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

259,143 views ・ 2017-12-21

TED


Пожалуйста, дважды щелкните на английские субтитры ниже, чтобы воспроизвести видео.

Переводчик: Elena Malykh Редактор: Pavel Yudaev
00:12
Chris Anderson: Help us understand what machine learning is,
0
12904
2886
Крис Андерсон: Объясните нам, что такое машинное обучение,
00:15
because that seems to be the key driver
1
15814
2054
так как, кажется, это ключевая причина
00:17
of so much of the excitement and also of the concern
2
17892
2737
бурного восторга, а также беспокойства
00:20
around artificial intelligence.
3
20653
1494
вокруг искусственного интеллекта.
00:22
How does machine learning work?
4
22171
1643
Как работает машинное обучение?
00:23
Sebastian Thrun: So, artificial intelligence and machine learning
5
23838
3896
Себастьян Трун: Искусственному интеллекту и машинному обучению
00:27
is about 60 years old
6
27758
2002
около 60-ти лет,
00:29
and has not had a great day in its past until recently.
7
29784
4269
но наилучшее для них время настало совсем недавно.
00:34
And the reason is that today,
8
34077
2924
Причина в том, что сегодня
00:37
we have reached a scale of computing and datasets
9
37025
3973
мы достигли того уровня вычислений и объёма данных,
00:41
that was necessary to make machines smart.
10
41022
2637
который был необходим, чтобы сделать машины умными.
00:43
So here's how it works.
11
43683
1751
Вот как это работает.
00:45
If you program a computer today, say, your phone,
12
45458
3497
Если сегодня вы создаёте программу для компьютера или смартфона,
00:48
then you hire software engineers
13
48979
2335
то нанимаете инженеров-программистов,
00:51
that write a very, very long kitchen recipe,
14
51338
3854
которые пишут длиннющий кулинарный рецепт,
00:55
like, "If the water is too hot, turn down the temperature.
15
55216
3132
например: «Если вода слишком горячая, уменьшите температуру.
00:58
If it's too cold, turn up the temperature."
16
58372
2279
Если слишком холодная, увеличьте температуру».
01:00
The recipes are not just 10 lines long.
17
60675
2849
Только эти рецепты длиной не в 10 строк.
01:03
They are millions of lines long.
18
63548
2603
Они содержат миллионы строк.
01:06
A modern cell phone has 12 million lines of code.
19
66175
4084
У современного мобильного телефона — код в 12 миллионов строк.
01:10
A browser has five million lines of code.
20
70283
2646
У браузера — пять миллионов строк кода.
01:12
And each bug in this recipe can cause your computer to crash.
21
72953
4969
И каждая ошибка в таком рецепте может вызвать сбой в работе компьютера.
01:17
That's why a software engineer makes so much money.
22
77946
3075
Именно поэтому инженер-программист так много зарабатывает.
01:21
The new thing now is that computers can find their own rules.
23
81953
3660
Новизна в том, что сегодня компьютеры сами могут находить свои правила.
01:25
So instead of an expert deciphering, step by step,
24
85637
3606
Поэтому вместо эксперта, пошагово расшифровывающего
01:29
a rule for every contingency,
25
89267
2148
правило для каждого непредвиденного случая,
01:31
what you do now is you give the computer examples
26
91439
3074
теперь вы даёте компьютеру образцы,
01:34
and have it infer its own rules.
27
94537
1581
и он сам делает выводы.
01:36
A really good example is AlphaGo, which recently was won by Google.
28
96142
4306
Хорошим примером является AlphaGo, программа, недавно созданная Google.
01:40
Normally, in game playing, you would really write down all the rules,
29
100472
3687
Обычно, участвуя в игре, вы записывали все правила,
01:44
but in AlphaGo's case,
30
104183
1785
но в случае с AlphaGo
01:45
the system looked over a million games
31
105992
2066
система изучила более миллиона игр,
01:48
and was able to infer its own rules
32
108082
2192
смогла вывести свои правила
01:50
and then beat the world's residing Go champion.
33
110298
2738
и выиграла у действующего чемпиона мира по игре в го.
01:53
That is exciting, because it relieves the software engineer
34
113853
3509
Это замечательно, так как это помогает программисту.
01:57
of the need of being super smart,
35
117386
1819
Ему не нужно быть очень умным;
01:59
and pushes the burden towards the data.
36
119229
2325
всё сводится к данным.
02:01
As I said, the inflection point where this has become really possible --
37
121578
4534
Как я уже сказал, точка перегиба, где это стало реально возможно...
02:06
very embarrassing, my thesis was about machine learning.
38
126136
2746
очень неловко, моя диссертация была о машинном обучении.
02:08
It was completely insignificant, don't read it,
39
128906
2205
Она не заслуживала внимания, не читайте её,
02:11
because it was 20 years ago
40
131135
1350
ведь это было 20 лет назад,
02:12
and back then, the computers were as big as a cockroach brain.
41
132509
2907
когда компьютеры были такими же умными, как тараканы.
02:15
Now they are powerful enough to really emulate
42
135440
2331
Теперь они достаточно мощные, чтобы имитировать
02:17
kind of specialized human thinking.
43
137795
2076
специализированное человеческое мышление.
02:19
And then the computers take advantage of the fact
44
139895
2313
А также компьютеры пользуются тем,
02:22
that they can look at much more data than people can.
45
142232
2500
что они могут изучить гораздо больше данных, чем люди.
02:24
So I'd say AlphaGo looked at more than a million games.
46
144756
3080
Я бы сказал, что AlphaGo изучила более миллиона игр.
02:27
No human expert can ever study a million games.
47
147860
2839
Никакой человек–специалист не может изучить миллион игр.
02:30
Google has looked at over a hundred billion web pages.
48
150723
3182
Google изучил более ста миллиардов веб-страниц.
02:33
No person can ever study a hundred billion web pages.
49
153929
2650
Человек не может изучить сто миллиардов веб-страниц.
02:36
So as a result, the computer can find rules
50
156603
2714
В результате компьютер может найти те правила,
02:39
that even people can't find.
51
159341
1755
которые даже люди найти не могут.
02:41
CA: So instead of looking ahead to, "If he does that, I will do that,"
52
161120
4312
КА: То есть вместо того, чтобы думать: «Если он сделает это, я сделаю то»,
02:45
it's more saying, "Here is what looks like a winning pattern,
53
165456
3072
он, скорее, говорит: «Вот это выглядит лучше всего,
02:48
here is what looks like a winning pattern."
54
168552
2079
вот это выглядит наилучшим образом».
02:50
ST: Yeah. I mean, think about how you raise children.
55
170655
2517
СТ: Да, подумайте, как вы растите детей.
02:53
You don't spend the first 18 years giving kids a rule for every contingency
56
173196
3644
Вы не тратите первые 18 лет, давая детям инструкции по каждому поводу,
02:56
and set them free and they have this big program.
57
176864
2347
вы даёте им свободу без такой подробной программы.
02:59
They stumble, fall, get up, they get slapped or spanked,
58
179235
2719
Они спотыкаются, падают, встают, их ругают или шлёпают;
03:01
and they have a positive experience, a good grade in school,
59
181978
2884
у них появляются и положительный опыт, хорошие оценки в школе,
03:04
and they figure it out on their own.
60
184886
1834
и они понимают всё это сами.
03:06
That's happening with computers now,
61
186744
1737
То же самое сейчас с компьютерами,
03:08
which makes computer programming so much easier all of a sudden.
62
188505
3029
и это неожиданно делает программирование гораздо легче.
03:11
Now we don't have to think anymore. We just give them lots of data.
63
191558
3175
Сейчас нам больше не нужно думать. Мы просто даём им много данных.
