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

2,703,006 views ・ 2015-04-27

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Gabriella Zsoter Lektor: Péter Pallós
00:12
I work with a bunch of mathematicians, philosophers and computer scientists,
0
12570
4207
Több matematikussal, filozófussal és számítógépes szakemberrel dolgozom,
00:16
and we sit around and think about the future of machine intelligence,
1
16777
5209
akikkel együtt gondolkodunk a gépi intelligencia, értelem jövőjéről
00:21
among other things.
2
21986
2044
00:24
Some people think that some of these things are sort of science fiction-y,
3
24030
4725
Néhányan azt gondolják, egyes kérdéseink
sci-fibe illő, elvont őrültségek.
00:28
far out there, crazy.
4
28755
3101
00:31
But I like to say,
5
31856
1470
Rendben, szoktam mondani, de nézzük meg,
00:33
okay, let's look at the modern human condition.
6
33326
3604
milyen ma az ember helyzete.
00:36
(Laughter)
7
36930
1692
(Nevetés)
00:38
This is the normal way for things to be.
8
38622
2402
Ez a szokásos állapot, ahogy annak lennie kell.
00:41
But if we think about it,
9
41024
2285
Ám ha utánagondolunk, mi, emberek
00:43
we are actually recently arrived guests on this planet,
10
43309
3293
csak nemrég érkezett vendégek vagyunk
ezen a bolygón.
00:46
the human species.
11
46602
2082
00:48
Think about if Earth was created one year ago,
12
48684
4746
Képzeljük el, hogy a Föld csak egy éve jött lére,
00:53
the human species, then, would be 10 minutes old.
13
53430
3548
így az emberi faj tíz perce létezne.
00:56
The industrial era started two seconds ago.
14
56978
3168
Az ipari korszak csak két másodperce kezdődött.
01:01
Another way to look at this is to think of world GDP over the last 10,000 years,
15
61276
5225
Máshonnan nézve a kérdést, gondoljunk a világ elmúlt 10 000 évi GDP-jére.
01:06
I've actually taken the trouble to plot this for you in a graph.
16
66501
3029
Vettem magamnak a fáradságot,
01:09
It looks like this.
17
69530
1774
és készítettem önöknek egy grafikont. Íme!
01:11
(Laughter)
18
71304
1363
(Nevetés)
01:12
It's a curious shape for a normal condition.
19
72667
2151
Egy normál állapothoz képest elég furcsa görbe.
01:14
I sure wouldn't want to sit on it.
20
74818
1698
Hát, én biztos nem szeretnék ráülni.
01:16
(Laughter)
21
76516
2551
(Nevetés)
01:19
Let's ask ourselves, what is the cause of this current anomaly?
22
79067
4774
Tegyük fel magunknak a kérdést, mi az oka ennek a szabálytalanságnak?
01:23
Some people would say it's technology.
23
83841
2552
Néhányan a technológiát neveznék meg.
01:26
Now it's true, technology has accumulated through human history,
24
86393
4668
Valóban, a technológiai megoldások egyre tökéletesedtek a történelem során,
01:31
and right now, technology advances extremely rapidly --
25
91061
4652
és éppen most a technológiai fejlődés
01:35
that is the proximate cause,
26
95713
1565
hihetetlenül felgyorsult, ami közvetlen oka
01:37
that's why we are currently so very productive.
27
97278
2565
jelenlegi magas termelékenységünknek.
01:40
But I like to think back further to the ultimate cause.
28
100473
3661
De szeretnék jobban visszamenni a tényleges okig.
01:45
Look at these two highly distinguished gentlemen:
29
105114
3766
Nézzük csak ezt a két kiváló urat!
01:48
We have Kanzi --
30
108880
1600
Itt van Kanzi,
01:50
he's mastered 200 lexical tokens, an incredible feat.
31
110480
4643
aki 200 nyelvi szimbólumot tanult meg, ami hihetetlen teljesítmény,
01:55
And Ed Witten unleashed the second superstring revolution.
32
115123
3694
és Ed Witten, aki elindította a második szuperhúr forradalmat.
01:58
If we look under the hood, this is what we find:
33
118817
2324
Ha benézünk a burkolat alá,
02:01
basically the same thing.
34
121141
1570
ott alapvetően ugyanazt találjuk.
02:02
One is a little larger,
35
122711
1813
Az egyikük kicsit nagyobb, s esetleg
02:04
it maybe also has a few tricks in the exact way it's wired.
36
124524
2758
a kapcsolatokban is van egy-két trükkös megoldás.
02:07
These invisible differences cannot be too complicated, however,
37
127282
3812
De ezek a láthatatlan különbségek nem lehetnek nagyon bonyolultak,
02:11
because there have only been 250,000 generations
38
131094
4285
mivel mi csupán 250 000 nemzedéknyire vagyunk
02:15
since our last common ancestor.
