Damon Horowitz calls for a "moral operating system"

94,639 views ・ 2011-06-06

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Tomáš Křehlík Korektor: Jan Kadlec
00:15
Power.
0
15260
2000
Moc.
00:17
That is the word that comes to mind.
1
17260
2000
To je to slovo, které se nám vybaví.
00:19
We're the new technologists.
2
19260
2000
My jsme noví technologové.
00:21
We have a lot of data, so we have a lot of power.
3
21260
3000
Máme spoustu dat, takže máme velkou moc.
00:24
How much power do we have?
4
24260
2000
Jak velkou moc máme?
00:26
Scene from a movie: "Apocalypse Now" -- great movie.
5
26260
3000
Scéna z filmu: "Apokalypsa" -- super film.
00:29
We've got to get our hero, Captain Willard, to the mouth of the Nung River
6
29260
3000
Musíme dostat našeho hrdinu, kapitána Willarda, k ústí řeky Nung,
00:32
so he can go pursue Colonel Kurtz.
7
32260
2000
aby mohl pronásledovat plukovníka Kurtze.
00:34
The way we're going to do this is fly him in and drop him off.
8
34260
2000
Uděláme to tak, že tam s ním doletíme a vysadíme ho tam.
00:36
So the scene:
9
36260
2000
Takže ta scéna:
00:38
the sky is filled with this fleet of helicopters carrying him in.
10
38260
3000
obloha je plná helikoptér, které nesou kapitána Willarda.
00:41
And there's this loud, thrilling music in the background,
11
41260
2000
A na pozadí hraje ta hlasitá, vzrušující hudba.
00:43
this wild music.
12
43260
2000
tahle nespoutaná hudba.
00:45
♫ Dum da ta da dum ♫
13
45260
2000
♫ Tam ta da ta tam ♫
00:47
♫ Dum da ta da dum ♫
14
47260
2000
♫ Tam ta da ta tam ♫
00:49
♫ Da ta da da ♫
15
49260
3000
♫ Ta da ta tá ♫
00:52
That's a lot of power.
16
52260
2000
To je velká moc.
00:54
That's the kind of power I feel in this room.
17
54260
2000
To je ten druh moci, který cítím v téhle místnosti.
00:56
That's the kind of power we have
18
56260
2000
To je ten druh moci, který máme,
00:58
because of all of the data that we have.
19
58260
2000
kvůli datům, které máme k dispozici.
01:00
Let's take an example.
20
60260
2000
Nějaký příklad.
01:02
What can we do
21
62260
2000
Co můžeme udělat
01:04
with just one person's data?
22
64260
3000
s údaji jediného člověka?
01:07
What can we do
23
67260
2000
Co můžeme udělat
01:09
with that guy's data?
24
69260
2000
s údaji o tom člověku?
01:11
I can look at your financial records.
25
71260
2000
Můžu se podívat na jeho finanční záznamy.
01:13
I can tell if you pay your bills on time.
26
73260
2000
Můžu říct, jestli platí na čas svoje složenky.
01:15
I know if you're good to give a loan to.
27
75260
2000
Vím, jestli je dost spolehlivý, abych mu dal půjčku.
01:17
I can look at your medical records; I can see if your pump is still pumping --
28
77260
3000
Můžu se podívat na jeho zdravotní záznamy, jestli mu ještě pumpuje pumpa...
01:20
see if you're good to offer insurance to.
29
80260
3000
podívat se, jestli ho mám pojistit.
01:23
I can look at your clicking patterns.
30
83260
2000
Můžu se podívat, kde kliká na monitoru.
01:25
When you come to my website, I actually know what you're going to do already
31
85260
3000
Když přijde na mou stránku, já vlastně už dopředu vím, co bude dělat,
01:28
because I've seen you visit millions of websites before.
32
88260
2000
protože jsem ho už viděl na miliónech jiných stránek.
01:30
And I'm sorry to tell you,
33
90260
2000
A, nerad to říkám,
01:32
you're like a poker player, you have a tell.
34
92260
2000
on je jako hráč pokeru, má zvláštní tik, který ho odhalí.
01:34
I can tell with data analysis what you're going to do
35
94260
2000
S pomocí datové analýzy dokážu říct, co bude dělat
01:36
before you even do it.
36
96260
2000
před tím, než to udělá.
01:38
I know what you like. I know who you are,
37
98260
3000
Vím, co má rád. Vím, kdo je.
01:41
and that's even before I look at your mail
38
101260
2000
A to dokonce před tím, než se podívám na jeho mail
01:43
or your phone.
39
103260
2000
nebo telefon.
01:45
Those are the kinds of things we can do
40
105260
2000
To je ten druh věcí, co můžeme dělat
01:47
with the data that we have.
41
107260
3000
s daty, která máme.
01:50
But I'm not actually here to talk about what we can do.
42
110260
3000
Ale já tu nejsem kvůli tomu, abych mluvil o tom, co můžeme dělat.
01:56
I'm here to talk about what we should do.
