Video: El Big Data en 3 minutos (Noviembre 2024)
En esta edición de Fast Forward, hablé con Hicham Oudghiri, CEO y cofundador de Enigma, una compañía que se especializa en recopilar y dar sentido a grandes conjuntos de datos. Enigma es una compañía operativa de gestión de datos e inteligencia para clientes privados, pero tal vez sea mejor conocida por Enigma Public, una colección de conjuntos de datos de búsqueda y acceso público que incluyen todo, desde los salarios de los empleados de la Oficina de la Casa Blanca hasta las inspecciones de restaurantes de la ciudad de Nueva York. Hablamos sobre el poder de los grandes datos, los límites de la privacidad del consumidor y el futuro de nuestro mundo basado en datos.
¿Por qué no me explican un poco lo que significa ser una empresa de datos abiertos hoy?
Absolutamente. Comenzamos simplemente recolectando una gran cantidad de datos públicos en cualquier lugar donde pudiéramos encontrarlos, con la misión de tratar de conectar hechos muy dispares sobre el mundo. En el proceso, nos dimos cuenta de que, aunque se rompió el acceso a estos datos subyacentes, este patrón reverberaba para los datos de las personas, para los esquemas de informes de datos públicos y privados, como en entornos regulatorios. Realmente, lo que trajimos fue esta noción de datos abiertos como modelo operativo en todos los lugares a los que fuimos.
Nuestro punto óptimo hoy es cultivar este depósito de activos masivos de datos públicos y ponerlo en práctica en entornos problemáticos reales a menudo detrás del firewall para empresas. Aunque recopilamos y distribuimos una gran cantidad de datos, descubrimos que dar el siguiente paso para interpretar realmente esos datos y vincularlos a datos privados realmente ayuda a escalar el impacto de algunos de los problemas que queríamos resolver.
La gente escucha sobre conjuntos de datos abiertos, conjuntos de datos públicos, conjuntos de datos privados. ¿De qué tipo de conjuntos de datos estamos hablando aquí?
Estamos hablando de datos de origen, datos oficiales, cosas que las agencias gubernamentales publicarían, cosas que las agencias internacionales publicarían, todo lo que es diferente, desde registros de registro corporativo y evaluaciones de propiedades hasta visas H-1B o envíos de contenedores de carga. Definitivamente no estamos hablando de cosas como los datos de LinkedIn, que ha sido un gran tema de debate recientemente sobre si es o no un conjunto de datos públicos. Hubo esa demanda con mucha contención recientemente.
Todos los datos meteorológicos que recopilamos provienen de fuentes oficiales, o GPS como tecnología.
¿Entonces toma todos esos conjuntos de datos públicos y luego puede fusionarlos con conjuntos de datos privados que una compañía le brindará específicamente y realmente verá las ideas entre combinar los dos?
Si, muy a menudo. Piense en un caso de uso canónico en el que intenta hacer algo como averiguar si una empresa es incluso real. Si se trata de una pequeña empresa, tome, por ejemplo, un restaurante o una pequeña empresa. Muy a menudo, el tipo de perfil que tendrían en ellos es extremadamente delgado. Pero si tuviera que mirar cosas como sus licencias de licor o incluso inspecciones del Departamento de Trabajo o inspecciones de registros de salud, obtendrá una imagen mucho más granular de quiénes son.
A menudo, eso ayuda a estas empresas a crear instancias de que incluso son reales para obtener acceso al crédito, para asegurarse, este tipo de cosas. Pasando del "Aquí está su solicitud de 18 páginas" y un proceso muy molesto a través de siete conjuntos de cumplimiento diferentes, a algo que puede suceder en línea de manera automatizada y en general de una manera menos riesgosa.
Entonces, en lugar de simplemente escribirlos en Google para ver si tienen un sitio web y si son reales, ¿puede hacer que todos estos otros conjuntos de datos validen incluso cosas básicas?
Absolutamente.
