Video: Verden står foran deg som en mur av muligheter: Arne Krokan at TEDxOslo (Oktober 2024)
På denne utgaven av Fast Forward snakket jeg med Hicham Oudghiri, administrerende direktør og medgründer av Enigma, et selskap som spesialiserer seg på å samle og gi mening om store datasett. Enigma er et operativt databehandlings- og etterretningsfirma for private kunder, men det er kanskje mest kjent for Enigma Public, en samling søkbare, offentlig tilgjengelige datasett som inkluderer alt fra lønn for ansatte i White House Office til restaurantinspeksjoner i New York City. Vi snakket om kraften i big data, grensene for forbrukernes personvern og fremtiden til vår datadrevne verden.
Hvorfor forklarer du meg ikke litt om hva det å være et åpent dataselskap betyr i dag?
Absolutt. Vi startet med bare å samle inn en enorm mengde offentlige data hvor som helst vi kunne finne dem, med oppdraget å være å prøve å koble sammen veldig forskjellige fakta om verden. Vi innså i prosessen at like mye som tilgangen til disse underliggende dataene ble brutt, var dette mønsteret gjenklang for folks egne data, for offentlig-private datarapporteringsordninger som i reguleringsmiljøer. Det vi tok med var denne forestillingen om åpne data som en operativ modell overalt hvor vi gikk.
Vårt søte sted i dag er å kultivere dette enorme aktiva depot av offentlige data og bringe det til å bære i faktiske problemmiljøer ofte bak brannmuren for bedrifter. Selv om vi samler inn og distribuerer en enorm mengde data, har vi funnet ut at å ta det neste skrittet fremover for å faktisk tolke disse dataene og koble dem til private data virkelig hjelper med å skalere effekten av noen av problemene vi ønsket å løse.
Folk hører om åpne datasett, offentlige datasett, private datasett. Hva slags datasett snakker vi om her?
Vi snakker om kildedata, offisielle data, ting som offentlige etater vil publisere, ting som internasjonale byråer vil publisere, alt som er forskjellig, fra bedriftsregistreringsregister og eiendomsvurderinger til H-1B-visum eller lastcontainersendinger. Definitivt ikke å snakke om ting som LinkedIn-data, som har vært et stort tema i debatten den siste tiden om hvorvidt det til og med er et offentlig datasett. Det var det søksmålet med stor påstand nylig.
Alle værdataene vi samler inn kommer fra offisielle kilder, eller GPS som teknologi.
Så du tar alle de offentlige datasettene, og så kan du slå dem sammen med private datasett som et selskap vil gi deg spesifikt og virkelig se innsikten mellom å kombinere de to?
Ja, veldig ofte. Tenk på en kanonisk brukssak der du prøver å gjøre noe som å finne ut om et selskap til og med er ekte. Hvis det er et lite selskap, ta, si, en restaurant eller en liten bedrift. Svært ofte er den typen profil de har på dem ekstremt tynn. Men hvis du skulle se på ting som brennevinslisenser eller til og med Department of Labour inspeksjoner eller helsejournalinspeksjoner, får du et mye mer granulært bilde av hvem de er.
Ofte hjelper det disse selskapene til å formidle at de til og med er ekte for å få tilgang til kreditt, for å bli forsikret, slike ting. Flytting fra "Her er din 18-siders applikasjon", og en veldig irriterende prosess gjennom syv forskjellige samsvarssett, til noe som kan skje online på en automatisert måte og en mindre risikovennlig måte generelt.
Så i stedet for bare å skrive dem inn på Google for å se om de har et nettsted og at de er ekte, kan du få alle disse andre datasettene til å validere for selv grunnleggende ting?
Absolutt.
Vi snakket, før vi gikk live, om Ozark , så favorittprogrammet mitt, det nye favorittprogrammet mitt, og ideen om å bruke disse datasettene for å overholde og for økonomisk rapportering og til og med å jakte hvitvaskere.
