How AI can bring on a second Industrial Revolution | Kevin Kelly

340,981 views ・ 2017-01-12

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Překladatel: Adam Voldřich Korektor: Petr Bela
00:14
I'm going to talk a little bit about where technology's going.
1
14966
3817
Budu mluvit o tom, kam směřují technologie.
00:19
And often technology comes to us,
2
19509
2671
Pokaždé, když se setkáme s technologiemi,
00:22
we're surprised by what it brings.
3
22566
1865
překvapuje nás, co vše přináší.
00:24
But there's actually a large aspect of technology
4
24455
3683
Je zde vlastně ale mnoho věcí o technologiích,
které jsou značně předvídatelné,
00:28
that's much more predictable,
5
28162
1802
00:29
and that's because technological systems of all sorts have leanings,
6
29988
4088
protože technologické systémy všech druhů mají sklony,
mají důležitost,
00:34
they have urgencies,
7
34100
1175
00:35
they have tendencies.
8
35299
1561
mají tendence.
00:36
And those tendencies are derived from the very nature of the physics,
9
36884
4932
Tyto tendence jsou odvozeny od samotné podstaty fyziky,
00:41
chemistry of wires and switches and electrons,
10
41840
3150
chemických vazeb, přepínačů a elektronů
00:45
and they will make reoccurring patterns again and again.
11
45659
3602
a vytváří opakující se vzorce znovu a znovu.
00:49
And so those patterns produce these tendencies, these leanings.
12
49745
4874
A z těchto vzorců vznikají tyto tendence, takové sklony.
00:54
You can almost think of it as sort of like gravity.
13
54643
2831
Mohli byste o tom přemýšlet téměř jako o gravitaci.
00:57
Imagine raindrops falling into a valley.
14
57498
2319
Představte si dešťové kapky padající do údolí.
00:59
The actual path of a raindrop as it goes down the valley
15
59841
3088
Skutečná cesta padající kapky údolím
01:02
is unpredictable.
16
62953
1169
je nepředvídatelná.
01:04
We cannot see where it's going,
17
64651
1518
Nemůžeme vidět, kam míří,
01:06
but the general direction is very inevitable:
18
66193
2277
ale obecný směr je nevyhnutelný.
01:08
it's downward.
19
68494
1234
Je to dolů.
01:10
And so these baked-in tendencies and urgencies
20
70377
4572
A tyto jasné tendence a nutnosti
01:14
in technological systems
21
74973
1476
v technologickém systému
nám ukazují, kam věci jako celek směřují.
01:17
give us a sense of where things are going at the large form.
22
77051
3609
Takže v hlubším smyslu,
01:21
So in a large sense,
23
81149
1401
01:22
I would say that telephones were inevitable,
24
82574
3361
řekl bych, že telefony byly nevyhnutelné,
ale iPhone nebyl.
01:27
but the iPhone was not.
25
87005
1342
Internet byl nevyhnutelný,
01:29
The Internet was inevitable,
26
89094
1478
01:31
but Twitter was not.
27
91274
1286
ale Twitter nebyl.
Nyní máme mnoho současných tendencí,
01:33
So we have many ongoing tendencies right now,
28
93036
3928
01:36
and I think one of the chief among them
29
96988
2720
a já myslím, že hlavní tendencí
01:39
is this tendency to make things smarter and smarter.
30
99732
3722
je dělat věci chytřejší a chytřejší.
Říkám tomu poznávání (cognification),
01:44
I call it cognifying -- cognification --
31
104041
2212
01:46
also known as artificial intelligence, or AI.
32
106783
2782
také známo jako umělá inteligence nebo AI.
Myslím, že to nejvíce ovlivní vývoj,
01:50
And I think that's going to be one of the most influential developments
33
110025
3746
01:53
and trends and directions and drives in our society in the next 20 years.
34
113795
5575
trendy a směr a požene naši společnost v dalších 20 letech.
Samozřejmě už je to tady.
