How AI can save our humanity | Kai-Fu Lee

908,898 views ・ 2018-08-27

TED


વિડિઓ ચલાવવા માટે કૃપા કરીને નીચેના અંગ્રેજી સબટાઈટલ પર ડબલ-ક્લિક કરો.

Translator: limbachiya deep Reviewer: RONAK PRAJAPATI
00:12
I'm going to talk about how AI and mankind can coexist,
0
12640
4536
હું વિશે વાત કરવા જઇ રહ્યો છું એઆઈ અને માનવજાત કેવી રીતે એક સાથે રહી શકે છે,
00:17
but first, we have to rethink about our human values.
1
17200
3816
પરંતુ પ્રથમ, આપણે ફરીથી વિચાર કરવો પડશે આપણા માનવ મૂલ્યો વિશે.
00:21
So let me first make a confession about my errors in my values.
2
21040
4320
તો ચાલો પહેલા હું કબૂલાત કરું મારા મૂલ્યોમાંની ભૂલો વિશે.
00:25
It was 11 o'clock, December 16, 1991.
3
25920
4256
16 ડિસેમ્બર, 1991 ના 11 વાગ્યા હતા.
00:30
I was about to become a father for the first time.
4
30200
2680
હું પિતા બનવાનો હતો પ્રથમ વખત.
00:33
My wife, Shen-Ling, lay in the hospital bed
5
33480
2856
મારી પત્ની, શેન-લિંગ, હોસ્પિટલના પલંગ પર પડેલી
00:36
going through a very difficult 12-hour labor.
6
36360
3080
ખૂબ જ મુશ્કેલમાંથી પસાર થવું 12 કલાકની મજૂરી.
00:40
I sat by her bedside
7
40280
2296
હું તેના બેડસાઇડ પાસે બેઠો
00:42
but looked anxiously at my watch,
8
42600
2376
પરંતુ મારી ઘડિયાળ પર બેચેનતાથી જોયું,
00:45
and I knew something that she didn't.
9
45000
1800
અને હું કંઈક જાણતી હતી જે તેણીને ન હતી.
00:47
I knew that if in one hour,
10
47440
1800
હું જાણું છું કે જો એક કલાકમાં,
00:50
our child didn't come,
11
50360
1936
અમારું બાળક આવ્યું નથી
00:52
I was going to leave her there
12
52320
1936
હું તેને ત્યાં જતો રહ્યો
00:54
and go back to work
13
54280
1656
અને પાછા કામ પર જાઓ
00:55
and make a presentation about AI
14
55960
2576
અને એઆઈ વિશે રજૂઆત કરો
00:58
to my boss, Apple's CEO.
15
58560
2200
મારા બોસ, એપલના સીઈઓ.
01:03
Fortunately, my daughter was born at 11:30 --
16
63160
3896
સદનસીબે, મારી પુત્રીનો જન્મ 11:30 વાગ્યે થયો હતો -
01:07
(Laughter)
17
67080
1936
(હાસ્ય)
01:09
(Applause)
18
69040
1936
(તાળીઓ)
01:11
sparing me from doing the unthinkable,
19
71000
4336
મને કલ્પના કરવાથી બચાવ્યું,
01:15
and to this day, I am so sorry
20
75360
2496
અને આજ સુધી, મને માફ કરશો
01:17
for letting my work ethic take precedence over love for my family.
21
77880
4656
મારા કાર્ય નીતિ માટે મારા કુટુંબ પ્રત્યેના પ્રેમ ઉપર અગ્રતા રાખો
01:22
(Applause)
22
82560
5736
(તાળીઓ)
01:28
My AI talk, however, went off brilliantly.
23
88320
2616
મારી એઆઈ વાતો, જોકે, તેજસ્વી થઈ.
01:30
(Laughter)
24
90960
2736
(હાસ્ય)
01:33
Apple loved my work and decided to announce it
25
93720
3136
Appleને મારું કામ ગમ્યું અને તેની જાહેરાત કરવાનું નક્કી કર્યું
01:36
at TED1992,
26
96880
2696
TED1992 પર,
01:39
26 years ago on this very stage.
27
99600
3016
26 વર્ષ પહેલાં આ ખૂબ જ સ્ટેજ પર.
01:42
I thought I had made one of the biggest, most important discoveries in AI,
28
102640
5056
મેં વિચાર્યું કે મેં એક સૌથી મોટું બનાવ્યું છે, એ.આઇ. માં સૌથી મહત્વપૂર્ણ શોધો,
01:47
and so did the "Wall Street Journal" on the following day.
29
107720
2920
અને તેથી "વોલ સ્ટ્રીટ જર્નલ" કર્યું બીજા દિવસે.
01:51
But as far as discoveries went,
30
111440
2536
પરંતુ જ્યાં સુધી શોધ થઈ,
01:54
it turned out,
31
114000
1336
તે બહાર આવ્યું,
01:55
I didn't discover India, or America.
32
115360
2776
મેં ભારત કે અમેરિકાની શોધ કરી નથી.
01:58
Perhaps I discovered a little island off of Portugal.
33
118160
3080
કદાચ મેં શોધી કાઢયુ પોર્ટુગલથી થોડું ટાપુ.
02:02
But the AI era of discovery continued,
34
122720
3256
પરંતુ શોધનો એઆઈ યુગ ચાલુ રહ્યો,
02:06
and more scientists poured their souls into it.
