Damon Horowitz calls for a "moral operating system"

94,639 views ・ 2011-06-06

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Orsolya Szemere Lektor: Laszlo Kereszturi
00:15
Power.
0
15260
2000
Erő.
00:17
That is the word that comes to mind.
1
17260
2000
Ez a szó jut eszembe.
00:19
We're the new technologists.
2
19260
2000
Mi vagyunk az új technológus szakemberek.
00:21
We have a lot of data, so we have a lot of power.
3
21260
3000
Rengeteg adatunk van, így nagy a hatalmunk!
00:24
How much power do we have?
4
24260
2000
Mekkora a hatalmunk?
00:26
Scene from a movie: "Apocalypse Now" -- great movie.
5
26260
3000
Jelenet egy filmből: "Apokalipszis most" -- nagyszerű film.
00:29
We've got to get our hero, Captain Willard, to the mouth of the Nung River
6
29260
3000
El kell vinnünk hősünket, Willard Kapitányt a Nung folyó torkolatához,
00:32
so he can go pursue Colonel Kurtz.
7
32260
2000
hogy elkaphassa Kurtz ezredest.
00:34
The way we're going to do this is fly him in and drop him off.
8
34260
2000
Úgy fogjuk ezt véghezvinni, hogy beröpítjük, majd ledobjuk.
00:36
So the scene:
9
36260
2000
Tehát a jelenet:
00:38
the sky is filled with this fleet of helicopters carrying him in.
10
38260
3000
az égbolt alig látszik a helikopter flottától, ami őt szállítja.
00:41
And there's this loud, thrilling music in the background,
11
41260
2000
És itt van ez a hangos, balsejtelmű zene a háttérben,
00:43
this wild music.
12
43260
2000
ez a vad zene.
00:45
♫ Dum da ta da dum ♫
13
45260
2000
♫ Dum da ta da dum ♫
00:47
♫ Dum da ta da dum ♫
14
47260
2000
♫ Dum da ta da dum ♫
00:49
♫ Da ta da da ♫
15
49260
3000
♫ Da ta da da ♫
00:52
That's a lot of power.
16
52260
2000
Na ez rengeteg erő!
00:54
That's the kind of power I feel in this room.
17
54260
2000
Ez az az erő, amit ebben a helységben is érzékelek.
00:56
That's the kind of power we have
18
56260
2000
Ez az az erő, amink van
00:58
because of all of the data that we have.
19
58260
2000
a sok adat eredményeképpen, amink van.
01:00
Let's take an example.
20
60260
2000
Vegyünk egy példát.
01:02
What can we do
21
62260
2000
Mit tehetünk
01:04
with just one person's data?
22
64260
3000
egyetlen ember adataival?
01:07
What can we do
23
67260
2000
Mit tehetünk
01:09
with that guy's data?
24
69260
2000
annak a srácnak az adataival?
01:11
I can look at your financial records.
25
71260
2000
Megnézhetem a pénzügyi nyilvántartásaidat.
01:13
I can tell if you pay your bills on time.
26
73260
2000
Megmondhatom, hogy időben fizeted-e ki a számláidat.
01:15
I know if you're good to give a loan to.
27
75260
2000
Tudom, hogy olyan vagy-e, akinek érdemes kölcsönt adni.
01:17
I can look at your medical records; I can see if your pump is still pumping --
28
77260
3000
Megnézhetem az orvosi feljegyzéseidet, hogy a szíved pumpál-e még --
01:20
see if you're good to offer insurance to.
29
80260
3000
hogy vajon érdemes-e neked biztosítást ajánlani.
01:23
I can look at your clicking patterns.
30
83260
2000
Meg tudom nézni a választási szokásaidat.
01:25
When you come to my website, I actually know what you're going to do already
31
85260
3000
Amikor a weboldalamra lépsz, akkor már gyakorlatilag tudom, mit fogsz ott tenni,
01:28
because I've seen you visit millions of websites before.
32
88260
2000
mert láttam, ahogy többmillió weboldalt végigböngésztél.
01:30
And I'm sorry to tell you,
33
90260
2000
És sajnálom, hogy ezt kell mondjam,
01:32
you're like a poker player, you have a tell.
34
92260
2000
de olyan vagy, mint egy pókerjátékos, lebuktál.
01:34
I can tell with data analysis what you're going to do
35
94260
2000
Meg tudom mondani adatelemzéssel, hogy
01:36
before you even do it.
36
96260
2000
mit fogsz tenni, még mielőtt megtennéd.
01:38
I know what you like. I know who you are,
37
98260
3000
Tudom, mit szeretsz. Tudom, ki vagy.
01:41
and that's even before I look at your mail
38
101260
2000
És mindezt még azelőtt, hogy megnéztem
01:43
or your phone.
39
103260
2000
volna a levelezésedet, vagy a telefonodat!
01:45
Those are the kinds of things we can do
40
105260
2000
Ilyesféléket vagyunk képesek leolvasni
01:47
with the data that we have.
41
107260
3000
azon adatok alapján, amik vannak.
01:50
But I'm not actually here to talk about what we can do.
42
110260
3000
De valójában nem azért vagyok itt, hogy arról beszéljek, mit tehetünk.
01:56
I'm here to talk about what we should do.
43
116260
3000
Azért vagyok itt, hogy arról beszéljek, hogy mit kéne tennünk.
02:00
What's the right thing to do?