Yeah. Først av alt, en av de beste showene der ute. Enorm plugg til Netflix, har blitt førsteklasses Hollywood-studio.
De har betalt for det. De har kjøpt seg inn i det markedet.
Det har de absolutt. Men showet handler om denne Jason Bateman-karakteren som befinner seg som en hvitvasker for dette stoffkartellet. Fangsten er at han redder livet ved å si at han skal til Ozarks og finne nye kanaler for å hvitvaske penger. Han begynner å kjøpe seg inn i disse søvnigere virksomhetene og deretter passere en rekke kostnader.
Hvitvaskingsproblemet er et stort teoretisk problem ved at du ærlig talt ser på aktivitetsmønstre blant forskjellige kjøpmenn eller forbrukere av finansielle tjenester og også forbindelsene dem imellom. Så du vil ha som en registrert agent, tydeligvis noen som Jason Bateman, som skal rundt og gjøre dette for et par virksomheter. Han kjøper inn privat til dem og begynner å få navnet sitt på en rekke forskjellige former, og du vil merke det aktivitetsmønsteret. Dette er noe bankene må kjempe mot, tydeligvis fordi det er til skade for systemet og de er på kroken for å gjøre dette.
Kriminalitet har gått like digital og desentralisert som musikk har gjort. Dette er et mye større problem. Det er ikke en stor pøbelfamilie som regjeringen kan lure rundt i måneder og få dem til Capone-stil. Dette er en helt jakt på mange fronter. Vi har hjulpet og jobbet for å bringe offentlige data til å bære det problemet, men også bringe teknologien vår som vi har brukt for å samle alle disse offentlige dataene for å bære på det problemet, bare fordi bankene har mye teknologisk løft til gjøre for å slå sammen sine egne datasett til kraftige, kontekstuelle ledetråder for disse etterforskerne som de har på personalet.
Jeg føler at vi er på et tidspunkt nå hvor vi har fått alle disse offentlige dataene laget av offentlige etater. Vi har alle disse private datasettene. Hvert selskap har flere datasett og mange forskjellige formater, ofte, i samme selskap. Likevel er det ikke mye standardisering, og å få dem til å jobbe sammen er faktisk en stor utfordring.
Det er en enorm utfordring, og sannsynligvis er en av de største tesene vi har på Enigma et stort skille. En av investorene mine kalte det på denne måten - det er en verden der data er instrumenterte i biter og det er en verden der de er instrumenterte i atomer. De teknologiske selskapene, Google, Facebook, Amazon, de har alle gjort en fantastisk jobb med å ta dataene de får fra aktiviteten din på nettet og lage disse nye tjenestene som søk og bedre e-handelsopplevelser. Men alle dataene eksisterer. Det er digitalt innfødt. Det er bare å lytte til deg på nettet. Internett er en protokoll, og protokollene ble designet for å snakke hverandre.
Men når du har disse dataene som er instrumenterte i atomer, eller den virkelige verden, som noen som går inn i en bank i Ozarks og ber om et lite lån, ser det annerledes ut enn noen andre som går inn i en annen bankfilial, eller en lastebeholder skip som kommer inn som ber om navnet på selskapet som leverer frakten. Alle disse dataene ble designet - eller ikke designet - for å snakke med hverandre, så det er et stort problem å sy disse dataene sammen. Jeg tror det vil ta disse mindre, rent teknologiske næringene lengre tid å høste fordelene av det du har sett på tech med big data. Men når de gjør det, tror jeg at det vil endre mye av hvordan vi lever dag til dag på en ganske innflytelsesrik måte.
Jeg får også den oppfatning at når det er et økonomisk motiv for å sy sammen disse datasettene og skape denne innsikten, finner bedrifter en måte å betale for det, og de finner en måte å få det til. Kredittkortselskaper er et av de første selskapene som kan identifisere mønstre og identifisere svindel. Jeg føler at offentlig sektor ligger ganske langt etter når det gjelder å skape innsikt fra disse datamengdene. Er det en rettferdig vurdering?
