How we can build AI to help humans, not hurt us | Margaret Mitchell

Translator: Divya Vasani Reviewer: Keyur Thakkar

હું કમ્પ્યુટરને આપણી દુનિયા વિશે વાતચીત કરવામાં મદદ કરું છું.

I work on helping computers communicate about the world around us.

There are a lot of ways to do this,

આ કરવાનાં ઘણાં રસ્તાઓ છે.

and I like to focus on helping computers

અને હું કમ્પ્યુટરને મદદ કરવા પર ધ્યાન આપવા માંગું છું

to talk about what they see and understand.

જેથી તેઓ જે જુએ છે અને સમજે છે તેનાં વિશે વાતચીત કરી શકે.

Given a scene like this,

જો આવું દ્રશ્ય આપ્યું હોય,

a modern computer-vision algorithm

તો આધુનિક કમ્પ્યુટરનો દ્રષ્ટિ એલ્ગોરિધમ

can tell you that there's a woman and there's a dog.

તમને કહી શકે છે કે ત્યાં એક સ્ત્રી અને કૂતરો છે.

It can tell you that the woman is smiling.

તે તમને કહી શકે છે કે સ્ત્રી હસી રહી છે.

It might even be able to tell you that the dog is incredibly cute.

તે તમને કદાચ એ પણ કહી શકશે કે કૂતરો ખૂબ જ સુંદર છે.

I work on this problem

હું આ સમસ્યા પર કામ કરું છું

thinking about how humans understand and process the world.

કે મનુષ્યો કંઈ રીતે વિશ્વને જોવે છે અને સમજે છે.

The thoughts, memories and stories

વિચારો, યાદો અને વાર્તાઓ

that a scene like this might evoke for humans.

આ પ્રકારના દ્રશ્યો મનુષ્યોને ઉત્તેજીત કરે છે.

All the interconnections of related situations.

આ બધી જ એકબીજા સાથે જોડાયેલી સંબંધિત પરિસ્થિતિઓ છે.

Maybe you've seen a dog like this one before,

કદાચ તમે પહેલાં આવો કૂતરો જોયો હશે,

or you've spent time running on a beach like this one,

અથવા આવી રીતે બીચ પર દોડીને સમય પસાર કર્યો હશે,

and that further evokes thoughts and memories of a past vacation,

તો આ દ્રશ્યો તમારાં પાછલાં વેકેશનની યાદોને તાજા કરશે.

past times to the beach,

બીચ પર વિતાવેલો સમય,

times spent running around with other dogs.

બીજા કૂતરાઓ સાથે દોડવામાં વીતેલો સમય.

One of my guiding principles is that by helping computers to understand

મારો એક માર્ગદર્શક સિદ્ધાંત એ છે કે હું કમ્પ્યુટર્સને સમજવામાં મદદ કરું

what it's like to have these experiences,

જેથી તેઓ અનુભવોને સમજી શકે,

to understand what we share and believe and feel,

આપણે જે માનીએ અને અનુભવીએ છીએ તે સમજી શકે,

then we're in a great position to start evolving computer technology

તો પછી આપણે એક વિકસતી કમ્પ્યુટર ટેકનોલોજીની શરૂઆત કરી શકીશું.

in a way that's complementary with our own experiences.

આ રીતે તે આપણાં અનુભવો માટે પૂરક સાબિત થશે.

So, digging more deeply into this,

તેથી, આમાં વધું ઉંડાણપૂર્વક જઈને,

a few years ago I began working on helping computers to generate human-like stories

થોડાં વર્ષો પહેલાં મેં, કમ્પ્યુટર માનવીની જેમ તસવીરો જોઈને વાર્તાઓ બનાવી શકે

from sequences of images.

તેનાં પર કામ કરવાનું શરૂ કર્યું.

So, one day,

તેથી, એક દિવસ,

I was working with my computer to ask it what it thought about a trip to Australia.

હું કમ્પ્યુટર સાથે તે પૂછવા કામ કરતી હતી કે તેનો ઓસ્ટ્રેલિયા જવા વિશે શું વિચાર છે.

It took a look at the pictures, and it saw a koala.

તેણે ચિત્રો પર એક નજર કરી, અને તેણે કોઆલા જોયું.

It didn't know what the koala was,

તેને કોઆલા શું છે તે ખબર ન હતી,

but it said it thought it was an interesting-looking creature.