02:00
So, of course, it's already here.
35
120021
1985
My už umělou inteligenci máme,
02:02
We already have AI,
36
122030
2204
02:04
and often it works in the background,
37
124258
2398
vždy pracuje na pozadí,
02:06
in the back offices of hospitals,
38
126680
1586
v zázemí nemocnic,
02:08
where it's used to diagnose X-rays better than a human doctor.
39
128290
4686
kde provádí diagnostiku rentgenů lépe než lidský lékař.
Je v advokátních kancelářích,
02:13
It's in legal offices,
40
133000
1726
02:14
where it's used to go through legal evidence
41
134750
2368
kde prochází právní důkazy
lépe než lidský koncipient.
02:17
better than a human paralawyer.
42
137142
1855
02:19
It's used to fly the plane that you came here with.
43
139506
3656
Lítá s letadly, kterými jste sem přiletěli.
Lidští piloti řídí letadlo pouze sedm až osm minut,
02:24
Human pilots only flew it seven to eight minutes,
44
144165
2381
02:26
the rest of the time the AI was driving.
45
146570
1953
zbytek času řídí AI.
02:28
And of course, in Netflix and Amazon,
46
148547
2173
A samozřejmě v Netflixu a Amazonu,
02:30
it's in the background, making those recommendations.
47
150744
2530
na pozadí vytváří doporučení.
02:33
That's what we have today.
48
153298
1261
To máme dnes.
02:34
And we have an example, of course, in a more front-facing aspect of it,
49
154583
4801
A máme příklad, který je samozřejmě více vidět,
02:39
with the win of the AlphaGo, who beat the world's greatest Go champion.
50
159408
6629
s výhrou AlphaGo nad světově nejlepším šampionem hry Go.
02:46
But it's more than that.
51
166478
4053
Ale je toho více.
02:50
If you play a video game, you're playing against an AI.
52
170555
2642
Pokud hrajete video hry, hrajete proti AI.
02:53
But recently, Google taught their AI
53
173221
4538
Avšak nedávno Google naučil svoji AI,
02:57
to actually learn how to play video games.
54
177783
2412
jak vlastně hrát video hry.
03:00
Again, teaching video games was already done,
55
180686
2709
Opět, učení video her bylo zvládnuto,
03:03
but learning how to play a video game is another step.
56
183419
3897
ale učení se jak hrát video hru je dalším krokem.
03:07
That's artificial smartness.
57
187340
1678
To je umělá chytrost.
03:10
What we're doing is taking this artificial smartness
58
190571
4522
To co děláme je, že vezmeme tuto umělou chytrost
a děláme ji chytřejší a chytřejší.
03:15
and we're making it smarter and smarter.
59
195117
2423
03:18
There are three aspects to this general trend
60
198710
3895
Tyto tři pohledy na tento obecný trend
03:22
that I think are underappreciated;
61
202629
1689
jsou, myslím, nedoceněné.
03:24
I think we would understand AI a lot better
62
204342
2277
Myslím, že bychom AI porozuměli mnohem lépe,
03:26
if we understood these three things.
63
206643
2301
kdybychom rozuměli těmto třem věcem.
03:28
I think these things also would help us embrace AI,
64
208968
3283
Myslím, že tyto věci nám také pomohou AI přijmout.
03:32
because it's only by embracing it that we actually can steer it.
65
212275
3008
Protože pouze pokud ji přijmeme, tak ji můžeme řídit.
03:35
We can actually steer the specifics by embracing the larger trend.
66
215887
3157
Můžeme vlastně ovládat specifikace, když přijmeme širší trend.
03:39
So let me talk about those three different aspects.
67
219467
2979
Dovolte mi promluvit o těchto třech rozdílných hlediscích.
03:42
The first one is: our own intelligence has a very poor understanding
68
222470
3673
Zaprvé: naše vlastní inteligence velmi špatně chápe,
co je inteligence.
03:46
of what intelligence is.