44
120260
3000
Mi a helyes cselekedet?
02:04
Now I see some puzzled looks
45
124260
2000
Most látok néhány zavarodott tekintetet,
02:06
like, "Why are you asking us what's the right thing to do?
46
126260
3000
azaz, "Miért kérdezi tőlünk, hogy mi a helyes cselekedet?
02:09
We're just building this stuff. Somebody else is using it."
47
129260
3000
Mi csak építjük ezeket a cuccokat! Valaki más meg használja!
02:12
Fair enough.
48
132260
3000
Persze, igaz.
02:15
But it brings me back.
49
135260
2000
De ez megint visszavezet oda.
02:17
I think about World War II --
50
137260
2000
A II. világháborúra gondolok --
02:19
some of our great technologists then,
51
139260
2000
néhány akkori nagy szakemberünkre,
02:21
some of our great physicists,
52
141260
2000
néhány nagy fizikusunkra,
02:23
studying nuclear fission and fusion --
53
143260
2000
akik nukleáris maghasadást és fúziót tanulmányoztak --
02:25
just nuclear stuff.
54
145260
2000
csak nukleáris dolgokat.
02:27
We gather together these physicists in Los Alamos
55
147260
3000
Összejövünk ezekkel a fizikusokkal Los Alamosban,
02:30
to see what they'll build.
56
150260
3000
hogy megnézzük, mit fognak összehozni.
02:33
We want the people building the technology
57
153260
3000
Azt akarjuk, hogy az emberek építsenek technológiákat,
02:36
thinking about what we should be doing with the technology.
58
156260
3000
miközben arra gondolunk, hogy mit kéne tennünk ezzel a technológiával.
02:41
So what should we be doing with that guy's data?
59
161260
3000
Nos, mit kezdenénk a srác adataival?
02:44
Should we be collecting it, gathering it,
60
164260
3000
Összeszednénk, összegyűjtenénk,
02:47
so we can make his online experience better?
61
167260
2000
azért, hogy az internetes élményei jobbak legyenek?
02:49
So we can make money?
62
169260
2000
Hogy pénzt csináljunk belőle?
02:51
So we can protect ourselves
63
171260
2000
Hogy meg tudjuk védeni magunkat ellene,
02:53
if he was up to no good?
64
173260
2000
ha valami rosszban törné a fejét?
02:55
Or should we respect his privacy,
65
175260
3000
Vagy tartsuk tiszteletben a magánszféráját,
02:58
protect his dignity and leave him alone?
66
178260
3000
és méltóságát és hagyjuk békén?
03:02
Which one is it?
67
182260
3000
Na, melyik legyen?
03:05
How should we figure it out?
68
185260
2000
Hogy találjuk ki?
03:07
I know: crowdsource. Let's crowdsource this.
69
187260
3000
Tudom már: közvélemény kutatás. Csináljuk azt!
03:11
So to get people warmed up,
70
191260
3000
A bemelegítés kedvéért
03:14
let's start with an easy question --
71
194260
2000
kezdjünk egy könnyű kérdéssel --
03:16
something I'm sure everybody here has an opinion about:
72
196260
3000
valami olyannal, amiről itt szerintem mindenkinek
03:19
iPhone versus Android.
73
199260
2000
van véleménye: iPhone és Android.
03:21
Let's do a show of hands -- iPhone.
74
201260
3000
Emeljék fel a kezüket, akik iPhone-ra szavaznak.
03:24
Uh huh.
75
204260
2000
Aha.
03:26
Android.
76
206260
3000
Android.
03:29
You'd think with a bunch of smart people
77
209260
2000
Az ember azt gondolná, hogy ennyi okos ember
03:31
we wouldn't be such suckers just for the pretty phones.
78
211260
2000
nem mind balek, hogy a szép telefont válassza!
03:33
(Laughter)
79
213260
2000
(Nevetés)
03:35
Next question,
80
215260
2000
Következő kérdés,
03:37
a little bit harder.
81
217260
2000
egy kicsit nehezebb.
03:39
Should we be collecting all of that guy's data
82
219260
2000
Azért gyűjtsük össze a srác adatait,
03:41
to make his experiences better
83
221260
2000
hogy az élményeit színesítsük,
03:43
and to protect ourselves in case he's up to no good?
84
223260
3000
és megvédjük magunkat, ha rosszat akarna?
03:46
Or should we leave him alone?
85
226260
2000
Vagy hagyjuk meg magának?
03:48
Collect his data.
86
228260
3000
Gyűjtsük az adatait.
03:53
Leave him alone.
87
233260
3000
Hagyjuk magának.
03:56
You're safe. It's fine.
88
236260
2000
Biztonságban vannak. Minden OK.
03:58
(Laughter)
89
238260
2000
(Nevetés)
04:00
Okay, last question --
90
240260
2000
OK, utolsó kérdés --
04:02
harder question --
91
242260
2000
nehezebb kérdés --
04:04
when trying to evaluate
92
244260
3000
amikor próbáljuk mérlegelni, hogy
04:07
what we should do in this case,
93
247260
3000
vajon mit tegyünk egy ilyen esetben,
04:10
should we use a Kantian deontological moral framework,
94
250260
4000
a Kant-féle etikai erkölcs keretében,
04:14
or should we use a Millian consequentialist one?
95
254260
3000
vagy a Mill-féle következetes gondolkodásmód szerint járjunk el?
