What AI is -- and isn't | Sebastian Thrun and Chris Anderson

260,110 views ・ 2017-12-21

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

المترجم: Mohamed Elamgad المدقّق: Riyad Almubarak
00:12
Chris Anderson: Help us understand what machine learning is,
0
12904
2886
(كريس أنديرسون): ساعدنا على فهم ماهية تعلم الآلة،
00:15
because that seems to be the key driver
1
15814
2054
لأن ذلك يبدو أنه العامل المسبب
00:17
of so much of the excitement and also of the concern
2
17892
2737
للكثير من الإثارة وكذلك القلق
00:20
around artificial intelligence.
3
20653
1494
حول الذكاء الاصطناعي
00:22
How does machine learning work?
4
22171
1643
كيف تتم عملية تعلم الآلة؟
00:23
Sebastian Thrun: So, artificial intelligence and machine learning
5
23838
3896
(سيباستيان ثران): إن عمر كلا من الذكاء الاصطناعي وتعلم الآلة
00:27
is about 60 years old
6
27758
2002
60 عامًا تقريبًا
00:29
and has not had a great day in its past until recently.
7
29784
4269
ولم يحظيا بحظ جيد في ماضيهما حتى فترة قريبة
00:34
And the reason is that today,
8
34077
2924
والسبب في ذلك هو أن اليوم،
00:37
we have reached a scale of computing and datasets
9
37025
3973
قد بلغنا مدى من الحوسبة ومجموعات البيانات
00:41
that was necessary to make machines smart.
10
41022
2637
الذي يعد ضروريًا لجعل الآلات ذكية
00:43
So here's how it works.
11
43683
1751
إليك كيف يتم الأمر
00:45
If you program a computer today, say, your phone,
12
45458
3497
إذا قمت ببرمجة حاسب آلي اليوم، هاتفك مثلًا
00:48
then you hire software engineers
13
48979
2335
ثم قمت بتعيين مهندسي برمجيات
00:51
that write a very, very long kitchen recipe,
14
51338
3854
حيث يكتبون وصفة طبخ طويلة جدًا،
00:55
like, "If the water is too hot, turn down the temperature.
15
55216
3132
مثلًا "إذا كانت المياه شديدة السخونة، قلل درجة الحرارة.
00:58
If it's too cold, turn up the temperature."
16
58372
2279
إذا كانت شديدة البرودة، ارفع درجة الحرارة"
01:00
The recipes are not just 10 lines long.
17
60675
2849
لا يبلغ طول الوصفات 10 أسطر فحسب
01:03
They are millions of lines long.
18
63548
2603
بل ملايين السطور
01:06
A modern cell phone has 12 million lines of code.
19
66175
4084
هاتف محمول حديث به 12 مليون سطر من الأكواد
01:10
A browser has five million lines of code.
20
70283
2646
المتصفح به 5 مليون سطر من الأكواد
01:12
And each bug in this recipe can cause your computer to crash.
21
72953
4969
وكل خطأ في وصفة كهذه يمكنه تعطيل جهازك
01:17
That's why a software engineer makes so much money.
22
77946
3075
لهذا السبب يجني مهندسي البرمجيات الكثير من الأموال
01:21
The new thing now is that computers can find their own rules.
23
81953
3660
ولكن الأمر الجديد الآن هو أن الحاسب الآلي بوسعه ابتكار قواعده الخاصة
01:25
So instead of an expert deciphering, step by step,
24
85637
3606
فبدلًا من قيام خبير بكتابة، خطوة تلو الأخرى،
01:29
a rule for every contingency,
25
89267
2148
قاعدة لكل حالة طارئة،
01:31
what you do now is you give the computer examples
26
91439
3074
ما تقوم بفعله هو أنك تزود الحاسب الآلي بالأمثلة
01:34
and have it infer its own rules.
27
94537
1581
وتجعله يتوصل إلى قواعده الخاصة
01:36
A really good example is AlphaGo, which recently was won by Google.
28
96142
4306
مثال جيد على ذلك هو برنامج (ألفاجو)، الذي ربحته (جوجل) حديثًا
01:40
Normally, in game playing, you would really write down all the rules,
29
100472
3687
في العادة، عندما يتعلق الأمر بالألعاب، تقوم بكتابة كل القواعد بنفسك
01:44
but in AlphaGo's case,
30
104183
1785
ولكن في حالة (ألفاجو)،
01:45
the system looked over a million games
31
105992
2066
قام النظام بفحص أكثر من مليون لعبة
01:48
and was able to infer its own rules
32
108082
2192
واستطاع التوصل إلى قواعده الخاصة
01:50
and then beat the world's residing Go champion.
33
110298
2738
وتمكن من هزيمة بطل العالم في (جو)
01:53
That is exciting, because it relieves the software engineer
34
113853
3509
هذا مثير، لأنه يعفي مهندسي البرمجيات
01:57
of the need of being super smart,
35
117386
1819
من الحاجة إلى أن يكونوا شديدي الذكاء
01:59
and pushes the burden towards the data.
36
119229
2325
وبدلًا من ذلك يضع ذلك العبء على البيانات
02:01
As I said, the inflection point where this has become really possible --
37
121578
4534
وكما قلت، نقطة التحول التي جعلت أمرًا كهذا ممكنًا،
02:06
very embarrassing, my thesis was about machine learning.
38
126136
2746
هذا محرج للغاية، لأن أطروحتي كانت حول تعلم الآلة
02:08
It was completely insignificant, don't read it,
39
128906
2205
وكانت بلا أهمية مطلقًا، لا تقرؤوها،
02:11
because it was 20 years ago
40
131135
1350
لأنني كتبتها منذ 20 سنة مضت
02:12
and back then, the computers were as big as a cockroach brain.
41
132509
2907
وحينها، كان حجم أجهزة الحاسب الآلي مثل حجم الديناصورات
02:15
Now they are powerful enough to really emulate
42
135440
2331
والآن أصبحت قوية بما يكفي لمحاكاة
02:17
kind of specialized human thinking.
43
137795
2076
الفكر البشري المتخصص
02:19
And then the computers take advantage of the fact
44
139895
2313
كذلك تستغل أجهزة الحاسب الآلي حقيقة
02:22
that they can look at much more data than people can.
45
142232
2500
أن بوسعها فحص عدد هائل من البيانات بخلاف البشر
02:24
So I'd say AlphaGo looked at more than a million games.
46
144756
3080
لذا أقول أن (ألفاجو) قام بفحص أكثر من مليون لعبة
02:27
No human expert can ever study a million games.
47
147860
2839
ولا يوجد خبير بشري يمكنه دراسة مليون لعبة
02:30
Google has looked at over a hundred billion web pages.
48
150723
3182
يقوم (جوجل) بالبحث فيما يزيد عن مئة مليار صفحة ويب
02:33
No person can ever study a hundred billion web pages.
49
153929
2650
ولا يوجد إنسان بوسعه دراسة مئة مليار صفحة ويب
02:36
So as a result, the computer can find rules
50
156603
2714
ونتيجة لذلك، تستطيع أجهزة الحاسب الآلي التوصل إلى قواعد
02:39
that even people can't find.
51
159341
1755
لا يمكن للبشر التوصل إليها
02:41
CA: So instead of looking ahead to, "If he does that, I will do that,"
52
161120
4312
(أنديرسون): إذًا بدلًا من كتابة "إذا فعل هذا، سأفعل ذلك"
02:45
it's more saying, "Here is what looks like a winning pattern,
53
165456
3072
الأمر أقرب إلى، "يبدو هذا كنمط للفوز،
02:48
here is what looks like a winning pattern."
54
168552
2079
يبدو هذا كنمط للفوز"
02:50
ST: Yeah. I mean, think about how you raise children.
55
170655
2517
(ثران): أجل، فكر في طريقة تريبة الأطفال
02:53
You don't spend the first 18 years giving kids a rule for every contingency
56
173196
3644
لا تقضي أول 18 سنة وأنت تعلم الأطفال كل قواعد حالات الطوارئ
02:56
and set them free and they have this big program.
57
176864
2347
ثم تجعلهم أحرارًا فيصبح لديهم ذلك البرنامج الضخم
02:59
They stumble, fall, get up, they get slapped or spanked,
58
179235
2719
وبدلًا من ذلك، يتعثرون ويسقطون وينهضون ويتم صفعهم أو ضربهم
03:01
and they have a positive experience, a good grade in school,
59
181978
2884
فيصبح لديهم تجربة إيجابية، ودرجات جيدة بالمدرسة،
03:04
and they figure it out on their own.
60
184886
1834
ويتوصلون إلى ذلك بنفسهم
03:06
That's happening with computers now,
61
186744
1737
الأمر ذاته يحصل مع الحاسب الآلي الآن
03:08
which makes computer programming so much easier all of a sudden.
62
188505
3029
وذلك يجعل البرمجة باستخدام الحاسب أكثر سهولة فجأة
03:11
Now we don't have to think anymore. We just give them lots of data.
