Budu mluvit o tom, kam směřují technologie. Pokaždé, když se setkáme s technologiemi, překvapuje nás, co vše přináší. Je zde vlastně ale mnoho věcí o technologiích, které jsou značně předvídatelné, protože technologické systémy všech druhů mají sklony, mají důležitost, mají tendence. Tyto tendence jsou odvozeny od samotné podstaty fyziky, chemických vazeb, přepínačů a elektronů a vytváří opakující se vzorce znovu a znovu. A z těchto vzorců vznikají tyto tendence, takové sklony.
I'm going to talk a little bit about where technology's going. And often technology comes to us, we're surprised by what it brings. But there's actually a large aspect of technology that's much more predictable, and that's because technological systems of all sorts have leanings, they have urgencies, they have tendencies. And those tendencies are derived from the very nature of the physics, chemistry of wires and switches and electrons, and they will make reoccurring patterns again and again. And so those patterns produce these tendencies, these leanings.
Mohli byste o tom přemýšlet téměř jako o gravitaci. Představte si dešťové kapky padající do údolí. Skutečná cesta padající kapky údolím je nepředvídatelná. Nemůžeme vidět, kam míří, ale obecný směr je nevyhnutelný. Je to dolů. A tyto jasné tendence a nutnosti v technologickém systému nám ukazují, kam věci jako celek směřují. Takže v hlubším smyslu, řekl bych, že telefony byly nevyhnutelné, ale iPhone nebyl. Internet byl nevyhnutelný, ale Twitter nebyl.
You can almost think of it as sort of like gravity. Imagine raindrops falling into a valley. The actual path of a raindrop as it goes down the valley is unpredictable. We cannot see where it's going, but the general direction is very inevitable: it's downward. And so these baked-in tendencies and urgencies in technological systems give us a sense of where things are going at the large form. So in a large sense, I would say that telephones were inevitable, but the iPhone was not. The Internet was inevitable, but Twitter was not.
Nyní máme mnoho současných tendencí, a já myslím, že hlavní tendencí je dělat věci chytřejší a chytřejší. Říkám tomu poznávání (cognification), také známo jako umělá inteligence nebo AI. Myslím, že to nejvíce ovlivní vývoj, trendy a směr a požene naši společnost v dalších 20 letech.
So we have many ongoing tendencies right now, and I think one of the chief among them is this tendency to make things smarter and smarter. I call it cognifying -- cognification -- also known as artificial intelligence, or AI. And I think that's going to be one of the most influential developments and trends and directions and drives in our society in the next 20 years.
Samozřejmě už je to tady. My už umělou inteligenci máme, vždy pracuje na pozadí, v zázemí nemocnic, kde provádí diagnostiku rentgenů lépe než lidský lékař. Je v advokátních kancelářích, kde prochází právní důkazy lépe než lidský koncipient. Lítá s letadly, kterými jste sem přiletěli. Lidští piloti řídí letadlo pouze sedm až osm minut, zbytek času řídí AI. A samozřejmě v Netflixu a Amazonu, na pozadí vytváří doporučení. To máme dnes.
So, of course, it's already here. We already have AI, and often it works in the background, in the back offices of hospitals, where it's used to diagnose X-rays better than a human doctor. It's in legal offices, where it's used to go through legal evidence better than a human paralawyer. It's used to fly the plane that you came here with. Human pilots only flew it seven to eight minutes, the rest of the time the AI was driving. And of course, in Netflix and Amazon, it's in the background, making those recommendations. That's what we have today.
A máme příklad, který je samozřejmě více vidět, s výhrou AlphaGo nad světově nejlepším šampionem hry Go. Ale je toho více. Pokud hrajete video hry, hrajete proti AI. Avšak nedávno Google naučil svoji AI, jak vlastně hrát video hry. Opět, učení video her bylo zvládnuto, ale učení se jak hrát video hru je dalším krokem. To je umělá chytrost. To co děláme je, že vezmeme tuto umělou chytrost a děláme ji chytřejší a chytřejší.
And we have an example, of course, in a more front-facing aspect of it, with the win of the AlphaGo, who beat the world's greatest Go champion. But it's more than that. If you play a video game, you're playing against an AI. But recently, Google taught their AI to actually learn how to play video games. Again, teaching video games was already done, but learning how to play a video game is another step. That's artificial smartness. What we're doing is taking this artificial smartness and we're making it smarter and smarter.
