Damon Horowitz calls for a "moral operating system"

94,846 views ・ 2011-06-06

TED


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

Tradutor: Ilona Bastos Revisora: Nuno Lima
00:15
Power.
0
15260
2000
Poder.
00:17
That is the word that comes to mind.
1
17260
2000
Esta é a palavra que nos vem à mente.
00:19
We're the new technologists.
2
19260
2000
Somos os novos tecnólogos.
00:21
We have a lot of data, so we have a lot of power.
3
21260
3000
Temos muita informação, por isso temos muito poder.
00:24
How much power do we have?
4
24260
2000
Quanto poder temos?
00:26
Scene from a movie: "Apocalypse Now" -- great movie.
5
26260
3000
Cena de um filme: "Apocalypse Now" — um grande filme.
00:29
We've got to get our hero, Captain Willard, to the mouth of the Nung River
6
29260
3000
Temos que levar o herói, Capitão Willard, até à foz do Rio Nung
00:32
so he can go pursue Colonel Kurtz.
7
32260
2000
para que ele persiga o Coronel Kurtz
00:34
The way we're going to do this is fly him in and drop him off.
8
34260
2000
— transportá-lo por via aérea e largá-lo no local.
00:36
So the scene:
9
36260
2000
Eis a cena:
00:38
the sky is filled with this fleet of helicopters carrying him in.
10
38260
3000
o céu está coberto pela esquadrilha de helicópteros que o transportam.
00:41
And there's this loud, thrilling music in the background,
11
41260
2000
No fundo, uma música alta e arrebatadora,
00:43
this wild music.
12
43260
2000
uma música selvagem.
00:45
♫ Dum da ta da dum ♫
13
45260
2000
♫Dum da ta da dum ♫
00:47
♫ Dum da ta da dum ♫
14
47260
2000
♫ Dum da ta da dum ♫
00:49
♫ Da ta da da ♫
15
49260
3000
♫ Da ta da da ♫
00:52
That's a lot of power.
16
52260
2000
É um enorme poder.
00:54
That's the kind of power I feel in this room.
17
54260
2000
É o tipo de poder que sinto nesta sala.
00:56
That's the kind of power we have
18
56260
2000
É o tipo de poder que nós temos
00:58
because of all of the data that we have.
19
58260
2000
devido a toda a informação que temos.
01:00
Let's take an example.
20
60260
2000
Tomemos um exemplo.
01:02
What can we do
21
62260
2000
O que é que podemos fazer
01:04
with just one person's data?
22
64260
3000
com os dados de apenas uma pessoa?
01:07
What can we do
23
67260
2000
O que é que podemos fazer
01:09
with that guy's data?
24
69260
2000
com os dados daquele indivíduo?
01:11
I can look at your financial records.
25
71260
2000
Posso ver os seus registos financeiros.
01:13
I can tell if you pay your bills on time.
26
73260
2000
Posso dizer se paga as contas a horas,
01:15
I know if you're good to give a loan to.
27
75260
2000
se tem condições para pedir um empréstimo.
01:17
I can look at your medical records; I can see if your pump is still pumping --
28
77260
3000
Posso ver os registos clínicos, ver se o coração ainda bate,
01:20
see if you're good to offer insurance to.
29
80260
3000
ver se está bem, para lhe oferecer um seguro.
01:23
I can look at your clicking patterns.
30
83260
2000
Posso observar os seus hábitos na Internet.
01:25
When you come to my website, I actually know what you're going to do already
31
85260
3000
Quando visita o meu sitio na Internet, já sei o que vai fazer,
01:28
because I've seen you visit millions of websites before.
32
88260
2000
porque o vi visitar milhões de sítios anteriormente.
01:30
And I'm sorry to tell you,
33
90260
2000
E, lamento dizer-lhe,
01:32
you're like a poker player, you have a tell.
34
92260
2000
parece um jogador de póquer, descai-se.
01:34
I can tell with data analysis what you're going to do
35
94260
2000
Analisando os dados, sei o que vai fazer
01:36
before you even do it.
36
96260
2000
antes mesmo de você o fazer.
01:38
I know what you like. I know who you are,
37
98260
3000
Eu sei do que você gosta. Sei quem você é.
01:41
and that's even before I look at your mail
38
101260
2000
E isso, antes mesmo de ver o seu correio ou o seu telemóvel.
01:43
or your phone.
39
103260
2000
01:45
Those are the kinds of things we can do
40
105260
2000
Este é o tipo de coisas que podemos fazer
01:47
with the data that we have.
41
107260
3000
com as informações que temos.
01:50
But I'm not actually here to talk about what we can do.
42
110260
3000
Mas eu não estou aqui para falar do que podemos fazer.
01:56
I'm here to talk about what we should do.
43
116260
3000
Estou aqui para falar do que devemos fazer.
02:00
What's the right thing to do?
44
120260
3000
Qual é a atuação correta?