39
135379
1732
utolsó közös ősünktől.
02:17
We know that complicated mechanisms take a long time to evolve.
40
137111
3849
Tudjuk, hogy az összetett mechanizmusok kifejlődéséhez hosszú időre van szükség.
02:22
So a bunch of relatively minor changes
41
142000
2499
Tehát jó néhány viszonylag kisebb változás
02:24
take us from Kanzi to Witten,
42
144499
3067
elvezet Kanzitól Wittenig,
02:27
from broken-off tree branches to intercontinental ballistic missiles.
43
147566
4543
a letört faágaktól az interkontinentális ballisztikus rakétákig.
02:32
So this then seems pretty obvious that everything we've achieved,
44
152839
3935
Ezért eléggé nyilvánvaló, hogy minden,
amit elértünk, ami fontos számunkra,
02:36
and everything we care about,
45
156774
1378
02:38
depends crucially on some relatively minor changes that made the human mind.
46
158152
5228
alapvetően pár kisebb változás eredménye, melyek kialakították az emberi elmét.
02:44
And the corollary, of course, is that any further changes
47
164650
3662
Következésképpen, minden további változásnak,
02:48
that could significantly change the substrate of thinking
48
168312
3477
ami jelentősen módosíthatja
a gondolkodás alapjait, óriási kihatása lehet.
02:51
could have potentially enormous consequences.
49
171789
3202
02:56
Some of my colleagues think we're on the verge
50
176321
2905
Néhány kollégám szerint közel járunk valamihez,
02:59
of something that could cause a profound change in that substrate,
51
179226
3908
ami gyökeresen megváltoztathatja gondolkodásunk alapjait:
03:03
and that is machine superintelligence.
52
183134
3213
ez pedig a gépi szuperértelem.
03:06
Artificial intelligence used to be about putting commands in a box.
53
186347
4739
A mesterséges intelligencia eddig azt jelentette,
hogy parancsokat írunk egy dobozba. A programozók egyesével,
03:11
You would have human programmers
54
191086
1665
03:12
that would painstakingly handcraft knowledge items.
55
192751
3135
aprólékosan pötyögték be a tudnivalókat.
03:15
You build up these expert systems,
56
195886
2086
Felépítettük a szakértői rendszereket,
03:17
and they were kind of useful for some purposes,
57
197972
2324
amelyek megfeleltek néhány célra,
03:20
but they were very brittle, you couldn't scale them.
58
200296
2681
de nagyon merevek és skálázhatatlanok voltak.
03:22
Basically, you got out only what you put in.
59
202977
3433
Alapvetően csak az jött ki, amit beletettünk.
03:26
But since then,
60
206410
997
De azóta
03:27
a paradigm shift has taken place in the field of artificial intelligence.
61
207407
3467
paradigmaváltás történt a mesterséges intelligencia területén.
03:30
Today, the action is really around machine learning.
62
210874
2770
Ma már a gépi tanulásról szól a történet.
03:34
So rather than handcrafting knowledge representations and features,
63
214394
5387
Ismeretek manuális bütykölése helyett
03:40
we create algorithms that learn, often from raw perceptual data.
64
220511
5554
tanuló algoritmusokat alkotunk, gyakorta közvetlenül az észlelt adatokból.
03:46
Basically the same thing that the human infant does.
65
226065
4998
Tulajdonképpen úgy, ahogy a kisgyerekek csinálják.
03:51
The result is A.I. that is not limited to one domain --
66
231063
4207
Az eredmény a mesterséges intelligencia (MI), mely nem korlátozódik egy területre:
03:55
the same system can learn to translate between any pairs of languages,
67
235270
4631
ugyanaz a rendszer megtanulhat bármely két nyelv között fordítani,
03:59
or learn to play any computer game on the Atari console.
68
239901
5437
vagy bármilyen számítógépes játékot játszani egy Atari konzolon.
Azért persze az MI-nek még távolról sincs meg
04:05
Now of course,
69
245338
1779
04:07
A.I. is still nowhere near having the same powerful, cross-domain
70
247117
3999
az a figyelemre méltó, több területet átfogó képessége,
04:11
ability to learn and plan as a human being has.
71
251116
3219
hogy ember módjára tanuljon és tervezzen.
04:14
The cortex still has some algorithmic tricks
72
254335
2126
Az agykéregnek van néhány algoritmikus trükkje,
04:16
that we don't yet know how to match in machines.
73
256461
2355
melyet még nem tudunk gépekkel utánozni.
04:19
So the question is,
74
259886
1899
Szóval az a kérdés,
04:21
how far are we from being able to match those tricks?
75
261785
3500
milyen messze vagyunk attól, hogy lemásoljuk ezeket a trükköket?
