Damon Horowitz calls for a "moral operating system"

95,064 views ・ 2011-06-06

TED


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

Tłumaczenie: Maciej Koczur Korekta: Anna Władyka
00:15
Power.
0
15260
2000
Władza.
00:17
That is the word that comes to mind.
1
17260
2000
Właśnie to słowo przychodzi na myśl.
00:19
We're the new technologists.
2
19260
2000
Jesteśmy nowymi technologami.
00:21
We have a lot of data, so we have a lot of power.
3
21260
3000
Mamy mnóstwo danych, więc mamy ogromną władzę.
00:24
How much power do we have?
4
24260
2000
Ile mamy władzy?
00:26
Scene from a movie: "Apocalypse Now" -- great movie.
5
26260
3000
Scena z "Czasu Apokalipsy" -- świetny film.
00:29
We've got to get our hero, Captain Willard, to the mouth of the Nung River
6
29260
3000
Musimy pomóc dotrzeć naszemu bohaterowi, kapitanowi Willardowi, do ujścia rzeki Nung,
00:32
so he can go pursue Colonel Kurtz.
7
32260
2000
by mógł ścigać pułkownika Kurtza.
00:34
The way we're going to do this is fly him in and drop him off.
8
34260
2000
Zrobimy to, transportując go drogą powietrzną i zrzucając.
00:36
So the scene:
9
36260
2000
Oto ta scena:
00:38
the sky is filled with this fleet of helicopters carrying him in.
10
38260
3000
niebo wypełnione flotą helikopterów, które go eskortują.
00:41
And there's this loud, thrilling music in the background,
11
41260
2000
W tle brzmi głośna, przejmująca muzyka,
00:43
this wild music.
12
43260
2000
obłędna muzyka.
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
To się nazywa władza.
00:54
That's the kind of power I feel in this room.
17
54260
2000
Właśnie ten rodzaj władzy czuję w tej sali.
00:56
That's the kind of power we have
18
56260
2000
Posiadamy ją,
00:58
because of all of the data that we have.
19
58260
2000
bo mamy wszystkie potrzebne dane.
01:00
Let's take an example.
20
60260
2000
Popatrzmy na przykładzie.
01:02
What can we do
21
62260
2000
Co możemy zrobić
01:04
with just one person's data?
22
64260
3000
z danymi tylko jednej osoby?
01:07
What can we do
23
67260
2000
Co możemy zrobić
01:09
with that guy's data?
24
69260
2000
z danymi tamtego kolegi?
01:11
I can look at your financial records.
25
71260
2000
Mogę przejrzeć twoją dokumentację finansową.
01:13
I can tell if you pay your bills on time.
26
73260
2000
Mogę powiedzieć, czy płacisz rachunki na czas.
01:15
I know if you're good to give a loan to.
27
75260
2000
Wiem, czy można dać ci pożyczkę.
01:17
I can look at your medical records; I can see if your pump is still pumping --
28
77260
3000
Mogę zajrzeć w twoją kartę pacjenta; sprawdzić, czy twoja pompka wciąż działa --
01:20
see if you're good to offer insurance to.
29
80260
3000
i czy nadajesz się, by zaoferować ci ubezpieczenie.
01:23
I can look at your clicking patterns.
30
83260
2000
Mogę przejrzeć historię wyświetlanych przez ciebie witryn.
01:25
When you come to my website, I actually know what you're going to do already
31
85260
3000
Gdy wyświetlasz moją stronę, wiem już, co zamierzasz,
01:28
because I've seen you visit millions of websites before.
32
88260
2000
bo widziałem jak odwiedzasz miliony innych stron.
01:30
And I'm sorry to tell you,
33
90260
2000
I przykro mi to mówić,
01:32
you're like a poker player, you have a tell.
34
92260
2000
ale jesteś jak pokerzysta -- coś cię zdradza.
01:34
I can tell with data analysis what you're going to do
35
94260
2000
Mogę powiedzieć, analizując dane, co masz zamiar zrobić
01:36
before you even do it.
36
96260
2000
jeszcze zanim to zrobisz.
01:38
I know what you like. I know who you are,
37
98260
3000
Wiem, co lubisz. Wiem, kim jesteś.
01:41
and that's even before I look at your mail
38
101260
2000
I to wszystko jeszcze przed przejrzeniem twojej poczty
01:43
or your phone.
39
103260
2000
lub komórki.
01:45
Those are the kinds of things we can do
40
105260
2000
To są rzeczy, które możemy robić
01:47
with the data that we have.
41
107260
3000
za pomocą danych, którymi dysponujemy.
01:50
But I'm not actually here to talk about what we can do.
42
110260
3000
Ale nie mam zamiaru mówić o tym, co możemy zrobić.
01:56
I'm here to talk about what we should do.
43
116260
3000
Jestem tu, aby mówić o tym, co powinniśmy robić.
02:00
What's the right thing to do?
44
120260
3000
Jak postępować?
02:04
Now I see some puzzled looks
45
124260
2000
Widzę zdziwione spojrzenia
02:06
like, "Why are you asking us what's the right thing to do?