43
116260
3000
Jsem tu kvůli tomu, abych mluvil o tom, co bychom měli dělat.
02:00
What's the right thing to do?
44
120260
3000
Co bychom měli dělat?
02:04
Now I see some puzzled looks
45
124260
2000
Teď vidím nějaké zmatené obličeje,
02:06
like, "Why are you asking us what's the right thing to do?
46
126260
3000
které říkají: "Proč se nás ptáš, co bychom měli dělat?
02:09
We're just building this stuff. Somebody else is using it."
47
129260
3000
My to jenom vyvíjíme. Používá to někdo jiný."
02:12
Fair enough.
48
132260
3000
Dobře.
02:15
But it brings me back.
49
135260
2000
Ale přenáší mě to zpátky.
02:17
I think about World War II --
50
137260
2000
Přemýšlím o druhé světové válce.
02:19
some of our great technologists then,
51
139260
2000
Někteří výborní technologové,
02:21
some of our great physicists,
52
141260
2000
někteří naši nejlepší fyzikové
02:23
studying nuclear fission and fusion --
53
143260
2000
studovali jadernou fúzi a štěpnou reakci.
02:25
just nuclear stuff.
54
145260
2000
Jenom jaderné věci.
02:27
We gather together these physicists in Los Alamos
55
147260
3000
Shromáždili jsme ty fyziky v Los Alamos,
02:30
to see what they'll build.
56
150260
3000
abychom zjistili, co vyrobí.
02:33
We want the people building the technology
57
153260
3000
Chceme po lidech, kteří vytváří technologie,
02:36
thinking about what we should be doing with the technology.
58
156260
3000
aby přemýšleli o tom, co bychom s nimi měli dělat.
02:41
So what should we be doing with that guy's data?
59
161260
3000
Tak co bychom měli dělat s daty toho člověka?
02:44
Should we be collecting it, gathering it,
60
164260
3000
Měli bychom je shromažďovat, schraňovat,
02:47
so we can make his online experience better?
61
167260
2000
abychom zlepšili jeho online prostředí?
02:49
So we can make money?
62
169260
2000
Takže můžeme vydělat peníze?
02:51
So we can protect ourselves
63
171260
2000
Můžeme ochraňovat sami sebe,
02:53
if he was up to no good?
64
173260
2000
pokud by neměl dobré úmysly?
02:55
Or should we respect his privacy,
65
175260
3000
Nebo bychom měli respektovat jeho soukromí,
02:58
protect his dignity and leave him alone?
66
178260
3000
ochraňovat jeho důstojnost a nechat ho napokoji?
03:02
Which one is it?
67
182260
3000
Co bychom měli dělat?
03:05
How should we figure it out?
68
185260
2000
A jak bychom měli přijít na to, co dělat?
03:07
I know: crowdsource. Let's crowdsource this.
69
187260
3000
Vím: podle davu. Zjistíme to v davu.
03:11
So to get people warmed up,
70
191260
3000
Takže něco na zahřátí,
03:14
let's start with an easy question --
71
194260
2000
začneme s jednoduchou otázkou,
03:16
something I'm sure everybody here has an opinion about:
72
196260
3000
něco o čem si jsem jistý, že na to tady každý bude mít názor:
03:19
iPhone versus Android.
73
199260
2000
iPhone nebo Android.
03:21
Let's do a show of hands -- iPhone.
74
201260
3000
Ruce nahoru pro iPhone.
03:24
Uh huh.
75
204260
2000
Oh ho.
03:26
Android.
76
206260
3000
Android.
03:29
You'd think with a bunch of smart people
77
209260
2000
Člověk by si myslel, že taková parta chytrých lidí
03:31
we wouldn't be such suckers just for the pretty phones.
78
211260
2000
nebudou blázni jen kvůli hezkým telefonům.
03:33
(Laughter)
79
213260
2000
(Smích)
03:35
Next question,
80
215260
2000
Další otázka,
03:37
a little bit harder.
81
217260
2000
trošku těžší.
03:39
Should we be collecting all of that guy's data
82
219260
2000
Měli bychom shromažďovat data toho člověka,
03:41
to make his experiences better
83
221260
2000
abychom mu zlepšili jeho online prostředí
03:43
and to protect ourselves in case he's up to no good?
84
223260
3000
a ochraňovali sami sebe, pokud by měl špatné úmysly?
03:46
Or should we leave him alone?
85
226260
2000
Nebo bychom ho měli nechat napokoji?
03:48
Collect his data.
86
228260
3000
Shromažďovat data.
03:53
Leave him alone.
87
233260
3000
Nechat ho napokoji.
03:56
You're safe. It's fine.
88
236260
2000
Je v bezpečí, je to v pohodě.
03:58
(Laughter)
89
238260
2000
(Smích)
04:00
Okay, last question --
90
240260
2000
Dobrá, poslední otázka,
04:02
harder question --
91
242260
2000
těžší,
04:04
when trying to evaluate
92
244260
3000
když zkoušíme zjistit,
04:07
what we should do in this case,
93
247260
3000
co bychom měli dělat v tomhle případu,
04:10
should we use a Kantian deontological moral framework,
94
250260
4000
měli bychom použít Kantův deontologický morální rámec,
04:14
or should we use a Millian consequentialist one?