04:19
Kant.
96
259260
3000
Kant.
04:22
Mill.
97
262260
3000
Mill.
04:25
Not as many votes.
98
265260
2000
Most nincs annyi szavazat.
04:27
(Laughter)
99
267260
3000
(Nevetés)
04:30
Yeah, that's a terrifying result.
100
270260
3000
Hát igen, na ez ijesztő eredmény.
04:34
Terrifying, because we have stronger opinions
101
274260
4000
Azért ijesztő, mert határozottabb véleményünk
04:38
about our hand-held devices
102
278260
2000
van a kézzelfogható eszközeinkkel kapcsolatban,
04:40
than about the moral framework
103
280260
2000
mint az erkölcsi keretekkel kapcsolatban,
04:42
we should use to guide our decisions.
104
282260
2000
amiket útmutatóul kéne használnunk a döntéseinkhez.
04:44
How do we know what to do with all the power we have
105
284260
3000
Honnan tudhatnánk akkor, hogy mit kezdjünk az összes
04:47
if we don't have a moral framework?
106
287260
3000
rendelkezésünkre álló erővel, ha nincs erkölcsi keretünk?
04:50
We know more about mobile operating systems,
107
290260
3000
Többet tudunk a mobilok operációs rendszeréről,
04:53
but what we really need is a moral operating system.
108
293260
3000
de amire igazán szükségünk lenne, az egy erkölcsi operációs rendszer.
04:58
What's a moral operating system?
109
298260
2000
Mi az az erkölcsi operációs rendszer?
05:00
We all know right and wrong, right?
110
300260
2000
Mind tudjuk, mi a jó és a rossz, igaz?
05:02
You feel good when you do something right,
111
302260
2000
Jól érezzük magunkat, amikor valami jót teszünk,
05:04
you feel bad when you do something wrong.
112
304260
2000
rosszul érezzük magunkat, amikor valami rosszat teszünk.
05:06
Our parents teach us that: praise with the good, scold with the bad.
113
306260
3000
Szüleink tanítják ezt: dicséret jár, ha jók vagyunk, szidás, ha rosszak.
05:09
But how do we figure out what's right and wrong?
114
309260
3000
De mi alapján döntjük el, mi a jó és a rossz?
05:12
And from day to day, we have the techniques that we use.
115
312260
3000
És napról napra különféle technikákat használunk ennek érdekében.
05:15
Maybe we just follow our gut.
116
315260
3000
Előfordul, hogy csak a hasunkra ütünk.
05:18
Maybe we take a vote -- we crowdsource.
117
318260
3000
Lehet, hogy szavazatokat számlálunk -- közvélemény kutatást végzünk.
05:21
Or maybe we punt --
118
321260
2000
Vagy hazardírozunk --
05:23
ask the legal department, see what they say.
119
323260
3000
megkérdezzük a jogi osztályt, lássuk, mit mondanak ők.
05:26
In other words, it's kind of random,
120
326260
2000
Más szóval, elég esetleges,
05:28
kind of ad hoc,
121
328260
2000
eléggé ad hoc,
05:30
how we figure out what we should do.
122
330260
3000
az, ahogy kitaláljuk, mit is tegyünk.
05:33
And maybe, if we want to be on surer footing,
123
333260
3000
És lehet, hogy ha biztosabb alapokat akarunk,
05:36
what we really want is a moral framework that will help guide us there,
124
336260
3000
akkor valójában egy erkölcsi keretet szeretnénk, ami segít eligazodni,
05:39
that will tell us what kinds of things are right and wrong in the first place,
125
339260
3000
ami megmondaná, hogy melyek azok a dolgok, amik elsőkézből jók, vagy rosszak,
05:42
and how would we know in a given situation what to do.
126
342260
4000
és hogyan tudhatjuk meg egy adott szituban, hogy mit tegyünk.
05:46
So let's get a moral framework.
127
346260
2000
Határozzunk meg akkor egy erkölcsi keretet.
05:48
We're numbers people, living by numbers.
128
348260
3000
A számok emberei vagyunk, számok szerint
05:51
How can we use numbers
129
351260
2000
élünk. Hogyan használhatjuk fel a számokat
05:53
as the basis for a moral framework?
130
353260
3000
az erkölcsi keret alapjául?
05:56
I know a guy who did exactly that.
131
356260
3000
Ismerek egy srácot, aki éppen ezt tette,
05:59
A brilliant guy --
132
359260
3000
nagyszerű srác --
06:02
he's been dead 2,500 years.
133
362260
3000
már 2500 éve meghalt.
06:05
Plato, that's right.
134
365260
2000
Plátón, igen.
06:07
Remember him -- old philosopher?
135
367260
2000
Emlékeznek rá -- ókori filozófusra?
06:09
You were sleeping during that class.
136
369260
3000
Aludtak az alatt az óra alatt.
06:12
And Plato, he had a lot of the same concerns that we did.
137
372260
2000
Nos, Plátónnak hasonló aggályai voltak, mint nekünk.
06:14
He was worried about right and wrong.
138
374260
2000
Ő is a jó és rossz kérdése miatt aggodalmaskodott.
06:16
He wanted to know what is just.
139
376260
2000
Tudni akarta, mi az igazságos.
06:18
But he was worried that all we seem to be doing
140
378260
2000
De nehezményezte, hogy úgy tűnik, mindössze
06:20
is trading opinions about this.
