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

Translator: Leslie Gauthier Reviewer: Camille Martínez

Translator: Pongsathon Wanittanom Reviewer: Pakasai Ploysangsai

I'm going to talk a little bit about where technology's going.

ผมกำลังจะพูดถึงเกี่ยวกับอนาคตของเทคโนโลยี

And often technology comes to us,

บ่อยครั้งเมื่อเทคโนโลยีนั้นเดินทางมาถึง

we're surprised by what it brings.

เรามักจะประหลาดใจกับสิ่งที่เกิดขึ้น

But there's actually a large aspect of technology

แต่ที่จริงแล้วในหลายๆมุมมองของเทคโนโลยี

เราสามารถคาดเดาได้

that's much more predictable,

and that's because technological systems of all sorts have leanings,

เทคโนโลยีประกอบด้วยการลดความสูญเปล่า

มีความเร่งรีบ

they have urgencies,

they have tendencies.

มีแนวโน้ม

And those tendencies are derived from the very nature of the physics,

สิ่งเหล่านั้นก็มาจากธรรมชาติของฟิสิกส์

chemistry of wires and switches and electrons,

เกี่ยวกับขดลวด, สวิตซ์, และอิเล็คตรอน

and they will make reoccurring patterns again and again.

และมันจะเกิดสิ่งเหล่านี้ขึ้นซ้ำเรื่อยๆ

And so those patterns produce these tendencies, these leanings.

รูปแบบจะทำให้เกิดจุดประสงค์,ลดความสูญเปล่า

You can almost think of it as sort of like gravity.

คุณสามารถเปรียบเทียบกับแรงโน้มถ่วง

Imagine raindrops falling into a valley.

ลองคิดถึงฝนตกท่ามกลางหุบเขา

The actual path of a raindrop as it goes down the valley

เส้นทางที่แน่นอนของสายฝนที่ตกลงในหุบเขา

is unpredictable.

ไม่สามารถคาดเดาได้

We cannot see where it's going,

เราไม่สามารถมองเห็นว่าสายฝนเดินทางยังไง

but the general direction is very inevitable:

แต่เรารู้แน่นอนว่า

it's downward.

And so these baked-in tendencies and urgencies

สายฝนต้องตกลงสู่เบื้องล่าง

in technological systems

นำไปสู่แนวโน้มและความเร่งด่วน

ในระบบของเทคโนโลยี

give us a sense of where things are going at the large form.

เราสามารถคาดเดาทิศทางได้ ในภาพใหญ่

So in a large sense,

I would say that telephones were inevitable,

ยกตัวอย่างเช่น

โทรศัพท์เป็นสิ่งที่หลีกเลี่ยงไม่ได้

แต่ไม่ใช่ Iphone

but the iPhone was not.

อินเตอร์เน็ตเป็นสิ่งที่หลีกเลี่ยงไม่ได้

The Internet was inevitable,

แต่ไม่ใช่ทวิตเตอร์

but Twitter was not.

So we have many ongoing tendencies right now,

ดังนั้นเรามีแนวโน้มที่จะเกิดหลายสิ่งตอนนี้

and I think one of the chief among them

และสิ่งที่สำคัญที่สุดสิ่งหนึ่ง

is this tendency to make things smarter and smarter.

คือแนวโน้มที่สิ่งของทุกอย่างจะฉลาดขึ้น

ผมเรียกมันว่าการทำให้มีความรู้สึกนึกคิด

I call it cognifying -- cognification --

also known as artificial intelligence, or AI.

หรือเรียกกันว่าปัญญาประดิษฐ์หรือ AI

And I think that's going to be one of the most influential developments

ผมคิดว่ามันจะเป็นการพัฒนาที่มีอิทธิพลมาก

and trends and directions and drives in our society in the next 20 years.

และจะชี้นำเราไปในอีก 20 ปีข้างหน้า

So, of course, it's already here.

