How AI can save our humanity | Kai-Fu Lee

908,898 views ・ 2018-08-27

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Boglárka Forgács Lektor: Péter Pallós
00:12
I'm going to talk about how AI and mankind can coexist,
0
12640
4536
Az MI, a mesterséges intelligencia és az ember együttéléséről fogok beszélni,
00:17
but first, we have to rethink about our human values.
1
17200
3816
de először újra kell gondolnunk az emberi értékeinket.
00:21
So let me first make a confession about my errors in my values.
2
21040
4320
Először megvallom értékrendem hibáit.
00:25
It was 11 o'clock, December 16, 1991.
3
25920
4256
1991. december 16-a volt, reggel 11 óra.
00:30
I was about to become a father for the first time.
4
30200
2680
Életemben először már-már apa lettem.
00:33
My wife, Shen-Ling, lay in the hospital bed
5
33480
2856
Feleségem, Shen-Ling kórházi ágyon feküdt,
00:36
going through a very difficult 12-hour labor.
6
36360
3080
nagyon nehéz, 12 órás vajúdáson ment keresztül.
00:40
I sat by her bedside
7
40280
2296
Ugyan az ágya mellett ültem,
00:42
but looked anxiously at my watch,
8
42600
2376
de idegesen nézegettem az órámat,
00:45
and I knew something that she didn't.
9
45000
1800
és tudtam valamit, amit ő nem.
00:47
I knew that if in one hour,
10
47440
1800
Tudtam, hogy ha egy órán belül
00:50
our child didn't come,
11
50360
1936
nem születik meg a gyermekünk,
00:52
I was going to leave her there
12
52320
1936
akkor otthagyom a feleségem,
00:54
and go back to work
13
54280
1656
visszamegyek a munkahelyemre,
00:55
and make a presentation about AI
14
55960
2576
és prezentációt tartok az MI-ről főnökömnek,
00:58
to my boss, Apple's CEO.
15
58560
2200
az Apple vezérigazgatójának.
01:03
Fortunately, my daughter was born at 11:30 --
16
63160
3896
Szerencsére lányom 11:30-kor megszületett,
01:07
(Laughter)
17
67080
1936
(Nevetés)
01:09
(Applause)
18
69040
1936
(Taps)
01:11
sparing me from doing the unthinkable,
19
71000
4336
megkímélve engem attól, hogy megtegyem az elképzelhetetlent,
01:15
and to this day, I am so sorry
20
75360
2496
de azóta is nagyon sajnálom, hogy hagytam,
01:17
for letting my work ethic take precedence over love for my family.
21
77880
4656
hogy a munkaerkölcs elsőbbséget élvezzen családszeretetemmel szemben.
01:22
(Applause)
22
82560
5736
(Taps)
01:28
My AI talk, however, went off brilliantly.
23
88320
2616
Az MI-beszédem egyébként briliánsan sikerült.
01:30
(Laughter)
24
90960
2736
(Nevetés)
01:33
Apple loved my work and decided to announce it
25
93720
3136
Az Apple imádta a munkám, és úgy döntött, hogy bejelenti
01:36
at TED1992,
26
96880
2696
a TED1992 konferencián,
01:39
26 years ago on this very stage.
27
99600
3016
26 évvel ezelőtt, ugyanezen a színpadon.
01:42
I thought I had made one of the biggest, most important discoveries in AI,
28
102640
5056
Azt hittem, hogy az MI legnagyobb, legfontosabb felfedezését tettem,
01:47
and so did the "Wall Street Journal" on the following day.
29
107720
2920
és így hitte másnap a The Wall Street Journal is.
01:51
But as far as discoveries went,
30
111440
2536
De ahogy a felfedezések előrehaladtak,
01:54
it turned out,
31
114000
1336
kiderült,
01:55
I didn't discover India, or America.
32
115360
2776
hogy nem fedeztem fel se Indiát, se Amerikát.
01:58
Perhaps I discovered a little island off of Portugal.
