How AI can bring on a second Industrial Revolution | Kevin Kelly

340,981 views ・ 2017-01-12

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

00:00
Translator: Leslie Gauthier Reviewer: Camille Martínez
0
0
7000
Translator: Pongsathon Wanittanom Reviewer: Pakasai Ploysangsai
00:14
I'm going to talk a little bit about where technology's going.
1
14966
3817
ผมกำลังจะพูดถึงเกี่ยวกับอนาคตของเทคโนโลยี
00:19
And often technology comes to us,
2
19509
2671
บ่อยครั้งเมื่อเทคโนโลยีนั้นเดินทางมาถึง
00:22
we're surprised by what it brings.
3
22566
1865
เรามักจะประหลาดใจกับสิ่งที่เกิดขึ้น
00:24
But there's actually a large aspect of technology
4
24455
3683
แต่ที่จริงแล้วในหลายๆมุมมองของเทคโนโลยี
เราสามารถคาดเดาได้
00:28
that's much more predictable,
5
28162
1802
00:29
and that's because technological systems of all sorts have leanings,
6
29988
4088
เทคโนโลยีประกอบด้วยการลดความสูญเปล่า
มีความเร่งรีบ
00:34
they have urgencies,
7
34100
1175
00:35
they have tendencies.
8
35299
1561
มีแนวโน้ม
00:36
And those tendencies are derived from the very nature of the physics,
9
36884
4932
สิ่งเหล่านั้นก็มาจากธรรมชาติของฟิสิกส์
00:41
chemistry of wires and switches and electrons,
10
41840
3150
เกี่ยวกับขดลวด, สวิตซ์, และอิเล็คตรอน
00:45
and they will make reoccurring patterns again and again.
11
45659
3602
และมันจะเกิดสิ่งเหล่านี้ขึ้นซ้ำเรื่อยๆ
00:49
And so those patterns produce these tendencies, these leanings.
12
49745
4874
รูปแบบจะทำให้เกิดจุดประสงค์,ลดความสูญเปล่า
00:54
You can almost think of it as sort of like gravity.
13
54643
2831
คุณสามารถเปรียบเทียบกับแรงโน้มถ่วง
00:57
Imagine raindrops falling into a valley.
14
57498
2319
ลองคิดถึงฝนตกท่ามกลางหุบเขา
00:59
The actual path of a raindrop as it goes down the valley
15
59841
3088
เส้นทางที่แน่นอนของสายฝนที่ตกลงในหุบเขา
01:02
is unpredictable.
16
62953
1169
ไม่สามารถคาดเดาได้
01:04
We cannot see where it's going,
17
64651
1518
เราไม่สามารถมองเห็นว่าสายฝนเดินทางยังไง
01:06
but the general direction is very inevitable:
18
66193
2277
แต่เรารู้แน่นอนว่า
01:08
it's downward.
19
68494
1234
01:10
And so these baked-in tendencies and urgencies
20
70377
4572
สายฝนต้องตกลงสู่เบื้องล่าง
01:14
in technological systems
21
74973
1476
นำไปสู่แนวโน้มและความเร่งด่วน
ในระบบของเทคโนโลยี
01:17
give us a sense of where things are going at the large form.
22
77051
3609
เราสามารถคาดเดาทิศทางได้ ในภาพใหญ่
01:21
So in a large sense,
23
81149
1401
01:22
I would say that telephones were inevitable,
24
82574
3361
ยกตัวอย่างเช่น
โทรศัพท์เป็นสิ่งที่หลีกเลี่ยงไม่ได้
แต่ไม่ใช่ Iphone
01:27
but the iPhone was not.
25
87005
1342
อินเตอร์เน็ตเป็นสิ่งที่หลีกเลี่ยงไม่ได้
01:29
The Internet was inevitable,
26
89094
1478
แต่ไม่ใช่ทวิตเตอร์
01:31
but Twitter was not.
27
91274
1286
01:33
So we have many ongoing tendencies right now,
28
93036
3928
ดังนั้นเรามีแนวโน้มที่จะเกิดหลายสิ่งตอนนี้
01:36
and I think one of the chief among them
29
96988
2720
และสิ่งที่สำคัญที่สุดสิ่งหนึ่ง
01:39
is this tendency to make things smarter and smarter.
30
99732
3722
คือแนวโน้มที่สิ่งของทุกอย่างจะฉลาดขึ้น
ผมเรียกมันว่าการทำให้มีความรู้สึกนึกคิด
01:44
I call it cognifying -- cognification --
31
104041
2212
01:46
also known as artificial intelligence, or AI.
32
106783
2782
หรือเรียกกันว่าปัญญาประดิษฐ์หรือ AI
01:50
And I think that's going to be one of the most influential developments
33
110025
3746
ผมคิดว่ามันจะเป็นการพัฒนาที่มีอิทธิพลมาก
01:53
and trends and directions and drives in our society in the next 20 years.