Néhány éve felmérést végeztünk
04:26
A couple of years ago,
76
266245
1083
04:27
we did a survey of some of the world's leading A.I. experts,
77
267328
2888
a világ néhány vezető MI szakértőjének bevonásával,
04:30
to see what they think, and one of the questions we asked was,
78
270216
3224
hogy lássuk, mit gondolnak a jövőről. Egyik kérdésünk így szólt:
04:33
"By which year do you think there is a 50 percent probability
79
273440
3353
''Mikorra gondolja, hogy 50%-os valószínűséggel meglesz
04:36
that we will have achieved human-level machine intelligence?"
80
276793
3482
az emberi szinvonalú gépi értelem?''
04:40
We defined human-level here as the ability to perform
81
280785
4183
Az emberi szintet úgy határoztuk meg, mint olyan képességet,
04:44
almost any job at least as well as an adult human,
82
284968
2871
amellyel egy felnőtt csaknem bármely tevékenységet
04:47
so real human-level, not just within some limited domain.
83
287839
4005
egyformán jól elvégezhet, nem csak egyszerű feladatokat.
04:51
And the median answer was 2040 or 2050,
84
291844
3650
A válaszok mediánja, azaz középértéke 2040 vagy 2050 volt,
04:55
depending on precisely which group of experts we asked.
85
295494
2806
attól függően, melyik szakértői csoportot kérdeztük meg.
04:58
Now, it could happen much, much later, or sooner,
86
298300
4039
Ez az esemény sokkal később vagy hamarabb is bekövetkezhet,
05:02
the truth is nobody really knows.
87
302339
1940
igazság szerint senki sem tudja.
05:05
What we do know is that the ultimate limit to information processing
88
305259
4412
Azt viszont tudjuk, hogy a gépi információfeldolgozás
05:09
in a machine substrate lies far outside the limits in biological tissue.
89
309671
4871
végső lehetőségei jóval meghaladják az élő agyszövet korlátait.
05:15
This comes down to physics.
90
315241
2378
Ez fizikai alapokra vezethető vissza.
05:17
A biological neuron fires, maybe, at 200 hertz, 200 times a second.
91
317619
4718
Egy élő neuron legfeljebb 200 hertzcel sül ki, azaz egy másodperc alatt 200-szor.
05:22
But even a present-day transistor operates at the Gigahertz.
92
322337
3594
Ezzel szemben ma már egy tranzisztor is gigahertzes tartományban üzemel.
05:25
Neurons propagate slowly in axons, 100 meters per second, tops.
93
325931
5297
A neuronok axonjai lassan, legföljebb 100 m/s sebességgel működnek.
05:31
But in computers, signals can travel at the speed of light.
94
331228
3111
De a számítógépekben a jelek fénysebességgel terjedhetnek.
05:35
There are also size limitations,
95
335079
1869
És ott vannak a méret adta korlátok:
05:36
like a human brain has to fit inside a cranium,
96
336948
3027
az emberi agynak bele kell férnie a koponyába,
05:39
but a computer can be the size of a warehouse or larger.
97
339975
4761
de egy számítógép raktárméretű vagy még nagyobb is lehet.
05:44
So the potential for superintelligence lies dormant in matter,
98
344736
5599
A szuperértelem lehetősége ott szunnyad az anyagban,
05:50
much like the power of the atom lay dormant throughout human history,
99
350335
5712
akár az atomerő, amely a történelem során
05:56
patiently waiting there until 1945.
100
356047
4405
türelmesen várt ébredésére 1945-ig.
06:00
In this century,
101
360452
1248
Ebben az évszázadban
06:01
scientists may learn to awaken the power of artificial intelligence.
102
361700
4118
a kutatók rájöhetnek, hogyan kell életre hívni az MI erejét.
06:05
And I think we might then see an intelligence explosion.
103
365818
4008
Úgy gondolom, intelligencia-robbanást láthatunk majd.
06:10
Now most people, when they think about what is smart and what is dumb,
104
370406
3957
A legtöbbünk, amikor arra gondol, mi az okosság és a butaság,
06:14
I think have in mind a picture roughly like this.
105
374363
3023
szerintem nagyjából egy ilyen képet fest maga elé.
06:17
So at one end we have the village idiot,
106
377386
2598
A skála egyik végén ott a falu bolondja
06:19
and then far over at the other side
107
379984
2483
és valahol, jó messze a másik végén
06:22
we have Ed Witten, or Albert Einstein, or whoever your favorite guru is.
108
382467
4756
ott van Ed Witten vagy Albert Einstein, vagy bárki a kedvenc guruink közül.
