3 principles for creating safer AI | Stuart Russell

139,790 views ・ 2017-06-06

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Dimitris Tsampallas Επιμέλεια: Lucas Kaimaras
00:12
This is Lee Sedol.
0
12532
1552
Αυτός είναι ο Λι Σεντόλ.
Ο Λι Σεντόλ είναι από τους καλύτερους παίκτες Γκο στον κόσμο,
00:14
Lee Sedol is one of the world's greatest Go players,
1
14108
3997
00:18
and he's having what my friends in Silicon Valley call
2
18129
2885
και έχει κάτι που οι φίλοι μου στη Σίλικον Βάλλεϋ αποκαλούν
00:21
a "Holy Cow" moment --
3
21038
1510
μια στιγμή ξαφνιάσματος...
00:22
(Laughter)
4
22572
1073
(Γέλια)
00:23
a moment where we realize
5
23669
2188
μια στιγμή όπου συνειδητοποιούμε
00:25
that AI is actually progressing a lot faster than we expected.
6
25881
3296
ότι η ΤΝ προοδεύει αρκετά γρηγορότερα από ό,τι περιμέναμε.
00:29
So humans have lost on the Go board. What about the real world?
7
29974
3047
Άρα χάσαμε στο Γκο. Τι γίνεται όμως στον πραγματικό κόσμο;
Ο πραγματικός κόσμος είναι πολύ μεγαλύτερος
00:33
Well, the real world is much bigger,
8
33045
2100
00:35
much more complicated than the Go board.
9
35169
2249
και πολύ πιο πολύπλοκος από το ταμπλό του Γκο.
00:37
It's a lot less visible,
10
37442
1819
Δεν είναι τόσο ευδιάκριτο,
00:39
but it's still a decision problem.
11
39285
2038
αλλά παραμένει ένα πρόβλημα αποφάσεων.
00:42
And if we think about some of the technologies
12
42768
2321
Και αν αναλογιστούμε μερικές από τις τεχνολογίες
00:45
that are coming down the pike ...
13
45113
1749
που εμφανίζονται...
00:47
Noriko [Arai] mentioned that reading is not yet happening in machines,
14
47558
4335
Η Νορίκο [Αράι] ανέφερε πως οι μηχανές δεν έχουν ακόμα την ικανότητα ανάγνωσης,
00:51
at least with understanding.
15
51917
1500
τουλάχιστον με κατανόηση.
00:53
But that will happen,
16
53441
1536
Αλλά αυτό θα συμβεί,
00:55
and when that happens,
17
55001
1771
και όταν συμβεί,
00:56
very soon afterwards,
18
56796
1187
πολύ σύντομα
οι μηχανές θα έχουν διαβάσει οτιδήποτε έχει γραφτεί ποτέ από την ανθρωπότητα.
00:58
machines will have read everything that the human race has ever written.
19
58007
4572
01:03
And that will enable machines,
20
63670
2030
Και αυτό θα επιτρέψει στις μηχανές,
01:05
along with the ability to look further ahead than humans can,
21
65724
2920
μαζί με την ικανότητα να βλέπουν πιο μπροστά από τους ανθρώπους,
01:08
as we've already seen in Go,
22
68668
1680
όπως είδαμε ήδη στο Γκο,
01:10
if they also have access to more information,
23
70372
2164
κι αν έχουν πρόσβαση σε περισσότερες πληροφορίες,
01:12
they'll be able to make better decisions in the real world than we can.
24
72560
4268
να μπορούν να πάρουν πιο σωστές αποφάσεις στον πραγματικό κόσμο από εμάς.
01:18
So is that a good thing?
25
78612
1606
Είναι καλό, όμως, αυτό;
01:21
Well, I hope so.
26
81718
2232
Το ελπίζω.
01:26
Our entire civilization, everything that we value,
27
86514
3255
Ολόκληρος ο πολιτισμός μας, οτιδήποτε έχουμε σε εκτίμηση,
01:29
is based on our intelligence.
28
89793
2068
είναι βασισμένο στην ευφυία μας.
01:31
And if we had access to a lot more intelligence,
29
91885
3694
Και αν είχαμε πρόσβαση σε πολύ περισσότερη ευφυΐα,
01:35
then there's really no limit to what the human race can do.
30
95603
3302
τότε δεν υπάρχει κανένα όριο στο τι μπορεί να κάνει η ανθρωπότητα.
01:40
And I think this could be, as some people have described it,
31
100485
3325
Και αυτό θα ήταν, όπως μερικοί το έχουν περιγράψει,
01:43
the biggest event in human history.
32
103834
2016
το σημαντικότερο γεγονός της ιστορίας μας.
01:48
So why are people saying things like this,
33
108485
2829
Άρα, γιατί λέμε μερικά πράγματα όπως,
01:51
that AI might spell the end of the human race?
34
111338
2876
ότι η ΤΝ θα σημάνει το τέλος της ανθρωπότητας;
01:55
Is this a new thing?
35
115258
1659
Πρόκειται για κάτι καινούργιο;
01:56
Is it just Elon Musk and Bill Gates and Stephen Hawking?
36
116941
4110
Τα λένε αυτά μόνο οι Έλον Μασκ, Μπιλ Γκέιτς και Στίβεν Χόκινγκ;
02:01
Actually, no. This idea has been around for a while.
37
121773
3262
Στην πραγματικότητα, όχι. Η ιδέα αυτή κυκλοφορεί εδώ και καιρό.
02:05
Here's a quotation:
38
125059
1962
Δείτε μια παράθεση,
«Ακόμα και αν μπορούσαμε να κρατήσουμε τις μηχανές σε θέση υποταγής,
02:07
"Even if we could keep the machines in a subservient position,
39
127045
4350
02:11
for instance, by turning off the power at strategic moments" --
40
131419
2984
για παράδειγμα, απενεργοποιώντας τες σε στρατηγικές στιγμές»
02:14
and I'll come back to that "turning off the power" idea later on --
41
134427
3237
-θα επανέλθω στο ζήτημα της «απενεργοποίησης» αργότερα-
02:17
"we should, as a species, feel greatly humbled."
42
137688
2804
«θα έπρεπε ως είδος να νιώθουμε ιδιαίτερα ταπεινωμένοι».
02:21
So who said this? This is Alan Turing in 1951.
