What AI is -- and isn't | Sebastian Thrun and Chris Anderson

Traductor: Emilia Sotres Revisor: Eduardo Sierra

Chris Anderson: Help us understand what machine learning is,

Chris Anderson: Ayúdanos a entender qué es el aprendizaje de máquina

because that seems to be the key driver

porque parece ser el impulsor principal

of so much of the excitement and also of the concern

de gran parte del entusiasmo y la preocupación

alrededor de la inteligencia artificial.

around artificial intelligence.

¿Cómo funciona el aprendizaje de máquina?

How does machine learning work?

Sebastian Thrun: So, artificial intelligence and machine learning

Sebastian Thrun: La inteligencia artificial y el aprendizaje de máquina

is about 60 years old

tienen, más o menos, 60 años de antigüedad

and has not had a great day in its past until recently.

y su pasado no ha sido maravilloso, hasta hace poco.

And the reason is that today,

Y la razón es que hoy,

se ha alcanzado una escala de computación y conjuntos de datos

we have reached a scale of computing and datasets

que era necesaria para hacer a las máquinas inteligentes.

that was necessary to make machines smart.

So here's how it works.

Así es como funciona:

If you program a computer today, say, your phone,

Si hoy programas una computadora, por ejemplo, tu teléfono,

then you hire software engineers

entonces contratas ingenieros de software

that write a very, very long kitchen recipe,

que escriben una receta de cocina muy, muy larga,

like, "If the water is too hot, turn down the temperature.

como, "si el agua está demasiado caliente, baja la temperatura;

If it's too cold, turn up the temperature."

si está demasiado fría, sube la temperatura".

The recipes are not just 10 lines long.

Las recetas no tienen solo 10 líneas, tienen millones de líneas.

They are millions of lines long.

A modern cell phone has 12 million lines of code.

Un teléfono móvil moderno tiene 12 millones de líneas de código.

A browser has five million lines of code.

Un buscador tiene cinco millones de líneas de código.

And each bug in this recipe can cause your computer to crash.

Y cada error en esta receta puede hacer que colapse tu computadora,

That's why a software engineer makes so much money.

por eso un ingeniero de software gana tanto dinero.

The new thing now is that computers can find their own rules.

Lo nuevo ahora es que las computadoras pueden encontrar sus propias reglas.

So instead of an expert deciphering, step by step,

Así que en vez de que un experto descifre, paso a paso,

a rule for every contingency,

una regla para cada situación,

what you do now is you give the computer examples

ahora se puede dar ejemplos a la computadora

and have it infer its own rules.

y ella infiere sus propias reglas.

A really good example is AlphaGo, which recently was won by Google.

Un buen ejemplo es AlphaGo, que hace poco ganó Google.

Normally, in game playing, you would really write down all the rules,

Normalmente, en los juegos, escribirías todas las reglas,

pero en el caso de AlphaGo,

but in AlphaGo's case,

the system looked over a million games

el sistema analizó más de un millón de jugadas

and was able to infer its own rules

y pudo inferir sus propias reglas

and then beat the world's residing Go champion.

para luego ganarle al campeón mundial de go.

That is exciting, because it relieves the software engineer

Esto es emocionante porque exime al ingeniero de software

de tener que ser súper inteligente,

of the need of being super smart,

and pushes the burden towards the data.

y le pasa la carga a los datos.

As I said, the inflection point where this has become really possible --

Como dije, el punto de inflexión donde esto se volvió realmente posible...

Es muy vergonzoso, mi tesis fue sobre aprendizaje de máquina,

very embarrassing, my thesis was about machine learning.

It was completely insignificant, don't read it,

completamente insignificante, no la lean, porque fue hace 20 años

because it was 20 years ago

y entonces las computadoras eran del tamaño del cerebro de una cucaracha.

and back then, the computers were as big as a cockroach brain.

Now they are powerful enough to really emulate

Ahora son suficientemente poderosas para realmente emular

kind of specialized human thinking.

el pensamiento humano especializado.

And then the computers take advantage of the fact

Y las computadoras tienen la ventaja

that they can look at much more data than people can.

de poder ver muchos más datos que una persona.

So I'd say AlphaGo looked at more than a million games.

Diría que AlphaGo analizó más de un millón de jugadas,

No human expert can ever study a million games.

ningún humano puede estudiar un millón de jugadas.

Google has looked at over a hundred billion web pages.

Google ha revisado más de 100 000 millones de páginas web.

No person can ever study a hundred billion web pages.

Ninguna persona puede estudiar 100 000 millones de páginas web.

So as a result, the computer can find rules

Por lo tanto, la computadora puede encontrar reglas

that even people can't find.

que una persona no puede.

CA: So instead of looking ahead to, "If he does that, I will do that,"

CA: Así que en vez de decir "si él hace eso, yo hago aquello",

it's more saying, "Here is what looks like a winning pattern,

es decir, "este parece ser un modelo exitoso,

here is what looks like a winning pattern."

este parece un modelo exitoso".

ST: Yeah. I mean, think about how you raise children.

ST: Sí. Piensa en cómo criamos a los niños.

No pasas los primeros 18 años dándoles una regla para cada situación,

You don't spend the first 18 years giving kids a rule for every contingency

and set them free and they have this big program.

y luego los dejas libres con este gran programa.

Se tropiezan, se caen, se levantan reciben una bofetada o nalgada,

They stumble, fall, get up, they get slapped or spanked,

and they have a positive experience, a good grade in school,

tienen una experiencia positiva, una buena nota en la escuela,

and they figure it out on their own.

y lo resuelven por sí solos.