02:04
Now I see some puzzled looks
45
124260
2000
Estou a ver alguns olhares confusos, tipo:
02:06
like, "Why are you asking us what's the right thing to do?
46
126260
3000
"Porque é que nos está a perguntar qual é a atuação correta?
02:09
We're just building this stuff. Somebody else is using it."
47
129260
3000
"Nós só estamos a criar isto. São outras pessoas que o utilizam."
02:12
Fair enough.
48
132260
3000
É verdade.
02:15
But it brings me back.
49
135260
2000
Mas isso leva-me ao passado.
02:17
I think about World War II --
50
137260
2000
Penso na II Guerra Mundial.
02:19
some of our great technologists then,
51
139260
2000
Alguns dos nossos grandes tecnólogos de então,
02:21
some of our great physicists,
52
141260
2000
alguns dos nossos grandes físicos,
02:23
studying nuclear fission and fusion --
53
143260
2000
estudando a fissão e a fusão nuclear,
02:25
just nuclear stuff.
54
145260
2000
apenas estudos nucleares.
02:27
We gather together these physicists in Los Alamos
55
147260
3000
Nós reunimos estes físicos em Los Alamos
02:30
to see what they'll build.
56
150260
3000
para ver o que criariam.
02:33
We want the people building the technology
57
153260
3000
Nós queremos que as pessoas que criam a tecnologia
02:36
thinking about what we should be doing with the technology.
58
156260
3000
pensem no que devemos fazer com a tecnologia.
02:41
So what should we be doing with that guy's data?
59
161260
3000
Então, o que devemos fazer com os dados daquele indivíduo?
02:44
Should we be collecting it, gathering it,
60
164260
3000
Devemos colher estes dados, reuni-los,
02:47
so we can make his online experience better?
61
167260
2000
para melhorar a sua experiência online?
02:49
So we can make money?
62
169260
2000
Para ganharmos dinheiro?
02:51
So we can protect ourselves
63
171260
2000
Para podermos proteger-nos caso ele proceda mal
02:53
if he was up to no good?
64
173260
2000
02:55
Or should we respect his privacy,
65
175260
3000
Ou devemos respeitar a sua privacidade,
02:58
protect his dignity and leave him alone?
66
178260
3000
proteger a sua dignidade e deixá-lo em paz?
03:02
Which one is it?
67
182260
3000
O que devemos fazer?
03:05
How should we figure it out?
68
185260
2000
Como devemos decidir?
03:07
I know: crowdsource. Let's crowdsource this.
69
187260
3000
Eu sei: colaboração pública. Vamos resolver isto juntos.
03:11
So to get people warmed up,
70
191260
3000
Para fazermos o aquecimento,
vamos começar com uma questão simples,
03:14
let's start with an easy question --
71
194260
2000
03:16
something I'm sure everybody here has an opinion about:
72
196260
3000
uma coisa a respeito da qual estou certo de que todos aqui têm uma opinião:
03:19
iPhone versus Android.
73
199260
2000
iPhone versus Android.
03:21
Let's do a show of hands -- iPhone.
74
201260
3000
Levantem as vossas mãos — iPhone!
03:24
Uh huh.
75
204260
2000
Ha-ha!
03:26
Android.
76
206260
3000
Android!
03:29
You'd think with a bunch of smart people
77
209260
2000
Esperava que um grupo de gente inteligente
03:31
we wouldn't be such suckers just for the pretty phones.
78
211260
2000
não seria tão apanhada pelos telemóveis bonitinhos.
03:33
(Laughter)
79
213260
2000
(Risos)
03:35
Next question,
80
215260
2000
Próxima pergunta,
03:37
a little bit harder.
81
217260
2000
um pouco mais difícil.
03:39
Should we be collecting all of that guy's data
82
219260
2000
Devemos recolher todos os dados daquele indivíduo
03:41
to make his experiences better
83
221260
2000
para melhorar as suas experiências
03:43
and to protect ourselves in case he's up to no good?
84
223260
3000
e para nos protegermos no caso de ele não se portar bem?
03:46
Or should we leave him alone?
85
226260
2000
Ou devemos deixá-lo em paz?
03:48
Collect his data.
86
228260
3000
Recolher os dados!
03:53
Leave him alone.
87
233260
3000
Deixá-lo em paz!
03:56
You're safe. It's fine.
88
236260
2000
Estão safos. Está certo.
03:58
(Laughter)
89
238260
2000
(Risos)
04:00
Okay, last question --
90
240260
2000
Muito bem, última pergunta,
04:02
harder question --
91
242260
2000
esta mais difícil.
04:04
when trying to evaluate
92
244260
3000
Quando tentamos avaliar
04:07
what we should do in this case,
93
247260
3000
o que devemos fazer neste caso,
04:10
should we use a Kantian deontological moral framework,
94
250260
4000
devemos usar o sistema da moral deontológica de Kant,
04:14
or should we use a Millian consequentialist one?
