(كريس أنديرسون): ساعدنا على فهم ماهية تعلم الآلة، لأن ذلك يبدو أنه العامل المسبب للكثير من الإثارة وكذلك القلق حول الذكاء الاصطناعي كيف تتم عملية تعلم الآلة؟
Chris Anderson: Help us understand what machine learning is, because that seems to be the key driver of so much of the excitement and also of the concern around artificial intelligence. How does machine learning work?
(سيباستيان ثران): إن عمر كلا من الذكاء الاصطناعي وتعلم الآلة 60 عامًا تقريبًا ولم يحظيا بحظ جيد في ماضيهما حتى فترة قريبة والسبب في ذلك هو أن اليوم، قد بلغنا مدى من الحوسبة ومجموعات البيانات الذي يعد ضروريًا لجعل الآلات ذكية إليك كيف يتم الأمر إذا قمت ببرمجة حاسب آلي اليوم، هاتفك مثلًا ثم قمت بتعيين مهندسي برمجيات حيث يكتبون وصفة طبخ طويلة جدًا، مثلًا "إذا كانت المياه شديدة السخونة، قلل درجة الحرارة. إذا كانت شديدة البرودة، ارفع درجة الحرارة" لا يبلغ طول الوصفات 10 أسطر فحسب بل ملايين السطور هاتف محمول حديث به 12 مليون سطر من الأكواد المتصفح به 5 مليون سطر من الأكواد وكل خطأ في وصفة كهذه يمكنه تعطيل جهازك لهذا السبب يجني مهندسي البرمجيات الكثير من الأموال ولكن الأمر الجديد الآن هو أن الحاسب الآلي بوسعه ابتكار قواعده الخاصة فبدلًا من قيام خبير بكتابة، خطوة تلو الأخرى، قاعدة لكل حالة طارئة، ما تقوم بفعله هو أنك تزود الحاسب الآلي بالأمثلة وتجعله يتوصل إلى قواعده الخاصة
Sebastian Thrun: So, artificial intelligence and machine learning is about 60 years old and has not had a great day in its past until recently. And the reason is that today, we have reached a scale of computing and datasets that was necessary to make machines smart. So here's how it works. If you program a computer today, say, your phone, then you hire software engineers that write a very, very long kitchen recipe, like, "If the water is too hot, turn down the temperature. If it's too cold, turn up the temperature." The recipes are not just 10 lines long. They are millions of lines long. A modern cell phone has 12 million lines of code. A browser has five million lines of code. And each bug in this recipe can cause your computer to crash. That's why a software engineer makes so much money. The new thing now is that computers can find their own rules. So instead of an expert deciphering, step by step, a rule for every contingency, what you do now is you give the computer examples and have it infer its own rules.
مثال جيد على ذلك هو برنامج (ألفاجو)، الذي ربحته (جوجل) حديثًا في العادة، عندما يتعلق الأمر بالألعاب، تقوم بكتابة كل القواعد بنفسك ولكن في حالة (ألفاجو)، قام النظام بفحص أكثر من مليون لعبة واستطاع التوصل إلى قواعده الخاصة وتمكن من هزيمة بطل العالم في (جو) هذا مثير، لأنه يعفي مهندسي البرمجيات من الحاجة إلى أن يكونوا شديدي الذكاء وبدلًا من ذلك يضع ذلك العبء على البيانات وكما قلت، نقطة التحول التي جعلت أمرًا كهذا ممكنًا، هذا محرج للغاية، لأن أطروحتي كانت حول تعلم الآلة وكانت بلا أهمية مطلقًا، لا تقرؤوها، لأنني كتبتها منذ 20 سنة مضت وحينها، كان حجم أجهزة الحاسب الآلي مثل حجم الديناصورات والآن أصبحت قوية بما يكفي لمحاكاة الفكر البشري المتخصص كذلك تستغل أجهزة الحاسب الآلي حقيقة أن بوسعها فحص عدد هائل من البيانات بخلاف البشر لذا أقول أن (ألفاجو) قام بفحص أكثر من مليون لعبة ولا يوجد خبير بشري يمكنه دراسة مليون لعبة يقوم (جوجل) بالبحث فيما يزيد عن مئة مليار صفحة ويب ولا يوجد إنسان بوسعه دراسة مئة مليار صفحة ويب ونتيجة لذلك، تستطيع أجهزة الحاسب الآلي التوصل إلى قواعد لا يمكن للبشر التوصل إليها
A really good example is AlphaGo, which recently was won by Google. Normally, in game playing, you would really write down all the rules, but in AlphaGo's case, the system looked over a million games and was able to infer its own rules and then beat the world's residing Go champion. That is exciting, because it relieves the software engineer of the need of being super smart, and pushes the burden towards the data. As I said, the inflection point where this has become really possible -- very embarrassing, my thesis was about machine learning. It was completely insignificant, don't read it, because it was 20 years ago and back then, the computers were as big as a cockroach brain. Now they are powerful enough to really emulate kind of specialized human thinking. And then the computers take advantage of the fact that they can look at much more data than people can. So I'd say AlphaGo looked at more than a million games. No human expert can ever study a million games. Google has looked at over a hundred billion web pages. No person can ever study a hundred billion web pages. So as a result, the computer can find rules that even people can't find.