95
254260
3000
nebo bychom měli použít Millův konsekvenciální?
04:19
Kant.
96
259260
3000
Kant.
04:22
Mill.
97
262260
3000
Mill.
04:25
Not as many votes.
98
265260
2000
Docela málo hlasů.
04:27
(Laughter)
99
267260
3000
(Smích)
04:30
Yeah, that's a terrifying result.
100
270260
3000
Jo, to je strašný výsledek.
04:34
Terrifying, because we have stronger opinions
101
274260
4000
Strašidelný, protože máme vyhraněnější názory
04:38
about our hand-held devices
102
278260
2000
na naše smartphony
04:40
than about the moral framework
103
280260
2000
než na morální rámec,
04:42
we should use to guide our decisions.
104
282260
2000
který bychom měli používat při rozhodování.
04:44
How do we know what to do with all the power we have
105
284260
3000
Jak máme vědět, co dělat se vší mocí, kterou máme,
04:47
if we don't have a moral framework?
106
287260
3000
pokud nemáme morální rámec?
04:50
We know more about mobile operating systems,
107
290260
3000
Víme víc o mobilních operačních systémech,
04:53
but what we really need is a moral operating system.
108
293260
3000
ale opravdu bychom potřebovali morální operační systém.
04:58
What's a moral operating system?
109
298260
2000
Co je to morální operační systém?
05:00
We all know right and wrong, right?
110
300260
2000
Všichni víme, co je dobré a co je špatné, že.
05:02
You feel good when you do something right,
111
302260
2000
Cítíme se dobře, pokud něco uděláme dobře,
05:04
you feel bad when you do something wrong.
112
304260
2000
cítíme se špatně, pokud uděláme něco špatně.
05:06
Our parents teach us that: praise with the good, scold with the bad.
113
306260
3000
Naši rodiče nás učí, že se správným rozhodnutím přichází odměna a se špatným trest.
05:09
But how do we figure out what's right and wrong?
114
309260
3000
Ale jak víme, co je správné a co není?
05:12
And from day to day, we have the techniques that we use.
115
312260
3000
A ze dne na den máme technologie, které používáme.
05:15
Maybe we just follow our gut.
116
315260
3000
Možná následujeme nějaký vnitřní instinkt.
05:18
Maybe we take a vote -- we crowdsource.
117
318260
3000
Možná hlasujeme.
05:21
Or maybe we punt --
118
321260
2000
Nebo se na to vykašlem,
05:23
ask the legal department, see what they say.
119
323260
3000
zeptáme se právního oddělení, co si o tom myslí.
05:26
In other words, it's kind of random,
120
326260
2000
Jinak řečeno, je to takové náhodné,
05:28
kind of ad hoc,
121
328260
2000
trochu ad hoc,
05:30
how we figure out what we should do.
122
330260
3000
jak přicházíme na to, co bychom měli dělat.
05:33
And maybe, if we want to be on surer footing,
123
333260
3000
A možná, pokud bychom chtěli stát oběma nohama na zemi,
05:36
what we really want is a moral framework that will help guide us there,
124
336260
3000
to co opravdu chceme je morální rámec, který nás bude vést,
05:39
that will tell us what kinds of things are right and wrong in the first place,
125
339260
3000
který nám řekne, které věci jsou správné a které špatné
05:42
and how would we know in a given situation what to do.
126
342260
4000
a co bychom měli v dané situaci dělat.
05:46
So let's get a moral framework.
127
346260
2000
Sežeňme si tedy morální rámec.
05:48
We're numbers people, living by numbers.
128
348260
3000
Jsme číslíčkáři, žijeme čísly.
05:51
How can we use numbers
129
351260
2000
Jak můžeme použít čísla
05:53
as the basis for a moral framework?
130
353260
3000
jako základ pro náš morální rámec?
05:56
I know a guy who did exactly that.
131
356260
3000
Znám člověka, který přesně toto udělal.
05:59
A brilliant guy --
132
359260
3000
Výbornej chlap,
06:02
he's been dead 2,500 years.
133
362260
3000
už je 2500 let mrtvý.
06:05
Plato, that's right.
134
365260
2000
Platón, je to tak.
06:07
Remember him -- old philosopher?
135
367260
2000
Znáte ho? Starý filozof?
06:09
You were sleeping during that class.
136
369260
3000
Vy jste při těch hodinách spali.
06:12
And Plato, he had a lot of the same concerns that we did.
137
372260
2000
A Platón měl s námi hodně společných problémů.
06:14
He was worried about right and wrong.
138
374260
2000
Přemýšlel o správných a špatných věcech.
06:16
He wanted to know what is just.
139
376260
2000
Chtěl vědět, co je spravedlivé.
06:18
But he was worried that all we seem to be doing
140
378260
2000
Ale bál se, že jediné, co děláme je,
06:20
is trading opinions about this.