อันที่จริง มันอยู่ที่นี่แล้ว

We already have AI,

เรามี AI อยู่ทุกที่แล้ว

and often it works in the background,

in the back offices of hospitals,

โดยส่วนมากพวกมันทำงานเบื้องหลัง

อย่างเช่นในโรงพยาบาล

where it's used to diagnose X-rays better than a human doctor.

AI สามารถอ่านเอ็กซเรย์ได้ดีว่าแพทย์

It's in legal offices,

ในสำนักงานทนายความ

where it's used to go through legal evidence

ที่ AI สามารถรวบรวมหลักฐานคดี

better than a human paralawyer.

ได้ดีกว่าผู้ช่วยทนายความ

It's used to fly the plane that you came here with.

มันถูกใช้ขับเครื่องบินที่พาพวกคุณมาที่นี่

Human pilots only flew it seven to eight minutes,

นักบินจะควบคุมเครื่องบินแค่ 7-8 นาที

the rest of the time the AI was driving.

ส่วนที่เหลือจะถูกควบคุมด้วย AI

And of course, in Netflix and Amazon,

และแน่นอน, Netflix และ Amazon

it's in the background, making those recommendations.

มี AI คอยแนะนำสินค้า

That's what we have today.

นี่คือสิ่งที่เรามีในขณะนี้

And we have an example, of course, in a more front-facing aspect of it,

และเรายังมีตัวอย่างของความสามารถของ AI ที่อยู่เบื้องหน้ามากขึ้น

เช่น AlphaGo ชนะแชมป์หมากล้อมระดับโลกได้

with the win of the AlphaGo, who beat the world's greatest Go champion.

But it's more than that.

ยิ่งไปกว่านั้น

หากคุณเล่นวิดีโอเกมส์ คุณกำลังเล่นกับ AI

If you play a video game, you're playing against an AI.

เร็วๆนี้ Google สอน AI

But recently, Google taught their AI

ให้สามารถเรียนรู้วิธีการเล่นเกมส์

to actually learn how to play video games.

Again, teaching video games was already done,

การสอนให้เล่นเกมส์ได้เกิดขึ้นแล้ว

but learning how to play a video game is another step.

การสอนให้เล่นเกมส์ถือเป็นอีกขั้น

ในความฉลาดของปัญญาประดิษฐ์

That's artificial smartness.

ที่เรากำลังทำคือทำให้ปัญญาประดิษฐ์เหล่านี้

What we're doing is taking this artificial smartness

and we're making it smarter and smarter.

ฉลาดขึ้นและฉลาดขึ้น

There are three aspects to this general trend

มีสามอย่างเกี่ยวกับแนวโน้มเหล่านี้

that I think are underappreciated;

ที่ผมคิดว่าถูกให้คุณค่าน้อยไป

I think we would understand AI a lot better

ผมคิดว่าเราจะสามารถเข้าใจ AI ได้ดีขึ้น

if we understood these three things.

ถ้าหากเราเข้าใจสามสิ่งนี้

I think these things also would help us embrace AI,

ผมคิดว่า 3 สิ่งเหล่านี้จะช่วย ให้เรายอมรับ AI

because it's only by embracing it that we actually can steer it.

เพราะการยอมรับเท่านั้น ที่จะสามารถควบคุมทิศทางมันได้

We can actually steer the specifics by embracing the larger trend.

เราสามารถควบคุมทิศทางรายละเอียดได้ โดยยอมรับเทรนด์ภาพใหญ่

So let me talk about those three different aspects.

ดังนั้น ผมจะพูดถึงสามสิ่งที่กล่าวมา

The first one is: our own intelligence has a very poor understanding

อย่างแรกก็คือ: ความฉลาดของเรา ยังเข้าใจน้อยมาก

of what intelligence is.

ว่าจริงๆแล้ว อะไรคือความฉลาด

We tend to think of intelligence as a single dimension,

เรามักจะคิดถึงความฉลาดแค่เพียงหนึ่งมิติ

that it's kind of like a note that gets louder and louder.