(أنديرسون): إذًا بدلًا من كتابة "إذا فعل هذا، سأفعل ذلك" الأمر أقرب إلى، "يبدو هذا كنمط للفوز، يبدو هذا كنمط للفوز"
CA: So instead of looking ahead to, "If he does that, I will do that," it's more saying, "Here is what looks like a winning pattern, here is what looks like a winning pattern."
(ثران): أجل، فكر في طريقة تريبة الأطفال لا تقضي أول 18 سنة وأنت تعلم الأطفال كل قواعد حالات الطوارئ ثم تجعلهم أحرارًا فيصبح لديهم ذلك البرنامج الضخم وبدلًا من ذلك، يتعثرون ويسقطون وينهضون ويتم صفعهم أو ضربهم فيصبح لديهم تجربة إيجابية، ودرجات جيدة بالمدرسة، ويتوصلون إلى ذلك بنفسهم الأمر ذاته يحصل مع الحاسب الآلي الآن وذلك يجعل البرمجة باستخدام الحاسب أكثر سهولة فجأة لم نعد بحاجة إلى التفكير، فقط نزود الأجهزة بالكثير من البيانات
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 and set them free and they have this big program. They stumble, fall, get up, they get slapped or spanked, and they have a positive experience, a good grade in school, and they figure it out on their own. That's happening with computers now, which makes computer programming so much easier all of a sudden. Now we don't have to think anymore. We just give them lots of data.
(أنديرسون): وكان ذلك السبب الرئيسي لتحسينات رائعة على السيارات ذاتية القيادة أظن أنك أعطيتني مثالًا على ذلك أيمكنك تفسير الأمر الذي يحدث هنا؟
CA: And so, this has been key to the spectacular improvement in power of self-driving cars. I think you gave me an example. Can you explain what's happening here?
(ثران): هذا قرص سيارة ذاتية القيادة الذي صادف وجوده معنا في (يوداستي) وتم تحويله حديثًا إلى برنامج فرعي يسمى (فوياج) قمنا باستخدام ذلك الشيء الذي يسمى "التعلم الاصطناعي" لتدريب السيارة على قيادة نفسها، وهذا فيديو للقيادة من (ماونتن فيو)، (كاليفورنيا)، إلى (سان فرانسيسكو) بطريق (إل كامنو ريل) في يوم ممطر، مع وجود ركاب الدراجات والمارة و133 إشارة مرور والشيء الجديد هنا هو أنني أنشأت منذ فترة طويلة فريق سيارة (جوجل) ذاتية القيادة وحينئذٍ، قمت بتعيين أفضل مهندسي البرمجيات لوضع أفضل القواعد بالعالم تم تدريبها على هذا نقوم بالقيادة على هذا الطريق 20 مرة، ثم نخزن كل تلك البيانات بذاكرة الحاسب، وبعد بضع ساعات من المعالجة، يتوصل إلى طريقة كثيرًا ما تتفوق على رشاقة البشر لذا أصبح من السهل برمجة أمر كهذا هذا تحكم ذاتي بنسبة 100%، على مسافة نحو 33 ميلًا، طوال ساعة ونصف
ST: This is a drive of a self-driving car that we happened to have at Udacity and recently made into a spin-off called Voyage. We have used this thing called deep learning to train a car to drive itself, and this is driving from Mountain View, California, to San Francisco on El Camino Real on a rainy day, with bicyclists and pedestrians and 133 traffic lights. And the novel thing here is, many, many moons ago, I started the Google self-driving car team. And back in the day, I hired the world's best software engineers to find the world's best rules. This is just trained. We drive this road 20 times, we put all this data into the computer brain, and after a few hours of processing, it comes up with behavior that often surpasses human agility. So it's become really easy to program it. This is 100 percent autonomous, about 33 miles, an hour and a half.