141
380260
2000
annyit teszünk ezügyben, hogy véleményekkel kereskedünk.
06:22
He says something's just. She says something else is just.
142
382260
3000
Az egyik azt mondja, ez az igazságos. A másik a másikra szavaz.
06:25
It's kind of convincing when he talks and when she talks too.
143
385260
2000
Az is meggyőző, ha az egyik beszél, de az is, ha a másik beszél.
06:27
I'm just going back and forth; I'm not getting anywhere.
144
387260
2000
Így csak oda-vissza dőlök; sehova sem jutok!
06:29
I don't want opinions; I want knowledge.
145
389260
3000
Nem véleményeket akarok, hanem tudást!
06:32
I want to know the truth about justice --
146
392260
3000
Tudni akarom az igazat az igazsággal kapcsolatban --
06:35
like we have truths in math.
147
395260
3000
mint ahogy a matekban is vannak igazságok.
06:38
In math, we know the objective facts.
148
398260
3000
Matekban ismerjük az objektív tényeket.
06:41
Take a number, any number -- two.
149
401260
2000
Vegyünk egy számot, bármelyiket -- kettő.
06:43
Favorite number. I love that number.
150
403260
2000
A kedvencem. Imádom ezt a számot.
06:45
There are truths about two.
151
405260
2000
Vannak igazságok a kettővel kapcsolatban.
06:47
If you've got two of something,
152
407260
2000
Ha van két akármid,
06:49
you add two more, you get four.
153
409260
2000
és hozzáadsz még kettőt, akkor négyed lesz.
06:51
That's true no matter what thing you're talking about.
154
411260
2000
Ez így igaz, teljesen mindegy, miről beszélünk.
06:53
It's an objective truth about the form of two,
155
413260
2000
Ez egy objektív igazság a kettő formájával kapcsolatban,
06:55
the abstract form.
156
415260
2000
az elvont formájával kapcsolatban.
06:57
When you have two of anything -- two eyes, two ears, two noses,
157
417260
2000
Ha van két akármid -- két szem, két fül, két orr,
06:59
just two protrusions --
158
419260
2000
csak két kiálló valamid --
07:01
those all partake of the form of two.
159
421260
3000
akkor azok együtt teszik ki a kettő alakját.
07:04
They all participate in the truths that two has.
160
424260
4000
Ketten együtt vesznek részt abban az igazságban, amivel a kettő bír.
07:08
They all have two-ness in them.
161
428260
2000
Mindegyikükben benne van a kettő-ség.
07:10
And therefore, it's not a matter of opinion.
162
430260
3000
Ez tehát nem vélemény kérdése.
07:13
What if, Plato thought,
163
433260
2000
Mi van akkor, ha Platón szerint
07:15
ethics was like math?
164
435260
2000
az etika is olyan, mint a matek?
07:17
What if there were a pure form of justice?
165
437260
3000
Mi van akkor, ha létezik az igazságosság tiszta formában?
07:20
What if there are truths about justice,
166
440260
2000
Ha vannak igazságok az igazságossággal kapcsolatban?
07:22
and you could just look around in this world
167
442260
2000
és csak egyszerűen körbe kéne nézni a világban
07:24
and see which things participated,
168
444260
2000
és meglátnánk, mely dolgok alkotják,
07:26
partook of that form of justice?
169
446260
3000
vesznek részt az igazságosság megformálásában?
07:29
Then you would know what was really just and what wasn't.
170
449260
3000
Akkor tudnánk, mi az, ami tényleg igazságos, és mi nem.
07:32
It wouldn't be a matter
171
452260
2000
Nem lenne többé pusztán
07:34
of just opinion or just appearances.
172
454260
3000
vélemény, vagy külső megjelenés függvénye.
07:37
That's a stunning vision.
173
457260
2000
Ez egy lélegzetelállító jövőkép.
07:39
I mean, think about that. How grand. How ambitious.
174
459260
3000
Gondolják csak el, milyen nagyszabású, nagyratörő elképzelés!
07:42
That's as ambitious as we are.
175
462260
2000
Olyan nagyratörő, amilyenek mi vagyunk.
07:44
He wants to solve ethics.
176
464260
2000
Meg akarja oldani az erkölcs kérdését.
07:46
He wants objective truths.
177
466260
2000
Objektív igazságokat akar.
07:48
If you think that way,
178
468260
3000
Ha ilyen elvek mentén gondolkozol,
07:51
you have a Platonist moral framework.
179
471260
3000
akkor Plátóni erkölcsi kereteket alkalmazol.
07:54
If you don't think that way,
180
474260
2000
Ha nem így gondolkozol,
07:56
well, you have a lot of company in the history of Western philosophy,
181
476260
2000
nos, akkor sok kísérőd lesz a Nyugati filozófia történetéből,
07:58
because the tidy idea, you know, people criticized it.
182
478260
3000
mert minél rendezettebb egy elképzelés -- tudjuk, annál többen kritizálják.
08:01
Aristotle, in particular, he was not amused.
183
481260
3000
Arisztotelész különösképpen, egyáltalán nem volt lenyűgözve.
08:04
He thought it was impractical.
184
484260
3000
Szerinte ez járhatatlan, megvalósíthatatlan.
08:07
Aristotle said, "We should seek only so much precision in each subject
185
487260
4000
Arisztotelész azt mondta: "Csak annyi pontosságot keressünk mindenben,
08:11
as that subject allows."