35
126000
3216
અને વધુ વૈજ્ઞાનીકો તેમાં તેમના આત્મા રેડ્યા.
02:09
About 10 years ago, the grand AI discovery
36
129240
2616
લગભગ 10 વર્ષ પહેલાં, ભવ્ય એઆઈ શોધ
02:11
was made by three North American scientists,
37
131880
3176
ત્રણ દ્વારા બનાવવામાં આવી હતી ઉત્તર અમેરિકાના વૈજ્ઞાનીકો
02:15
and it's known as deep learning.
38
135080
1600
અને તે ઊંડા શિક્ષણ તરીકે ઓળખાય છે.
02:17
Deep learning is a technology that can take a huge amount of data
39
137400
3696
ડીપ લર્નિંગ એ ટેકનોલોજી છે જે ડેટાની વિશાળ માત્રા લઈ શકે છે
02:21
within one single domain
40
141120
1736
એક જ ડોમેનની અંદર
02:22
and learn to predict or decide at superhuman accuracy.
41
142880
4936
અને આગાહી અથવા નિર્ણય કરવાનું શીખો અતિમાનુષ્ય ચોકસાઈ પર.
02:27
For example, if we show the deep learning network
42
147840
2776
ઉદાહરણ તરીકે, જો આપણે બતાવીશું ઊંડા learning શિક્ષણ નેટવર્ક
02:30
a massive number of food photos,
43
150640
2816
ખાદ્યપદાર્થોની વિશાળ સંખ્યામાં ફોટા,
02:33
it can recognize food
44
153480
1576
તે ખોરાકને ઓળખી શકે છે
02:35
such as hot dog or no hot dog.
45
155080
3296
જેમ કે હોટ ડોગ અથવા હોટ ડોગ નહીં.
02:38
(Applause)
46
158400
3136
(તાળીઓ)
02:41
Or if we show it many pictures and videos and sensor data
47
161560
5016
અથવા જો આપણે તેને ઘણાં ચિત્રો બતાવીએ અને વિડિઓઝ અને સેન્સર ડેટા
02:46
from driving on the highway,
48
166600
2536
હાઇવે પર ડ્રાઇવિંગ કરવાથી,
02:49
it can actually drive a car as well as a human being
49
169160
3280
તે ખરેખર કાર ચલાવી શકે છે તેમજ માનવી
02:53
on the highway.
50
173360
1656
હાઇવે પર
02:55
And what if we showed this deep learning network
51
175040
2816
અને જો આપણે બતાવ્યું આ ઊંડા શિક્ષણ નેટવર્ક
02:57
all the speeches made by President Trump?
52
177880
2400
રાષ્ટ્રપતિ ટ્રમ્પે કરેલા બધા ભાષણો?
03:01
Then this artificially intelligent President Trump,
53
181680
3000
પછી આ કૃત્રિમ રીતે બુદ્ધિશાળી પ્રમુખ ટ્રમ્પ,
03:05
actually the network --
54
185600
2216
ખરેખર નેટવર્ક -
03:07
(Laughter)
55
187840
1656
(હાસ્ય)
03:09
can --
56
189520
1216
કરી શકો છો -
03:10
(Applause)
57
190760
4056
(તાળીઓ)
03:14
You like double oxymorons, huh?
58
194840
2336
તમને ડબલ ઓક્સીમોરોન્સ ગમે છે, હહ?
03:17
(Laughter)
59
197200
3856
(હાસ્ય)
03:21
(Applause)
60
201080
6096
(તાળીઓ)
03:27
So this network, if given the request to make a speech about AI,
61
207200
5256
તેથી આ નેટવર્ક, જો વિનંતી આપવામાં આવે એઆઈ વિશે ભાષણ કરવા માટે,
03:32
he, or it, might say --
62
212480
2640
તે, અથવા તે, કહી શકે છે -
03:36
(Recording) Donald Trump: It's a great thing
63
216280
2096
(રેકોર્ડિંગ) ડોનાલ્ડ ટ્રમ્પ: તે એક મહાન વસ્તુ છે
03:38
to build a better world with artificial intelligence.
64
218400
2936
વધુ સારી દુનિયા બનાવવા માટે કૃત્રિમ બુદ્ધિ સાથે.
03:41
Kai-Fu Lee: And maybe in another language?
65
221360
2016
કાઈ-ફુ લી: અને કદાચ બીજી ભાષામાં?
03:43
DT: (Speaking Chinese)
66
223400
1816
ડીટી: (ચાઇનીઝ બોલતા)
03:45
(Laughter)
67
225240
1496
(હાસ્ય)
03:46
KFL: You didn't know he knew Chinese, did you?
68
226760
2160
કેએફએલ: તમે જાણતા ન હતા તે ચિની જાણતો હતો, તમે?
03:50
So deep learning has become the core in the era of AI discovery,
69
230120
5016
તેથી ઊંડા શિક્ષણ મુખ્ય બન્યું છે એઆઈ શોધના યુગમાં,
03:55
and that's led by the US.
70
235160
1816
અને તે યુ.એસ. દ્વારા સંચાલિત છે.
03:57
But we're now in the era of implementation,
71
237000
3256
પરંતુ અમે હવે યુગમાં છીએ અમલીકરણ,
04:00
where what really matters is execution, product quality, speed and data.