(أنديرسون): لإيضاح الأمر، على الجانب الكبير باليسار في هذا البرنامج، ترون ما يراها الحاسب الآلي كشاحنات وسيارات التي تتجاوز السيارة وهكذا
CA: So, explain it -- on the big part of this program on the left, you're seeing basically what the computer sees as trucks and cars and those dots overtaking it and so forth.
(ثران): بالجانب الأيمن، ترون صورة الكاميرا، التي تشكل المُدخَل الرئيسي هنا، ويتم استخدامها للعثور على الطرق والسيارات وإشارات المرور ثمة رادار بالسيارة لتقدير المسافات ويعد استخدامه شائعًا في أنظمة كهذه بالجانب الأيسر ترون مخطط ليزر، حيث يوجد العوائق كالأشجار وغيرها التي يظهرها الليزر ولكن وكل العمل المثير تقريبًا يوجد بالكاميرا الآن حيث نتحول من أجهزة الاستشعار الدقيقة مثل الرادارات والليزر إلى أجهزة استشعار زهيدة يمكن شراؤها فالكاميرا تكلف أقل من 8 دولارات
ST: On the right side, you see the camera image, which is the main input here, and it's used to find lanes, other cars, traffic lights. The vehicle has a radar to do distance estimation. This is very commonly used in these kind of systems. On the left side you see a laser diagram, where you see obstacles like trees and so on depicted by the laser. But almost all the interesting work is centering on the camera image now. We're really shifting over from precision sensors like radars and lasers into very cheap, commoditized sensors. A camera costs less than eight dollars.
(أنديرسون): وتلك النقطة الخضراء باليسار، ما هذه؟ هل لها أي أهمية؟
CA: And that green dot on the left thing, what is that? Is that anything meaningful?
(ثران): هذه نقطة الرؤية البعيدة لمثبت السرعة المتغير، لذلك هي تساعدنا على إدراك طريقة تنظيم السرعة بناء على مدى بعد السيارات التي أمامك
ST: This is a look-ahead point for your adaptive cruise control, so it helps us understand how to regulate velocity based on how far the cars in front of you are.
(أنديرسون): أظن أنك لديك مثال على طريقة التعلم الاصطناعي الفعلية ربما يمكننا رؤية ذلك، حدثنا عن ذلك الأمر
CA: And so, you've also got an example, I think, of how the actual learning part takes place. Maybe we can see that. Talk about this.
(ثران): هذا مثال على التحدي الذي وضعناه أمام طلاب (يوداستي) لأخذ ما نسميه (النانوديجري) لسيارة ذاتية القيادة أعطيناهم مجموعة البيانات وقلنا لهم: "أيمكنكم التوصل إلى طريقة ما لتوجيه هذه السيارة؟" وإذا نظرت إلى الصور، سيكون مستحيلًا حتى على البشر توجيهها بشكل صحيح وأطلقنا مسابقة وقلنا: "هذه مسابقة متعلقة بالتعلم الاصطناعي، مسابقة ذكاء اصطناعي" وحددنا مدة 48 ساعة فحسب للطلاب إذا كنت أنت شركة برمجيات عملاقة مثل (جوجل) أو (فيسبوك)، سيستغرق إتمام أمر كهذا منك 6 أشهر على أقل تقدير لذا أعتقد 48 ساعة فحسب مدة مذهلة وخلال 48 ساعة، تلقينا نحو 100 مراسلة من الطلاب والأربعة الأوائل توصلوا إلى الطريقة المثالية فهي تقود نفسها أفضل مما أستطيع أنا في حالة كهذه، باستخدام التعلم الاصطناعي ومرة أخرى، باستخدام الطريقة نفسها إنه ذلك الأمر السحري حيث تزود الحاسب بمجموعة كافية من البيانات، وتترك له وقتًا كافيًا لاستيعابها، فيتوصل إلى قواعده الخاصة
ST: This is an example where we posed a challenge to Udacity students to take what we call a self-driving car Nanodegree. We gave them this dataset and said "Hey, can you guys figure out how to steer this car?" And if you look at the images, it's, even for humans, quite impossible to get the steering right. And we ran a competition and said, "It's a deep learning competition, AI competition," and we gave the students 48 hours. So if you are a software house like Google or Facebook, something like this costs you at least six months of work. So we figured 48 hours is great. And within 48 hours, we got about 100 submissions from students, and the top four got it perfectly right. It drives better than I could drive on this imagery, using deep learning. And again, it's the same methodology. It's this magical thing. When you give enough data to a computer now, and give enough time to comprehend the data, it finds its own rules.
