Can Europe Win the Age of AI? | Thomas Dohmke | TED

49,740 views ・ 2024-11-22

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Peter Pallos Lektor: Reka Lorinczy
00:03
Vlad Gozman: Obviously people know you as the CEO of GitHub,
0
3940
2840
Vlad Gozman: A GitHub vezérigazgatójaként ismernek,
00:06
you're at the helm of what I would say is the most pivotal tool
1
6780
4400
te vagy az élén a fejlesztők világszerte legfontosabb eszközének,
00:11
for developers worldwide,
2
11220
2800
00:14
and also a player early on in the AI game with Copilot.
3
14020
5960
és a Copilot MI korai szakaszában is kulcsszereped volt.
00:21
But before we go into all that and GitHub,
4
21500
3120
De mielőtt a GitHubra rátérnénk,
00:24
I want to go back a bit.
5
24620
1440
egy kicsit vissza akarok menni.
00:27
I'm curious,
6
27220
1160
Arra vagyok kíváncsi,
00:28
something what people might not know is how did you get here?
7
28380
3480
amit aligha tudunk: hogy kerültél ide?
00:33
Thomas Dohmke: I took a plane from Stuttgart to fly here.
8
33020
2720
Thomas Dohmke: Stuttgartban repülőre ültem, hogy ide repüljek.
00:35
But I think you're asking about my life's journey.
9
35780
2840
De hát az életutamról kérdezel.
00:38
I was born in East Berlin in 1978,
10
38620
2760
Kelet-Berlinben születtem 1978-ban,
00:41
and so for the first 12 years of my life,
11
41420
2600
és így életem első 12 évében
00:44
I didn't really have access to computers.
12
44020
2000
számítógépekhez nemigen volt hozzáférésem.
00:46
There was a Robotron, an East German clone of a Z80 I think,
13
46060
3880
Volt egy Robotron a földrajzlaborunkban, szerintem a Z80 kelet-német klónja,
00:49
in the geography lab that we were allowed to hack a little bit on.
14
49940
3120
amelyet nyúzhattunk.
00:53
And then I bought a Commodore 64 in the early '90s.
15
53060
2800
Aztán a 90-es évek elején vettem egy Commodore 64-et.
00:55
And, you know, it's been forgotten what that was like, right?
16
55860
3640
Már elfelejtették, milyen volt az, ugye?
00:59
I had to buy like a yellow book.
17
59540
1640
Úgy kellett megvennem, mint egy sárga könyvet.
01:01
It was literally called the big Commodore 64 book.
18
61220
4400
Szó szerint a nagy Commodore 64-es könyvnek hívták.
01:05
And then you taught yourself coding, and there was no internet to go, right?
19
65660
4000
Majd magunkat tanítottuk programozni, mert nem fordulhattunk az internethez.
01:09
There was no forum, no Reddit, no GitHub.
20
69700
3560
Nem volt fórum, sem Reddit, sem GitHub.
01:13
You had to either figure it out yourself,
21
73660
2280
Magunknak kellett kitalálnunk,
01:15
or you had to go to computer club on Wednesday
22
75980
2160
vagy szerdán számítógépes klubba kellett mennünk,
01:18
and hope there's another nerd there that knows the answer to your question.
23
78180
3520
hogy tán van ott egy másik kocka, aki kérdéseinkre tudja a választ.
01:21
In 1998, I started university at Technical University in Berlin.
24
81740
3520
1998-ban kezdtem el a Berlini Műszaki Egyetemet.
01:25
And, you know, one of the big benefits
25
85300
1960
Ennek nagy előnye az volt,
01:27
was that you had a landline internet connection from there
26
87260
3320
hogy ott vezetékes internetkapcsolatunk volt,
01:30
that didn't cost any money compared to AOL and CompuServe.
27
90580
4520
ami nem került pénzbe, nem úgy, mint az AOL és a CompuServe.
01:35
And I bought SUSE Linux in the bookstore
28
95140
3400
Megvettem könyvesboltól a SUSE Linuxot,
01:38
to get into the world of open source.
29
98580
1960
hogy belépjek a nyílt forráskód világába.
01:40
And obviously, I found lots of other nerds on the internet
30
100540
2720
Sok más kockát találtam a neten,
01:43
to ask all the questions in the newsgroups,
31
103300
2200
akiknek kérdéseimet feltehettem a Usenet hírcsoportokban,
01:45
the Usenet.
32
105540
1160
01:46
And you know, went through my career journey.
33
106740
4080
velem voltak a karrierem alatt.
01:50
And when the iPhone SDK came out in 2008, I thought,
34
110820
3800
Amikor 2008-ban megjelent az iPhone SDK, azt gondoltam,
01:54
it's time to do something new.
35
114660
1440
ideje valami újat csinálni.
01:56
I quit my job at Bosch
36
116140
2560
2008 végén a pénzügyi válság csúcsán
01:58
at the height of the financial crisis in late 2008,
37
118740
2840
felmondtam a Boschnál,
02:01
to become an independent software developer
38
121620
2040
hogy iPhone- és Android-alkalmazásokat író független szoftverfejlesztő legyek.
02:03
that builds iPhone and Android apps.
39
123660
2240
02:06
And of course, you know, through the cloud,
40
126260
2320
A felhőn keresztül persze
02:08
I was able to also distribute all my apps
41
128620
2320
az összes alkalmazásomat terjeszthettem,
02:10
and then later build a platform called Hockey App
42
130940
2960
majd később létrehoztam a Hockey App nevű felületet,
02:13
that was acquired by Microsoft in 2014.
43
133940
2240
amelyet a Microsoft 2014-ben felvásárolt.
02:16
And that then moved me from Stuttgart all the way to Seattle,
44
136180
3520
Ezért Stuttgartból Seattle-be költöztem, ahol 2018-ban szerencsém volt,
02:19
where I got lucky in 2018 to be in the right time, right place
45
139740
3920
mert a megfelelő időben a megfelelő helyen voltam,
hogy a GitHub felvásárlásában részt vehessek,
02:23
to be part of the GitHub acquisition.
46
143700
1760
02:25
And ultimately, you know, be here on stage as the GitHub CEO.
47
145500
2880
és végül itt a színpadon mint a GitHub vezérigazgatója lépjek fel.
02:28
VG: What a journey.
48
148380
1240
VG: Micsoda utazás!
02:29
It all has led to this moment.