43
141997
3448
Ποιος το είπε αυτό; Ο Άλαν Τούρινγκ το 1951.
02:26
Alan Turing, as you know, is the father of computer science
44
146120
2763
Όπως γνωρίζετε, είναι ο πατέρας της επιστήμης υπολογιστών
02:28
and in many ways, the father of AI as well.
45
148907
3048
και κατά πολλούς τρόπους, ο πατέρας της ΤΝ επίσης.
Οπότε, αν σκεφτούμε το πρόβλημα,
02:33
So if we think about this problem,
46
153059
1882
02:34
the problem of creating something more intelligent than your own species,
47
154965
3787
να δημιουργήσουμε κάτι πιο ευφυές από το είδος μας,
02:38
we might call this "the gorilla problem,"
48
158776
2622
ας το αποκαλέσουμε «πρόβλημα του γορίλα»,
02:42
because gorillas' ancestors did this a few million years ago,
49
162165
3750
επειδή οι πρόγονοι του γορίλα το έκαναν αυτό πριν εκατομμύρια χρόνια,
02:45
and now we can ask the gorillas:
50
165939
1745
και ας τους ρωτήσουμε τώρα:
02:48
Was this a good idea?
51
168572
1160
Ήταν καλή ιδέα;
02:49
So here they are having a meeting to discuss whether it was a good idea,
52
169756
3530
Οπότε, τώρα έχουν συνάντηση για να κουβεντιάσουν εάν ήταν καλή ιδέα,
02:53
and after a little while, they conclude, no,
53
173310
3346
και μετά από λίγο καταλήγουν πως,
02:56
this was a terrible idea.
54
176680
1345
όχι, ήταν μια φρικτή ιδέα.
02:58
Our species is in dire straits.
55
178049
1782
Το είδος τους είναι σε δεινή θέση.
03:00
In fact, you can see the existential sadness in their eyes.
56
180358
4263
Πραγματικά, μπορείς να δεις την υπαρξιακή κρίση στα μάτια τους.
03:04
(Laughter)
57
184645
1640
(Γέλια)
03:06
So this queasy feeling that making something smarter than your own species
58
186309
4840
Αυτό το ανησυχητικό προαίσθημα ότι μάλλον δεν είναι καλή ιδέα
η δημιουργία κάτι πιο έξυπνου από το είδος μας,
03:11
is maybe not a good idea --
59
191173
2365
03:14
what can we do about that?
60
194308
1491
τι μπορούμε να κάνουμε γι' αυτό;
03:15
Well, really nothing, except stop doing AI,
61
195823
4767
Βασικά τίποτα, εκτός από το να σταματήσουμε να φτιάχνουμε ΤΝ,
03:20
and because of all the benefits that I mentioned
62
200614
2510
που λόγω όλων των πλεονεκτημάτων που προανέφερα,
03:23
and because I'm an AI researcher,
63
203148
1716
και επειδή είμαι ερευνητής της,
03:24
I'm not having that.
64
204888
1791
δεν το ανέχομαι.
03:27
I actually want to be able to keep doing AI.
65
207103
2468
Πραγματικά, θέλω να συνεχίσω την έρευνα της ΤΝ.
03:30
So we actually need to nail down the problem a bit more.
66
210435
2678
Οπότε, χρειάζεται να προσδιορίσουμε καλύτερα το πρόβλημα.
03:33
What exactly is the problem?
67
213137
1371
Ποιο είναι ακριβώς το θέμα;
03:34
Why is better AI possibly a catastrophe?
68
214532
3246
Γιατί μια καλύτερη ΤΝ είναι πιθανώς μια καταστροφή;
03:39
So here's another quotation:
69
219218
1498
Ορίστε άλλη μια παράθεση,
03:41
"We had better be quite sure that the purpose put into the machine
70
221755
3335
«Πρέπει να σιγουρευτούμε ότι ο σκοπός που θα αναθέσουμε σε μια μηχανή,
03:45
is the purpose which we really desire."
71
225114
2298
είναι ο σκοπός που πραγματικά επιθυμούμε».
03:48
This was said by Norbert Wiener in 1960,
72
228102
3498
Αυτό ειπώθηκε από τον Νόρμπερτ Βίνερ το 1960,
03:51
shortly after he watched one of the very early learning systems
73
231624
4002
λίγο αφότου παρακολούθησε ένα από τα πρώτα συστήματα που μαθαίνουν μόνα τους
03:55
learn to play checkers better than its creator.
74
235650
2583
να παίζει ντάμα καλύτερα από τον δημιουργό του.
04:00
But this could equally have been said
75
240422
2683
Αλλά το ίδιο θα μπορούσε να έχει ειπωθεί
04:03
by King Midas.
76
243129
1167
από τον Βασιλιά Μίδα.
04:04
King Midas said, "I want everything I touch to turn to gold,"
77
244903
3134
Ο Βασιλιάς Μίδας είπε, «Θέλω ό,τι ακουμπώ να γίνεται χρυσάφι,»
04:08
and he got exactly what he asked for.
78
248061
2473
και πήρε ακριβώς ό,τι του άξιζε.
04:10
That was the purpose that he put into the machine,
79
250558
2751
Αυτός ήταν ο σκοπός που ανέθεσε στη μηχανή,
04:13
so to speak,
80
253333
1450
κατ' αναλογίαν,
04:14
and then his food and his drink and his relatives turned to gold
81
254807
3444
και έπειτα το φαγητό, το ποτό και οι συγγενείς του έγιναν χρυσάφι
04:18
and he died in misery and starvation.
82
258275
2281
και πέθανε μίζερος, λιμοκτονώντας.
04:22
So we'll call this "the King Midas problem"
83
262264
2341
Αποκαλούμε λοιπόν «πρόβλημα του Μίδα»
04:24
of stating an objective which is not, in fact,
84
264629
3305
τη δήλωση ενός σκοπού που στην πραγματικότητα
04:27
truly aligned with what we want.
85
267958
2413
δεν είναι απόλυτα σύμφωνος με αυτό που θέλουμε.
04:30
In modern terms, we call this "the value alignment problem."
86
270395
3253
Αυτό με σύγχρονους όρους το αποκαλούμε «πρόβλημα εναρμόνισης αξιών».
04:36
Putting in the wrong objective is not the only part of the problem.
87
276867
3485
Η εισαγωγή λάθους σκοπού δεν είναι το μόνο μέρος του προβλήματος.