95
254260
3000
ou devemos usar a teoria da causalidade de Mill?
04:19
Kant.
96
259260
3000
Kant!
04:22
Mill.
97
262260
3000
Mill.
04:25
Not as many votes.
98
265260
2000
Já não há tantos votos.
04:27
(Laughter)
99
267260
3000
(Risos)
04:30
Yeah, that's a terrifying result.
100
270260
3000
Sim, é um resultado assustador.
04:34
Terrifying, because we have stronger opinions
101
274260
4000
Assustador porque temos opiniões mais firmes
04:38
about our hand-held devices
102
278260
2000
sobre os nossos aparelhos portáteis
04:40
than about the moral framework
103
280260
2000
do que sobre os padrões morais
04:42
we should use to guide our decisions.
104
282260
2000
que devemos usar para orientar as nossas decisões.
04:44
How do we know what to do with all the power we have
105
284260
3000
Como sabemos o que fazer com todo o poder que temos
04:47
if we don't have a moral framework?
106
287260
3000
se não temos um enquadramento moral?
04:50
We know more about mobile operating systems,
107
290260
3000
Sabemos mais sobre sistemas operativos móveis,
04:53
but what we really need is a moral operating system.
108
293260
3000
mas do que realmente necessitamos é de um sistema operativo moral.
04:58
What's a moral operating system?
109
298260
2000
O que é um sistema operativo moral?
05:00
We all know right and wrong, right?
110
300260
2000
Todos sabemos o que é certo e errado.
05:02
You feel good when you do something right,
111
302260
2000
Sentimo-nos bem quando fazemos uma coisa boa,
05:04
you feel bad when you do something wrong.
112
304260
2000
sentimo-nos mal ao fazer uma coisa errada.
05:06
Our parents teach us that: praise with the good, scold with the bad.
113
306260
3000
Os nossos pais ensinam-nos que se louva o bom, ralha-se ao mau.
05:09
But how do we figure out what's right and wrong?
114
309260
3000
Mas como sabemos o que é bom e o que é mau?
05:12
And from day to day, we have the techniques that we use.
115
312260
3000
No dia a dia, temos as técnicas que usamos.
05:15
Maybe we just follow our gut.
116
315260
3000
Talvez apenas sigamos o nosso instinto.
05:18
Maybe we take a vote -- we crowdsource.
117
318260
3000
Talvez recorramos à votação —pedimos a colaboração pública.
05:21
Or maybe we punt --
118
321260
2000
Ou talvez pesquisemos
05:23
ask the legal department, see what they say.
119
323260
3000
— perguntamos ao departamento jurídico, para ver o que dizem.
05:26
In other words, it's kind of random,
120
326260
2000
Por outras palavras, é um pouco aleatório,
05:28
kind of ad hoc,
121
328260
2000
um pouco "ad hoc",
05:30
how we figure out what we should do.
122
330260
3000
como decidimos o que devemos fazer.
05:33
And maybe, if we want to be on surer footing,
123
333260
3000
E talvez, se quisermos sentir-nos mais seguros,
05:36
what we really want is a moral framework that will help guide us there,
124
336260
3000
o que realmente queiramos seja um sistema moral que nos oriente,
05:39
that will tell us what kinds of things are right and wrong in the first place,
125
339260
3000
que nos diga que tipos de coisas são, à partida, certas e erradas,
05:42
and how would we know in a given situation what to do.
126
342260
4000
e como sabemos o que fazer numa determinada situação.
05:46
So let's get a moral framework.
127
346260
2000
Então, vamos arranjar um sistema moral.
05:48
We're numbers people, living by numbers.
128
348260
3000
Somos pessoas que lidam com números, vivemos através de números.
05:51
How can we use numbers
129
351260
2000
Como podemos usar números
05:53
as the basis for a moral framework?
130
353260
3000
como base de um sistema moral?
05:56
I know a guy who did exactly that.
131
356260
3000
Conheço um indivíduo que fez exatamente isso.
05:59
A brilliant guy --
132
359260
3000
Era um indivíduo brilhante,
06:02
he's been dead 2,500 years.
133
362260
3000
morreu há 2500 anos.
06:05
Plato, that's right.
134
365260
2000
Platão, isso mesmo.
06:07
Remember him -- old philosopher?
135
367260
2000
Lembram-se dele, do velho filósofo?
06:09
You were sleeping during that class.
136
369260
3000
Vocês estavam a dormir nessa aula?
06:12
And Plato, he had a lot of the same concerns that we did.
137
372260
2000
Platão tinha grande parte das nossas preocupações.
06:14
He was worried about right and wrong.
138
374260
2000
Estava preocupado com o certo e o errado.
06:16
He wanted to know what is just.
139
376260
2000
Queria saber o que é justo.
06:18
But he was worried that all we seem to be doing
140
378260
2000
Mas preocupava-o o facto de que tudo o que parecemos fazer
06:20
is trading opinions about this.
