How AI can save our humanity | Kai-Fu Lee

908,898 views ・ 2018-08-27

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Paulina Walas Korekta: Rysia Wand
00:12
I'm going to talk about how AI and mankind can coexist,
0
12640
4536
Opowiem o tym, jak ludzie i sztuczna inteligencja mogą współistnieć,
00:17
but first, we have to rethink about our human values.
1
17200
3816
najpierw jednak zastanówmy się nad naszymi ludzkimi wartościami.
00:21
So let me first make a confession about my errors in my values.
2
21040
4320
Pozwólcie, że przyznam się do swoich błędów tej dziedzinie.
00:25
It was 11 o'clock, December 16, 1991.
3
25920
4256
Był 16 grudnia 1991, godzina 11:00.
00:30
I was about to become a father for the first time.
4
30200
2680
Właśnie miałem zostać ojcem po raz pierwszy.
00:33
My wife, Shen-Ling, lay in the hospital bed
5
33480
2856
Moja żona, Shen-Ling, leżała w szpitalnym łóżku
00:36
going through a very difficult 12-hour labor.
6
36360
3080
i przechodziła przez bardzo ciężki, 12-godzinny poród.
00:40
I sat by her bedside
7
40280
2296
Siedziałem przy niej,
00:42
but looked anxiously at my watch,
8
42600
2376
ale pełen niepokoju wpatrywałem się w zegarek,
00:45
and I knew something that she didn't.
9
45000
1800
wiedząc coś, o czym ona nie miała pojęcia.
00:47
I knew that if in one hour,
10
47440
1800
Wiedziałem, że jeśli w ciągu godziny
00:50
our child didn't come,
11
50360
1936
nasze dziecko nie przyjdzie na świat,
00:52
I was going to leave her there
12
52320
1936
zostawię ją
00:54
and go back to work
13
54280
1656
i wrócę do pracy,
00:55
and make a presentation about AI
14
55960
2576
by przeprowadzić prezentację o sztucznej inteligencji
00:58
to my boss, Apple's CEO.
15
58560
2200
dla mojego szefa, dyrektora generalnego Apple.
01:03
Fortunately, my daughter was born at 11:30 --
16
63160
3896
Na szczęście córka urodziła się o 11:30.
01:07
(Laughter)
17
67080
1936
(Śmiech)
01:09
(Applause)
18
69040
1936
(Brawa)
01:11
sparing me from doing the unthinkable,
19
71000
4336
Uniknąłem najgorszego.
01:15
and to this day, I am so sorry
20
75360
2496
Do dziś jest mi jednak bardzo przykro,
01:17
for letting my work ethic take precedence over love for my family.
21
77880
4656
że pozwoliłem, by zobowiązania zawodowe wzięły górę nad miłością do rodziny.
01:22
(Applause)
22
82560
5736
(Brawa)
01:28
My AI talk, however, went off brilliantly.
23
88320
2616
Jeśli chodzi o prezentację - wyszła świetnie.
01:30
(Laughter)
24
90960
2736
(Śmiech)
01:33
Apple loved my work and decided to announce it
25
93720
3136
Moja praca spodobała się Apple,
01:36
at TED1992,
26
96880
2696
które ogłosiło ją w czasie TED1992,
01:39
26 years ago on this very stage.
27
99600
3016
26 lat temu, na tej właśnie scenie.
01:42
I thought I had made one of the biggest, most important discoveries in AI,
28
102640
5056
Myślałem, że dokonałem jednego z największych odkryć,
01:47
and so did the "Wall Street Journal" on the following day.
29
107720
2920
tak myślał też zresztą Wall Street Journal następnego dnia.
01:51
But as far as discoveries went,
30
111440
2536
Ale im większy następował postęp,
01:54
it turned out,
31
114000
1336
stopniowo okazywało się,
01:55
I didn't discover India, or America.
32
115360
2776
że nie odkryłem ani Ameryki, ani Indii.
01:58
Perhaps I discovered a little island off of Portugal.