04:40
There's another part.
88
280376
1152
Υπάρχει και άλλο μέρος.
04:41
If you put an objective into a machine,
89
281980
1943
Εάν βάλουμε ένα σκοπό σε μια μηχανή,
04:43
even something as simple as, "Fetch the coffee,"
90
283947
2448
ακόμα και κάτι τόσο απλό όπως, «Φέρε τον καφέ»,
04:47
the machine says to itself,
91
287728
1841
η μηχανή λέει στον εαυτό της,
04:50
"Well, how might I fail to fetch the coffee?
92
290553
2623
«Πώς μπορώ να αποτύχω να φέρω τον καφέ;
04:53
Someone might switch me off.
93
293200
1580
Κάποιος ίσως να με απενεργοποιήσει.
04:55
OK, I have to take steps to prevent that.
94
295465
2387
Οπότε, πρέπει να πάρω μέτρα να μην συμβεί αυτό.
04:57
I will disable my 'off' switch.
95
297876
1906
Θα απομονώσω τον διακόπτη απενεργοποίησης.
05:00
I will do anything to defend myself against interference
96
300354
2959
Θα κάνω τα πάντα ώστε να προστατευτώ εναντίον παρεμβάσεων
05:03
with this objective that I have been given."
97
303337
2629
στον σκοπό που μου ανατέθηκε».
05:05
So this single-minded pursuit
98
305990
2012
Αυτή η επίμονη επιδίωξη,
05:09
in a very defensive mode of an objective that is, in fact,
99
309033
2945
μέσω μιας υπεραμυντικής λειτουργίας, ενός σκοπού που πραγματικά
05:12
not aligned with the true objectives of the human race --
100
312002
2814
δεν είναι εναρμονισμένος με τον αληθινό σκοπό των ανθρώπων,
05:15
that's the problem that we face.
101
315942
1862
είναι το πρόβλημα που αντιμετωπίζουμε.
05:18
And in fact, that's the high-value takeaway from this talk.
102
318827
4767
Και αυτό είναι, στην πραγματικότητα, το σημαντικότερο μήνυμα της ομιλίας μου.
05:23
If you want to remember one thing,
103
323618
2055
Εάν θέλετε να θυμάστε κάτι,
05:25
it's that you can't fetch the coffee if you're dead.
104
325697
2675
είναι πως δεν μπορείτε να φέρετε τον καφέ, εάν είστε νεκροί.
05:28
(Laughter)
105
328396
1061
(Γέλια)
05:29
It's very simple. Just remember that. Repeat it to yourself three times a day.
106
329481
3829
Είναι πολύ απλό. Απλά να θυμάστε να το επαναλαμβάνετε τρεις φορές τη μέρα.
05:33
(Laughter)
107
333334
1821
(Γέλια)
05:35
And in fact, this is exactly the plot
108
335179
2754
Αυτή είναι πραγματικά η πλοκή
05:37
of "2001: [A Space Odyssey]"
109
337957
2648
της ταινίας «2001: Η Οδύσσεια του Διαστήματος»,
05:41
HAL has an objective, a mission,
110
341046
2090
όπου ο HAL έχει ένα σκοπό, μια αποστολή,
05:43
which is not aligned with the objectives of the humans,
111
343160
3732
που δεν είναι εναρμονισμένη με τους σκοπούς των ανθρώπων,
05:46
and that leads to this conflict.
112
346916
1810
και αυτό οδηγεί σε σύγκρουση.
05:49
Now fortunately, HAL is not superintelligent.
113
349314
2969
Ευτυχώς, ο HAL δεν είναι υπερ-ευφυής.
05:52
He's pretty smart, but eventually Dave outwits him
114
352307
3587
Είναι αρκέτα έξυπνος, αλλά εν τέλει ο Ντέιβ τον υπερνικά
05:55
and manages to switch him off.
115
355918
1849
και καταφέρνει να τον απενεργοποιήσει.
06:01
But we might not be so lucky.
116
361648
1619
Όμως εμείς μπορεί να μην είμαστε τόσο τυχεροί.
06:08
So what are we going to do?
117
368013
1592
Οπότε τι θα κάνουμε;
06:12
I'm trying to redefine AI
118
372191
2601
Προσπαθώ να επαναπροσδιορίσω την Τεχνητή Νοημοσύνη,
06:14
to get away from this classical notion
119
374816
2061
ώστε να ξεφύγω από την κλασσική αντίληψη
06:16
of machines that intelligently pursue objectives.
120
376901
4567
των μηχανών που ευφυώς ακολουθούν σκοπούς.
06:22
There are three principles involved.
121
382532
1798
Υπάρχουν τρεις εμπλεκόμενες αρχές.
06:24
The first one is a principle of altruism, if you like,
122
384354
3289
Η πρώτη είναι η αρχή του αλτρουισμού, εάν μου επιτρέπετε,
06:27
that the robot's only objective
123
387667
3262
όπου ο μόνος σκοπός του ρομπότ
06:30
is to maximize the realization of human objectives,
124
390953
4246
είναι η απόλυτη συνειδητοποίηση των ανθρώπινων σκοπών,
06:35
of human values.
125
395223
1390
των ανθρώπινων αξιών.
06:36
And by values here I don't mean touchy-feely, goody-goody values.
126
396637
3330
Και δεν αναφέρομαι σε αγνές, αθώες και συναισθηματικές αξίες.
06:39
I just mean whatever it is that the human would prefer
127
399991
3787
Μιλάω για τον οποιοδήποτε τρόπο που οι άνθρωποι προτιμούν
06:43
their life to be like.
128
403802
1343
να είναι η ζωή τους.
06:47
And so this actually violates Asimov's law
129
407184
2309
Πράγματι, έτσι παραβιάζεται ο νόμος του Ασίμωφ,
06:49
that the robot has to protect its own existence.
130
409517
2329
ότι το ρομπότ πρέπει να αυτοπροστατευτεί.
06:51
It has no interest in preserving its existence whatsoever.
131
411870
3723
Πλέον, δεν έχει κανένα απολύτως ενδιαφέρον στην διατήρηση της ύπαρξής του.
06:57
The second law is a law of humility, if you like.
132
417240
3768
Η δεύτερη αρχή είναι ο νόμος της ταπεινοφροσύνης, εάν μου επιτρέπετε.