141
380260
2000
é trocar opiniões sobre o assunto.
06:22
He says something's just. She says something else is just.
142
382260
3000
Ele diz que isto é justo. Ela diz que aquilo é justo.
06:25
It's kind of convincing when he talks and when she talks too.
143
385260
2000
Ele parece convincente e ela também.
06:27
I'm just going back and forth; I'm not getting anywhere.
144
387260
2000
Ando para trás e para a frente, não chego a lugar nenhum.
06:29
I don't want opinions; I want knowledge.
145
389260
3000
Não quero opiniões, quero conhecimento.
06:32
I want to know the truth about justice --
146
392260
3000
Quero saber a verdade sobre a justiça,
06:35
like we have truths in math.
147
395260
3000
tal como temos verdades na matemática.
06:38
In math, we know the objective facts.
148
398260
3000
Em matemática, conhecemos factos objetivos.
06:41
Take a number, any number -- two.
149
401260
2000
Escolham um número, qualquer número — dois.
06:43
Favorite number. I love that number.
150
403260
2000
O meu número favorito. Adoro-o.
06:45
There are truths about two.
151
405260
2000
Há verdades sobre o dois.
06:47
If you've got two of something,
152
407260
2000
Se vocês tiverem dois de alguma coisa,
06:49
you add two more, you get four.
153
409260
2000
adicionam dois e obtêm quatro.
06:51
That's true no matter what thing you're talking about.
154
411260
2000
Isto é verdade, seja do que for que estão a falar.
06:53
It's an objective truth about the form of two,
155
413260
2000
É uma verdade objetiva sobre a forma dois,
06:55
the abstract form.
156
415260
2000
a forma abstrata.
06:57
When you have two of anything -- two eyes, two ears, two noses,
157
417260
2000
Quando temos dois de alguma coisa — dois olhos, duas orelhas,
06:59
just two protrusions --
158
419260
2000
dois narizes, apenas duas saliências —
07:01
those all partake of the form of two.
159
421260
3000
todas elas participam da forma de dois.
07:04
They all participate in the truths that two has.
160
424260
4000
Todas elas participam nas verdades que o dois tem.
07:08
They all have two-ness in them.
161
428260
2000
Todas têm em si o ser "dois".
07:10
And therefore, it's not a matter of opinion.
162
430260
3000
E, consequentemente, isto não é uma questão de opinião.
07:13
What if, Plato thought,
163
433260
2000
Platão pensou:
07:15
ethics was like math?
164
435260
2000
"E se a ética fosse como a matemática?
07:17
What if there were a pure form of justice?
165
437260
3000
E se houvesse uma forma pura de justiça?
07:20
What if there are truths about justice,
166
440260
2000
E se houvesse verdades sobre a justiça
07:22
and you could just look around in this world
167
442260
2000
e pudéssemos olhar à nossa volta, neste mundo
07:24
and see which things participated,
168
444260
2000
e ver quais as coisas que participam dessa forma de justiça?
07:26
partook of that form of justice?
169
446260
3000
07:29
Then you would know what was really just and what wasn't.
170
449260
3000
Assim saberíamos o que é justo e o que o não é.
07:32
It wouldn't be a matter
171
452260
2000
Não seria uma questão de mera opinião ou aparência.
07:34
of just opinion or just appearances.
172
454260
3000
07:37
That's a stunning vision.
173
457260
2000
É uma visão assombrosa.
07:39
I mean, think about that. How grand. How ambitious.
174
459260
3000
Pensem nisto. Que grandioso! Que ambicioso!
07:42
That's as ambitious as we are.
175
462260
2000
Tão ambicioso como nós somos.
07:44
He wants to solve ethics.
176
464260
2000
Ele quer resolver a ética.
07:46
He wants objective truths.
177
466260
2000
Quer verdades objetivas.
07:48
If you think that way,
178
468260
3000
Se pensarmos assim,
07:51
you have a Platonist moral framework.
179
471260
3000
têm um sistema moral platónico.
07:54
If you don't think that way,
180
474260
2000
Se não pensarem assim,
07:56
well, you have a lot of company in the history of Western philosophy,
181
476260
2000
terão muita companhia na história da filosofia ocidental,
07:58
because the tidy idea, you know, people criticized it.
182
478260
3000
porque as pessoas criticaram a ideia pura
08:01
Aristotle, in particular, he was not amused.
183
481260
3000
Aristóteles, em particular, não a apreciou muito.
08:04
He thought it was impractical.
184
484260
3000
Achou-a impraticável.
08:07
Aristotle said, "We should seek only so much precision in each subject
185
487260
4000
Aristóteles disse: "Só devemos procurar em cada assunto
"o nível de precisão que esse assunto permita."
08:11
as that subject allows."
186
491260
2000
08:13
Aristotle thought ethics wasn't a lot like math.
187
493260
3000
Aristóteles pensou que a ética não era como a matemática.