72
240280
5536
ખરેખર જે મહત્વનું છે તે અમલ છે, ઉત્પાદન ગુણવત્તા, ઝડપ અને ડેટા.
04:05
And that's where China comes in.
73
245840
2096
અને ત્યાં જ ચીન આવે છે.
04:07
Chinese entrepreneurs,
74
247960
1576
ચિની ઉદ્યમીઓ
04:09
who I fund as a venture capitalist,
75
249560
1896
હું સાહસ મૂડીવાદક તરીકે કોને ભંડોળ આપું છું,
04:11
are incredible workers,
76
251480
1736
અતુલ્ય કામદારો છે,
04:13
amazing work ethic.
77
253240
1936
આશ્ચર્યજનક કામ નીતિમત્તા.
04:15
My example in the delivery room is nothing compared to how hard people work in China.
78
255200
5296
ડિલિવરી રૂમમાં મારું ઉદાહરણ કંઈ નથી ચીનમાં લોકો સખત મહેનત કરે તેની તુલના કરો.
04:20
As an example, one startup tried to claim work-life balance:
79
260520
3696
ઉદાહરણ તરીકે, એક સ્ટાર્ટઅપ વર્ક-લાઇફ બેલેન્સનો દાવો કરવાનો પ્રયાસ કર્યો:
04:24
"Come work for us because we are 996."
80
264240
3696
"આવો અમારા માટે કામ કરો કારણ કે આપણે 996."
04:27
And what does that mean?
81
267960
1256
અને તેનો અર્થ શું છે?
04:29
It means the work hours of 9am to 9pm, six days a week.
82
269240
4400
તેનો અર્થ કામના કલાકોનો છે સવારે 9 થી 9 સુધી, અઠવાડિયાના છ દિવસ.
04:34
That's contrasted with other startups that do 997.
83
274960
3280
તે વિરોધાભાસી છે 997 કરતા અન્ય સ્ટાર્ટઅપ્સ સાથે.
04:39
And the Chinese product quality has consistently gone up
84
279320
3096
અને ચાઇનીઝ ઉત્પાદનની ગુણવત્તા સતત ઉપર ગયો છે
04:42
in the past decade,
85
282440
1696
પાછલા દાયકામાં,
04:44
and that's because of a fiercely competitive environment.
86
284160
4120
અને તે કારણે છે ઉગ્ર સ્પર્ધાત્મક વાતાવરણ.
04:48
In Silicon Valley, entrepreneurs compete in a very gentlemanly fashion,
87
288760
5896
સિલિકોન વેલીમાં, ઉદ્યમીઓ ખૂબ જ સજ્જનતાથી ફેશનમાં ભાગ લેવો,
04:54
sort of like in old wars in which each side took turns
88
294680
3896
જૂના યુદ્ધો જેવા પ્રકારની જેમાં દરેક બાજુએ વારા લીધા હતા
04:58
to fire at each other.
89
298600
1256
એક બીજા પર ગોળીબાર
04:59
(Laughter)
90
299880
1056
(હાસ્ય)
05:00
But in the Chinese environment,
91
300960
2016
પરંતુ ચીની વાતાવરણમાં
05:03
it's truly a gladiatorial fight to the death.
92
303000
2880
તે ખરેખર આનંદકારક છે મૃત્યુ લડવા.
05:06
In such a brutal environment, entrepreneurs learn to grow very rapidly,
93
306920
6096
આવા નિર્દય વાતાવરણમાં, ઉદ્યમીઓ ખૂબ ઝડપથી વિકાસ કરવાનું શીખે છે,
05:13
they learn to make their products better at lightning speed,
94
313040
3936
તેઓ તેમના ઉત્પાદનો બનાવવાનું શીખે છે વીજળી ઝડપે વધુ સારું,
05:17
and they learn to hone their business models
95
317000
2336
અને તેઓ શીખે છે તેમના વ્યવસાયિક મોડેલોને સળગાવી
05:19
until they're impregnable.
96
319360
1400
જ્યાં સુધી તેઓ અભેદ્ય હોય ત્યાં સુધી.
05:21
As a result, great Chinese products like WeChat and Weibo
97
321400
3856
પરિણામે, મહાન ચાઇનીઝ ઉત્પાદનો WeChat અને Weibo જેવા
05:25
are arguably better
98
325280
1416
દલીલ કરતાં વધુ સારા છે
05:26
than the equivalent American products from Facebook and Twitter.
99
326720
3480
સમાન અમેરિકન ઉત્પાદનો કરતાં ફેસબુક અને ટ્વિટર પરથી.
05:31
And the Chinese market embraces this change
100
331920
3096
અને ચીની બજાર આ પરિવર્તનને ભેટે છે
05:35
and accelerated change and paradigm shifts.
101
335040
3016
અને ઝડપી ફેરફાર અને દાખલાની પાળી.
05:38
As an example, if any of you go to China,
102
338080
2096
ઉદાહરણ તરીકે, જો તમારામાંથી કોઈ ચીન જાય છે,
05:40
you will see it's almost cashless and credit card-less,
103
340200
4016
તમે જોશો કે તે લગભગ કેશલેસ છે અને ક્રેડિટ કાર્ડ ઓછું,
05:44
because that thing that we all talk about, mobile payment,
104
344240
2736
કારણ કે તે વસ્તુ જે આપણે બધાં જ કરીએ છીએ વિશે વાત, મોબાઇલ ચુકવણી,
05:47
has become the reality in China.
