What AI is -- and isn't | Sebastian Thrun and Chris Anderson

259,143 views ・ 2017-12-21

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Raissa Mendes Revisor: Maricene Crus
00:12
Chris Anderson: Help us understand what machine learning is,
0
12904
2886
Chris Anderson: Ajude-nos a entender o que é aprendizado de máquina,
00:15
because that seems to be the key driver
1
15814
2054
pois esse parece ser o principal motor
00:17
of so much of the excitement and also of the concern
2
17892
2737
tanto da empolgação quanto da preocupação com a inteligência artificial.
00:20
around artificial intelligence.
3
20653
1494
Como funciona o aprendizado de máquina?
00:22
How does machine learning work?
4
22171
1643
00:23
Sebastian Thrun: So, artificial intelligence and machine learning
5
23838
3896
Sebastian Thrun: A inteligência artificial e o aprendizado de máquina
00:27
is about 60 years old
6
27758
2002
têm cerca de 60 anos,
00:29
and has not had a great day in its past until recently.
7
29784
4269
e seus dias de glória só começaram recentemente.
00:34
And the reason is that today,
8
34077
2924
E a razão é que hoje
00:37
we have reached a scale of computing and datasets
9
37025
3973
chegamos a uma escala de computação e de dados
00:41
that was necessary to make machines smart.
10
41022
2637
que era necessária para tornar as máquinas inteligentes.
00:43
So here's how it works.
11
43683
1751
Então, eis como funciona.
00:45
If you program a computer today, say, your phone,
12
45458
3497
Para programar um computador hoje, digamos, um celular,
00:48
then you hire software engineers
13
48979
2335
são contratados engenheiros de software
00:51
that write a very, very long kitchen recipe,
14
51338
3854
que escrevem uma receita culinária bem longa,
00:55
like, "If the water is too hot, turn down the temperature.
15
55216
3132
tipo: "Se a água estiver quente demais, diminua a temperatura.
00:58
If it's too cold, turn up the temperature."
16
58372
2279
Se estiver fria demais, aumente a temperatura".
01:00
The recipes are not just 10 lines long.
17
60675
2849
E não são receitas de apenas dez linhas.
01:03
They are millions of lines long.
18
63548
2603
Elas possuem milhões de linhas.
01:06
A modern cell phone has 12 million lines of code.
19
66175
4084
Um celular moderno possui 12 milhões de linhas de programação.
01:10
A browser has five million lines of code.
20
70283
2646
Um browser tem 5 milhões de linhas de programação.
01:12
And each bug in this recipe can cause your computer to crash.
21
72953
4969
E cada falha nessa "receita" pode causar uma pane no computador.
01:17
That's why a software engineer makes so much money.
22
77946
3075
É por isso que engenheiros de software ganham tanto dinheiro.
01:21
The new thing now is that computers can find their own rules.
23
81953
3660
A novidade agora é que os computadores podem descobrir suas próprias regras.
01:25
So instead of an expert deciphering, step by step,
24
85637
3606
Então, em vez de um especialista decifrar, passo a passo,
01:29
a rule for every contingency,
25
89267
2148
uma regra para cada contingência,
01:31
what you do now is you give the computer examples
26
91439
3074
o que se faz agora é dar exemplos ao computador
01:34
and have it infer its own rules.
27
94537
1581
e deixá-lo inferir as regras.
01:36
A really good example is AlphaGo, which recently was won by Google.
28
96142
4306
Um ótimo exemplo é AlphaGo, que recentemente venceu para o Google.
01:40
Normally, in game playing, you would really write down all the rules,
29
100472
3687
Num jogo, normalmente escrevem-se todas as regras,
01:44
but in AlphaGo's case,
30
104183
1785
mas, no caso do AlphaGo,
01:45
the system looked over a million games
31
105992
2066
o sistema pesquisou milhões de jogos
01:48
and was able to infer its own rules
32
108082
2192
e foi capaz de inferir suas próprias regras
01:50
and then beat the world's residing Go champion.
33
110298
2738
e então vencer o antigo campeão mundial de Go.
01:53
That is exciting, because it relieves the software engineer
34
113853
3509
Isso é interessante, pois alivia a carga do engenheiro de software
01:57
of the need of being super smart,
35
117386
1819
de ser superinteligente,
01:59
and pushes the burden towards the data.
36
119229
2325
e transfere a carga para os dados.
02:01
As I said, the inflection point where this has become really possible --
37
121578
4534
Como disse, o ponto de inflexão em que isso se tornou possível...
muito constrangedor, minha tese foi sobre aprendizado de máquina,
02:06
very embarrassing, my thesis was about machine learning.
38
126136
2746
02:08
It was completely insignificant, don't read it,
39
128906
2205
totalmente insignificante, não leiam, pois foi escrita há 20 anos...
02:11
because it was 20 years ago
40
131135
1350
e, à época, os computadores eram como o cérebro de minhoca.
02:12
and back then, the computers were as big as a cockroach brain.
41
132509
2907
02:15
Now they are powerful enough to really emulate
42
135440
2331
Agora eles são poderosos o suficiente para simular
02:17
kind of specialized human thinking.
43
137795
2076
o pensamento humano especializado.
02:19
And then the computers take advantage of the fact
44
139895
2313
E os computadores têm a vantagem de trabalhar com muito mais dados
02:22
that they can look at much more data than people can.
45
142232
2500
do que as pessoas.
02:24
So I'd say AlphaGo looked at more than a million games.
46
144756
3080
Assim, o AlphaGo pesquisou mais de um milhão de jogos.
02:27
No human expert can ever study a million games.
47
147860
2839
Nenhum especialista humano conseguiria estudar esse número.
02:30
Google has looked at over a hundred billion web pages.
48
150723
3182
O Google olhou mais de uma centena de bilhões de páginas da rede.
02:33
No person can ever study a hundred billion web pages.
49
153929
2650
Ninguém jamais conseguiu estudar bilhões de páginas.
02:36
So as a result, the computer can find rules
50
156603
2714
Em decorrência disso, o computador pode encontrar regras
02:39
that even people can't find.
51
159341
1755
que nem as pessoas conseguem.
02:41
CA: So instead of looking ahead to, "If he does that, I will do that,"
52
161120
4312
CA: Então, em vez de ser: "Se ele fizer isso, eu faço aquilo",
02:45
it's more saying, "Here is what looks like a winning pattern,
53
165456
3072
é mais: "Eis o que parece um padrão de vitória;
02:48
here is what looks like a winning pattern."
54
168552
2079
eis o que parece ser um padrão de vitória".
02:50
ST: Yeah. I mean, think about how you raise children.
55
170655
2517
ST: Isso! Basta pensar na criação de filhos.
Não passamos os primeiros 18 anos dando regras para cada contingência
02:53
You don't spend the first 18 years giving kids a rule for every contingency
56
173196
3644
02:56
and set them free and they have this big program.
57
176864
2347
para, quando forem adultos, terem um programa enorme.
Eles titubeiam, caem, levantam, levam tapas ou surras,
02:59
They stumble, fall, get up, they get slapped or spanked,
58
179235
2719
03:01
and they have a positive experience, a good grade in school,
59
181978
2884
têm uma experiência positiva, uma boa nota na escola,
03:04
and they figure it out on their own.
60
184886
1834
e aprendem por si mesmos.
03:06
That's happening with computers now,
61
186744
1737
É o mesmo com os computadores agora, o que de repente facilitou a programação.
03:08
which makes computer programming so much easier all of a sudden.
62
188505
3029
03:11
Now we don't have to think anymore. We just give them lots of data.