Privat sektor har alltid, i noen forstand, hatt en forkant i å operasjonalisere teknologi. Det økonomiske insentivet er stort og også driftsstilen til en mindre enhet. Den amerikanske regjeringen er bare en av de største organisasjonene i verden, og å få gjort alt er virkelig et folkeproblem. Forsikre deg om at insentiver er på linje, sørg for at folk tar riktig mengde risiko.
Men vi har sett regjeringen gjøre noen veldig innovative ting. Vi samarbeidet med City of New Orleans, jeg tror det var som for to år siden, for å hjelpe dem i utgangspunktet å forutsi hvor slummen utleiere var, mest for å installere røykvarslere i disse hjemmene. Post-Katrina, du hadde denne enorme mengden mishandling. Mange utleier var ute med å forlate mennesker med dårlige forhold. Ærlig talt, røykvarslere gjør bare en god jobb med å forhindre død fra brann. I stedet for å sende en brannmann til et tilfeldig hjem, hva om du brukte faktorer som demografi og hvor gammel bygningen var, og forrige gang det var en viss form for installasjon av en slags infrastruktur som telekommunikasjonsinfrastruktur?
Du bruker alle disse fakta, og du får en treffhastighet på dørene som du banker på, som er vesentlig høyere. Vi har sett mye av denne typen penger for lokale myndigheter spille ganske sterkt ut. Det er klart det har vært en enorm mengde databruk i etterretningsfellesskapet, som du kan forestille deg. Vi finner ut at det er lommer av innovasjon. Igjen, det handler om hvordan du operasjonaliserer det.
Du har alle disse datapunktene, men så må du spørre det på riktig måte, se etter mønstrene. Du må nesten søke etter korrelasjonene, og det er en hel serie spørsmål og svar. Det er å etablere et forhold til dataene som, jeg tror vi bare begynner å finne ut hvordan det fungerer.
Ja. Vi begynner å finne ut hvordan det fungerer fra et skillset-perspektiv. Og det er som et tankeskifte når det gjelder statistisk tenkning versus ikke statistisk tenking. Det er dette ordtaket: "Alle modeller er gale, men noen er nyttige, " - så det handler egentlig om du kan uten dataene, uten algoritmene, kontekstualisere litt, parametrene for din statistiske tenkning. Det kan hende jeg ikke får rett, som i tilfelle av brannen, det kan hende at vi ikke får dette riktig, men vi kan øke sjansene våre for å få det riktig, eller vi kan redusere overflaten av risikoen eller det vi må søke etter. Å bringe den få-det-gjort holdningen til problemet, det er skillset nummer én når det gjelder å kunne tenke statistisk. Noen mennesker er innelåst, "Vel, den eneste måten vi kan være sikre på er om vi har X, Y og Z."
Jeg vil gi deg en sak i et privat eksempel. På grunn av historisk svindel og overholdelse, ofte, i banker, ville de kontrollere om noen var ekte før de utstedte et kredittkort, for å sikre at telefonnummeret og adressen deres stemte overens med hva de hadde på applikasjonen. Ikke alle selskaper bruker faktiske telefonlinjer nå. Ikke alle selskaper bruker hovedadressen som den de faktisk bruker. Det er en slags umoderne realitet hos mennesker som jobber på WeWork nå, og folk som bruker tale over IP. Det å bli komfortabel med å identifisere folk gjennom deres sosiale tilstedeværelse eller gjennom noen av datasettene som vi har inn hos Enigma som gir disse tilleggspunkter. Ser og kjører historisk statistikken for å se om sannsynligheten for at den er reell er sterk, kontra garantien du vil få fra disse alternative virkningene på forhånd.
Jeg synes det er et interessant poeng også, at antakelsen om at alle modeller vil være galt, enten stort sett feil eller galt på en mindre måte, men det er greit fordi det fortsatt kan hjelpe deg å ta gode beslutninger. Er det en ferdighet som vi gjør en god jobb med å lære barna våre, og hvor vil de til og med få den opplæringen? Jeg mener, det ville ikke nødvendigvis være i matte. Det ville ikke være i samfunnsfag. Hvor får de den sensibiliteten?
