What happens when our computers get smarter than we are? | Nick Bostrom

2,703,006 views ・ 2015-04-27

TED


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

Μετάφραση: Ioannis Papacheimonas Επιμέλεια: Lucas Kaimaras
00:12
I work with a bunch of mathematicians, philosophers and computer scientists,
0
12570
4207
Δουλεύω με μαθηματικούς φιλόσοφους και προγραμματιστές,
00:16
and we sit around and think about the future of machine intelligence,
1
16777
5209
και καθόμαστε και σκεφτόμαστε το μέλλον της νοημοσύνης των μηχανών,
00:21
among other things.
2
21986
2044
μεταξύ άλλων.
00:24
Some people think that some of these things are sort of science fiction-y,
3
24030
4725
Κάποιοι νομίζουν ότι αυτά τα πράγματα είναι ένα είδος επιστημονικής φαντασίας,
00:28
far out there, crazy.
4
28755
3101
πολύ μακριά, τρελά.
00:31
But I like to say,
5
31856
1470
Αλλά θα ήθελα να πω,
00:33
okay, let's look at the modern human condition.
6
33326
3604
ωραία, ας δούμε τη σημερινή ανθρώπινη κατάσταση.
00:36
(Laughter)
7
36930
1692
(Γέλια)
00:38
This is the normal way for things to be.
8
38622
2402
Έτσι είναι κανονικά τα πράγματα.
00:41
But if we think about it,
9
41024
2285
Αλλά αν το σκεφτούμε,
00:43
we are actually recently arrived guests on this planet,
10
43309
3293
είμαστε στην πραγματικότητα καινούργιοι ένοικοι αυτού του πλανήτη,
00:46
the human species.
11
46602
2082
το ανθρώπινο είδος.
00:48
Think about if Earth was created one year ago,
12
48684
4746
Σκεφτείτε ότι, αν η Γη δημιουργήθηκε ένα χρόνο πριν,
00:53
the human species, then, would be 10 minutes old.
13
53430
3548
τότε το ανθρώπινο είδος εμφανίστηκε πριν από 10 λεπτά.
00:56
The industrial era started two seconds ago.
14
56978
3168
Η βιομηχανική εποχή ξεκίνησε πριν από δύο δευτερόλεπτα.
01:01
Another way to look at this is to think of world GDP over the last 10,000 years,
15
61276
5225
Άλλος ένας τρόπος για να το δούμε, είναι με το ΑΕΠ των τελευταίων 10.000 ετών.
01:06
I've actually taken the trouble to plot this for you in a graph.
16
66501
3029
Μπήκα στον κόπο να το υπολογίσω για εσάς σε αυτό τον πίνακα.
01:09
It looks like this.
17
69530
1774
Είναι κάπως έτσι.
01:11
(Laughter)
18
71304
1363
(Γέλια)
01:12
It's a curious shape for a normal condition.
19
72667
2151
Περίεργο σχήμα για μια φυσιολογική κατάσταση.
01:14
I sure wouldn't want to sit on it.
20
74818
1698
Δεν θα ήθελα να κάτσω επάνω σε αυτό.
01:16
(Laughter)
21
76516
2551
(Γέλια)
01:19
Let's ask ourselves, what is the cause of this current anomaly?
22
79067
4774
Ας αναρωτηθούμε, ποιος είναι ο λόγος αυτής της ανωμαλίας;
01:23
Some people would say it's technology.
23
83841
2552
Κάποιοι θα πουν ότι είναι η τεχνολογία.
01:26
Now it's true, technology has accumulated through human history,
24
86393
4668
Είναι αλήθεια, η τεχνολογία συσσωρεύτηκε στην ανθρώπινη ιστορία,
01:31
and right now, technology advances extremely rapidly --
25
91061
4652
και τώρα, η τεχνολογία εξελίσσεται απίστευτα γρήγορα --
01:35
that is the proximate cause,
26
95713
1565
αυτή είναι η εμφανής αιτία,
01:37
that's why we are currently so very productive.
27
97278
2565
και γι' αυτό είμαστε τώρα τόσο παραγωγικοί.
01:40
But I like to think back further to the ultimate cause.
28
100473
3661
Αλλά θα ήθελα να σκεφτώ περισσότερο την πρωταρχική αιτία.
01:45
Look at these two highly distinguished gentlemen:
29
105114
3766
Δείτε αυτούς τους δύο διακεκριμένους κυρίους:
01:48
We have Kanzi --
30
108880
1600
Έχουμε τον Κάνζι --
01:50
he's mastered 200 lexical tokens, an incredible feat.
31
110480
4643
έχει μάθει 200 λέξεις, ένα καταπληκτικό επίτευγμα.
01:55
And Ed Witten unleashed the second superstring revolution.
32
115123
3694
Και ο Εντ Γουίτεν εξαπέλυσε τη δεύτερη επανάσταση υπερστοιχειοσειρών.
01:58
If we look under the hood, this is what we find:
33
118817
2324
Αν κοιτάξουμε κάτω από την επιφάνεια, τι θα βρούμε;
02:01
basically the same thing.
34
121141
1570
λίγο πολύ το ίδιο πράγμα.
02:02
One is a little larger,
35
122711
1813
Ο ένας είναι λίγο μεγαλύτερος,
02:04
it maybe also has a few tricks in the exact way it's wired.
36
124524
2758
ίσως έχει λίγο πολυπλοκότερες καλωδιώσεις.
02:07
These invisible differences cannot be too complicated, however,
37
127282
3812
Αυτές οι αόρατες διαφορές δεν μπορεί να είναι πολύπλοκες όμως,
02:11
because there have only been 250,000 generations
38
131094
4285
επειδή έχουν περάσει μόνο 250.000 γενιές
02:15
since our last common ancestor.
39
135379
1732
από τον τελευταίο κοινό μας πρόγονο.