Tyto tři pohledy na tento obecný trend jsou, myslím, nedoceněné. Myslím, že bychom AI porozuměli mnohem lépe, kdybychom rozuměli těmto třem věcem. Myslím, že tyto věci nám také pomohou AI přijmout. Protože pouze pokud ji přijmeme, tak ji můžeme řídit. Můžeme vlastně ovládat specifikace, když přijmeme širší trend.
There are three aspects to this general trend that I think are underappreciated; I think we would understand AI a lot better if we understood these three things. I think these things also would help us embrace AI, because it's only by embracing it that we actually can steer it. We can actually steer the specifics by embracing the larger trend.
Dovolte mi promluvit o těchto třech rozdílných hlediscích. Zaprvé: naše vlastní inteligence velmi špatně chápe, co je inteligence. Máme sklon přemýšlet o inteligenci jako o jedné dimenzi, která je jako tón, který je hlasitější a hlasitější. Začíná to s měřením IQ. Začíná to asi s jednoduchým, nízkým IQ v kryse nebo myši a možná je více v šimpanzovi a potom možná je více v hloupém člověkovi a potom je možná průměrný člověk, jako já a potom možná genius. A tato jediná IQ inteligence je vyšší a vyšší. To je úplně špatně. To není to, co inteligence je -- ani co je lidská inteligence mimochodem. Je to spíše jako symfonie rozdílných tónů a každý z těchto tónů hraje rozdílný nástroj poznání.
So let me talk about those three different aspects. The first one is: our own intelligence has a very poor understanding of what intelligence is. We tend to think of intelligence as a single dimension, that it's kind of like a note that gets louder and louder. It starts like with IQ measurement. It starts with maybe a simple low IQ in a rat or mouse, and maybe there's more in a chimpanzee, and then maybe there's more in a stupid person, and then maybe an average person like myself, and then maybe a genius. And this single IQ intelligence is getting greater and greater. That's completely wrong. That's not what intelligence is -- not what human intelligence is, anyway. It's much more like a symphony of different notes, and each of these notes is played on a different instrument of cognition.
V naší mysli je mnoho typů inteligence. Máme deduktivní zdůvodňování, máme emoční inteligenci, máme prostorovou inteligenci; máme možná 100 různých typů, které jsou spojeny dohromady a mají rozdílnou intenzitu u různých lidí. A samozřejmě, když přejdeme ke zvířatům, mají rozdílné další symfonie rozdílných druhů inteligencí, a občas tyto jejich nástroje jsou stejné, jako máme my. Můžeme stejně myslet, ale oni mají jiné uspořádání a možná jsou lepší v některých případech než lidé, jako dlouhodobá paměť veverky, která je fenomenální, může si tak zapamatovat kam schovala oříšky. V ostatních případech může být ale nižší.
There are many types of intelligences in our own minds. We have deductive reasoning, we have emotional intelligence, we have spatial intelligence; we have maybe 100 different types that are all grouped together, and they vary in different strengths with different people. And of course, if we go to animals, they also have another basket -- another symphony of different kinds of intelligences, and sometimes those same instruments are the same that we have. They can think in the same way, but they may have a different arrangement, and maybe they're higher in some cases than humans, like long-term memory in a squirrel is actually phenomenal, so it can remember where it buried its nuts. But in other cases they may be lower.
Když vyrobíme stroje, navrhneme je stejnou cestou, kde bychom udělali některé takové inteligence lepší než naše a některé se našim nebudou ani blížit, protože nebudou potřeba. Takže vezmeme tyto věci, tyto umělé spojitosti a budeme přidávat další možnosti umělého poznávání našim AI. Vytvoříme je velmi specifická.
When we go to make machines, we're going to engineer them in the same way, where we'll make some of those types of smartness much greater than ours, and many of them won't be anywhere near ours, because they're not needed. So we're going to take these things, these artificial clusters, and we'll be adding more varieties of artificial cognition to our AIs. We're going to make them very, very specific.
