The AI Revolution Is Underhyped | Eric Schmidt | TED

المترجم: Hani Eldalees

Bilawal Sidhu: Eric Schmidt, thank you for joining us.

بيلاوال سيدو: إيريك شميدت، شكرًا لانضمامك إلينا.

Let's go back.

دعونا نعود.

You said the arrival of non-human intelligence is a very big deal.

لقد قلت إن وصول الذكاء غير البشري يمثل مشكلة كبيرة جدًا.

And this photo, taken in 2016,

وهذه الصورة، التي التقطت في عام 2016،

feels like one of those quiet moments where the Earth shifted beneath us,

تبدو وكأنها واحدة من تلك اللحظات الهادئة حيث تحولت الأرض تحتنا،

but not everyone noticed.

ولكن لم يلاحظها الجميع.

What did you see back then that the rest of us might have missed?

ما الذي رأيته في ذلك الوقت والذي ربما فاته بقيتنا?

Eric Schmidt: In 2016, we didn't understand

إريك شميدت: في عام 2016، لم نفهم

what was now going to happen,

ما سيحدث الآن،

but we understood that these algorithms were new and powerful.

لكننا فهمنا أن هذه الخوارزميات جديدة وقوية.

What happened in this particular set of games

ما حدث في هذه المجموعة المحددة من الألعاب

was in roughly the second game,

كان في اللعبة الثانية تقريبًا، كانت

there was a new move invented by AI

هناك خطوة جديدة اخترعها الذكاء الاصطناعي

in a game that had been around for 2,500 years

في لعبة كانت موجودة منذ 2500 عام ولم

that no one had ever seen.

يرها أحد من قبل.

Technically, the way this occurred

من الناحية الفنية،

was that the system of AlphaGo was essentially organized

كانت الطريقة التي حدث بها ذلك هي أن نظام AlphaGo تم تنظيمه بشكل أساسي

to always maintain a greater than 50 percent chance of winning.

للحفاظ دائمًا على فرصة أكبر من 50 بالمائة للفوز.

And so it calculated correctly this move,

ولذا فقد حسبت هذه الخطوة بشكل صحيح،

which was this great mystery among all of the Go players

والتي كانت بمثابة هذا اللغز الكبير بين جميع لاعبي Go

who are obviously insanely brilliant,

الذين من الواضح أنهم لاعبون بارعون

mathematical and intuitive players.

ورياضيون وبديهيون بجنون.

The question that Henry, Craig Mundie and I started to discuss, right,

السؤال الذي بدأت أنا وهنري وكريغ موندي مناقشته، أليس كذلك،

is what does this mean?

هو ماذا يعني هذا؟

How is it that our computers could come up with something

كيف يمكن لأجهزة الكمبيوتر الخاصة بنا أن تبتكر شيئًا

that humans had never thought about?

لم يفكر فيه البشر من قبل؟

I mean, this is a game played by billions of people.

أعني، هذه لعبة يلعبها المليارات من الناس.

And that began the process that led to two books.

وبدأت هذه العملية التي أدت إلى كتابين.

And I think, frankly,

وأعتقد، بصراحة، أن

is the point at which the revolution really started.

هذه هي النقطة التي بدأت فيها الثورة حقًا.

BS: If you fast forward to today,

BS: إذا تقدمت سريعًا إلى اليوم،

it seems that all anyone can talk about is AI,

فيبدو أن كل ما يمكن لأي شخص التحدث عنه هو الذكاء الاصطناعي،

especially here at TED.

خاصة هنا في TED.

But you've taken a contrarian stance.

لكنك اتخذت موقفًا مناقضًا.

You actually think AI is underhyped.

أنت تعتقد أن الذكاء الاصطناعي لا يحظى بالتقدير.

Why is that?

لماذا هذا؟

ES: And I'll tell you why.

ES: وسأخبرك لماذا.

Most of you think of AI as,

تفكرون في الذكاء الاصطناعي

I'll just use the general term, as ChatGPT.

أنه سأستخدم المصطلح العام، مثل ChatGPT.

For most of you, ChatGPT was the moment where you said,

بالنسبة لمعظمكم، كانت ChatGPT هي اللحظة التي قلتم فيها،

"Oh my God,

«يا إلهي،

this thing writes, and it makes mistakes,

هذا الشيء يكتب، وهو يرتكب أخطاء،

but it's so brilliantly verbal."

لكنه لفظي ببراعة.»

That was certainly my reaction.

كان هذا بالتأكيد رد فعلي.

Most people that I knew did that.

معظم الناس الذين أعرفهم فعلوا.

BS: It was visceral, yeah.

BS: كان الأمر عميقًا، نعم.

ES: This was two years ago.

ES: كان هذا قبل عامين.

Since then, the gains in what is called reinforcement learning,

منذ ذلك الحين، تتيح لنا المكاسب في ما يسمى التعلم

which is what AlphaGo helped invent and so forth,

المعزز، وهو ما ساعدت AlphaGo في ابتكاره وما

allow us to do planning.

إلى ذلك، القيام بالتخطيط.

And a good example is look at OpenAI o3

والمثال الجيد هو إلقاء نظرة على OpenAI o3

or DeepSeek R1,

أو DeepSeek R1،

and you can see how it goes forward and back,

ويمكنك أن ترى كيف يتحرك للأمام

forward and back, forward and back.

والخلف، للأمام والخلف، للأمام والخلف.

It's extraordinary.

إنه أمر غير عادي.

In my case, I bought a rocket company

في حالتي، اشتريت شركة صواريخ

because it was like, interesting.

لأنها كانت مثيرة للاهتمام.

BS: (Laughs) As one does.

BS: (يضحك) كما يفعل المرء.

ES: As one does.

ES: كما يفعل المرء.

And it’s an area that I’m not an expert in,

وهو مجال لست خبيرًا فيه،

and I want to be an expert.

وأريد أن أكون خبيرًا.

So I'm using deep research.

لذلك أنا أستخدم البحث العميق.

And these systems are spending 15 minutes writing these deep papers.

وتقضي هذه الأنظمة 15 دقيقة في كتابة هذه الأوراق العميقة.

That's true for most of them.

هذا صحيح بالنسبة لمعظمهم.

Do you have any idea how much computation

هل لديك أي فكرة عن مقدار حساب

15 minutes of these supercomputers is?

15 دقيقة لهذه الحواسيب العملاقة؟

It's extraordinary.

إنه أمر غير عادي.

So you’re seeing the arrival,

إذن أنت ترى الوصول، التحول

the shift from language to language.

من اللغة إلى اللغة.

Tthen you had language to sequence,

ثم كان لديك لغة التسلسل،

which is how biology is done.

وهي الطريقة التي تتم

Now you're doing essentially planning and strategy.

بها البيولوجيا. أنت الآن تقوم بالتخطيط والاستراتيجية بشكل أساسي.

The eventual state of this

الحالة النهائية لهذا هي أجهزة

is the computers running all business processes, right?