Statistikk har ofte vært underklasse, som matteopplæring generelt, men du ser den andre steder. Du ser det dukker opp selv i ESPN-strømmen i disse dager. Folk er mye mer komfortable med at prediksjon er en del av livet. Ærlig talt, jeg elsker disse svarte svanestundene der alt dette flyr i ansiktet vårt. Ta det siste valget. Du hadde Hilary som vant, og du hadde verdens beste dataforskere ved noen av de fineste institusjonene kaller det galt.
Å vinne, men å vinne hadde ikke 70 prosent sannsynlighet for å vinne fordi det fremdeles betyr at Donald Trump vant en av tre ganger. Og gjett hva? Dette var en av de tre gangene.
Absolutt. Og så er det utdannelsen at vi ser at disse mønstrene blir folk mer komfortable. I klasserommene tror jeg at et av de største problemene vi har, bare er den anvendte læringen. Det er som om jeg ikke aner hvorfor de ikke underviser i personlig økonomi i klasserommet. Jeg mener, jeg var en idiot med pengene mine i en alder av 18 og effekten på gjeld og alt det der. Jeg er fortsatt overrasket over at de ikke gjør det, så jeg føler at vi beveger oss i en verden der utdanning vil få mer og mer om de anvendte tingene og mindre om de teoretiske tingene. Men så bekymrer jeg meg hvis vi mister noen deler av kulturell læring. Det hele er en avveining.
Jeg skal gå enda lenger nedover den veien og snakke om kunstig intelligens.
Kunstig intelligens, en enorm transformasjonsteknologi. Det ser ut til at det er en rolle for kunstig intelligens å hjelpe oss med å gjøre oss kjent med denne verden av overflod av data og finne disse mønstrene for oss. Er du optimistisk med hensyn til at AI hjelper oss med å forstå det, eller at det vil være noe helt adskilt fra resten av vår menneskelige erfaring?
Nei. Jeg mener, jeg er optimistisk i den forstand at jeg er optimistisk med hensyn til menneskeheten generelt. Jeg føler at det er en flip-gen-ting som skjer med folk på en eller annen periode. Noe av det jeg liker mest med løftet om kunstig intelligens er at det faktisk vil hjelpe teknologien til å forsvinne fordi akkurat nå er fokuset på at teknologi og data er så tilstede. Men i virkeligheten er arbeidet med data veldig intensivt. Det er en grunn til at de kaller det data mining når du leter etter ting i et datasett. Det er veldig stygt. Datasettene er ikke rene. Det er litt brutalt på en måte.
Det jeg liker med AI er at det skaper disse tilbakemeldingssløyfene fra observert erfaring. Selv om du samler inn alle disse dataene fra alle disse stedene, vet du ikke nødvendigvis hvordan de vil komme sammen, slik at du begynner å studere resultatene. Maskinlæring hjelper oss virkelig å være litt mer utfallsorienterte i hvordan vi kommer til statistisk tenking. Jeg tror det vil hjelpe oss å abstrahere bort noe av det uekte i det arbeidet og være litt mer resultatorientert i hvordan vi nærmer oss det. Nå, det vil definitivt være skummelt med tanke på innvirkningen på automatisering i noen områder der jeg ærlig talt synes AI bør bli i fred, som å erstatte en jury. Vil vi noen gang få den emosjonelle intelligenskvaliteten? Jeg vet ikke.
Og du må velge og si at du vil ha den emosjonelle kvaliteten i juryen i motsetning til en ren sannsynlighet for at denne personen er skyldig eller ikke skyldig?
Ja. For meg, den underliggende menneskeheten, synes jeg er ekstremt viktig. Helt ærlig, bare å være i bransjen og se hvor mye den menneskelige berøringen er viktig for selv å overbevise folk til å begynne å tenke statistisk, er jeg optimistisk om at vi ikke vil miste det med bruk av AI i skala.
