How we can build AI to help humans, not hurt us | Margaret Mitchell

80,996 views ・ 2018-03-12

TED


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

Tradutor: Angelo de Oliveira Revisor: Maricene Crus
00:13
I work on helping computers communicate about the world around us.
0
13381
4015
Eu trabalho ajudando os computadores a falar sobre o mundo ao nosso redor.
00:17
There are a lot of ways to do this,
1
17754
1793
Há muitas formas de se fazer isso,
00:19
and I like to focus on helping computers
2
19571
2592
e gosto de me concentrar em auxiliar os computadores
00:22
to talk about what they see and understand.
3
22187
2874
a falar sobre o que veem e entendem.
00:25
Given a scene like this,
4
25514
1571
Em uma cena como esta,
um algoritmo moderno de visão computacional
00:27
a modern computer-vision algorithm
5
27109
1905
00:29
can tell you that there's a woman and there's a dog.
6
29038
3095
pode dizer que tem uma mulher e um cachorro.
00:32
It can tell you that the woman is smiling.
7
32157
2706
Pode dizer que a mulher está sorrindo.
00:34
It might even be able to tell you that the dog is incredibly cute.
8
34887
3873
Pode até conseguir dizer que o cachorro é incrivelmente lindo.
00:38
I work on this problem
9
38784
1349
Eu trabalho nesse problema
00:40
thinking about how humans understand and process the world.
10
40157
4212
imaginando como os humanos compreendem e processam o mundo.
00:45
The thoughts, memories and stories
11
45577
2952
Os pensamentos, lembranças e histórias
00:48
that a scene like this might evoke for humans.
12
48553
2818
que uma cena como essa pode suscitar nos humanos.
00:51
All the interconnections of related situations.
13
51395
4285
Todas as interconexões de situações relacionadas.
00:55
Maybe you've seen a dog like this one before,
14
55704
3126
Talvez vocês tenham visto um cachorro como esse antes,
00:58
or you've spent time running on a beach like this one,
15
58854
2969
ou passaram tempo correndo numa praia como essa,
01:01
and that further evokes thoughts and memories of a past vacation,
16
61847
4778
e isso suscita mais pensamentos e lembranças de férias passadas,
01:06
past times to the beach,
17
66649
1920
de tempos passados na praia
01:08
times spent running around with other dogs.
18
68593
2603
ou de tempos passados correndo com outros cachorros.
01:11
One of my guiding principles is that by helping computers to understand
19
71688
5207
Um dos meus princípios fundamentais é que ao ajudar um computador a entender
01:16
what it's like to have these experiences,
20
76919
2896
como é ter essas experiências,
01:19
to understand what we share and believe and feel,
21
79839
5176
a entender o que compartilhamos, acreditamos e sentimos,
01:26
then we're in a great position to start evolving computer technology
22
86094
4310
estaremos num ótimo ponto para começar a desenvolver a tecnologia da computação
01:30
in a way that's complementary with our own experiences.
23
90428
4587
de uma forma complementar às nossas próprias experiências.
01:35
So, digging more deeply into this,
24
95539
3387
Então, indo um pouco mais fundo, há poucos anos comecei a trabalhar
01:38
a few years ago I began working on helping computers to generate human-like stories
25
98950
5905
em ajudar computadores a criar histórias humanoides
01:44
from sequences of images.
26
104879
1666
a partir de sequências de imagens.
01:47
So, one day,
27
107427
1904
Então, um dia
01:49
I was working with my computer to ask it what it thought about a trip to Australia.
28
109355
4622
eu estava averiguando o que meu computador achava de uma viagem à Austrália.
01:54
It took a look at the pictures, and it saw a koala.
29
114768
2920
Ele observou umas fotos e viu um coala.
01:58
It didn't know what the koala was,
30
118236
1643
Ele não sabia o que era um coala,
01:59
but it said it thought it was an interesting-looking creature.
31
119903
2999
mas disse que achava que parecia uma criatura interessante.
