Θα πω δυο λόγια σχετικά με το πού πηγαίνει η τεχνολογία. Συχνά η τεχνολογία έρχεται σε εμάς, και μας εκπλήσσει με αυτά που φέρνει. Αλλά ένα μεγάλο μέρος της τεχνολογίας είναι πολύ πιο προβλέψιμο διότι κάθε είδους τεχνολογικό σύστημα έχει κλίσεις, έχει ανάγκες, έχει τάσεις. Κι αυτές οι τάσεις προέρχονται από τη φύση της φυσικής, της χημείας, των καλωδίων, των διακοπτών και των ηλεκτρονίων, και φτιάχνουν επαναλαμβανόμενα μοτίβα ξανά και ξανά. Κι έτσι, αυτά τα μοτίβα παράγουν αυτές τις τάσεις, αυτές τις κλίσεις.
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.
Σκεφτείτε το σαν τη βαρύτητα. Φανταστείτε σταγόνες βροχής να πέφτουν σε μια κοιλάδα. Η πορεία της σταγόνας καθώς κατεβαίνει στην κοιλάδα είναι απρόβλεπτη. Δεν μπορούμε να δούμε πού πάει, αλλά η γενική της κατεύθυνση είναι αναπόφευκτη: είναι καθοδική. Κι έτσι αυτές οι ενσωματωμένες τάσεις και ανάγκες στα τεχνολογικά συστήματα μας δίνουν την αίσθηση του πού πηγαίνουν τα πράγματα σε μια ευρύτερη κλίμακα. Έτσι σε μια ευρύτερη έννοια, θα έλεγα ότι τα τηλέφωνα ήταν αναπόφευκτα, αλλά τα iPhone δεν ήταν. Το Διαδίκτυο ήταν αναπόφευκτο, αλλά το Twitter δεν ήταν.
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.
Έχουμε πολλές τρέχουσες τάσεις αυτή τη στιγμή και πιστεύω ότι η κυριότερη από αυτές είναι η τάση να κάνουμε τα πράγματα όλο και πιο έξυπνα. Το αποκαλώ «δίνω αντίληψη», γνωστό και ως τεχνική νοημοσύνη, ή ΤΝ. Και νομίζω ότι θα γίνει μια από τις πιο σημαντικές εξελίξεις και τάσεις και κατευθύνσεις και πορείες στην κοινωνία μας τα επόμενα 20 χρόνια.
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.
Φυσικά, είναι ήδη εδώ. Ήδη έχουμε ΤΝ, και συχνά παίζει στο παρασκήνιο, στα πίσω γραφεία νοσοκομείων, όπου χρησιμοποιείται για να διαγνώσει ακτινογραφίες καλύτερα από τους γιατρούς. Είναι σε νομικά γραφεία. όπου χρησιμοποιείται για να ψάξει αποδείξεις καλύτερα από έναν νομικό βοηθό. Χρησιμοποιείται για να πετάξει το αεροπλάνο με το οποίο ήρθατε εδώ. Οι πιλότοι το οδήγησαν εφτά με οκτώ λεπτά, την υπόλοιπη ώρα οδηγούσε η ΤΝ. Και φυσικά, στο Netflix και στο Amazon βρίσκεται στο παρασκήνιο, κάνοντάς σας προτάσεις. Αυτό έχουμε σήμερα.
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.
Κι έχουμε ένα παράδειγμα, φυσικά, σε κάτι πιο προφανές, με τη νίκη του AlphaGo, που νίκησε τον παγκόσμιο πρωταθλητή στο Go. Αλλά δεν είναι μόνο αυτό. Όταν παίζετε βιντεοπαιχνίδια, παίζετε εναντίον ΤΝ. Αλλά πρόσφατα, η Google δίδαξε την ΤΝ της να μαθαίνει πώς να παίζει βιντεοπαιχνίδια. Και πάλι, η διδασκαλία βιντεοπαιχνιδιών είχε ήδη γίνει, αλλά η εκμάθηση του πώς να παίζεις ένα βιντεοπαιχνίδι είναι ένα άλλο βήμα. Αυτό είναι τεχνητή ευφυΐα. Αυτό που κάνουμε είναι να πάρουμε αυτή την τεχνητή ευφυΐα και να την κάνουμε όλο και πιο έξυπνη.
