. Privacy was the central challenge in a small data era. In the big data age, the challenge will be safeguarding free will, moral choice, human volition, human agency.

There is another problem: Big data is going to steal our jobs. Big data and algorithms are going to challenge white collar, professional knowledge work in the 21st century in the same way that factory automation and the assembly line challenged blue collar labor in the 20th century. Think about a lab technician who is looking through a microscope at a cancer biopsy and determining whether it's cancerous or not. The person went to university. The person buys property. He or she votes. He or she is a stakeholder in society. And that person's job, as well as an entire fleet of professionals like that person, is going to find that their jobs are radically changed or actually completely eliminated. Now, we like to think that technology creates jobs over a period of time after a short, temporary period of dislocation, and that is true for the frame of reference with which we all live, the Industrial Revolution, because that's precisely what happened. But we forget something in that analysis: There are some categories of jobs that simply get eliminated and never come back. The Industrial Revolution wasn't very good if you were a horse. So we're going to need to be careful and take big data and adjust it for our needs, our very human needs. We have to be the master of this technology, not its servant. We are just at the outset of the big data era, and honestly, we are not very good at handling all the data that we can now collect. It's not just a problem for the National Security Agency. Businesses collect lots of data, and they misuse it too, and we need to get better at this, and this will take time. It's a little bit like the challenge that was faced by primitive man and fire. This is a tool, but this is a tool that, unless we're careful, will burn us.

Big data is going to transform how we live, how we work and how we think. It is going to help us manage our careers and lead lives of satisfaction and hope and happiness and health, but in the past, we've often looked at information technology and our eyes have only seen the T, the technology, the hardware, because that's what was physical. We now need to recast our gaze at the I, the information, which is less apparent, but in some ways a lot more important. Humanity can finally learn from the information that it can collect, as part of our timeless quest to understand the world and our place in it, and that's why big data is a big deal.

(Applause)

アメリカで人気のパイと言えば?

聴衆:「アップルパイ」 もちろん アップルパイですよね どうして分かるのでしょうか? データがあるからです スーパーの売上げを考えてみましょう 30cmの冷凍パイの売上げについてです アップルパイが断トツ1位です 売上げの大部分がアップルパイです ところが スーパーが小さな 11cmセンチのパイを売り始めると 突然 アップルパイは 4、5番目に転落しまいました なぜでしょうか? 何が起こったのでしょうか? 考えてみてください 30cmのパイを買う時は 家族全員の希望に沿うパイを選びます アップルパイは家族の第二希望なのです (笑) でも 個人用の11cmのパイを買う時は 自分が欲しいパイを買います 自分の第一希望を買えるのです データがたくさんあると データが少ない時には 分からなかったことが 分かってくるのです

つまり より多くのデータがあると 多くが見えるだけでなく 見ていたことからも多くが分かるのです データが多いほど 新しいことが分かってきます より良い見方や 違う見方ができるようになります この例で 分かることは 「アメリカで人気のパイは アップルパイではない」ということです

皆さんは「ビッグデータ」という言葉を お聞きになられたことがあるでしょう もしかしたら 耳にタコがでくるくらい お聞きになっているかもしれません ビッグデータは 誇大宣伝されている部分もあり 非常に残念なことです なぜなら ビッグデータは 社会の進歩に欠かせない 非常に重要なツールだからです 昔は 少ないデータから 世界を理解しようと 考えてきました 現在は 以前では考えられなかった程の 大量のデータがあるのです 大量のデータがあると データ量が少なかった時に 不可能だったことが 根本的に可能になる ということが分かってきました ビッグデータは重要で 新しいものです ビックデータについて考えてみると 地球規模の課題について ― 食糧問題や医療の供給 エネルギーや電力の供給などに 対処する唯一の方法であり 地球温暖化の影響で カリカリに焼けることがないように データを効率的に使うことが必要なのです

ビッグデータの新しいモノとは何で 重大事とは何でしょうか? その問いに答えるために 情報がどのようなもので 過去には 物理的にどう映っていたのかを 考えてみましょう 1908年 クレタ島で 考古学者が粘土の円盤を発見しました 4.000年前の紀元前2,000年のものです この円盤には文字が書かれていますが 実質的には 解読できません 完全に謎なのですが 4,000年前の情報がどんなもの だったのかを言いたいのです これが 社会が情報を保管して 伝えたやり方です