33
118160
3080
Być może odkryłem niewielką wyspę gdzieś u wybrzeży Portugalii.
02:02
But the AI era of discovery continued,
34
122720
3256
Tymczasem odkrycia w dziedzinie sztucznej inteligencji postępowały,
02:06
and more scientists poured their souls into it.
35
126000
3216
a badaniom poświęcało się coraz więcej naukowców.
02:09
About 10 years ago, the grand AI discovery
36
129240
2616
Ponad 10 lat temu wielkiego odkrycia
02:11
was made by three North American scientists,
37
131880
3176
dokonali trzej naukowcy z Ameryki Północnej:
02:15
and it's known as deep learning.
38
135080
1600
mowa o głębokim uczeniu.
02:17
Deep learning is a technology that can take a huge amount of data
39
137400
3696
Głębokie uczenie to technologia, która używa ogromnych ilości danych
02:21
within one single domain
40
141120
1736
w obrębie jednej domeny
02:22
and learn to predict or decide at superhuman accuracy.
41
142880
4936
i uczy się przewidywać oraz decydować z nadludzką dokładnością.
02:27
For example, if we show the deep learning network
42
147840
2776
Na przykład: jeśli pokażemy sieci neuronowej
02:30
a massive number of food photos,
43
150640
2816
dużą liczbę zdjęć jedzenia,
02:33
it can recognize food
44
153480
1576
może rozróżnić
02:35
such as hot dog or no hot dog.
45
155080
3296
między hot-dogiem oraz czymś, co hot-dogiem nie jest.
02:38
(Applause)
46
158400
3136
(Brawa)
02:41
Or if we show it many pictures and videos and sensor data
47
161560
5016
Jeśli natomiast pokażemy zdjęcia, filmy i dane z czujników
02:46
from driving on the highway,
48
166600
2536
zebrane podczas jazdy po autostradzie,
02:49
it can actually drive a car as well as a human being
49
169160
3280
może być w stanie prowadzić samochód
równie dobrze jak człowiek.
02:53
on the highway.
50
173360
1656
02:55
And what if we showed this deep learning network
51
175040
2816
A co, jeśli pokażemy sieci neuronowej
02:57
all the speeches made by President Trump?
52
177880
2400
wszystkie przemówienia prezydenta Trumpa?
03:01
Then this artificially intelligent President Trump,
53
181680
3000
Wtedy ten sztucznie inteligentny prezydent Trump,
03:05
actually the network --
54
185600
2216
właściwie sieć...
03:07
(Laughter)
55
187840
1656
(Śmiech)
03:09
can --
56
189520
1216
...może...
03:10
(Applause)
57
190760
4056
(Brawa)
03:14
You like double oxymorons, huh?
58
194840
2336
Wyborny oksymoron, prawda?
03:17
(Laughter)
59
197200
3856
(Śmiech)
03:21
(Applause)
60
201080
6096
(Brawa)
03:27
So this network, if given the request to make a speech about AI,
61
207200
5256
Wówczas ta sieć, po otrzymaniu polecenia wygłoszenia przemówienia,
03:32
he, or it, might say --
62
212480
2640
może powiedzieć:
03:36
(Recording) Donald Trump: It's a great thing
63
216280
2096
Donald Trump: "To cudowne
03:38
to build a better world with artificial intelligence.
64
218400
2936
budować lepszy świat z pomocą sztucznej inteligencji".
03:41
Kai-Fu Lee: And maybe in another language?
65
221360
2016
A w innym języku?
03:43
DT: (Speaking Chinese)
66
223400
1816
DT: (Chiński)
03:45
(Laughter)
67
225240
1496
(Śmiech)
03:46
KFL: You didn't know he knew Chinese, did you?
68
226760
2160
Nie wiedzieliście, że zna chiński, prawda?
03:50
So deep learning has become the core in the era of AI discovery,
69
230120
5016
Głębokie uczenie stało się podstawą w erze doskonalenia sztucznej inteligencji
03:55
and that's led by the US.