33
118160
3080
Talán csak egy kis szigetet Portugália partjainál.
02:02
But the AI era of discovery continued,
34
122720
3256
De az MI felfedezéseinek korszaka folytatódott,
02:06
and more scientists poured their souls into it.
35
126000
3216
és egyre több tudós adta bele szívét-lelkét.
02:09
About 10 years ago, the grand AI discovery
36
129240
2616
Kb. tíz éve az MI-ben a nagy felfedezést,
02:11
was made by three North American scientists,
37
131880
3176
amit mélytanulásként ismerünk,
02:15
and it's known as deep learning.
38
135080
1600
három észak-amerikai tudós tette.
02:17
Deep learning is a technology that can take a huge amount of data
39
137400
3696
A mélytanulás olyan technológia, mely nagy mennyiségű adatot dolgoz fel
02:21
within one single domain
40
141120
1736
egy területen,
02:22
and learn to predict or decide at superhuman accuracy.
41
142880
4936
és emberfölötti pontossággal tanul meg előre jelezni vagy dönteni.
02:27
For example, if we show the deep learning network
42
147840
2776
Ha pl. nagyszámú ételfényképet mutatunk
02:30
a massive number of food photos,
43
150640
2816
a mélytanuló hálónak,
02:33
it can recognize food
44
153480
1576
az fel tudja ismerni,
02:35
such as hot dog or no hot dog.
45
155080
3296
hogy pl. az étel hot dog-e vagy nem.
02:38
(Applause)
46
158400
3136
(Taps)
02:41
Or if we show it many pictures and videos and sensor data
47
161560
5016
Vagy ha sok képet, videót és szenzoradatot mutatunk neki
02:46
from driving on the highway,
48
166600
2536
autópályán való vezetésről,
02:49
it can actually drive a car as well as a human being
49
169160
3280
akkor ugyanúgy el tud vezetni egy autót az autópályán,
02:53
on the highway.
50
173360
1656
mint egy ember.
02:55
And what if we showed this deep learning network
51
175040
2816
És mi van akkor, ha megmutatjuk ennek a mélytanuló hálónak
02:57
all the speeches made by President Trump?
52
177880
2400
Trump elnök összes beszédét?
03:01
Then this artificially intelligent President Trump,
53
181680
3000
Akkor ez a mesterséges Trump elnök,
03:05
actually the network --
54
185600
2216
valójában a háló...
03:07
(Laughter)
55
187840
1656
(Nevetés)
03:09
can --
56
189520
1216
tud...
03:10
(Applause)
57
190760
4056
(Taps)
03:14
You like double oxymorons, huh?
58
194840
2336
Szeretik a dupla oximoronokat, ugye?
03:17
(Laughter)
59
197200
3856
(Nevetés)
03:21
(Applause)
60
201080
6096
(Taps)
03:27
So this network, if given the request to make a speech about AI,
61
207200
5256
Tehát ez a háló, ha azt kérjük tőle, hogy tartson beszédet az MI-ről,
03:32
he, or it, might say --
62
212480
2640
akkor ő vagy a gép, ezt mondhatja:
03:36
(Recording) Donald Trump: It's a great thing
63
216280
2096
(Felvétel) Donald Trump: Jó dolog
03:38
to build a better world with artificial intelligence.
64
218400
2936
felépíteni egy jobb világot mesterséges intelligenciával.
03:41
Kai-Fu Lee: And maybe in another language?
65
221360
2016
Kai-Fu Lee: És talán egy másik nyelven is?
03:43
DT: (Speaking Chinese)
66
223400
1816
DT: (Kínaiul beszél)
03:45
(Laughter)
67
225240
1496
(Nevetés)
03:46
KFL: You didn't know he knew Chinese, did you?
68
226760
2160
KFL: Nem tudták, hogy beszél kínaiul?
03:50
So deep learning has become the core in the era of AI discovery,
69
230120
5016
Így a mélytanulás vált az MI felfedezések korszakának magjává,
03:55
and that's led by the US.