105
347000
2416
ચીનમાં વાસ્તવિકતા બની છે.
05:49
In the last year,
106
349440
1296
છેલ્લા વર્ષમાં,
05:50
18.8 trillion US dollars were transacted on mobile internet,
107
350760
5936
18.8 ટ્રિલિયન યુએસ ડોલર મોબાઇલ ઇન્ટરનેટ પર ટ્રાન્ઝેક્શન કરવામાં આવ્યા હતા,
05:56
and that's because of very robust technologies
108
356720
2936
અને તે કારણ છે ખૂબ જ મજબૂત તકનીકીઓ
05:59
built behind it.
109
359680
1256
તેની પાછળ બાંધવામાં.
06:00
It's even bigger than the China GDP.
110
360960
2440
તે ચાઇના જીડીપી કરતા પણ મોટો છે.
06:04
And this technology, you can say, how can it be bigger than the GDP?
111
364120
3616
અને આ તકનીક, તમે કહી શકો છો, તે જીડીપી કરતા વધારે કેવી રીતે હોઈ શકે?
06:07
Because it includes all transactions:
112
367760
1976
કારણ કે તેમાં તમામ વ્યવહારો શામેલ છે:
06:09
wholesale, channels, retail, online, offline,
113
369760
3776
જથ્થાબંધ, ચેનલો, છૂટક, , ઓનલાઇન, ઓફલાઇન,
06:13
going into a shopping mall or going into a farmers market like this.
114
373560
5056
એક શોપિંગ મોલમાં જવું અથવા આ રીતે ખેડુતોના બજારમાં જવું.
06:18
The technology is used by 700 million people
115
378640
3376
ટેકનોલોજીનો ઉપયોગ થાય છે 700 મિલિયન લોકો દ્વારા
06:22
to pay each other, not just merchants,
116
382040
2056
દરેક વેપારીઓને નહીં, પણ એક બીજાને ચુકવવા
06:24
so it's peer to peer,
117
384120
1416
તેથી તે પીઅર પીઅર છે,
06:25
and it's almost transaction-fee-free.
118
385560
2680
અને તે લગભગ ટ્રાન્ઝેક્શન-ફી-મુક્ત છે.
06:29
And it's instantaneous,
119
389720
2376
અને તે ત્વરિત છે,
06:32
and it's used everywhere.
120
392120
1440
અને તેનો દરેક જગ્યાએ ઉપયોગ થાય છે
06:34
And finally, the China market is enormous.
121
394320
3376
અને અંતે, ચાઇનાનું બજાર પ્રચંડ છે.
06:37
This market is large,
122
397720
1976
આ બજાર મોટું છે,
06:39
which helps give entrepreneurs more users, more revenue,
123
399720
4496
જે સાહસિકોને આપવામાં મદદ કરે છે વધુ વપરાશકર્તાઓ, વધુ આવક,
06:44
more investment, but most importantly,
124
404240
2336
વધુ રોકાણ, પરંતુ સૌથી અગત્યનું,
06:46
it gives the entrepreneurs a chance to collect a huge amount of data
125
406600
4536
તે ઉદ્યોગસાહસિકોને તક આપે છે મોટી માત્રામાં ડેટા એકત્રિત કરવા
06:51
which becomes rocket fuel for the AI engine.
126
411160
2960
જે રોકેટ ઇંધણ બને છે એઆઈ એન્જિન માટે.
06:54
So as a result, the Chinese AI companies
127
414960
2936
તેથી પરિણામે, ચીની એઆઇ કંપનીઓ
06:57
have leaped ahead
128
417920
1736
આગળ કૂદકો લગાવ્યો છે
06:59
so that today, the most valuable companies
129
419680
3096
જેથી આજે, સૌથી કિંમતી કંપનીઓ
07:02
in computer vision, speech recognition,
130
422800
2616
કમ્પ્યુટર દ્રષ્ટિ, વાણી માન્યતા,
07:05
speech synthesis, machine translation and drones
131
425440
3416
ભાષણ સંશ્લેષણ, મશીન અનુવાદ અને drones
07:08
are all Chinese companies.
132
428880
1920
બધી ચીની કંપનીઓ છે.
07:11
So with the US leading the era of discovery
133
431400
3216
તેથી યુ.એસ. અગ્રણી સાથે શોધ યુગ
07:14
and China leading the era of implementation,
134
434640
3136
અને ચાઇના અગ્રણી છે અમલીકરણ યુગ,
07:17
we are now in an amazing age
135
437800
2256
અમે હવે એક સુંદર યુગમાં છીએ
07:20
where the dual engine of the two superpowers
136
440080
3256
જ્યાં ડ્યુઅલ એન્જિન બે મહાસત્તા
07:23
are working together
137
443360
1680
સાથે કામ કરી રહ્યા છે
07:25
to drive the fastest revolution in technology
138
445960
3656
ઝડપી ચલાવવા માટે તકનીકીમાં ક્રાંતિ
07:29
that we have ever seen as humans.
139
449640
2360
કે આપણે ક્યારેય માણસો તરીકે જોયા છે.
