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.
Ma arról fogok beszélni, hogy merre tart a technológia. Amikor új technológia jelenik meg, elcsodálkozunk, mi mindenre képes. De a technológiáknak hatalmas területe létezik, amelyek sokkal inkább megjósolhatók, mert a különböző rendszerek eltérő jellegűek, megoldatlan témák és lehetőségek állnak előttük. E tendenciák a vezetékek, kapcsolók és elektronok fizikai és kémiai természetéből adódnak, és ezek mind ismétlődő mintákat követnek. E minták mentén alakulnak az irányvonalak.
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.
Olyan ez, mint a gravitáció. Képzeljenek el egy völgybe hulló esőcseppet. A lehulló csepp pontos pályája megjósolhatatlan. Nem tudjuk, hogy pont hová esik, de a fő iránya kétségtelen: mindig lefelé tart. Ezek a technológiai rendszereket jellemző belső tendenciákból érzékelhetjük, hogy végső soron merre tartunk. Tágabb értelemben véve mondhatjuk, hogy a telefon szükségszerű volt, ám az iPhone nem. Az internet elkerülhetetlen volt, de a Twitter nem.
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.
Sok tendencia figyelhető meg manapság, s úgy vélem, közülük az egyik legfontosabb, hogy egyre okosabb dolgokat készítünk. Ez, amit én "felokosítás"-nak hívok, más néven a "mesterséges intelligencia", avagy MI. Szerintem ez lesz társadalmunkban a legnagyobb hatású fejlemény, tendencia, irány, hajtóerő a következő 20 évben.
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.
Persze, ebben már benne is vagyunk. Már itt van; gyakran a háttérben működik: kórházak funkcionális részlegeiben, ahol jobban diagnosztizálja a röntgenképeket, mint az orvos. Jogászok irodáiban, ahol ügyesebben dolgozza fel a bizonyítékokat, mint egy ügyvédbojtár. Mesterséges intelligencia irányította a repülőt, amellyel idejöttek. A pilóták csak 7-8 percig vezették, a fönnmaradó időben a MI irányított. A Netflixen és az Amazonon a háttérből ez ontja az ajánlatokat. Ez a helyzet ma.
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.
Van azonban közismert példa is: az AlphaGo győzelme a go-világbajnok fölött. És ez még nem minden. Videojátékot játszva a mesterséges értelem az ellenfél. Nemrég a Google arra tanította a MI-t, hogy tanuljon meg videojátékot játszani. Itt is az a helyzet, hogy a játékra már korábban megtanították, de önállóan megtanulni a játékot egy következő fokozat. Az már mesterséges értelem. A módszer a következő: a mesterséges értelmet egyre okosabbá és okosabbá tesszük.
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.
Az általános tendencia három tényezőjét úgy vélem, egy kissé alulértékeljük. Jobban értenénk a mesterséges intelligenciát, ha e három tényezőt jobban értenénk, mert segítségükkel tudnánk megragadni a mesterséges értelmet, hogy képesek legyünk irányítani. A részleteket akkor irányíthatjuk, ha a tendenciát ragadjuk meg.
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.
Lássuk, mik ezek a tényezők! Az első: értelmünk kevéssé fogja föl, miben áll az intelligencia lényege. Hajlamosak vagyunk az hinni, hogy az intelligencia egydimenziós, olyasmi, mint egy fokozatosan erősödő zenei hang. Kezdődik ez már az IQ mérésével. Kezdődik egy alacsony IQ-val, pl. az egerek és patkányok esetében, majd jön egy magasabb a csimpánzoknál, majd egy még magasabb érték a tökfilkóknál, utána jönnek az átlagosak, mint én, végül a zsenik. Úgyhogy az IQ egyetlen mérőszáma egyre nő. Ez gyökeresen hibás. Nem ez az emberi értelem lényege. Az inkább olyan, mint egy sokféle hangból álló szimfónia, amelynek hangjait a megértés különféle hangszerein játsszák.
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.
Elménkben sokféle értelem fér meg egymással. Megvan benne a deduktív logika, az érzelmi intelligencia, a térlátás; úgy százféle típus létezik, amelyek mind megvannak bennünk. Persze, ezek egyénenként különböző erősségűek. Az állatoknál, persze, másféle készségeket találunk–, másfajta intelligenciák másfajta szimfóniáját, és néha ugyanazokat a hangszereket, amelyek bennünk is megvannak. Képesek hozzánk hasonlóan gondolkodni, de mások a szempontjaik. Lehet, hogy néha fölülmúlják az embereket: pl. a mókus hosszútávú memóriája egyenesen elképesztő. Emlékszik rá, hová ásta el a mogyoróit. Más téren azonban elmarad tőlünk.