08:16
He thought ethics was a matter of making decisions in the here-and-now
188
496260
3000
Pensou que a ética tinha a ver com tomar decisões aqui e agora
08:19
using our best judgment
189
499260
2000
usando o nosso melhor julgamento
08:21
to find the right path.
190
501260
2000
para encontrar o caminho certo.
08:23
If you think that, Plato's not your guy.
191
503260
2000
Se pensarem assim, Platão não é o vosso tipo.
08:25
But don't give up.
192
505260
2000
Mas não desistam.
08:27
Maybe there's another way
193
507260
2000
Talvez haja outra maneira
08:29
that we can use numbers as the basis of our moral framework.
194
509260
3000
de podermos usar números como base do nosso sistema moral.
08:33
How about this:
195
513260
2000
Que tal isto:
08:35
What if in any situation you could just calculate,
196
515260
3000
E se em cada situação, pudéssemos calcular,
08:38
look at the choices,
197
518260
2000
olhar para as opções,
08:40
measure out which one's better and know what to do?
198
520260
3000
medir qual delas é a melhor e saber o que fazer?
08:43
That sound familiar?
199
523260
2000
Soa familiar?
08:45
That's a utilitarian moral framework.
200
525260
3000
É um sistema moral utilitarista.
08:48
John Stuart Mill was a great advocate of this --
201
528260
2000
John Stuart Mill foi seu grande defensor
08:50
nice guy besides --
202
530260
2000
— um tipo fixe, aliás —
08:52
and only been dead 200 years.
203
532260
2000
e só morreu há 200 anos.
08:54
So basis of utilitarianism --
204
534260
2000
Portanto, as bases do utilitarismo
08:56
I'm sure you're familiar at least.
205
536260
2000
— de certeza que vos são familiares,
08:58
The three people who voted for Mill before are familiar with this.
206
538260
2000
pelo menos às três pessoas que votaram em Mill.
09:00
But here's the way it works.
207
540260
2000
Mas eis a forma como isto funciona.
09:02
What if morals, what if what makes something moral
208
542260
3000
Que tal se o que torna uma coisa moral,
09:05
is just a matter of if it maximizes pleasure
209
545260
2000
é só uma questão de essa coisa maximizar o prazer
09:07
and minimizes pain?
210
547260
2000
e minimizar a dor?
09:09
It does something intrinsic to the act.
211
549260
3000
Trata-se de uma coisa intrínseca ao ato.
09:12
It's not like its relation to some abstract form.
212
552260
2000
Não tem que ver com a sua relação com uma forma abstrata.
09:14
It's just a matter of the consequences.
213
554260
2000
É apenas uma questão de consequências.
09:16
You just look at the consequences
214
556260
2000
Olhamos apenas para as consequências
09:18
and see if, overall, it's for the good or for the worse.
215
558260
2000
e vemos se, no conjunto, são para o bem ou para o mal.
09:20
That would be simple. Then we know what to do.
216
560260
2000
Isso seria simples. Assim saberíamos o que fazer.
09:22
Let's take an example.
217
562260
2000
Tomemos um exemplo.
09:24
Suppose I go up
218
564260
2000
Suponham que eu digo:
09:26
and I say, "I'm going to take your phone."
219
566260
2000
"Vou-lhe tirar o seu telemóvel."
09:28
Not just because it rang earlier,
220
568260
2000
Não só porque, há bocado, ele tocou,
09:30
but I'm going to take it because I made a little calculation.
221
570260
3000
mas porque fiz um pequeno cálculo.
09:33
I thought, that guy looks suspicious.
222
573260
3000
Aquele indivíduo pareceu-me suspeito.
09:36
And what if he's been sending little messages to Bin Laden's hideout --
223
576260
3000
E se ele tiver estado a enviar mensagens para o esconderijo do Bin Laden,
09:39
or whoever took over after Bin Laden --
224
579260
2000
ou para quem quer que tenha sucedido a Bin Laden?
09:41
and he's actually like a terrorist, a sleeper cell.
225
581260
3000
Parece mesmo um terrorista, uma célula de espionagem.
09:44
I'm going to find that out, and when I find that out,
226
584260
3000
Vou descobrir isso e, quando descobrir,
09:47
I'm going to prevent a huge amount of damage that he could cause.
227
587260
3000
vou impedir os enormes prejuízos que ele podia causar.
09:50
That has a very high utility to prevent that damage.
228
590260
3000
Será muito útil para evitar esses prejuízos.
09:53
And compared to the little pain that it's going to cause --
229
593260
2000
Em comparação com a pequena dor que vai causar,
09:55
because it's going to be embarrassing when I'm looking on his phone
230
595260
2000
— porque será embaraçoso eu estar a ver o telemóvel,
09:57
and seeing that he has a Farmville problem and that whole bit --
231
597260
3000
a ver que ele tem problemas na Farmville, etc. —
10:00
that's overwhelmed
232
600260
3000
isso é minimizado
10:03
by the value of looking at the phone.
