How AI can bring on a second Industrial Revolution | Kevin Kelly

Translator: Leslie Gauthier Reviewer: Camille Martínez

Translator: Myo Aung Reviewer: sann tint

I'm going to talk a little bit about where technology's going.

ကျွန်တော်ဟာ နည်းပညာက ဘယ်ဆီကို ဦးတည်နေကြောင်း နည်းနည်း ပြောလိုပါတယ်။

And often technology comes to us,

မကြာခဏဆိုသလို နည်းပညာက ကျွန်ုပ်တို့ ဆီကို လာတဲ့ အခါမှာ၊

we're surprised by what it brings.

၎င်းယူဆောင်လာတာကို ကျွန်ုပ်တို့ အံ့ဩကြတယ်။

But there's actually a large aspect of technology

ဒါပေမဲ့ ပိုပြီး ခန့်မှန်းလို့ ရနိုင်ကြတဲ့ နည်းပညာတွေ

that's much more predictable,

တစ်ပုံကြီးလည်း ရှိကြပါတယ်၊

and that's because technological systems of all sorts have leanings,

နည်းပညာဆိုင်ရာ စနစ်တွေဆီမှာ ဦးညွတ်ချက်တွေ ကိုယ်စီ ရှိတတ်တယ်၊

they have urgencies,

အရေးကြီးလိုအပ်မှုတွေ၊

they have tendencies.

အလားအလာတွေ အသီးသီး ရှိကြလို့ပါ။

And those tendencies are derived from the very nature of the physics,

ပြီးတော့ အဲဒီလို အလားအလာတွေကို ကျတော့ ရူပဗေဒ ကိုယ်၌ရဲ့ သဘာဝထဲမှ၊

chemistry of wires and switches and electrons,

ဝါယာကြိုးများ၊ ခလုတ်များ နဲ့ အီလက်ထရွန်းများရဲ့ ဓာတုဗေဒမှ

and they will make reoccurring patterns again and again.

ထွက်ပေါ်လာတာမို့လို့ ဆင်တူ ပုံစံများကို ထပ်တလဲလဲ မြင်တွေ့ကြရမှာပါ။

And so those patterns produce these tendencies, these leanings.

အဲဒိ ပုံစံများက ဒီလို အလားအလာများကို၊ အဲဒီလို ဦးညွတ်မှုများကို ထုတ်ပေးကြတယ်။

You can almost think of it as sort of like gravity.

အဲဒါကို ကျွန်ုပ်တို့ဟာ မြေဆွဲအားလို စဉ်းစားလို့ ရနိုင်တယ်။

Imagine raindrops falling into a valley.

ချိုင့်ဝှမ်းဆီ ကျလာတဲ့ မိုးရေကို စိတ်ကူးကြည့်ပါ။

The actual path of a raindrop as it goes down the valley

ချိုင့်ဝှမ်းအတိုင်း အဲဒီမိုးရေ ဆင်းသွားမယ့် လမ်းအတိအကျကို

is unpredictable.

ခန့်မှန်းရန် မလွယ်ပါ။

We cannot see where it's going,

၎င်းဟာ ဘယ်လို စီးဆင်းသွားပုံကို

but the general direction is very inevitable:

ကျွန်ုပ်တို့ မမြင်နိုင်ပေမဲ့ အထွေထွေ ဦးတည်ချက်က

it's downward.

အောက်ကို ဆိုတာ ရှင်းတယ်။

And so these baked-in tendencies and urgencies

ဒီတော့ နည်းပညာ စနစ်များထဲ အလိုလိုပါကြတဲ့ အဲဒီလို ဦးတည်ချက်များ နဲ့

in technological systems

အရေးကြီးမှုတွေက ကျွန်ုပ်တို့ကို

give us a sense of where things are going at the large form.

စကေးကြီးနဲ့ ကြည့်ကြည့်မယ်ဆိုရင် ဘယ်ဆီကို သွားနိုင်ကြောင်း ပြပါတယ်။

So in a large sense,

ဒါကြောင့် ခြုံပြီးကြည့်ပါက၊

I would say that telephones were inevitable,

ဥပမာ တယ်လီဖုန်းတွေ ပေါ်လာမှာ ထင်ရှားသိသာခဲ့ပေမဲ့၊

but the iPhone was not.

iPhone ကျတော့ မထင်ရှားခဲ့ပါ။

The Internet was inevitable,

အင်တာနက်က သေချာခဲ့ပေမဲ့၊

but Twitter was not.

Twitter ကျတော့ မဟုတ်ခဲ့ပါ။

So we have many ongoing tendencies right now,

ဒီနေ့တွင်လည်း ဖြစ်ပျက်နေကြတဲ့ အလားအလာတွေ အများကြီးပါ၊

and I think one of the chief among them

အဲဒါတွေ အကြားမှာ အကြီးမားဆုံး တစ်ခုက ပစ္စည်းတွေကို

is this tendency to make things smarter and smarter.

ပိုပို ကောင်းသထက် ကောင်းအောင် လုပ်လိုတဲ့ အလားအလာပါပဲ။

I call it cognifying -- cognification --

ကျွန်တော် အဲဒါကို cognifying -- cognification

also known as artificial intelligence, or AI.

ခေါ်ချင်တယ်၊ artificial intelligence သို့မဟုတ် AI ဆိုတာပါ။

And I think that's going to be one of the most influential developments

ကျွန်တော့စိတ်ထင် အဲဒါဟာ လာမယ့်နှစ်ပေါင်း ၂၀ အတွင်းမှာ ကျွန်ုပ်တို့လူ့အဖွဲ့အစည်း

and trends and directions and drives in our society in the next 20 years.

အတွက် ဩဇာအကြီးမားဆုံး အလားအလာနဲ့ မောင်းနှင်အား ဖြစ်လာပါလိမ့်မယ်။

So, of course, it's already here.