02:17
We know that complicated mechanisms take a long time to evolve.
40
137111
3849
Ξέρουμε ότι οι πολύπλοκοι μηχανισμοί χρειάζονται πολύ χρόνο για να εξελιχθούν.
02:22
So a bunch of relatively minor changes
41
142000
2499
Έτσι μόνο λίγες μικρές αλλαγές
02:24
take us from Kanzi to Witten,
42
144499
3067
μας οδηγούν από τον Κάνζι στον Γουίτεν,
02:27
from broken-off tree branches to intercontinental ballistic missiles.
43
147566
4543
από σπασμένα κλαδιά σε Διηπειρωτικούς Βαλλιστικούς Πυραύλους.
02:32
So this then seems pretty obvious that everything we've achieved,
44
152839
3935
Έτσι είναι προφανές ότι όλα όσα έχουμε πετύχει,
02:36
and everything we care about,
45
156774
1378
και για τα οποία νοιαζόμαστε,
02:38
depends crucially on some relatively minor changes that made the human mind.
46
158152
5228
εξαρτώνται από μερικές μικρές αλλαγές που έκαναν το ανθρώπινο μυαλό.
02:44
And the corollary, of course, is that any further changes
47
164650
3662
Και το πόρισμα, βέβαια, είναι ότι περαιτέρω αλλαγές
02:48
that could significantly change the substrate of thinking
48
168312
3477
που θα μπορούσαν να αλλάξουν σημαντικά το υπόστρωμα της σκέψης
02:51
could have potentially enormous consequences.
49
171789
3202
θα μπορούσαν να έχουν τεράστιες συνέπειες.
02:56
Some of my colleagues think we're on the verge
50
176321
2905
Κάποιοι από τους συναδέλφους μου πιστεύουν ότι είμαστε στα πρόθυρα
02:59
of something that could cause a profound change in that substrate,
51
179226
3908
μιας μεγάλης αλλαγής σε αυτό το υπόστρωμα,
03:03
and that is machine superintelligence.
52
183134
3213
και αυτή είναι η μηχανική υπερνοημοσύνη.
03:06
Artificial intelligence used to be about putting commands in a box.
53
186347
4739
Η Τεχνητή Νοημοσύνη είχε να κάνει με τη συγγραφή εντολών σε ένα κουτί.
03:11
You would have human programmers
54
191086
1665
Είχατε ανθρώπους προγραμματιστές
03:12
that would painstakingly handcraft knowledge items.
55
192751
3135
που με κόπο θα κατασκεύαζαν αντικείμενα γνώσης.
03:15
You build up these expert systems,
56
195886
2086
Θα έφτιαχναν αυτά τα εξειδικευμένα συστήματα,
03:17
and they were kind of useful for some purposes,
57
197972
2324
και ήταν κάπως χρήσιμα για κάποιους σκοπούς,
03:20
but they were very brittle, you couldn't scale them.
58
200296
2681
αλλά ήταν πολύ εύθραυστα και δεν έμπαιναν σε κλίμακα.
03:22
Basically, you got out only what you put in.
59
202977
3433
Βασικά, παίρνατε μόνο ό,τι τους βάζατε.
03:26
But since then,
60
206410
997
Αλλά από τότε,
03:27
a paradigm shift has taken place in the field of artificial intelligence.
61
207407
3467
μια άλλη αντιμετώπιση έλαβε χώρα στον τομέα της Τεχνητής Νοημοσύνης.
03:30
Today, the action is really around machine learning.
62
210874
2770
Σήμερα όλη η δράση είναι γύρω από τη μηχανική μάθηση.
03:34
So rather than handcrafting knowledge representations and features,
63
214394
5387
Επομένως αντί να κατασκευάσουμε τη γνώση και τα χαρακτηριστικά,
03:40
we create algorithms that learn, often from raw perceptual data.
64
220511
5554
φτιάχνουμε αλγόριθμους που μαθαίνουν συχνά από ακατέργαστα αντιληπτικά δεδομένα.
03:46
Basically the same thing that the human infant does.
65
226065
4998
Βασικά το ίδιο πράγμα που κάνει ένα μωρό.
Το αποτέλεσμα είναι μια Τ.Ν. που δεν περιορίζεται σε έναν τομέα --
03:51
The result is A.I. that is not limited to one domain --
66
231063
4207
03:55
the same system can learn to translate between any pairs of languages,
67
235270
4631
το ίδιο σύστημα μπορεί να μάθει να μεταφράζει μεταξύ κάθε ζεύγους γλωσσών,
03:59
or learn to play any computer game on the Atari console.
68
239901
5437
ή να μάθει να παίζει οποιοδήποτε ηλεκτρονικό παιχνίδι στην κονσόλα Ατάρι.
04:05
Now of course,
69
245338
1779
Τώρα, βέβαια,
04:07
A.I. is still nowhere near having the same powerful, cross-domain
70
247117
3999
η Τ.Ν. δεν είναι καν κοντά στην ικανότητα εκμάθησης και σχεδιασμού
04:11
ability to learn and plan as a human being has.
71
251116
3219
σε διάφορους τομείς όπως ένας άνθρωπος.
04:14
The cortex still has some algorithmic tricks
72
254335
2126
Ο φλοιός έχει ακόμα μερικά αλγοριθμικά κόλπα
04:16
that we don't yet know how to match in machines.
73
256461
2355
τα οποία ακόμη δεν ξέρουμε πώς να μεταφέρουμε σε μηχανές.
04:19
So the question is,
74
259886
1899
Επομένως η ερώτηση είναι,
04:21
how far are we from being able to match those tricks?