Estábamos hablando, antes de que saliéramos en vivo, sobre Ozark , así que tu programa favorito, mi nuevo programa favorito, y la idea de usar estos conjuntos de datos para el cumplimiento y para la información financiera e incluso para cazar lavadores de dinero.
Sí. En primer lugar, uno de los mejores espectáculos que hay. Enchufe enorme a Netflix, se ha convertido en el primer estudio de Hollywood en su clase.
Lo han pagado. Han comprado su camino en ese mercado.
Ciertamente tienen. Pero el programa trata sobre este personaje de Jason Bateman que se encuentra a sí mismo como un lavador de dinero para este cartel de la droga. El problema es que salva su vida al decir que irá a los Ozarks y encontrará nuevos canales para lavar dinero. Comienza a comprar en estos negocios más somnolientos y luego pasa por una variedad de costos.
El problema del lavado de dinero es un gran problema teórico en el sentido de que, honestamente, está observando patrones de actividad entre diferentes comerciantes o consumidores de servicios financieros y también las conexiones entre ellos. Entonces, como un agente registrado, obviamente, alguien como Jason Bateman, que está dando vueltas y haciendo esto para un par de empresas. Él está comprando en privado para ellos y comienza a obtener su nombre en una variedad de formas diferentes, y notará ese patrón de actividad. Esto es algo contra lo que los bancos tienen que luchar, obviamente, porque va en detrimento del sistema y están en peligro por hacerlo.
El crimen se ha vuelto tan digital y descentralizado como la música. Este es un problema mucho mayor. No hay una gran familia de la mafia en la que el gobierno pueda estar merodeando durante meses y obtener el estilo Capone. Esta es una persecución total en muchos frentes. Hemos ayudado y trabajado para que los datos públicos tengan relación con ese problema, pero también con nuestra tecnología que hemos utilizado para agregar todos estos datos públicos para tener en cuenta ese problema, solo porque los bancos tienen una gran mejora tecnológica para hacer para fusionar sus propios conjuntos de datos en poderosas claves contextuales para estos investigadores que tienen en el personal.
Siento que estamos en un punto en el que tenemos todos estos datos públicos creados por agencias gubernamentales. Tenemos todos estos conjuntos de datos privados. Cada compañía tiene múltiples conjuntos de datos y muchos formatos diferentes, a menudo, dentro de la misma compañía. Sin embargo, no hay mucha estandarización, y hacer que trabajen juntos es en realidad un gran desafío.
Es un gran desafío, y probablemente una de las tesis más grandes que tenemos en Enigma es una gran división. Uno de mis inversores lo llamó así: hay un mundo donde los datos se instrumentan en bits y hay un mundo donde se instrumenta en átomos. Las compañías tecnológicas, Google, Facebook, Amazon, han hecho un trabajo increíble tomando los datos que obtienen de su actividad navegando por la web y creando estos nuevos servicios como búsqueda y mejores experiencias de comercio electrónico. Pero todos esos datos existen. Es digitalmente nativo. Solo te está escuchando en la web. La web es un protocolo, y esos protocolos fueron diseñados para hablarse entre sí.
Pero cuando tiene esta información instrumentada en átomos, o en el mundo real, como alguien que ingresa a un banco en Ozarks y solicita un pequeño préstamo, se ve diferente a otra persona que ingresa a una sucursal bancaria diferente, o un contenedor de carga barco que viene y pregunta por el nombre de la compañía que hace el envío. Todos estos datos fueron diseñados, o no diseñados, para hablar entre ellos, por lo que existe un gran problema al unir estos datos. Creo que a estas industrias menos tecnológicas les tomará más tiempo cosechar los beneficios de lo que han visto en tecnología con big data. Pero cuando lo hacen, creo que cambiará mucho la forma en que vivimos día a día de una manera bastante impactante.
También tengo la sensación de que, cuando hay un motivo financiero para unir estos conjuntos de datos y crear estas ideas, las empresas encuentran una forma de pagar y encuentran la forma de hacerlo. Las compañías de tarjetas de crédito son una de las primeras compañías que pueden identificar patrones e identificar fraudes. Siento que el sector público está bastante atrasado cuando se trata de crear ideas a partir de estas cantidades de datos. ¿Es esa una evaluación justa?