70
235160
1816
głównie za sprawą USA.
03:57
But we're now in the era of implementation,
71
237000
3256
Obecnie znajdujemy się w epoce wdrażania rozwiązań,
04:00
where what really matters is execution, product quality, speed and data.
72
240280
5536
teraz znaczenie ma wykonanie, jakość produktu, szybkość i dane.
04:05
And that's where China comes in.
73
245840
2096
Tutaj na arenę wkraczają Chiny.
04:07
Chinese entrepreneurs,
74
247960
1576
Chińscy przedsiębiorcy,
04:09
who I fund as a venture capitalist,
75
249560
1896
z którymi współpracuję jako inwestor,
04:11
are incredible workers,
76
251480
1736
są świetnymi pracownikami,
04:13
amazing work ethic.
77
253240
1936
mają doskonałą etykę pracy.
04:15
My example in the delivery room is nothing compared to how hard people work in China.
78
255200
5296
To, jak ciężko pracują Chińczycy, zaćmiewa moją historię o porodówce.
04:20
As an example, one startup tried to claim work-life balance:
79
260520
3696
Jeden ze startupów chwalił się równowagą między życiem prywatnym i zawodowym:
04:24
"Come work for us because we are 996."
80
264240
3696
"Przyjdźcie do nas, pracujemy 996".
04:27
And what does that mean?
81
267960
1256
Co to oznacza?
04:29
It means the work hours of 9am to 9pm, six days a week.
82
269240
4400
To znaczy, że pracują między 9 rano a 9 wieczorem przez 6 dni w tygodniu.
04:34
That's contrasted with other startups that do 997.
83
274960
3280
Wypadają dobrze na tle startupów pracujących 997.
04:39
And the Chinese product quality has consistently gone up
84
279320
3096
Dodatkowo jakość chińskich produktów konsekwentnie rosła
04:42
in the past decade,
85
282440
1696
w ciągu ostatniej dekady,
04:44
and that's because of a fiercely competitive environment.
86
284160
4120
wszystko dzięki wysoce konkurencyjnemu środowisku.
04:48
In Silicon Valley, entrepreneurs compete in a very gentlemanly fashion,
87
288760
5896
W Dolinie Krzemowej przedsiębiorcy konkurują ze sobą po dżentelmeńsku,
04:54
sort of like in old wars in which each side took turns
88
294680
3896
na kształt dawnych wojen, kiedy to strony konfliktu
na przemian prowadziły ostrzał.
04:58
to fire at each other.
89
298600
1256
04:59
(Laughter)
90
299880
1056
(Śmiech)
05:00
But in the Chinese environment,
91
300960
2016
W chińskich realiach
05:03
it's truly a gladiatorial fight to the death.
92
303000
2880
stają się raczej gladiatorami i walczą na śmierć.
05:06
In such a brutal environment, entrepreneurs learn to grow very rapidly,
93
306920
6096
W tym brutalnym otoczeniu przedsiębiorcy uczą się szybko rozwijać,
05:13
they learn to make their products better at lightning speed,
94
313040
3936
uczą się poprawiać produkty z szybkością światła,
05:17
and they learn to hone their business models
95
317000
2336
uczą się doskonalić modele biznesowe
05:19
until they're impregnable.
96
319360
1400
i stają się niepokonani.
05:21
As a result, great Chinese products like WeChat and Weibo
97
321400
3856
Dlatego wielkie chińskie marki jak WeChat i Weibo
05:25
are arguably better
98
325280
1416
są bezsprzecznie lepsze
05:26
than the equivalent American products from Facebook and Twitter.
99
326720
3480
niż ich amerykańskie odpowiedniki dostarczone przez Facebook i Twitter.
05:31
And the Chinese market embraces this change
100
331920
3096
Chiński rynek potrafi wykorzystywać tę zmianę,
05:35
and accelerated change and paradigm shifts.
101
335040
3016
przyspieszone tempo i zmiany paradygmatów.