75
261785
3500
πόσο απέχουμε από το να καλύψουμε αυτά τα κόλπα;
04:26
A couple of years ago,
76
266245
1083
Πριν μερικά χρόνια,
04:27
we did a survey of some of the world's leading A.I. experts,
77
267328
2888
κάναμε μια έρευνα σε κορυφαίους ειδικούς Τ.Ν. στον κόσμο,
04:30
to see what they think, and one of the questions we asked was,
78
270216
3224
για να δούμε τι σκέφτονται, και μία από τις ερωτήσεις ήταν,
04:33
"By which year do you think there is a 50 percent probability
79
273440
3353
«Ποιο έτος πιστεύετε ότι θα υπάρξει 50% πιθανότητα
04:36
that we will have achieved human-level machine intelligence?"
80
276793
3482
να έχουμε πετύχει μηχανική νοημοσύνη ανθρωπίνου επιπέδου;»
04:40
We defined human-level here as the ability to perform
81
280785
4183
Εδώ ορίσαμε το ανθρώπινο επίπεδο ως την ικανότητα να φέρουμε εις πέρας
04:44
almost any job at least as well as an adult human,
82
284968
2871
σχεδόν κάθε δουλειά, τόσο καλά τουλάχιστον όσο ένας ενήλικας,
04:47
so real human-level, not just within some limited domain.
83
287839
4005
άρα σε πραγματικά ανθρώπινο-επίπεδο, όχι απλά σε κάποιο περιορισμένο τομέα.
04:51
And the median answer was 2040 or 2050,
84
291844
3650
Και η μέση απάντηση ήταν το 2040 ή 2050,
04:55
depending on precisely which group of experts we asked.
85
295494
2806
ανάλογα με το πόσο ακριβής ήταν η ερωτηθείσα ομάδα ειδικών.
04:58
Now, it could happen much, much later, or sooner,
86
298300
4039
Βέβαια μπορεί να συμβεί πολύ αργότερα ή νωρίτερα,
05:02
the truth is nobody really knows.
87
302339
1940
η αλήθεια είναι ότι κανείς δεν ξέρει.
05:05
What we do know is that the ultimate limit to information processing
88
305259
4412
Αυτό που όντως ξέρουμε είναι ότι το απώτατο όριο στην επεξεργασία πληροφοριών
05:09
in a machine substrate lies far outside the limits in biological tissue.
89
309671
4871
σε ένα μηχανικό υπόστρωμα είναι εκτός των ορίων του βιολογικού ιστού.
05:15
This comes down to physics.
90
315241
2378
Όλα καταλήγουν στη φυσική.
05:17
A biological neuron fires, maybe, at 200 hertz, 200 times a second.
91
317619
4718
Ένας βιολογικός νευρώνας δουλεύει περίπου στα 200 Hz, 200 φορές το δευτερόλεπτο.
05:22
But even a present-day transistor operates at the Gigahertz.
92
322337
3594
Αλλά ακόμα κι ένα σημερινό τρανζίστορ δουλεύει σε γίγαχερτζ.
05:25
Neurons propagate slowly in axons, 100 meters per second, tops.
93
325931
5297
Οι νευρώνες προχωρούν αργά σε άξονες, 100 μέτρα το δευτερόλεπτο, το πολύ.
05:31
But in computers, signals can travel at the speed of light.
94
331228
3111
Αλλά στους υπολογιστές, τα σήματα ταξιδεύουν με ταχύτητα φωτός.
05:35
There are also size limitations,
95
335079
1869
Επίσης δεν υπάρχουν περιορισμοί μεγέθους
05:36
like a human brain has to fit inside a cranium,
96
336948
3027
όπως ο ανθρώπινος εγκέφαλος που πρέπει να χωρέσει σε ένα κρανίο,
05:39
but a computer can be the size of a warehouse or larger.
97
339975
4761
αλλά ο υπολογιστής μπορεί να έχει μέγεθος μιας αποθήκης ή μεγαλύτερο.
05:44
So the potential for superintelligence lies dormant in matter,
98
344736
5599
Έτσι η δυνατότητα για υπερνοημοσύνη βρίσκεται αδρανής στην ύλη,
05:50
much like the power of the atom lay dormant throughout human history,
99
350335
5712
όπως ακριβώς η δύναμη του ατόμου ήταν αδρανής στην ανθρώπινη ιστορία,
05:56
patiently waiting there until 1945.
100
356047
4405
περιμένοντας υπομονετικά μέχρι το 1945.
06:00
In this century,
101
360452
1248
Αυτόν τον αιώνα,
06:01
scientists may learn to awaken the power of artificial intelligence.
102
361700
4118
οι επιστήμονας ίσως μάθουν πώς να ξυπνήσουν τη δύναμη της Τ.Ν.
06:05
And I think we might then see an intelligence explosion.
103
365818
4008
Πιστεύω ότι τότε ίσως δούμε μια έκρηξη στη νοημοσύνη.
06:10
Now most people, when they think about what is smart and what is dumb,
104
370406
3957
Όταν οι περισσότεροι άνθρωποι σκέφτονται τι είναι έξυπνο και τι χαζό,
06:14
I think have in mind a picture roughly like this.
105
374363
3023
νομίζω ότι έχουν στο μυαλό τους μια εικόνα λίγο πολύ σαν αυτή.
06:17
So at one end we have the village idiot,
106
377386
2598
Επομένως έχουμε από τη μία τον χαζό του χωριού,
06:19
and then far over at the other side
107
379984
2483
και μακριά στην άλλη άκρη έχουμε τον Εντ Γουίτεν,
06:22
we have Ed Witten, or Albert Einstein, or whoever your favorite guru is.
108
382467
4756
ή τον Αλβέρτο Αϊνστάιν, ή οποιοσδήποτε είναι ο αγαπημένος σας γκουρού.