186
491260
2000
amennyit az a téma megenged!"
08:13
Aristotle thought ethics wasn't a lot like math.
187
493260
3000
Arisztotelész szerint az etika egyáltalán nem olyan, mint a matek.
08:16
He thought ethics was a matter of making decisions in the here-and-now
188
496260
3000
Szerinte az erkölcs az itt-és-most döntésekről szól,
08:19
using our best judgment
189
499260
2000
számításba véve tőlünk telhető legjobb ítélkezést,
08:21
to find the right path.
190
501260
2000
a járható út megtalálása érdekében.
08:23
If you think that, Plato's not your guy.
191
503260
2000
Ha így gondolkodsz, akkor Plátón nem a te figurád,
08:25
But don't give up.
192
505260
2000
de azért ne add fel!
08:27
Maybe there's another way
193
507260
2000
Talán van egy másik mód arra, hogy
08:29
that we can use numbers as the basis of our moral framework.
194
509260
3000
felhasználhassuk a számokat erkölcsi keretünk alapjaként.
08:33
How about this:
195
513260
2000
Mit szóltok ehhez:
08:35
What if in any situation you could just calculate,
196
515260
3000
Mi van akkor, ha bármely helyzetben ki tudnák számolni
08:38
look at the choices,
197
518260
2000
számításba véve a választási lehetőségeket,
08:40
measure out which one's better and know what to do?
198
520260
3000
ki tudnák mérni, melyik a jobb, és akkor mit lehet tenni?
08:43
That sound familiar?
199
523260
2000
Ismerősen hangzik?
08:45
That's a utilitarian moral framework.
200
525260
3000
Ez az utilitárius erkölcsi keret.
08:48
John Stuart Mill was a great advocate of this --
201
528260
2000
John Stuart Mill nagy támogatója volt ennek --
08:50
nice guy besides --
202
530260
2000
jó srácok vannak mellettünk --
08:52
and only been dead 200 years.
203
532260
2000
és csak 200 éve halott.
08:54
So basis of utilitarianism --
204
534260
2000
Tehát az utilitarizmus alapja --
08:56
I'm sure you're familiar at least.
205
536260
2000
biztos vagyok benne, hogy legalább fogalmatok van róla.
08:58
The three people who voted for Mill before are familiar with this.
206
538260
2000
Az a 3 ember, aki az előbb rá szavazott, legalábbis ismeri.
09:00
But here's the way it works.
207
540260
2000
De megmutatom, hogy működik ez.
09:02
What if morals, what if what makes something moral
208
542260
3000
Mi van akkor, ha az tesz valamit erkölcsössé,
09:05
is just a matter of if it maximizes pleasure
209
545260
2000
csak annak a függvénye, hogy az örömet maximalizálja,
09:07
and minimizes pain?
210
547260
2000
és a fájdalmat minimalizálja?
09:09
It does something intrinsic to the act.
211
549260
3000
Ennek valamiféle lényegi hatása van a cselekedetre.
09:12
It's not like its relation to some abstract form.
212
552260
2000
Nem olyan, mint az elvont dolgokkal való kapcsolat.
09:14
It's just a matter of the consequences.
213
554260
2000
Hanem csak a következmény a lényeges.
09:16
You just look at the consequences
214
556260
2000
Csak megnézzük a következményeket,
09:18
and see if, overall, it's for the good or for the worse.
215
558260
2000
és megnézzük, hogy összességében jót okoz, vagy rosszat.
09:20
That would be simple. Then we know what to do.
216
560260
2000
Ez igen egyszerű lenne. Akkor tudnánk, mit
09:22
Let's take an example.
217
562260
2000
kell tenni. Vegyünk egy példát.
09:24
Suppose I go up
218
564260
2000
Tegyük fel, fogom magam
09:26
and I say, "I'm going to take your phone."
219
566260
2000
és azt mondom, "Elveszem a telefonodat!".
09:28
Not just because it rang earlier,
220
568260
2000
Nem csak azért, mert nemrég csörgött,
09:30
but I'm going to take it because I made a little calculation.
221
570260
3000
hanem azért is, mert végeztem egy kis számítást.
09:33
I thought, that guy looks suspicious.
222
573260
3000
Szerintem a srác gyanús.
09:36
And what if he's been sending little messages to Bin Laden's hideout --
223
576260
3000
És mi van, ha Bin Laden rejtekhelyére küldözget sms-eket --
09:39
or whoever took over after Bin Laden --
224
579260
2000
vagy akárki is vette át az uralmat Bin Laden után --
09:41
and he's actually like a terrorist, a sleeper cell.
225
581260
3000
és tisztára mintha valami terrorista lenne, egy alvó sejt.
09:44
I'm going to find that out, and when I find that out,
226
584260
3000
Ezt akarom megvizsgálni, és miközben ezt vizsgálom
09:47
I'm going to prevent a huge amount of damage that he could cause.
227
587260
3000
persze meg is spórolok egy csomó veszélyt, amit ő jelenthet.
09:50
That has a very high utility to prevent that damage.
228
590260
3000
Ennek a veszélynek a megelőzése nagyon nagy haszonnal bír.