63
191558
3175
Não temos mais de pensar; apenas damos a eles montes de dados.
03:14
CA: And so, this has been key to the spectacular improvement
64
194757
3422
CA: Então isso tem sido fundamental para o desenvolvimento espetacular
03:18
in power of self-driving cars.
65
198203
3064
do poder dos carros autônomos.
03:21
I think you gave me an example.
66
201291
1739
Acho que você tem um exemplo.
03:23
Can you explain what's happening here?
67
203054
2685
Você pode explicar o que está acontecendo aqui?
03:25
ST: This is a drive of a self-driving car
68
205763
3564
ST: Este é o percurso de um carro autônomo que temos na Udacity
03:29
that we happened to have at Udacity
69
209351
1957
03:31
and recently made into a spin-off called Voyage.
70
211332
2398
e recentemente deu origem a uma filial chamada Voyage.
03:33
We have used this thing called deep learning
71
213754
2574
Temos usado o chamado aprendizado profundo para treinar um carro a dirigir sozinho,
03:36
to train a car to drive itself,
72
216352
1623
03:37
and this is driving from Mountain View, California,
73
217999
2387
e este está indo de Mountain View, Califórnia, para São Francisco
03:40
to San Francisco
74
220410
1168
03:41
on El Camino Real on a rainy day,
75
221602
2259
no El Camino Real num dia chuvoso,
03:43
with bicyclists and pedestrians and 133 traffic lights.
76
223885
3524
com ciclistas e pedestres e 133 semáforos.
03:47
And the novel thing here is,
77
227433
2636
E a novidade aqui é...
muitas luas atrás, criei a equipe do carro autônomo do Google.
03:50
many, many moons ago, I started the Google self-driving car team.
78
230093
3120
03:53
And back in the day, I hired the world's best software engineers
79
233237
3181
E, naquela época, contratei os melhores engenheiros de software
03:56
to find the world's best rules.
80
236442
1607
para descobrirem as melhores regras.
03:58
This is just trained.
81
238073
1754
Isso foi um teste.
03:59
We drive this road 20 times,
82
239851
3336
Dirigimos nessa estrada 20 vezes,
04:03
we put all this data into the computer brain,
83
243211
2447
colocamos todos os dados no cérebro do computador
04:05
and after a few hours of processing,
84
245682
2082
e, após algumas horas de processamento,
04:07
it comes up with behavior that often surpasses human agility.
85
247788
3926
ele demonstra um comportamento que sempre ultrapassa a agilidade humana.
04:11
So it's become really easy to program it.
86
251738
2017
Assim, é muito fácil programá-lo.
04:13
This is 100 percent autonomous, about 33 miles, an hour and a half.
87
253779
3803
Este é 100% autônomo, cerca de 53 km em uma hora e meia.
04:17
CA: So, explain it -- on the big part of this program on the left,
88
257606
3630
CA: Então, nos explique: naquela parte grande do programa à esquerda,
04:21
you're seeing basically what the computer sees as trucks and cars
89
261260
3257
vemos mais ou menos o que o computador vê, caminhões, carros,
04:24
and those dots overtaking it and so forth.
90
264541
2886
pontos de ultrapassagem, e assim por diante.
04:27
ST: On the right side, you see the camera image, which is the main input here,
91
267451
3762
ST: À direita, vemos a imagem da câmera, a entrada de dados mais expressiva,
usada para encontrar pistas, outros carros, semáforos.
04:31
and it's used to find lanes, other cars, traffic lights.
92
271237
2676
04:33
The vehicle has a radar to do distance estimation.
93
273937
2489
O veículo tem um radar para calcular a distância,
04:36
This is very commonly used in these kind of systems.
94
276450
2621
algo muito usado nesse tipo de sistema.
04:39
On the left side you see a laser diagram,
95
279095
1992
À esquerda, vemos um diagrama a laser,
04:41
where you see obstacles like trees and so on depicted by the laser.
96
281111
3200
que nos mostra obstáculos como árvores e coisas assim.
04:44
But almost all the interesting work is centering on the camera image now.
97
284335
3436
Mas o mais importante está na imagem da câmera.
04:47
We're really shifting over from precision sensors like radars and lasers
98
287795
3476
Estamos passando de sensores de precisão como radares e lasers
para sensores baratinhos, genéricos.
04:51
into very cheap, commoditized sensors.
99
291295
1842
04:53
A camera costs less than eight dollars.
100
293161
1987
Uma câmera custa menos de US$ 8.
04:55
CA: And that green dot on the left thing, what is that?
101
295172
2793
CA: E aquele ponto verde à esquerda, o que é?
04:57
Is that anything meaningful?
102
297989
1371
É algo importante?
04:59
ST: This is a look-ahead point for your adaptive cruise control,
103
299384
3668
ST: É uma referência para o cruzeiro regulável,
05:03
so it helps us understand how to regulate velocity
104
303076
2477
que nos ajuda a entender como regular a velocidade
05:05
based on how far the cars in front of you are.
105
305577
2634
com base na distância dos carros da frente.
05:08
CA: And so, you've also got an example, I think,
106
308235
2716
CA: Você também tem um exemplo
05:10
of how the actual learning part takes place.
107
310975
2381
de como o aprendizado real acontece.
05:13
Maybe we can see that. Talk about this.
108
313380
2458
Vamos dar uma olhada; fale sobre isso.
05:15
ST: This is an example where we posed a challenge to Udacity students
109
315862
3643
ST: Este é de um desafio que propusemos aos alunos da Udacity,
05:19
to take what we call a self-driving car Nanodegree.
110
319529
3131
de trabalharem com o chamado carro autônomo "Nanodegree".
05:22
We gave them this dataset
111
322684
1495
Demos a eles esses dados e dissemos:
05:24
and said "Hey, can you guys figure out how to steer this car?"
112
324203
3054
"Ei, vocês conseguem descobrir como dirigir esse carro?"
05:27
And if you look at the images,
113
327281
1624
Olhando essas imagens,
05:28
it's, even for humans, quite impossible to get the steering right.
114
328929
4073
até para os seres humanos é quase impossível dirigir certo.
05:33
And we ran a competition and said, "It's a deep learning competition,
115
333026
3591
E fizemos uma competição de aprendizado profundo,
05:36
AI competition,"
116
336641
1173
uma competição de IA,
05:37
and we gave the students 48 hours.
117
337838
1887
e demos aos estudantes 48 horas.
05:39
So if you are a software house like Google or Facebook,
118
339749
4172
Bem, numa empresa de software como o Google ou o Facebook,
05:43
something like this costs you at least six months of work.
119
343945
2717
algo assim vai demandar pelo menos seis meses de trabalho.
05:46
So we figured 48 hours is great.
120
346686
2202
Assim, decidimos que 48 horas estava ótimo.
05:48
And within 48 hours, we got about 100 submissions from students,
121
348912
3467
E, em 48 horas, recebemos cerca de 100 respostas dos alunos,
05:52
and the top four got it perfectly right.
122
352403
3370
e os 4 melhores solucionaram perfeitamente.
05:55
It drives better than I could drive on this imagery,
123
355797
2640
Com o aprendizado profundo, ele dirigiu melhor do que eu.
05:58
using deep learning.
124
358461
1189
05:59
And again, it's the same methodology.
125
359674
1799
Novamente, é a mesma metodologia, é uma coisa mágica.
06:01
It's this magical thing.
126
361497
1164
06:02
When you give enough data to a computer now,
127
362685
2085
Quando o computador tem dados e tempo suficientes para compreender esses dados,
06:04
and give enough time to comprehend the data,
128
364794
2140
06:06
it finds its own rules.