63
191558
3175
لم نعد بحاجة إلى التفكير، فقط نزود الأجهزة بالكثير من البيانات
03:14
CA: And so, this has been key to the spectacular improvement
64
194757
3422
(أنديرسون): وكان ذلك السبب الرئيسي لتحسينات رائعة
03:18
in power of self-driving cars.
65
198203
3064
على السيارات ذاتية القيادة
03:21
I think you gave me an example.
66
201291
1739
أظن أنك أعطيتني مثالًا على ذلك
03:23
Can you explain what's happening here?
67
203054
2685
أيمكنك تفسير الأمر الذي يحدث هنا؟
03:25
ST: This is a drive of a self-driving car
68
205763
3564
(ثران): هذا قرص سيارة ذاتية القيادة
03:29
that we happened to have at Udacity
69
209351
1957
الذي صادف وجوده معنا في (يوداستي)
03:31
and recently made into a spin-off called Voyage.
70
211332
2398
وتم تحويله حديثًا إلى برنامج فرعي يسمى (فوياج)
03:33
We have used this thing called deep learning
71
213754
2574
قمنا باستخدام ذلك الشيء الذي يسمى "التعلم الاصطناعي"
03:36
to train a car to drive itself,
72
216352
1623
لتدريب السيارة على قيادة نفسها،
03:37
and this is driving from Mountain View, California,
73
217999
2387
وهذا فيديو للقيادة من (ماونتن فيو)، (كاليفورنيا)،
03:40
to San Francisco
74
220410
1168
إلى (سان فرانسيسكو)
03:41
on El Camino Real on a rainy day,
75
221602
2259
بطريق (إل كامنو ريل) في يوم ممطر،
03:43
with bicyclists and pedestrians and 133 traffic lights.
76
223885
3524
مع وجود ركاب الدراجات والمارة و133 إشارة مرور
03:47
And the novel thing here is,
77
227433
2636
والشيء الجديد هنا هو
03:50
many, many moons ago, I started the Google self-driving car team.
78
230093
3120
أنني أنشأت منذ فترة طويلة فريق سيارة (جوجل) ذاتية القيادة
03:53
And back in the day, I hired the world's best software engineers
79
233237
3181
وحينئذٍ، قمت بتعيين أفضل مهندسي البرمجيات
03:56
to find the world's best rules.
80
236442
1607
لوضع أفضل القواعد بالعالم
03:58
This is just trained.
81
238073
1754
تم تدريبها على هذا
03:59
We drive this road 20 times,
82
239851
3336
نقوم بالقيادة على هذا الطريق 20 مرة،
04:03
we put all this data into the computer brain,
83
243211
2447
ثم نخزن كل تلك البيانات بذاكرة الحاسب،
04:05
and after a few hours of processing,
84
245682
2082
وبعد بضع ساعات من المعالجة،
04:07
it comes up with behavior that often surpasses human agility.
85
247788
3926
يتوصل إلى طريقة كثيرًا ما تتفوق على رشاقة البشر
04:11
So it's become really easy to program it.
86
251738
2017
لذا أصبح من السهل برمجة أمر كهذا
04:13
This is 100 percent autonomous, about 33 miles, an hour and a half.
87
253779
3803
هذا تحكم ذاتي بنسبة 100%، على مسافة نحو 33 ميلًا، طوال ساعة ونصف
04:17
CA: So, explain it -- on the big part of this program on the left,
88
257606
3630
(أنديرسون): لإيضاح الأمر، على الجانب الكبير باليسار في هذا البرنامج،
04:21
you're seeing basically what the computer sees as trucks and cars
89
261260
3257
ترون ما يراها الحاسب الآلي كشاحنات وسيارات
04:24
and those dots overtaking it and so forth.
90
264541
2886
التي تتجاوز السيارة وهكذا
04:27
ST: On the right side, you see the camera image, which is the main input here,
91
267451
3762
(ثران): بالجانب الأيمن، ترون صورة الكاميرا، التي تشكل المُدخَل الرئيسي هنا،
04:31
and it's used to find lanes, other cars, traffic lights.
92
271237
2676
ويتم استخدامها للعثور على الطرق والسيارات وإشارات المرور
04:33
The vehicle has a radar to do distance estimation.
93
273937
2489
ثمة رادار بالسيارة لتقدير المسافات
04:36
This is very commonly used in these kind of systems.
94
276450
2621
ويعد استخدامه شائعًا في أنظمة كهذه
04:39
On the left side you see a laser diagram,
95
279095
1992
بالجانب الأيسر ترون مخطط ليزر،
04:41
where you see obstacles like trees and so on depicted by the laser.
96
281111
3200
حيث يوجد العوائق كالأشجار وغيرها التي يظهرها الليزر
04:44
But almost all the interesting work is centering on the camera image now.
97
284335
3436
ولكن وكل العمل المثير تقريبًا يوجد بالكاميرا الآن
04:47
We're really shifting over from precision sensors like radars and lasers
98
287795
3476
حيث نتحول من أجهزة الاستشعار الدقيقة مثل الرادارات والليزر
04:51
into very cheap, commoditized sensors.
99
291295
1842
إلى أجهزة استشعار زهيدة يمكن شراؤها
04:53
A camera costs less than eight dollars.
100
293161
1987
فالكاميرا تكلف أقل من 8 دولارات
04:55
CA: And that green dot on the left thing, what is that?
101
295172
2793
(أنديرسون): وتلك النقطة الخضراء باليسار، ما هذه؟
04:57
Is that anything meaningful?
102
297989
1371
هل لها أي أهمية؟
04:59
ST: This is a look-ahead point for your adaptive cruise control,
103
299384
3668
(ثران): هذه نقطة الرؤية البعيدة لمثبت السرعة المتغير،
05:03
so it helps us understand how to regulate velocity
104
303076
2477
لذلك هي تساعدنا على إدراك طريقة تنظيم السرعة
05:05
based on how far the cars in front of you are.
105
305577
2634
بناء على مدى بعد السيارات التي أمامك
05:08
CA: And so, you've also got an example, I think,
106
308235
2716
(أنديرسون): أظن أنك لديك مثال
05:10
of how the actual learning part takes place.
107
310975
2381
على طريقة التعلم الاصطناعي الفعلية
05:13
Maybe we can see that. Talk about this.
108
313380
2458
ربما يمكننا رؤية ذلك، حدثنا عن ذلك الأمر
05:15
ST: This is an example where we posed a challenge to Udacity students
109
315862
3643
(ثران): هذا مثال على التحدي الذي وضعناه أمام طلاب (يوداستي)
05:19
to take what we call a self-driving car Nanodegree.
110
319529
3131
لأخذ ما نسميه (النانوديجري) لسيارة ذاتية القيادة
05:22
We gave them this dataset
111
322684
1495
أعطيناهم مجموعة البيانات
05:24
and said "Hey, can you guys figure out how to steer this car?"
112
324203
3054
وقلنا لهم: "أيمكنكم التوصل إلى طريقة ما لتوجيه هذه السيارة؟"
05:27
And if you look at the images,
113
327281
1624
وإذا نظرت إلى الصور،
05:28
it's, even for humans, quite impossible to get the steering right.
114
328929
4073
سيكون مستحيلًا حتى على البشر توجيهها بشكل صحيح
05:33
And we ran a competition and said, "It's a deep learning competition,
115
333026
3591
وأطلقنا مسابقة وقلنا: "هذه مسابقة متعلقة بالتعلم الاصطناعي،
05:36
AI competition,"
116
336641
1173
مسابقة ذكاء اصطناعي"
05:37
and we gave the students 48 hours.
117
337838
1887
وحددنا مدة 48 ساعة فحسب للطلاب
05:39
So if you are a software house like Google or Facebook,
118
339749
4172
إذا كنت أنت شركة برمجيات عملاقة مثل (جوجل) أو (فيسبوك)،
05:43
something like this costs you at least six months of work.
119
343945
2717
سيستغرق إتمام أمر كهذا منك 6 أشهر على أقل تقدير
05:46
So we figured 48 hours is great.
120
346686
2202
لذا أعتقد 48 ساعة فحسب مدة مذهلة
05:48
And within 48 hours, we got about 100 submissions from students,
121
348912
3467
وخلال 48 ساعة، تلقينا نحو 100 مراسلة من الطلاب
05:52
and the top four got it perfectly right.
122
352403
3370
والأربعة الأوائل توصلوا إلى الطريقة المثالية
05:55
It drives better than I could drive on this imagery,
123
355797
2640
فهي تقود نفسها أفضل مما أستطيع أنا في حالة كهذه،
05:58
using deep learning.
124
358461
1189
باستخدام التعلم الاصطناعي
05:59
And again, it's the same methodology.
125
359674
1799
ومرة أخرى، باستخدام الطريقة نفسها
06:01
It's this magical thing.