46
126260
3000
mówiące: "Dlaczego pytasz nas o to, jak postępować właściwie?"
02:09
We're just building this stuff. Somebody else is using it."
47
129260
3000
My tylko programujemy. Ktoś inny tego używa.
02:12
Fair enough.
48
132260
3000
Zgadza się.
02:15
But it brings me back.
49
135260
2000
Ale to prowadzi mnie wstecz.
02:17
I think about World War II --
50
137260
2000
Do Drugiej Wojny Światowej --
02:19
some of our great technologists then,
51
139260
2000
grupa naszych wybitnych naukowców,
02:21
some of our great physicists,
52
141260
2000
kilku naszych najlepszych fizyków,
02:23
studying nuclear fission and fusion --
53
143260
2000
badała rozszczepienie i syntezę jądrową --
02:25
just nuclear stuff.
54
145260
2000
ogólnie energię atomową.
02:27
We gather together these physicists in Los Alamos
55
147260
3000
Zebraliśmy tych fizyków w Los Alamos,
02:30
to see what they'll build.
56
150260
3000
by zobaczyć, co uda im się zbudować.
02:33
We want the people building the technology
57
153260
3000
Chcemy, aby ludzie tworzący technologię
02:36
thinking about what we should be doing with the technology.
58
156260
3000
myśleli o tym, jak powinniśmy jej używać.
02:41
So what should we be doing with that guy's data?
59
161260
3000
Więc, co powinniśmy robić z danymi tamtego kolegi?
02:44
Should we be collecting it, gathering it,
60
164260
3000
Czy powinniśmy je zbierać, gromadzić,
02:47
so we can make his online experience better?
61
167260
2000
żeby poprawić jakość surfowania po Internecie?
02:49
So we can make money?
62
169260
2000
Żeby zarobić pieniądze?
02:51
So we can protect ourselves
63
171260
2000
Żeby się zabezpieczyć,
02:53
if he was up to no good?
64
173260
2000
gdyby on zamierzał coś spsocić?
02:55
Or should we respect his privacy,
65
175260
3000
Czy może powinniśmy uszanować jego prywatność,
02:58
protect his dignity and leave him alone?
66
178260
3000
chronić jego godność i zostawić go w spokoju?
03:02
Which one is it?
67
182260
3000
Co zrobić?
03:05
How should we figure it out?
68
185260
2000
Jak mamy się tego dowiedzieć?
03:07
I know: crowdsource. Let's crowdsource this.
69
187260
3000
Ja wiem: spytajmy ludzi. Spytajmy tłumu.
03:11
So to get people warmed up,
70
191260
3000
Aby was trochę rozgrzać,
03:14
let's start with an easy question --
71
194260
2000
zacznijmy od prostego pytania --
03:16
something I'm sure everybody here has an opinion about:
72
196260
3000
od czegoś, o czym każda osoba tutaj ma swoją opinię.
03:19
iPhone versus Android.
73
199260
2000
iPhone kontra Android
03:21
Let's do a show of hands -- iPhone.
74
201260
3000
Podnieście ręce -- iPhone
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
Pomyślałby ktoś, że w tak łebskim towarzystwie
03:31
we wouldn't be such suckers just for the pretty phones.
78
211260
2000
nie będzie naiwniaków lecących na ładne telefony.
03:33
(Laughter)
79
213260
2000
(Śmiech)
03:35
Next question,
80
215260
2000
Następne pytanie,
03:37
a little bit harder.
81
217260
2000
trochę trudniejsze.
03:39
Should we be collecting all of that guy's data
82
219260
2000
Czy powinniśmy zbierać wszystkie dane naszego kolegi,
03:41
to make his experiences better
83
221260
2000
żeby poprawić jakość usług, z których korzysta
03:43
and to protect ourselves in case he's up to no good?
84
223260
3000
i do własnej ochrony, gdyby chciał coś przeskrobać?
03:46
Or should we leave him alone?
85
226260
2000
Czy powinniśmy zostawić go w spokoju?
03:48
Collect his data.
86
228260
3000
Zbierać dane.
03:53
Leave him alone.
87
233260
3000
Pozostawić go w spokoju.
03:56
You're safe. It's fine.
88
236260
2000
Jesteś bezpieczny. Możesz odetchnąć.
03:58
(Laughter)
89
238260
2000
(Śmiech)
04:00
Okay, last question --
90
240260
2000
No dobra, ostatnie pytanie --
04:02
harder question --
91
242260
2000
trudniejsze --
04:04
when trying to evaluate
92
244260
3000
gdy próbujemy ocenić,
04:07
what we should do in this case,
93
247260
3000
co należy zrobić w tym przypadku,
04:10
should we use a Kantian deontological moral framework,
94
250260
4000
powinniśmy użyć deontologicznych norm moralnych Kanta,
04:14
or should we use a Millian consequentialist one?
95
254260
3000
czy konsekwencjalistycznych norm moralnych Milla?
04:19
Kant.
96
259260
3000
Kto jest za Kantem?
04:22
Mill.
97
262260
3000
Kto za Millem?