အဲဒါဟာ အခု ဒီမှာ ရှိနေပါပြီ။

We already have AI,

ကျွန်ုပ်တို့ဆီမှာ AI ရှိနေပါပြီ၊

and often it works in the background,

မကြာခဏဆိုသလို အဲဒါဟာ နောက်ဖေး တစ်နေရာမှာ၊

in the back offices of hospitals,

ဆေးရုံရဲ့ နောက်ခံ ရုံးများမှာ၊

where it's used to diagnose X-rays better than a human doctor.

၎င်းတို့ဟာ ဓာတ်မှန်တွေကို လူသား ဆရာဝန်ထက် ပိုကောင်းစွာ ဖတ်ရှုနိုင်တယ်။

It's in legal offices,

ပြီးတော့ ဥပဒေရုံးတွေမှာ ရှိတယ်၊

where it's used to go through legal evidence

လူသား ရှေ့နေထက်ကို ၎င်းဟာ ဥပဒေ အထောက်အထားတွေကို

better than a human paralawyer.

ဆန်းစစ် လေ့လာ ဖေါ်ထုတ်ပေးနိုင်တယ်။

It's used to fly the plane that you came here with.

ခင်ဗျား ဒီကို လာဖို့ စီးလာတဲ့ လေယာဉ်ကို ပျံရာမှာ သုံးနေပါပြီ။

Human pilots only flew it seven to eight minutes,

လူသား လေယာဉ်မှူးတွေက ပျံသန်းပေကြတာ ၇ -၈ မိနစ်မျှပါ၊

the rest of the time the AI was driving.

ကျန်တဲ့ အချိန်မှာ AI က မောင်းပေးတယ်။

And of course, in Netflix and Amazon,

ပြောဖို့ လိုသေးတာက Netflix နဲ့ Amazon၊

it's in the background, making those recommendations.

၎င်းက နောက်ခံမှ နေပြီး အကြံပြုချက်ကို တင်ပြပေးတယ်။

That's what we have today.

ဒီနေ့ အခြေအနေက အဲဒီလိုပါ။

And we have an example, of course, in a more front-facing aspect of it,

ဒါကို အထင်အရှား ထောက်ပြတဲ့ သာဓကရှိတယ်၊

with the win of the AlphaGo, who beat the world's greatest Go champion.

Go ချံပီယံကို အနိုင်ယူလိုက်တဲ့ AlphaGo ရဲ့ အောင်ပွဲကို ဆိုလိုတာပါ။

But it's more than that.

အဲဒါဟာ အောင်ပွဲထက် အရေးပါတယ်။

If you play a video game, you're playing against an AI.

ခင်ဗျားတို့ ဗီဒီယို ဂိမ်းကို ကစားတဲ့ အခါမှာ AI နဲ့ ယှဉ်ပြိုင်နေတာပါ။

But recently, Google taught their AI

မကြာခင်တုန်းက Google ဟာ သူတို့ရဲ့ AI ကို

to actually learn how to play video games.

ဗီဒီယို ဂိမ်းများ ကစားနည်းအား သင်ပေးရန် သင်ကြားပေးခဲ့တယ်။

Again, teaching video games was already done,

ဗီဒီယို ဂိမ်းတွေကို သင်ပေးမှုဟာ ရှိနင့်ပြီးသားပါ၊

but learning how to play a video game is another step.

ဒါပေမဲ့ ဗီဒီယို ဂိမ်း ကစားဖို့ကို သင်ယူရေး ကျတော့ နောက်ခြေလှမ်းပါ။

That's artificial smartness.

အဲဒါဟာ တုပရာတွင် စမတ်ဖြစ်မှုပါ။

What we're doing is taking this artificial smartness

ကျွန်ုပ်တို့ လုပ်နေကြတာက အဲဒီလို

and we're making it smarter and smarter.

တုပရေးပညာဖြင့် အဲဒါတွေကို ပိုပို ကောင်းမွန်အောင် ထုတ်လုပ်နေကြပါတယ်။

There are three aspects to this general trend

အဲဒီ ဧရာမ အလားအလာဆီမှာ မျက်နှာ သုံးခု ရှိနေကြရာ

ကျွန်ုပ်တို့ ထိုက်တန်စွာ တန်ဖိုး မထားကြဘူးလို့ ထင်ပါတယ်-

that I think are underappreciated;

I think we would understand AI a lot better

ကျွန်ုပ်တို့က အဲဒီ အရာသုံးခုကို နားလည်ကြပါက

if we understood these three things.

AI ကို ပိုကောင်းစွာ နားလည်ကြမယ်။

I think these things also would help us embrace AI,

အဲဒီ အရာများက ကျွန်ုပ်တို့အား AI ကို လက်ခံယုံကြည်ရန် ကူပေးနိုင်မှာပါ၊

because it's only by embracing it that we actually can steer it.

လက်ခံယုံကြည်မှသာ ကျွန်ုပ်တို့က ၎င်းကို ထိန်းကျောင်းနိုင်မှာပါ။

We can actually steer the specifics by embracing the larger trend.

ကျွန်ုပ်တို့က အကြီးစား အလားအလာကို လက်ခံရင် ဝီသေသတွေကို ထိန်းကျောင်းနိုင်မယ်။

So let me talk about those three different aspects.

ဒါကြောင့် အဲဒီ မတူတဲ့ မျက်နှာစာ သုံးခု အကြောင်းကို ပြောပြပါရစေ။

The first one is: our own intelligence has a very poor understanding

ပထမဟာက- အသိဉာဏ်ဆိုတာ ဘာလဲကို ကျွန်ုပ်တို့ရဲ့

of what intelligence is.

အသိဉာဏ်ဟာ သိပ်နားမလည်ကြပါ။

We tend to think of intelligence as a single dimension,

အသိဉာဏ် အကြောင်းကို ကျွန်ုပ်တို့ ပြားချပ်နေတဲ့ အရာလို ထင်ကြတယ်၊

that it's kind of like a note that gets louder and louder.