That's happening with computers now,

Eso sucede ahora con las computadoras,

which makes computer programming so much easier all of a sudden.

lo cual hace que programar computadoras sea más fácil ahora.

Now we don't have to think anymore. We just give them lots of data.

Ahora ya no tenemos que pensar, solo les damos muchos datos.

CA: And so, this has been key to the spectacular improvement

CA: Esto ha sido clave para el avance tan importante

en tema de vehículos autónomos.

in power of self-driving cars.

I think you gave me an example.

Me parece que este es un ejemplo.

¿Puedes explicar qué está pasando aquí?

Can you explain what's happening here?

ST: This is a drive of a self-driving car

ST: Este es un viaje de un vehículo autónomo

that we happened to have at Udacity

que casualmente teníamos en Udacity

and recently made into a spin-off called Voyage.

y que recientemente convertimos en una filial llamada Voyage.

We have used this thing called deep learning

Usamos algo llamado aprendizaje profundo

to train a car to drive itself,

para entrenar a un vehículo para auto-manejarse,

and this is driving from Mountain View, California,

y este está manejando de Mountain View, California a San Francisco

to San Francisco

on El Camino Real on a rainy day,

en El Camino Real, en un día lluvioso,

with bicyclists and pedestrians and 133 traffic lights.

con ciclistas y peatones y 133 semáforos.

And the novel thing here is,

Y lo novedoso aquí es que,

hace muchas lunas, yo inicié el equipo de vehículos autónomos en Google.

many, many moons ago, I started the Google self-driving car team.

And back in the day, I hired the world's best software engineers

Y en ese entonces, contraté a los mejores ingenieros de software

to find the world's best rules.

para encontrar las mejores reglas.

This is just trained.

Esto simplemente está entrenado.

We drive this road 20 times,

Manejamos esta ruta 20 veces,

le pusimos todos esos datos al cerebro de la computadora,

we put all this data into the computer brain,

and after a few hours of processing,

y tras algunas horas de procesamiento,

it comes up with behavior that often surpasses human agility.

se comporta de tal manera que en ocasiones, supera la agilidad humana.

So it's become really easy to program it.

Se ha vuelto muy sencillo programarlo.

This is 100 percent autonomous, about 33 miles, an hour and a half.

Este es 100 % autónomo, 53 km, una hora y media.

CA: So, explain it -- on the big part of this program on the left,

CA: Explícanos, en la parte izquierda de esta pantalla

you're seeing basically what the computer sees as trucks and cars

vemos lo que la computadora identifica como camiones y autos

and those dots overtaking it and so forth.

y esos puntos que lo rebasan.

ST: A la derecha está la imagen de la cámara, que es la fuente principal,

ST: On the right side, you see the camera image, which is the main input here,

y sirve para encontrar los carriles, otros autos, los semáforos...

and it's used to find lanes, other cars, traffic lights.

The vehicle has a radar to do distance estimation.

El vehículo tiene un radar para estimar distancia.

This is very commonly used in these kind of systems.

Son frecuentemente usamos en este tipo de sistemas.

A la izquierda ven un diagrama de láser donde se ven

On the left side you see a laser diagram,

where you see obstacles like trees and so on depicted by the laser.

obstáculos, como árboles, representados por el láser.

Pero lo más interesante está en la imagen de la cámara.

But almost all the interesting work is centering on the camera image now.

Estamos cambiando de usar sensores de precisión,

We're really shifting over from precision sensors like radars and lasers

como láseres y radares, hacia sensores muy baratos.

into very cheap, commoditized sensors.

Una cámara cuesta menos de USD 8.

A camera costs less than eight dollars.

CA: Y ese punto verde a la izquierda, ¿qué es?

CA: And that green dot on the left thing, what is that?

Is that anything meaningful?

¿Algo importante?

ST: Es un punto de referencia para el regulador de velocidad adaptable,

ST: This is a look-ahead point for your adaptive cruise control,

so it helps us understand how to regulate velocity

nos ayuda a entender cómo regular la velocidad

based on how far the cars in front of you are.

dependiendo de la distancia con los autos de adelante.

CA: And so, you've also got an example, I think,

CA: También tienes un ejemplo, me parece,

of how the actual learning part takes place.

de cómo transcurre el proceso de aprendizaje en sí.

Maybe we can see that. Talk about this.

Podríamos verlo. Háblanos de esto.

ST: This is an example where we posed a challenge to Udacity students

ST: Este es un ejemplo de un desafío que hicimos a los estudiantes de Udacity

to take what we call a self-driving car Nanodegree.

de tomar este vehículo autónomo que llamamos Nanodegree.

We gave them this dataset

Les dimos este set de datos y les dijimos:

and said "Hey, can you guys figure out how to steer this car?"

"¿Pueden descifrar cómo dirigir este auto?"

And if you look at the images,

Si ves las imágenes,

it's, even for humans, quite impossible to get the steering right.

incluso para un humano, es casi imposible dirigirlo bien.

Así que hicimos una competencia,

And we ran a competition and said, "It's a deep learning competition,

una competencia de aprendizaje profundo e inteligencia artificial,

AI competition,"

and we gave the students 48 hours.

y le dimos 48 horas a los estudiantes.

So if you are a software house like Google or Facebook,

Si eres un centro de software profesional como Google o Facebook,

something like this costs you at least six months of work.

algo como esto te lleva al menos seis meses de trabajo.

So we figured 48 hours is great.

Así que pensamos que 48 horas estaba perfecto.

And within 48 hours, we got about 100 submissions from students,

Y en 48 horas tuvimos al menos 100 entregas de estudiantes,

and the top four got it perfectly right.

y los cuatro mejores lo hicieron perfectamente bien.