34
113795
5575
และจะชี้นำเราไปในอีก 20 ปีข้างหน้า
02:00
So, of course, it's already here.
35
120021
1985
อันที่จริง มันอยู่ที่นี่แล้ว
02:02
We already have AI,
36
122030
2204
เรามี AI อยู่ทุกที่แล้ว
02:04
and often it works in the background,
37
124258
2398
02:06
in the back offices of hospitals,
38
126680
1586
โดยส่วนมากพวกมันทำงานเบื้องหลัง
อย่างเช่นในโรงพยาบาล
02:08
where it's used to diagnose X-rays better than a human doctor.
39
128290
4686
AI สามารถอ่านเอ็กซเรย์ได้ดีว่าแพทย์
02:13
It's in legal offices,
40
133000
1726
ในสำนักงานทนายความ
02:14
where it's used to go through legal evidence
41
134750
2368
ที่ AI สามารถรวบรวมหลักฐานคดี
02:17
better than a human paralawyer.
42
137142
1855
ได้ดีกว่าผู้ช่วยทนายความ
02:19
It's used to fly the plane that you came here with.
43
139506
3656
มันถูกใช้ขับเครื่องบินที่พาพวกคุณมาที่นี่
02:24
Human pilots only flew it seven to eight minutes,
44
144165
2381
นักบินจะควบคุมเครื่องบินแค่ 7-8 นาที
02:26
the rest of the time the AI was driving.
45
146570
1953
ส่วนที่เหลือจะถูกควบคุมด้วย AI
02:28
And of course, in Netflix and Amazon,
46
148547
2173
และแน่นอน, Netflix และ Amazon
02:30
it's in the background, making those recommendations.
47
150744
2530
มี AI คอยแนะนำสินค้า
02:33
That's what we have today.
48
153298
1261
นี่คือสิ่งที่เรามีในขณะนี้
02:34
And we have an example, of course, in a more front-facing aspect of it,
49
154583
4801
และเรายังมีตัวอย่างของความสามารถของ AI ที่อยู่เบื้องหน้ามากขึ้น
เช่น AlphaGo ชนะแชมป์หมากล้อมระดับโลกได้
02:39
with the win of the AlphaGo, who beat the world's greatest Go champion.
50
159408
6629
02:46
But it's more than that.
51
166478
4053
ยิ่งไปกว่านั้น
หากคุณเล่นวิดีโอเกมส์ คุณกำลังเล่นกับ AI
02:50
If you play a video game, you're playing against an AI.
52
170555
2642
เร็วๆนี้ Google สอน AI
02:53
But recently, Google taught their AI
53
173221
4538
ให้สามารถเรียนรู้วิธีการเล่นเกมส์
02:57
to actually learn how to play video games.
54
177783
2412
03:00
Again, teaching video games was already done,
55
180686
2709
การสอนให้เล่นเกมส์ได้เกิดขึ้นแล้ว
03:03
but learning how to play a video game is another step.
56
183419
3897
การสอนให้เล่นเกมส์ถือเป็นอีกขั้น
ในความฉลาดของปัญญาประดิษฐ์
03:07
That's artificial smartness.
57
187340
1678
ที่เรากำลังทำคือทำให้ปัญญาประดิษฐ์เหล่านี้
03:10
What we're doing is taking this artificial smartness
58
190571
4522
03:15
and we're making it smarter and smarter.
59
195117
2423
ฉลาดขึ้นและฉลาดขึ้น
03:18
There are three aspects to this general trend
60
198710
3895
มีสามอย่างเกี่ยวกับแนวโน้มเหล่านี้
03:22
that I think are underappreciated;
61
202629
1689
ที่ผมคิดว่าถูกให้คุณค่าน้อยไป
03:24
I think we would understand AI a lot better
62
204342
2277
ผมคิดว่าเราจะสามารถเข้าใจ AI ได้ดีขึ้น
03:26
if we understood these three things.
63
206643
2301
ถ้าหากเราเข้าใจสามสิ่งนี้
03:28
I think these things also would help us embrace AI,
64
208968
3283
ผมคิดว่า 3 สิ่งเหล่านี้จะช่วย ให้เรายอมรับ AI
03:32
because it's only by embracing it that we actually can steer it.
65
212275
3008
เพราะการยอมรับเท่านั้น ที่จะสามารถควบคุมทิศทางมันได้
03:35
We can actually steer the specifics by embracing the larger trend.
66
215887
3157
เราสามารถควบคุมทิศทางรายละเอียดได้ โดยยอมรับเทรนด์ภาพใหญ่
03:39
So let me talk about those three different aspects.
67
219467
2979
ดังนั้น ผมจะพูดถึงสามสิ่งที่กล่าวมา
03:42
The first one is: our own intelligence has a very poor understanding
68
222470
3673
อย่างแรกก็คือ: ความฉลาดของเรา ยังเข้าใจน้อยมาก
03:46
of what intelligence is.