129
366958
1445
ele descobre suas próprias regras.
06:09
CA: And so that has led to the development of powerful applications
130
369339
4845
CA: E então isso levou ao desenvolvimento de aplicações poderosas
06:14
in all sorts of areas.
131
374208
1525
em todo tipo de área.
06:15
You were talking to me the other day about cancer.
132
375757
2668
Outro dia, você estava me falando da oncologia.
06:18
Can I show this video?
133
378449
1189
Posso mostrar esse vídeo?
06:19
ST: Yeah, absolutely, please. CA: This is cool.
134
379662
2354
ST: Sim, claro, por favor. CA: Isso é legal.
06:22
ST: This is kind of an insight into what's happening
135
382040
3534
ST: Esse é um tipo de insight sobre o que está acontecendo
06:25
in a completely different domain.
136
385598
2429
num domínio completamente diferente.
06:28
This is augmenting, or competing --
137
388051
3752
Isso está ampliando, ou competindo,
06:31
it's in the eye of the beholder --
138
391827
1749
como se queira,
06:33
with people who are being paid 400,000 dollars a year,
139
393600
3454
com pessoas que ganham US$ 400 mil por ano,
06:37
dermatologists,
140
397078
1237
dermatologistas,
06:38
highly trained specialists.
141
398339
1983
especialistas altamente treinados.
06:40
It takes more than a decade of training to be a good dermatologist.
142
400346
3561
Leva-se mais de uma década para se formar um bom dermatologista.
06:43
What you see here is the machine learning version of it.
143
403931
3196
E vemos aqui a versão aprendizado de máquina disso.
06:47
It's called a neural network.
144
407151
1841
É a chamada rede neural.
06:49
"Neural networks" is the technical term for these machine learning algorithms.
145
409016
3742
"Redes neurais" é o termo técnico dado a algoritmos de aprendizado de máquina.
06:52
They've been around since the 1980s.
146
412782
1789
Elas estão aí desde a década de 1980.
06:54
This one was invented in 1988 by a Facebook Fellow called Yann LeCun,
147
414595
4640
Esta foi inventado em 1988 por Yann LeCun, um pesquisador do Facebook,
06:59
and it propagates data stages
148
419259
3558
e ela processa dados em estágios
07:02
through what you could think of as the human brain.
149
422841
2578
como faz o cérebro humano.
07:05
It's not quite the same thing, but it emulates the same thing.
150
425443
2966
Não é exatamente a mesma coisa, mas simula a mesma coisa.
07:08
It goes stage after stage.
151
428433
1302
Ela vai por etapas.
07:09
In the very first stage, it takes the visual input and extracts edges
152
429759
3637
No primeiríssimo estágio, ela pega os dados visuais e extrai bordas,
07:13
and rods and dots.
153
433420
2612
ângulos e pintas.
07:16
And the next one becomes more complicated edges
154
436056
3037
E a seguir as bordas mais complicadas
07:19
and shapes like little half-moons.
155
439117
3191
e figuras como meias-luas.
07:22
And eventually, it's able to build really complicated concepts.
156
442332
4443
E acaba sendo capaz de construir conceitos realmente complicados.
07:26
Andrew Ng has been able to show
157
446799
2048
Andrew Ng foi capaz de mostrar
07:28
that it's able to find cat faces and dog faces
158
448871
3480
que é capaz de encontrar caras de gatos e de cachorros
07:32
in vast amounts of images.
159
452375
1661
em vastas quantidades de imagens.
07:34
What my student team at Stanford has shown is that
160
454060
2724
Minha equipe de alunos em Stanford mostrou que,
07:36
if you train it on 129,000 images of skin conditions,
161
456808
6073
se a treinarmos em 129 mil imagens de condições da pele,
07:42
including melanoma and carcinomas,
162
462905
2565
incluindo melanona e carcinomas,
07:45
you can do as good a job
163
465494
3301
é possível fazer um trabalho tão bom
07:48
as the best human dermatologists.
164
468819
2197
quanto os melhores dermatologistas.
07:51
And to convince ourselves that this is the case,
165
471040
2549
E, para nos convencer disso,
07:53
we captured an independent dataset that we presented to our network
166
473613
3990
usamos um conjunto de dados independentes,
que apresentamos à nossa rede e a 25 dermatologistas no nível de Stanford
07:57
and to 25 board-certified Stanford-level dermatologists,
167
477627
4342
08:01
and compared those.
168
481993
1672
e comparamos.
08:03
And in most cases,
169
483689
1504
E, na maioria dos casos,
08:05
they were either on par or above the performance classification accuracy
170
485217
3875
sua precisão foi igual ou melhor do que a dos dermatologistas humanos.
08:09
of human dermatologists.
171
489116
1467
08:10
CA: You were telling me an anecdote.
172
490607
1746
CA: Você estava me contando um caso
08:12
I think about this image right here.
173
492377
1957
sobre essa imagem.
08:14
What happened here?
174
494358
1484
O que houve aqui?
08:15
ST: This was last Thursday. That's a moving piece.
175
495866
4008
ST: Isso foi na última quinta. Foi tocante.
08:19
What we've shown before and we published in "Nature" earlier this year
176
499898
3600
Foi publicado na "Nature" este ano:
08:23
was this idea that we show dermatologists images
177
503522
2484
mostramos imagens a dermatologistas e ao nosso programa de computador
08:26
and our computer program images,
178
506030
1539
08:27
and count how often they're right.
179
507593
1627
e contamos o número de acertos.
08:29
But all these images are past images.
180
509244
1778
Mas todas as imagens já tinham biópsia
08:31
They've all been biopsied to make sure we had the correct classification.
181
511046
3460
para termos certeza de sua correta classificação.
08:34
This one wasn't.
182
514530
1172
Mas não essa.
08:35
This one was actually done at Stanford by one of our collaborators.
183
515726
3179
Essa na verdade foi feita em Stanford por um de nossos colaboradores.
08:38
The story goes that our collaborator,
184
518929
2314
A história é que nosso colaborador,
08:41
who is a world-famous dermatologist, one of the three best, apparently,
185
521267
3391
um renomado dermatologista, aparentemente um dos três melhores,
08:44
looked at this mole and said, "This is not skin cancer."
186
524682
2935
olhou para esta pinta e disse: "Não é câncer de pele".
08:47
And then he had a second moment, where he said,
187
527641
2476
E depois, pensando melhor, ele disse: "Bem, deixe-me checar no aplicativo".
08:50
"Well, let me just check with the app."
188
530141
1866
Então ele pegou seu iPhone e usou nosso aplicativo,
08:52
So he took out his iPhone and ran our piece of software,
189
532031
2699
08:54
our "pocket dermatologist," so to speak,
190
534754
2121
o chamado "dermatologista de bolso",
08:56
and the iPhone said: cancer.
191
536899
2994
e o iPhone disse câncer, melanoma.
08:59
It said melanoma.
192
539917
1306
09:01
And then he was confused.
193
541849
1233
Então o médico ficou confuso,
09:03
And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"
194
543106
4551
e decidiu: "Talvez eu confie no iPhone um pouco mais do que em mim mesmo",
09:07
and he sent it out to the lab to get it biopsied.
195
547681
2735
e enviou para o laboratório para biópsia.
09:10
And it came up as an aggressive melanoma.
196
550440
2469
E o resultado foi um melanoma agressivo.
09:13
So I think this might be the first time that we actually found,
197
553545
3067
Acho que essa foi a primeira vez que realmente encontramos,
09:16
in the practice of using deep learning,
198
556636
2487
no uso do aprendizado profundo,
09:19
an actual person whose melanoma would have gone unclassified,
199
559147
3372
uma pessoa real cujo melanoma não teria sido diagnosticado
09:22
had it not been for deep learning.