الكمبيوتر التي تدير جميع العمليات التجارية، أليس كذلك؟

So you have an agent to do this, an agent to do this,

لذلك لديك وكيل للقيام بذلك، وكيل للقيام بذلك،

an agent to do this.

وكيل للقيام بذلك.

And you concatenate them together,

وتربطهم معًا، ويتحدثون

and they speak language among each other.

اللغة فيما بينهم.

They typically speak English language.

عادة ما يتحدثون اللغة الإنجليزية.

BS: I mean, speaking of just the sheer compute requirements of these systems,

BS: أعني، عند الحديث فقط عن متطلبات الحوسبة الهائلة لهذه الأنظمة،

let's talk about scale briefly.

دعونا نتحدث عن الحجم باختصار.

You know, I kind of think of these AI systems as Hungry Hungry Hippos.

كما تعلمون، أفكر نوعًا ما في أنظمة الذكاء الاصطناعي هذه على أنها أفراس

They seemingly soak up all the data and compute that we throw at them.

النهر الجائعة. يبدو أنهم يمتصون جميع البيانات ويحسبون ما نرميه عليهم.

They've already digested all the tokens on the public internet,

لقد استوعبوا بالفعل جميع الرموز على الإنترنت العام،

and it seems we can't build data centers fast enough.

ويبدو أننا لا نستطيع بناء مراكز البيانات بالسرعة الكافية.

What do you think the real limits are,

ما هي في رأيك الحدود الحقيقية،

and how do we get ahead of them

وكيف نتجاوزها قبل أن تبدأ

before they start throttling AI progress?

في خنق تقدم الذكاء الاصطناعي؟

ES: So there's a real limit in energy.

ES: لذلك هناك حد حقيقي للطاقة.

Give you an example.

أعطيك مثالاً.

There's one calculation,

هناك حساب واحد،

and I testified on this this week in Congress,

وقد شهدت على هذا الأسبوع في الكونغرس،

that we need another 90 gigawatts of power in America.

أننا بحاجة إلى 90 جيجاوات أخرى من الطاقة في أمريكا.

My answer, by the way, is, think Canada, right?

إجابتي، بالمناسبة، هي، فكر في كندا، أليس كذلك؟

Nice people, full of hydroelectric power.

شعب لطيف، مليء بالطاقة الكهرومائية.

But that's apparently not the political mood right now.

لكن يبدو أن هذا ليس المزاج السياسي في الوقت الحالي.

Sorry.

آسف.

So 90 gigawatts is 90 nuclear power plants in America.

إذن 90 جيجاوات هي 90 محطة للطاقة النووية في أمريكا.

Not happening.

لا يحدث.

We're building zero, right?

نحن نبني الصفر، أليس كذلك؟

How are we going to get all that power?

كيف سنحصل على كل هذه القوة؟

This is a major, major national issue.

هذه قضية وطنية رئيسية.

You can use the Arab world,

يمكنك استخدام العالم العربي

which is busy building five to 10 gigawatts of data centers.

، المشغول ببناء خمسة إلى 10 جيجاوات من مراكز البيانات.

India is considering a 10-gigawatt data center.

تدرس الهند مركز بيانات بقدرة 10 جيجاوات.

To understand how big gigawatts are,

لفهم مدى ضخامة الجيجاوات،

is think cities per data center.

فكر في المدن لكل مركز بيانات.

That's how much power these things need.

هذا هو مقدار القوة التي تحتاجها هذه الأشياء.

And the people look at it and they say,

وينظر الناس إلى الأمر ويقولون،

“Well, there’s lots of algorithmic improvements,

«حسنًا، هناك الكثير من التحسينات الخوارزمية،

and you will need less power."

وستحتاج إلى طاقة أقل.»

There's an old rule, I'm old enough to remember, right?

هناك قاعدة قديمة، أنا كبير بما يكفي للتذكر، أليس كذلك؟

Grove giveth, Gates taketh away.

غروف جيفث، غيتس يأخذ بعيدا.

OK, the hardware just gets faster and faster.

حسنًا، يصبح الجهاز أسرع وأسرع.

The physicists are amazing.

الفيزيائيون مذهلون.

Just incredible what they've been able to do.

إنه أمر لا يصدق ما تمكنوا من القيام به.

And us software people, we just use it and use it and use it.

ونحن أهل البرمجيات، نحن فقط نستخدمه ونستخدمه ونستخدمه.

And when you look at planning, at least in today's algorithms,

وعندما تنظر إلى التخطيط، على الأقل

it's back and forth and try this and that

في خوارزميات اليوم، يمكنك تجربة

and just watch it yourself.

هذا وذاك ومشاهدته بنفسك.

There are estimates, and you know this from Andreessen Horowitz reports,

هناك تقديرات، وكما تعلمون من تقارير أندريسن هورويتز،

it's been well studied,

تمت دراستها جيدًا،

that there's an increase in at least a factor of 100,

أن هناك زيادة في عامل 100 على الأقل،

maybe a factor of 1,000,

وربما عامل 1000،

in computation required just to do the kind of planning.

في الحساب المطلوب فقط للقيام بهذا النوع من التخطيط.

The technology goes from essentially deep learning to reinforcement learning

تنتقل التكنولوجيا من التعلم العميق بشكل أساسي إلى التعلم المعزز

to something called test-time compute,

إلى شيء يسمى حساب وقت

where not only are you doing planning,

الاختبار، حيث لا تقوم

but you're also learning while you're doing planning.

بالتخطيط فحسب، بل تتعلم أيضًا أثناء التخطيط.

That is the, if you will,

هذا هو، إن صح التعبير،

the zenith or what have you, of computation needs.

ذروة أو ما لديك من احتياجات حسابية.

That's problem number one, electricity and hardware.

هذه هي المشكلة رقم واحد، الكهرباء والأجهزة.

Problem number two is we ran out of data

المشكلة الثانية هي نفاد البيانات

so we have to start generating it.

لذا علينا البدء في إنشائها.

But we can easily do that because that's one of the functions.

ولكن يمكننا القيام بذلك بسهولة لأن هذه إحدى الوظائف.

And then the third question that I don't understand

ثم السؤال الثالث الذي لا أفهمه

is what's the limit of knowledge?

هو ما هو حد المعرفة؟

I'll give you an example.

سأعطيك مثالاً.

Let's imagine we are collectively all of the computers in the world,

دعونا نتخيل أننا جميعًا جميع أجهزة الكمبيوتر

and we're all thinking

في العالم، وكلنا

and we're all thinking based on knowledge that exists that was previously invented.

نفكر ونفكر جميعًا بناءً على المعرفة الموجودة التي تم اختراعها سابقًا.

How do we invent something completely new?

كيف نخترع شيئًا جديدًا تمامًا؟

So, Einstein.

لذا، أينشتاين.