ပိုပို ကျယ်လောင်း လောနေတဲ့ အသံ တစ်ခုလို ယူဆကြပါတယ်။

It starts like with IQ measurement.

အဲဒါရဲ့ အစဟာ IQ အား တိုင်းတာမှုနဲ့ ဆင်တူပါတယ်။

It starts with maybe a simple low IQ in a rat or mouse,

မြေကြွက် ဒါမှမဟုတ် ကြွက်ငယ်ရဲ့ သာမန် နိမ့်နေတဲ့ IQ မှ စတင်တယ်၊

and maybe there's more in a chimpanzee,

မျောက်ဝံဆီမှာ ပိုပြီး ရှိနိုင်ပါတယ်၊

and then maybe there's more in a stupid person,

လူအဆီမှာဆို အဲဒါထက်ကို ပိုပြီး ရှိနိုင်ပါတယ်၊

and then maybe an average person like myself,

အဲဒီနောက် ကျွန်တော်လို သာမန် ပျမ်းမျှ လူဆီမှာ

and then maybe a genius.

နောက်ဆုံးတွင် ပါရမီရှင်ပေါ့လေ။

And this single IQ intelligence is getting greater and greater.

ဒီတော့ တစ်ခုတည်းသော IQ အသိဉာဏ်ဟာ ပိုပို ကြီးလာနိုင်တယ်။

That's completely wrong.

အဲဒါ လုံးဝကို မှားတယ်။

That's not what intelligence is -- not what human intelligence is, anyway.

အဲဒါဟာ အသိဉာဏ် မဟုတ်ပါ၊ လူသားရဲ့ အသိဉာဏ် မဟုတ်တာ သေချာတယ်။

It's much more like a symphony of different notes,

အဲဒါဟာ သံစဉ်မျိုးစုံ ရှိနေတဲ့ တီးဝိုင်းအဖွဲ့ကြီးနဲ့ တူပါတယ်။

and each of these notes is played on a different instrument of cognition.

အဲဒီ သံစဉ် တစ်ခုစီကို သိရှိမှု တူရိယာ အမျိုးမျိုးဖြင့် တီးမှုတ်ပေးရတာပါ။

There are many types of intelligences in our own minds.

ကျွန်ုပ်တို့ရဲ့ ဦးနှောက်ထဲမှာ အသိဉာဏ်ရဲ့ ပုံစံတွေ အမျိုးမျိုး ရှိပါတယ်။

We have deductive reasoning,

ကျွန်ုပ်တို့ဆီမှာ ကျိုးကြောင်း ဆင်ခြင်မှု ရှိပါတယ်၊

we have emotional intelligence,

ကျွန်ုပ်တို့ဆီမှာ ခံစားမှုဆိုင်ရာ ဆင်ခြင်မှု ရှိပါတယ်၊

we have spatial intelligence;

ကျွန်ုပ်တို့ဟာ အကွာအဝေးကို ဆင်ခြင်နိုင်ကြတယ်၊

we have maybe 100 different types that are all grouped together,

အဲဒါ အမျိုးအစား ၁၀၀ တောင် ရှိနိုင်ကြကာ အားလုံးကို အတူတကွ စုစည်းထားတယ်၊

and they vary in different strengths with different people.

အဲဒါတွေ လူတွေ အမျိုးမျိုးမှာ စွမ်းထက်မှု အရလည်း ကွဲပြားနိုင်ပါတယ်။

And of course, if we go to animals, they also have another basket --

ဆက်ပြီး ကျွန်ုပ်တို့က တိရစ္ဆာန်တွေဆီကို သွားကြမယ်ဆိုရင် အခြား တပုံကြီး တွေ့ရမယ်၊

another symphony of different kinds of intelligences,

အသိဉာဏ် အမျိုးမျိုးရဲ့ နောက် သံစုံ တီးဝိုင်းအဖွဲ့ကြီးပါ၊

and sometimes those same instruments are the same that we have.

တခါတရံတွင် သူတို့ရဲ့ တူရီယာတွေဟာ ကျွန်ုပ်တို့ဟာနဲ့ ဆင်တူနိုင်ပါတယ်။

They can think in the same way, but they may have a different arrangement,

သူတို့ရဲ့ တွေးခေါ်မှုဟာ တူနိုင်ပေမဲ့ စီစဉ်ဖွဲ့စည်းမှု တမျိုးဖြစနိုင်တယ်။

and maybe they're higher in some cases than humans,

ပြီးတော့ တချို့ကိစ္စများမှာ သူတို့ဟာ လူသားထက် မြင့်မားနိုင်ကြတယ်။

like long-term memory in a squirrel is actually phenomenal,

ရှဉ့်ကောင်ရဲ့ ရေရှည် မှတ်ဉာဏ်လို ဟာမျိုးထဲမှာမျိုးဆိုပါစို့၊

so it can remember where it buried its nuts.

သူတို့ရဲ့ အဆံတွေကို မြေမြှုပ်ထားတဲ့ နေရာကို မှတ်မိနိုင်ကြတယ်။

But in other cases they may be lower.

ဒါပေမဲ့ အခြားနေရာမှာ သူတို့ဟာ နိမ့်ကျနိုင်ကြတယ်။

When we go to make machines,

ကျွန်ုပ်တို့က စက်ပစ္စည်းတွေကို လုပ်ကြရာတွင်၊

we're going to engineer them in the same way,

အလားတူပဲ ကြံဆဖန်တီးကြမှာပါ၊

where we'll make some of those types of smartness much greater than ours,

အချို့သော ပုံစံမျာကို ကျွန်ုပ်တို့ရဲ့ ပုံစံများထက် များစွာ ကောင်းအောင် လုပ်လျက်၊

တော်တော်များများဟာ ကျွန်ုပ်တို့ဟာနဲ့ နီးကပ်မှုတောင် မရှိနိုင်ကြပါ၊

and many of them won't be anywhere near ours,

because they're not needed.