200
562543
2115
se não fosse pelo aprendizado profundo.
09:24
CA: I mean, that's incredible.
201
564682
1560
CA: Puxa, isso é incrível.
09:26
(Applause)
202
566266
1769
(Aplausos)
09:28
It feels like there'd be an instant demand for an app like this right now,
203
568059
3600
Parece que há uma demanda imediata para um aplicativo como este agora,
09:31
that you might freak out a lot of people.
204
571683
1966
que deve assustar muitas pessoas.
09:33
Are you thinking of doing this, making an app that allows self-checking?
205
573673
3527
Pensam em fazer isso, um aplicativo que permita autoexame?
ST: Minha caixa de correio está inundada de aplicativos sobre câncer
09:37
ST: So my in-box is flooded about cancer apps,
206
577224
4973
09:42
with heartbreaking stories of people.
207
582221
2303
com histórias de cortar o coração.
09:44
I mean, some people have had 10, 15, 20 melanomas removed,
208
584548
3204
Digo, algumas pessoas tiveram 10, 15, 20 melanomas removidos,
09:47
and are scared that one might be overlooked, like this one,
209
587776
3952
e têm medo de que um tenha passado despercebido, como este,
09:51
and also, about, I don't know,
210
591752
1741
e também sobre carros voadores e pedidos de palestras, coisas assim.
09:53
flying cars and speaker inquiries these days, I guess.
211
593517
2732
09:56
My take is, we need more testing.
212
596273
2738
Minha postura é que precisamos de mais testes.
09:59
I want to be very careful.
213
599449
1778
Quero ser bem cuidadoso.
10:01
It's very easy to give a flashy result and impress a TED audience.
214
601251
3666
É muito fácil dar um resultado chamativo e impressionar a plateia do TED.
10:04
It's much harder to put something out that's ethical.
215
604941
2627
É muito mais difícil lançar algo ético.
10:07
And if people were to use the app
216
607592
2394
E, se as pessoas forem usar o aplicativo
10:10
and choose not to consult the assistance of a doctor
217
610010
2797
e forem dispensar a ajuda de um médico,
10:12
because we get it wrong,
218
612831
1583
é porque fizemos errado, e eu me sentiria muito mal com isso.
10:14
I would feel really bad about it.
219
614438
1653
Assim, estamos fazendo testes clínicos e, caso nossos dados se sustentem,
10:16
So we're currently doing clinical tests,
220
616115
1925
10:18
and if these clinical tests commence and our data holds up,
221
618064
2798
10:20
we might be able at some point to take this kind of technology
222
620886
2990
talvez possamos, em algum momento, pegar esse tipo de tecnologia,
10:23
and take it out of the Stanford clinic
223
623900
1892
tirá-la da clínica Stanford e levá-la ao mundo inteiro,
10:25
and bring it to the entire world,
224
625816
1658
lugares onde médicos de Stanford nunca estiveram antes.
10:27
places where Stanford doctors never, ever set foot.
225
627498
2456
10:30
CA: And do I hear this right,
226
630617
2580
CA: E, se entendi bem, se for como você está dizendo,
10:33
that it seemed like what you were saying,
227
633221
1966
você vem trabalhando com um exército de alunos da Udacity
10:35
because you are working with this army of Udacity students,
228
635211
4254
e, de certa maneira, está aplicando uma forma diferente de aprendizado de máquina
10:39
that in a way, you're applying a different form of machine learning
229
639489
3221
10:42
than might take place in a company,
230
642734
1735
da que ocorre numa empresa,
10:44
which is you're combining machine learning with a form of crowd wisdom.
231
644493
3484
que é combinar aprendizado de máquina com uma forma de sabedoria coletiva.
10:48
Are you saying that sometimes you think that could actually outperform
232
648001
3384
Você está dizendo que poderia superar o que uma empresa pode fazer,
10:51
what a company can do, even a vast company?
233
651409
2050
mesmo uma grande?
ST: Acredito que haja agora instâncias que me surpreendem,
10:53
ST: I believe there's now instances that blow my mind,
234
653483
2940
10:56
and I'm still trying to understand.
235
656447
1758
e ainda estou tentando entender.
10:58
What Chris is referring to is these competitions that we run.
236
658229
3937
O Chris está se referindo às competições que fazemos.
11:02
We turn them around in 48 hours,
237
662190
2268
Fazemos isso em 48 horas,
11:04
and we've been able to build a self-driving car
238
664482
2252
e conseguimos construir um carro autônomo
11:06
that can drive from Mountain View to San Francisco on surface streets.
239
666758
3387
que pode dirigir de Mountain View a São Francisco pelas ruas,
11:10
It's not quite on par with Google after seven years of Google work,
240
670169
3584
não no mesmo nível do trabalho de sete anos do Google,
11:13
but it's getting there.
241
673777
2528
mas está chegando lá.
11:16
And it took us only two engineers and three months to do this.
242
676329
3084
E isso foi feito com apenas dois engenheiros em três meses,
11:19
And the reason is, we have an army of students
243
679437
2856
porque temos um exército de alunos que participam das competições.
11:22
who participate in competitions.
244
682317
1850
Não somos os únicos a usar colaboração coletiva.
11:24
We're not the only ones who use crowdsourcing.
245
684191
2220
11:26
Uber and Didi use crowdsource for driving.
246
686435
2223
Uber e Didi fazem o mesmo.
11:28
Airbnb uses crowdsourcing for hotels.
247
688682
2759
Airbnb usa colaboração coletiva para hospedagem.
11:31
There's now many examples where people do bug-finding crowdsourcing
248
691465
4007
Há hoje muitos exemplos de pessoas fazendo isso para descobrir falhas
11:35
or protein folding, of all things, in crowdsourcing.
249
695496
2804
ou enovelamento de proteínas, etc., na colaboração coletiva.
11:38
But we've been able to build this car in three months,
250
698324
2915
Mas conseguimos construir esse carro em três meses,
11:41
so I am actually rethinking
251
701263
3655
assim, o que estou fazendo faz repensar
11:44
how we organize corporations.
252
704942
2238
a organização das empresas.
11:47
We have a staff of 9,000 people who are never hired,
253
707204
4696
Temos uma equipe de 9 mil pessoas que nunca foram contratadas,
11:51
that I never fire.
254
711924
1308
e que eu nunca demito.
11:53
They show up to work and I don't even know.
255
713256
2362
Elas aparecem para trabalhar e eu nem as conheço.
11:55
Then they submit to me maybe 9,000 answers.
256
715642
3058
Então elas submetem a mim talvez 9 mil respostas.
11:58
I'm not obliged to use any of those.
257
718724
2176
Não sou obrigado a usar nenhuma delas.
12:00
I end up -- I pay only the winners,
258
720924
1991
E remunero apenas os vencedores,
12:02
so I'm actually very cheapskate here, which is maybe not the best thing to do.
259
722939
3718
então estou sendo meio sovina, o que talvez não seja o melhor a fazer.
12:06
But they consider it part of their education, too, which is nice.
260
726681
3185
Mas eles consideram isso parte de sua formação, o que é legal.
12:09
But these students have been able to produce amazing deep learning results.
261
729890
4201
E esses alunos têm produzido incríveis resultados no aprendizado profundo.
12:14
So yeah, the synthesis of great people and great machine learning is amazing.
262
734115
3861
A síntese de pessoas qualificadas e bom aprendizado de máquina é incrível.