પણ તેણે કહ્યું કે તે એક રસપ્રદ દેખાતું પ્રાણી છે.

Then I shared with it a sequence of images about a house burning down.

પછી મેં તેને કેટલીક સળગતા ઘરોની છબીઓ બતાવી.

It took a look at the images and it said,

તેણે છબીઓ પર એક નજર કરી અને કહ્યું,

"This is an amazing view! This is spectacular!"

"આ એક અદભૂત દૃશ્ય છે! આ જોવાલાયક છે! "

It sent chills down my spine.

તે મારી કરોડરજ્જુને ઠંડક આપે છે.

It saw a horrible, life-changing and life-destroying event

તેણે એક ભયાનક, જીવન બદલનાર અને વિનાશક ઘટના જોઈ

and thought it was something positive.

અને વિચાર્યું કે તે કંઈક સકારાત્મક છે.

I realized that it recognized the contrast,

મને સમજાયું કે તેને પરિવર્તન જોયું,

the reds, the yellows,

લાલ અને પીળા રંગોનું,

and thought it was something worth remarking on positively.

અને વિચાર્યું આનાં પર કઈક સકારાત્મક બોલવું જોઈએ.

And part of why it was doing this

અને તેને એટલા માટે આવું કહ્યું

was because most of the images I had given it

કારણ કે મોટા ભાગની તસવીરો જે મે તેને બતાવી હતી

were positive images.

તે સકારાત્મક તસવીરો હતી.

That's because people tend to share positive images

કારણ કે લોકો સકારાત્મક તસવીરો વહેંચવાનું વલણ ધરાવે છે

when they talk about their experiences.

જ્યારે તેઓ તેમના અનુભવો વિશે વાત કરતાં હોય છે.

When was the last time you saw a selfie at a funeral?

તમે ક્યારેય અંતિમ સંસ્કાર વખતે સેલ્ફી જોઈ છે?

I realized that, as I worked on improving AI

મને સમજાયું કે, જેમ કે હું AI સુધારવા પર કામ કરી રહી હતી

task by task, dataset by dataset,

એક પછી એક કાર્યો દ્વારા અને માહિતીઓની મદદથી,

that I was creating massive gaps,

હું બહું મોટો અંતર અને જગ્યા પેદા કરી રહી હતી,

holes and blind spots in what it could understand.

તેઓ જે સમજી શકે છે તેમાં.

And while doing so,

અને તે કરતી વખતે,

I was encoding all kinds of biases.

હું AI માં તમામ પ્રકારના પૂર્વગ્રહોને ઉમેરતી હતી.

Biases that reflect a limited viewpoint,

પૂર્વગ્રહો જે મર્યાદિત દ્રષ્ટિકોણ આપે છે.

limited to a single dataset --

જે એક જ માહિતી સુધી મર્યાદિત હોય છે --

biases that can reflect human biases found in the data,

જે માહિતીમાં મળેલા માનવીય પૂર્વગ્રહોને દર્શાવે છે,

such as prejudice and stereotyping.

જેમ કે પક્ષપાત અને રૂઢિબદ્ધ ધારણાંઓ.

I thought back to the evolution of the technology

મેં ટેકનોલોજીની ઉત્ક્રાંતિ વિશે ફરી વિચાર્યું

that brought me to where I was that day --

તે દિવસો વિશે --

how the first color images

જ્યારે સૌપ્રથમ રંગીન છબીઓને

were calibrated against a white woman's skin,

સફેદ ત્વચાવાળી સ્ત્રી સાથે માપાંકિત કરવામાં આવી હતી,

meaning that color photography was biased against black faces.

એટલે કે કલર ફોટોગ્રાફી કાળી ત્વચાનાં પ્રમાણે બનાવવામાં આવી જ ન હતી

And that same bias, that same blind spot

એને તે જ પૂર્વગ્રહ, તે જ અંતર

continued well into the '90s.

૯૦ ના દાયકામાં પણ ચાલું રહ્યું.

And the same blind spot continues even today

અને તે અંતર હાલમાં પણ ચાલુ જ છે

in how well we can recognize different people's faces

જેમાં આપણે કઈ વધું સારી રીતે વિભિન્ન લોકોના ચહેરાઓને ઓળખી શકીએ

in facial recognition technology.

ચહેરાને ઓળખવાની ટેકનોલોજી દ્વારા.