70
235160
1816
s ebben az USA-nak van vezető szerepe.
03:57
But we're now in the era of implementation,
71
237000
3256
De mi most a kivitelezés korszakában vagyunk,
04:00
where what really matters is execution, product quality, speed and data.
72
240280
5536
ahol a végrehajtás, a termékminőség, a sebesség és az adat számít.
04:05
And that's where China comes in.
73
245840
2096
Itt kerül Kína a képbe.
04:07
Chinese entrepreneurs,
74
247960
1576
Kínai vállalkozók,
04:09
who I fund as a venture capitalist,
75
249560
1896
akiket kockázatitőke-befektetőként finanszíroztam,
04:11
are incredible workers,
76
251480
1736
hihetetlen dolgozók,
04:13
amazing work ethic.
77
253240
1936
elképesztő munkaerkölccsel.
04:15
My example in the delivery room is nothing compared to how hard people work in China.
78
255200
5296
Szülőszobai példám semmiség ahhoz képest, amilyen keményen Kínában dolgoznak.
04:20
As an example, one startup tried to claim work-life balance:
79
260520
3696
Példának okáért, egy startup megpróbálta megkövetelni a munka-élet egyensúlyt.
04:24
"Come work for us because we are 996."
80
264240
3696
"Gyere, dolgozz nekünk, mert mi 996-osak vagyunk!"
04:27
And what does that mean?
81
267960
1256
De mit jelent ez?
04:29
It means the work hours of 9am to 9pm, six days a week.
82
269240
4400
Azt jelenti, hogy a munkaidő reggel 9-től este 9-ig tart, heti hat napon.
04:34
That's contrasted with other startups that do 997.
83
274960
3280
Ez ellentétben áll más startupokkal, amelyek 997-ben dolgoznak.
04:39
And the Chinese product quality has consistently gone up
84
279320
3096
A kínai termékminőség az elmúlt évtizedben
04:42
in the past decade,
85
282440
1696
folyamatosan növekedett,
04:44
and that's because of a fiercely competitive environment.
86
284160
4120
köszönhetően a kíméletlenül versenyképes környezetnek.
04:48
In Silicon Valley, entrepreneurs compete in a very gentlemanly fashion,
87
288760
5896
A Szilícium-völgyben a vállalkozók nagyon úri módon versenyeznek,
04:54
sort of like in old wars in which each side took turns
88
294680
3896
valahogy úgy, mint régi háborúkban,
ahol mindkét fél felváltva lőtt egymásra.
04:58
to fire at each other.
89
298600
1256
04:59
(Laughter)
90
299880
1056
(Nevetés)
05:00
But in the Chinese environment,
91
300960
2016
De a kínai környezetben
05:03
it's truly a gladiatorial fight to the death.
92
303000
2880
ez igazából vérre menő gladiátorviadal.
05:06
In such a brutal environment, entrepreneurs learn to grow very rapidly,
93
306920
6096
Ilyen brutális környezetben a vállalkozók megtanulnak gyorsan növekedni,
05:13
they learn to make their products better at lightning speed,
94
313040
3936
megtanulják, hogyan javítsák villámgyorsan termékeiket,
05:17
and they learn to hone their business models
95
317000
2336
és hogyan finomítsák üzleti modelljeiket addig,
05:19
until they're impregnable.
96
319360
1400
míg legyőzhetetlenek nem lesznek.
05:21
As a result, great Chinese products like WeChat and Weibo
97
321400
3856
Ennek eredményeképpen nagyszerű kínai termékek, mint a WeChat és a Weibo,
05:25
are arguably better
98
325280
1416
vitathatatlanul jobbak,
05:26
than the equivalent American products from Facebook and Twitter.
99
326720
3480
mint amerikai termékmegfelelőik, a Facebook és a Twitter.
05:31
And the Chinese market embraces this change
100
331920
3096
A kínai piac tárt karokkal üdvözli
05:35
and accelerated change and paradigm shifts.