02:04
Then I shared with it a sequence of images about a house burning down.
32
124053
4004
Então mostrei uma sequência de imagens de um incêndio de uma casa.
02:09
It took a look at the images and it said,
33
129704
3285
Ele viu as imagens e disse:
02:13
"This is an amazing view! This is spectacular!"
34
133013
3500
"Isso é uma visão maravilhosa! Isso é espetacular!"
02:17
It sent chills down my spine.
35
137450
2095
Senti um frio na barriga.
02:20
It saw a horrible, life-changing and life-destroying event
36
140983
4572
Ele viu um evento horrível, que muda e destrói toda uma vida,
02:25
and thought it was something positive.
37
145579
2382
e achou que fosse algo positivo.
02:27
I realized that it recognized the contrast,
38
147985
3441
Percebi que ele reconheceu o contraste,
02:31
the reds, the yellows,
39
151450
2699
os vermelhos, os amarelos,
02:34
and thought it was something worth remarking on positively.
40
154173
3078
e achou que valesse a pena comentar positivamente.
02:37
And part of why it was doing this
41
157928
1615
E fazia isso em partes
02:39
was because most of the images I had given it
42
159577
2945
porque a maioria das imagens que eu havia dado para ele
02:42
were positive images.
43
162546
1840
eram imagens positivas.
02:44
That's because people tend to share positive images
44
164903
3658
Isso se dá porque as pessoas costumam compartilhar imagens positivas
02:48
when they talk about their experiences.
45
168585
2190
quando falam de suas experiências.
02:51
When was the last time you saw a selfie at a funeral?
46
171267
2541
Qual foi a última vez que viram uma "selfie" em um funeral?
02:55
I realized that, as I worked on improving AI
47
175434
3095
Eu percebi que, enquanto trabalhava no desenvolvimento de IA
02:58
task by task, dataset by dataset,
48
178553
3714
tarefa por tarefa, conjunto por conjunto de dados,
03:02
that I was creating massive gaps,
49
182291
2897
estava criando lacunas imensas,
03:05
holes and blind spots in what it could understand.
50
185212
3999
buracos e pontos cegos no que ele podia entender.
03:10
And while doing so,
51
190307
1334
E enquanto fazia isso,
03:11
I was encoding all kinds of biases.
52
191665
2483
eu estava codificando todo tipo de preconceitos.
03:15
Biases that reflect a limited viewpoint,
53
195029
3318
Preconceitos que refletem um ponto de vista limitado.
03:18
limited to a single dataset --
54
198371
2261
Limitado a um único conjunto de dados.
03:21
biases that can reflect human biases found in the data,
55
201283
3858
Preconceitos que podem refletir inclinações humanas encontradas nos dados,
03:25
such as prejudice and stereotyping.
56
205165
3104
tais como discriminações e estereótipos.
03:29
I thought back to the evolution of the technology
57
209554
3057
Eu pensei de novo na evolução da tecnologia
03:32
that brought me to where I was that day --
58
212635
2502
que me levou até onde me encontrava naquele dia,
03:35
how the first color images
59
215966
2233
como as primeiras imagens coloridas
03:38
were calibrated against a white woman's skin,
60
218223
3048
eram calibradas contra a pele de uma mulher branca,
03:41
meaning that color photography was biased against black faces.
61
221665
4145
o que significava que a fotografia a cores tinha preconceito contra rostos negros.
03:46
And that same bias, that same blind spot
62
226514
2925
E aquele mesmo preconceito, aquele mesmo ponto cego
03:49
continued well into the '90s.
63
229463
1867
continuou até a década de 1990.
03:51
And the same blind spot continues even today
64
231701
3154
E o mesmo ponto cego continua ainda hoje
03:54
in how well we can recognize different people's faces
65
234879
3698
no quão bem podemos reconhecer os rostos de pessoas diferentes
03:58
in facial recognition technology.
66
238601
2200
com a tecnologia de reconhecimento facial.