06:27
But I think that from the point of view of artificial intelligence,
109
387223
3834
Szerintem a mesterséges intelligenciát illetően
06:31
the true picture is actually probably more like this:
110
391057
3681
a valódi helyzet valószínűleg inkább így áll:
06:35
AI starts out at this point here, at zero intelligence,
111
395258
3378
Az MI itt kezdődik, a nulla intelligenciánál,
06:38
and then, after many, many years of really hard work,
112
398636
3011
aztán nagyon-nagyon sok év szorgalmas munkájával,
06:41
maybe eventually we get to mouse-level artificial intelligence,
113
401647
3844
talán eljutunk egy egér szintjének megfelelő mesterséges intelligenciához.
06:45
something that can navigate cluttered environments
114
405491
2430
Olyasmihez, ami eligazodik zsúfolt környezetben,
06:47
as well as a mouse can.
115
407921
1987
úgy, mint azt egy egér teszi.
06:49
And then, after many, many more years of really hard work, lots of investment,
116
409908
4313
Aztán még sokkal több év szívós munkája, rengeteg befektetés árán
06:54
maybe eventually we get to chimpanzee-level artificial intelligence.
117
414221
4639
talán elérjük egy csimpánz szintjének megfelelő MI-t.
06:58
And then, after even more years of really, really hard work,
118
418860
3210
Majd még több évnyi nagyon-nagyon kitartó munkával
07:02
we get to village idiot artificial intelligence.
119
422070
2913
elérjük a falu bolondjának MI szintjét.
07:04
And a few moments later, we are beyond Ed Witten.
120
424983
3272
Csak egy pillanattal később már lekörözzük Ed Wittent.
07:08
The train doesn't stop at Humanville Station.
121
428255
2970
A vonat nem áll meg az Emberfalva állomáson,
07:11
It's likely, rather, to swoosh right by.
122
431225
3022
hanem valószínűleg átrobog rajta.
07:14
Now this has profound implications,
123
434247
1984
Ennek pedig lényeges kihatásai vannak,
07:16
particularly when it comes to questions of power.
124
436231
3862
főleg, ha már erőviszonyokról lesz szó.
A csimpánzok például erősek.
07:20
For example, chimpanzees are strong --
125
440093
1899
07:21
pound for pound, a chimpanzee is about twice as strong as a fit human male.
126
441992
5222
Súlyához képest a csimpánz kétszer olyan erős, mint egy jó erőben lévő férfi.
07:27
And yet, the fate of Kanzi and his pals depends a lot more
127
447214
4614
Mégis, Kanzi és társai sorsa sokkal inkább attól függ,
07:31
on what we humans do than on what the chimpanzees do themselves.
128
451828
4140
hogy mi, emberek mit teszünk, mint attól, hogy ők mit tesznek.
Ha egyszer eljön a szuperértelem kora,
07:37
Once there is superintelligence,
129
457228
2314
07:39
the fate of humanity may depend on what the superintelligence does.
130
459542
3839
az emberiség sorsa attól függhet, amit ez a szuperértelem művel.
Gondoljunk csak bele! A gépi intelligencia lesz
07:44
Think about it:
131
464451
1057
07:45
Machine intelligence is the last invention that humanity will ever need to make.
132
465508
5044
az utolsó találmány, amit nekünk kell kigondolnunk.
07:50
Machines will then be better at inventing than we are,
133
470552
2973
A gépek jobb feltalálók lesznek, mint mi vagyunk,
07:53
and they'll be doing so on digital timescales.
134
473525
2540
ráadásul digitális időkeretben működnek.
07:56
What this means is basically a telescoping of the future.
135
476065
4901
Alapvetően ez a jövő felgyorsulását jelenti.
08:00
Think of all the crazy technologies that you could have imagined
136
480966
3558
Gondoljunk az összes elképzelhető, eszement technológiára,
08:04
maybe humans could have developed in the fullness of time:
137
484524
2798
amelyeket ha elég időnk lenne, talán kifejleszthetnénk:
08:07
cures for aging, space colonization,
138
487322
3258
08:10
self-replicating nanobots or uploading of minds into computers,
139
490580
3731
önmagukat reprodukáló nanobotok, az emberi elme gépre történő feltöltése
08:14
all kinds of science fiction-y stuff
140
494311
2159
08:16
that's nevertheless consistent with the laws of physics.
141
496470
2737
amelyek azért a fizikai törvényeknek nem mondanak ellent.
08:19
All of this superintelligence could develop, and possibly quite rapidly.
142
499207
4212
Egy szuperértelem mindezt talán elég gyorsan ki tudná fejleszteni.
08:24
Now, a superintelligence with such technological maturity
143
504449
3558
Egy ilyen kifinomult technológiájú szuperértelemnek
08:28
would be extremely powerful,
144
508007
2179
rendkívüli hatalma lenne, mellyel legalább
08:30
and at least in some scenarios, it would be able to get what it wants.