233
603260
2000
pela vantagem de ver o telemóvel.
10:05
If you feel that way,
234
605260
2000
Se vocês pensarem assim,
10:07
that's a utilitarian choice.
235
607260
3000
trata-se de uma escolha utilitária.
10:10
But maybe you don't feel that way either.
236
610260
3000
Mas talvez também não pensem dessa maneira.
10:13
Maybe you think, it's his phone.
237
613260
2000
Talvez pensem, o telemóvel é dele.
10:15
It's wrong to take his phone
238
615260
2000
É errado tirar-lhe o telemóvel,
10:17
because he's a person
239
617260
2000
porque é uma pessoa, tem direitos, e tem dignidade,
10:19
and he has rights and he has dignity,
240
619260
2000
10:21
and we can't just interfere with that.
241
621260
2000
e não podemos simplesmente interferir neles.
10:23
He has autonomy.
242
623260
2000
Ele tem autonomia.
10:25
It doesn't matter what the calculations are.
243
625260
2000
Não interessam os cálculos.
10:27
There are things that are intrinsically wrong --
244
627260
3000
Há coisas que são intrinsecamente erradas
10:30
like lying is wrong,
245
630260
2000
— mentir é errado,
10:32
like torturing innocent children is wrong.
246
632260
3000
como é errado torturar crianças inocentes.
10:35
Kant was very good on this point,
247
635260
3000
Kant era muito bom neste ponto,
10:38
and he said it a little better than I'll say it.
248
638260
2000
e disse isto um pouco melhor do que eu direi.
10:40
He said we should use our reason
249
640260
2000
Ele disse que devíamos usar a nossa razão
10:42
to figure out the rules by which we should guide our conduct,
250
642260
3000
para decidir as regras que deviam orientar a nossa conduta.
10:45
and then it is our duty to follow those rules.
251
645260
3000
E depois é nosso dever seguir essas regras.
10:48
It's not a matter of calculation.
252
648260
3000
Não é uma questão de cálculos.
10:51
So let's stop.
253
651260
2000
Por isso vamos parar.
10:53
We're right in the thick of it, this philosophical thicket.
254
653260
3000
Estamos mesmo no cerne deste emaranhado filosófico.
10:56
And this goes on for thousands of years,
255
656260
3000
E isto continua durante milhares de anos,
10:59
because these are hard questions,
256
659260
2000
porque estas questões são difíceis,
11:01
and I've only got 15 minutes.
257
661260
2000
e só dispomos de 15 minutos.
11:03
So let's cut to the chase.
258
663260
2000
Por isso, vamos diretos ao que interessa.
11:05
How should we be making our decisions?
259
665260
4000
Como devemos tomar as nossas decisões?
11:09
Is it Plato, is it Aristotle, is it Kant, is it Mill?
260
669260
3000
De acordo com Platão, Aristóteles, Kant, Mill?
11:12
What should we be doing? What's the answer?
261
672260
2000
O que devemos fazer? Qual é a resposta?
11:14
What's the formula that we can use in any situation
262
674260
3000
Qual é a fórmula que podemos usar em qualquer situação
11:17
to determine what we should do,
263
677260
2000
para determinar o que devemos fazer,
11:19
whether we should use that guy's data or not?
264
679260
2000
se devemos ou não usar as informações daquele individuo?
11:21
What's the formula?
265
681260
3000
Qual é a fórmula?
11:25
There's not a formula.
266
685260
2000
Não há nenhuma fórmula.
11:29
There's not a simple answer.
267
689260
2000
Não há uma resposta simples.
11:31
Ethics is hard.
268
691260
3000
A ética é difícil.
11:34
Ethics requires thinking.
269
694260
3000
A ética requer pensamento.
11:38
And that's uncomfortable.
270
698260
2000
E é desconfortável.
11:40
I know; I spent a lot of my career
271
700260
2000
Eu sei, passei grande parte da minha carreira
11:42
in artificial intelligence,
272
702260
2000
na inteligência artificial, tentando construir máquinas
11:44
trying to build machines that could do some of this thinking for us,
273
704260
3000
que pudessem pensar nalgumas destas questões por nós,
11:47
that could give us answers.
274
707260
2000
dar-nos respostas.
11:49
But they can't.
275
709260
2000
Mas não podem.
11:51
You can't just take human thinking
276
711260
2000
Não se consegue pegar no pensamento humano
11:53
and put it into a machine.
277
713260
2000
e colocá-lo numa máquina.
11:55
We're the ones who have to do it.
278
715260
3000
Somos nós que temos de pensar.
11:58
Happily, we're not machines, and we can do it.
279
718260
3000
Felizmente, não somos máquinas, podemos pensar.
12:01
Not only can we think,
280
721260
2000
Não só podemos pensar, mas devemos fazê-lo.
12:03
we must.
