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

340,981 views ・ 2017-01-12

TED


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

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Μετάφραση: Anastasia Christof Επιμέλεια: Chryssa Takahashi
00:14
I'm going to talk a little bit about where technology's going.
1
14966
3817
Θα πω δυο λόγια σχετικά με το πού πηγαίνει η τεχνολογία.
00:19
And often technology comes to us,
2
19509
2671
Συχνά η τεχνολογία έρχεται σε εμάς,
00:22
we're surprised by what it brings.
3
22566
1865
και μας εκπλήσσει με αυτά που φέρνει.
00:24
But there's actually a large aspect of technology
4
24455
3683
Αλλά ένα μεγάλο μέρος της τεχνολογίας
είναι πολύ πιο προβλέψιμο
00:28
that's much more predictable,
5
28162
1802
00:29
and that's because technological systems of all sorts have leanings,
6
29988
4088
διότι κάθε είδους τεχνολογικό σύστημα έχει κλίσεις,
έχει ανάγκες,
00:34
they have urgencies,
7
34100
1175
00:35
they have tendencies.
8
35299
1561
έχει τάσεις.
00:36
And those tendencies are derived from the very nature of the physics,
9
36884
4932
Κι αυτές οι τάσεις προέρχονται από τη φύση της φυσικής,
00:41
chemistry of wires and switches and electrons,
10
41840
3150
της χημείας, των καλωδίων, των διακοπτών και των ηλεκτρονίων,
00:45
and they will make reoccurring patterns again and again.
11
45659
3602
και φτιάχνουν επαναλαμβανόμενα μοτίβα ξανά και ξανά.
00:49
And so those patterns produce these tendencies, these leanings.
12
49745
4874
Κι έτσι, αυτά τα μοτίβα παράγουν αυτές τις τάσεις, αυτές τις κλίσεις.
00:54
You can almost think of it as sort of like gravity.
13
54643
2831
Σκεφτείτε το σαν τη βαρύτητα.
00:57
Imagine raindrops falling into a valley.
14
57498
2319
Φανταστείτε σταγόνες βροχής να πέφτουν σε μια κοιλάδα.
00:59
The actual path of a raindrop as it goes down the valley
15
59841
3088
Η πορεία της σταγόνας καθώς κατεβαίνει στην κοιλάδα
01:02
is unpredictable.
16
62953
1169
είναι απρόβλεπτη.
01:04
We cannot see where it's going,
17
64651
1518
Δεν μπορούμε να δούμε πού πάει,
01:06
but the general direction is very inevitable:
18
66193
2277
αλλά η γενική της κατεύθυνση είναι αναπόφευκτη:
01:08
it's downward.
19
68494
1234
είναι καθοδική.
01:10
And so these baked-in tendencies and urgencies
20
70377
4572
Κι έτσι αυτές οι ενσωματωμένες τάσεις και ανάγκες
01:14
in technological systems
21
74973
1476
στα τεχνολογικά συστήματα
μας δίνουν την αίσθηση του πού πηγαίνουν τα πράγματα σε μια ευρύτερη κλίμακα.
01:17
give us a sense of where things are going at the large form.
22
77051
3609
Έτσι σε μια ευρύτερη έννοια,
01:21
So in a large sense,
23
81149
1401
01:22
I would say that telephones were inevitable,
24
82574
3361
θα έλεγα ότι τα τηλέφωνα ήταν αναπόφευκτα,
αλλά τα iPhone δεν ήταν.
01:27
but the iPhone was not.
25
87005
1342
Το Διαδίκτυο ήταν αναπόφευκτο,
01:29
The Internet was inevitable,
26
89094
1478
01:31
but Twitter was not.
27
91274
1286
αλλά το Twitter δεν ήταν.
Έχουμε πολλές τρέχουσες τάσεις αυτή τη στιγμή
01:33
So we have many ongoing tendencies right now,
28
93036
3928
01:36
and I think one of the chief among them
29
96988
2720
και πιστεύω ότι η κυριότερη από αυτές
01:39
is this tendency to make things smarter and smarter.
30
99732
3722
είναι η τάση να κάνουμε τα πράγματα όλο και πιο έξυπνα.
Το αποκαλώ «δίνω αντίληψη»,
01:44
I call it cognifying -- cognification --
31
104041
2212
01:46
also known as artificial intelligence, or AI.
32
106783
2782
γνωστό και ως τεχνική νοημοσύνη, ή ΤΝ.
Και νομίζω ότι θα γίνει μια από τις πιο σημαντικές εξελίξεις
01:50
And I think that's going to be one of the most influential developments
33
110025
3746
01:53
and trends and directions and drives in our society in the next 20 years.
34
113795
5575
και τάσεις και κατευθύνσεις και πορείες στην κοινωνία μας τα επόμενα 20 χρόνια.
Φυσικά, είναι ήδη εδώ.
02:00
So, of course, it's already here.
