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

Translator: Trang Pham Reviewer: Thái Hưng Trần

Chris Anderson: Hãy giúp chúng tôi hiểu học máy là gì,

bởi vì nó dường như là yếu tố then chốt

của rất nhiều sự phấn khởi cũng như các lo ngại

về trí tuệ nhân tạo.

Chris Anderson: Help us understand what machine learning is,

Học máy hoạt động như thế nào?

Sebastian Thrun: Trí tuệ nhân tạo và học máy

because that seems to be the key driver

of so much of the excitement and also of the concern

đã ra đời được khoảng 60 năm

around artificial intelligence.

và chưa có ngày đẹp trời nào cả trong quá khứ cho đến gần đây.

How does machine learning work?

Sebastian Thrun: So, artificial intelligence and machine learning

Và lý do là ngày nay,

is about 60 years old

chúng ta đã đạt đến quy mô về tính toán và dữ liệu

and has not had a great day in its past until recently.

cần thiết để khiến máy móc trở nên thông minh.

And the reason is that today,

Nó hoạt động như thế này.

Ngày nay khi bạn lập trình một máy tính, chẳng hạn như điện thoại,

we have reached a scale of computing and datasets

thì bạn sẽ thuê kỹ sư phần mềm

that was necessary to make machines smart.

viết một công thức nấu ăn rất, rất dài

So here's how it works.

If you program a computer today, say, your phone,

như, “nếu nước quá nóng, hãy giảm nhiệt độ xuống.

then you hire software engineers

Nếu nước quá lạnh, hãy tăng nhiệt độ lên.”

that write a very, very long kitchen recipe,

Những công thức đó không chỉ có 10,

mà có đến tận hàng triệu dòng.

like, "If the water is too hot, turn down the temperature.

Một chiếc điện thoại hiện đại có 12 triệu dòng mã.

If it's too cold, turn up the temperature."

The recipes are not just 10 lines long.

Một trình duyệt có năm triệu dòng mã.

They are millions of lines long.

Và mỗi một lỗi trong công thức có thể làm máy tính của bạn bị hỏng.

A modern cell phone has 12 million lines of code.

Vậy nên kỹ sư phần mềm mới kiếm được nhiều tiền đến thế.

A browser has five million lines of code.

And each bug in this recipe can cause your computer to crash.

Điều mới mẻ là bây giờ máy tính có thể tự tìm ra quy luật cho riêng chúng.

That's why a software engineer makes so much money.

Thay vì cần một chuyên gia từng bước một giải mã

ra một quy tắc cho mọi trường hợp,

The new thing now is that computers can find their own rules.

giờ đây chúng ta đưa cho máy tính những ví dụ

So instead of an expert deciphering, step by step,

và để chúng tự tìm ra các quy tắc.

Một ví dụ rất hay là AlphaGo, gần đây đã được Google mua lại.

a rule for every contingency,

what you do now is you give the computer examples

Thông thường, khi chơi trò chơi, ta phải thực sự viết ra tất cả quy luật,

and have it infer its own rules.

nhưng trong trường hợp của AlphaGo,

A really good example is AlphaGo, which recently was won by Google.

hệ thống đã xem qua hơn một triệu ván cờ,

tự suy luận được những quy luật riêng,

Normally, in game playing, you would really write down all the rules,

và sau đó đánh bại đương kim vô địch cờ vây thế giới.

but in AlphaGo's case,

the system looked over a million games

Điều đó thật thú vị, vì nó giải phóng kỹ sư phần mềm

and was able to infer its own rules

khỏi áp lực phải trở nên siêu thông minh,

and then beat the world's residing Go champion.

và đẩy gánh nặng sang dữ liệu.

Như tôi nói, điểm uốn nơi điều này trở nên thật sự khả thi --

That is exciting, because it relieves the software engineer

of the need of being super smart,

xấu hổ thật, luận án của tôi là về học máy,

and pushes the burden towards the data.

chả có gì ấn tượng đâu, đừng đọc nó,

As I said, the inflection point where this has become really possible --

vì cũng được 20 năm rồi,

và hồi đó, khả năng của máy tính cũng chỉ cỡ não con gián thôi.

very embarrassing, my thesis was about machine learning.

Giờ chúng đủ mạnh mẽ để thực sự mô phỏng

It was completely insignificant, don't read it,

tư duy chuyên biệt của con người.

because it was 20 years ago

Và rồi máy tính tận dụng lợi thế từ việc

and back then, the computers were as big as a cockroach brain.

có thể xem xét nhiều dữ liệu hơn hẳn con người.

Now they are powerful enough to really emulate

Ví dụ như AlphaGo đã xem hơn một triệu ván cờ.

kind of specialized human thinking.

And then the computers take advantage of the fact

Không chuyên gia nào có thể nghiên cứu một triệu ván cờ.

Google đã đọc hơn một trăm tỷ trang mạng.

that they can look at much more data than people can.

So I'd say AlphaGo looked at more than a million games.

Không ai đọc nổi từng ấy trang mạng cả.

No human expert can ever study a million games.

Vậy nên kết quả là máy tính có thể tìm ra các quy luật

Google has looked at over a hundred billion web pages.

mà thậm chí con người chẳng thể tìm.

CA: Vậy thay vì hướng đến việc “Nếu anh ta đi nước này, tôi đi nước này,”

No person can ever study a hundred billion web pages.

So as a result, the computer can find rules

thì ta nói, “Đi các nước này có vẻ sẽ thắng,

that even people can't find.

đi các nước này có vẻ sẽ thắng.”

CA: So instead of looking ahead to, "If he does that, I will do that,"

ST: Đúng. Ta thử nghĩ về cách nuôi dạy con cái.

Ta không dành 18 năm đầu đời đặt cho con trẻ quy tắc cho từng tình huống,

it's more saying, "Here is what looks like a winning pattern,

để chúng tự do, và chúng có chương trình lớn này.

here is what looks like a winning pattern."

Chúng vấp, ngã, đứng dậy, chúng bị tát hay bị chơi khăm,

ST: Yeah. I mean, think about how you raise children.

You don't spend the first 18 years giving kids a rule for every contingency

và chúng có một trải nghiệm tốt, chúng đạt điểm tốt ở trường

and set them free and they have this big program.

và chúng tự mình tìm ra cách.

Các máy tính bây giờ cũng vậy,

They stumble, fall, get up, they get slapped or spanked,

khiến việc lập trình máy tính bỗng nhiên dễ dàng hơn nhiều.

and they have a positive experience, a good grade in school,

Giờ ta không phải nghĩ nữa, chỉ cần đưa chúng thật nhiều dữ liệu.

and they figure it out on their own.