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.
Υπάρχουν τρεις πλευρές σε αυτή τη γενική τάση και νομίζω ότι είναι υποτιμημένες. Νομίζω ότι θα καταλαβαίναμε την ΤΝ πολύ καλύτερα, αν καταλαβαίναμε αυτά τα τρία πράγματα. Νομίζω ότι αυτά τα πράγματα θα μας βοηθούσαν να αποδεχτούμε την ΤΝ, γιατί μόνο αν την αποδεχτούμε θα μπορέσουμε να την κατευθύνουμε. Μπορούμε να κατευθύνουμε τις λεπτομέρειες, αποδεχόμενοι την ευρύτερη τάση.
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.
Θα μιλήσω, λοιπόν, για αυτές τις τρεις διαφορετικές διαστάσεις. Η πρώτη είναι: η δική μας νοημοσύνη έχει περιορισμένη αντίληψη του τι είναι η νοημοσύνη. Έχουμε την τάση να σκεφτόμαστε τη νοημοσύνη σαν κάτι μονοδιάστατο, σαν να είναι μια νότα που δυναμώνει όλο και περισσότερο. Όπως με τις μετρήσεις ευφυΐας. Ξεκινάει με ένα απλό, χαμηλό IQ σε έναν αρουραίο ή ένα ποντίκι, και ίσως υπάρχει κάτι περισσότερο σε ένα χιμπατζή, και μετά, ίσως περισσότερο σε ένα ανόητο άτομο, και μετά, ίσως σ' έναν μέσο άνθρωπο σαν εμένα και μετά, ίσως σε μια ιδιοφυΐα. Κι αυτό το IQ γίνεται όλο και πιο υψηλό. Αυτό είναι τελείως λάθος. Η νοημοσύνη δεν είναι αυτό, τουλάχιστον όχι η ανθρώπινη νοημοσύνη. Μοιάζει περισσότερο με μια συμφωνία με πολλές διαφορετικές νότες και κάθε νότα παίζεται σε ένα διαφορετικό όργανο γνώσης.
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.
Υπάρχουν πολλά είδη νοημοσύνης μέσα στο μυαλό μας. Έχουμε συμπερασματική συλλογιστική, έχουμε συναισθηματική ευφυΐα, έχουμε χωρική ευφυΐα, έχουμε περίπου 100 διαφορετικούς τύπους που ανήκουν στην ίδια ομάδα και ποικίλουν σε διαφορετικές δυνάμεις με διαφορετικά άτομα. Και φυσικά, όσον αφορά τα ζώα, κι αυτά έχουν ένα άλλο καλάθι, μια άλλη συμφωνία διαφορετικών ειδών ευφυΐας, και μερικές φορές αυτά τα ίδια όργανα είναι ίδια με τα δικά μας. Μπορούν να σκεφτούν με τον ίδιο τρόπο, αλλά να έχουν διαφορετική οργάνωση, και σε κάποιες περιπτώσεις μπορεί να είναι υψηλότερη από των ανθρώπων, όπως η μνήμη του σκίουρου που είναι εξαιρετική, για να θυμάται που έκρυψε τα καρύδια του. Αλλά μπορεί να είναι και χαμηλότερη.
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.
Όταν πάμε να φτιάξουμε μηχανές, πάμε να τις κατασκευάσουμε με τον ίδιο τρόπο, κάνοντας κάποιους από αυτούς τους τύπους ευφυΐας καλύτερους από τους δικούς μας. Και κάποιοι από αυτούς δεν θα πλησιάζουν καν τη δική μας, γιατί δεν είναι αναγκαίο. Οπότε θα πάρουμε αυτά τα πράγματα, αυτές τις τεχνητές ομάδες και θα προσθέσουμε περισσότερα είδη τεχνητής γνώσης σε όλες τις ΤΝ. Θα τις κάνουμε πολύ πολύ συγκεκριμένες.
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.