49
149660
1640
Mindez idáig vezetett...
02:31
(Applause)
50
151300
5080
(Taps)
02:36
But, you know, it raises an interesting point, right?
51
156740
2800
De ez érdekes kérdést vet fel.
02:40
You've been successful here in Europe up to a point.
52
160020
4680
Egy darabig sikeres voltál itt Európában.
02:44
And then you left.
53
164740
2000
Aztán elmentél.
02:47
I mean, your further steps were even more successful, I would argue.
54
167260
4240
Állítom, hogy további lépéseid még sikeresebbek voltak.
02:52
But you left.
55
172300
1160
De elmentél.
02:53
So my next question is, you know,
56
173460
3280
A következő kérdésem:
02:56
how do we keep the next Thomas Dohmke in Europe?
57
176780
2920
hogyan tartsuk a következő Thomas Dohmkét Európában?
02:59
What does Europe need to do?
58
179740
1880
Mit kell tennie Európának?
03:02
TD: Microsoft made me leave.
59
182260
1360
TD: A Microsoft miatt kellett elmennem.
03:03
You have to say it like that.
60
183620
1400
Ez így pontos.
03:05
Although, being honest,
61
185060
1960
Bár amikor gyerek voltam, a 90-es években,
03:07
it also was always a dream of mine to live on the West Coast,
62
187020
3080
arról álmodoztam, hogy a Nyugati-parton éljek.
Úgy éreztem, túl későn születtem ahhoz,
03:10
in the ’90s, when I was a kid,
63
190140
1560
03:11
I felt I was born too late to be part of the home computer revolution.
64
191740
4120
hogy a személyi számítógépes forradalomban részt vehessek.
03:16
But then obviously now where we are today,
65
196780
2160
De ahol ma tartunk, nyilvánvaló,
03:18
it's clear that there was another one with mobile,
66
198980
2360
hogy volt egy másik mobilos forradalom,
03:21
another one with cloud,
67
201340
1200
egy másik a felhővel,
03:22
and now we are in one with AI.
68
202540
1520
és most már az MI-vel is.
03:24
And so I think, you know, maybe if Microsoft buys a German company today,
69
204060
3440
Ha ma venne német céget a Microsoft, azt mondaná,
03:27
they would just say you can work from home as hybrid work
70
207540
2760
hogy otthonról is dolgozhatsz
hibrid munkavégzéssel vagy távmunkában.
03:30
or remote-only work.
71
210340
1480
03:31
It’s much more prevalent than it was 10 years ago in 2014.
72
211860
4000
Sokkal elterjedtebb, mint tíz éve, 2014-ben.
03:35
That said, though, you know, if I look at my hometown in Germany,
73
215900
3680
De németországi szülővárosomat nézve
03:39
I can come up with three things that are definitely lacking.
74
219580
3680
három dolog határozottan hiányzik.
03:43
And the first one is school and schooling,
75
223580
3000
Az első az iskola és az oktatás,
03:46
which, it's ridiculous to me
76
226620
2040
mert nevetséges,
03:48
that we don't teach kids in first grade how to code
77
228700
2680
hogy az első osztályban nem tanítjuk meg programozni a gyerekeket,
03:51
like, we teach kids physics,
78
231380
3040
hanem fizikát, biológiát és kémiát tanítunk nekik,
03:54
biology and chemistry that you almost never use in life anymore.
79
234460
3600
amelyeket szinte sosem használják az életben.
03:58
But we don't teach them how to build software for their smartphones
80
238100
3360
De nem tanítjuk meg nekik, hogyan írhatnak szoftvereket
okostelefonjaikhoz és számítógépeikhez, amelyeket nap mint nap használunk.
04:01
and for their computers that we all use day in and day out, right?
81
241500
3120
04:04
Like, think about that for a second.
82
244660
1720
Gondolkodjunk el ezen!
04:06
These are the most important devices in our lives.
83
246420
2480
Ezek az életünk legfontosabb eszközei.
04:08
You know it because you can barely meet anyone
84
248940
2560
Alig találkozhatunk valakivel,
04:11
that doesn't have their phone in their hands anymore.
85
251540
2480
akinek nincs telefon a kezében.
04:14
Whether it’s in the subway or on a plane or at work.
86
254020
2680
Metróban, repülőn vagy munkahelyen.
04:16
So I'd say schooling needs to dramatically change.
87
256740
2360
Az iskolai oktatásnak gyökeresen meg kell változnia.
04:19
And, you know, it's easy to blame the system and think about,
88
259100
2880
Könnyű a rendszert hibáztatni, és közben azt gondolni,
hogy a politikának kell változtatnia valamit.
04:22
oh, the politics have to change something.
89
262020
2000
04:24
I think it starts with us as parents to really encourage the schools
90
264060
3200
Elsősorban mi, szülők, ösztönözzük arra az iskolákat,
hogy gondolkodjanak előre, és gondolkodjanak el azon,
04:27
to think ahead and think outside the box
91
267300
1920
04:29
of what frontal lessons are and used to be when we went to school.
92
269260
4760
hogy milyenek voltak a frontális órák, amikor mi jártunk iskolába.
04:34
The second one is start-up and the start-up ecosystem.
93
274060
2640
A második a startup és a startup ökoszisztéma.
04:36
It's so hard to found a company in Germany and Austria
94
276740
3600
Olyan nehéz ilyen céget találni Németországban, Ausztriában
04:40
and in many European countries.
95
280380
1560
és számos európai országban.
04:41
The GmbH has to go away.
96
281940
1720
A kft-k kora lejárt.
04:43
That's just the fact.
97
283700
1200
Ez tény.
04:44
You see a lot of German start-ups
98
284940
1840
Sok német induló vállalkozást látunk,
04:46
that the first thing they do is they go on Stripe Atlas
99
286780
3000
amelyek első dolga, hogy belépjenek a Stripe Atlasra,
04:49
and click in a Delaware LLC,
100
289820
1600
és rákattintsanak egy delaware-i LLC-re,
04:51
because that's much easier to collect angel investments, right?
101
291460
2960
mert így sokkal könnyebb az angyalbefektetések összegyűjtése.
04:54
We have so much regulation in Europe,
102
294420
1840
Annyi szabályozás van Európában:
04:56
GDPR, you know, DSA, DMA, you name it,
103
296300
3040
GDPR, DSA, DMA stb., amelyeket a startupoknak követniük kell,
04:59
that start-ups need to follow instead of building cool shit, right?