CA: Vậy đây chính là mấu chốt cho sự cải tiến ngoạn mục

That's happening with computers now,

which makes computer programming so much easier all of a sudden.

trong năng lực của xe tự lái.

Now we don't have to think anymore. We just give them lots of data.

Tôi nghĩ anh đã cho tôi một ví dụ.

CA: And so, this has been key to the spectacular improvement

Anh có thể giải thích điều gì đang xảy ra ở đây không?

ST: Đây là hành trình của một chiếc xe tự lái

in power of self-driving cars.

mà chúng tôi tình cờ có được tại Udacity

I think you gave me an example.

và gần đây phát triển thành công ty con Voyage.

Can you explain what's happening here?

ST: This is a drive of a self-driving car

Chúng tôi sử dụng phương pháp có tên học sâu

để huấn luyện xe tự lái,

that we happened to have at Udacity

và đây là chuyến từ Mountain View, California,

and recently made into a spin-off called Voyage.

tới San Francisco

We have used this thing called deep learning

trên El Camino Real vào một ngày mưa,

với người đạp xe và đi bộ và 133 đèn giao thông.

to train a car to drive itself,

and this is driving from Mountain View, California,

Điều mới mẻ ở đây là,

to San Francisco

on El Camino Real on a rainy day,

đã từ rất, rất lâu, tôi khởi xướng đội xe tự lái của Google.

with bicyclists and pedestrians and 133 traffic lights.

Hồi đó, tôi thuê các kỹ sư phần mềm giỏi nhất thế giới

And the novel thing here is,

để tìm ra những quy luật tốt nhất thế giới.

Còn xe này chi được huấn luyện thôi.

many, many moons ago, I started the Google self-driving car team.

Chúng tôi lái trên cung đường này 20 lần,

And back in the day, I hired the world's best software engineers

nạp tất cả dữ liệu đó vào bộ não máy tính,

to find the world's best rules.

và sau vài giờ đồng hồ xử lý,

This is just trained.

We drive this road 20 times,

nó nghĩ ra hành vi hầu như vượt trội sự nhanh nhẹn con người.

we put all this data into the computer brain,

Việc lập trình nó trở nên rất dễ dàng.

Xe này 100 phần trăm tự động, khoảng 53 km, mất một tiếng rưỡi đồng hồ.

and after a few hours of processing,

it comes up with behavior that often surpasses human agility.

CA: Vậy, để giải thích -- ở phần lớn của chương trình phía bên trái,

So it's become really easy to program it.

ta đang cơ bản thấy thứ máy tính thấy như xe tải và xe hơi

This is 100 percent autonomous, about 33 miles, an hour and a half.

và những chấm nhỏ vượt qua nó và cứ thế.

CA: So, explain it -- on the big part of this program on the left,

ST: Ở bên phải, ta thấy hình từ máy ảnh, là dữ liệu đầu vào chính,

you're seeing basically what the computer sees as trucks and cars

được sử dụng để tìm làn đường, các xe khác, đèn giao thông.

and those dots overtaking it and so forth.

Xe này có radar để ước tính khoảng cách,

ST: On the right side, you see the camera image, which is the main input here,

thường được sử dụng trong những hệ thống tương tự.

Ở bên trái ta có một biểu đồ laser,

and it's used to find lanes, other cars, traffic lights.

nơi ta thấy các vật cản như cây và vân vân được mô tả bằng laser.

The vehicle has a radar to do distance estimation.

Nhưng hầu hết các công việc thú vị bây giờ nằm ở hình ảnh camera.

This is very commonly used in these kind of systems.

Chúng ta đang chuyển từ cảm biến chuẩn xác như radar và laser

On the left side you see a laser diagram,

where you see obstacles like trees and so on depicted by the laser.

sang những cảm biến thương mại rất rẻ.

But almost all the interesting work is centering on the camera image now.

Một máy ảnh có giá chưa đến tám đô-la.

CA: Và chấm xanh phía bên trái kia, là cái gì vậy?

We're really shifting over from precision sensors like radars and lasers

Nó có ý nghĩa gì không?

ST: Đó là điểm dò trước của bộ kiểm soát hành trình thích ứng.

into very cheap, commoditized sensors.

A camera costs less than eight dollars.

để giúp chúng ta hiểu cách điều tiết vận tốc

CA: And that green dot on the left thing, what is that?

dựa trên khoảng cách tới những chiếc xe phía trước.

Is that anything meaningful?

ST: This is a look-ahead point for your adaptive cruise control,

CA: Tôi nghĩ anh cũng có một ví dụ

về cách giai đoạn học diễn ra trên thực tế.

so it helps us understand how to regulate velocity

Chúng ta có thể cùng xem và nói về điều này.

based on how far the cars in front of you are.

ST: Đây là một ví dụ về thử thách chúng tôi đặt ra cho học viên Udacity

CA: And so, you've also got an example, I think,

of how the actual learning part takes place.

về thứ mà chúng tôi gọi là xe tự lái Nanodegree.

Maybe we can see that. Talk about this.

Chúng tôi đưa họ bộ dữ liệu và bảo

ST: This is an example where we posed a challenge to Udacity students

“Này, các bạn có thể tìm ra cách đánh lái xe này chứ?”

Nếu ta xem các hình ảnh,

to take what we call a self-driving car Nanodegree.

gần như không thể đánh lái chính xác, thậm chí với con người.

We gave them this dataset

and said "Hey, can you guys figure out how to steer this car?"

Chúng tôi tổ chức một cuộc thi và bảo “Đây là một cuộc thi học sâu,

And if you look at the images,

cuộc thi về AI,”

it's, even for humans, quite impossible to get the steering right.

rồi chúng tôi cho học viên 48 giờ.

Với một hãng công nghệ như Google hay Facebook,

And we ran a competition and said, "It's a deep learning competition,

một vấn đề như vậy sẽ mất ít nhất sáu tháng làm việc.

AI competition,"

and we gave the students 48 hours.

Nên chúng tôi cho rằng 48 giờ là quá đỉnh.

So if you are a software house like Google or Facebook,

Và trong vòng 48 giờ, chúng tôi nhận được khoảng 100 bài thi từ học viên,

something like this costs you at least six months of work.

và tốp bốn cho kết quả đúng hoàn toàn.

So we figured 48 hours is great.

Xe lái còn tốt hơn tôi dựa trên các hình ảnh này

And within 48 hours, we got about 100 submissions from students,

khi sử dụng học sâu.

Một lần nữa, vẫn cùng phương pháp đó.

and the top four got it perfectly right.

Điều này thật kỳ diệu.

Khi bạn cho máy tính ngày nay đủ dữ liệu,

It drives better than I could drive on this imagery,

và đủ thời gian phân tích dữ liệu,

using deep learning.

nó sẽ tự tìm ra quy luật riêng.

