Can a computer write poetry? | Oscar Schwartz

89,886 views ・ 2016-02-10

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Englisch INTRAWI Lektorat: Jo Pi
00:12
I have a question.
0
12881
1230
Ich habe eine Frage:
00:15
Can a computer write poetry?
1
15422
1943
Kann ein Computer Gedichte schreiben?
00:18
This is a provocative question.
2
18959
2077
Das ist eine provokante Frage.
00:21
You think about it for a minute,
3
21715
1718
Denkt man kurz darüber nach,
00:23
and you suddenly have a bunch of other questions like:
4
23457
2590
stellt man sich plötzlich eine Menge anderer Fragen wie:
00:26
What is a computer?
5
26769
1381
Was ist ein Computer?
00:28
What is poetry?
6
28710
1575
Was ist ein Gedicht?
00:30
What is creativity?
7
30707
1689
Was ist Kreativität?
00:33
But these are questions
8
33650
1172
Das sind aber Fragen,
00:34
that people spend their entire lifetime trying to answer,
9
34846
3070
mit denen sich manche Menschen ein Leben lang beschäftigen,
00:37
not in a single TED Talk.
10
37940
2224
nicht in einem einzigen TEDTalk.
00:40
So we're going to have to try a different approach.
11
40188
2445
Deshalb müssen wir wohl anders an die Sache herangehen.
00:42
So up here, we have two poems.
12
42657
2143
Wir sehen hier zwei Gedichte.
00:45
One of them is written by a human,
13
45839
2276
Eines stammt von einem Menschen,
00:48
and the other one's written by a computer.
14
48139
2102
das andere von einem Computer.
00:50
I'm going to ask you to tell me which one's which.
15
50754
2410
Sie sollen herausfinden, welches nun was ist.
00:53
Have a go:
16
53858
1156
Versuchen wir es.
00:55
Poem 1: Little Fly / Thy summer's play, / My thoughtless hand / Has brush'd away.
17
55038
4056
Gedicht 1: Kleine Fliege, / Dein Sommerspiel /
Meine Hand achtlos / Überfiel. / Gleich ich dir, / Oh Fliege, nicht?
00:59
Am I not / A fly like thee? / Or art not thou / A man like me?
18
59118
3394
Oder bist du / Ein Mensch wie ich?
Gedicht 2: Wir können uns fühlen / Aktiv durch deines Lebens / Morgen /
01:02
Poem 2: We can feel / Activist through your life's / morning /
19
62536
3299
Pausen in Sicht, Papst, ich hasse das / Nicht die ganze Nacht ein zu beginnen
01:05
Pauses to see, pope I hate the / Non all the night to start a / great otherwise (...)
20
65859
4247
Gut, die Zeit ist um.
01:10
Alright, time's up.
21
70130
1359
01:11
Hands up if you think Poem 1 was written by a human.
22
71513
4096
Hand hoch, wer glaubt, dass Gedicht 1 von einem Menschen stammt.
01:17
OK, most of you.
23
77547
1490
Okay, die meisten.
01:19
Hands up if you think Poem 2 was written by a human.
24
79061
3023
Hand hoch, wer glaubt, dass Gedicht 2 von einem Menschen stammt.
01:23
Very brave of you,
25
83172
1190
Sehr mutig von Ihnen.
01:24
because the first one was written by the human poet William Blake.
26
84855
4285
Gedicht 1 wurde nämlich von dem Dichter William Blake geschrieben.
01:29
The second one was written by an algorithm
27
89784
2949
Das zweite stammt von einem Algorithmus,
01:32
that took all the language from my Facebook feed on one day
28
92757
3692
der Wörter aus meinem Facebook-Feed von einem Tag
01:36
and then regenerated it algorithmically,
29
96473
2763
algorithmisch neu zusammensetzte.
01:39
according to methods that I'll describe a little bit later on.
30
99260
3590
Die genaue Methode werde ich später erklären.
01:43
So let's try another test.
31
103218
2404
Machen wir noch einen Test.
01:46
Again, you haven't got ages to read this,
32
106398
2093
Wieder haben Sie nicht viel Zeit zum Lesen.
01:48
so just trust your gut.
33
108515
1612
Vertrauen Sie einfach auf Ihr Gefühl.