07:01
And this turns out to be really important to make robots safe.
133
421794
3743
Αποδεικνύεται ιδιαίτερα σημαντικός για την δημιουργία ασφαλών ρομπότ.
07:05
It says that the robot does not know
134
425561
3142
Αναφέρει ότι το ρομπότ δεν γνωρίζει
07:08
what those human values are,
135
428727
2028
ποιες είναι οι ανθρώπινες αξίες,
07:10
so it has to maximize them, but it doesn't know what they are.
136
430779
3178
οπότε πρέπει να τις μεγιστοποιήσει χωρίς να γνωρίζει ποιες είναι.
07:15
And that avoids this problem of single-minded pursuit
137
435074
2626
Έτσι αποφεύγεται το πρόβλημα
της επίμονης επιδίωξης ενός σκοπού.
07:17
of an objective.
138
437724
1212
07:18
This uncertainty turns out to be crucial.
139
438960
2172
Αυτή η αβεβαιότητα αποδεικνύεται κρίσιμη.
07:21
Now, in order to be useful to us,
140
441546
1639
Για να είναι όμως χρήσιμο σε εμάς
07:23
it has to have some idea of what we want.
141
443209
2731
πρέπει να έχει κάποια ιδέα του τι θέλουμε.
07:27
It obtains that information primarily by observation of human choices,
142
447043
5427
Αποκτά αυτή τη πληροφορία κυρίως μέσω της παρατήρησης των ανθρώπινων επιλογών,
07:32
so our own choices reveal information
143
452494
2801
άρα οι ίδιες οι επιλογές μας δίνουν πληροφορίες
07:35
about what it is that we prefer our lives to be like.
144
455319
3300
για το πως προτιμούμε να ζούμε τις ζωές μας.
07:40
So those are the three principles.
145
460452
1683
Αυτές είναι λοιπόν, οι τρεις αρχές.
07:42
Let's see how that applies to this question of:
146
462159
2318
Ας δούμε πώς εφαρμόζονται στο ερώτημα «Μπορούμε να απενεργοποιήσουμε τη μηχανή;»
07:44
"Can you switch the machine off?" as Turing suggested.
147
464501
2789
όπως τέθηκε από τον Τούρινγκ.
07:48
So here's a PR2 robot.
148
468893
2120
Έχουμε, λοιπόν, ένα ρομπότ PR2.
07:51
This is one that we have in our lab,
149
471037
1821
Αυτό είναι εκείνο του εργαστηρίου μας
07:52
and it has a big red "off" switch right on the back.
150
472882
2903
και έχει ένα μεγάλο, κόκκινο κουμπί απενεργοποίησης στην πλάτη.
07:56
The question is: Is it going to let you switch it off?
151
476361
2615
Το ερώτημα είναι αν θα σε αφήσει να το απενεργοποιήσεις.
Αν κινηθούμε κλασσικά,
07:59
If we do it the classical way,
152
479000
1465
08:00
we give it the objective of, "Fetch the coffee, I must fetch the coffee,
153
480489
3482
δίνουμε την εντολή, «Φέρε τον καφέ, πρέπει να φέρω τον καφέ,
08:03
I can't fetch the coffee if I'm dead,"
154
483995
2580
δεν μπορώ να φέρω τον καφέ άμα είμαι κατεστραμμένος»,
08:06
so obviously the PR2 has been listening to my talk,
155
486599
3341
άρα προφανώς το PR2 παρακολουθεί την ομιλία μου,
08:09
and so it says, therefore, "I must disable my 'off' switch,
156
489964
3753
οπότε λέει, «Πρέπει να χαλάσω το διακόπτη απενεργοποίησης
08:14
and probably taser all the other people in Starbucks
157
494796
2694
και να ρίξω αναίσθητο οποιονδήποτε στα Starbucks
08:17
who might interfere with me."
158
497514
1560
που ίσως με σταματήσει».
08:19
(Laughter)
159
499098
2062
(Γέλια)
08:21
So this seems to be inevitable, right?
160
501184
2153
Αυτό, λοιπόν, φαίνεται αναπόφευκτο, σωστά;
08:23
This kind of failure mode seems to be inevitable,
161
503361
2398
Αυτή η λειτουργία αποτυχίας φαίνεται αναπόφευκτη
08:25
and it follows from having a concrete, definite objective.
162
505783
3543
και προέρχεται από την ύπαρξη ενός σαφούς και ξεκάθαρου σκοπού.
08:30
So what happens if the machine is uncertain about the objective?
163
510632
3144
Τι συμβαίνει όμως, αν η μηχανή είναι αβέβαιη για το σκοπό;
08:33
Well, it reasons in a different way.
164
513800
2127
Θα επιχειρηματολογήσει διαφορετικά.
08:35
It says, "OK, the human might switch me off,
165
515951
2424
Λέει, «Εντάξει, ο άνθρωπος ίσως με απενεργοποιήσει,
08:38
but only if I'm doing something wrong.
166
518964
1866
αλλά μόνο εάν κάνω κάτι λάθος.
08:41
Well, I don't really know what wrong is,
167
521567
2475
Δεν γνωρίζω, όμως, τι είναι λάθος,
08:44
but I know that I don't want to do it."
168
524066
2044
αλλά γνωρίζω ότι δεν θέλω να το κάνω».
08:46
So that's the first and second principles right there.
169
526134
3010
Εδώ βρίσκουμε λοιπόν, την πρώτη και τη δεύτερη αρχή.
08:49
"So I should let the human switch me off."
170
529168
3359
«Άρα θα έπρεπε να αφήσω τον άνθρωπο να με απενεργοποιήσει».
08:53
And in fact you can calculate the incentive that the robot has
171
533541
3956
Στην πραγματικότητα, μπορούμε να εκτιμήσουμε ότι το κίνητρο του ρομπότ
08:57
to allow the human to switch it off,
172
537521
2493
να αφήσει τον άνθρωπο να το απενεργοποιήσει,
09:00
and it's directly tied to the degree
173
540038
1914
είναι απευθείας συνδεδεμένο με τον βαθμό
09:01
of uncertainty about the underlying objective.
174
541976
2746
αβεβαιότητας για τον υποβόσκοντα σκοπό.
09:05
And then when the machine is switched off,
175
545797
2949
Και όταν η μηχανή είναι απενεργοποιημένη,
09:08
that third principle comes into play.