And again, it's the same methodology.

CA: Từ đó đã dẫn đến sự phát triển của những ứng dụng mạnh mẽ

It's this magical thing.

When you give enough data to a computer now,

and give enough time to comprehend the data,

trong mọi lĩnh vực.

it finds its own rules.

Hôm trước anh có nói chuyện với tôi về ung thư.

CA: And so that has led to the development of powerful applications

Tôi chiếu video này nhé?

ST: Vâng, anh cứ tự nhiên. CA: Ngầu thật đấy.

ST: Đây là một góc nhìn sâu sắc vào những điều đang diễn ra

in all sorts of areas.

You were talking to me the other day about cancer.

trong một lĩnh vực hoàn toàn khác.

Can I show this video?

ST: Yeah, absolutely, please. CA: This is cool.

Đây là sự nâng cấp, hoặc cạnh tranh --

ST: This is kind of an insight into what's happening

tuỳ quan điểm của người xem --

in a completely different domain.

với các bác sĩ da liễu, những người đang được trả

This is augmenting, or competing --

400.000 đô la mỗi năm,

những chuyên gia được đào tạo chuyên sâu.

it's in the eye of the beholder --

Phải mất hơn một thập kỷ đào tạo để trở thành một bác sĩ da liễu giỏi.

with people who are being paid 400,000 dollars a year,

Những gì anh thấy ở đây là phiên bản học máy của quá trình đó.

dermatologists,

highly trained specialists.

Nó được gọi là mạng nơ-ron.

It takes more than a decade of training to be a good dermatologist.

“Mạng nơ-ron” là một thuật ngữ kỹ thuật cho những thuật toán học máy này.

What you see here is the machine learning version of it.

Chúng đã xuất hiện từ thập niên 80.

Mạng này được một thành viên Facebook tên là Yann LeCun phát minh vào năm 1988,

It's called a neural network.

"Neural networks" is the technical term for these machine learning algorithms.

và nó truyền các giai đoạn dữ liệu

They've been around since the 1980s.

This one was invented in 1988 by a Facebook Fellow called Yann LeCun,

thông qua cái có thể được coi là bộ não con người.

Nó không giống hoàn toàn, nhưng mô phỏng lại não bộ.

and it propagates data stages

Nó đi từng giai đoạn một.

Ở giai đoạn đầu tiên, nó nhận hình ảnh đầu vào và trích xuất các cạnh,

through what you could think of as the human brain.

que, và chấm.

It's not quite the same thing, but it emulates the same thing.

Ở giai đoạn tiếp theo, các cạnh và hình trở nên phức tạp hơn

It goes stage after stage.

In the very first stage, it takes the visual input and extracts edges

như những hình bán nguyệt nhỏ.

and rods and dots.

Cuối cùng, nó có thể xây dựng những khái niệm thật sự phức tạp.

And the next one becomes more complicated edges

Andrew Ng đã cho thấy rằng

and shapes like little half-moons.

nó có thể tìm ra mặt mèo và mặt chó

And eventually, it's able to build really complicated concepts.

trong một lượng lớn hình ảnh.

Nhóm sinh viên của tôi ở Stanford đã cho thấy rằng

Andrew Ng has been able to show

that it's able to find cat faces and dog faces

nếu bạn huấn luyện mạng này trên 129.000 hình ảnh về tình trạng da liễu,

in vast amounts of images.

What my student team at Stanford has shown is that

bao gồm ung thư hắc tố và biểu mô,

if you train it on 129,000 images of skin conditions,

bạn có thể làm tốt

ngang những bác sĩ da liễu giỏi nhất.

including melanoma and carcinomas,

Và để thuyết phục chính mình rằng đây là sự thật,

you can do as good a job

chúng tôi thu thập một bộ dữ liệu độc lập để nạp cho mạng của mình

as the best human dermatologists.

và cho 25 bác sĩ da liễu đẳng cấp Standford được chứng nhận

And to convince ourselves that this is the case,

we captured an independent dataset that we presented to our network

và so sánh hai bên với nhau.

Và trong hầu hết trường hợp

hiệu suất phân loại chính xác của các mạng ngang bằng hoặc trội hơn

and to 25 board-certified Stanford-level dermatologists,

các bác sĩ da liễu.

and compared those.

CA: Anh đã kể tôi một giai thoại,

And in most cases,

tôi nhớ là về chính bức hình này.

they were either on par or above the performance classification accuracy

Chuyện gì đã xảy ra vậy?

ST: Chuyện này từ thứ Năm vừa rồi. Đó là một câu chuyện cảm động.

of human dermatologists.

CA: You were telling me an anecdote.

Chúng tôi đã trình bày và công bố trên tạp chí “Nature” hồi đầu năm

I think about this image right here.

What happened here?

ý tưởng rằng chúng tôi cho các bác sĩ da liễu

ST: This was last Thursday. That's a moving piece.

và chương trình máy tính xem ảnh

What we've shown before and we published in "Nature" earlier this year

và đếm số chẩn đoán chính xác.

Nhưng tất cả các hình này đều cũ rồi.

Chúng đã được sinh thiết để đảm bảo chúng tôi phân loại đúng.

was this idea that we show dermatologists images

Hình này thì không.

and our computer program images,

Hình này thực ra được một cộng sự thực hiện ở Stanford.

and count how often they're right.

But all these images are past images.

Chuyện là cộng sự này,

They've all been biopsied to make sure we had the correct classification.

một bác sĩ da liễu nổi tiếng thế giới, thuộc nhóm ba người giỏi nhất,

This one wasn't.

This one was actually done at Stanford by one of our collaborators.

nhìn nốt này và bảo, “Đây không phải ung thư da.”

The story goes that our collaborator,

Sau đó anh đã suy nghĩ lại và bảo,

who is a world-famous dermatologist, one of the three best, apparently,

“Để tôi kiểm tra trên phần mềm xem.” Anh lấy iPhone ra

looked at this mole and said, "This is not skin cancer."

và chạy phần mềm của chúng tôi, hay còn gọi là “bác sĩ da liễu bỏ túi”

And then he had a second moment, where he said,

và iPhone thông báo: là ung thư.

"Well, let me just check with the app."

Chẩn đoán ung thư hắc tố.

So he took out his iPhone and ran our piece of software,

Người cộng sự bối rối,

our "pocket dermatologist," so to speak,

rồi quyết định rằng, “Có lẽ tôi tin chiếc iPhone hơn chính mình một chút,”

and the iPhone said: cancer.

It said melanoma.

và anh gửi mẫu cho phòng thí nghiệm để làm sinh thiết.

And then he was confused.

Kết quả trả về là ung thư hắc tố tăng triển.