เหมือนกับโน้ตตัวเดียวแต่เพิ่มความดังขึ้น

It starts like with IQ measurement.

เหมือนกับการวัด IQ

It starts with maybe a simple low IQ in a rat or mouse,

มันเริ่มมาจากการพบว่าหนูมี IQ ต่ำ

and maybe there's more in a chimpanzee,

และสูงขึ้นในลิงชิมแปนซี

and then maybe there's more in a stupid person,

สูงขึ้นไปอีกในคนโง่

และต่อมาก็เป็นคนกลางๆอย่างผม

and then maybe an average person like myself,

and then maybe a genius.

และต่อมาก็เป็นคนที่อัจฉริยะ

And this single IQ intelligence is getting greater and greater.

และ IQ อย่างเดียวก็จะสูงขึ้นๆ

That's completely wrong.

มันเป็นสิ่งที่ผิดที่สุด

That's not what intelligence is -- not what human intelligence is, anyway.

สิ่งเหล่านี้ไม่ใช่ความฉลาดของมนุษย์

It's much more like a symphony of different notes,

ความฉลาดคล้ายเพลงที่มีการผสานของโน้ตต่างๆ

and each of these notes is played on a different instrument of cognition.

โน้ตต่างๆถูกบรรเลงด้วยเครื่องมือ ของการรับรู้สารที่ต่างกัน

There are many types of intelligences in our own minds.

มีความฉลาดหลายด้านในความสามารถของเรา

We have deductive reasoning,

เรามีการให้เหตุผลแบบนิรนัย

we have emotional intelligence,

เรามีความฉลาดทางอารมณ์

we have spatial intelligence;

เรามีความฉลาดด้านมิติสัมพันธ์

we have maybe 100 different types that are all grouped together,

เรามีความฉลาดอาจถึง 100 ด้านที่เกี่ยวข้อง

and they vary in different strengths with different people.

และแต่ละคนก็มีจุดแข็งในแต่ละด้านแตกต่างกัน

And of course, if we go to animals, they also have another basket --

หากเรามองไปยังสัตว์อื่น พวกมันก็มีความฉลาด

another symphony of different kinds of intelligences,

ที่มีความแตกต่างจากความฉลาดของมนุษย์

and sometimes those same instruments are the same that we have.

และบางด้านก็เหมือนกับความฉลาดที่เรามี

They can think in the same way, but they may have a different arrangement,

พวกมันคิดสิ่งที่เหมือนเรา แต่มีการจัดเรียงที่แตกต่างออกไป

and maybe they're higher in some cases than humans,

และเหนือกว่ามนุษย์ในบางด้าน

อย่างเช่นความจำระยะยาวของกระรอก

like long-term memory in a squirrel is actually phenomenal,

so it can remember where it buried its nuts.

ที่สามารถจำได้ว่าพวกมันฝังลูกนัทไว้ที่ใด

But in other cases they may be lower.

แต่ในด้านอื่นพวกมั้นก็ด้อยกว่าเรา

When we go to make machines,

เมื่อเราจะสร้างปัญญาประดิษฐ์

we're going to engineer them in the same way,

เรากำลังจะสร้างมันในทิศทางเดียวกัน

where we'll make some of those types of smartness much greater than ours,

ที่เราจะสร้างให้มันฉลาดกว่าเรามากในบางด้าน

and many of them won't be anywhere near ours,

และจำนวนมากอาจจะ ไม่ใกล้เคียงมนุษย์เลย

because they're not needed.

เพราะมันไม่จำเป็นต้องเหมือน

So we're going to take these things,

ดังนั้นเรากำลังจะสร้างสิ่งเหล่านี้

these artificial clusters,

กลุ่มของ AI เหล่านี้

and we'll be adding more varieties of artificial cognition to our AIs.