Vi rørte litt med om LinkedIn var et offentlig datasett. Mange mennesker føler det på en måte at de bor i denne verdenen der alt om dem er tilgjengelig på nettet, fra kjøpsmønstre til alder og til sykehistorie. Det gjør folk ukomfortable. Det gjør folk bekymret for at regjeringen har for mye informasjon. Jeg er personlig mer bekymret for at private selskaper har for mye informasjon og at de er langt mindre regulerte.
Ja.
Trenger vi lover for å beskytte vår personlige informasjon? Bør personlig informasjon behandles separat enn regjeringen din?
Absolutt. Vi har veldig liten beskyttelse av lovene som styrer måten vi gir bort dataene våre. Tenk på det i visse yrker. I medisinyrket er det på lås. Men av en eller annen grunn, er det ikke nødvendigvis på lockdown i andre bransjer. Årsaken var, da var det ikke mye du kunne gjøre med din personlige informasjon. I dag har de en veldig god sans for hvordan du kan få deg til å konvertere eller sannsynligheten for at du vil være et sted. For alle formål, er det faktisk mest fordelaktig for oss, etter min mening.
Men samtidig fortjener dataene våre fortsatt den mengden slags hellighet i hvordan de håndteres. Europa har kommet ut med veldig sterke lover. Det kommer en lov som heter GDPR. Det er planlagt å bli vedtatt i 2018, og det bærer alt fra å sørge for at selskaper sporer avstamningen til deres personopplysninger, hvem som har det, hvordan gis tilgang til det i selskapet, rett til å bli glemt tiltak. Når du sier "Slett dataene mine", sletter du faktisk dem, eller holder du den til annen informasjon? Så det er alltid en utveksling mellom forbrukere og tjenestene de jobber for. Mange av disse tjenestene er gratis, og vi elsker dem, ikke sant?
Jeg vil gi bort en del av meg selv for YouTube-tilgang, ikke sant? Jeg er bare veldig glad for det.
Og sannsynligvis har du det.
Og det har jeg nok. Men det betyr ikke at den delen som jeg gir bort ikke skal settes i en safe og at jeg vet at den boksen er under en bunker og alle de gode tingene.
Ideen om utløp av data, som i den digitale verden i dag, er også et relativt nytt konsept. Det pleide å være at det var en viss uklarhet. Hvis noe skjedde for 30 år siden, ville det være vanskelig å finne poster og få en profil fra den gang. Men der er barna i dag som har vært på nettet hele livet, og det de gjorde og postet da de var 13 år, kommer der når de er 63.
Ja.
Vi har ikke en juridisk infrastruktur som kan håndtere det på noen meningsfull måte.
Nei, det har vi ikke, og det er et hårete område. Det er et hårete område i arbeidsrett. Det er et hårete område for dating, ikke sant?
Hvis du ser på noens Facebook-profil - tror jeg at kulturen vil tilpasse seg den, til at noens online tilstedeværelse blir offentlig. Men det er nesten teater. Det er som om din offentlige tilstedeværelse ikke er den ekte deg. Hva var den Jim Carey-filmen? Vi har alle på oss en maske, metaforisk sett. Så jeg tror din tilstedeværelse på nettet vil være mer som dette galleriet eller dette kunstverket som beskriver deg, og så er det den virkelige deg. Men det er fremdeles at du gjør et kroppsskudd eller noe sånt… Det, du vil ikke bli offentlig. Det er et reelt spørsmål om folk som er unge nok har muligheten til å bestemme om det er smart å legge det på nettet eller ikke. Det er skremmende, helt sikkert.
Apropos å sette dumme ting på nettet, la oss snakke om Trump-administrasjonen. Jeg har hørt på flere fronter… Du jobber tydeligvis med mange offentlige datasett. Du må gå og be om tillatelse til å få denne informasjonen mange ganger, eller finne ut hvordan du skal innta den. Er det lettere nå? Hvordan har tilgangen til offentlige datasett endret seg siden Trump-administrasjonen tiltrådte?