104
299380
4040
ahelyett hogy valami érdekeset alkotnának.
05:03
Like that's I think the biggest issue we have
105
303420
2160
Ez a legnagyobb nehézség,
05:05
where we need to build a new ecosystem ...
106
305620
2400
amikor új ökoszisztémát kell építenünk...
05:08
Because we know from the innovator’s dilemma
107
308060
3280
Mert az újítók dilemmájából tudjuk,
05:11
that disruption is coming from start-ups.
108
311380
2040
hogy az áttörést a startupok okozzák.
05:13
The big incumbents cannot create disruption.
109
313460
2080
A fő tisztségviselők nem fejlesztenek kiugró dolgokat.
05:15
There's exceptions, of course.
110
315580
1880
Persze vannak kivételek.
05:17
And, you know, hopefully GitHub and Microsoft are seen as one.
111
317500
2920
Remélhetőleg a GitHub és a Microsoft kivételek.
05:20
But the regular mode is that start-ups are the companies,
112
320420
3600
De a társadalmat általában a startupok,
05:24
the founders are the ones that are pushing society forward.
113
324060
3160
a cégalapítók viszik előre.
05:27
And then lastly, you know, infrastructure.
114
327260
2400
Végül az infrastruktúra.
05:29
You know, my hometown, on their web page,
115
329660
2000
Szülővárosom honlapja szerint
05:31
they're saying 95 percent of all households have broadband internet.
116
331700
3200
a háztartások 95%-ában van széles sávú internet.
05:34
But what they mean is 50 Mbit.
117
334940
1720
Ezen a 50 Mbitet értik.
05:36
That's not broadband.
118
336660
2000
Ez nem széles sávú.
05:39
When my kids stream Netflix or YouTube and play Minecraft with their friends
119
339140
4240
Amikor gyerekeim streamelnek a Netflixen vagy a YouTube-on,
és Minecraftot játszanak barátaikkal, ugyanakkor nyitva a WhatsApp-csevegésük,
05:43
and have a WhatsApp chat open all at the same time,
120
343420
2720
05:46
I can no longer, you know,
121
346180
1280
már nem tudok a Zoom-hívásodhoz csatlakozni,
05:47
join the Zoom call with you to prepare this session.
122
347460
2480
hogy felkészüljek erre a beszélgetésre.
05:49
And I think this is where the European Union ultimately needs to go in
123
349940
4160
Az EU-nak végre közbe kéne lépnie,
05:54
and have an infrastructure package,
124
354140
2800
és infrastruktúra-csomagot kidolgoznia,
05:56
and not bridges and streets and all that.
125
356980
2560
és nem hidakat, utcákat meg efféléket.
05:59
That's that's good too.
126
359580
1160
Na jó, az is kell.
06:00
But like broadband internet, fiber everywhere.
127
360780
3160
De a széles sávú nethez mindenhol száloptikai kábelek kellenek.
06:05
VG: Well, some might argue that regulation is good.
128
365260
4960
VG: Néhányan azt állíthatják, hogy a szabályozás jó.
06:10
How do you stand on that?
129
370260
1840
Hogy állsz ezzel?
06:12
TD: Regulation is good if you're a big company
130
372420
2280
TD: A nagyvállalatnak jó,
06:14
with a big law department and big enterprise customers,
131
374740
2600
amelynek nagy jogi osztálya és nagyvállalati ügyfelei vannak,
06:17
because then you can go into a sales process and say,
132
377340
2480
mert akkor az értékesítéssel foglalkozhatunk:
06:19
here, I check all the boxes,
133
379860
1360
pipa mindenhová,
így nem kell civódnunk jogászokkal és az adatfeldolgozói megállapodásról.
06:21
so you don't have to argue with the legal team and the DPA.
134
381220
2960
06:24
Instead, you can just, you know,
135
384180
1840
Ezért sokkal gyorsabban végigmehetünk
06:26
go through the sales process much quicker.
136
386020
2040
az értékesítési folyamaton.
06:28
But it's not good for open-source innovation.
137
388060
2120
De nem jó a nyílt forráskódú innovációhoz.
06:30
It's not good for small start-ups
138
390180
1600
Nem jó a kis induló vállalkozásoknak,
06:31
that do not want to spend all their money on billable hours for, you know,
139
391820
4160
amelyek nem akarják minden pénzüket
06:36
consulting company or for a law firm.
140
396020
2800
tanácsadó cégre vagy ügyvédre költeni.
06:38
And so there needs to be exceptions in those regulations.
141
398860
2680
Ezért e szabályozásokban kivételekre van szükség.
06:41
Innovation needs to be focused on enabling researchers,
142
401580
4040
Az innovációnak arra kell összpontosítania,
hogy a nyílt forráskódú fejlesztők, a kutatók és a startup alapítók
06:45
open-source developers and start-up founders
143
405620
2080
06:47
to move really quickly.
144
407700
1160
minél gyorsabban haladhassanak.
06:48
And then if they reach a certain size,
145
408900
1840
Aztán ha bizonyos méretet elérnek,
06:50
when they actually become relevant to the system.
146
410740
2320
akkor válnak lényegessé a rendszer számára.
06:53
Same with banking, right?
147
413100
1200
A bankokkal is ugyanez a helyzet.
06:54
When they become relevant to the system,
148
414340
2040
Mikor a rendszer szempontjából fontossá válnak,
06:56
that's when the regulation, the strongest regulation needs to apply.
149
416380
3280
akkor a legerősebb szabályozást kell rájuk alkalmazni.
07:00
VG: And do you see, you know like,
150
420420
2120
VG: Megéltük a szédítően gyors tempójú környezetet az MI-vel.
07:02
we lived through this really fast-paced,
151
422580
2680
07:05
really, really fast-paced environment with AI.
152
425260
3360
Úgy látod, hogy most kiegyenlítődnek a nemzetközi versenyfeltételek?
07:09
Do you see it now leveling the playing field internationally?
153
429260
5040
07:14
And again, with a bit of a perspective on Europe.
154
434340
3480
És ez egy kis távlatot kínál Európának?
Hogyan változtatja meg ez a kisvállalatok tevékenységét,
07:18
How does that change the game for a small company,
155
438100
3840
07:21
a start-up from Germany, for instance?
156
441980
2840
pl. a német startup cégekét?