06:27
But I think that from the point of view of artificial intelligence,
109
387223
3834
Αλλά νομίζω ότι από την οπτική γωνία της τεχνητής νοημοσύνης,
06:31
the true picture is actually probably more like this:
110
391057
3681
η πραγματική εικόνα πιθανώς είναι περισσότερο κάπως έτσι:
06:35
AI starts out at this point here, at zero intelligence,
111
395258
3378
Η Τ.Ν. ξεκίνησε σε αυτό το σημείο, με μηδέν νοημοσύνη,
06:38
and then, after many, many years of really hard work,
112
398636
3011
κατόπιν, μετά από πάρα πολλά χρόνια πραγματικά σκληρής δουλειάς,
06:41
maybe eventually we get to mouse-level artificial intelligence,
113
401647
3844
ίσως τελικά να φτάσουμε στην Τ.Ν. επιπέδου ποντικιού,
06:45
something that can navigate cluttered environments
114
405491
2430
κάτι που να μπορεί να περιηγηθεί σε περιβάλλοντα με εμπόδια
06:47
as well as a mouse can.
115
407921
1987
όσο καλά μπορεί και ένα ποντίκι.
06:49
And then, after many, many more years of really hard work, lots of investment,
116
409908
4313
Και μετά, μετά από πιο πολλά χρόνια σκληρής δουλειάς και πολλές επενδύσεις,
06:54
maybe eventually we get to chimpanzee-level artificial intelligence.
117
414221
4639
ίσως τελικά να φτάσουμε σε Τ.Ν. επιπέδου χιμπατζή.
06:58
And then, after even more years of really, really hard work,
118
418860
3210
Και μετά από ακόμα πιο πολλά χρόνια πολύ σκληρής δουλειάς,
07:02
we get to village idiot artificial intelligence.
119
422070
2913
θα φτάσουμε σε Τ.Ν. του επιπέδου του χαζού του χωριού.
07:04
And a few moments later, we are beyond Ed Witten.
120
424983
3272
Και μερικές στιγμές αργότερα, θα ξεπεράσουμε τον Εντ Γουίτεν.
07:08
The train doesn't stop at Humanville Station.
121
428255
2970
Το τρένο δεν σταματά στον Σταθμό του Ανθρωποχωριού.
07:11
It's likely, rather, to swoosh right by.
122
431225
3022
Είναι μάλλον πιθανότερο να το προσπεράσει.
07:14
Now this has profound implications,
123
434247
1984
Αυτό έχει σημαντικές επιπτώσεις,
07:16
particularly when it comes to questions of power.
124
436231
3862
ειδικά όσον αφορά θέματα δύναμης.
07:20
For example, chimpanzees are strong --
125
440093
1899
Παράδειγμα, ο χιμπατζής είναι δυνατός -
07:21
pound for pound, a chimpanzee is about twice as strong as a fit human male.
126
441992
5222
σε αναλογία βάρους, είναι δύο φορές πιο δυνατός από έναν γυμνασμένο άντρα.
07:27
And yet, the fate of Kanzi and his pals depends a lot more
127
447214
4614
Όμως η μοίρα του Κάνζι και των φίλων του εξαρτάται πολύ περισσότερο
07:31
on what we humans do than on what the chimpanzees do themselves.
128
451828
4140
από το τι κάνουμε εμείς οι άνθρωποι παρά από το τι κάνουν οι ίδιοι οι χιμπατζήδες.
07:37
Once there is superintelligence,
129
457228
2314
Όταν υπάρξει υπερνοημοσύνη,
07:39
the fate of humanity may depend on what the superintelligence does.
130
459542
3839
η μοίρα της ανθρωπότητας ίσως να εξαρτάται από το τι κάνει η υπερνοημοσύνη.
07:44
Think about it:
131
464451
1057
Σκεφτείτε το:
07:45
Machine intelligence is the last invention that humanity will ever need to make.
132
465508
5044
Η μηχανική νοημοσύνη είναι η τελευταία εφεύρεση που χρειάζεται να κάνουμε.
07:50
Machines will then be better at inventing than we are,
133
470552
2973
Οι μηχανές θα είναι καλύτερες στις εφευρέσεις από εμάς,
07:53
and they'll be doing so on digital timescales.
134
473525
2540
και θα το κάνουν σε ψηφιακά χρονικά περιθώρια.
07:56
What this means is basically a telescoping of the future.
135
476065
4901
Αυτό συνεπάγεται ένα μέλλον που βλέπουμε μέσα από το τηλεσκόπιο.
08:00
Think of all the crazy technologies that you could have imagined
136
480966
3558
Σκεφτείτε όλες τις τρελές τεχνολογίες που μπορείτε να φανταστείτε
08:04
maybe humans could have developed in the fullness of time:
137
484524
2798
που ίσως οι άνθρωποι θα έχουν αναπτύξει στο πλήρωμα του χρόνου:
08:07
cures for aging, space colonization,
138
487322
3258
θεραπείες για τη γήρανση, αποικίες στο διάστημα,
08:10
self-replicating nanobots or uploading of minds into computers,
139
490580
3731
αυτοαναπαραγώμενα νανορομπότ ή μεταφορτώσεις μυαλών σε υπολογιστές,
08:14
all kinds of science fiction-y stuff
140
494311
2159
επιστημονική φαντασία όλων των ειδών
08:16
that's nevertheless consistent with the laws of physics.
141
496470
2737
που όμως συμφωνούν με τους νόμους της φυσικής.
08:19
All of this superintelligence could develop, and possibly quite rapidly.
142
499207
4212
Όλα αυτά η υπερνοημοσύνη θα μπορούσε να τα αναπτύξει, και πιθανώς πολύ γρήγορα.
08:24
Now, a superintelligence with such technological maturity
143
504449
3558
Μια υπερνοημοσύνη με μια τέτοια τεχνολογική ωριμότητα
08:28
would be extremely powerful,
144
508007
2179
θα ήταν πολύ ισχυρή,
08:30
and at least in some scenarios, it would be able to get what it wants.
145
510186
4546
και τουλάχιστον σε μερικά σενάρια, θα μπορούσε να πάρει αυτό που θέλει.
08:34
We would then have a future that would be shaped by the preferences of this A.I.