So when you study the way scientific discovery works,

لذلك عندما تدرس الطريقة التي يعمل

biology, math, so forth and so on,

بها الاكتشاف العلمي، والبيولوجيا،

what typically happens is a truly brilliant human being

والرياضيات، وما إلى ذلك، ما يحدث عادة هو أن ينظر

looks at one area and says,

إنسان لامع حقًا إلى منطقة

"I see a pattern

واحدة ويقول،

that's in a completely different area,

«أرى نمطًا في منطقة مختلفة

has nothing to do with the first one.

تمامًا، لا علاقة له بالمنطقة الأولى.

It's the same pattern."

إنه نفس النمط.»

And they take the tools from one and they apply it to another.

ويأخذون الأدوات من واحدة ويطبقونها على أخرى.

Today, our systems cannot do that.

اليوم، لا تستطيع أنظمتنا القيام بذلك.

If we can get through that, I'm working on this,

إذا تمكنا من تجاوز ذلك، فأنا أعمل على هذا،

a general technical term for this is non-stationarity of objectives.

والمصطلح الفني العام لهذا هو عدم ثبات الأهداف.

The rules keep changing.

القواعد تتغير باستمرار.

We will see if we can solve that problem.

سنرى ما إذا كان بإمكاننا حل هذه المشكلة.

If we can solve that, we're going to need even more data centers.

إذا تمكنا من حل ذلك، فسنحتاج إلى المزيد من مراكز البيانات.

And we'll also be able to invent completely new schools of scientific

وسنكون أيضًا قادرين على ابتكار مدارس جديدة

and intellectual thought,

تمامًا للفكر العلمي

which will be incredible.

والفكري، والتي ستكون مذهلة.

BS: So as we push towards a zenith,

BS: لذلك بينما نمضي نحو الذروة، كان

autonomy has been a big topic of discussion.

الحكم الذاتي موضوعًا كبيرًا للنقاش.

Yoshua Bengio gave a compelling talk earlier this week,

ألقى يوشوا بينجيو حديثًا مقنعًا في وقت سابق من هذا الأسبوع

advocating that AI labs should halt the development of agentic AI systems

، حيث دعا إلى أن توقف مختبرات الذكاء الاصطناعي تطوير أنظمة الذكاء الاصطناعي

that are capable of taking autonomous action.

الفعالة القادرة على اتخاذ إجراءات مستقلة.

Yet that is precisely what the next frontier is for all these AI labs,

ومع ذلك، هذا هو بالضبط الحد التالي لجميع مختبرات الذكاء الاصطناعي هذه،

and seemingly for yourself, too.

وعلى ما يبدو لنفسك أيضًا.

What is the right decision here?

ما هو القرار الصحيح هنا؟

ES: So Yoshua is a brilliant inventor of much of what we're talking about

ES: لذا فإن Yoshua هو مخترع رائع لكثير مما نتحدث عنه

and a good personal friend.

وصديق شخصي جيد.

And we’ve talked about this, and his concerns are very legitimate.

وقد تحدثنا عن هذا، ومخاوفه مشروعة للغاية.

The question is not are his concerns right,

السؤال ليس هل مخاوفه صحيحة،

but what are the solutions?

ولكن ما هي الحلول؟

So let's think about agents.

لذلك دعونا نفكر في الوكلاء.

So for purposes of argument, everyone in the audience is an agent.

لذلك لأغراض الجدل، كل فرد في الجمهور هو وكيل.

You have an input that's English or whatever language.

لديك إدخال باللغة الإنجليزية أو أي لغة أخرى.

And you have an output that’s English, and you have memory,

ولديك مخرجات باللغة الإنجليزية، ولديك ذاكرة،

which is true of all humans.

وهذا ينطبق على جميع البشر.

Now we're all busy working,

الآن نحن جميعًا مشغولون

and all of a sudden, one of you decides

بالعمل، وفجأة، قرر أحدكم أنه

it's much more efficient not to use human language,

من الأفضل بكثير عدم استخدام اللغة البشرية،

but we'll invent our own computer language.

لكننا سنبتكر لغة الكمبيوتر الخاصة بنا.

Now you and I are sitting here, watching all of this,

الآن نجلس أنا وأنت هنا، نشاهد كل هذا،

and we're saying, like, what do we do now?

ونقول، مثل، ماذا نفعل الآن؟

The correct answer is unplug you, right?

الإجابة الصحيحة هي قطع الاتصال بك، أليس كذلك؟

Because we're not going to know,

لأننا لن نعرف،

we're just not going to know what you're up to.

لن نعرف ما تنوي فعله.

And you might actually be doing something really bad or really amazing.

وربما تفعل شيئًا سيئًا حقًا أو رائعًا حقًا.

We want to be able to watch.

نريد أن نكون قادرين على المشاهدة.

So we need provenance, something you and I have talked about,

لذلك نحن بحاجة إلى المصدر، وهو شيء تحدثنا عنه أنا وأنت، لكننا نحتاج

but we also need to be able to observe it.

أيضًا إلى أن نكون قادرين على مراقبته.

To me, that's a core requirement.

بالنسبة لي، هذا مطلب أساسي.

There's a set of criteria that the industry believes are points

هناك مجموعة من المعايير التي تعتقد الصناعة

where you want to, metaphorically, unplug it.

أنها نقاط تريد فيها، مجازيًا، فصلها.

One is where you get recursive self-improvement,

الأول هو المكان تحصل فيه على التحسين الذاتي المتكرر،

which you can't control.

و لا يمكنك التحكم فيه.

Recursive self-improvement is where the computer is off learning,

التحسين الذاتي المتكرر هو المكان الذي يتوقف فيه الكمبيوتر

and you don't know what it's learning.

عن التعلم، ولا تعرف ما يتعلمه.

That can obviously lead to bad outcomes.

من الواضح أن يمكن أن يؤدي إلى نتائج سيئة.

Another one would be direct access to weapons.

آخر سيكون الوصول المباشر إلى الأسلحة.

Another one would be that the computer systems decide to exfiltrate themselves,

قد يكون السبب الآخر هو أن أنظمة الكمبيوتر تقرر

to reproduce themselves without our permission.

إخراج نفسها وإعادة إنتاج نفسها دون إذننا.

So there's a set of such things.

لذلك هناك مجموعة من هذه الأشياء.

The problem with Yoshua's speech, with respect to such a brilliant person,

المشكلة في خطاب يوشوا، فيما يتعلق بمثل هذا الشخص اللامع،

is stopping things in a globally competitive market

هي أن إيقاف الأشياء في سوق تنافسية عالميًا

doesn't really work.

لا يعمل حقًا.

Instead of stopping agentic work,

بدلاً من إيقاف عمل الوكلاء،

we need to find a way to establish the guardrails,

نحتاج إلى إيجاد طريقة لإنشاء الحواجز،

which I know you agree with because we’ve talked about it.

وأنا أعلم أنك توافق عليها لأننا تحدثنا عنها.

(Applause)

(تصفيق)

BS: I think that brings us nicely to the dilemmas.

BS: أعتقد أن هذا يقودنا بشكل جيد إلى المعضلات.

And let's just say there are a lot of them when it comes to this technology.

