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

المترجم: Mohamed Elamgad المدقّق: Riyad Almubarak

Chris Anderson: Help us understand what machine learning is,

(كريس أنديرسون): ساعدنا على فهم ماهية تعلم الآلة،

because that seems to be the key driver

لأن ذلك يبدو أنه العامل المسبب

of so much of the excitement and also of the concern

للكثير من الإثارة وكذلك القلق

around artificial intelligence.

حول الذكاء الاصطناعي

How does machine learning work?

كيف تتم عملية تعلم الآلة؟

Sebastian Thrun: So, artificial intelligence and machine learning

(سيباستيان ثران): إن عمر كلا من الذكاء الاصطناعي وتعلم الآلة

is about 60 years old

60 عامًا تقريبًا

and has not had a great day in its past until recently.

ولم يحظيا بحظ جيد في ماضيهما حتى فترة قريبة

And the reason is that today,

والسبب في ذلك هو أن اليوم،

we have reached a scale of computing and datasets

قد بلغنا مدى من الحوسبة ومجموعات البيانات

that was necessary to make machines smart.

الذي يعد ضروريًا لجعل الآلات ذكية

So here's how it works.

إليك كيف يتم الأمر

If you program a computer today, say, your phone,

إذا قمت ببرمجة حاسب آلي اليوم، هاتفك مثلًا

then you hire software engineers

ثم قمت بتعيين مهندسي برمجيات

that write a very, very long kitchen recipe,

حيث يكتبون وصفة طبخ طويلة جدًا،

like, "If the water is too hot, turn down the temperature.

مثلًا "إذا كانت المياه شديدة السخونة، قلل درجة الحرارة.

If it's too cold, turn up the temperature."

إذا كانت شديدة البرودة، ارفع درجة الحرارة"

The recipes are not just 10 lines long.

لا يبلغ طول الوصفات 10 أسطر فحسب

They are millions of lines long.

بل ملايين السطور

A modern cell phone has 12 million lines of code.

هاتف محمول حديث به 12 مليون سطر من الأكواد

A browser has five million lines of code.

المتصفح به 5 مليون سطر من الأكواد

And each bug in this recipe can cause your computer to crash.

وكل خطأ في وصفة كهذه يمكنه تعطيل جهازك

That's why a software engineer makes so much money.

لهذا السبب يجني مهندسي البرمجيات الكثير من الأموال

The new thing now is that computers can find their own rules.

ولكن الأمر الجديد الآن هو أن الحاسب الآلي بوسعه ابتكار قواعده الخاصة

So instead of an expert deciphering, step by step,

فبدلًا من قيام خبير بكتابة، خطوة تلو الأخرى،

a rule for every contingency,

قاعدة لكل حالة طارئة،

what you do now is you give the computer examples

ما تقوم بفعله هو أنك تزود الحاسب الآلي بالأمثلة

and have it infer its own rules.

وتجعله يتوصل إلى قواعده الخاصة

A really good example is AlphaGo, which recently was won by Google.

مثال جيد على ذلك هو برنامج (ألفاجو)، الذي ربحته (جوجل) حديثًا

Normally, in game playing, you would really write down all the rules,

في العادة، عندما يتعلق الأمر بالألعاب، تقوم بكتابة كل القواعد بنفسك

but in AlphaGo's case,

ولكن في حالة (ألفاجو)،

the system looked over a million games

قام النظام بفحص أكثر من مليون لعبة

and was able to infer its own rules

واستطاع التوصل إلى قواعده الخاصة

and then beat the world's residing Go champion.

وتمكن من هزيمة بطل العالم في (جو)

That is exciting, because it relieves the software engineer

هذا مثير، لأنه يعفي مهندسي البرمجيات

of the need of being super smart,

من الحاجة إلى أن يكونوا شديدي الذكاء

and pushes the burden towards the data.

وبدلًا من ذلك يضع ذلك العبء على البيانات

As I said, the inflection point where this has become really possible --

وكما قلت، نقطة التحول التي جعلت أمرًا كهذا ممكنًا،

very embarrassing, my thesis was about machine learning.

هذا محرج للغاية، لأن أطروحتي كانت حول تعلم الآلة

It was completely insignificant, don't read it,

وكانت بلا أهمية مطلقًا، لا تقرؤوها،

because it was 20 years ago

لأنني كتبتها منذ 20 سنة مضت

and back then, the computers were as big as a cockroach brain.

وحينها، كان حجم أجهزة الحاسب الآلي مثل حجم الديناصورات

Now they are powerful enough to really emulate

والآن أصبحت قوية بما يكفي لمحاكاة

kind of specialized human thinking.

الفكر البشري المتخصص

And then the computers take advantage of the fact

كذلك تستغل أجهزة الحاسب الآلي حقيقة

that they can look at much more data than people can.

أن بوسعها فحص عدد هائل من البيانات بخلاف البشر

So I'd say AlphaGo looked at more than a million games.

لذا أقول أن (ألفاجو) قام بفحص أكثر من مليون لعبة

No human expert can ever study a million games.

ولا يوجد خبير بشري يمكنه دراسة مليون لعبة

Google has looked at over a hundred billion web pages.

يقوم (جوجل) بالبحث فيما يزيد عن مئة مليار صفحة ويب

No person can ever study a hundred billion web pages.

ولا يوجد إنسان بوسعه دراسة مئة مليار صفحة ويب

So as a result, the computer can find rules

ونتيجة لذلك، تستطيع أجهزة الحاسب الآلي التوصل إلى قواعد

that even people can't find.

لا يمكن للبشر التوصل إليها

CA: So instead of looking ahead to, "If he does that, I will do that,"

(أنديرسون): إذًا بدلًا من كتابة "إذا فعل هذا، سأفعل ذلك"

it's more saying, "Here is what looks like a winning pattern,

الأمر أقرب إلى، "يبدو هذا كنمط للفوز،

here is what looks like a winning pattern."

يبدو هذا كنمط للفوز"

ST: Yeah. I mean, think about how you raise children.

(ثران): أجل، فكر في طريقة تريبة الأطفال

You don't spend the first 18 years giving kids a rule for every contingency

لا تقضي أول 18 سنة وأنت تعلم الأطفال كل قواعد حالات الطوارئ

and set them free and they have this big program.

ثم تجعلهم أحرارًا فيصبح لديهم ذلك البرنامج الضخم

They stumble, fall, get up, they get slapped or spanked,

وبدلًا من ذلك، يتعثرون ويسقطون وينهضون ويتم صفعهم أو ضربهم

and they have a positive experience, a good grade in school,

فيصبح لديهم تجربة إيجابية، ودرجات جيدة بالمدرسة،

and they figure it out on their own.

ويتوصلون إلى ذلك بنفسهم

That's happening with computers now,

الأمر ذاته يحصل مع الحاسب الآلي الآن

which makes computer programming so much easier all of a sudden.