69
226167
1490
ว่าจริงๆแล้ว อะไรคือความฉลาด
03:48
We tend to think of intelligence as a single dimension,
70
228110
3653
เรามักจะคิดถึงความฉลาดแค่เพียงหนึ่งมิติ
03:51
that it's kind of like a note that gets louder and louder.
71
231787
2750
เหมือนกับโน้ตตัวเดียวแต่เพิ่มความดังขึ้น
03:54
It starts like with IQ measurement.
72
234561
2607
เหมือนกับการวัด IQ
03:57
It starts with maybe a simple low IQ in a rat or mouse,
73
237192
4092
มันเริ่มมาจากการพบว่าหนูมี IQ ต่ำ
04:01
and maybe there's more in a chimpanzee,
74
241308
2134
และสูงขึ้นในลิงชิมแปนซี
04:03
and then maybe there's more in a stupid person,
75
243887
2191
สูงขึ้นไปอีกในคนโง่
และต่อมาก็เป็นคนกลางๆอย่างผม
04:06
and then maybe an average person like myself,
76
246102
2096
04:08
and then maybe a genius.
77
248222
1290
และต่อมาก็เป็นคนที่อัจฉริยะ
04:09
And this single IQ intelligence is getting greater and greater.
78
249536
4433
และ IQ อย่างเดียวก็จะสูงขึ้นๆ
04:14
That's completely wrong.
79
254516
1151
มันเป็นสิ่งที่ผิดที่สุด
04:15
That's not what intelligence is -- not what human intelligence is, anyway.
80
255691
3608
สิ่งเหล่านี้ไม่ใช่ความฉลาดของมนุษย์
04:19
It's much more like a symphony of different notes,
81
259673
4506
ความฉลาดคล้ายเพลงที่มีการผสานของโน้ตต่างๆ
04:24
and each of these notes is played on a different instrument of cognition.
82
264203
3609
โน้ตต่างๆถูกบรรเลงด้วยเครื่องมือ ของการรับรู้สารที่ต่างกัน
04:27
There are many types of intelligences in our own minds.
83
267836
3701
มีความฉลาดหลายด้านในความสามารถของเรา
04:31
We have deductive reasoning,
84
271561
3048
เรามีการให้เหตุผลแบบนิรนัย
04:34
we have emotional intelligence,
85
274633
2221
เรามีความฉลาดทางอารมณ์
04:36
we have spatial intelligence;
86
276878
1393
เรามีความฉลาดด้านมิติสัมพันธ์
04:38
we have maybe 100 different types that are all grouped together,
87
278295
4021
เรามีความฉลาดอาจถึง 100 ด้านที่เกี่ยวข้อง
04:42
and they vary in different strengths with different people.
88
282340
3905
และแต่ละคนก็มีจุดแข็งในแต่ละด้านแตกต่างกัน
04:46
And of course, if we go to animals, they also have another basket --
89
286269
4526
หากเรามองไปยังสัตว์อื่น พวกมันก็มีความฉลาด
04:50
another symphony of different kinds of intelligences,
90
290819
2541
ที่มีความแตกต่างจากความฉลาดของมนุษย์
04:53
and sometimes those same instruments are the same that we have.
91
293384
3566
และบางด้านก็เหมือนกับความฉลาดที่เรามี
04:56
They can think in the same way, but they may have a different arrangement,
92
296974
3561
พวกมันคิดสิ่งที่เหมือนเรา แต่มีการจัดเรียงที่แตกต่างออกไป
05:00
and maybe they're higher in some cases than humans,
93
300559
2467
และเหนือกว่ามนุษย์ในบางด้าน
อย่างเช่นความจำระยะยาวของกระรอก
05:03
like long-term memory in a squirrel is actually phenomenal,
94
303050
2837
05:05
so it can remember where it buried its nuts.
95
305911
2287
ที่สามารถจำได้ว่าพวกมันฝังลูกนัทไว้ที่ใด
05:08
But in other cases they may be lower.
96
308222
1987
แต่ในด้านอื่นพวกมั้นก็ด้อยกว่าเรา
05:10
When we go to make machines,
97
310233
2730
เมื่อเราจะสร้างปัญญาประดิษฐ์
05:12
we're going to engineer them in the same way,
98
312987
2196
เรากำลังจะสร้างมันในทิศทางเดียวกัน
05:15
where we'll make some of those types of smartness much greater than ours,
99
315207
5010
ที่เราจะสร้างให้มันฉลาดกว่าเรามากในบางด้าน
05:20
and many of them won't be anywhere near ours,
100
320241
2571
และจำนวนมากอาจจะ ไม่ใกล้เคียงมนุษย์เลย
05:22
because they're not needed.
101
322836
1544
เพราะมันไม่จำเป็นต้องเหมือน
05:24
So we're going to take these things,
102
324404
2203
ดังนั้นเรากำลังจะสร้างสิ่งเหล่านี้
05:26
these artificial clusters,
103
326631
2081
กลุ่มของ AI เหล่านี้
05:28
and we'll be adding more varieties of artificial cognition to our AIs.