176
548770
1805
η τρίτη αρχή αποκτά σημασία.
09:10
It learns something about the objectives it should be pursuing,
177
550599
3062
Η μηχανή μαθαίνει για τους σκοπούς που πρέπει να ακολουθεί,
09:13
because it learns that what it did wasn't right.
178
553685
2533
διότι μαθαίνει ότι αυτό που έκανε δεν ήταν σωστό.
09:16
In fact, we can, with suitable use of Greek symbols,
179
556242
3570
Στην πραγματικότητα, με κατάλληλη χρήση Ελληνικών συμβόλων,
09:19
as mathematicians usually do,
180
559836
2131
όπως συχνά κάνουν οι μαθηματικοί,
09:21
we can actually prove a theorem
181
561991
1984
μπορούμε να αποδείξουμε ένα θεώρημα
09:23
that says that such a robot is provably beneficial to the human.
182
563999
3553
που δηλώνει ότι ένα τέτοιο ρομπότ είναι πιθανά χρήσιμο στον άνθρωπο.
09:27
You are provably better off with a machine that's designed in this way
183
567576
3803
Είμαστε καλύτερα με μία μηχανή σχεδιασμένη με αυτό τον τρόπο,
09:31
than without it.
184
571403
1246
παρά χωρίς αυτή.
09:33
So this is a very simple example, but this is the first step
185
573057
2906
Να, λοιπόν, ένα απλό παράδειγμα, που όμως είναι το πρώτο βήμα
09:35
in what we're trying to do with human-compatible AI.
186
575987
3903
προς αυτό που προσπαθούμε να κάνουμε με την ανθρωπίνως συμβατή ΤΝ.
09:42
Now, this third principle,
187
582477
3257
Αυτή η τρίτη αρχή,
09:45
I think is the one that you're probably scratching your head over.
188
585758
3112
θεωρώ πως είναι εκείνη που σας κινεί το ενδιαφέρον.
09:48
You're probably thinking, "Well, you know, I behave badly.
189
588894
3239
Πιθανώς σκέφτεστε, «Μάλλον, συμπεριφέρομαι άσχημα.
09:52
I don't want my robot to behave like me.
190
592157
2929
Δεν θέλω το ρομπότ μου να συμπεριφέρεται σαν εμένα.
09:55
I sneak down in the middle of the night and take stuff from the fridge.
191
595110
3434
Κατεβαίνω στα κρυφά μέσα στη νύχτα και παίρνω φαγητό από το ψυγείο.
09:58
I do this and that."
192
598568
1168
Κάνω διάφορα πράγματα».
09:59
There's all kinds of things you don't want the robot doing.
193
599760
2797
Υπάρχουν διάφορα πράγματα που δεν θέλω να κάνει το ρομπότ.
10:02
But in fact, it doesn't quite work that way.
194
602581
2071
Αλλά ουσιαστικά, δεν γίνεται έτσι.
10:04
Just because you behave badly
195
604676
2155
Μόνο και μόνο επειδή συμπεριφέρεστε άσχημα,
10:06
doesn't mean the robot is going to copy your behavior.
196
606855
2623
δεν σημαίνει ότι το ρομπότ θα σας αντιγράψει.
10:09
It's going to understand your motivations and maybe help you resist them,
197
609502
3910
Θα καταλάβει τα κίνητρα σας και ίσως βοηθήσει να αντισταθείτε,
10:13
if appropriate.
198
613436
1320
εάν σας αρμόζει.
10:16
But it's still difficult.
199
616026
1464
Αλλά και πάλι είναι δύσκολο.
10:18
What we're trying to do, in fact,
200
618122
2545
Ουσιαστικά, αυτό που προσπαθούμε να κάνουμε είναι
10:20
is to allow machines to predict for any person and for any possible life
201
620691
5796
να επιτρέψουμε στις μηχανές να προβλέπουν
για κάθε άνθρωπο και για κάθε πιθανό τρόπο ζωής τους,
10:26
that they could live,
202
626511
1161
10:27
and the lives of everybody else:
203
627696
1597
όπως και για τις ζωές κάθε άλλου:
10:29
Which would they prefer?
204
629317
2517
Τι θα προτιμούσαν;
10:33
And there are many, many difficulties involved in doing this;
205
633881
2954
Υπάρχουν πάρα πολλές δυσκολίες που εμπλέκονται σε αυτό,
10:36
I don't expect that this is going to get solved very quickly.
206
636859
2932
και δεν περιμένω να λυθούν πολύ γρήγορα.
10:39
The real difficulties, in fact, are us.
207
639815
2643
Οι πραγματικές δυσκολίες, στην ουσία, είμαστε εμείς.
10:43
As I have already mentioned, we behave badly.
208
643969
3117
Όπως προανέφερα, συμπεριφερόμαστε άσχημα.
10:47
In fact, some of us are downright nasty.
209
647110
2321
Πράγματι, κάποιοι από εμάς είμαστε ελεεινοί.
10:50
Now the robot, as I said, doesn't have to copy the behavior.
210
650251
3052
Το ρομπότ όμως, όπως προανέφερα, δεν χρειάζεται να μας αντιγράψει.
10:53
The robot does not have any objective of its own.
211
653327
2791
Το ρομπότ δεν έχει κανένα σκοπό από μόνο του.
10:56
It's purely altruistic.
212
656142
1737
Είναι καθαρά ανιδιοτελές.
10:59
And it's not designed just to satisfy the desires of one person, the user,
213
659113
5221
Και δεν είναι σχεδιασμένο να ικανοποιεί μόνο τις επιθυμίες του χρήστη του,
11:04
but in fact it has to respect the preferences of everybody.
214
664358
3138
αλλά στην ουσία πρέπει να σέβεται τις επιλογές όλων.
11:09
So it can deal with a certain amount of nastiness,
215
669083
2570
Οπότε, μπορεί να ανεχτεί κάποια ποσότητα αθλιότητας,
11:11
and it can even understand that your nastiness, for example,
216
671677
3701
ακόμα και να την καταλάβει. Για παράδειγμα,
11:15
you may take bribes as a passport official
217
675402
2671
μπορεί να δωροδοκείστε ως ελεγκτής διαβατηρίων
11:18
because you need to feed your family and send your kids to school.
