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.
ผมกำลังจะพูดถึงเกี่ยวกับอนาคตของเทคโนโลยี บ่อยครั้งเมื่อเทคโนโลยีนั้นเดินทางมาถึง เรามักจะประหลาดใจกับสิ่งที่เกิดขึ้น แต่ที่จริงแล้วในหลายๆมุมมองของเทคโนโลยี เราสามารถคาดเดาได้ เทคโนโลยีประกอบด้วยการลดความสูญเปล่า มีความเร่งรีบ มีแนวโน้ม สิ่งเหล่านั้นก็มาจากธรรมชาติของฟิสิกส์ เกี่ยวกับขดลวด, สวิตซ์, และอิเล็คตรอน และมันจะเกิดสิ่งเหล่านี้ขึ้นซ้ำเรื่อยๆ รูปแบบจะทำให้เกิดจุดประสงค์,ลดความสูญเปล่า
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.
คุณสามารถเปรียบเทียบกับแรงโน้มถ่วง ลองคิดถึงฝนตกท่ามกลางหุบเขา เส้นทางที่แน่นอนของสายฝนที่ตกลงในหุบเขา ไม่สามารถคาดเดาได้ เราไม่สามารถมองเห็นว่าสายฝนเดินทางยังไง แต่เรารู้แน่นอนว่า สายฝนต้องตกลงสู่เบื้องล่าง นำไปสู่แนวโน้มและความเร่งด่วน ในระบบของเทคโนโลยี เราสามารถคาดเดาทิศทางได้ ในภาพใหญ่ ยกตัวอย่างเช่น โทรศัพท์เป็นสิ่งที่หลีกเลี่ยงไม่ได้ แต่ไม่ใช่ Iphone อินเตอร์เน็ตเป็นสิ่งที่หลีกเลี่ยงไม่ได้ แต่ไม่ใช่ทวิตเตอร์
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.
ดังนั้นเรามีแนวโน้มที่จะเกิดหลายสิ่งตอนนี้ และสิ่งที่สำคัญที่สุดสิ่งหนึ่ง คือแนวโน้มที่สิ่งของทุกอย่างจะฉลาดขึ้น ผมเรียกมันว่าการทำให้มีความรู้สึกนึกคิด หรือเรียกกันว่าปัญญาประดิษฐ์หรือ AI ผมคิดว่ามันจะเป็นการพัฒนาที่มีอิทธิพลมาก และจะชี้นำเราไปในอีก 20 ปีข้างหน้า
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.
อันที่จริง มันอยู่ที่นี่แล้ว เรามี AI อยู่ทุกที่แล้ว โดยส่วนมากพวกมันทำงานเบื้องหลัง อย่างเช่นในโรงพยาบาล AI สามารถอ่านเอ็กซเรย์ได้ดีว่าแพทย์ ในสำนักงานทนายความ ที่ AI สามารถรวบรวมหลักฐานคดี ได้ดีกว่าผู้ช่วยทนายความ มันถูกใช้ขับเครื่องบินที่พาพวกคุณมาที่นี่ นักบินจะควบคุมเครื่องบินแค่ 7-8 นาที ส่วนที่เหลือจะถูกควบคุมด้วย AI และแน่นอน, Netflix และ Amazon มี AI คอยแนะนำสินค้า นี่คือสิ่งที่เรามีในขณะนี้
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.
และเรายังมีตัวอย่างของความสามารถของ AI ที่อยู่เบื้องหน้ามากขึ้น เช่น AlphaGo ชนะแชมป์หมากล้อมระดับโลกได้ ยิ่งไปกว่านั้น หากคุณเล่นวิดีโอเกมส์ คุณกำลังเล่นกับ AI เร็วๆนี้ Google สอน AI ให้สามารถเรียนรู้วิธีการเล่นเกมส์ การสอนให้เล่นเกมส์ได้เกิดขึ้นแล้ว การสอนให้เล่นเกมส์ถือเป็นอีกขั้น ในความฉลาดของปัญญาประดิษฐ์ ที่เรากำลังทำคือทำให้ปัญญาประดิษฐ์เหล่านี้ ฉลาดขึ้นและฉลาดขึ้น
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.