I though about the state of the art in research today,

મેં હાલના સંશોધનોની સ્થિતિ વિશે વિચાર્યું,

where we tend to limit our thinking to one dataset and one problem.

જ્યાં આપણે પોતાની વિચારસરણી એક સમસ્યા અને એક માહિતી સુધી જ મર્યાદિત રાખી છે.

And that in doing so, we were creating more blind spots and biases

અને આમ કરવાથી, આપણે વધુ અંતર અને પૂર્વગ્રહો પેદા કરી રહ્યા છીએ

that the AI could further amplify.

જેથી AI વધુ વિસ્તૃત થઈ શકે છે.

I realized then that we had to think deeply

મને લાગ્યું કે, આપણે ગહન વિચાર કરવો જોઈએ

about how the technology we work on today looks in five years, in 10 years.

કે આપણે જે ટેકનોલોજી પર કામ કરીએ છીએ, તે ૫ કે ૧૦ વર્ષ પછી કેવી હશે.

Humans evolve slowly, with time to correct for issues

મનુષ્યો ધીરે ધીરે વિકસે છે, જેથી તેઓ પૂરતા સમયમાં

in the interaction of humans and their environment.

પર્યાવરણ સાથે પોતાની સમતુલા જાળવી શકે છે.

In contrast, artificial intelligence is evolving at an incredibly fast rate.

તેનાથી વિપરિત, AI ઝડપી દરે વિકસી રહ્યું છે.

And that means that it really matters

તેથી તે ખરેખર અગત્યનું છે કે

that we think about this carefully right now --

અત્યારે આપણે તેના વિશે ધ્યાનપૂર્વક વિચારીએ --

that we reflect on our own blind spots,

અને પોતાના મતભેદો અને પૂર્વગ્રહો પર

our own biases,

ચિંતન કરીએ,

and think about how that's informing the technology we're creating

અને આજની વિકસિત થતી ટેકનોલોજીમાં તેને કઈ રીતે શામેલ કરીએ

and discuss what the technology of today will mean for tomorrow.

અને આજની ટેકનોલોજી કાલ માટે કઈ રીતે ઉપયોગી બને તે વિચારીએ.

CEOs and scientists have weighed in on what they think

CEOs અને વૈજ્ઞાનિકોએ પોતાનાં વિચારો વ્યક્ત કર્યા છે કે

the artificial intelligence technology of the future will be.

AI ની ટેકનોલોજી ભવિષ્યમાં કેવી હશે.

Stephen Hawking warns that

સ્ટીફન હોકિંગ સચેત કરે છે કે

"Artificial intelligence could end mankind."

"AI માનવજાતને ખતમ કરી શકે છે."

Elon Musk warns that it's an existential risk

એલોન મસ્ક સચેત કરે છે કે તે અસ્તિત્વનું જોખમ છે

and one of the greatest risks that we face as a civilization.

અને આપણી સંસ્કૃતિ સામેનો સૌથી મોટો ખતરો છે.

Bill Gates has made the point,

બીલ ગેટ્સ એ કહ્યું છે કે,

"I don't understand why people aren't more concerned."

"મને નથી સમજાતું કે શાં માટે લોકો વધુ ચિંતિત નથી."

But these views --

પણ આ બધાં જ મંતવ્યો --

they're part of the story.

આ પ્રક્રિયાનો એક ભાગ છે.

The math, the models,

એ ગણિત, એ પદ્ધતિઓ,

the basic building blocks of artificial intelligence

અને AI ના મૂળભૂત ખંડો

are something that we call access and all work with.

જેની સાથે આપણે કામ કરીએ છીએ અને જેનો ઉપયોગ કરીએ છીએ.

We have open-source tools for machine learning and intelligence

આપણી પાસે મશીન લર્નિંગ અને ઇન્ટેલિજન્સ માટે ઓપન-સોર્સ સોફ્ટવેરના સાધનો છે

that we can contribute to.

જેમાં આપણે યોગદાન આપી શકીએ છીએ.

And beyond that, we can share our experience.

અને તે ઉપરાંત, આપણે પોતાનાં અનુભવ વ્યક્ત કરી શકીએ છીએ.

We can share our experiences with technology and how it concerns us

ટેકનોલોજી પર પોતાના અનુભવો વહેંચી શકીએ કે તે કઈ રીતે આપણને ચિંતિત કરે છે

and how it excites us.