ودعونا نقول فقط أن هناك الكثير منها عندما يتعلق الأمر بهذه التكنولوجيا.

The first one I'd love to start with, Eric,

أول شيء أود أن أبدأ به، إريك، هو طبيعة

is the exceedingly dual-use nature of this tech, right?

الاستخدام المزدوج للغاية لهذه التكنولوجيا، أليس كذلك؟

It's applicable to both civilian and military applications.

إنه قابل للتطبيق على كل من التطبيقات المدنية والعسكرية.

So how do you broadly think about the dilemmas

إذن كيف تفكر بشكل عام في المعضلات

and ethical quandaries

والمآزق الأخلاقية

that come with this tech and how humans deploy them?

التي تأتي مع هذه التكنولوجيا وكيف يستخدمها البشر؟

ES: In many cases, we already have doctrines

ES: في كثير من الحالات، لدينا بالفعل مذاهب

about personal responsibility.

حول المسؤولية الشخصية.

A simple example, I did a lot of military work

مثال بسيط، قمت بالكثير من العمل العسكري

and continue to do so.

وما زلت أفعل ذلك.

The US military has a rule called 3000.09,

لدى الجيش الأمريكي قاعدة تسمى 3000.09، تُعرف

generally known as "human in the loop" or "meaningful human control."

عمومًا باسم «الإنسان في الحلقة» أو «التحكم البشري الهادف».

You don't want systems that are not under our control.

أنت لا تريد أنظمة ليست تحت سيطرتنا.

It's a line we can't cross.

إنه خط لا يمكننا تجاوزه.

I think that's correct.

أعتقد أن هذا صحيح.

I think that the competition between the West,

أعتقد أن المنافسة بين الغرب،

and particularly the United States,

وخاصة الولايات المتحدة،

and China,

والصين،

is going to be defining in this area.

ستحدد في هذا المجال.

And I'll give you some examples.

وسأقدم لكم بعض الأمثلة.

First, the current government has now put in

أولاً، قامت الحكومة الحالية الآن

essentially reciprocating 145-percent tariffs.

بفرض رسوم جمركية متبادلة بنسبة 145 في المائة.

That has huge implications for the supply chain.

هذا له آثار كبيرة على سلسلة التوريد.

We in our industry depend on packaging

نحن في صناعتنا نعتمد على العبوات

and components from China that are boring, if you will,

والمكونات من الصين المملة، إذا صح التعبير،

but incredibly important.

ولكنها مهمة للغاية.

The little packaging and the little glue things and so forth

العبوة الصغيرة والأشياء الصمغية الصغيرة وما إلى

that are part of the computers.

ذلك التي تشكل جزءًا

If China were to deny access to them, that would be a big deal.

من أجهزة الكمبيوتر. إذا منعت الصين الوصول إليهم، فسيكون ذلك مشكلة كبيرة.

We are trying to deny them access to the most advanced chips,

نحن نحاول منعهم من الوصول إلى الرقائق الأكثر تقدمًا،

which they are super annoyed about.

والتي هم منزعجون جدًا منها.

Dr. Kissinger asked Craig and I

طلب الدكتور كيسنجر

to do Track II dialogues with the Chinese,

من كريج وأنا إجراء حوارات المسار الثاني مع الصينيين،

and we’re in conversations with them.

ونحن في محادثات معهم.

What's the number one issue they raise?

ما هي القضية رقم واحد التي يثيرونها؟

This issue.

هذه القضية. في الواقع،

Indeed, if you look at DeepSeek, which is really impressive,

إذا نظرت إلى DeepSeek، وهو أمر مثير للإعجاب حقًا، فقد

they managed to find algorithms that got around the problems

تمكنوا من العثور على خوارزميات تتغلب على المشكلات

by making them more efficient.

من خلال جعلها أكثر كفاءة.

Because China is doing everything open source, open weights,

نظرًا لأن الصين تفعل كل شيء مفتوح المصدر والأوزان المفتوحة، فقد

we immediately got the benefit of their invention

استفدنا على الفور من اختراعها

and have adopted into US things.

واعتمدنا أشياء في الولايات المتحدة.

So we're in a situation now which I think is quite tenuous,

لذلك نحن الآن في وضع أعتقد أنه ضعيف للغاية،

where the US is largely driving, for many, many good reasons,

حيث تقود الولايات المتحدة إلى حد كبير، لأسباب عديدة وجيهة، نماذج مغلقة

largely closed models, largely under very good control.

إلى حد كبير، إلى حد كبير تحت سيطرة جيدة للغاية.

China is likely to be the leader in open source unless something changes.

من المرجح أن تكون الصين رائدة في مجال المصادر المفتوحة ما لم يتغير شيء ما.

And open source leads to very rapid proliferation around the world.

ويؤدي المصدر المفتوح إلى انتشار سريع للغاية في جميع أنحاء العالم.

This proliferation is dangerous at the cyber level and the bio level.

هذا الانتشار خطير على المستوى السيبراني والمستوى الحيوي.

But let me give you why it's also dangerous in a more significant way,

لكن اسمحوا لي أن أخبركم لماذا هو خطير أيضًا بطريقة أكثر أهمية،

in a nuclear-threat way.

بطريقة التهديد النووي.

Dr. Kissinger, who we all worked with very closely,

وكان الدكتور كيسنجر، الذي عملنا جميعا معه

was one of the architects of mutually assured destruction,

عن كثب، أحد مهندسي التدمير المتبادل والردع وما

deterrence and so forth.

إلى ذلك.

And what's happening now is you've got a situation

وما يحدث الآن هو أن لديك حالة

where -- I'll use an example.

حيث -- سأستخدم مثالاً.

It's easier if I explain.

سيكون من الأسهل أن أشرح.

You’re the good guy, and I’m the bad guy, OK?

أنت الرجل الجيد، وأنا الرجل السيئ، حسنًا؟

You're six months ahead of me,

أنت تسبقني بستة أشهر،

and we're both on the same path for superintelligence.

وكلانا على نفس الطريق للذكاء الخارق.

And you're going to get there, right?

وستصل إلى هناك، أليس كذلك؟

And I'm sure you're going to get there, you're that close.

وأنا متأكد من أنك ستصل إلى هناك، أنت بهذا القرب.

And I'm six months behind.

وأنا متأخرة بستة أشهر.

Pretty good, right?

جيد جدًا، أليس كذلك؟

Sounds pretty good.

يبدو جيدًا جدًا.

No.

لا.

These are network-effect businesses.

هذه هي الشركات ذات التأثير الشبكي.

And in network-effect businesses,

وفي الشركات ذات التأثير

it is the slope of your improvement that determines everything.

الشبكي، فإن منحدر التحسين هو الذي يحدد كل شيء.

So I'll use OpenAI or Gemini,

لذلك سأستخدم OpenAI أو Gemini،

they have 1,000 programmers.

لديهم 1000 مبرمج.

They're in the process of creating a million AI software programmers.