El sector privado siempre ha tenido, en algunos sentidos, una ventaja en la operacionalización de la tecnología. El incentivo financiero es enorme y también el estilo operativo de una unidad más pequeña. El gobierno de los Estados Unidos es, de hecho, una de las organizaciones más grandes del mundo, y hacer cualquier cosa es realmente un problema de las personas. Asegurarse de que los incentivos estén alineados, asegurarse de que las personas asuman la cantidad correcta de riesgo.
Pero hemos visto al gobierno hacer cosas muy innovadoras. Colaboramos con la ciudad de Nueva Orleans, creo que fue como hace dos años, para ayudarlos a predecir básicamente dónde estaban los propietarios de los barrios bajos, principalmente para instalar detectores de humo en estas casas. Después de Katrina, tuviste esta gran cantidad de tizón. Muchos propietarios se salían con la suya dejando a las personas con malas condiciones. Honestamente, los detectores de humo hacen un gran trabajo para prevenir la muerte por incendio. En lugar de enviar un bombero a una casa al azar, ¿qué pasa si utiliza factores como la demografía y la antigüedad del edificio y la última vez que hubo un cierto tipo de instalación de algún tipo de infraestructura como la infraestructura de telecomunicaciones?
Utiliza todos estos hechos y obtienes una tasa de aciertos de las puertas que estás tocando que es sustancialmente más alta. Hemos visto mucho de este tipo de bola de dinero para las cosas del gobierno local que se desarrolla con bastante fuerza. Obviamente, como se puede imaginar, ha habido una enorme cantidad de uso de datos en la comunidad de inteligencia. Encontramos que hay focos de innovación. Sin embargo, una vez más, se trata de cómo operacionalizarlo.
Tiene todos esos puntos de datos, pero luego debe consultarlos de la manera adecuada, buscar los patrones. Casi tienes que buscar las correlaciones, y esa es toda una serie de preguntas y respuestas. Se trata de establecer una relación con los datos que, creo, estamos empezando a descubrir cómo funciona.
Si. Estamos comenzando a descubrir cómo funciona desde una perspectiva de conjunto de habilidades. Y, hay un cambio mental en términos de pensamiento estadístico versus no pensamiento estadístico. Hay un dicho que dice: "Todos los modelos están equivocados, pero algunos son útiles", por lo que realmente se trata de si puedes, sin los datos, sin los algoritmos, contextualizar un poco los parámetros de tu pensamiento estadístico. Puede que no lo haga bien, como en el caso del incendio, es posible que no lo hagamos bien, pero podemos aumentar nuestras posibilidades de hacerlo bien o podemos reducir nuestra superficie de riesgo o lo que tenemos que buscar. Al traer esa actitud de hacer las cosas al problema, ese es el conjunto de habilidades número uno cuando se trata de poder pensar estadísticamente. Algunas personas están encerradas en "Bueno, la única forma en que podemos estar seguros es si tenemos X, Y y Z".
Te daré un caso en un ejemplo privado. Muy a menudo en los bancos, por razones de fraude histórico y cumplimiento, la forma en que verificarían si alguien era real antes de emitir una tarjeta de crédito era asegurarse de que su número de teléfono y su dirección coincidieran con lo que tenían en la solicitud. No todas las compañías usan teléfonos fijos reales ahora. No todas las empresas usan su dirección principal como la que realmente están operando. Hay algunas realidades pasadas de moda de las personas que trabajan en WeWork ahora y de las personas que usan voz sobre IP. Acostumbrarse a identificar a las personas a través de su presencia social o mediante algunos de los conjuntos de datos que traemos en Enigma que proporcionan estos puntos de prueba complementarios. Mirando y ejecutando históricamente las estadísticas para ver si la probabilidad de que sea real es fuerte, frente a la garantía que obtendría de estos medios alternativos de antemano.