07:32
And this will bring tremendous wealth,
140
452640
2496
અને આ અતિશય સંપત્તિ લાવશે,
07:35
unprecedented wealth:
141
455160
1776
અભૂતપૂર્વ સંપત્તિ:
07:36
16 trillion dollars, according to PwC,
142
456960
3896
16 ટ્રિલિયન ડોલર, પીડબ્લ્યુસી અનુસાર,
07:40
in terms of added GDP to the worldwide GDP by 2030.
143
460880
5376
ઉમેરવામાં આવેલા જીડીપીની દ્રષ્ટિએ 2030 સુધીમાં વિશ્વવ્યાપી જીડીપીમાં.
07:46
It will also bring immense challenges
144
466280
2616
તે પુષ્કળ પડકારો પણ લાવશે
07:48
in terms of potential job replacements.
145
468920
3576
સંભવિત જોબ રિપ્લેસમેન્ટની બાબતમાં
07:52
Whereas in the Industrial Age
146
472520
2160
જ્યારે theદ્યોગિક યુગમાં
07:55
it created more jobs
147
475880
1536
તેનાથી વધુ રોજગારી .ભી થઈ
07:57
because craftsman jobs were being decomposed into jobs in the assembly line,
148
477440
5776
કારણ કે કારીગરની નોકરી હતી એસેમ્બલી લાઇનમાં નોકરીઓમાં વિઘટન,
08:03
so more jobs were created.
149
483240
1976
તેથી વધુ નોકરીઓ બનાવવામાં આવી હતી.
08:05
But AI completely replaces the individual jobs
150
485240
4936
પરંતુ એઆઈ સંપૂર્ણપણે બદલી નાખે છે વ્યક્તિગત નોકરી
08:10
in the assembly line with robots.
151
490200
2256
રોબોટ્સ સાથે એસેમ્બલી લાઇનમાં.
08:12
And it's not just in factories,
152
492480
1936
અને તે માત્ર કારખાનામાં જ નથી,
08:14
but truckers, drivers
153
494440
2056
પરંતુ ટ્રકર્સ, ડ્રાઇવરો
08:16
and even jobs like telesales, customer service
154
496520
4096
ટેલિસેલ્સ જેવી નોકરીઓ, ગ્રાહક સેવા
08:20
and hematologists as well as radiologists
155
500640
2976
અને હિમેટોલોજિસ્ટ્સ તેમજ રેડિયોલોજિસ્ટ્સ
08:23
over the next 15 years
156
503640
2096
આગામી 15 વર્ષોમાં
08:25
are going to be gradually replaced
157
505760
2536
ધીમે ધીમે બદલી શકાય છે
08:28
by artificial intelligence.
158
508320
1440
કૃત્રિમ બુદ્ધિ દ્વારા
08:30
And only the creative jobs --
159
510360
2056
અને માત્ર રચનાત્મક નોકરીઓ -
08:32
(Laughter)
160
512440
1976
(હાસ્ય)
08:34
I have to make myself safe, right?
161
514440
2200
મારે મારી જાતને સુરક્ષિત કરવી છે ને?
08:38
Really, the creative jobs are the ones that are protected,
162
518960
2976
ખરેખર, સર્જનાત્મક નોકરીઓ જે સુરક્ષિત છે,
08:41
because AI can optimize but not create.
163
521960
3040
કારણ કે એઆઈ ઓપ્ટિમાઇઝ કરી શકે છે પરંતુ બનાવી શકશે નહીં.
08:45
But what's more serious than the loss of jobs
164
525960
3575
પરંતુ તે વધુ ગંભીર છે નોકરી ખોટ કરતાં
08:49
is the loss of meaning,
165
529559
1777
અર્થની ખોટ છે,
08:51
because the work ethic in the Industrial Age
166
531360
3136
કારણ કે કામ નીતિશાસ્ત્ર .દ્યોગિક યુગમાં
08:54
has brainwashed us into thinking that work is the reason we exist,
167
534520
5616
વિચારસરણીમાં આપણને મગજ ધોવા દીધા છે તે કાર્ય આપણા અસ્તિત્વનું કારણ છે,
09:00
that work defined the meaning of our lives.
168
540160
2936
કામ વ્યાખ્યાયિત આપણા જીવનનો અર્થ.
09:03
And I was a prime and willing victim to that type of workaholic thinking.
169
543120
6296
અને હું એક મુખ્ય અને ઇચ્છિત પીડિત હતો તે પ્રકારના વર્કહોલિક વિચારસરણી માટે
09:09
I worked incredibly hard.
170
549440
1616
મેં અતિ મહેનત કરી.
09:11
That's why I almost left my wife in the delivery room,
171
551080
3576
તેથી જ હું લગભગ નીકળી ગયો ડિલિવરી રૂમમાં મારી પત્ની,
09:14
that's why I worked 996 alongside my entrepreneurs.
172
554680
4176
તેથી જ મેં 996 કામ કર્યું મારા ઉદ્યમીઓની સાથે.
09:18
And that obsession that I had with work
173
558880
4416
અને તે મનોગ્રસ્તિ જે મને કામ સાથે મળી હતી
09:23
ended abruptly a few years ago
174
563320
3056
થોડા વર્ષો પહેલા અચાનક સમાપ્ત થઈ ગયું
09:26
when I was diagnosed with fourth stage lymphoma.
175
566400
3920
જ્યારે મને નિદાન થયું હતું ચોથા તબક્કાના લિમ્ફોમા સાથે.