มีสามอย่างเกี่ยวกับแนวโน้มเหล่านี้ ที่ผมคิดว่าถูกให้คุณค่าน้อยไป ผมคิดว่าเราจะสามารถเข้าใจ AI ได้ดีขึ้น ถ้าหากเราเข้าใจสามสิ่งนี้ ผมคิดว่า 3 สิ่งเหล่านี้จะช่วย ให้เรายอมรับ AI เพราะการยอมรับเท่านั้น ที่จะสามารถควบคุมทิศทางมันได้ เราสามารถควบคุมทิศทางรายละเอียดได้ โดยยอมรับเทรนด์ภาพใหญ่
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.
ดังนั้น ผมจะพูดถึงสามสิ่งที่กล่าวมา อย่างแรกก็คือ: ความฉลาดของเรา ยังเข้าใจน้อยมาก ว่าจริงๆแล้ว อะไรคือความฉลาด เรามักจะคิดถึงความฉลาดแค่เพียงหนึ่งมิติ เหมือนกับโน้ตตัวเดียวแต่เพิ่มความดังขึ้น เหมือนกับการวัด IQ มันเริ่มมาจากการพบว่าหนูมี IQ ต่ำ และสูงขึ้นในลิงชิมแปนซี สูงขึ้นไปอีกในคนโง่ และต่อมาก็เป็นคนกลางๆอย่างผม และต่อมาก็เป็นคนที่อัจฉริยะ และ IQ อย่างเดียวก็จะสูงขึ้นๆ มันเป็นสิ่งที่ผิดที่สุด สิ่งเหล่านี้ไม่ใช่ความฉลาดของมนุษย์ ความฉลาดคล้ายเพลงที่มีการผสานของโน้ตต่างๆ โน้ตต่างๆถูกบรรเลงด้วยเครื่องมือ ของการรับรู้สารที่ต่างกัน
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.
มีความฉลาดหลายด้านในความสามารถของเรา เรามีการให้เหตุผลแบบนิรนัย เรามีความฉลาดทางอารมณ์ เรามีความฉลาดด้านมิติสัมพันธ์ เรามีความฉลาดอาจถึง 100 ด้านที่เกี่ยวข้อง และแต่ละคนก็มีจุดแข็งในแต่ละด้านแตกต่างกัน หากเรามองไปยังสัตว์อื่น พวกมันก็มีความฉลาด ที่มีความแตกต่างจากความฉลาดของมนุษย์ และบางด้านก็เหมือนกับความฉลาดที่เรามี พวกมันคิดสิ่งที่เหมือนเรา แต่มีการจัดเรียงที่แตกต่างออกไป และเหนือกว่ามนุษย์ในบางด้าน อย่างเช่นความจำระยะยาวของกระรอก ที่สามารถจำได้ว่าพวกมันฝังลูกนัทไว้ที่ใด แต่ในด้านอื่นพวกมั้นก็ด้อยกว่าเรา
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.
เมื่อเราจะสร้างปัญญาประดิษฐ์ เรากำลังจะสร้างมันในทิศทางเดียวกัน ที่เราจะสร้างให้มันฉลาดกว่าเรามากในบางด้าน และจำนวนมากอาจจะ ไม่ใกล้เคียงมนุษย์เลย เพราะมันไม่จำเป็นต้องเหมือน ดังนั้นเรากำลังจะสร้างสิ่งเหล่านี้ กลุ่มของ AI เหล่านี้ เรากำลังเพิ่มความหลากหลายทางความคิดให้ AI. และเราจะทำให้มันจำเพาะเจาะจงมากขึ้น
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.
เครื่องคิดเลขฉลาดเรื่องพีชคณิตกว่าเราแล้ว GPS ก็ฉลาดกว่าเราในด้านมิติสัมพันธ์ Google, Bing มีความจำระยะยาวดีกว่าเรา และเรากำลังจะทำความคิดที่ต่างกัน และใส่มันลงไปในสิ่งของ เช่น รถยนต์ ด้วยเหตุผลให้มันขับรถแทนเรา และด้วยเหตุผลที่มันขับรถไม่เหมือนมนุษย์ มันไม่มีความคิดเหมือนพวกเรา และนี่คือคุณสมบัติของมันทั้งหมด มันไม่ถูกทำให้ไขว้เขว ไม่กังวลเกี่ยวกับว่าลืมปิดเตาไฟฟ้าหรือไม่ หรือไม่ต้องคิดว่ามันควรจะเรียนการเงินไหม มันแค่ขับรถ
(Laughter)
(หัวเราะ)
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.