Creo que también es un punto interesante, esa suposición de que todos los modelos estarán equivocados, ya sea en gran medida incorrectos o incorrectos de una manera más pequeña, pero está bien porque aún puede ayudarlo a tomar buenas decisiones. ¿Es una habilidad que estamos haciendo un buen trabajo enseñando a nuestros hijos, y de dónde obtendrían esa capacitación? Quiero decir, no sería necesariamente en matemáticas. No sería en estudios sociales. ¿De dónde sacan esa sensibilidad?
Las estadísticas a menudo se han subclasificado, como la educación matemática en general, pero se puede ver en otros lugares. Lo ves aparecer incluso en tu feed de ESPN en estos días. Las personas se sienten mucho más cómodas con la predicción como parte de sus vidas. Honestamente, me encantan estos momentos de cisne negro donde todo eso vuela en nuestra cara. Toma las últimas elecciones. Hilary ganó, y los mejores científicos de datos del mundo en algunas de las mejores instituciones lo calificaron mal.
Ganar, pero ganar no tenía una probabilidad del 70 por ciento de ganar porque eso todavía significa que, una de cada tres veces, Donald Trump gana. ¿Y adivina qué? Esta fue una de esas tres veces.
Absolutamente. Y luego está la educación de que estamos viendo que estos patrones hacen que las personas se sientan más cómodas. En las aulas, creo que uno de los mayores problemas que tenemos es el aprendizaje aplicado. Es como, no tengo idea de por qué no enseñan finanzas personales en el aula. Quiero decir, yo era un idiota con mi dinero a la edad de 18 años y el efecto sobre la deuda y todo eso. Todavía estoy sorprendido de que no hagan eso, así que siento que nos estamos moviendo en un mundo donde la educación obtendrá más y más sobre las cosas aplicadas y menos sobre las cosas teóricas. Pero luego me preocupa si estamos perdiendo algunas partes del aprendizaje cultural. Todo es una compensación.
Iré aún más lejos por ese camino y hablaré sobre inteligencia artificial.
Inteligencia artificial, una tecnología enormemente transformadora. Me parece que la inteligencia artificial tiene un papel en ayudarnos a dar sentido a este mundo de sobreabundancia de datos y encontrar esos patrones para nosotros. ¿Eres optimista acerca de que la IA nos ayude a dar sentido a eso o va a ser algo totalmente separado del resto de nuestra experiencia humana?
No. Quiero decir, soy optimista en el sentido de que soy optimista sobre la humanidad en general. Siento que eso es un gen de flip que le sucede a la gente en algún momento. Una de las cosas que más me gustan de la promesa de inteligencia artificial es que realmente ayudará a que la tecnología desaparezca porque en este momento, el enfoque está en que la tecnología y los datos estén tan presentes. Pero en realidad, el trabajo de los datos es muy intenso. Hay una razón por la que lo llaman minería de datos cuando buscas cosas en un conjunto de datos. Es muy desagradable. Los conjuntos de datos no están limpios. Es un poco brutal en cierto sentido.
Lo que me gusta de la IA es que crea estos bucles de retroalimentación a partir de la experiencia observada. Aunque está recopilando todos estos datos de todos estos lugares, no necesariamente sabe cómo se unirán, por lo que comienza a estudiar los resultados. El aprendizaje automático nos ayuda a estar realmente más orientados a los resultados en cuanto a cómo llegamos al pensamiento estadístico. Creo que nos ayudará a abstraer algo de lo desagradable de ese trabajo y a estar un poco más orientados a los resultados en cómo lo abordamos. Ahora, definitivamente va a dar miedo en términos del impacto en la automatización en algunas áreas donde, francamente, creo que la IA debería dejarse sola, como reemplazar un jurado. ¿Alguna vez obtendremos esa calidad de inteligencia emocional? No lo sé.
¿Y tendría que elegir y decir que desea esa calidad emocional en el jurado en lugar de una probabilidad pura de que esta persona sea culpable o no?