218
678097
3812
διότι πρέπει να ταΐσετε την οικογένεια σας και να πάνε τα παιδιά σας σχολείο.
11:21
It can understand that; it doesn't mean it's going to steal.
219
681933
2906
Το καταλαβαίνει αυτό, οπότε δεν πρόκειται να κλέψει.
11:24
In fact, it'll just help you send your kids to school.
220
684863
2679
Απλώς θα σας βοηθήσει να τα στείλετε σχολείο.
11:28
We are also computationally limited.
221
688796
3012
Επίσης είμαστε περιορισμένοι υπολογιστικά.
11:31
Lee Sedol is a brilliant Go player,
222
691832
2505
Ο Λι Σεντόλ είναι καταπληκτικός παίκτης Γκο,
11:34
but he still lost.
223
694361
1325
παρ' όλ' αυτά έχασε.
11:35
So if we look at his actions, he took an action that lost the game.
224
695710
4239
Αν κοιτάξουμε τις κινήσεις του, έκανε μία που του στοίχισε το παιχνίδι.
11:39
That doesn't mean he wanted to lose.
225
699973
2161
Αυτό δεν σημαίνει ότι ήθελε να χάσει.
11:43
So to understand his behavior,
226
703160
2040
Άρα, για να καταλάβουμε τη συμπεριφορά του,
11:45
we actually have to invert through a model of human cognition
227
705224
3644
πρέπει βασικά να το επεξεργαστούμε με ένα μοντέλο κατανόησης της ανθρώπινης γνώσης
11:48
that includes our computational limitations -- a very complicated model.
228
708892
4977
που να περιλαμβάνει τους υπολογιστικούς περιορισμούς μας - ένα πολύπλοκο μοντέλο.
11:53
But it's still something that we can work on understanding.
229
713893
2993
Αλλά είναι ακόμα κάτι που θα δουλέψουμε για να καταλάβουμε.
11:57
Probably the most difficult part, from my point of view as an AI researcher,
230
717696
4320
Πιθανά το πιο δύσκολο μέρος, κατά τη γνώμη μου ως ερευνητής ΤΝ
12:02
is the fact that there are lots of us,
231
722040
2575
είναι το γεγονός ότι υπάρχουν πολλοί ερευνητές,
12:06
and so the machine has to somehow trade off, weigh up the preferences
232
726114
3581
οπότε η μηχανή πρέπει κάπως να συμβιβάσει τις προτιμήσεις
12:09
of many different people,
233
729719
2225
τόσων πολλών διαφορετικών ανθρώπων
12:11
and there are different ways to do that.
234
731968
1906
και υπάρχουν πολλοί τρόποι να γίνει αυτό.
12:13
Economists, sociologists, moral philosophers have understood that,
235
733898
3689
Οικονομολόγοι, κοινωνιολόγοι και ηθικοί φιλόσοφοι το έχουν καταλάβει
12:17
and we are actively looking for collaboration.
236
737611
2455
και ενεργά ψάχνουν για συνεργασίες.
12:20
Let's have a look and see what happens when you get that wrong.
237
740090
3251
Ας δούμε τώρα τι συμβαίνει όταν κάνεις λάθος σε αυτό.
12:23
So you can have a conversation, for example,
238
743365
2133
Μπορεί, για παράδειγμα, να συνομιλείς
12:25
with your intelligent personal assistant
239
745522
1944
με τον ευφυή προσωπικό σου βοηθό
12:27
that might be available in a few years' time.
240
747490
2285
που ίσως να είναι διαθέσιμος σε μερικά χρόνια.
12:29
Think of a Siri on steroids.
241
749799
2524
Σκεφτείτε κάτι σαν την Σίρι σε αναβολικά.
12:33
So Siri says, "Your wife called to remind you about dinner tonight."
242
753447
4322
Λέει, λοιπόν η Σίρι, «Η σύζυγος σου κάλεσε για να σου υπενθυμίσει το αποψινό δείπνο».
12:38
And of course, you've forgotten. "What? What dinner?
243
758436
2508
Και προφανώς το έχεις ξεχάσει.
«Δείπνο; Ποιο δείπνο; Για ποιο πράγμα μιλάς;»
12:40
What are you talking about?"
244
760968
1425
12:42
"Uh, your 20th anniversary at 7pm."
245
762417
3746
«Το δείπνο για την 20η επέτειό σας στις 7μμ».
12:48
"I can't do that. I'm meeting with the secretary-general at 7:30.
246
768735
3719
«Δεν προλαβαίνω. Θα συναντήσω τον γενικό γραμματέα στις 7:30.
12:52
How could this have happened?"
247
772478
1692
Πώς συνέβει αυτό;»
12:54
"Well, I did warn you, but you overrode my recommendation."
248
774194
4660
«Σε ειδοποίησα, αλλά παρέκαμψες την πρότασή μου».
12:59
"Well, what am I going to do? I can't just tell him I'm too busy."
249
779966
3328
«Τι θα κάνω τώρα; Δεν μπορώ απλώς να του πω ότι είμαι απασχολημένος».
13:04
"Don't worry. I arranged for his plane to be delayed."
250
784310
3281
«Μην ανησυχείς. Κανόνισα να καθυστερήσει η πτήση του».
13:07
(Laughter)
251
787615
1682
(Γέλια)
13:10
"Some kind of computer malfunction."
252
790069
2101
«Κάποιου είδους βλάβη στον υπολογιστή».
13:12
(Laughter)
253
792194
1212
(Γέλια)
13:13
"Really? You can do that?"
254
793430
1617
«Αλήθεια; Μπορείς να το κάνεις αυτό;»
13:16
"He sends his profound apologies
255
796220
2179
«Σου ζητά ειλικρινά συγγνώμη
13:18
and looks forward to meeting you for lunch tomorrow."
256
798423
2555
και αναμένει να σε συναντήσει για μεσημεριανό αύριο».
13:21
(Laughter)
257
801002
1299
(Γέλια)
13:22
So the values here -- there's a slight mistake going on.
258
802325
4403
Το θέμα εδώ είναι πως υπάρχει ένα μικρό λάθος.
13:26
This is clearly following my wife's values
259
806752
3009
Αυτό είναι ότι σαφώς ακολουθούνται οι σκοποί της γυναίκας μου,
13:29
which is "Happy wife, happy life."
260
809785
2069
που είναι, «Χαρούμενη σύζυγος, Χαρούμενη ζωή».