09:53
And compared to the little pain that it's going to cause --
229
593260
2000
És összehasonlítva azzal a kis fájdalommal, amit okoz --
09:55
because it's going to be embarrassing when I'm looking on his phone
230
595260
2000
mert persze az kínos lesz, amikor a telefonját vizsgálgatom,
09:57
and seeing that he has a Farmville problem and that whole bit --
231
597260
3000
és azt találom, hogy csak Farmville-es
10:00
that's overwhelmed
232
600260
3000
problémái akadnak, meg ilyesmik -- ez eltörpül
10:03
by the value of looking at the phone.
233
603260
2000
a telefon átvilágításának értékessége mellett.
10:05
If you feel that way,
234
605260
2000
Ha így érzed magad,
10:07
that's a utilitarian choice.
235
607260
3000
na akkor ez az utilitárius választás.
10:10
But maybe you don't feel that way either.
236
610260
3000
De lehet, hogy még ez sem a te érzésed szerint való.
10:13
Maybe you think, it's his phone.
237
613260
2000
Lehet, hogy úgy gondolod: ez az ő telefonja.
10:15
It's wrong to take his phone
238
615260
2000
Nem helyes elvenni a telefonját,
10:17
because he's a person
239
617260
2000
mert ő is egy személy,
10:19
and he has rights and he has dignity,
240
619260
2000
és vannak jogai, meg méltósága,
10:21
and we can't just interfere with that.
241
621260
2000
és abba nem szabad csak úgy egyszerűen beleavatkozni.
10:23
He has autonomy.
242
623260
2000
Önrendelkezési joga van.
10:25
It doesn't matter what the calculations are.
243
625260
2000
Tök mindegy, mit számítunk ki.
10:27
There are things that are intrinsically wrong --
244
627260
3000
Vannak dolgok, amik alapvetően nem helyesek --
10:30
like lying is wrong,
245
630260
2000
mint például hazudni helytelen,
10:32
like torturing innocent children is wrong.
246
632260
3000
ártatlan gyermekeket kínozni is helytelen.
10:35
Kant was very good on this point,
247
635260
3000
Kant ebben nagyon jó volt,
10:38
and he said it a little better than I'll say it.
248
638260
2000
és egy kicsit jobban adta elő, mint ahogyan én fogom.
10:40
He said we should use our reason
249
640260
2000
Azt mondta, arra kéne használjuk az értelmünket,
10:42
to figure out the rules by which we should guide our conduct,
250
642260
3000
hogy kitaláljuk, mely szabályokat vegyük útmutatóul a viselkedésünkhöz.
10:45
and then it is our duty to follow those rules.
251
645260
3000
És akkor a mi feladatunk azon szabályok követése.
10:48
It's not a matter of calculation.
252
648260
3000
Nem számítás kérdése.
10:51
So let's stop.
253
651260
2000
Na álljunk akkor meg.
10:53
We're right in the thick of it, this philosophical thicket.
254
653260
3000
Benne vagyunk a sűrűjében, a filozófia erdejében.
10:56
And this goes on for thousands of years,
255
656260
3000
És így megy ez évezredeken át,
10:59
because these are hard questions,
256
659260
2000
mert ezek kemény kérdések,
11:01
and I've only got 15 minutes.
257
661260
2000
nekem viszont csak 15 percem van.
11:03
So let's cut to the chase.
258
663260
2000
Vágjuk rövidre!
11:05
How should we be making our decisions?
259
665260
4000
Hogyan hozzuk meg akkor a döntéseinket?
11:09
Is it Plato, is it Aristotle, is it Kant, is it Mill?
260
669260
3000
Plátón szerint, vagy Arisztotelész, Kant, ill. Mill szerint?
11:12
What should we be doing? What's the answer?
261
672260
2000
Mit tegyünk? Mi a válasz?
11:14
What's the formula that we can use in any situation
262
674260
3000
Melyik az a képlet, amit minden helyzetben használhatunk
11:17
to determine what we should do,
263
677260
2000
annak meghatározására, hogy mit tegyünk,
11:19
whether we should use that guy's data or not?
264
679260
2000
hogy hasznosítsuk annak a srácnak az adatait, avagy ne?
11:21
What's the formula?
265
681260
3000
Mi a szabály?
11:25
There's not a formula.
266
685260
2000
Nincs szabály!
11:29
There's not a simple answer.
267
689260
2000
Nincs egyszerű válasz!
11:31
Ethics is hard.
268
691260
3000
Az erkölcs kemény dió.
11:34
Ethics requires thinking.
269
694260
3000
Az erkölcshöz gondolkodásra van szükség.
11:38
And that's uncomfortable.
270
698260
2000
Márpedig ez kényelmetlen.
11:40
I know; I spent a lot of my career
271
700260
2000
Tudom; karrierem nagy részében
11:42
in artificial intelligence,
272
702260
2000
a mesterséges intelligenciával foglalkoztam,
11:44
trying to build machines that could do some of this thinking for us,
273
704260
3000
próbáltam olyan gépezeteket alkotni, amik elvégezhetnék
11:47
that could give us answers.
274
707260
2000
e gondolkodás egy részét helyettünk, amik válaszokat adhatnának.
11:49
But they can't.
275
709260
2000
De nem tudják megtenni.
11:51
You can't just take human thinking
276
711260
2000
Nem lehet egyszerűen csak fogni
11:53
and put it into a machine.
277
713260
2000
az emberi gondolkodást és betenni egy gépbe.
11:55
We're the ones who have to do it.
278
715260
3000
Nekünk magunknak kell ezt megtenni.
11:58
Happily, we're not machines, and we can do it.