04:25
Not as many votes.
98
265260
2000
Niewiele widzę rąk.
04:27
(Laughter)
99
267260
3000
(Śmiech)
04:30
Yeah, that's a terrifying result.
100
270260
3000
No właśnie, to zastraszający wynik.
04:34
Terrifying, because we have stronger opinions
101
274260
4000
Zastraszający, bo mamy lepiej wyrobione zdanie
04:38
about our hand-held devices
102
278260
2000
na temat naszych komórek
04:40
than about the moral framework
103
280260
2000
niż norm moralnych,
04:42
we should use to guide our decisions.
104
282260
2000
jakimi powinniśmy się kierować podejmując decyzje.
04:44
How do we know what to do with all the power we have
105
284260
3000
Skąd mamy wiedzieć, co zrobić z tą całą władzą jaką mamy,
04:47
if we don't have a moral framework?
106
287260
3000
jeśli nie mamy żadnej moralnej podbudowy?
04:50
We know more about mobile operating systems,
107
290260
3000
Wiemy wiele na temat systemów operacyjnych telefonów komórkowych,
04:53
but what we really need is a moral operating system.
108
293260
3000
ale tym, czego na prawdę potrzebujemy, jest moralny system operacyjny.
04:58
What's a moral operating system?
109
298260
2000
Czym jest moralny system operacyjny?
05:00
We all know right and wrong, right?
110
300260
2000
Wszyscy wiemy co jest dobre, a co złe, prawda?
05:02
You feel good when you do something right,
111
302260
2000
Czujesz się dobrze, gdy robisz coś słusznego,
05:04
you feel bad when you do something wrong.
112
304260
2000
czujesz się źle, gdy robisz coś nie tak.
05:06
Our parents teach us that: praise with the good, scold with the bad.
113
306260
3000
Nauczyli nas tego rodzice: chwal dobre, gań za złe.
05:09
But how do we figure out what's right and wrong?
114
309260
3000
Ale jak odróżnić dobro od zła?
05:12
And from day to day, we have the techniques that we use.
115
312260
3000
Każdego dnia mamy swoje sposoby.
05:15
Maybe we just follow our gut.
116
315260
3000
Może po prostu podążamy za swoimi przeczuciami.
05:18
Maybe we take a vote -- we crowdsource.
117
318260
3000
Może głosujemy, pytamy ludzi.
05:21
Or maybe we punt --
118
321260
2000
może zachodzimy po radę --
05:23
ask the legal department, see what they say.
119
323260
3000
wpadnij do naszych prawników, zobaczymy co powiedzą.
05:26
In other words, it's kind of random,
120
326260
2000
Innymi słowy, dzieje się to dość przypadkowo,
05:28
kind of ad hoc,
121
328260
2000
jakby na poczekaniu
05:30
how we figure out what we should do.
122
330260
3000
dochodzimy do tego, co powinniśmy zrobić.
05:33
And maybe, if we want to be on surer footing,
123
333260
3000
I może, by mieć pewniejszy grunt po nogami,
05:36
what we really want is a moral framework that will help guide us there,
124
336260
3000
potrzebujemy systemu zasad moralnych, który nas poprowadzi,
05:39
that will tell us what kinds of things are right and wrong in the first place,
125
339260
3000
który nam wskaże, co jest dobre a co złe,
05:42
and how would we know in a given situation what to do.
126
342260
4000
i jak podjąć decyzję w danej sytuacji.
05:46
So let's get a moral framework.
127
346260
2000
Więc zbudujmy ten system moralny.
05:48
We're numbers people, living by numbers.
128
348260
3000
Jesteśmy ludźmi liczb, żyjemy liczbami.
05:51
How can we use numbers
129
351260
2000
Jak możemy użyć liczb
05:53
as the basis for a moral framework?
130
353260
3000
jako fundamentów naszego systemu moralnego?
05:56
I know a guy who did exactly that.
131
356260
3000
Znam człowieka, który właśnie to zrobił.
05:59
A brilliant guy --
132
359260
3000
Świetny gość,
06:02
he's been dead 2,500 years.
133
362260
3000
nieżyjący już od 2500 lat.
06:05
Plato, that's right.
134
365260
2000
Platon, zgadza się.
06:07
Remember him -- old philosopher?
135
367260
2000
Pamiętacie go -- tego starego filozofa?
06:09
You were sleeping during that class.
136
369260
3000
Przespaliście te zajęcia.
06:12
And Plato, he had a lot of the same concerns that we did.
137
372260
2000
Więc Platon miał wiele takich samych rozterek jak my.
06:14
He was worried about right and wrong.
138
374260
2000
Zastanawiał się nad dobrem i złem.
06:16
He wanted to know what is just.
139
376260
2000
Chciał wiedzieć co jest słuszne.
06:18
But he was worried that all we seem to be doing
140
378260
2000
Ale martwił się, że jedynym co robimy,
06:20
is trading opinions about this.
141
380260
2000
jest wymiana opinii na ten temat.
06:22
He says something's just. She says something else is just.
142
382260
3000
On mówi, że to jest słuszne. Ona mówi, że tamto jest słuszne.