07:25
TD: I think it changes the game from two sides
157
445700
2200
TD: Két oldalról is megváltoztatja:
07:27
and one is actually on my shirt,
158
447900
1560
az egyik a pólómon lévő felirat:
07:29
it says, “Copilot speaks my language,”
159
449500
1840
„A Copilot beszéli a nyelvemet”,
07:31
because you can use Copilot, ChatGPT,
160
451340
1920
mert a Copilotot, a ChatGPT-t,
07:33
almost all these AI chatbots
161
453260
2760
és szinte az összes MI-chatbotot
07:36
in the language you grew up with.
162
456020
1680
az anyanyelvünkön használhatjuk.
07:38
Here in Austria and Germany, it's German, right?
163
458060
2240
Ausztriában és Németországban németül.
07:40
Most six-year-olds, seven-year-olds, first-, second-graders,
164
460300
2880
A legtöbb hat-hétéves, elsős, másodikos gyerek
07:43
they speak mostly German or Croatian or Italian, Spanish,
165
463180
5280
többnyire németül, horvátul vagy olaszul, spanyolul beszél,
míg a nyílt forráskódú és a szoftveripar többnyire angol nyelvű.
07:48
while the open source and the software industry
166
468460
2480
07:50
are mostly English speaking.
167
470980
1840
Aki azért akar programozást tanulni,
07:52
And so if you want to learn coding
168
472820
1640
07:54
because you have already played Super Mario or Minecraft,
169
474500
3760
mert már játszott a Super Marióval vagy a Minecrafttal,
annak először nem kell angolul megtanulnia,
07:58
you don't want to learn English first,
170
478260
1840
08:00
what you want to do is build a little game
171
480100
2040
hogy egy kis játékot építsen,
08:02
because that's what humans want to do, they want to create something.
172
482180
3240
mert az emberek erre vágynak: mindig létre akarnak hozni valamit.
08:05
And so they can now approach this by just asking in German,
173
485420
2800
Most már németül is megkérdezhetik:
„Hogyan hozhatok létre kígyó- vagy pongjátékot?”,
08:08
how do I create a snake game or pong game
174
488220
1960
08:10
or how do I build a Minecraft extension?
175
490220
2200
vagy „Hogyan készítsek Minecraft kiterjesztést?”
08:12
And they don’t need parents at home that have a technical background, right?
176
492420
3600
Nincsenek otthon rászorulva műszakilag képzett szülőkre sem.
08:16
Like, if you don't have anyone at home without AI
177
496060
3000
Ha pl. nincs otthon senki, aki értene hozzá,
08:19
that can help you when you're stuck.
178
499100
1720
az MI segíthet, ha elakadunk.
08:20
And that's the most important moment when you learn something
179
500860
2880
Ez a legfontosabb pillanat, amikor megtanuljuk:
08:23
is when you're stuck, how do you unstuck yourself
180
503740
2320
ha elakadunk valamiben, hogyan oldjuk meg,
08:26
so you're not frustrated and just throw it away
181
506060
2200
hogy ne legyünk idegesek, ne dobjuk félre,
08:28
and go back scrolling through TikToks?
182
508300
1840
és menjünk vissza a TikTok-ot görgetni.
08:30
That's the moment where AI is really helpful,
183
510140
2120
Ekkor az MI valóban hasznos,
08:32
and that's where I believe there's a huge democratization going to happen.
184
512300
3480
és hiszem, hogy hatalmas demokratizálódás fog történni.
08:35
And it's already happening in countries like India or Brazil.
185
515820
3440
Ezt látjuk már Indiában vagy Brazíliában.
08:39
The second piece is, you know,
186
519300
1760
Másfelől
08:41
Europe has slept through the cloud transformation,
187
521060
2560
Európa átaludta a felhőátalakulást;
08:43
like, most European countries are way behind
188
523660
2080
a legtöbb európai ország messze le van maradva a felhőátalakulás terén.
08:45
on the cloud transformation.
189
525740
2440
Ha belenézünk
08:48
If you look in, you know,
190
528180
1400
08:49
the Dräger report that came out a couple of weeks ago,
191
529620
3440
a pár hete megjelent Dräger-jelentésbe,
08:53
of the top 50 tech companies, only four are European.
192
533060
3800
az 50 legjobb technológiai cég közül csak négy európai.
08:56
And I'm sure most of you cannot actually name those four.
193
536900
2680
Állítom, hogy a legtöbben nem tudják őket megnevezni.
08:59
I can only name one, SAP.
194
539580
1320
Én is csak egyet, a SAP-ot.
09:01
And in the last 50 years,
195
541220
3200
És az elmúlt 50 évben
egyetlen európai cég sem alakult ki,
09:04
there has been not a single European company that has been founded
196
544420
3120
amely a több mint 100 milliárd dolláros piaci kapitalizációt elérte volna,
09:07
that has reached more than 100 billion in market capitalization,
197
547580
3000
09:10
while the six trillion-dollar companies in the US
198
550580
2320
míg az elmúlt 50 évben mind a hat billió dolláros céget
09:12
all have been founded in the last 50 years.
199
552900
2000
az USA-ban alapították.
09:14
That's where the opportunity with AI is, we get a fresh start.
200
554940
2920
Ez az MI-ben rejlő lehetőség, újrakezdhetjük.
09:17
We don't need to catch up on the cloud
201
557860
2360
Nem kell felzárkóznunk a felhőhöz,
09:20
as much as we need to be all-in on AI.
202
560220
3000
az MI-be kell mindent beleadnunk.
09:23
And it starts all with you, right?
203
563260
1640
Minden velünk kezdődik.
09:24
We can always blame it on the politics and on the system
204
564900
2640
Mindig a politikát, a rendszert
09:27
and on our bosses.
205
567580
1160
és a főnökeinket hibáztathatjuk.
09:28
It starts with all of us embracing this new technology.
206
568780
2640
Azzal kezdődik, hogy mind elfogadjuk az új technológiát.
09:31
I'm assuming that's why you're here today.
207
571460
2000
Feltételezem, ma ezért vannak itt.
09:33
And hopefully tomorrow you're using some AI in your life,
208
573500
2720
Remélem, holnaptól valamilyen MI-t használnak,
09:36
or figuring out how AI works
209
576220
1680
vagy rájönnek az MI működésére,
09:37
and how you can leverage AI in your career
210
577940
2000
és hogyan használhatják az MI-t
09:39
or your start-up or your team.