Το κομπιουτεράκι σας είναι ήδη πιο έξυπνο από εσάς στην αριθμητική. Το GPS σας είναι πιο έξυπνο από εσάς στην πλοήγηση. Το Google, το Bing είναι πιο έξυπνα από εσάς στη μακροπρόθεσμη μνήμη. Και θα πάρουμε αυτούς τους διαφορετικούς τρόπους σκέψης και θα τους βάλουμε, π.χ. σε ένα αμάξι. Ο λόγος που θέλουμε να τους βάλουμε σε ένα αμάξι για να οδηγήσει, είναι επειδή δεν οδηγεί σαν άνθρωπος. Δεν σκέφτεται σαν κι έμας. Αυτό είναι το θέμα. Δεν διασπάται η προσοχή του, δεν ανησυχεί για το αν άφησε το μάτι της κουζίνας ανοιχτό, ή αν έπρεπε να είχε σπουδάσει οικονομικά. Απλώς οδηγεί.
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.
(Γέλια)
(Laughter)
Απλώς οδηγεί, εντάξει; Μπορεί και να τα διαφημίσουμε κι ως «χωρίς συνείδηση». Δεν έχουν συνείδηση, δεν τα απασχολούν τέτοια πράγματα, δεν αποσπάται η προσοχή τους.
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.
Γενικά, αυτό που προσπαθούμε να κάνουμε είναι να φτιάξουμε όσους διαφορετικούς τύπους σκέψης μπορούμε. Θα γεμίσουμε τον χώρο με όλους τους πιθανούς τρόπους σκέψης. Και μπορεί να υπάρξουν κάποια προβλήματα που είναι τόσο δύσκολα στον επιχειρηματικό ή επιστημονικό τομέα που ο ανθρώπινος τρόπος σκέψης μας να μην μπορεί να τα λύσει. Μπορεί να χρειαστούμε ένα πρόγραμμα δύο βημάτων που θα είναι η εφεύρεση νέων ειδών σκέψης, με τα οποία θα μπορούμε να δουλέψουμε για να λύσουμε αυτά τα μεγάλα προβλήματα, όπως η σκοτεινή ενέργεια ή η κβαντική βαρύτητα.
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.
Αυτό που κάνουμε είναι να δημιουργούμε εξωγήινες νοημοσύνες. Μπορείτε να το θεωρήσετε και κάτι σαν τεχνητούς εξωγήινους, κατά μία έννοια. Και θα μας βοηθήσουν να σκεφτούμε διαφορετικά καθώς το να σκεφτόμαστε διαφορετικά είναι η μηχανή της δημιουργίας και του πλούτου και της καινούργιας οικονομίας.
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.
Η δεύτερη πλευρά αυτού του θέματος είναι ότι θα χρησιμοποιήσουμε την ΤΝ για να κάνουμε, ουσιαστικά, μια δεύτερη Βιομηχανική Επανάσταση. Η πρώτη Βιομηχανική Επανάσταση βασίστηκε στο γεγονός ότι δημιουργήσαμε κάτι που θα αποκαλούσα τεχνητή δύναμη. Πριν από αυτό, κατά τη διάρκεια της Αγροτικής Επανάστασης, ό,τι φτιαχνόταν έπρεπε να γίνει από ανθρώπινα χέρια ή τη δύναμη των ζώων. Αυτός ήταν ο μόνος τρόπος για να γίνει το οτιδήποτε. Η μεγάλη καινοτομία κατά τη διάρκεια της Βιομηχανικής Επανάστασης ήταν ότι αξιοποιήσαμε τη δύναμη του ατμού, των ορυκτών καυσίμων, για να φτιάξουμε αυτή την τεχνητή ενέργεια που θα χρησιμοποιούσαμε για να κάνουμε ό,τι θέλαμε να κάνουμε. Έτσι σήμερα όταν οδηγείτε σε έναν αυτοκινητόδρομο, διαχειρίζεστε 250 άλογα, με το πάτημα ενός κουμπιού -ιπποδύναμη 250 ίππων- που θα μπορούσαμε να χρησιμοποιήσουμε για να χτίσουμε ουρανοξύστες, πόλεις, δρόμους, εργοστάσια που θα παρήγαγαν καρέκλες ή ψυγεία πέρα των δυνατοτήτων μας. Κι αυτή η τεχνητή δύναμη μπορεί να διανεμηθεί και σε καλώδια σε ένα δίκτυο για κάθε σπίτι, εργοστάσιο ή αγρόκτημα, και ο καθένας θα μπορούσε να αγοράσει αυτή την τεχνητή δύναμη, απλά βάζοντας κάτι στην πρίζα.