06:25
It's kind of convincing when he talks and when she talks too.
143
385260
2000
On jest dosyć przekonujący, ona również.
06:27
I'm just going back and forth; I'm not getting anywhere.
144
387260
2000
Poruszam się w kółko, do niczego nie dochodząc.
06:29
I don't want opinions; I want knowledge.
145
389260
3000
Ja nie chcę opinii, ja chcę wiedzy.
06:32
I want to know the truth about justice --
146
392260
3000
Ja chcę znać prawdę o sprawiedliwości --
06:35
like we have truths in math.
147
395260
3000
tak jak znamy prawdy matematyczne.
06:38
In math, we know the objective facts.
148
398260
3000
W matematyce mamy prawdy obiektywne.
06:41
Take a number, any number -- two.
149
401260
2000
Weźmy jakąś cyfrę, dowolną -- niech będzie dwa.
06:43
Favorite number. I love that number.
150
403260
2000
Moja ulubiona, uwielbiam tę cyfrę.
06:45
There are truths about two.
151
405260
2000
Mamy prawdy dotyczące dwójki.
06:47
If you've got two of something,
152
407260
2000
Jeśli masz czegoś dwa
06:49
you add two more, you get four.
153
409260
2000
i dodasz do tego kolejne dwa, dostajesz cztery.
06:51
That's true no matter what thing you're talking about.
154
411260
2000
To prawda, nieważne o czym mówisz.
06:53
It's an objective truth about the form of two,
155
413260
2000
To obiektywna prawda o naturze dwójki,
06:55
the abstract form.
156
415260
2000
jej abstrakcyjnej formie.
06:57
When you have two of anything -- two eyes, two ears, two noses,
157
417260
2000
Jeśli masz dwie sztuki czegokolwiek -- dwoje oczu, uszu, dwa nosy,
06:59
just two protrusions --
158
419260
2000
jakieś dwie wypustki --
07:01
those all partake of the form of two.
159
421260
3000
one wszystkie przynależą do cechy dwójki.
07:04
They all participate in the truths that two has.
160
424260
4000
One wszystkie zawierają się w grupie prawd o dwójce.
07:08
They all have two-ness in them.
161
428260
2000
One wszystkie mają w sobie "dwójkowość".
07:10
And therefore, it's not a matter of opinion.
162
430260
3000
Zatem, to nie kwestia opinii.
07:13
What if, Plato thought,
163
433260
2000
Co, jeśli Platon uważał,
07:15
ethics was like math?
164
435260
2000
że etyka jest jak matematyka?
07:17
What if there were a pure form of justice?
165
437260
3000
Co by było, gdyby istniała czysta forma sprawiedliwości?
07:20
What if there are truths about justice,
166
440260
2000
Co, jeśli istnieją prawdy o sprawiedliwości,
07:22
and you could just look around in this world
167
442260
2000
i moglibyśmy rozejrzeć się po świecie
07:24
and see which things participated,
168
444260
2000
i dostrzec, co należy
07:26
partook of that form of justice?
169
446260
3000
i co zawiera się w pojęciu sprawiedliwości?
07:29
Then you would know what was really just and what wasn't.
170
449260
3000
Wtedy wiedzielibyśmy, co jest właściwe, a co nie.
07:32
It wouldn't be a matter
171
452260
2000
Nie byłaby to kwestia
07:34
of just opinion or just appearances.
172
454260
3000
opinii czy wyglądu.
07:37
That's a stunning vision.
173
457260
2000
To oszałamiająca wizja.
07:39
I mean, think about that. How grand. How ambitious.
174
459260
3000
Pomyślcie, jaka jest imponująca, jaka ambitna.
07:42
That's as ambitious as we are.
175
462260
2000
Tak ambitna jak my.
07:44
He wants to solve ethics.
176
464260
2000
On chce uporać się z etyką.
07:46
He wants objective truths.
177
466260
2000
On chce prawd obiektywnych.
07:48
If you think that way,
178
468260
3000
Jeśli myślisz w ten sposób,
07:51
you have a Platonist moral framework.
179
471260
3000
to stosujesz Platońskie normy moralne.
07:54
If you don't think that way,
180
474260
2000
Jeśli tak nie myślisz,
07:56
well, you have a lot of company in the history of Western philosophy,
181
476260
2000
znajdziesz sporo pokrewnych dusz w historii zachodniej filozofii,
07:58
because the tidy idea, you know, people criticized it.
182
478260
3000
bo mało komu przypadło do gustu tak rygorystyczne podejście.
08:01
Aristotle, in particular, he was not amused.
183
481260
3000
Zwłaszcza Arystoteles nie był tym zachwycony.
08:04
He thought it was impractical.
184
484260
3000
Uważał to za niepraktyczne.
08:07
Aristotle said, "We should seek only so much precision in each subject
185
487260
4000
Powiedział: "Każdy obiekt studiujmy tak dokładnie
08:11
as that subject allows."
186
491260
2000
na ile ten obiekt pozwala".
08:13
Aristotle thought ethics wasn't a lot like math.