01:50
Poem 1: A lion roars and a dog barks. It is interesting / and fascinating
34
110151
4045
Gedicht 1: Ein Löwe brüllt und ein Hund bellt. Es ist interessant /
und faszinierend, dass ein Vogel fliegt und nicht / brüllt oder bellt.
01:54
that a bird will fly and not / roar or bark. Enthralling stories about animals
35
114220
4303
Spannende Geschichten über Tiere aus meinen Träumen werde ich singen.
01:58
are in my dreams and I will sing them all if I / am not exhausted or weary.
36
118547
4060
Wenn ich nicht erschöpft oder müde bin.
02:02
Poem 2: Oh! kangaroos, sequins, chocolate sodas! / You are really beautiful!
37
122631
3985
Gedicht 2: Ach! Kängurus, Pailletten, Schoko-Shakes! / Schön seid ihr!
02:06
Pearls, / harmonicas, jujubes, aspirins! All / the stuff they've always talked about (...)
38
126640
4358
Perlen, / Harmonikas, Fruchtgummis, Aspirin! All / das Zeug, worüber sie (...)
Die Zeit ist um.
02:11
Alright, time's up.
39
131022
1158
02:12
So if you think the first poem was written by a human,
40
132204
3137
Wer denkt, dass Gedicht 1 von einem Menschen stammt?
02:15
put your hand up.
41
135365
1215
Hand hoch.
02:17
OK.
42
137687
1154
Okay.
02:18
And if you think the second poem was written by a human,
43
138865
2675
Wer denkt, dass Gedicht 2 von einem Menschen stammt?
02:21
put your hand up.
44
141564
1155
Hand hoch.
02:23
We have, more or less, a 50/50 split here.
45
143779
3810
Also mehr oder weniger unentschieden.
02:28
It was much harder.
46
148157
1436
Das war viel schwieriger.
02:29
The answer is,
47
149617
1712
Die Antwort lautet:
02:31
the first poem was generated by an algorithm called Racter,
48
151353
3483
Das erste Gedicht stammt von einem Algorithmus namens Racter,
02:34
that was created back in the 1970s,
49
154860
3002
der in den 1970ern erstellt wurde.
02:37
and the second poem was written by a guy called Frank O'Hara,
50
157886
3189
Das zweite wurde von Frank O'Hara geschrieben --
02:41
who happens to be one of my favorite human poets.
51
161099
2668
zufällig einer meiner Lieblingsdichter.
02:44
(Laughter)
52
164631
3058
(Gelächter)
02:48
So what we've just done now is a Turing test for poetry.
53
168046
3228
Sie haben eben einen Turing-Test für Gedichte abgelegt.
02:52
The Turing test was first proposed by this guy, Alan Turing, in 1950,
54
172018
4547
Der Turing-Test wurde erstmals 1950 von Alan Turing vorgeschlagen,
02:56
in order to answer the question,
55
176589
1564
um die Frage zu beantworten:
02:58
can computers think?
56
178177
1637
Können Computer denken?
03:00
Alan Turing believed that if a computer was able
57
180245
2770
Alan Turing glaubte, wenn ein Computer imstande wäre,
03:03
to have a to have a text-based conversation with a human,
58
183039
3078
eine textbasierte Unterhaltung mit einem Menschen zu führen,
03:06
with such proficiency such that the human couldn't tell
59
186141
2770
und zwar so, dass der Mensch nicht feststellen könnte,
03:08
whether they are talking to a computer or a human,
60
188935
2966
ob er sich mit einem Menschen oder einem Computer unterhält,
03:11
then the computer can be said to have intelligence.
61
191925
2856
dann besäße der Computer Intelligenz.
03:15
So in 2013, my friend Benjamin Laird and I,
62
195270
3295
Und so entwickelte ich 2013 mit meinem Freund Benjamin Laird
03:18
we created a Turing test for poetry online.
63
198589
2988
einen Online-Turing-Test für Gedichte.
03:21
It's called bot or not,
64
201601
1277
Er heißt "bot or not" [Mensch oder Maschine].
03:22
and you can go and play it for yourselves.
65
202902
2044
Sie können ihn selbst ausprobieren.
03:24
But basically, it's the game we just played.
66
204970
2251
Er ähnelt dem Test von vorhin.
03:27
You're presented with a poem,
67
207245
1528
Man muss bei einem Gedicht erraten,
03:28
you don't know whether it was written by a human or a computer
68
208797
3028
ob es von einem Menschen oder einem Computer stammt.