แค่ขับรถ, ok? และอันที่จริงเราอาจโฆษณาได้ว่า ปราศจากความตระหนักรู้ พวกมันทำงานโดยไม่มีความตระหนักรู้ พวกมันไม่กังวลเกี่ยวกับสิ่งต่างๆ และไม่ถูกทำให้ไขว้เขว
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.
โดยรวมแล้ว สิ่งที่เรากำลังพยายามทำ คือสร้างการคิดที่แตกต่างหลายๆแบบ ให้มากที่สุดเท่าที่ทำได้ เรากำลังเดินทางเข้าไปยังที่ว่าง ของความแตกต่างของทุกสายพันธ์ุและความคิด อาจจะมีปัญหาบางปัญหา ที่ยากมากๆ ในด้านธุรกิจและวิทยาศาสตร์ ปัญหาที่ปัญญาของมนุษย์ไม่สามารถหาทางออกได้ เราต้องการการทำงานสองขั้น ซึ่งจะนำไปสู่การคิดค้นรูปแบบความคิดใหม่ ที่เราสามารถทำงานไปควบคู่เพื่อแก้ปัญหา เช่น พลังงานมืดหรือความโน้มช่วงเชิงควอนตัม
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.
ที่เราจะทำคือสร้างคือสร้าง AI ที่ฉลาดมากๆ อาจทำให้คุณนึกถึงการสร้างเอเลี่ยน ในบางความรู้สึก และพวกมันจะช่วยทำเราการคิดในมุมที่แตกต่าง เพราะการคิดต่างนั้นคือ เครื่องจักรของการสร้างสรรค์ ความมั่งคั่งและระบบเศรษฐกิจแบบใหม่
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.
มุมมองอย่างที่สองคือ เรากำลังจะใช้ AI ทำให้เกิดการปฏิวัติอุตสาหกรรมครั้งที่สอง การปฏิวัติอุตสาหกรรมครั้งแรกมาจากว่า เราสร้างสิ่งที่ผมเรียกว่ากำลังประดิษฐ์ ก่อนหน้านั้น ในช่วงการปฏิวัติเกษตรกรรม ทุกอย่างถูกสร้างโดยพลังกล้ามเนื้อของมนุษย์ หรือพลังที่มาจากสัตว์ นั้นเป็นวิธีเดียวที่จะทำให้ทุกอย่างสำเร็จ นวัตกรรมสำคัญในช่วงปฏิวัติอุตสาหกรรมคือ เราใช้พลังงานไอน้ำและเชื้อเพลิงฟอสซิล เพื่อสร้างพลังงานที่เราสามารถนำไปใช้ ทำในสิ่งที่เราต้องการจะทำ ดังนั้นตอนนี้เมื่อเราขับรถไปบนถนน แค่คุณกดสวิตซ์ก็เหมือนควบคุมม้า 250 ตัว 250 แรงม้า ที่เราใช้มันสร้างตึกระฟ้า, เมือง, หรือถนน สร้างโรงงานเพื่อสร้างเก้าอี้หรือตู้เย็น ในวิธีที่เหนือกว่าพลังของเราเอง และเรายังสามารถกระจายพลังงานไปตามสายไฟ บนระบบไฟฟ้า ไปยังทุกบ้าน, โรงงาน, ฟาร์มต่างๆ และทุกคนสามารถซื้อหาพลังงานเหล่านั้นได้ แค่เสียบสายของอุปกรณ์เข้าไป
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.
ดังนั้นนวัตกรรมเหล่านี้เช่นกัน เพราะเกษตรกรสามารถนำปั๊มน้ำแบบปั๊มมือ แล้วใส่กำลังประดิษฐ์ หรือไฟฟ้าเข้าไป และเขาก็ได้ใช้ปั๊มน้ำไฟฟ้า คุณลองคูณพันหรือหมื่่นเข้าไปในสิ่งเหล่านี้ และนั่นจะเป็นสูตรที่นำมาสู่ การปฏิวัติอุตสาหกรรม ทุกอย่างที่เราเห็น ทุกความก้าวหน้าที่เราเพลิดเพลินกับมัน มาจากความจริงที่ว่า เราทำมันขึ้นมา
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.