187
493260
3000
Arystoteles uważał, że etyka nie przypomina w ogóle matematyki.
08:16
He thought ethics was a matter of making decisions in the here-and-now
188
496260
3000
Uważał, że etyka to kwestia podejmowania decyzji tu i teraz,
08:19
using our best judgment
189
499260
2000
przy użyciu własnej wiedzy najlepiej jak się umie,
08:21
to find the right path.
190
501260
2000
by odnaleźć właściwą ścieżkę.
08:23
If you think that, Plato's not your guy.
191
503260
2000
Jeśli tak sądzisz, Platon to nie twój typ.
08:25
But don't give up.
192
505260
2000
Ale nie poddawaj się.
08:27
Maybe there's another way
193
507260
2000
Może jest jeszcze inny sposób
08:29
that we can use numbers as the basis of our moral framework.
194
509260
3000
wykorzystania cyfr jako podstawy naszego systemu moralnego.
08:33
How about this:
195
513260
2000
A gdyby tak:
08:35
What if in any situation you could just calculate,
196
515260
3000
Co, jeśli w każdej sytuacji moglibyśmy obliczyć,
08:38
look at the choices,
197
518260
2000
porównać wybory,
08:40
measure out which one's better and know what to do?
198
520260
3000
wyliczyć, które są lepsze i wiedzieć, co czynić?
08:43
That sound familiar?
199
523260
2000
Brzmi znajomo?
08:45
That's a utilitarian moral framework.
200
525260
3000
To podejście utylitarne.
08:48
John Stuart Mill was a great advocate of this --
201
528260
2000
John Stuart Mill był zdecydowanym zwolennikiem tego kierunku --
08:50
nice guy besides --
202
530260
2000
a przy okazji fajnym gościem --
08:52
and only been dead 200 years.
203
532260
2000
no i nie żyje dopiero 200 lat.
08:54
So basis of utilitarianism --
204
534260
2000
Podstawy utylitaryzmu --
08:56
I'm sure you're familiar at least.
205
536260
2000
jestem pewien, że chociaż trochę o tym wiecie.
08:58
The three people who voted for Mill before are familiar with this.
206
538260
2000
Te trzy osoby, które wcześniej głosowały za Millem, na pewno wiedzą.
09:00
But here's the way it works.
207
540260
2000
Więc spójrzmy, jak to działa.
09:02
What if morals, what if what makes something moral
208
542260
3000
Jeśli moralność lub coś, co czyni rzecz moralną
09:05
is just a matter of if it maximizes pleasure
209
545260
2000
polegałoby na maksymalizacji przyjemności
09:07
and minimizes pain?
210
547260
2000
i minimalizacji bólu?
09:09
It does something intrinsic to the act.
211
549260
3000
Jest to nieodłącznym elementem działania.
09:12
It's not like its relation to some abstract form.
212
552260
2000
Nie odnosi się wyłącznie do jakiejś abstrakcyjnej formy.
09:14
It's just a matter of the consequences.
213
554260
2000
To tylko kwestia konsekwencji.
09:16
You just look at the consequences
214
556260
2000
Patrzysz na konsekwencje
09:18
and see if, overall, it's for the good or for the worse.
215
558260
2000
i widzisz, ogólnie, czy są dobre czy złe.
09:20
That would be simple. Then we know what to do.
216
560260
2000
To by było proste. Wtedy wiedzielibyśmy, jak postępować.
09:22
Let's take an example.
217
562260
2000
Weźmy przykład.
09:24
Suppose I go up
218
564260
2000
Przypuśćmy, że podchodzę
09:26
and I say, "I'm going to take your phone."
219
566260
2000
mówiąc: "Zabieram twój telefon".
09:28
Not just because it rang earlier,
220
568260
2000
Nie dlatego, że wcześniej zadzwonił,
09:30
but I'm going to take it because I made a little calculation.
221
570260
3000
ale dlatego, bo dokonałem małej kalkulacji.
09:33
I thought, that guy looks suspicious.
222
573260
3000
Pomyślałem, że tamten kolega wygląda podejrzanie.
09:36
And what if he's been sending little messages to Bin Laden's hideout --
223
576260
3000
A co jeśli on wysyła wiadomości do kryjówki Bin Ladena
09:39
or whoever took over after Bin Laden --
224
579260
2000
albo jego następcy
09:41
and he's actually like a terrorist, a sleeper cell.
225
581260
3000
-- jest kimś w stylu terrorysty, tajna komórka.
09:44
I'm going to find that out, and when I find that out,
226
584260
3000
Dowiem się tego i gdy będę już wiedział,
09:47
I'm going to prevent a huge amount of damage that he could cause.
227
587260
3000
zapobiegnę ogromnym szkodom, jakie on mógł wyrządzić.
09:50
That has a very high utility to prevent that damage.
228
590260
3000
Ten czyn jest niesłychanie użyteczny w powstrzymaniu tych szkód.