13:31
(Laughter)
261
811878
1583
(Γέλια)
13:33
It could go the other way.
262
813485
1444
Θα μπορούσε να γίνει αλλιώς.
13:35
You could come home after a hard day's work,
263
815641
2201
Γυρνάς σπίτι μετά από μια μέρα σκληρής δουλειάς
13:37
and the computer says, "Long day?"
264
817866
2195
και ο υπολογιστής λέει, «Δύσκολη μέρα;»
13:40
"Yes, I didn't even have time for lunch."
265
820085
2288
«Ναι, δεν είχα χρόνο ούτε για μεσημεριανό».
13:42
"You must be very hungry."
266
822397
1282
«Θα πεινάς πολύ τότε».
13:43
"Starving, yeah. Could you make some dinner?"
267
823703
2646
«Σαν λύκος. Μπορείς να μαγειρέψεις;»
13:47
"There's something I need to tell you."
268
827890
2090
«Υπάρχει κάτι που πρέπει να σου πω».
13:50
(Laughter)
269
830004
1155
(Γέλια)
13:52
"There are humans in South Sudan who are in more urgent need than you."
270
832013
4905
«Υπάρχουν άνθρωποι στο Νότιο Σουδάν που έχουν περισσότερη ανάγκη από εσένα».
13:56
(Laughter)
271
836942
1104
(Γέλια)
13:58
"So I'm leaving. Make your own dinner."
272
838070
2075
«Οπότε, φεύγω. Μαγείρεψε μόνος σου».
14:00
(Laughter)
273
840169
2000
(Γέλια)
14:02
So we have to solve these problems,
274
842643
1739
Πρέπει να λύσουμε αυτά τα προβλήματα
14:04
and I'm looking forward to working on them.
275
844406
2515
και ανυπομονώ να δουλέψω πάνω σε αυτά.
14:06
There are reasons for optimism.
276
846945
1843
Υπάρχουν λόγοι να αισιοδοξούμε.
14:08
One reason is,
277
848812
1159
Ένας λόγος είναι,
14:09
there is a massive amount of data.
278
849995
1868
πως υπάρχουν τεράστιες ποσότητες δεδομένων.
14:11
Because remember -- I said they're going to read everything
279
851887
2794
Θυμηθείτε πως είπα ότι πρόκειται να διαβάσουν
14:14
the human race has ever written.
280
854705
1546
οτιδήποτε έχει γραφτεί ποτέ.
Τα περισσότερα που έχουν γραφτεί είναι για ανθρώπους να δρουν
14:16
Most of what we write about is human beings doing things
281
856275
2724
και άλλους να εκνευρίζονται με αυτό.
14:19
and other people getting upset about it.
282
859023
1914
14:20
So there's a massive amount of data to learn from.
283
860961
2398
Οπότε υπάρχουν τεράστιες ποσότητες δεδομένων από όπου θα μάθουν.
14:23
There's also a very strong economic incentive
284
863383
2236
Υπάρχει επίσης ένα ισχυρό, οικονομικό κίνητρο
14:27
to get this right.
285
867151
1186
ώστε να πετύχει αυτό.
14:28
So imagine your domestic robot's at home.
286
868361
2001
Φανταστείτε το οικιακό σας ρομπότ.
14:30
You're late from work again and the robot has to feed the kids,
287
870386
3067
Έχετε καθυστερήσει πάλι στη δουλειά, αυτό πρέπει να ταΐσει τα παιδιά
14:33
and the kids are hungry and there's nothing in the fridge.
288
873477
2823
τα οποία είναι πεινασμένα και δεν υπάρχει τίποτα στο ψυγείο.
14:36
And the robot sees the cat.
289
876324
2605
Και το ρομπότ βλέπει τη γάτα.
14:38
(Laughter)
290
878953
1692
(Γέλια)
14:40
And the robot hasn't quite learned the human value function properly,
291
880669
4190
Το ρομπότ, όμως, δεν έχει μάθει σωστά τη λειτουργία των ανθρώπινων αξιών
14:44
so it doesn't understand
292
884883
1251
και δεν καταλαβαίνει
14:46
the sentimental value of the cat outweighs the nutritional value of the cat.
293
886158
4844
ότι η συναισθηματική αξία της γάτας υπερισχύει της θρεπτικής της αξίας.
14:51
(Laughter)
294
891026
1095
(Γέλια)
14:52
So then what happens?
295
892145
1748
Τι συμβαίνει τότε, λοιπόν;
14:53
Well, it happens like this:
296
893917
3297
Συμβαίνει κάτι τέτοιο,
14:57
"Deranged robot cooks kitty for family dinner."
297
897238
2964
«Ανεξέλεγκτο ρομπότ μαγειρεύει γατάκι για οικογενειακό δείπνο».
15:00
That one incident would be the end of the domestic robot industry.
298
900226
4523
Αυτό το συμβάν είναι αρκετό για το τέλος της βιομηχανίας οικιακών ρομπότ.
15:04
So there's a huge incentive to get this right
299
904773
3372
Άρα υπάρχει ένα ισχυρό κίνητρο για να επιτευχθεί σωστά η έρευνα
15:08
long before we reach superintelligent machines.
300
908169
2715
πολύ πριν φτάσουμε στις υπερ-ευφυείς μηχανές.
15:11
So to summarize:
301
911948
1535
Για να συνοψίσω,
15:13
I'm actually trying to change the definition of AI
302
913507
2881
Προσπαθώ να αλλάξω τον ορισμό της ΤΝ
15:16
so that we have provably beneficial machines.
303
916412
2993
ώστε να έχουμε πιθανά ωφέλιμες μηχανές.
15:19
And the principles are:
304
919429
1222
Και οι αρχές είναι,
15:20
machines that are altruistic,
305
920675
1398
ανιδιοτελείς μηχανές
15:22
that want to achieve only our objectives,
306
922097
2804
που θέλουν να πετύχουν μόνο το δικό μας σκοπό
15:24
but that are uncertain about what those objectives are,
307
924925
3116
και που είναι αβέβαιες για το ποιος είναι αυτός ο σκοπός
15:28
and will watch all of us
308
928065
1998
και που θα μας παρακολουθούν όλους
15:30
to learn more about what it is that we really want.
309
930087
3203
για να μάθουν περισσότερα για το τι πραγματικά θέλουμε.