04:01
I though about the state of the art in research today,
67
241323
3143
Eu pensei sobre a última geração de pesquisa atualmente,
04:04
where we tend to limit our thinking to one dataset and one problem.
68
244490
4514
na qual tendemos a limitar nossa reflexão a um conjunto de dados e um problema.
04:09
And that in doing so, we were creating more blind spots and biases
69
249688
4881
E que, fazendo isso, criamos mais pontos cegos e preconceitos
04:14
that the AI could further amplify.
70
254593
2277
que a IA pode amplificar ainda mais.
04:17
I realized then that we had to think deeply
71
257712
2079
Eu percebi que tínhamos que pensar muito
04:19
about how the technology we work on today looks in five years, in 10 years.
72
259815
5519
sobre como a tecnologia em que hoje trabalhamos será em cinco ou dez anos.
04:25
Humans evolve slowly, with time to correct for issues
73
265990
3142
Os humanos evoluem devagar, com tempo de corrigir questões
04:29
in the interaction of humans and their environment.
74
269156
3534
em sua interação mútua e com seu meio ambiente.
04:33
In contrast, artificial intelligence is evolving at an incredibly fast rate.
75
273276
5429
Por outro lado, a inteligência artificial evolui em um ritmo incrivelmente rápido.
04:39
And that means that it really matters
76
279013
1773
Isso significa ser deveras importante
04:40
that we think about this carefully right now --
77
280810
2317
que pensemos a respeito com cuidado agora mesmo,
04:44
that we reflect on our own blind spots,
78
284180
3008
que reflitamos sobre nossos pontos cegos,
04:47
our own biases,
79
287212
2317
nossos próprios preconceitos,
04:49
and think about how that's informing the technology we're creating
80
289553
3857
sobre como isso está direcionando a tecnologia que estamos criando,
04:53
and discuss what the technology of today will mean for tomorrow.
81
293434
3902
e que debatamos o que a tecnologia de hoje significará para o amanhã.
04:58
CEOs and scientists have weighed in on what they think
82
298593
3191
Diretores executivos e cientistas declararam o que acham
05:01
the artificial intelligence technology of the future will be.
83
301808
3325
do que será a inteligência artificial do futuro.
05:05
Stephen Hawking warns that
84
305157
1618
Stephen Hawking avisa:
05:06
"Artificial intelligence could end mankind."
85
306799
3007
"A inteligência artificial pode terminar com a raça humana".
05:10
Elon Musk warns that it's an existential risk
86
310307
2683
Elon Musk adverte que ela é um risco existencial
05:13
and one of the greatest risks that we face as a civilization.
87
313014
3574
e um dos maiores riscos que enfrentamos como civilização.
05:17
Bill Gates has made the point,
88
317665
1452
Bill Gates ressaltou:
05:19
"I don't understand why people aren't more concerned."
89
319141
3185
"Não entendo por que as pessoas não estão mais preocupadas".
05:23
But these views --
90
323412
1318
Mas estas opiniões
05:25
they're part of the story.
91
325618
1734
fazem parte da história.
05:28
The math, the models,
92
328079
2420
A matemática, os modelos,
05:30
the basic building blocks of artificial intelligence
93
330523
3070
os fundamentos básicos da inteligência artificial
05:33
are something that we call access and all work with.
94
333617
3135
são algo que todos podemos acessar e com o qual podemos trabalhar.
05:36
We have open-source tools for machine learning and intelligence
95
336776
3785
Temos ferramentas de fonte aberta para aprendizado automático e inteligência
05:40
that we can contribute to.
96
340585
1734
para as quais podemos contribuir.
05:42
And beyond that, we can share our experience.
97
342919
3340
E, além disso, podemos compartilhar a nossa experiência.
05:46
We can share our experiences with technology and how it concerns us
98
346760
3468
Podemos compartilhá-las com tecnologia, e como ela nos afeta e estimula.
05:50
and how it excites us.
99
350252
1467
05:52
We can discuss what we love.
100
352251
1867
Podemos discutir o que amamos.