เรากำลังเพิ่มความหลากหลายทางความคิดให้ AI.

We're going to make them very, very specific.

และเราจะทำให้มันจำเพาะเจาะจงมากขึ้น

So your calculator is smarter than you are in arithmetic already;

เครื่องคิดเลขฉลาดเรื่องพีชคณิตกว่าเราแล้ว

GPS ก็ฉลาดกว่าเราในด้านมิติสัมพันธ์

your GPS is smarter than you are in spatial navigation;

Google, Bing, are smarter than you are in long-term memory.

Google, Bing มีความจำระยะยาวดีกว่าเรา

And we're going to take, again, these kinds of different types of thinking

และเรากำลังจะทำความคิดที่ต่างกัน

and we'll put them into, like, a car.

และใส่มันลงไปในสิ่งของ เช่น รถยนต์

The reason why we want to put them in a car so the car drives,

ด้วยเหตุผลให้มันขับรถแทนเรา

is because it's not driving like a human.

และด้วยเหตุผลที่มันขับรถไม่เหมือนมนุษย์

It's not thinking like us.

มันไม่มีความคิดเหมือนพวกเรา

That's the whole feature of it.

และนี่คือคุณสมบัติของมันทั้งหมด

It's not being distracted,

มันไม่ถูกทำให้ไขว้เขว

it's not worrying about whether it left the stove on,

ไม่กังวลเกี่ยวกับว่าลืมปิดเตาไฟฟ้าหรือไม่

or whether it should have majored in finance.

หรือไม่ต้องคิดว่ามันควรจะเรียนการเงินไหม

มันแค่ขับรถ

It's just driving.

(Laughter)

(หัวเราะ)

Just driving, OK?

แค่ขับรถ, ok?

And we actually might even come to advertise these

และอันที่จริงเราอาจโฆษณาได้ว่า

as "consciousness-free."

ปราศจากความตระหนักรู้

They're without consciousness,

พวกมันทำงานโดยไม่มีความตระหนักรู้

they're not concerned about those things,

พวกมันไม่กังวลเกี่ยวกับสิ่งต่างๆ

they're not distracted.

และไม่ถูกทำให้ไขว้เขว

So in general, what we're trying to do

โดยรวมแล้ว สิ่งที่เรากำลังพยายามทำ

is make as many different types of thinking as we can.

คือสร้างการคิดที่แตกต่างหลายๆแบบ ให้มากที่สุดเท่าที่ทำได้

We're going to populate the space

เรากำลังเดินทางเข้าไปยังที่ว่าง

of all the different possible types, or species, of thinking.

ของความแตกต่างของทุกสายพันธ์ุและความคิด

อาจจะมีปัญหาบางปัญหา

And there actually may be some problems

that are so difficult in business and science

ที่ยากมากๆ ในด้านธุรกิจและวิทยาศาสตร์

ปัญหาที่ปัญญาของมนุษย์ไม่สามารถหาทางออกได้

that our own type of human thinking may not be able to solve them alone.

เราต้องการการทำงานสองขั้น

We may need a two-step program,

ซึ่งจะนำไปสู่การคิดค้นรูปแบบความคิดใหม่

which is to invent new kinds of thinking

that we can work alongside of to solve these really large problems,

ที่เราสามารถทำงานไปควบคู่เพื่อแก้ปัญหา

say, like dark energy or quantum gravity.

เช่น พลังงานมืดหรือความโน้มช่วงเชิงควอนตัม

ที่เราจะทำคือสร้างคือสร้าง AI ที่ฉลาดมากๆ

What we're doing is making alien intelligences.

อาจทำให้คุณนึกถึงการสร้างเอเลี่ยน

You might even think of this as, sort of, artificial aliens

in some senses.

ในบางความรู้สึก

And they're going to help us think different,

และพวกมันจะช่วยทำเราการคิดในมุมที่แตกต่าง

because thinking different is the engine of creation

เพราะการคิดต่างนั้นคือ เครื่องจักรของการสร้างสรรค์

and wealth and new economy.

