Sådan bruges big data til den virkelige verden

I denne udgave af Fast Forward talte jeg med Hicham Oudghiri, administrerende direktør og medstifter af Enigma, et firma, der er specialiseret i indsamling og fornuft af store datasæt. Enigma er et operationelt datastyrings- og efterretningsfirma for private klienter, men det er måske bedst kendt for Enigma Public, en samling søgbare, offentligt tilgængelige datasæt, der inkluderer alt fra lønningerne hos White House Office-medarbejdere til New York City-restaurantinspektioner. Vi talte om kraften i big data, grænserne for forbrugernes privatliv og fremtiden for vores datadrevne verden.

Hvorfor forklarer du mig ikke lidt om, hvad det er at være et åbent datafirma i dag?

Absolut. Vi startede med bare at indsamle en enorm mængde af offentlige data overalt, hvor vi kunne finde dem, med den mission virkelig at forsøge at forbinde meget forskellige fakta om verden. Vi indså i processen, at lige så meget som adgangen til disse underliggende data blev brudt, var dette mønster efterklang for folks egne data, til offentlig-private datarapporteringsordninger som i lovgivningsmiljøer. Det, vi bragte, var virkelig denne opfattelse af åbne data som en operationel model overalt, hvor vi gik.

Vores søde stedet i dag kultiverer denne enorme aktivopbevaring af offentlige data og bringer dem til at bære i faktiske problemmiljøer ofte bag firewall for virksomheder. Selvom vi indsamler og distribuerer en enorm mængde data, har vi fundet, at det at tage det næste skridt fremad for faktisk at fortolke disse data og knytte dem til private data virkelig hjælper med at skalere virkningen af ​​nogle af de problemer, vi ønskede at løse.

Folk hører om åbne datasæt, offentlige datasæt, private datasæt. Hvilke slags datasæt taler vi her?

Vi taler om kildedata, officielle data, ting, som statslige agenturer ville offentliggøre, ting, som internationale agenturer ville offentliggøre, alt, hvad der er forskelligt, fra virksomhedsregistreringsregistre og ejendomsvurderinger til H-1B-visa eller fragtforsendelser. Helt bestemt ikke tale om ting som LinkedIn-data, som har været et kæmpe debat for nylig om, hvorvidt det engang er et offentligt datasæt. Der var den retssag med meget strid for nylig.

Men vi taler for det meste om officielle kildedata, hvor der har været et mandat og en slags formel juridisk godkendelse for at sætte dette ud i det offentlige rum, mest for at øge gennemsigtigheden i det økonomiske og handelssystem. Det er meget vigtigt for os at vide, for eksempel fra et ansvarlighedsmæssigt synspunkt, hvad vores regering bruger med de forskellige private virksomheder, eller, ud fra et ansvarlighedsmæssigt synspunkt, hvad fordelingen af ​​visa går til blandt virksomhederne. Disse data indsamles ofte af regeringen til alternative formål som rapportering, planlægning, ressourcetildeling og derefter givet tilbage til offentligheden til denne sekundære og ofte tertiære fordel. Det mest populære eksempel er bare vejrdata, ikke?

Alle vejrdata, som vi indsamler, kommer fra officielle kilder eller GPS som teknologi.

Så du tager alle disse offentlige datasæt, og så kan du flette dem med private datasæt, som et firma vil give dig specifikt og virkelig se indsigt mellem at kombinere de to?

Ja, meget ofte. Tænk på en kanonisk brugssag, hvor du prøver at gøre noget som at finde ud af, om et firma endda er ægte. Hvis det er et lille firma, skal du tage, sige, en restaurant eller en lille virksomhed. Meget ofte er den slags profil, de ville have på dem, ekstremt tynd. Men hvis du skulle se på ting som deres spirituslicenser eller endda Arbejdsinspektioner eller sundhedsjournalinspektioner, får du et meget mere detaljeret billede af, hvem de er.

Ofte hjælper det disse virksomheder med at formidle, at de endda er reelle for at få deres adgang til kredit, for at blive forsikret, den slags. Flytning fra "Her er din 18-siders applikation" og en meget irriterende proces gennem syv forskellige compliance-sæt, til noget, der kan ske online på en automatiseret måde og en mindre risikoværdig måde generelt.