145
510186
4546
néhány esetben el tudná érni, amit akar.
08:34
We would then have a future that would be shaped by the preferences of this A.I.
146
514732
5661
A jövőnket ekkor ennek az MI-nek a szempontjai alakítanák.
08:41
Now a good question is, what are those preferences?
147
521855
3749
Jó kérdés, melyek is ezek a szempontok?
08:46
Here it gets trickier.
148
526244
1769
Itt kezd rázóssá válni a dolog.
08:48
To make any headway with this,
149
528013
1435
Hogy valahová is eljussunk,
08:49
we must first of all avoid anthropomorphizing.
150
529448
3276
először is el kell kerülnünk az antropomorfizálást.
08:53
And this is ironic because every newspaper article
151
533934
3301
Ez azért ironikus, mert az MI jövőjéről szóló
08:57
about the future of A.I. has a picture of this:
152
537235
3855
minden újságcikkben ilyen kép szerepel.
09:02
So I think what we need to do is to conceive of the issue more abstractly,
153
542280
4134
A kérdéshez egy kicsit elvonatkoztatva kellene közelítenünk,
09:06
not in terms of vivid Hollywood scenarios.
154
546414
2790
nem a látványos hollywoodi forgatókönyvek alapján.
09:09
We need to think of intelligence as an optimization process,
155
549204
3617
Az értelmet optimalizálási eljárásként kell felfognunk,
09:12
a process that steers the future into a particular set of configurations.
156
552821
5649
amely a jövőt bizonyos lehetséges kimenetek felé tereli.
09:18
A superintelligence is a really strong optimization process.
157
558470
3511
A szuperértelem tényleg nagyon jó optimalizációs eljárás,
09:21
It's extremely good at using available means to achieve a state
158
561981
4117
amely elképesztően ügyesen használja az elérhető eszközöket, hogy létrejöjjön
09:26
in which its goal is realized.
159
566098
1909
a céljának megfelelő állapot.
09:28
This means that there is no necessary connection between
160
568447
2672
Ez azt jelenti, hogy nem szükségképpen kötődik
09:31
being highly intelligent in this sense,
161
571119
2734
az ebben az értelemben vett magas intelligenciához
09:33
and having an objective that we humans would find worthwhile or meaningful.
162
573853
4662
egy számunkra értékes vagy értelmes cél követése.
09:39
Suppose we give an A.I. the goal to make humans smile.
163
579321
3794
Adjuk azt a feladatot egy MI-nek, hogy késztesse mosolyra az embereket!
09:43
When the A.I. is weak, it performs useful or amusing actions
164
583115
2982
Amíg az MI még gyenge, hasznos vagy mulatságos dolgokat tesz,
09:46
that cause its user to smile.
165
586097
2517
mosolyra fakasztva a felhasználót.
09:48
When the A.I. becomes superintelligent,
166
588614
2417
Mire az MI szuperértelmes lesz, rájön,
09:51
it realizes that there is a more effective way to achieve this goal:
167
591031
3523
hogy sokkal hatékonyabban is elérheti célját:
09:54
take control of the world
168
594554
1922
átveszi a világ fölötti uralmat,
09:56
and stick electrodes into the facial muscles of humans
169
596476
3162
és elektródákat ültet be az emberek arcizmaiba,
09:59
to cause constant, beaming grins.
170
599638
2941
amelyek állandó vigyorra kényszerítenek.
10:02
Another example,
171
602579
1035
Egy másik példa:
10:03
suppose we give A.I. the goal to solve a difficult mathematical problem.
172
603614
3383
tegyük fel, egy bonyolult matematikai problémát kell megoldania az MI-nek.
10:06
When the A.I. becomes superintelligent,
173
606997
1937
Amikor az MI szuperértelmes lesz,
10:08
it realizes that the most effective way to get the solution to this problem
174
608934
4171
rájön, hogy a probléma leghatékonyabb megoldása
10:13
is by transforming the planet into a giant computer,
175
613105
2930
a bolygó átalakítása egy hatalmas számítógéppé,
10:16
so as to increase its thinking capacity.
176
616035
2246
hogy kiterjeszthesse gondolkodási képességét.
10:18
And notice that this gives the A.I.s an instrumental reason
177
618281
2764
Vegyük észre, hogy ez további jó ok az MI-nek,
10:21
to do things to us that we might not approve of.
178
621045
2516
hogy olyat műveljen, amellyel mi nem értenénk egyet.
10:23
Human beings in this model are threats,
179
623561
1935
Mi fenyegetjük őt ebben a modellben,
10:25
we could prevent the mathematical problem from being solved.
180
625496
2921
mert akadályozhatjuk a matematikai probléma megoldását.
Az események persze nem pont így mehetnek rossz irányba,
10:29
Of course, perceivably things won't go wrong in these particular ways;
181
629207
3494
10:32
these are cartoon examples.