03:31
and you have to guess.
69
211849
1166
03:33
So thousands and thousands of people have taken this test online,
70
213039
3191
Tausende von Menschen haben den Online-Test gemacht.
03:36
so we have results.
71
216254
1449
Nun liegen die Ergebnisse vor.
03:37
And what are the results?
72
217727
1428
Und was zeigen uns diese?
03:39
Well, Turing said that if a computer could fool a human
73
219704
2879
Laut Turing besteht ein Computer den Intelligenztest dann,
03:42
30 percent of the time that it was a human,
74
222607
3019
wenn er 30 % der Testpersonen von seiner Menschlichkeit überzeugt.
03:45
then it passes the Turing test for intelligence.
75
225650
2397
03:48
We have poems on the bot or not database
76
228625
2438
Wir haben Gedichte in unserer Datenbank,
03:51
that have fooled 65 percent of human readers into thinking
77
231087
2979
die 65 % der Teilnehmer davon überzeugt haben,
03:54
it was written by a human.
78
234090
1395
dass sie von einem Menschen stammen.
03:55
So, I think we have an answer to our question.
79
235959
2817
Damit haben wir wohl eine Antwort auf unsere Frage.
03:59
According to the logic of the Turing test,
80
239546
2348
Kann nach der Logik des Turing-Tests
04:01
can a computer write poetry?
81
241918
1928
ein Computer Gedichte schreiben?
04:03
Well, yes, absolutely it can.
82
243870
2351
Ja, durchaus.
04:07
But if you're feeling a little bit uncomfortable
83
247782
2346
Wenn Sie sich bei dieser Antwort nicht ganz wohl fühlen, ist das okay.
04:10
with this answer, that's OK.
84
250152
1927
04:12
If you're having a bunch of gut reactions to it,
85
252103
2316
Wenn Ihnen Ihr Bauchgefühl etwas anderes sagt, ist das auch okay.
04:14
that's also OK because this isn't the end of the story.
86
254443
3205
Das ist nämlich bisher nur die halbe Wahrheit.
04:18
Let's play our third and final test.
87
258594
2324
Machen wir einen dritten und letzten Test.
Lesen Sie wieder und sagen Sie mir dann,
04:22
Again, you're going to have to read
88
262000
1750
04:23
and tell me which you think is human.
89
263774
1909
welches von einem Menschen stammt.
04:25
Poem 1: Red flags the reason for pretty flags. / And ribbons.
90
265707
3718
Gedicht 1: Rote Fahnen, der Grund für schöne Fahnen. / Und Schleifen.
04:29
Ribbons of flags / And wearing material / Reasons for wearing material. (...)
91
269449
4321
Fahnenschleifen. / Und festes Material / Grund für festes Material.
04:33
Poem 2: A wounded deer leaps highest, / I've heard the daffodil
92
273794
3918
Gedicht 2: Ein verwundetes Reh springt am höchsten, /
Ich hörte die Narzisse / Ich hörte die Fahne heute /
04:37
I've heard the flag to-day / I've heard the hunter tell; /
93
277736
3446
Ich hörte den Jäger sagen; / Nichts als die Wonne des Todes, /
04:41
'Tis but the ecstasy of death, / And then the brake is almost done (...)
94
281206
3702
Und dann ist das Dickicht beinahe fertig (...)
04:44
OK, time is up.
95
284932
1599
Okay, die Zeit ist um.
04:46
So hands up if you think Poem 1 was written by a human.
96
286555
3837
Hand hoch, wer denkt, dass Gedicht 1 von einem Menschen stammt.
04:51
Hands up if you think Poem 2 was written by a human.
97
291973
3038
Hand hoch, wer glaubt, dass Gedicht 2 von einem Menschen stammt.
04:55
Whoa, that's a lot more people.
98
295035
2331
Wow, eindeutig die Mehrheit.
04:58
So you'd be surprised to find that Poem 1
99
298327
2968
Es überrascht Sie wahrscheinlich:
05:01
was written by the very human poet Gertrude Stein.
100
301319
3993
Gedicht 1 stammt von der sehr menschlichen Dichterin Gertrude Stein.
05:06
And Poem 2 was generated by an algorithm called RKCP.
101
306100
5038
Gedicht 2 wurde von einem Algorithmus namens RKCP erstellt.
05:11
Now before we go on, let me describe very quickly and simply,
102
311162
3319
An dieser Stelle möchte ich kurz erklären, wie der RKCP funktioniert.