126
361497
1164
إنه ذلك الأمر السحري
06:02
When you give enough data to a computer now,
127
362685
2085
حيث تزود الحاسب بمجموعة كافية من البيانات،
06:04
and give enough time to comprehend the data,
128
364794
2140
وتترك له وقتًا كافيًا لاستيعابها،
06:06
it finds its own rules.
129
366958
1445
فيتوصل إلى قواعده الخاصة
06:09
CA: And so that has led to the development of powerful applications
130
369339
4845
(أنديرسون): وأدى ذلك الأمر إلى تطوّر تطبيقات قوية
06:14
in all sorts of areas.
131
374208
1525
في كل المجالات
06:15
You were talking to me the other day about cancer.
132
375757
2668
كنت تحدثني في وقت مضى عن السرطان
06:18
Can I show this video?
133
378449
1189
أيمكنني عرض هذا الفيديو؟
06:19
ST: Yeah, absolutely, please. CA: This is cool.
134
379662
2354
(ثران): بالطبع، تفضل (أنيرسون): هذا رائع
06:22
ST: This is kind of an insight into what's happening
135
382040
3534
(ثران): هذه نظرة على ما يحدث
06:25
in a completely different domain.
136
385598
2429
داخل مجال مختلف تمامًا
06:28
This is augmenting, or competing --
137
388051
3752
هذا شيء يقوّي أو ينافس،
06:31
it's in the eye of the beholder --
138
391827
1749
كما يتراءى للمشاهد،
06:33
with people who are being paid 400,000 dollars a year,
139
393600
3454
هؤلاء الذين يتقاضون 400 ألف دولار سنويًا،
06:37
dermatologists,
140
397078
1237
أخصائي الجلدية،
06:38
highly trained specialists.
141
398339
1983
أخصائيون مُدربون على أعلى مستوى
06:40
It takes more than a decade of training to be a good dermatologist.
142
400346
3561
حيث يستغرق الأمر أكثر من عقد من التدريب لتصبح أخصائي جلدية متميز
06:43
What you see here is the machine learning version of it.
143
403931
3196
وما ترونه هنا هو نسخة تعلم الآلة لذلك الأمر
06:47
It's called a neural network.
144
407151
1841
وتسمى بالشبكة العصبية
06:49
"Neural networks" is the technical term for these machine learning algorithms.
145
409016
3742
"الشبكات العصبية" هي المصطلح الفني لخوارزميات تعلم الآلة تلك
06:52
They've been around since the 1980s.
146
412782
1789
وظهرت منذ الثمانينات
06:54
This one was invented in 1988 by a Facebook Fellow called Yann LeCun,
147
414595
4640
وهذه الشبكة اخترعها مطوّر في (فيسبوك) يدعى (يان ليكان) عام 1988،
06:59
and it propagates data stages
148
419259
3558
وهي تعمل على توفير مراحل للبيانات
07:02
through what you could think of as the human brain.
149
422841
2578
عبر ما قد تفكر فيه على أنه عقل بشري
07:05
It's not quite the same thing, but it emulates the same thing.
150
425443
2966
ليس الأمر ذاته تمامًا، ولكنها تحاكي الأمر ذاته
07:08
It goes stage after stage.
151
428433
1302
حيت تنتقل من مرحلة إلى أخرى
07:09
In the very first stage, it takes the visual input and extracts edges
152
429759
3637
وفي المرحلة الأولى، تأخذ المُدخَل المرئي وتُخرِج edges
07:13
and rods and dots.
153
433420
2612
وال(rods) وال(dots)
07:16
And the next one becomes more complicated edges
154
436056
3037
وبالمرحلة التالية تصبح ال(EDGES) أكثر تعقيدًا
07:19
and shapes like little half-moons.
155
439117
3191
وأشكالًا مثل نصف قمر صغير
07:22
And eventually, it's able to build really complicated concepts.
156
442332
4443
وبالنهاية، تتمكن من بناء مفاهيم معقدة للغاية
07:26
Andrew Ng has been able to show
157
446799
2048
تمكن (أندرو نج) من إثبات
07:28
that it's able to find cat faces and dog faces
158
448871
3480
أنها بوسعها العثور على أوجه قطط وكلاب
07:32
in vast amounts of images.
159
452375
1661
في مجموعات ضخمة من الصور
07:34
What my student team at Stanford has shown is that
160
454060
2724
وما أثبته فريقي من الطلاب في (ستانفورد)
07:36
if you train it on 129,000 images of skin conditions,
161
456808
6073
هو أنك إذا دربتها على 129 ألف صورة للأمراض الجلدية
07:42
including melanoma and carcinomas,
162
462905
2565
بما في ذلك سرطان الجلد وأمراض السرطان،
07:45
you can do as good a job
163
465494
3301
يمكنك القيام بعمل جيد
07:48
as the best human dermatologists.
164
468819
2197
تمامًا كأفضل أخصائيي الجلدية البشريين
07:51
And to convince ourselves that this is the case,
165
471040
2549
ولنقنع أنفسنا بصحة ذلك،
07:53
we captured an independent dataset that we presented to our network
166
473613
3990
التقطنا مجموعة بيانات مستقلة وقمنا بعرضها على شبكتنا
07:57
and to 25 board-certified Stanford-level dermatologists,
167
477627
4342
وعلى 25 أخصائي جلدية حاصلين على الزمالة بمستوى (ستانفورد)،
08:01
and compared those.
168
481993
1672
وقمنا بالمقارنة بينها
08:03
And in most cases,
169
483689
1504
وفي معظم الحالات،
08:05
they were either on par or above the performance classification accuracy
170
485217
3875
كانت النتائج مطابقة أو أكثر دقة في التصنيف من نتائج
08:09
of human dermatologists.
171
489116
1467
أخصائيين الجلدية البشريين
08:10
CA: You were telling me an anecdote.
172
490607
1746
(أنديرسون): كنت تخبرني عن قصة ما
08:12
I think about this image right here.
173
492377
1957
حول هذه الصورة هنا
08:14
What happened here?
174
494358
1484
ما الذي حدث هنا؟
08:15
ST: This was last Thursday. That's a moving piece.
175
495866
4008
(ثران): كانت هذه يوم الخميس الماضي، وهذه قطعة متحركة
08:19
What we've shown before and we published in "Nature" earlier this year
176
499898
3600
وما قمنا بعرضه من قبل ونشره في دورية "الطبيعة" بهذا العام
08:23
was this idea that we show dermatologists images
177
503522
2484
هو تلك الفكرة حيث نعرض صورًا على أخصائيين الجلدية
08:26
and our computer program images,
178
506030
1539
وكذلك على برنامجنا الحاسوبي،
08:27
and count how often they're right.
179
507593
1627
ثم نحسب عدد مرات النتائج المطابقة
08:29
But all these images are past images.
180
509244
1778
ولكن كل هذه الصور قديمة
08:31
They've all been biopsied to make sure we had the correct classification.
181
511046
3460
كلها تم فحصها حتى نتأكد أن تصنيفنا لها صحيح
08:34
This one wasn't.
182
514530
1172
أما هذه فلم تكن قديمة
08:35
This one was actually done at Stanford by one of our collaborators.
183
515726
3179
حدث ذلك الأمر في (ستانفورد) بواسطة أحد معاونينا
08:38
The story goes that our collaborator,
184
518929
2314
وقصة الصورة هي أن معاوننا،
08:41
who is a world-famous dermatologist, one of the three best, apparently,
185
521267
3391
الذي هو أخصائي جلدية ذو شهرة عالمية، واحد من أفضل ثلاثة أخصائيين جلدية،
08:44
looked at this mole and said, "This is not skin cancer."
186
524682
2935
قام بالنظر على هذه الشامة وقال: "هذا ليس سرطان جلدي"
08:47
And then he had a second moment, where he said,
187
527641
2476
ثم أعاد التفكير وقال:
08:50
"Well, let me just check with the app."
188
530141
1866
"حسنًا، دعني أتأكد باستخدام التطبيق"
08:52
So he took out his iPhone and ran our piece of software,
189
532031
2699
فأخرج هاتفه (الأيفون) وشغّل تطبيقنا،
08:54
our "pocket dermatologist," so to speak,
190
534754
2121
"أخصائي الجلدية الجيبي" خاصتنا، إن صح التعبير
08:56
and the iPhone said: cancer.
191
536899
2994
وقال (الأيفون): "سرطان"
08:59
It said melanoma.
192
539917
1306
قال الهاتف سرطان جلدي
09:01
And then he was confused.
193
541849
1233
فأصبح الأخصائي في حيرة
09:03
And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"
194
543106
4551
ثم قرر وقال: "حسنًا، ربما أثق في التطبيق أكثر من نفسي"
09:07
and he sent it out to the lab to get it biopsied.
195
547681
2735
وأرسل الصورة إلى المختبر ليتم فحصها
09:10
And it came up as an aggressive melanoma.