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.
Έτσι κι αυτό ήταν μια πηγή καινοτομίας γιατί ο κάθε αγρότης θα μπορούσε να πάρει μια χειροκίνητη αντλία και θα μπορούσε να προσθέσει αυτή την τεχνητή δύναμη, τον ηλεκτρισμό, και θα είχε μια ηλεκτρική αντλία. Κι αν το πολλαπλασιάσετε εκατοντάδες ή δεκάδες χιλιάδες φορές, θα έχετε τη φόρμουλα που έφερε τη Βιομηχανική Επανάσταση. Όλα τα πράγματα που βλέπουμε, όλη αυτή η πρόοδος που απολαμβάνουμε, προήλθε από το γεγονός ότι έγιναν όλα αυτά.
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.
Τώρα θα κάνουμε το ίδιο πράγμα με την ΤΝ. Θα τη διανείμουμε σε ένα δίκτυο και θα μπορείτε να πάρετε αυτή την ηλεκτρική αντλία, θα μπορείτε να της προσθέσετε τεχνητή νοημοσύνη και θα έχετε μια έξυπνη αντλία. Αν το πολλαπλασιάσετε αυτό εκατομμύρια φορές θα γίνει η δεύτερη Βιομηχανική Επανάσταση. Και το αμάξι στον αυτοκινητόδρομο είναι 250 ίππων, αλλά και 250 μυαλών. Είναι το αυτοοδηγούμενο αυτοκίνητο. Είναι σαν μια νέα άνεση, ένα νέο είδος πρακτικότητας. Η ΤΝ θα ξεχυθεί στο δίκτυο, στο «σύννεφο», με τον ίδιο τρόπο που συνέβη με τον ηλεκτρισμό.
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.
Έτσι, ό,τι έχουμε ηλεκτροδοτήσει, τώρα θα του δώσουμε αντίληψη. Και θα πρότεινα ότι η φόρμουλα για τις επόμενες 10.000 νεοφυείς επιχειρήσεις είναι πολύ, πολύ απλή, παίρνουμε το χ και προσθέτουμε ΤΝ. Αυτή είναι η φόρμουλα, αυτό θα κάνουμε. Και με αυτόν τον τρόπο θα κάνουμε τη δεύτερη Βιομηχανική Επανάσταση. Και, παρεμπιπτόντως, αυτή τη στιγμή, αυτό το λεπτό, μπορείτε να μπείτε στο Google και να αγοράσετε ΤΝ για 6 σεντ, 100 χτυπήματα. Είναι διαθέσιμη αυτή τη στιγμή.
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.
Η τρίτη πλευρά του θέματος είναι ότι όταν παίρνουμε την ΤΝ και την ενσωματώνουμε, φτιάχνουμε ρομπότ. Και τα ρομπότ θα γίνουν μποτ, θα κάνουν πολλές εργασίες που κάνουμε ήδη. Μια δουλειά είναι διάφορες εργασίες, οπότε θα επαναπροσδιορίσουν τις δουλειές μας γιατί θα κάνουν κάποιες από αυτές τις εργασίες. Αλλά θα δημιουργήσουν και καινούργιες κατηγορίες, μια νέα πληθώρα εργασιών που δεν ξέραμε ότι θα θέλαμε να κάνουμε. Θα δημιουργήσουν νέα είδη δουλειάς, νέα είδη εργασίας που θα θέλουμε να γίνουν ακριβώς όπως η αυτοματοποίηση δημιούργησε ένα σωρό νέα πράγματα που δεν ξέραμε ότι χρειαζόμασταν πριν και τώρα δεν μπορούμε να ζήσουμε χωρίς αυτά. Οπότε θα δημιουργήσουν ακόμα περισσότερες δουλειές από αυτές που θα πάρουν αλλά είναι σημαντικό οι περισσότερες εργασίες που θα τους δώσουμε να είναι εργασίες που θα σχετίζονται με την αποδοτικότητα και την παραγωγικότητα. Αν προσδιορίσουμε μια εργασία, είτε χειροκίνητη είτε νοητική, που μπορεί να προσδιοριστεί ως προς την αποδοτικότητα και την παραγωγικότητα, αυτή θα γίνεται από τα μποτ. Η παραγωγικότητα είναι για τα ρομπότ. Αυτό στο οποίο είμαστε καλοί είναι, ουσιαστικά, το χάσιμο χρόνου.