إنهم بصدد إنشاء مليون مبرمج برامج AI.

What does that do?

ماذا يفعل ذلك؟

First, you don't have to feed them except electricity.

أولاً، ليس عليك إطعامهم باستثناء الكهرباء.

So that's good.

لذلك هذا جيد.

And they don't quit and things like that.

وهم لا يستقيلون وأشياء من هذا القبيل.

Second, the slope is like this.

ثانيًا، المنحدر مثل هذا.

Well, as we get closer to superintelligence,

حسنًا، كلما اقتربنا من الذكاء الخارق، يسير

the slope goes like this.

المنحدر على هذا النحو.

If you get there first, you dastardly person --

إذا وصلت إلى هناك أولاً، أيها الشخص الغادر -

BS: You're never going to be able to catch me.

BS: لن تتمكن أبدًا من الإمساك بي.

ES: I will not be able to catch you.

ES: لن أتمكن من الإمساك بك.

And I've given you the tools

وأعطيتك الأدوات

to reinvent the world and in particular, destroy me.

لإعادة اختراع العالم وعلى وجه الخصوص، تدميري.

That's how my brain, Mr. Evil, is going to think.

هذه هي الطريقة التي سيفكر بها عقلي، سيد الشر.

So what am I going to do?

إذن ماذا سأفعل؟

The first thing I'm going to do is try to steal all your code.

أول شيء سأفعله هو محاولة سرقة كل التعليمات البرمجية الخاصة بك.

And you've prevented that because you're good.

وقد منعت ذلك لأنك جيد.

And you were good.

وكنت جيدًا.

So you’re still good, at Google.

لذا فأنت لا تزال جيدًا في Google.

Second, then I'm going to infiltrate you with humans.

ثانيًا، سأتسلل إليك مع البشر.

Well, you've got good protections against that.

حسنًا، لديك حماية جيدة ضد ذلك.

You know, we don't have spies.

كما تعلمون، ليس لدينا جواسيس.

So what do I do?

إذن ماذا أفعل؟

I’m going to go in, and I’m going to change your model.

سأدخل، وسأقوم بتغيير نموذجك.

I'm going to modify it.

سأقوم بتعديله.

I'm going to actually screw you up

سأقوم في الواقع بإفسادك

to get me so I'm one day ahead of you.

للحصول علي حتى أكون متقدمًا عليك بيوم واحد.

And you're so good, I can't do that.

وأنت جيد جدًا، لا أستطيع فعل ذلك.

What's my next choice?

ما هو خياري التالي؟

Bomb your data center.

قصف مركز البيانات الخاص بك.

Now do you think I’m insane?

الآن هل تعتقد أنني مجنون؟

These conversations are occurring

تدور هذه المحادثات

around nuclear opponents today in our world.

حول المعارضين النوويين اليوم في عالمنا.

There are legitimate people saying

هناك أشخاص شرعيون يقولون

the only solution to this problem is preemption.

إن الحل الوحيد لهذه المشكلة هو الاستباق.

Now I just told you that you, Mr. Good,

الآن أخبرتك للتو أنك، سيد جود،

are about to have the keys to control the entire world,

على وشك الحصول على مفاتيح السيطرة على العالم

both in terms of economic dominance,

بأسره، سواء من حيث الهيمنة

innovation, surveillance,

الاقتصادية، أو الابتكار،

whatever it is that you care about.

أو المراقبة، أو أي شيء يهمك.

I have to prevent that.

لا بد لي من منع ذلك.

We don't have any language in our society,

ليس لدينا أي لغة في مجتمعنا،

the foreign policy people have not thought about this,

لم يفكر أهل السياسة الخارجية في هذا الأمر،

and this is coming.

وهذا قادم.

When is it coming?

متى سيأتي؟

Probably five years.

ربما خمس سنوات.

We have time.

لدينا الوقت.

We have time for this conversation.

لدينا وقت لهذه المحادثة.

And this is really important.

وهذا مهم حقًا.

BS: Let me push on this a little bit.

BS: اسمحوا لي أن أضغط على هذا قليلاً.

So if this is true

لذلك إذا كان هذا صحيحًا

and we can end up in this sort of standoff scenario

ويمكن أن ينتهي بنا المطاف في هذا النوع

and the equivalent of mutually-assured destruction,

من سيناريو المواجهة وما يعادل التدمير المتبادل،

you've also said that the US should embrace open-source AI

فقد قلت إن الولايات المتحدة يجب أن تتبنى الذكاء الاصطناعي مفتوح المصدر

even after China's DeepSeek showed what's possible

حتى بعد أن أظهر DeepSeek الصيني ما هو ممكن

with a fraction of the compute.

مع جزء صغير من الحوسبة.

But doesn't open-sourcing these models,

ولكن ألا يقتصر فتح مصادر هذه النماذج

just hand capabilities to adversaries that will accelerate their own timelines?

على توفير القدرات للخصوم التي من شأنها تسريع الجداول الزمنية الخاصة بهم؟

ES: This is one of the wickedest, or, we call them wicked hard problems.

ES: هذه واحدة من أشر المشاكل، أو نسميها المشاكل الصعبة الشريرة.

Our industry, our science,

تعتمد صناعتنا وعلومنا

everything about the world that we have built

وكل شيء عن العالم الذي بنيناه

is based on academic research, open source, so forth.

على البحث الأكاديمي والمصدر المفتوح وما إلى ذلك.

Much of Google's technology was based on open source.

استندت معظم تقنيات Google إلى المصدر المفتوح.

Some of Google's technology is open-source,

بعض تقنيات Google مفتوحة المصدر،

some of it is proprietary, perfectly legitimate.

وبعضها مملوك وشرعي تمامًا.

What happens when there's an open-source model

ماذا يحدث عندما يكون هناك نموذج

that is really dangerous,

مفتوح المصدر خطير حقًا،

and it gets into the hands of the Osama bin Ladens of the world,

ويصل إلى أيدي أسامة بن لادن في العالم،

and we know there are more than one, unfortunately.

ونحن نعلم أن هناك أكثر من نموذج، للأسف.

We don't know.

نحن لا نعرف.

The consensus in the industry right now

الإجماع في الصناعة الآن

is the open-source models are not quite at the point

هو أن النماذج مفتوحة المصدر ليست تمامًا عند نقطة

of national or global danger.

الخطر الوطني أو العالمي.

But you can see a pattern where they might get there.

ولكن يمكنك رؤية نمط يمكنهم من خلاله الوصول إلى هناك.

So a lot will now depend upon the key decisions made in the US and China

لذلك سيعتمد الكثير الآن على القرارات الرئيسية المتخذة في الولايات المتحدة

and in the companies in both places.

والصين وفي الشركات في كلا المكانين.

The reason I focus on US and China

سبب تركيزي على الولايات المتحدة والصين

is they're the only two countries where people are crazy enough

هو أنهما الدولتان الوحيدتان حيث الناس مجنونون بما يكفي

to spend the billions and billions of dollars

لإنفاق المليارات والمليارات من الدولارات

that are required to build this new vision.

