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

260,110 views ・ 2017-12-21

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Margarida Ferreira Revisora: Clara Marques
Chris Anderson: Ajuda-nos a perceber o que é a aprendizagem automática,
porque parece ser a força motriz principal
de grande parte da excitação e das preocupações
em torno da inteligência artificial.
00:12
Chris Anderson: Help us understand what machine learning is,
0
12904
2886
Como funciona a aprendizagem automática?
00:15
because that seems to be the key driver
1
15814
2054
Sebastian Thrun: A inteligência artificial e a aprendizagem automática
00:17
of so much of the excitement and also of the concern
2
17892
2737
tem cerca de 60 anos,
00:20
around artificial intelligence.
3
20653
1494
e não teve grande fama senão recentemente.
00:22
How does machine learning work?
4
22171
1643
00:23
Sebastian Thrun: So, artificial intelligence and machine learning
5
23838
3896
A razão para isso é que hoje,
00:27
is about 60 years old
6
27758
2002
atingimos uma dimensão de computação e bases de dados
00:29
and has not had a great day in its past until recently.
7
29784
4269
que eram necessárias para tornar as máquinas inteligentes.
00:34
And the reason is that today,
8
34077
2924
Então, é assim que as coisas funcionam.
00:37
we have reached a scale of computing and datasets
9
37025
3973
Se programarem hoje um computador, digamos, o nosso telemóvel,
estamos a contratar engenheiros de software
00:41
that was necessary to make machines smart.
10
41022
2637
que escrevem uma receita muito comprida, por exemplo:
00:43
So here's how it works.
11
43683
1751
00:45
If you program a computer today, say, your phone,
12
45458
3497
“Se a água estiver demasiado quente, baixa a temperatura.
00:48
then you hire software engineers
13
48979
2335
“Se estiver demasiado fria, aumenta a temperatura.”
00:51
that write a very, very long kitchen recipe,
14
51338
3854
As receitas não têm só 10 linhas de comprimento.
00:55
like, "If the water is too hot, turn down the temperature.
15
55216
3132
Têm milhões de linhas de comprimento.
Um telemóvel moderno tem 12 milhões de linhas de código.
00:58
If it's too cold, turn up the temperature."
16
58372
2279
01:00
The recipes are not just 10 lines long.
17
60675
2849
Um navegador tem cinco milhões de linhas de código.
01:03
They are millions of lines long.
18
63548
2603
Cada erro nesta receita pode provocar uma avaria no computador.
01:06
A modern cell phone has 12 million lines of code.
19
66175
4084
É por isso que um engenheiro de software ganha tanto dinheiro.
01:10
A browser has five million lines of code.
20
70283
2646
01:12
And each bug in this recipe can cause your computer to crash.
21
72953
4969
O que há de novo agora é que os computadores
conseguem encontrar as suas próprias regras.
01:17
That's why a software engineer makes so much money.
22
77946
3075
Em vez de ser um especialista a decifrar, passo a passo,
uma regra para cada contingência,
01:21
The new thing now is that computers can find their own rules.
23
81953
3660
o que fazemos hoje é dar exemplos ao computador
01:25
So instead of an expert deciphering, step by step,
24
85637
3606
e levá-los a deduzir as suas regras.
Um exemplo muito bom é o AlphaGo, que recentemente foi ganho pela Google.
01:29
a rule for every contingency,
25
89267
2148
01:31
what you do now is you give the computer examples
26
91439
3074
Normalmente, nos jogos, tínhamos de escrever todas as regras,
01:34
and have it infer its own rules.
27
94537
1581
mas no caso do AlphaGo,
01:36
A really good example is AlphaGo, which recently was won by Google.
28
96142
4306
o sistema observou um milhão de jogos
e conseguiu deduzir as suas próprias regras
01:40
Normally, in game playing, you would really write down all the rules,
29
100472
3687
e depois vencer o campeão mundial residente do Go.
01:44
but in AlphaGo's case,
30
104183
1785
Isto é excitante, porque liberta o engenheiro de software
01:45
the system looked over a million games
31
105992
2066
01:48
and was able to infer its own rules
32
108082
2192
da necessidade de ser super inteligente
01:50
and then beat the world's residing Go champion.
33
110298
2738
e passa a responsabilidade para os dados.
Como já disse, o ponto de inflexão em que tudo isto se tornou possível
01:53
That is exciting, because it relieves the software engineer
34
113853
3509
— é embaraçoso, mas a minha tese foi sobre aprendizagem automática,
01:57
of the need of being super smart,
35
117386
1819
01:59
and pushes the burden towards the data.
36
119229
2325
foi totalmente insignificante, não a leiam,
02:01
As I said, the inflection point where this has become really possible --
37
121578
4534
porque já lá vão 20 anos
e, nessa altura, os computadores tinham o tamanho do cérebro de uma barata.
02:06
very embarrassing, my thesis was about machine learning.
38
126136
2746
Hoje têm suficiente potência para reproduzir
02:08
It was completely insignificant, don't read it,
39
128906
2205
um certo tipo de pensamento humano especializado.
02:11
because it was 20 years ago
40
131135
1350
Depois, os computadores têm a vantagem de poderem observar
02:12
and back then, the computers were as big as a cockroach brain.
41
132509
2907
muitos mais dados do que as pessoas podem.
02:15
Now they are powerful enough to really emulate
42
135440
2331
Eu diria que a AlphaGo observou mais de um milhão de jogos.
02:17
kind of specialized human thinking.
43
137795
2076
02:19
And then the computers take advantage of the fact
44
139895
2313
Nenhum especialista humano
pode pensar em estudar um milhão de jogos.
02:22
that they can look at much more data than people can.
45
142232
2500
A Google observou mais de cem mil milhões de páginas da web.
02:24
So I'd say AlphaGo looked at more than a million games.
46
144756
3080
Ninguém pode estudar cem mil milhões de páginas da web.
02:27
No human expert can ever study a million games.
47
147860
2839
Em resultado disso, o computador pode encontrar regras
02:30
Google has looked at over a hundred billion web pages.
48
150723
3182
que as pessoas não podem encontrar.
CA: Então, em vez de pensarmos que “Se ele faz isso, eu também posso fazer”,
02:33
No person can ever study a hundred billion web pages.
49
153929
2650
02:36
So as a result, the computer can find rules
50
156603
2714
é sobretudo dizer “É este o aspeto dum padrão vencedor,
02:39
that even people can't find.
51
159341
1755
“é este o aspeto de um padrão vencedor.”
02:41
CA: So instead of looking ahead to, "If he does that, I will do that,"
52
161120
4312
ST: Pois é. Pensa na forma como educamos uma criança.
Não passamos os primeiros 18 anos
02:45
it's more saying, "Here is what looks like a winning pattern,
53
165456
3072
a dar aos miúdos uma regra para cada contingência
02:48
here is what looks like a winning pattern."
54
168552
2079
e liberdade e eles adquirem logo este bom programa.
02:50
ST: Yeah. I mean, think about how you raise children.
55
170655
2517
Eles tropeçam, levantam-se, levam uma bofetada ou uma palmada,
02:53
You don't spend the first 18 years giving kids a rule for every contingency
56
173196
3644
e têm uma experiência positiva, boas notas na escola,
02:56
and set them free and they have this big program.
57
176864
2347
e descobrem por si mesmos.
É o que acontece hoje com os computadores,
02:59
They stumble, fall, get up, they get slapped or spanked,
58
179235
2719
o que torna a programação muito mais fácil, de repente.
03:01
and they have a positive experience, a good grade in school,
59
181978
2884
Agora já não precisamos de pensar, basta darmos-lhes montes de dados.