211
579980
2080
karrierjükben, a startupjukban vagy csapatukban.
09:42
VG: Yeah, thank you for that.
212
582100
1400
VG: Igen, köszönöm.
09:43
I want to push back, though, a bit,
213
583500
1720
Vissza akarok térni egy kicsit,
09:45
because it sounds, and probably this is a criticism
214
585220
4520
mert ez techno-optimistán hangzik,
09:49
that Silicon Valley usually gets, right,
215
589780
2680
és valószínűleg ezt a kritikát
09:52
it sounds techno-optimistic, right?
216
592460
3160
a Szilícium-völgy meg szokta kapni.
09:55
What about --
217
595660
1160
Mi van...
09:58
A comparison that I've always heard is,
218
598420
2560
Azt szoktam hallani,
10:01
you know, we're living through perhaps a new industrial,
219
601020
3120
hogy talán új forradalomban élünk,
10:04
a new type of industrial revolution, right?
220
604180
2000
újfajta ipari forradalomban.
10:06
When I think back on the Industrial Revolution, the actual one,
221
606220
3600
Ha a valódi ipari forradalomra gondolok,
10:09
it had really heavy short-term consequences.
222
609860
4680
annak tényleg jelentős rövid távú következményei voltak.
10:14
So what would you say to somebody
223
614540
2000
Mit mondanál annak,
10:16
who would call you a techno-optimist?
224
616540
2000
aki techno-optimistának nevezne téged?
10:19
TD: What's wrong with being an optimist,
225
619420
2040
TD: Az első válaszom:
10:21
would be my first response.
226
621500
1600
mi a baja azzal, ha optimista vagyok?
10:23
Especially as a German,
227
623700
1360
Különösen németként azt hiszem,
10:25
I think, you know, being optimistic is separating me from the masses.
228
625060
3280
hogy optimistának lenni elválaszt engem a tömegektől.
10:28
(Laughter)
229
628380
1520
(Nevetés)
10:30
(Applause)
230
630740
4000
(Taps)
10:36
I think we, as humans, have the challenge that, you know,
231
636100
2760
Nekünk, embereknek,
10:38
we love to focus on the day by day.
232
638900
1880
a mindennapi dolgok a lényegesek.
10:40
And the day by day,
233
640780
1240
A mindennapok,
10:42
whether it's in our lives or in the stock market,
234
642060
2360
akár életünkről, akár a tőzsdéről legyen szó,
10:44
often has lots of ups and downs,
235
644420
1560
gyakran sok hullámvölggyel járnak,
10:46
and we focus heavily on the downs
236
646020
1600
és erősen a mélypontokra összpontosítunk,
10:47
because those are impacting us emotionally much more than the ups.
237
647620
3880
mert ezek érzelmileg sokkal jobban hatnak ránk, mint a csúcsok.
10:51
But if we actually zoom out 10 years, 20 years, 30 years,
238
651500
3000
De ha 10-20-30 évre visszatekintünk,
10:54
or if I go back to my grandfather's generation, you know,
239
654540
3040
vagy ha visszamegyek nagyapám nemzedékéhez –
10:57
my father was born in 1939,
240
657620
1880
apám 1939-ben született –,
10:59
what life was back then,
241
659540
1800
hogy akkor milyen volt az élet,
11:01
there is no question that life has gotten massively better.
242
661380
3120
kétségtelen, hogy az élet azóta sokkal jobb lett.
11:04
Like, massively.
243
664500
1200
Rengeteget javult.
11:05
Like, life in Europe, in Germany, in Austria,
244
665700
2680
Európában, Németországban, Ausztriában,
11:08
everywhere here and everywhere around the world
245
668380
3320
mindenhol a világon
11:11
has gotten so much better.
246
671700
1360
rengeteget javult.
11:13
Our lives are so much more comfortable,
247
673100
1920
Életünk sokkal kényelmesebb,
11:15
our houses are so much warmer, we have food available.
248
675020
2600
házunk sokkal melegebb, élelem áll rendelkezésünkre.
11:17
And obviously with technology like smartphones,
249
677620
3440
Okostelefonokkal,
internettel és a FaceTime-mal nyilván
11:21
the internet and FaceTime,
250
681060
1680
11:22
it's also much easier to travel all around the world,
251
682740
2520
sokkal könnyebb az egész világon utazni,
11:25
to live on the other side of the planet.
252
685260
1920
bolygónk túlfelén élni.
11:27
You know, I moved my family almost 10 years ago to Seattle,
253
687220
2760
Majdnem 10 éve költöztem családommal Seattle-be,
11:30
and we call our parents every weekend on FaceTime.
254
690020
3440
és minden hétvégén felhívjuk szüleinket a FaceTime-on.
11:33
That wasn't possible,
255
693500
1280
Ez lehetetlen volt,
11:34
you know, when people immigrated to the United States 100 years ago.
256
694780
3240
amikor 100 éve az USA-ba bevándoroltak az emberek.
11:38
It's indisputable that the world has gotten better.
257
698060
2400
Vitathatatlan, hogy a világ jobb lett.
11:40
And I think we should have optimism that we can make it better ourselves.
258
700460
3480
Legyünk optimisták, hogy mi magunk is jobbá tehetjük.
11:43
But of course, it starts with us, that's what I said earlier.
259
703940
2880
De ez velünk kezdődik, ahogy már mondtam.
11:46
You know, we need to all have the mindset of: “I can change the world.
260
706860
3440
Olyan gondolkodásmód kell hozzá: „Meg tudom változtatni a világot.
11:50
I can make the world a better place.”
261
710340
2640
Jobbá tehetem a világot.”
11:53
My first job after university was with Mercedes-Benz.
262
713020
2800
Az egyetem után az első állásom a Mercedes-Benznél volt.
11:55
So back then DaimlerChrysler, and their slogan is “The best or nothing.”
263
715860
3480
Akkoriban DaimlerChryslernek hívták. Szlogenjük: „A legjobb vagy semmi”.
11:59
I feel like Europe needs to go back to this.
264
719380
2080
Európának vissza kell térnie ehhez.
12:01
We want to be the best in everything.
265
721500
1800
Mindenben a legjobbak akarjunk lenni.
12:03
We want to be the best in soccer, right?
266
723340
1920
A legjobbak akarunk lenni a fociban, igaz?
12:05
And we are kind of like the best in Formula One
267
725260
2200
Legjobbak vagyunk a Forma-1-ben,
12:07
because almost all the Formula One teams are from Europe.