05:55
We can communicate with foresight
101
355244
2031
Podemos prever e transmitir
05:57
about the aspects of technology that could be more beneficial
102
357299
4857
aspectos da tecnologia que poderiam ser mais benéficos
06:02
or could be more problematic over time.
103
362180
2600
ou mais problemáticos ao longo do tempo.
06:05
If we all focus on opening up the discussion on AI
104
365799
4143
Se todos nos concentrarmos em abrir a discussão sobre IA
06:09
with foresight towards the future,
105
369966
1809
com previsões em direção ao futuro,
06:13
this will help create a general conversation and awareness
106
373093
4270
isso ajudará a criar um diálogo geral e uma consciência
06:17
about what AI is now,
107
377387
2513
sobre o que é a IA neste momento,
06:21
what it can become
108
381212
2001
o que ela pode se tornar
06:23
and all the things that we need to do
109
383237
1785
e tudo que precisamos fazer
06:25
in order to enable that outcome that best suits us.
110
385046
3753
para permitir o resultado que mais se ajuste a nós.
06:29
We already see and know this in the technology that we use today.
111
389490
3674
Nós já vimos e conhecemos isso na tecnologia que usamos hoje.
06:33
We use smart phones and digital assistants and Roombas.
112
393767
3880
Usamos smartphones, assistentes digitais e "Roombas".
06:38
Are they evil?
113
398457
1150
Eles são nocivos?
06:40
Maybe sometimes.
114
400268
1547
Às vezes, talvez.
06:42
Are they beneficial?
115
402664
1333
Eles são benéficos?
06:45
Yes, they're that, too.
116
405005
1533
Sim, também.
06:48
And they're not all the same.
117
408236
1761
E não são todos iguais.
06:50
And there you already see a light shining on what the future holds.
118
410489
3540
Vocês já podem ver aí uma luz brilhando sobre o que o futuro nos reserva.
06:54
The future continues on from what we build and create right now.
119
414942
3619
O futuro leva adiante o que construímos e criamos no presente.
06:59
We set into motion that domino effect
120
419165
2642
Nós colocamos em movimento aquele efeito dominó
07:01
that carves out AI's evolutionary path.
121
421831
2600
que traça a rota evolucionária da IA.
07:05
In our time right now, we shape the AI of tomorrow.
122
425173
2871
Em nosso tempo agora, moldamos a IA de amanhã.
07:08
Technology that immerses us in augmented realities
123
428566
3699
A tecnologia que nos imerge em realidades aumentadas
07:12
bringing to life past worlds.
124
432289
2566
e que traz à vida mundos passados.
07:15
Technology that helps people to share their experiences
125
435844
4312
A tecnologia que ajuda pessoas a compartilharem suas experiências
07:20
when they have difficulty communicating.
126
440180
2262
quando têm dificuldade de comunicação.
07:23
Technology built on understanding the streaming visual worlds
127
443323
4532
A tecnologia baseada na compreensão da transmissão de mundos visuais
07:27
used as technology for self-driving cars.
128
447879
3079
usados como tecnologia para carros autoguiados.
07:32
Technology built on understanding images and generating language,
129
452490
3413
A tecnologia baseada na compreensão de imagens e que gera linguagem,
07:35
evolving into technology that helps people who are visually impaired
130
455927
4063
evoluindo para a tecnologia que ajuda pessoas com deficiência visual
07:40
be better able to access the visual world.
131
460014
2800
estarem mais aptas a acessar o mundo visual.
07:42
And we also see how technology can lead to problems.
132
462838
3261
E também vemos como a tecnologia pode acarretar problemas.
07:46
We have technology today
133
466885
1428
Nós temos tecnologia hoje
07:48
that analyzes physical characteristics we're born with --
134
468337
3835
que analisa características físicas com as quais nascemos,
07:52
such as the color of our skin or the look of our face --
135
472196
3272
tais como a cor da pele ou a aparência do nosso rosto,
07:55
in order to determine whether or not we might be criminals or terrorists.
136
475492
3804
a fim de determinar se podemos ser ou não criminosos ou terroristas.