05:14
how RKCP works.
103
314505
1781
05:16
So RKCP is an algorithm designed by Ray Kurzweil,
104
316873
3850
Der RKCP wurde von Ray Kurzweil entwickelt.
05:20
who's a director of engineering at Google
105
320747
2222
Er ist Leiter der technischen Entwicklung bei Google
05:22
and a firm believer in artificial intelligence.
106
322993
2360
und glaubt fest an die künstliche Intelligenz.
05:25
So, you give RKCP a source text,
107
325822
3991
Man gibt dem RKCP also einen Ausgangstext
05:29
it analyzes the source text in order to find out how it uses language,
108
329837
4469
und er analysiert den Sprachgebrauch in diesem Text.
05:34
and then it regenerates language
109
334330
1948
Daraufhin erstellt der RKCP einen Text,
05:36
that emulates that first text.
110
336302
2528
der die Sprache des Ausgangstexts nachahmt.
05:38
So in the poem we just saw before,
111
338854
2113
In Gedicht 2 von vorhin,
05:40
Poem 2, the one that you all thought was human,
112
340991
2625
das Sie für ein menschliches hielten,
05:43
it was fed a bunch of poems
113
343640
1550
wurde der Algorithmus mit Gedichten von Emily Dickinson gefüttert.
05:45
by a poet called Emily Dickinson
114
345214
2035
05:47
it looked at the way she used language,
115
347273
2189
Der RKCP untersuchte ihren Sprachgebrauch.
05:49
learned the model,
116
349486
1165
Er lernte das Muster und bildete dann die Struktur nach.
05:50
and then it regenerated a model according to that same structure.
117
350675
4258
05:56
But the important thing to know about RKCP
118
356732
2178
Wichtig dabei ist, dass der RKCP
05:58
is that it doesn't know the meaning of the words it's using.
119
358934
2838
die Bedeutung der Wörter, die er verwendet, nicht kennt.
06:02
The language is just raw material,
120
362359
2276
Die Sprache ist reines Rohmaterial,
06:04
it could be Chinese, it could be in Swedish,
121
364659
2160
sei es Chinesisch oder Schwedisch,
06:06
it could be the collected language from your Facebook feed for one day.
122
366843
4179
oder Wörter aus einem Ihrer Facebook-Feeds.
06:11
It's just raw material.
123
371046
1652
Sie ist nur Rohmaterial.
06:13
And nevertheless, it's able to create a poem
124
373380
2697
Und dennoch kann der RKCP ein Gedicht kreieren,
06:16
that seems more human than Gertrude Stein's poem,
125
376101
3327
das menschlicher scheint als Gertrude Steins Gedicht.
06:19
and Gertrude Stein is a human.
126
379452
2153
Und Gertrude Stein ist ein Mensch.
06:22
So what we've done here is, more or less, a reverse Turing test.
127
382846
4072
Das hier ist also eine Art umgekehrter Turing-Test.
06:27
So Gertrude Stein, who's a human, is able to write a poem
128
387940
5179
Gertrude Stein, ein Mensch, kann ein Gedicht schreiben,
06:33
that fools a majority of human judges into thinking
129
393143
3738
das die Mehrheit der Testpersonen für ein Computerprodukt hält.
06:36
that it was written by a computer.
130
396905
1826
06:39
Therefore, according to the logic of the reverse Turing test,
131
399176
4141
Dem umgekehrten Turing-Test zufolge ist Gertrude Stein also ein Computer.
06:43
Gertrude Stein is a computer.
132
403341
1916
06:45
(Laughter)
133
405281
1462
(Gelächter)
06:47
Feeling confused?
134
407358
1294
Verwirrt?
06:49
I think that's fair enough.
135
409193
1515
Das ist verständlich.
06:51
So far we've had humans that write like humans,
136
411546
4116
Es gibt also Menschen, die wie Menschen schreiben.
06:55
we have computers that write like computers,
137
415686
3111
Es gibt Computer, die wie Computer schreiben.
06:58
we have computers that write like humans,
138
418821
3055
Es gibt Computer, die wie Menschen schreiben.
07:01
but we also have, perhaps most confusingly,
139
421900
3632
Und es gibt -- was wohl am verwirrendsten ist --
07:05
humans that write like computers.
140
425556
2375
Menschen, die wie Computer schreiben.