And he decided, "OK, maybe I trust the iPhone a little bit more than myself,"

Tôi nghĩ đây có lẽ là lần đầu tiên chúng tôi tìm thấy,

and he sent it out to the lab to get it biopsied.

trong thực hành ứng dụng học sâu,

And it came up as an aggressive melanoma.

một bệnh nhân ung thư hắc tố suýt bị chẩn đoán sót

So I think this might be the first time that we actually found,

nếu không nhờ học sâu.

in the practice of using deep learning,

CA: Thật đáng kinh ngạc.

(Tiếng vỗ tay)

an actual person whose melanoma would have gone unclassified,

Cảm tưởng như nhu cầu ứng dụng này sẽ tăng vọt ngay bây giờ,

had it not been for deep learning.

anh làm nhiều người phát hoảng đấy.

CA: I mean, that's incredible.

Anh đã nghĩ tới việc tạo một ứng dụng tự chẩn đoán chưa?

(Applause)

ST: Hộp thư đến của tôi ngập tràn nội dung ứng dụng về ung thư,

It feels like there'd be an instant demand for an app like this right now,

that you might freak out a lot of people.

Are you thinking of doing this, making an app that allows self-checking?

với những câu chuyện thương tâm của mọi người.

Một số người đã từng phẫu thuật loại bỏ 10, 15, 20 khối u hắc tố,

ST: So my in-box is flooded about cancer apps,

và lo rằng vẫn còn sót một khối nào đó như trường hợp vừa rồi,

with heartbreaking stories of people.

cũng như, tôi không chắc,

I mean, some people have had 10, 15, 20 melanomas removed,

các thư về xe bay và thư mời phát biểu.

and are scared that one might be overlooked, like this one,

Ý kiến của tôi là chúng ta cần thử nghiệm thêm.

Tôi muốn thật cẩn thận.

and also, about, I don't know,

Đưa ra kết quả hoành tráng và gây ấn tượng với khán giả của TED thì dễ thôi.

flying cars and speaker inquiries these days, I guess.

My take is, we need more testing.

Nhưng công bố chuẩn đạo đức thì khó hơn nhiều.

Nếu mọi người dùng ứng dụng này

I want to be very careful.

It's very easy to give a flashy result and impress a TED audience.

và quyết định không tham khảo ý kiến bác sĩ

It's much harder to put something out that's ethical.

vì chúng tôi chẩn đoán sai,

tôi sẽ cảm thấy rất tệ.

And if people were to use the app

Giờ chúng tôi đang thử nghiệm lâm sàng,

và nếu các thử nghiệm này đạt yêu cầu và dữ liệu ổn định,

and choose not to consult the assistance of a doctor

một lúc nào đó chúng tôi có thể đưa công nghệ này

because we get it wrong,

I would feel really bad about it.

ra khỏi phòng khám của Stanford

So we're currently doing clinical tests,

và mang nó đến toàn thế giới,

and if these clinical tests commence and our data holds up,

những nơi các bác sĩ của Stanford không bao giờ tới.

we might be able at some point to take this kind of technology

CA: Theo tôi hiểu,

and take it out of the Stanford clinic

thì ý anh ở đây là,

and bring it to the entire world,

vì anh đang làm việc với một đội quân học viên Udacity,

places where Stanford doctors never, ever set foot.

CA: And do I hear this right,

theo cách nào đó, anh đang ứng dụng một dạng khác của học máy

that it seemed like what you were saying,

có thể xuất hiện trong một công ty,

because you are working with this army of Udacity students,

thông qua việc kết hợp học máy với kiến thức của đám đông.

that in a way, you're applying a different form of machine learning

Có phải ý anh là đôi khi việc này có thể tốt hơn

so với một công ty, thậm chí là công ty lớn không?

than might take place in a company,

which is you're combining machine learning with a form of crowd wisdom.

ST: Tôi tin rằng hiện giờ có những ví dụ khiến tôi ngạc nhiên,

và tôi vẫn đang cố gắng hiểu.

Are you saying that sometimes you think that could actually outperform

Chris đang nhắc đến các cuộc thi chúng tôi tổ chức.

what a company can do, even a vast company?

ST: I believe there's now instances that blow my mind,

Chúng tôi xoay chuyển tình thế trong 48 giờ,

and I'm still trying to understand.

và đã lắp ráp được một xe tự lái

có khả năng lái từ Mountain View đến San Francisco trên mặt đất.

What Chris is referring to is these competitions that we run.

Cũng chưa đến mức ngang ngửa công sức bảy năm của Google

We turn them around in 48 hours,

and we've been able to build a self-driving car

nhưng cũng dần tiệm cận rồi.

that can drive from Mountain View to San Francisco on surface streets.

Và chúng tôi chỉ cần hai kỹ sư và ba tháng để làm được như vậy.

It's not quite on par with Google after seven years of Google work,

Lý do là chúng tôi có một đội quân các học viên

but it's getting there.

tham gia vào các cuộc thi.

Chúng tôi không phải những người duy nhất,

And it took us only two engineers and three months to do this.

Uber và Didi cũng dùng crowdsourcing cho lái xe.

And the reason is, we have an army of students

Airbnb dùng crowdsourcing cho các khách sạn.

who participate in competitions.

Giờ cũng có nhiều ví dụ sử dụng crowdsourcing để tìm lỗi phần mềm,

We're not the only ones who use crowdsourcing.

Uber and Didi use crowdsource for driving.

hay gấp cuộn protein, cũng như những thứ khác.

Airbnb uses crowdsourcing for hotels.

Nhưng chúng tôi đã chế tạo được chiếc xe này trong ba tháng,

There's now many examples where people do bug-finding crowdsourcing

nên thực ra tôi đang suy nghĩ lại

or protein folding, of all things, in crowdsourcing.

về cách tổ chức các công ty.

But we've been able to build this car in three months,

Chúng tôi có đội ngũ 9.000 nhân viên chưa từng được tuyển dụng

so I am actually rethinking

hay bị sa thải.

how we organize corporations.

Họ đến làm việc mà tôi còn chẳng biết.

We have a staff of 9,000 people who are never hired,

Rồi họ nộp cho tôi có lẽ là 9.000 câu trả lời.

Tôi không có nghĩa vụ phải dùng bất cứ câu nào.

that I never fire.

Rồi tôi chỉ trả công cho người thắng cuộc,

They show up to work and I don't even know.

thực ra ở đây tôi rất ki bo đấy, có lẽ cũng không phải cách hay nhất.

Then they submit to me maybe 9,000 answers.

Nhưng họ coi đó như một phần trong việc giáo dục, hay thật.

I'm not obliged to use any of those.