101
335040
3016
e gyors változást és a paradigmaváltást.
05:38
As an example, if any of you go to China,
102
338080
2096
Ha pl. Kínába utaznak, látni fogják,
05:40
you will see it's almost cashless and credit card-less,
103
340200
4016
hogy az ország majdnem készpénz- és bankkártyamentes,
05:44
because that thing that we all talk about, mobile payment,
104
344240
2736
mert amiről nálunk mindenki beszél, a mobilos fizetés,
05:47
has become the reality in China.
105
347000
2416
Kínában valósággá vált.
05:49
In the last year,
106
349440
1296
Tavaly
05:50
18.8 trillion US dollars were transacted on mobile internet,
107
350760
5936
18,8 billió USA dollárt utaltak át mobil interneten keresztül,
05:56
and that's because of very robust technologies
108
356720
2936
köszönhetően annak a nagyon megbízható technológiának,
05:59
built behind it.
109
359680
1256
amit köré építettek.
06:00
It's even bigger than the China GDP.
110
360960
2440
Ez még Kína GDP-jénél is több.
06:04
And this technology, you can say, how can it be bigger than the GDP?
111
364120
3616
Ez a technológia, mondhatják, hogyan lehet nagyobb, mint a GDP?
06:07
Because it includes all transactions:
112
367760
1976
Azért, mert minden ügylet benne van:
06:09
wholesale, channels, retail, online, offline,
113
369760
3776
nagybani eladás, csatornák, kiskereskedelem, online, offline vásárlás,
06:13
going into a shopping mall or going into a farmers market like this.
114
373560
5056
bemenni egy bevásárlóközpontba, vagy termelői piacra, mint a képen is.
06:18
The technology is used by 700 million people
115
378640
3376
A technológiát 700 millió ember használja,
hogy egymásnak fizessenek, ne csak kereskedőknek,
06:22
to pay each other, not just merchants,
116
382040
2056
06:24
so it's peer to peer,
117
384120
1416
így közvetlen,
06:25
and it's almost transaction-fee-free.
118
385560
2680
és majdnem tranzakciódíj-mentes.
06:29
And it's instantaneous,
119
389720
2376
Azonnali,
06:32
and it's used everywhere.
120
392120
1440
és mindenhol használják.
06:34
And finally, the China market is enormous.
121
394320
3376
Végül, a kínai piac hatalmas.
06:37
This market is large,
122
397720
1976
Ez a piac terjedelmes,
06:39
which helps give entrepreneurs more users, more revenue,
123
399720
4496
mely segít a vállalkozóknak több felhasználót, jövedelmet,
06:44
more investment, but most importantly,
124
404240
2336
befektetést adni, de a legfontosabb:
06:46
it gives the entrepreneurs a chance to collect a huge amount of data
125
406600
4536
esélyt ad nekik arra, hogy rengeteg adatot gyűjtsenek össze,
06:51
which becomes rocket fuel for the AI engine.
126
411160
2960
mely rakétahajtóanyag az MI motorjának.
06:54
So as a result, the Chinese AI companies
127
414960
2936
Ennek eredményeként
a kínai MI cégek előretörtek,
06:57
have leaped ahead
128
417920
1736
06:59
so that today, the most valuable companies
129
419680
3096
így manapság a legértékesebb vállalatok
07:02
in computer vision, speech recognition,
130
422800
2616
a számítógépes látás, beszédfelismerés,
07:05
speech synthesis, machine translation and drones
131
425440
3416
beszédszintézis, gépi fordítás és drónok terén
07:08
are all Chinese companies.
132
428880
1920
mind kínai cégek.