さて 社会はそれほど進歩しませんでした 今でもディスクに情報を保管しています でも 以前よりもずっと大量の情報を 保管できるのです 検索やコピーも より簡単です 共有や処理も より簡単です 情報を収集する時 かつては想像だにしなかった 情報の再利用もできるのです この点において データは 固定的なモノから流動的なモノへ 変化のない静的なモノから 変わりやすくダイナミックスなモノへと 変化しているのです いうなれば 情報には流動性があります クレタ島で発見された 4,000年前の円盤は重く 情報はたくさん書かれていませんし 書き変えることはできないのです 対照的に エドワード・スノーデンが アメリカの国家安全保障局から 持ち出したファイルはすべて 指の爪サイズの USBに保存でき 光速で共有できるのです データは膨れ上がっています

さて 今日の世界に大量のデータがあるのは 常時 情報を集めているモノを 収集しているからです 別の理由は 常に情報を含みつつも データ形式にレンダレングされていない ものを集めているからです そしてデータに置き換えます 例として 場所について考えてみましょう マーティン・ルターを例に挙げます 1,500年代に マーティン・ルターの居場所を知りたいのなら 常に彼の後をついて行き 羽ペンとインク入れを持ち運び 居場所を記録しなければなりません でも 今日ではどうでしょうか 電気通信業者のデータペースにより 居場所が分かります 常に あなたの居場所に関する情報を 記録するスプレッドシートや データベースへの登録などがあります 携帯電話を持っているなら GPS機能があります GPS機能のない機種でも あなたの情報を記録できるのです つまり 場所はデータ化されるのです

別の例として 姿勢について考えてみましょう 今皆さん全員座っておられますが あなたの座り方 あなたの座り方 あなたの座り方 全て異なります 足の長さや 背中や背中の曲線などが違います 今皆さんが座られている椅子に 100個のセンサーを付けるなら あなた独自の座り方の特徴を 指ではないですが 指紋のように 分類できるのです

これで何ができるのでしょうか? 東京の研究者は これを車の盗難防止装置 として使えると考えています 運転席に車泥棒が座るという発想により 防犯につなげようとしています 認証されていないドライバーが 運転席に座ると 「自分は認証されたドライバーである」 と伝えるために ダッシュボードにパスワードを入力しないと エンジンが始動しないかもしれません 素晴らしいですね

ヨーロッパで全ての車が この技術を搭載すると どうなるのでしょうか? その時 何ができるのでしょうか? おそらく データを収集すると 車の事故が 次の5秒で起こることを ピタリと言い当てることが できるかもしれません そして ドライバーの疲労を データ化し 車がドライバーの姿勢が悪くなってきたと 感じたら 自動的に 内部アラームを設定します ハンドルを振動させたり 「起きてください 道路にもっと注意を向けましょう」と 言葉で教えてくれます 暮らしの様々な側面をデータ化すると 私たちのできることを分類できます

つまり ビックデータの価値とは 何でしょうか? 考えてみてください あなたは より多くの情報を持っており 以前にはできなかったことが できるのです このコンセプトが生じる 最も印象的な領域の1つが 機械学習の領域です 機械学習とは 人口知能に含まれ コンピュータ・サイエンスの1つです その概念は コンピュータに 何をするかを教える代わりに 単純に問題となるデータを投げると コンピュータが独自に解明してくれるのです その起源を辿ると 分かりやすいでしょう 1950年代 アーサー・サミュエルという IBMのコンピュータ科学者は チェッカーが好きでした コンピュータ・プログラムを書き 彼はコンピュータと対戦しました 彼は対戦して 勝ちました 彼は対戦して 勝ちました 彼は対戦して 勝ちました コンピュータが正式なルールしか 知らなかったからです アーサー・サミュエルは すごいことを知っていました 彼は 戦略を知っていました 彼はサブプログラムを作成して バックグラウンドで走らせました サブプログラムは 一手ごとに その盤面の配置から 勝つ確率と負ける確率を 記録したのです 彼はコンピュータと対戦して 勝ちました 彼はコンピュータと対戦して 勝ちました 彼はコンピュータと対戦して 勝ちました そして アーサー・サミュエルは コンピュータ自体が ゲームをするようにしました コンピュータは独自にゲームをし より多くのデータを集めました より多くのデータを集めると 予測の精度も上がります そしてアーサー・サミュエルは コンピュータの所へ戻り 対戦して 負けました 彼は対戦して 負けました 彼は対戦して 負けました アーサー・サミュエルは 教えたタスクで 彼の能力を凌ぐ コンピュータを作りあげました