69
226167
1490
Máme sklon přemýšlet o inteligenci jako o jedné dimenzi,
03:48
We tend to think of intelligence as a single dimension,
70
228110
3653
03:51
that it's kind of like a note that gets louder and louder.
71
231787
2750
která je jako tón, který je hlasitější a hlasitější.
03:54
It starts like with IQ measurement.
72
234561
2607
Začíná to s měřením IQ.
03:57
It starts with maybe a simple low IQ in a rat or mouse,
73
237192
4092
Začíná to asi s jednoduchým, nízkým IQ v kryse nebo myši
04:01
and maybe there's more in a chimpanzee,
74
241308
2134
a možná je více v šimpanzovi
04:03
and then maybe there's more in a stupid person,
75
243887
2191
a potom možná je více v hloupém člověkovi
a potom je možná průměrný člověk, jako já
04:06
and then maybe an average person like myself,
76
246102
2096
04:08
and then maybe a genius.
77
248222
1290
a potom možná genius.
04:09
And this single IQ intelligence is getting greater and greater.
78
249536
4433
A tato jediná IQ inteligence je vyšší a vyšší.
04:14
That's completely wrong.
79
254516
1151
To je úplně špatně.
04:15
That's not what intelligence is -- not what human intelligence is, anyway.
80
255691
3608
To není to, co inteligence je -- ani co je lidská inteligence mimochodem.
04:19
It's much more like a symphony of different notes,
81
259673
4506
Je to spíše jako symfonie rozdílných tónů
04:24
and each of these notes is played on a different instrument of cognition.
82
264203
3609
a každý z těchto tónů hraje rozdílný nástroj poznání.
04:27
There are many types of intelligences in our own minds.
83
267836
3701
V naší mysli je mnoho typů inteligence.
04:31
We have deductive reasoning,
84
271561
3048
Máme deduktivní zdůvodňování,
04:34
we have emotional intelligence,
85
274633
2221
máme emoční inteligenci,
04:36
we have spatial intelligence;
86
276878
1393
máme prostorovou inteligenci;
04:38
we have maybe 100 different types that are all grouped together,
87
278295
4021
máme možná 100 různých typů, které jsou spojeny dohromady
04:42
and they vary in different strengths with different people.
88
282340
3905
a mají rozdílnou intenzitu u různých lidí.
04:46
And of course, if we go to animals, they also have another basket --
89
286269
4526
A samozřejmě, když přejdeme ke zvířatům, mají rozdílné
04:50
another symphony of different kinds of intelligences,
90
290819
2541
další symfonie rozdílných druhů inteligencí,
04:53
and sometimes those same instruments are the same that we have.
91
293384
3566
a občas tyto jejich nástroje jsou stejné, jako máme my.
04:56
They can think in the same way, but they may have a different arrangement,
92
296974
3561
Můžeme stejně myslet, ale oni mají jiné uspořádání
05:00
and maybe they're higher in some cases than humans,
93
300559
2467
a možná jsou lepší v některých případech než lidé,
jako dlouhodobá paměť veverky, která je fenomenální,
05:03
like long-term memory in a squirrel is actually phenomenal,
94
303050
2837
05:05
so it can remember where it buried its nuts.
95
305911
2287
může si tak zapamatovat kam schovala oříšky.
05:08
But in other cases they may be lower.
96
308222
1987
V ostatních případech může být ale nižší.
05:10
When we go to make machines,
97
310233
2730
Když vyrobíme stroje,
05:12
we're going to engineer them in the same way,
98
312987
2196
navrhneme je stejnou cestou,
05:15
where we'll make some of those types of smartness much greater than ours,
99
315207
5010
kde bychom udělali některé takové inteligence lepší než naše
05:20
and many of them won't be anywhere near ours,
100
320241
2571
a některé se našim nebudou ani blížit,
05:22
because they're not needed.
101
322836
1544
protože nebudou potřeba.