အဲဒါမျိုးကို မလိုအပ်လို့ပါ။

So we're going to take these things,

ကျွန်တော်တို့ဟာ အခု ရှိနေတဲ့ အရာတွေကို ယူကြမယ်၊

these artificial clusters,

အတု ဖန်တီးမှုတွေကို၊

and we'll be adding more varieties of artificial cognition to our AIs.

ကျွန်ုပ်တို့ရဲ့ AI ထဲကို သိနိုင်စွမ်း အတု လုပ်နိုင်စွမ်းတွေကို ထပ်ထည့်ပေးကြမယ်။

We're going to make them very, very specific.

၎င်းတို့ကို ကျွန်ုပ်တို့ဟာ သိပ်သိပ်ကို အထူးဖြစ်အောင် ပြုလုပ်ကြမယ်။

So your calculator is smarter than you are in arithmetic already;

ခင်ဗျားတို့ရဲ့ ဂဏန်းတွက်စက်က ခင်ဗျားတို့ သင်္ချာထဲ တော်တာထက်ကို တော်သလိုပါ၊

your GPS is smarter than you are in spatial navigation;

ခင်ဗျားတို့ရဲ့ GPS က ခင်ဗျားတို့ရဲ့ အကွာအဝေး ခန့်မှန်းထက် ပိုကောင်းတယ်၊

Google, Bing, are smarter than you are in long-term memory.

Google၊ Bing ဆိုရင် ကျွန်ုပ်တို့ရဲ့ ရေရှည် မှတ်ဉာဏ်ထက် ပိုတော်ကြတယ်။

And we're going to take, again, these kinds of different types of thinking

ကျွန်ုပ်တို့ဟာ ထပ်ပြီးတော့ အဲဒီလို ပုံစံ အမျိုးမျိုးကို ယူပြီးတော့

and we'll put them into, like, a car.

ဥပမာ၊ ကားလိုဟာထဲကို၊ ထည့်ပေးကြမယ်။

The reason why we want to put them in a car so the car drives,

ကားကို အဲဒီလို မောင်းနှင်ပေးရန် အဲဒါတွေ ထည့်ပေးရခြင်းရဲ့ အကြောင်းရင်းက

is because it's not driving like a human.

လူမောင်းသလို မမောင်းလို့ပါ။

It's not thinking like us.

၎င်းဟာ ကျွန်ုပ်တို့လို မစဉ်းစားပါ။

That's the whole feature of it.

အဲဒါကမှ အဲဒါရဲ့ ထူးခြားချက်ပါ။

It's not being distracted,

၎င်းရဲ့ အာရုံကို နှောင့်ယှက်မရပါ။

it's not worrying about whether it left the stove on,

မီးဖိုကို ပိတ်ခဲ့ရဲ့လား ဆိုတာကို ၎င်းဟာ မစိုးရိမ်ရပါ။

or whether it should have majored in finance.

ဘယ်လိုဘာသာကို အဓိကထား သင်ရမှာကို ဦးဏှောက် ခြောက်မနေပါ။

It's just driving.

၎င်းဟာ မောင်းရုံ မောင်းသွားမှာပါ။

(Laughter)

Just driving, OK?

(ရယ်မောသံများ)

မောင်းရုံ သက်သက်၊ အိုကေနော်။

And we actually might even come to advertise these

ကျွန်ုပ်တို့ဟာ အဲဒါတွေကို “အသိစိတ်မဲ့” ဆိုပြီး

as "consciousness-free."

ခေါ်ဆိုလို့ ရနိုင်မယ် ထင်ပါတယ်။

They're without consciousness,

သူတို့ဆီမှာ အသိစိတ် မရှိပါ၊

they're not concerned about those things,

၎င်းတို့ဟာ ခုနကလို အရာတွေကို မစိုးရိမ်ကြပါ၊

they're not distracted.

စိတ်အာရုံ မပြောင်းကြပါ။

So in general, what we're trying to do

အဲတော့၊ ကျွန်ုပ်တို့ဟာ အတတ်နိုင်ဆုံး အများဆုံး ဆင်ခြင်ရေး

is make as many different types of thinking as we can.

ပုံစံတွေကို အများဆုံး ဖန်တီးရန် ဖြစ်ပါတယ်။

We're going to populate the space

ကျွန်ုပ်တို့ အာကာသကိုလည်း အတတ်နိုင်ဆုံး

of all the different possible types, or species, of thinking.

အမျိုးအစားများဖြင့်၊ မျိုးစိတ်များဖြင့်၊ ဆင်ခြင်မှုများဖြင့် ချထားပေးကြတယ်။

And there actually may be some problems

ပြီးတော့ လုပ်ငန်းများ နဲ့ သိပ္ပံပညာထဲမှာ

that are so difficult in business and science

ရှိကြတဲ့ ပြဿနာ တချို့များဆိုရင်၊

that our own type of human thinking may not be able to solve them alone.

ကျွန်ုပ်တို့ရဲ့ လူသား တွေးခေါ်မှုနဲ့ဆိုရင် ဖြေရှင်း မရနိုင်တာမျိုးလည်း ရှိနိုင်တယ်။

ကျွန်ုပ်တို့ဟာ နှစ်ဆင့် ပရိုဂရမ် လိုအပ်နိုင်တယ်၊

We may need a two-step program,

which is to invent new kinds of thinking

အမည်း စွမ်းအင် သို့မဟုတ် ကွမ်တမ် ဆွဲအားလို

that we can work alongside of to solve these really large problems,

အကြီးစား ပြဿနာတွေကို ဖြေရှင်းရန်

say, like dark energy or quantum gravity.

တွေးခေါ်မှု အမျိုးအစား အသ်စကို တီထွင်ရန် လိုအပ်နိုင်တယ်။

What we're doing is making alien intelligences.

ကျွန်ုပ်တို့ ပြုလုပ်နေတာက သူစိမ်း အသိဉာဏ်တွေကိုပါ။

You might even think of this as, sort of, artificial aliens

အဲဒါတွေကို သူစိမ်း အတုတွေလိုလည်း ကျွန်ပ်တို့

in some senses.