Si. Para mí, la humanidad subyacente, creo que es súper importante. Francamente, solo por estar en el negocio y ver cuánto es importante el contacto humano para convencer incluso a las personas de comenzar a pensar estadísticamente, soy optimista de que no perderemos eso con el advenimiento de la IA a escala.
Tocamos un poco acerca de si LinkedIn era un conjunto de datos públicos. Mucha gente siente que está viviendo en este mundo donde todo sobre ellos está disponible en línea, desde sus patrones de compra hasta su edad y su historial médico. Hace que la gente se sienta incómoda. A la gente le preocupa que el gobierno tenga demasiada información. Personalmente, me preocupa más que las empresas privadas tengan demasiada información y estén mucho menos reguladas.
Si.
¿Necesitamos leyes para proteger nuestra información personal? ¿Se debe tratar la información personal por separado de sus registros gubernamentales?
Absolutamente. Tenemos muy poca protección en cuanto a las leyes que rigen la forma en que cedemos nuestros datos. Piénsalo en ciertas profesiones. En la profesión médica, está cerrado. Pero por alguna razón, no necesariamente se trata del bloqueo en otras industrias. La razón era que en aquel entonces no había mucho que pudieras hacer con tu información personal. Hoy, tienen una muy buena idea de cómo lograr que conviertas o la probabilidad de que estés en algún lugar. Para todos los efectos, en mi opinión, eso es realmente beneficioso para nosotros.
Pero al mismo tiempo, nuestros datos aún merecen ese tipo de santidad en la forma en que se manejan. Europa ha estado saliendo con leyes muy fuertes. Hay una ley que se llama GDPR. Está previsto que se promulgue en 2018, y conlleva todo, desde asegurarse de que las empresas estén rastreando el linaje de sus datos personales, quién los tiene, cómo se le da acceso dentro de la empresa, medidas para el derecho a ser olvidado. Cuando dice: "Eliminar mis datos", ¿lo está eliminando realmente o lo guarda para otra información? Por lo tanto, siempre hay un intercambio entre los consumidores y los servicios para los que trabajan. Muchos de estos servicios son gratuitos y los amamos, ¿verdad?
Regalaría parte de mí para acceder a YouTube, ¿verdad? Estoy muy feliz por eso.
Y probablemente sí.
Y probablemente sí. Pero eso no significa que esa parte que regale no deba colocarse en una caja de seguridad y que sepa que esa caja está debajo de un búnker y todas esas cosas buenas.
Además, la idea de caducidad de los datos, que, en el mundo digital actual, es un concepto relativamente nuevo. Solía ser que había cierta oscuridad. Si algo sucediera hace 30 años, sería difícil encontrar registros y obtener un perfil de esa época. Pero hoy están los niños que han estado en línea toda su vida, y lo que hicieron y publicaron cuando tenían 13 años estará allí cuando tengan 63.
Si.
No tenemos una infraestructura legal que pueda lidiar con eso de manera significativa.
No, no lo hacemos y es un área peluda. Es un área difícil en el derecho laboral. Es una zona difícil para las citas, ¿verdad?
Si miras el perfil de Facebook de alguien, creo que la cultura se adaptará a eso, a que la presencia en línea de alguien sea pública. Pero es casi teatral. Es como si tu presencia pública no fuera tu verdadero yo. ¿Qué fue esa película de Jim Carey? Todos nos ponemos una máscara, metafóricamente hablando. Así que creo que tu presencia en línea será más como esta galería o esta obra de arte que te describe y luego está el verdadero tú. Pero todavía estás haciendo un golpe al cuerpo o algo así… Eso, no quieres ser público. Existe una verdadera pregunta sobre si las personas que son lo suficientemente jóvenes tienen la capacidad de decidir si es inteligente poner eso en línea o no. Da miedo, seguro.
Hablando de poner cosas estúpidas en línea, hablemos de la administración Trump. He escuchado en múltiples frentes… Obviamente estás trabajando con muchos conjuntos de datos públicos. Tiene que ir y pedir permiso para obtener esta información muchas veces, o averiguar cómo ingerirla. ¿Es más fácil ahora? ¿Cómo ha cambiado el acceso a los conjuntos de datos públicos desde que la administración Trump asumió el cargo?