機械学習という発想は どこにでもあります 自動運転車はどのように 作られたと思いますか? ソフトウェアに 全道路法規を記入すると より豊かな社会なのでしょうか? いいえ 記憶装置は安価? いいえ アルゴリズムがより速い? いいえ プロセッサがより良い? いいえ それらはすべて重要ですが それが理由ではありません 問題の性質を変えているからです 私たちの言わんとすることを ― 例えば 「自動車の周辺には多くの情報があり 皆さんは それを理解しています 信号機についても理解しています 信号機は赤で青ではないので 停止する必要があり 前進できません」ということを コンピュータに明確に 説明しようと試みていた 問題の性質を変えてしまいました

機械学習は 私たちが ネット上で行う多くの事の 根底となっています 例えば 検索エンジン Amazonのパーソナライズ・アルゴリズム 自動翻訳 音声認識などです 最近 研究者は生検や ガンの生検について 研究しており 細胞が実際ガンに冒されているか どうかを調べるために データや生存率を使って コンピュータに 特定させようとしています 案の定 データを入力すると 機会学習のアルゴリズム経由で コンピュータは12個の兆候を 特定することで 乳ガン細胞の生検結果はガンであると ビタリと予測します 問題は 医学文献が 9個しか兆候を知らなかったことです 特性のうち 3個は 探す必要がないものでしたが コンピュータは見つけました

さて ビックデータにも負の側面があります 私たちの暮らしを向上させますが 意識しなければならない 問題もあります 最初の問題は 『マイノリティ・リポート』のように 警察が目的のためにビックデータを使って 予測に基づいて 罰するかもしれないということです さて 予測警備とか アルゴリズム的犯罪学 という用語です 例えば 過去の犯罪がどこで起こったか というデータがたくさんあると パトロールすべき所が分かる という考え方です その通りですが もちろん問題もあります 場所のデータだけで止まらず 個人レベルにまで下りていってしまうことです 個人の高校の成績証明書のデータを 使うのはどうでしょうか? 失業しているのかどうか 信用情報 ネットサーフィンの行動パターン 夜更かしするのかどうか などを 使うかもしれません Fitbit による生化学情報を得れば 使用者が積極的な考え方をしていることさえ分かります 私たちの行動を予測し得る アルゴリズムがあり 実際に私たちが行動する前に 責任を負うことになるかもしれません スモールデータの時代では プライバシーが中心的な課題でしたが ビックデータの時代では 課題は 自由意思や道徳基準の選択 人間の決断力や行為主体性などを 保護することです

ビックデータに職を奪われるという 別の問題もあります ビックデータやアルゴリズムは 20世紀に 工場の自動化や 組立ラインが ブルーカラーに対抗したように 21世紀には ホワイトカラーや専門職に 対抗することになるでしょう 顕微鏡を使って ガン生検を調べて ガンであるかどうかを決める 検査技師について考えてみましょう その検査技師は大学教育を受けました 不動産物件を買ったり 投票したり 社会への出資者でもあります そして 検査技師の仕事とは 同じような専門職の一群と同様に 仕事内容が根本的に変わったり 完全に無くなったりします 短い一時的な混乱の後 長年に渡って テクノロジーが仕事を作ってきた ことについて考えてください 私たちが暮らす枠組み 産業革命 ― は真実で まさに起こったことです しかし その分析で 忘れていることがあります それはなくなり 二度と戻ってこなかった 職種があるということです 産業革命は あまり有難くないものでした あなたが馬であれば ですから 注意深く ビックデータを取扱い 私たちのニーズ 非常に人間的なニーズのために 調整していく必要があります 私たちは この技術の召使ではなく 所有者にならなければなりません ビックデータの時代は 始まったばかりなので 正直言って 今集められた全データに 私たちは あまりうまく対処できていません 国家安全保障局だけの 問題ではありません 企業も多くのデータを集め 乱用しています うまく使えるようになるには 時間がかかります 原始人と火が直面していた課題に ちょっと似ています これはツールですが 注意しないと 私たちを焼いてしまうツールなのです

ビックデータは 生き方や働き方や考え方を 変えていくことでしょう 私たちのキャリアを管理して 満足して希望が持て 幸福で健康な暮らしに 導くことでしょう しかし 過去に 情報技術でよくあったように 物理的なものである T ― 技術やハードウェアに 目が行きがちになります 明確でない部分があるものの いくつかの点において かなり重要である I ― 情報に再び着目する必要があります 世界や私たちの居場所を理解するために 時代を超えた冒険の一端として 集めた情報から 人間性がついに学べるのです そのことがビックデータが 重大事な理由なのです

(拍手)

― もっと見る ―
― 折りたたむ ―

品詞分類

  • 主語
  • 動詞
  • 助動詞
  • 準動詞
  • 関係詞等

関連動画