ယူဆျင် ယူဆနိုင်ပါတယ်။

And they're going to help us think different,

အဲဒါတွေဟာ ကျွန်ုပ်တို့ကို တမျိုးတဖုံ တွေးရန်

because thinking different is the engine of creation

ကူညီပေးကြမည်ဖြစ်ရာ၊ အဲဒါဟာ ဓနဥစ္စများ နဲ့

and wealth and new economy.

စီးပွားရေး အသစ် ဖန်တီးပေးမယ့်စက်ပါပဲ။

The second aspect of this is that we are going to use AI

အဲဒါရဲ့ ဒုတိယ မျက်နှာစာက ကျွန်ုပ်တို့ဟာ AI ကို အဓိကအားဖြင့်

to basically make a second Industrial Revolution.

ဒုတိယ စက်မှု တော်လှန်ရေးကို ဆင်နွှဲရန် သုံးကြမယ် ဆိုတာပါ။

The first Industrial Revolution was based on the fact

ပထမ စက်မှု တော်လှန်ရေးရဲ့ အခြေခံ အုတ်မြစ်က

that we invented something I would call artificial power.

စွမ်းအင် အတုလို ကျွန်တော် ခေါ်ချင်တဲ့ဟာကို ကျွန်ပ်တို့ တီထွင်ခဲ့ခြင်းပါ။

Previous to that,

အဲဒီ မတိုင်မီတုန်းက၊

during the Agricultural Revolution,

စိုက်ပျိုးရေး တော်လှန်ရေး တုန်းက၊

everything that was made had to be made with human muscle

ထုတ်လုပ်ခဲ့သမျှ အရာတိုင်းကို လူသားရဲ့ ကြွက်သားဖြင့် ဒါမှဟမုတ်

or animal power.

တိရ္စစာန် ခွန်အားဖြင့် ထုတ်လုပ်ခဲ့တာပါ။

That was the only way to get anything done.

အဲဒီတုန်းက တစ်ခုခု ထုတ်လုပ်ရန် အဲဒီ နည်းလမ်း တစ်ခုပဲ ရှိခဲ့တယ်။

The great innovation during the Industrial Revolution was,

ဒုတိယ စက်မှု တော်လှန်ရေး အတွင်းမှာ ဧရာမ ဆန်းသစ်တီထွင်မှုက

we harnessed steam power, fossil fuels,

ရေနွေးငွေ့ရဲ့ စွမ်းအားကို၊ သယံဇာတ စွမ်းအင်ကို ထိန်းချုပ်နိုင်လျက်

to make this artificial power that we could use

အဲဒီ စွမ်းအင် အတုကို ကျွန်ပ်တို့ ထုတ်လုပ်လိုတဲ့ ဘယ်အရာကိုမဆို

to do anything we wanted to do.

ထုတ်လုပ်ရန် အသုံးပြုလာခြင်းပါပဲ။

So today when you drive down the highway,

ဒါကြောင့်မို့လို့၊ ဒီနေ့တွင် ကျွန်ုပ်တို့ လမ်းမကြီး အတိုင်း

you are, with a flick of the switch, commanding 250 horses --

ခလုတ် တစ်ချက် နှိပ်ရုံနဲ့ မြင်းကောင်ရေ ၂၅၀ ကို မောင်းနိုင်ကြတာ၊

250 horsepower --

မြင်စွမ်းအင် ၂၅၀ ကို သုံးနိုင်တာ၊

which we can use to build skyscrapers, to build cities, to build roads,

မိုးမြင့် တိုက်ကြီးတွေ၊ မြို့ကြီးတွေ၊ လမ်းပန်းတွေ ဆောက်လုပ်ရန်၊

to make factories that would churn out lines of chairs or refrigerators

ကုလားထိုင်တွေ ဒါမှမဟုတ် ရေဲသေတ္တာတွေ ထုတ်လုပ်ပေးမယ့် စက်ရုံတွေကို ဆောက်ကြတာ

way beyond our own power.

ကျွန်ုပ်တို့ရဲ့ ခွန်အားထက် သာလွန်ပါတယ်။

And that artificial power can also be distributed on wires on a grid

ပြီးတော့ အဲဒီ စွမ်းအင် အတုကို ဝါယာကြိုး စနစ်ကို သုံးပြီး အိမ်တိုင်းဆီ၊

to every home, factory, farmstead,

စက်ရုံများဆီ၊ ခြံလုပ်ငန်းဆီ နဲ့ အဲဒီ စွမ်းအင် အတုကို

and anybody could buy that artificial power,

ဝယ်နိုင်တဲ့ မည်သူ့ဆီကိုမဆို ပို့လို့လည်း ရပါသေးကာ၊

just by plugging something in.

တစ်ခုခုကို ပလပ်ထိုးပေးဖို့သာ လိုပါတယ်။

So this was a source of innovation as well,

အဲဒါဟာ တချိန်တည်းမှာ ဆန်းသစ်တဲ့ အရင်းအမြစ်လည်း ဖြစ်ခဲ့တယ်၊

because a farmer could take a manual hand pump,

လယ်သမား တစ်ယောက်ဟာ လက်ကို သုံးရတဲ့ ရေစုပ်စက်ကို ယူပြီး၊

and they could add this artificial power, this electricity,

ခုနက စွမ်းအင် အတုကို တပ်ဆင်မယ်၊ လျှပ်စစ်နဲ့ ဆက်ပေးမယ်ဆိုရင်

and he'd have an electric pump.

လျှပ်စစ် ရေစုပ်စက် ဖြစ်လာပါမယ်။

And you multiply that by thousands or tens of thousands of times,

အဲဒါကို ကျွန်ုပ်တို့ဟာ ထောင်သောင်းချီ အကြိမ်ကြိမ် နဲ့ တိုးချဲ့ သုံးနိုင်တယ်၊

and that formula was what brought us the Industrial Revolution.