03:04
and they figure it out on their own.
60
184886
1834
03:06
That's happening with computers now,
61
186744
1737
CA: Isto tem sido fundamental para a melhoria espetacular
03:08
which makes computer programming so much easier all of a sudden.
62
188505
3029
no poder dos carros autónomos.
03:11
Now we don't have to think anymore. We just give them lots of data.
63
191558
3175
Penso que me deste um exemplo.
03:14
CA: And so, this has been key to the spectacular improvement
64
194757
3422
Podes explicar o que está a acontecer aqui?
ST: Esta é a condução de um carro autónomo
03:18
in power of self-driving cars.
65
198203
3064
que, por acaso, tínhamos na Udacity
03:21
I think you gave me an example.
66
201291
1739
e recentemente transformámos numa outra empresa chamada Voyage.
03:23
Can you explain what's happening here?
67
203054
2685
03:25
ST: This is a drive of a self-driving car
68
205763
3564
Usámos a aprendizagem profunda
para treinar um carro a conduzir autonomamente
03:29
that we happened to have at Udacity
69
209351
1957
e está a conduzir de Mountain View, na Califórnia,
03:31
and recently made into a spin-off called Voyage.
70
211332
2398
até San Francisco
03:33
We have used this thing called deep learning
71
213754
2574
no El Camino Real, num dia chuvoso,
com ciclistas e peões e 133 semáforos.
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
O que há de novo aqui
03:40
to San Francisco
74
220410
1168
é que, há muitas luas, iniciei a equipa de carros autónomos da Google.
03:41
on El Camino Real on a rainy day,
75
221602
2259
03:43
with bicyclists and pedestrians and 133 traffic lights.
76
223885
3524
Nessa época, contratei os melhores engenheiros de software do mundo
03:47
And the novel thing here is,
77
227433
2636
para encontrar as melhores regras mundiais.
Isto foi só treino.
03:50
many, many moons ago, I started the Google self-driving car team.
78
230093
3120
Guiámos nesta estrada 20 vezes,
03:53
And back in the day, I hired the world's best software engineers
79
233237
3181
pusemos todos estes dados no cérebro do computador,
03:56
to find the world's best rules.
80
236442
1607
e, ao fim de umas horas de processamento,
03:58
This is just trained.
81
238073
1754
03:59
We drive this road 20 times,
82
239851
3336
ele aparece com um comportamento que ultrapassa a agilidade humana.
04:03
we put all this data into the computer brain,
83
243211
2447
Portanto, torna-se realmente fácil programá-la.
04:05
and after a few hours of processing,
84
245682
2082
Isto é 100% autónomo, cerca de 50 km, uma hora e meia.
04:07
it comes up with behavior that often surpasses human agility.
85
247788
3926
CA: Então, explica lá... na parte à esquerda deste programa,
04:11
So it's become really easy to program it.
86
251738
2017
vemos basicamente o que o computador vê como camiões e carros
04:13
This is 100 percent autonomous, about 33 miles, an hour and a half.
87
253779
3803
e aqueles pontos que ultrapassam, e assim por diante.
04:17
CA: So, explain it -- on the big part of this program on the left,
88
257606
3630
ST: À direita, vemos a imagem da câmara, que é o principal input aqui,
04:21
you're seeing basically what the computer sees as trucks and cars
89
261260
3257
que se usa para ver faixas de rodagem, outros carros, semáforos.
04:24
and those dots overtaking it and so forth.
90
264541
2886
O veículo tem um radar para calcular a distância.
04:27
ST: On the right side, you see the camera image, which is the main input here,
91
267451
3762
Isto é usado habitualmente neste tipo de sistemas.
Do lado esquerdo, vemos um diagrama a laser,
04:31
and it's used to find lanes, other cars, traffic lights.
92
271237
2676
onde vemos obstáculos como árvores descritos pelo laser.
04:33
The vehicle has a radar to do distance estimation.
93
273937
2489
Mas quase todo o trabalho de interesse está centrado na imagem da câmara.
04:36
This is very commonly used in these kind of systems.
94
276450
2621
04:39
On the left side you see a laser diagram,
95
279095
1992
Estamos a passar de sensores de precisão como radares e lasers
04:41
where you see obstacles like trees and so on depicted by the laser.
96
281111
3200
para sensores muito baratos e de fácil utilização.
04:44
But almost all the interesting work is centering on the camera image now.
97
284335
3436
Uma câmara custa menos de oito dólares.
CA: E o que é aquele ponto verde na coisa da esquerda?
04:47
We're really shifting over from precision sensors like radars and lasers
98
287795
3476
Tem algum significado?
ST: É um ponto de observação para controlo de cruzeiro adaptativo,
04:51
into very cheap, commoditized sensors.
99
291295
1842
04:53
A camera costs less than eight dollars.
100
293161
1987
que nos ajuda a perceber como regular a velocidade
04:55
CA: And that green dot on the left thing, what is that?
101
295172
2793
04:57
Is that anything meaningful?
102
297989
1371
com base na distância dos carros à nossa frente.
04:59
ST: This is a look-ahead point for your adaptive cruise control,
103
299384
3668
CA: Acho que também tens um exemplo
de como ocorre a atual parte de aprendizagem.
05:03
so it helps us understand how to regulate velocity
104
303076
2477
Talvez possamos ver isso. Fala-nos disso.
05:05
based on how far the cars in front of you are.
105
305577
2634
ST: Este é um exemplo em que lançámos um desafio aos estudantes da Udacity
05:08
CA: And so, you've also got an example, I think,
106
308235
2716
05:10
of how the actual learning part takes place.
107
310975
2381
para obter aquilo a que chamamos um minicurso de carro autónomo.
05:13
Maybe we can see that. Talk about this.
108
313380
2458
Demos-lhe um conjunto de dados e dissemos-lhes:
05:15
ST: This is an example where we posed a challenge to Udacity students
109
315862
3643
“Conseguem descobrir como conduzir este carro?”
Se olhares para as imagens,
05:19
to take what we call a self-driving car Nanodegree.
110
319529
3131
é impossível os seres humanos, acertarem na direção.
05:22
We gave them this dataset
111
322684
1495
05:24
and said "Hey, can you guys figure out how to steer this car?"
112
324203
3054
Fizemos uma competição e dissemos:
“É uma competição de aprendizagem profunda, de competição de IA”
05:27
And if you look at the images,
113
327281
1624
05:28
it's, even for humans, quite impossible to get the steering right.
114
328929
4073
e demos 48 horas aos estudantes.
Numa empresa de software como a Google ou o Facebook,
05:33
And we ran a competition and said, "It's a deep learning competition,
115
333026
3591
uma coisa destas custa pelo menos seis meses de trabalho.
05:36
AI competition,"
116
336641
1173
05:37
and we gave the students 48 hours.
117
337838
1887
Por isso achámos que 48h era ótimo.
05:39
So if you are a software house like Google or Facebook,
118
339749
4172
Nessas 48 horas, recebemos 100 provas dos estudantes
05:43
something like this costs you at least six months of work.
119
343945
2717
e as quatro melhores acertaram na perfeição.
05:46
So we figured 48 hours is great.
120
346686
2202
Conduz melhor do que eu podia conduzir com esta imagem,
05:48
And within 48 hours, we got about 100 submissions from students,
121
348912
3467
usando a aprendizagem profunda.
De novo, é a mesma metodologia.
05:52
and the top four got it perfectly right.
122
352403
3370
É esta coisa mágica.
Se dermos dados suficientes a um computador,
05:55
It drives better than I could drive on this imagery,
123
355797
2640
e lhe dermos tempo suficiente para compreender os dados,
05:58
using deep learning.