146
514732
5661
Τότε το μέλλον μας θα καθορίζεται από τις προτιμήσεις αυτής της Τ.Ν.
08:41
Now a good question is, what are those preferences?
147
521855
3749
Μια καλή ερώτηση είναι, ποιες είναι αυτές οι προτιμήσεις;
08:46
Here it gets trickier.
148
526244
1769
Εδώ γίνεται πιο περίπλοκο.
08:48
To make any headway with this,
149
528013
1435
Για να προχωρήσουμε με αυτό,
08:49
we must first of all avoid anthropomorphizing.
150
529448
3276
πρέπει πρώτα να αποφύγουμε την αναγωγή σε ανθρώπινη μορφή.
08:53
And this is ironic because every newspaper article
151
533934
3301
Και αυτό είναι ειρωνικό επειδή κάθε άρθρο εφημερίδας
08:57
about the future of A.I. has a picture of this:
152
537235
3855
για το μέλλον της Τ.Ν. έχει μια τέτοια εικόνα:
09:02
So I think what we need to do is to conceive of the issue more abstractly,
153
542280
4134
Άρα νομίζω ότι χρειάζεται να συλλάβουμε το θέμα πιο ελεύθερα,
09:06
not in terms of vivid Hollywood scenarios.
154
546414
2790
όχι όπως στα Χολυγουντιανά σενάρια.
09:09
We need to think of intelligence as an optimization process,
155
549204
3617
Πρέπει να σκεφτόμαστε τη νοημοσύνη ως μια διαδικασία βελτίωσης,
09:12
a process that steers the future into a particular set of configurations.
156
552821
5649
μια διαδικασία που κατευθύνει το μέλλον σε ένα συγκεκριμένο σύνολο ρυθμίσεων.
09:18
A superintelligence is a really strong optimization process.
157
558470
3511
Μια υπερνοημοσύνη είναι στα αλήθεια μια ισχυρή διαδικασία βελτιστοποίησης.
09:21
It's extremely good at using available means to achieve a state
158
561981
4117
Είναι πολύ καλή στη χρήση των διαθέσιμων μέσων ώστε να φτάσει μια κατάσταση,
στην οποία πραγματοποιείται ο στόχος της.
09:26
in which its goal is realized.
159
566098
1909
09:28
This means that there is no necessary connection between
160
568447
2672
Αυτό σημαίνει ότι δεν υπάρχει απαραίτητη σύνδεση μεταξύ
09:31
being highly intelligent in this sense,
161
571119
2734
του να είσαι πολύ έξυπνος κατ' αυτή την έννοια,
09:33
and having an objective that we humans would find worthwhile or meaningful.
162
573853
4662
και με το να έχεις έναν σκοπό που οι άνθρωποι θεωρούμε σημαντικό και άξιο.
09:39
Suppose we give an A.I. the goal to make humans smile.
163
579321
3794
Υποθέστε ότι δίνουμε σε μια Τ.Ν. στόχο να κάνει ανθρώπους να γελάνε.
09:43
When the A.I. is weak, it performs useful or amusing actions
164
583115
2982
Όταν η Τ.Ν. είναι αδύναμη, κάνει διασκεδαστικές κινήσεις
09:46
that cause its user to smile.
165
586097
2517
που κάνουν τον χρήστη να γελάσει.
09:48
When the A.I. becomes superintelligent,
166
588614
2417
Όταν η Τ.Ν. γίνεται υπερνοήμων,
09:51
it realizes that there is a more effective way to achieve this goal:
167
591031
3523
αντιλαμβάνεται ότι υπάρχει καλύτερος τρόπος να πετύχει το στόχο της:
09:54
take control of the world
168
594554
1922
να πάρει τον έλεγχο του κόσμου
09:56
and stick electrodes into the facial muscles of humans
169
596476
3162
και να βάλει ηλεκτρόδια στους μύες του προσώπου των ανθρώπων
09:59
to cause constant, beaming grins.
170
599638
2941
για να προκαλέσει συνεχόμενα, φωναχτά γέλια.
10:02
Another example,
171
602579
1035
Ένα άλλο παράδειγμα,
10:03
suppose we give A.I. the goal to solve a difficult mathematical problem.
172
603614
3383
υποθέστε ότι δίνουμε στην Τ.Ν. τον στόχο να λύσει ένα δύσκολο μαθηματικό πρόβλημα.
10:06
When the A.I. becomes superintelligent,
173
606997
1937
Όταν η Τ.Ν. γίνει υπερνοήμων,
10:08
it realizes that the most effective way to get the solution to this problem
174
608934
4171
αντιλαμβάνεται ότι ο καλύτερος τρόπος για να φτάσει στη λύση του προβλήματος
10:13
is by transforming the planet into a giant computer,
175
613105
2930
είναι να μεταμορφώσει τον πλανήτη σε ένα γιγάντιο υπολογιστή,
10:16
so as to increase its thinking capacity.
176
616035
2246
για να αυξήσει την υπολογιστική της ικανότητα.
10:18
And notice that this gives the A.I.s an instrumental reason
177
618281
2764
Και προσέξτε ότι αυτό δίνει στις Τ.Ν. έναν σημαντικό λόγο
10:21
to do things to us that we might not approve of.
178
621045
2516
να μας κάνουν πράγματα, που μπορεί να μην εγκρίνουμε.
10:23
Human beings in this model are threats,
179
623561
1935
Σ' αυτό το μοντέλο οι άνθρωποι είναι απειλή,
10:25
we could prevent the mathematical problem from being solved.
180
625496
2921
μπορούμε να εμποδίσουμε τη λύση του μαθηματικού προβλήματος.
10:29
Of course, perceivably things won't go wrong in these particular ways;
181
629207
3494
Βέβαια, μπορεί να μην υπάρξουν τέτοιου είδους επιπλοκές,
10:32
these are cartoon examples.