07:11
So with the US leading the era of discovery
133
431400
3216
Az USA vezeti a felfedezés korszakát,
07:14
and China leading the era of implementation,
134
434640
3136
és Kína a kivitelezését,
07:17
we are now in an amazing age
135
437800
2256
mi pedig abban az elképesztő korban vagyunk,
07:20
where the dual engine of the two superpowers
136
440080
3256
ahol a két szuperhatalom kettős motorja
07:23
are working together
137
443360
1680
együtt dolgozik,
07:25
to drive the fastest revolution in technology
138
445960
3656
hogy a technológia leggyorsabb forradalmát vigye véghez,
07:29
that we have ever seen as humans.
139
449640
2360
amit mi, emberek valaha láttunk.
07:32
And this will bring tremendous wealth,
140
452640
2496
Ez hatalmas gazdagságot,
07:35
unprecedented wealth:
141
455160
1776
példátlan gazdagságot fog hozni:
07:36
16 trillion dollars, according to PwC,
142
456960
3896
16 billió dollárral nő, a PwC szerint,
07:40
in terms of added GDP to the worldwide GDP by 2030.
143
460880
5376
a világ GDP-je 2030-ra.
07:46
It will also bring immense challenges
144
466280
2616
Óriási kihívásokat is fog hozni
07:48
in terms of potential job replacements.
145
468920
3576
az esetleg megváltozó vagy eltűnő szakmáknak.
07:52
Whereas in the Industrial Age
146
472520
2160
Míg az ipari korban
07:55
it created more jobs
147
475880
1536
több munkahelyet teremtett,
07:57
because craftsman jobs were being decomposed into jobs in the assembly line,
148
477440
5776
mert a kézműves munkákat szétbontották szerelősor melletti munkákra,
08:03
so more jobs were created.
149
483240
1976
így több állást hoztak létre.
08:05
But AI completely replaces the individual jobs
150
485240
4936
De az MI teljesen lecseréli a szerelősorok melletti munkát
08:10
in the assembly line with robots.
151
490200
2256
robotokra.
08:12
And it's not just in factories,
152
492480
1936
Ez nemcsak gyárakban valósul meg,
08:14
but truckers, drivers
153
494440
2056
hanem kamionosokat, sofőröket,
08:16
and even jobs like telesales, customer service
154
496520
4096
még távértékesítőket, ügyfélszolgálatosokat,
08:20
and hematologists as well as radiologists
155
500640
2976
hematológusokat és radiológusokat is
08:23
over the next 15 years
156
503640
2096
fokozatosan felváltja majd
08:25
are going to be gradually replaced
157
505760
2536
az elkövetkező 15 évben
08:28
by artificial intelligence.
158
508320
1440
a mesterséges intelligencia.
08:30
And only the creative jobs --
159
510360
2056
Csak a kreatív munkák...
08:32
(Laughter)
160
512440
1976
(Laughter)
08:34
I have to make myself safe, right?
161
514440
2200
Be kell biztosítanom magam, nemde?
08:38
Really, the creative jobs are the ones that are protected,
162
518960
2976
A kreatív munkák védve vannak,
08:41
because AI can optimize but not create.
163
521960
3040
mert az MI optimalizálni tud, de alkotni nem.
08:45
But what's more serious than the loss of jobs
164
525960
3575
De a munkahelyek elvesztésénél is komolyabb
08:49
is the loss of meaning,
165
529559
1777
a jelentőség elvesztése,
08:51
because the work ethic in the Industrial Age
166
531360
3136
mert az ipari kor munkaerkölcse
08:54
has brainwashed us into thinking that work is the reason we exist,
167
534520
5616
kimosta az agyunkat, és elhitette velünk, hogy létezésünk értelme a munka,
09:00
that work defined the meaning of our lives.
168
540160
2936
hogy a munka jelenti életünk értelmét.
09:03
And I was a prime and willing victim to that type of workaholic thinking.
169
543120
6296
Én kiváló és önkéntes áldozata voltam e munkamániás gondolkodásnak.
09:09
I worked incredibly hard.
170
549440
1616
Hihetetlenül keményen dolgoztam.