ความมั่งคั่งและระบบเศรษฐกิจแบบใหม่

The second aspect of this is that we are going to use AI

มุมมองอย่างที่สองคือ เรากำลังจะใช้ AI

to basically make a second Industrial Revolution.

ทำให้เกิดการปฏิวัติอุตสาหกรรมครั้งที่สอง

การปฏิวัติอุตสาหกรรมครั้งแรกมาจากว่า

The first Industrial Revolution was based on the fact

that we invented something I would call artificial power.

เราสร้างสิ่งที่ผมเรียกว่ากำลังประดิษฐ์

Previous to that,

ก่อนหน้านั้น

ในช่วงการปฏิวัติเกษตรกรรม

during the Agricultural Revolution,

ทุกอย่างถูกสร้างโดยพลังกล้ามเนื้อของมนุษย์

everything that was made had to be made with human muscle

or animal power.

หรือพลังที่มาจากสัตว์

That was the only way to get anything done.

นั้นเป็นวิธีเดียวที่จะทำให้ทุกอย่างสำเร็จ

The great innovation during the Industrial Revolution was,

นวัตกรรมสำคัญในช่วงปฏิวัติอุตสาหกรรมคือ

we harnessed steam power, fossil fuels,

เราใช้พลังงานไอน้ำและเชื้อเพลิงฟอสซิล

to make this artificial power that we could use

เพื่อสร้างพลังงานที่เราสามารถนำไปใช้

to do anything we wanted to do.

ทำในสิ่งที่เราต้องการจะทำ

So today when you drive down the highway,

ดังนั้นตอนนี้เมื่อเราขับรถไปบนถนน

you are, with a flick of the switch, commanding 250 horses --

แค่คุณกดสวิตซ์ก็เหมือนควบคุมม้า 250 ตัว

250 แรงม้า

250 horsepower --

which we can use to build skyscrapers, to build cities, to build roads,

ที่เราใช้มันสร้างตึกระฟ้า, เมือง, หรือถนน

to make factories that would churn out lines of chairs or refrigerators

สร้างโรงงานเพื่อสร้างเก้าอี้หรือตู้เย็น

way beyond our own power.

ในวิธีที่เหนือกว่าพลังของเราเอง

And that artificial power can also be distributed on wires on a grid

และเรายังสามารถกระจายพลังงานไปตามสายไฟ บนระบบไฟฟ้า

ไปยังทุกบ้าน, โรงงาน, ฟาร์มต่างๆ

to every home, factory, farmstead,

and anybody could buy that artificial power,

และทุกคนสามารถซื้อหาพลังงานเหล่านั้นได้

just by plugging something in.

แค่เสียบสายของอุปกรณ์เข้าไป

So this was a source of innovation as well,

ดังนั้นนวัตกรรมเหล่านี้เช่นกัน

because a farmer could take a manual hand pump,

เพราะเกษตรกรสามารถนำปั๊มน้ำแบบปั๊มมือ

and they could add this artificial power, this electricity,

แล้วใส่กำลังประดิษฐ์ หรือไฟฟ้าเข้าไป

and he'd have an electric pump.

และเขาก็ได้ใช้ปั๊มน้ำไฟฟ้า

And you multiply that by thousands or tens of thousands of times,

คุณลองคูณพันหรือหมื่่นเข้าไปในสิ่งเหล่านี้

and that formula was what brought us the Industrial Revolution.

และนั่นจะเป็นสูตรที่นำมาสู่ การปฏิวัติอุตสาหกรรม

All the things that we see, all this progress that we now enjoy,

ทุกอย่างที่เราเห็น ทุกความก้าวหน้าที่เราเพลิดเพลินกับมัน

has come from the fact that we've done that.

มาจากความจริงที่ว่า เราทำมันขึ้นมา

We're going to do the same thing now with AI.