เรากำลังจะทำสิ่งเดียวกันกับ AI เรากำลังจะแจกจ่ายมันเหมือนระบบไฟฟ้า ตอนนี้คุณมีปั๊มน้ำไฟฟ้า คุณสามารถใส่ระบบ AI เข้าไป แล้วก็จะได้ปั๊มน้ำที่มีความฉลาด และเมื่อคูณเข้าไปล้านเท่า ก็จะนำไปสู่การปฏิวัติอุตสาหกรรมครั้งที่สอง ดังนั้นตอนนี้เมื่อรถขับไปบนถนน มันใช้กำลัง 250 แรงม้า แต่นอกจากนั้น จะต้องใช้ 250 ความคิด นั้นคือรถที่ควบคุมโดยระบบอัตโนมัติ มันก็เหมือนของใช้แบบใหม่ มันคือเครื่องมือใหม่ AI กำลังจะอยู่ไปทุกหนแห่งบนระบบ cloud เหมือนที่ไฟฟ้าอยู่ตามสายไฟฟ้า
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.
ทุกอย่างที่ทำงานด้วยไฟฟ้าได้ เรากำลังทำให้มันมีความรู้สึกนึกคิด และผมเป็นหนี้ต่อ Jeff เมื่อใช้สูตรเหล่านั้นกับอีกหมื่น start-ups มันง่ายมากๆ เรากำลังจะนำอะไรก็ตามรวมเข้ากับ AI นั่นคือสูตรของมัน นั่นคือสิ่งที่เรากำลังจะทำ และนั่นคือหนทาง ที่เรากำลังจะทำให้เกิด การปฏิวัติอุตสาหกรรมครั้งที่สองนี้ อย่างก็ตามตอนนี้ เวลานี้ คุณสามารถใช้ Google เพื่อซื้อหา AI ราคา 6 เซ็นต์ ซักร้อยครั้ง มันมีอยู่แล้วในขณะนี้
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.
ดังนั้นในมุมมองที่สาม เมื่อเรานำ AI มาทำให้มีรูปร่าง เราก็จะได้หุ่นยนต์ และหุ่นยนต์ก็จะเป็นเครื่องมือ พวกมันจะทำงานหลายๆอย่างที่เราทำได้แล้ว ทำงานที่เป็นงานหนักซ้ำๆ พวกมันจะเปลี่ยนวิถีการทำงานของเรา เพราะพวกมันจะทำงานเหล่านั้น แล้วมันจะช่วยจัดการ งานประเภทใหม่นี้ รูปแบบงานแบบใหม่ทั้งหมด ซึ่งพวกเราไม่เคยรู้มาต้องทำมาก่อน ที่จริงแล้วพวกมันกำลังทำให้เกิดงานแบบใหม่ รูปแบบงานแบบใหม่ที่เราต้องการให้สำเร็จ เหมือนกับระบบอัตโนมัติได้สร้าง สิ่งใหม่ทั้งกระบิมาแล้ว ซึ่งเราก็ไม่เคยรู้ว่าเราต้องการมันมาก่อน ตอนนี้เราไม่สามารถมีชีวิตได้หากไม่มีมัน มันกำลังจะสร้างงานมากกว่าที่มันแย่งงาน แต่สิ่งสำคัญคืองานที่เรากำลังให้มันทำ นั้นต้องเป็นงานที่สามารถระบุ ประสิทธิภาพและผลิตภาพได้ หากคุณสามารถกำหนดงาน ไม่ว่าจะด้วยระบบมือหรือระบบความคิด ที่สามารถระบุประสิทธิภาพและผลิตภาพได้ สิ่งเหล่านั้นจะถูกแทนด้วยหุ่นยนต์ ผลิตภาพเป็นงานสำหรับหุ่นยนต์ สิ่งที่มนุษย์ทำได้ดีคือนั่งหายใจทิ้ง
(Laughter)
(หัวเราะ)
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.