CA: Gary Kasparov disse no primeiro dia [do TED2017]
12:18
CA: I mean, Gary Kasparov said on the first day [of TED2017]
263
738000
2814
12:20
that the winners of chess, surprisingly, turned out to be two amateur chess players
264
740848
5412
que, surpreendentemente, os vencedores no xadrez foram dois jogadores amadores,
12:26
with three mediocre-ish, mediocre-to-good, computer programs,
265
746284
5371
com três programas de computador, de medíocres a bons,
12:31
that could outperform one grand master with one great chess player,
266
751679
3163
que poderiam superar um grande mestre, um grande jogador de xadrez,
12:34
like it was all part of the process.
267
754866
1743
como se tudo fosse parte do processo.
12:36
And it almost seems like you're talking about a much richer version
268
756633
3335
E me parece que você está falando duma versão muito mais rica da mesma ideia.
12:39
of that same idea.
269
759992
1200
12:41
ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,
270
761216
3857
ST: Sim, quer dizer, você assistiu aos fantásticos painéis ontem de manhã,
12:45
two sessions about AI,
271
765097
1994
duas sessões sobre IA,
12:47
robotic overlords and the human response,
272
767115
2167
senhores robóticos e a reação humana,
12:49
many, many great things were said.
273
769306
1982
muitas coisas interessantes foram ditas.
12:51
But one of the concerns is that we sometimes confuse
274
771312
2687
Mas uma das preocupações é que às vezes confundimos
12:54
what's actually been done with AI with this kind of overlord threat,
275
774023
4062
o que está sendo feito com a IA com esse tipo de ameaça de dominação
12:58
where your AI develops consciousness, right?
276
778109
3424
na qual a IA desenvolve uma consciência, certo?
13:01
The last thing I want is for my AI to have consciousness.
277
781557
2971
A última coisa que quero é que minha IA tenha consciência.
13:04
I don't want to come into my kitchen
278
784552
1716
Não quero entrar em minha cozinha
13:06
and have the refrigerator fall in love with the dishwasher
279
786292
4193
e me deparar com a geladeira apaixonada pela lava-louça,
13:10
and tell me, because I wasn't nice enough,
280
790509
2124
me dizendo que minha comida não está quente porque não fui legal.
13:12
my food is now warm.
281
792657
1837
13:14
I wouldn't buy these products, and I don't want them.
282
794518
2891
Eu não compraria esses produtos, e não os quero.
13:17
But the truth is, for me,
283
797825
1802
Mas a verdade, para mim,
13:19
AI has always been an augmentation of people.
284
799651
2720
é que a IA sempre foi uma extensão das pessoas.
13:22
It's been an augmentation of us,
285
802893
1676
Tem sido nossa extensão para nos fazer mais fortes.
13:24
to make us stronger.
286
804593
1457
13:26
And I think Kasparov was exactly correct.
287
806074
2831
E acho que Kasparov está certíssimo.
13:28
It's been the combination of human smarts and machine smarts
288
808929
3849
A combinação da inteligência humana com a das máquinas
13:32
that make us stronger.
289
812802
1464
é o que nos faz mais fortes.
13:34
The theme of machines making us stronger is as old as machines are.
290
814290
4587
O tema da máquina nos fazendo mais fortes é tão antigo quanto as próprias máquinas.
13:39
The agricultural revolution took place because it made steam engines
291
819567
3758
A revolução agrícola aconteceu por causa do motor a vapor
13:43
and farming equipment that couldn't farm by itself,
292
823349
2666
e equipamentos que não podiam cultivar sozinhos, que não nos substituíram,
13:46
that never replaced us; it made us stronger.
293
826039
2122
mas nos fizeram mais fortes.
13:48
And I believe this new wave of AI will make us much, much stronger
294
828185
3738
E acredito que essa nova onda de IA vai nos fazer muito mais fortes
13:51
as a human race.
295
831947
1183
como raça humana.
13:53
CA: We'll come on to that a bit more,
296
833765
1813
CA: Vamos voltar nisso daqui a pouco,
13:55
but just to continue with the scary part of this for some people,
297
835602
3671
mas só para continuar com a parte que assusta as pessoas,
13:59
like, what feels like it gets scary for people is when you have
298
839297
3558
como, por exemplo, o medo
14:02
a computer that can, one, rewrite its own code,
299
842879
4618
de um computador que possa, primeiro, reescrever seu próprio código
14:07
so, it can create multiple copies of itself,
300
847521
3584
e, assim, criar múltiplas cópias de si mesmo,
14:11
try a bunch of different code versions,
301
851129
1897
tentar um monte de diferentes versões de código, possivelmente aleatoriamente,
14:13
possibly even at random,
302
853050
1775
14:14
and then check them out and see if a goal is achieved and improved.
303
854849
3632
e depois checá-las e ver se um objetivo foi atingido ou aperfeiçoado.
14:18
So, say the goal is to do better on an intelligence test.
304
858505
3641
Assim, digamos que o objetivo seja se sair melhor num teste de inteligência.
14:22
You know, a computer that's moderately good at that,
305
862170
3894
Por exemplo, um computador que seja mediano no teste,
14:26
you could try a million versions of that.
306
866088
2509
tentar um milhão de versões disso.
14:28
You might find one that was better,
307
868621
2090
Seria possível ele achar uma melhor
14:30
and then, you know, repeat.
308
870735
2004
e então, sabe, repetir.
14:32
And so the concern is that you get some sort of runaway effect
309
872763
3040
Então a preocupação é de que as coisas fujam ao controle,
14:35
where everything is fine on Thursday evening,
310
875827
3008
que tudo esteja bem na quinta à noite,
14:38
and you come back into the lab on Friday morning,
311
878859
2336
e você volta ao laboratório na sexta de manhã
e, devido à velocidade dos computadores e tudo mais,
14:41
and because of the speed of computers and so forth,
312
881219
2449
14:43
things have gone crazy, and suddenly --
313
883692
1903
a coisa saia do controle e, de repente...
14:45
ST: I would say this is a possibility,
314
885619
2020
ST: Eu diria que há uma possibilidade,
14:47
but it's a very remote possibility.
315
887663
1916
mas ela é muito remota.
14:49
So let me just translate what I heard you say.
316
889603
3337
Então deixe-me traduzir o que você disse.
14:52
In the AlphaGo case, we had exactly this thing:
317
892964
2704
No caso do AlphaGo, tínhamos exatamente isto:
14:55
the computer would play the game against itself
318
895692
2315
o computador jogaria o jogo contra si próprio para aprender novas regras.
14:58
and then learn new rules.
319
898031
1250
14:59
And what machine learning is is a rewriting of the rules.
320
899305
3235
E o aprendizado de máquina é uma reescrita das regras.
15:02
It's the rewriting of code.
321
902564
1769
É a reescrita do código.
15:04
But I think there was absolutely no concern
322
904357
2845
Mas penso que não havia nenhuma preocupação
15:07
that AlphaGo would take over the world.
323
907226
2426
de que AlphaGo fosse dominar o mundo.
15:09
It can't even play chess.
324
909676
1464
Ele nem consegue jogar xadrez.
15:11
CA: No, no, no, but now, these are all very single-domain things.
325
911164
5147
CA: Não, mas esses são domínios bem específicos.
15:16
But it's possible to imagine.
326
916335
2879
Mas é possível imaginar...
15:19
I mean, we just saw a computer that seemed nearly capable
327
919238
3089
Acabamos de ver um computador que parecia quase capaz
15:22
of passing a university entrance test,
328
922351
2655
de passar num teste para ingressar numa universidade.