35
120021
1985
Ήδη έχουμε ΤΝ,
02:02
We already have AI,
36
122030
2204
02:04
and often it works in the background,
37
124258
2398
και συχνά παίζει στο παρασκήνιο,
02:06
in the back offices of hospitals,
38
126680
1586
στα πίσω γραφεία νοσοκομείων,
02:08
where it's used to diagnose X-rays better than a human doctor.
39
128290
4686
όπου χρησιμοποιείται για να διαγνώσει ακτινογραφίες καλύτερα από τους γιατρούς.
Είναι σε νομικά γραφεία.
02:13
It's in legal offices,
40
133000
1726
02:14
where it's used to go through legal evidence
41
134750
2368
όπου χρησιμοποιείται για να ψάξει αποδείξεις
καλύτερα από έναν νομικό βοηθό.
02:17
better than a human paralawyer.
42
137142
1855
02:19
It's used to fly the plane that you came here with.
43
139506
3656
Χρησιμοποιείται για να πετάξει το αεροπλάνο με το οποίο ήρθατε εδώ.
Οι πιλότοι το οδήγησαν εφτά με οκτώ λεπτά,
02:24
Human pilots only flew it seven to eight minutes,
44
144165
2381
02:26
the rest of the time the AI was driving.
45
146570
1953
την υπόλοιπη ώρα οδηγούσε η ΤΝ.
02:28
And of course, in Netflix and Amazon,
46
148547
2173
Και φυσικά, στο Netflix και στο Amazon
02:30
it's in the background, making those recommendations.
47
150744
2530
βρίσκεται στο παρασκήνιο, κάνοντάς σας προτάσεις.
02:33
That's what we have today.
48
153298
1261
Αυτό έχουμε σήμερα.
02:34
And we have an example, of course, in a more front-facing aspect of it,
49
154583
4801
Κι έχουμε ένα παράδειγμα, φυσικά, σε κάτι πιο προφανές,
02:39
with the win of the AlphaGo, who beat the world's greatest Go champion.
50
159408
6629
με τη νίκη του AlphaGo, που νίκησε τον παγκόσμιο πρωταθλητή στο Go.
02:46
But it's more than that.
51
166478
4053
Αλλά δεν είναι μόνο αυτό.
02:50
If you play a video game, you're playing against an AI.
52
170555
2642
Όταν παίζετε βιντεοπαιχνίδια, παίζετε εναντίον ΤΝ.
02:53
But recently, Google taught their AI
53
173221
4538
Αλλά πρόσφατα, η Google δίδαξε την ΤΝ της
02:57
to actually learn how to play video games.
54
177783
2412
να μαθαίνει πώς να παίζει βιντεοπαιχνίδια.
03:00
Again, teaching video games was already done,
55
180686
2709
Και πάλι, η διδασκαλία βιντεοπαιχνιδιών είχε ήδη γίνει,
03:03
but learning how to play a video game is another step.
56
183419
3897
αλλά η εκμάθηση του πώς να παίζεις ένα βιντεοπαιχνίδι είναι ένα άλλο βήμα.
03:07
That's artificial smartness.
57
187340
1678
Αυτό είναι τεχνητή ευφυΐα.
03:10
What we're doing is taking this artificial smartness
58
190571
4522
Αυτό που κάνουμε είναι να πάρουμε αυτή την τεχνητή ευφυΐα
και να την κάνουμε όλο και πιο έξυπνη.
03:15
and we're making it smarter and smarter.
59
195117
2423
03:18
There are three aspects to this general trend
60
198710
3895
Υπάρχουν τρεις πλευρές σε αυτή τη γενική τάση
03:22
that I think are underappreciated;
61
202629
1689
και νομίζω ότι είναι υποτιμημένες.
03:24
I think we would understand AI a lot better
62
204342
2277
Νομίζω ότι θα καταλαβαίναμε την ΤΝ πολύ καλύτερα,
03:26
if we understood these three things.
63
206643
2301
αν καταλαβαίναμε αυτά τα τρία πράγματα.
03:28
I think these things also would help us embrace AI,
64
208968
3283
Νομίζω ότι αυτά τα πράγματα θα μας βοηθούσαν να αποδεχτούμε την ΤΝ,
03:32
because it's only by embracing it that we actually can steer it.
65
212275
3008
γιατί μόνο αν την αποδεχτούμε θα μπορέσουμε να την κατευθύνουμε.
03:35
We can actually steer the specifics by embracing the larger trend.
66
215887
3157
Μπορούμε να κατευθύνουμε τις λεπτομέρειες, αποδεχόμενοι την ευρύτερη τάση.
03:39
So let me talk about those three different aspects.
67
219467
2979
Θα μιλήσω, λοιπόν, για αυτές τις τρεις διαφορετικές διαστάσεις.
03:42
The first one is: our own intelligence has a very poor understanding
68
222470
3673
Η πρώτη είναι: η δική μας νοημοσύνη έχει περιορισμένη αντίληψη
του τι είναι η νοημοσύνη.
03:46
of what intelligence is.