279
718260
3000
Nagy örömünkre, nem vagyunk gépek, és meg tudjuk tenni.
12:01
Not only can we think,
280
721260
2000
Nemcsak hogy tudunk gondolkodni,
12:03
we must.
281
723260
2000
de kell is gondolkodnunk!
12:05
Hannah Arendt said,
282
725260
2000
Hannah Arendt szerint:
12:07
"The sad truth
283
727260
2000
"A szomorú igazság az, hogy
12:09
is that most evil done in this world
284
729260
2000
a világban a legtöbb szörnyű tett
12:11
is not done by people
285
731260
2000
nem abból következik, hogy vannak,
12:13
who choose to be evil.
286
733260
2000
akik a gonoszság mellett döntenek.
12:15
It arises from not thinking."
287
735260
3000
Hanem abból, hogy vannak, akik nem gondolkodnak!"
12:18
That's what she called the "banality of evil."
288
738260
4000
Ez az, amit így nevezett: "a gonosz banalitása".
12:22
And the response to that
289
742260
2000
És erre az a válasz, hogy
12:24
is that we demand the exercise of thinking
290
744260
2000
felszólítunk minden egyes épelméjű embert
12:26
from every sane person.
291
746260
3000
arra, hogy művelje a gondolkodást!
12:29
So let's do that. Let's think.
292
749260
2000
Úgyhogy akkor most tegyük is meg! Gondolkozzunk.
12:31
In fact, let's start right now.
293
751260
3000
Tényleg, próbáljuk meg most azonnal.
12:34
Every person in this room do this:
294
754260
3000
Mindenki itt a teremben, csináljuk együtt:
12:37
think of the last time you had a decision to make
295
757260
3000
idézd fel, mikor legutóbb valamivel kapcsolatban döntést kellett hoznod,
12:40
where you were worried to do the right thing,
296
760260
2000
amikor aggodalmaskodtál, vajon megtalálod-e a helyes választást,
12:42
where you wondered, "What should I be doing?"
297
762260
2000
amikor így töprengtél: "Mit is tegyek?"
12:44
Bring that to mind,
298
764260
2000
Idézd fel ezt!
12:46
and now reflect on that
299
766260
2000
És most, töprengj el rajta,
12:48
and say, "How did I come up that decision?
300
768260
3000
és tedd fel a kérdést: "Végül is hogyan tudtam dönteni?
12:51
What did I do? Did I follow my gut?
301
771260
3000
Mit is tettem? Vajon a megérzésemre hallgattam?
12:54
Did I have somebody vote on it? Or did I punt to legal?"
302
774260
2000
Vagy megszavaztattam? Jogszabályok szerint jártam el?"
12:56
Or now we have a few more choices.
303
776260
3000
Vagy van még néhány választási lehetőség.
12:59
"Did I evaluate what would be the highest pleasure
304
779260
2000
"Számításba vettem, mi adná a legnagyobb örömet,
13:01
like Mill would?
305
781260
2000
mint ahogy Mill tenné? Vagy Kantot követve használtam
13:03
Or like Kant, did I use reason to figure out what was intrinsically right?"
306
783260
3000
az okfejtést annak kiszámítására, mi az eredendően jó?
13:06
Think about it. Really bring it to mind. This is important.
307
786260
3000
Gondoljuk csak végig. Tényleg idézzük fel. Nagyon fontos.
13:09
It is so important
308
789260
2000
Annyira fontos, hogy
13:11
we are going to spend 30 seconds of valuable TEDTalk time
309
791260
2000
eltöltünk 30 másodpercnyi értékes TEDTalk időt
13:13
doing nothing but thinking about this.
310
793260
2000
azzal, hogy semmi mást nem teszünk, csak ezt gondoljuk végig!
13:15
Are you ready? Go.
311
795260
2000
Készen álltok? Rajt!
13:33
Stop. Good work.
312
813260
3000
Állj. Szép volt.
13:36
What you just did,
313
816260
2000
Amit most csináltunk, az az első lépés
13:38
that's the first step towards taking responsibility
314
818260
2000
a felelősségvállalás felé: hogy mit is kezdjünk
13:40
for what we should do with all of our power.
315
820260
3000
az összes rendelkezésünkre álló erővel.
13:45
Now the next step -- try this.
316
825260
3000
Namost a következő lépés -- próbáljuk meg ezt.
13:49
Go find a friend and explain to them
317
829260
2000
Kerekedjetek fel és keressetek egy barátot,
13:51
how you made that decision.
318
831260
2000
akinek elmesélitek, hogyan jutottatok erre a döntésre.
13:53
Not right now. Wait till I finish talking.
319
833260
2000
Nem most azonnal. Várjátok meg, amíg
13:55
Do it over lunch.
320
835260
2000
befejezem az előadást. Csináljátok ebédidőben.
13:57
And don't just find another technologist friend;
321
837260
3000
És ne csak egy másik szakembertársat keressetek;
14:00
find somebody different than you.
322
840260
2000
keressetek valaki tőletek különbözőt.
14:02
Find an artist or a writer --
323
842260
2000
Keressetek egy művészt, vagy egy írót --
14:04
or, heaven forbid, find a philosopher and talk to them.
324
844260
3000
vagy ne adj' isten, egy filozófust és beszéljetek azzal!
14:07
In fact, find somebody from the humanities.
325
847260
2000
Kereshettek egy bölcsészt is.