09:11
That's why I almost left my wife in the delivery room,
171
551080
3576
Épp ezért hagytam majdnem a feleségemet a szülőszobán,
09:14
that's why I worked 996 alongside my entrepreneurs.
172
554680
4176
ezért dolgoztam 996-ban a vállalkozóimmal karöltve.
09:18
And that obsession that I had with work
173
558880
4416
Ez a munka iránti megszállottságom
09:23
ended abruptly a few years ago
174
563320
3056
ért hirtelen véget néhány évvel ezelőtt,
09:26
when I was diagnosed with fourth stage lymphoma.
175
566400
3920
amikor negyedik stádiumú limfómával diagnosztizáltak.
09:31
The PET scan here shows over 20 malignant tumors
176
571480
4136
A PET vizsgálat több mint húsz rosszindulatú daganatot mutat,
09:35
jumping out like fireballs,
177
575640
2176
úgy ugranak ki, mint tűzgolyók,
09:37
melting away my ambition.
178
577840
2576
szétzúzva ambícióimat.
09:40
But more importantly,
179
580440
1456
De ami még fontosabb:
09:41
it helped me reexamine my life.
180
581920
2736
segített újraértékelni az életemet.
09:44
Knowing that I may only have a few months to live
181
584680
3096
Tudván, hogy talán csak néhány hónapom van hátra,
09:47
caused me to see how foolish it was
182
587800
2936
ráébresztett, mennyire bolond voltam,
09:50
for me to base my entire self-worth
183
590760
3576
hogy az egész önértékelésemet arra alapoztam,
09:54
on how hard I worked and the accomplishments from hard work.
184
594360
4040
mennyire keményen dolgoztam, és mi lett ennek az eredménye.
09:59
My priorities were completely out of order.
185
599320
2976
A prioritásaim teljesen hibásak voltak.
10:02
I neglected my family.
186
602320
1600
Elhanyagoltam a családomat.
10:05
My father had passed away,
187
605000
1416
Édesapám elhunyt,
10:06
and I never had a chance to tell him I loved him.
188
606440
2800
és sosem volt esélyem elmondani neki, hogy szeretem.
10:10
My mother had dementia and no longer recognized me,
189
610120
3736
Édesanyámnak demenciája lett, és többé nem ismer meg engem,
10:13
and my children had grown up.
190
613880
1920
a gyerekeim pedig mind felnőttek.
10:16
During my chemotherapy,
191
616400
1656
A kemoterápiám alatt
10:18
I read a book by Bronnie Ware
192
618080
2456
olvastam egy könyvet Bronnie Ware-tól,
10:20
who talked about dying wishes and regrets of the people in the deathbed.
193
620560
5496
aki haldokló emberek utolsó kívánságairól és megbánásairól beszélt.
10:26
She found that facing death,
194
626080
2256
Úgy találta, hogy a halállal való szembenézéskor
10:28
nobody regretted that they didn't work hard enough in this life.
195
628360
3600
senki sem azt bánta, hogy nem dolgozott elég keményen az életben.
10:32
They only regretted that they didn't spend enough time with their loved ones
196
632880
5176
Csak azt bánták, hogy nem töltöttek elég időt szeretteikkel,
10:38
and that they didn't spread their love.
197
638080
2760
és nem fejezték ki szeretetüket.
10:42
So I am fortunately today in remission.
198
642400
4536
Szerencsére mára meggyógyultam.
10:46
(Applause)
199
646960
6856
(Taps)
10:53
So I can be back at TED again
200
653840
1976
Így újra itt lehetek a TED-en,
10:55
to share with you that I have changed my ways.
201
655840
3376
hogy megosszam önökkel: változtattam az életemen.
10:59
I now only work 965 --
202
659240
2760
Már csak 965-ben dolgozom,
11:03
occasionally 996, but usually 965.
203
663200
3976
alkalmanként 996-ben, de általában 965-ben.