196
550440
2469
وأظهرت النتائج أنه سرطان جلدي شديد
09:13
So I think this might be the first time that we actually found,
197
553545
3067
لذا أظن أن هذه هي المرة الأولى التي اكتشفنا فيها،
09:16
in the practice of using deep learning,
198
556636
2487
عمليًا باستخدام التعلم الاصطناعي،
09:19
an actual person whose melanoma would have gone unclassified,
199
559147
3372
سرطان جلدي لشخص ما كان من الممكن يمر دون أن يُكتشف،
09:22
had it not been for deep learning.
200
562543
2115
لولا وجود التعلم الاصطناعي
09:24
CA: I mean, that's incredible.
201
564682
1560
(أنديرسون): هذا مذهل
09:26
(Applause)
202
566266
1769
(تصفيق)
09:28
It feels like there'd be an instant demand for an app like this right now,
203
568059
3600
يبدو أن هناك طلب فوري على تطبيق كهذا الآن،
09:31
that you might freak out a lot of people.
204
571683
1966
حين قد تصيب الكثير من الناس بالذعر
09:33
Are you thinking of doing this, making an app that allows self-checking?
205
573673
3527
هل تفكر في إنشاء تطبيق يسمح بفحص الناس لأنفسهم؟
09:37
ST: So my in-box is flooded about cancer apps,
206
577224
4973
(ثران): امتلأ صندوق رسائلي الواردة برسائل حول التطبيقات المتعلقة بالسرطان،
09:42
with heartbreaking stories of people.
207
582221
2303
وبها قصص مؤثرة لحالات مرضية
09:44
I mean, some people have had 10, 15, 20 melanomas removed,
208
584548
3204
أعني، تم إزالة 10، و15، و20 بقعة سرطان جلدي لبعضهم،
09:47
and are scared that one might be overlooked, like this one,
209
587776
3952
وهم يخشون ألا يتم ملاحظة واحدة كهذه
09:51
and also, about, I don't know,
210
591752
1741
وكذلك، لا أعرف،
09:53
flying cars and speaker inquiries these days, I guess.
211
593517
2732
استفسارات حول السيارات الطائرة والمتحدثين تُرسل هذه الأيام
09:56
My take is, we need more testing.
212
596273
2738
وجهة نظري هي أننا، مازلنا بحاجة إلى المزيد من الاختبارت
09:59
I want to be very careful.
213
599449
1778
وأريد أن أكون شديد الحذر
10:01
It's very easy to give a flashy result and impress a TED audience.
214
601251
3666
من السهل جدًا إعطاء نتائج لافتة للنظر وتبهر جمهور (TED)
10:04
It's much harder to put something out that's ethical.
215
604941
2627
ولكن من الصعب تقديم شيء أخلاقي
10:07
And if people were to use the app
216
607592
2394
وإن كان الناس سيستخدمون هذا التطبيق
10:10
and choose not to consult the assistance of a doctor
217
610010
2797
ويختاروا ألا يلجؤوا إلى استشارة الأطباء
10:12
because we get it wrong,
218
612831
1583
لأننا نخطئ في تشخيصنا
10:14
I would feel really bad about it.
219
614438
1653
سأشعر بالسوء الشديد حيال ذلك
10:16
So we're currently doing clinical tests,
220
616115
1925
لذا نجري بالوقت الحالي اختبارات سريرية،
10:18
and if these clinical tests commence and our data holds up,
221
618064
2798
وإذا أثبتت هذه الاختبارات نتائجًا مستقرة
10:20
we might be able at some point to take this kind of technology
222
620886
2990
قد نتمكن بوقت ما من نقل هذه التكنولوجيا
10:23
and take it out of the Stanford clinic
223
623900
1892
وإخراجها من عيادة (ستانفورد)
10:25
and bring it to the entire world,
224
625816
1658
وتقديمها إلى العالم أجمع
10:27
places where Stanford doctors never, ever set foot.
225
627498
2456
إلى أماكن حيث لم يطأ أطباء (ستانفورد) قدمًا قط
10:30
CA: And do I hear this right,
226
630617
2580
(أنديرسون): هل ما سمعته صحيح،
10:33
that it seemed like what you were saying,
227
633221
1966
أنه يبدو ما تقوله،
10:35
because you are working with this army of Udacity students,
228
635211
4254
لأنك تعمل مع جيش من طلاب (Udacity)،
10:39
that in a way, you're applying a different form of machine learning
229
639489
3221
أنه بطريقة ما، تقوم بتطبيق نوعٍ مختلفٍ من تعلم الآلة
10:42
than might take place in a company,
230
642734
1735
الذي قد يحدث في شركة ما،
10:44
which is you're combining machine learning with a form of crowd wisdom.
231
644493
3484
والذي هو أنك تمزج تعلم الآلة بنوع من حكمة الجماهير
10:48
Are you saying that sometimes you think that could actually outperform
232
648001
3384
أتقول أنك تعتقد أنه في بعض الأحيان قد يتفوق ذلك
10:51
what a company can do, even a vast company?
233
651409
2050
على قدرة شركة ما، حتى وإن كانت شركة عملاقة؟
10:53
ST: I believe there's now instances that blow my mind,
234
653483
2940
(ثران): أظن أن هناك الآن أمثلة تذهلني،
10:56
and I'm still trying to understand.
235
656447
1758
ومازلت أحاول أنا أفهم
10:58
What Chris is referring to is these competitions that we run.
236
658229
3937
الذي يشير (كريس) إليه هو تلك المسابقات التي نجريها
11:02
We turn them around in 48 hours,
237
662190
2268
نطلقها لمدة 48 ساعة فحسب،
11:04
and we've been able to build a self-driving car
238
664482
2252
واستطعنا صناعة سيارة ذاتية القيادة
11:06
that can drive from Mountain View to San Francisco on surface streets.
239
666758
3387
يمكنها القيادة من (ماونتن فيو) وحتى (سان فرانسيسكو) بالشوراع الرئيسية
11:10
It's not quite on par with Google after seven years of Google work,
240
670169
3584
ليست النتيجة مطابقة لنتائج (جوجل) بعد أن عملوا على المشروع لسبع سنوات،
11:13
but it's getting there.
241
673777
2528
ولكنها قريبة منها
11:16
And it took us only two engineers and three months to do this.
242
676329
3084
واستغرقنا الأمر مهندسين وثلاثة أشهر من العمل فحسب
11:19
And the reason is, we have an army of students
243
679437
2856
والسبب يرجع لامتلاكنا جيشًا من الطلاب
11:22
who participate in competitions.
244
682317
1850
الذين يشاركون بالمسابقات
11:24
We're not the only ones who use crowdsourcing.
245
684191
2220
لسنا الوحيدين الذين نلجأ إلى الاستعانة بالجمهور
11:26
Uber and Didi use crowdsource for driving.
246
686435
2223
(أوبر) و(ديدي) يلجؤون إليه للقيادة
11:28
Airbnb uses crowdsourcing for hotels.
247
688682
2759
(إير بي إن بي) تلجأ إليه للفنادق
11:31
There's now many examples where people do bug-finding crowdsourcing
248
691465
4007
ثمة الكثير من الأمثلة الآن على لجوء الناس إلى الاستعانة بالجمهور للعثور على الثغرات
11:35
or protein folding, of all things, in crowdsourcing.
249
695496
2804
وطيّ البروتين، لكل الأشياء، عن طريق الاستعانة بالجمهور
11:38
But we've been able to build this car in three months,
250
698324
2915
ولكننا تمكنا من صناعة هذه السيارة في ثلاثة أشهر،
11:41
so I am actually rethinking
251
701263
3655
لذا أنا أعيد النظر
11:44
how we organize corporations.
252
704942
2238
في طريقة تنظيمنا للشركات
11:47
We have a staff of 9,000 people who are never hired,
253
707204
4696
لدينا فريق عمل يتألف من 9 آلاف شخص لم يتم تعيينهم قط،
11:51
that I never fire.
254
711924
1308
ولا أطردهم من العمل أبدًا
11:53
They show up to work and I don't even know.
255
713256
2362
يأتون إلى العمل دون أن أكتشف ذلك حتى
11:55
Then they submit to me maybe 9,000 answers.
256
715642
3058
وكذلك يرسلون لى نحو 9 آلاف إجابة
11:58
I'm not obliged to use any of those.
257
718724
2176
ولست مجبرًا عن استخدام أي منها
12:00
I end up -- I pay only the winners,
258
720924
1991
وبالنهاية، أقوم بالدفع للفائزين فحسب،
12:02
so I'm actually very cheapskate here, which is maybe not the best thing to do.
259
722939
3718
أنا بخيل جدًا في هذا الأمر، وقد يكون ذلك أمرًا سيئًا
12:06
But they consider it part of their education, too, which is nice.
260
726681
3185
ولكنهم ينظرون إليه على أنه جزء من تعليمهم، وهذا أمر جيد
12:09
But these students have been able to produce amazing deep learning results.