وذلك يجعل البرمجة باستخدام الحاسب أكثر سهولة فجأة

Now we don't have to think anymore. We just give them lots of data.

لم نعد بحاجة إلى التفكير، فقط نزود الأجهزة بالكثير من البيانات

CA: And so, this has been key to the spectacular improvement

(أنديرسون): وكان ذلك السبب الرئيسي لتحسينات رائعة

in power of self-driving cars.

على السيارات ذاتية القيادة

I think you gave me an example.

أظن أنك أعطيتني مثالًا على ذلك

Can you explain what's happening here?

أيمكنك تفسير الأمر الذي يحدث هنا؟

ST: This is a drive of a self-driving car

(ثران): هذا قرص سيارة ذاتية القيادة

that we happened to have at Udacity

الذي صادف وجوده معنا في (يوداستي)

and recently made into a spin-off called Voyage.

وتم تحويله حديثًا إلى برنامج فرعي يسمى (فوياج)

We have used this thing called deep learning

قمنا باستخدام ذلك الشيء الذي يسمى "التعلم الاصطناعي"

to train a car to drive itself,

لتدريب السيارة على قيادة نفسها،

and this is driving from Mountain View, California,

وهذا فيديو للقيادة من (ماونتن فيو)، (كاليفورنيا)،

to San Francisco

إلى (سان فرانسيسكو)

on El Camino Real on a rainy day,

بطريق (إل كامنو ريل) في يوم ممطر،

with bicyclists and pedestrians and 133 traffic lights.

مع وجود ركاب الدراجات والمارة و133 إشارة مرور

And the novel thing here is,

والشيء الجديد هنا هو

many, many moons ago, I started the Google self-driving car team.

أنني أنشأت منذ فترة طويلة فريق سيارة (جوجل) ذاتية القيادة

And back in the day, I hired the world's best software engineers

وحينئذٍ، قمت بتعيين أفضل مهندسي البرمجيات

to find the world's best rules.

لوضع أفضل القواعد بالعالم

This is just trained.

تم تدريبها على هذا

We drive this road 20 times,

نقوم بالقيادة على هذا الطريق 20 مرة،

we put all this data into the computer brain,

ثم نخزن كل تلك البيانات بذاكرة الحاسب،

and after a few hours of processing,

وبعد بضع ساعات من المعالجة،

it comes up with behavior that often surpasses human agility.

يتوصل إلى طريقة كثيرًا ما تتفوق على رشاقة البشر

So it's become really easy to program it.

لذا أصبح من السهل برمجة أمر كهذا

This is 100 percent autonomous, about 33 miles, an hour and a half.

هذا تحكم ذاتي بنسبة 100%، على مسافة نحو 33 ميلًا، طوال ساعة ونصف

CA: So, explain it -- on the big part of this program on the left,

(أنديرسون): لإيضاح الأمر، على الجانب الكبير باليسار في هذا البرنامج،

you're seeing basically what the computer sees as trucks and cars

ترون ما يراها الحاسب الآلي كشاحنات وسيارات

and those dots overtaking it and so forth.

التي تتجاوز السيارة وهكذا

ST: On the right side, you see the camera image, which is the main input here,

(ثران): بالجانب الأيمن، ترون صورة الكاميرا، التي تشكل المُدخَل الرئيسي هنا،

and it's used to find lanes, other cars, traffic lights.

ويتم استخدامها للعثور على الطرق والسيارات وإشارات المرور

The vehicle has a radar to do distance estimation.

ثمة رادار بالسيارة لتقدير المسافات

This is very commonly used in these kind of systems.

ويعد استخدامه شائعًا في أنظمة كهذه

On the left side you see a laser diagram,

بالجانب الأيسر ترون مخطط ليزر،

where you see obstacles like trees and so on depicted by the laser.

حيث يوجد العوائق كالأشجار وغيرها التي يظهرها الليزر

But almost all the interesting work is centering on the camera image now.

ولكن وكل العمل المثير تقريبًا يوجد بالكاميرا الآن

We're really shifting over from precision sensors like radars and lasers

حيث نتحول من أجهزة الاستشعار الدقيقة مثل الرادارات والليزر

into very cheap, commoditized sensors.

إلى أجهزة استشعار زهيدة يمكن شراؤها

A camera costs less than eight dollars.

فالكاميرا تكلف أقل من 8 دولارات

CA: And that green dot on the left thing, what is that?

(أنديرسون): وتلك النقطة الخضراء باليسار، ما هذه؟

Is that anything meaningful?

هل لها أي أهمية؟

ST: This is a look-ahead point for your adaptive cruise control,

(ثران): هذه نقطة الرؤية البعيدة لمثبت السرعة المتغير،

so it helps us understand how to regulate velocity

لذلك هي تساعدنا على إدراك طريقة تنظيم السرعة

based on how far the cars in front of you are.

بناء على مدى بعد السيارات التي أمامك

CA: And so, you've also got an example, I think,

(أنديرسون): أظن أنك لديك مثال

of how the actual learning part takes place.

على طريقة التعلم الاصطناعي الفعلية

Maybe we can see that. Talk about this.

ربما يمكننا رؤية ذلك، حدثنا عن ذلك الأمر

ST: This is an example where we posed a challenge to Udacity students

(ثران): هذا مثال على التحدي الذي وضعناه أمام طلاب (يوداستي)

to take what we call a self-driving car Nanodegree.

لأخذ ما نسميه (النانوديجري) لسيارة ذاتية القيادة

We gave them this dataset

أعطيناهم مجموعة البيانات

and said "Hey, can you guys figure out how to steer this car?"

وقلنا لهم: "أيمكنكم التوصل إلى طريقة ما لتوجيه هذه السيارة؟"

And if you look at the images,

وإذا نظرت إلى الصور،

it's, even for humans, quite impossible to get the steering right.

سيكون مستحيلًا حتى على البشر توجيهها بشكل صحيح

And we ran a competition and said, "It's a deep learning competition,

وأطلقنا مسابقة وقلنا: "هذه مسابقة متعلقة بالتعلم الاصطناعي،

AI competition,"

مسابقة ذكاء اصطناعي"

and we gave the students 48 hours.

وحددنا مدة 48 ساعة فحسب للطلاب

So if you are a software house like Google or Facebook,

إذا كنت أنت شركة برمجيات عملاقة مثل (جوجل) أو (فيسبوك)،

something like this costs you at least six months of work.

سيستغرق إتمام أمر كهذا منك 6 أشهر على أقل تقدير

So we figured 48 hours is great.

لذا أعتقد 48 ساعة فحسب مدة مذهلة

And within 48 hours, we got about 100 submissions from students,

وخلال 48 ساعة، تلقينا نحو 100 مراسلة من الطلاب

and the top four got it perfectly right.

والأربعة الأوائل توصلوا إلى الطريقة المثالية

It drives better than I could drive on this imagery,

فهي تقود نفسها أفضل مما أستطيع أنا في حالة كهذه،

using deep learning.