11:07
I moved closer to my mother,
204
667200
1896
Közelebb költöztem édesanyámhoz,
11:09
my wife usually travels with me,
205
669120
2456
a feleségem általában velem utazik,
11:11
and when my kids have vacation, if they don't come home, I go to them.
206
671600
3816
és amikor a gyerekeimnek vakációjuk van, ha nem jönnek haza, én megyek hozzájuk.
11:15
So it's a new form of life
207
675440
2456
Úgyhogy ez új életmód,
11:17
that helped me recognize
208
677920
1816
ami segített felismerni,
11:19
how important it is that love is for me,
209
679760
3176
mennyire fontos a szeretet számomra,
11:22
and facing death helped me change my life,
210
682960
3416
és a halállal való szembenézés segített változtatni az életemen,
11:26
but it also helped me see a new way
211
686400
2456
de abban is segített, hogy új szemszögből lássam,
11:28
of how AI should impact mankind
212
688880
3776
az MI-nek hogyan kellene hatással lennie az emberiségre,
11:32
and work and coexist with mankind,
213
692680
2480
vele együtt dolgozni és létezni,
11:36
that really, AI is taking away a lot of routine jobs,
214
696680
4496
hogy az MI rutinmunkákat vesz el,
11:41
but routine jobs are not what we're about.
215
701200
3656
de mi nem a rutinmunkákért létezünk.
11:44
Why we exist is love.
216
704880
2256
A szeretetért létezünk.
11:47
When we hold our newborn baby,
217
707160
2096
Amikor újszülött babánkat tartjuk,
11:49
love at first sight,
218
709280
1496
az szerelem első látásra,
11:50
or when we help someone in need,
219
710800
1776
vagy amikor segítünk valaki rászorulónak,
11:52
humans are uniquely able to give and receive love,
220
712600
4256
az emberek különösen képesek szeretetet adni és kapni,
11:56
and that's what differentiates us from AI.
221
716880
2800
és ez különböztet meg minket az MI-től.
12:00
Despite what science fiction may portray,
222
720800
2696
Annak ellenére, amit a science fiction lefest,
12:03
I can responsibly tell you that AI has no love.
223
723520
3736
felelősségteljesen mondhatom, hogy az MI nem képes szeretetre.
12:07
When AlphaGo defeated the world champion Ke Jie,
224
727280
3536
Amikor az AlphaGo legyőzte a világbajnok Ko Csiet,
12:10
while Ke Jie was crying and loving the game of go,
225
730840
3096
akkor míg Ko Csie sírt, s szerette a t,
12:13
AlphaGo felt no happiness from winning
226
733960
3176
az AlphaGo nem érzett győzelmi örömet,
12:17
and certainly no desire to hug a loved one.
227
737160
4480
és biztosan nem vágyott megölelni egy szerettét.
12:23
So how do we differentiate ourselves
228
743600
2656
Hogyan különböztetjük meg magunkat
12:26
as humans in the age of AI?
229
746280
2536
emberként az MI korában?
12:28
We talked about the axis of creativity,
230
748840
3096
Beszéltünk a kreativitás tengelyéről,
12:31
and certainly that is one possibility,
231
751960
2856
és ez biztosan az egyik lehetőség,
12:34
and now we introduce a new axis
232
754840
2296
most pedig bemutatunk egy új tengelyt,
12:37
that we can call compassion, love, or empathy.
233
757160
3616
amit hívhatunk együttérzésnek, szeretetnek vagy empátiának.
12:40
Those are things that AI cannot do.
234
760800
2576
E dolgokat az MI nem képes megtenni.
12:43
So as AI takes away the routine jobs,
235
763400
2816
Így ahogy az MI elveszi a rutinmunkákat,
12:46
I like to think we can, we should and we must create jobs of compassion.
236
766240
4960
szeretem azt hinni, hogy létre tudunk és létre is kell hozni együttérző munkákat.