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.
Amikor gépeket építünk, ugyanígy alakítjuk ki őket: bizonyos készségeikben fölülmúlnak bennünket, másokban viszont meg se közelítenek, mert nincs rá szükség. Tehát vesszük ezeket a mesterséges szerkentyűket, és a mesterséges értelembe belerakunk valamiféle mesterséges megismerést. Adott feladatra specializáljuk őket.
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.
A zsebkalkulátor jobban számol nálunk. A GPS jobban tájékozódik a térben, mint mi. A Google és a Bing jobb nálunk a hosszútávú memóriát tekintve. Aztán fogjuk ezeket az eltérően gondolkodó szerkentyűket, és berakjuk, mondjuk, egy autóba. Azért akarjuk, hogy ezek vezessék a kocsit, mert nem emberi módon vezetnek. Nem úgy gondolkodnak, ahogy mi. Ez a lényeg. Nem bambulnak el. Nem veri ki őket a víz, hogy bekapcsolva hagyták a sütőt, vagy hogy helyes volt-e a pénzügyi szakra menni. Csak vezetnek.
(Laughter)
(Nevetés)
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.
Csak vezetnek, ugye? Nevezhetjük őket "érzéketlen"-nek. Nincsenek érzékeik, minden másra fittyet hánynak, semmi sem zavarja őket.
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.
Mindent egybevéve, igyekszünk annyi eltérő észjárást alkotni, amennyit csak tudunk. Majd benépesítjük az űrt mindenféle típusú és fajtájú észjárással. De lehetnek olyan bonyolult üzleti és tudományos problémák, amelyek kizárólag emberi ésszel nem oldhatók meg. Lehet, hogy kétlépéses program kell, amelynek lényege valami újfajta gondolkodásmód kiötlése. Azzal együttműködve oldhatjuk meg az igazán nehéz feladatokat, pl. a sötét energia vagy a kvantumgravitáció rejtélyét.
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.
Idegenszerű értelmet hozunk létre. Bizonyos értelemben ezek mesterséges idegen lényekként is fölfoghatók. Segítségünkre vannak, hogy másként gondolkozzunk, mert a másként gondolkodás az alkotás, a gazdagság és az új gazdaság motorja.
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.
A másik tényező, hogy a mesterséges értelmet a második ipari forradalom létrehozására használjuk. Az első ipari forradalom az ún. mesterséges erő föltalálásán alapult. Előtte, a mezőgazdasági forradalom idején, mindent emberi erővel vagy állati erővel végeztek. Mindent csak így végezhettek. Az ipari forradalom nagyszerű újítása abban állt, hogy igába fogtuk a gőzerőt, a fosszilis tüzelőanyagokat, hogy a mesterséges energiát fölhasználhassuk, amire csak kedvünk tartja. Amikor ma végighajtunk a sztrádán, egy kézmozdulattal 250 lovat, 250 lóerőt irányítunk. Felhőkarcolókat, városokat, utakat építünk ezekkel az erőkkel, gyárakat, amelyek ontják a székeket és a hűtőszekrényeket; ez messze meghaladja saját erőnket. Ezt a mesterséges energiát vezetékhálózaton eljuttathatjuk minden otthonba, gyárba, tanyára, s e mesterséges energiát bárki megvásárolhatja: csak rá kell csatlakoznia egy eszközzel.
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.
Ez egyúttal az újítás forrása is lett, mert a gazda a kéziszivattyúhoz a mesterséges energiát, az elektromosságot hozzáadva elektromos szivattyúhoz jutott. S e képletet ezerszer-tízezerszer alkalmazva jutottunk el az ipari forradalomba. Minden látható dolog, az egész ma élvezett fejlődés, azért létezik, mert ezt megtettük.
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.
Most ugyanerre készülünk a mesterséges értelemmel. Hálózaton szeretnénk továbbítani, és az elektromos szivattyúhoz némi mesterséges értelmet hozzáadva okos-szivattyúhoz juthatunk. Ezt milliószorosan sokszorozva eljuthatunk a második ipari forradalomba. Tehát, autónk halad a sztrádán, benne 250 lóerő és még 250 értelem. Ez az önvezető autó. Olyan, mint egy új árucikk. Egy újfajta közmű. A mesterséges értelem hálózaton, – felhőben – terjed majd, ugyanúgy, ahogy a villanyáram.