182
632701
1753
αυτά είναι κωμικά σενάρια.
10:34
But the general point here is important:
183
634454
1939
Αλλά το γενικό νόημα εδώ είναι σημαντικό:
10:36
if you create a really powerful optimization process
184
636393
2873
αν φτιάξετε μια πολύ ισχυρή διαδικασία βελτιοποίησης
10:39
to maximize for objective x,
185
639266
2234
για να μεγιστοποιήσετε το ζητούμενο χ,
10:41
you better make sure that your definition of x
186
641500
2276
καλύτερα να εξασφαλίσετε ότι ο ορισμός του χ
10:43
incorporates everything you care about.
187
643776
2469
συμπεριλαμβάνει όλα αυτά για τα οποία νοιάζεστε.
10:46
This is a lesson that's also taught in many a myth.
188
646835
4384
Αυτό είναι ένα μάθημα που μας το μαθαίνουν πολλοί μύθοι.
10:51
King Midas wishes that everything he touches be turned into gold.
189
651219
5298
Ο βασιλιάς Μίδας επιθυμούσε ό,τι άγγιζε να γίνεται χρυσός.
10:56
He touches his daughter, she turns into gold.
190
656517
2861
Αγγίζει την κόρη του, αυτή γίνεται χρυσάφι.
10:59
He touches his food, it turns into gold.
191
659378
2553
Αγγίζει το φαγητό του, αυτό γίνεται χρυσάφι.
11:01
This could become practically relevant,
192
661931
2589
Αυτό μπορεί να γίνει σχετικό με το θέμα,
11:04
not just as a metaphor for greed,
193
664520
2070
όχι σαν μια απλή μεταφορά πλεονεξίας,
11:06
but as an illustration of what happens
194
666590
1895
αλλά σαν μια επίδειξη του τι συμβαίνει
11:08
if you create a powerful optimization process
195
668485
2837
αν δημιουργήσουμε μια πολύ ισχυρή διαδικασία βελτιοποίησης
11:11
and give it misconceived or poorly specified goals.
196
671322
4789
και της δώσουμε κακώς εννοούμενους ή ελλιπώς καθορισμένους στόχους.
11:16
Now you might say, if a computer starts sticking electrodes into people's faces,
197
676111
5189
Θα πείτε, αν ένας υπολογιστής ξεκινήσει να βάζει ηλεκτρόδια στα πρόσωπα ανθρώπων,
11:21
we'd just shut it off.
198
681300
2265
απλώς θα τον κλείναμε.
11:24
A, this is not necessarily so easy to do if we've grown dependent on the system --
199
684555
5340
Πρώτον, ίσως να μην είναι τόσο εύκολο να γίνει αν εξαρτιόμαστε από το σύστημα --
11:29
like, where is the off switch to the Internet?
200
689895
2732
σα να ψάχνουμε τον διακόπτη για να κλείσουμε το Διαδίκτυο;
11:32
B, why haven't the chimpanzees flicked the off switch to humanity,
201
692627
5120
Δεύτερον, γιατί δεν έκλεισαν τον διακόπτη της ανθρωπότητας οι χιμπατζήδες
11:37
or the Neanderthals?
202
697747
1551
ή οι Νεάντερνταλ;
11:39
They certainly had reasons.
203
699298
2666
Σίγουρα είχαν λόγους να το κάνουν.
11:41
We have an off switch, for example, right here.
204
701964
2795
Έχουμε έναν διακόπτη, για παράδειγμα, ακριβώς εδώ.
11:44
(Choking)
205
704759
1554
(Πνίγεται)
11:46
The reason is that we are an intelligent adversary;
206
706313
2925
Ο λόγος είναι ότι είμαστε ένας έξυπνος αντίπαλος:
11:49
we can anticipate threats and plan around them.
207
709238
2728
προβλέπουμε τις απειλές και να σχεδιάζουμε βάσει αυτών.
11:51
But so could a superintelligent agent,
208
711966
2504
Αλλά το ίδιο θα έκανε και ένα υπερνοήμον μέσο,
11:54
and it would be much better at that than we are.
209
714470
3254
και θα ήταν πολύ καλύτερο σε αυτό απ' ό,τι είμαστε εμείς.
11:57
The point is, we should not be confident that we have this under control here.
210
717724
7187
Το προκείμενο είναι, δεν πρέπει να είμαστε πολύ σίγουροι ότι έχουμε τον έλεγχο εδώ.
12:04
And we could try to make our job a little bit easier by, say,
211
724911
3447
Θα μπορούσαμε να κάναμε λίγο ευκολότερη τη δουλειά μας
ας πούμε, βάζοντας την Τ.Ν. σε ένα κουτί,
12:08
putting the A.I. in a box,
212
728358
1590
12:09
like a secure software environment,
213
729948
1796
σαν ένα ασφαλές περιβάλλον προγραμματισμού
12:11
a virtual reality simulation from which it cannot escape.
214
731744
3022
μια εξομοίωση εικονικής πραγματικότητας από όπου δεν μπορεί να ξεφύγει.
12:14
But how confident can we be that the A.I. couldn't find a bug.
215
734766
4146
Αλλά πόσο σίγουροι είμαστε ότι η Τ.Ν. δεν θα βρει ένα ελάττωμα λογισμικού.
12:18
Given that merely human hackers find bugs all the time,
216
738912
3169
Δεδομένου ότι οι ανθρώπινοι χάκερς συναντούν κενά λογισμικού συνεχώς,
12:22
I'd say, probably not very confident.
217
742081
3036
θα έλεγα, πιθανώς όχι τόσο σίγουροι.
12:26
So we disconnect the ethernet cable to create an air gap,
218
746237
4548
Οπότε αποσυνδέουμε το καλώδιο του τοπικού δικτύου για να φτιάξουμε ένα κενό,
12:30
but again, like merely human hackers
219
750785
2668
αλλά πάλι, σαν τους ανθρώπινους χάκερς
12:33
routinely transgress air gaps using social engineering.