09:31
The PET scan here shows over 20 malignant tumors
176
571480
4136
પીઈટી સ્કેન અહીં બતાવે છે 20 થી વધુ જીવલેણ ગાંઠો
09:35
jumping out like fireballs,
177
575640
2176
અગનગોળાની જેમ કૂદકો મારવો,
09:37
melting away my ambition.
178
577840
2576
મારી મહત્વાકાંક્ષા ઓગળી
09:40
But more importantly,
179
580440
1456
પરંતુ વધુ અગત્યનું,
09:41
it helped me reexamine my life.
180
581920
2736
તે મને મારા જીવનની સમીક્ષા કરવામાં મદદ કરશે.
09:44
Knowing that I may only have a few months to live
181
584680
3096
જાણવું કે મારી પાસે ફક્ત હોઈ શકે છે જીવવા માટે થોડા મહિના
09:47
caused me to see how foolish it was
182
587800
2936
મને તે જોવા માટેનું કારણ બને છે કે તે કેવી મૂર્ખ છે
09:50
for me to base my entire self-worth
183
590760
3576
મારા સંપૂર્ણ સ્વાર્થ માટેના આધાર માટે
09:54
on how hard I worked and the accomplishments from hard work.
184
594360
4040
મેં કેટલી મહેનત કરી તેના પર અને સખત મહેનતથી સિદ્ધિઓ.
09:59
My priorities were completely out of order.
185
599320
2976
મારી પ્રાથમિકતાઓ હતી સંપૂર્ણપણે ઓર્ડર બહાર.
10:02
I neglected my family.
186
602320
1600
મેં મારા પરિવારની અવગણના કરી.
10:05
My father had passed away,
187
605000
1416
મારા પિતાનું નિધન થયું હતું,
10:06
and I never had a chance to tell him I loved him.
188
606440
2800
અને મને ક્યારેય તક નહોતી મળી તેને કહેવા માટે હું તેને પ્રેમ કરતો હતો.
10:10
My mother had dementia and no longer recognized me,
189
610120
3736
મારી માતાને ડિમેન્શિયા હતું અને હવે મને ઓળખી શકશે નહીં,
10:13
and my children had grown up.
190
613880
1920
અને મારા બાળકો મોટા થયા હતા.
10:16
During my chemotherapy,
191
616400
1656
મારી કીમોથેરાપી દરમિયાન
10:18
I read a book by Bronnie Ware
192
618080
2456
મેં બ્રોની વેરનું એક પુસ્તક વાંચ્યું
10:20
who talked about dying wishes and regrets of the people in the deathbed.
193
620560
5496
જેણે મરવાની ઇચ્છાઓ અને અફસોસની વાત કરી મૃત્યુ પામેલા લોકોની.
10:26
She found that facing death,
194
626080
2256
તેણીએ શોધ્યું કે મૃત્યુનો સામનો કરી રહ્યો છે,
10:28
nobody regretted that they didn't work hard enough in this life.
195
628360
3600
કોઈએ અફસોસ નથી કે તેઓ નથી આ જીવનમાં પૂરતી મહેનત કરો.
10:32
They only regretted that they didn't spend enough time with their loved ones
196
632880
5176
તેઓએ ફક્ત તે બદલ ખેદ વ્યક્ત કર્યો કે તેઓ નથી તેમના પ્રિયજનો સાથે પૂરતો સમય પસાર કરો
10:38
and that they didn't spread their love.
197
638080
2760
અને તેઓએ તેમનો પ્રેમ ફેલાવ્યો નહીં.
10:42
So I am fortunately today in remission.
198
642400
4536
તેથી હું સદભાગ્યે આજે ક્ષમામાં છું.
10:46
(Applause)
199
646960
6856
(તાળીઓ)
10:53
So I can be back at TED again
200
653840
1976
તેથી હું ફરીથી TED પર આવી શકું છું
10:55
to share with you that I have changed my ways.
201
655840
3376
તમારી સાથે શેર કરવા માટે કે મેં મારી રીત બદલી નાખી છે.
10:59
I now only work 965 --
202
659240
2760
હું હવે માત્ર 965 કામ કરું છું -
11:03
occasionally 996, but usually 965.
203
663200
3976
ક્યારેક ક્યારેક 996, પરંતુ સામાન્ય રીતે 965.
11:07
I moved closer to my mother,
204
667200
1896
હું મારી માતાની નજીક ગયો,
11:09
my wife usually travels with me,
205
669120
2456
મારી પત્ની સામાન્ય રીતે મારી સાથે મુસાફરી કરે છે,
11:11
and when my kids have vacation, if they don't come home, I go to them.
206
671600
3816
અને જ્યારે મારા બાળકો પાસે વેકેશન હોય, જો તેઓ ઘરે ન આવે, તો હું તેમની પાસે જઉ છું.