69
226167
1490
Έχουμε την τάση να σκεφτόμαστε τη νοημοσύνη σαν κάτι μονοδιάστατο,
03:48
We tend to think of intelligence as a single dimension,
70
228110
3653
03:51
that it's kind of like a note that gets louder and louder.
71
231787
2750
σαν να είναι μια νότα που δυναμώνει όλο και περισσότερο.
03:54
It starts like with IQ measurement.
72
234561
2607
Όπως με τις μετρήσεις ευφυΐας.
03:57
It starts with maybe a simple low IQ in a rat or mouse,
73
237192
4092
Ξεκινάει με ένα απλό, χαμηλό IQ σε έναν αρουραίο ή ένα ποντίκι,
και ίσως υπάρχει κάτι περισσότερο σε ένα χιμπατζή,
04:01
and maybe there's more in a chimpanzee,
74
241308
2134
04:03
and then maybe there's more in a stupid person,
75
243887
2191
και μετά, ίσως περισσότερο σε ένα ανόητο άτομο,
και μετά, ίσως σ' έναν μέσο άνθρωπο σαν εμένα
04:06
and then maybe an average person like myself,
76
246102
2096
04:08
and then maybe a genius.
77
248222
1290
και μετά, ίσως σε μια ιδιοφυΐα.
04:09
And this single IQ intelligence is getting greater and greater.
78
249536
4433
Κι αυτό το IQ γίνεται όλο και πιο υψηλό.
04:14
That's completely wrong.
79
254516
1151
Αυτό είναι τελείως λάθος.
04:15
That's not what intelligence is -- not what human intelligence is, anyway.
80
255691
3608
Η νοημοσύνη δεν είναι αυτό, τουλάχιστον όχι η ανθρώπινη νοημοσύνη.
04:19
It's much more like a symphony of different notes,
81
259673
4506
Μοιάζει περισσότερο με μια συμφωνία με πολλές διαφορετικές νότες
04:24
and each of these notes is played on a different instrument of cognition.
82
264203
3609
και κάθε νότα παίζεται σε ένα διαφορετικό όργανο γνώσης.
04:27
There are many types of intelligences in our own minds.
83
267836
3701
Υπάρχουν πολλά είδη νοημοσύνης μέσα στο μυαλό μας.
04:31
We have deductive reasoning,
84
271561
3048
Έχουμε συμπερασματική συλλογιστική,
04:34
we have emotional intelligence,
85
274633
2221
έχουμε συναισθηματική ευφυΐα,
04:36
we have spatial intelligence;
86
276878
1393
έχουμε χωρική ευφυΐα,
04:38
we have maybe 100 different types that are all grouped together,
87
278295
4021
έχουμε περίπου 100 διαφορετικούς τύπους που ανήκουν στην ίδια ομάδα
04:42
and they vary in different strengths with different people.
88
282340
3905
και ποικίλουν σε διαφορετικές δυνάμεις με διαφορετικά άτομα.
04:46
And of course, if we go to animals, they also have another basket --
89
286269
4526
Και φυσικά, όσον αφορά τα ζώα, κι αυτά έχουν ένα άλλο καλάθι,
04:50
another symphony of different kinds of intelligences,
90
290819
2541
μια άλλη συμφωνία διαφορετικών ειδών ευφυΐας,
04:53
and sometimes those same instruments are the same that we have.
91
293384
3566
και μερικές φορές αυτά τα ίδια όργανα είναι ίδια με τα δικά μας.
04:56
They can think in the same way, but they may have a different arrangement,
92
296974
3561
Μπορούν να σκεφτούν με τον ίδιο τρόπο, αλλά να έχουν διαφορετική οργάνωση,
05:00
and maybe they're higher in some cases than humans,
93
300559
2467
και σε κάποιες περιπτώσεις μπορεί να είναι υψηλότερη από των ανθρώπων,
05:03
like long-term memory in a squirrel is actually phenomenal,
94
303050
2837
όπως η μνήμη του σκίουρου που είναι εξαιρετική,
05:05
so it can remember where it buried its nuts.
95
305911
2287
για να θυμάται που έκρυψε τα καρύδια του.
Αλλά μπορεί να είναι και χαμηλότερη.
05:08
But in other cases they may be lower.
96
308222
1987
Όταν πάμε να φτιάξουμε μηχανές,
05:10
When we go to make machines,
97
310233
2730
05:12
we're going to engineer them in the same way,
98
312987
2196
πάμε να τις κατασκευάσουμε με τον ίδιο τρόπο,
05:15
where we'll make some of those types of smartness much greater than ours,
99
315207
5010
κάνοντας κάποιους από αυτούς τους τύπους ευφυΐας καλύτερους από τους δικούς μας.
05:20
and many of them won't be anywhere near ours,
100
320241
2571
Και κάποιοι από αυτούς δεν θα πλησιάζουν καν τη δική μας,
05:22
because they're not needed.
101
322836
1544
γιατί δεν είναι αναγκαίο.