05:38
As an example, if any of you go to China,
102
338080
2096
Jeśli ktoś z was pojedzie do Chin,
05:40
you will see it's almost cashless and credit card-less,
103
340200
4016
zauważy, że gotówki i kart kredytowych właściwie się nie używa.
05:44
because that thing that we all talk about, mobile payment,
104
344240
2736
Płatności mobilne, o których tyle się ostatnio mówi,
05:47
has become the reality in China.
105
347000
2416
to w Chinach rzeczywistość.
05:49
In the last year,
106
349440
1296
W ciągu ostatniego roku
05:50
18.8 trillion US dollars were transacted on mobile internet,
107
350760
5936
dokonano za pośrednictwem internetu transakcji na kwotę 18,8 bilionów dolarów.
05:56
and that's because of very robust technologies
108
356720
2936
Wszystko dzięki solidnym technologiom,
05:59
built behind it.
109
359680
1256
które za tym stoją.
06:00
It's even bigger than the China GDP.
110
360960
2440
Suma transakcji przerosła chińskie PKB.
06:04
And this technology, you can say, how can it be bigger than the GDP?
111
364120
3616
Możecie zapytać: jak to możliwe?
06:07
Because it includes all transactions:
112
367760
1976
Obejmuje wszystkie kanały:
06:09
wholesale, channels, retail, online, offline,
113
369760
3776
hurt, detal, online, offline,
06:13
going into a shopping mall or going into a farmers market like this.
114
373560
5056
zakupy w centrum handlowym czy zakupy w warzywniaku.
06:18
The technology is used by 700 million people
115
378640
3376
Ta technologia jest używana przez 700 milionów ludzi
06:22
to pay each other, not just merchants,
116
382040
2056
także do przelewów między sobą,
06:24
so it's peer to peer,
117
384120
1416
na zasadzie "każdy z każdym",
06:25
and it's almost transaction-fee-free.
118
385560
2680
niemalże bez opłat transakcyjnych.
06:29
And it's instantaneous,
119
389720
2376
Ponadto jest natychmiastowa
06:32
and it's used everywhere.
120
392120
1440
i używana wszędzie.
06:34
And finally, the China market is enormous.
121
394320
3376
Na koniec: chiński rynek jest gigantyczny.
06:37
This market is large,
122
397720
1976
Ten rynek jest ogromny,
06:39
which helps give entrepreneurs more users, more revenue,
123
399720
4496
co zapewnia przedsiębiorcom więcej użytkowników, więcej dochodów,
06:44
more investment, but most importantly,
124
404240
2336
więcej inwestycji, ale, co najistotniejsze,
06:46
it gives the entrepreneurs a chance to collect a huge amount of data
125
406600
4536
pozwala przedsiębiorcom zebrać znaczne ilości danych,
06:51
which becomes rocket fuel for the AI engine.
126
411160
2960
co jest siłą napędową sztucznej inteligencji.
06:54
So as a result, the Chinese AI companies
127
414960
2936
Skutkiem tego wszystkie chińskie spółki
06:57
have leaped ahead
128
417920
1736
umknęły konkurencji
06:59
so that today, the most valuable companies
129
419680
3096
sprawiając, że dziś najbardziej znaczące firmy
07:02
in computer vision, speech recognition,
130
422800
2616
w dziedzinie cyfrowego rozpoznawania obrazu i mowy,
07:05
speech synthesis, machine translation and drones
131
425440
3416
syntezy mowy, dronów i automatycznego tłumaczenia
07:08
are all Chinese companies.
132
428880
1920
to firmy chińskie.
07:11
So with the US leading the era of discovery
133
431400
3216
Po tym, jak USA stały na czele epoki odkryć,
07:14
and China leading the era of implementation,
134
434640
3136
a Chiny epoki wdrożenia,
07:17
we are now in an amazing age
135
437800
2256
znaleźliśmy się w fascynującym okresie,
07:20
where the dual engine of the two superpowers
136
440080
3256
gdy te supermocarstwa tworzą podwójny silnik
07:23
are working together
137
443360
1680
i pracują razem,
07:25
to drive the fastest revolution in technology
138
445960
3656
by zapewnić najszybszą rewolucję technologiczną,
07:29
that we have ever seen as humans.