15:25
that can kind of -- it can't read and understand in the sense that we can,
329
925030
3688
Ele não sabe ler e entender no sentido que podemos,
15:28
but it can certainly absorb all the text
330
928742
1987
mas certamente pode absorver o texto todo
15:30
and maybe see increased patterns of meaning.
331
930753
2899
e talvez identificar padrões de significado.
15:33
Isn't there a chance that, as this broadens out,
332
933676
3694
Não há uma chance, à medida que isso se ampliar,
15:37
there could be a different kind of runaway effect?
333
937394
2466
de se perder o controle?
15:39
ST: That's where I draw the line, honestly.
334
939884
2078
ST: Honestamente, é aí que traço uma linha.
15:41
And the chance exists -- I don't want to downplay it --
335
941986
2643
E a chance existe, não quero minimizar isso,
15:44
but I think it's remote, and it's not the thing that's on my mind these days,
336
944653
3672
mas acho remota, e não é algo que me preocupe atualmente,
pois acho que a grande revolução é outra coisa.
15:48
because I think the big revolution is something else.
337
948349
2512
15:50
Everything successful in AI to the present date
338
950885
2922
Tudo que deu certo na IA até a presente data
15:53
has been extremely specialized,
339
953831
2214
tem sido extremamente especializado,
15:56
and it's been thriving on a single idea,
340
956069
2489
e tem prosperado com base numa única ideia,
15:58
which is massive amounts of data.
341
958582
2739
que é o enorme número de dados.
16:01
The reason AlphaGo works so well is because of massive numbers of Go plays,
342
961345
4147
A razão de AlphaGo funcionar tão bem é devido ao número de partidas jogadas,
16:05
and AlphaGo can't drive a car or fly a plane.
343
965516
3255
e AlphaGo não consegue dirigir um carro ou pilotar um avião.
16:08
The Google self-driving car or the Udacity self-driving car
344
968795
3031
O carro autônomo do Google ou o da Udacity funciona com enormes quantidades de dados,
16:11
thrives on massive amounts of data, and it can't do anything else.
345
971850
3240
e não consegue fazer mais nada, nem mesmo controlar uma moto.
16:15
It can't even control a motorcycle.
346
975114
1727
16:16
It's a very specific, domain-specific function,
347
976865
2762
É uma função bem específica,
16:19
and the same is true for our cancer app.
348
979651
1907
e o mesmo vale para o aplicativo do câncer.
16:21
There has been almost no progress on this thing called "general AI,"
349
981582
3236
Não houve quase nenhum progresso nessa coisa chamada "IA geral",
16:24
where you go to an AI and say, "Hey, invent for me special relativity
350
984842
4000
em que se diga a uma IA: "Ei, invente uma teoria da relatividade especial
16:28
or string theory."
351
988866
1666
ou a teoria das cordas".
16:30
It's totally in the infancy.
352
990556
1931
Está totalmente engatinhando.
16:32
The reason I want to emphasize this,
353
992511
2127
Eu quero enfatizar isso
16:34
I see the concerns, and I want to acknowledge them.
354
994662
3838
porque vejo as preocupações e estou ciente delas,
16:38
But if I were to think about one thing,
355
998524
2886
mas, se tivesse de pensar numa coisa,
16:41
I would ask myself the question, "What if we can take anything repetitive
356
1001434
5563
eu me faria a seguinte pergunta: "E se pudesse pegar algo repetitivo
16:47
and make ourselves 100 times as efficient?"
357
1007021
3473
e nos fazer 100 vezes mais eficientes?"
16:51
It so turns out, 300 years ago, we all worked in agriculture
358
1011170
4249
E ocorre que, 300 anos atrás, todos trabalhávamos na agricultura,
16:55
and did farming and did repetitive things.
359
1015443
2051
na terra, e fazíamos coisas repetitivas.
16:57
Today, 75 percent of us work in offices
360
1017518
2556
Hoje 75% de nós trabalhamos em escritórios
17:00
and do repetitive things.
361
1020098
2124
e fazemos coisas repetitivas.
17:02
We've become spreadsheet monkeys.
362
1022246
2183
Nos tornamos macaquinhos das tabelas.
17:04
And not just low-end labor.
363
1024453
2054
E não só nos trabalhos mais simples.
17:06
We've become dermatologists doing repetitive things,
364
1026531
2754
Nos tornamos dermatologistas que fazem coisas repetitivas,
17:09
lawyers doing repetitive things.
365
1029309
1749
advogados fazendo coisas repetitivas.
17:11
I think we are at the brink of being able to take an AI,
366
1031082
3823
Penso que estamos na iminência de sermos capazes de pegar uma IA,
17:14
look over our shoulders,
367
1034929
1718
mesmo estando desconfiados,
17:16
and they make us maybe 10 or 50 times as effective in these repetitive things.
368
1036671
4058
e ela nos fazer talvez 10 ou 50 vezes mais eficazes nessas coisas repetitivas.
17:20
That's what is on my mind.
369
1040753
1275
É nisso que fico pensando.
17:22
CA: That sounds super exciting.
370
1042052
2450
CA: Parece interessantíssimo.
17:24
The process of getting there seems a little terrifying to some people,
371
1044526
3530
O processo para chegar lá parece aterrorizar algumas pessoas,
porque uma vez que um computador possa fazer essa coisa repetitiva
17:28
because once a computer can do this repetitive thing
372
1048080
3180
17:31
much better than the dermatologist
373
1051284
3434
muito melhor do que o dermatologista
17:34
or than the driver, especially, is the thing that's talked about
374
1054742
3230
ou, em especial, do que o motorista, algo tão falado hoje em dia,
17:37
so much now,
375
1057996
1290
17:39
suddenly millions of jobs go,
376
1059310
1958
de repente milhões de empregos desaparecem,
17:41
and, you know, the country's in revolution
377
1061292
2695
o país entra em convulsão
17:44
before we ever get to the more glorious aspects of what's possible.
378
1064011
4329
antes de podermos ver aspectos mais gloriosos do que é possível.
17:48
ST: Yeah, and that's an issue, and it's a big issue,
379
1068364
2517
ST: Esse é grande um problema,
17:50
and it was pointed out yesterday morning by several guest speakers.
380
1070905
4196
e foi apontado ontem de manhã por diversos palestrantes.
Bem, antes de me mostrar no palco,
17:55
Now, prior to me showing up onstage,
381
1075125
2754
17:57
I confessed I'm a positive, optimistic person,
382
1077903
3739
confessei a eles que sou uma pessoa positiva, otimista,
18:01
so let me give you an optimistic pitch,
383
1081666
2389
então, deixe-me lhe dar algo otimista, que é:
18:04
which is, think of yourself back 300 years ago.
384
1084079
4795
pense em si mesmo 300 anos atrás.
18:08
Europe just survived 140 years of continuous war,
385
1088898
3996
A Europa acabou de sobreviver a 140 anos de guerra contínua,
18:12
none of you could read or write,
386
1092918
1711
ninguém sabia ler ou escrever,
18:14
there were no jobs that you hold today,
387
1094653
2945
não havia os empregos que há hoje,
18:17
like investment banker or software engineer or TV anchor.
388
1097622
4096
como investidores financeiros, engenheiros de software ou âncoras de TV.
18:21
We would all be in the fields and farming.
389
1101742
2414
Todos estaríamos no campo arando a terra.
18:24
Now here comes little Sebastian with a little steam engine in his pocket,
390
1104180
3573
E lá vem o Sebastian com um motorzinho a vapor no bolso,
18:27
saying, "Hey guys, look at this.
391
1107777
1548
dizendo: "Ei, pessoal, vejam só isto:
18:29
It's going to make you 100 times as strong, so you can do something else."