Si. Mi primera advertencia cuando hablo de esto es la gran diferencia entre la administración Trump y el gobierno de los Estados Unidos. El gobierno de los Estados Unidos es, con mucho, una de las instituciones más transparentes que he encontrado en el mundo. Somos enormemente transparentes en relación con nuestros pares en cuanto a la cantidad de datos que publicamos, por cuánto financiamos este tipo de cosas, por lo tanto, advertencia número uno.
Cuando se trata de Trump, quiero decir, ha sido muy claro para mí que todos deberían estar muy ansiosos por la postura de esta administración con la transparencia y el intercambio de información. En primer lugar, hay cosas muy explícitas como eliminar la lista de visitantes a la Casa Blanca, que fue una práctica que Obama puso en práctica y creo que es uno de los sistemas contables más centrales del gobierno. Ha habido datos de la EPA, ha habido datos climáticos y, en general, incluso se ha debatido sobre algunos datos del censo afectados por esto. Tienes que recordar, estos no son pequeños esfuerzos. Creo que el censo de EE. UU. Supera una inversión de $ 4 mil millones cada vez que ocurre, con algo más de 300, 000 voluntarios involucrados.
Algunas de estas cosas, veremos su impacto en cuatro años, solo dados los ciclos de financiación de cómo sucede. Aunque esta administración ciertamente no es amigable, creo que la columna vertebral de la transparencia en este país es lo suficientemente fuerte. Curiosamente, eso proviene tanto de la izquierda como de la derecha. Lo suficientemente fuerte como para asegurarse de que este movimiento hacia la apertura de la información está aquí para quedarse.
Y hay mucho en juego en estos conjuntos de datos.
Si. Es cómo decidimos dónde colocar los hospitales. Así es como decidimos cómo enrutar ambulancias. Es cómo decidimos que muchos de los servicios básicos, como la gestión de residuos se basa en este tipo de cosas.
Dile a las personas que están mirando el conjunto de datos públicos de Enigma, que he visitado varias veces… super, super cool. ¿Qué deben esperar las personas cuando van allí? ¿Qué pueden sacar de eso?
Uno de nuestros compromisos es ser continuamente honestos acerca de esta misión de recopilar todos los datos, pero devolverlos lo más que podamos a la gente. Es completamente gratuito para fines no comerciales, periodísticos. Queremos asegurarnos de que todos tengan acceso a estos datos. Ni siquiera necesita iniciar sesión o darnos ninguna información para seguir adelante y acceder a ella. Cuando fundamos la empresa, existía una gran premisa sobre el acceso.
Como hemos aprendido mucho a lo largo de los años, el acceso y el diseño de la interfaz y la búsqueda y la credibilidad han sido muy importantes. El otro ha sido la curaduría y ese es el gran enfoque de Enigma Public, que relanzamos este verano, fue esta noción de que las personas necesitan saber cómo se utilizan estos datos. Las personas necesitan conocer no solo las mejores prácticas sobre cómo trabajar con datos, sino qué conjuntos de datos son buenos para qué. ¿Qué hay de nuevo, qué es emocionante? Creo que ese tipo de educación es algo de lo que estamos muy entusiasmados de ser parte y algo que esperamos que la gente obtenga en el momento en que aterrizan en el sitio.
Definitivamente vale la pena echarle un vistazo. Creo que, nuevamente, las empresas ven esos datos y saben que pueden construir negocios sobre ellos. Creo que para los periodistas y para los ciudadanos, se requiere mucha más educación.
Absolutamente, mucha más educación y, con suerte, toda una capa de servicios además de entregar cosas a personas como yo y tú cuando no nos asustamos, por así decirlo.
Déjame hacerte las preguntas que hago a todos los que vienen al programa. ¿Qué tendencia tecnológica te preocupa más? ¿Hay algo que te mantenga despierto por la noche?