باستخدام التعلم الاصطناعي

And again, it's the same methodology.

ومرة أخرى، باستخدام الطريقة نفسها

It's this magical thing.

إنه ذلك الأمر السحري

When you give enough data to a computer now,

حيث تزود الحاسب بمجموعة كافية من البيانات،

and give enough time to comprehend the data,

وتترك له وقتًا كافيًا لاستيعابها،

it finds its own rules.

فيتوصل إلى قواعده الخاصة

CA: And so that has led to the development of powerful applications

(أنديرسون): وأدى ذلك الأمر إلى تطوّر تطبيقات قوية

in all sorts of areas.

في كل المجالات

You were talking to me the other day about cancer.

كنت تحدثني في وقت مضى عن السرطان

Can I show this video?

أيمكنني عرض هذا الفيديو؟

ST: Yeah, absolutely, please. CA: This is cool.

(ثران): بالطبع، تفضل (أنيرسون): هذا رائع

ST: This is kind of an insight into what's happening

(ثران): هذه نظرة على ما يحدث

in a completely different domain.

داخل مجال مختلف تمامًا

This is augmenting, or competing --

هذا شيء يقوّي أو ينافس،

it's in the eye of the beholder --

كما يتراءى للمشاهد،

with people who are being paid 400,000 dollars a year,

هؤلاء الذين يتقاضون 400 ألف دولار سنويًا،

dermatologists,

أخصائي الجلدية،

highly trained specialists.

أخصائيون مُدربون على أعلى مستوى

It takes more than a decade of training to be a good dermatologist.

حيث يستغرق الأمر أكثر من عقد من التدريب لتصبح أخصائي جلدية متميز

What you see here is the machine learning version of it.

وما ترونه هنا هو نسخة تعلم الآلة لذلك الأمر

It's called a neural network.

وتسمى بالشبكة العصبية

"Neural networks" is the technical term for these machine learning algorithms.

"الشبكات العصبية" هي المصطلح الفني لخوارزميات تعلم الآلة تلك

They've been around since the 1980s.

وظهرت منذ الثمانينات

This one was invented in 1988 by a Facebook Fellow called Yann LeCun,

وهذه الشبكة اخترعها مطوّر في (فيسبوك) يدعى (يان ليكان) عام 1988،

and it propagates data stages

وهي تعمل على توفير مراحل للبيانات

through what you could think of as the human brain.

عبر ما قد تفكر فيه على أنه عقل بشري

It's not quite the same thing, but it emulates the same thing.

ليس الأمر ذاته تمامًا، ولكنها تحاكي الأمر ذاته

It goes stage after stage.

حيت تنتقل من مرحلة إلى أخرى

In the very first stage, it takes the visual input and extracts edges

وفي المرحلة الأولى، تأخذ المُدخَل المرئي وتُخرِج edges

and rods and dots.

وال(rods) وال(dots)

And the next one becomes more complicated edges

وبالمرحلة التالية تصبح ال(EDGES) أكثر تعقيدًا

and shapes like little half-moons.

وأشكالًا مثل نصف قمر صغير

And eventually, it's able to build really complicated concepts.

وبالنهاية، تتمكن من بناء مفاهيم معقدة للغاية

Andrew Ng has been able to show

تمكن (أندرو نج) من إثبات

that it's able to find cat faces and dog faces

أنها بوسعها العثور على أوجه قطط وكلاب

in vast amounts of images.

في مجموعات ضخمة من الصور

What my student team at Stanford has shown is that

وما أثبته فريقي من الطلاب في (ستانفورد)

if you train it on 129,000 images of skin conditions,

هو أنك إذا دربتها على 129 ألف صورة للأمراض الجلدية

including melanoma and carcinomas,

بما في ذلك سرطان الجلد وأمراض السرطان،

you can do as good a job

يمكنك القيام بعمل جيد

as the best human dermatologists.

تمامًا كأفضل أخصائيي الجلدية البشريين

And to convince ourselves that this is the case,

ولنقنع أنفسنا بصحة ذلك،

we captured an independent dataset that we presented to our network

التقطنا مجموعة بيانات مستقلة وقمنا بعرضها على شبكتنا

and to 25 board-certified Stanford-level dermatologists,

وعلى 25 أخصائي جلدية حاصلين على الزمالة بمستوى (ستانفورد)،

and compared those.

وقمنا بالمقارنة بينها

And in most cases,

وفي معظم الحالات،

they were either on par or above the performance classification accuracy

كانت النتائج مطابقة أو أكثر دقة في التصنيف من نتائج

of human dermatologists.

أخصائيين الجلدية البشريين

CA: You were telling me an anecdote.

(أنديرسون): كنت تخبرني عن قصة ما

I think about this image right here.

حول هذه الصورة هنا

What happened here?

ما الذي حدث هنا؟

ST: This was last Thursday. That's a moving piece.

(ثران): كانت هذه يوم الخميس الماضي، وهذه قطعة متحركة

What we've shown before and we published in "Nature" earlier this year

وما قمنا بعرضه من قبل ونشره في دورية "الطبيعة" بهذا العام

was this idea that we show dermatologists images

هو تلك الفكرة حيث نعرض صورًا على أخصائيين الجلدية

and our computer program images,

وكذلك على برنامجنا الحاسوبي،

and count how often they're right.

ثم نحسب عدد مرات النتائج المطابقة

But all these images are past images.

ولكن كل هذه الصور قديمة

They've all been biopsied to make sure we had the correct classification.

كلها تم فحصها حتى نتأكد أن تصنيفنا لها صحيح

This one wasn't.

أما هذه فلم تكن قديمة

This one was actually done at Stanford by one of our collaborators.

حدث ذلك الأمر في (ستانفورد) بواسطة أحد معاونينا

The story goes that our collaborator,

وقصة الصورة هي أن معاوننا،

who is a world-famous dermatologist, one of the three best, apparently,

الذي هو أخصائي جلدية ذو شهرة عالمية، واحد من أفضل ثلاثة أخصائيين جلدية،

looked at this mole and said, "This is not skin cancer."

قام بالنظر على هذه الشامة وقال: "هذا ليس سرطان جلدي"

And then he had a second moment, where he said,

ثم أعاد التفكير وقال:

"Well, let me just check with the app."

"حسنًا، دعني أتأكد باستخدام التطبيق"

So he took out his iPhone and ran our piece of software,

فأخرج هاتفه (الأيفون) وشغّل تطبيقنا،

our "pocket dermatologist," so to speak,

"أخصائي الجلدية الجيبي" خاصتنا، إن صح التعبير

and the iPhone said: cancer.

وقال (الأيفون): "سرطان"

It said melanoma.

قال الهاتف سرطان جلدي

And then he was confused.

فأصبح الأخصائي في حيرة

And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"

ثم قرر وقال: "حسنًا، ربما أثق في التطبيق أكثر من نفسي"

and he sent it out to the lab to get it biopsied.