Ja. Min første advarsel når jeg snakker om dette, er stor forskjell på Trump-administrasjonen og den amerikanske regjeringen. Den amerikanske regjeringen er uten tvil en av de mer gjennomsiktige institusjonene jeg noen gang har kommet over i verden. Vi er veldig gjennomsiktige i forhold til våre jevnaldrende for mengden data vi legger ut, for hvor mye vi finansierer denne typen ting, så advarsel nummer én.
Når det gjelder Trump, mener jeg, det har vært veldig tydelig for meg at alle burde være veldig engstelige for denne administrasjonens holdning med åpenhet og deling av informasjon. For det første er det veldig eksplisitte ting som å ta ned listen over besøkende til Det hvite hus, som var en praksis som Obama satte i verk, og jeg tror et av de mest sentrale regnskapssystemene til regjeringen. Det har vært EPA-data, det har vært klimadata, og generelt har det til og med vært debatt om noen folketellingsdata som er berørt av dette. Du må huske, dette er ingen små bestrebelser. Jeg tror den amerikanske folketellingen er over en investering på $ 4 milliarder hver gang det skjer, med noe over 300 000 frivillige involvert.
Noen av disse tingene, får vi se deres innvirkning om fire år, bare gitt finansieringssyklusene for hvordan det skjer. Selv om denne administrasjonen absolutt ikke er vennlig, tror jeg at gjennomsiktig ryggraden i dette landet er sterk nok. Merkelig, det kommer fra både venstre og høyre. Sterk nok til å sikre at denne bevegelsen mot åpenhet av informasjon er her for å bli.
Og det sykler mye på disse datasettene.
Ja. Det er hvordan vi bestemmer hvor vi skal legge sykehus. Det er slik vi bestemmer hvordan vi skal rute ambulanser. Det er slik vi bestemmer oss for så mange av basistjenestene, som avfallshåndtering er avhengig av denne typen ting.
Fortell folk som ser på det offentlige datasettet fra Enigma, som jeg har besøkt flere ganger… super, super kult. Hva bør folk forvente når de drar dit? Hva kan de få ut av det?
Et av våre forpliktelser er å kontinuerlig være ærlig om dette oppdraget å samle inn alle dataene, men å gi dem tilbake så mye vi kan til folk. Det er helt gratis å bruke til ikke-kommersielle formål, journalistiske formål. Vi ønsker å sikre at alle har tilgang til disse dataene. Du trenger ikke engang å logge deg inn eller trenger å gi oss informasjon for å gå foran den. Da vi grunnla selskapet, var det et stort premiss for tilgang.
Siden vi har lært mye mer gjennom årene, har tilgang og grensesnittdesign og søk og troverdighet vært veldig viktig. Den andre har blitt kuratert, og det er det enorme fokuset fra Enigma Public, som vi lanserte i sommer, var denne forestillingen om at folk trenger å vite hvordan disse dataene blir brukt. Folk trenger å vite ikke bare beste fremgangsmåter for hvordan de kan jobbe med data, men hvilke datasett som er bra for hva. Hva er nytt, hva er spennende? Jeg tror den slags utdanning er noe vi er veldig glade for å være en del av, og noe vi håper folk vil få det andre de lander på siden.
Det er absolutt verdt å sjekke ut. Jeg tror, igjen, bedrifter ser at data, og de vet at de kan bygge bedrifter på toppen av det. Jeg tror for journalister og borgere er det mye mer utdanning som kreves.
Absolutt, mye mer utdanning og forhåpentligvis et helt lag med tjenester på toppen av det som leverer ting til folk som meg og deg når vi ikke er geek out, så å si.
La meg stille deg spørsmålene jeg stiller alle som kommer på showet. Hvilken teknologisk trend angår deg mest? Er det noe som holder deg oppe om natten?