(أنديرسون): وأدى ذلك الأمر إلى تطوّر تطبيقات قوية في كل المجالات كنت تحدثني في وقت مضى عن السرطان أيمكنني عرض هذا الفيديو؟
CA: And so that has led to the development of powerful applications in all sorts of areas. You were talking to me the other day about cancer. Can I show this video?
(ثران): بالطبع، تفضل (أنيرسون): هذا رائع
ST: Yeah, absolutely, please. CA: This is cool.
(ثران): هذه نظرة على ما يحدث داخل مجال مختلف تمامًا هذا شيء يقوّي أو ينافس، كما يتراءى للمشاهد، هؤلاء الذين يتقاضون 400 ألف دولار سنويًا، أخصائي الجلدية، أخصائيون مُدربون على أعلى مستوى حيث يستغرق الأمر أكثر من عقد من التدريب لتصبح أخصائي جلدية متميز وما ترونه هنا هو نسخة تعلم الآلة لذلك الأمر وتسمى بالشبكة العصبية "الشبكات العصبية" هي المصطلح الفني لخوارزميات تعلم الآلة تلك وظهرت منذ الثمانينات وهذه الشبكة اخترعها مطوّر في (فيسبوك) يدعى (يان ليكان) عام 1988، وهي تعمل على توفير مراحل للبيانات عبر ما قد تفكر فيه على أنه عقل بشري ليس الأمر ذاته تمامًا، ولكنها تحاكي الأمر ذاته حيت تنتقل من مرحلة إلى أخرى وفي المرحلة الأولى، تأخذ المُدخَل المرئي وتُخرِج edges وال(rods) وال(dots) وبالمرحلة التالية تصبح ال(EDGES) أكثر تعقيدًا وأشكالًا مثل نصف قمر صغير وبالنهاية، تتمكن من بناء مفاهيم معقدة للغاية تمكن (أندرو نج) من إثبات أنها بوسعها العثور على أوجه قطط وكلاب في مجموعات ضخمة من الصور
ST: This is kind of an insight into what's happening in a completely different domain. This is augmenting, or competing -- it's in the eye of the beholder -- with people who are being paid 400,000 dollars a year, dermatologists, highly trained specialists. It takes more than a decade of training to be a good dermatologist. What you see here is the machine learning version of it. It's called a neural network. "Neural networks" is the technical term for these machine learning algorithms. They've been around since the 1980s. This one was invented in 1988 by a Facebook Fellow called Yann LeCun, and it propagates data stages through what you could think of as the human brain. It's not quite the same thing, but it emulates the same thing. It goes stage after stage. In the very first stage, it takes the visual input and extracts edges and rods and dots. And the next one becomes more complicated edges and shapes like little half-moons. And eventually, it's able to build really complicated concepts. Andrew Ng has been able to show that it's able to find cat faces and dog faces in vast amounts of images.
وما أثبته فريقي من الطلاب في (ستانفورد) هو أنك إذا دربتها على 129 ألف صورة للأمراض الجلدية بما في ذلك سرطان الجلد وأمراض السرطان، يمكنك القيام بعمل جيد تمامًا كأفضل أخصائيي الجلدية البشريين ولنقنع أنفسنا بصحة ذلك، التقطنا مجموعة بيانات مستقلة وقمنا بعرضها على شبكتنا وعلى 25 أخصائي جلدية حاصلين على الزمالة بمستوى (ستانفورد)، وقمنا بالمقارنة بينها وفي معظم الحالات، كانت النتائج مطابقة أو أكثر دقة في التصنيف من نتائج أخصائيين الجلدية البشريين
What my student team at Stanford has shown is that if you train it on 129,000 images of skin conditions, including melanoma and carcinomas, you can do as good a job as the best human dermatologists. And to convince ourselves that this is the case, we captured an independent dataset that we presented to our network and to 25 board-certified Stanford-level dermatologists, and compared those. And in most cases, they were either on par or above the performance classification accuracy of human dermatologists.