وأرسل الصورة إلى المختبر ليتم فحصها

And it came up as an aggressive melanoma.

وأظهرت النتائج أنه سرطان جلدي شديد

So I think this might be the first time that we actually found,

لذا أظن أن هذه هي المرة الأولى التي اكتشفنا فيها،

in the practice of using deep learning,

عمليًا باستخدام التعلم الاصطناعي،

an actual person whose melanoma would have gone unclassified,

سرطان جلدي لشخص ما كان من الممكن يمر دون أن يُكتشف،

had it not been for deep learning.

لولا وجود التعلم الاصطناعي

CA: I mean, that's incredible.

(أنديرسون): هذا مذهل

(Applause)

(تصفيق)

It feels like there'd be an instant demand for an app like this right now,

يبدو أن هناك طلب فوري على تطبيق كهذا الآن،

that you might freak out a lot of people.

حين قد تصيب الكثير من الناس بالذعر

Are you thinking of doing this, making an app that allows self-checking?

هل تفكر في إنشاء تطبيق يسمح بفحص الناس لأنفسهم؟

ST: So my in-box is flooded about cancer apps,

(ثران): امتلأ صندوق رسائلي الواردة برسائل حول التطبيقات المتعلقة بالسرطان،

with heartbreaking stories of people.

وبها قصص مؤثرة لحالات مرضية

I mean, some people have had 10, 15, 20 melanomas removed,

أعني، تم إزالة 10، و15، و20 بقعة سرطان جلدي لبعضهم،

and are scared that one might be overlooked, like this one,

وهم يخشون ألا يتم ملاحظة واحدة كهذه

and also, about, I don't know,

وكذلك، لا أعرف،

flying cars and speaker inquiries these days, I guess.

استفسارات حول السيارات الطائرة والمتحدثين تُرسل هذه الأيام

My take is, we need more testing.

وجهة نظري هي أننا، مازلنا بحاجة إلى المزيد من الاختبارت

I want to be very careful.

وأريد أن أكون شديد الحذر

It's very easy to give a flashy result and impress a TED audience.

من السهل جدًا إعطاء نتائج لافتة للنظر وتبهر جمهور (TED)

It's much harder to put something out that's ethical.

ولكن من الصعب تقديم شيء أخلاقي

And if people were to use the app

وإن كان الناس سيستخدمون هذا التطبيق

and choose not to consult the assistance of a doctor

ويختاروا ألا يلجؤوا إلى استشارة الأطباء

because we get it wrong,

لأننا نخطئ في تشخيصنا

I would feel really bad about it.

سأشعر بالسوء الشديد حيال ذلك

So we're currently doing clinical tests,

لذا نجري بالوقت الحالي اختبارات سريرية،

and if these clinical tests commence and our data holds up,

وإذا أثبتت هذه الاختبارات نتائجًا مستقرة

we might be able at some point to take this kind of technology

قد نتمكن بوقت ما من نقل هذه التكنولوجيا

and take it out of the Stanford clinic

وإخراجها من عيادة (ستانفورد)

and bring it to the entire world,

وتقديمها إلى العالم أجمع

places where Stanford doctors never, ever set foot.

إلى أماكن حيث لم يطأ أطباء (ستانفورد) قدمًا قط

CA: And do I hear this right,

(أنديرسون): هل ما سمعته صحيح،

that it seemed like what you were saying,

أنه يبدو ما تقوله،

because you are working with this army of Udacity students,

لأنك تعمل مع جيش من طلاب (Udacity)،

that in a way, you're applying a different form of machine learning

أنه بطريقة ما، تقوم بتطبيق نوعٍ مختلفٍ من تعلم الآلة

than might take place in a company,

الذي قد يحدث في شركة ما،

which is you're combining machine learning with a form of crowd wisdom.

والذي هو أنك تمزج تعلم الآلة بنوع من حكمة الجماهير

Are you saying that sometimes you think that could actually outperform

أتقول أنك تعتقد أنه في بعض الأحيان قد يتفوق ذلك

what a company can do, even a vast company?

على قدرة شركة ما، حتى وإن كانت شركة عملاقة؟

ST: I believe there's now instances that blow my mind,

(ثران): أظن أن هناك الآن أمثلة تذهلني،

and I'm still trying to understand.

ومازلت أحاول أنا أفهم

What Chris is referring to is these competitions that we run.

الذي يشير (كريس) إليه هو تلك المسابقات التي نجريها

We turn them around in 48 hours,

نطلقها لمدة 48 ساعة فحسب،

and we've been able to build a self-driving car

واستطعنا صناعة سيارة ذاتية القيادة

that can drive from Mountain View to San Francisco on surface streets.

يمكنها القيادة من (ماونتن فيو) وحتى (سان فرانسيسكو) بالشوراع الرئيسية

It's not quite on par with Google after seven years of Google work,

ليست النتيجة مطابقة لنتائج (جوجل) بعد أن عملوا على المشروع لسبع سنوات،

but it's getting there.

ولكنها قريبة منها

And it took us only two engineers and three months to do this.

واستغرقنا الأمر مهندسين وثلاثة أشهر من العمل فحسب

And the reason is, we have an army of students

والسبب يرجع لامتلاكنا جيشًا من الطلاب

who participate in competitions.

الذين يشاركون بالمسابقات

We're not the only ones who use crowdsourcing.

لسنا الوحيدين الذين نلجأ إلى الاستعانة بالجمهور

Uber and Didi use crowdsource for driving.

(أوبر) و(ديدي) يلجؤون إليه للقيادة

Airbnb uses crowdsourcing for hotels.

(إير بي إن بي) تلجأ إليه للفنادق

There's now many examples where people do bug-finding crowdsourcing

ثمة الكثير من الأمثلة الآن على لجوء الناس إلى الاستعانة بالجمهور للعثور على الثغرات

or protein folding, of all things, in crowdsourcing.

وطيّ البروتين، لكل الأشياء، عن طريق الاستعانة بالجمهور

But we've been able to build this car in three months,

ولكننا تمكنا من صناعة هذه السيارة في ثلاثة أشهر،

so I am actually rethinking

لذا أنا أعيد النظر

how we organize corporations.

في طريقة تنظيمنا للشركات

We have a staff of 9,000 people who are never hired,

لدينا فريق عمل يتألف من 9 آلاف شخص لم يتم تعيينهم قط،

that I never fire.

ولا أطردهم من العمل أبدًا

They show up to work and I don't even know.

يأتون إلى العمل دون أن أكتشف ذلك حتى

Then they submit to me maybe 9,000 answers.

وكذلك يرسلون لى نحو 9 آلاف إجابة

I'm not obliged to use any of those.

ولست مجبرًا عن استخدام أي منها

I end up -- I pay only the winners,

وبالنهاية، أقوم بالدفع للفائزين فحسب،

so I'm actually very cheapskate here, which is maybe not the best thing to do.