Så i stedet for bare at skrive dem på Google for at se, om de har et websted, og at de er reelle, kan du få alle disse andre datasæt valideret for endda basale ting?

Absolut.

Vi talte, før vi gik live, om Ozark , så dit yndlingsshow, mit nye yndlingsshow og ideen om at bruge disse datasæt til overholdelse og til finansiel rapportering og endda for at jage hvidvaskere.

Ja. Først og fremmest en af ​​de bedste shows derude. Enorme stik til Netflix, er blevet førsteklasses Hollywood-studio.

De har betalt for det. De har købt sig ind på det marked.

Det har de bestemt. Men showet handler om denne Jason Bateman-karakter, der finder sig selv som en hvidvasker af denne narkotikakartel. Fangsten er, at han redder sit liv ved at sige, at han skal til Ozarks og finde nye kanaler til hvidvaskning af penge. Han begynder at købe ind i disse søvnigere virksomheder og derefter passere en række forskellige omkostninger.

Hvidvaskning af penge er et enormt teoretisk problem, idet du ærligt talt ser på aktivitetsmønstre mellem forskellige handlende eller forbrugere af finansielle tjenester og også forbindelserne derimellem. Så du har naturligvis en registreret agent, som Jason Bateman, der går rundt og gør dette for et par virksomheder. Han køber privat ind for dem og begynder at få sit navn på en række forskellige former, og du vil bemærke det aktivitetsmønster. Dette er noget, som bankerne er nødt til at kæmpe imod, selvfølgelig, fordi det er en skade for systemet, og de er på krogen for at gøre dette.

Kriminalitet er gået lige så digital og decentral som musikken har gjort. Dette er et meget større problem. Der er ikke en stor mobefamilie, som regeringen kan lure rundt i måneder og få dem til Capone-stil. Dette er en altomfattende jag på mange fronter. Vi har hjulpet og arbejdet med at bringe offentlige data til at bære dette problem, men også bringe vores teknologi, som vi har brugt til at samle alle disse offentlige data, der skal bære på det problem, bare fordi bankerne har en masse teknologisk løft til gøre for at flette deres egne datasæt i kraftige, kontekstuelle ledetråde for disse efterforskere, som de har på personalet.

Jeg føler, at vi er på et tidspunkt, hvor vi har fået alle disse offentlige data oprettet af regeringsorganer. Vi har alle disse private datasæt. Hver virksomhed har flere datasæt og mange forskellige formater, ofte inden for samme virksomhed. Alligevel er der ikke meget standardisering, og at få dem til at arbejde sammen er faktisk en stor udfordring.

Det er en enorm udfordring, og sandsynligvis er en af ​​de største teser, vi har hos Enigma, et stort kløft. En af mine investorer kaldte det på denne måde - der er en verden, hvor data er instrumenteret i bits, og der er en verden, hvor de er instrumenteret i atomer. Teknologiselskaberne, Google, Facebook, Amazon, de har alle gjort et fantastisk stykke arbejde med at tage de data, de får fra din aktivitet, der gennemser internettet og skaber disse nye tjenester som søgning og bedre e-handelsoplevelser. Men alle disse data findes. Det er digitalt indfødt. Det er bare at lytte til dig på nettet. Internettet er en protokol, og disse protokoller var designet til at tale hinanden.

Men når du har disse data, der er instrumenteret i atomer eller den virkelige verden, som en, der går ind i en bank i Ozarks og beder om et lille lån, ser det anderledes ud end nogen anden, der går ind i en anden bankfilial eller en lastcontainer skib, der kommer ind, der beder om navnet på det firma, der udfører forsendelsen. Alle disse data blev designet - eller ikke designet - til at tale med hinanden, så der er et enormt problem med at sy disse data sammen. Jeg tror, ​​det vil tage disse mindre, rent tech-industrier længere tid at høste fordelene ved, hvad du har set inden for tech med big data. Men når de gør det, tror jeg, det vil ændre meget på, hvordan vi lever dag til dag på en temmelig påvirkelig måde.