124
358461
1189
ele encontra as suas próprias regras.
05:59
And again, it's the same methodology.
125
359674
1799
CA: Então, isso levou à evolução de poderosas aplicações
06:01
It's this magical thing.
126
361497
1164
06:02
When you give enough data to a computer now,
127
362685
2085
06:04
and give enough time to comprehend the data,
128
364794
2140
em todo o tipo de áreas.
06:06
it finds its own rules.
129
366958
1445
No outro dia falaste-me sobre o cancro.
06:09
CA: And so that has led to the development of powerful applications
130
369339
4845
Posso mostrar este vídeo?
ST: Sim, claro, fazes favor. CA: É muito fixe.
ST: É o tipo de visão do que está a acontecer
06:14
in all sorts of areas.
131
374208
1525
06:15
You were talking to me the other day about cancer.
132
375757
2668
numa área totalmente diferente.
06:18
Can I show this video?
133
378449
1189
06:19
ST: Yeah, absolutely, please. CA: This is cool.
134
379662
2354
Isto está a aumentar, ou a competir
06:22
ST: This is kind of an insight into what's happening
135
382040
3534
— depende dos olhos de quem vê —
com pessoas que estão a ser pagas a 400 000 dólares por ano,
06:25
in a completely different domain.
136
385598
2429
06:28
This is augmenting, or competing --
137
388051
3752
dermatologistas,
especialistas com alta formação.
06:31
it's in the eye of the beholder --
138
391827
1749
São precisos mais de 10 anos de formação para ser um bom dermatologista.
06:33
with people who are being paid 400,000 dollars a year,
139
393600
3454
O que vemos aqui é a versão disso em aprendizagem automática.
06:37
dermatologists,
140
397078
1237
06:38
highly trained specialists.
141
398339
1983
Chama-se rede neural.
06:40
It takes more than a decade of training to be a good dermatologist.
142
400346
3561
“Rede neural” é o termo técnico
para estes algoritmos de aprendizagem automática.
06:43
What you see here is the machine learning version of it.
143
403931
3196
Já existem desde os anos 80.
Este foi inventado em 1988
06:47
It's called a neural network.
144
407151
1841
por um tipo do Facebook chamado Yann LeCun,
06:49
"Neural networks" is the technical term for these machine learning algorithms.
145
409016
3742
e propaga as fases de dados
06:52
They've been around since the 1980s.
146
412782
1789
através do que podemos imaginar como um cérebro humano.
06:54
This one was invented in 1988 by a Facebook Fellow called Yann LeCun,
147
414595
4640
Não é bem a mesma coisa, mas imita a mesma coisa.
06:59
and it propagates data stages
148
419259
3558
Passa de fase em fase.
Na primeira fase, agarra no input visual e extrai as arestas,
07:02
through what you could think of as the human brain.
149
422841
2578
as varas e os pontos.
07:05
It's not quite the same thing, but it emulates the same thing.
150
425443
2966
Na fase seguinte, forma arestas mais complicadas
07:08
It goes stage after stage.
151
428433
1302
07:09
In the very first stage, it takes the visual input and extracts edges
152
429759
3637
e formas como meias luas.
07:13
and rods and dots.
153
433420
2612
Por fim, consegue criar conceitos realmente complicados.
07:16
And the next one becomes more complicated edges
154
436056
3037
Andrew Ng conseguiu mostrar
07:19
and shapes like little half-moons.
155
439117
3191
que consegue encontrar focinhos de gatos e de cães
07:22
And eventually, it's able to build really complicated concepts.
156
442332
4443
em grande quantidade de imagens.
O que a minha equipa de estudantes em Stanford mostrou
07:26
Andrew Ng has been able to show
157
446799
2048
07:28
that it's able to find cat faces and dog faces
158
448871
3480
é que, se o treinarmos com 129 000 imagens de doenças de pele,
07:32
in vast amounts of images.
159
452375
1661
07:34
What my student team at Stanford has shown is that
160
454060
2724
incluindo melanomas e carcinomas,
07:36
if you train it on 129,000 images of skin conditions,
161
456808
6073
podemos fazer um trabalho tão bom
como os melhores dermatologistas.
07:42
including melanoma and carcinomas,
162
462905
2565
Para nos convencermos de que isso é verdade,
agarrámos num conjunto de dados independente que apresentámos à nossa rede
07:45
you can do as good a job
163
465494
3301
07:48
as the best human dermatologists.
164
468819
2197
e a 25 dermatologistas certificados de Stanford,
07:51
And to convince ourselves that this is the case,
165
471040
2549
07:53
we captured an independent dataset that we presented to our network
166
473613
3990
e comparámos os resultados.
Na maior parte dos casos,
igualaram ou ficaram acima da exatidão da classificação de desempenho
07:57
and to 25 board-certified Stanford-level dermatologists,
167
477627
4342
dos dermatologistas humanos.
08:01
and compared those.
168
481993
1672
CA: Contaste-me uma história.
08:03
And in most cases,
169
483689
1504
Estou a pensar nesta imagem aqui.
08:05
they were either on par or above the performance classification accuracy
170
485217
3875
O que é que aconteceu aqui?
ST: Isto foi na quinta-feira passada. É um trabalho comovente.
08:09
of human dermatologists.
171
489116
1467
08:10
CA: You were telling me an anecdote.
172
490607
1746
O que já mostrámos e publicámos na Nature, no início deste ano
08:12
I think about this image right here.
173
492377
1957
08:14
What happened here?
174
494358
1484
foi que mostrámos imagens de dermatologistas
08:15
ST: This was last Thursday. That's a moving piece.
175
495866
4008
ao nosso computador
e contámos quantas vezes ele tinha razão.
08:19
What we've shown before and we published in "Nature" earlier this year
176
499898
3600
Mas todas estas imagens são imagens antigas.
Fizeram-se biópsias a todas para garantir que a classificação estava correta.
08:23
was this idea that we show dermatologists images
177
503522
2484
08:26
and our computer program images,
178
506030
1539
E esta aqui não estava.
08:27
and count how often they're right.
179
507593
1627
Esta foi feita em Stanford por um dos nossos colaboradores.
08:29
But all these images are past images.
180
509244
1778
Acontece que o nosso colaborador,
08:31
They've all been biopsied to make sure we had the correct classification.
181
511046
3460
que é um dermatologista conhecido, um dos três melhores, segundo consta,
08:34
This one wasn't.
182
514530
1172
08:35
This one was actually done at Stanford by one of our collaborators.
183
515726
3179
olhou para este sinal e disse: “Isto não é um cancro da pele”.
08:38
The story goes that our collaborator,
184
518929
2314
Depois, pensou melhor e disse:
08:41
who is a world-famous dermatologist, one of the three best, apparently,
185
521267
3391
“Deixem-me ver o que se disse na aplicação.”
Agarrou no seu iPhone e abriu o nosso software,
08:44
looked at this mole and said, "This is not skin cancer."
186
524682
2935
o nosso “dermatologista de algibeira”, por assim dizer,
08:47
And then he had a second moment, where he said,
187
527641
2476
e o iPhone disse: cancro.
08:50
"Well, let me just check with the app."
188
530141
1866
Disse: melanoma.
08:52
So he took out his iPhone and ran our piece of software,
189
532031
2699
E ele ficou confuso e decidiu:
08:54
our "pocket dermatologist," so to speak,
190
534754
2121
“OK, talvez acredite mais no iPhone do que em mim próprio”
08:56
and the iPhone said: cancer.
191
536899
2994
e enviou-o para o laboratório para fazer uma biópsia.
08:59
It said melanoma.
192
539917
1306
09:01
And then he was confused.