أنا بخيل جدًا في هذا الأمر، وقد يكون ذلك أمرًا سيئًا

But they consider it part of their education, too, which is nice.

ولكنهم ينظرون إليه على أنه جزء من تعليمهم، وهذا أمر جيد

But these students have been able to produce amazing deep learning results.

ولكن استطاع هؤلاء الطلاب تقديم نتائج مذهلة للتعلم الاصطناعي

So yeah, the synthesis of great people and great machine learning is amazing.

لذا أجل، الجمع بين أناس رائعين وتعلم آلة مميز أمر رائع

CA: I mean, Gary Kasparov said on the first day [of TED2017]

(أنديرسون): قال (جاري كاسباروف) في اليوم الأول [لـTED2017]

that the winners of chess, surprisingly, turned out to be two amateur chess players

أن الفائزين بلعبة الشطرنج، من المثير للدهشة، أنهما كانا لاعبين هاويين

with three mediocre-ish, mediocre-to-good, computer programs,

بمساعدة ثلاثة برامج متوسطة المستوى

that could outperform one grand master with one great chess player,

واستطاعا التفوق على أستاذ دولي كبير بلعبة الشطرنج

like it was all part of the process.

وكأن ذلك كان جزءًا من عمل البرامج

And it almost seems like you're talking about a much richer version

ويبدو الأمر وكأنك تتحدث عن نسخة أكثر ثراءً

of that same idea.

من الفكرة ذاتها

ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,

(ثران): أجل، أعني، كما تابعت أنت الألواح الرائعة بصباح يوم أمس،

two sessions about AI,

الجلستين حول الذكاء الاصطناعي،

robotic overlords and the human response,

الأسياد الآليين والاستجابة البشرية،

many, many great things were said.

قيل الكثير من الأشياء الرائعة

But one of the concerns is that we sometimes confuse

ولكن أحد المخاوف كان أننا أحيانًا نخلط

what's actually been done with AI with this kind of overlord threat,

بين ما يحدث حقًا بالذكاء الاصطناعي وهذا النوع من التهديد للأسياد الآليين،

where your AI develops consciousness, right?

حيث يكون لذكائك الاصطناعي وعي، صحيح؟

The last thing I want is for my AI to have consciousness.

آخر شيء قد أريده أن يكون لذكائي الاصطناعي وعيًا

I don't want to come into my kitchen

لا أريد أن أدخل إلى مطبخي

and have the refrigerator fall in love with the dishwasher

وأجد أن الثلاجة وقعت في حب غسالة الأطباق

and tell me, because I wasn't nice enough,

وتخبرني، لأنني لم أكن لطيفًا معها،

my food is now warm.

أن طعامي ساخن الآن

I wouldn't buy these products, and I don't want them.

لم أكن لأشتري هذه المنتجات، ولا أريدها

But the truth is, for me,

ولكن الحقيقة هي، بالنسبة لي،

AI has always been an augmentation of people.

أن الذكاء الاصطناعي هو شيء مقوّي للبشر

It's been an augmentation of us,

إنه شيء مقوّي لكل منّا

to make us stronger.

شيء يجعلنا أكثر قوة

And I think Kasparov was exactly correct.

وأظن أن (كاسباروف) كان محقًا تمامًا

It's been the combination of human smarts and machine smarts

كان الأمر عبارة عن مزيج من الذكاء البشري والذكاء الآلي

that make us stronger.

وذلك يجعلنا أكثر قوة

The theme of machines making us stronger is as old as machines are.

وفكرة أن الآلات تجعلنا أكثر قوة قديمة للغاية كالآلات نفسها

The agricultural revolution took place because it made steam engines

فالثورة الزراعية حدثت بفضل المحركات البخارية

and farming equipment that couldn't farm by itself,

ومعدات الزراعة التي لم تقم بالزراعة وحدها،

that never replaced us; it made us stronger.

ولم تستبدلنا قط، بل جلعتنا أكثر قوة

And I believe this new wave of AI will make us much, much stronger

وأنا أعتقد أن هذه الموجة الجديدة من الذكاء الاصطناعي ستجعلنا أكثر قوة بكثير

as a human race.

كجنس بشري

CA: We'll come on to that a bit more,

(أنديرسون): سنناقش هذا الأمر بعد قليل،

but just to continue with the scary part of this for some people,

ولكن لنتابع النقاش فيما يتعلق بالجزء المخيف لهذا الأمر لبعض الناس،

like, what feels like it gets scary for people is when you have

وما يخيف الناس هو عندما يصبح لديك

a computer that can, one, rewrite its own code,

حاسب آلي بوسعه، أولًا، إعادة كتابة أكواده الخاصة،

so, it can create multiple copies of itself,

وبذلك، يقوم بنسخ نفسه عدة مرات،

try a bunch of different code versions,

ويجرب مجموعة مختلفة من الأكواد،

possibly even at random,

وربما بشكل عشوائي أيضًا

and then check them out and see if a goal is achieved and improved.

ثم يجربهم ليرى إن كان الهدف المطلوب قد تحقق وتحسن أم لا

So, say the goal is to do better on an intelligence test.

لنقل مثلًا أن الهدف هو الأداء بشكل أفضل في اختبار للذكاء

You know, a computer that's moderately good at that,

حاسب آلي جيد في ذلك نوعًا ما،

you could try a million versions of that.

فتقوم بتجربة ملايين النسخ منه

You might find one that was better,

ولعلك تجد واحدًا أكثر كفاءة

and then, you know, repeat.

ثم تقوم بتكراره

And so the concern is that you get some sort of runaway effect

وما يثير القلق هو حدوث تأثير غير متوقع

where everything is fine on Thursday evening,

حيث يكون كل شيء على ما يرام بمساء يوم الخميس،

and you come back into the lab on Friday morning,

وتعود إلى المختبر بصباح اليوم الجمعة،

and because of the speed of computers and so forth,

وبسبب سرعة عمل الحواسب،

things have gone crazy, and suddenly --

يصبح الأمر خارج السيطرة، وفجأة...

ST: I would say this is a possibility,

(ثران): لا أنكر احتمالية حدوث ذلك،

but it's a very remote possibility.

ولكنها احتمالية بعيدة للغاية

So let me just translate what I heard you say.

لذا دعني أعيد صياغة ما سمعتك تقوله للتو

In the AlphaGo case, we had exactly this thing:

في حالة (ألفاجو)، كان لدينا ذلك الشيء:

the computer would play the game against itself

يقوم الحاسب الآلي بلعب اللعبة ضد نفسه

and then learn new rules.

ثم يتعلم قواعد جديدة

And what machine learning is is a rewriting of the rules.

وتعلم الآلة عبارة عن إعادة كتابة القواعد

It's the rewriting of code.

فهو إعادة كتابة الأكواد

But I think there was absolutely no concern

ولكني أظن أنه لم يكن هناك أي خوف مطلقًا

that AlphaGo would take over the world.