(أنديرسون): كنت تخبرني عن قصة ما حول هذه الصورة هنا ما الذي حدث هنا؟
CA: You were telling me an anecdote. I think about this image right here. What happened here?
(ثران): كانت هذه يوم الخميس الماضي، وهذه قطعة متحركة وما قمنا بعرضه من قبل ونشره في دورية "الطبيعة" بهذا العام هو تلك الفكرة حيث نعرض صورًا على أخصائيين الجلدية وكذلك على برنامجنا الحاسوبي، ثم نحسب عدد مرات النتائج المطابقة ولكن كل هذه الصور قديمة كلها تم فحصها حتى نتأكد أن تصنيفنا لها صحيح أما هذه فلم تكن قديمة حدث ذلك الأمر في (ستانفورد) بواسطة أحد معاونينا وقصة الصورة هي أن معاوننا، الذي هو أخصائي جلدية ذو شهرة عالمية، واحد من أفضل ثلاثة أخصائيين جلدية، قام بالنظر على هذه الشامة وقال: "هذا ليس سرطان جلدي" ثم أعاد التفكير وقال: "حسنًا، دعني أتأكد باستخدام التطبيق" فأخرج هاتفه (الأيفون) وشغّل تطبيقنا، "أخصائي الجلدية الجيبي" خاصتنا، إن صح التعبير وقال (الأيفون): "سرطان" قال الهاتف سرطان جلدي فأصبح الأخصائي في حيرة ثم قرر وقال: "حسنًا، ربما أثق في التطبيق أكثر من نفسي" وأرسل الصورة إلى المختبر ليتم فحصها وأظهرت النتائج أنه سرطان جلدي شديد لذا أظن أن هذه هي المرة الأولى التي اكتشفنا فيها، عمليًا باستخدام التعلم الاصطناعي، سرطان جلدي لشخص ما كان من الممكن يمر دون أن يُكتشف، لولا وجود التعلم الاصطناعي
ST: This was last Thursday. That's a moving piece. What we've shown before and we published in "Nature" earlier this year was this idea that we show dermatologists images and our computer program images, and count how often they're right. But all these images are past images. They've all been biopsied to make sure we had the correct classification. This one wasn't. This one was actually done at Stanford by one of our collaborators. The story goes that our collaborator, who is a world-famous dermatologist, one of the three best, apparently, looked at this mole and said, "This is not skin cancer." And then he had a second moment, where he said, "Well, let me just check with the app." So he took out his iPhone and ran our piece of software, our "pocket dermatologist," so to speak, and the iPhone said: cancer. It said melanoma. And then he was confused. And he decided, "OK, maybe I trust the iPhone a little bit more than myself," and he sent it out to the lab to get it biopsied. And it came up as an aggressive melanoma. So I think this might be the first time that we actually found, in the practice of using deep learning, an actual person whose melanoma would have gone unclassified, had it not been for deep learning.
(أنديرسون): هذا مذهل
CA: I mean, that's incredible.
(تصفيق)
(Applause)
يبدو أن هناك طلب فوري على تطبيق كهذا الآن، حين قد تصيب الكثير من الناس بالذعر هل تفكر في إنشاء تطبيق يسمح بفحص الناس لأنفسهم؟
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?
(ثران): امتلأ صندوق رسائلي الواردة برسائل حول التطبيقات المتعلقة بالسرطان، وبها قصص مؤثرة لحالات مرضية أعني، تم إزالة 10، و15، و20 بقعة سرطان جلدي لبعضهم، وهم يخشون ألا يتم ملاحظة واحدة كهذه وكذلك، لا أعرف، استفسارات حول السيارات الطائرة والمتحدثين تُرسل هذه الأيام وجهة نظري هي أننا، مازلنا بحاجة إلى المزيد من الاختبارت وأريد أن أكون شديد الحذر من السهل جدًا إعطاء نتائج لافتة للنظر وتبهر جمهور (TED) ولكن من الصعب تقديم شيء أخلاقي وإن كان الناس سيستخدمون هذا التطبيق ويختاروا ألا يلجؤوا إلى استشارة الأطباء لأننا نخطئ في تشخيصنا سأشعر بالسوء الشديد حيال ذلك لذا نجري بالوقت الحالي اختبارات سريرية، وإذا أثبتت هذه الاختبارات نتائجًا مستقرة قد نتمكن بوقت ما من نقل هذه التكنولوجيا وإخراجها من عيادة (ستانفورد) وتقديمها إلى العالم أجمع إلى أماكن حيث لم يطأ أطباء (ستانفورد) قدمًا قط
ST: So my in-box is flooded about cancer apps, with heartbreaking stories of people. I mean, some people have had 10, 15, 20 melanomas removed, and are scared that one might be overlooked, like this one, and also, about, I don't know, flying cars and speaker inquiries these days, I guess. My take is, we need more testing. I want to be very careful. It's very easy to give a flashy result and impress a TED audience. It's much harder to put something out that's ethical. And if people were to use the app and choose not to consult the assistance of a doctor because we get it wrong, I would feel really bad about it. So we're currently doing clinical tests, and if these clinical tests commence and our data holds up, we might be able at some point to take this kind of technology and take it out of the Stanford clinic and bring it to the entire world, places where Stanford doctors never, ever set foot.