Jeg får også den fornemmelse, at når der er et økonomisk motiv til at sy sammen disse datasæt og skabe disse indsigter, finder virksomheder en måde at betale for det, og de finder en måde at få det til. Kreditkortselskaber er et af de første virksomheder, der er i stand til at identificere mønstre og identificere svig. Jeg føler, at den offentlige sektor er temmelig langt bagud, når det kommer til at skabe indsigt fra disse datamængder. Er det en retfærdig vurdering?

Den private sektor har altid, i nogle forstander, haft en forkant i at operationelle teknologi. Det økonomiske incitament er stort og også driftsformen for en mindre enhed. Den amerikanske regering er faktisk faktisk en af ​​de største organisationer i verden, og at få noget gjort er virkelig et folkeproblem. Sørg for, at incitamenter er tilpasset, så folk tager den rigtige mængde risiko.

Men vi har set regeringen gøre nogle meget innovative ting. Vi samarbejdede med byen New Orleans, jeg tror, ​​det var som for to år siden, for at hjælpe dem dybest set med at forudsige, hvor slum-udlejere var, mest for at installere røgdetektorer i disse hjem. Post-Katrina, du havde denne enorme mængde rod. En masse udlejer slap væk med at forlade mennesker med dårlige forhold. Ærligt talt, røgdetektorer gør bare et godt stykke arbejde med at forhindre død fra brand. I stedet for at sende en brandmand til et tilfældigt hjem, hvad nu hvis du brugte faktorer som demografi, og hvor gammel bygningen var, og sidste gang der var en bestemt form for installation af en slags infrastruktur som telekommunikationsinfrastruktur?

Du bruger alle disse fakta, og du får en hitrate på de døre, som du banker på, som er væsentligt højere. Vi har set en masse af denne slags pengeball til lokale myndighedsspil spille temmelig stærkt ud. Naturligvis har der været en enorm mængde dataforbrug i efterretningsfællesskabet, som du kan forestille dig. Vi finder ud af, at der er lommer af innovation. Igen, det handler dog om, hvordan du operationaliserer det.

Du har alle disse datapunkter, men så skal du spørge det på den rette måde, kigge efter mønstrene. Du er næsten nødt til at søge efter sammenhænge, ​​og det er en hel række spørgsmål og svar. Det er at etablere et forhold til dataene, som jeg tror, ​​vi lige er begyndt at finde ud af, hvordan det fungerer.

Ja. Vi begynder at finde ud af, hvordan det fungerer ud fra et skillset-perspektiv. Og der er som et sindeskifte med hensyn til statistisk tænkning versus ikke statistisk tænkning. Der er dette ordsprog: "Alle modeller er forkerte, men nogle er nyttige, " - så det handler virkelig om, om du kan uden dataene uden algoritmerne kontekstualisere en lille smule parametrene for din statistiske tænkning. Jeg får muligvis ikke dette rigtigt, ligesom i tilfælde af ild, vi får muligvis ikke denne ret, men vi kan øge vores chancer for at få det rigtigt, eller vi kan reducere vores risikoplan eller det, vi er nødt til at søge efter. At bringe den få-det-gjort holdning til problemet, det er skillset nummer et, når det kommer til at være i stand til at tænke statistisk. Nogle mennesker er låst inde, "Nå, den eneste måde vi kan være sikker på er, hvis vi har X, Y og Z."

Jeg giver dig en sag i et privat eksempel. Meget ofte i banker på grund af historisk svig og overholdelse, hvordan de ville verificere, om nogen var reel, før de udstedte et kreditkort, og sørgede for, at deres telefonnummer og deres adresse stemte overens med, hvad de havde på applikationen. Ikke alle virksomheder bruger faktiske telefonlinjer nu. Ikke alle virksomheder bruger deres hovedadresse som den, de faktisk udfører. Der er en slags forældede virkelighed for mennesker, der arbejder på WeWork nu, og folk, der bruger voice over IP. At blive komfortabel med at identificere folk gennem deres sociale tilstedeværelse eller gennem nogle af de datasæt, som vi bringer ind hos Enigma, der leverer disse tilknyttede bevispunkter. Ser og kører historisk statistikken for at se, om sandsynligheden for, at den er reel, er stærk i forhold til garantien, som du ville få fra disse alternative midler på forhånd.