Takže vaše kalkulačka je už mnohem chytřejší v počtech než vy; vaše GPS je chytřejší než vy v prostorové orientaci; Google, Bing mají lepší dlouhodobou paměť než vy. Vezmeme znovu tyto rozdílné typy myšlení a dáme je například do auta. Důvod proč to tam dáme, je aby řídilo auto, ne aby se řídilo jako to dělají lidé, nemyslí tak jako my. To je její vlastnost. Není roztržitá, Nestará se, zda nechala zapnutý sporák, nebo jestli měla vystudovat finance. Pouze řídí.
So your calculator is smarter than you are in arithmetic already; your GPS is smarter than you are in spatial navigation; Google, Bing, are smarter than you are in long-term memory. And we're going to take, again, these kinds of different types of thinking and we'll put them into, like, a car. The reason why we want to put them in a car so the car drives, is because it's not driving like a human. It's not thinking like us. That's the whole feature of it. It's not being distracted, it's not worrying about whether it left the stove on, or whether it should have majored in finance. It's just driving.
(Smích)
(Laughter)
Pouze řídí, dobře? Mohli bychom to vlastně prezentovat jako "nemající vědomí". Jsou bez uvědomění, nestarají se o takové věci, Nejsou roztržití.
Just driving, OK? And we actually might even come to advertise these as "consciousness-free." They're without consciousness, they're not concerned about those things, they're not distracted.
Takže obecně vzato, snažíme se udělat co nejvíce rozdílných typů myšlení, kolik jen můžeme. Snažíme se vyplnit prostor co nejvíce typy nebo druhy myšlení. Mohly by zde být ale nějaké problémy, které jsou v byznysu a vědě tak složité, že by pouze náš způsob myšlení nemusel na tyto problémy stačit. Potřebujeme tedy dvoufázový proces, který bude na vymyšlení nových druhů myšlení, abychom mohli pracovat spolu na složitějších problémech, Řekněme například na temné energii nebo na kvantové gravitaci.
So in general, what we're trying to do is make as many different types of thinking as we can. We're going to populate the space of all the different possible types, or species, of thinking. And there actually may be some problems that are so difficult in business and science that our own type of human thinking may not be able to solve them alone. We may need a two-step program, which is to invent new kinds of thinking that we can work alongside of to solve these really large problems, say, like dark energy or quantum gravity.
To, co děláme, je vyrábění mimozemské inteligence Můžete o tom přemýšlet jako o druhu umělých mimozemšťanů, v určitém smyslu. Pomůžou nám přemýšlet rozdílně, protože přemýšlet rozdílně je hnací silou kreativity, bohatství a nové ekonomiky.
What we're doing is making alien intelligences. You might even think of this as, sort of, artificial aliens in some senses. And they're going to help us think different, because thinking different is the engine of creation and wealth and new economy.
Druhou věcí bude v podstatě použití AI ke druhé průmyslové revoluci. První průmyslová revoluce vznikla, protože jsme vymysleli něco, čemu bych řekl umělá síla. Před tím, během zemědělské revoluce, vše, co bylo vyrobeno, vyrobily lidské svaly nebo zvířecí síla. To byla jediná možnost, jak něco udělat. Velká inovace industriální revoluce spočívala v tom, že jsme použili energii páry a fosilní paliva, abychom mohli používat tuto sílu a dělat věci, které chceme. Takže dnes, když jedete po silnici, ovládáte, pouze malým pohybem, 250 koní -- 250 koňských sil -- Můžeme je využít ke stavbě mrakodrapů, měst a stavbě cest. postavit továrny, které chrlí hromady židlí nebo ledniček, což je zcela nad naše vlastní síly. A síla strojů může být rozdělena do všech oblastí, do každého domu, továrny, statku a každý si tuto pomocnou sílu může koupit, stačí to pouze připojit.
The second aspect of this is that we are going to use AI to basically make a second Industrial Revolution. The first Industrial Revolution was based on the fact that we invented something I would call artificial power. Previous to that, during the Agricultural Revolution, everything that was made had to be made with human muscle or animal power. That was the only way to get anything done. The great innovation during the Industrial Revolution was, we harnessed steam power, fossil fuels, to make this artificial power that we could use to do anything we wanted to do. So today when you drive down the highway, you are, with a flick of the switch, commanding 250 horses -- 250 horsepower -- which we can use to build skyscrapers, to build cities, to build roads, to make factories that would churn out lines of chairs or refrigerators way beyond our own power. And that artificial power can also be distributed on wires on a grid to every home, factory, farmstead, and anybody could buy that artificial power, just by plugging something in.