(أنديرسون): هل ما سمعته صحيح، أنه يبدو ما تقوله، لأنك تعمل مع جيش من طلاب (Udacity)، أنه بطريقة ما، تقوم بتطبيق نوعٍ مختلفٍ من تعلم الآلة الذي قد يحدث في شركة ما، والذي هو أنك تمزج تعلم الآلة بنوع من حكمة الجماهير أتقول أنك تعتقد أنه في بعض الأحيان قد يتفوق ذلك على قدرة شركة ما، حتى وإن كانت شركة عملاقة؟
CA: And do I hear this right, that it seemed like what you were saying, because you are working with this army of Udacity students, that in a way, you're applying a different form of machine learning than might take place in a company, which is you're combining machine learning with a form of crowd wisdom. Are you saying that sometimes you think that could actually outperform what a company can do, even a vast company?
(ثران): أظن أن هناك الآن أمثلة تذهلني، ومازلت أحاول أنا أفهم الذي يشير (كريس) إليه هو تلك المسابقات التي نجريها نطلقها لمدة 48 ساعة فحسب، واستطعنا صناعة سيارة ذاتية القيادة يمكنها القيادة من (ماونتن فيو) وحتى (سان فرانسيسكو) بالشوراع الرئيسية ليست النتيجة مطابقة لنتائج (جوجل) بعد أن عملوا على المشروع لسبع سنوات، ولكنها قريبة منها واستغرقنا الأمر مهندسين وثلاثة أشهر من العمل فحسب والسبب يرجع لامتلاكنا جيشًا من الطلاب الذين يشاركون بالمسابقات لسنا الوحيدين الذين نلجأ إلى الاستعانة بالجمهور (أوبر) و(ديدي) يلجؤون إليه للقيادة (إير بي إن بي) تلجأ إليه للفنادق ثمة الكثير من الأمثلة الآن على لجوء الناس إلى الاستعانة بالجمهور للعثور على الثغرات وطيّ البروتين، لكل الأشياء، عن طريق الاستعانة بالجمهور ولكننا تمكنا من صناعة هذه السيارة في ثلاثة أشهر، لذا أنا أعيد النظر في طريقة تنظيمنا للشركات
ST: I believe there's now instances that blow my mind, and I'm still trying to understand. What Chris is referring to is these competitions that we run. We turn them around in 48 hours, and we've been able to build a self-driving car that can drive from Mountain View to San Francisco on surface streets. It's not quite on par with Google after seven years of Google work, but it's getting there. And it took us only two engineers and three months to do this. And the reason is, we have an army of students who participate in competitions. We're not the only ones who use crowdsourcing. Uber and Didi use crowdsource for driving. Airbnb uses crowdsourcing for hotels. There's now many examples where people do bug-finding crowdsourcing or protein folding, of all things, in crowdsourcing. But we've been able to build this car in three months, so I am actually rethinking how we organize corporations.
لدينا فريق عمل يتألف من 9 آلاف شخص لم يتم تعيينهم قط، ولا أطردهم من العمل أبدًا يأتون إلى العمل دون أن أكتشف ذلك حتى وكذلك يرسلون لى نحو 9 آلاف إجابة ولست مجبرًا عن استخدام أي منها وبالنهاية، أقوم بالدفع للفائزين فحسب، أنا بخيل جدًا في هذا الأمر، وقد يكون ذلك أمرًا سيئًا ولكنهم ينظرون إليه على أنه جزء من تعليمهم، وهذا أمر جيد ولكن استطاع هؤلاء الطلاب تقديم نتائج مذهلة للتعلم الاصطناعي لذا أجل، الجمع بين أناس رائعين وتعلم آلة مميز أمر رائع
We have a staff of 9,000 people who are never hired, that I never fire. They show up to work and I don't even know. Then they submit to me maybe 9,000 answers. I'm not obliged to use any of those. I end up -- I pay only the winners, so I'm actually very cheapskate here, which is maybe not the best thing to do. But they consider it part of their education, too, which is nice. But these students have been able to produce amazing deep learning results. So yeah, the synthesis of great people and great machine learning is amazing.