I end up -- I pay only the winners,

Nhưng các học viên này đã cho ra được những kết quả học sâu tuyệt vời.

so I'm actually very cheapskate here, which is maybe not the best thing to do.

Vậy nên sự kết hợp giữa những người giỏi và học máy tốt thật tuyệt vời.

But they consider it part of their education, too, which is nice.

But these students have been able to produce amazing deep learning results.

CA: Gary Kasparov phát biểu ngày đầu [sự kiện TED2017]

rằng nhà vô địch cờ vua, ngạc nhiên thay, là hai kỳ thủ nghiệp dư

So yeah, the synthesis of great people and great machine learning is amazing.

với ba chương trình máy tính làng nhàng, tàm tạm,

CA: I mean, Gary Kasparov said on the first day [of TED2017]

that the winners of chess, surprisingly, turned out to be two amateur chess players

có thể chơi giỏi hơn một đại kiện tướng với một kỳ thủ giỏi,

with three mediocre-ish, mediocre-to-good, computer programs,

cứ như thể sắp đặt trước vậy.

Dường như anh đang nói về một phiên bản phong phú hơn

that could outperform one grand master with one great chess player,

của ý tưởng này.

ST: Phải, khi theo dõi các phiên thảo luận rất hay sáng hôm qua,

like it was all part of the process.

And it almost seems like you're talking about a much richer version

hai phiên về AI,

các chúa tể robot và phản ứng của con người,

of that same idea.

có rất nhiều ý tưởng hay.

ST: Yeah, I mean, as you followed the fantastic panels yesterday morning,

Nhưng một điều gây quan ngại là đôi khi chúng ta nhầm lẫn

two sessions about AI,

giữa những thành tựu thực tế của AI và mối đe doạ xâm chiếm này,

robotic overlords and the human response,

many, many great things were said.

khi AI thức tỉnh, nhỉ?

But one of the concerns is that we sometimes confuse

Tôi không hề muốn AI của tôi có nhận thức.

what's actually been done with AI with this kind of overlord threat,

Tôi không muốn một ngày vào bếp

và thấy tủ lạnh yêu máy rửa bát

where your AI develops consciousness, right?

The last thing I want is for my AI to have consciousness.

rồi bảo tôi, vì tôi không đủ tử tế

I don't want to come into my kitchen

nên đồ ăn giờ hết lạnh rồi.

and have the refrigerator fall in love with the dishwasher

Tôi sẽ không mua, và tôi không muốn những sản phẩm như thế.

Nhưng sự thật với tôi

and tell me, because I wasn't nice enough,

là AI đã luôn luôn là sự nâng cấp của con người.

my food is now warm.

I wouldn't buy these products, and I don't want them.

Nó nâng cấp chúng ta,

khiến chúng ta mạnh mẽ hơn.

But the truth is, for me,

Và tôi nghĩ Kasparov đã đúng.

AI has always been an augmentation of people.

Sự kết hợp giữa trí khôn của con người và máy móc

It's been an augmentation of us,

to make us stronger.

sẽ làm chúng ta mạnh mẽ hơn.

Chủ đề máy móc giúp con người mạnh mẽ hơn cũng xưa như chính máy móc vậy.

And I think Kasparov was exactly correct.

It's been the combination of human smarts and machine smarts

Cách mạng nông nghiệp đã diễn ra vì nó tạo ra các động cơ hơi nước

that make us stronger.

The theme of machines making us stronger is as old as machines are.

và thiết bị nông nghiệp không thể tự làm nông

hay thay thế, mà chỉ tăng sức mạnh của ta.

The agricultural revolution took place because it made steam engines

Và tôi tin rằng làn sóng mới AI này sẽ khiến ta mạnh hơn rất nhiều

and farming equipment that couldn't farm by itself,

ở đơn vị giống loài.

CA: Lát nữa chúng ta sẽ bàn thêm,

that never replaced us; it made us stronger.

nhưng để tiếp tục phần đáng sợ ở đây với một số người,

And I believe this new wave of AI will make us much, much stronger

như nỗi sợ của nhiều người

as a human race.

CA: We'll come on to that a bit more,

khi máy tính có thể, một, tự viết lại mã,

but just to continue with the scary part of this for some people,

like, what feels like it gets scary for people is when you have

từ đó có thể nhân bản,

a computer that can, one, rewrite its own code,

thử một loại các phiên bản mã,

thậm chí có thể theo cách ngẫu nhiên,

rồi tự kiểm tra xem một mục tiêu đã hoàn thành và cải thiện chưa.

so, it can create multiple copies of itself,

Giả sử mục tiêu là đạt điểm cao hơn trong bài kiểm tra trí tuệ.

try a bunch of different code versions,

possibly even at random,

Một máy tính ngay từ đầu đã khá giỏi,

and then check them out and see if a goal is achieved and improved.

ta có thể thử hàng triệu phiên bản máy đó.

So, say the goal is to do better on an intelligence test.

Rồi ta tìm thấy một phiên bản tốt hơn,

You know, a computer that's moderately good at that,

và lặp lại quá trình.

Mối quan ngại ở đây là sẽ xuất hiện hiệu ứng mất kiểm soát,

you could try a million versions of that.

khi vào tối thứ Năm mọi thứ vẫn ổn,

You might find one that was better,

and then, you know, repeat.

nhưng sáng thứ Sáu khi ta đến phòng thí nghiệm,

And so the concern is that you get some sort of runaway effect

do tốc độ của các máy tính, mọi thứ trở nên điên rồ, rồi đột ngột --

where everything is fine on Thursday evening,

ST: Tôi sẽ nói đây là một khả năng,

and you come back into the lab on Friday morning,

nhưng một khả năng rất khó xảy ra.

and because of the speed of computers and so forth,

Để tôi nhắc lại những gì anh vừa nói.

things have gone crazy, and suddenly --

Trong trường hợp của Alpha Go, ta có chính xác điều này:

ST: I would say this is a possibility,

but it's a very remote possibility.

máy tính tự đánh với chính nó

So let me just translate what I heard you say.

và học các quy tắc mới.

Học máy là sự viết lại các quy tắc,

In the AlphaGo case, we had exactly this thing:

sự viết lại các dòng mã.

the computer would play the game against itself

Nhưng tôi nghĩ không phải quan ngại

and then learn new rules.

rằng AlphaGo sẽ xâm chiếm cả thế giới.

And what machine learning is is a rewriting of the rules.

Nó còn chả thể chơi cờ vua.

It's the rewriting of code.

CA: Không không, nhưng giờ chúng mới chỉ hoạt động trong lĩnh vực hẹp.

But I think there was absolutely no concern

that AlphaGo would take over the world.

Nhưng ta có thể tưởng tượng.

It can't even play chess.