15:34
And hopefully in the process, we will learn to be better people.
310
934193
3559
Αν όλα πάνε καλά, στη πορεία θα μάθουμε πώς να γίνουμε καλύτεροι άνθρωποι.
15:37
Thank you very much.
311
937776
1191
Σας ευχαριστώ πολύ.
15:38
(Applause)
312
938991
3709
(Χειροκρότημα)
15:42
Chris Anderson: So interesting, Stuart.
313
942724
1868
Κρις Άντερσον: Πολύ ενδιαφέρον, Στιούαρτ.
15:44
We're going to stand here a bit because I think they're setting up
314
944616
3170
Θα περιμένουμε λιγάκι εδώ
διότι νομίζω πως ετοιμάζονται για τον επόμενο ομιλητή.
15:47
for our next speaker.
315
947810
1151
15:48
A couple of questions.
316
948985
1538
Μερικές ερωτήσεις.
15:50
So the idea of programming in ignorance seems intuitively really powerful.
317
950547
5453
Η ιδέα του προγραμματισμού εν αγνοία φαίνεται ενστικτωδώς πολύ ισχυρή.
Όσο προχωράς προς την υπερνοημοσύνη,
15:56
As you get to superintelligence,
318
956024
1594
15:57
what's going to stop a robot
319
957642
2258
τι πρόκειται να σταματήσει ένα ρομπότ
15:59
reading literature and discovering this idea that knowledge
320
959924
2852
που διαβάζει λογοτεχνία και ανακαλύπτει την ιδέα
16:02
is actually better than ignorance
321
962800
1572
ότι η γνώση είναι καλύτερη από την άγνοια,
16:04
and still just shifting its own goals and rewriting that programming?
322
964396
4218
να μην αλλάξει τους σκοπούς του και ξαναγράψει τον κώδικά του;
16:09
Stuart Russell: Yes, so we want it to learn more, as I said,
323
969512
6356
Στιούαρτ Ράσελ: Ναι, εμείς θέλουμε να μάθει περισσότερα, όπως είπα,
16:15
about our objectives.
324
975892
1287
για τους σκοπούς μας.
16:17
It'll only become more certain as it becomes more correct,
325
977203
5521
Θα γίνει πιο βέβαιο όσο γίνεται πιο σωστό,
16:22
so the evidence is there
326
982748
1945
άρα τα στοιχεία υπάρχουν
16:24
and it's going to be designed to interpret it correctly.
327
984717
2724
και θα σχεδιαστεί για να τα ερμηνεύει σωστά.
16:27
It will understand, for example, that books are very biased
328
987465
3956
Θα καταλαβαίνει, για παράδειγμα, ότι τα βιβλία είναι πολύ προκατειλημμένα
16:31
in the evidence they contain.
329
991445
1483
στο περιεχόμενό τους.
16:32
They only talk about kings and princes
330
992952
2397
Μιλούν μόνο για βασιλιάδες και πρίγκιπες
16:35
and elite white male people doing stuff.
331
995373
2800
και προνομιούχους λευκούς άνδρες να κάνουν διάφορα.
16:38
So it's a complicated problem,
332
998197
2096
Είναι, λοιπόν, ένα σύνθετο πρόβλημα,
16:40
but as it learns more about our objectives
333
1000317
3872
αλλά όσο η μηχανή μαθαίνει περισσότερα για τους σκοπούς μας,
16:44
it will become more and more useful to us.
334
1004213
2063
θα μας γίνεται όλο και πιο χρήσιμη.
16:46
CA: And you couldn't just boil it down to one law,
335
1006300
2526
ΚΑ: Δεν μπορείς να το συμπτύξεις όλο σε ένα νόμο,
16:48
you know, hardwired in:
336
1008850
1650
προγραμματισμένο μέσα τους,
16:50
"if any human ever tries to switch me off,
337
1010524
3293
«Αν κάποιος άνθρωπος προσπαθήσει να με απενεργοποιήσει
16:53
I comply. I comply."
338
1013841
1935
θα υπακούσω».
16:55
SR: Absolutely not.
339
1015800
1182
ΣΡ: Όχι, βέβαια.
16:57
That would be a terrible idea.
340
1017006
1499
Αυτή είναι μια φρικτή ιδέα.
16:58
So imagine that you have a self-driving car
341
1018529
2689
Φαντάσου ότι έχεις ένα αυτο-οδηγούμενο αυτοκίνητο
17:01
and you want to send your five-year-old
342
1021242
2433
και θέλεις να στείλεις τον πεντάχρονο γιο σου
17:03
off to preschool.
343
1023699
1174
στον παιδικό σταθμό.
17:04
Do you want your five-year-old to be able to switch off the car
344
1024897
3101
Θα ήθελες το πεντάχρονο παιδί σου να μπορεί να το απενεργοποιήσει
17:08
while it's driving along?
345
1028022
1213
όσο είναι εν κινήσει;
17:09
Probably not.
346
1029259
1159
Μάλλον όχι.
17:10
So it needs to understand how rational and sensible the person is.
347
1030442
4703
Άρα το ρομπότ πρέπει να καταλαβαίνει πόσο λογικό είναι ένα άτομο.
17:15
The more rational the person,
348
1035169
1676
Όσο λογικότερο το άτομο,
17:16
the more willing you are to be switched off.
349
1036869
2103
τόσο πιθανότερο να θες να το απενεργοποιήσεις.
17:18
If the person is completely random or even malicious,
350
1038996
2543
Αν το άτομο είναι τελείως ασυνάρτητο ή κακόβουλο,
17:21
then you're less willing to be switched off.
351
1041563
2512
τότε είναι πιο απίθανο να το απενεργοποιήσεις.
17:24
CA: All right. Stuart, can I just say,
352
1044099
1866
ΚΑ: Εντάξει. Στιούαρτ, απλώς να πω,
17:25
I really, really hope you figure this out for us.
353
1045989
2314
πραγματικά ελπίζω να καταφέρεις να βρεις τη λύση.
17:28
Thank you so much for that talk. That was amazing.
354
1048327
2375
Ευχαριστώ πολύ για την απίθανη ομιλία σου.
17:30
SR: Thank you.
355
1050726
1167
ΣΡ: Ευχαριστώ. (Χειροκρότημα)
17:31
(Applause)
356
1051917
1837
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7