المطلوبة لبناء هذه الرؤية الجديدة.

Europe, which would love to do it,

أوروبا، التي ترغب في القيام بذلك،

doesn't have the capital structure to do it.

ليس لديها هيكل رأس المال للقيام بذلك.

Most of the other countries, not even India,

معظم البلدان الأخرى، ولا حتى الهند، لديها

has the capital structure to do it, although they wish to.

هيكل رأس المال للقيام بذلك، على الرغم من أنها ترغب في ذلك.

Arabs don't have the capital structure to do it,

لا يملك العرب هيكل رأس المال للقيام بذلك،

although they're working on it.

على الرغم من أنهم يعملون

So this fight, this battle, will be the defining battle.

على ذلك. لذا فإن هذه المعركة، هذه المعركة، ستكون المعركة الحاسمة.

I'm worried about this fight.

أنا قلق بشأن هذه المعركة.

Dr. Kissinger talked about the likely path to war with China

تحدث الدكتور كيسنجر عن المسار المحتمل للحرب مع الصين

was by accident.

عن طريق الصدفة.

And he was a student of World War I.

وكان طالبًا في الحرب العالمية الأولى

And of course, [it] started with a small event,

وبالطبع، [بدأت] بحدث صغير،

and it escalated over that summer in, I think, 1914.

وتصاعدت خلال ذلك الصيف في عام 1914 على ما أعتقد.

And then it was this horrific conflagration.

ثم كان هذا الحريق المروع.

You can imagine a series of steps

يمكنك تخيل سلسلة من الخطوات

along the lines of what I'm talking about

على غرار ما أتحدث عنه

that could lead us to a horrific global outcome.

والتي يمكن أن تقودنا إلى نتيجة عالمية مروعة.

That's why we have to be paying attention.

لهذا السبب يجب أن ننتبه. BS: أريد

BS: I want to talk about one of the recurring tensions here,

أن أتحدث عن أحد التوترات المتكررة هنا، قبل أن ننتقل

before we move on to the dreams,

إلى الأحلام، هو، نوعًا ما تعديل

is, to sort of moderate these AI systems at scale, right,

أنظمة الذكاء الاصطناعي هذه على نطاق واسع، أليس

there's this weird tension in AI safety

كذلك، هناك هذا التوتر الغريب في سلامة

that the solution to preventing "1984"

الذكاء الاصطناعي لدرجة أن الحل لمنع

often sounds a lot like "1984."

«1984" غالبًا ما يبدو مثل «1984".»

So proof of personhood is a hot topic.

لذا فإن إثبات الشخصية هو موضوع ساخن.

Moderating these systems at scale is a hot topic.

يعد تعديل هذه الأنظمة على نطاق واسع موضوعًا ساخنًا.

How do you view that trade-off?

كيف ترى هذه المقايضة؟

In trying to prevent dystopia,

في محاولة لمنع الديستوبيا، دعنا

let's say preventing non-state actors

نقول منع الجهات الفاعلة غير الحكومية

from using these models in undesirable ways,

من استخدام هذه النماذج بطرق غير مرغوب فيها، قد ينتهي

we might accidentally end up building the ultimate surveillance state.

بنا الأمر بطريق الخطأ إلى بناء دولة المراقبة النهائية.

ES: It's really important that we stick to the values

ES: من المهم حقًا أن نتمسك بالقيم

that we have in our society.

التي لدينا في مجتمعنا.

I am very, very committed to individual freedom.

أنا ملتزم جدًا بالحرية الفردية.

It's very easy for a well-intentioned engineer to build a system

من السهل جدًا على مهندس حسن النية

which is optimized and restricts your freedom.

بناء نظام محسّن ويقيد حريتك.

So it's very important that human freedom be preserved in this.

لذلك من المهم جدًا الحفاظ على حرية الإنسان في هذا.

A lot of these are not technical issues.

الكثير من هذه ليست مشاكل فنية.

They're really business decisions.

إنها قرارات تجارية حقًا.

It's certainly possible to build a surveillance state,

من الممكن بالتأكيد بناء دولة مراقبة،

but it's also possible to build one that's freeing.

ولكن من الممكن أيضًا بناء دولة حرة.

The conundrum that you're describing

اللغز الذي تصفه هو أنه أصبح

is because it's now so easy to operate based on misinformation,

من السهل جدًا الآن العمل بناءً على المعلومات

everyone knows what I'm talking about,

الخاطئة، والجميع يعرف ما أتحدث

that you really do need proof of identity.

عنه، وأنك تحتاج حقًا إلى إثبات الهوية.

But proof of identity does not have to include details.

لكن إثبات الهوية لا يجب أن يتضمن التفاصيل.

So, for example, you could have a cryptographic proof

لذلك، على سبيل المثال، يمكن أن يكون لديك دليل

that you are a human being,

مشفر على أنك إنسان،

and it could actually be true without anything else,

ويمكن أن يكون ذلك صحيحًا في الواقع دون أي شيء آخر،

and also not be able to link it to others

ولن تتمكن أيضًا من ربطه بالآخرين

using various cryptographic techniques.

باستخدام تقنيات التشفير المختلفة.

BS: So zero-knowledge proofs and other techniques.

BS: إذن براهين المعرفة الصفرية والتقنيات الأخرى.

ES: Zero-knowledge proofs are the most obvious one.

ES: براهين المعرفة الصفرية هي الأكثر وضوحًا.

BS: Alright, let's change gears, shall we, to dreams.

BS: حسنًا، دعونا نغير المواقف، أليس كذلك، إلى الأحلام.

In your book, "Genesis," you strike a cautiously optimistic tone,

في كتابك، «سفر التكوين»، تتحدث بنبرة متفائلة بحذر

which you obviously co-authored with Henry Kissinger.

، ومن الواضح أنك شاركت في تأليفه مع هنري كيسنجر.

When you look ahead to the future, what should we all be excited about?

عندما تتطلع إلى المستقبل، ما الذي يجب أن نكون جميعًا متحمسين له؟

ES: Well, I'm of the age

ES: حسنًا، أنا في سن يصاب

where some of my friends are getting really dread diseases.

فيه بعض أصدقائي بأمراض مروعة حقًا.

Can we fix that now?

هل يمكننا إصلاح ذلك الآن؟

Can we just eliminate all of those?

هل يمكننا القضاء على كل هؤلاء؟

Why can't we just uptake these

لماذا لا يمكننا فقط استيعاب

and right now, eradicate all of these diseases?

هذه الأمراض وفي الوقت الحالي، القضاء على كل هذه الأمراض؟

That's a pretty good goal.

هذا هدف جيد جدًا.

I'm aware of one nonprofit that's trying to identify,

أنا على علم بإحدى المنظمات غير الربحية التي تحاول تحديد،

in the next two years,

في العامين المقبلين،

all human druggable targets and release it to the scientists.