เรากำลังจะทำสิ่งเดียวกันกับ AI

We're going to distribute that on a grid,

เรากำลังจะแจกจ่ายมันเหมือนระบบไฟฟ้า

ตอนนี้คุณมีปั๊มน้ำไฟฟ้า

and now you can take that electric pump.

You can add some artificial intelligence,

คุณสามารถใส่ระบบ AI เข้าไป

and now you have a smart pump.

แล้วก็จะได้ปั๊มน้ำที่มีความฉลาด

And that, multiplied by a million times,

และเมื่อคูณเข้าไปล้านเท่า

is going to be this second Industrial Revolution.

ก็จะนำไปสู่การปฏิวัติอุตสาหกรรมครั้งที่สอง

So now the car is going down the highway,

ดังนั้นตอนนี้เมื่อรถขับไปบนถนน

it's 250 horsepower, but in addition, it's 250 minds.

มันใช้กำลัง 250 แรงม้า แต่นอกจากนั้น จะต้องใช้ 250 ความคิด

นั้นคือรถที่ควบคุมโดยระบบอัตโนมัติ

That's the auto-driven car.

It's like a new commodity;

มันก็เหมือนของใช้แบบใหม่

it's a new utility.

มันคือเครื่องมือใหม่

The AI is going to flow across the grid -- the cloud --

AI กำลังจะอยู่ไปทุกหนแห่งบนระบบ cloud

in the same way electricity did.

เหมือนที่ไฟฟ้าอยู่ตามสายไฟฟ้า

So everything that we had electrified,

ทุกอย่างที่ทำงานด้วยไฟฟ้าได้

we're now going to cognify.

เรากำลังทำให้มันมีความรู้สึกนึกคิด

And I would suggest, then,

และผมเป็นหนี้ต่อ Jeff

เมื่อใช้สูตรเหล่านั้นกับอีกหมื่น start-ups

that the formula for the next 10,000 start-ups

is very, very simple,

มันง่ายมากๆ

เรากำลังจะนำอะไรก็ตามรวมเข้ากับ AI

which is to take x and add AI.

นั่นคือสูตรของมัน นั่นคือสิ่งที่เรากำลังจะทำ

That is the formula, that's what we're going to be doing.

And that is the way in which we're going to make

และนั่นคือหนทาง ที่เรากำลังจะทำให้เกิด

this second Industrial Revolution.

การปฏิวัติอุตสาหกรรมครั้งที่สองนี้

อย่างก็ตามตอนนี้ เวลานี้

And by the way -- right now, this minute,

you can log on to Google

คุณสามารถใช้ Google

and you can purchase AI for six cents, 100 hits.

เพื่อซื้อหา AI ราคา 6 เซ็นต์ ซักร้อยครั้ง

That's available right now.

มันมีอยู่แล้วในขณะนี้

So the third aspect of this

ดังนั้นในมุมมองที่สาม

is that when we take this AI and embody it,

เมื่อเรานำ AI มาทำให้มีรูปร่าง

เราก็จะได้หุ่นยนต์

we get robots.

And robots are going to be bots,

และหุ่นยนต์ก็จะเป็นเครื่องมือ

they're going to be doing many of the tasks that we have already done.

พวกมันจะทำงานหลายๆอย่างที่เราทำได้แล้ว

ทำงานที่เป็นงานหนักซ้ำๆ

A job is just a bunch of tasks,

so they're going to redefine our jobs

พวกมันจะเปลี่ยนวิถีการทำงานของเรา

because they're going to do some of those tasks.

เพราะพวกมันจะทำงานเหล่านั้น

But they're also going to create whole new categories,

แล้วมันจะช่วยจัดการ งานประเภทใหม่นี้

a whole new slew of tasks

รูปแบบงานแบบใหม่ทั้งหมด

that we didn't know we wanted to do before.