193
541849
1233
O resultado foi um melanoma agressivo.
09:03
And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"
194
543106
4551
Por isso, penso que pode ser a primeira vez que encontrámos
09:07
and he sent it out to the lab to get it biopsied.
195
547681
2735
na prática de usar a aprendizagem automática,
09:10
And it came up as an aggressive melanoma.
196
550440
2469
uma pessoa com um melanoma que teria passado sem ser diagnosticado
09:13
So I think this might be the first time that we actually found,
197
553545
3067
se não fosse a aprendizagem automática.
09:16
in the practice of using deep learning,
198
556636
2487
CA: É incrível.
(Aplausos)
09:19
an actual person whose melanoma would have gone unclassified,
199
559147
3372
Deve ter havido um pedido imediato para uma aplicação dessas
09:22
had it not been for deep learning.
200
562543
2115
que assustaria muita gente.
09:24
CA: I mean, that's incredible.
201
564682
1560
Estão a pensar fazer isso, uma aplicação que permite um auto-exame?
09:26
(Applause)
202
566266
1769
ST: A minha caixa de entrada está atulhada com aplicações para o cancro,
09:28
It feels like there'd be an instant demand for an app like this right now,
203
568059
3600
09:31
that you might freak out a lot of people.
204
571683
1966
09:33
Are you thinking of doing this, making an app that allows self-checking?
205
573673
3527
com histórias impressionantes de pessoas.
Algumas pessoas já removeram 10, 15, 20 melanomas
09:37
ST: So my in-box is flooded about cancer apps,
206
577224
4973
e têm medo de que um possa escapar, como este aqui
09:42
with heartbreaking stories of people.
207
582221
2303
e também, não faço ideia,
09:44
I mean, some people have had 10, 15, 20 melanomas removed,
208
584548
3204
de carros voadores e inquéritos, talvez.
09:47
and are scared that one might be overlooked, like this one,
209
587776
3952
A minha posição é que precisamos de mais testes.
Quero ser muito cuidadoso.
09:51
and also, about, I don't know,
210
591752
1741
É muito fácil dar um resultado vistoso e impressionar uma audiência TED.
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
É muito mais difícil lançar uma coisa que seja ética.
Se as pessoas fossem usar a aplicação
09:59
I want to be very careful.
213
599449
1778
10:01
It's very easy to give a flashy result and impress a TED audience.
214
601251
3666
e optassem por não consultar a ajuda de um médico
10:04
It's much harder to put something out that's ethical.
215
604941
2627
e nós nos enganássemos,
eu sentir-me-ia muito mal.
10:07
And if people were to use the app
216
607592
2394
Portanto estamos a fazer testes clínicos,
e, se estes testes clínicos começarem e os nossos dados se confirmarem,
10:10
and choose not to consult the assistance of a doctor
217
610010
2797
10:12
because we get it wrong,
218
612831
1583
podemos agarrar neste tipo de tecnologia
10:14
I would feel really bad about it.
219
614438
1653
e levá-lo para a clínica de Stanford
10:16
So we're currently doing clinical tests,
220
616115
1925
e disponibilizá-lo para o mundo inteiro,
10:18
and if these clinical tests commence and our data holds up,
221
618064
2798
a locais onde os médicos de Stanford nunca puseram o pé.
10:20
we might be able at some point to take this kind of technology
222
620886
2990
CA: Será que estou a ouvir bem?
10:23
and take it out of the Stanford clinic
223
623900
1892
Parece-me que estás a dizer que,
10:25
and bring it to the entire world,
224
625816
1658
porque estás a trabalhar com esse exército de estudantes da Udacity,
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
estás a aplicar uma forma diferente de aprendizagem automática
10:33
that it seemed like what you were saying,
227
633221
1966
que pode ocorrer numa empresa,
10:35
because you are working with this army of Udacity students,
228
635211
4254
combinas a aprendizagem automática com uma forma de sabedoria coletiva.
10:39
that in a way, you're applying a different form of machine learning
229
639489
3221
Estás a dizer que podes ter um desempenho superior
ao que uma empresa pode fazer, mesmo uma grande empresa?
10:42
than might take place in a company,
230
642734
1735
10:44
which is you're combining machine learning with a form of crowd wisdom.
231
644493
3484
ST: Eu penso que há hoje situações que me deixam de boca aberta
e ainda estou a tentar perceber.
10:48
Are you saying that sometimes you think that could actually outperform
232
648001
3384
Aquilo a que te referes são estas competições que promovemos.
10:51
what a company can do, even a vast company?
233
651409
2050
10:53
ST: I believe there's now instances that blow my mind,
234
653483
2940
Obtemos respostas em 48 horas
e já conseguimos criar um carro autónomo
10:56
and I'm still trying to understand.
235
656447
1758
que pode conduzir de Mountain View até San Francisco,
10:58
What Chris is referring to is these competitions that we run.
236
658229
3937
por estradas de superfície.
Ainda não estamos a par da Google que já tem sete anos de trabalho,
11:02
We turn them around in 48 hours,
237
662190
2268
11:04
and we've been able to build a self-driving car
238
664482
2252
mas estamos a chegar lá.
11:06
that can drive from Mountain View to San Francisco on surface streets.
239
666758
3387
E só utilizamos dois engenheiros desde há três meses, para fazer isso.
11:10
It's not quite on par with Google after seven years of Google work,
240
670169
3584
A razão é que temos um grupo enorme de estudantes
11:13
but it's getting there.
241
673777
2528
que participam nas competições.
Não somos só nós que usamos a colaboração voluntária.
11:16
And it took us only two engineers and three months to do this.
242
676329
3084
A Uber e a Didi usam-na para a condução.
11:19
And the reason is, we have an army of students
243
679437
2856
A Airbnb usa a colaboração voluntária para os hotéis.
11:22
who participate in competitions.
244
682317
1850
Há hoje muitos exemplos em que as pessoas fazem colaboração voluntária
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
para encontrarem erros, ou enovelamento de proteínas.
11:28
Airbnb uses crowdsourcing for hotels.
247
688682
2759
Mas conseguimos criar este carro em três meses,
11:31
There's now many examples where people do bug-finding crowdsourcing
248
691465
4007
por isso estou a pensar melhor
11:35
or protein folding, of all things, in crowdsourcing.
249
695496
2804
em como organizar empresas.
11:38
But we've been able to build this car in three months,
250
698324
2915
Temos uma equipa de 9000 pessoas que nunca são contratadas
11:41
so I am actually rethinking
251
701263
3655
e que eu nunca dispenso.
11:44
how we organize corporations.
252
704942
2238
Aparecem para trabalhar e eu nem sequer sei.
11:47
We have a staff of 9,000 people who are never hired,
253
707204
4696
Depois apresentam-me talvez 9000 respostas.
Eu não sou obrigado a usar nenhuma delas.
11:51
that I never fire.
254
711924
1308
E acabo por só pagar aos vencedores,
11:53
They show up to work and I don't even know.
255
713256
2362
por isso, sou nisto muito forreta, o que talvez não seja muito bom.
11:55
Then they submit to me maybe 9,000 answers.
256
715642
3058
Mas eles consideram que isto faz parte da formação, o que é agradável.
11:58
I'm not obliged to use any of those.
257
718724
2176
12:00
I end up -- I pay only the winners,
258
720924
1991
Estes estudantes têm conseguido produzir resultados espantosos
12:02
so I'm actually very cheapskate here, which is maybe not the best thing to do.
259
722939
3718
de aprendizagem profunda.
A síntese de pessoas fantásticas
12:06
But they consider it part of their education, too, which is nice.
260
726681
3185
e de ótima aprendizagem automática é um espanto.