05:24
So we're going to take these things,
102
324404
2203
Takže vezmeme tyto věci,
05:26
these artificial clusters,
103
326631
2081
tyto umělé spojitosti
05:28
and we'll be adding more varieties of artificial cognition to our AIs.
104
328736
5362
a budeme přidávat další možnosti umělého poznávání našim AI.
05:34
We're going to make them very, very specific.
105
334507
4071
Vytvoříme je velmi specifická.
05:38
So your calculator is smarter than you are in arithmetic already;
106
338602
6542
Takže vaše kalkulačka je už mnohem chytřejší v počtech než vy;
vaše GPS je chytřejší než vy v prostorové orientaci;
05:45
your GPS is smarter than you are in spatial navigation;
107
345168
3697
05:49
Google, Bing, are smarter than you are in long-term memory.
108
349337
4258
Google, Bing mají lepší dlouhodobou paměť než vy.
05:54
And we're going to take, again, these kinds of different types of thinking
109
354339
4530
Vezmeme znovu tyto rozdílné typy myšlení
05:58
and we'll put them into, like, a car.
110
358893
1933
a dáme je například do auta.
06:00
The reason why we want to put them in a car so the car drives,
111
360850
3057
Důvod proč to tam dáme, je aby řídilo auto,
06:03
is because it's not driving like a human.
112
363931
2302
ne aby se řídilo jako to dělají lidé,
06:06
It's not thinking like us.
113
366257
1396
nemyslí tak jako my.
06:07
That's the whole feature of it.
114
367677
1920
To je její vlastnost.
06:09
It's not being distracted,
115
369621
1535
Není roztržitá,
06:11
it's not worrying about whether it left the stove on,
116
371180
2754
Nestará se, zda nechala zapnutý sporák,
06:13
or whether it should have majored in finance.
117
373958
2138
nebo jestli měla vystudovat finance.
Pouze řídí.
06:16
It's just driving.
118
376120
1153
06:17
(Laughter)
119
377297
1142
(Smích)
06:18
Just driving, OK?
120
378463
1841
Pouze řídí, dobře?
06:20
And we actually might even come to advertise these
121
380328
2937
Mohli bychom to vlastně prezentovat
06:23
as "consciousness-free."
122
383289
1545
jako "nemající vědomí".
06:24
They're without consciousness,
123
384858
1774
Jsou bez uvědomění,
06:26
they're not concerned about those things,
124
386656
2104
nestarají se o takové věci,
06:28
they're not distracted.
125
388784
1156
Nejsou roztržití.
06:29
So in general, what we're trying to do
126
389964
2966
Takže obecně vzato, snažíme se udělat
06:32
is make as many different types of thinking as we can.
127
392954
4500
co nejvíce rozdílných typů myšlení, kolik jen můžeme.
06:37
We're going to populate the space
128
397804
2083
Snažíme se vyplnit prostor
06:39
of all the different possible types, or species, of thinking.
129
399911
4159
co nejvíce typy nebo druhy myšlení.
Mohly by zde být ale nějaké problémy,
06:44
And there actually may be some problems
130
404094
2068
06:46
that are so difficult in business and science
131
406186
2800
které jsou v byznysu a vědě tak složité,
že by pouze náš způsob myšlení nemusel na tyto problémy stačit.
06:49
that our own type of human thinking may not be able to solve them alone.
132
409010
4042
Potřebujeme tedy dvoufázový proces,
06:53
We may need a two-step program,
133
413076
1992
který bude na vymyšlení nových druhů myšlení,
06:55
which is to invent new kinds of thinking
134
415092
4203
06:59
that we can work alongside of to solve these really large problems,
135
419692
3734
abychom mohli pracovat spolu na složitějších problémech,
07:03
say, like dark energy or quantum gravity.
136
423450
2918
Řekněme například na temné energii nebo na kvantové gravitaci.
07:08
What we're doing is making alien intelligences.