(أنديرسون): قال (جاري كاسباروف) في اليوم الأول [لـTED2017] أن الفائزين بلعبة الشطرنج، من المثير للدهشة، أنهما كانا لاعبين هاويين بمساعدة ثلاثة برامج متوسطة المستوى واستطاعا التفوق على أستاذ دولي كبير بلعبة الشطرنج وكأن ذلك كان جزءًا من عمل البرامج ويبدو الأمر وكأنك تتحدث عن نسخة أكثر ثراءً من الفكرة ذاتها
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 with three mediocre-ish, mediocre-to-good, computer programs, that could outperform one grand master with one great chess player, like it was all part of the process. And it almost seems like you're talking about a much richer version of that same idea.
(ثران): أجل، أعني، كما تابعت أنت الألواح الرائعة بصباح يوم أمس، الجلستين حول الذكاء الاصطناعي، الأسياد الآليين والاستجابة البشرية، قيل الكثير من الأشياء الرائعة ولكن أحد المخاوف كان أننا أحيانًا نخلط بين ما يحدث حقًا بالذكاء الاصطناعي وهذا النوع من التهديد للأسياد الآليين، حيث يكون لذكائك الاصطناعي وعي، صحيح؟ آخر شيء قد أريده أن يكون لذكائي الاصطناعي وعيًا لا أريد أن أدخل إلى مطبخي وأجد أن الثلاجة وقعت في حب غسالة الأطباق وتخبرني، لأنني لم أكن لطيفًا معها، أن طعامي ساخن الآن لم أكن لأشتري هذه المنتجات، ولا أريدها ولكن الحقيقة هي، بالنسبة لي، أن الذكاء الاصطناعي هو شيء مقوّي للبشر إنه شيء مقوّي لكل منّا شيء يجعلنا أكثر قوة وأظن أن (كاسباروف) كان محقًا تمامًا كان الأمر عبارة عن مزيج من الذكاء البشري والذكاء الآلي وذلك يجعلنا أكثر قوة وفكرة أن الآلات تجعلنا أكثر قوة قديمة للغاية كالآلات نفسها فالثورة الزراعية حدثت بفضل المحركات البخارية ومعدات الزراعة التي لم تقم بالزراعة وحدها، ولم تستبدلنا قط، بل جلعتنا أكثر قوة وأنا أعتقد أن هذه الموجة الجديدة من الذكاء الاصطناعي ستجعلنا أكثر قوة بكثير كجنس بشري
ST: Yeah, I mean, as you followed the fantastic panels yesterday morning, two sessions about AI, robotic overlords and the human response, many, many great things were said. But one of the concerns is that we sometimes confuse what's actually been done with AI with this kind of overlord threat, where your AI develops consciousness, right? The last thing I want is for my AI to have consciousness. I don't want to come into my kitchen and have the refrigerator fall in love with the dishwasher and tell me, because I wasn't nice enough, my food is now warm. I wouldn't buy these products, and I don't want them. But the truth is, for me, AI has always been an augmentation of people. It's been an augmentation of us, to make us stronger. And I think Kasparov was exactly correct. It's been the combination of human smarts and machine smarts that make us stronger. The theme of machines making us stronger is as old as machines are. The agricultural revolution took place because it made steam engines and farming equipment that couldn't farm by itself, that never replaced us; it made us stronger. And I believe this new wave of AI will make us much, much stronger as a human race.