ซึ่งพวกเราไม่เคยรู้มาต้องทำมาก่อน

They're going to actually engender new kinds of jobs,

ที่จริงแล้วพวกมันกำลังทำให้เกิดงานแบบใหม่

new kinds of tasks that we want done,

รูปแบบงานแบบใหม่ที่เราต้องการให้สำเร็จ

just as automation made up a whole bunch of new things

เหมือนกับระบบอัตโนมัติได้สร้าง สิ่งใหม่ทั้งกระบิมาแล้ว

that we didn't know we needed before,

ซึ่งเราก็ไม่เคยรู้ว่าเราต้องการมันมาก่อน

and now we can't live without them.

ตอนนี้เราไม่สามารถมีชีวิตได้หากไม่มีมัน

มันกำลังจะสร้างงานมากกว่าที่มันแย่งงาน

So they're going to produce even more jobs than they take away,

แต่สิ่งสำคัญคืองานที่เรากำลังให้มันทำ

but it's important that a lot of the tasks that we're going to give them

are tasks that can be defined in terms of efficiency or productivity.

นั้นต้องเป็นงานที่สามารถระบุ ประสิทธิภาพและผลิตภาพได้

If you can specify a task,

หากคุณสามารถกำหนดงาน

either manual or conceptual,

ไม่ว่าจะด้วยระบบมือหรือระบบความคิด

that can be specified in terms of efficiency or productivity,

ที่สามารถระบุประสิทธิภาพและผลิตภาพได้

that goes to the bots.

สิ่งเหล่านั้นจะถูกแทนด้วยหุ่นยนต์

Productivity is for robots.

ผลิตภาพเป็นงานสำหรับหุ่นยนต์

What we're really good at is basically wasting time.

สิ่งที่มนุษย์ทำได้ดีคือนั่งหายใจทิ้ง

(หัวเราะ)

(Laughter)

เราทำได้ดีในสิ่งไร้ประสิทธิภาพ

We're really good at things that are inefficient.

Science is inherently inefficient.

วิทยาศาสตร์เป็นตัวอย่างการไร้ประสิทธิภาพ

It runs on that fact that you have one failure after another.

มันเกิดขึ้นจากความล้มเหลว ครั้งแล้วครั้งเล่า

It runs on the fact that you make tests and experiments that don't work,

มันเกิดจากการทดสอบ และการทดลองต่างๆที่ใช้ไม่ได้

otherwise you're not learning.

มิฉะนั้นคุณก็จะไม่ได้เรียนรู้

It runs on the fact

มันตั้งอยู่บนความจริงว่า

that there is not a lot of efficiency in it.

มันไม่ได้มีประสิทธิภาพอะไรมากมาย

Innovation by definition is inefficient,

นวัตกรรมโดยนิยามแล้วคือความไร้ประสิทธิภาพ

because you make prototypes,

เพราะว่าคุณสร้างต้นแบบ

เพราะคุณลองสิ่งที่ล้มเหลว สิ่งที่ไม่เวิร์ค

because you try stuff that fails, that doesn't work.

Exploration is inherently inefficiency.

การสำรวจก็เป็นตัวอย่างการไร้ประสิทธิภาพ

ศิลปะไม่เกี่ยวกับประสิทธิภาพ

Art is not efficient.

Human relationships are not efficient.

ความสัมพันธ์มนุษย์ไม่เกี่ยวกับประสิทธิภาพ

These are all the kinds of things we're going to gravitate to,

สิ่งเหล่านี้เป็นสิ่งที่เราควรจะมุ่งไป

because they're not efficient.

เพราะมันไม่เกี่ยวกับประสิทธิภาพ

Efficiency is for robots.

ประสิทธิภาพเป็นเรื่องของหุ่นยนต์

เรากำลังเรียนรู้ที่จะ ทำงานร่วมกับ AI เหล่านี้

We're also going to learn that we're going to work with these AIs

because they think differently than us.