268
727500
2680
mert szinte az összes Forma-1-es csapat európai.
12:10
But let's apply that model to all the things that we're doing
269
730180
3560
De alkalmazzuk ezt a modellt
12:13
and all the ideas that we're pursuing,
270
733780
2320
minden tevékenységünkre és elképzelésünkre,
12:16
all the companies that we're building,
271
736140
1880
minden cégre, amelyet létrehozunk,
12:18
and I think we're going to create naturally a better world
272
738060
2720
és biztos vagyok benne,
hogy hosszú távon jobb világot teremtünk.
12:20
in the long run.
273
740820
1240
12:23
VG: Well, I sure hope so.
274
743140
1320
VG: Nagyon remélem.
12:26
I want to pick up on something you said earlier
275
746860
3120
Mondtad, hogy gyerekeinket már igen korán
12:30
about us teaching our kids to code very early on.
276
750020
4640
meg kéne tanítanunk programozni.
12:35
Now AI is changing the game there as well, right?
277
755540
3520
Az MI ott is változtat a helyzeten?
12:39
It influences the way we code,
278
759100
3560
Befolyásolja a programozás módját,
12:42
perhaps, though, making coders obsolete.
279
762700
3880
talán feleslegessé teszi a programozókat.
12:46
So what would you say if like, I would argue
280
766580
3320
Mit mondanál rá, ha azt állítanám, hogy olyan technológiát fejlesztesz,
12:49
OK, you develop technology that makes coders obsolete.
281
769900
5080
amely a programozókat elavulttá teszi.
12:55
Why should we teach our children to code?
282
775340
2280
Miért tanítsuk gyerekeinket programozni?
12:57
TD: If you look back at my journey that I described earlier,
283
777660
3400
TD: Ha visszatekintünk az életutamra,
13:01
we could have asked that question at every point of the way, every year.
284
781100
3400
a kérdést minden évben feltehettük volna.
13:04
You know, you could have asked me the question when we went
285
784500
2760
Feltehettük volna, amikor a magnókazettákról
a hajlékonylemezekre tértünk át, onnan meg a merevlemezekre.
13:07
from cassette tapes to floppy disks to hard drives.
286
787300
2400
13:09
When we went from punch cards
287
789700
1600
Amikor áttértünk a lyukkártyáról –
13:11
that I first saw in my mom's office in the '80s
288
791340
3400
azt először anyám irodájában láttam a 80-as években –
13:14
to assembly language Basic
289
794780
2680
a BASIC programozási nyelvre
13:17
and all of a sudden, higher programming languages.
290
797500
2360
és a magas szintű programozási nyelvekre.
13:19
When we went from no open-source at all and we build it all from scratch,
291
799900
3480
Vagy amikor nem volt nyílt forráskódunk, mindent a semmiből építettünk,
13:23
or we typed listings from computer magazines.
292
803380
2320
vagy számítógépes folyóiratokból gépeltünk be listákat.
13:25
And most of the listings weren't actually code,
293
805740
2200
A listák többsége nem kódokból állt,
13:27
they were checksums
294
807980
1160
hanem ellenőrzőösszegekből,
13:29
because you could put more checksums into the box on the page,
295
809180
2920
mert több ellenőrzőösszeget tehettünk be az oldal mezőjébe, az internetre
13:32
to the internet and open-source components.
296
812100
2080
és a nyílt forráskódú összetevőkbe.
13:34
Today, no startup anywhere around the world,
297
814180
2200
Manapság a világon egyetlen startup
13:36
and no big company anywhere around the world
298
816420
2080
vagy nagyvállalat sem indít új projektet
13:38
is starting a new project without leveraging open-source components, right?
299
818540
3560
nyílt forráskódú komponensek felhasználása nélkül, ugye?
13:42
Open-source operating system like Linux,
300
822100
1920
Nyílt forráskódú operációs rendszer, pl. a Linux,
13:44
open-source editors like VS Code,
301
824060
1920
nyílt forráskódú szerkesztők, pl. a VS Code,
13:46
open-source container technology like Docker and Kubernetes,
302
826020
3680
nyílt forráskódú tárolótechnológia, pl. a Docker és a Kubernetes,
13:49
thousands of open-source libraries.
303
829700
1720
több ezer nyílt forráskódú könyvtár.
13:51
When you start a new React project, you immediately have hundreds,
304
831460
3320
Amikor új React projektet indítunk, azonnal több száz,
13:54
if not thousands of libraries in your dependency graph.
305
834780
2760
ha nem több ezer könyvtár van a függőségi grafikonon.
13:57
And that means millions of developers have contributed to your project
306
837540
4480
Ez azt jelenti, hogy fejlesztők milliói járultak hozzá a projekthez,
mert felépítették ezeket a nyílt forráskódú könyvtárakat,
14:02
because they built all these open-source libraries,
307
842060
2400
14:04
they made your life easier.
308
844460
1320
megkönnyítették életünket.
14:05
But they haven’t replaced the demand for software developers.
309
845820
2880
De nem helyettesítették a szoftverfejlesztők iránti keresletet.
14:08
In fact, if you are in software development
310
848700
3040
Aki szoftverfejlesztéssel foglalkozik,
14:11
or if you're in a company that has software developers,
311
851740
2600
vagy ha szoftverfejlesztőket alkalmazó cégnél dolgozik,
14:14
I bet you anything all your feature requests take way too long
312
854380
3120
fogadok, hogy megítélése szerint
14:17
for your personal perception.
313
857500
1840
bármilyen igény teljesítése túl sokáig tart.
14:19
Because the developers have effectively two backlogs.
314
859380
2520
Mert a fejlesztőknek két lemaradáslistájuk van.
14:21
They have the innovation backlog.
315
861900
1600
Lemaradásban vannak az innovációval.
14:23
You know, their own ideas,
316
863540
1240
Saját és termékmenedzserük ötleteinek megvalósításával,
14:24
their product manager's ideas, their customer feedback,
317
864820
2600
az ügyfelek visszajelzéseivel,
14:27
all these kind of things,
318
867460
1240
és az innovációkkal,
14:28
the innovation that drives the company forward.
319
868700
2200
amelyek előre vinnék a céget.
14:30
And that's an endless backlog.
320
870940
1480
Ez végtelen lemaradás.
14:32
I will never be done with the GitHub backlog.