12:09
But these students have been able to produce amazing deep learning results.
261
729890
4201
CA: Gary Kasparov disse no primeiro dia da TED2017
que os vencedores do xadrez, surpreendentemente,
12:14
So yeah, the synthesis of great people and great machine learning is amazing.
262
734115
3861
passaram a ser dois jogadores amadores
com três programas de computador medíocres, medíocres-a-bons,
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 podiam superar um grande mestre com um ótimo jogador de xadrez,
12:26
with three mediocre-ish, mediocre-to-good, computer programs,
265
746284
5371
como se tudo fizesse parte do processo.
E quase parece que estás a falar de uma versão muito mais rica
12:31
that could outperform one grand master with one great chess player,
266
751679
3163
dessa mesma ideia.
ST: Sim, conforme seguiste ontem de manhã os fantásticos painéis,
12:34
like it was all part of the process.
267
754866
1743
12:36
And it almost seems like you're talking about a much richer version
268
756633
3335
duas sessões sobre a IA,
os senhores robóticos e a reação humana,
12:39
of that same idea.
269
759992
1200
foram ditas coisas extraordinárias.
12:41
ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,
270
761216
3857
Mas uma das preocupações é que de certa forma confundimos
12:45
two sessions about AI,
271
765097
1994
o que está a ser feito com a IA com este tipo de ameaça
12:47
robotic overlords and the human response,
272
767115
2167
12:49
many, many great things were said.
273
769306
1982
em que a IA desenvolva uma consciência, não é?
12:51
But one of the concerns is that we sometimes confuse
274
771312
2687
A última coisa que quero é que a minha IA tenha consciência.
12:54
what's actually been done with AI with this kind of overlord threat,
275
774023
4062
Não quero entrar na minha cozinha
e ver que o meu frigorífico se apaixonou pela máquina de lavar loiça
12:58
where your AI develops consciousness, right?
276
778109
3424
13:01
The last thing I want is for my AI to have consciousness.
277
781557
2971
e me diga que, como eu não fui simpático,
13:04
I don't want to come into my kitchen
278
784552
1716
a minha comida descongelou.
13:06
and have the refrigerator fall in love with the dishwasher
279
786292
4193
Eu não compro esses produtos e não os quero.
Mas a verdade é que, para mim,
13:10
and tell me, because I wasn't nice enough,
280
790509
2124
a IA sempre foi um complemento das pessoas.
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
Tem sido um complemento nosso
para nos tornar mais fortes.
13:17
But the truth is, for me,
283
797825
1802
Acho que Kasparov estava correto.
13:19
AI has always been an augmentation of people.
284
799651
2720
Tem sido a combinação da inteligência humana
13:22
It's been an augmentation of us,
285
802893
1676
com a inteligência da máquina
13:24
to make us stronger.
286
804593
1457
que nos torna mais forte.
O tema de as máquinas nos tornarem mais fortes
13:26
And I think Kasparov was exactly correct.
287
806074
2831
13:28
It's been the combination of human smarts and machine smarts
288
808929
3849
é tão antigo como as máquinas.
A revolução agrícola ocorreu graças às máquinas a vapor
13:32
that make us stronger.
289
812802
1464
13:34
The theme of machines making us stronger is as old as machines are.
290
814290
4587
e aos equipamentos agrícolas que não podiam cultivar por si sós
que nunca nos substituíram, mas tornaram-nos mais fortes.
13:39
The agricultural revolution took place because it made steam engines
291
819567
3758
Penso que esta nova vaga da IA tornar-nos-á muito mais fortes
13:43
and farming equipment that couldn't farm by itself,
292
823349
2666
enquanto raça humana.
CA: Já voltaremos a isso daqui a pouco
13:46
that never replaced us; it made us stronger.
293
826039
2122
mas para continuar com a parte assustadora para algumas pessoas,
13:48
And I believe this new wave of AI will make us much, much stronger
294
828185
3738
o que parece assustador para as pessoas
13:51
as a human race.
295
831947
1183
13:53
CA: We'll come on to that a bit more,
296
833765
1813
é quando temos um computador que consegue alterar o seu próprio código
13:55
but just to continue with the scary part of this for some people,
297
835602
3671
e, assim, pode criar múltiplas cópias de si mesmo,
13:59
like, what feels like it gets scary for people is when you have
298
839297
3558
14:02
a computer that can, one, rewrite its own code,
299
842879
4618
e tentar uma série de diferentes versões de códigos,
possivelmente de forma aleatória até
e depois verificá-las, ver se atingiu um objetivo e melhorá-las.
14:07
so, it can create multiple copies of itself,
300
847521
3584
Digamos que o objetivo é ter um melhor desempenho num teste de inteligência.
14:11
try a bunch of different code versions,
301
851129
1897
14:13
possibly even at random,
302
853050
1775
Um computador que seja moderadamente bom nisso,
14:14
and then check them out and see if a goal is achieved and improved.
303
854849
3632
pode experimentar um milhão de versões.
14:18
So, say the goal is to do better on an intelligence test.
304
858505
3641
Pode encontrar a que seja melhor e repeti-la.
14:22
You know, a computer that's moderately good at that,
305
862170
3894
Portanto, a preocupação é que se obtenha algum tipo de efeito de fuga
14:26
you could try a million versions of that.
306
866088
2509
em que tudo corre bem numa tarde de quinta-feira
14:28
You might find one that was better,
307
868621
2090
e, quando chegares ao laboratório na sexta-feira de manhã,
14:30
and then, you know, repeat.
308
870735
2004
14:32
And so the concern is that you get some sort of runaway effect
309
872763
3040
dada a rapidez dos computadores e tudo isso,
14:35
where everything is fine on Thursday evening,
310
875827
3008
as coisas tenham ficado loucas e, de repente...
ST: Sim, diria que é uma possibilidade,
14:38
and you come back into the lab on Friday morning,
311
878859
2336
mas é uma possibilidade muito remota.
14:41
and because of the speed of computers and so forth,
312
881219
2449
Deixa-me explicar o que te ouvi dizer.
14:43
things have gone crazy, and suddenly --
313
883692
1903
No caso da AlphaGo, tivemos extamente o seguinte:
14:45
ST: I would say this is a possibility,
314
885619
2020
14:47
but it's a very remote possibility.
315
887663
1916
o computador jogava contra si mesmo
14:49
So let me just translate what I heard you say.
316
889603
3337
e aprendia novas regras.
O que a aprendizagem automática faz é modificar as regras.
14:52
In the AlphaGo case, we had exactly this thing:
317
892964
2704
É modificar o código.
14:55
the computer would play the game against itself
318
895692
2315
Mas penso que não há qualquer preocupação
14:58
and then learn new rules.
319
898031
1250
de que o AlphaGo conquiste o mundo.
14:59
And what machine learning is is a rewriting of the rules.
320
899305
3235
Eu nem sequer sei jogar xadrez.
15:02
It's the rewriting of code.
321
902564
1769
CA: Não, não, isso são coisas de uma área muito simples.
15:04
But I think there was absolutely no concern
322
904357
2845
15:07
that AlphaGo would take over the world.
323
907226
2426
Mas é possível imaginar, por exemplo,
15:09
It can't even play chess.
324
909676
1464
vimos um computador que quase parecia capaz
15:11
CA: No, no, no, but now, these are all very single-domain things.
325
911164
5147
de passar num teste de admissão à universidade.
15:16
But it's possible to imagine.
326
916335
2879
Não sabe ler e compreende no mesmo sentido que nós,
15:19
I mean, we just saw a computer that seemed nearly capable
327
919238
3089
mas certamente consegue absorver todo o texto
15:22
of passing a university entrance test,
328
922351
2655
e talvez ver mais padrões de significado.