It drives better than I could drive on this imagery,

Se maneja mejor de lo que yo podría manejar con estas imágenes,

using deep learning.

usando aprendizaje profundo.

And again, it's the same methodology.

Y es la misma metodología.

It's this magical thing.

Esto que parece magia:

When you give enough data to a computer now,

si das suficiente información a una computadora,

and give enough time to comprehend the data,

y suficiente tiempo para comprenderla,

it finds its own rules.

encuentra sus propias reglas.

CA: And so that has led to the development of powerful applications

CA: Esto ha llevado al desarrollo de aplicaciones muy poderosas

en todo tipo de áreas.

in all sorts of areas.

You were talking to me the other day about cancer.

El otro día me hablabas del cáncer.

Can I show this video?

¿Puedo mostrar este vídeo?

ST: Yeah, absolutely, please. CA: This is cool.

ST: Claro, adelante. CA: Esto es genial.

ST: Esto es un vistazo a lo que está sucediendo

ST: This is kind of an insight into what's happening

in a completely different domain.

en un campo completamente distinto.

This is augmenting, or competing --

Esto está reforzando o compitiendo, dependiendo cómo se quiera ver,

it's in the eye of the beholder --

with people who are being paid 400,000 dollars a year,

con gente que gana USD 400 000 al año:

dermatologists,

los dermatólogos,

highly trained specialists.

especialistas altamente entrenados.

It takes more than a decade of training to be a good dermatologist.

Convertirse en un buen dermatólogo toma más de una década de capacitación.

What you see here is the machine learning version of it.

Lo que ven aquí es la versión de aprendizaje de máquina.

Se le llama una red neuronal.

It's called a neural network.

Redes neuronales es el término técnico

"Neural networks" is the technical term for these machine learning algorithms.

para estos algoritmos de aprendizaje de máquina.

They've been around since the 1980s.

Han existido desde los años 80.

This one was invented in 1988 by a Facebook Fellow called Yann LeCun,

Este fue inventado en 1988 por Yann LeCun, un Facebook Fellow,

and it propagates data stages

y procesa los datos en etapas

through what you could think of as the human brain.

como lo hace el cerebro humano.

It's not quite the same thing, but it emulates the same thing.

No es exactamente lo mismo, pero lo emula.

It goes stage after stage.

Va etapa por etapa.

In the very first stage, it takes the visual input and extracts edges

En la primera etapa toma la entrada visual y extrae los bordes

and rods and dots.

y las barras y los puntos.

And the next one becomes more complicated edges

Y en la siguiente los bordes más complicados

and shapes like little half-moons.

y figuras como medias lunas.

And eventually, it's able to build really complicated concepts.

Y al final puede construir conceptos complejos.

Andrew Ng has been able to show

Andrew Ng ha podido demostrar

that it's able to find cat faces and dog faces

que es capaz de encontrar caras de gatos y perros

in vast amounts of images.

entre una gran cantidad de imágenes.

What my student team at Stanford has shown is that

Lo que mi equipo de estudiantes en Stanford ha logrado demostrar

if you train it on 129,000 images of skin conditions,

es que si la entrenas con 129 000 imágenes de enfermedades de la piel,

including melanoma and carcinomas,

incluyendo melanomas y carcinomas,

you can do as good a job

puedes haces un trabajo tan bueno

as the best human dermatologists.

como el del mejor dermatólogo humano.

And to convince ourselves that this is the case,

Y para convencernos de ello,

we captured an independent dataset that we presented to our network

capturamos un set de datos independientes que le presentamos a nuestra red

and to 25 board-certified Stanford-level dermatologists,

y a 25 dermatólogos acreditados, de Stanford,

and compared those.

y los comparamos.

And in most cases,

Y en la mayoría de los casos, su precisión al clasificar

they were either on par or above the performance classification accuracy

fue igual o mejor que la de los dermatólogos humanos.

of human dermatologists.

CA: You were telling me an anecdote.

CA: Me contaste una anécdota,

I think about this image right here.

sobre esta imagen de aquí.

What happened here?

¿Qué pasó aquí?

ST: This was last Thursday. That's a moving piece.

ST: Esto fue el jueves.

What we've shown before and we published in "Nature" earlier this year

Lo que demostramos y publicamos en "Nature" este año

was this idea that we show dermatologists images

fue la idea de mostrar ciertas imágenes

a dermatólogos y a nuestro programa,

and our computer program images,

and count how often they're right.

y contar cuántas veces aciertan.

But all these images are past images.

Pero todas esas imágenes eran antiguas,

They've all been biopsied to make sure we had the correct classification.

ya se han realizado biopsias para confirmar su clasificación.

This one wasn't.

Esta no.

This one was actually done at Stanford by one of our collaborators.

Esta fue tomada en Stanford por uno de nuestros colaboradores.

The story goes that our collaborator,

Lo que sucedió fue que nuestro colaborador,

un dermatólogo reconocido internacionalmente,

who is a world-famous dermatologist, one of the three best, apparently,

de los tres mejores del mundo,

looked at this mole and said, "This is not skin cancer."

vio este lunar y dijo: "Esto no es cáncer de piel".

And then he had a second moment, where he said,

Y luego dudó y dijo:

"Well, let me just check with the app."

"Bueno, voy a chequear con la aplicación".

Así que sacó su iPhone y abrió nuestro software,

So he took out his iPhone and ran our piece of software,

our "pocket dermatologist," so to speak,

nuestro "dermatólogo de bolsillo", por así decirlo,

and the iPhone said: cancer.

y el iPhone dictaminó: cáncer.

It said melanoma.

Dijo que era melanoma.

And then he was confused.

Y el médico estaba confundido.