07:59
We have technology that crunches through our data,
137
479688
2905
Temos tecnologia que analisa nossos dados,
08:02
even data relating to our gender or our race,
138
482617
2896
até dados relacionados ao nosso gênero ou nossa raça,
08:05
in order to determine whether or not we might get a loan.
139
485537
2865
a fim de determinar se podemos pegar um empréstimo ou não.
08:09
All that we see now
140
489494
1579
Tudo o que vemos agora
08:11
is a snapshot in the evolution of artificial intelligence.
141
491097
3617
é um retrato na evolução da inteligência artificial.
08:15
Because where we are right now,
142
495763
1778
Porque onde nos encontramos agora
08:17
is within a moment of that evolution.
143
497565
2238
está dentro de um momento dessa evolução.
08:20
That means that what we do now will affect what happens down the line
144
500690
3802
Isso significa que o que fizermos agora afetará o que acontecerá mais à frente
08:24
and in the future.
145
504516
1200
e no futuro.
08:26
If we want AI to evolve in a way that helps humans,
146
506063
3951
Se queremos que a IA evolua de um jeito que ajude os humanos,
08:30
then we need to define the goals and strategies
147
510038
2801
então precisamos definir as metas e as estratégias
08:32
that enable that path now.
148
512863
1733
que possibilitem esse caminho agora.
08:35
What I'd like to see is something that fits well with humans,
149
515680
3738
Eu gostaria de ver algo que se ajustasse bem aos humanos,
08:39
with our culture and with the environment.
150
519442
2800
às nossas culturas e ao nosso meio ambiente.
08:43
Technology that aids and assists those of us with neurological conditions
151
523435
4484
Tecnologia que ajude e auxilie aqueles de nós com problemas neurológicos
08:47
or other disabilities
152
527943
1721
ou outras deficiências,
08:49
in order to make life equally challenging for everyone.
153
529688
3216
a fim de tornar a vida igualmente desafiadora para todos.
08:54
Technology that works
154
534097
1421
Tecnologia que funcione
08:55
regardless of your demographics or the color of your skin.
155
535542
3933
a despeito de seu perfil demográfico ou a cor da sua pele.
09:00
And so today, what I focus on is the technology for tomorrow
156
540383
4742
Então, hoje, eu me concentro na tecnologia para o amanhã
09:05
and for 10 years from now.
157
545149
1733
e daqui a dez anos.
09:08
AI can turn out in many different ways.
158
548530
2634
A IA pode acabar de várias maneiras diferentes.
09:11
But in this case,
159
551688
1225
Mas, neste caso,
09:12
it isn't a self-driving car without any destination.
160
552937
3328
não é um carro autoguiado sem destino.
09:16
This is the car that we are driving.
161
556884
2400
Esse é o carro que nós estamos dirigindo.
09:19
We choose when to speed up and when to slow down.
162
559953
3595
Nós escolhemos quando aumentar ou diminuir a velocidade.
09:23
We choose if we need to make a turn.
163
563572
2400
Nós escolhemos se precisamos fazer uma curva.
09:26
We choose what the AI of the future will be.
164
566868
3000
Nós escolhemos o que será a IA do futuro.
09:31
There's a vast playing field
165
571186
1337
Há um campo vasto
09:32
of all the things that artificial intelligence can become.
166
572547
2965
de tudo que a inteligência artificial poderá se tornar.
09:36
It will become many things.
167
576064
1800
Ela se tornará muitas coisas.
09:39
And it's up to us now,
168
579694
1732
E depende de nós agora,
09:41
in order to figure out what we need to put in place
169
581450
3061
a fim de descobrir o que precisamos implementar
09:44
to make sure the outcomes of artificial intelligence
170
584535
3807
para garantir que os resultados da inteligência artificial
09:48
are the ones that will be better for all of us.
171
588366
3066
serão os melhores para todos nós.
09:51
Thank you.
172
591456
1150
Obrigada.
09:52
(Applause)
173
592630
2187
(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