139
449640
2360
jakiej kiedykolwiek doświadczył człowiek.
07:32
And this will bring tremendous wealth,
140
452640
2496
Przyniesie to ze sobą ogromne bogactwo,
07:35
unprecedented wealth:
141
455160
1776
niespotykane wcześniej:
07:36
16 trillion dollars, according to PwC,
142
456960
3896
16 bilionów dolarów, według szacunków PwC,
07:40
in terms of added GDP to the worldwide GDP by 2030.
143
460880
5376
wyniesie do 2030 roku wzrost światowego PKB.
07:46
It will also bring immense challenges
144
466280
2616
Pojawią się również ogromne wyzwania
07:48
in terms of potential job replacements.
145
468920
3576
dla rynków pracy.
07:52
Whereas in the Industrial Age
146
472520
2160
W czasie epoki przemysłowej
07:55
it created more jobs
147
475880
1536
tworzono nowe miejsca pracy
07:57
because craftsman jobs were being decomposed into jobs in the assembly line,
148
477440
5776
w związku z zastąpieniem produkcji rzemieślniczej linią montażową
i zapotrzebowaniem na większą liczbę robotników.
08:03
so more jobs were created.
149
483240
1976
08:05
But AI completely replaces the individual jobs
150
485240
4936
Sztuczna inteligencja umożliwi zastąpienie pracowników
08:10
in the assembly line with robots.
151
490200
2256
linii montażowej robotami.
08:12
And it's not just in factories,
152
492480
1936
Oprócz pracowników fabryk,
08:14
but truckers, drivers
153
494440
2056
zmiany dotkną kierowców, także ciężarówek.
08:16
and even jobs like telesales, customer service
154
496520
4096
Również telemarketerzy, pracownicy działów obsługi klienta,
08:20
and hematologists as well as radiologists
155
500640
2976
hematolodzy i radiolodzy
08:23
over the next 15 years
156
503640
2096
na przestrzeni następnych 15 lat
08:25
are going to be gradually replaced
157
505760
2536
będą stopniowo zastępowani
08:28
by artificial intelligence.
158
508320
1440
przez sztuczną inteligencję.
08:30
And only the creative jobs --
159
510360
2056
Jedynie pracownicy kreatywni...
08:32
(Laughter)
160
512440
1976
(Śmiech)
08:34
I have to make myself safe, right?
161
514440
2200
Muszę się bronić, prawda?
08:38
Really, the creative jobs are the ones that are protected,
162
518960
2976
Tak naprawdę bezpieczni są tylko pracownicy kreatywni,
08:41
because AI can optimize but not create.
163
521960
3040
ponieważ sztuczna inteligencja optymalizuje, ale nie tworzy.
08:45
But what's more serious than the loss of jobs
164
525960
3575
Czymś poważniejszym niż utrata miejsc pracy
08:49
is the loss of meaning,
165
529559
1777
jest jednak utrata znaczenia,
08:51
because the work ethic in the Industrial Age
166
531360
3136
bo etyka zawodowa wykształcona w epoce industrialnej
08:54
has brainwashed us into thinking that work is the reason we exist,
167
534520
5616
sprawiła, że uznaliśmy pracę za sens naszego istnienia,
09:00
that work defined the meaning of our lives.
168
540160
2936
że nadaje znaczenie naszemu życiu.
09:03
And I was a prime and willing victim to that type of workaholic thinking.
169
543120
6296
Byłem jedną z dobrowolnych ofiar tego myślenia właściwego pracoholikom.
09:09
I worked incredibly hard.
170
549440
1616
Pracowałem niewiarygodnie ciężko.
09:11
That's why I almost left my wife in the delivery room,
171
551080
3576
To dlatego prawie zostawiłem żonę na porodówce,
09:14
that's why I worked 996 alongside my entrepreneurs.