And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"

Y decidió, "tal vez confío más en el iPhone que en mí mismo",

and he sent it out to the lab to get it biopsied.

y lo mandó al laboratorio para hacerle una biopsia.

And it came up as an aggressive melanoma.

Y resultó ser un melanoma muy agresivo.

So I think this might be the first time that we actually found,

Así que este puede ser el primer caso,

in the practice of using deep learning,

usando aprendizaje profundo en la práctica,

an actual person whose melanoma would have gone unclassified,

de una persona cuyo melanoma hubiera pasado sin diagnosticar

had it not been for deep learning.

de no ser por el aprendizaje profundo.

CA: I mean, that's incredible.

CA: Es increíble.

(Applause)

(Aplausos)

Me parece que habría demanda instantánea por una aplicación como esta,

It feels like there'd be an instant demand for an app like this right now,

that you might freak out a lot of people.

o que muchas personas se asustarían.

Are you thinking of doing this, making an app that allows self-checking?

¿Estás pensando hacerlo? ¿Crear una aplicación de autodiagnóstico?

ST: Mi casilla está llena de correos sobre aplicaciones para cáncer,

ST: So my in-box is flooded about cancer apps,

con historias estremecedoras de gente.

with heartbreaking stories of people.

I mean, some people have had 10, 15, 20 melanomas removed,

Personas a quienes les han extraído 10, 15 o 20 melanomas,

and are scared that one might be overlooked, like this one,

y temen que alguno les pase desapercibido, como este,

and also, about, I don't know,

pero también sobre, no sé,

flying cars and speaker inquiries these days, I guess.

coches voladores y peticiones para conferencias, supongo.

My take is, we need more testing.

Mi opinión es que necesitamos estudiarlo más.

I want to be very careful.

Quiero ser muy cuidadoso.

It's very easy to give a flashy result and impress a TED audience.

Es muy fácil dar un resultado ostentoso y deslumbrar al público de TED;

It's much harder to put something out that's ethical.

es mucho más difícil sacar algo ético.

And if people were to use the app

Y si la gente fuera a usar esta aplicación

y decidiera no consultar con un médico

and choose not to consult the assistance of a doctor

because we get it wrong,

porque le dimos un mal diagnóstico,

I would feel really bad about it.

me sentiría fatal.

Así que estamos haciendo pruebas clínicas,

So we're currently doing clinical tests,

y si nuestros datos aguantan,

and if these clinical tests commence and our data holds up,

we might be able at some point to take this kind of technology

entonces podremos tomar este tipo de tecnología,

and take it out of the Stanford clinic

sacarla de la clínica de Stanford

and bring it to the entire world,

y presentarla al mundo entero,

places where Stanford doctors never, ever set foot.

en lugares a los que los médicos de Stanford nunca irían.

CA: And do I hear this right,

CA: Y si te entendí bien,

that it seemed like what you were saying,

me parece que lo que dices es que,

because you are working with this army of Udacity students,

como estás trabajando con este ejército de estudiantes de Udacity,

de cierta manera, estás aplicando otro modo de aprendizaje de máquina

that in a way, you're applying a different form of machine learning

than might take place in a company,

que puede ocurrir en una compañía,

which is you're combining machine learning with a form of crowd wisdom.

y es que estás combinando aprendizaje de máquina con sabiduría colectiva.

Are you saying that sometimes you think that could actually outperform

¿Quieres decir que de este modo se podrían sobrepasar

los resultados de una compañía, incluso una grande?

what a company can do, even a vast company?

ST: I believe there's now instances that blow my mind,

ST: Creo que hay situaciones que me asombran,

and I'm still trying to understand.

y todavía estoy intentando entender.

What Chris is referring to is these competitions that we run.

Chris se refiere a estas competencias que hacemos.

We turn them around in 48 hours,

El tiempo de entrega es de 48 horas,

and we've been able to build a self-driving car

y hemos logrado construir un vehículo autónomo

that can drive from Mountain View to San Francisco on surface streets.

que puede manejar de Mountain View a San Francisco por las calles.

It's not quite on par with Google after seven years of Google work,

No está a la par con Google pues ellos llevan siete años trabajando en esto

but it's getting there.

pero ahí va.

And it took us only two engineers and three months to do this.

Y requirió solo dos ingenieros y tres meses lograrlo.

And the reason is, we have an army of students

Y la razón es que tenemos un ejército de estudiantes

who participate in competitions.

que participan en las competencias.

No somos los únicos que hacemos colaboración abierta:

We're not the only ones who use crowdsourcing.

Uber and Didi use crowdsource for driving.

Uber y Didi lo usan para manejar.

Airbnb uses crowdsourcing for hotels.

Airbnb lo usa para hoteles.

Ahora hay muchos ejemplos de colaboración abierta

There's now many examples where people do bug-finding crowdsourcing

para encontrar errores de programación,

or protein folding, of all things, in crowdsourcing.

o desdoblar proteínas, imagínense.

But we've been able to build this car in three months,

Pero pudimos construir este vehículo en tres meses,

so I am actually rethinking

así que estoy reconsiderando

how we organize corporations.

cómo organizamos las empresas.

We have a staff of 9,000 people who are never hired,

Tenemos una plantilla de 9000 personas

que no son contratadas ni despedidas.

that I never fire.

They show up to work and I don't even know.

Se presentan a trabajar y ni me entero.

Then they submit to me maybe 9,000 answers.

Recibo 9000 proyectos.

I'm not obliged to use any of those.

No estoy obligado a usar ninguno de ellos.

I end up -- I pay only the winners,

Al final solo le pago a los que ganan,

so I'm actually very cheapskate here, which is maybe not the best thing to do.

en realidad soy muy tacaño en esto, puede que no sea lo mejor.