141
380260
2000
že si vyměňujeme názory.
06:22
He says something's just. She says something else is just.
142
382260
3000
On říká, že něco je spravedlivé, ona říká, že něco jiného je spravedlivé.
06:25
It's kind of convincing when he talks and when she talks too.
143
385260
2000
Oba jsou docela přesvědčiví, když mluví.
06:27
I'm just going back and forth; I'm not getting anywhere.
144
387260
2000
Jde to od desíti k pěti, nikam se nedostáváme.
06:29
I don't want opinions; I want knowledge.
145
389260
3000
Nechci názory, chci poznání.
06:32
I want to know the truth about justice --
146
392260
3000
Chci znát pravdu o spravedlnosti,
06:35
like we have truths in math.
147
395260
3000
tak jako máme pravdy v matematice.
06:38
In math, we know the objective facts.
148
398260
3000
V matematice máme objektivní fakta.
06:41
Take a number, any number -- two.
149
401260
2000
Vezměte si číslo, jakékoliv číslo, třeba dvojku.
06:43
Favorite number. I love that number.
150
403260
2000
Je to moje oblíbené číslo, miluju ho.
06:45
There are truths about two.
151
405260
2000
Máme pravdivé výroky o dvojce.
06:47
If you've got two of something,
152
407260
2000
Pokud máte dva něčeho
06:49
you add two more, you get four.
153
409260
2000
a přidáte další dva, máte čtyři.
06:51
That's true no matter what thing you're talking about.
154
411260
2000
Je to pravda vždycky, nehledě na to o čem mluvíte.
06:53
It's an objective truth about the form of two,
155
413260
2000
Je to objektivní pravda o dvojce,
06:55
the abstract form.
156
415260
2000
o abstraktní formě.
06:57
When you have two of anything -- two eyes, two ears, two noses,
157
417260
2000
Pokud máte dva čehokoliv: dvě oči, dvě uši, dva nosy,
06:59
just two protrusions --
158
419260
2000
dva výčnělky,
07:01
those all partake of the form of two.
159
421260
3000
ty všechny na sebe berou formu dvou.
07:04
They all participate in the truths that two has.
160
424260
4000
O všech platí pravdy, které platí o dvojce.
07:08
They all have two-ness in them.
161
428260
2000
Všechny mají v sobě vlastnosti dvojky.
07:10
And therefore, it's not a matter of opinion.
162
430260
3000
A proto to není věc názoru.
07:13
What if, Plato thought,
163
433260
2000
Co kdyby, myslel si Platón,
07:15
ethics was like math?
164
435260
2000
byla etika jako matematika?
07:17
What if there were a pure form of justice?
165
437260
3000
Co kdybychom měli čistou formu spravedlnosti?
07:20
What if there are truths about justice,
166
440260
2000
Co když existují pravdy o spravedlnosti,
07:22
and you could just look around in this world
167
442260
2000
kdy bychom se mohli jenom rozhlédnout po světě
07:24
and see which things participated,
168
444260
2000
a zjistit, kterých věcí jsou součástí,
07:26
partook of that form of justice?
169
446260
3000
které na sebe berou podobu té formy spravedlnosti?
07:29
Then you would know what was really just and what wasn't.
170
449260
3000
Potom bychom věděli, co je opravdu spravedlivé a co není.
07:32
It wouldn't be a matter
171
452260
2000
Nebyla by to jenom záležitost
07:34
of just opinion or just appearances.
172
454260
3000
názoru nebo pohledu.
07:37
That's a stunning vision.
173
457260
2000
To je ohromující představa.
07:39
I mean, think about that. How grand. How ambitious.
174
459260
3000
Vezměte si to. Tak vznešená, tak ambiciózní.
07:42
That's as ambitious as we are.
175
462260
2000
Tak ambiciózní, jako jsme my sami.
07:44
He wants to solve ethics.
176
464260
2000
On chce přijít na kloub etice.
07:46
He wants objective truths.
177
466260
2000
Chce objektivní pravdy.
07:48
If you think that way,
178
468260
3000
Pokud uvažujete tímto způsobem,
07:51
you have a Platonist moral framework.
179
471260
3000
máte Platónský morální rámec.
07:54
If you don't think that way,
180
474260
2000
Pokud tak neuvažujete,
07:56
well, you have a lot of company in the history of Western philosophy,
181
476260
2000
tak máte spousty přátel v historii západní filozofie,
07:58
because the tidy idea, you know, people criticized it.
182
478260
3000
protože tu krásnou myšlenku lidé kritizovali.
08:01
Aristotle, in particular, he was not amused.
183
481260
3000
Hlavně Aristoteles z ní nebyl moc nadšený.
08:04
He thought it was impractical.
184
484260
3000
Připadala mu nepraktická.
08:07
Aristotle said, "We should seek only so much precision in each subject
185
487260
4000
Řekl: "V každé disciplíně bychom měli hledat jen tolik přesnosti,
08:11
as that subject allows."