05:24
So we're going to take these things,
102
324404
2203
Οπότε θα πάρουμε αυτά τα πράγματα,
05:26
these artificial clusters,
103
326631
2081
αυτές τις τεχνητές ομάδες
05:28
and we'll be adding more varieties of artificial cognition to our AIs.
104
328736
5362
και θα προσθέσουμε περισσότερα είδη τεχνητής γνώσης σε όλες τις ΤΝ.
05:34
We're going to make them very, very specific.
105
334507
4071
Θα τις κάνουμε πολύ πολύ συγκεκριμένες.
05:38
So your calculator is smarter than you are in arithmetic already;
106
338602
6542
Το κομπιουτεράκι σας είναι ήδη πιο έξυπνο από εσάς στην αριθμητική.
Το GPS σας είναι πιο έξυπνο από εσάς στην πλοήγηση.
05:45
your GPS is smarter than you are in spatial navigation;
107
345168
3697
05:49
Google, Bing, are smarter than you are in long-term memory.
108
349337
4258
Το Google, το Bing είναι πιο έξυπνα από εσάς στη μακροπρόθεσμη μνήμη.
05:54
And we're going to take, again, these kinds of different types of thinking
109
354339
4530
Και θα πάρουμε αυτούς τους διαφορετικούς τρόπους σκέψης
05:58
and we'll put them into, like, a car.
110
358893
1933
και θα τους βάλουμε, π.χ. σε ένα αμάξι.
06:00
The reason why we want to put them in a car so the car drives,
111
360850
3057
Ο λόγος που θέλουμε να τους βάλουμε σε ένα αμάξι για να οδηγήσει,
06:03
is because it's not driving like a human.
112
363931
2302
είναι επειδή δεν οδηγεί σαν άνθρωπος.
06:06
It's not thinking like us.
113
366257
1396
Δεν σκέφτεται σαν κι έμας.
06:07
That's the whole feature of it.
114
367677
1920
Αυτό είναι το θέμα.
06:09
It's not being distracted,
115
369621
1535
Δεν διασπάται η προσοχή του,
06:11
it's not worrying about whether it left the stove on,
116
371180
2754
δεν ανησυχεί για το αν άφησε το μάτι της κουζίνας ανοιχτό,
06:13
or whether it should have majored in finance.
117
373958
2138
ή αν έπρεπε να είχε σπουδάσει οικονομικά.
Απλώς οδηγεί.
06:16
It's just driving.
118
376120
1153
06:17
(Laughter)
119
377297
1142
(Γέλια)
06:18
Just driving, OK?
120
378463
1841
Απλώς οδηγεί, εντάξει;
06:20
And we actually might even come to advertise these
121
380328
2937
Μπορεί και να τα διαφημίσουμε
06:23
as "consciousness-free."
122
383289
1545
κι ως «χωρίς συνείδηση».
06:24
They're without consciousness,
123
384858
1774
Δεν έχουν συνείδηση,
06:26
they're not concerned about those things,
124
386656
2104
δεν τα απασχολούν τέτοια πράγματα,
06:28
they're not distracted.
125
388784
1156
δεν αποσπάται η προσοχή τους.
06:29
So in general, what we're trying to do
126
389964
2966
Γενικά, αυτό που προσπαθούμε να κάνουμε
06:32
is make as many different types of thinking as we can.
127
392954
4500
είναι να φτιάξουμε όσους διαφορετικούς τύπους σκέψης μπορούμε.
06:37
We're going to populate the space
128
397804
2083
Θα γεμίσουμε τον χώρο
06:39
of all the different possible types, or species, of thinking.
129
399911
4159
με όλους τους πιθανούς τρόπους σκέψης.
Και μπορεί να υπάρξουν κάποια προβλήματα
06:44
And there actually may be some problems
130
404094
2068
06:46
that are so difficult in business and science
131
406186
2800
που είναι τόσο δύσκολα στον επιχειρηματικό ή επιστημονικό τομέα
που ο ανθρώπινος τρόπος σκέψης μας να μην μπορεί να τα λύσει.
06:49
that our own type of human thinking may not be able to solve them alone.
132
409010
4042
Μπορεί να χρειαστούμε ένα πρόγραμμα δύο βημάτων
06:53
We may need a two-step program,
133
413076
1992
06:55
which is to invent new kinds of thinking
134
415092
4203
που θα είναι η εφεύρεση νέων ειδών σκέψης,
06:59
that we can work alongside of to solve these really large problems,
135
419692
3734
με τα οποία θα μπορούμε να δουλέψουμε για να λύσουμε αυτά τα μεγάλα προβλήματα,
07:03
say, like dark energy or quantum gravity.
136
423450
2918
όπως η σκοτεινή ενέργεια ή η κβαντική βαρύτητα.
07:08
What we're doing is making alien intelligences.
137
428496
2646
Αυτό που κάνουμε είναι να δημιουργούμε εξωγήινες νοημοσύνες.
07:11
You might even think of this as, sort of, artificial aliens
138
431166
4069
Μπορείτε να το θεωρήσετε και κάτι σαν τεχνητούς εξωγήινους,
07:15
in some senses.