104
328736
5362
เรากำลังเพิ่มความหลากหลายทางความคิดให้ AI.
05:34
We're going to make them very, very specific.
105
334507
4071
และเราจะทำให้มันจำเพาะเจาะจงมากขึ้น
05:38
So your calculator is smarter than you are in arithmetic already;
106
338602
6542
เครื่องคิดเลขฉลาดเรื่องพีชคณิตกว่าเราแล้ว
GPS ก็ฉลาดกว่าเราในด้านมิติสัมพันธ์
05:45
your GPS is smarter than you are in spatial navigation;
107
345168
3697
05:49
Google, Bing, are smarter than you are in long-term memory.
108
349337
4258
Google, Bing มีความจำระยะยาวดีกว่าเรา
05:54
And we're going to take, again, these kinds of different types of thinking
109
354339
4530
และเรากำลังจะทำความคิดที่ต่างกัน
05:58
and we'll put them into, like, a car.
110
358893
1933
และใส่มันลงไปในสิ่งของ เช่น รถยนต์
06:00
The reason why we want to put them in a car so the car drives,
111
360850
3057
ด้วยเหตุผลให้มันขับรถแทนเรา
06:03
is because it's not driving like a human.
112
363931
2302
และด้วยเหตุผลที่มันขับรถไม่เหมือนมนุษย์
06:06
It's not thinking like us.
113
366257
1396
มันไม่มีความคิดเหมือนพวกเรา
06:07
That's the whole feature of it.
114
367677
1920
และนี่คือคุณสมบัติของมันทั้งหมด
06:09
It's not being distracted,
115
369621
1535
มันไม่ถูกทำให้ไขว้เขว
06:11
it's not worrying about whether it left the stove on,
116
371180
2754
ไม่กังวลเกี่ยวกับว่าลืมปิดเตาไฟฟ้าหรือไม่
06:13
or whether it should have majored in finance.
117
373958
2138
หรือไม่ต้องคิดว่ามันควรจะเรียนการเงินไหม
มันแค่ขับรถ
06:16
It's just driving.
118
376120
1153
06:17
(Laughter)
119
377297
1142
(หัวเราะ)
06:18
Just driving, OK?
120
378463
1841
แค่ขับรถ, ok?
06:20
And we actually might even come to advertise these
121
380328
2937
และอันที่จริงเราอาจโฆษณาได้ว่า
06:23
as "consciousness-free."
122
383289
1545
ปราศจากความตระหนักรู้
06:24
They're without consciousness,
123
384858
1774
พวกมันทำงานโดยไม่มีความตระหนักรู้
06:26
they're not concerned about those things,
124
386656
2104
พวกมันไม่กังวลเกี่ยวกับสิ่งต่างๆ
06:28
they're not distracted.
125
388784
1156
และไม่ถูกทำให้ไขว้เขว
06:29
So in general, what we're trying to do
126
389964
2966
โดยรวมแล้ว สิ่งที่เรากำลังพยายามทำ
06:32
is make as many different types of thinking as we can.
127
392954
4500
คือสร้างการคิดที่แตกต่างหลายๆแบบ ให้มากที่สุดเท่าที่ทำได้
06:37
We're going to populate the space
128
397804
2083
เรากำลังเดินทางเข้าไปยังที่ว่าง
06:39
of all the different possible types, or species, of thinking.
129
399911
4159
ของความแตกต่างของทุกสายพันธ์ุและความคิด
อาจจะมีปัญหาบางปัญหา
06:44
And there actually may be some problems
130
404094
2068
06:46
that are so difficult in business and science
131
406186
2800
ที่ยากมากๆ ในด้านธุรกิจและวิทยาศาสตร์
ปัญหาที่ปัญญาของมนุษย์ไม่สามารถหาทางออกได้
06:49
that our own type of human thinking may not be able to solve them alone.
132
409010
4042
เราต้องการการทำงานสองขั้น
06:53
We may need a two-step program,
133
413076
1992
ซึ่งจะนำไปสู่การคิดค้นรูปแบบความคิดใหม่
06:55
which is to invent new kinds of thinking
134
415092
4203
06:59
that we can work alongside of to solve these really large problems,
135
419692
3734
ที่เราสามารถทำงานไปควบคู่เพื่อแก้ปัญหา
07:03
say, like dark energy or quantum gravity.
136
423450
2918
เช่น พลังงานมืดหรือความโน้มช่วงเชิงควอนตัม
ที่เราจะทำคือสร้างคือสร้าง AI ที่ฉลาดมากๆ
07:08
What we're doing is making alien intelligences.
137
428496
2646
อาจทำให้คุณนึกถึงการสร้างเอเลี่ยน
07:11
You might even think of this as, sort of, artificial aliens
138
431166
4069
07:15
in some senses.