အဲဒီ ဖေါ်မြူလာကမှ ကျွန်ုပ်တို့ကို စက်မှု တော်လှန်ရေးဆီကို ခေါ်ဆောင်ခဲ့တာပါ။

All the things that we see, all this progress that we now enjoy,

ကျွန်ုပ်တို့ မြင်ကြရတာတွေ အားလုံး၊ ခံစားနေကြရတဲ့ တိုးတက်မှုတွေ၊

has come from the fact that we've done that.

အဲဒီလို တီထွင်နိုင်ခဲ့မှုမှ ပေါ်ထွက်လာခဲ့တာပါ။

We're going to do the same thing now with AI.

အခုတော့ ကျွန်ုပ်တို့ဟာ AI ကို ယူပြီး အလားတူပဲ လုပ်ကြမှာပါ။

We're going to distribute that on a grid,

ကျွန်ုပ်တို့ အဲဒါတွေကို ဂရိစနစ်မှ ဖြန့်ဝေကြမယ်၊

and now you can take that electric pump.

အခုတော့ ခုနက လျှပ်စစ် ရေစုပ်စက်ကို ယူကြပါမယ်။

You can add some artificial intelligence,

ခင်ဗျားတို့ဟာ အသိဉာဏ်အတု အချို့ကို တပ်ဆင်ပေးလိုက်ရင်၊

and now you have a smart pump.

စမတ်ကျတဲ့ ရေစုပ်ကို ဖြစ်လာမယ်။

And that, multiplied by a million times,

ပြီးတော့ အဲဒါကို အကြိမ်ပေါင်း တစ်သန်းအထိ ချဲ့ပေးခြင်းဖြင့်၊

is going to be this second Industrial Revolution.

ဒုတိယ စက်မှု တော်လှန်ရေး ဆိုတာကို ဆင်နွဲနိုင်မှာပါ။

So now the car is going down the highway,

ဒီတော့ ကားဟာ လမ်းမကြီး အတိုင်း မောင်းသွားနေတယ်၊

it's 250 horsepower, but in addition, it's 250 minds.

ကားထဲမှာ မြင်းစွမ်းအင် ၂၅၀ ပါရှိတဲ့ အပြင် ဦးနှောက် ၂၅၀ ပါပါသေးတယ်။

That's the auto-driven car.

အဲဒါက အော်တိုမောင်းတဲ့ ကားပါ။

It's like a new commodity;

အဲဒါ လူသုံးကုန် အသစ် တစ်ခုပါ။

it's a new utility.

အသုံးအဆောင် အသစ်ပါ။

The AI is going to flow across the grid -- the cloud --

AI ဟာ ဂရိစနစ်ဖြစ်တဲ့ - မိုးတိမ်မှတဆင့်-

in the same way electricity did.

လျှပ်စစ်လိုပဲ စီးဆင်းပါလိမ့်မည်။

So everything that we had electrified,

ဒီလိုနည်းဖြင့် ကျွန်ုပ်တို့က လျှပ်စစ် တပ်ဆင်ပေးခဲ့ကြတဲ့ အရာတိုင်းကို

we're now going to cognify.

အခုတော့ အသိဉာဏ် တပ်ဆင်ပေးကြမယ်။

And I would suggest, then,

အဲဒီအချိန်မှာ အကြံပေးမှာက

that the formula for the next 10,000 start-ups

လာကြမယ့် လုပ်ငန်းအသစ် ၁၀၀၀၀ တို့ဟာ သိပ်ကို လွယ်ပါမယ်၊

is very, very simple,

x ကို ယူပြီး AI ကို ထည့်ပေးပြီး

which is to take x and add AI.

ထုတ်လုပ်ပေးရုံပဲ လိုမှာပါ။

That is the formula, that's what we're going to be doing.

အဲဒါက ကျွန်ုပ်တို့ အားလုံး လုပ်ကိုင်ကြရမယ့်ဖေါ်မြူလာပါပဲ။

And that is the way in which we're going to make

ပြီးတော့ ဒုတိယ စက်မှု တော်လှန်ရေးကို ဆင်နွှဲရန်

this second Industrial Revolution.

နည်းလမ်းက အဲဒီလို ရှိပါတယ်။

စကားစပ်လို့၊ အခုချက်ချင်း၊ ဒီမိနစ်ပိုင်းမှာ

And by the way -- right now, this minute,

you can log on to Google

ခင်ဗျားတို့ဟာ Google ထဲ

and you can purchase AI for six cents, 100 hits.

ဝင်ပြီး AI ကို ခြောက်ဆင့်နဲ့ကို သေချာပေါက် ဝယ်နိုင်ပါပြီ။

That's available right now.

အခုကို အဲဒါကို ရယူနိုင်ပါပြီ။

So the third aspect of this

ဒီတော့ အဲဒါရဲ့ တတိယ မျက်နှာစာက

is that when we take this AI and embody it,

ကျွန်ုပ်တို့က အဲဒီ AI ကို ယူပြီး တစ်ခုခုထဲ တပ်ဆင်ပေးရင်၊

we get robots.

robot တွေကို ရမယ်။

And robots are going to be bots,

robot တွေဟာ bot တွေ ဖြစ်လာရမယ်။

they're going to be doing many of the tasks that we have already done.

၎င်းတို့ဟာ ကျွန်ုပ်တို့ လုပ်ခဲ့ဘူးကြတဲ့ တာဝန် အများကြီး လုပ်ပေးကြမယ်။

အလုပ်ဆိုတာ တာဝန် အများကြီးရဲ့ စုစည်းမှုမျှပါ။

A job is just a bunch of tasks,

so they're going to redefine our jobs

၎င်းတို့ဟာ ကျွန်ုပ်တို့ရဲ့ အလုပ်တွေကို

because they're going to do some of those tasks.