261
729890
4201
ولكن استطاع هؤلاء الطلاب تقديم نتائج مذهلة للتعلم الاصطناعي
12:14
So yeah, the synthesis of great people and great machine learning is amazing.
262
734115
3861
لذا أجل، الجمع بين أناس رائعين وتعلم آلة مميز أمر رائع
12:18
CA: I mean, Gary Kasparov said on the first day [of TED2017]
263
738000
2814
(أنديرسون): قال (جاري كاسباروف) في اليوم الأول [لـTED2017]
12:20
that the winners of chess, surprisingly, turned out to be two amateur chess players
264
740848
5412
أن الفائزين بلعبة الشطرنج، من المثير للدهشة، أنهما كانا لاعبين هاويين
12:26
with three mediocre-ish, mediocre-to-good, computer programs,
265
746284
5371
بمساعدة ثلاثة برامج متوسطة المستوى
12:31
that could outperform one grand master with one great chess player,
266
751679
3163
واستطاعا التفوق على أستاذ دولي كبير بلعبة الشطرنج
12:34
like it was all part of the process.
267
754866
1743
وكأن ذلك كان جزءًا من عمل البرامج
12:36
And it almost seems like you're talking about a much richer version
268
756633
3335
ويبدو الأمر وكأنك تتحدث عن نسخة أكثر ثراءً
12:39
of that same idea.
269
759992
1200
من الفكرة ذاتها
12:41
ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,
270
761216
3857
(ثران): أجل، أعني، كما تابعت أنت الألواح الرائعة بصباح يوم أمس،
12:45
two sessions about AI,
271
765097
1994
الجلستين حول الذكاء الاصطناعي،
12:47
robotic overlords and the human response,
272
767115
2167
الأسياد الآليين والاستجابة البشرية،
12:49
many, many great things were said.
273
769306
1982
قيل الكثير من الأشياء الرائعة
12:51
But one of the concerns is that we sometimes confuse
274
771312
2687
ولكن أحد المخاوف كان أننا أحيانًا نخلط
12:54
what's actually been done with AI with this kind of overlord threat,
275
774023
4062
بين ما يحدث حقًا بالذكاء الاصطناعي وهذا النوع من التهديد للأسياد الآليين،
12:58
where your AI develops consciousness, right?
276
778109
3424
حيث يكون لذكائك الاصطناعي وعي، صحيح؟
13:01
The last thing I want is for my AI to have consciousness.
277
781557
2971
آخر شيء قد أريده أن يكون لذكائي الاصطناعي وعيًا
13:04
I don't want to come into my kitchen
278
784552
1716
لا أريد أن أدخل إلى مطبخي
13:06
and have the refrigerator fall in love with the dishwasher
279
786292
4193
وأجد أن الثلاجة وقعت في حب غسالة الأطباق
13:10
and tell me, because I wasn't nice enough,
280
790509
2124
وتخبرني، لأنني لم أكن لطيفًا معها،
13:12
my food is now warm.
281
792657
1837
أن طعامي ساخن الآن
13:14
I wouldn't buy these products, and I don't want them.
282
794518
2891
لم أكن لأشتري هذه المنتجات، ولا أريدها
13:17
But the truth is, for me,
283
797825
1802
ولكن الحقيقة هي، بالنسبة لي،
13:19
AI has always been an augmentation of people.
284
799651
2720
أن الذكاء الاصطناعي هو شيء مقوّي للبشر
13:22
It's been an augmentation of us,
285
802893
1676
إنه شيء مقوّي لكل منّا
13:24
to make us stronger.
286
804593
1457
شيء يجعلنا أكثر قوة
13:26
And I think Kasparov was exactly correct.
287
806074
2831
وأظن أن (كاسباروف) كان محقًا تمامًا
13:28
It's been the combination of human smarts and machine smarts
288
808929
3849
كان الأمر عبارة عن مزيج من الذكاء البشري والذكاء الآلي
13:32
that make us stronger.
289
812802
1464
وذلك يجعلنا أكثر قوة
13:34
The theme of machines making us stronger is as old as machines are.
290
814290
4587
وفكرة أن الآلات تجعلنا أكثر قوة قديمة للغاية كالآلات نفسها
13:39
The agricultural revolution took place because it made steam engines
291
819567
3758
فالثورة الزراعية حدثت بفضل المحركات البخارية
13:43
and farming equipment that couldn't farm by itself,
292
823349
2666
ومعدات الزراعة التي لم تقم بالزراعة وحدها،
13:46
that never replaced us; it made us stronger.
293
826039
2122
ولم تستبدلنا قط، بل جلعتنا أكثر قوة
13:48
And I believe this new wave of AI will make us much, much stronger
294
828185
3738
وأنا أعتقد أن هذه الموجة الجديدة من الذكاء الاصطناعي ستجعلنا أكثر قوة بكثير
13:51
as a human race.
295
831947
1183
كجنس بشري
13:53
CA: We'll come on to that a bit more,
296
833765
1813
(أنديرسون): سنناقش هذا الأمر بعد قليل،
13:55
but just to continue with the scary part of this for some people,
297
835602
3671
ولكن لنتابع النقاش فيما يتعلق بالجزء المخيف لهذا الأمر لبعض الناس،
13:59
like, what feels like it gets scary for people is when you have
298
839297
3558
وما يخيف الناس هو عندما يصبح لديك
14:02
a computer that can, one, rewrite its own code,
299
842879
4618
حاسب آلي بوسعه، أولًا، إعادة كتابة أكواده الخاصة،
14:07
so, it can create multiple copies of itself,
300
847521
3584
وبذلك، يقوم بنسخ نفسه عدة مرات،
14:11
try a bunch of different code versions,
301
851129
1897
ويجرب مجموعة مختلفة من الأكواد،
14:13
possibly even at random,
302
853050
1775
وربما بشكل عشوائي أيضًا
14:14
and then check them out and see if a goal is achieved and improved.
303
854849
3632
ثم يجربهم ليرى إن كان الهدف المطلوب قد تحقق وتحسن أم لا
14:18
So, say the goal is to do better on an intelligence test.
304
858505
3641
لنقل مثلًا أن الهدف هو الأداء بشكل أفضل في اختبار للذكاء
14:22
You know, a computer that's moderately good at that,
305
862170
3894
حاسب آلي جيد في ذلك نوعًا ما،
14:26
you could try a million versions of that.
306
866088
2509
فتقوم بتجربة ملايين النسخ منه
14:28
You might find one that was better,
307
868621
2090
ولعلك تجد واحدًا أكثر كفاءة
14:30
and then, you know, repeat.
308
870735
2004
ثم تقوم بتكراره
14:32
And so the concern is that you get some sort of runaway effect
309
872763
3040
وما يثير القلق هو حدوث تأثير غير متوقع
14:35
where everything is fine on Thursday evening,
310
875827
3008
حيث يكون كل شيء على ما يرام بمساء يوم الخميس،
14:38
and you come back into the lab on Friday morning,
311
878859
2336
وتعود إلى المختبر بصباح اليوم الجمعة،
14:41
and because of the speed of computers and so forth,
312
881219
2449
وبسبب سرعة عمل الحواسب،
14:43
things have gone crazy, and suddenly --
313
883692
1903
يصبح الأمر خارج السيطرة، وفجأة...
14:45
ST: I would say this is a possibility,
314
885619
2020
(ثران): لا أنكر احتمالية حدوث ذلك،
14:47
but it's a very remote possibility.
315
887663
1916
ولكنها احتمالية بعيدة للغاية
14:49
So let me just translate what I heard you say.
316
889603
3337
لذا دعني أعيد صياغة ما سمعتك تقوله للتو
14:52
In the AlphaGo case, we had exactly this thing:
317
892964
2704
في حالة (ألفاجو)، كان لدينا ذلك الشيء:
14:55
the computer would play the game against itself
318
895692
2315
يقوم الحاسب الآلي بلعب اللعبة ضد نفسه
14:58
and then learn new rules.
319
898031
1250
ثم يتعلم قواعد جديدة
14:59
And what machine learning is is a rewriting of the rules.
320
899305
3235
وتعلم الآلة عبارة عن إعادة كتابة القواعد
15:02
It's the rewriting of code.
321
902564
1769
فهو إعادة كتابة الأكواد
15:04
But I think there was absolutely no concern
322
904357
2845
ولكني أظن أنه لم يكن هناك أي خوف مطلقًا
15:07
that AlphaGo would take over the world.
323
907226
2426
من احتمالية سيطرة (ألفاجو) على العالم
15:09
It can't even play chess.
324
909676
1464
فهو لا يمكنه حتى لعب الشطرنج
15:11
CA: No, no, no, but now, these are all very single-domain things.
325
911164
5147
(أنديرسون): لا، لا، ولكن، كل تلك الأشياء متعلقة بمجال واحد فحسب
15:16
But it's possible to imagine.