Chúng ta mới thấy một máy tính gần như có khả năng

CA: No, no, no, but now, these are all very single-domain things.

vượt qua bài kiểm tra đầu vào của một trường đại học,

But it's possible to imagine.

nó không thể đọc hiểu theo cách của con người,

I mean, we just saw a computer that seemed nearly capable

nhưng rõ ràng nó có thể tiếp thu văn bản

và có lẽ tìm ra càng nhiều những hình mẫu ý nghĩa.

of passing a university entrance test,

Liệu có khả năng nào, khi mở rộng phạm vi,

that can kind of -- it can't read and understand in the sense that we can,

but it can certainly absorb all the text

sẽ có một hiệu ứng mất kiểm soát khác không?

and maybe see increased patterns of meaning.

ST: Thực ra tôi sẽ dừng lại ở đấy.

Khả năng có tồn tại -- tôi không muốn xem nhẹ nó --

Isn't there a chance that, as this broadens out,

nhưng tôi nghĩ khó xảy ra, và hiện giờ tôi không quan tâm đến,

there could be a different kind of runaway effect?

vì tôi nghĩ cuộc cách mạng lớn là về một thứ khác.

ST: That's where I draw the line, honestly.

And the chance exists -- I don't want to downplay it --

Mọi thành công trong AI cho đến thời điểm hiện tại

but I think it's remote, and it's not the thing that's on my mind these days,

mang tính chuyên môn rất cao,

và nó phát triển dựa trên một ý tưởng duy nhất,

because I think the big revolution is something else.

Everything successful in AI to the present date

chính là khối lượng dữ liệu khổng lồ.

Lý do AlphaGo hiệu quả đến vậy là nhờ số lượng khổng lồ ván chơi Go,

has been extremely specialized,

and it's been thriving on a single idea,

và AlphaGo không thể lái xe hay lái máy bay.

which is massive amounts of data.

Xe tự lái của Google hay của Udacity

The reason AlphaGo works so well is because of massive numbers of Go plays,

lớn mạnh nhờ khối lượng dữ liệu khổng lồ, còn chả làm được gì khác.

and AlphaGo can't drive a car or fly a plane.

Nó còn chả thể lái xe máy.

The Google self-driving car or the Udacity self-driving car

Chức năng hết sức cụ thể và chuyên môn,

thrives on massive amounts of data, and it can't do anything else.

tương tự với phần mềm về ung thư.

Gần như chưa có tí tiến triển nào về “AI tổng hợp” cả,

It can't even control a motorcycle.

It's a very specific, domain-specific function,

trường hợp chúng ta tiến đến bảo AI, “Hãy phát minh thuyết tương đối hẹp

and the same is true for our cancer app.

hay lý thuyết dây.”

There has been almost no progress on this thing called "general AI,"

Mọi thứ vẫn đang ở giai đoạn sơ khai.

where you go to an AI and say, "Hey, invent for me special relativity

Tôi muốn nhấn mạnh điều này bởi vì

tôi đã thấy các quan ngại, và tôi muốn công nhận chúng.

or string theory."

Nhưng nếu tôi chỉ suy nghĩ về một việc,

It's totally in the infancy.

The reason I want to emphasize this,

tôi sẽ tự hỏi bản thân, ”Sẽ ra sao nếu ta có thể lấy một thứ lặp đi lặp lại

I see the concerns, and I want to acknowledge them.

But if I were to think about one thing,

và giúp bản thân hiệu quả gấp trăm lần?”

I would ask myself the question, "What if we can take anything repetitive

Hoá ra là 300 năm trước, chúng ta đều làm nông nghiệp,

trồng trọt và làm việc lặp đi lặp lại.

and make ourselves 100 times as efficient?"

Ngày nay, 75 phần trăm chúng ta làm việc văn phòng

It so turns out, 300 years ago, we all worked in agriculture

và cũng làm việc lặp đi lặp lại.

Ta đã trở thành những con khỉ trang tính.

and did farming and did repetitive things.

Và không chỉ mỗi lao động cấp thấp đâu.

Today, 75 percent of us work in offices

Các bác sĩ da liễu cũng làm việc lặp đi lặp lại,

and do repetitive things.

các luật sư cũng thế.

We've become spreadsheet monkeys.

Tôi nghĩ chúng ta đang ở bên bờ khả năng có thể sử dụng AI,

And not just low-end labor.

We've become dermatologists doing repetitive things,

nhìn qua vai mình,

và chúng giúp ta làm việc lặp đi lặp lại hiệu quả gấp 10 hay gấp 50 lần.

lawyers doing repetitive things.

I think we are at the brink of being able to take an AI,

Tôi nghĩ như vậy.

CA: Nghe thật đáng mong đợi.

look over our shoulders,

Tiến trình đạt được như vậy có vẻ hơi đáng sợ với một số người

and they make us maybe 10 or 50 times as effective in these repetitive things.

bởi khi máy tính có thể làm việc lặp đi lặp lại này

That's what is on my mind.

CA: That sounds super exciting.

giỏi hơn cả bác sĩ da liễu

The process of getting there seems a little terrifying to some people,

hay đặc biệt là lái xe, việc này đang được thảo luận

because once a computer can do this repetitive thing

rất nhiều ở hiện tại,

đột nhiên hàng triệu công việc biến mất,

much better than the dermatologist

và cả nước nổi dậy

or than the driver, especially, is the thing that's talked about

trước khi ta đến được những khía cạnh khả thi rực rỡ hơn.

so much now,

suddenly millions of jobs go,

ST: Đó đúng là một vấn đề, một vấn đề lớn

and, you know, the country's in revolution

được nhiều diễn giả khách mời chỉ ra vào sáng hôm qua.

before we ever get to the more glorious aspects of what's possible.

Trước khi phát biểu,

ST: Yeah, and that's an issue, and it's a big issue,

tôi phải tự thú rằng tôi là người lạc quan, tích cực,

and it was pointed out yesterday morning by several guest speakers.

nên hãy để tôi phát biểu một cách lạc quan,

Now, prior to me showing up onstage,

nghĩa là, hãy đặt mình vào thời điểm 300 năm trước,

I confessed I'm a positive, optimistic person,

khi châu Âu mới sống sót qua 140 năm chiến tranh đằng đẵng,

so let me give you an optimistic pitch,

which is, think of yourself back 300 years ago.

không ai biết đọc hay biết viết,

không có bất cứ nghề nghiệp nào giống với ngày nay,

Europe just survived 140 years of continuous war,

như nhân viên ngân hàng đầu tư, kỹ sư phần mềm, hay người dẫn chương trình.

none of you could read or write,

Ta sẽ phải làm đồng cả ngày.

there were no jobs that you hold today,

Bỗng Sebastian bé nhỏ với động cơ hơi nước trong túi xuất hiện

like investment banker or software engineer or TV anchor.

và bảo, “Mọi người xem này.