เพราะว่าพวกมันคิดแตกต่างจากเรา

เมื่อ Deep Blue เอาชนะแชมป์หมากรุก

When Deep Blue beat the world's best chess champion,

people thought it was the end of chess.

ผู้คนคิดว่าจะถึงจุดจบของเกมส์หมากรุก

แต่ปัจจุบัน แชมป์หมากรุกของโลก

But actually, it turns out that today, the best chess champion in the world

is not an AI.

ไม่ใช่ AI

And it's not a human.

และไม่ใช่มนุษย์

แต่เป็นทีมระหว่างมนุษย์และ AI

It's the team of a human and an AI.

The best medical diagnostician is not a doctor, it's not an AI,

กลุ่มแพทย์ที่ดีที่สุด ไม่ใช่มนุษย์หรือ AI

it's the team.

แต่เป็นทีม

เรากำลังจะทำงานร่วมกับ AI

We're going to be working with these AIs,

and I think you'll be paid in the future

และคุณกำลังจะได้ค่าตอบแทนการทำงานในอนาคต

by how well you work with these bots.

โดยคำนวณว่าคุณทำงานกับ AI ได้ดีแค่ไหน

นั้นคือเรื่องที่สาม ที่ว่ามันมีความแตกต่าง

So that's the third thing, is that they're different,

they're utility

พวกมันเป็นเครื่องมือ

and they are going to be something we work with rather than against.

มันจะกลายเป็นสิ่งที่เราต้องร่วมงานด้วย แทนที่จะต่อต้าน

We're working with these rather than against them.

เราต้องร่วมงานกับมันมากกว่าต่อต้าน

So, the future:

ดังนั้นในอนาคต

Where does that take us?

พวกมันจะนำเราไปยังจุดไหน

I think that 25 years from now, they'll look back

ผมคิดว่าในอีก 25 ปีข้างหน้า เมื่อพวกมันมองย้อนมา

and look at our understanding of AI and say,

และมองถึงความเข้าใจใน AI ของพวกเรา และพูดว่า

"You didn't have AI. In fact, you didn't even have the Internet yet,

"คุณยังไม่มี AI เลย ที่จริง คุณยังไม่มี Internet ด้วยซ้ำ

เทียบกับสิ่งที่จะเกิดในอีก 25 ปีข้างหน้า"

compared to what we're going to have 25 years from now."

ตอนนี้ เรายังไม่มีผู้เชี่ยวชาญ AI

There are no AI experts right now.

There's a lot of money going to it,

มีเม็ดเงินมากมายใช้ไปในการพัฒนา

there are billions of dollars being spent on it;

เงินเป็นพันล้านที่ใช้กับมัน

it's a huge business,

มันเป็นธุรกิจขนาดใหญ่

แต่ยังไม่มีผู้เชี่ยวชาญเลย เมื่อเทียบกับสิ่งที่จะมีในอีก 20 ปีข้างหน้า

but there are no experts, compared to what we'll know 20 years from now.

ดังนั้นเรากำลังอยู่ที่จุดเริ่มต้น ของจุดเริ่มต้น

So we are just at the beginning of the beginning,

we're in the first hour of all this.

เรากำลังอยู่ในชั่วโมงแรก

เรากำลังอยู่ในชั่วโมงแรกของ Inernet

We're in the first hour of the Internet.

เราอยู่ในชั่วโมงแรกของสิ่งที่กำลังมาถึง

We're in the first hour of what's coming.

The most popular AI product in 20 years from now,

AI ที่จะใช้กันอย่างขว้างขวางใน 20 ปีหน้า

that everybody uses,

ที่ทุกคนใช้

has not been invented yet.

ยังไม่ถูกประดิษฐ์ขึ้น

That means that you're not late.

นั้นหมายความว่ายังไม่สายไปสำหรับพวกคุณ

Thank you.

ขอบคุณครับ

(Laughter)

(หัวเราะ)

(Applause)

(เสียงปรบมือ)