220
753453
3381
που συχνά υπερβαίνουν τα κενά χρησιμοποιώντας κοινωνική μηχανική.
12:36
Right now, as I speak,
221
756834
1259
Αυτή τη στιγμή που μιλάμε,
12:38
I'm sure there is some employee out there somewhere
222
758093
2389
είμαι σίγουρος ότι υπάρχει κάποιος υπάλληλος κάπου
12:40
who has been talked into handing out her account details
223
760482
3346
που πείστηκε να δώσει τους κωδικούς των λογαριασμών του,
12:43
by somebody claiming to be from the I.T. department.
224
763828
2746
από κάποιον που ισχυρίζεται ότι ανήκει στο τμήμα Πληροφορικής.
12:46
More creative scenarios are also possible,
225
766574
2127
Πιο δημιουργικά σενάρια είναι επίσης πιθανά,
12:48
like if you're the A.I.,
226
768701
1315
παράδειγμα αν είσαι η Τ.Ν.,
12:50
you can imagine wiggling electrodes around in your internal circuitry
227
770016
3532
μπορείς να φανταστείς ότι κουνάς ηλεκτρόδια στα εσωτερικά σου κυκλώματα
12:53
to create radio waves that you can use to communicate.
228
773548
3462
για να δημιουργήσεις ραδιοκύματα που θα χρησιμοποιήσεις για επικοινωνία.
12:57
Or maybe you could pretend to malfunction,
229
777010
2424
Ή ίσως να μπορείς να προσποιηθείς ότι έχεις βλάβη,
12:59
and then when the programmers open you up to see what went wrong with you,
230
779434
3497
και τότε όταν οι προγραμματιστές σε ανοίξουν για να δουν τι πάει στραβά,
13:02
they look at the source code -- Bam! --
231
782931
1936
και δουν τον κώδικά σου -- Μπαμ! --
13:04
the manipulation can take place.
232
784867
2447
η χειραγώγηση λαμβάνει χώρα.
13:07
Or it could output the blueprint to a really nifty technology,
233
787314
3430
Ή θα μπορούσε να δώσει ένα σχέδιο για μια πολύ φίνα τεχνολογία,
13:10
and when we implement it,
234
790744
1398
και όταν την εφαρμόσουμε,
13:12
it has some surreptitious side effect that the A.I. had planned.
235
792142
4397
έχει κάποια κρυφή παρενέργεια που η Τ.Ν. είχε σχεδιάσει.
13:16
The point here is that we should not be confident in our ability
236
796539
3463
Το θέμα εδώ είναι ότι δεν πρέπει να είμαστε σίγουροι για την ικανότητά μας
13:20
to keep a superintelligent genie locked up in its bottle forever.
237
800002
3808
να κρατάμε ένα υπερνοήμων τζίνι κλεισμένο στο λυχνάρι για πάντα.
13:23
Sooner or later, it will out.
238
803810
2254
Αργά ή γρήγορα, θα βγει.
13:27
I believe that the answer here is to figure out
239
807034
3103
Πιστεύω ότι η απάντηση εδώ βρίσκεται στην κατανόηση του
13:30
how to create superintelligent A.I. such that even if -- when -- it escapes,
240
810137
5024
πώς να δημιουργήσουμε μια υπερνοήμων Τ.Ν. έτσι που ακόμα και αν - όταν - δραπετεύσει
13:35
it is still safe because it is fundamentally on our side
241
815161
3277
να είναι ακόμα ασφαλής επειδή είναι θεσμικά με το μέρος μας
13:38
because it shares our values.
242
818438
1899
επειδή έχει τις αξίες μας.
13:40
I see no way around this difficult problem.
243
820337
3210
Δεν βλέπω τρόπο να προσπεράσουμε αυτό το δύσκολο πρόβλημα.
13:44
Now, I'm actually fairly optimistic that this problem can be solved.
244
824557
3834
Τώρα, είμαι αρκετά αισιόδοξος ότι αυτό το πρόβλημα μπορεί να λυθεί.
13:48
We wouldn't have to write down a long list of everything we care about,
245
828391
3903
Δεν χρειάζεται να γράψουμε μια μεγάλη λίστα όσων μας ενδιαφέρουν,
13:52
or worse yet, spell it out in some computer language
246
832294
3643
ή χειρότερα, να τα εκφράσουμε σε κάποια γλώσσα προγραμματισμού
13:55
like C++ or Python,
247
835937
1454
όπως η C++ ή η Python,
13:57
that would be a task beyond hopeless.
248
837391
2767
αυτή θα ήταν μια μάταιη εργασία.
14:00
Instead, we would create an A.I. that uses its intelligence
249
840158
4297
Αντίθετα, θα δημιουργούσαμε μια Τ.Ν. που χρησιμοποιεί τη νοημοσύνη της
14:04
to learn what we value,
250
844455
2771
για να μαθαίνει σε τι δίνουμε αξία,
14:07
and its motivation system is constructed in such a way that it is motivated
251
847226
5280
και το σύστημα κινήτρων του να είναι φτιαγμένο ώστε να έχει τα κίνητρα
14:12
to pursue our values or to perform actions that it predicts we would approve of.
252
852506
5232
να ακολουθεί τις αξίες μας ή να πράττει έτσι ώστε να προβλέπει τι θα εγκρίναμε.
14:17
We would thus leverage its intelligence as much as possible
253
857738
3414
Θα είχαμε έτσι μια επιρροή στη νοημοσύνη της όσο το δυνατόν περισσότερο
14:21
to solve the problem of value-loading.
254
861152
2745
για να λύσουμε το πρόβλημα της φόρτωσης αξιών.
14:24
This can happen,
255
864727
1512
Αυτό μπορεί να γίνει,
14:26
and the outcome could be very good for humanity.