186
491260
2000
kolik nám disciplína dovoluje."
08:13
Aristotle thought ethics wasn't a lot like math.
187
493260
3000
Aristoteles si nemyslel, že etika je podobná matice.
08:16
He thought ethics was a matter of making decisions in the here-and-now
188
496260
3000
Věřil, že etika je záležitost rozhodování se tady a teď,
08:19
using our best judgment
189
499260
2000
používání našeho nejlepšího úsudku,
08:21
to find the right path.
190
501260
2000
abychom našli správnou cestu.
08:23
If you think that, Plato's not your guy.
191
503260
2000
Pokud tomu věříte, tak Platón není váš člověk.
08:25
But don't give up.
192
505260
2000
Ale nevzdávejte to.
08:27
Maybe there's another way
193
507260
2000
Možná je tu i jiná cesta,
08:29
that we can use numbers as the basis of our moral framework.
194
509260
3000
ve které bychom mohli použít čísla jako základ našeho morálního rámce.
08:33
How about this:
195
513260
2000
Co třeba tohle.
08:35
What if in any situation you could just calculate,
196
515260
3000
Co kdybychom mohli v každé situaci počítat,
08:38
look at the choices,
197
518260
2000
podívat se na možnosti,
08:40
measure out which one's better and know what to do?
198
520260
3000
a změřit, která je lepší a co dělat?
08:43
That sound familiar?
199
523260
2000
Zní to povědomě?
08:45
That's a utilitarian moral framework.
200
525260
3000
Je to utilitární morální rámec.
08:48
John Stuart Mill was a great advocate of this --
201
528260
2000
Velkým obhájcem tohohle přístupu byl John Stuart Mill,
08:50
nice guy besides --
202
530260
2000
dobrej chlap, mimochodem,
08:52
and only been dead 200 years.
203
532260
2000
a je mrtvej jen 200 let.
08:54
So basis of utilitarianism --
204
534260
2000
Takže základ utilitarismu,
08:56
I'm sure you're familiar at least.
205
536260
2000
určitě to znáte.
08:58
The three people who voted for Mill before are familiar with this.
206
538260
2000
Ti tři, kteří předtím hlasovali pro Milla, to určitě znají.
09:00
But here's the way it works.
207
540260
2000
Ale funguje to asi takhle.
09:02
What if morals, what if what makes something moral
208
542260
3000
Co kdyby morálka, něco co moralizuje věc,
09:05
is just a matter of if it maximizes pleasure
209
545260
2000
byla jenom otázka maximalizace požitku
09:07
and minimizes pain?
210
547260
2000
a minimalizace utrpení?
09:09
It does something intrinsic to the act.
211
549260
3000
Vytváří to něco zvláštního v jednání.
09:12
It's not like its relation to some abstract form.
212
552260
2000
Není to jako vztah k nějaké abstraktní formě.
09:14
It's just a matter of the consequences.
213
554260
2000
Je to jen záležitost následků.
09:16
You just look at the consequences
214
556260
2000
Jen se podíváme na následky
09:18
and see if, overall, it's for the good or for the worse.
215
558260
2000
a zjistíme, jestli jsou v součtu dobré nebo špatné.
09:20
That would be simple. Then we know what to do.
216
560260
2000
To by bylo jednoduché. Takže víme, co dělat.
09:22
Let's take an example.
217
562260
2000
Vezmeme si příklad.
09:24
Suppose I go up
218
564260
2000
Třeba řekněme, že přijdu
09:26
and I say, "I'm going to take your phone."
219
566260
2000
a řeknu: "Vezmu ti telefon."
09:28
Not just because it rang earlier,
220
568260
2000
Ne jenom kvůli tomu, že ti před chvílí zvonil,
09:30
but I'm going to take it because I made a little calculation.
221
570260
3000
ale vezmu ti ho, protože jsem si to trochu spočítal.
09:33
I thought, that guy looks suspicious.
222
573260
3000
Řekl jsem si, ten chlap vypadá podezřele.
09:36
And what if he's been sending little messages to Bin Laden's hideout --
223
576260
3000
A co kdyby posílal zprávy Bin Ládinovi do úkrytu,
09:39
or whoever took over after Bin Laden --
224
579260
2000
nebo teda komukoliv, kdo to po Bin Ládinovi převzal,
09:41
and he's actually like a terrorist, a sleeper cell.
225
581260
3000
a je vlastně terorista v utajení.
09:44
I'm going to find that out, and when I find that out,
226
584260
3000
Zjistím to a až to zjistím,
09:47
I'm going to prevent a huge amount of damage that he could cause.
227
587260
3000
zabráním spoustě škod, které mohl způsobit.
09:50
That has a very high utility to prevent that damage.
228
590260
3000
Předcházet škodám má velký užitek.