137
428496
2646
To, co děláme, je vyrábění mimozemské inteligence
Můžete o tom přemýšlet jako o druhu umělých mimozemšťanů,
07:11
You might even think of this as, sort of, artificial aliens
138
431166
4069
07:15
in some senses.
139
435259
1207
v určitém smyslu.
07:16
And they're going to help us think different,
140
436490
2300
Pomůžou nám přemýšlet rozdílně,
07:18
because thinking different is the engine of creation
141
438814
3632
protože přemýšlet rozdílně je hnací silou kreativity,
07:22
and wealth and new economy.
142
442470
1867
bohatství a nové ekonomiky.
07:25
The second aspect of this is that we are going to use AI
143
445835
4923
Druhou věcí bude v podstatě použití AI
07:30
to basically make a second Industrial Revolution.
144
450782
2950
ke druhé průmyslové revoluci.
První průmyslová revoluce vznikla, protože jsme
07:34
The first Industrial Revolution was based on the fact
145
454135
2773
07:36
that we invented something I would call artificial power.
146
456932
3462
vymysleli něco, čemu bych řekl umělá síla.
07:40
Previous to that,
147
460879
1150
Před tím,
během zemědělské revoluce,
07:42
during the Agricultural Revolution,
148
462053
2034
vše, co bylo vyrobeno, vyrobily lidské svaly
07:44
everything that was made had to be made with human muscle
149
464111
3702
07:47
or animal power.
150
467837
1307
nebo zvířecí síla.
07:49
That was the only way to get anything done.
151
469565
2063
To byla jediná možnost, jak něco udělat.
07:51
The great innovation during the Industrial Revolution was,
152
471652
2945
Velká inovace industriální revoluce spočívala v tom,
07:54
we harnessed steam power, fossil fuels,
153
474621
3109
že jsme použili energii páry a fosilní paliva,
07:57
to make this artificial power that we could use
154
477754
3856
abychom mohli používat tuto sílu
08:01
to do anything we wanted to do.
155
481634
1669
a dělat věci, které chceme.
08:03
So today when you drive down the highway,
156
483327
2772
Takže dnes, když jedete po silnici,
08:06
you are, with a flick of the switch, commanding 250 horses --
157
486571
4525
ovládáte, pouze malým pohybem, 250 koní --
250 koňských sil --
08:11
250 horsepower --
158
491120
1572
08:12
which we can use to build skyscrapers, to build cities, to build roads,
159
492716
4692
Můžeme je využít ke stavbě mrakodrapů, měst a stavbě cest.
08:17
to make factories that would churn out lines of chairs or refrigerators
160
497432
5789
postavit továrny, které chrlí hromady židlí nebo ledniček,
08:23
way beyond our own power.
161
503245
1654
což je zcela nad naše vlastní síly.
08:24
And that artificial power can also be distributed on wires on a grid
162
504923
6111
A síla strojů může být rozdělena do všech oblastí,
do každého domu, továrny, statku
08:31
to every home, factory, farmstead,
163
511058
3199
08:34
and anybody could buy that artificial power,
164
514281
4191
a každý si tuto pomocnou sílu může koupit,
08:38
just by plugging something in.
165
518496
1472
stačí to pouze připojit.
08:39
So this was a source of innovation as well,
166
519992
2439
Bylo to samozřejmě zdrojem inovací,
08:42
because a farmer could take a manual hand pump,
167
522455
3418
protože každý farmář mohl vzít pumpu,
08:45
and they could add this artificial power, this electricity,
168
525897
2916
mohl ji připojit k této umělé síle, k elektřině
08:48
and he'd have an electric pump.
169
528837
1497
a získal by elektrickou pumpu.
08:50
And you multiply that by thousands or tens of thousands of times,
170
530358
3318
A to si vynásobte tisíckrát nebo desettisíckrát
08:53
and that formula was what brought us the Industrial Revolution.
171
533700
3159
a tento vzorec nám přinesl průmyslovou revoluci.