11:15
So it's a new form of life
207
675440
2456
તેથી તે જીવનનું નવું સ્વરૂપ છે
11:17
that helped me recognize
208
677920
1816
જેણે મને ઓળખવામાં મદદ કરી
11:19
how important it is that love is for me,
209
679760
3176
તે કેટલું મહત્વનું છે કે પ્રેમ મારા માટે છે,
11:22
and facing death helped me change my life,
210
682960
3416
અને મૃત્યુનો સામનો કરવો મારું જીવન બદલવામાં મદદ કરી,
11:26
but it also helped me see a new way
211
686400
2456
પરંતુ તે મને નવી રીત જોવા માટે પણ મદદ કરશે
11:28
of how AI should impact mankind
212
688880
3776
એઆઇનો માનવજાતને કેવી અસર કરવી જોઈએ
11:32
and work and coexist with mankind,
213
692680
2480
અને કામ કરે છે અને માનવજાત સાથે સહઅસ્તિત્વ ધરાવે છે,
11:36
that really, AI is taking away a lot of routine jobs,
214
696680
4496
ખરેખર, એઆઈ દૂર લઈ રહ્યું છે ઘણી નિયમિત નોકરીઓ,
11:41
but routine jobs are not what we're about.
215
701200
3656
પરંતુ રૂટિન નોકરીઓ તે નથી જે આપણે કરી રહ્યા છીએ.
11:44
Why we exist is love.
216
704880
2256
આપણું અસ્તિત્વ કેમ છે તે પ્રેમ છે
11:47
When we hold our newborn baby,
217
707160
2096
જ્યારે આપણે અમારા નવજાત બાળકને પકડીએ છીએ,
11:49
love at first sight,
218
709280
1496
પ્રથમ દૃષ્ટિ પર પ્રેમ,
11:50
or when we help someone in need,
219
710800
1776
અથવા જ્યારે આપણે કોઈ જરૂરી વ્યક્તિને મદદ કરીએ છીએ,
11:52
humans are uniquely able to give and receive love,
220
712600
4256
મનુષ્ય અનન્ય રીતે સક્ષમ છે પ્રેમ આપવા અને પ્રાપ્ત કરવા માટે,
11:56
and that's what differentiates us from AI.
221
716880
2800
અને તે જ આપણને એઆઈથી અલગ પાડે છે.
12:00
Despite what science fiction may portray,
222
720800
2696
વિજ્ઞાન સાહિત્યમાં જે રજૂ થયું છે તે છતાં
12:03
I can responsibly tell you that AI has no love.
223
723520
3736
હું જવાબદારીપૂર્વક તમને કહી શકું છું એઆઈ નો પ્રેમ નથી.
12:07
When AlphaGo defeated the world champion Ke Jie,
224
727280
3536
જ્યારે આલ્ફાગોએ પરાજિત કર્યું વિશ્વ ચેમ્પિયન કે જી,
12:10
while Ke Jie was crying and loving the game of go,
225
730840
3096
જ્યારે કે જી રડતી હતી અને જાઓ ની રમત પ્રેમ,
12:13
AlphaGo felt no happiness from winning
226
733960
3176
આલ્ફાગોને જીતવામાં કોઈ ખુશી ન લાગી
12:17
and certainly no desire to hug a loved one.
227
737160
4480
અને ચોક્કસપણે કોઈ ઇચ્છા નથી કોઈ પ્રિય વ્યક્તિને આલિંગવું.
12:23
So how do we differentiate ourselves
228
743600
2656
તો આપણે પોતાને કેવી રીતે અલગ કરીએ
12:26
as humans in the age of AI?
229
746280
2536
એ.આઇ. ની યુગમાં મનુષ્ય તરીકે?
12:28
We talked about the axis of creativity,
230
748840
3096
અમે રચનાત્મકતાની અક્ષ વિશે વાત કરી
12:31
and certainly that is one possibility,
231
751960
2856
અને ચોક્કસપણે તે એક શક્યતા છે
12:34
and now we introduce a new axis
232
754840
2296
અને હવે આપણે નવી અક્ષ રજૂ કરીશું
12:37
that we can call compassion, love, or empathy.
233
757160
3616
જેને આપણે કરુણા કહી શકીએ, પ્રેમ અથવા સહાનુભૂતિ.
12:40
Those are things that AI cannot do.
234
760800
2576
નળી એ એ વસ્તુઓ છે જે એઆઈ કરી શકતી નથી.
12:43
So as AI takes away the routine jobs,
235
763400
2816
તેથી જેમ કે રોજિંદા નોકરીઓ છીનવી લે છે,
12:46
I like to think we can, we should and we must create jobs of compassion.
236
766240
4960
મને લાગે છે કે અમે કરી શકો, ગમે છે ગમે છે અને આપણે કરુણાની નોકરીઓ ઉભી કરવી જોઈએ.
12:51
You might ask how many of those there are,
237
771800
2336
તમે પૂછશો કે ત્યાંના કેટલા છે,
12:54
but I would ask you:
238
774160
1616
પરંતુ હું તમને પૂછીશ:
12:55
Do you not think that we are going to need a lot of social workers
239
775800
3816
શું તમને નથી લાગતું કે આપણે જઈ રહ્યા છીએ ઘણા સામાજિક કાર્યકરોની જરૂર છે
12:59
to help us make this transition?
240
779640
1600
આ સંક્રમણ કરવામાં અમારી સહાય કરવા માટે?
13:01
Do you not think we need a lot of compassionate caregivers
241
781960
3256
શું તમને નથી લાગતું કે અમને જરૂર છે દયાળુ સંભાળ રાખનારાઓ ઘણા
13:05
to give more medical care to more people?
242
785240
2696
વધુ લોકોને વધુ તબીબી સંભાળ આપવા માટે?