09:53
And compared to the little pain that it's going to cause --
229
593260
2000
A ve srovnání s malým utrpením, které mu tím způsobím,
09:55
because it's going to be embarrassing when I'm looking on his phone
230
595260
2000
protože to bude trapné, až mu budu koukat do telefonu
09:57
and seeing that he has a Farmville problem and that whole bit --
231
597260
3000
a uvidím, že má problémy s Farmvillem a vším tím okolo,
10:00
that's overwhelmed
232
600260
3000
to bude všechno překonáno
10:03
by the value of looking at the phone.
233
603260
2000
hodnotou, která vzejde z koukání na jeho telefon.
10:05
If you feel that way,
234
605260
2000
Pokud přemýšlíte takhle,
10:07
that's a utilitarian choice.
235
607260
3000
tak jste utilitariáni.
10:10
But maybe you don't feel that way either.
236
610260
3000
Ale možná nepřemýšlíte ani takhle.
10:13
Maybe you think, it's his phone.
237
613260
2000
Možná si říkáte, že je to jeho telefon.
10:15
It's wrong to take his phone
238
615260
2000
A je špatné vzít mu ho,
10:17
because he's a person
239
617260
2000
protože je člověk
10:19
and he has rights and he has dignity,
240
619260
2000
a má svá práva a důstojnost
10:21
and we can't just interfere with that.
241
621260
2000
a do toho my nesmíme zasahovat.
10:23
He has autonomy.
242
623260
2000
Má autonomii.
10:25
It doesn't matter what the calculations are.
243
625260
2000
Všechny kalkulace nemají význam.
10:27
There are things that are intrinsically wrong --
244
627260
3000
Jsou věci, které jsou z podstaty špatné,
10:30
like lying is wrong,
245
630260
2000
třeba lhaní
10:32
like torturing innocent children is wrong.
246
632260
3000
nebo mučení nevinného dítěte.
10:35
Kant was very good on this point,
247
635260
3000
Kant to říká jasně
10:38
and he said it a little better than I'll say it.
248
638260
2000
a taky trochu líp, než to řeknu já.
10:40
He said we should use our reason
249
640260
2000
Řekl, že bychom měli používat svůj rozum,
10:42
to figure out the rules by which we should guide our conduct,
250
642260
3000
abychom zjistili, podle jakých pravidel se máme chovat.
10:45
and then it is our duty to follow those rules.
251
645260
3000
A potom je naší povinností se podle těchto pravidel řídit.
10:48
It's not a matter of calculation.
252
648260
3000
Není to záležitost počtů.
10:51
So let's stop.
253
651260
2000
Takže přestaňme.
10:53
We're right in the thick of it, this philosophical thicket.
254
653260
3000
A teď jsme v tom až po uši, v té filozofické kaši.
10:56
And this goes on for thousands of years,
255
656260
3000
A takhle to jde po tisíce let,
10:59
because these are hard questions,
256
659260
2000
protože to jsou těžké otázky
11:01
and I've only got 15 minutes.
257
661260
2000
a já mám jen patnáct minut.
11:03
So let's cut to the chase.
258
663260
2000
Takže pojďme k věci.
11:05
How should we be making our decisions?
259
665260
4000
Jak bychom se měli rozhodovat?
11:09
Is it Plato, is it Aristotle, is it Kant, is it Mill?
260
669260
3000
Je to Platón, Aristoteles, Kant nebo Mill?
11:12
What should we be doing? What's the answer?
261
672260
2000
Co bychom měli dělat? Jaká je odpověď?
11:14
What's the formula that we can use in any situation
262
674260
3000
Jaký je vzorec, který můžeme použít pokaždé,
11:17
to determine what we should do,
263
677260
2000
když budeme chtít zjistit, co dělat,
11:19
whether we should use that guy's data or not?
264
679260
2000
jestli bychom měli používat data toho člověka?
11:21
What's the formula?
265
681260
3000
Jaký je ten vzorec?
11:25
There's not a formula.
266
685260
2000
Žádný není.
11:29
There's not a simple answer.
267
689260
2000
Není žádná jednoduchá odpověď.
11:31
Ethics is hard.
268
691260
3000
Etika je těžká.
11:34
Ethics requires thinking.
269
694260
3000
Etika vyžaduje přemýšlení.
11:38
And that's uncomfortable.
270
698260
2000
A to není příjemné.
11:40
I know; I spent a lot of my career
271
700260
2000
Znám to, strávil jsem velkou část své kariéry
11:42
in artificial intelligence,
272
702260
2000
umělou inteligencí,
11:44
trying to build machines that could do some of this thinking for us,
273
704260
3000
zkoušel jsem postavit stroje, které budou moci vymyslet tyhle věci za nás,
11:47
that could give us answers.
274
707260
2000
které nám dají odpovědi.
11:49
But they can't.
275
709260
2000
Ale oni nemůžou.
11:51
You can't just take human thinking
276
711260
2000
Nemůžete vzít lidské přemýšlení
11:53
and put it into a machine.
277
713260
2000
a vložit ho do stroje.
11:55
We're the ones who have to do it.
278
715260
3000
Musíme to udělat my sami.
11:58
Happily, we're not machines, and we can do it.
279
718260
3000
Naštěstí nejsme stroje a můžeme to udělat.