Bylo to samozřejmě zdrojem inovací, protože každý farmář mohl vzít pumpu, mohl ji připojit k této umělé síle, k elektřině a získal by elektrickou pumpu. A to si vynásobte tisíckrát nebo desettisíckrát a tento vzorec nám přinesl průmyslovou revoluci. Všechny věci, které teď vidíme, všechen tento pokrok, který si užíváme, vychází ze skutečnosti, co jsme udělali.
So this was a source of innovation as well, because a farmer could take a manual hand pump, and they could add this artificial power, this electricity, and he'd have an electric pump. And you multiply that by thousands or tens of thousands of times, and that formula was what brought us the Industrial Revolution. All the things that we see, all this progress that we now enjoy, has come from the fact that we've done that.
Stejnou věc teď uděláme s AI. Rozšíříme ji v dalších oblastech a teď si vezměte tu elektrickou pumpu. Můžete přidat umělou inteligenci, a máte teď chytrou pumpu. A to vynásobte milionkrát a nastane druhá průmyslová revoluce. Takže teď auto jedoucí po ulici, má 250 koňských sil, ale také 250 myslí. To je autonomní auto. Je to jako nový produkt; nový nástroj. AI se rozšíří napříč po síti, po cloudu, jako to udělala elektřina.
We're going to do the same thing now with AI. We're going to distribute that on a grid, and now you can take that electric pump. You can add some artificial intelligence, and now you have a smart pump. And that, multiplied by a million times, is going to be this second Industrial Revolution. So now the car is going down the highway, it's 250 horsepower, but in addition, it's 250 minds. That's the auto-driven car. It's like a new commodity; it's a new utility. The AI is going to flow across the grid -- the cloud -- in the same way electricity did.
Takže vše co je elektrifikováno, bude teď chytré. A dlužím to Jeffovi, že vzorec pro dalších 10 000 začínajících firem je velmi jednoduchý. Vezmeme x a přidáme AI. To je ten vzorec, který teď budeme používat. Toto je způsob, kterým provedeme tuto druhou průmyslovou revoluci. A mimochodem -- právě teď, tuto minutu, můžete se přihlásit na Google a můžete si pořídit AI za šest centů, 100 zobrazení. Je to přístupné právě teď.
So everything that we had electrified, we're now going to cognify. And I would suggest, then, that the formula for the next 10,000 start-ups is very, very simple, which is to take x and add AI. 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 this second Industrial Revolution. And by the way -- right now, this minute, you can log on to Google and you can purchase AI for six cents, 100 hits. That's available right now.
A třetím hlediskem je, když vezmeme AI a ztělesníme to, vytvoříme roboty. Všichni roboti budou boti, budou dělat spoustu věcí, které jsme doposud dělali. Práce je pouze souborem úkolů, takže oni nově nadefinují naše práce, protože oni budou dělat některé tyto úkoly. Vytvoří ale také úplně nová odvětví, zcela nové soubory úkolů, o kterých jsme v minulosti nevěděli, že je budeme chtít dělat. Doslova stvoří nové druhy prací, nové druhy úkolů, které musejí být hotové, přesně jako automatizace vytvořila úplně novou spoustu věcí, o kterých jsme nevěděli, že je budeme potřebovat a teď bez nich nemůžeme žít. Takže se vytvoří mnohem více prací než zanikne, je ale důležité, že mnoho úkolů, které jim zadáme, jsou úkoly, které mohou být vymezené, co se týče výkonu nebo produktivity. Pokud můžete specifikovat úkol, jak manuální, tak koncepční, který může být specifikován v oblasti výkonu nebo produktivity, to budou dělat boti. Výkonost je pro roboty. My jsme v podstatě dobří v plýtvání časem.
So the third aspect of this is that when we take this AI and embody it, we get robots. And robots are going to be bots, they're going to be doing many of the tasks that we have already done. A job is just a bunch of tasks, so they're going to redefine our jobs because they're going to do some of those tasks. But they're also going to create whole new categories, a whole new slew of tasks that we didn't know we wanted to do before. They're going to actually engender new kinds of jobs, new kinds of tasks that we want done, just as automation made up a whole bunch of new things that we didn't know we needed before, and now we can't live without them. So they're going to produce even more jobs than they take away, 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. If you can specify a task, either manual or conceptual, that can be specified in terms of efficiency or productivity, that goes to the bots. Productivity is for robots. What we're really good at is basically wasting time.