13:07
Do you not think we're going to need 10 times more teachers
243
787960
3256
શું તમને નથી લાગતું કે અમારે જરૂર પડશે 10 ગણા વધુ શિક્ષકો
13:11
to help our children find their way
244
791240
2776
અમારા બાળકોને તેમના માર્ગ શોધવામાં મદદ કરવા માટે
13:14
to survive and thrive in this brave new world?
245
794040
3256
ટકી અને ખીલે છે આ બહાદુર નવી દુનિયામાં?
13:17
And with all the newfound wealth,
246
797320
2440
અને બધી નવી સંપત્તિ સાથે,
13:19
should we not also make labors of love into careers
247
799800
4536
શું આપણે પણ ન બનાવવું જોઈએ કારકીર્દિમાં પ્રેમની મજૂરી
13:24
and let elderly accompaniment
248
804360
2696
અને વૃદ્ધોને સાથે થવા દો
13:27
or homeschooling become careers also?
249
807080
3496
અથવા હોમસ્કૂલિંગ પણ કારકિર્દી બને છે?
13:30
(Applause)
250
810600
5280
(તાળીઓ)
13:36
This graph is surely not perfect,
251
816800
2256
આ ગ્રાફ ચોક્કસપણે યોગ્ય નથી
13:39
but it points at four ways that we can work with AI.
252
819080
3536
પરંતુ તે ચાર રીતે નિર્દેશ કરે છે કે આપણે એઆઈ સાથે કામ કરી શકીએ.
13:42
AI will come and take away the routine jobs
253
822640
3576
એઆઈ આવશે અને લઈ જશે નિયમિત નોકરીઓ
13:46
and in due time, we will be thankful.
254
826240
2040
અને યોગ્ય સમયમાં, અમે આભારી હોઈશું.
13:49
AI will become great tools for the creatives
255
829000
3096
એઆઈ મહાન સાધનો બનશે સર્જનાત્મક માટે
13:52
so that scientists, artists, musicians and writers
256
832120
3656
જેથી વૈજ્ઞાનિકો, કલાકારો, સંગીતકારો અને લેખકો
13:55
can be even more creative.
257
835800
1600
પણ વધુ સર્જનાત્મક હોઈ શકે છે.
13:58
AI will work with humans as analytical tools
258
838120
5376
એઆઈ મનુષ્ય સાથે કામ કરશે વિશ્લેષણાત્મક સાધનો તરીકે
14:03
that humans can wrap their warmth around
259
843520
2696
કે મનુષ્ય તેમની હૂંફ આસપાસ લપેટી શકે છે
14:06
for the high-compassion jobs.
260
846240
1896
ઉચ્ચ કરુણાની નોકરી માટે.
14:08
And we can always differentiate ourselves
261
848160
2656
અને આપણે હંમેશાં પોતાને અલગ કરી શકીએ છીએ
14:10
with the uniquely capable jobs
262
850840
1816
અનન્ય રીતે સક્ષમ નોકરીઓ સાથે
14:12
that are both compassionate and creative,
263
852680
3616
તે બંને કરુણા અને સર્જનાત્મક છે,
14:16
using and leveraging our irreplaceable brains and hearts.
264
856320
5176
નો ઉપયોગ કરીને અને લાભ અમારા બદલી ન શકાય તેવા મગજ અને હૃદય.
14:21
So there you have it:
265
861520
1296
તેથી ત્યાં તમારી પાસે છે:
14:22
a blueprint of coexistence for humans and AI.
266
862840
3640
સહઅસ્તિત્વનો બ્લુપ્રિન્ટ મનુષ્ય અને એ.આઈ. માટે.
14:27
AI is serendipity.
267
867400
1816
એઆઈ એ અર્ધવિરામ છે.
14:29
It is here to liberate us from routine jobs,
268
869240
2976
તે આપણને મુક્ત કરવા માટે અહીં છે નિયમિત નોકરીઓથી,
14:32
and it is here to remind us what it is that makes us human.
269
872240
3680
અને તે અહીં અમને યાદ અપાવવા માટે છે તે તે શું છે જે આપણને માનવ બનાવે છે
14:36
So let us choose to embrace AI and to love one another.
270
876440
3976
તો ચાલો આપણે એઆઈને સ્વીકારવાનું પસંદ કરીએ અને એક બીજાને પ્રેમ કરવા.
14:40
Thank you.
271
880440
1216
આભાર.
14:41
(Applause)
272
881680
6160
(તાળીઓ)
આ વેબસાઇટ વિશે

આ સાઈટ તમને અંગ્રેજી શીખવા માટે ઉપયોગી એવા YouTube વિડીયોનો પરિચય કરાવશે. તમે વિશ્વભરના શ્રેષ્ઠ શિક્ષકો દ્વારા શીખવવામાં આવતા અંગ્રેજી પાઠ જોશો. ત્યાંથી વિડિયો ચલાવવા માટે દરેક વિડિયો પેજ પર પ્રદર્શિત અંગ્રેજી સબટાઈટલ પર ડબલ-ક્લિક કરો. સબટાઈટલ વિડિયો પ્લેબેક સાથે સુમેળમાં સ્ક્રોલ થાય છે. જો તમારી પાસે કોઈ ટિપ્પણીઓ અથવા વિનંતીઓ હોય, તો કૃપા કરીને આ સંપર્ક ફોર્મનો ઉપયોગ કરીને અમારો સંપર્ક કરો.

https://forms.gle/WvT1wiN1qDtmnspy7