08:56
All the things that we see, all this progress that we now enjoy,
172
536883
3585
Všechny věci, které teď vidíme, všechen tento pokrok, který si užíváme,
09:00
has come from the fact that we've done that.
173
540492
2063
vychází ze skutečnosti, co jsme udělali.
09:02
We're going to do the same thing now with AI.
174
542579
2348
Stejnou věc teď uděláme s AI.
09:04
We're going to distribute that on a grid,
175
544951
2075
Rozšíříme ji v dalších oblastech
a teď si vezměte tu elektrickou pumpu.
09:07
and now you can take that electric pump.
176
547050
2374
09:09
You can add some artificial intelligence,
177
549448
2968
Můžete přidat umělou inteligenci,
09:12
and now you have a smart pump.
178
552440
1481
a máte teď chytrou pumpu.
09:13
And that, multiplied by a million times,
179
553945
1928
A to vynásobte milionkrát
09:15
is going to be this second Industrial Revolution.
180
555897
2363
a nastane druhá průmyslová revoluce.
09:18
So now the car is going down the highway,
181
558284
2382
Takže teď auto jedoucí po ulici,
09:20
it's 250 horsepower, but in addition, it's 250 minds.
182
560690
4294
má 250 koňských sil, ale také 250 myslí.
To je autonomní auto.
09:25
That's the auto-driven car.
183
565008
1769
09:26
It's like a new commodity;
184
566801
1389
Je to jako nový produkt;
09:28
it's a new utility.
185
568214
1303
nový nástroj.
09:29
The AI is going to flow across the grid -- the cloud --
186
569541
3041
AI se rozšíří napříč po síti, po cloudu,
09:32
in the same way electricity did.
187
572606
1567
jako to udělala elektřina.
09:34
So everything that we had electrified,
188
574197
2380
Takže vše co je elektrifikováno,
09:36
we're now going to cognify.
189
576601
1723
bude teď chytré.
09:38
And I would suggest, then,
190
578693
1385
A dlužím to Jeffovi,
že vzorec pro dalších 10 000 začínajících firem
09:40
that the formula for the next 10,000 start-ups
191
580102
3732
09:43
is very, very simple,
192
583858
1162
je velmi jednoduchý.
Vezmeme x a přidáme AI.
09:45
which is to take x and add AI.
193
585044
3167
To je ten vzorec, který teď budeme používat.
09:49
That is the formula, that's what we're going to be doing.
194
589100
2812
09:51
And that is the way in which we're going to make
195
591936
3306
Toto je způsob, kterým provedeme
09:55
this second Industrial Revolution.
196
595266
1858
tuto druhou průmyslovou revoluci.
A mimochodem -- právě teď, tuto minutu,
09:57
And by the way -- right now, this minute,
197
597148
2154
09:59
you can log on to Google
198
599326
1169
můžete se přihlásit na Google
10:00
and you can purchase AI for six cents, 100 hits.
199
600519
3882
a můžete si pořídit AI za šest centů, 100 zobrazení.
10:04
That's available right now.
200
604758
1604
Je to přístupné právě teď.
10:06
So the third aspect of this
201
606386
2286
A třetím hlediskem je,
10:09
is that when we take this AI and embody it,
202
609315
2678
když vezmeme AI a ztělesníme to,
vytvoříme roboty.
10:12
we get robots.
203
612017
1173
10:13
And robots are going to be bots,
204
613214
1703
Všichni roboti budou boti,
10:14
they're going to be doing many of the tasks that we have already done.
205
614941
3328
budou dělat spoustu věcí, které jsme doposud dělali.
10:20
A job is just a bunch of tasks,
206
620357
1528
Práce je pouze souborem úkolů,
10:21
so they're going to redefine our jobs
207
621909
1762
takže oni nově nadefinují naše práce,
10:23
because they're going to do some of those tasks.
208
623695
2259
protože oni budou dělat některé tyto úkoly.