12:01
Not only can we think,
280
721260
2000
Nejenom že umíme přemýšlet,
12:03
we must.
281
723260
2000
my musíme.
12:05
Hannah Arendt said,
282
725260
2000
Hannah Arendtová řekla:
12:07
"The sad truth
283
727260
2000
"Smutná pravda je,
12:09
is that most evil done in this world
284
729260
2000
že nejvíce zla v tomto světě
12:11
is not done by people
285
731260
2000
není způsobeno lidmi,
12:13
who choose to be evil.
286
733260
2000
kteří se rozhodnou být zlí.
12:15
It arises from not thinking."
287
735260
3000
Nejvíc ho vzniká z nepřemýšlení."
12:18
That's what she called the "banality of evil."
288
738260
4000
To je to, čemu říkala "banalita zla."
12:22
And the response to that
289
742260
2000
A odpověď na to je,
12:24
is that we demand the exercise of thinking
290
744260
2000
že budeme požadovat přemýšlení
12:26
from every sane person.
291
746260
3000
od každého normálního člověka.
12:29
So let's do that. Let's think.
292
749260
2000
Udělejme to tedy. Přemýšlejme.
12:31
In fact, let's start right now.
293
751260
3000
Vlastně můžeme začít hned teď.
12:34
Every person in this room do this:
294
754260
3000
Každý v téhle místnosti,
12:37
think of the last time you had a decision to make
295
757260
3000
vzpomeňte si, kdy naposled jste museli udělat rozhodnutí,
12:40
where you were worried to do the right thing,
296
760260
2000
kdy jste měli strach, že neuděláte dobře,
12:42
where you wondered, "What should I be doing?"
297
762260
2000
kdy jste si říkali: "Co bych měl udělat?"
12:44
Bring that to mind,
298
764260
2000
Vzpomeňte si na to.
12:46
and now reflect on that
299
766260
2000
A teď přemýšlejte
12:48
and say, "How did I come up that decision?
300
768260
3000
a řekněte "Jak jsem přišel na to, co mám udělat?
12:51
What did I do? Did I follow my gut?
301
771260
3000
Co jsem udělal? Jednal jsem instinktivně?
12:54
Did I have somebody vote on it? Or did I punt to legal?"
302
774260
2000
Nechal jsem o tom hlasovat? Nebo jsem se na to vykašlal a zavolal na právní?"
12:56
Or now we have a few more choices.
303
776260
3000
Anebo teď máme několik dalších možností.
12:59
"Did I evaluate what would be the highest pleasure
304
779260
2000
"Vymyslel jsem, co vytvoří největší potěšení,
13:01
like Mill would?
305
781260
2000
jako by to udělal Mill?
13:03
Or like Kant, did I use reason to figure out what was intrinsically right?"
306
783260
3000
Nebo jako Kant, použil jsem rozum, abych přišel na to, co je správné?"
13:06
Think about it. Really bring it to mind. This is important.
307
786260
3000
Přemýšlejte o tom. Opravdu vzpomínejte. Je to důležité.
13:09
It is so important
308
789260
2000
Je to tak důležité,
13:11
we are going to spend 30 seconds of valuable TEDTalk time
309
791260
2000
že strávíme 30 sekund našeho TED času
13:13
doing nothing but thinking about this.
310
793260
2000
nicneděláním a přemýšlením.
13:15
Are you ready? Go.
311
795260
2000
Jste připravení? Jdem na to!
13:33
Stop. Good work.
312
813260
3000
Konec. Dobrá práce!
13:36
What you just did,
313
816260
2000
To co jste právě udělali,
13:38
that's the first step towards taking responsibility
314
818260
2000
je první krok k tomu, abychom přijali zodpovědnost
13:40
for what we should do with all of our power.
315
820260
3000
za to, co bychom měli dělat ze všech sil.
13:45
Now the next step -- try this.
316
825260
3000
Jako další krok vyzkoušíme tohle.
13:49
Go find a friend and explain to them
317
829260
2000
Jděte a najděte známého a vysvětlete mu,
13:51
how you made that decision.
318
831260
2000
jak jste k tomu rozhodnutí došli.
13:53
Not right now. Wait till I finish talking.
319
833260
2000
Ne teď. Počkejte až domluvím.
13:55
Do it over lunch.
320
835260
2000
Udělejte to třeba při obědě.
13:57
And don't just find another technologist friend;
321
837260
3000
A najděte někoho jiného než dalšího technologa,
14:00
find somebody different than you.
322
840260
2000
najděte někoho, kdo je jiný než vy.
14:02
Find an artist or a writer --
323
842260
2000
Najděte umělce nebo spisovatele
14:04
or, heaven forbid, find a philosopher and talk to them.
324
844260
3000
nebo, možná radši ne, najděte filozofa a mluvte s ním.
14:07
In fact, find somebody from the humanities.
325
847260
2000
Vlastně najděte někoho, kdo studuje humanitní vědy.