But they consider it part of their education, too, which is nice.

Y ellos lo consideran parte de su educación, que está bien.

But these students have been able to produce amazing deep learning results.

Estos estudiantes han logrado resultados maravillosos en aprendizaje profundo.

La síntesis de buenas personas y buen aprendizaje de máquina es fenomenal.

So yeah, the synthesis of great people and great machine learning is amazing.

CA: Gary Kaspárov dijo el primer día de TED2017

CA: I mean, Gary Kasparov said on the first day [of TED2017]

that the winners of chess, surprisingly, turned out to be two amateur chess players

que los ganadores del ajedrez resultaron ser dos jugadores amateur

with three mediocre-ish, mediocre-to-good, computer programs,

con tres programas de computadora semi-mediocres,

that could outperform one grand master with one great chess player,

que podían superar a un gran maestro con un jugador maravilloso,

like it was all part of the process.

como si fuese parte del proceso.

And it almost seems like you're talking about a much richer version

Y casi parece que estás hablando de una versión más sofisticada

of that same idea.

de esta misma idea.

ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,

ST: Tras asistir a los maravillosos paneles de discusión de ayer,

two sessions about AI,

dos sesiones sobre IA,

"Líderes supremos robóticos" y "La respuesta humana",

robotic overlords and the human response,

many, many great things were said.

se dijeron muchas cosas maravillosas.

But one of the concerns is that we sometimes confuse

Pero una de las preocupaciones es que a veces confundimos

what's actually been done with AI with this kind of overlord threat,

lo que ya se ha logrado con IA, con este riesgo de que nos dominen,

where your AI develops consciousness, right?

de que la IA desarrolle consciencia, ¿cierto?

The last thing I want is for my AI to have consciousness.

Lo último que quiero es que mi IA desarrolle consciencia.

I don't want to come into my kitchen

No quiero entrar en mi cocina

and have the refrigerator fall in love with the dishwasher

y que el refrigerador se enamore de la lavadora,

and tell me, because I wasn't nice enough,

y me diga que, como no fui suficientemente amable,

my food is now warm.

mi comida ahora está tibia.

I wouldn't buy these products, and I don't want them.

Yo no compraría estos productos y no los quiero.

But the truth is, for me,

Pero la realidad es que, para mí,

AI has always been an augmentation of people.

la IA siempre ha sido un mejoramiento del hombre

It's been an augmentation of us,

de nosotros mismos,

to make us stronger.

para hacernos más fuertes.

And I think Kasparov was exactly correct.

Y creo que Kaspárov tenía razón.

It's been the combination of human smarts and machine smarts

Ha sido la combinación de las inteligencias humana y de máquina

that make us stronger.

lo que nos fortalece.

The theme of machines making us stronger is as old as machines are.

El tema de que las máquinas nos fortalecen es tan antiguo como las máquinas mismas.

The agricultural revolution took place because it made steam engines

La revolución agrícola ocurrió cuando se creó la máquina de vapor

and farming equipment that couldn't farm by itself,

y el equipo de cosecha que no podía manejarse solo;

that never replaced us; it made us stronger.

no nos reemplazó, nos hizo más fuertes.

And I believe this new wave of AI will make us much, much stronger

Y yo creo que esta nueva ola de IA

nos hará mucho más fuertes como seres humanos.

as a human race.

CA: We'll come on to that a bit more,

CA: Volveremos con eso en un momento,

but just to continue with the scary part of this for some people,

pero retomando la parte alarmante para algunos,

like, what feels like it gets scary for people is when you have

lo que asusta a la gente es cuando tienes

a computer that can, one, rewrite its own code,

una computadora que puede, primero, reescribir su propio código;

so, it can create multiple copies of itself,

puede crear copias de sí mismo,

try a bunch of different code versions,

probar diferentes codificaciones, incluso de manera aleatoria,

possibly even at random,

and then check them out and see if a goal is achieved and improved.

y luego, probarlas y determinar si la meta se cumplió y superó.

So, say the goal is to do better on an intelligence test.

Entonces, digamos que el objetivo es mejorar en una prueba de inteligencia.

You know, a computer that's moderately good at that,

Una computadora un tanto buena en eso,

you could try a million versions of that.

podría intentar un millón de versiones.

You might find one that was better,

Podría encontrar una mejor,

and then, you know, repeat.

y luego, ya sabes, repetir.

And so the concern is that you get some sort of runaway effect

Entonces la preocupación es que se salga de control,

where everything is fine on Thursday evening,

donde todo esté bien el jueves por la noche,

and you come back into the lab on Friday morning,

pero regresas al laboratorio el viernes por la mañana,

and because of the speed of computers and so forth,

y por la velocidad misma de la computadora,

things have gone crazy, and suddenly --

las cosas se hayan alocado y de pronto...

ST: I would say this is a possibility,

ST: Diría que sí es una posibilidad,

but it's a very remote possibility.

pero una posibilidad muy remota.

So let me just translate what I heard you say.

Déjame traducir lo que acabas de decir.

In the AlphaGo case, we had exactly this thing:

En el caso de AlphaGo tuvimos justamente eso:

the computer would play the game against itself

La computadora jugaba contra sí misma

y aprendía reglas nuevas.

and then learn new rules.

And what machine learning is is a rewriting of the rules.

Y el aprendizaje de máquina es reescribir esas reglas,

It's the rewriting of code.

reescribir el código.

But I think there was absolutely no concern

Pero no había miedo alguno

that AlphaGo would take over the world.

de que AlphaGo se apoderara del mundo.

It can't even play chess.

Ni siquiera puede jugar al ajedrez.