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.
Minden, amit villamosítottunk, most majd értelemmel telik meg. Nekem az a véleményem, hogy a következő 10 000 startup receptje pofonegyszerű. Végy egy <i>x</i>-et, és adj hozzá mesterséges értelmet. Ennyi a képlet, és csak ennyit fogunk tenni. Így fogjuk létrehozni a második ipari forradalmat. Egyébként, ha most belépnek a Google-be, 6 centért vehetnek mesterséges értelmet, 100 találatot. Ez már most is lehetséges.
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.
A harmadik tényező: amikor a mesterséges értelmet testtel ruházzuk föl, robotokhoz jutunk. A robotok sok feladatot végeznek majd el abból, amit eddig mi, emberek csináltunk. A munka egy csomó feladat, melyeket a robotok újraértelmeznek, mivel közülük bizonyosakat magukra vállalnak. Ráadásul egy sor új kategóriát is alkotnak, egy sereg új feladatot is, amikről korábban azt sem tudtuk, hogy végezni akarjuk. Új foglalkozásokat hoznak létre, új feladatokat, amelyekre szükségünk lesz, mint ahogy az automatizálás is egy sor új dolgot teremtett, amelyek szükségességéről korábban sejtelmünk sem volt, de ma már nem élhetünk nélkülük. Több állást hoznak létre, mint amennyit megszüntetnek, de fontos, hogy a nekik átadandó feladatok jó része a hatékonyság és a termelékenység fogalma szempontjából, ha egyáltalán osztályozhatók, vagy manuális vagy konceptuális jellegű, így a hatékonysággal vagy a termelékenységgel jellemezhető. Ezek átkerülnek a robotokhoz. A hatékonyság a robotok terepe. Mi az idő pocsékolásában vagyunk a legjobbak.
(Laughter)
(Nevetés)
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.
A nem hatékony dolgokban vagyunk igazán jók. A tudomány jellemzően nem hatékony. A folyamatos kudarcok éltetik. Azért működik, mert kudarcos kísérleteket végzünk, különben nem okulnánk. Az élteti, hogy nemigen hatékony. Az újítási folyamat eleve nem hatékony, mert prototípusokat készítünk, hiszen kipróbáljuk azt, ami nem működik. A kutatás természeténél fogva nem hatékony. A művészet sem hatékony. Az emberi kapcsolatok nem hatékonyak. Azért vonzódunk ezekhez a dolgokhoz, mert nem hatékonyak. A hatékonyság a robotok terepe. Meg kell tanulnunk majd együtt dolgozni a mesterséges értelemmel, mert másképp gondolkozik, mint mi.
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.
Amikor a Deep Blue legyőzte a sakkvilágbajnokot, az emberek azt hitték, a sakknak befellegzett. De kiderült, hogy a legjobb sakkvilágbajnok nem egy mesterséges értelem, és nem is egy sakkozó, hanem a sakkozó és a mesterséges értelem együttese. A legjobb diagnoszta nem az orvos vagy a mesterséges értelem, hanem a kettő együtt. E mesterséges értelmekkel dolgozunk majd együtt, és a jövőben aszerint fizetik majd önöket, hogy milyen jól tudnak együttműködni a robotokkal. A harmadik dolog tehát, hogy ők mások, ők valójában egy közmű: velük kell dolgoznunk, nem pedig ellenük. Együtt dolgozunk velük, nem ellenük.
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.
Ezért a jövő: Merre visz az utunk? Ha utódaink 25 év múlva visszatekintenek a mesterséges intelligenciára, majd azt mondják: "A ti időtökben nem volt sem MI, sem internetet ahhoz képest, ami nekünk lesz 25 év múlva." Most nincsenek mesterségesértelem-szakértők. Rengeteg pénzt fektetnek ma ebbe, sok milliárd dollárt költenek rá; ez hatalmas üzlet. de nincs szakértője ahhoz képest, amit 20 év múlva tudunk majd róla. Még csak a kezdet kezdetén tartunk, csak az első lépéseket tesszük meg. Az internet hajnalán járunk. Csak a jövő elején tartunk. A MI 20 év múlva mindenki által használandó legnépszerűbb termékét még föl sem találták. Eszerint nincsenek késésben.
Thank you.
Köszönöm.
(Laughter)
(Nevetés)
(Applause)
(Taps)