10:25
But they're also going to create whole new categories,
209
625978
3197
Vytvoří ale také úplně nová odvětví,
10:29
a whole new slew of tasks
210
629199
2247
zcela nové soubory úkolů,
10:31
that we didn't know we wanted to do before.
211
631470
2457
o kterých jsme v minulosti nevěděli, že je budeme chtít dělat.
10:33
They're going to actually engender new kinds of jobs,
212
633951
3637
Doslova stvoří nové druhy prací,
10:37
new kinds of tasks that we want done,
213
637612
2271
nové druhy úkolů, které musejí být hotové,
10:39
just as automation made up a whole bunch of new things
214
639907
3405
přesně jako automatizace vytvořila úplně novou spoustu věcí,
10:43
that we didn't know we needed before,
215
643336
1834
o kterých jsme nevěděli, že je budeme potřebovat
10:45
and now we can't live without them.
216
645194
1956
a teď bez nich nemůžeme žít.
Takže se vytvoří mnohem více prací než zanikne,
10:47
So they're going to produce even more jobs than they take away,
217
647174
3956
je ale důležité, že mnoho úkolů, které jim zadáme,
10:51
but it's important that a lot of the tasks that we're going to give them
218
651154
3434
10:54
are tasks that can be defined in terms of efficiency or productivity.
219
654612
4572
jsou úkoly, které mohou být vymezené, co se týče výkonu nebo produktivity.
10:59
If you can specify a task,
220
659676
1828
Pokud můžete specifikovat úkol,
11:01
either manual or conceptual,
221
661528
2235
jak manuální, tak koncepční,
11:03
that can be specified in terms of efficiency or productivity,
222
663787
4780
který může být specifikován v oblasti výkonu nebo produktivity,
11:08
that goes to the bots.
223
668591
1777
to budou dělat boti.
11:10
Productivity is for robots.
224
670758
2178
Výkonost je pro roboty.
11:12
What we're really good at is basically wasting time.
225
672960
3070
My jsme v podstatě dobří v plýtvání časem.
(Smích)
11:16
(Laughter)
226
676054
1028
Jsme dobří ve věcech, které jsou neefektivní.
11:17
We're really good at things that are inefficient.
227
677106
2316
11:19
Science is inherently inefficient.
228
679446
3025
Věda je ze své podstaty neefektivní.
11:22
It runs on that fact that you have one failure after another.
229
682816
2906
Pracuje na principu opakujících se nezdarů.
11:25
It runs on the fact that you make tests and experiments that don't work,
230
685746
3424
Funguje tak, že děláte testy a experimenty, které nefungují,
11:29
otherwise you're not learning.
231
689194
1442
jinak byste se neučili.
11:30
It runs on the fact
232
690660
1162
Pracuje na principu,
11:31
that there is not a lot of efficiency in it.
233
691846
2083
ve kterém není moc efektivity.
11:33
Innovation by definition is inefficient,
234
693953
2779
Inovace dle definice je neefektivnost,
11:36
because you make prototypes,
235
696756
1391
protože vyrábíte prototypy,
protože zkoušíte věci, které selžou, které nefungují.
11:38
because you try stuff that fails, that doesn't work.
236
698171
2707
11:40
Exploration is inherently inefficiency.
237
700902
3112
Bádání je ze své podstaty neefektivní.
Umění není efektivní.
11:44
Art is not efficient.
238
704038
1531
11:45
Human relationships are not efficient.
239
705593
2127
Mezilidské vztahy nejsou efektivní.
11:47
These are all the kinds of things we're going to gravitate to,
240
707744
2940
Toto všechno jsou věci, ke kterým budeme směřovat,
11:50
because they're not efficient.
241
710708
1475
protože jsou neefektivní.
11:52
Efficiency is for robots.
242
712207
2315
Efektivita je pro roboty.
11:55
We're also going to learn that we're going to work with these AIs
243
715338
4123
My se také naučíme, jak s AI spolupracovat,
11:59
because they think differently than us.