CA: No, no, no, but now, these are all very single-domain things.

CA: No, no, no, pero estas cosas son de un campo muy limitado.

But it's possible to imagine.

Pero es posible imaginar...

I mean, we just saw a computer that seemed nearly capable

acabamos de ver una computadora que era casi capaz

of passing a university entrance test,

de aprobar un examen de ingreso a la universidad;

that can kind of -- it can't read and understand in the sense that we can,

no puede leer y comprender como nosotros podemos,

but it can certainly absorb all the text

pero, desde luego, puede asimilar todo el texto

and maybe see increased patterns of meaning.

y tal vez identificar patrones de significado.

Isn't there a chance that, as this broadens out,

¿No existe la posibilidad, conforme esto se expande,

there could be a different kind of runaway effect?

que pudiera salirse de control?

ST: That's where I draw the line, honestly.

ST: Ahí pinto la raya, francamente.

And the chance exists -- I don't want to downplay it --

Y la posibilidad existe -- no quiero restarle importancia --

but I think it's remote, and it's not the thing that's on my mind these days,

pero es remota y no es algo que ocupe mi mente ahora,

porque la gran revolución es otra cosa.

because I think the big revolution is something else.

Everything successful in AI to the present date

Todo lo que ha salido bien con la IA hasta el día de hoy

has been extremely specialized,

ha sido extremadamente especializado,

y ha prosperado en una sola idea,

and it's been thriving on a single idea,

which is massive amounts of data.

que es cantidades masivas de datos.

The reason AlphaGo works so well is because of massive numbers of Go plays,

AlphaGo funciona tan bien por la gran cantidad de jugadas de go,

and AlphaGo can't drive a car or fly a plane.

y AlphaGo no puede manejar un auto ni volar un avión.

The Google self-driving car or the Udacity self-driving car

El vehículo autónomo de Google o el de Udacity

thrives on massive amounts of data, and it can't do anything else.

prosperan por la gran cantidad de datos y no pueden hacer otra cosa;

ni siquiera puede controlar una motocicleta.

It can't even control a motorcycle.

It's a very specific, domain-specific function,

Es una función muy específica,

and the same is true for our cancer app.

y lo mismo sucede con la app del cáncer.

There has been almost no progress on this thing called "general AI,"

Prácticamente no ha habido progreso en lo que llamamos "IA general",

where you go to an AI and say, "Hey, invent for me special relativity

en que puedas decirle, "inventa la teoría de la relatividad especial

or string theory."

o la teoría de cuerdas".

It's totally in the infancy.

Está en pañales.

The reason I want to emphasize this,

Y quiero hacer hincapié en esto,

I see the concerns, and I want to acknowledge them.

porque veo la preocupación que existe y la reconozco.

But if I were to think about one thing,

Pero si fuese a pensar en algo, sería:

I would ask myself the question, "What if we can take anything repetitive

"¿Qué tal si podemos tomar cualquier actividad repetitiva

y hacernos 100 veces más eficientes?"

and make ourselves 100 times as efficient?"

It so turns out, 300 years ago, we all worked in agriculture

Resulta que hace 100 años todos trabajábamos en el campo

y cultivábamos y hacíamos cosas repetitivas.

and did farming and did repetitive things.

Hoy, el 75 % de nosotros trabaja en una oficina

Today, 75 percent of us work in offices

y hacemos cosas repetitivas.

and do repetitive things.

We've become spreadsheet monkeys.

Nos hemos convertido en hojas de cálculo humanas.

And not just low-end labor.

Y no solo los trabajos básicos.

We've become dermatologists doing repetitive things,

Nos hemos hecho dermatólogos que hacen cosas repetitivas,

lawyers doing repetitive things.

abogados que hacen cosas repetitivas.

I think we are at the brink of being able to take an AI,

Creo que estamos al borde de poder tomar la IA,

look over our shoulders,

echar un vistazo atrás,

and they make us maybe 10 or 50 times as effective in these repetitive things.

y hacernos tal vez 10 o 50 veces más efectivos en estas cosas repetitivas.

That's what is on my mind.

Eso es lo que ocupa mi mente.

CA: That sounds super exciting.

CA: Pues suena muy emocionante.

The process of getting there seems a little terrifying to some people,

El proceso para llegar ahí suena aterrador para algunas personas,

porque una vez que la computadora pueda realizar esta actividad repetitiva

because once a computer can do this repetitive thing

much better than the dermatologist

mucho mejor que un dermatólogo,

or than the driver, especially, is the thing that's talked about

o que el conductor, es de lo que tanto se habla ahora,

so much now,

de pronto se pierden millones de empleos

suddenly millions of jobs go,

and, you know, the country's in revolution

y, ya sabes, el país se revoluciona

antes de que podamos alcanzar los aspectos más espectaculares posibles.

before we ever get to the more glorious aspects of what's possible.

ST: Sí, y eso es un problema, un gran problema,

ST: Yeah, and that's an issue, and it's a big issue,

and it was pointed out yesterday morning by several guest speakers.

y lo mencionaban ayer por la mañana varios oradores.

Antes de subir al escenario

Now, prior to me showing up onstage,

I confessed I'm a positive, optimistic person,

confesé que soy una persona positiva y optimista,

so let me give you an optimistic pitch,

así que déjame darte mi discurso optimista

que es: imagínense a Uds. mismos hace 300 años.

which is, think of yourself back 300 years ago.

Europe just survived 140 years of continuous war,

Europa acababa de sobrevivir 140 años de guerra continua,

none of you could read or write,

nadie sabía leer o escribir,

there were no jobs that you hold today,

no existían los trabajos de hoy,

like investment banker or software engineer or TV anchor.

como banca de inversiones o ingeniero de software o conductor de TV.