03:14
CA: And so, this has been key to the spectacular improvement
64
194757
3422
КА: Это стало ключевым фактором для впечатляющего улучшения
03:18
in power of self-driving cars.
65
198203
3064
способностей беспилотных автомобилей.
03:21
I think you gave me an example.
66
201291
1739
Я думаю, что вы показали мне пример.
03:23
Can you explain what's happening here?
67
203054
2685
Можете ли вы объяснить, что здесь происходит?
03:25
ST: This is a drive of a self-driving car
68
205763
3564
СТ: Это поездка беспилотного автомобиля,
03:29
that we happened to have at Udacity
69
209351
1957
который был у нас на Udacity;
03:31
and recently made into a spin-off called Voyage.
70
211332
2398
его сейчас преобразовали в побочный продукт Voyage.
03:33
We have used this thing called deep learning
71
213754
2574
Мы использовали так называемое глубокое обучение,
03:36
to train a car to drive itself,
72
216352
1623
чтобы обучить машину ездить самой;
03:37
and this is driving from Mountain View, California,
73
217999
2387
и здесь она едет из Маунтин-Вью, Калифорния,
03:40
to San Francisco
74
220410
1168
до Сан-Франциско
03:41
on El Camino Real on a rainy day,
75
221602
2259
по Эль Камино Реал в дождливый день,
03:43
with bicyclists and pedestrians and 133 traffic lights.
76
223885
3524
с велосипедистами, пешеходами и 133-мя светофорами.
03:47
And the novel thing here is,
77
227433
2636
Новизна в том —
03:50
many, many moons ago, I started the Google self-driving car team.
78
230093
3120
давным-давно я основал в Google группу по беспилотным автомобилям.
03:53
And back in the day, I hired the world's best software engineers
79
233237
3181
Тогда я нанял лучших в мире инженеров-программистов,
03:56
to find the world's best rules.
80
236442
1607
чтобы найти наилучшие правила.
03:58
This is just trained.
81
238073
1754
Эту обучили недавно.
03:59
We drive this road 20 times,
82
239851
3336
Мы проехали эту дорогу 20 раз,
04:03
we put all this data into the computer brain,
83
243211
2447
мы внесли все эти данные в мозг компьютера,
04:05
and after a few hours of processing,
84
245682
2082
и после нескольких часов обработки
04:07
it comes up with behavior that often surpasses human agility.
85
247788
3926
он приобрёл характеристики, часто превосходящие способности человека.
04:11
So it's become really easy to program it.
86
251738
2017
Программировать его стало очень легко.
04:13
This is 100 percent autonomous, about 33 miles, an hour and a half.
87
253779
3803
Он автономный на 100% и покрывает 53 километра за полтора часа.
04:17
CA: So, explain it -- on the big part of this program on the left,
88
257606
3630
КА: Итак, объясните мне: в большой, левой части этой программы
04:21
you're seeing basically what the computer sees as trucks and cars
89
261260
3257
вы видите, в общем, то, что компьютер видит как машины и грузовики,
04:24
and those dots overtaking it and so forth.
90
264541
2886
и эти точки, обгоняющие его, и так далее.
04:27
ST: On the right side, you see the camera image, which is the main input here,
91
267451
3762
СТ: Справа вы видите изображение с камеры, являющееся основным источником данных
04:31
and it's used to find lanes, other cars, traffic lights.
92
271237
2676
для поиска полос движения, других машин, светофоров.
04:33
The vehicle has a radar to do distance estimation.
93
273937
2489
У машины есть радар для оценки расстояния.
04:36
This is very commonly used in these kind of systems.
94
276450
2621
Его очень часто используют в системах такого типа.
04:39
On the left side you see a laser diagram,
95
279095
1992
Слева вы видите лазерную диаграмму
04:41
where you see obstacles like trees and so on depicted by the laser.
96
281111
3200
с деревьями и другими препятствиями, изображёнными лазером.
04:44
But almost all the interesting work is centering on the camera image now.
97
284335
3436
Но почти вся интересная работа нынче связана с изображением из камеры.
04:47
We're really shifting over from precision sensors like radars and lasers
98
287795
3476
Мы в самом деле переходим от высокоточных датчиков — радаров и лазеров —
04:51
into very cheap, commoditized sensors.
99
291295
1842
к дешёвым сенсорам массового спроса.
04:53
A camera costs less than eight dollars.
100
293161
1987
Камера стоит менее восьми долларов.
04:55
CA: And that green dot on the left thing, what is that?
101
295172
2793
КА: А эта зелёная точка в левой части, что это такое?
04:57
Is that anything meaningful?
102
297989
1371
Это что-то важное?
04:59
ST: This is a look-ahead point for your adaptive cruise control,
103
299384
3668
СТ: Это точка взгляда вперёд вашего адаптивного круиз–контроля.
05:03
so it helps us understand how to regulate velocity
104
303076
2477
Она помогает ему понять, как отрегулировать скорость,
05:05
based on how far the cars in front of you are.
105
305577
2634
основываясь на расстоянии до автомобилей впереди.
05:08
CA: And so, you've also got an example, I think,
106
308235
2716
КА: Я думаю, у вас заодно есть пример того,
05:10
of how the actual learning part takes place.
107
310975
2381
как в действительности происходит обучение.
05:13
Maybe we can see that. Talk about this.
108
313380
2458
Можем ли мы это увидеть? Расскажите об этом.
05:15
ST: This is an example where we posed a challenge to Udacity students
109
315862
3643
СТ: Это пример сложного задания, которое мы дали студентам Udacity,
05:19
to take what we call a self-driving car Nanodegree.
110
319529
3131
получающим наностепень по управлению беспилотным автомобилем.
05:22
We gave them this dataset
111
322684
1495
Мы дали им этот набор данных
05:24
and said "Hey, can you guys figure out how to steer this car?"
112
324203
3054
и сказали: «Можете ли вы, ребята, понять, как вести эту машину?»
05:27
And if you look at the images,
113
327281
1624
И если вы посмотрите на снимки —
05:28
it's, even for humans, quite impossible to get the steering right.
114
328929
4073
даже для людей практически невозможно правильно ей управлять.
05:33
And we ran a competition and said, "It's a deep learning competition,
115
333026
3591
Мы организовали конкурс и сказали: «Это конкурс по глубокому обучению,
05:36
AI competition,"
116
336641
1173
соревнование в ИИ» —
05:37
and we gave the students 48 hours.
117
337838
1887
и дали студентам 48 часов.
05:39
So if you are a software house like Google or Facebook,
118
339749
4172
Если вы — софтверная компания вроде Google или Facebook,
05:43
something like this costs you at least six months of work.
119
343945
2717
нечто подобное будет стоить вам как минимум полгода работы.
05:46
So we figured 48 hours is great.
120
346686
2202
Поэтому мы решили: 48 часов — это прекрасно.
05:48
And within 48 hours, we got about 100 submissions from students,
121
348912
3467
И в течение 48-ми часов мы получили около 100 решений от студентов.
05:52
and the top four got it perfectly right.
122
352403
3370
У четверых лучших это получилось идеально.
05:55
It drives better than I could drive on this imagery,
123
355797
2640
После глубокого обучения
она в этих условиях едет лучше меня.
05:58
using deep learning.
124
358461
1189
05:59
And again, it's the same methodology.
125
359674
1799
И опять, это тот же метод.
06:01
It's this magical thing.
126
361497
1164
Это волшебная вещь.
06:02
When you give enough data to a computer now,
127
362685
2085
Когда вы даёте компьютеру достаточно данных
06:04
and give enough time to comprehend the data,
128
364794
2140
и достаточно времени, чтобы их понять,
06:06
it finds its own rules.
129
366958
1445
он находит свои правила.