07:08
So what do we take from all of this?
141
428938
1766
Was zeigt uns das nun alles?
07:11
Do we take that William Blake is somehow more of a human
142
431611
3157
Ist William Blake für uns irgendwie menschlicher als Gertrude Stein?
07:14
than Gertrude Stein?
143
434792
1249
07:16
Or that Gertrude Stein is more of a computer than William Blake?
144
436065
3046
Oder ist Gertrude Stein computerhafter als William Blake?
07:19
(Laughter)
145
439135
1552
(Gelächter)
07:20
These are questions I've been asking myself
146
440711
2323
Diese Fragen stelle ich mir nun seit etwa zwei Jahren
07:23
for around two years now,
147
443058
1465
07:24
and I don't have any answers.
148
444547
2309
und ich habe keine Antworten darauf.
07:26
But what I do have are a bunch of insights
149
446880
2330
Dafür habe ich aber eine Menge Erkenntnisse
07:29
about our relationship with technology.
150
449234
2534
über unsere Beziehung zur Technologie gewonnen.
07:32
So my first insight is that, for some reason,
151
452999
3609
Meine erste Erkenntnis ist, dass wir aus irgendeinem Grund
07:36
we associate poetry with being human.
152
456632
3111
Gedichte mit dem Menschsein verbinden.
07:40
So that when we ask, "Can a computer write poetry?"
153
460197
3715
Wenn wir uns also fragen: "Kann ein Computer Gedichte schreiben?",
07:43
we're also asking,
154
463936
1193
fragen wir damit auch:
07:45
"What does it mean to be human
155
465153
1798
"Was heißt es, ein Mensch zu sein, und wo sind die Grenzen?"
07:46
and how do we put boundaries around this category?
156
466975
3172
07:50
How do we say who or what can be part of this category?"
157
470171
3658
"Wie können wir sagen, wer oder was in die Kategorie Mensch fallen kann?"
07:54
This is an essentially philosophical question, I believe,
158
474376
3351
Ich sehe dies als eine im Grunde philosophische Frage.
07:57
and it can't be answered with a yes or no test,
159
477751
2229
Sie kann nicht mit einem einfachen Ja-oder-Nein-Test,
wie dem Turing-Test, beantwortet werden.
08:00
like the Turing test.
160
480004
1327
08:01
I also believe that Alan Turing understood this,
161
481805
3045
Auch Alan Turing war das wohl bewusst
08:04
and that when he devised his test back in 1950,
162
484874
3305
und sein 1950 entwickelter Test war wohl
08:08
he was doing it as a philosophical provocation.
163
488203
2802
als eine Art philosophische Herausforderung gedacht.
08:13
So my second insight is that, when we take the Turing test for poetry,
164
493124
5541
Meine zweite Erkenntnis ist, dass wir mit dem Turing-Test für Gedichte
08:18
we're not really testing the capacity of the computers
165
498689
3460
eigentlich nicht die Fähigkeiten des Computers testen.
08:22
because poetry-generating algorithms,
166
502173
2893
Algorithmen zur Erstellung von Gedichten sind nämlich ziemlich einfach
08:25
they're pretty simple and have existed, more or less, since the 1950s.
167
505090
4563
und es gibt sie schon seit etwa 1950.
08:31
What we are doing with the Turing test for poetry, rather,
168
511055
3118
Vielmehr sammeln wir mit dem Turing-Test für Gedichte
08:34
is collecting opinions about what constitutes humanness.
169
514197
4615
Meinungen darüber, was das Menschsein ausmacht.
08:40
So, what I've figured out,
170
520313
2729
Die Erkenntnis, die ich gewann,
08:43
we've seen this when earlier today,
171
523066
2972
zeigt sich an dem Beispiel von vorhin,
08:46
we say that William Blake is more of a human
172
526062
2478
dass William Blake menschlicher als Gertrude Stein wirkt.
08:48
than Gertrude Stein.
173
528564
1565
08:50
Of course, this doesn't mean that William Blake
174
530153
2462
Das heißt natürlich nicht,
08:52
was actually more human
175
532639
1828
dass William Blake tatsächlich mehr Mensch
08:54
or that Gertrude Stein was more of a computer.
176
534491
2327
oder Gertrude Stein mehr wie ein Computer war.
08:57
It simply means that the category of the human is unstable.