Jeg synes, det er også et interessant punkt, at antagelsen om, at alle modeller vil være forkerte, enten stort set forkert eller forkert på en mindre måde, men det er okay, fordi det stadig kan hjælpe dig med at tage gode beslutninger. Er det en færdighed, som vi gør et godt stykke arbejde med at undervise vores børn, og hvor ville de endda få den uddannelse? Jeg mener, det ville nødvendigvis ikke være i matematik. Det ville ikke være i samfundsfag. Hvor får de den fornemmelse?

Statistikker er ofte blevet underklasseret, som matematikundervisning generelt, men du ser det andre steder. Du kan se det dukke op, selv i dit ESPN-feed i disse dage. Folk er meget mere komfortable med at forudsige, at de er en del af deres liv. Helt ærligt, jeg elsker disse sorte svanestunder, hvor alt det flyver i vores ansigt. Tag det sidste valg. Du vandt Hilary, og du havde verdens bedste dataforskere ved nogle af de fineste institutioner kalder det forkert.

At vinde, men vinde havde ikke 70 procent sandsynlighed for at vinde, fordi det stadig betyder, at Donald Trump vinder en ud af tre gange. Og gæt hvad? Dette var en af ​​disse tre gange.

Absolut. Og så er der den uddannelse, at vi ser disse mønstre gør folk mere behagelige. I klasseværelserne tror jeg, at et af de største problemer, vi har, kun er den anvendte læring. Det er som, jeg har ingen idé om, hvorfor de ikke underviser i personlig økonomi i klasseværelset. Jeg mener, jeg var en idiot med mine penge i en alder af 18 og virkningen på gælden og alt det der. Jeg er stadig forbløffet over, at de ikke gør det, så jeg har lyst til at bevæge os i en verden, hvor uddannelse vil få mere og mere om de anvendte ting og mindre om det teoretiske. Men så bekymrer jeg mig, hvis vi mister nogle dele af kulturel læring. Det hele er en afvejning.

Jeg vil gå endnu længere nede på den vej og tale om kunstig intelligens.

Kunstig intelligens, en enorm transformationsteknologi. Det ser ud til, at der er en rolle for kunstig intelligens i at hjælpe os med at gøre opmærksom på denne verden med overdreven data og finde disse mønstre for os. Er du optimistisk med hensyn til, at AI hjælper os med at give mening om det, eller vil det være noget helt adskilt fra resten af ​​vores menneskelige oplevelse?

Nej. Jeg mener, jeg er optimistisk i den forstand, at jeg er optimistisk med hensyn til menneskeheden generelt. Jeg føler, at det er en flip-gen-ting, der sker med folk på et eller andet tidspunkt. En af de ting, jeg mest kan lide ved løftet om kunstig intelligens, er, at det faktisk vil hjælpe teknologien med at forsvinde, for lige nu er fokus på, at teknologi og data er så til stede. Men i virkeligheden er dataarbejdet meget intensivt. Der er en grund til, at de kalder det data mining, når du leder efter ting i et datasæt. Det er meget grimt. Datasættene er ikke rene. Det er lidt brutalt på en måde.

Hvad jeg kan lide ved AI er, at det skaber disse feedback-løkker fra observeret erfaring. Selvom du samler alle disse data fra alle disse steder, ved du ikke nødvendigvis, hvordan de kommer sammen, så du begynder at studere resultaterne. Maskinlæring hjælper os med at være lidt mere resultatorienterede i, hvordan vi kommer til statistisk tænkning. Jeg tror, ​​det vil hjælpe os med at abstrahere noget af det uklart ved det arbejde og være lidt mere resultatorienteret i, hvordan vi nærmer os det. Nu vil det bestemt være skræmmende med hensyn til indvirkningen på automatisering i nogle områder, hvor jeg ærligt talt synes, at AI skal være i fred, som at erstatte en jury. Vil vi nogensinde få den følelsesmæssige intelligenskvalitet? Jeg ved ikke.

Og du bliver nødt til at vælge og sige, at du vil have den følelsesmæssige kvalitet i juryen i modsætning til en ren sandsynlighed for, at denne person er skyldig eller ikke skyldig?