06:09
CA: And so that has led to the development of powerful applications
130
369339
4845
КА: И это привело к развитию мощных приложений
06:14
in all sorts of areas.
131
374208
1525
во всех областях.
06:15
You were talking to me the other day about cancer.
132
375757
2668
На днях вы мне говорили о раке.
06:18
Can I show this video?
133
378449
1189
Можно показать это видео?
06:19
ST: Yeah, absolutely, please. CA: This is cool.
134
379662
2354
СТ: Да, конечно, пожалуйста. КА: Отлично.
06:22
ST: This is kind of an insight into what's happening
135
382040
3534
СТ: Это как бы взгляд на то, что происходит
06:25
in a completely different domain.
136
385598
2429
в абсолютно другой области.
06:28
This is augmenting, or competing --
137
388051
3752
Это дополнение, или соперник —
06:31
it's in the eye of the beholder --
138
391827
1749
в зависимости от точки зрения, —
06:33
with people who are being paid 400,000 dollars a year,
139
393600
3454
для людей, которым платят 400 000 долларов в год:
06:37
dermatologists,
140
397078
1237
дерматологов,
06:38
highly trained specialists.
141
398339
1983
высококвалифицированных специалистов.
06:40
It takes more than a decade of training to be a good dermatologist.
142
400346
3561
Более десятилетия практики уходит на то, чтобы стать хорошим дерматологом.
06:43
What you see here is the machine learning version of it.
143
403931
3196
А здесь вы видите результат работы машинного обучения.
06:47
It's called a neural network.
144
407151
1841
Это называется нейронной сетью.
06:49
"Neural networks" is the technical term for these machine learning algorithms.
145
409016
3742
«Нейронные сети» — это технический термин для алгоритмов машинного обучения.
06:52
They've been around since the 1980s.
146
412782
1789
Они существовали с 1980-х годов.
06:54
This one was invented in 1988 by a Facebook Fellow called Yann LeCun,
147
414595
4640
Вот эта, изобретённая в 1988 году научным сотрудником Facebook Яном ЛеКуном,
06:59
and it propagates data stages
148
419259
3558
преобразует данные во внутренних слоях
07:02
through what you could think of as the human brain.
149
422841
2578
структуры, напоминающей человеческий мозг.
07:05
It's not quite the same thing, but it emulates the same thing.
150
425443
2966
Это не вполне то же самое, но имитирует тот же процесс.
07:08
It goes stage after stage.
151
428433
1302
Данные проходят слой за слоем.
07:09
In the very first stage, it takes the visual input and extracts edges
152
429759
3637
Первый слой берёт входящий визуальный сигнал и выделяет края,
07:13
and rods and dots.
153
433420
2612
штрихи и точки.
07:16
And the next one becomes more complicated edges
154
436056
3037
На следующем слое появляются более сложные очертания
07:19
and shapes like little half-moons.
155
439117
3191
и формы, такие как маленькие полумесяцы.
07:22
And eventually, it's able to build really complicated concepts.
156
442332
4443
И, в конечном счёте, она в состоянии создавать действительно сложные структуры.
07:26
Andrew Ng has been able to show
157
446799
2048
Эндрю Ын смог показать,
07:28
that it's able to find cat faces and dog faces
158
448871
3480
что она в состоянии находить морды кошек и собак
07:32
in vast amounts of images.
159
452375
1661
среди множества изображений.
07:34
What my student team at Stanford has shown is that
160
454060
2724
Моя группа студентов из Стэнфорда показала,
07:36
if you train it on 129,000 images of skin conditions,
161
456808
6073
что если вы тренируете её на 129 000 снимков состояний кожи,
07:42
including melanoma and carcinomas,
162
462905
2565
включая меланомы и карциномы,
07:45
you can do as good a job
163
465494
3301
вы можете достичь такого же хорошего результата,
07:48
as the best human dermatologists.
164
468819
2197
как лучшие специалисты-дерматологи.
07:51
And to convince ourselves that this is the case,
165
471040
2549
И чтобы убедить себя, что это так,
07:53
we captured an independent dataset that we presented to our network
166
473613
3990
мы создали независимую базу данных, которую мы дали нашей нейросети
07:57
and to 25 board-certified Stanford-level dermatologists,
167
477627
4342
и 25-ти сертифицированным врачам-дерматологам уровня Стэнфорда
08:01
and compared those.
168
481993
1672
и сравнили их результаты.
08:03
And in most cases,
169
483689
1504
И в большинстве случаев
08:05
they were either on par or above the performance classification accuracy
170
485217
3875
они были на уровне или выше показателей точности классификации
08:09
of human dermatologists.
171
489116
1467
специалистов–дерматологов.
08:10
CA: You were telling me an anecdote.
172
490607
1746
КА: Вы мне рассказали об одном случае.
08:12
I think about this image right here.
173
492377
1957
Я имею в виду вот это фото.
08:14
What happened here?
174
494358
1484
Что здесь случилось?
08:15
ST: This was last Thursday. That's a moving piece.
175
495866
4008
СТ: Это было в прошлый четверг. Это очень волнующая история.
08:19
What we've shown before and we published in "Nature" earlier this year
176
499898
3600
То, о чём я уже рассказал, мы опубликовали в журнале «Nature» в этом году.
08:23
was this idea that we show dermatologists images
177
503522
2484
Идея была: мы покажем фотографии дерматологам
08:26
and our computer program images,
178
506030
1539
и нашей компьютерной программе
08:27
and count how often they're right.
179
507593
1627
и проверим, часто ли они правы.
08:29
But all these images are past images.
180
509244
1778
Но все эти фотографии — из прошлого.
08:31
They've all been biopsied to make sure we had the correct classification.
181
511046
3460
Была сделана биопсия, чтобы удостовериться в их правильной классификации.
08:34
This one wasn't.
182
514530
1172
Для этой — не была.
08:35
This one was actually done at Stanford by one of our collaborators.
183
515726
3179
Эта была сделана одним из наших коллег из Стэнфорда.
08:38
The story goes that our collaborator,
184
518929
2314
Рассказывают, что один из наших коллег,
08:41
who is a world-famous dermatologist, one of the three best, apparently,
185
521267
3391
известный в мире дерматолог, вероятно, один из тройки лучших,
08:44
looked at this mole and said, "This is not skin cancer."
186
524682
2935
посмотрел на эту родинку и сказал: «Это не рак кожи».
08:47
And then he had a second moment, where he said,
187
527641
2476
И потом, немного подумав, он сказал:
08:50
"Well, let me just check with the app."
188
530141
1866
«Давайте я проверю в этом приложении».
08:52
So he took out his iPhone and ran our piece of software,
189
532031
2699
Итак, он взял свой iPhone и запустил нашу программу,
08:54
our "pocket dermatologist," so to speak,
190
534754
2121
нашего, так сказать, «карманного дерматолога»,
08:56
and the iPhone said: cancer.
191
536899
2994
и iPhone ответил: «Рак».
08:59
It said melanoma.
192
539917
1306
Он ответил: «Меланома».
09:01
And then he was confused.
193
541849
1233
Специалист смутился.
09:03
And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"
194
543106
4551
Он решил: «Может быть, я доверяю устройству немного больше, чем себе»,
09:07
and he sent it out to the lab to get it biopsied.
195
547681
2735
и послал образец в лабораторию для прохождения биопсии.
09:10
And it came up as an aggressive melanoma.
196
550440
2469
И выяснилось, что это агрессивная меланома.
09:13
So I think this might be the first time that we actually found,
197
553545
3067
Возможно, это был первый реальный случай обнаружения болезни
09:16
in the practice of using deep learning,
198
556636
2487
в практике использования глубокого обучения;
09:19
an actual person whose melanoma would have gone unclassified,
199
559147
3372
реальный человек, чья меланома была бы не классифицирована,
09:22
had it not been for deep learning.