جميع الأهداف البشرية القابلة للتخدير ونشرها للعلماء. إذا كنت تعرف

If you know the druggable targets,

الأهداف القابلة للعقاقير،

then the drug industry can begin to work on things.

فيمكن لصناعة الأدوية أن تبدأ في العمل على الأشياء.

I have another company I'm associated with

لديّ شركة أخرى مرتبطة بها توصلت

which has figured out a way, allegedly, it's a startup,

إلى طريقة، يُزعم أنها شركة ناشئة،

to reduce the cost of stage-3 trials by an order of magnitude.

لتقليل تكلفة تجارب المرحلة الثالثة بمقدار كبير.

As you know, those are the things

كما تعلمون، هذه هي الأشياء

that ultimately drive the cost structure of drugs.

التي تقود في نهاية المطاف هيكل تكلفة الأدوية.

That's an example.

هذا مثال.

I'd like to know where dark energy is,

أود أن أعرف أين توجد الطاقة المظلمة

and I'd like to find it.

، وأود أن أجدها. أنا متأكد

I'm sure that there is an enormous amount of physics in dark energy, dark matter.

من أن هناك قدرًا هائلاً من الفيزياء في الطاقة المظلمة والمادة المظلمة.

Think about the revolution in material science.

فكر في الثورة في علوم المواد.

Infinitely more powerful transportation,

وسائل نقل أقوى بلا حدود،

infinitely more powerful science and so forth.

وعلوم أقوى بلا حدود وما إلى ذلك.

I'll give you another example.

سأعطيك مثالاً آخر.

Why do we not have every human being on the planet

لماذا ليس لدينا كل إنسان على هذا الكوكب

have their own tutor in their own language

معلمه الخاص بلغته الخاصة

to help them learn something new?

لمساعدتهم على تعلم شيء جديد؟

Starting with kindergarten.

بدءًا من رياض الأطفال.

It's obvious.

هذا واضح.

Why have we not built it?

لماذا لم نبنيها؟

The answer, the only possible answer

الجواب، الجواب الوحيد الممكن

is there must not be a good economic argument.

هو أنه يجب ألا تكون هناك حجة اقتصادية جيدة.

The technology works.

تعمل التكنولوجيا.

Teach them in their language, gamify the learning,

قم بتعليمهم بلغتهم، وقم بتجسيد التعلم،

bring people to their best natural lengths.

وجلب الناس إلى أفضل مستوياتهم الطبيعية.

Another example.

مثال آخر.

The vast majority of health care in the world

الغالبية العظمى من الرعاية الصحية في العالم

is either absent

إما غائبة

or delivered by the equivalent of nurse practitioners

أو يتم تقديمها من قبل ما يعادل الممرضات الممارسين

and very, very sort of stressed local village doctors.

ونوع كبير جدًا من أطباء القرى المحليين المجهدين.

Why do they not have the doctor assistant that helps them in their language,

لماذا لا يكون لديهم مساعد الطبيب الذي يساعدهم بلغتهم،

treat whatever with, again, perfect healthcare?

ويعالجون أي شيء، مرة أخرى، برعاية صحية مثالية؟

I can just go on.

يمكنني فقط الاستمرار.

There are lots and lots of issues with the digital world.

هناك الكثير والكثير من المشكلات في العالم الرقمي.

It feels like that we're all in our own ships in the ocean,

يبدو الأمر وكأننا جميعًا في سفننا الخاصة في المحيط،

and we're not talking to each other.

ولا نتحدث مع بعضنا البعض.

In our hunger for connectivity and connection,

في جوعنا للاتصال والاتصال، تجعلنا

these tools make us lonelier.

هذه الأدوات أكثر وحدة.

We've got to fix that, right?

علينا إصلاح ذلك، أليس كذلك؟

But these are fixable problems.

لكن هذه مشاكل قابلة للإصلاح.

They don't require new physics.

لا يحتاجون إلى فيزياء جديدة.

They don't require new discoveries, we just have to decide.

إنها لا تتطلب اكتشافات جديدة، علينا فقط أن نقرر.

So when I look at this future,

لذلك عندما أنظر

I want to be clear that the arrival of this intelligence,

إلى هذا المستقبل، أريد أن أوضح أن وصول هذا الذكاء، سواء

both at the AI level, the AGI,

على مستوى الذكاء

which is general intelligence,

الاصطناعي ، الذكاء

and then superintelligence,

الاصطناعي العام، ثم

is the most important thing that's going to happen in about 500 years,

الذكاء الخارق، هو أهم شيء سيحدث في حوالي 500 عام، وربما 1000 عام

maybe 1,000 years in human society.

في المجتمع البشري.

And it's happening in our lifetime.

وهذا يحدث في حياتنا.

So don't screw it up.

لذلك لا تفسد الأمر.

BS: Let's say we don't.

BS: لنفترض أننا لا نفعل ذلك.

(Applause)

(تصفيق)

Let's say we don't screw it up.

لنفترض أننا لا نفسد الأمر.

Let's say we get into this world of radical abundance.

لنفترض أننا دخلنا هذا العالم من الوفرة الجذرية.

Let's say we end up in this place,

لنفترض أننا انتهينا في هذا المكان،

and we hit that point of recursive self-improvement.

ووصلنا إلى تلك النقطة من التحسين الذاتي المتكرر.

AI systems take on a vast majority of economically productive tasks.

تتولى أنظمة الذكاء الاصطناعي الغالبية العظمى من المهام الإنتاجية اقتصاديًا.

In your mind, what are humans going to do in this future?

في ذهنك، ماذا سيفعل البشر في هذا المستقبل؟

Are we all sipping piña coladas on the beach, engaging in hobbies?

هل نحتسي جميعًا البينا كولادا على الشاطئ ونمارس الهوايات؟

ES: You tech liberal, you.

ES: أنت ليبرالي في مجال التكنولوجيا، أنت.

You must be in favor of UBI.

يجب أن تكون لصالح UBI.

BS: No, no, no.

BS: لا، لا، لا.

ES: Look, humans are unchanged

ES: انظروا، البشر لم يتغيروا

in the midst of this incredible discovery.

في خضم هذا الاكتشاف المذهل.

Do you really think that we're going to get rid of lawyers?

هل تعتقد حقًا أننا سنتخلص من المحامين؟

No, they're just going to have more sophisticated lawsuits.

لا، سيكون لديهم فقط دعاوى قضائية أكثر تعقيدًا.

Do you really think we're going to get rid of politicians?

هل تعتقد حقًا أننا سنتخلص من السياسيين؟

No, they'll just have more platforms to mislead you.

لا، سيكون لديهم فقط المزيد من المنصات لتضليلك.

Sorry.

آسف.

I mean, I can just go on and on and on.

أعني، يمكنني أن أستمر وأستمر.

The key thing to understand about this new economics

الشيء الرئيسي الذي يجب فهمه حول هذا الاقتصاد الجديد

is that we collectively, as a society, are not having enough humans.

هو أننا بشكل جماعي، كمجتمع، ليس لدينا ما يكفي من البشر.