15:25
that can kind of -- it can't read and understand in the sense that we can,
329
925030
3688
Não se dará o caso, à medida que isto se vai alargando,
15:28
but it can certainly absorb all the text
330
928742
1987
de poder haver um tipo diferente de efeito de fuga?
15:30
and maybe see increased patterns of meaning.
331
930753
2899
ST: Sinceramente, é aí que eu traço a linha.
15:33
Isn't there a chance that, as this broadens out,
332
933676
3694
Há essa possibilidade — não vou subestimá-la —
mas penso que é remota, não é uma coisa que me preocupe atualmente,
15:37
there could be a different kind of runaway effect?
333
937394
2466
15:39
ST: That's where I draw the line, honestly.
334
939884
2078
porque penso que a grande revolução está noutro lado.
15:41
And the chance exists -- I don't want to downplay it --
335
941986
2643
Tudo o que tem tido êxito na IA até à presente data
15:44
but I think it's remote, and it's not the thing that's on my mind these days,
336
944653
3672
tem sido extremamente especializado
e tem-se desenvolvido a partir duma simples ideia
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
que é uma quantidade maciça de dados.
A razão por que a AlphaGo funciona tão bem deve-se aos números enormes de jogos Go
15:53
has been extremely specialized,
339
953831
2214
15:56
and it's been thriving on a single idea,
340
956069
2489
e a AlphaGo não pode conduzir um carro nem pilotar um avião.
15:58
which is massive amounts of data.
341
958582
2739
O carro autónomo da Google ou o carro autónomo da Udacity
16:01
The reason AlphaGo works so well is because of massive numbers of Go plays,
342
961345
4147
prospera com quantidades enormes de dados e não consegue fazer mais nada.
16:05
and AlphaGo can't drive a car or fly a plane.
343
965516
3255
Nem sequer controla uma mota.
16:08
The Google self-driving car or the Udacity self-driving car
344
968795
3031
É uma função muito específica, num domínio específico,
e o mesmo é verdade para a aplicação do cancro.
16:11
thrives on massive amounts of data, and it can't do anything else.
345
971850
3240
Quase não tem havido progresso nessa coisa chamada “IA geral”,
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
em que vamos ter com a IA e dizemos:
“Inventa-me a relatividade especial ou a teoria das cordas”.
16:19
and the same is true for our cancer app.
348
979651
1907
16:21
There has been almost no progress on this thing called "general AI,"
349
981582
3236
Isso está totalmente na infância.
E quero sublinhar isto
16:24
where you go to an AI and say, "Hey, invent for me special relativity
350
984842
4000
porque vejo as preocupações e quero reconhecê-las.
16:28
or string theory."
351
988866
1666
Mas, se eu fosse pensar numa coisa, colocaria a questão
16:30
It's totally in the infancy.
352
990556
1931
16:32
The reason I want to emphasize this,
353
992511
2127
16:34
I see the concerns, and I want to acknowledge them.
354
994662
3838
“E se pudermos agarrar numa coisa repetitiva
16:38
But if I were to think about one thing,
355
998524
2886
“e a tornarmos 100 vezes mais eficaz?”
16:41
I would ask myself the question, "What if we can take anything repetitive
356
1001434
5563
Acontece que há 300 anos, todos trabalhávamos na agricultura
fazíamos agricultura e fazíamos coisas repetitivas.
16:47
and make ourselves 100 times as efficient?"
357
1007021
3473
Hoje, 75% das pessoas trabalham em escritórios
16:51
It so turns out, 300 years ago, we all worked in agriculture
358
1011170
4249
e fazem coisas repetitivas.
Tornámo-nos macacos da folha de cálculo.
16:55
and did farming and did repetitive things.
359
1015443
2051
E não é apenas a mão de obra de baixa qualidade.
16:57
Today, 75 percent of us work in offices
360
1017518
2556
Somos dermatologistas a fazer coisas repetitivas,
17:00
and do repetitive things.
361
1020098
2124
advogados a fazer coisas repetitivas.
17:02
We've become spreadsheet monkeys.
362
1022246
2183
Penso que estamos em vias de podermos pegar na IA,
17:04
And not just low-end labor.
363
1024453
2054
17:06
We've become dermatologists doing repetitive things,
364
1026531
2754
mantermo-nos atentos
e ela torna-nos 10 ou 50 vezes mais eficazes nessas coisas repetitivas.
17:09
lawyers doing repetitive things.
365
1029309
1749
17:11
I think we are at the brink of being able to take an AI,
366
1031082
3823
É nisso que eu penso.
CA: Isso parece super interessante.
17:14
look over our shoulders,
367
1034929
1718
17:16
and they make us maybe 10 or 50 times as effective in these repetitive things.
368
1036671
4058
O processo de lá chegar parece assustador para algumas pessoas,
porque, assim que um computador consiga fazer uma coisa repetitiva,
17:20
That's what is on my mind.
369
1040753
1275
17:22
CA: That sounds super exciting.
370
1042052
2450
muito melhor do que o dermatologista,
17:24
The process of getting there seems a little terrifying to some people,
371
1044526
3530
ou do que um condutor, em especial,
17:28
because once a computer can do this repetitive thing
372
1048080
3180
é a coisa de que se fala tanto atualmente,
de repente, desaparecem milhões de empregos,
17:31
much better than the dermatologist
373
1051284
3434
e um país entra em revolução
17:34
or than the driver, especially, is the thing that's talked about
374
1054742
3230
antes mesmo de obtermos os aspetos mais gloriosos do que é possível.
17:37
so much now,
375
1057996
1290
17:39
suddenly millions of jobs go,
376
1059310
1958
ST: Pois, e isso é um problema, um grande problema,
17:41
and, you know, the country's in revolution
377
1061292
2695
e ainda ontem de manhã foi referido por vários oradores convidados.
17:44
before we ever get to the more glorious aspects of what's possible.
378
1064011
4329
Antes de eu aparecer aqui no palco,
17:48
ST: Yeah, and that's an issue, and it's a big issue,
379
1068364
2517
confesso que sou uma pessoa positiva, otimista,
17:50
and it was pointed out yesterday morning by several guest speakers.
380
1070905
4196
por isso vou dar-te uma ideia otimista.
17:55
Now, prior to me showing up onstage,
381
1075125
2754
Pensa em ti mesmo, há 300 anos.
17:57
I confessed I'm a positive, optimistic person,
382
1077903
3739
A Europa sobreviveu a 140 anos de guerras contínuas,
18:01
so let me give you an optimistic pitch,
383
1081666
2389
18:04
which is, think of yourself back 300 years ago.
384
1084079
4795
as pessoas não sabiam ler nem escrever,
não havia empregos como os de hoje,
18:08
Europe just survived 140 years of continuous war,
385
1088898
3996
como banqueiro de investimentos, ou engenheiro de software, ou pivô de TV.
18:12
none of you could read or write,
386
1092918
1711
Estávamos todos nos campos a trabalhar na agricultura.
18:14
there were no jobs that you hold today,
387
1094653
2945
Depois aparece o Sebastian com uma máquina a vapor no bolso, a dizer:
18:17
like investment banker or software engineer or TV anchor.
388
1097622
4096
“Olhem para isto, isto vai tornar-vos 100 vezes mais fortes,
18:21
We would all be in the fields and farming.
389
1101742
2414
“para vocês poderem fazer outras coisas.”
18:24
Now here comes little Sebastian with a little steam engine in his pocket,
390
1104180
3573
Nesses tempos, não havia um palco
mas tu e eu estávamos no estábulo, com as vacas,
18:27
saying, "Hey guys, look at this.