139
435259
1207
ในบางความรู้สึก
07:16
And they're going to help us think different,
140
436490
2300
และพวกมันจะช่วยทำเราการคิดในมุมที่แตกต่าง
07:18
because thinking different is the engine of creation
141
438814
3632
เพราะการคิดต่างนั้นคือ เครื่องจักรของการสร้างสรรค์
07:22
and wealth and new economy.
142
442470
1867
ความมั่งคั่งและระบบเศรษฐกิจแบบใหม่
07:25
The second aspect of this is that we are going to use AI
143
445835
4923
มุมมองอย่างที่สองคือ เรากำลังจะใช้ AI
07:30
to basically make a second Industrial Revolution.
144
450782
2950
ทำให้เกิดการปฏิวัติอุตสาหกรรมครั้งที่สอง
การปฏิวัติอุตสาหกรรมครั้งแรกมาจากว่า
07:34
The first Industrial Revolution was based on the fact
145
454135
2773
07:36
that we invented something I would call artificial power.
146
456932
3462
เราสร้างสิ่งที่ผมเรียกว่ากำลังประดิษฐ์
07:40
Previous to that,
147
460879
1150
ก่อนหน้านั้น
ในช่วงการปฏิวัติเกษตรกรรม
07:42
during the Agricultural Revolution,
148
462053
2034
ทุกอย่างถูกสร้างโดยพลังกล้ามเนื้อของมนุษย์
07:44
everything that was made had to be made with human muscle
149
464111
3702
07:47
or animal power.
150
467837
1307
หรือพลังที่มาจากสัตว์
07:49
That was the only way to get anything done.
151
469565
2063
นั้นเป็นวิธีเดียวที่จะทำให้ทุกอย่างสำเร็จ
07:51
The great innovation during the Industrial Revolution was,
152
471652
2945
นวัตกรรมสำคัญในช่วงปฏิวัติอุตสาหกรรมคือ
07:54
we harnessed steam power, fossil fuels,
153
474621
3109
เราใช้พลังงานไอน้ำและเชื้อเพลิงฟอสซิล
07:57
to make this artificial power that we could use
154
477754
3856
เพื่อสร้างพลังงานที่เราสามารถนำไปใช้
08:01
to do anything we wanted to do.
155
481634
1669
ทำในสิ่งที่เราต้องการจะทำ
08:03
So today when you drive down the highway,
156
483327
2772
ดังนั้นตอนนี้เมื่อเราขับรถไปบนถนน
08:06
you are, with a flick of the switch, commanding 250 horses --
157
486571
4525
แค่คุณกดสวิตซ์ก็เหมือนควบคุมม้า 250 ตัว
250 แรงม้า
08:11
250 horsepower --
158
491120
1572
08:12
which we can use to build skyscrapers, to build cities, to build roads,
159
492716
4692
ที่เราใช้มันสร้างตึกระฟ้า, เมือง, หรือถนน
08:17
to make factories that would churn out lines of chairs or refrigerators
160
497432
5789
สร้างโรงงานเพื่อสร้างเก้าอี้หรือตู้เย็น
08:23
way beyond our own power.
161
503245
1654
ในวิธีที่เหนือกว่าพลังของเราเอง
08:24
And that artificial power can also be distributed on wires on a grid
162
504923
6111
และเรายังสามารถกระจายพลังงานไปตามสายไฟ บนระบบไฟฟ้า
ไปยังทุกบ้าน, โรงงาน, ฟาร์มต่างๆ
08:31
to every home, factory, farmstead,
163
511058
3199
08:34
and anybody could buy that artificial power,
164
514281
4191
และทุกคนสามารถซื้อหาพลังงานเหล่านั้นได้
08:38
just by plugging something in.
165
518496
1472
แค่เสียบสายของอุปกรณ์เข้าไป
08:39
So this was a source of innovation as well,
166
519992
2439
ดังนั้นนวัตกรรมเหล่านี้เช่นกัน
08:42
because a farmer could take a manual hand pump,
167
522455
3418
เพราะเกษตรกรสามารถนำปั๊มน้ำแบบปั๊มมือ
08:45
and they could add this artificial power, this electricity,
168
525897
2916
แล้วใส่กำลังประดิษฐ์ หรือไฟฟ้าเข้าไป
08:48
and he'd have an electric pump.
169
528837
1497
และเขาก็ได้ใช้ปั๊มน้ำไฟฟ้า
08:50
And you multiply that by thousands or tens of thousands of times,
170
530358
3318
คุณลองคูณพันหรือหมื่่นเข้าไปในสิ่งเหล่านี้
08:53
and that formula was what brought us the Industrial Revolution.
171
533700
3159
และนั่นจะเป็นสูตรที่นำมาสู่ การปฏิวัติอุตสาหกรรม
08:56
All the things that we see, all this progress that we now enjoy,
172
536883
3585
ทุกอย่างที่เราเห็น ทุกความก้าวหน้าที่เราเพลิดเพลินกับมัน
09:00
has come from the fact that we've done that.
173
540492
2063
มาจากความจริงที่ว่า เราทำมันขึ้นมา
09:02
We're going to do the same thing now with AI.