La tendencia que más me preocupa o lo que creo, en el horizonte, que debemos vigilar más es esta noción de programación biológica, por lo que estamos mejorando mucho en la creación programática de cadenas de vida biológica. organismos Eso tiene un gran impacto para bien, pero también tiene un gran impacto para la capacidad de crear a pequeña escala, básicamente malversación a través de esto. Dondequiera que se encuentre la tecnología y la biografía, siempre me preocupa un poco cómo se maneja. Para mí, la próxima ola, post-nuclear, es realmente nuestra capacidad de hacer cosas como secuenciar cosas mediante programación en un laboratorio a pequeña escala y distribuirlas.
El desafío es que incluso si aprobamos leyes aquí en los Estados Unidos, eso no significa que alguien no pueda hacer la misma investigación en China o en Rusia.
Absolutamente, e incluso desde una perspectiva de seguridad, ¿verdad? Entonces, realmente comenzamos a tener los medios para que cualquiera pueda hacer su propio programa de guerra biológica. Para mí, eso es lo que más me preocupa. Pero la otra cara incluye cosas como la medicina personalizada, el hecho de que realmente puedes entender mi cuerpo, casi puedes crear esta versión biológica de un programa de software diseñado para curar cualquier enfermedad que tenga. Tan preocupado como estoy, también estoy emocionado por eso.
Creo que la deficiencia allí será que necesitamos algún tipo de estructura ética para implementar estas nuevas tecnologías. Lo hicimos con armas nucleares y energía nuclear, apenas, pero lo hicimos allí y creo que vamos a necesitar desarrollar algo similar. A nivel personal, ¿hay una tecnología que usas todos los días que haya transformado tu vida y que te sorprenda?
Esto es un poco extraño, pero solo FaceTime. O video chat. Tengo algunos familiares en el extranjero y viajo mucho por trabajo. La diferencia entre una llamada telefónica y un chat de video de manera casual por teléfono, realmente me hizo sentir toda la promesa de que Internet ha conectado a todos. Poder, en cuestión de 15 segundos. Soy originario de Marruecos, así que veo a alguien en todo el mundo y le digo: "¿Qué estás haciendo?", ver cómo se ve el clima en su entorno y cómo están vestidos y su comportamiento, eso realmente ha cambiado la forma en que me siento conectado con la gente que me rodea y me ha hecho sentir que todos vivimos en esta gran aldea un poco más, y yo como ese sentimiento
También hay algo interesante que vi el auge de las videoconferencias. Iba a ser lo siguiente. Nadie volvería a hacer llamadas telefónicas. La videoconferencia nunca despegó realmente, pero el chat de video, más personal, profundamente diferente y no en un ambiente de trabajo, algo casi más informal que una llamada telefónica. Como si pudiera ser algo instantáneo.
Tengo una hija de 3 años y ella tiene todo el truco. Ella video chats antes de llamar por teléfono. Ella no sabe qué es una llamada telefónica. Pones un teléfono con altavoz y le pides que hable con alguien y ella no está en absoluto interesada. La pones frente a su abuelo en FaceTime y ella podría estar allí durante 20 minutos.
Será tan extraño para ella como esos teléfonos rotativos que los niños de hoy no saben cómo usar. Hicham, ¿cómo puede la gente seguirte en línea, descubrir lo que estás haciendo y mantenerte al día con Enigma?
Ve a enigma.com. Echa un vistazo a Enigma Public con seguridad, eso es public.enigma.com. Echa un vistazo a nuestro sitio web. Tenemos una cuenta de Twitter bastante activa, todavía no tenemos Instagram.
Nunca digas nunca.
Nunca digas nunca. Pero-
Podrías hacer grandes cosas con infografías.
Si eso es verdad. Somos realmente grandes fanáticos de los datos vis. Tenemos esta parte genial de nuestro sitio, labs.enigma.com, donde están todos nuestros experimentos y algunos de nuestros proyectos pro bono como el que mencioné con Nueva Orleans, así que también lo verificaría.
Muy genial. Muchas gracias por venir.
Increíble. ¡Muchas gracias por invitarme.