અને કઈ રીતે ઉત્તેજિત કરે છે.

We can discuss what we love.

આપણને ગમતા વિષય પર ચર્ચા કરી શકીએ છીએ.

We can communicate with foresight

આપણે દૂરદ્રષ્ટિ રાખી શકીએ છીએ

about the aspects of technology that could be more beneficial

કે ટેકનોલોજીના કયા પાસાઓ વધુ લાભદાયી નીવડી શકે છે

or could be more problematic over time.

અથવા સમય જતાં વધુ સમસ્યારૂપ થઈ શકે છે.

If we all focus on opening up the discussion on AI

જો આપણે બધા જ AI પર ચર્ચા-વિચારણા કરવાનું શરૂ કરીએ

with foresight towards the future,

ભવિષ્યને ધ્યાનમાં રાખીને,

this will help create a general conversation and awareness

તો તેનાથી AI વિશે જાગૃતિ આવવાની શરૂ થશે

about what AI is now,

કે AI અત્યારે શું છે,

what it can become

અને તે શું બની શકે છે

and all the things that we need to do

અને એ બધી જ વસ્તુઓ કરી શકીએ છીએ

in order to enable that outcome that best suits us.

જેનાંથી ઇચ્છિત પરિણામ આવી શકે.

We already see and know this in the technology that we use today.

આપણે આજની ટેક્નોલોજીમાં આ પહેલેથી જ જોઈએ છીએ.

We use smart phones and digital assistants and Roombas.

આપણે બધાં જ સ્માર્ટ ફોન, ડિજિટલ આસિસ્ટન્ટ અને રોમ્બાસ ઉપયોગ કરીએ છીએ.

Are they evil?

શું તેઓ બહુ ખરાબ છે?

Maybe sometimes.

ક્યારેક હોઈ શકે.

Are they beneficial?

શું તેઓ ફાયદાકારક છે?

Yes, they're that, too.

હા, તે પણ છે.

And they're not all the same.

અને તે બધા સરખા નથી.

And there you already see a light shining on what the future holds.

તેના દ્વારા તમે ભવિષ્ય વિશે અનુમાન લગાવી શકો છો.

The future continues on from what we build and create right now.

ભવિષ્ય એ આપણે અત્યારે જે નિર્માણ કરીએ છીએ તેના પર આધાર રાખે છે.

We set into motion that domino effect

આપણે જે બદલાવ લાવીએ છીએ

that carves out AI's evolutionary path.

તે AI નો વિકાસવાદી માર્ગ બનાવે છે.

In our time right now, we shape the AI of tomorrow.

આજનાં સમયમાં, આપણે કાલના AI ને ઘડી શકીએ છીએ.

Technology that immerses us in augmented realities

ટેકનોલોજી જે વિકાસની વાસ્તવિકતાઓની જાણ કરાવે છે

bringing to life past worlds.

ભૂતકાળના વિશ્વ સાથે પરિચય કરાવે છે.

Technology that helps people to share their experiences

ટેકનોલોજી જે લોકોને પોતાના અનુભવો વ્યક્ત કરવામાં મદદ કરે છે

when they have difficulty communicating.

જ્યારે તેઓ સરળતાથી પોતાની વાત કહી શકતા ન હોય.

Technology built on understanding the streaming visual worlds

ટેક્નોલોજી જે દુનિયાને ધ્યાનમાં રાખીને બનાવવામાં આવે છે

used as technology for self-driving cars.

જેનો સ્વ-ચાલીત ગાડીઓમાં ઉપયોગ થાય છે.

Technology built on understanding images and generating language,

ટેકનોલોજી જે છબીઓને સમજવા અને ભાષાઓ બનાનવામાં મદદ કરે છે,

evolving into technology that helps people who are visually impaired

ટેકનોલોજીનો વિકાસ એ દ્રષ્ટિહીન લોકોને

be better able to access the visual world.

વાસ્તવિક દુનિયા જોવા માટે સક્ષમ બનાવે છે.

And we also see how technology can lead to problems.

આપણે જોઈએ છીએ કે ટેકનોલોજી મુશ્કેલીઓ પણ સર્જે છે.

We have technology today

આજની ટેકનોલોજી

that analyzes physical characteristics we're born with --

આપણી શારીરિક લાક્ષણિકતાઓનું વિશ્લેષણ કરી શકે છે

such as the color of our skin or the look of our face --

આપણી ત્વચાના રંગ અથવા આપણા ચહેરાના દેખાવ પરથી --

in order to determine whether or not we might be criminals or terrorists.