Cái này sẽ khiến mọi người mạnh gấp trăm lần, để có thể làm việc khác.”

We would all be in the fields and farming.

Hồi đó chưa có sân khấu như bây giờ,

Now here comes little Sebastian with a little steam engine in his pocket,

nhưng Chris và tôi chuyện trò ở chuồng với mấy con bò,

saying, "Hey guys, look at this.

It's going to make you 100 times as strong, so you can do something else."

và anh bảo, “Tôi rất quan ngại,

vì ngày nào tôi cũng vắt sữa bò, máy móc làm hộ tôi thì sẽ ra sao đây?”

And then back in the day, there was no real stage,

Lý do tôi nhắc đến điều này là vì

but Chris and I hang out with the cows in the stable,

ta luôn biết cách công nhận thành tựu quá khứ cũng như lợi ích của nó,

and he says, "I'm really concerned about it,

because I milk my cow every day, and what if the machine does this for me?"

như với iPhone, máy bay, điện lực, hay thuốc men.

The reason why I mention this is,

Chúng ta đều thích sống đến 80 tuổi, điều mà 300 năm trước là bất khả thi.

we're always good in acknowledging past progress and the benefit of it,

like our iPhones or our planes or electricity or medical supply.

Nhưng chúng ta lại không áp dụng các quy tắc này vào tương lai.

We all love to live to 80, which was impossible 300 years ago.

Nếu tôi xem xét công việc CEO của chính mình,

But we kind of don't apply the same rules to the future.

tôi sẽ nói 90 phần trăm công việc của mình lặp đi lặp lại,

tôi chả yêu thích điều đó.

Tôi dành khoảng bốn tiếng mỗi ngày để trao đổi email ngu ngốc và trùng lặp.

So if I look at my own job as a CEO,

I would say 90 percent of my work is repetitive,

Và tôi khao khát có thứ gì đó giúp tôi thoát khỏi cảnh này.

I don't enjoy it,

Tại sao ư?

I spend about four hours per day on stupid, repetitive email.

Vì tôi tin rằng tất cả chúng ta đều có sức sáng tạo vô biên,

And I'm burning to have something that helps me get rid of this.

tôi nghĩ đặc biệt với cộng đồng TED.

Ngay cả các nhân viên cổ cồn xanh; tôi nghĩ bạn có thể gặp người dọn phòng,

Why?

Because I believe all of us are insanely creative;

mời họ một ly,

I think the TED community more than anybody else.

sau một giờ đồng hồ, bạn sẽ tìm ra một ý tưởng sáng tạo.

But even blue-collar workers; I think you can go to your hotel maid

Máy móc tăng cường chúng ta thông qua việc biến ý tưởng thành hành động.

and have a drink with him or her,

Giả sử như, sẽ ra sao nếu bạn có thể xây dựng Google chỉ trong một ngày?

and an hour later, you find a creative idea.

What this will empower is to turn this creativity into action.

Hay trong lúc ngồi uống bia, bạn phát minh ra phiên bản Snapchat mới,

gì cũng được,

Like, what if you could build Google in a day?

và sáng hôm sau mọi thứ đã đi vào vận hành?

Đó không phải khoa học viễn tưởng.

What if you could sit over beer and invent the next Snapchat,

Điều sẽ xảy ra

là chúng ta đang viết nên lịch sử.

whatever it is,

Chúng ta đã giải phóng sức sáng tạo tuyệt vời này thông qua

and tomorrow morning it's up and running?

And that is not science fiction.

tự giải thoát khỏi việc làm nông

What's going to happen is,

và sau đó tất nhiên là việc làm trong nhà xưởng

we are already in history.

We've unleashed this amazing creativity

và đã phát minh ra thật nhiều thứ.

Tôi cho rằng chuyện sẽ còn tuyệt vời thêm.

by de-slaving us from farming

and later, of course, from factory work

Và sẽ có những hiệu ứng phụ to lớn.

Một trong số chúng là

and have invented so many things.

việc những thứ như thực phẩm, thuốc men, giáo dục, nhà ở,

It's going to be even better, in my opinion.

And there's going to be great side effects.

và phương tiện

sẽ vừa túi tiền tất cả chúng ta hơn,

One of the side effects will be

chứ không chỉ với người giàu.

that things like food and medical supply and education and shelter

CA: Hừm.

Vậy khi Martin Ford phản bác rằng, lần này có sự khác biệt

and transportation

will all become much more affordable to all of us,

vì trí tuệ chúng ta sử dụng trong quá khứ

not just the rich people.

CA: Hmm.

để tìm ra các cách thức làm việc mới

So when Martin Ford argued, you know, that this time it's different

sẽ bị các máy tính làm thay mọi việc

theo kịp tốc độ,

because the intelligence that we've used in the past

còn theo tôi hiểu, ý anh là sẽ không hoàn toàn như vậy,

to find new ways to be

nhờ tính sáng tạo của con người.

will be matched at the same pace

by computers taking over those things,

Anh có nghĩ tính sáng tạo của con người về cơ bản khác với

what I hear you saying is that, not completely,

tính sáng tạo của máy tính không?

because of human creativity.

ST: Với tư cách người nghiên cứu AI, tôi vững tin rằng

Do you think that that's fundamentally different from the kind of creativity

mình chưa từng thấy bất cứ tiến bộ nào trong sức sáng tạo

that computers can do?

ST: So, that's my firm belief as an AI person --

và tư duy đột phá cả.

Cái tôi đang thấy -- mọi người rất cần phải nhận ra điều này,

that I haven't seen any real progress on creativity

vì cụm từ “trí tuệ nhân tạo” nghe thật đáng sợ,

lại còn có cả một bộ phim của Steve Spielberg

and out-of-the-box thinking.

về viễn cảnh đột nhiên máy tính là bá chủ thiên hạ,

What I see right now -- and this is really important for people to realize,

nhưng thực ra chỉ là

because the word "artificial intelligence" is so threatening,

một công nghệ giúp chúng ta làm những việc lặp đi lặp lại.

and then we have Steve Spielberg tossing a movie in,

Mọi tiến bộ đều nhằm giải quyết sự lặp lại này.

where all of a sudden the computer is our overlord,

Từ việc xác định văn bản pháp luạt,

but it's really a technology.

It's a technology that helps us do repetitive things.

soạn thảo hợp đồng,

đến việc chụp X-quang lồng ngực.

And the progress has been entirely on the repetitive end.

Tất cả đều có tính chuyên môn cao.

It's been in legal document discovery.

Tôi không nhận thấy mối đe doạ lớn với loài người.

It's been contract drafting.