Look at the reproduction rate in Asia,

انظر إلى معدل التكاثر في آسيا،

is essentially 1.0 for two parents.

وهو في الأساس 1.0 للوالدين.

This is not good, right?

هذا ليس جيدًا، أليس كذلك؟

So for the rest of our lives,

لذلك بالنسبة لبقية حياتنا،

the key problem is going to get the people who are productive.

فإن المشكلة الرئيسية هي الحصول على الأشخاص المنتجين.

That is, in their productive period of lives,

وهذا يعني، في فترة حياتهم الإنتاجية،

more productive to support old people like me, right,

أكثر إنتاجية لدعم كبار السن مثلي، أليس كذلك،

who will be bitching that we want more stuff from the younger people.

الذين سوف يتذمرون من أننا نريد المزيد من الأشياء من الشباب.

That's how it's going to work.

هذه هي الطريقة التي ستعمل بها.

These tools will radically increase that productivity.

ستؤدي هذه الأدوات إلى زيادة هذه الإنتاجية بشكل جذري.

There's a study that says that we will,

هناك دراسة تقول أننا سنقوم، في

under this set of assumptions around agentic AI and discovery

ظل هذه المجموعة من الافتراضات حول الذكاء الاصطناعي الفعال

and the scale that I'm describing,

والاكتشاف والمقياس الذي أصفه،

there's a lot of assumptions

هناك الكثير من الافتراضات

that you'll end up

بأنك ستنتهي

with something like 30-percent increase in productivity per year.

بشيء مثل زيادة الإنتاجية بنسبة 30 بالمائة سنويًا. بعد أن تحدثنا

Having now talked to a bunch of economists,

الآن إلى مجموعة من الاقتصاديين، ليس

they have no models

لديهم نماذج

for what that kind of increase in productivity looks like.

لما يبدو عليه هذا النوع من الزيادة في الإنتاجية.

We just have never seen it.

نحن فقط لم نرها من قبل.

It didn't occur in any rise of a democracy or a kingdom in our history.

لم يحدث ذلك في أي صعود للديمقراطية أو المملكة في تاريخنا.

It's unbelievable what's going to happen.

ما سيحدث أمر لا يصدق.

Hopefully we will get it in the right direction.

نأمل أن نحصل عليها في الاتجاه الصحيح.

BS: It is truly unbelievable.

BS: إنه أمر لا يصدق حقًا.

Let's bring this home, Eric.

دعونا نجلب هذا للمنزل، إيريك.

You've navigated decades of technological change.

لقد مررت بعقود من التغيير التكنولوجي.

For everyone that's navigating this AI transition,

بالنسبة لكل من يجتاز هذا التحول

technologists, leaders, citizens

في الذكاء الاصطناعي، والتقنيين،

that are feeling a mix of excitement and anxiety,

والقادة، والمواطنين الذين يشعرون بمزيج

what is that single piece of wisdom

من الإثارة والقلق، ما هي تلك الحكمة

or advice you'd like to offer

أو النصيحة التي ترغب

for navigating this insane moment that we're living through today?

في تقديمها للتنقل في هذه اللحظة المجنونة التي نعيشها اليوم؟

ES: So one thing to remember

ES: لذلك هناك شيء واحد يجب تذكره

is that this is a marathon, not a sprint.

وهو أن هذا ماراثون وليس سباق سريع.

One year I decided to do a 100-mile bike race,

في إحدى السنوات قررت أن أقوم بسباق 100 ميل للدراجات

which was a mistake.

، وكان ذلك خطأ.

And the idea was, I learned about spin rate.

وكانت الفكرة هي أنني تعلمت عن معدل الدوران.

Every day, you get up, and you just keep going.

كل يوم، تستيقظ، وتستمر.

You know, from our work together at Google,

كما تعلم، من خلال عملنا معًا في Google،

that when you’re growing at the rate that we’re growing,

أنه عندما تنمو بالمعدل الذي ننمو به،

you get so much done in a year,

فإنك تنجز الكثير في السنة،

you forget how far you went.

وتنسى إلى أي مدى ذهبت.

Humans can't understand that.

لا يستطيع البشر فهم ذلك.

And we're in this situation

ونحن في هذه الحالة

where the exponential is moving like this.

حيث يتحرك الأسي بهذه الطريقة.

As this stuff happens quicker,

عندما تحدث هذه الأشياء بشكل أسرع،

you will forget what was true two years ago or three years ago.

سوف تنسى ما كان صحيحًا قبل عامين أو ثلاثة أعوام.

That's the key thing.

هذا هو الشيء الرئيسي.

So my advice to you all is ride the wave, but ride it every day.

لذا فإن نصيحتي لكم جميعًا هي ركوب الموجة، ولكن ركوبها كل يوم.

Don't view it as episodic and something you can end,

لا تنظر إليه على أنه عرضي وشيء يمكنك إنهائه،

but understand it and build on it.

ولكن افهمه وقم بالبناء عليه.

Each and every one of you has a reason to use this technology.

كل واحد منكم لديه سبب لاستخدام هذه التكنولوجيا.

If you're an artist, a teacher, a physician,

إذا كنت فنانًا أو معلمًا أو طبيبًا أو

a business person, a technical person.

رجل أعمال أو شخصًا تقنيًا.

If you're not using this technology,

إذا كنت لا تستخدم هذه التكنولوجيا،

you're not going to be relevant compared to your peer groups

فلن تكون مناسبًا مقارنة بمجموعات نظرائك

and your competitors

ومنافسيك والأشخاص

and the people who want to be successful.

الذين يريدون أن يكونوا ناجحين.

Adopt it, and adopt it fast.

قم باعتماده واعتماده بسرعة.

I have been shocked at how fast these systems --

لقد صدمت من مدى سرعة هذه الأنظمة --

as an aside, my background is enterprise software,

جانبا، خلفيتي هي برامج الشركات،

and nowadays there's a model Protocol from Anthropic.

وفي الوقت الحاضر هناك بروتوكول نموذجي من Anthropic.

You can actually connect the model directly into the databases

يمكنك بالفعل توصيل النموذج مباشرة بقواعد البيانات

without any of the connectors.

بدون أي من الموصلات.

I know this sounds nerdy.

أعلم أن هذا يبدو غريبًا.

There's a whole industry there that goes away

هناك صناعة كاملة تختفي

because you have all this flexibility now.

لأن لديك كل هذه المرونة الآن.

You can just say what you want, and it just produces it.

يمكنك فقط أن تقول ما تريد، وهي تنتجه فقط.

That's an example of a real change in business.

هذا مثال على التغيير الحقيقي في الأعمال التجارية.

There are so many of these things coming every day.

هناك الكثير من هذه الأشياء التي تأتي كل يوم.

BS: Ladies and gentlemen, Eric Schmidt.

BS: السيدات والسادة، إريك شميدت.

ES: Thank you very much.

ES: شكرا جزيلا لكم.

(Applause)

(تصفيق)