326
916335
2879
ولكن من الممكن تخيل...
15:19
I mean, we just saw a computer that seemed nearly capable
327
919238
3089
أعني، لقد رأينا حاسبًا كان قادرًا تقريبًا
15:22
of passing a university entrance test,
328
922351
2655
على اجتياز اختبار القبول بالجامعة،
15:25
that can kind of -- it can't read and understand in the sense that we can,
329
925030
3688
لا يمكنه القراءة والفهم كما نفعل نحن البشر،
15:28
but it can certainly absorb all the text
330
928742
1987
ولكن يمكنه استيعاب كل النصوص
15:30
and maybe see increased patterns of meaning.
331
930753
2899
وربما يرى أنماطًا إضافية للمعنى
15:33
Isn't there a chance that, as this broadens out,
332
933676
3694
أليس هناك فرصة، حيث يتطور الأمر،
15:37
there could be a different kind of runaway effect?
333
937394
2466
ويكون هناك نوع مختلف من التأثير غير المتوقع؟
15:39
ST: That's where I draw the line, honestly.
334
939884
2078
(ثران): هنا تمامًا أضع حدًا للأمر، بصراحة
15:41
And the chance exists -- I don't want to downplay it --
335
941986
2643
وثمة فرصة لحدوث ذلك، لا أريد التقليل منها
15:44
but I think it's remote, and it's not the thing that's on my mind these days,
336
944653
3672
ولكني أظن أنها بعيدة، ولا أفكر بذلك بالوقت الحالي
15:48
because I think the big revolution is something else.
337
948349
2512
لأنني أظن أن الثورة الكبيرة أمر آخر
15:50
Everything successful in AI to the present date
338
950885
2922
فكل شيء ناجح في الذكاء الاصطناعي حتى يومنا هذا
15:53
has been extremely specialized,
339
953831
2214
كان شديد التخصص،
15:56
and it's been thriving on a single idea,
340
956069
2489
وكان يحركه فكرة واحدة فحسب،
15:58
which is massive amounts of data.
341
958582
2739
وهي الكميات الضخمة من البيانات
16:01
The reason AlphaGo works so well is because of massive numbers of Go plays,
342
961345
4147
والسبب وراء نجاح (ألفاجو) هو الأعداد الهائلة لألعاب (جو)،
16:05
and AlphaGo can't drive a car or fly a plane.
343
965516
3255
ولا يمكن لـ(ألفاجو) قيادة سيارة أو التحليق بطائرة
16:08
The Google self-driving car or the Udacity self-driving car
344
968795
3031
وسيارة (جوجل) ذاتية القيادة، أو سيارة (يوداستي) ذاتية القيادة
16:11
thrives on massive amounts of data, and it can't do anything else.
345
971850
3240
تعتمد على الكميات الهائلة من البيانات، ولا يمكنها فعل أي شيء آخر
16:15
It can't even control a motorcycle.
346
975114
1727
فلا يمكنها حتى التحكم بدراجة نارية
16:16
It's a very specific, domain-specific function,
347
976865
2762
لأن آلية عملها متعلقة بمجال واحد محدد بشدة
16:19
and the same is true for our cancer app.
348
979651
1907
الأمر ذاته ينطبق على تطبيق السرطان خاصتنا
16:21
There has been almost no progress on this thing called "general AI,"
349
981582
3236
فلا يوجد أي تقدم على ذلك الشيء الذي يمسى "الذكاء الاصطناعي العام"
16:24
where you go to an AI and say, "Hey, invent for me special relativity
350
984842
4000
حيث تقول لذكاء اصطناعي ما "مرحبًا، اخترع لي نظرية نسبية
16:28
or string theory."
351
988866
1666
أو نظرية أوتار"
16:30
It's totally in the infancy.
352
990556
1931
لا يزال الأمر في بدايته
16:32
The reason I want to emphasize this,
353
992511
2127
وسبب رغبتي في التأكيد على ذلك،
16:34
I see the concerns, and I want to acknowledge them.
354
994662
3838
أنني أرى المخاوف، وأريد الاعتراف بوجودها
16:38
But if I were to think about one thing,
355
998524
2886
ولكني إن كنت سأفكر في أمر واحد،
16:41
I would ask myself the question, "What if we can take anything repetitive
356
1001434
5563
كنت لأسأل نفسي هذا السؤال، "ماذا لو كان باستطاعتنا إزالة كل الأعمال التكرارية
16:47
and make ourselves 100 times as efficient?"
357
1007021
3473
وجعل أنفسنا أكثر كفاءة بمئة مرة؟"
16:51
It so turns out, 300 years ago, we all worked in agriculture
358
1011170
4249
فكما يبدو الأمر، منذ 300 سنة، عملنا جميعًا بالزراعة
16:55
and did farming and did repetitive things.
359
1015443
2051
وزرعنا وقمنا بأعمال تكرارية
16:57
Today, 75 percent of us work in offices
360
1017518
2556
واليوم، 75% مننا يعملون بالمكاتب
17:00
and do repetitive things.
361
1020098
2124
ويقومون بأعمال تكرارية
17:02
We've become spreadsheet monkeys.
362
1022246
2183
فأصبحنا كقرود الصحف الجدولية
17:04
And not just low-end labor.
363
1024453
2054
والأمر لا يقتصر على العمال البسطاء فحسب
17:06
We've become dermatologists doing repetitive things,
364
1026531
2754
فكذلك أصبحنا أخصائيي جلدية نقوم بأعمال تكرارية
17:09
lawyers doing repetitive things.
365
1029309
1749
ومحاميين نقوم بأعمال تكرارية
17:11
I think we are at the brink of being able to take an AI,
366
1031082
3823
أظن أننا قريبون من القدرة على أخذ الذكاء الاصطناعي
17:14
look over our shoulders,
367
1034929
1718
وجعله يعتني بنا،
17:16
and they make us maybe 10 or 50 times as effective in these repetitive things.
368
1036671
4058
وبذلك يجعلنا ربما أكثر كفاءة بـ10، أو 50 مرة في القيام بتلك الأعمال التكرارية
17:20
That's what is on my mind.
369
1040753
1275
هذا ما أفكر به
17:22
CA: That sounds super exciting.
370
1042052
2450
(أنديرسون): هذا مثير للغاية
17:24
The process of getting there seems a little terrifying to some people,
371
1044526
3530
طريقة الوصول إلى هذه النتيجة تبدو مخيفة بعض الشيء لبعض الناس
17:28
because once a computer can do this repetitive thing
372
1048080
3180
لأنه بمجرد أن يصبح الحاسب قادرًا على فعل تلك الأعمال التكرارية
17:31
much better than the dermatologist
373
1051284
3434
أفضل من أخصائي الجلدية
17:34
or than the driver, especially, is the thing that's talked about
374
1054742
3230
أو أفضل من السائق، بشكل خاص، الشيء الذي تحدثنا عنه
17:37
so much now,
375
1057996
1290
كثيرًا الآن
17:39
suddenly millions of jobs go,
376
1059310
1958
فجأة تختفي ملايين الوظائف،
17:41
and, you know, the country's in revolution
377
1061292
2695
وتحدث ثورة في البلاد
17:44
before we ever get to the more glorious aspects of what's possible.
378
1064011
4329
قبل حتى أن نصل إلى الجوانب الرائعة لما هو ممكن
17:48
ST: Yeah, and that's an issue, and it's a big issue,
379
1068364
2517
(ثران): أجل، وهذه مشكلة، وهي مشكلة كبيرة،
17:50
and it was pointed out yesterday morning by several guest speakers.
380
1070905
4196
وتم الإشارة إليها بصباح أمس من قِبَل العديد من الضيوف المتحدثين
17:55
Now, prior to me showing up onstage,
381
1075125
2754
قبل أن أصعد على خشبة المسرح،
17:57
I confessed I'm a positive, optimistic person,
382
1077903
3739
اعترفت أنني شخص إيجابي ومتفائل
18:01
so let me give you an optimistic pitch,
383
1081666
2389
لذا دعني أخبرك بوجهة نظر إيجابية
18:04
which is, think of yourself back 300 years ago.
384
1084079
4795
فكر في نفسك منذ 300 سنة مضت
18:08
Europe just survived 140 years of continuous war,
385
1088898
3996
نجت قارة أوروبا من 140 عام من الحرب المستمرة
18:12
none of you could read or write,
386
1092918
1711
لم يكن بوسع أحد القراءة أو الكتابة،
18:14
there were no jobs that you hold today,
387
1094653
2945
ولم يكن هناك الوظائف التي تعملونها اليوم،
18:17
like investment banker or software engineer or TV anchor.
388
1097622
4096
كمستثمر بنكي، أو مهندس برمجيات، أو مذيع تليفزيوني
18:21
We would all be in the fields and farming.