من احتمالية سيطرة (ألفاجو) على العالم

It can't even play chess.

فهو لا يمكنه حتى لعب الشطرنج

CA: No, no, no, but now, these are all very single-domain things.

(أنديرسون): لا، لا، ولكن، كل تلك الأشياء متعلقة بمجال واحد فحسب

But it's possible to imagine.

ولكن من الممكن تخيل...

I mean, we just saw a computer that seemed nearly capable

أعني، لقد رأينا حاسبًا كان قادرًا تقريبًا

of passing a university entrance test,

على اجتياز اختبار القبول بالجامعة،

that can kind of -- it can't read and understand in the sense that we can,

لا يمكنه القراءة والفهم كما نفعل نحن البشر،

but it can certainly absorb all the text

ولكن يمكنه استيعاب كل النصوص

and maybe see increased patterns of meaning.

وربما يرى أنماطًا إضافية للمعنى

Isn't there a chance that, as this broadens out,

أليس هناك فرصة، حيث يتطور الأمر،

there could be a different kind of runaway effect?

ويكون هناك نوع مختلف من التأثير غير المتوقع؟

ST: That's where I draw the line, honestly.

(ثران): هنا تمامًا أضع حدًا للأمر، بصراحة

And the chance exists -- I don't want to downplay it --

وثمة فرصة لحدوث ذلك، لا أريد التقليل منها

but I think it's remote, and it's not the thing that's on my mind these days,

ولكني أظن أنها بعيدة، ولا أفكر بذلك بالوقت الحالي

because I think the big revolution is something else.

لأنني أظن أن الثورة الكبيرة أمر آخر

Everything successful in AI to the present date

فكل شيء ناجح في الذكاء الاصطناعي حتى يومنا هذا

has been extremely specialized,

كان شديد التخصص،

and it's been thriving on a single idea,

وكان يحركه فكرة واحدة فحسب،

which is massive amounts of data.

وهي الكميات الضخمة من البيانات

The reason AlphaGo works so well is because of massive numbers of Go plays,

والسبب وراء نجاح (ألفاجو) هو الأعداد الهائلة لألعاب (جو)،

and AlphaGo can't drive a car or fly a plane.

ولا يمكن لـ(ألفاجو) قيادة سيارة أو التحليق بطائرة

The Google self-driving car or the Udacity self-driving car

وسيارة (جوجل) ذاتية القيادة، أو سيارة (يوداستي) ذاتية القيادة

thrives on massive amounts of data, and it can't do anything else.

تعتمد على الكميات الهائلة من البيانات، ولا يمكنها فعل أي شيء آخر

It can't even control a motorcycle.

فلا يمكنها حتى التحكم بدراجة نارية

It's a very specific, domain-specific function,

لأن آلية عملها متعلقة بمجال واحد محدد بشدة

and the same is true for our cancer app.

الأمر ذاته ينطبق على تطبيق السرطان خاصتنا

There has been almost no progress on this thing called "general AI,"

فلا يوجد أي تقدم على ذلك الشيء الذي يمسى "الذكاء الاصطناعي العام"

where you go to an AI and say, "Hey, invent for me special relativity

حيث تقول لذكاء اصطناعي ما "مرحبًا، اخترع لي نظرية نسبية

or string theory."

أو نظرية أوتار"

It's totally in the infancy.

لا يزال الأمر في بدايته

The reason I want to emphasize this,

وسبب رغبتي في التأكيد على ذلك،

I see the concerns, and I want to acknowledge them.

أنني أرى المخاوف، وأريد الاعتراف بوجودها

But if I were to think about one thing,

ولكني إن كنت سأفكر في أمر واحد،

I would ask myself the question, "What if we can take anything repetitive

كنت لأسأل نفسي هذا السؤال، "ماذا لو كان باستطاعتنا إزالة كل الأعمال التكرارية

and make ourselves 100 times as efficient?"

وجعل أنفسنا أكثر كفاءة بمئة مرة؟"

It so turns out, 300 years ago, we all worked in agriculture

فكما يبدو الأمر، منذ 300 سنة، عملنا جميعًا بالزراعة

and did farming and did repetitive things.

وزرعنا وقمنا بأعمال تكرارية

Today, 75 percent of us work in offices

واليوم، 75% مننا يعملون بالمكاتب

and do repetitive things.

ويقومون بأعمال تكرارية

We've become spreadsheet monkeys.

فأصبحنا كقرود الصحف الجدولية

And not just low-end labor.

والأمر لا يقتصر على العمال البسطاء فحسب

We've become dermatologists doing repetitive things,

فكذلك أصبحنا أخصائيي جلدية نقوم بأعمال تكرارية

lawyers doing repetitive things.

ومحاميين نقوم بأعمال تكرارية

I think we are at the brink of being able to take an AI,

أظن أننا قريبون من القدرة على أخذ الذكاء الاصطناعي

look over our shoulders,

وجعله يعتني بنا،

and they make us maybe 10 or 50 times as effective in these repetitive things.

وبذلك يجعلنا ربما أكثر كفاءة بـ10، أو 50 مرة في القيام بتلك الأعمال التكرارية

That's what is on my mind.

هذا ما أفكر به

CA: That sounds super exciting.

(أنديرسون): هذا مثير للغاية

The process of getting there seems a little terrifying to some people,

طريقة الوصول إلى هذه النتيجة تبدو مخيفة بعض الشيء لبعض الناس

because once a computer can do this repetitive thing

لأنه بمجرد أن يصبح الحاسب قادرًا على فعل تلك الأعمال التكرارية

much better than the dermatologist

أفضل من أخصائي الجلدية

or than the driver, especially, is the thing that's talked about

أو أفضل من السائق، بشكل خاص، الشيء الذي تحدثنا عنه

so much now,

كثيرًا الآن

suddenly millions of jobs go,

فجأة تختفي ملايين الوظائف،

and, you know, the country's in revolution

وتحدث ثورة في البلاد

before we ever get to the more glorious aspects of what's possible.

قبل حتى أن نصل إلى الجوانب الرائعة لما هو ممكن

ST: Yeah, and that's an issue, and it's a big issue,

(ثران): أجل، وهذه مشكلة، وهي مشكلة كبيرة،

and it was pointed out yesterday morning by several guest speakers.

وتم الإشارة إليها بصباح أمس من قِبَل العديد من الضيوف المتحدثين

Now, prior to me showing up onstage,

قبل أن أصعد على خشبة المسرح،

I confessed I'm a positive, optimistic person,

اعترفت أنني شخص إيجابي ومتفائل

so let me give you an optimistic pitch,

لذا دعني أخبرك بوجهة نظر إيجابية

which is, think of yourself back 300 years ago.

فكر في نفسك منذ 300 سنة مضت

Europe just survived 140 years of continuous war,

نجت قارة أوروبا من 140 عام من الحرب المستمرة

none of you could read or write,

لم يكن بوسع أحد القراءة أو الكتابة،

there were no jobs that you hold today,

ولم يكن هناك الوظائف التي تعملونها اليوم،

like investment banker or software engineer or TV anchor.