200
562543
2115
если бы не глубокое обучение.
09:24
CA: I mean, that's incredible.
201
564682
1560
КА: По-моему, это невероятно.
09:26
(Applause)
202
566266
1769
(Аплодисменты)
09:28
It feels like there'd be an instant demand for an app like this right now,
203
568059
3600
Кажется, что будет резкий спрос на подобные приложения,
09:31
that you might freak out a lot of people.
204
571683
1966
возможно, вы многих заставите занервничать.
09:33
Are you thinking of doing this, making an app that allows self-checking?
205
573673
3527
Думаете ли вы создать приложение, которое позволяло бы делать самопроверку?
09:37
ST: So my in-box is flooded about cancer apps,
206
577224
4973
СТ: Мой почтовый ящик полон писем о приложениях, касающихся рака,
09:42
with heartbreaking stories of people.
207
582221
2303
с душераздирающими рассказами людей.
09:44
I mean, some people have had 10, 15, 20 melanomas removed,
208
584548
3204
Я имею в виду, некоторым людям удалили 10, 15, 20 меланом,
09:47
and are scared that one might be overlooked, like this one,
209
587776
3952
и они боятся, что, возможно, ещё одну пропустили, как эту.
09:51
and also, about, I don't know,
210
591752
1741
Он полон писем о, ну, не знаю,
09:53
flying cars and speaker inquiries these days, I guess.
211
593517
2732
летающих автомобилях и приглашениями на доклады.
09:56
My take is, we need more testing.
212
596273
2738
Моё мнение — нам нужно больше тестов.
09:59
I want to be very careful.
213
599449
1778
Я хочу быть очень осторожным.
10:01
It's very easy to give a flashy result and impress a TED audience.
214
601251
3666
Очень легко рассказать о ярком результате и поразить аудиторию TED.
10:04
It's much harder to put something out that's ethical.
215
604941
2627
Гораздо труднее создать что-то этичное.
10:07
And if people were to use the app
216
607592
2394
Если бы люди воспользовались программой
10:10
and choose not to consult the assistance of a doctor
217
610010
2797
и выбрали бы не прибегать к разъяснениям врача,
10:12
because we get it wrong,
218
612831
1583
потому что мы ответили неверно,
10:14
I would feel really bad about it.
219
614438
1653
я бы очень сожалел о об этом.
10:16
So we're currently doing clinical tests,
220
616115
1925
Сейчас мы проводим клинические испытания,
10:18
and if these clinical tests commence and our data holds up,
221
618064
2798
и если они начнутся и подтвердят наши данные,
10:20
we might be able at some point to take this kind of technology
222
620886
2990
возможно, мы когда-то сможем вооружиться этой технологией,
10:23
and take it out of the Stanford clinic
223
623900
1892
взять её из Стэнфордской клиники
10:25
and bring it to the entire world,
224
625816
1658
и предоставить её всему миру,
10:27
places where Stanford doctors never, ever set foot.
225
627498
2456
в места, куда не ступает нога докторов из Стэнфорда.
10:30
CA: And do I hear this right,
226
630617
2580
КА: Правильно ли я вас понял,
10:33
that it seemed like what you were saying,
227
633221
1966
мне показалось, что вы говорили,
10:35
because you are working with this army of Udacity students,
228
635211
4254
поскольку вы работаете с этой армией студентов Udacity,
10:39
that in a way, you're applying a different form of machine learning
229
639489
3221
в каком-то смысле, вы используете иную форму машинного обучения,
10:42
than might take place in a company,
230
642734
1735
чем та, которую используют компании;
10:44
which is you're combining machine learning with a form of crowd wisdom.
231
644493
3484
а именно, вы сочетаете машинное обучение c мудростью толпы.
10:48
Are you saying that sometimes you think that could actually outperform
232
648001
3384
Не говорите ли вы, что иногда вы считаете, что этот подход может превзойти
10:51
what a company can do, even a vast company?
233
651409
2050
возможности компании, даже огромной?
10:53
ST: I believe there's now instances that blow my mind,
234
653483
2940
СТ: Я верю в то, что есть примеры, которые меня поражают,
10:56
and I'm still trying to understand.
235
656447
1758
и я всё ещё пытаюсь понять их.
10:58
What Chris is referring to is these competitions that we run.
236
658229
3937
Крис имеет в виду наши соревнования.
11:02
We turn them around in 48 hours,
237
662190
2268
Мы ограничиваем их 48–ю часами,
11:04
and we've been able to build a self-driving car
238
664482
2252
и мы смогли построить беспилотный автомобиль,
11:06
that can drive from Mountain View to San Francisco on surface streets.
239
666758
3387
который может ехать от Маунтин–Вью до Сан–Франциско по улицам городов.
11:10
It's not quite on par with Google after seven years of Google work,
240
670169
3584
Он не вполне на уровне Google — после семи лет работы Google, —
11:13
but it's getting there.
241
673777
2528
но уже довольно близок к нему.
11:16
And it took us only two engineers and three months to do this.
242
676329
3084
Нам потребовались только два инженера и три месяца работы.
11:19
And the reason is, we have an army of students
243
679437
2856
Причина в том, что у нас целая армия студентов,
11:22
who participate in competitions.
244
682317
1850
которые участвуют в соревнованиях.
11:24
We're not the only ones who use crowdsourcing.
245
684191
2220
Не только мы одни используем краудсорсинг.
11:26
Uber and Didi use crowdsource for driving.
246
686435
2223
Uber и Didi используют его для вождения.
11:28
Airbnb uses crowdsourcing for hotels.
247
688682
2759
Airbnb использует его для отелей.
11:31
There's now many examples where people do bug-finding crowdsourcing
248
691465
4007
Сегодня есть много примеров, когда люди вместе находят ошибки в программах
11:35
or protein folding, of all things, in crowdsourcing.
249
695496
2804
или, представьте себе, находят фолдинг белков краудсорсингом.
11:38
But we've been able to build this car in three months,
250
698324
2915
Но мы смогли построить эту машину за три месяца,
11:41
so I am actually rethinking
251
701263
3655
и сейчас я переосмысливаю,
11:44
how we organize corporations.
252
704942
2238
как мы организуем корпорации.
11:47
We have a staff of 9,000 people who are never hired,
253
707204
4696
У нас в штате 9 000 человек, которых никогда не нанимали,
11:51
that I never fire.
254
711924
1308
которых я никогда не уволю.
11:53
They show up to work and I don't even know.
255
713256
2362
Они приходят на работу, и я даже не знаю об этом.
11:55
Then they submit to me maybe 9,000 answers.
256
715642
3058
Потом они присылают мне примерно 9 000 ответов.
11:58
I'm not obliged to use any of those.
257
718724
2176
Я не обязан использовать какой-либо из них.
12:00
I end up -- I pay only the winners,
258
720924
1991
В конце концов я плачу только победителям;
12:02
so I'm actually very cheapskate here, which is maybe not the best thing to do.
259
722939
3718
здесь я очень прижимист, и это, возможно, не лучшая практика.
12:06
But they consider it part of their education, too, which is nice.
260
726681
3185
Но они рассматривают это как часть своей учёбы, и это хорошо.
12:09
But these students have been able to produce amazing deep learning results.
261
729890
4201
Но эти студенты смогли добиться прекрасных результатов в области глубокого обучения.
12:14
So yeah, the synthesis of great people and great machine learning is amazing.
262
734115
3861
Да, синтез талантливых людей и замечательных машин поразителен.