389
1101742
2414
كنا جميعًا بالحقول نقوم بالزراعة
18:24
Now here comes little Sebastian with a little steam engine in his pocket,
390
1104180
3573
ثم يأتي أحد مثلي ومعه محرك بخاري في جيبه،
18:27
saying, "Hey guys, look at this.
391
1107777
1548
ويقول: "مرحبا، انظروا إلى هذا
18:29
It's going to make you 100 times as strong, so you can do something else."
392
1109349
3595
سوف يجعلكم أكثر قوة بمئة مرة، لكي تقومون بفعل أمورٍ أخرى"
18:32
And then back in the day, there was no real stage,
393
1112968
2470
وحينئذٍ، لم يكن هناك مسرح حقيقي،
18:35
but Chris and I hang out with the cows in the stable,
394
1115462
2526
ولكن أنا و(كريس) كنا نتسكع مع الأبقار في الحظيرة،
18:38
and he says, "I'm really concerned about it,
395
1118012
2100
وهو يقول: "أنا قلق للغاية من ذلك
18:40
because I milk my cow every day, and what if the machine does this for me?"
396
1120136
3652
لأنني أحلب بقرتي كل يوم، فماذا لو قامت آلة ما بفعل ذلك بدلًا مني؟"
18:43
The reason why I mention this is,
397
1123812
1702
وسبب قولي ذلك،
18:46
we're always good in acknowledging past progress and the benefit of it,
398
1126360
3603
هو أننا دائمًا ما نجيد الاعتراف بإنجازات الماضي وفوائدها،
18:49
like our iPhones or our planes or electricity or medical supply.
399
1129987
3354
مثل هواتف (الأيفون) أو الطائرات أو الكهرباء أو اللوازم الطبية
18:53
We all love to live to 80, which was impossible 300 years ago.
400
1133365
4245
كلنا نحب أن نعيش حتى عمر الـ80، والذي كان مستحيلًا منذ 300 سنة مضت
18:57
But we kind of don't apply the same rules to the future.
401
1137634
4156
ولكننا لا نطبّق القواعد نفسها على المستقبل
19:02
So if I look at my own job as a CEO,
402
1142621
3207
لذا إذا نظرت أنا إلى وظيفتي كمدير تنفيذي،
19:05
I would say 90 percent of my work is repetitive,
403
1145852
3140
سأقول إن 90% من عملي هو عمل تكراري
19:09
I don't enjoy it,
404
1149016
1351
لا أستمتع به،
19:10
I spend about four hours per day on stupid, repetitive email.
405
1150391
3978
أقضي نحو 4 ساعات يوميًا على رسائل بريدية غبية ومكررة
19:14
And I'm burning to have something that helps me get rid of this.
406
1154393
3641
وأنا أتوق إلى امتلاك شيء يساعدني على التخلص من ذلك
19:18
Why?
407
1158058
1158
لماذا؟
19:19
Because I believe all of us are insanely creative;
408
1159240
3003
لأنني أؤمن أننا جميعًا مبدعون بشكل جنوني
19:22
I think the TED community more than anybody else.
409
1162731
3194
وأظن أن مجتمع (TED) أكثر إبداعًا من أي شخص آخر
19:25
But even blue-collar workers; I think you can go to your hotel maid
410
1165949
3559
ولكن حتى العمال محدودي الدخل، أظن أنك قد تذهب إلى خادم الفندق
19:29
and have a drink with him or her,
411
1169532
2402
وتتناول شرابًا معه أو معها،
19:31
and an hour later, you find a creative idea.
412
1171958
2717
وبعد ساعة، تتوصل إلى فكرة مبدعة
19:34
What this will empower is to turn this creativity into action.
413
1174699
4140
وسيمكننا ذلك من تحويل الإبداع إلى أمر عملي
19:39
Like, what if you could build Google in a day?
414
1179265
3442
مثلًا، ماذا لو كان بإمكانك إنشاء (جوجل) في يوم فحسب؟
19:43
What if you could sit over beer and invent the next Snapchat,
415
1183221
3316
ماذا لو كان بإمكانك اختراع (سناب شات) جديدًا وأنت تتناول الجعة؟
19:46
whatever it is,
416
1186561
1165
أو أيًا كان ذلك،
19:47
and tomorrow morning it's up and running?
417
1187750
2187
ثم تأتي في الصباح التالي وتجده يعمل؟
19:49
And that is not science fiction.
418
1189961
1773
وليس هذا خيالًا علميًا
19:51
What's going to happen is,
419
1191758
1254
ما الذي سيحدث هو،
19:53
we are already in history.
420
1193036
1867
أننا نعيش في التاريخ بالفعل
19:54
We've unleashed this amazing creativity
421
1194927
3228
أطلقنا العنان لهذا الإبداع المذهل
19:58
by de-slaving us from farming
422
1198179
1611
عن طريق تحريرنا من قيود الزراعة
19:59
and later, of course, from factory work
423
1199814
3363
وفيما بعد، من العمل بالمصانع بالطبع
20:03
and have invented so many things.
424
1203201
3162
واخترعنا الكثير من الأشياء
20:06
It's going to be even better, in my opinion.
425
1206387
2178
سيكون الأمر أفضل بكثير في رأيي
20:08
And there's going to be great side effects.
426
1208589
2072
وسيكون هناك كذلك آثار جانبية كبيرة
20:10
One of the side effects will be
427
1210685
1489
وأحدها سيكون
20:12
that things like food and medical supply and education and shelter
428
1212198
4795
أن الأشياء كالطعام واللوازم الطبية والتعليم والمأوى
20:17
and transportation
429
1217017
1177
والنقل
20:18
will all become much more affordable to all of us,
430
1218218
2441
ستصبح معقولة التكلفة لنا جميعًا،
20:20
not just the rich people.
431
1220683
1322
وليس للأغنياء فحسب
20:22
CA: Hmm.
432
1222029
1182
(أنديرسون): نعم
20:23
So when Martin Ford argued, you know, that this time it's different
433
1223235
4341
إذًا، عندما قال (مارتن فورد) أن هذا الزمن مختلف
20:27
because the intelligence that we've used in the past
434
1227600
3453
لأن الذكاء الذي استخدمناه بالماضي
20:31
to find new ways to be
435
1231077
2483
للعثور على طرق جديدة للمضي قدمًا
20:33
will be matched at the same pace
436
1233584
2279
سيُضاهى بالسرعة ذاتها
20:35
by computers taking over those things,
437
1235887
2291
بتحكم الحواسب الآلية بتلك الأشياء،
20:38
what I hear you saying is that, not completely,
438
1238202
3078
ما أسمعك تقوله هو: "ليس تمامًا"
20:41
because of human creativity.
439
1241304
2951
وذلك بسبب الإبداع البشري
20:44
Do you think that that's fundamentally different from the kind of creativity
440
1244279
3785
أتظن أن ذلك مختلف تمامًا عن نوع الإبداع
20:48
that computers can do?
441
1248088
2696
الذي تنتجه الحواسب الآلية؟
20:50
ST: So, that's my firm belief as an AI person --
442
1250808
4434
(ثران): إن إيماني الراسخ كمتخصص بالذكاء الاصطناعي،
20:55
that I haven't seen any real progress on creativity
443
1255266
3803
هو أنني لم أرى حتى الآن أي تقدم حقيقي في الإبداع
20:59
and out-of-the-box thinking.
444
1259949
1407
وفي التفكير خارج الصندوق
21:01
What I see right now -- and this is really important for people to realize,
445
1261380
3623
ما أراه الآن، ومن المهم للغاية أن يدرك الناس ذلك،
21:05
because the word "artificial intelligence" is so threatening,
446
1265027
2903
لأن كلمة "الذكاء الاصطناعي" تشعرك بالتهديد
21:07
and then we have Steve Spielberg tossing a movie in,
447
1267954
2523
ثم يأتي (ستيفن سبيلبرج) ويخرج فيلمًا،
21:10
where all of a sudden the computer is our overlord,
448
1270501
2413
حيث يصبح فجأة الحاسب الآلي سيدًا علينا،
21:12
but it's really a technology.
449
1272938
1452
ولكنها حقًا تكنولوجيا
21:14
It's a technology that helps us do repetitive things.
450
1274414
2982
تكنولوجيا تساعدنا على القيام بالأعمال التكرارية
21:17
And the progress has been entirely on the repetitive end.
451
1277420
2913
والتقدم كان بشكل كامل بالجانب التكراري
21:20
It's been in legal document discovery.
452
1280357
2228
فقد كان في اكتشاف المستندات القانونية
21:22
It's been contract drafting.
453
1282609
1680
وصياغة العقود
21:24
It's been screening X-rays of your chest.
454
1284313
4223
وإجراء أشعة إكس لصدرك
21:28
And these things are so specialized,
455
1288560
1773
وتلك الأشياء تخصصية تمامًا
21:30
I don't see the big threat of humanity.