14:09
Why? Because they think about problems
326
849260
2000
Proč? Protože oni o problémech přemýšlejí
14:11
differently than we do as technologists.
327
851260
2000
jinak než my technologové.
14:13
Just a few days ago, right across the street from here,
328
853260
3000
Před několika dny, přímo přes ulici,
14:16
there was hundreds of people gathered together.
329
856260
2000
se shromáždily stovky lidí.
14:18
It was technologists and humanists
330
858260
2000
Byli to technologové a lidé, kteří studují humanitní vědy,
14:20
at that big BiblioTech Conference.
331
860260
2000
kteří přišli na BiblioTech Conference.
14:22
And they gathered together
332
862260
2000
A sešli se tam,
14:24
because the technologists wanted to learn
333
864260
2000
protože technologové chtěli zjistit,
14:26
what it would be like to think from a humanities perspective.
334
866260
3000
jaké by to bylo přemýšlet z perspektivy humanitních věd.
14:29
You have someone from Google
335
869260
2000
Máte třeba někoho z Googlu,
14:31
talking to someone who does comparative literature.
336
871260
2000
kdo mluví s někým zaobírajícím se komparativní literaturou.
14:33
You're thinking about the relevance of 17th century French theater --
337
873260
3000
Přemýšlíte o významu francouzského divadla sedmnáctého století
14:36
how does that bear upon venture capital?
338
876260
2000
a co má společného s rizikovým kapitálem?
14:38
Well that's interesting. That's a different way of thinking.
339
878260
3000
Hmm, to je zajímavé. To je jiný způsob myšlení.
14:41
And when you think in that way,
340
881260
2000
A když takhle začnete přemýšlet,
14:43
you become more sensitive to the human considerations,
341
883260
3000
začnete být citlivější na lidská kritéria,
14:46
which are crucial to making ethical decisions.
342
886260
3000
která jsou zásadní v etickém rozhodování.
14:49
So imagine that right now
343
889260
2000
Tak si to teď představme,
14:51
you went and you found your musician friend.
344
891260
2000
šli jste a našli jste nějakého muzikanta.
14:53
And you're telling him what we're talking about,
345
893260
3000
A říkáte mu, o čem jsme tady mluvili,
14:56
about our whole data revolution and all this --
346
896260
2000
o té datové revoluci a tak,
14:58
maybe even hum a few bars of our theme music.
347
898260
2000
možná i pár taktů naší úvodní hudby.
15:00
♫ Dum ta da da dum dum ta da da dum ♫
348
900260
3000
♫ Tam ta da da tam tam ta da da tam ♫
15:03
Well, your musician friend will stop you and say,
349
903260
2000
Muzikant vás zastaví a řekne:
15:05
"You know, the theme music
350
905260
2000
"Víš, že ta vaše úvodní hudba
15:07
for your data revolution,
351
907260
2000
k té datové revoluci,
15:09
that's an opera, that's Wagner.
352
909260
2000
to je opera, to je Wagner.
15:11
It's based on Norse legend.
353
911260
2000
Je založená na norské legendě.
15:13
It's Gods and mythical creatures
354
913260
2000
Jsou tam bohové a mytická stvoření,
15:15
fighting over magical jewelry."
355
915260
3000
kteří bojují o magický prsten."
15:19
That's interesting.
356
919260
3000
To je zajímavé.
15:22
Now it's also a beautiful opera,
357
922260
3000
Takže teď je to i krásná opera.
15:25
and we're moved by that opera.
358
925260
3000
A jsme dojatí z té opery.
15:28
We're moved because it's about the battle
359
928260
2000
Jsme dojatí, protože je to o boji
15:30
between good and evil,
360
930260
2000
mezi dobrem a zlem,
15:32
about right and wrong.
361
932260
2000
o správném a špatném.
15:34
And we care about right and wrong.
362
934260
2000
A nás zajímá, co je dobře a co špatně.
15:36
We care what happens in that opera.
363
936260
3000
Nás zajímá, co se stane v té opeře.
15:39
We care what happens in "Apocalypse Now."
364
939260
3000
Zajímá nás, co se stane v "Apokalypse."
15:42
And we certainly care
365
942260
2000
A zcela jistě nás zajímá,
15:44
what happens with our technologies.
366
944260
2000
co se stane s našimi technologiemi.
15:46
We have so much power today,
367
946260
2000
Máme dnes tolik moci,
15:48
it is up to us to figure out what to do,
368
948260
3000
že je na nás, abychom přišli na to, co dělat.
15:51
and that's the good news.
369
951260
2000
A to je dobrá zpráva.
15:53
We're the ones writing this opera.
370
953260
3000
My jsme ti, kteří píší tuhle operu.
15:56
This is our movie.
371
956260
2000
Tohle je náš film.
15:58
We figure out what will happen with this technology.
372
958260
3000
My přijdeme na to, co se má stát s touhle technologií.
16:01
We determine how this will all end.
373
961260
3000
My určíme, jak to skončí!
16:04
Thank you.
374
964260
2000
Děkuji.
16:06
(Applause)
375
966260
5000
(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