139
435259
1207
κατά μία έννοια.
07:16
And they're going to help us think different,
140
436490
2300
Και θα μας βοηθήσουν να σκεφτούμε διαφορετικά
07:18
because thinking different is the engine of creation
141
438814
3632
καθώς το να σκεφτόμαστε διαφορετικά είναι η μηχανή της δημιουργίας
07:22
and wealth and new economy.
142
442470
1867
και του πλούτου και της καινούργιας οικονομίας.
07:25
The second aspect of this is that we are going to use AI
143
445835
4923
Η δεύτερη πλευρά αυτού του θέματος είναι ότι θα χρησιμοποιήσουμε την ΤΝ
07:30
to basically make a second Industrial Revolution.
144
450782
2950
για να κάνουμε, ουσιαστικά, μια δεύτερη Βιομηχανική Επανάσταση.
Η πρώτη Βιομηχανική Επανάσταση βασίστηκε στο γεγονός
07:34
The first Industrial Revolution was based on the fact
145
454135
2773
07:36
that we invented something I would call artificial power.
146
456932
3462
ότι δημιουργήσαμε κάτι που θα αποκαλούσα τεχνητή δύναμη.
07:40
Previous to that,
147
460879
1150
Πριν από αυτό,
κατά τη διάρκεια της Αγροτικής Επανάστασης,
07:42
during the Agricultural Revolution,
148
462053
2034
ό,τι φτιαχνόταν έπρεπε να γίνει από ανθρώπινα χέρια
07:44
everything that was made had to be made with human muscle
149
464111
3702
07:47
or animal power.
150
467837
1307
ή τη δύναμη των ζώων.
07:49
That was the only way to get anything done.
151
469565
2063
Αυτός ήταν ο μόνος τρόπος για να γίνει το οτιδήποτε.
07:51
The great innovation during the Industrial Revolution was,
152
471652
2945
Η μεγάλη καινοτομία κατά τη διάρκεια της Βιομηχανικής Επανάστασης
07:54
we harnessed steam power, fossil fuels,
153
474621
3109
ήταν ότι αξιοποιήσαμε τη δύναμη του ατμού, των ορυκτών καυσίμων,
07:57
to make this artificial power that we could use
154
477754
3856
για να φτιάξουμε αυτή την τεχνητή ενέργεια που θα χρησιμοποιούσαμε
08:01
to do anything we wanted to do.
155
481634
1669
για να κάνουμε ό,τι θέλαμε να κάνουμε.
08:03
So today when you drive down the highway,
156
483327
2772
Έτσι σήμερα όταν οδηγείτε σε έναν αυτοκινητόδρομο,
08:06
you are, with a flick of the switch, commanding 250 horses --
157
486571
4525
διαχειρίζεστε 250 άλογα, με το πάτημα ενός κουμπιού
-ιπποδύναμη 250 ίππων-
08:11
250 horsepower --
158
491120
1572
08:12
which we can use to build skyscrapers, to build cities, to build roads,
159
492716
4692
που θα μπορούσαμε να χρησιμοποιήσουμε για να χτίσουμε ουρανοξύστες, πόλεις, δρόμους,
08:17
to make factories that would churn out lines of chairs or refrigerators
160
497432
5789
εργοστάσια που θα παρήγαγαν καρέκλες ή ψυγεία
08:23
way beyond our own power.
161
503245
1654
πέρα των δυνατοτήτων μας.
08:24
And that artificial power can also be distributed on wires on a grid
162
504923
6111
Κι αυτή η τεχνητή δύναμη μπορεί να διανεμηθεί και σε καλώδια σε ένα δίκτυο
για κάθε σπίτι, εργοστάσιο ή αγρόκτημα,
08:31
to every home, factory, farmstead,
163
511058
3199
08:34
and anybody could buy that artificial power,
164
514281
4191
και ο καθένας θα μπορούσε να αγοράσει αυτή την τεχνητή δύναμη,
08:38
just by plugging something in.
165
518496
1472
απλά βάζοντας κάτι στην πρίζα.
08:39
So this was a source of innovation as well,
166
519992
2439
Έτσι κι αυτό ήταν μια πηγή καινοτομίας
08:42
because a farmer could take a manual hand pump,
167
522455
3418
γιατί ο κάθε αγρότης θα μπορούσε να πάρει μια χειροκίνητη αντλία
08:45
and they could add this artificial power, this electricity,
168
525897
2916
και θα μπορούσε να προσθέσει αυτή την τεχνητή δύναμη, τον ηλεκτρισμό,
08:48
and he'd have an electric pump.
169
528837
1497
και θα είχε μια ηλεκτρική αντλία.
08:50
And you multiply that by thousands or tens of thousands of times,
170
530358
3318
Κι αν το πολλαπλασιάσετε εκατοντάδες ή δεκάδες χιλιάδες φορές,
08:53
and that formula was what brought us the Industrial Revolution.