256
866239
3596
και το αποτέλεσμα θα ήταν πολύ καλό για την ανθρωπότητα.
14:29
But it doesn't happen automatically.
257
869835
3957
Αλλά δεν θα γίνει αυτόματα.
14:33
The initial conditions for the intelligence explosion
258
873792
2998
Οι πρωταρχικές συνθήκες για την έκρηξη νοημοσύνης
14:36
might need to be set up in just the right way
259
876790
2863
ίσως πρέπει απλά να ρυθμιστούν με τον σωστό τρόπο
14:39
if we are to have a controlled detonation.
260
879653
3530
αν πρόκειται να έχουμε μια ελεγχόμενη πυροδότηση.
14:43
The values that the A.I. has need to match ours,
261
883183
2618
Οι αξίες της Τ.Ν. πρέπει να είναι ίδιες με τις δικές μας,
14:45
not just in the familiar context,
262
885801
1760
όχι μόνο σε οικείο περιβάλλον,
14:47
like where we can easily check how the A.I. behaves,
263
887561
2438
όπου θα μπορούμε να ελέγξουμε πώς συμπεριφέρεται η Τ.Ν.
14:49
but also in all novel contexts that the A.I. might encounter
264
889999
3234
αλλά επίσης σε όλα τα νέα περιβάλλοντα
που η Τ.Ν. θα συναντήσει στο αόριστο μέλλον.
14:53
in the indefinite future.
265
893233
1557
14:54
And there are also some esoteric issues that would need to be solved, sorted out:
266
894790
4737
Και υπάρχουν κάποια εσωτερικά θέματα που πρέπει να επιλυθούν:
14:59
the exact details of its decision theory,
267
899527
2089
οι λεπτομέρειες για τη θεωρία αποφάσεων,
15:01
how to deal with logical uncertainty and so forth.
268
901616
2864
πώς θα αντιμετωπίσει τη λογική αβεβαιότητα κλπ.
15:05
So the technical problems that need to be solved to make this work
269
905330
3102
Άρα τα τεχνικά προβλήματα που πρέπει να λυθούν για να λειτουργήσει
15:08
look quite difficult --
270
908432
1113
φαίνονται πολύ δύσκολα,
15:09
not as difficult as making a superintelligent A.I.,
271
909545
3380
όχι τόσο όσο το να φτιάξουμε μια υπερνοήμων Τ.Ν.,
15:12
but fairly difficult.
272
912925
2868
αλλά αρκετά δύσκολα.
15:15
Here is the worry:
273
915793
1695
Εδώ είναι οι ανησυχίες:
15:17
Making superintelligent A.I. is a really hard challenge.
274
917488
4684
Η κατασκευή μιας υπερνοήμων Τ.Ν. είναι μια πολύ υψηλή πρόκληση.
15:22
Making superintelligent A.I. that is safe
275
922172
2548
Η κατασκευή μιας υπερνοήμωνος Τ.Ν. που είναι ασφαλής,
15:24
involves some additional challenge on top of that.
276
924720
2416
εμπλέκει κάποια επιπλέον προβλήματα.
15:28
The risk is that if somebody figures out how to crack the first challenge
277
928216
3487
Το ρίσκο είναι ότι αν κάποιος καταλάβει πώς να λύσει το πρώτο πρόβλημα
15:31
without also having cracked the additional challenge
278
931703
3001
χωρίς να έχει ήδη λύσει το επιπλέον πρόβλημα
15:34
of ensuring perfect safety.
279
934704
1901
του να εγγυάται τη δημόσια ασφάλεια.
15:37
So I think that we should work out a solution
280
937375
3331
Άρα πιστεύω ότι πρέπει να βρούμε μια λύση
15:40
to the control problem in advance,
281
940706
2822
στο πρόβλημα του ελέγχου εκ των προτέρων,
15:43
so that we have it available by the time it is needed.
282
943528
2660
ώστε να είναι διαθέσιμη τη στιγμή που θα χρειαστεί.
15:46
Now it might be that we cannot solve the entire control problem in advance
283
946768
3507
Τώρα, ίσως να μην μπορούμε να λύσουμε όλο το πρόβλημα του ελέγχου από πριν
15:50
because maybe some elements can only be put in place
284
950275
3024
γιατί ίσως κάποια κομμάτια να μπορούν να μπουν στη θέση τους
15:53
once you know the details of the architecture where it will be implemented.
285
953299
3997
μόνο όταν ξέρουμε τις λεπτομέρειες της αρχιτεκτονικής που θα εφαρμοστεί.
15:57
But the more of the control problem that we solve in advance,
286
957296
3380
Αλλά όσο περισσότερο από το πρόβλημα ελέγχου λύνουμε εκ των προτέρων,
16:00
the better the odds that the transition to the machine intelligence era
287
960676
4090
τόσο περισσότερες οι πιθανότητές μας
η μετάβαση στην εποχή της νοημοσύνης των μηχανών να πάει καλά.
16:04
will go well.
288
964766
1540
16:06
This to me looks like a thing that is well worth doing
289
966306
4644
Αυτό μου φαίνεται σαν κάτι που αξίζει να γίνει
16:10
and I can imagine that if things turn out okay,
290
970950
3332
και μπορώ να φανταστώ ότι αν όλα πάνε καλά,
16:14
that people a million years from now look back at this century
291
974282
4658
ο κόσμος ένα εκατομμύριο χρόνια από τώρα θα θυμάται αυτό τον αιώνα
16:18
and it might well be that they say that the one thing we did that really mattered
292
978940
4002
και ίσως να λένε ότι το ένα πράγμα που κάναμε και που αλήθεια άξιζε
16:22
was to get this thing right.
293
982942
1567
ήταν να κάνουμε αυτό σωστά.
16:24
Thank you.
294
984509
1689
Ευχαριστώ.
16:26
(Applause)
295
986198
2813
(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