392
1109349
3595
vai torná-los 100 vezes mais fortes, e liberá-los pra fazer outra coisa".
18:32
And then back in the day, there was no real stage,
393
1112968
2470
E, lá naquele tempo, não havia um palco,
18:35
but Chris and I hang out with the cows in the stable,
394
1115462
2526
mas Chris e eu papeávamos perto das vacas, no estábulo,
18:38
and he says, "I'm really concerned about it,
395
1118012
2100
e ele diz: "Estou muito preocupado com isso,
18:40
because I milk my cow every day, and what if the machine does this for me?"
396
1120136
3652
porque ordenho vacas todo dia, e se a máquina tomar meu lugar?"
18:43
The reason why I mention this is,
397
1123812
1702
Estou dizendo isso porque
18:46
we're always good in acknowledging past progress and the benefit of it,
398
1126360
3603
somos ótimos em reconhecer o progresso passado e nos beneficiar dele,
18:49
like our iPhones or our planes or electricity or medical supply.
399
1129987
3354
como nossos iPhones, aviões, eletricidade ou suprimentos médicos.
18:53
We all love to live to 80, which was impossible 300 years ago.
400
1133365
4245
Todos amamos viver até os 80 anos, o que era impossível 300 anos atrás.
18:57
But we kind of don't apply the same rules to the future.
401
1137634
4156
Mas nós meio que não aplicamos as mesmas regras para o futuro.
19:02
So if I look at my own job as a CEO,
402
1142621
3207
Então, quando olho para o meu cargo de CEO,
19:05
I would say 90 percent of my work is repetitive,
403
1145852
3140
eu diria que 90% do meu trabalho é repetitivo, e não gosto disso.
19:09
I don't enjoy it,
404
1149016
1351
19:10
I spend about four hours per day on stupid, repetitive email.
405
1150391
3978
Passo cerca de quatro horas por dia com e-mails chatos e repetitivos.
19:14
And I'm burning to have something that helps me get rid of this.
406
1154393
3641
E estou louco para ter algo que me ajude a me livrar disso.
Por quê?
19:18
Why?
407
1158058
1158
Porque acredito que todos nós somos loucamente criativos:
19:19
Because I believe all of us are insanely creative;
408
1159240
3003
19:22
I think the TED community more than anybody else.
409
1162731
3194
especialmente a comunidade TED, mais do que todo mundo.
19:25
But even blue-collar workers; I think you can go to your hotel maid
410
1165949
3559
Mas mesmo operários; acho que podemos chegar para a camareira do hotel
19:29
and have a drink with him or her,
411
1169532
2402
tomar um drinque com ela,
19:31
and an hour later, you find a creative idea.
412
1171958
2717
e, uma hora depois, descobrir uma ideia criativa.
19:34
What this will empower is to turn this creativity into action.
413
1174699
4140
Isso vai possibilitar transformar essa criatividade em ação.
19:39
Like, what if you could build Google in a day?
414
1179265
3442
Algo como: e se você pudesse construir o Google em um dia?
19:43
What if you could sit over beer and invent the next Snapchat,
415
1183221
3316
E se pudesse parar pra tomar uma cerveja e inventar o próximo Snapchat,
19:46
whatever it is,
416
1186561
1165
seja lá o que for,
19:47
and tomorrow morning it's up and running?
417
1187750
2187
e amanhã de manhã estiver funcionando?
19:49
And that is not science fiction.
418
1189961
1773
E isso não é ficção científica.
19:51
What's going to happen is,
419
1191758
1254
Nós já estamos nesse caminho.
19:53
we are already in history.
420
1193036
1867
19:54
We've unleashed this amazing creativity
421
1194927
3228
Já liberamos essa incrível criatividade
19:58
by de-slaving us from farming
422
1198179
1611
ao nos des-escravizar do trabalho agrícola e, mais tarde, claro, do trabalho braçal
19:59
and later, of course, from factory work
423
1199814
3363
20:03
and have invented so many things.
424
1203201
3162
e ter inventado tantas coisas.
20:06
It's going to be even better, in my opinion.
425
1206387
2178
Vai ser até melhor, na minha opinião.
20:08
And there's going to be great side effects.
426
1208589
2072
E vai haver excelentes efeitos colaterais.
20:10
One of the side effects will be
427
1210685
1489
Um deles vai ser
20:12
that things like food and medical supply and education and shelter
428
1212198
4795
que coisas como comida, suprimentos médicos, educação, moradia e transporte
20:17
and transportation
429
1217017
1177
20:18
will all become much more affordable to all of us,
430
1218218
2441
vão se tornar muito mais acessíveis para todos nós, não só para os ricos.
20:20
not just the rich people.
431
1220683
1322
20:22
CA: Hmm.
432
1222029
1182
20:23
So when Martin Ford argued, you know, that this time it's different
433
1223235
4341
CA: Assim, quando Martin Ford disse que este tempo ia ser diferente,
20:27
because the intelligence that we've used in the past
434
1227600
3453
devido à inteligência que usamos no passado
20:31
to find new ways to be
435
1231077
2483
para descobrir novas formas de ser,
20:33
will be matched at the same pace
436
1233584
2279
vai no mesmo passo
20:35
by computers taking over those things,
437
1235887
2291
de os computadores assumindo essas coisas,
20:38
what I hear you saying is that, not completely,
438
1238202
3078
mas ouço você dizendo que não completamente,
20:41
because of human creativity.
439
1241304
2951
devido à criatividade humana.
20:44
Do you think that that's fundamentally different from the kind of creativity
440
1244279
3785
Você acha que ela seja muito diferente do tipo de criatividade
20:48
that computers can do?
441
1248088
2696
que os computadores conseguem ter?
20:50
ST: So, that's my firm belief as an AI person --
442
1250808
4434
ST: Bem, tenho a firme convicção como uma pessoa IA,
20:55
that I haven't seen any real progress on creativity
443
1255266
3803
que não tenho visto nenhum progresso real em criatividade
20:59
and out-of-the-box thinking.
444
1259949
1407
e pensamento fora da caixa.
21:01
What I see right now -- and this is really important for people to realize,
445
1261380
3623
O que vejo, e é muito importante perceber isso,
21:05
because the word "artificial intelligence" is so threatening,
446
1265027
2903
é que a expressão "inteligência artificial" é muito ameaçadora
21:07
and then we have Steve Spielberg tossing a movie in,
447
1267954
2523
quando há um filme do Steve Spielberg
21:10
where all of a sudden the computer is our overlord,
448
1270501
2413
em que, de repente, o computador nos domina.
21:12
but it's really a technology.
449
1272938
1452
Mas é na verdade uma tecnologia
21:14
It's a technology that helps us do repetitive things.
450
1274414
2982
que nos ajuda a fazer coisas repetitivas.
21:17
And the progress has been entirely on the repetitive end.
451
1277420
2913
E o progresso tem sido inteiramente no lado repetitivo.
21:20
It's been in legal document discovery.
452
1280357
2228
Em encontrar documentos legais, em elaborar minutas de contrato,
21:22
It's been contract drafting.
453
1282609
1680
21:24
It's been screening X-rays of your chest.
454
1284313
4223
em radiografias do tórax.
21:28
And these things are so specialized,
455
1288560
1773
E essas coisas são tão especializadas que não vejo a grande ameaça à humanidade.
21:30
I don't see the big threat of humanity.
456
1290357
2391
21:32
In fact, we as people --
457
1292772
1794
Na verdade, nós, como pessoas,
21:34
I mean, let's face it: we've become superhuman.