09:53
And compared to the little pain that it's going to cause --
229
593260
2000
I w porównaniu do jego małej szkodliwości --
09:55
because it's going to be embarrassing when I'm looking on his phone
230
595260
2000
bo sytuacja może być krępująca, gdy okaże się,
09:57
and seeing that he has a Farmville problem and that whole bit --
231
597260
3000
że on tylko ma problemy w Farmville i nic poza tym --
10:00
that's overwhelmed
232
600260
3000
skrępowanie to ustępuje
10:03
by the value of looking at the phone.
233
603260
2000
samemu faktowi patrzenia na telefon.
10:05
If you feel that way,
234
605260
2000
Jeśli tak właśnie myślisz,
10:07
that's a utilitarian choice.
235
607260
3000
to jest to wybór utylitarny.
10:10
But maybe you don't feel that way either.
236
610260
3000
Ale może nie widzisz tego w ten sposób.
10:13
Maybe you think, it's his phone.
237
613260
2000
Może myślisz, że to jego telefon,
10:15
It's wrong to take his phone
238
615260
2000
że to niewłaściwe, by mu go odbierać,
10:17
because he's a person
239
617260
2000
ponieważ on jest niezależną osobą,
10:19
and he has rights and he has dignity,
240
619260
2000
a więc posiada swoje prawa i godność osobistą
10:21
and we can't just interfere with that.
241
621260
2000
i nie możemy w to ingerować.
10:23
He has autonomy.
242
623260
2000
On ma niezależność.
10:25
It doesn't matter what the calculations are.
243
625260
2000
Wszystko jedno, jaki jest wynik kalkulacji.
10:27
There are things that are intrinsically wrong --
244
627260
3000
Istnieją rzeczy, które są wewnętrznie złe --
10:30
like lying is wrong,
245
630260
2000
jak kłamstwo,
10:32
like torturing innocent children is wrong.
246
632260
3000
jak torturowanie dzieci.
10:35
Kant was very good on this point,
247
635260
3000
Kant miał tu istotnie rację
10:38
and he said it a little better than I'll say it.
248
638260
2000
i powiedział to nieco lepiej niż ja to zrobię.
10:40
He said we should use our reason
249
640260
2000
Kant powiedział, że powinniśmy używać naszego rozumu,
10:42
to figure out the rules by which we should guide our conduct,
250
642260
3000
by odkryć zasady, którymi powinniśmy się kierować.
10:45
and then it is our duty to follow those rules.
251
645260
3000
Naszym obowiązkiem jest kierować się tymi zasadami.
10:48
It's not a matter of calculation.
252
648260
3000
Rzecz nie polega na kalkulacji.
10:51
So let's stop.
253
651260
2000
Zatrzymajmy się tu.
10:53
We're right in the thick of it, this philosophical thicket.
254
653260
3000
Jesteśmy w samym środku tych rozważań, w filozoficznym gąszczu.
10:56
And this goes on for thousands of years,
255
656260
3000
To trwa od tysięcy lat,
10:59
because these are hard questions,
256
659260
2000
ponieważ to są trudne pytania,
11:01
and I've only got 15 minutes.
257
661260
2000
a ja mam tylko 15 minut.
11:03
So let's cut to the chase.
258
663260
2000
Więc do rzeczy.
11:05
How should we be making our decisions?
259
665260
4000
Jak powinniśmy podejmować nasze decyzje?
11:09
Is it Plato, is it Aristotle, is it Kant, is it Mill?
260
669260
3000
Czy za Platonem, Arystotelesem, Kantem czy za Millem?
11:12
What should we be doing? What's the answer?
261
672260
2000
Co powinniśmy robić? Jaka jest odpowiedź?
11:14
What's the formula that we can use in any situation
262
674260
3000
Jak brzmi formuła, której możemy użyć w każdej sytuacji,
11:17
to determine what we should do,
263
677260
2000
by rozstrzygnąć co powinniśmy zrobić,
11:19
whether we should use that guy's data or not?
264
679260
2000
czy użyć danych naszego kolegi czy nie?
11:21
What's the formula?
265
681260
3000
Jaka jest ta formuła?
11:25
There's not a formula.
266
685260
2000
Nie mamy żadnej.
11:29
There's not a simple answer.
267
689260
2000
Nie ma prostej odpowiedzi.
11:31
Ethics is hard.
268
691260
3000
Etyka jest trudna.
11:34
Ethics requires thinking.
269
694260
3000
Etyka wymaga myślenia.
11:38
And that's uncomfortable.
270
698260
2000
A to jest niewygodne.
11:40
I know; I spent a lot of my career
271
700260
2000
Wiem, znaczną cześć kariery spędziłem
11:42
in artificial intelligence,
272
702260
2000
pracując nad sztuczną inteligencją,
11:44
trying to build machines that could do some of this thinking for us,
273
704260
3000
budując maszyny, które potrafiłyby wyręczyć nas w myśleniu
11:47
that could give us answers.
274
707260
2000
i które dałyby nam odpowiedzi.
11:49
But they can't.
275
709260
2000
Ale one nie potrafią.
11:51
You can't just take human thinking
276
711260
2000
Nie można po prostu wziąć ludzkiego myślenia
11:53
and put it into a machine.
277
713260
2000
i włożyć do maszyny.