172
554680
4176
dlatego pracowałem 996 przy boku moich kolegów.
09:18
And that obsession that I had with work
173
558880
4416
Cała ta obsesja, jaką była moja praca,
09:23
ended abruptly a few years ago
174
563320
3056
gwałtownie skończyła się kilka lat temu,
09:26
when I was diagnosed with fourth stage lymphoma.
175
566400
3920
gdy zdiagnozowano u mnie chłoniaka w czwartym stadium.
09:31
The PET scan here shows over 20 malignant tumors
176
571480
4136
Widać na skanie PET ponad 20 złośliwych zmian,
09:35
jumping out like fireballs,
177
575640
2176
które pojawiły się jak kule ogniowe,
09:37
melting away my ambition.
178
577840
2576
by odebrać mi ambicję.
09:40
But more importantly,
179
580440
1456
Co jednak ważniejsze,
09:41
it helped me reexamine my life.
180
581920
2736
pomogły mi przewartościować życie.
09:44
Knowing that I may only have a few months to live
181
584680
3096
Wiedząc, że może zostało mi tylko kilka miesięcy życia,
09:47
caused me to see how foolish it was
182
587800
2936
zobaczyłem głupotę opierania
09:50
for me to base my entire self-worth
183
590760
3576
całego poczucia wartości na ciężkiej pracy
09:54
on how hard I worked and the accomplishments from hard work.
184
594360
4040
i osiągnięciach, które przyniosła.
09:59
My priorities were completely out of order.
185
599320
2976
Wszystkie moje priorytety były nie po kolei.
10:02
I neglected my family.
186
602320
1600
Zaniedbałem rodzinę.
10:05
My father had passed away,
187
605000
1416
Mój ojciec zmarł,
10:06
and I never had a chance to tell him I loved him.
188
606440
2800
a ja nigdy nie miałem szansy powiedzieć mu, że go kocham.
10:10
My mother had dementia and no longer recognized me,
189
610120
3736
Matka miała demencję i przestała mnie rozpoznawać,
10:13
and my children had grown up.
190
613880
1920
moje dzieci dorosły.
10:16
During my chemotherapy,
191
616400
1656
W czasie chemioterapii
10:18
I read a book by Bronnie Ware
192
618080
2456
przeczytałem książkę Bronnie Ware,
10:20
who talked about dying wishes and regrets of the people in the deathbed.
193
620560
5496
która opowiadała o życzeniach i żalach ludzi na łożu śmierci.
10:26
She found that facing death,
194
626080
2256
Odkryła, że stojąc w obliczu śmierci,
10:28
nobody regretted that they didn't work hard enough in this life.
195
628360
3600
nikt nie żałował, że pracował za mało.
10:32
They only regretted that they didn't spend enough time with their loved ones
196
632880
5176
Umierający żałowali wyłącznie tego, że nie spędzili wystarczająco dużo czasu
z tymi, których kochali,
10:38
and that they didn't spread their love.
197
638080
2760
i że nie dawali miłości od siebie.
10:42
So I am fortunately today in remission.
198
642400
4536
Na szczęście dziś jestem w fazie remisji.
10:46
(Applause)
199
646960
6856
(Brawa)
10:53
So I can be back at TED again
200
653840
1976
Mam możliwość, by znów być tu, na TED,
10:55
to share with you that I have changed my ways.
201
655840
3376
by powiedzieć wam, że się zmieniłem.
10:59
I now only work 965 --
202
659240
2760
Teraz pracuję tylko 965,
11:03
occasionally 996, but usually 965.
203
663200
3976
czasami 996, ale zazwyczaj 965.
11:07
I moved closer to my mother,
204
667200
1896
Przeprowadziłem się, by mieszkać bliżej mamy,
11:09
my wife usually travels with me,
205
669120
2456
żona najczęściej podróżuje ze mną,
11:11
and when my kids have vacation, if they don't come home, I go to them.