458
1294590
2385
temos de encarar que nos tornamos super-humanos.
21:36
We've made us superhuman.
459
1296999
1764
Nós nos fizemos super-humanos.
21:38
We can swim across the Atlantic in 11 hours.
460
1298787
2632
Conseguimos atravessar o Atlântico em 11 horas.
21:41
We can take a device out of our pocket
461
1301443
2074
Podemos tirar um aparelho do bolso
21:43
and shout all the way to Australia,
462
1303541
2147
e falar com a Austrália
21:45
and in real time, have that person shouting back to us.
463
1305712
2600
e, em tempo real, alguém responder de volta para nós.
21:48
That's physically not possible. We're breaking the rules of physics.
464
1308336
3624
Isso não é fisicamente possível: estamos quebrando as leis da física.
21:51
When this is said and done, we're going to remember everything
465
1311984
2943
Quando isso tiver sido dito e feito,
nos lembraremos de tudo que já dissemos e vimos,
21:54
we've ever said and seen,
466
1314951
1213
21:56
you'll remember every person,
467
1316188
1496
vamos nos lembrar de cada pessoa, o que é bom para o meu Alzheimer.
21:57
which is good for me in my early stages of Alzheimer's.
468
1317708
2626
Desculpe, o que eu estava dizendo? Esqueci.
22:00
Sorry, what was I saying? I forgot.
469
1320358
1677
22:02
CA: (Laughs)
470
1322059
1578
CA: (Risos)
22:03
ST: We will probably have an IQ of 1,000 or more.
471
1323661
3077
ST: Provavelmente vamos ter um QI de mil ou mais.
22:06
There will be no more spelling classes for our kids,
472
1326762
3425
Nossos filhos não vão ter mais aula de ortografia,
22:10
because there's no spelling issue anymore.
473
1330211
2086
pois esse problema não vai existir.
22:12
There's no math issue anymore.
474
1332321
1832
Nem problemas com a matemática.
22:14
And I think what really will happen is that we can be super creative.
475
1334177
3510
E acho que seremos realmente supercriativos.
22:17
And we are. We are creative.
476
1337711
1857
E nós somos. Nós somos criativos.
22:19
That's our secret weapon.
477
1339592
1552
Essa é nossa arma secreta.
22:21
CA: So the jobs that are getting lost,
478
1341168
2153
CA: Então, os empregos que serão perdidos mesmo que seja doloroso,
22:23
in a way, even though it's going to be painful,
479
1343345
2494
22:25
humans are capable of more than those jobs.
480
1345863
2047
os humanos são mais capazes do que isso.
22:27
This is the dream.
481
1347934
1218
Isso é um sonho.
22:29
The dream is that humans can rise to just a new level of empowerment
482
1349176
4247
O sonho é que os humanos podem crescer num novo nível de empoderamento
22:33
and discovery.
483
1353447
1657
e descoberta.
22:35
That's the dream.
484
1355128
1452
Esse é o sonho.
22:36
ST: And think about this:
485
1356604
1643
ST: E pense sobre isto: se olharmos a história da humanidade,
22:38
if you look at the history of humanity,
486
1358271
2021
22:40
that might be whatever -- 60-100,000 years old, give or take --
487
1360316
3328
isso pode ser, por exemplo, 60 a 100 mil anos atrás,
22:43
almost everything that you cherish in terms of invention,
488
1363668
3726
quase tudo importante para nós em termos de invenção,
22:47
of technology, of things we've built,
489
1367418
2151
de tecnologia, de coisas que construímos,
22:49
has been invented in the last 150 years.
490
1369593
3099
foi inventado nos últimos 150 anos,
22:53
If you toss in the book and the wheel, it's a little bit older.
491
1373756
3048
Se incluirmos o livro e a roda, é um pouco mais de tempo;
22:56
Or the axe.
492
1376828
1169
ou o machado.
22:58
But your phone, your sneakers,
493
1378021
2790
Mas seu celular, seu tênis,
23:00
these chairs, modern manufacturing, penicillin --
494
1380835
3551
estas cadeiras, a produção moderna, a penicilina...
23:04
the things we cherish.
495
1384410
1714
as coisas com que nos importamos.
23:06
Now, that to me means
496
1386148
3658
Bem, isso significa pra mim
23:09
the next 150 years will find more things.
497
1389830
3041
que nos próximos 150 anos vamos descobrir mais coisas.
23:12
In fact, the pace of invention has gone up, not gone down, in my opinion.
498
1392895
4154
De fato, penso que o ritmo da invenção tem aumentado, não diminuído.
23:17
I believe only one percent of interesting things have been invented yet. Right?
499
1397073
4905
Acredito que apenas 1% das coisas interessantes foram inventadas, certo?
23:22
We haven't cured cancer.
500
1402002
1988
Ainda não curamos o câncer.
23:24
We don't have flying cars -- yet. Hopefully, I'll change this.
501
1404014
3718
Não temos carros voadores... ainda; espero mudar isso.
23:27
That used to be an example people laughed about. (Laughs)
502
1407756
3257
A gente costumava rir desse exemplo.
(Risos)
23:31
It's funny, isn't it? Working secretly on flying cars.
503
1411037
2992
É engraçado, não é? Trabalhando secretamente em carros voadores.
23:34
We don't live twice as long yet. OK?
504
1414053
2683
Não vivemos ainda o dobro do tempo, certo?
23:36
We don't have this magic implant in our brain
505
1416760
2785
Não temos um implante mágico em nosso cérebro
23:39
that gives us the information we want.
506
1419569
1832
para nos dar as informações que queremos.
23:41
And you might be appalled by it,
507
1421425
1526
Talvez estejam chocados, mas lhes prometo: quando tivermos, vocês vão adorar.
23:42
but I promise you, once you have it, you'll love it.
508
1422975
2444
23:45
I hope you will.
509
1425443
1166
Espero que sim.
23:46
It's a bit scary, I know.
510
1426633
1909
É um pouco assustador, eu sei.
23:48
There are so many things we haven't invented yet
511
1428566
2254
Tantas coisas ainda a serem inventadas, que vamos inventar:
23:50
that I think we'll invent.
512
1430844
1268
não temos escudo de gravidade,
23:52
We have no gravity shields.
513
1432136
1306
não podemos nos teletransportar.
23:53
We can't beam ourselves from one location to another.
514
1433466
2553
Isso tudo parece absurdo, mas, cerca de 200 anos atrás,
23:56
That sounds ridiculous,
515
1436043
1151
23:57
but about 200 years ago,
516
1437218
1288
23:58
experts were of the opinion that flight wouldn't exist,
517
1438530
2667
os especialistas achavam que nunca íamos voar, mesmo 120 anos atrás,
24:01
even 120 years ago,
518
1441221
1324
24:02
and if you moved faster than you could run,
519
1442569
2582
e se nos movêssemos mais depressa do que podemos correr,
24:05
you would instantly die.
520
1445175
1520
morreríamos instantaneamente.
24:06
So who says we are correct today that you can't beam a person
521
1446719
3569
Então quem pode dizer que não podemos teletransportar uma pessoa
24:10
from here to Mars?
522
1450312
2249
daqui até Marte?
24:12
CA: Sebastian, thank you so much
523
1452585
1569
CA: Sebastian, muito obrigado
24:14
for your incredibly inspiring vision and your brilliance.
524
1454178
2682
pela sua visão incrivelmente inspiradora e brilhante.
24:16
Thank you, Sebastian Thrun.
525
1456884
1323
Obrigado, Sebastian Thrun, foi fantástico.
24:18
That was fantastic. (Applause)
526
1458231
1895
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7