11:55
We're the ones who have to do it.
278
715260
3000
My sami musimy to zrobić.
11:58
Happily, we're not machines, and we can do it.
279
718260
3000
Na szczęście nie jesteśmy maszynami i potrafimy to.
12:01
Not only can we think,
280
721260
2000
Nie tylko możemy myśleć,
12:03
we must.
281
723260
2000
ale i musimy.
12:05
Hannah Arendt said,
282
725260
2000
Hannah Arendt powiedziała:
12:07
"The sad truth
283
727260
2000
"Smutną prawdą jest,
12:09
is that most evil done in this world
284
729260
2000
że większość zła tego świata
12:11
is not done by people
285
731260
2000
nie dzieje się za sprawą ludzi,
12:13
who choose to be evil.
286
733260
2000
którzy wybierają zło.
12:15
It arises from not thinking."
287
735260
3000
Zło bierze się z braku myślenia".
12:18
That's what she called the "banality of evil."
288
738260
4000
Nazwała to "banalnością zła".
12:22
And the response to that
289
742260
2000
I odpowiedzią na to
12:24
is that we demand the exercise of thinking
290
744260
2000
jest to, że oczekujemy myślenia
12:26
from every sane person.
291
746260
3000
od każdej rozumnej osoby.
12:29
So let's do that. Let's think.
292
749260
2000
Więc zróbmy tak. Myślmy.
12:31
In fact, let's start right now.
293
751260
3000
A właściwie zacznijmy od razu.
12:34
Every person in this room do this:
294
754260
3000
Niech każdy w tym pomieszczeniu
12:37
think of the last time you had a decision to make
295
757260
3000
pomyśli, kiedy ostatnio musiał podjąć decyzję
12:40
where you were worried to do the right thing,
296
760260
2000
i niepokoił się, by podjąć ją właściwie,
12:42
where you wondered, "What should I be doing?"
297
762260
2000
zastanawiał się: "Co powinienem zrobić"?
12:44
Bring that to mind,
298
764260
2000
Przypomnijcie to sobie.
12:46
and now reflect on that
299
766260
2000
A teraz pomyślcie o tym
12:48
and say, "How did I come up that decision?
300
768260
3000
i odpowiedzcie sobie: "Jak dokonałem tej decyzji?
12:51
What did I do? Did I follow my gut?
301
771260
3000
Jak to zrobiłem? Czy posłuchałem intuicji?
12:54
Did I have somebody vote on it? Or did I punt to legal?"
302
774260
2000
Czy posłuchałem czyjejś rady? Zapukałem do prawnika?"
12:56
Or now we have a few more choices.
303
776260
3000
Teraz mamy więcej wyborów.
12:59
"Did I evaluate what would be the highest pleasure
304
779260
2000
"Czy oszacowałem, co przyniesie największą korzyść,
13:01
like Mill would?
305
781260
2000
jak Mill by to zrobił?
13:03
Or like Kant, did I use reason to figure out what was intrinsically right?"
306
783260
3000
Czy jak Kant, użyłem rozumu, by wybrać rzecz immanentnie słuszną"?
13:06
Think about it. Really bring it to mind. This is important.
307
786260
3000
Pomyślcie o tym. Wyobraźcie to sobie ponownie. To istotne.
13:09
It is so important
308
789260
2000
To tak ważne,
13:11
we are going to spend 30 seconds of valuable TEDTalk time
309
791260
2000
że spędzimy 30 sekund cennego czasu TEDTalk
13:13
doing nothing but thinking about this.
310
793260
2000
na myślenie o tym.
13:15
Are you ready? Go.
311
795260
2000
Gotowi? Start.
13:33
Stop. Good work.
312
813260
3000
Stop. Dobra robota.
13:36
What you just did,
313
816260
2000
To, co właśnie zrobiliście,
13:38
that's the first step towards taking responsibility
314
818260
2000
to pierwszy krok ku wzięciu odpowiedzialności
13:40
for what we should do with all of our power.
315
820260
3000
za to, co powinniśmy uczynić z naszą władzą.
13:45
Now the next step -- try this.
316
825260
3000
Teraz kolejny krok -- spróbujcie tego.
13:49
Go find a friend and explain to them
317
829260
2000
Znajdźcie kogoś i wytłumaczcie mu
13:51
how you made that decision.
318
831260
2000
jak podjęliście tę decyzję.
13:53
Not right now. Wait till I finish talking.
319
833260
2000
Nie teraz. Poczekajcie, aż skończę mówić.
13:55
Do it over lunch.
320
835260
2000
Zróbcie to w czasie lunchu.
13:57
And don't just find another technologist friend;
321
837260
3000
Nie chodzi mi o kolejnego specjalistę;
14:00
find somebody different than you.
322
840260
2000
poszukajcie kogoś zupełnie innego.
14:02
Find an artist or a writer --
323
842260
2000
Kogoś jak artysta lub pisarz --
14:04
or, heaven forbid, find a philosopher and talk to them.
324
844260
3000
albo, uchowaj Boże, znajdźcie filozofa i porozmawiajcie z nim.