12:18
CA: I mean, Gary Kasparov said on the first day [of TED2017]
263
738000
2814
КА: Гарри Каспаров сказал в первый день конференции [TED2017],
12:20
that the winners of chess, surprisingly, turned out to be two amateur chess players
264
740848
5412
что удивительно, как чемпионы по шахматам оказались двумя шахматистами-любителями,
12:26
with three mediocre-ish, mediocre-to-good, computer programs,
265
746284
5371
игравшими с тремя средненькими, чуть лучше средних, компьютерными программами,
12:31
that could outperform one grand master with one great chess player,
266
751679
3163
которые смогли превзойти гроссмейстера и выдающегося шахматиста,
12:34
like it was all part of the process.
267
754866
1743
так, как будто это часть процесса.
12:36
And it almost seems like you're talking about a much richer version
268
756633
3335
Кажется, что как будто вы говорите о более сложной версии
12:39
of that same idea.
269
759992
1200
этой же идеи.
12:41
ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,
270
761216
3857
СТ: Да, когда вчера утром вы следили за фантастическими экспертами
12:45
two sessions about AI,
271
765097
1994
на двух сессиях, касающихся ИИ,
12:47
robotic overlords and the human response,
272
767115
2167
захвата власти роботами и реакции человека,
12:49
many, many great things were said.
273
769306
1982
там было сказано много замечательного.
12:51
But one of the concerns is that we sometimes confuse
274
771312
2687
Но одна из проблем — иногда мы путаем то,
12:54
what's actually been done with AI with this kind of overlord threat,
275
774023
4062
что было реально сделано с помощью ИИ, с этой угрозой мирового господства,
12:58
where your AI develops consciousness, right?
276
778109
3424
где ваш ИИ осознаёт себя, не так ли?
13:01
The last thing I want is for my AI to have consciousness.
277
781557
2971
Меньше всего я хочу, чтобы у моего ИИ было сознание.
13:04
I don't want to come into my kitchen
278
784552
1716
Я не хочу прийти на кухню,
13:06
and have the refrigerator fall in love with the dishwasher
279
786292
4193
где холодильник влюблён в посудомоечную машину
13:10
and tell me, because I wasn't nice enough,
280
790509
2124
и говорит мне, что, поскольку я плохо себя вёл,
13:12
my food is now warm.
281
792657
1837
всё в морозилке растаяло.
13:14
I wouldn't buy these products, and I don't want them.
282
794518
2891
Я бы не купил такие устройства и не хочу их иметь.
13:17
But the truth is, for me,
283
797825
1802
Но мне ясно то,
13:19
AI has always been an augmentation of people.
284
799651
2720
что ИИ всегда был дополнением людей.
13:22
It's been an augmentation of us,
285
802893
1676
Он был нашим дополнением,
13:24
to make us stronger.
286
804593
1457
чтобы сделать нас сильнее.
13:26
And I think Kasparov was exactly correct.
287
806074
2831
Я думаю, что Каспаров был абсолютно прав.
13:28
It's been the combination of human smarts and machine smarts
288
808929
3849
Именно сочетание ума человека и машины
13:32
that make us stronger.
289
812802
1464
делает нас сильнее.
13:34
The theme of machines making us stronger is as old as machines are.
290
814290
4587
Идея того, что машины делают нас сильнее, так же стара, как и сами машины.
13:39
The agricultural revolution took place because it made steam engines
291
819567
3758
Аграрная революция произошла потому, что она создала паровые машины
13:43
and farming equipment that couldn't farm by itself,
292
823349
2666
и орудия фермерского труда, которые не могли сами работать
13:46
that never replaced us; it made us stronger.
293
826039
2122
и не заменили нас; она сделала нас сильнее.
13:48
And I believe this new wave of AI will make us much, much stronger
294
828185
3738
И я верю в то, эта новая волна ИИ сделает нас намного сильнее
13:51
as a human race.
295
831947
1183
как человеческую расу.
13:53
CA: We'll come on to that a bit more,
296
833765
1813
КА: Мы вернёмся к этому немного позже,
13:55
but just to continue with the scary part of this for some people,
297
835602
3671
но для того, чтобы продолжить обсуждать то, что некоторых пугает,
13:59
like, what feels like it gets scary for people is when you have
298
839297
3558
например, похоже, что люди пугаются, когда у вас есть
14:02
a computer that can, one, rewrite its own code,
299
842879
4618
компьютер, который может сам переписывать свой код,
14:07
so, it can create multiple copies of itself,
300
847521
3584
и поэтому он может создавать множество копий самого себя,
14:11
try a bunch of different code versions,
301
851129
1897
пробовать разные версии кода,
14:13
possibly even at random,
302
853050
1775
возможно, даже создавая их случайно,
14:14
and then check them out and see if a goal is achieved and improved.
303
854849
3632
затем проверять их и смотреть, достигнута ли и улучшена ли цель.
14:18
So, say the goal is to do better on an intelligence test.
304
858505
3641
Допустим, цель — это успешнее пройти тест на умственные способности.
14:22
You know, a computer that's moderately good at that,
305
862170
3894
Компьютер, который делает это на среднем уровне,
14:26
you could try a million versions of that.
306
866088
2509
может попробовать миллион версий.
14:28
You might find one that was better,
307
868621
2090
Возможно, он найдёт ту, которая лучше,
14:30
and then, you know, repeat.
308
870735
2004
и потом, знаете ли, повторит.
14:32
And so the concern is that you get some sort of runaway effect
309
872763
3040
Есть опасения, что у вас будет в некотором роде эффект убегания,
14:35
where everything is fine on Thursday evening,
310
875827
3008
когда всё хорошо в четверг вечером,
14:38
and you come back into the lab on Friday morning,
311
878859
2336
вы приходите в лабораторию в пятницу утром,
14:41
and because of the speed of computers and so forth,
312
881219
2449
и из-за скорости работы компьютеров и многого другого
14:43
things have gone crazy, and suddenly --
313
883692
1903
всё пошло кувырком, и вдруг...
14:45
ST: I would say this is a possibility,
314
885619
2020
СТ: Я бы сказал, это возможно,
14:47
but it's a very remote possibility.
315
887663
1916
но очень не скоро.
14:49
So let me just translate what I heard you say.
316
889603
3337
Поэтому позвольте мне перефразировать ваши слова.
14:52
In the AlphaGo case, we had exactly this thing:
317
892964
2704
В случае с AlphaGo мы имели следующее:
14:55
the computer would play the game against itself
318
895692
2315
компьютер вёл игру против себя,
14:58
and then learn new rules.
319
898031
1250
затем учил новые правила.
14:59
And what machine learning is is a rewriting of the rules.
320
899305
3235
Машинное обучение — это переписывание правил.
15:02
It's the rewriting of code.
321
902564
1769
Это переписывание кода.
15:04
But I think there was absolutely no concern
322
904357
2845
Но я думаю, что не было абсолютно никаких опасений,
15:07
that AlphaGo would take over the world.
323
907226
2426
что AlphaGo захватит мир.
15:09
It can't even play chess.
324
909676
1464
Он даже не может играть в шахматы.
15:11
CA: No, no, no, but now, these are all very single-domain things.
325
911164
5147
КА: Нет, нет, нет, сейчас они — очень узкоспециализированные устройства.
15:16
But it's possible to imagine.
326
916335
2879
Но это можно себе представить.
15:19
I mean, we just saw a computer that seemed nearly capable
327
919238
3089
Мы только что видели компьютер, который казался почти способным
15:22
of passing a university entrance test,
328
922351
2655
пройти университетский вступительный тест,
15:25
that can kind of -- it can't read and understand in the sense that we can,
329
925030
3688
который способен — хотя и не может читать и понимать, как это делаем мы, —
15:28
but it can certainly absorb all the text
330
928742
1987
но точно может усвоить весь текст
15:30
and maybe see increased patterns of meaning.
331
930753
2899
и, вероятно, обобщить его смысл.