Ja. For mig, den underliggende menneskehed, synes jeg er meget vigtig. Helt ærligt, bare at være i branchen og se, hvor meget den menneskelige berøring er vigtig for endda at overbevise folk om at begynde at tænke statistisk, er jeg optimistisk over, at vi ikke mister det med tilkomsten af ​​AI i skala.

Vi rørte lidt ved, om LinkedIn var et offentligt datasæt. Mange mennesker har en slags fornemmelse af, at de lever i denne verden, hvor alt ved dem er tilgængeligt online, fra deres købsmønstre til deres alder til deres medicinske historie. Det gør folk ubehagelige. Det får folk til at bekymre sig for, at regeringen har for meget information. Jeg er personligt mere bekymret for, at private virksomheder har for meget information, og at de er langt mindre regulerede.

Ja.

Har vi brug for love for at beskytte vores personlige oplysninger? Bør personlige oplysninger behandles separat end dine regeringsregistre?

Absolut. Vi har meget lidt beskyttelse med hensyn til de love, der styrer den måde, hvorpå vi videregiver vores data. Tænk over det i visse erhverv. I det medicinske erhverv er det på lockdown. Men af ​​en eller anden grund er det ikke nødvendigvis med lockdown i andre brancher. Årsagen var, dengang var der ikke meget, du kunne gøre med dine personlige oplysninger. I dag har de en virkelig god fornemmelse af, hvordan man får dig til at konvertere eller sandsynligheden for, at du vil være et sted. I det hele taget er det faktisk mest fordelagtigt for os, efter min mening.

Men på samme tid fortjener vores data stadig den mængde slags hellighed i, hvordan de håndteres. Europa er kommet ud med meget stærke love. Der er en lov, der kaldes GDPR. Det er planlagt at blive vedtaget i 2018, og det bærer alt fra at sikre, at virksomheder sporer afstamningen af ​​deres personlige data, hvem der har dem, hvordan får adgang til det inden for virksomheden, ret til at blive glemt foranstaltninger. Når du siger "Slet mine data", sletter du dem faktisk, eller opbevarer du dem til noget andet stykke information? Så der er altid en udveksling mellem forbrugere og de tjenester, de arbejder for. Mange af disse tjenester er gratis, og vi elsker dem, ikke?

Jeg ville give væk en del af mig selv til YouTube-adgang, ikke? Jeg er bare meget glad for det.

Og sandsynligvis har du det.

Og det har jeg sandsynligvis. Men det betyder ikke, at den del, som jeg giver bort, ikke skal sættes i en sikker kasse, og at jeg ved, at denne kasse er under en bunker og alle disse gode ting.

Ideen om udløb af data, som i den digitale verden i dag er et relativt nyt koncept. Det plejede at være, at der var en vis uklarhed. Hvis der skete noget for 30 år siden, ville det være vanskeligt at finde poster og få en profil fra dengang. Men der er børnene i dag, der har været online hele deres liv, og hvad de gjorde og postede, da de var 13, vil være der, når de er 63.

Ja.

Vi har ikke en lovlig infrastruktur, der kan håndtere det på nogen meningsfuld måde.

Nej, det gør vi ikke, og det er et behåret område. Det er et behåret område i ansættelsesretten. Det er et behåret område for dating, ikke?

Hvis du ser på nogens Facebook-profil - tror jeg, at kulturen vil tilpasse sig den, til andres online tilstedeværelse bliver offentlig. Men det er næsten teater. Det er som om din offentlige tilstedeværelse ikke er den rigtige du. Hvad var den Jim Carey-film? Vi påtager os alle en maske, metaforisk set. Så jeg tror, ​​at din online tilstedeværelse vil være mere som dette galleri eller dette kunstværk, der beskriver dig, og så er der den rigtige dig. Men der er stadig du, der laver et kropsskud eller noget i retning af… Det, du ønsker ikke at være offentligt nogensinde. Der er et rigtigt spørgsmål om, hvorvidt folk, der er unge nok, har evnen til at beslutte, om det er smart at sætte det online eller ej. Det er skræmmende, helt sikkert.