206
671600
3816
a gdy dzieci mają wakacje i nie wracają do domu, ja jadę do nich.
11:15
So it's a new form of life
207
675440
2456
To całkiem nowy sposób życia,
11:17
that helped me recognize
208
677920
1816
dzięki któremu uświadomiłem sobie,
11:19
how important it is that love is for me,
209
679760
3176
jak ważne jest dla mnie bycie kochanym.
11:22
and facing death helped me change my life,
210
682960
3416
Znalezienie się w obliczu śmierci pomogło mi zmienić życie,
11:26
but it also helped me see a new way
211
686400
2456
ale również pomogło mi odkryć sposób,
11:28
of how AI should impact mankind
212
688880
3776
w jaki sztuczna inteligencja powinna wpływać na ludzkość,
11:32
and work and coexist with mankind,
213
692680
2480
pracować i współistnieć z ludźmi.
11:36
that really, AI is taking away a lot of routine jobs,
214
696680
4496
Sztuczna inteligencja przejmuje wiele rutynowych prac,
11:41
but routine jobs are not what we're about.
215
701200
3656
ale one nie są tym, co reprezentujemy.
11:44
Why we exist is love.
216
704880
2256
Celem naszego istnienia jest miłość.
11:47
When we hold our newborn baby,
217
707160
2096
Nowo narodzone dziecko w ramionach,
11:49
love at first sight,
218
709280
1496
miłość od pierwszego wejrzenia,
11:50
or when we help someone in need,
219
710800
1776
pomoc znajdującym się w potrzebie...
11:52
humans are uniquely able to give and receive love,
220
712600
4256
Tylko ludzie są zdolni do tego, by dawać i otrzymywać miłość.
11:56
and that's what differentiates us from AI.
221
716880
2800
To właśnie odróżnia nas od sztucznej inteligencji.
12:00
Despite what science fiction may portray,
222
720800
2696
Być może science fiction pokazuje coś innego,
12:03
I can responsibly tell you that AI has no love.
223
723520
3736
ja jednak z całą pewnością twierdzę, że sztuczna inteligencja nie zna miłości.
12:07
When AlphaGo defeated the world champion Ke Jie,
224
727280
3536
Kiedy AlphaGo pokonało mistrza świata Ke Jie,
12:10
while Ke Jie was crying and loving the game of go,
225
730840
3096
Ke Jie płakał, ale też kochał grę go,
12:13
AlphaGo felt no happiness from winning
226
733960
3176
AlphaGo nie czuł szczęścia z wygranej
12:17
and certainly no desire to hug a loved one.
227
737160
4480
i z pewnością nie miał potrzeby, by przytulić bliską osobę.
12:23
So how do we differentiate ourselves
228
743600
2656
W jaki sposób wyróżniamy się, będąc ludźmi
12:26
as humans in the age of AI?
229
746280
2536
w epoce sztucznej inteligencji?
12:28
We talked about the axis of creativity,
230
748840
3096
Widzieliśmy już oś kreatywności,
12:31
and certainly that is one possibility,
231
751960
2856
to z pewnością jeden z wyróżników,
12:34
and now we introduce a new axis
232
754840
2296
teraz natomiast zaznaczmy coś innego:
12:37
that we can call compassion, love, or empathy.
233
757160
3616
oś współczucia, miłości lub empatii.
12:40
Those are things that AI cannot do.
234
760800
2576
Tego wszystkiego nie potrafi sztuczna inteligencja.
12:43
So as AI takes away the routine jobs,
235
763400
2816
Wraz z odejściem rutynowych prac
12:46
I like to think we can, we should and we must create jobs of compassion.
236
766240
4960
myślę, że możemy, powinniśmy i musimy stworzyć nowe, związane ze współczuciem.
12:51
You might ask how many of those there are,
237
771800
2336
Może wątpicie, czy można stworzyć wiele takich zajęć,
12:54
but I would ask you:
238
774160
1616
ja jednak zapytam was:
12:55
Do you not think that we are going to need a lot of social workers
239
775800
3816
czy nie sądzicie, że potrzeba będzie wielu pracowników socjalnych,
12:59
to help us make this transition?