15:33
Isn't there a chance that, as this broadens out,
332
933676
3694
Нет ли шанса, что при увеличении его способностей
15:37
there could be a different kind of runaway effect?
333
937394
2466
может иметь место другой вид эффекта убегания?
15:39
ST: That's where I draw the line, honestly.
334
939884
2078
СТ: Здесь я провожу черту, честно.
15:41
And the chance exists -- I don't want to downplay it --
335
941986
2643
И вероятность существует — я не хочу это преуменьшать, —
15:44
but I think it's remote, and it's not the thing that's on my mind these days,
336
944653
3672
но я думаю, что она отдалённая, и она не заботит меня сегодня,
15:48
because I think the big revolution is something else.
337
948349
2512
так как я думаю, что большая революция — это другое.
15:50
Everything successful in AI to the present date
338
950885
2922
Всё успешное в области ИИ на сегодняшний день
15:53
has been extremely specialized,
339
953831
2214
было чрезвычайно специализировано
15:56
and it's been thriving on a single idea,
340
956069
2489
и процветало благодаря единственной идее —
15:58
which is massive amounts of data.
341
958582
2739
огромному объёму данных.
16:01
The reason AlphaGo works so well is because of massive numbers of Go plays,
342
961345
4147
Причина такой хорошей работы AlphaGo — это огромное число игр в го,
16:05
and AlphaGo can't drive a car or fly a plane.
343
965516
3255
и AlphaGo не может управлять автомобилем или самолётом.
16:08
The Google self-driving car or the Udacity self-driving car
344
968795
3031
Беспилотный автомобиль Google или беспилотный автомобиль Udacity
16:11
thrives on massive amounts of data, and it can't do anything else.
345
971850
3240
процветают на огромных объёмах данных; и другого они делать не могут.
16:15
It can't even control a motorcycle.
346
975114
1727
Они не могут даже управлять мотоциклом.
16:16
It's a very specific, domain-specific function,
347
976865
2762
Это очень специфическая, касающаяся одной сферы функция.
16:19
and the same is true for our cancer app.
348
979651
1907
Это верно и для приложения по раку.
16:21
There has been almost no progress on this thing called "general AI,"
349
981582
3236
Не было почти никакого прогресса по так называемому общему ИИ,
16:24
where you go to an AI and say, "Hey, invent for me special relativity
350
984842
4000
где вы идёте к ИИ и говорите: «Изобрети-ка для меня СТО
16:28
or string theory."
351
988866
1666
или теорию струн».
16:30
It's totally in the infancy.
352
990556
1931
ИИ ещё полностью в младенчестве.
16:32
The reason I want to emphasize this,
353
992511
2127
Причина, по которой я хочу подчеркнуть это, —
16:34
I see the concerns, and I want to acknowledge them.
354
994662
3838
я вижу опасения и готов их признать.
16:38
But if I were to think about one thing,
355
998524
2886
Но если бы я подумал об одной вещи,
16:41
I would ask myself the question, "What if we can take anything repetitive
356
1001434
5563
я бы задал себе вопрос: «А если мы возьмём что-то повторяющееся
16:47
and make ourselves 100 times as efficient?"
357
1007021
3473
и сделаем себя в 100 раз эффективнее?»
16:51
It so turns out, 300 years ago, we all worked in agriculture
358
1011170
4249
Так получилось 300 лет назад, когда все работали в сельском хозяйстве,
16:55
and did farming and did repetitive things.
359
1015443
2051
выполняли монотонную работу.
16:57
Today, 75 percent of us work in offices
360
1017518
2556
Сегодня 75 процентов людей работают в офисах
17:00
and do repetitive things.
361
1020098
2124
и выполняют монотонную работу.
17:02
We've become spreadsheet monkeys.
362
1022246
2183
Мы стали обезьянами, работающими с таблицами.
17:04
And not just low-end labor.
363
1024453
2054
И это не только низкооплачиваемый труд.
17:06
We've become dermatologists doing repetitive things,
364
1026531
2754
Мы стали дерматологами, которые делают одно и то же,
17:09
lawyers doing repetitive things.
365
1029309
1749
юристами, делающими одно и то же.
17:11
I think we are at the brink of being able to take an AI,
366
1031082
3823
Думаю, что мы сейчас на пороге того, чтобы взять ИИ,
17:14
look over our shoulders,
367
1034929
1718
оглядеться вокруг,
17:16
and they make us maybe 10 or 50 times as effective in these repetitive things.
368
1036671
4058
и эти программы позволят нам в 10–50 раз лучше справляться с монотонной работой.
17:20
That's what is on my mind.
369
1040753
1275
Вот о чём я думаю.
17:22
CA: That sounds super exciting.
370
1042052
2450
КА: Звучит захватывающе!
17:24
The process of getting there seems a little terrifying to some people,
371
1044526
3530
Процесс достижения этого кажется немного пугающим для некоторых,
17:28
because once a computer can do this repetitive thing
372
1048080
3180
потому что однажды компьютер сможет делать эти рутинные задачи
17:31
much better than the dermatologist
373
1051284
3434
намного лучше, чем дерматолог
17:34
or than the driver, especially, is the thing that's talked about
374
1054742
3230
или, особенно, водитель, — об этом сейчас
17:37
so much now,
375
1057996
1290
так много говорят.
17:39
suddenly millions of jobs go,
376
1059310
1958
Мы резко лишимся миллионов рабочих мест,
17:41
and, you know, the country's in revolution
377
1061292
2695
и, знаете ли, в стране начнётся революция
17:44
before we ever get to the more glorious aspects of what's possible.
378
1064011
4329
прежде, чем мы дойдём до болеe привлекательных аспектов.
17:48
ST: Yeah, and that's an issue, and it's a big issue,
379
1068364
2517
СТ: Да, это проблема, это большая проблема,
17:50
and it was pointed out yesterday morning by several guest speakers.
380
1070905
4196
и на это было указано вчера утром несколькими выступавшими гостями.
17:55
Now, prior to me showing up onstage,
381
1075125
2754
Сейчас, прежде чем выйти на сцену,
17:57
I confessed I'm a positive, optimistic person,
382
1077903
3739
я признался, что я оптимист,
18:01
so let me give you an optimistic pitch,
383
1081666
2389
и позвольте мне высказаться оптимистически.
18:04
which is, think of yourself back 300 years ago.
384
1084079
4795
А именно: представьте себя живущим 300 лет назад.
18:08
Europe just survived 140 years of continuous war,
385
1088898
3996
Европа только пережила 140 лет нескончаемых войн,
18:12
none of you could read or write,
386
1092918
1711
никто не умеет ни читать, ни писать,
18:14
there were no jobs that you hold today,
387
1094653
2945
нет таких рабочих мест, за которые вы держитесь сейчас,
18:17
like investment banker or software engineer or TV anchor.
388
1097622
4096
таких как инвестиционный банкир, или программист, или телеведущий.
18:21
We would all be in the fields and farming.
389
1101742
2414
Мы все работаем в полях и на фермах.
18:24
Now here comes little Sebastian with a little steam engine in his pocket,
390
1104180
3573
И приходит маленький Себастьян с маленькой паровой машиной в кармане
18:27
saying, "Hey guys, look at this.
391
1107777
1548
и говорит: «Посмотрите на это.
18:29
It's going to make you 100 times as strong, so you can do something else."
392
1109349
3595
Это сделает вас в 100 раз сильнее, и вы сможете сделать что-нибудь ещё».
18:32
And then back in the day, there was no real stage,
393
1112968
2470
Тогда, в те времена, не было такой сцены,
18:35
but Chris and I hang out with the cows in the stable,
394
1115462
2526
но Крис и я приходим в хлев к коровам,
18:38
and he says, "I'm really concerned about it,
395
1118012
2100
и он говорит: «Меня это беспокоит,
18:40
because I milk my cow every day, and what if the machine does this for me?"