456
1290357
2391
ولا أرى التهديد الحقيقي للبشرية
21:32
In fact, we as people --
457
1292772
1794
في الواقع، نحن كبشر،
21:34
I mean, let's face it: we've become superhuman.
458
1294590
2385
أعني، لنواجه الأمر، لقد أصبحنا بشرًا خارقين
21:36
We've made us superhuman.
459
1296999
1764
جعلنا من أنفسنا بشرًا خارقين
21:38
We can swim across the Atlantic in 11 hours.
460
1298787
2632
حيث يمكننا السباحة وعبور المحيط الأطلنطي في 11 ساعة
21:41
We can take a device out of our pocket
461
1301443
2074
وبوسعنا إخراج جهازٍ من جيبنا
21:43
and shout all the way to Australia,
462
1303541
2147
والصياح حتى (أستراليا)
21:45
and in real time, have that person shouting back to us.
463
1305712
2600
وبالوقت ذاته، يصيح ذلك الشخص لنا أيضًا
21:48
That's physically not possible. We're breaking the rules of physics.
464
1308336
3624
هذا غير ممكن فيزيائيًا، نحن نكسر قواعد الفيزياء
21:51
When this is said and done, we're going to remember everything
465
1311984
2943
وعندما يُقال ويتم ذلك، سوف نتذكر كل شيء
21:54
we've ever said and seen,
466
1314951
1213
رأيناه وقلناه
21:56
you'll remember every person,
467
1316188
1496
سوف تتذكر كل شخص،
21:57
which is good for me in my early stages of Alzheimer's.
468
1317708
2626
وهذا جيد لي في المراحل الأولى لإصابتي بالزهايمر
22:00
Sorry, what was I saying? I forgot.
469
1320358
1677
آسف، ما الذي كنت أقوله؟ لقد نسيت
22:02
CA: (Laughs)
470
1322059
1578
(أنديرسون): (يضحك)
22:03
ST: We will probably have an IQ of 1,000 or more.
471
1323661
3077
(ثران): سيكون على الأرجح لدينا معدل ذكاء يعادل ألف شخص أو أكثر
22:06
There will be no more spelling classes for our kids,
472
1326762
3425
ولن يكون هناك فصولٌ إملائية لأبنائنا،
22:10
because there's no spelling issue anymore.
473
1330211
2086
لأنه ما من مشكلة إملائية
22:12
There's no math issue anymore.
474
1332321
1832
ولا يوجد مشكلة بالرياضيات
22:14
And I think what really will happen is that we can be super creative.
475
1334177
3510
وأظن أن ما سيحدث هو أننا يمكننا أن نصبح خارقي الإبداع
22:17
And we are. We are creative.
476
1337711
1857
ونحن كذلك حقًا، فنحن مبدعون
22:19
That's our secret weapon.
477
1339592
1552
وهذا سلاحنا السري
22:21
CA: So the jobs that are getting lost,
478
1341168
2153
(أنديرسون): إذًا، الوظائف التي سنفقدها،
22:23
in a way, even though it's going to be painful,
479
1343345
2494
بطريقة ما، وعلى الرغم من كون ذلك مؤلمًا،
22:25
humans are capable of more than those jobs.
480
1345863
2047
يستطيع البشر القيام بأكثر من تلك الوظائف
22:27
This is the dream.
481
1347934
1218
هذا هو الحلم
22:29
The dream is that humans can rise to just a new level of empowerment
482
1349176
4247
الحلم هو صعود البشر إلى مستوى جديد من التمكين
22:33
and discovery.
483
1353447
1657
والاكتشاف
22:35
That's the dream.
484
1355128
1452
وذلك هو الحلم
22:36
ST: And think about this:
485
1356604
1643
(ثران): وفكر في هذا:
22:38
if you look at the history of humanity,
486
1358271
2021
إذا نظرت إلى التاريخ البشري،
22:40
that might be whatever -- 60-100,000 years old, give or take --
487
1360316
3328
والذي عمره، أيًا كان، 60-100 ألف عام، تعطي أو تأخد،
22:43
almost everything that you cherish in terms of invention,
488
1363668
3726
تقريبًأ كل شيء تعتز به متعلق بالاختراع،
22:47
of technology, of things we've built,
489
1367418
2151
والتكنولوجيا، والأشياء التي بنيناها،
22:49
has been invented in the last 150 years.
490
1369593
3099
تم اختراعه في آخر 150 سنة
22:53
If you toss in the book and the wheel, it's a little bit older.
491
1373756
3048
وإذا أضفت الكتب والعجلات، سيكون التاريخ أقدم بعض الشيء
22:56
Or the axe.
492
1376828
1169
أو الفأس
22:58
But your phone, your sneakers,
493
1378021
2790
أما هاتفك، وحذائك الرياضي،
23:00
these chairs, modern manufacturing, penicillin --
494
1380835
3551
وهذه الكراسي، والصناعة الحديثة، والبنسلين،
23:04
the things we cherish.
495
1384410
1714
الأشياء التي نعتز بها
23:06
Now, that to me means
496
1386148
3658
الآن، هذا يعني لي
23:09
the next 150 years will find more things.
497
1389830
3041
أنه خلال الـ150 عام القادمين سنجد المزيد من الأشياء
23:12
In fact, the pace of invention has gone up, not gone down, in my opinion.
498
1392895
4154
في الواقع، ارتفعت سرعة الاختراع، ولم تقل، في رأيي
23:17
I believe only one percent of interesting things have been invented yet. Right?
499
1397073
4905
أعتقد أننا اخترعنا واحدًا بالمائة فحسب من الأشياء المثيرة، صحيح؟
23:22
We haven't cured cancer.
500
1402002
1988
حيث لم نعالج السرطان بعد
23:24
We don't have flying cars -- yet. Hopefully, I'll change this.
501
1404014
3718
لا نمتلك سيارات طائرة بعد، آمل أن أغير ذلك
23:27
That used to be an example people laughed about. (Laughs)
502
1407756
3257
اعتاد الناس أن يضحكوا على مثال كهذا. (ضحك)
23:31
It's funny, isn't it? Working secretly on flying cars.
503
1411037
2992
هذا مضحك، أليس كذلك؟ العمل بسرية على السيارت الطائرة
23:34
We don't live twice as long yet. OK?
504
1414053
2683
لا نعيش ضعف عمرنا بعد، صحيح؟
23:36
We don't have this magic implant in our brain
505
1416760
2785
لا نملك تلك الشريحة السحرية في عقولنا
23:39
that gives us the information we want.
506
1419569
1832
والتي تزودنا بالمعلومات التي نريدها
23:41
And you might be appalled by it,
507
1421425
1526
وقد تكون الفكرة صاعقة لكم،
23:42
but I promise you, once you have it, you'll love it.
508
1422975
2444
ولكني أعدكم، بمجرد أن تمتلكوها، ستروقكم
23:45
I hope you will.
509
1425443
1166
أتمنى أن تروقكم
23:46
It's a bit scary, I know.
510
1426633
1909
أعلم أنها مخيفة بعض الشيء
23:48
There are so many things we haven't invented yet
511
1428566
2254
ثمة الكثير من الأشياء التي لم نخترعها بعد
23:50
that I think we'll invent.
512
1430844
1268
والتي أظن أننا سنخترعها
23:52
We have no gravity shields.
513
1432136
1306
ليس لدينا دروع للجاذبية
23:53
We can't beam ourselves from one location to another.
514
1433466
2553
لا يمكننا نقل أنفسنا شعاعيًا من مكان لآخر
23:56
That sounds ridiculous,
515
1436043
1151
يبدو ذلك سخيفًا
23:57
but about 200 years ago,
516
1437218
1288
ولكن منذ 200 سنة مضت،
23:58
experts were of the opinion that flight wouldn't exist,
517
1438530
2667
أعتقد الخبراء أن الطيران لن يصبح ممكنًا،
24:01
even 120 years ago,
518
1441221
1324
حتى منذ 120 سنة مضت،
24:02
and if you moved faster than you could run,
519
1442569
2582
وأنك إذا تحركت بسرعة أكبر مما يمكنك أن تركض،
24:05
you would instantly die.
520
1445175
1520
فستموت على الفور
24:06
So who says we are correct today that you can't beam a person
521
1446719
3569
لذا من يقول إننا محقون اليوم حول عدم قدرتنا على نقل شخصٍ شعاعيًا
24:10
from here to Mars?
522
1450312
2249
من هنا وحتى المريخ؟
24:12
CA: Sebastian, thank you so much
523
1452585
1569
شكرًا جزيلًا لك (سيباستيان)
24:14
for your incredibly inspiring vision and your brilliance.
524
1454178
2682
على رؤيتك شديدة الإلهام وعبقريتك
24:16
Thank you, Sebastian Thrun.
525
1456884
1323
شكرًا لك، (سيباستيان ثران)
24:18
That was fantastic. (Applause)
526
1458231
1895
كان ذلك رائعًا. (تصفيق)
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7