Når vi taler om at sætte dumme ting online, lad os tale om Trump-administrationen. Jeg har hørt på flere fronter… Du arbejder tydeligvis med en masse offentlige datasæt. Du skal gå og bede om tilladelse til at få disse oplysninger mange gange, eller finde ud af, hvordan man indtager dem. Er det lettere nu? Hvordan har adgangen til offentlige datasæt ændret sig, siden Trump-administrationen tiltrådte?

Ja. Min første advarsel, når jeg taler om dette, er en stor forskel mellem Trump-administrationen og den amerikanske regering. Den amerikanske regering er langtfra en af ​​de mere gennemsigtige institutioner, jeg nogensinde er stødt på i verden. Vi er vildt gennemsigtige i forhold til vores kolleger for den mængde data, vi lægger ud, for hvor meget vi finansierer denne slags ting, så advarsel nummer et.

Når det kommer til Trump, mener jeg, det har været meget klart for mig, at alle burde være meget ængstelige over denne administrations holdning med gennemsigtighed og deling af information. Først og fremmest er der meget eksplicitte ting som at nedtage listen over besøgende i Det Hvide Hus, som var en praksis, som Obama indførte, og jeg tror, ​​at et af de mest centrale regnskabssystemer i regeringen. Der har været EPA-data, der har været klimadata, og generelt har der endda været debat om nogle folketællingsdata, der er berørt af dette. Du er nødt til at huske, dette er ingen små bestræbelser. Jeg tror, ​​at den amerikanske folketælling er over en investering på $ 4 milliarder, hver gang det sker, med noget over 300.000 involverede frivillige.

Nogle af disse ting får vi se deres indflydelse om fire år, lige i betragtning af finansieringscyklusserne for, hvordan det sker. Selvom denne administration bestemt ikke er venlig, synes jeg, at gennemsigtighedsryggen i dette land er stærk nok. Mærkeligt nok kommer det fra både venstre og højre. Stærk nok til at sikre, at denne bevægelse mod åbenhed af information er her for at blive.

Og der kører meget på disse datasæt.

Ja. Det er sådan, vi beslutter, hvor vi skal lægge hospitaler. Det er sådan, vi beslutter, hvordan vi leder rutebiler. Det er sådan, vi beslutter lige så mange af basistjenesterne, som affaldshåndtering er afhængig af denne slags ting.

Fortæl folk, der ser på det offentlige datasæt fra Enigma, som jeg har besøgt flere gange… super, super cool. Hvad skal folk forvente, når de går der? Hvad kan de komme ud af?

En af vores forpligtelser er løbende at være ærlig over for denne mission om at indsamle alle data, men give dem så meget tilbage som vi kan til folk. Det er helt gratis at bruge til ikke-kommercielle formål, journalistiske formål. Vi ønsker at sikre, at alle har adgang til disse data. Du behøver ikke engang at logge ind eller har brug for at give os nogen information for at gå videre og få adgang til det. Da vi grundlagde virksomheden, var der en stor forudsætning for adgang.

Da vi har lært meget mere gennem årene, har adgang og interface-design og søgning og troværdighed været meget vigtig. Den anden har været kuration, og det er det enorme fokus for Enigma Public, som vi lancerede igen i sommer, var denne forestilling om, at folk har brug for at vide, hvordan disse data bruges. Folk har brug for ikke kun at vide, hvordan man arbejder med data, men hvilke datasæt der er gode til hvad. Hvad er nyt, hvad er spændende? Jeg tror, ​​at den slags uddannelse er noget, som vi er meget glade for at være en del af, og som vi håber, at folk får det andet, de lander på stedet.

Det er bestemt værd at tjekke ud. Jeg tror, ​​igen, virksomheder ser disse data, og de ved, at de kan bygge virksomheder oven på. Jeg tror for journalister og for borgere, at der er meget mere uddannelse, der kræves.

Absolut, meget mere uddannelse og forhåbentlig et helt lag af tjenester oven på det, der leverer ting til folk som mig og dig, når vi ikke er geek out, så at sige.

Lad mig stille dig de spørgsmål, jeg stiller alle, der kommer på showet. Hvilken teknologisk tendens vedrører dig mest? Er der noget der holder dig op om natten?