ပြန်လည် သတ်မှတ်လျက် တချို့ကို လုပ်ကိုင်ပေးကြမှာပါ။

But they're also going to create whole new categories,

တချိန်တည်းမှာ ၎င်းတို့ဟာ တာဝန် အမျိုးအစား အသစ်တွေကို၊

a whole new slew of tasks

လုပ်ငန်း အသစ် တသီကြီးကိုပါ ဖန်တီးပေးကြမှာပါ၊

that we didn't know we wanted to do before.

လုပ်ရန် လိုတယ်လို့ အရင်တုန်းက ကျွန်ုပ်တို့ မသိခဲ့ကြတာတွေပါ။

They're going to actually engender new kinds of jobs,

ကျန်ုပ်တို့က လိုအပ်မှန်း မသိခဲ့ကြပေမဲ့ အလိုအလျောက် စနစ်တွေက

new kinds of tasks that we want done,

လုပ်ပေးလိုက်ကြလို့ ပေါ်လာကြတဲ့ တာဝန် အသစ်တွေလိုပဲ

just as automation made up a whole bunch of new things

အဲဒါတွေ မရှိရင် ကျွန်ုပ်တို့ ဘယ်လို နေထိုင်ကြရမှန်းတောင်

that we didn't know we needed before,

မသိခဲ့ကြသလိုပဲ ၎င်းတို့ဟာ အလုပ်အသစ်တွေကို

and now we can't live without them.

တီထွင် မိတ်ဆက် ပေးကြပါလိမ့်မယ်။

So they're going to produce even more jobs than they take away,

အဲဒီလိုနည်းဖြင့် ၎င်းတို့ ယူလုပ်ကြမှာထက် ပိုများတဲ့ အလုပ်သစ်တွေကို ထုတ်လုပ်ကြမယ်။

but it's important that a lot of the tasks that we're going to give them

သူတို့ကို ကျွန်ုပ်တို့က ပေးအပ်ကြမယ့် အလုပ် တော်တော်များများတို့ဟာ

are tasks that can be defined in terms of efficiency or productivity.

ထိရောက်မှု နဲ့ ထုတ်လုပ်မှု များကို သတ်မှတ်ပေးနိုင်မယ့် တာဝန်တွေ ဖြစ်မယ်။

If you can specify a task,

ကျွန်ုပ်တို့က တာဝန်ကို ဖေါ်ပြပေးနို​င်ရင်၊

either manual or conceptual,

လုပ်နည်း ဒါမှမဟုတ် အတွေးအခေါ်ကို ဖေါ်ပြပေးနိုင်ရင်၊

that can be specified in terms of efficiency or productivity,

အဲဒါကို ထိရောက်မှု နဲ့ ထုတ်လုပ်မှု အရပါ သတ်မှတ်ပေးလို့ ရနိုင်မှာပါ။

that goes to the bots.

အဲဒါတွေက bot တွေဆီကို သွားမှာပါ။

Productivity is for robots.

ထုတ်လုပ်မှုက robot များအတွက်ပါ။

What we're really good at is basically wasting time.

ကျွန်ုပ်တို့ တကယ် ကောင်းကြတာက အချိန်ကို ဖြုန်းတဲ့ နေရာမှာပါ။

(Laughter)

(ရယ်မောသံများ)

We're really good at things that are inefficient.

ကျွန်ုပ်တို့ဟာ စွမ်းထက်မှု အားနည်းတဲ့ အရာများမှာ ကောင်းကြတာပါ။

Science is inherently inefficient.

သိပ္ပံဆိုရင် မွေးရာပါ အားနည်းမှု ရှိတယ်။

It runs on that fact that you have one failure after another.

၎င်းထဲမှာ မအောင်မြင်မှုတွေဟာ တစ်ခုပြီး တစ်ခု ရှိနိုင်ပါတယ်။

It runs on the fact that you make tests and experiments that don't work,

စမ်းသပ်မှုတွေ လုပ်စမ်းပြီးနောက်မှာ အလုပ် မဖြစ်တာ သိလာရနိုင်တယ်။

အဲဒီလိုနည်းနဲ့သာ သင်ယူလို့ ရနိုင်တာကိုး။

otherwise you're not learning.

It runs on the fact

၎င်းဟာ သိပ်ပြီး ထိရောက်မှု

that there is not a lot of efficiency in it.

မရှိတာကို အားလုံး လက်ခံထားကြတယ်။

Innovation by definition is inefficient,

ဆန်းသစ်တီထွင်မှု ဆိုတာက သဘာဝအရကိုက ထိရောက်မှုနည်းတယ်၊

because you make prototypes,

ကိုယ်က ရှေ့ပြေး ပုံစံတွေကို

because you try stuff that fails, that doesn't work.

ထုတ်လုပ်ပြီး အလုပ်မလုပ်တွေကို စမ်းကြည့်နေရလို့ပါ။

Exploration is inherently inefficiency.

စူးစမ်းမှု ဆိုတာကလည်း အလားတူ ထိရာက်မှု မရှိပါ။

Art is not efficient.

အနုပညာဟာ ထိရောက်မှု မရှိပါ။

Human relationships are not efficient.

လူသားတွေရဲ့ ဆက်ဆံမှုတွေဟာ ထိရာက်မှု မရှိကြပါ။

These are all the kinds of things we're going to gravitate to,

ဒီတော့ ကျွန်ုပ်တို့က ထိရောက်မှု မရှိကြဘူးဆိုတော့ အဲဒီလိုအရာတွေ

because they're not efficient.

ကျွန်ုပ်တို့ကို အောက်ကို ဆွဲခေါ်ကြမှာပါ။

Efficiency is for robots.

ထိရောက်မှု ဆိုတာက robot တွေ အတွက်ပါ။

We're also going to learn that we're going to work with these AIs

ပြီးတော့ AI တွေရဲ့ တွေးခေါ်မှုက ကျွန်ုပ်တို့နဲ့ သိပ်ကို ခြားနားလို့

because they think differently than us.