We would all be in the fields and farming.

Todos estaríamos en los campos, cultivando.

Y por aquí llega el pequeño Sebastian con una máquina de vapor en su bolsillo,

Now here comes little Sebastian with a little steam engine in his pocket,

saying, "Hey guys, look at this.

diciendo: "¡Ei, chicos! Vean esto.

It's going to make you 100 times as strong, so you can do something else."

Esto los va a hacer 100 veces más fuertes para que puedan hacer otra cosa".

And then back in the day, there was no real stage,

Y en ese entonces no había escenario

but Chris and I hang out with the cows in the stable,

pero Chris y yo nos reuníamos en el establo de las vacas,

y me dice: "estoy muy preocupado,

and he says, "I'm really concerned about it,

porque ordeño a mi vaca a diario,

because I milk my cow every day, and what if the machine does this for me?"

y ¿qué pasará cuando esta máquina lo haga por mí?"

The reason why I mention this is,

Les digo esto porque,

we're always good in acknowledging past progress and the benefit of it,

somos muy buenos reconociendo el progreso pasado y sus beneficios,

like our iPhones or our planes or electricity or medical supply.

como el iPhone o los aviones, la electricidad o los utensilios médicos.

We all love to live to 80, which was impossible 300 years ago.

Nos encanta vivir hasta los 80 años, lo cual era imposible hace 300 años.

But we kind of don't apply the same rules to the future.

Pero no aplicamos el mismo razonamiento hacia el futuro.

So if I look at my own job as a CEO,

Si tomo mi propio trabajo como CEO,

I would say 90 percent of my work is repetitive,

diría que el 90 % de lo que hago es repetitivo,

no lo disfruto,

I don't enjoy it,

I spend about four hours per day on stupid, repetitive email.

paso cuatro horas al día en emails estúpidos y repetitivos.

And I'm burning to have something that helps me get rid of this.

Y muero por tener algo que me ayude a librarme de esto.

¿Por qué?

Why?

Because I believe all of us are insanely creative;

Porque creo que todos somos extremadamente creativos;

I think the TED community more than anybody else.

la comunidad de TED en particular.

But even blue-collar workers; I think you can go to your hotel maid

Pero hasta los obreros; creo que si toman un trago

and have a drink with him or her,

con la empleada o el empleado de un hotel,

and an hour later, you find a creative idea.

una hora después encontrarán allí una idea creativa.

What this will empower is to turn this creativity into action.

Esto permitirá convertir esa creatividad en acción.

Like, what if you could build Google in a day?

¿Qué tal si pudieras inventar Google en un día?

What if you could sit over beer and invent the next Snapchat,

¿Qué tal si tomaras una cerveza e inventaras el siguiente Snapchat,

whatever it is,

lo que sea,

and tomorrow morning it's up and running?

y para mañana ya está en operación?

And that is not science fiction.

No es ciencia ficción.

What's going to happen is,

Lo que va a suceder es,

que ya somos historia.

we are already in history.

We've unleashed this amazing creativity

Hemos desatado esta asombrosa creatividad

by de-slaving us from farming

emancipándonos del campo

and later, of course, from factory work

y luego, claro, de las fábricas,

and have invented so many things.

y hemos inventado muchas cosas.

It's going to be even better, in my opinion.

Va a ser aún mejor, en mi opinión.

And there's going to be great side effects.

Y los efectos colaterales serán maravillosos.

One of the side effects will be

Uno de ellos será

that things like food and medical supply and education and shelter

que cosas como la comida, los aparatos médicos,

la educación, la vivienda y el transporte,

and transportation

will all become much more affordable to all of us,

serán mucho más asequibles para todos,

not just the rich people.

no solo para las personas ricas.

CA: Hmm.

CA: Mmm.

So when Martin Ford argued, you know, that this time it's different

Cuando Martin Ford explicaba que esta vez será distinto

because the intelligence that we've used in the past

porque la inteligencia que hemos usado en el pasado

para buscar caminos nuevos

to find new ways to be

will be matched at the same pace

será igualada al mismo ritmo

by computers taking over those things,

por las computadoras que las relevarán...

what I hear you saying is that, not completely,

lo que tú dices es que, no del todo,

because of human creativity.

por la creatividad humana.

Do you think that that's fundamentally different from the kind of creativity

¿Crees que eso sea fundamentalmente distinto del tipo de creatividad

that computers can do?

que tienen las computadoras?

ST: So, that's my firm belief as an AI person --

ST: Estoy convencido, como experto en IA,

that I haven't seen any real progress on creativity

que no he visto progreso real en lo referente a creatividad

and out-of-the-box thinking.

y pensamiento fuera de lo convencional.

What I see right now -- and this is really important for people to realize,

Lo que veo ahora, y es importante que la gente lo entienda,

porque el concepto "inteligencia artificial" es muy aterrador,

because the word "artificial intelligence" is so threatening,

and then we have Steve Spielberg tossing a movie in,

tenemos a Steven Spielberg que crea una película,

where all of a sudden the computer is our overlord,

y de pronto la computadora es nuestro líder supremo,

but it's really a technology.

pero en realidad es una tecnología.

It's a technology that helps us do repetitive things.

Es la tecnología la que nos ayuda a hacer actividades repetitivas.

And the progress has been entirely on the repetitive end.

Se ha logrado progreso en las actividades repetitivas.

It's been in legal document discovery.

En encontrar documentos legales,

It's been contract drafting.

en redactar contratos.

It's been screening X-rays of your chest.

En analizar exámenes de rayos X del pecho.

And these things are so specialized,

Y son cosas tan especializadas,

I don't see the big threat of humanity.

que no veo la gran amenaza para la humanidad.