14:07
In fact, find somebody from the humanities.
325
847260
2000
Właściwie, to znajdźcie humanistę.
14:09
Why? Because they think about problems
326
849260
2000
Dlaczego? Bo oni rozważają problemy
14:11
differently than we do as technologists.
327
851260
2000
inaczej niż my, technologowie.
14:13
Just a few days ago, right across the street from here,
328
853260
3000
Kilka dni temu, dokładnie po drugiej stronie ulicy stąd,
14:16
there was hundreds of people gathered together.
329
856260
2000
zgromadziły się setki ludzi.
14:18
It was technologists and humanists
330
858260
2000
Technologowie i humaniści
14:20
at that big BiblioTech Conference.
331
860260
2000
zjechali na konferencję BiblioTech.
14:22
And they gathered together
332
862260
2000
Zebrali się,
14:24
because the technologists wanted to learn
333
864260
2000
bo technologowie chcieli się dowiedzieć,
14:26
what it would be like to think from a humanities perspective.
334
866260
3000
jak to jest myśleć z perspektywy humanisty.
14:29
You have someone from Google
335
869260
2000
Masz pracownika Google
14:31
talking to someone who does comparative literature.
336
871260
2000
rozmawiającego z osobą zajmującą się literaturą porównawczą.
14:33
You're thinking about the relevance of 17th century French theater --
337
873260
3000
Rozprawiasz o znaczeniu XVII-wiecznego teatru francuskiego
14:36
how does that bear upon venture capital?
338
876260
2000
i jego wpływie na venture capital.
14:38
Well that's interesting. That's a different way of thinking.
339
878260
3000
To interesujące. To inny sposób myślenia.
14:41
And when you think in that way,
340
881260
2000
I jeśli zaczniesz myśleć w ten sposób,
14:43
you become more sensitive to the human considerations,
341
883260
3000
stajesz się bardziej czuły na ludzkie rozterki,
14:46
which are crucial to making ethical decisions.
342
886260
3000
które są kluczowe w podejmowaniu etycznych decyzji.
14:49
So imagine that right now
343
889260
2000
Wyobraźcie sobie teraz,
14:51
you went and you found your musician friend.
344
891260
2000
że znaleźliście muzyka.
14:53
And you're telling him what we're talking about,
345
893260
3000
I opowiadacie mu, o czym teraz mówimy,
14:56
about our whole data revolution and all this --
346
896260
2000
o rewolucji danych i o całej reszcie,
14:58
maybe even hum a few bars of our theme music.
347
898260
2000
może nucąc kilka nut naszego muzycznego motywu.
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
Wtedy muzyk przerwie ci, mówiąc:
15:05
"You know, the theme music
350
905260
2000
"Wiesz, ta melodia
15:07
for your data revolution,
351
907260
2000
ilustrująca rewolucję danych
15:09
that's an opera, that's Wagner.
352
909260
2000
pochodzi z opery Wagnera
15:11
It's based on Norse legend.
353
911260
2000
opartej na nordyckiej legendzie.
15:13
It's Gods and mythical creatures
354
913260
2000
Chodzi tam o bogów i mityczne stworzenia,
15:15
fighting over magical jewelry."
355
915260
3000
które walczą o skarby o magicznych właściwościach".
15:19
That's interesting.
356
919260
3000
To interesujące.
15:22
Now it's also a beautiful opera,
357
922260
3000
To piękna opera.
15:25
and we're moved by that opera.
358
925260
3000
I jesteśmy nią poruszeni.
15:28
We're moved because it's about the battle
359
928260
2000
Jesteśmy poruszeni, bo to historia walki
15:30
between good and evil,
360
930260
2000
dobra ze złem,
15:32
about right and wrong.
361
932260
2000
słusznego z niewłaściwym.
15:34
And we care about right and wrong.
362
934260
2000
A nam zależy na tym rozróżnieniu.
15:36
We care what happens in that opera.
363
936260
3000
Przejmujemy się tym, co się dzieje w tej operze.
15:39
We care what happens in "Apocalypse Now."
364
939260
3000
I tym, co się dzieje w "Czasie Apokalipsy".
15:42
And we certainly care
365
942260
2000
A już na pewno przejmujemy się tym,
15:44
what happens with our technologies.
366
944260
2000
co się dzieje z naszymi technologiami.
15:46
We have so much power today,
367
946260
2000
Dziś mamy tak wiele władzy,
15:48
it is up to us to figure out what to do,
368
948260
3000
że tylko od nas zależy, co z nią uczynimy.
15:51
and that's the good news.
369
951260
2000
To właśnie dobra wiadomość.
15:53
We're the ones writing this opera.
370
953260
3000
My komponujemy tę operę.
15:56
This is our movie.
371
956260
2000
To jest nasz film.
15:58
We figure out what will happen with this technology.
372
958260
3000
My decydujemy, co się dalej stanie z tą technologią.
16:01
We determine how this will all end.
373
961260
3000
Od nas zależy, jak się to wszystko zakończy.
16:04
Thank you.
374
964260
2000
Dziękuję.
16:06
(Applause)
375
966260
5000
(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