ကျွန်ုပ်တို့ဟာ ၎င်းတို့နဲ့ လုပ်ကိုင်ရန်ကို သင်ယူရန် လိုမယ်။

When Deep Blue beat the world's best chess champion,

Deep Blue က ကမ္ဘာ့ အတော်ဆုံး စစ်တုရင် ချံပီယံကို အနိုင်ယူလိုက်တော့၊

အဲဒါဟာ စစ်တုရင်ရဲ့ နိဂုံးပဲလို့ လူတွေ ထင်ခဲ့ကြတယ်။

people thought it was the end of chess.

But actually, it turns out that today, the best chess champion in the world

တကယ်ကျတော့၊ စစ်တုရင်ရဲ့ အတော်ဆုံး ချံပီယံဟာ AI မဟုတ်ကြောင်း

is not an AI.

ကျွန်ုပ်တို့ သိကြပါတယ်။

And it's not a human.

အဲဒါ လူသားလည်း မဟုတ်ပါ။

It's the team of a human and an AI.

အဲဒါဟာ လူသား နဲ့ AI အဖွဲ့ပါ။

The best medical diagnostician is not a doctor, it's not an AI,

ရောဂါကို အကောင်းဆုံး စူးစမ်းဖေါ်ထုတ် ပေးသူဟာ ဆရာဝန် မဟုတ်၊ AI မဟုတ်၊

it's the team.

အဖွဲ့ပါ။

ကျွန်ုပ်တို့ဟာ အဲဒီ AI တွေနဲ့ လက်တွဲ လုပ်ကိုင်ကြရမယ်၊

We're going to be working with these AIs,

and I think you'll be paid in the future

အနာဂတ်တွင် ခင်ဗျားတို့ အဲဒီလို bot တွေနဲ့

by how well you work with these bots.

လုပ်ကိုင်မှု ကောင်းမှ လစာ ကောင်းကောင်းကို ရမှာပါ။

So that's the third thing, is that they're different,

ဒီတော့ တတိယ အချက်က ၎င်းတို့ဟာ ခြားနားကြတယ်၊

they're utility

အသုံးအဆောင် ဖြစ်ကြတယ်၊

and they are going to be something we work with rather than against.

ကျွန်ုပ်တို့ကို ဆန့်ကျင်ပြီး မဟုတ်ဘဲ လက်တွဲ လုပ်ကိုင်ကြမယ့် အရာတွေပါ။

ကျွန်ုပ်တို့ဟာ ၎င်းတို့ကို မဆန့်ကျင်ဘဲ လက်တွဲ လုပ်ကိုင်ကြရမှာပါ။

We're working with these rather than against them.

So, the future:

ဒီတော့ အနာဂတ်မှာ

Where does that take us?

ကျွန်ပ်တို့ ဘယ်ဆီကို သွားကြမှာလဲ။

I think that 25 years from now, they'll look back

အခုအချိန်မှ ၂၅ နှစ်ကြာတဲ့ အခါမှာ လူတွေဟာ နောက်ကို ပြန်ကြည့်ရင်း၊

and look at our understanding of AI and say,

ကျွန်ုပ်တို့ရဲ့ AI အား နားလည်ခဲ့ပုံကို ပြန်ကြည့်ရင်း ပြောကြမှာက၊

"You didn't have AI. In fact, you didn't even have the Internet yet,

“ကျွန်ုပ်တို့ဆီမှာ ၂၅ နှစ်ကြာလာတဲ့ နောက်မှာ ရှိလာတာနဲ့ နှိုင်းပြီး ပြောရင်၊

compared to what we're going to have 25 years from now."

ခင်ဗျားတို့ဆီမှာ AI မရှိခဲ့၊ တကယ်တော့ အင်တာနက်တာင် မရှိသေးပါ၊”

There are no AI experts right now.

ဒီနေ့တွင် AI ပညာရှင်တွေ မရှိကြသေးပါ။

There's a lot of money going to it,

အဲဒီထဲကို ရင်းနှီးနေကြတဲ့ ငွေတွေ အများကြီးပါပဲ၊

there are billions of dollars being spent on it;

ဒေါ်လာ ဘီလီယံ သန်းချီ အဲဒါ့အတွက် သုံးနေကြတယ်။

it's a huge business,

အဲဒါဟာ ဧရာမ လုပ်ငန်းကြီးပါ၊

but there are no experts, compared to what we'll know 20 years from now.

ဒါပေမဲ့ နောင် အနှစ် ၂၀ အတွင်းမှာ ရှိလာကြမယ့် ပါရဂူမျိုး လုံးဝ မရှိပါ။

So we are just at the beginning of the beginning,

ဒီတော့ ကျွန်ုပ်တို့ဟာ တကယ့်ကို အစရဲ့ အစမှာပဲ ရှိနေကြပါတယ်၊

we're in the first hour of all this.

အဲဒါတွေ အားလုံးရဲ့ အစနာရီတွေမှာ ရှိနေကြတယ်။

We're in the first hour of the Internet.

ကျွန်ုပ်တို့ဟာ အင်တာနက်ရဲ့ အစပိုင်း နာရီထဲ ရှိနေကြတယ်။

We're in the first hour of what's coming.

ဖြစ်ပျက်လာမှာရဲ့ အစပိုင်း နာရီမှာသာ ရှိနေကြတယ်။

The most popular AI product in 20 years from now,

နောင်လာမယ့် နှစ် ၂၀ အကြာမှာ လူတွေ အများဆုံး သုံးကြမယ့်

that everybody uses,

AI ထုတ်ကုန်ကို

has not been invented yet.

မတီတွင် ရသေးပါဘူး။

That means that you're not late.

ဒီတော့ ခင်ဗျားတို့ နောက်မကျသေးပါဘူး။

Thank you.

ကျေးဇူးတင်ပါတယ်။

(Laughter)

(ရယ်မောသံများ)

(Applause)

(လက်ခုပ်တီးသံများ)