In fact, we as people --

De hecho, nosotros como personas...

I mean, let's face it: we've become superhuman.

seamos realistas: nos hemos vuelto súper-humanos,

We've made us superhuman.

nos hemos hecho súper-humanos.

We can swim across the Atlantic in 11 hours.

Podemos cruzar el Atlántico nadando en 11 horas.

We can take a device out of our pocket

Podemos sacar un aparato del bolsillo

and shout all the way to Australia,

y hacer un llamado a Australia,

and in real time, have that person shouting back to us.

y en tiempo real la otra persona nos responde alto y claro.

That's physically not possible. We're breaking the rules of physics.

Eso es físicamente imposible, rompe las reglas de la Física.

When this is said and done, we're going to remember everything

Al final, vamos a recordar

we've ever said and seen,

todo lo que has dicho y lo que has visto,

you'll remember every person,

recordarás a cada persona,

which is good for me in my early stages of Alzheimer's.

lo cual es bueno en mi etapa inicial de Alzheimer.

Sorry, what was I saying? I forgot.

Disculpa, ¿qué estaba diciendo? Lo olvidé.

CA: (Laughs)

CA: (Risas)

ST: We will probably have an IQ of 1,000 or more.

ST: Probablemente tendremos un coeficiente intelectual de 1000 o más.

There will be no more spelling classes for our kids,

No habrá más clases de ortografía para los niños

porque ya no existirán los errores de ortografía.

because there's no spelling issue anymore.

There's no math issue anymore.

No habrá problemas con las matemáticas.

And I think what really will happen is that we can be super creative.

Y entonces sucederá que seremos súper creativos.

And we are. We are creative.

Y lo somos. Somos creativos.

That's our secret weapon.

Esa es nuestra arma secreta.

CA: So the jobs that are getting lost,

CA: Así que los empleos se van a eliminar,

in a way, even though it's going to be painful,

de cierto modo, aunque va a ser doloroso,

humans are capable of more than those jobs.

los humanos somos capaces de más que esos trabajos.

This is the dream.

Este es el sueño.

The dream is that humans can rise to just a new level of empowerment

El sueño es que los humanos alcancen un nuevo nivel de empoderamiento

y descubrimiento.

and discovery.

Ese es el sueño.

That's the dream.

ST: And think about this:

ST: Y piensa en esto;

if you look at the history of humanity,

si ves la historia de la humanidad,

that might be whatever -- 60-100,000 years old, give or take --

que serán unos 60 a 100 000 años, más o menos,

almost everything that you cherish in terms of invention,

casi todo lo que apreciamos en cuanto a invenciones,

of technology, of things we've built,

de tecnología, de lo que hemos construido,

has been invented in the last 150 years.

se ha inventado en los últimos 150 años.

If you toss in the book and the wheel, it's a little bit older.

Si le agregas el libro y la rueda, es un poco más.

Or the axe.

O el hacha.

Pero tu teléfono, tus zapatillas,

But your phone, your sneakers,

these chairs, modern manufacturing, penicillin --

estas sillas, la manufactura moderna, la penicilina...

the things we cherish.

las cosas que atesoramos.

Now, that to me means

Ahora, para mí eso significa

the next 150 years will find more things.

que en los próximos 150 años encontraremos más cosas.

In fact, the pace of invention has gone up, not gone down, in my opinion.

De hecho, el ritmo de invención ha subido, no bajado, en mi opinión.

Creo que se han creado solo el 1 % de las cosas interesantes.

I believe only one percent of interesting things have been invented yet. Right?

¿Cierto?

No hemos curado el cáncer.

We haven't cured cancer.

No tenemos coches voladores, todavía. Espero cambiar esto.

We don't have flying cars -- yet. Hopefully, I'll change this.

That used to be an example people laughed about. (Laughs)

Ese ejemplo solía provocar risas.

(Risas)

Es gracioso, ¿no es cierto? Trabajar en secreto en coches voladores.

It's funny, isn't it? Working secretly on flying cars.

We don't live twice as long yet. OK?

Todavía no vivimos el doble de años.

We don't have this magic implant in our brain

No tenemos este implante mágico en el cerebro

que nos dé la información que buscamos.

that gives us the information we want.

And you might be appalled by it,

Y puede parecer aberrante,

but I promise you, once you have it, you'll love it.

pero les prometo que cuando lo tengan les encantará.

I hope you will.

Espero que les encante.

It's a bit scary, I know.

Es un poco alarmante, lo sé.

There are so many things we haven't invented yet

Hay muchas cosas que todavía no inventamos,

that I think we'll invent.

que inventaremos.

No tenemos escudos de gravedad.

We have no gravity shields.

No podemos teletransportarnos.

We can't beam ourselves from one location to another.

Suena ridículo, pero hace 200 años,

That sounds ridiculous,

but about 200 years ago,

experts were of the opinion that flight wouldn't exist,

los expertos opinaban que no se podría volar,

even 120 years ago,

incluso hace 120 años,

and if you moved faster than you could run,

y que si te movías más rápido de lo que podías correr,

you would instantly die.

morirías al instante.

So who says we are correct today that you can't beam a person

Así que, ¿quién puede estar seguro hoy

de que no se pueda teletransportar a una persona de aquí a Marte?

from here to Mars?

CA: Sebastian, thank you so much

CA: Sebastian, muchas gracias

for your incredibly inspiring vision and your brilliance.

por tu increíble visión inspiradora y tu genialidad.

Thank you, Sebastian Thrun.

Gracias, Sebastian Thrun.

ST: Fue fantástico. (Aplausos)

That was fantastic. (Applause)