12:51
You might ask how many of those there are,
237
771800
2336
Kérdezhetnék, hogy mennyi van belőlük,
12:54
but I would ask you:
238
774160
1616
de én kérdezném önöktől:
12:55
Do you not think that we are going to need a lot of social workers
239
775800
3816
nem gondolják, hogy sok szociális munkásra lesz szükségünk
12:59
to help us make this transition?
240
779640
1600
az átmenet megvalósításához?
13:01
Do you not think we need a lot of compassionate caregivers
241
781960
3256
Nem gondolják, hogy szükségünk van sok jószívű gondozóra,
13:05
to give more medical care to more people?
242
785240
2696
hogy több egészségügyi ellátást adjanak még több embernek?
13:07
Do you not think we're going to need 10 times more teachers
243
787960
3256
Nem gondolják, hogy tízszer ennyi tanárra lesz szükségünk,
13:11
to help our children find their way
244
791240
2776
hogy segítsenek a gyerekeinknek megtalálni a helyüket,
13:14
to survive and thrive in this brave new world?
245
794040
3256
túlélni és boldogulni ebben a szép új világban?
13:17
And with all the newfound wealth,
246
797320
2440
Az összes újonnan felfedezett jóléttel
13:19
should we not also make labors of love into careers
247
799800
4536
nem kellene-e szívügyeinket szakmává alakítani,
13:24
and let elderly accompaniment
248
804360
2696
és engedni az idősgondozást
13:27
or homeschooling become careers also?
249
807080
3496
vagy az otthoni tanulást karrierré válni?
13:30
(Applause)
250
810600
5280
(Taps)
13:36
This graph is surely not perfect,
251
816800
2256
Ez a grafikon biztosan nem tökéletes,
13:39
but it points at four ways that we can work with AI.
252
819080
3536
de négy módot mutat az MI-vel való munkára.
13:42
AI will come and take away the routine jobs
253
822640
3576
Az MI eljön, és elveszi a rutinmunkákat,
13:46
and in due time, we will be thankful.
254
826240
2040
és egyszer majd hálásak leszünk érte.
13:49
AI will become great tools for the creatives
255
829000
3096
Az MI nagyszerű eszköze lesz a kreatív embereknek,
13:52
so that scientists, artists, musicians and writers
256
832120
3656
így tudósok, művészek, zenészek és írók
13:55
can be even more creative.
257
835800
1600
még kreatívabbak lehetnek.
13:58
AI will work with humans as analytical tools
258
838120
5376
Az MI elemzőeszközként fog együtt dolgozni az emberekkel,
14:03
that humans can wrap their warmth around
259
843520
2696
hogy melegséget vihessenek
14:06
for the high-compassion jobs.
260
846240
1896
a nagy együttérzést igénylő munkákba.
14:08
And we can always differentiate ourselves
261
848160
2656
Mi mindig meg tudjuk különböztetni magunkat
14:10
with the uniquely capable jobs
262
850840
1816
egyedi foglalkozásokkal,
14:12
that are both compassionate and creative,
263
852680
3616
melyek mind könyörületességet igényelnek és kreatívak,
14:16
using and leveraging our irreplaceable brains and hearts.
264
856320
5176
használják és hasznosítják a pótolhatatlan agyunkat és szívünket.
14:21
So there you have it:
265
861520
1296
Tehát íme:
14:22
a blueprint of coexistence for humans and AI.
266
862840
3640
egy terv az ember és az MI együttélésére.
14:27
AI is serendipity.
267
867400
1816
Az MI szerencsés véletlen.
14:29
It is here to liberate us from routine jobs,
268
869240
2976
Itt van, hogy felszabadítson minket a rutinmunkák alól,
14:32
and it is here to remind us what it is that makes us human.
269
872240
3680
és emlékeztessen arra, ami minket emberré tesz.
14:36
So let us choose to embrace AI and to love one another.
270
876440
3976
Így válasszuk a mesterséges intelligenciát, és szeressük egymást.
14:40
Thank you.
271
880440
1216
Köszönöm!
14:41
(Applause)
272
881680
6160
(Taps)
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