244
719485
1997
protože myslí jinak než my.
Když Deep Blue porazil světového šachového šampiona,
12:02
When Deep Blue beat the world's best chess champion,
245
722005
4314
12:06
people thought it was the end of chess.
246
726343
1929
lidé mysleli, že je to konec šachů.
12:08
But actually, it turns out that today, the best chess champion in the world
247
728296
4402
Ve skutečnosti ale, jak se dnes ukazuje, nejlepším šachovým šampionem na světě
12:12
is not an AI.
248
732722
1557
není AI
12:14
And it's not a human.
249
734906
1181
a není to ani člověk.
Je to tým člověka a AI.
12:16
It's the team of a human and an AI.
250
736111
2715
12:18
The best medical diagnostician is not a doctor, it's not an AI,
251
738850
4000
Nejlepší lékařské diagnostiky neprovádí lékař ani AI,
12:22
it's the team.
252
742874
1176
nejlepší je tým.
Budeme pracovat s AI
12:24
We're going to be working with these AIs,
253
744074
2149
12:26
and I think you'll be paid in the future
254
746247
1995
a myslím, že v budoucnosti budete placeni
12:28
by how well you work with these bots.
255
748266
2391
podle toho, jak dobře pracujete s těmito boty.
Tak, to je ta třetí věc, že jsou rozdílní,
12:31
So that's the third thing, is that they're different,
256
751026
4257
12:35
they're utility
257
755307
1165
jsou nástrojem,
12:36
and they are going to be something we work with rather than against.
258
756496
3816
je to něco, s čím chceme spíš spolupracovat než bojovat.
12:40
We're working with these rather than against them.
259
760336
2639
Pracujme s nimi, spíše než proti nim.
12:42
So, the future:
260
762999
1477
Tak budoucnost:
12:44
Where does that take us?
261
764500
1420
Kam nás zanese?
12:45
I think that 25 years from now, they'll look back
262
765944
3567
Myslím, že když se za 25 let ohlédnou
12:49
and look at our understanding of AI and say,
263
769535
3125
a podívají se na naše chápání AI a řeknou:
12:52
"You didn't have AI. In fact, you didn't even have the Internet yet,
264
772684
3300
,,Neměli jste AI, ve skutečnosti jste neměli ani internet,
ve srovnání s tím, co budeme mít za 25 let."
12:56
compared to what we're going to have 25 years from now."
265
776008
2741
12:59
There are no AI experts right now.
266
779849
3047
V současné době nemáme experty na AI.
13:02
There's a lot of money going to it,
267
782920
1699
Proudí do toho hodně peněz,
13:04
there are billions of dollars being spent on it;
268
784643
2268
utrácejí se za to miliardy dolarů;
13:06
it's a huge business,
269
786935
2164
je to obrovský byznys,
nemáme ale experty, v porovnání s tím, co budeme vědět za 20 let.
13:09
but there are no experts, compared to what we'll know 20 years from now.
270
789123
4272
Jsme teprve na začátku začátku,
13:14
So we are just at the beginning of the beginning,
271
794064
2885
13:16
we're in the first hour of all this.
272
796973
2163
jsme v první hodině toho všeho.
Jsme v první hodině internetu.
13:19
We're in the first hour of the Internet.
273
799160
1935
Jsme v první hodině toho, co přichází.
13:21
We're in the first hour of what's coming.
274
801119
2040
13:23
The most popular AI product in 20 years from now,
275
803183
4153
Nejoblíbenější AI produkt za 20 let,
13:27
that everybody uses,
276
807360
1444
který bude každý používat,
13:29
has not been invented yet.
277
809499
1544
nebyl zatím vynalezen.
13:32
That means that you're not late.
278
812464
2467
To znamená, že ještě nejdete pozdě.
13:35
Thank you.
279
815684
1151
Děkuji.
13:36
(Laughter)
280
816859
1026
(Smích)
13:37
(Applause)
281
817909
2757
(Potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7