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.
(Γέλια)
(Laughter)
Είμαστε πολύ καλοί σε πράγματα που είναι μη αποδοτικά. Η επιστήμη είναι εγγενώς μή αποδοτική. Βασίζεται στο ότι η μία αποτυχία έρχεται μετά την άλλη. Βασίζεται στο ότι κάνουμε τεστ και πειράματα που δεν πετυχαίνουν, αλλιώς δεν μαθαίνουμε. Βασίζεται στο ότι δεν υπάρχει αρκετή παραγωγικότητα σε αυτή. Η πρωτοπορία είναι εξ ορισμού μη αποδοτική, επειδή φτιάχνεις πρωτότυπα, επειδή δοκιμάζεις πράγματα που αποτυγχάνουν, που δεν λειτουργούν. Η εξερεύνηση είναι εγγενώς μή αποδοτική. Η τέχνη δεν είναι αποδοτική. Οι ανθρώπινες σχέσεις δεν είναι αποδοτικές. Αυτά είναι όλα τα πράγματα στα οποία θα επικεντρωθούμε επειδή δεν είναι αποδοτικά. Η αποδοτικότητα είναι για τα ρομπότ. Επίσης θα μάθουμε ότι θα δουλέψουμε με αυτές τις ΤΝ επειδή σκέφτονται διαφορετικά από εμάς.
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.
Όταν το Deep Blue νίκησε τον παγκόσμιο πρωταθλητή στο σκάκι, πολλοί νόμιζαν ότι αυτό ήταν το τέλος του σκακιού. Αλλά τελικά σήμερα, ο παγκόσμιος πρωταθλητής στο σκάκι δεν είναι μια ΤΝ. Και δεν είναι άνθρωπος. Είναι μια ομάδα ανθρώπων και μιας ΤΝ. Τις καλύτερες διαγνώσεις δεν τις κάνει ούτε ένας γιατρός ούτε μια ΤΝ, αλλά η ομάδα. Θα δουλεύουμε με αυτές τις ΤΝ και νομίζω ότι θα ανταμειφθούμε στο μέλλον από το πόσο καλά δουλεύουμε με αυτά τα μποτ. Το τρίτο είναι ότι είναι διαφορετικά, είναι χρήσιμα και θα είναι κάτι με το οποίο θα δουλεύουμε μαζί, όχι ενάντια. Θα δουλεύουμε μαζί τους αντί να είμαστε εναντίον τους.
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.
Οπότε, το μέλλον: Πού μας πηγαίνει; Πιστευώ ότι σε 25 χρόνια από τώρα, θα κοιτάμε πίσω και θα δούμε την αντίληψή μας σχετικά με την ΤΝ και θα λέμε: «Δεν είχατε ΤΝ. Βασικά, ούτε Διαδίκτυο δεν είχατε ακόμα, σε σχέση με όσα θα έχουμε σε 25 χρόνια από τώρα». Δεν υπάρχουν ειδικοί στην ΤΝ αυτή τη στιγμή. Πηγαίνουν πολλά λεφτά σε αυτόν τον τομέα. Ξοδεύονται δισεκατομμύρια δολάρια, είναι μια τεράστια επιχείρηση, αλλά δεν υπάρχουν ειδικοί, συγκριτικά με όσα θα ξέρουμε σε 20 χρόνια από τώρα. Είμαστε μόνο στην αρχή της αρχής, είμαστε στην πρώτη ώρα όλου αυτού. Είμαστε στην πρώτη ώρα του Διαδικτύου. Είμαστε στην πρώτη ώρα των όσων έρχονται. Το πιο δημοφιλές προϊόν ΤΝ σε 20 χρόνια από τώρα, που όλοι θα χρησιμοποιούν, δεν έχει εφευρεθεί ακόμα. Αυτό σημαίνει ότι δεν έχετε αργήσει.
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.
Ευχαριστώ.
Thank you.
(Γέλια)
(Laughter)
(Χειροκρότημα)
(Applause)