240
779640
1600
którzy ułatwią etap przejściowy?
13:01
Do you not think we need a lot of compassionate caregivers
241
781960
3256
Czy nie myślicie, że potrzeba wielu empatycznych opiekunów
13:05
to give more medical care to more people?
242
785240
2696
do pomocy medycznej dla większej liczby ludzi?
13:07
Do you not think we're going to need 10 times more teachers
243
787960
3256
Czy nie sądzicie, że będziemy potrzebowali 10 razy więcej nauczycieli,
13:11
to help our children find their way
244
791240
2776
by pomagać dzieciom odnaleźć drogę
13:14
to survive and thrive in this brave new world?
245
794040
3256
do sukcesu w tym nowym, wspaniałym świecie?
13:17
And with all the newfound wealth,
246
797320
2440
Z całym tym nowo odkrytym bogactwem,
13:19
should we not also make labors of love into careers
247
799800
4536
czy nie powinniśmy dawać miłości zawodowo
13:24
and let elderly accompaniment
248
804360
2696
i pozwolić opiece nad starszymi
13:27
or homeschooling become careers also?
249
807080
3496
czy nauczaniu domowemu stać się karierą?
13:30
(Applause)
250
810600
5280
(Brawa)
13:36
This graph is surely not perfect,
251
816800
2256
Wykres na pewno nie jest doskonały,
13:39
but it points at four ways that we can work with AI.
252
819080
3536
ale pokazuje cztery sposoby współpracy ze sztuczną inteligencją.
13:42
AI will come and take away the routine jobs
253
822640
3576
Po pierwsze, rutynowe prace przestaną istnieć,
13:46
and in due time, we will be thankful.
254
826240
2040
za co będziemy wdzięczni we właściwym czasie.
13:49
AI will become great tools for the creatives
255
829000
3096
Stanie się też świetnym narzędziem dla pracowników kreatywnych,
13:52
so that scientists, artists, musicians and writers
256
832120
3656
dzięki czemu naukowcy, artyści, muzycy i pisarze
13:55
can be even more creative.
257
835800
1600
będą mogli tworzyć więcej.
13:58
AI will work with humans as analytical tools
258
838120
5376
Sztuczna inteligencja stanie się narzędziem analitycznym,
14:03
that humans can wrap their warmth around
259
843520
2696
które w połączeniu z ciepłem właściwym naturze ludzkiej,
14:06
for the high-compassion jobs.
260
846240
1896
wykorzystamy w pracach wymagających empatii.
14:08
And we can always differentiate ourselves
261
848160
2656
Możemy zawsze aspirować
14:10
with the uniquely capable jobs
262
850840
1816
do prac wymagających wyjątkowych zdolności,
14:12
that are both compassionate and creative,
263
852680
3616
tak kreatywności, jak i zdolności współodczuwania,
14:16
using and leveraging our irreplaceable brains and hearts.
264
856320
5176
oraz wykorzystujących niezastępowalne umysły i serca.
14:21
So there you have it:
265
861520
1296
W ten sposób poznaliście
14:22
a blueprint of coexistence for humans and AI.
266
862840
3640
projekt współistnienia ludzi oraz sztucznej inteligencji.
14:27
AI is serendipity.
267
867400
1816
To wspaniałe odkrycie
14:29
It is here to liberate us from routine jobs,
268
869240
2976
umożliwi nam porzucenie rutynowych prac
14:32
and it is here to remind us what it is that makes us human.
269
872240
3680
i przypomina o tym, co czyni nas ludźmi.
14:36
So let us choose to embrace AI and to love one another.
270
876440
3976
Bądźmy gotowi przyjąć sztuczną inteligencję i kochać siebie nawzajem.
14:40
Thank you.
271
880440
1216
Dziękuję.
14:41
(Applause)
272
881680
6160
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7