321
872420
2120
Soha nem ér véget lemaradásom a GitHubban.
14:34
I will just retire and give up
322
874540
1520
Csak nyugdíjba vonulok, és abbahagyom,
14:36
and somebody else comes in and takes over with my team.
323
876100
2840
majd valaki más átveszi csapatom irányítását.
14:38
And then on the other side we have you know, the tech debt,
324
878980
3640
Másrészt tudjuk, hogy a technológiai adósság,
14:42
the compliance requirements,
325
882660
1600
a megfelelőségi követelmények,
14:44
all the European regulations and the California regulations,
326
884300
3800
az összes európai és kaliforniai előírás,
14:48
security, privacy, accessibility,
327
888140
2760
a biztonság, az adatvédelem,
14:50
all these other things that you also have to do
328
890900
2200
a hozzáférés és más dolgok is,
14:53
because if you don't do them, your customers don't trust you anymore,
329
893140
3280
melyet ha nem teszünk meg, ügyfeleink többé nem bíznak bennünk,
14:56
you have a security issue,
330
896460
1240
biztonsági gondunk van,
14:57
and you have to go to the press
331
897740
1480
a sajtó elé kell állnunk,
14:59
and tell them that you lost all the customer data,
332
899260
2360
és el kell mondanunk, hogy elvesztettük az ügyféladatokat,
15:01
which is often driving a company close to bankruptcy.
333
901620
3720
ami gyakran csődbe viheti a céget.
15:05
And so you have to balance those two backlogs, and they’re both endless.
334
905380
3400
Egyensúlyba kell hoznunk mindkét végtelen lemaradást.
15:08
And you can’t only do this one, and you can’t only do that one.
335
908780
2960
Nem csinálhatjuk csak ezt, és nem csinálhatjuk csak azt.
15:11
So you need to use AI to bring it a little bit down, further down,
336
911740
3120
Az MI-t kell használnunk ahhoz,
15:14
so developers can actually innovate more.
337
914860
1960
hogy többet újíthassanak a fejlesztők.
15:16
And now with AI they no longer have to only do back end and front end.
338
916820
3320
Most az MI-vel már nem kell csak backend és frontend fejlesztéseket végeznünk.
15:20
They have to do back end and front and AI and offline evals and online evals
339
920140
3600
Rajtuk kívül offline és online megoldásokat is végezhetünk,
15:23
and prompt engineering and new models left and right.
340
923740
2520
továbbá új modelleket is létrehozhatunk.
15:26
So I'm sure there's a bunch of sessions for that as well.
341
926260
2880
Biztos vagyok benne, hogy erre is van egy csomó foglalkozás.
15:29
And so I don't think we are running out of work.
342
929140
2280
Nem hiszem, hogy munkánk elfogy.
15:31
I think we are drowning in software.
343
931420
1760
Belefulladunk a szoftverekbe.
15:33
Marc Andreessen said, “Software is eating the world,”
344
933180
3680
Marc Andreessen több mint 10 éve mondta:
15:36
over 10 years ago.
345
936860
1200
„A szoftver megeszi a világot.”
A szoftver meg is ette a világot.
15:38
Software has eaten the world.
346
938060
1440
15:39
And we as software developers are drowning in code.
347
939500
2440
Szoftverfejlesztőként belefulladunk a programozásba.
15:41
And we're still managing COBOL from the '50s and '60s at the same time.
348
941980
3360
Még mindig az 50-es és 60-as évek COBOL-ját használjuk.
15:46
(Applause)
349
946060
5480
(Taps)
15:51
VG: So what you're saying is with AI, even more work for developers.
350
951940
4960
VG: Tehát az MI-vel még több a fejlesztők munkája.
15:57
And I know GitHub is sort of aiming for a world
351
957620
4840
Tudom, hogy a GitHub célja olyan világ,
16:02
where even more developers are enabled to work and cooperate,
352
962500
6960
ahol még több fejlesztőnek van lehetősége dolgozni és együttműködni.
16:09
maybe share a bit of that vision.
353
969460
2160
Megosztanád velünk ezt a jövőképet?
16:12
How would we get to a world
354
972980
1880
Hogyan juthatunk olyan világba,
16:14
where we have not a few hundreds of millions of developers,
355
974860
4880
ahol nem pár száz millió fejlesztőnk van,
16:19
but over a billion developers, for instance?
356
979740
2640
hanem egymilliárdnál is több?
16:23
TD: At GitHub, one of our most important values,
357
983100
2320
TD: A GitHub-nál az egyik legfontosabb értékünk,
16:25
if not the most important value,
358
985460
1600
ha nem a legfontosabb,
16:27
is that we have the saying,
359
987060
1440
hogy minden döntésünkben,
16:28
as we always put the developer first in every decision we make,
360
988500
3000
minden terméktervezésben, folyamatban
16:31
every product design, every process.
361
991500
1800
mindig a fejlesztő van az első helyen.
16:33
My HR team is using GitHub.
362
993300
1400
HR-eseim a GitHubot használják.
16:34
My legal team is using GitHub,
363
994740
1440
Jogászaim a GitHubot használják,
16:36
which also means red lines are much easier
364
996180
2040
mert a vörös vonal könnyebben észlelhető,
16:38
because it’s just a diff and a pull request.
365
998220
2080
ez csak különbség és egy „pull request”.
16:40
And that comes with, you know,
366
1000300
1920
Ez azzal a meggyőződéssel jár,
16:42
the conviction that if you want to put developers first,
367
1002220
3240
hogy ha a fejlesztőket akarjuk előtérbe helyezni,
16:45
that means you want to make developers happier.
368
1005500
2400
hogy elégedettebbé akarjuk őket tenni.
16:47
Because happy developers are productive developers,
369
1007940
2400
Mivel az elégedett fejlesztők produktív fejlesztők,
16:50
productive developers are innovating and building great software.
370
1010340
3280
a produktív fejlesztők innoválnak és nagyszerű szoftvereket írnak.
16:53
And so Copilot is following that vision,
371
1013620
3280
A Copilotnak ez a jövőképe,
16:56
because we really built copilot back in 2020
372
1016940
3040
mert 2020-ban építettük a Copilot programot,
16:59
because we wanted to make our developers a little bit more productive,
373
1019980
3360
mert fejlesztőinket kissé produktívabbá és kissé boldogabbá akartuk tenni.
17:03
a little bit more happy.