174
542579
2348
เรากำลังจะทำสิ่งเดียวกันกับ AI
09:04
We're going to distribute that on a grid,
175
544951
2075
เรากำลังจะแจกจ่ายมันเหมือนระบบไฟฟ้า
ตอนนี้คุณมีปั๊มน้ำไฟฟ้า
09:07
and now you can take that electric pump.
176
547050
2374
09:09
You can add some artificial intelligence,
177
549448
2968
คุณสามารถใส่ระบบ AI เข้าไป
09:12
and now you have a smart pump.
178
552440
1481
แล้วก็จะได้ปั๊มน้ำที่มีความฉลาด
09:13
And that, multiplied by a million times,
179
553945
1928
และเมื่อคูณเข้าไปล้านเท่า
09:15
is going to be this second Industrial Revolution.
180
555897
2363
ก็จะนำไปสู่การปฏิวัติอุตสาหกรรมครั้งที่สอง
09:18
So now the car is going down the highway,
181
558284
2382
ดังนั้นตอนนี้เมื่อรถขับไปบนถนน
09:20
it's 250 horsepower, but in addition, it's 250 minds.
182
560690
4294
มันใช้กำลัง 250 แรงม้า แต่นอกจากนั้น จะต้องใช้ 250 ความคิด
นั้นคือรถที่ควบคุมโดยระบบอัตโนมัติ
09:25
That's the auto-driven car.
183
565008
1769
09:26
It's like a new commodity;
184
566801
1389
มันก็เหมือนของใช้แบบใหม่
09:28
it's a new utility.
185
568214
1303
มันคือเครื่องมือใหม่
09:29
The AI is going to flow across the grid -- the cloud --
186
569541
3041
AI กำลังจะอยู่ไปทุกหนแห่งบนระบบ cloud
09:32
in the same way electricity did.
187
572606
1567
เหมือนที่ไฟฟ้าอยู่ตามสายไฟฟ้า
09:34
So everything that we had electrified,
188
574197
2380
ทุกอย่างที่ทำงานด้วยไฟฟ้าได้
09:36
we're now going to cognify.
189
576601
1723
เรากำลังทำให้มันมีความรู้สึกนึกคิด
09:38
And I would suggest, then,
190
578693
1385
และผมเป็นหนี้ต่อ Jeff
เมื่อใช้สูตรเหล่านั้นกับอีกหมื่น start-ups
09:40
that the formula for the next 10,000 start-ups
191
580102
3732
09:43
is very, very simple,
192
583858
1162
มันง่ายมากๆ
เรากำลังจะนำอะไรก็ตามรวมเข้ากับ AI
09:45
which is to take x and add AI.
193
585044
3167
นั่นคือสูตรของมัน นั่นคือสิ่งที่เรากำลังจะทำ
09:49
That is the formula, that's what we're going to be doing.
194
589100
2812
09:51
And that is the way in which we're going to make
195
591936
3306
และนั่นคือหนทาง ที่เรากำลังจะทำให้เกิด
09:55
this second Industrial Revolution.
196
595266
1858
การปฏิวัติอุตสาหกรรมครั้งที่สองนี้
อย่างก็ตามตอนนี้ เวลานี้
09:57
And by the way -- right now, this minute,
197
597148
2154
09:59
you can log on to Google
198
599326
1169
คุณสามารถใช้ Google
10:00
and you can purchase AI for six cents, 100 hits.
199
600519
3882
เพื่อซื้อหา AI ราคา 6 เซ็นต์ ซักร้อยครั้ง
10:04
That's available right now.
200
604758
1604
มันมีอยู่แล้วในขณะนี้
10:06
So the third aspect of this
201
606386
2286
ดังนั้นในมุมมองที่สาม
10:09
is that when we take this AI and embody it,
202
609315
2678
เมื่อเรานำ AI มาทำให้มีรูปร่าง
เราก็จะได้หุ่นยนต์
10:12
we get robots.
203
612017
1173
10:13
And robots are going to be bots,
204
613214
1703
และหุ่นยนต์ก็จะเป็นเครื่องมือ
10:14
they're going to be doing many of the tasks that we have already done.
205
614941
3328
พวกมันจะทำงานหลายๆอย่างที่เราทำได้แล้ว
ทำงานที่เป็นงานหนักซ้ำๆ
10:20
A job is just a bunch of tasks,
206
620357
1528
10:21
so they're going to redefine our jobs
207
621909
1762
พวกมันจะเปลี่ยนวิถีการทำงานของเรา
10:23
because they're going to do some of those tasks.
208
623695
2259
เพราะพวกมันจะทำงานเหล่านั้น
10:25
But they're also going to create whole new categories,
209
625978
3197
แล้วมันจะช่วยจัดการ งานประเภทใหม่นี้
10:29
a whole new slew of tasks
210
629199
2247
รูปแบบงานแบบใหม่ทั้งหมด
10:31
that we didn't know we wanted to do before.