เราทำได้ดีในสิ่งไร้ประสิทธิภาพ วิทยาศาสตร์เป็นตัวอย่างการไร้ประสิทธิภาพ มันเกิดขึ้นจากความล้มเหลว ครั้งแล้วครั้งเล่า มันเกิดจากการทดสอบ และการทดลองต่างๆที่ใช้ไม่ได้ มิฉะนั้นคุณก็จะไม่ได้เรียนรู้ มันตั้งอยู่บนความจริงว่า มันไม่ได้มีประสิทธิภาพอะไรมากมาย นวัตกรรมโดยนิยามแล้วคือความไร้ประสิทธิภาพ เพราะว่าคุณสร้างต้นแบบ เพราะคุณลองสิ่งที่ล้มเหลว สิ่งที่ไม่เวิร์ค การสำรวจก็เป็นตัวอย่างการไร้ประสิทธิภาพ ศิลปะไม่เกี่ยวกับประสิทธิภาพ ความสัมพันธ์มนุษย์ไม่เกี่ยวกับประสิทธิภาพ สิ่งเหล่านี้เป็นสิ่งที่เราควรจะมุ่งไป เพราะมันไม่เกี่ยวกับประสิทธิภาพ ประสิทธิภาพเป็นเรื่องของหุ่นยนต์ เรากำลังเรียนรู้ที่จะ ทำงานร่วมกับ AI เหล่านี้ เพราะว่าพวกมันคิดแตกต่างจากเรา
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.
เมื่อ Deep Blue เอาชนะแชมป์หมากรุก ผู้คนคิดว่าจะถึงจุดจบของเกมส์หมากรุก แต่ปัจจุบัน แชมป์หมากรุกของโลก ไม่ใช่ AI และไม่ใช่มนุษย์ แต่เป็นทีมระหว่างมนุษย์และ AI กลุ่มแพทย์ที่ดีที่สุด ไม่ใช่มนุษย์หรือ AI แต่เป็นทีม เรากำลังจะทำงานร่วมกับ AI และคุณกำลังจะได้ค่าตอบแทนการทำงานในอนาคต โดยคำนวณว่าคุณทำงานกับ AI ได้ดีแค่ไหน นั้นคือเรื่องที่สาม ที่ว่ามันมีความแตกต่าง พวกมันเป็นเครื่องมือ มันจะกลายเป็นสิ่งที่เราต้องร่วมงานด้วย แทนที่จะต่อต้าน เราต้องร่วมงานกับมันมากกว่าต่อต้าน
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.
ดังนั้นในอนาคต พวกมันจะนำเราไปยังจุดไหน ผมคิดว่าในอีก 25 ปีข้างหน้า เมื่อพวกมันมองย้อนมา และมองถึงความเข้าใจใน AI ของพวกเรา และพูดว่า "คุณยังไม่มี AI เลย ที่จริง คุณยังไม่มี Internet ด้วยซ้ำ เทียบกับสิ่งที่จะเกิดในอีก 25 ปีข้างหน้า" ตอนนี้ เรายังไม่มีผู้เชี่ยวชาญ AI มีเม็ดเงินมากมายใช้ไปในการพัฒนา เงินเป็นพันล้านที่ใช้กับมัน มันเป็นธุรกิจขนาดใหญ่ แต่ยังไม่มีผู้เชี่ยวชาญเลย เมื่อเทียบกับสิ่งที่จะมีในอีก 20 ปีข้างหน้า ดังนั้นเรากำลังอยู่ที่จุดเริ่มต้น ของจุดเริ่มต้น เรากำลังอยู่ในชั่วโมงแรก เรากำลังอยู่ในชั่วโมงแรกของ Inernet เราอยู่ในชั่วโมงแรกของสิ่งที่กำลังมาถึง AI ที่จะใช้กันอย่างขว้างขวางใน 20 ปีหน้า ที่ทุกคนใช้ ยังไม่ถูกประดิษฐ์ขึ้น นั้นหมายความว่ายังไม่สายไปสำหรับพวกคุณ
Thank you.
ขอบคุณครับ
(Laughter)
(หัวเราะ)
(Applause)
(เสียงปรบมือ)