(Smích)
(Laughter)
Jsme dobří ve věcech, které jsou neefektivní. Věda je ze své podstaty neefektivní. Pracuje na principu opakujících se nezdarů. Funguje tak, že děláte testy a experimenty, které nefungují, jinak byste se neučili. Pracuje na principu, ve kterém není moc efektivity. Inovace dle definice je neefektivnost, protože vyrábíte prototypy, protože zkoušíte věci, které selžou, které nefungují. Bádání je ze své podstaty neefektivní. Umění není efektivní. Mezilidské vztahy nejsou efektivní. Toto všechno jsou věci, ke kterým budeme směřovat, protože jsou neefektivní. Efektivita je pro roboty. My se také naučíme, jak s AI spolupracovat, protože myslí jinak než my.
We're really good at things that are inefficient. Science is inherently inefficient. It runs on that fact that you have one failure after another. It runs on the fact that you make tests and experiments that don't work, otherwise you're not learning. It runs on the fact that there is not a lot of efficiency in it. Innovation by definition is inefficient, because you make prototypes, because you try stuff that fails, that doesn't work. Exploration is inherently inefficiency. Art is not efficient. Human relationships are not efficient. These are all the kinds of things we're going to gravitate to, because they're not efficient. Efficiency is for robots. We're also going to learn that we're going to work with these AIs because they think differently than us.
Když Deep Blue porazil světového šachového šampiona, lidé mysleli, že je to konec šachů. Ve skutečnosti ale, jak se dnes ukazuje, nejlepším šachovým šampionem na světě není AI a není to ani člověk. Je to tým člověka a AI. Nejlepší lékařské diagnostiky neprovádí lékař ani AI, nejlepší je tým. Budeme pracovat s AI a myslím, že v budoucnosti budete placeni podle toho, jak dobře pracujete s těmito boty. Tak, to je ta třetí věc, že jsou rozdílní, jsou nástrojem, je to něco, s čím chceme spíš spolupracovat než bojovat. Pracujme s nimi, spíše než proti nim.
When Deep Blue beat the world's best chess champion, people thought it was the end of chess. But actually, it turns out that today, the best chess champion in the world is not an AI. And it's not a human. It's the team of a human and an AI. The best medical diagnostician is not a doctor, it's not an AI, it's the team. We're going to be working with these AIs, and I think you'll be paid in the future by how well you work with these bots. So that's the third thing, is that they're different, they're utility and they are going to be something we work with rather than against. We're working with these rather than against them.
Tak budoucnost: Kam nás zanese? Myslím, že když se za 25 let ohlédnou a podívají se na naše chápání AI a řeknou: ,,Neměli jste AI, ve skutečnosti jste neměli ani internet, ve srovnání s tím, co budeme mít za 25 let." V současné době nemáme experty na AI. Proudí do toho hodně peněz, utrácejí se za to miliardy dolarů; je to obrovský byznys, nemáme ale experty, v porovnání s tím, co budeme vědět za 20 let. Jsme teprve na začátku začátku, jsme v první hodině toho všeho. Jsme v první hodině internetu. Jsme v první hodině toho, co přichází. Nejoblíbenější AI produkt za 20 let, který bude každý používat, nebyl zatím vynalezen. To znamená, že ještě nejdete pozdě.
So, the future: Where does that take us? I think that 25 years from now, they'll look back and look at our understanding of AI and say, "You didn't have AI. In fact, you didn't even have the Internet yet, compared to what we're going to have 25 years from now." There are no AI experts right now. There's a lot of money going to it, there are billions of dollars being spent on it; it's a huge business, but there are no experts, compared to what we'll know 20 years from now. So we are just at the beginning of the beginning, we're in the first hour of all this. We're in the first hour of the Internet. We're in the first hour of what's coming. The most popular AI product in 20 years from now, that everybody uses, has not been invented yet. That means that you're not late.
Děkuji.
Thank you.
(Smích)
(Laughter)
(Potlesk)
(Applause)