Den tendens, der mest angår mig eller den ting, som jeg synes, i horisonten, at vi skal holde øje med mest, er denne opfattelse af biologisk programmering, så i hvilket omfang vi bliver meget bedre til at programmere skabe dele af biologisk levevis organismer. Det har stor indvirkning for godt, men har også enorm indflydelse på evnen til at skabe små og grundlæggende malfeasance gennem denne ting. Uanset hvor teknologi og bio mødes, er jeg altid lidt bekymret for, hvordan det håndteres. Det er som den næste bølge for mig, post-nuklear, er virkelig vores evne til at gøre ting som programmatisk rækkefølge ting i et lille laboratorium og distribuere det.

Udfordringen er, at selv hvis vi vedtager love her i USA, betyder det ikke, at nogen ikke kan udføre den samme forskning i Kina eller i Rusland.

Absolut - og endda fra et sikkerhedsmæssigt perspektiv, ikke? Så vi begynder virkelig at have midlerne til, at enhver kan DIY deres eget biologiske krigsførelsesprogram. Så det for mig er det, der bekymrer mig mest. Men flipsiden inkluderer ting som personlig medicin, det faktum, at du virkelig kan forstå min krop, du kan næsten oprette denne biologiske version af et softwareprogram designet til at helbrede uanset hvilken sygdom jeg har. Lige så bekymret som jeg er, glæder jeg mig også over det.

Jeg tror, ​​at den mangel, der er, er, at vi har brug for en slags etisk struktur for at sætte disse nye teknologier i. Vi gjorde det med atomvåben og atomkraft, næppe, men vi gjorde det der, og jeg tror, ​​vi bliver nødt til at udvikle noget lignende. På et personligt plan er der en teknologi, du bruger hver dag, der bare har forvandlet dit liv, som du er forbløffet over?

Dette er lidt underligt, men bare FaceTime. Eller videochat. Jeg har nogle familiemedlemmer i udlandet, og jeg rejser meget for arbejde. Forskellen mellem et telefonopkald og en videochat er bare tilfældigt i telefonen, det har virkelig fået mig til at føle hele løftet om, at internettet har forbundet alle. At være i stand i løbet af 15 sekunder. Jeg kommer oprindeligt fra Marokko, så jeg ser nogen over hele kloden og siger: "Hej, hvad har du op til?", at se, hvordan vejret ser ud i deres miljø, og hvordan de er klædt og deres opførsel, det har virkelig ændret, hvordan jeg føler mig forbundet med folk omkring mig og fik mig til at føle, at vi alle bor i denne store landsby lidt mere, og jeg som den følelse.

Der er også noget interessant, jeg så på videokonferencer boom slags stigning. Det skulle være den næste ting. Ingen ville ringe længere. Videokonferencer startede aldrig rigtig men videochat, mere personlig, dybt anderledes og ikke i et arbejdsmiljø, noget næsten mere afslappet end et telefonopkald. Som det kan være en øjeblikkelig ting.

Jeg har en 3-årig datter, og hun har helt fat på det. Hun videochats, før hun ringer. Hun ved ikke, hvad et telefonopkald er. Du sætter en højttalertelefon, og du beder hende om at chatte med nogen, og hun er slet ikke interesseret. Du placerede hende foran hendes bedstefar på FaceTime, og hun kunne være der i 20 minutter.

Det vil være lige så mærkeligt for hende som de roterende telefoner, som børn i dag ikke ved, hvordan de skal bruges. Hicham, hvordan kan folk følge dig online, finde ud af, hvad du laver, og følge med Enigma?

Gå til enigma.com. Tjek Enigma Public med sikkerhed, det er public.enigma.com. Tjek vores hjemmeside. Vi har en temmelig aktiv Twitter-konto, ingen Instagram endnu for os.

Aldrig sig aldrig.

Aldrig sig aldrig. Men-

Du kan gøre fantastiske ting med infografik.

Ja, det er sandt. Vi er virkelig enorme fans af data vis. Vi har denne seje del af vores side, labs.enigma.com, hvor det er alle vores eksperimenter og nogle af vores pro bono-projekter som det, jeg nævnte med New Orleans, så det ville jeg også tjekke ud.

Meget sejt. Tak så meget for at du kom videre.

Fantastisk. Tak så meget for at have mig.