182
632701
1753
ezek csak képregényszintű példák.
10:34
But the general point here is important:
183
634454
1939
Fontos viszont az általános tanulság:
10:36
if you create a really powerful optimization process
184
636393
2873
ha egy valóban jó optimalizálási eljárást alkotunk,
10:39
to maximize for objective x,
185
639266
2234
amely x cél szerint maximalizál,
10:41
you better make sure that your definition of x
186
641500
2276
akkor gondoskodjunk róla, hogy az x célkitűzés
10:43
incorporates everything you care about.
187
643776
2469
tartalmazza mindazt, ami fontos számunkra.
10:46
This is a lesson that's also taught in many a myth.
188
646835
4384
Erről sokat mond Midász király mondája,
10:51
King Midas wishes that everything he touches be turned into gold.
189
651219
5298
aki azt kívánta, hogy amihez csak hozzáér, váljék arannyá.
10:56
He touches his daughter, she turns into gold.
190
656517
2861
Megérinti a lányát, aki arannyá változik.
10:59
He touches his food, it turns into gold.
191
659378
2553
Arannyá válik az étele is, amihez hozzányúl.
11:01
This could become practically relevant,
192
661931
2589
A rege nem csak
a mohóság metaforájaként értelmezhető,
11:04
not just as a metaphor for greed,
193
664520
2070
11:06
but as an illustration of what happens
194
666590
1895
de annak bemutatásaként is, mi történik,
11:08
if you create a powerful optimization process
195
668485
2837
ha túl jól sikerül optimalizálnunk egy folyamatot,
11:11
and give it misconceived or poorly specified goals.
196
671322
4789
amelyhez rosszul felfogott vagy homályos célokat rendeltünk.
11:16
Now you might say, if a computer starts sticking electrodes into people's faces,
197
676111
5189
Mondhatnák persze, hogy ha egy gép elektródákat akar a képünkbe dugdosni,
11:21
we'd just shut it off.
198
681300
2265
majd egyszerűen kikapcsoljuk.
11:24
A, this is not necessarily so easy to do if we've grown dependent on the system --
199
684555
5340
De ezt nem olyan könnyű megtenni, ha már függővé váltunk a rendszertől.
11:29
like, where is the off switch to the Internet?
200
689895
2732
Ugyan már, hol az internet kikapcsolója?
11:32
B, why haven't the chimpanzees flicked the off switch to humanity,
201
692627
5120
Miért nem kapcsolták ki a csimpánzok az emberiséget
11:37
or the Neanderthals?
202
697747
1551
vagy a neandervölgyieket?
11:39
They certainly had reasons.
203
699298
2666
Alapos okuk volt rá.
11:41
We have an off switch, for example, right here.
204
701964
2795
Van nekünk is egy kikapcsolónk, például itt.
11:44
(Choking)
205
704759
1554
(Fojtogatja magát)
11:46
The reason is that we are an intelligent adversary;
206
706313
2925
Az ok azonban az, hogy mi olyan okos ellenfél vagyunk,
11:49
we can anticipate threats and plan around them.
207
709238
2728
amelyik előre látja a veszélyeket, és felkészül rájuk.
11:51
But so could a superintelligent agent,
208
711966
2504
De egy szuperértelmes szereplő is ezt tenné,
11:54
and it would be much better at that than we are.
209
714470
3254
csak nálunk sokkal ügyesebben,
11:57
The point is, we should not be confident that we have this under control here.
210
717724
7187
Nem kellene abban bíznunk, hogy urai vagyunk helyzetnek.
12:04
And we could try to make our job a little bit easier by, say,
211
724911
3447
De azért megpróbálhatnánk megkönnyíteni a dolgunkat,
12:08
putting the A.I. in a box,
212
728358
1590
pl. hogy az MI-t bedobozoljuk
12:09
like a secure software environment,
213
729948
1796
egy biztos szoftveres környezetbe,
12:11
a virtual reality simulation from which it cannot escape.
214
731744
3022
olyan virtuális valóságba, amelyből nem szabadulhat ki.
12:14
But how confident can we be that the A.I. couldn't find a bug.
215
734766
4146
Mennyire bízhatunk azonban abban, hogy az MI nem találna-e programhibát?
12:18
Given that merely human hackers find bugs all the time,
216
738912
3169
Tekintve, hogy hackerek is mindig találnak hibákat,
12:22
I'd say, probably not very confident.
217
742081
3036
azt mondanám, hogy ebben nem nagyon bízhatunk.
12:26
So we disconnect the ethernet cable to create an air gap,
218
746237
4548
Akkor húzzuk ki az ethernet kábelt, egy légrést teremtve,
12:30
but again, like merely human hackers
219
750785
2668
de még az egyszerű hackerek is simán
12:33
routinely transgress air gaps using social engineering.