211
631470
2457
ซึ่งพวกเราไม่เคยรู้มาต้องทำมาก่อน
10:33
They're going to actually engender new kinds of jobs,
212
633951
3637
ที่จริงแล้วพวกมันกำลังทำให้เกิดงานแบบใหม่
10:37
new kinds of tasks that we want done,
213
637612
2271
รูปแบบงานแบบใหม่ที่เราต้องการให้สำเร็จ
10:39
just as automation made up a whole bunch of new things
214
639907
3405
เหมือนกับระบบอัตโนมัติได้สร้าง สิ่งใหม่ทั้งกระบิมาแล้ว
10:43
that we didn't know we needed before,
215
643336
1834
ซึ่งเราก็ไม่เคยรู้ว่าเราต้องการมันมาก่อน
10:45
and now we can't live without them.
216
645194
1956
ตอนนี้เราไม่สามารถมีชีวิตได้หากไม่มีมัน
มันกำลังจะสร้างงานมากกว่าที่มันแย่งงาน
10:47
So they're going to produce even more jobs than they take away,
217
647174
3956
แต่สิ่งสำคัญคืองานที่เรากำลังให้มันทำ
10:51
but it's important that a lot of the tasks that we're going to give them
218
651154
3434
10:54
are tasks that can be defined in terms of efficiency or productivity.
219
654612
4572
นั้นต้องเป็นงานที่สามารถระบุ ประสิทธิภาพและผลิตภาพได้
10:59
If you can specify a task,
220
659676
1828
หากคุณสามารถกำหนดงาน
11:01
either manual or conceptual,
221
661528
2235
ไม่ว่าจะด้วยระบบมือหรือระบบความคิด
11:03
that can be specified in terms of efficiency or productivity,
222
663787
4780
ที่สามารถระบุประสิทธิภาพและผลิตภาพได้
11:08
that goes to the bots.
223
668591
1777
สิ่งเหล่านั้นจะถูกแทนด้วยหุ่นยนต์
11:10
Productivity is for robots.
224
670758
2178
ผลิตภาพเป็นงานสำหรับหุ่นยนต์
11:12
What we're really good at is basically wasting time.
225
672960
3070
สิ่งที่มนุษย์ทำได้ดีคือนั่งหายใจทิ้ง
(หัวเราะ)
11:16
(Laughter)
226
676054
1028
เราทำได้ดีในสิ่งไร้ประสิทธิภาพ
11:17
We're really good at things that are inefficient.
227
677106
2316
11:19
Science is inherently inefficient.
228
679446
3025
วิทยาศาสตร์เป็นตัวอย่างการไร้ประสิทธิภาพ
11:22
It runs on that fact that you have one failure after another.
229
682816
2906
มันเกิดขึ้นจากความล้มเหลว ครั้งแล้วครั้งเล่า
11:25
It runs on the fact that you make tests and experiments that don't work,
230
685746
3424
มันเกิดจากการทดสอบ และการทดลองต่างๆที่ใช้ไม่ได้
11:29
otherwise you're not learning.
231
689194
1442
มิฉะนั้นคุณก็จะไม่ได้เรียนรู้
11:30
It runs on the fact
232
690660
1162
มันตั้งอยู่บนความจริงว่า
11:31
that there is not a lot of efficiency in it.
233
691846
2083
มันไม่ได้มีประสิทธิภาพอะไรมากมาย
11:33
Innovation by definition is inefficient,
234
693953
2779
นวัตกรรมโดยนิยามแล้วคือความไร้ประสิทธิภาพ
11:36
because you make prototypes,
235
696756
1391
เพราะว่าคุณสร้างต้นแบบ
เพราะคุณลองสิ่งที่ล้มเหลว สิ่งที่ไม่เวิร์ค
11:38
because you try stuff that fails, that doesn't work.
236
698171
2707
11:40
Exploration is inherently inefficiency.
237
700902
3112
การสำรวจก็เป็นตัวอย่างการไร้ประสิทธิภาพ
ศิลปะไม่เกี่ยวกับประสิทธิภาพ
11:44
Art is not efficient.
238
704038
1531
11:45
Human relationships are not efficient.
239
705593
2127
ความสัมพันธ์มนุษย์ไม่เกี่ยวกับประสิทธิภาพ
11:47
These are all the kinds of things we're going to gravitate to,
240
707744
2940
สิ่งเหล่านี้เป็นสิ่งที่เราควรจะมุ่งไป
11:50
because they're not efficient.
241
710708
1475
เพราะมันไม่เกี่ยวกับประสิทธิภาพ
11:52
Efficiency is for robots.
242
712207
2315
ประสิทธิภาพเป็นเรื่องของหุ่นยนต์
เรากำลังเรียนรู้ที่จะ ทำงานร่วมกับ AI เหล่านี้
11:55
We're also going to learn that we're going to work with these AIs
243
715338
4123
11:59
because they think differently than us.