177
537533
4714
Es heißt nur, dass die Kategorie Mensch nicht eindeutig ist.
09:03
This has led me to understand
178
543450
2074
Mir ist klar geworden,
09:05
that the human is not a cold, hard fact.
179
545548
2763
dass Menschsein keine nackte, unumstößliche Tatsache ist.
09:08
Rather, it is something that's constructed with our opinions
180
548832
3132
Vielmehr ist es ein Konstrukt aus unseren Meinungen,
09:11
and something that changes over time.
181
551988
2855
das sich mit der Zeit verändert.
09:16
So my final insight is that the computer, more or less,
182
556671
4479
Meine letzte Erkenntnis ist also,
dass ein Computer in etwa wie ein Spiegel funktioniert
09:21
works like a mirror that reflects any idea of a human
183
561174
4006
und menschliche Gedanken zurückwirft, die wir ihm zeigen.
09:25
that we show it.
184
565204
1375
09:26
We show it Emily Dickinson,
185
566958
1884
Zeigen wir ihm Emily Dickinson,
09:28
it gives Emily Dickinson back to us.
186
568866
2321
erhalten wir Emily Dickinson zurück.
09:31
We show it William Blake,
187
571768
1834
Füttern wir ihn mit William Blake,
09:33
that's what it reflects back to us.
188
573626
2285
spuckt er Blake für uns aus.
09:35
We show it Gertrude Stein,
189
575935
1839
Zeigen wir ihm Gertrude Stein,
09:37
what we get back is Gertrude Stein.
190
577798
2470
erhalten wir als Ergebnis Gertrude Stein.
Mehr als jede andere Technologie ist der Computer ein Spiegel,
09:41
More than any other bit of technology,
191
581083
2368
09:43
the computer is a mirror that reflects any idea of the human we teach it.
192
583475
5165
der jeden menschlichen Gedanken reflektiert, den wir ihm zeigen.
09:50
So I'm sure a lot of you have been hearing
193
590061
2287
Sicher haben in letzter Zeit viele von Ihnen
09:52
a lot about artificial intelligence recently.
194
592372
2862
viel von künstlicher Intelligenz gehört.
09:56
And much of the conversation is,
195
596694
2830
Eine zentrale Frage dabei ist:
10:00
can we build it?
196
600292
1189
Können wir sie herstellen?
10:02
Can we build an intelligent computer?
197
602383
3135
Können wir einen intelligenten Computer herstellen?
10:05
Can we build a creative computer?
198
605542
2763
Können wir einen kreativen Computer herstellen?
10:08
What we seem to be asking over and over
199
608329
2113
Am Ende geht es um die wiederkehrende Frage:
10:10
is can we build a human-like computer?
200
610466
2724
Können wir einen menschenähnlichen Computer herstellen?
10:13
But what we've seen just now
201
613961
1556
Wir haben aber nun gerade gesehen,
10:15
is that the human is not a scientific fact,
202
615541
3088
dass der Mensch keine wissenschaftliche Tatsache ist,
10:18
that it's an ever-shifting, concatenating idea
203
618653
3530
sondern ein sich stets veränderndes, komplexes Konzept.
10:22
and one that changes over time.
204
622207
2531
10:24
So that when we begin to grapple with the ideas
205
624762
3152
Wenn wir uns in Zukunft mit dem Konzept der künstlichen Intelligenz beschäftigen,
10:27
of artificial intelligence in the future,
206
627938
2386
10:30
we shouldn't only be asking ourselves,
207
630348
1905
sollten wir uns also nicht nur fragen:
10:32
"Can we build it?"
208
632277
1368
"Können wir sie herstellen?"
10:33
But we should also be asking ourselves,
209
633669
1894
Wir sollten uns auch fragen:
10:35
"What idea of the human do we want to have reflected back to us?"
210
635587
3713
"Welches Menschenbild wollen wir überhaupt gespiegelt haben?"
10:39
This is an essentially philosophical idea,
211
639820
2693
Das ist eine im Grunde philosophische Frage.
10:42
and it's one that can't be answered with software alone,
212
642537
2997
Sie kann nicht allein durch Software beantwortet werden,
10:45
but I think requires a moment of species-wide, existential reflection.
213
645558
4977
sondern bedarf einer die ganze Menschheit umfassenden, existenziellen Reflexion.
10:51
Thank you.
214
651040
1153
Danke.
10:52
(Applause)
215
652217
2695
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7