281
723260
2000
12:05
Hannah Arendt said,
282
725260
2000
Hannah Arendt disse:
12:07
"The sad truth
283
727260
2000
"A triste verdade
12:09
is that most evil done in this world
284
729260
2000
"é que o maior mal feito neste mundo
12:11
is not done by people
285
731260
2000
"não é feito por pessoas que escolhem ser más.
12:13
who choose to be evil.
286
733260
2000
12:15
It arises from not thinking."
287
735260
3000
"Ele surge da falta do pensamento."
12:18
That's what she called the "banality of evil."
288
738260
4000
É o que ela denomina a "banalidade do mal."
12:22
And the response to that
289
742260
2000
E a resposta a isso
12:24
is that we demand the exercise of thinking
290
744260
2000
é que exigimos o exercício do pensamento
12:26
from every sane person.
291
746260
3000
a todas as pessoas sãs.
12:29
So let's do that. Let's think.
292
749260
2000
Vamos, então, fazer isso. Vamos pensar.
12:31
In fact, let's start right now.
293
751260
3000
De facto, vamos começar agora mesmo.
12:34
Every person in this room do this:
294
754260
3000
Cada pessoa, nesta sala, faça o seguinte:
12:37
think of the last time you had a decision to make
295
757260
3000
Pensem na última vez que tiveram que tomar uma decisão
12:40
where you were worried to do the right thing,
296
760260
2000
em que se preocuparam em fazer o que era certo,
12:42
where you wondered, "What should I be doing?"
297
762260
2000
em que se perguntaram: "O que devo fazer?"
12:44
Bring that to mind,
298
764260
2000
Recordem esse momento.
12:46
and now reflect on that
299
766260
2000
E agora reflitam sobre ele e digam:
12:48
and say, "How did I come up that decision?
300
768260
3000
"Como é que cheguei àquela decisão?
12:51
What did I do? Did I follow my gut?
301
771260
3000
"O que é que eu fiz? Segui a minha intuição?
12:54
Did I have somebody vote on it? Or did I punt to legal?"
302
774260
2000
"Pedi a alguém para votar sobre o assunto? Ou pedi um parecer jurídico?"
12:56
Or now we have a few more choices.
303
776260
3000
— agora temos mais algumas opções.
12:59
"Did I evaluate what would be the highest pleasure
304
779260
2000
"Avaliei qual seria o prazer máximo
13:01
like Mill would?
305
781260
2000
como faria Mill?
13:03
Or like Kant, did I use reason to figure out what was intrinsically right?"
306
783260
3000
Ou, como Kant, usei a razão para decidir o que era intrinsecamente correto?"
13:06
Think about it. Really bring it to mind. This is important.
307
786260
3000
Pensem nisso. Recordem-se. Isto é importante.
13:09
It is so important
308
789260
2000
É tão importante que vamos passar 30 segundos
13:11
we are going to spend 30 seconds of valuable TEDTalk time
309
791260
2000
do valioso tempo do TED Talk
13:13
doing nothing but thinking about this.
310
793260
2000
a não fazer mais nada senão pensar nisto.
13:15
Are you ready? Go.
311
795260
2000
Estão prontos? Comecem!
13:33
Stop. Good work.
312
813260
3000
Parem. Bom trabalho.
13:36
What you just did,
313
816260
2000
O que acabaram de fazer
13:38
that's the first step towards taking responsibility
314
818260
2000
é o primeiro passo no sentido de assumir a responsabilidade
13:40
for what we should do with all of our power.
315
820260
3000
sobre o que devemos fazer com todo o nosso poder.
13:45
Now the next step -- try this.
316
825260
3000
Agora, o passo seguinte — tentem isto.
13:49
Go find a friend and explain to them
317
829260
2000
Procurem um amigo e expliquem-lhe
13:51
how you made that decision.
318
831260
2000
como tomaram aquela decisão.
13:53
Not right now. Wait till I finish talking.
319
833260
2000
Não neste preciso momento. Esperem que eu acabe de falar.
13:55
Do it over lunch.
320
835260
2000
Façam-no ao almoço.
13:57
And don't just find another technologist friend;
321
837260
3000
E não se limitem a fazê-lo com outro amigo da área da tecnologia.
14:00
find somebody different than you.
322
840260
2000
Encontrem alguém diferente de vocês,
14:02
Find an artist or a writer --
323
842260
2000
um artista ou um escritor
14:04
or, heaven forbid, find a philosopher and talk to them.
324
844260
3000
ou, o céu vos proteja, encontrem um filósofo e falem com ele.
14:07
In fact, find somebody from the humanities.
325
847260
2000
De facto, encontrem alguém da área de humanidades.
14:09
Why? Because they think about problems
326
849260
2000
Porquê? Porque eles pensam nos problemas
14:11
differently than we do as technologists.
327
851260
2000
de uma forma diferente dos da área tecnológica.