220
753453
3381
veszik ezt az akadályt, pszichológiai manipulációt használva.
12:36
Right now, as I speak,
221
756834
1259
Éppen most, amíg beszélek,
12:38
I'm sure there is some employee out there somewhere
222
758093
2389
valahol egy alkalmazottat biztosan
12:40
who has been talked into handing out her account details
223
760482
3346
éppen rádumáltak, hogy árulja el fiókja adatait valakinek,
12:43
by somebody claiming to be from the I.T. department.
224
763828
2746
aki állítása szerint a cég informatikusa.
12:46
More creative scenarios are also possible,
225
766574
2127
Sokkal kreatívabb cselek is lehetségesek:
12:48
like if you're the A.I.,
226
768701
1315
mondjuk,
12:50
you can imagine wiggling electrodes around in your internal circuitry
227
770016
3532
egy MI elektródákat köthet az áramköreinkre,
12:53
to create radio waves that you can use to communicate.
228
773548
3462
hogy az így kibocsátott rádióhullámok útján kommunikálhasson.
12:57
Or maybe you could pretend to malfunction,
229
777010
2424
Esetleg üzemzavart mímelhetne,
12:59
and then when the programmers open you up to see what went wrong with you,
230
779434
3497
és amikor a programozók kinyitják, hogy megkeressék, mi a baj,
13:02
they look at the source code -- Bam! --
231
782931
1936
megnézik a forráskódot is, és hoppá,
13:04
the manipulation can take place.
232
784867
2447
már sor is kerülhet a manipulációra.
13:07
Or it could output the blueprint to a really nifty technology,
233
787314
3430
Egy MI tervezhetne valami nagyon pöpec technológiát,
13:10
and when we implement it,
234
790744
1398
amelynek alkalmazásakor
13:12
it has some surreptitious side effect that the A.I. had planned.
235
792142
4397
az MI által tervezett néhány alattomos mellékhatás is előjön.
13:16
The point here is that we should not be confident in our ability
236
796539
3463
Kulcsfontosságú, hogy nem szabad bíznunk benne,
13:20
to keep a superintelligent genie locked up in its bottle forever.
237
800002
3808
hogy egy szuperértelmes szellemet örökre palackba zárva tarthatunk,
13:23
Sooner or later, it will out.
238
803810
2254
mert előbb-utóbb úgyis kiszabadul.
Azt hiszem, a megoldás inkább az, ha kitaláljuk, hogyan alkothatunk
13:27
I believe that the answer here is to figure out
239
807034
3103
13:30
how to create superintelligent A.I. such that even if -- when -- it escapes,
240
810137
5024
olyan szuperértelmet, mely ha netán elszabadul,
13:35
it is still safe because it is fundamentally on our side
241
815161
3277
még mindig megbízható, mert alapvetően a mi oldalunkon áll,
13:38
because it shares our values.
242
818438
1899
mivel értékeink közösek.
13:40
I see no way around this difficult problem.
243
820337
3210
Ez a fogas kérdés megkerülhetetlen.
13:44
Now, I'm actually fairly optimistic that this problem can be solved.
244
824557
3834
A kérdés megoldhatóságát illetően eléggé optimista vagyok.
13:48
We wouldn't have to write down a long list of everything we care about,
245
828391
3903
Írhatnánk egy hosszú listát mindarról, amit fontosnak tartunk,
13:52
or worse yet, spell it out in some computer language
246
832294
3643
vagy ami még rosszabb: valamilyen programnyelven írnánk meg,
13:55
like C++ or Python,
247
835937
1454
pl. C++-ban vagy Pythonban,
13:57
that would be a task beyond hopeless.
248
837391
2767
ami reménytelen feladat lenne.
14:00
Instead, we would create an A.I. that uses its intelligence
249
840158
4297
Ehelyett egy olyan MI-t csinálhatnánk, amely értelmét arra használja,
14:04
to learn what we value,
250
844455
2771
hogy megtanulja, mik az értékeink,
14:07
and its motivation system is constructed in such a way that it is motivated
251
847226
5280
s az MI ösztönzőrendszerét a mi értékeink követésére,
14:12
to pursue our values or to perform actions that it predicts we would approve of.
252
852506
5232
vagy az általunk vélhetően engedélyezett akciókra terveznénk.
14:17
We would thus leverage its intelligence as much as possible
253
857738
3414
Az MI értelmét tehát feljavítanánk, amennyire lehet,
14:21
to solve the problem of value-loading.
254
861152
2745
hogy megoldjuk az értékkövetés kérdését.
14:24
This can happen,
255
864727
1512
Ez a lehetséges kimenetel
14:26
and the outcome could be very good for humanity.