171
533700
3159
θα έχετε τη φόρμουλα που έφερε τη Βιομηχανική Επανάσταση.
08:56
All the things that we see, all this progress that we now enjoy,
172
536883
3585
Όλα τα πράγματα που βλέπουμε, όλη αυτή η πρόοδος που απολαμβάνουμε,
09:00
has come from the fact that we've done that.
173
540492
2063
προήλθε από το γεγονός ότι έγιναν όλα αυτά.
09:02
We're going to do the same thing now with AI.
174
542579
2348
Τώρα θα κάνουμε το ίδιο πράγμα με την ΤΝ.
09:04
We're going to distribute that on a grid,
175
544951
2075
Θα τη διανείμουμε σε ένα δίκτυο
και θα μπορείτε να πάρετε αυτή την ηλεκτρική αντλία,
09:07
and now you can take that electric pump.
176
547050
2374
09:09
You can add some artificial intelligence,
177
549448
2968
θα μπορείτε να της προσθέσετε τεχνητή νοημοσύνη
09:12
and now you have a smart pump.
178
552440
1481
και θα έχετε μια έξυπνη αντλία.
09:13
And that, multiplied by a million times,
179
553945
1928
Αν το πολλαπλασιάσετε αυτό εκατομμύρια φορές
09:15
is going to be this second Industrial Revolution.
180
555897
2363
θα γίνει η δεύτερη Βιομηχανική Επανάσταση.
09:18
So now the car is going down the highway,
181
558284
2382
Και το αμάξι στον αυτοκινητόδρομο
09:20
it's 250 horsepower, but in addition, it's 250 minds.
182
560690
4294
είναι 250 ίππων, αλλά και 250 μυαλών.
Είναι το αυτοοδηγούμενο αυτοκίνητο.
09:25
That's the auto-driven car.
183
565008
1769
09:26
It's like a new commodity;
184
566801
1389
Είναι σαν μια νέα άνεση,
09:28
it's a new utility.
185
568214
1303
ένα νέο είδος πρακτικότητας.
09:29
The AI is going to flow across the grid -- the cloud --
186
569541
3041
Η ΤΝ θα ξεχυθεί στο δίκτυο, στο «σύννεφο»,
09:32
in the same way electricity did.
187
572606
1567
με τον ίδιο τρόπο που συνέβη με τον ηλεκτρισμό.
09:34
So everything that we had electrified,
188
574197
2380
Έτσι, ό,τι έχουμε ηλεκτροδοτήσει,
09:36
we're now going to cognify.
189
576601
1723
τώρα θα του δώσουμε αντίληψη.
09:38
And I would suggest, then,
190
578693
1385
Και θα πρότεινα ότι
η φόρμουλα για τις επόμενες 10.000 νεοφυείς επιχειρήσεις
09:40
that the formula for the next 10,000 start-ups
191
580102
3732
09:43
is very, very simple,
192
583858
1162
είναι πολύ, πολύ απλή,
παίρνουμε το χ και προσθέτουμε ΤΝ.
09:45
which is to take x and add AI.
193
585044
3167
Αυτή είναι η φόρμουλα, αυτό θα κάνουμε.
09:49
That is the formula, that's what we're going to be doing.
194
589100
2812
09:51
And that is the way in which we're going to make
195
591936
3306
Και με αυτόν τον τρόπο θα κάνουμε
09:55
this second Industrial Revolution.
196
595266
1858
τη δεύτερη Βιομηχανική Επανάσταση.
Και, παρεμπιπτόντως, αυτή τη στιγμή, αυτό το λεπτό,
09:57
And by the way -- right now, this minute,
197
597148
2154
09:59
you can log on to Google
198
599326
1169
μπορείτε να μπείτε στο Google
10:00
and you can purchase AI for six cents, 100 hits.
199
600519
3882
και να αγοράσετε ΤΝ για 6 σεντ, 100 χτυπήματα.
10:04
That's available right now.
200
604758
1604
Είναι διαθέσιμη αυτή τη στιγμή.
10:06
So the third aspect of this
201
606386
2286
Η τρίτη πλευρά του θέματος
10:09
is that when we take this AI and embody it,
202
609315
2678
είναι ότι όταν παίρνουμε την ΤΝ και την ενσωματώνουμε,
φτιάχνουμε ρομπότ.
10:12
we get robots.
203
612017
1173
10:13
And robots are going to be bots,
204
613214
1703
Και τα ρομπότ θα γίνουν μποτ,
10:14
they're going to be doing many of the tasks that we have already done.
205
614941
3328
θα κάνουν πολλές εργασίες που κάνουμε ήδη.
Μια δουλειά είναι διάφορες εργασίες,
10:20
A job is just a bunch of tasks,
206
620357
1528
10:21
so they're going to redefine our jobs
207
621909
1762
οπότε θα επαναπροσδιορίσουν τις δουλειές μας
10:23
because they're going to do some of those tasks.
208
623695
2259
γιατί θα κάνουν κάποιες από αυτές τις εργασίες.