244
719485
1997
เพราะว่าพวกมันคิดแตกต่างจากเรา
เมื่อ Deep Blue เอาชนะแชมป์หมากรุก
12:02
When Deep Blue beat the world's best chess champion,
245
722005
4314
12:06
people thought it was the end of chess.
246
726343
1929
ผู้คนคิดว่าจะถึงจุดจบของเกมส์หมากรุก
แต่ปัจจุบัน แชมป์หมากรุกของโลก
12:08
But actually, it turns out that today, the best chess champion in the world
247
728296
4402
12:12
is not an AI.
248
732722
1557
ไม่ใช่ AI
12:14
And it's not a human.
249
734906
1181
และไม่ใช่มนุษย์
แต่เป็นทีมระหว่างมนุษย์และ AI
12:16
It's the team of a human and an AI.
250
736111
2715
12:18
The best medical diagnostician is not a doctor, it's not an AI,
251
738850
4000
กลุ่มแพทย์ที่ดีที่สุด ไม่ใช่มนุษย์หรือ AI
12:22
it's the team.
252
742874
1176
แต่เป็นทีม
เรากำลังจะทำงานร่วมกับ AI
12:24
We're going to be working with these AIs,
253
744074
2149
12:26
and I think you'll be paid in the future
254
746247
1995
และคุณกำลังจะได้ค่าตอบแทนการทำงานในอนาคต
12:28
by how well you work with these bots.
255
748266
2391
โดยคำนวณว่าคุณทำงานกับ AI ได้ดีแค่ไหน
นั้นคือเรื่องที่สาม ที่ว่ามันมีความแตกต่าง
12:31
So that's the third thing, is that they're different,
256
751026
4257
12:35
they're utility
257
755307
1165
พวกมันเป็นเครื่องมือ
12:36
and they are going to be something we work with rather than against.
258
756496
3816
มันจะกลายเป็นสิ่งที่เราต้องร่วมงานด้วย แทนที่จะต่อต้าน
12:40
We're working with these rather than against them.
259
760336
2639
เราต้องร่วมงานกับมันมากกว่าต่อต้าน
12:42
So, the future:
260
762999
1477
ดังนั้นในอนาคต
12:44
Where does that take us?
261
764500
1420
พวกมันจะนำเราไปยังจุดไหน
12:45
I think that 25 years from now, they'll look back
262
765944
3567
ผมคิดว่าในอีก 25 ปีข้างหน้า เมื่อพวกมันมองย้อนมา
12:49
and look at our understanding of AI and say,
263
769535
3125
และมองถึงความเข้าใจใน AI ของพวกเรา และพูดว่า
12:52
"You didn't have AI. In fact, you didn't even have the Internet yet,
264
772684
3300
"คุณยังไม่มี AI เลย ที่จริง คุณยังไม่มี Internet ด้วยซ้ำ
เทียบกับสิ่งที่จะเกิดในอีก 25 ปีข้างหน้า"
12:56
compared to what we're going to have 25 years from now."
265
776008
2741
ตอนนี้ เรายังไม่มีผู้เชี่ยวชาญ AI
12:59
There are no AI experts right now.
266
779849
3047
13:02
There's a lot of money going to it,
267
782920
1699
มีเม็ดเงินมากมายใช้ไปในการพัฒนา
13:04
there are billions of dollars being spent on it;
268
784643
2268
เงินเป็นพันล้านที่ใช้กับมัน
13:06
it's a huge business,
269
786935
2164
มันเป็นธุรกิจขนาดใหญ่
แต่ยังไม่มีผู้เชี่ยวชาญเลย เมื่อเทียบกับสิ่งที่จะมีในอีก 20 ปีข้างหน้า
13:09
but there are no experts, compared to what we'll know 20 years from now.
270
789123
4272
ดังนั้นเรากำลังอยู่ที่จุดเริ่มต้น ของจุดเริ่มต้น
13:14
So we are just at the beginning of the beginning,
271
794064
2885
13:16
we're in the first hour of all this.
272
796973
2163
เรากำลังอยู่ในชั่วโมงแรก
เรากำลังอยู่ในชั่วโมงแรกของ Inernet
13:19
We're in the first hour of the Internet.
273
799160
1935
เราอยู่ในชั่วโมงแรกของสิ่งที่กำลังมาถึง
13:21
We're in the first hour of what's coming.
274
801119
2040
13:23
The most popular AI product in 20 years from now,
275
803183
4153
AI ที่จะใช้กันอย่างขว้างขวางใน 20 ปีหน้า
13:27
that everybody uses,
276
807360
1444
ที่ทุกคนใช้
13:29
has not been invented yet.
277
809499
1544
ยังไม่ถูกประดิษฐ์ขึ้น
13:32
That means that you're not late.
278
812464
2467
นั้นหมายความว่ายังไม่สายไปสำหรับพวกคุณ
13:35
Thank you.
279
815684
1151
ขอบคุณครับ
13:36
(Laughter)
280
816859
1026
(หัวเราะ)
13:37
(Applause)
281
817909
2757
(เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7