374
1023380
1160
17:04
And we believe, you know,
375
1024580
1200
Hisszük,
17:05
that journey will continue throughout the next years.
376
1025820
2960
hogy ezen az úton járunk majd a következő években is.
17:08
If you think about the original Copilot,
377
1028820
1960
Ha az eredeti Copilotra gondolunk,
17:10
it was just predicting the next line of code, multiple lines of code,
378
1030780
3320
akkor csak a következő kódsor előrejelzése volt, több sor kódot,
összetett algoritmusokat,
17:14
complex algorithms, often just boilerplate,
379
1034140
2160
gyakran csak sablonszöveg kódok megmagyarázására,
17:16
you could explain code,
380
1036340
1160
17:17
you can now document that method,
381
1037500
1600
most dokumentálhatjuk a módszert,
17:19
you can write test cases.
382
1039140
2000
írhatunk teszteléseket.
17:21
And you can all do that in natural language.
383
1041180
2280
Mindezt természetes nyelven.
17:23
And that building block of a line of code
384
1043460
2600
Egy kódsor
vagy több kódsor építőköve növekedni fog,
17:26
or multiple lines of code
385
1046060
1200
17:27
is going to grow as the AI becomes more powerful.
386
1047300
2840
ahogy az MI megerősödik.
17:30
We will have smaller agents that write a whole module or a class,
387
1050140
4560
Kisebb ügynökeink lesznek, akik egész modult vagy osztályt írnak, olyasmit,
17:34
something that tests all our software so we don't have to write test cases.
388
1054740
3560
ami teszteli összes szoftverünket, így nem kell teszteléseket írnunk.
17:38
I don't know many developers that love writing test cases.
389
1058340
2720
Nem sok fejlesztőt ismerek, aki szeret teszteléseket írni.
17:41
It's more like, how little test cases can I get away with
390
1061100
2720
Kevés tesztelést lehet megúszni,
17:43
so I pass code review and can move on to the next cool thing.
391
1063820
3560
így átadom a kódfelülvizsgálatot, és új menő dologra léphetek tovább.
17:47
So we really are on that journey of sparking new ideas,
392
1067380
4160
Azon az úton járunk, hogy új ötleteket csiholjunk,
17:51
of enabling people to write a short prompt and getting a little mini game,
393
1071580
5560
hogy rövid üzenetet, mini játékot,
17:57
a little web page, a little module,
394
1077180
2240
kis weboldalt, kis modult,
17:59
a piece of code that pushes them forward,
395
1079460
2480
kódot írjunk, amely lehetővé teszi,
18:01
that lets them stay in their creative flow.
396
1081940
3480
hogy kreatív folyamatukban maradjanak
18:05
I know many people that use Copilot both in their work life, you know,
397
1085460
3880
Sok embert ismerek,
akik hétfőtől péntekig a Copilotot használják munkájukban, de azt is mondják:
18:09
from Monday through Friday,
398
1089340
1320
18:10
but also are telling me, “This is so great for my hobby projects that I work on
399
1090700
3720
„Ez annyira jó a hobbiprojektjeimhez, amelyeken vasárnap délután dolgozom,
18:14
on a Sunday afternoon, because I only have limited amount of time
400
1094420
3080
mert csak korlátozott időm van, és nehéz visszatérni a hobbimhoz,
18:17
and getting back on my hobby is hard
401
1097500
1720
18:19
if I constantly have to go to my browser and look things up,
402
1099260
3200
ha folyton be kell néznem a böngészőmbe,
18:22
how things are done instead of just staying in that flow."
403
1102460
2720
hogy miként zajlanak ott a dolgok.”
18:25
So we want to spark ideas, you know,
404
1105220
1880
Ötleteket akarunk csiholni,
szeretnénk „folyamatban tartani” fejlesztőinket,
18:27
we want to keep developers in the flow,
405
1107140
2000
18:29
and we want to enable, you know, a billion people on this planet,
406
1109180
3080
és lehetővé akarjuk tenni, hogy egymilliárd ember bolygónkon,
18:32
60-year-olds, you know, 20-year-olds, 50-year-olds,
407
1112260
2520
60 évesek, 20 évesek, 50 évesek,
18:34
anyone who wants to learn coding, to learn coding.
408
1114780
2840
bárki, aki akar tanulni, tanuljon programozni.
18:38
VG: That's kind of a great future, if you ask me.
409
1118100
2880
VG: Ez nagyszerű jövő.
18:40
Now, before we go, I know we're running out of time,
410
1120980
2440
Tudom, hogy fogytán az időnk,
18:43
but, I'm curious.
411
1123460
2040
de kíváncsi vagyok.
18:45
I mean, a lot of people know GitHub here.
412
1125500
2960
Sokan ismerik itt a GitHubot.
18:48
A lot of people know Copilot.
413
1128500
2280
Sokan ismerik a Copilotot.
18:52
I'm curious if you can share what comes next.
414
1132140
2440
Kíváncsi vagyok, mi következik.
18:54
What is GitHub working on?
415
1134620
1840
Min dolgozik a GitHub?
18:56
TD: So we have our conference coming up,
416
1136780
1960
TD: Közeleg a konferenciánk,
18:58
and we have a lot of exciting announcements
417
1138740
2200
és rengeteg izgalmas bejelentésünk van,
19:00
that I cannot share with you today.
418
1140980
1720
amelyeket ma nem oszthatok meg.
19:02
(Laughter)
419
1142700
1200
(Nevetés)
19:03
But I think, you know,
420
1143900
1280
De azt hiszem,
19:05
it goes along that journey that I mentioned
421
1145180
2600
minden azon az úton megy végbe, amelyről szó volt.
19:07
that we will, you know, introduce a new product
422
1147780
3040
Bemutatjuk új termékünket, amellyel új ötleteket indítunk,
19:10
that lets you spark new ideas
423
1150860
2080
és ahol felfedezhetik ezeket az ötleteket,
19:12
and where you can explore those ideas and build little cool apps.
424
1152940
3320
és klassz kis alkalmazásokat készíthetnek.
19:16
VG: Great, so a nice teaser.
425
1156700
1960
VG: Nagyszerű, szép feladat.
19:18
Looking forward to finding out more.
426
1158660
1800
Alig várom, hogy többet tudjak meg róla.
19:20
Thank you a lot.
427
1160460
1120
Nagyon köszönöm.
19:21
TD: Thank you.
428
1161580
1000
TD: Köszönöm.
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