396
1120136
3652
потому что я каждый день дою свою корову, и что, если машина меня заменит?»
18:43
The reason why I mention this is,
397
1123812
1702
Я упомянул это,
18:46
we're always good in acknowledging past progress and the benefit of it,
398
1126360
3603
так как мы охотно признаём прошлые достижения и выгоды от них,
18:49
like our iPhones or our planes or electricity or medical supply.
399
1129987
3354
например, iPhone, самолёты, электричество, медицинское обеспечение.
18:53
We all love to live to 80, which was impossible 300 years ago.
400
1133365
4245
Мы все любим жить до 80-ти лет, что было невозможно 300 лет назад.
18:57
But we kind of don't apply the same rules to the future.
401
1137634
4156
Но мы как бы не применяем те же правила к будущему.
19:02
So if I look at my own job as a CEO,
402
1142621
3207
Ведь если я посмотрю на свою работу генерального директора,
19:05
I would say 90 percent of my work is repetitive,
403
1145852
3140
я скажу, что 90 процентов моей работы — повторяющаяся.
19:09
I don't enjoy it,
404
1149016
1351
Я её не люблю,
19:10
I spend about four hours per day on stupid, repetitive email.
405
1150391
3978
я трачу около четырёх часов в день на скучные, однотипные письма.
19:14
And I'm burning to have something that helps me get rid of this.
406
1154393
3641
И я жажду иметь что-то, что помогло бы мне от этого избавиться.
19:18
Why?
407
1158058
1158
Почему?
19:19
Because I believe all of us are insanely creative;
408
1159240
3003
Потому что я верю, что все мы — безумно творческие люди;
19:22
I think the TED community more than anybody else.
409
1162731
3194
в особенности, я думаю, члены сообщества TED.
19:25
But even blue-collar workers; I think you can go to your hotel maid
410
1165949
3559
Даже «синие воротнички»; я думаю, если вы пойдёте к вашей горничной в отеле
19:29
and have a drink with him or her,
411
1169532
2402
и выпьете с ним или с ней,
19:31
and an hour later, you find a creative idea.
412
1171958
2717
то час спустя у вас возникнет творческая идея.
19:34
What this will empower is to turn this creativity into action.
413
1174699
4140
ИИ даст нам возможность превратить это творчество в действие.
19:39
Like, what if you could build Google in a day?
414
1179265
3442
Например, что, если бы вы смогли построить Google за один день?
19:43
What if you could sit over beer and invent the next Snapchat,
415
1183221
3316
Или, сидя за кружкой пива, вы смогли бы изобрести очередной Snapchat,
19:46
whatever it is,
416
1186561
1165
или что-нибудь подобное,
19:47
and tomorrow morning it's up and running?
417
1187750
2187
и завтра утром это заработало бы?
19:49
And that is not science fiction.
418
1189961
1773
И это не научная фантастика.
19:51
What's going to happen is,
419
1191758
1254
Вот что произойдёт:
19:53
we are already in history.
420
1193036
1867
мы уже оставили след в истории.
19:54
We've unleashed this amazing creativity
421
1194927
3228
Мы высвободили этот замечательный творческий потенциал
19:58
by de-slaving us from farming
422
1198179
1611
путём ухода из-под ига фермерства
19:59
and later, of course, from factory work
423
1199814
3363
и потом, конечно, от работы на фабриках.
20:03
and have invented so many things.
424
1203201
3162
Мы изобрели так много вещей.
20:06
It's going to be even better, in my opinion.
425
1206387
2178
По моему мнению, всё идёт к лучшему.
20:08
And there's going to be great side effects.
426
1208589
2072
Но также будут и большие побочные эффекты.
20:10
One of the side effects will be
427
1210685
1489
Один из них — в том,
20:12
that things like food and medical supply and education and shelter
428
1212198
4795
что такие вещи, как питание, медицина, образование, жильё
20:17
and transportation
429
1217017
1177
и транспорт —
20:18
will all become much more affordable to all of us,
430
1218218
2441
все они будут намного более доступными для всех нас,
20:20
not just the rich people.
431
1220683
1322
а не только для богатых.
20:22
CA: Hmm.
432
1222029
1182
КА: Хмм.
20:23
So when Martin Ford argued, you know, that this time it's different
433
1223235
4341
Хотя Мартин Форд утверждал, что на этот раз происходит что-то другое,
20:27
because the intelligence that we've used in the past
434
1227600
3453
потому что интеллекту, которым мы пользовались раньше,
20:31
to find new ways to be
435
1231077
2483
чтобы найти новые пути бытия,
20:33
will be matched at the same pace
436
1233584
2279
будет соответствовать искусственный интеллект
20:35
by computers taking over those things,
437
1235887
2291
компьютеров, овладевающих теми же вещами,
20:38
what I hear you saying is that, not completely,
438
1238202
3078
вы сейчас говорите, что это не вполне так,
20:41
because of human creativity.
439
1241304
2951
поскольку у людей есть творческий потенциал.
20:44
Do you think that that's fundamentally different from the kind of creativity
440
1244279
3785
Вы думаете, что он фундаментально отличается от творчества,
20:48
that computers can do?
441
1248088
2696
которое по силам компьютерам?
20:50
ST: So, that's my firm belief as an AI person --
442
1250808
4434
СТ: Как человек ИИ, я твёрдо уверен в том,
20:55
that I haven't seen any real progress on creativity
443
1255266
3803
что я никогда не видел никакого реального прогресса в творчестве
20:59
and out-of-the-box thinking.
444
1259949
1407
и нестандартном мышлении.
21:01
What I see right now -- and this is really important for people to realize,
445
1261380
3623
То, что то я вижу сейчас — и важно, чтобы люди это поняли,
21:05
because the word "artificial intelligence" is so threatening,
446
1265027
2903
потому что фраза «искусственный интеллект» столь угрожающая,
21:07
and then we have Steve Spielberg tossing a movie in,
447
1267954
2523
и когда Стивен Спилберг подбрасывает нам фильм,
21:10
where all of a sudden the computer is our overlord,
448
1270501
2413
где вдруг компьютер является нашим господином, —
21:12
but it's really a technology.
449
1272938
1452
но это, фактически, технология.
21:14
It's a technology that helps us do repetitive things.
450
1274414
2982
Это технология, которая помогает нам делать повторяющиеся вещи.
21:17
And the progress has been entirely on the repetitive end.
451
1277420
2913
И прогресс был только в повторяющихся действиях.
21:20
It's been in legal document discovery.
452
1280357
2228
Был прогресс в поиске юридических документов.
21:22
It's been contract drafting.
453
1282609
1680
В составлении набросков договоров.
21:24
It's been screening X-rays of your chest.
454
1284313
4223
В рентгеновской съёмке вашей грудной клетки.
21:28
And these things are so specialized,
455
1288560
1773
Эти вещи очень специализированны.
21:30
I don't see the big threat of humanity.
456
1290357
2391
Я не вижу в этом большой угрозы для человечества.
21:32
In fact, we as people --
457
1292772
1794
На деле мы как люди —
21:34
I mean, let's face it: we've become superhuman.
458
1294590
2385
давайте признаем это: мы стали свехлюдьми.
21:36
We've made us superhuman.
459
1296999
1764
Мы сделали себя сверхлюдьми.
21:38
We can swim across the Atlantic in 11 hours.
460
1298787
2632
Мы можем переплыть Атлантику за 11 часов.
21:41
We can take a device out of our pocket
461
1301443
2074
Мы можем взять устройство из нашего кармана
21:43
and shout all the way to Australia,
462
1303541
2147
и докричаться до самой Австралии,
21:45
and in real time, have that person shouting back to us.