كمستثمر بنكي، أو مهندس برمجيات، أو مذيع تليفزيوني

We would all be in the fields and farming.

كنا جميعًا بالحقول نقوم بالزراعة

Now here comes little Sebastian with a little steam engine in his pocket,

ثم يأتي أحد مثلي ومعه محرك بخاري في جيبه،

saying, "Hey guys, look at this.

ويقول: "مرحبا، انظروا إلى هذا

It's going to make you 100 times as strong, so you can do something else."

سوف يجعلكم أكثر قوة بمئة مرة، لكي تقومون بفعل أمورٍ أخرى"

And then back in the day, there was no real stage,

وحينئذٍ، لم يكن هناك مسرح حقيقي،

but Chris and I hang out with the cows in the stable,

ولكن أنا و(كريس) كنا نتسكع مع الأبقار في الحظيرة،

and he says, "I'm really concerned about it,

وهو يقول: "أنا قلق للغاية من ذلك

because I milk my cow every day, and what if the machine does this for me?"

لأنني أحلب بقرتي كل يوم، فماذا لو قامت آلة ما بفعل ذلك بدلًا مني؟"

The reason why I mention this is,

وسبب قولي ذلك،

we're always good in acknowledging past progress and the benefit of it,

هو أننا دائمًا ما نجيد الاعتراف بإنجازات الماضي وفوائدها،

like our iPhones or our planes or electricity or medical supply.

مثل هواتف (الأيفون) أو الطائرات أو الكهرباء أو اللوازم الطبية

We all love to live to 80, which was impossible 300 years ago.

كلنا نحب أن نعيش حتى عمر الـ80، والذي كان مستحيلًا منذ 300 سنة مضت

But we kind of don't apply the same rules to the future.

ولكننا لا نطبّق القواعد نفسها على المستقبل

So if I look at my own job as a CEO,

لذا إذا نظرت أنا إلى وظيفتي كمدير تنفيذي،

I would say 90 percent of my work is repetitive,

سأقول إن 90% من عملي هو عمل تكراري

I don't enjoy it,

لا أستمتع به،

I spend about four hours per day on stupid, repetitive email.

أقضي نحو 4 ساعات يوميًا على رسائل بريدية غبية ومكررة

And I'm burning to have something that helps me get rid of this.

وأنا أتوق إلى امتلاك شيء يساعدني على التخلص من ذلك

Why?

لماذا؟

Because I believe all of us are insanely creative;

لأنني أؤمن أننا جميعًا مبدعون بشكل جنوني

I think the TED community more than anybody else.

وأظن أن مجتمع (TED) أكثر إبداعًا من أي شخص آخر

But even blue-collar workers; I think you can go to your hotel maid

ولكن حتى العمال محدودي الدخل، أظن أنك قد تذهب إلى خادم الفندق

and have a drink with him or her,

وتتناول شرابًا معه أو معها،

and an hour later, you find a creative idea.

وبعد ساعة، تتوصل إلى فكرة مبدعة

What this will empower is to turn this creativity into action.

وسيمكننا ذلك من تحويل الإبداع إلى أمر عملي

Like, what if you could build Google in a day?

مثلًا، ماذا لو كان بإمكانك إنشاء (جوجل) في يوم فحسب؟

What if you could sit over beer and invent the next Snapchat,

ماذا لو كان بإمكانك اختراع (سناب شات) جديدًا وأنت تتناول الجعة؟

whatever it is,

أو أيًا كان ذلك،

and tomorrow morning it's up and running?

ثم تأتي في الصباح التالي وتجده يعمل؟

And that is not science fiction.

وليس هذا خيالًا علميًا

What's going to happen is,

ما الذي سيحدث هو،

we are already in history.

أننا نعيش في التاريخ بالفعل

We've unleashed this amazing creativity

أطلقنا العنان لهذا الإبداع المذهل

by de-slaving us from farming

عن طريق تحريرنا من قيود الزراعة

and later, of course, from factory work

وفيما بعد، من العمل بالمصانع بالطبع

and have invented so many things.

واخترعنا الكثير من الأشياء

It's going to be even better, in my opinion.

سيكون الأمر أفضل بكثير في رأيي

And there's going to be great side effects.

وسيكون هناك كذلك آثار جانبية كبيرة

One of the side effects will be

وأحدها سيكون

that things like food and medical supply and education and shelter

أن الأشياء كالطعام واللوازم الطبية والتعليم والمأوى

and transportation

والنقل

will all become much more affordable to all of us,

ستصبح معقولة التكلفة لنا جميعًا،

not just the rich people.

وليس للأغنياء فحسب

CA: Hmm.

(أنديرسون): نعم

So when Martin Ford argued, you know, that this time it's different

إذًا، عندما قال (مارتن فورد) أن هذا الزمن مختلف

because the intelligence that we've used in the past

لأن الذكاء الذي استخدمناه بالماضي

to find new ways to be

للعثور على طرق جديدة للمضي قدمًا

will be matched at the same pace

سيُضاهى بالسرعة ذاتها

by computers taking over those things,

بتحكم الحواسب الآلية بتلك الأشياء،

what I hear you saying is that, not completely,

ما أسمعك تقوله هو: "ليس تمامًا"

because of human creativity.

وذلك بسبب الإبداع البشري

Do you think that that's fundamentally different from the kind of creativity

أتظن أن ذلك مختلف تمامًا عن نوع الإبداع

that computers can do?

الذي تنتجه الحواسب الآلية؟

ST: So, that's my firm belief as an AI person --

(ثران): إن إيماني الراسخ كمتخصص بالذكاء الاصطناعي،

that I haven't seen any real progress on creativity

هو أنني لم أرى حتى الآن أي تقدم حقيقي في الإبداع

and out-of-the-box thinking.

وفي التفكير خارج الصندوق

What I see right now -- and this is really important for people to realize,

ما أراه الآن، ومن المهم للغاية أن يدرك الناس ذلك،

because the word "artificial intelligence" is so threatening,

لأن كلمة "الذكاء الاصطناعي" تشعرك بالتهديد

and then we have Steve Spielberg tossing a movie in,

ثم يأتي (ستيفن سبيلبرج) ويخرج فيلمًا،

where all of a sudden the computer is our overlord,

حيث يصبح فجأة الحاسب الآلي سيدًا علينا،

but it's really a technology.

ولكنها حقًا تكنولوجيا

It's a technology that helps us do repetitive things.

تكنولوجيا تساعدنا على القيام بالأعمال التكرارية

And the progress has been entirely on the repetitive end.

والتقدم كان بشكل كامل بالجانب التكراري

It's been in legal document discovery.

فقد كان في اكتشاف المستندات القانونية

It's been contract drafting.