14:13
Just a few days ago, right across the street from here,
328
853260
3000
Há poucos dias, aqui em frente, mesmo do outro lado da rua,
14:16
there was hundreds of people gathered together.
329
856260
2000
reuniram-se centenas de pessoas,
14:18
It was technologists and humanists
330
858260
2000
das áreas humanística e tecnológica
14:20
at that big BiblioTech Conference.
331
860260
2000
naquela conferência sobre Bibliotecas Tecnológicas.
14:22
And they gathered together
332
862260
2000
Juntaram-se todos, porque os de tecnologia queriam aprender
14:24
because the technologists wanted to learn
333
864260
2000
14:26
what it would be like to think from a humanities perspective.
334
866260
3000
como seria pensar a partir de uma perspetiva humanista.
14:29
You have someone from Google
335
869260
2000
Havia pessoas do Google
14:31
talking to someone who does comparative literature.
336
871260
2000
a falar com pessoas que fazem literatura comparativa.
14:33
You're thinking about the relevance of 17th century French theater --
337
873260
3000
Estão a pensar na relevância do teatro francês do séc. XVII
14:36
how does that bear upon venture capital?
338
876260
2000
como é que ele influenciou o capital de risco?
14:38
Well that's interesting. That's a different way of thinking.
339
878260
3000
Isso é interessante. É uma forma diferente de pensar.
14:41
And when you think in that way,
340
881260
2000
E quando pensamos dessa maneira,
14:43
you become more sensitive to the human considerations,
341
883260
3000
tornamo-nos mais sensíveis às considerações humanas,
14:46
which are crucial to making ethical decisions.
342
886260
3000
que são fundamentais para a tomada de decisões éticas.
14:49
So imagine that right now
343
889260
2000
Então, imaginem que agora mesmo
14:51
you went and you found your musician friend.
344
891260
2000
encontravam o vosso amigo músico.
14:53
And you're telling him what we're talking about,
345
893260
3000
E contavam-lhe aquilo de que estamos a falar,
14:56
about our whole data revolution and all this --
346
896260
2000
sobre a revolução na informação,
14:58
maybe even hum a few bars of our theme music.
347
898260
2000
talvez até trauteassem partes do nosso tema musical:
15:00
♫ Dum ta da da dum dum ta da da dum ♫
348
900260
3000
♫ Dum ta da da dum dum ta da da dum ♫
15:03
Well, your musician friend will stop you and say,
349
903260
2000
Aí, o vosso amigo músico interrompe-vos e diz:
15:05
"You know, the theme music
350
905260
2000
"Sabes, a música de fundo
15:07
for your data revolution,
351
907260
2000
"da vossa revolução da informação
15:09
that's an opera, that's Wagner.
352
909260
2000
"é uma ópera, é Wagner.
15:11
It's based on Norse legend.
353
911260
2000
"É baseada na mitologia nórdica.
15:13
It's Gods and mythical creatures
354
913260
2000
"São deuses e criaturas míticas
15:15
fighting over magical jewelry."
355
915260
3000
"a lutar por joias mágicas."
15:19
That's interesting.
356
919260
3000
É interessante.
15:22
Now it's also a beautiful opera,
357
922260
3000
Mas também é uma ópera maravilhosa.
15:25
and we're moved by that opera.
358
925260
3000
Emocionamo-nos com aquela ópera.
15:28
We're moved because it's about the battle
359
928260
2000
Ficamos emocionados porque se trata de uma batalha
15:30
between good and evil,
360
930260
2000
entre o bem e o mal,
15:32
about right and wrong.
361
932260
2000
sobre o certo e o errado.
15:34
And we care about right and wrong.
362
934260
2000
E nós preocupamo-nos com o certo e o errado.
15:36
We care what happens in that opera.
363
936260
3000
Preocupamo-nos com o que acontece naquela ópera.
15:39
We care what happens in "Apocalypse Now."
364
939260
3000
Preocupamo-nos com o que acontece no "Apocalypse Now."
15:42
And we certainly care
365
942260
2000
E preocupamo-nos certamente
15:44
what happens with our technologies.
366
944260
2000
com o que acontece com as nossas tecnologias.
15:46
We have so much power today,
367
946260
2000
Hoje temos muito poder,
15:48
it is up to us to figure out what to do,
368
948260
3000
cabe-nos a nós decidir o que fazer.
15:51
and that's the good news.
369
951260
2000
Essa é a boa notícia.
15:53
We're the ones writing this opera.
370
953260
3000
Somos os únicos a escrever esta ópera.
15:56
This is our movie.
371
956260
2000
É o nosso filme.
15:58
We figure out what will happen with this technology.
372
958260
3000
Nós decidimos o que vai acontecer com esta tecnologia.
16:01
We determine how this will all end.
373
961260
3000
Determinamos como tudo isto acabará.
16:04
Thank you.
374
964260
2000
Obrigado.
16:06
(Applause)
375
966260
5000
(Aplausos)
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