Trenden som angår meg mest eller det jeg tror, i horisonten, at vi bør passe på mest er denne forestillingen om biologisk programmering, så i hvilken grad vi blir mye bedre til å programmere å skape deler av biologisk levende organismer. Det har stor innvirkning for godt, men har også stor innvirkning på muligheten til å skape småskala, i utgangspunktet malfeasance gjennom denne tingen. Uansett hvor teknologi og bio møtes, er jeg alltid litt opptatt av hvordan det håndteres. Det er som den neste bølgen for meg, post-atom, er virkelig vår evne til å gjøre ting som programmatisk sekvensere ting i et småskala laboratorium og distribuere det.
Utfordringen er at selv om vi vedtar lover her i USA, betyr det ikke at noen ikke kan gjøre den samme forskningen i Kina eller i Russland.
Absolutt - og til og med fra et sikkerhetsperspektiv, ikke sant? Så vi begynner virkelig å ha midler nå for alle å lage DIY sitt eget biologiske krigføringsprogram. Så for meg er det det som angår meg mest. Men flipsiden inkluderer ting som personlig medisin, det faktum at du virkelig kan forstå kroppen min, du kan nesten lage denne biologiske versjonen av et program som er utviklet for å kurere uansett sykdom jeg har. Like opptatt som jeg er, er jeg også spent på det.
Jeg tror den mangelen vil være at vi trenger en slags etisk struktur for å sette disse nye teknologiene i. Vi gjorde det med atomvåpen og atomkraft, knapt, men vi gjorde det der, og jeg tror vi kommer til å trenge å utvikle noe lignende. På et personlig nivå, er det en teknologi du bruker hver dag som nettopp har forvandlet livet ditt, som du blir overrasket av?
Dette er litt rart, men bare FaceTime. Eller videochat. Jeg har noen familiemedlemmer i utlandet og reiser mye for jobb. Forskjellen mellom en telefonsamtale og en videochat bare snilt tilfeldig på telefonen, det har virkelig fått meg til å føle hele løftet om at internett har koblet alle sammen. Kunne være i løpet av 15 sekunder. Jeg er opprinnelig fra Marokko, så å se noen over hele kloden og si: "Hei, hva har du opp til?", å se hvordan været ser ut i miljøet deres og hvordan de er kledd og hvordan de opptrer, som virkelig har endret hvordan jeg føler meg knyttet til folk rundt meg og fått meg til å føle at vi alle bor i denne store landsbyen litt mer, og jeg som den følelsen.
Det er noe interessant også, jeg så på videokonferansene som en slags økning. Det skulle bli neste ting. Ingen ville ringe lenger. Videokonferanser tok aldri virkelig av, men videochat, mer personlig, dypt annerledes og ikke i et arbeidsmiljø, noe nesten mer tilfeldig enn en telefonsamtale. Som at det kan være en øyeblikkelig ting.
Jeg har en 3 år gammel datter og hun har helt taket i det. Hun videochatter før hun ringer. Hun vet ikke hva en telefonsamtale er. Du setter en talertelefon, og du ber henne chatte med noen, og hun er overhode ikke interessert. Du la henne foran farfaren på FaceTime, og hun kunne være der i 20 minutter.
Det kommer til å være like rart for henne som de roterende telefonene som barna i dag ikke vet hvordan de skal bruke. Hicham, hvordan kan folk følge deg på nettet, finne ut hva du gjør og følge med Enigma?
Gå til enigma.com. Ta en titt på Enigma Public, det er public.enigma.com. Sjekk ut vår hjemmeside. Vi har en ganske aktiv Twitter-konto, ingen Instagram for oss ennå.
Aldri si aldri.
Aldri si aldri. Men-
Du kan gjøre gode ting med infografikk.
Ja det er sant. Vi er virkelig enorme fans av data vis. Vi har denne kule delen av nettstedet vårt, labs.enigma.com, der det hele er eksperimentene våre og noen av våre pro bono-prosjekter som den jeg nevnte med New Orleans, så jeg vil også sjekke det ut.
Veldig kult. Tusen takk for at du kom videre.
Rått. Tusen takk for at jeg fikk komme.