14:09
Why? Because they think about problems
326
849260
2000
Miért? Mert ők máshogy közelítenek a problémákhoz,
14:11
differently than we do as technologists.
327
851260
2000
mint mi technológus szakemberként.
14:13
Just a few days ago, right across the street from here,
328
853260
3000
Épp néhány nappal ezelőtt, itt az utca túloldalán
14:16
there was hundreds of people gathered together.
329
856260
2000
sok száz ember gyűlt össze.
14:18
It was technologists and humanists
330
858260
2000
Technológus szakemberek és bölcsészek
14:20
at that big BiblioTech Conference.
331
860260
2000
azon a nagy Biblio Tech Konferencián.
14:22
And they gathered together
332
862260
2000
És azért gyűltek össze,
14:24
because the technologists wanted to learn
333
864260
2000
mert a technológusok meg akarták tudni, hogy
14:26
what it would be like to think from a humanities perspective.
334
866260
3000
milyen lenne bölcsész szemszögből nézni a dolgokat.
14:29
You have someone from Google
335
869260
2000
Valaki a Google-től, egy összehasonlító irodalomtudománnyal
14:31
talking to someone who does comparative literature.
336
871260
2000
foglalkozó szakemberrel beszélgetett.
14:33
You're thinking about the relevance of 17th century French theater --
337
873260
3000
A 17. századi Francia színház vonatkozásában gondolkozol --
14:36
how does that bear upon venture capital?
338
876260
2000
mi köze lehet ennek a kockázati tőkéhez?
14:38
Well that's interesting. That's a different way of thinking.
339
878260
3000
Na ez érdekes! Ez aztán egy másfajta gondolkodás!
14:41
And when you think in that way,
340
881260
2000
És amikor ilyesféleképen gondolkodunk,
14:43
you become more sensitive to the human considerations,
341
883260
3000
érzékenyebbé válunk az emberi tényezők iránt,
14:46
which are crucial to making ethical decisions.
342
886260
3000
amik alapvetően fontosak az erkölcsi döntéseknél.
14:49
So imagine that right now
343
889260
2000
Képzeld el akkor most azt,
14:51
you went and you found your musician friend.
344
891260
2000
hogy mentél és kerestél mondjuk egy zenész kollégát.
14:53
And you're telling him what we're talking about,
345
893260
3000
És most elmondod neki, amiről itt most beszélünk,
14:56
about our whole data revolution and all this --
346
896260
2000
az egész adatforradalmasítást, meg ilyesmiket --
14:58
maybe even hum a few bars of our theme music.
347
898260
2000
akár dúdolj is el valamennyit az indulónkból.
15:00
♫ Dum ta da da dum dum ta da da dum ♫
348
900260
3000
♫ Dum ta da da dum dum ta da da dum ♫
15:03
Well, your musician friend will stop you and say,
349
903260
2000
Akkor pedig a zenész megállít téged és azt mondja,
15:05
"You know, the theme music
350
905260
2000
"Tudod az adatforradalmatok
15:07
for your data revolution,
351
907260
2000
indulója egy opera,
15:09
that's an opera, that's Wagner.
352
909260
2000
Wagner operájából való.
15:11
It's based on Norse legend.
353
911260
2000
Egy norvég legenda az alapja.
15:13
It's Gods and mythical creatures
354
913260
2000
Arról szól, hogy Isten és mindenféle
15:15
fighting over magical jewelry."
355
915260
3000
mítikus lények bűvös ékszerekért harcolnak."
15:19
That's interesting.
356
919260
3000
Na ez érdekes.
15:22
Now it's also a beautiful opera,
357
922260
3000
De gyönyörű opera is egyben.
15:25
and we're moved by that opera.
358
925260
3000
És nagyon meg is hat bennünket.
15:28
We're moved because it's about the battle
359
928260
2000
Azért hat meg, mert a jó és a rossz
15:30
between good and evil,
360
930260
2000
közti viadalról szól,
15:32
about right and wrong.
361
932260
2000
a helyesről és helytelenről.
15:34
And we care about right and wrong.
362
934260
2000
És mi törődünk ezekkel!
15:36
We care what happens in that opera.
363
936260
3000
Számít, hogy mi történik abban az operában!
15:39
We care what happens in "Apocalypse Now."
364
939260
3000
Számít, hogy mi történik az "Apokalipszis most"-ban.
15:42
And we certainly care
365
942260
2000
És különösképpen számít, hogy mi történik
15:44
what happens with our technologies.
366
944260
2000
a saját technológiáinkkal!
15:46
We have so much power today,
367
946260
2000
Olyan óriási hatalmunk van manapság,
15:48
it is up to us to figure out what to do,
368
948260
3000
rajtunk múlik, hogy mit döntünk, mit tegyünk vele!
15:51
and that's the good news.
369
951260
2000
És ez a jó hír.
15:53
We're the ones writing this opera.
370
953260
3000
Mi magunk írjuk az operát!
15:56
This is our movie.
371
956260
2000
Ez a mi filmünk!
15:58
We figure out what will happen with this technology.
372
958260
3000
Mi találjuk ki, mi történjen ezzel a technológiával!
16:01
We determine how this will all end.
373
961260
3000
Mi szabjuk meg, hogy ez az egész hogyan végződjön!
16:04
Thank you.
374
964260
2000
Köszönöm.
16:06
(Applause)
375
966260
5000
(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