وصياغة العقود

It's been screening X-rays of your chest.

وإجراء أشعة إكس لصدرك

And these things are so specialized,

وتلك الأشياء تخصصية تمامًا

I don't see the big threat of humanity.

ولا أرى التهديد الحقيقي للبشرية

In fact, we as people --

في الواقع، نحن كبشر،

I mean, let's face it: we've become superhuman.

أعني، لنواجه الأمر، لقد أصبحنا بشرًا خارقين

We've made us superhuman.

جعلنا من أنفسنا بشرًا خارقين

We can swim across the Atlantic in 11 hours.

حيث يمكننا السباحة وعبور المحيط الأطلنطي في 11 ساعة

We can take a device out of our pocket

وبوسعنا إخراج جهازٍ من جيبنا

and shout all the way to Australia,

والصياح حتى (أستراليا)

and in real time, have that person shouting back to us.

وبالوقت ذاته، يصيح ذلك الشخص لنا أيضًا

That's physically not possible. We're breaking the rules of physics.

هذا غير ممكن فيزيائيًا، نحن نكسر قواعد الفيزياء

When this is said and done, we're going to remember everything

وعندما يُقال ويتم ذلك، سوف نتذكر كل شيء

we've ever said and seen,

رأيناه وقلناه

you'll remember every person,

سوف تتذكر كل شخص،

which is good for me in my early stages of Alzheimer's.

وهذا جيد لي في المراحل الأولى لإصابتي بالزهايمر

Sorry, what was I saying? I forgot.

آسف، ما الذي كنت أقوله؟ لقد نسيت

CA: (Laughs)

(أنديرسون): (يضحك)

ST: We will probably have an IQ of 1,000 or more.

(ثران): سيكون على الأرجح لدينا معدل ذكاء يعادل ألف شخص أو أكثر

There will be no more spelling classes for our kids,

ولن يكون هناك فصولٌ إملائية لأبنائنا،

because there's no spelling issue anymore.

لأنه ما من مشكلة إملائية

There's no math issue anymore.

ولا يوجد مشكلة بالرياضيات

And I think what really will happen is that we can be super creative.

وأظن أن ما سيحدث هو أننا يمكننا أن نصبح خارقي الإبداع

And we are. We are creative.

ونحن كذلك حقًا، فنحن مبدعون

That's our secret weapon.

وهذا سلاحنا السري

CA: So the jobs that are getting lost,

(أنديرسون): إذًا، الوظائف التي سنفقدها،

in a way, even though it's going to be painful,

بطريقة ما، وعلى الرغم من كون ذلك مؤلمًا،

humans are capable of more than those jobs.

يستطيع البشر القيام بأكثر من تلك الوظائف

This is the dream.

هذا هو الحلم

The dream is that humans can rise to just a new level of empowerment

الحلم هو صعود البشر إلى مستوى جديد من التمكين

and discovery.

والاكتشاف

That's the dream.

وذلك هو الحلم

ST: And think about this:

(ثران): وفكر في هذا:

if you look at the history of humanity,

إذا نظرت إلى التاريخ البشري،

that might be whatever -- 60-100,000 years old, give or take --

والذي عمره، أيًا كان، 60-100 ألف عام، تعطي أو تأخد،

almost everything that you cherish in terms of invention,

تقريبًأ كل شيء تعتز به متعلق بالاختراع،

of technology, of things we've built,

والتكنولوجيا، والأشياء التي بنيناها،

has been invented in the last 150 years.

تم اختراعه في آخر 150 سنة

If you toss in the book and the wheel, it's a little bit older.

وإذا أضفت الكتب والعجلات، سيكون التاريخ أقدم بعض الشيء

Or the axe.

أو الفأس

But your phone, your sneakers,

أما هاتفك، وحذائك الرياضي،

these chairs, modern manufacturing, penicillin --

وهذه الكراسي، والصناعة الحديثة، والبنسلين،

the things we cherish.

الأشياء التي نعتز بها

Now, that to me means

الآن، هذا يعني لي

the next 150 years will find more things.

أنه خلال الـ150 عام القادمين سنجد المزيد من الأشياء

In fact, the pace of invention has gone up, not gone down, in my opinion.

في الواقع، ارتفعت سرعة الاختراع، ولم تقل، في رأيي

I believe only one percent of interesting things have been invented yet. Right?

أعتقد أننا اخترعنا واحدًا بالمائة فحسب من الأشياء المثيرة، صحيح؟

We haven't cured cancer.

حيث لم نعالج السرطان بعد

We don't have flying cars -- yet. Hopefully, I'll change this.

لا نمتلك سيارات طائرة بعد، آمل أن أغير ذلك

That used to be an example people laughed about. (Laughs)

اعتاد الناس أن يضحكوا على مثال كهذا. (ضحك)

It's funny, isn't it? Working secretly on flying cars.

هذا مضحك، أليس كذلك؟ العمل بسرية على السيارت الطائرة

We don't live twice as long yet. OK?

لا نعيش ضعف عمرنا بعد، صحيح؟

We don't have this magic implant in our brain

لا نملك تلك الشريحة السحرية في عقولنا

that gives us the information we want.

والتي تزودنا بالمعلومات التي نريدها

And you might be appalled by it,

وقد تكون الفكرة صاعقة لكم،

but I promise you, once you have it, you'll love it.

ولكني أعدكم، بمجرد أن تمتلكوها، ستروقكم

I hope you will.

أتمنى أن تروقكم

It's a bit scary, I know.

أعلم أنها مخيفة بعض الشيء

There are so many things we haven't invented yet

ثمة الكثير من الأشياء التي لم نخترعها بعد

that I think we'll invent.

والتي أظن أننا سنخترعها

We have no gravity shields.

ليس لدينا دروع للجاذبية

We can't beam ourselves from one location to another.

لا يمكننا نقل أنفسنا شعاعيًا من مكان لآخر

That sounds ridiculous,

يبدو ذلك سخيفًا

but about 200 years ago,

ولكن منذ 200 سنة مضت،

experts were of the opinion that flight wouldn't exist,

أعتقد الخبراء أن الطيران لن يصبح ممكنًا،

even 120 years ago,

حتى منذ 120 سنة مضت،

and if you moved faster than you could run,

وأنك إذا تحركت بسرعة أكبر مما يمكنك أن تركض،

you would instantly die.

فستموت على الفور

So who says we are correct today that you can't beam a person

لذا من يقول إننا محقون اليوم حول عدم قدرتنا على نقل شخصٍ شعاعيًا

from here to Mars?

من هنا وحتى المريخ؟

CA: Sebastian, thank you so much

شكرًا جزيلًا لك (سيباستيان)

for your incredibly inspiring vision and your brilliance.

على رؤيتك شديدة الإلهام وعبقريتك

Thank you, Sebastian Thrun.

شكرًا لك، (سيباستيان ثران)

That was fantastic. (Applause)

كان ذلك رائعًا. (تصفيق)