391
1107777
1548
18:29
It's going to make you 100 times as strong, so you can do something else."
392
1109349
3595
e tu dizes: “Estou muito preocupado,
“porque ordenho a minha vaca todos os dias e se a máquina fizer isso por mim?”
18:32
And then back in the day, there was no real stage,
393
1112968
2470
18:35
but Chris and I hang out with the cows in the stable,
394
1115462
2526
Eu refiro isto porque somos muito bons
em reconhecer o progresso do passado e os benefícios que nos trouxe
18:38
and he says, "I'm really concerned about it,
395
1118012
2100
18:40
because I milk my cow every day, and what if the machine does this for me?"
396
1120136
3652
como os iPhones ou os aviões, a eletricidade ou os medicamentos.
18:43
The reason why I mention this is,
397
1123812
1702
Gostamos de viver até aos 80 anos, o que era impossível há 300 anos.
18:46
we're always good in acknowledging past progress and the benefit of it,
398
1126360
3603
Mas já não aplicamos as mesmas regras ao futuro.
18:49
like our iPhones or our planes or electricity or medical supply.
399
1129987
3354
18:53
We all love to live to 80, which was impossible 300 years ago.
400
1133365
4245
Se olhar para o meu emprego, enquanto diretor executivo,
18:57
But we kind of don't apply the same rules to the future.
401
1137634
4156
digo que 90% do meu trabalho é repetitivo,
não o aprecio,
gasto cerca de quatro horas por dia com emails estúpidos e repetitivos.
19:02
So if I look at my own job as a CEO,
402
1142621
3207
19:05
I would say 90 percent of my work is repetitive,
403
1145852
3140
Estou em pulgas para ter qualquer coisa que me ajude a ficar livre disto.
19:09
I don't enjoy it,
404
1149016
1351
Porquê?
19:10
I spend about four hours per day on stupid, repetitive email.
405
1150391
3978
Porque acho que todos nós somos loucamente criativos,
19:14
And I'm burning to have something that helps me get rid of this.
406
1154393
3641
e a comunidade TED mais do que ninguém.
Mas o mesmo se passa com os operários.
19:18
Why?
407
1158058
1158
19:19
Because I believe all of us are insanely creative;
408
1159240
3003
Podemos ir ter com o empregado do hotel e beber um copo com ela/ele,
19:22
I think the TED community more than anybody else.
409
1162731
3194
e, ao fim de uma hora, encontramos uma ideia criativa.
19:25
But even blue-collar workers; I think you can go to your hotel maid
410
1165949
3559
O que isto proporciona é transformar a criatividade em ação.
19:29
and have a drink with him or her,
411
1169532
2402
Por exemplo, e se pudéssemos criar uma Google num só dia?
19:31
and an hour later, you find a creative idea.
412
1171958
2717
19:34
What this will empower is to turn this creativity into action.
413
1174699
4140
E se pudéssemos sentar-nos com uma cerveja
e inventar o próximo Snapchat, o que quer que isso seja,
19:39
Like, what if you could build Google in a day?
414
1179265
3442
e amanhã de manhã isso estiver pronto e a funcionar?
Isto não é ficção científica.
19:43
What if you could sit over beer and invent the next Snapchat,
415
1183221
3316
O que vai acontecer é que já ficámos na História.
19:46
whatever it is,
416
1186561
1165
Libertámos esta criatividade espantosa
19:47
and tomorrow morning it's up and running?
417
1187750
2187
19:49
And that is not science fiction.
418
1189961
1773
por acabarmos com a escravidão da agricultura
19:51
What's going to happen is,
419
1191758
1254
e, mais tarde, claro, do trabalho fabril
19:53
we are already in history.
420
1193036
1867
19:54
We've unleashed this amazing creativity
421
1194927
3228
e inventámos muitas coisas.
Vai ser ainda melhor, na minha opinião.
19:58
by de-slaving us from farming
422
1198179
1611
19:59
and later, of course, from factory work
423
1199814
3363
E vai haver ótimos efeitos secundários.
Um desses efeitos secundários vai ser
20:03
and have invented so many things.
424
1203201
3162
que coisas como alimentos e medicamentos,
20:06
It's going to be even better, in my opinion.
425
1206387
2178
educação, habitação e transportes,
20:08
And there's going to be great side effects.
426
1208589
2072
tudo isso será muito mais acessível para todos nós,
20:10
One of the side effects will be
427
1210685
1489
20:12
that things like food and medical supply and education and shelter
428
1212198
4795
não só para gente rica.
CA: Hum...
Quando Martin Ford argumentou que esta época é diferente
20:17
and transportation
429
1217017
1177
20:18
will all become much more affordable to all of us,
430
1218218
2441
porque a inteligência que usámos no passado
20:20
not just the rich people.
431
1220683
1322
20:22
CA: Hmm.
432
1222029
1182
para encontrar novas formas de ser
20:23
So when Martin Ford argued, you know, that this time it's different
433
1223235
4341
será acompanhada ao mesmo ritmo
20:27
because the intelligence that we've used in the past
434
1227600
3453
por computadores que se encarregarão dessas coisas,
o que estou a ouvir-te dizer é que se deve, não totalmente,
20:31
to find new ways to be
435
1231077
2483
à criatividade humana.
20:33
will be matched at the same pace
436
1233584
2279
20:35
by computers taking over those things,
437
1235887
2291
Achas que isso é fundamentalmente diferente do tipo de criatividade
20:38
what I hear you saying is that, not completely,
438
1238202
3078
que os computadores podem ter?
20:41
because of human creativity.
439
1241304
2951
ST: Acredto plenamente, enquanto pessoa da IA
20:44
Do you think that that's fundamentally different from the kind of creativity
440
1244279
3785
que nunca vi nenhum progresso real em criatividade
20:48
that computers can do?
441
1248088
2696
20:50
ST: So, that's my firm belief as an AI person --
442
1250808
4434
nem nenhum pensamento fora da caixa.
O que vejo neste momento — e é muito importante que as pessoas percebam,
20:55
that I haven't seen any real progress on creativity
443
1255266
3803
porque a expressão “inteligência artificial”
é muito traiçoeira,
20:59
and out-of-the-box thinking.
444
1259949
1407
e depois temos Steve Spielberg a lançar um filme
21:01
What I see right now -- and this is really important for people to realize,
445
1261380
3623
em que, de repente, o computador é dono e senhor
mas, na verdade, é uma tecnologia
21:05
because the word "artificial intelligence" is so threatening,
446
1265027
2903
que nos ajuda a fazer coisas repetitivas.
21:07
and then we have Steve Spielberg tossing a movie in,
447
1267954
2523
O progresso tem sido inteiramente na área do repetitivo.
21:10
where all of a sudden the computer is our overlord,
448
1270501
2413
Tem sido na análise de documentos jurídicos.
21:12
but it's really a technology.
449
1272938
1452
21:14
It's a technology that helps us do repetitive things.
450
1274414
2982
Tem sido na redação de contratos.
Tem sido no exame de raios X ao tórax.
21:17
And the progress has been entirely on the repetitive end.
451
1277420
2913
Estas coisas são muito especializadas,
21:20
It's been in legal document discovery.
452
1280357
2228
não vejo qual a grande ameaça para a Humanidade.
21:22
It's been contract drafting.
453
1282609
1680
21:24
It's been screening X-rays of your chest.
454
1284313
4223
Na verdade, enquanto pessoas,
temos de reconhecer, tornámo-nos super-humanos.
21:28
And these things are so specialized,
455
1288560
1773
Fizemo-nos super-humanos.
21:30
I don't see the big threat of humanity.
456
1290357
2391
Podemos atravessar o Atlântico em 11 horas.