નક્કી કરી શકે છે કે આપણે ગુનેગાર કે આતંકવાદી છીએ કે નહી.

We have technology that crunches through our data,

આજની ટેકનોલોજી એ આપણી માહિતી દ્વારા,

even data relating to our gender or our race,

અથવા આપણી જાતિને લગતી માહિતી દ્વારા,

in order to determine whether or not we might get a loan.

એ નક્કી કરી શકે છે કે આપણે લોન મેળવી શકીએ છીએ કે નહિ.

All that we see now

અત્યારે આપણે જે જોઈએ છીએ

is a snapshot in the evolution of artificial intelligence.

તે AI ની ઉત્ક્રાંતિ સૂચવે છે.

Because where we are right now,

કારણ કે આપણે અત્યારે જ્યાં છીએ,

is within a moment of that evolution.

તે ઉત્ક્રાંતિના લીધે જ છીએ.

That means that what we do now will affect what happens down the line

એટલે કે આપણે જે અત્યારે કરીએ છીએ તે ચોક્કપણે

and in the future.

ભવિષ્યને અસર કરશે.

If we want AI to evolve in a way that helps humans,

જો આપણે માનવજાતને મદદ કરી શકે તે રીતે AI નો વિકાસ કરવા માંગીએ છીએ,

then we need to define the goals and strategies

તો આપણે લક્ષ્યો અને વ્યૂરચનાઓ નક્કી કરવી જોઈએ

that enable that path now.

જે AI ને શસકત બનાવી શકે.

What I'd like to see is something that fits well with humans,

હું ઇચ્છું છું કે AI માનવજાત સાથે, આપણાં પર્યાવરણ સાથે,

with our culture and with the environment.

અને આપણી સંસ્કૃતિ સાથે સુમેળ સાધી શકે.

Technology that aids and assists those of us with neurological conditions

ટેક્નોલોજી જે બીમારીથી પીડાતા લોકોની મદદ કરે

or other disabilities

અથવા વિકલાંગોની

in order to make life equally challenging for everyone.

જેથી દરેક લોકોનું જીવન સરળ બની રહે.

Technology that works

AI એવી ટેક્નોલોજી હોય જે

regardless of your demographics or the color of your skin.

તમારી ત્વચાના રંગને ધ્યાનમાં લીધા વગર કામ કરે.

And so today, what I focus on is the technology for tomorrow

તેથી અત્યારે, હું આવતી કાલની ટેક્નોલોજી અને આજથી ૧૦ વર્ષ પછીની ટેક્નોલોજી પર

and for 10 years from now.

ધ્યાન કેન્દ્રિત કરુ છું.

AI can turn out in many different ways.

AI ઘણી રીતે વિકસિત થઈ શકે છે.

But in this case,

પણ ત્યાં,

it isn't a self-driving car without any destination.

કોઈ મંજિલ વગરની સ્વ-ચાલીત ગાડીઓ ન હોઈ શકે.

This is the car that we are driving.

તે કારને આપણે ચલાવી રહ્યાં છીએ.

We choose when to speed up and when to slow down.

તેને ક્યારે ઝડપી અને ધીમે ચલાવવી તે આપણે નક્કી કરીએ છીએ.

We choose if we need to make a turn.

આપણે નક્કી કરીએ છીએ કે ક્યારે વળાંક લેવાનો છે.

We choose what the AI of the future will be.

આપણે નક્કી કરીએ છીએ કે ભવિષ્યનું AI કેવું હશે.

There's a vast playing field

ત્યાં ઘણાં બધાં ક્ષેત્રો છે

of all the things that artificial intelligence can become.

જ્યાં AI વિવિધ સ્વરૂપો ધારણ કરી શકે છે.

It will become many things.

તે ઘણાં બધાં સ્વરૂપ લઈ શકે છે.

And it's up to us now,

અને હવે તે આપણા ઉપર છે,

in order to figure out what we need to put in place

કે આપણે એવું શું કરીએ

to make sure the outcomes of artificial intelligence

જેથી આપણને AI ના ચોક્કસ પરિણામો મળે

are the ones that will be better for all of us.

જે આપણા બધાં માટે ઉપયોગી બને.

Thank you.

આભાર.

(Applause)

(અભિવાદન)