10:25
But they're also going to create whole new categories,
209
625978
3197
Αλλά θα δημιουργήσουν και καινούργιες κατηγορίες,
10:29
a whole new slew of tasks
210
629199
2247
μια νέα πληθώρα εργασιών
10:31
that we didn't know we wanted to do before.
211
631470
2457
που δεν ξέραμε ότι θα θέλαμε να κάνουμε.
10:33
They're going to actually engender new kinds of jobs,
212
633951
3637
Θα δημιουργήσουν νέα είδη δουλειάς,
10:37
new kinds of tasks that we want done,
213
637612
2271
νέα είδη εργασίας που θα θέλουμε να γίνουν
10:39
just as automation made up a whole bunch of new things
214
639907
3405
ακριβώς όπως η αυτοματοποίηση δημιούργησε ένα σωρό νέα πράγματα
10:43
that we didn't know we needed before,
215
643336
1834
που δεν ξέραμε ότι χρειαζόμασταν πριν
10:45
and now we can't live without them.
216
645194
1956
και τώρα δεν μπορούμε να ζήσουμε χωρίς αυτά.
10:47
So they're going to produce even more jobs than they take away,
217
647174
3956
Οπότε θα δημιουργήσουν ακόμα περισσότερες δουλειές από αυτές που θα πάρουν
αλλά είναι σημαντικό οι περισσότερες εργασίες που θα τους δώσουμε
10:51
but it's important that a lot of the tasks that we're going to give them
218
651154
3434
10:54
are tasks that can be defined in terms of efficiency or productivity.
219
654612
4572
να είναι εργασίες που θα σχετίζονται με την αποδοτικότητα και την παραγωγικότητα.
10:59
If you can specify a task,
220
659676
1828
Αν προσδιορίσουμε μια εργασία,
11:01
either manual or conceptual,
221
661528
2235
είτε χειροκίνητη είτε νοητική,
11:03
that can be specified in terms of efficiency or productivity,
222
663787
4780
που μπορεί να προσδιοριστεί ως προς την αποδοτικότητα και την παραγωγικότητα,
11:08
that goes to the bots.
223
668591
1777
αυτή θα γίνεται από τα μποτ.
11:10
Productivity is for robots.
224
670758
2178
Η παραγωγικότητα είναι για τα ρομπότ.
11:12
What we're really good at is basically wasting time.
225
672960
3070
Αυτό στο οποίο είμαστε καλοί είναι, ουσιαστικά, το χάσιμο χρόνου.
(Γέλια)
11:16
(Laughter)
226
676054
1028
Είμαστε πολύ καλοί σε πράγματα που είναι μη αποδοτικά.
11:17
We're really good at things that are inefficient.
227
677106
2316
11:19
Science is inherently inefficient.
228
679446
3025
Η επιστήμη είναι εγγενώς μή αποδοτική.
11:22
It runs on that fact that you have one failure after another.
229
682816
2906
Βασίζεται στο ότι η μία αποτυχία έρχεται μετά την άλλη.
11:25
It runs on the fact that you make tests and experiments that don't work,
230
685746
3424
Βασίζεται στο ότι κάνουμε τεστ και πειράματα που δεν πετυχαίνουν,
11:29
otherwise you're not learning.
231
689194
1442
αλλιώς δεν μαθαίνουμε.
11:30
It runs on the fact
232
690660
1162
Βασίζεται στο ότι
11:31
that there is not a lot of efficiency in it.
233
691846
2083
δεν υπάρχει αρκετή παραγωγικότητα σε αυτή.
11:33
Innovation by definition is inefficient,
234
693953
2779
Η πρωτοπορία είναι εξ ορισμού μη αποδοτική,
11:36
because you make prototypes,
235
696756
1391
επειδή φτιάχνεις πρωτότυπα,
επειδή δοκιμάζεις πράγματα που αποτυγχάνουν, που δεν λειτουργούν.
11:38
because you try stuff that fails, that doesn't work.
236
698171
2707
11:40
Exploration is inherently inefficiency.
237
700902
3112
Η εξερεύνηση είναι εγγενώς μή αποδοτική.
Η τέχνη δεν είναι αποδοτική.
11:44
Art is not efficient.
238
704038
1531
11:45
Human relationships are not efficient.
239
705593
2127
Οι ανθρώπινες σχέσεις δεν είναι αποδοτικές.
11:47
These are all the kinds of things we're going to gravitate to,
240
707744
2940
Αυτά είναι όλα τα πράγματα στα οποία θα επικεντρωθούμε
11:50
because they're not efficient.
241
710708
1475
επειδή δεν είναι αποδοτικά.
11:52
Efficiency is for robots.
242
712207
2315
Η αποδοτικότητα είναι για τα ρομπότ.
11:55
We're also going to learn that we're going to work with these AIs
243
715338
4123
Επίσης θα μάθουμε ότι θα δουλέψουμε με αυτές τις ΤΝ
11:59
because they think differently than us.