It's been screening X-rays of your chest.

Sự thật là, con người chúng ta --

hãy đối diện thực tế: ta đã trở thành siêu nhân.

And these things are so specialized,

Ta đã tự biến mình thành siêu nhân.

I don't see the big threat of humanity.

Chúng ta có thể bơi qua Đại Tây Dương trong 11 tiếng.

In fact, we as people --

Ta có thể lôi thiết bị từ trong túi

I mean, let's face it: we've become superhuman.

và la lối đến tận Úc,

We've made us superhuman.

và cùng lúc nghe tiếng la lối đáp lại từ bên kia.

We can swim across the Atlantic in 11 hours.

Điều này bất khả thi về mặt vật lý. Ta đang phá vỡ các nguyên tắc vật lý.

We can take a device out of our pocket

and shout all the way to Australia,

Sau khi xong việc ta sẽ nhớ tất cả những gì

and in real time, have that person shouting back to us.

mình đã nói ra và nhìn thấy,

nhớ tất cả mọi người,

That's physically not possible. We're breaking the rules of physics.

rất có lợi với tôi ở giai đoạn đầu bệnh Alzheimer.

When this is said and done, we're going to remember everything

Xin lỗi, tôi vừa nói gì ta? Quên rồi.

CA: (cười lớn)

we've ever said and seen,

ST: Có khi chúng ta sẽ đạt IQ cỡ 1.000 hoặc hơn ấy chứ.

you'll remember every person,

which is good for me in my early stages of Alzheimer's.

Con trẻ sẽ không phải học lớp đánh vần nữa,

Sorry, what was I saying? I forgot.

vì làm gì còn lỗi chính tả.

CA: (Laughs)

ST: We will probably have an IQ of 1,000 or more.

Cũng chả có vấn đề toán học.

Tôi nghĩ chúng ta thực sự có thể trở nên siêu sáng tạo.

There will be no more spelling classes for our kids,

Và đúng như vậy. Chúng ta sáng tạo mà.

because there's no spelling issue anymore.

Đó là vũ khí bí mật của ta.

There's no math issue anymore.

CA: Vậy những công việc đang biến mất,

And I think what really will happen is that we can be super creative.

theo một cách nào đó, mặc dù sẽ thật xót xa,

And we are. We are creative.

nhưng con người có thể làm tốt hơn nữa. Đây chính là giấc mơ.

That's our secret weapon.

Giấc mơ con người có thể vươn tới một cấp độ năng lực

CA: So the jobs that are getting lost,

in a way, even though it's going to be painful,

và khám phá mới.

humans are capable of more than those jobs.

Đó chính là giấc mơ.

This is the dream.

ST: Và hãy nghĩ xem:

nếu ta xem xét lịch sử loài người,

The dream is that humans can rise to just a new level of empowerment

giai đoạn nào cũng được -- 60-100.000 năm tuổi, tầm tầm đó --

and discovery.

That's the dream.

gần như mọi thứ ta trân trọng khi xét về mặt phát minh,

ST: And think about this:

if you look at the history of humanity,

công nghệ, những thứ ta đã xây dựng,

that might be whatever -- 60-100,000 years old, give or take --

đã được phát minh suốt 150 năm qua.

almost everything that you cherish in terms of invention,

Nếu tính cả sách vở và bánh xe, lại còn trước đó thêm ít nữa.

of technology, of things we've built,

Hay cả cái rìu.

has been invented in the last 150 years.

Ngoại trừ điện thoại, giày thể thao,

những chiếc ghế này, sản xuất hiện đại, penicilin --

If you toss in the book and the wheel, it's a little bit older.

những thứ ta trân trọng.

Or the axe.

Với tôi, thế có nghĩa là

But your phone, your sneakers,

these chairs, modern manufacturing, penicillin --

trong 150 năm tới, chúng ta sẽ tìm ra nhiều thứ khác.

the things we cherish.

Sự thật là, tôi nghĩ tốc độ phát minh đã tăng lên chứ không hề giảm đi.

Now, that to me means

Tôi tin rằng mới chỉ có một phần trăm những thứ thú vị được phát minh. Nhỉ?

the next 150 years will find more things.

In fact, the pace of invention has gone up, not gone down, in my opinion.

Chúng ta vẫn chưa chữa được ung thư.

Chúng ta vẫn chưa có xe bay. Mong là tôi sẽ thay đổi được điều này.

I believe only one percent of interesting things have been invented yet. Right?

Mọi người từng cười lớn khi tôi lấy ví dụ đó. (Cười lớn)

We haven't cured cancer.

Buồn cười nhỉ? Tôi nghiên cứu bí mật về xe bay.

We don't have flying cars -- yet. Hopefully, I'll change this.

Tuổi thọ của ta chưa tăng gấp đôi. Phải không?

That used to be an example people laughed about. (Laughs)

Chúng ta vẫn chưa có cấy ghép ma thuật trong não bộ

It's funny, isn't it? Working secretly on flying cars.

để đưa những thông tin ta muốn. Các bạn có thể thấy ghê,

We don't live twice as long yet. OK?

nhưng tôi hứa là khi dùng, các bạn sẽ yêu nó.

We don't have this magic implant in our brain

Tôi mong là như vậy.

Tôi biết là nghe hơi đáng sợ.

that gives us the information we want.

Nhiều thứ chưa được phát minh, tôi nghĩ rồi sẽ có.

And you might be appalled by it,

but I promise you, once you have it, you'll love it.

Chưa có lá chắn lực hấp dẫn.

Ta chưa thể phát bản thân giữa hai điểm.

I hope you will.

Nghe thật ngớ ngẩn,

It's a bit scary, I know.

nhưng khoảng 200 năm trước,

There are so many things we haven't invented yet

các chuyên gia đã nghĩ ta không thể bay được,

that I think we'll invent.

We have no gravity shields.

thậm chí 120 năm trước,

We can't beam ourselves from one location to another.

và rằng nếu ta di chuyển nhanh hơn tốc độ chạy,

That sounds ridiculous,

ta sẽ chết ngay.

but about 200 years ago,

experts were of the opinion that flight wouldn't exist,

Vậy ai dám quả quyết mình không thể phát một người

even 120 years ago,

từ đây đến sao Hoả?

and if you moved faster than you could run,

CA: Sebastian, cảm ơn nhiều về tầm nhìn đầy cảm hứng

you would instantly die.

So who says we are correct today that you can't beam a person

và óc sáng suốt của anh. Cảm ơn anh về bài phỏng vấn tuyệt vời.

from here to Mars?

(Tiếng vỗ tay)

CA: Sebastian, thank you so much

for your incredibly inspiring vision and your brilliance.

Thank you, Sebastian Thrun.

That was fantastic. (Applause)