463
1305712
2600
и в реальном времени мы услышим в ответ чей-то крик.
21:48
That's physically not possible. We're breaking the rules of physics.
464
1308336
3624
Физически это невозможно. Мы нарушаем законы физики.
21:51
When this is said and done, we're going to remember everything
465
1311984
2943
В конце концов мы сможем запомнить всё
21:54
we've ever said and seen,
466
1314951
1213
сказанное и виденное нами;
21:56
you'll remember every person,
467
1316188
1496
вы запомните каждого человека,
21:57
which is good for me in my early stages of Alzheimer's.
468
1317708
2626
и это хорошо при моей ранней стадии болезни Альцгеймера.
22:00
Sorry, what was I saying? I forgot.
469
1320358
1677
Извините, о чём я говорил? Я забыл.
22:02
CA: (Laughs)
470
1322059
1578
КА: (Смеется)
22:03
ST: We will probably have an IQ of 1,000 or more.
471
1323661
3077
СТ: У нас, возможно, будет IQ 1 000 и более баллов.
22:06
There will be no more spelling classes for our kids,
472
1326762
3425
Не будет больше занятий по правописанию для наших детей,
22:10
because there's no spelling issue anymore.
473
1330211
2086
потому что больше не будет с этим проблем.
22:12
There's no math issue anymore.
474
1332321
1832
Больше не будет проблем с математикой.
22:14
And I think what really will happen is that we can be super creative.
475
1334177
3510
Думаю, случится то, что мы сможем быть сверхтворческими людьми.
22:17
And we are. We are creative.
476
1337711
1857
И мы таковы. Мы — творческие люди.
22:19
That's our secret weapon.
477
1339592
1552
Это наше секретное оружие.
22:21
CA: So the jobs that are getting lost,
478
1341168
2153
КА: Итак, исчезающие рабочие места,
22:23
in a way, even though it's going to be painful,
479
1343345
2494
в какой-то степени, даже если это будет болезненно,
22:25
humans are capable of more than those jobs.
480
1345863
2047
люди способны на большее, чем такой труд.
22:27
This is the dream.
481
1347934
1218
Это мечта.
22:29
The dream is that humans can rise to just a new level of empowerment
482
1349176
4247
Мечта о том, что люди могут подняться на новый уровень возможностей
22:33
and discovery.
483
1353447
1657
и открытий.
22:35
That's the dream.
484
1355128
1452
Это мечта.
22:36
ST: And think about this:
485
1356604
1643
СТ: И подумайте об этом:
22:38
if you look at the history of humanity,
486
1358271
2021
если вы взглянете на историю человечества
22:40
that might be whatever -- 60-100,000 years old, give or take --
487
1360316
3328
длиной что-то вроде 60–100 тысяч лет, —
22:43
almost everything that you cherish in terms of invention,
488
1363668
3726
почти всё, что вы лелеете в отношении изобретений,
22:47
of technology, of things we've built,
489
1367418
2151
технологии, созданных нами вещей,
22:49
has been invented in the last 150 years.
490
1369593
3099
было изобретено за последние 150 лет.
22:53
If you toss in the book and the wheel, it's a little bit older.
491
1373756
3048
Если вы возьмёте книгу или колесо, они чуть постарше.
22:56
Or the axe.
492
1376828
1169
Или топор.
22:58
But your phone, your sneakers,
493
1378021
2790
Но ваш телефон, кроссовки,
23:00
these chairs, modern manufacturing, penicillin --
494
1380835
3551
эти стулья, современное производство, пенициллин —
23:04
the things we cherish.
495
1384410
1714
то, что мы ценим.
23:06
Now, that to me means
496
1386148
3658
Это означает для меня,
23:09
the next 150 years will find more things.
497
1389830
3041
что в следующие 150 лет мы найдём больше вещей.
23:12
In fact, the pace of invention has gone up, not gone down, in my opinion.
498
1392895
4154
На деле скорость изобретений выросла, а не уменьшилась, по моему мнению.
23:17
I believe only one percent of interesting things have been invented yet. Right?
499
1397073
4905
Я верю, что изобретён только один процент интересных вещей, так?
23:22
We haven't cured cancer.
500
1402002
1988
Мы не излечили рак.
23:24
We don't have flying cars -- yet. Hopefully, I'll change this.
501
1404014
3718
У нас ещё нет летающих автомобилей — пока. Я надеюсь, я изменю это.
23:27
That used to be an example people laughed about. (Laughs)
502
1407756
3257
Это было примером, над которым люди смеялись. (Смеётся)
23:31
It's funny, isn't it? Working secretly on flying cars.
503
1411037
2992
Забавно, не правда ли? Втайне работать над летающими машинами.
23:34
We don't live twice as long yet. OK?
504
1414053
2683
Мы пока ещё не живём в два раза дольше, не так ли?
23:36
We don't have this magic implant in our brain
505
1416760
2785
В нашем мозгу пока нет этого волшебного импланта,
23:39
that gives us the information we want.
506
1419569
1832
который даёт искомую информацию.
23:41
And you might be appalled by it,
507
1421425
1526
И вы можете ужасаться этому,
23:42
but I promise you, once you have it, you'll love it.
508
1422975
2444
но я вам обещаю, получив его, вы сразу его полюбите.
23:45
I hope you will.
509
1425443
1166
Я надеюсь на это.
23:46
It's a bit scary, I know.
510
1426633
1909
Я знаю, это немного страшно.
23:48
There are so many things we haven't invented yet
511
1428566
2254
Мы ещё не изобрели так много вещей —
23:50
that I think we'll invent.
512
1430844
1268
думаю, мы их изобретём.
23:52
We have no gravity shields.
513
1432136
1306
Нет экранов от гравитации.
23:53
We can't beam ourselves from one location to another.
514
1433466
2553
Мы не можем перенестись от одного места к другому.
23:56
That sounds ridiculous,
515
1436043
1151
Это звучит смешно,
23:57
but about 200 years ago,
516
1437218
1288
но около двухсот лет назад
23:58
experts were of the opinion that flight wouldn't exist,
517
1438530
2667
учёные верили в то, что полёт будет невозможен,
24:01
even 120 years ago,
518
1441221
1324
даже 120 лет назад,
24:02
and if you moved faster than you could run,
519
1442569
2582
и если вы будете двигаться быстрее, чем можете бежать,
24:05
you would instantly die.
520
1445175
1520
вы тотчас умрёте.
24:06
So who says we are correct today that you can't beam a person
521
1446719
3569
И кто сказал, что мы правы сегодня, что нельзя телепортировать человека
24:10
from here to Mars?
522
1450312
2249
отсюда на Марс?
24:12
CA: Sebastian, thank you so much
523
1452585
1569
КА: Большое спасибо, Себастьян,
24:14
for your incredibly inspiring vision and your brilliance.
524
1454178
2682
за ваше невероятно вдохновляющее видение и ваш талант.
24:16
Thank you, Sebastian Thrun.
525
1456884
1323
Спасибо, Себастьян Трун.
24:18
That was fantastic. (Applause)
526
1458231
1895
Это было потрясающе. (Аплодисменты)
Об этом сайте

Этот сайт познакомит вас с видеороликами YouTube, полезными для изучения английского языка. Вы увидите уроки английского языка, преподаваемые высококлассными учителями со всего мира. Дважды щелкните по английским субтитрам, отображаемым на каждой странице видео, чтобы воспроизвести видео оттуда. Субтитры прокручиваются синхронно с воспроизведением видео. Если у вас есть какие-либо комментарии или пожелания, пожалуйста, свяжитесь с нами, используя эту контактную форму.

https://forms.gle/WvT1wiN1qDtmnspy7