244
719485
1997
επειδή σκέφτονται διαφορετικά από εμάς.
Όταν το Deep Blue νίκησε τον παγκόσμιο πρωταθλητή στο σκάκι,
12:02
When Deep Blue beat the world's best chess champion,
245
722005
4314
πολλοί νόμιζαν ότι αυτό ήταν το τέλος του σκακιού.
12:06
people thought it was the end of chess.
246
726343
1929
12:08
But actually, it turns out that today, the best chess champion in the world
247
728296
4402
Αλλά τελικά σήμερα, ο παγκόσμιος πρωταθλητής στο σκάκι
12:12
is not an AI.
248
732722
1557
δεν είναι μια ΤΝ.
12:14
And it's not a human.
249
734906
1181
Και δεν είναι άνθρωπος.
Είναι μια ομάδα ανθρώπων και μιας ΤΝ.
12:16
It's the team of a human and an AI.
250
736111
2715
12:18
The best medical diagnostician is not a doctor, it's not an AI,
251
738850
4000
Τις καλύτερες διαγνώσεις δεν τις κάνει ούτε ένας γιατρός ούτε μια ΤΝ,
12:22
it's the team.
252
742874
1176
αλλά η ομάδα.
Θα δουλεύουμε με αυτές τις ΤΝ
12:24
We're going to be working with these AIs,
253
744074
2149
12:26
and I think you'll be paid in the future
254
746247
1995
και νομίζω ότι θα ανταμειφθούμε στο μέλλον
12:28
by how well you work with these bots.
255
748266
2391
από το πόσο καλά δουλεύουμε με αυτά τα μποτ.
Το τρίτο είναι ότι είναι διαφορετικά,
12:31
So that's the third thing, is that they're different,
256
751026
4257
12:35
they're utility
257
755307
1165
είναι χρήσιμα
12:36
and they are going to be something we work with rather than against.
258
756496
3816
και θα είναι κάτι με το οποίο θα δουλεύουμε μαζί, όχι ενάντια.
12:40
We're working with these rather than against them.
259
760336
2639
Θα δουλεύουμε μαζί τους αντί να είμαστε εναντίον τους.
12:42
So, the future:
260
762999
1477
Οπότε, το μέλλον:
12:44
Where does that take us?
261
764500
1420
Πού μας πηγαίνει;
12:45
I think that 25 years from now, they'll look back
262
765944
3567
Πιστευώ ότι σε 25 χρόνια από τώρα, θα κοιτάμε πίσω
12:49
and look at our understanding of AI and say,
263
769535
3125
και θα δούμε την αντίληψή μας σχετικά με την ΤΝ και θα λέμε:
12:52
"You didn't have AI. In fact, you didn't even have the Internet yet,
264
772684
3300
«Δεν είχατε ΤΝ. Βασικά, ούτε Διαδίκτυο δεν είχατε ακόμα,
σε σχέση με όσα θα έχουμε σε 25 χρόνια από τώρα».
12:56
compared to what we're going to have 25 years from now."
265
776008
2741
12:59
There are no AI experts right now.
266
779849
3047
Δεν υπάρχουν ειδικοί στην ΤΝ αυτή τη στιγμή.
13:02
There's a lot of money going to it,
267
782920
1699
Πηγαίνουν πολλά λεφτά σε αυτόν τον τομέα.
13:04
there are billions of dollars being spent on it;
268
784643
2268
Ξοδεύονται δισεκατομμύρια δολάρια,
13:06
it's a huge business,
269
786935
2164
είναι μια τεράστια επιχείρηση,
αλλά δεν υπάρχουν ειδικοί, συγκριτικά με όσα θα ξέρουμε σε 20 χρόνια από τώρα.
13:09
but there are no experts, compared to what we'll know 20 years from now.
270
789123
4272
Είμαστε μόνο στην αρχή της αρχής,
13:14
So we are just at the beginning of the beginning,
271
794064
2885
13:16
we're in the first hour of all this.
272
796973
2163
είμαστε στην πρώτη ώρα όλου αυτού.
Είμαστε στην πρώτη ώρα του Διαδικτύου.
13:19
We're in the first hour of the Internet.
273
799160
1935
Είμαστε στην πρώτη ώρα των όσων έρχονται.
13:21
We're in the first hour of what's coming.
274
801119
2040
13:23
The most popular AI product in 20 years from now,
275
803183
4153
Το πιο δημοφιλές προϊόν ΤΝ σε 20 χρόνια από τώρα,
13:27
that everybody uses,
276
807360
1444
που όλοι θα χρησιμοποιούν,
13:29
has not been invented yet.
277
809499
1544
δεν έχει εφευρεθεί ακόμα.
13:32
That means that you're not late.
278
812464
2467
Αυτό σημαίνει ότι δεν έχετε αργήσει.
13:35
Thank you.
279
815684
1151
Ευχαριστώ.
13:36
(Laughter)
280
816859
1026
(Γέλια)
13:37
(Applause)
281
817909
2757
(Χειροκρότημα)
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