21:32
In fact, we as people --
457
1292772
1794
Podemos tirar um aparelho do bolso
21:34
I mean, let's face it: we've become superhuman.
458
1294590
2385
e falar alto e bom som para a Austrália,
21:36
We've made us superhuman.
459
1296999
1764
e em tempo real, obter uma resposta dessa pessoa.
21:38
We can swim across the Atlantic in 11 hours.
460
1298787
2632
Isso não é possível fisicamente. Estamos a quebrar as leis da Física.
21:41
We can take a device out of our pocket
461
1301443
2074
21:43
and shout all the way to Australia,
462
1303541
2147
Quando dizemos e fazemos isto, lembramo-nos de tudo
21:45
and in real time, have that person shouting back to us.
463
1305712
2600
o que dissemos e vimos,
recordamos todas as pessoas que foram boas para mim
21:48
That's physically not possible. We're breaking the rules of physics.
464
1308336
3624
na fase inicial da minha doença de Alzheimer.
21:51
When this is said and done, we're going to remember everything
465
1311984
2943
Desculpem, o que é que eu estava a dizer? Esqueci-me.
21:54
we've ever said and seen,
466
1314951
1213
Teremos, provavelmente, um QI de 1000 ou mais.
21:56
you'll remember every person,
467
1316188
1496
21:57
which is good for me in my early stages of Alzheimer's.
468
1317708
2626
Deixará de haver aulas de ortografia para os nossos filhos,
22:00
Sorry, what was I saying? I forgot.
469
1320358
1677
porque deixará de haver problemas de ortografia.
22:02
CA: (Laughs)
470
1322059
1578
22:03
ST: We will probably have an IQ of 1,000 or more.
471
1323661
3077
Deixará de haver o problema da matemática.
Eu penso que o que vai acontecer é que podemos ser super criativos.
22:06
There will be no more spelling classes for our kids,
472
1326762
3425
E somos. Somos criativos.
22:10
because there's no spelling issue anymore.
473
1330211
2086
É essa a nossa arma secreta.
22:12
There's no math issue anymore.
474
1332321
1832
CA: Então, os empregos que vão desaparecer,
22:14
And I think what really will happen is that we can be super creative.
475
1334177
3510
apesar de isso ser doloroso,
os seres humanos são capazes de mais do que essas tarefas.
22:17
And we are. We are creative.
476
1337711
1857
22:19
That's our secret weapon.
477
1339592
1552
É esse o sonho.
O sonho é que os seres humanos se elevem a um novo nível de poder
22:21
CA: So the jobs that are getting lost,
478
1341168
2153
22:23
in a way, even though it's going to be painful,
479
1343345
2494
e de descoberta.
22:25
humans are capable of more than those jobs.
480
1345863
2047
É esse o sonho.
22:27
This is the dream.
481
1347934
1218
ST: E pensa nisto:
22:29
The dream is that humans can rise to just a new level of empowerment
482
1349176
4247
se olharmos para a História da Humanidade,
que pode ter, sei lá — 60 a 100 000 anos de idade —
22:33
and discovery.
483
1353447
1657
22:35
That's the dream.
484
1355128
1452
quase tudo que apreciamos, em termos de invenção,
22:36
ST: And think about this:
485
1356604
1643
22:38
if you look at the history of humanity,
486
1358271
2021
de tecnologia, das coisas que construímos,
22:40
that might be whatever -- 60-100,000 years old, give or take --
487
1360316
3328
tem sido inventado nos últimos 150 anos.
22:43
almost everything that you cherish in terms of invention,
488
1363668
3726
Se pensarmos no livro e na roda, são um pouco mais velhos.
22:47
of technology, of things we've built,
489
1367418
2151
Ou no machado.
22:49
has been invented in the last 150 years.
490
1369593
3099
Mas o telemóvel, os sapatos de ténis,
estas cadeiras, o fabrico moderno, a penicilina,
22:53
If you toss in the book and the wheel, it's a little bit older.
491
1373756
3048
as coisas que apreciamos.
22:56
Or the axe.
492
1376828
1169
Isso, para mim, significa
22:58
But your phone, your sneakers,
493
1378021
2790
23:00
these chairs, modern manufacturing, penicillin --
494
1380835
3551
que nos próximos 150 anos vamos encontrar mais coisas.
23:04
the things we cherish.
495
1384410
1714
Com efeito, na minha opinião, o ritmo das invenções subiu, não desceu.
23:06
Now, that to me means
496
1386148
3658
Penso que ainda só foi inventado 1% das coisas interessantes.
23:09
the next 150 years will find more things.
497
1389830
3041
23:12
In fact, the pace of invention has gone up, not gone down, in my opinion.
498
1392895
4154
Anda não curamos o cancro.
Não temos carros voadores... ainda. Espero vir a mudar isso.
23:17
I believe only one percent of interesting things have been invented yet. Right?
499
1397073
4905
Isso costumava ser um exemplo que fazia rir as pessoas.
É cómico, não é? Trabalhar secretamente em carros voadores.
23:22
We haven't cured cancer.
500
1402002
1988
23:24
We don't have flying cars -- yet. Hopefully, I'll change this.
501
1404014
3718
Ainda não vivemos o dobro.
23:27
That used to be an example people laughed about. (Laughs)
502
1407756
3257
Não temos aquele implante mágico no cérebro
que nos dá as informações que queremos.
23:31
It's funny, isn't it? Working secretly on flying cars.
503
1411037
2992
E podem ficar chocados com isso,
23:34
We don't live twice as long yet. OK?
504
1414053
2683
mas, garanto-vos que, quando o tiverem, vão adorá-lo.
23:36
We don't have this magic implant in our brain
505
1416760
2785
Pelo menos, é o que espero.
É um bocado assustador, eu sei.
23:39
that gives us the information we want.
506
1419569
1832
Há tantas coisas que ainda não inventámos
23:41
And you might be appalled by it,
507
1421425
1526
23:42
but I promise you, once you have it, you'll love it.
508
1422975
2444
e que penso que vamos inventar.
Não temos escudos gravitacionais.
23:45
I hope you will.
509
1425443
1166
Não podemos transportar-nos de um local para o outro.
23:46
It's a bit scary, I know.
510
1426633
1909
Isso parece ridículo, mas há 200 anos,
23:48
There are so many things we haven't invented yet
511
1428566
2254
os especialistas eram de opinião que nunca poderíamos voar,
23:50
that I think we'll invent.
512
1430844
1268
23:52
We have no gravity shields.
513
1432136
1306
e mesmo há 120 anos.
23:53
We can't beam ourselves from one location to another.
514
1433466
2553
E, se nos movêssemos mais depressa do que podíamos correr,
23:56
That sounds ridiculous,
515
1436043
1151
morreríamos instantaneamente.
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
Por isso, quem diz que temos razão
quando dizemos que não é possível teletransportar uma pessoa para Marte?
24:01
even 120 years ago,
518
1441221
1324
24:02
and if you moved faster than you could run,
519
1442569
2582
CA: Sebastian, muito obrigado
24:05
you would instantly die.
520
1445175
1520
pela tua visão extremamente inspiradora e pelo teu brilhantismo.
24:06
So who says we are correct today that you can't beam a person
521
1446719
3569
Obrigado, Sebastian Thrun.
24:10
from here to Mars?
522
1450312
2249
(Aplausos)
24:12
CA: Sebastian, thank you so much
523
1452585
1569
24:14
for your incredibly inspiring vision and your brilliance.
524
1454178
2682
24:16
Thank you, Sebastian Thrun.
525
1456884
1323
24:18
That was fantastic. (Applause)
526
1458231
1895
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7