256
866239
3596
nagyon jó lenne az emberiségnek.
14:29
But it doesn't happen automatically.
257
869835
3957
De ez nem történik meg magától.
14:33
The initial conditions for the intelligence explosion
258
873792
2998
Az intelligencia-robbanás kezdeti feltételeit
14:36
might need to be set up in just the right way
259
876790
2863
már most jól elő kellene készíteni,
14:39
if we are to have a controlled detonation.
260
879653
3530
ha irányított robbanást akarunk.
14:43
The values that the A.I. has need to match ours,
261
883183
2618
Az MI értékeinek illeszkedniük kell a mieinkhez,
14:45
not just in the familiar context,
262
885801
1760
az olyan ismerős helyzeteken túl is,
14:47
like where we can easily check how the A.I. behaves,
263
887561
2438
amikor könnyen ellenőrizhető az MI viselkedése,
14:49
but also in all novel contexts that the A.I. might encounter
264
889999
3234
de olyan új helyzetekben is, amelyekkel az MI szembekerülhet,
14:53
in the indefinite future.
265
893233
1557
a bizonytalan jövőben.
14:54
And there are also some esoteric issues that would need to be solved, sorted out:
266
894790
4737
Van még néhány megoldandó ezoterikus kérdés,
14:59
the exact details of its decision theory,
267
899527
2089
mint a döntéselméleti kérdések részletei,
15:01
how to deal with logical uncertainty and so forth.
268
901616
2864
a logikai bizonytalanság és egyebek kezelése.
A megoldandó technikai nehézségek miatt a feladat
15:05
So the technical problems that need to be solved to make this work
269
905330
3102
eléggé bonyolultnak látszik.
15:08
look quite difficult --
270
908432
1113
15:09
not as difficult as making a superintelligent A.I.,
271
909545
3380
Nem annyira, mint egy szuperértelmes MI létrehozása,
15:12
but fairly difficult.
272
912925
2868
de még így is meglehetősen komplikált.
15:15
Here is the worry:
273
915793
1695
Azért aggódhatunk,
15:17
Making superintelligent A.I. is a really hard challenge.
274
917488
4684
hogy egy értelmes MI létrehozása tényleg kemény dió,
15:22
Making superintelligent A.I. that is safe
275
922172
2548
de a biztonságos, szuperértelmes MI megalkotása
15:24
involves some additional challenge on top of that.
276
924720
2416
ezt még néhány további feladattal tetézi.
15:28
The risk is that if somebody figures out how to crack the first challenge
277
928216
3487
Abban rejlik a kockázat, ha megoldjuk az első feladatot anélkül,
15:31
without also having cracked the additional challenge
278
931703
3001
hogy megoldottuk volna a másodikat is,
15:34
of ensuring perfect safety.
279
934704
1901
amely szavatolná a teljes biztonságot.
15:37
So I think that we should work out a solution
280
937375
3331
Ezért olyan megoldást kell kidolgoznunk,
15:40
to the control problem in advance,
281
940706
2822
amely előbb oldja meg az ellenőrizhetőség kérdését,
15:43
so that we have it available by the time it is needed.
282
943528
2660
hogy mire szükségünk lesz rá, már kéznél legyen.
15:46
Now it might be that we cannot solve the entire control problem in advance
283
946768
3507
Talán nem tudjuk az ellenőrzés kérdését előre és teljesen megoldani,
15:50
because maybe some elements can only be put in place
284
950275
3024
mert néhány elem csak akkor kerülhet a helyére,
15:53
once you know the details of the architecture where it will be implemented.
285
953299
3997
ha részleteiben ismerjük a fogadó architektúrát.
15:57
But the more of the control problem that we solve in advance,
286
957296
3380
De minél többet megoldunk előre az ellenőrzés kérdéséből,
16:00
the better the odds that the transition to the machine intelligence era
287
960676
4090
annál jobbak az esélyeink, hogy a gépi értelem korszakába
16:04
will go well.
288
964766
1540
zökkenőmentes lesz az átmenet.
16:06
This to me looks like a thing that is well worth doing
289
966306
4644
Szerintem ezt nagyon megéri rendesen megcsinálni,
16:10
and I can imagine that if things turn out okay,
290
970950
3332
és azt is el tudom képzelni, ha minden jól megy,
16:14
that people a million years from now look back at this century
291
974282
4658
amikor az emberek egymillió év múlva visszatekintenek erre az évszázadra,
16:18
and it might well be that they say that the one thing we did that really mattered
292
978940
4002
elmondhatják: az egyetlen lényeges dolgot
16:22
was to get this thing right.
293
982942
1567
elődeik akkor jól rendezték el.
16:24
Thank you.
294
984509
1689
Köszönöm.
(Taps)
16:26
(Applause)
295
986198
2813
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7