(أنديرسون): سنناقش هذا الأمر بعد قليل، ولكن لنتابع النقاش فيما يتعلق بالجزء المخيف لهذا الأمر لبعض الناس، وما يخيف الناس هو عندما يصبح لديك حاسب آلي بوسعه، أولًا، إعادة كتابة أكواده الخاصة، وبذلك، يقوم بنسخ نفسه عدة مرات، ويجرب مجموعة مختلفة من الأكواد، وربما بشكل عشوائي أيضًا ثم يجربهم ليرى إن كان الهدف المطلوب قد تحقق وتحسن أم لا لنقل مثلًا أن الهدف هو الأداء بشكل أفضل في اختبار للذكاء حاسب آلي جيد في ذلك نوعًا ما، فتقوم بتجربة ملايين النسخ منه ولعلك تجد واحدًا أكثر كفاءة ثم تقوم بتكراره وما يثير القلق هو حدوث تأثير غير متوقع حيث يكون كل شيء على ما يرام بمساء يوم الخميس، وتعود إلى المختبر بصباح اليوم الجمعة، وبسبب سرعة عمل الحواسب، يصبح الأمر خارج السيطرة، وفجأة...
CA: We'll come on to that a bit more, 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 a computer that can, one, rewrite its own code, so, it can create multiple copies of itself, try a bunch of different code versions, possibly even at random, and then check them out and see if a goal is achieved and improved. So, say the goal is to do better on an intelligence test. You know, a computer that's moderately good at that, you could try a million versions of that. You might find one that was better, and then, you know, repeat. And so the concern is that you get some sort of runaway effect where everything is fine on Thursday evening, and you come back into the lab on Friday morning, and because of the speed of computers and so forth, things have gone crazy, and suddenly --
(ثران): لا أنكر احتمالية حدوث ذلك، ولكنها احتمالية بعيدة للغاية لذا دعني أعيد صياغة ما سمعتك تقوله للتو في حالة (ألفاجو)، كان لدينا ذلك الشيء: يقوم الحاسب الآلي بلعب اللعبة ضد نفسه ثم يتعلم قواعد جديدة وتعلم الآلة عبارة عن إعادة كتابة القواعد فهو إعادة كتابة الأكواد ولكني أظن أنه لم يكن هناك أي خوف مطلقًا من احتمالية سيطرة (ألفاجو) على العالم فهو لا يمكنه حتى لعب الشطرنج
ST: I would say this is a possibility, but it's a very remote possibility. So let me just translate what I heard you say. In the AlphaGo case, we had exactly this thing: the computer would play the game against itself and then learn new rules. And what machine learning is is a rewriting of the rules. It's the rewriting of code. But I think there was absolutely no concern that AlphaGo would take over the world. It can't even play chess.
(أنديرسون): لا، لا، ولكن، كل تلك الأشياء متعلقة بمجال واحد فحسب ولكن من الممكن تخيل... أعني، لقد رأينا حاسبًا كان قادرًا تقريبًا على اجتياز اختبار القبول بالجامعة، لا يمكنه القراءة والفهم كما نفعل نحن البشر، ولكن يمكنه استيعاب كل النصوص وربما يرى أنماطًا إضافية للمعنى أليس هناك فرصة، حيث يتطور الأمر، ويكون هناك نوع مختلف من التأثير غير المتوقع؟
CA: No, no, no, but now, these are all very single-domain things. But it's possible to imagine. I mean, we just saw a computer that seemed nearly capable of passing a university entrance test, that can kind of -- it can't read and understand in the sense that we can, but it can certainly absorb all the text and maybe see increased patterns of meaning. Isn't there a chance that, as this broadens out, there could be a different kind of runaway effect?
(ثران): هنا تمامًا أضع حدًا للأمر، بصراحة وثمة فرصة لحدوث ذلك، لا أريد التقليل منها ولكني أظن أنها بعيدة، ولا أفكر بذلك بالوقت الحالي لأنني أظن أن الثورة الكبيرة أمر آخر فكل شيء ناجح في الذكاء الاصطناعي حتى يومنا هذا كان شديد التخصص، وكان يحركه فكرة واحدة فحسب، وهي الكميات الضخمة من البيانات والسبب وراء نجاح (ألفاجو) هو الأعداد الهائلة لألعاب (جو)، ولا يمكن لـ(ألفاجو) قيادة سيارة أو التحليق بطائرة وسيارة (جوجل) ذاتية القيادة، أو سيارة (يوداستي) ذاتية القيادة تعتمد على الكميات الهائلة من البيانات، ولا يمكنها فعل أي شيء آخر فلا يمكنها حتى التحكم بدراجة نارية لأن آلية عملها متعلقة بمجال واحد محدد بشدة الأمر ذاته ينطبق على تطبيق السرطان خاصتنا فلا يوجد أي تقدم على ذلك الشيء الذي يمسى "الذكاء الاصطناعي العام" حيث تقول لذكاء اصطناعي ما "مرحبًا، اخترع لي نظرية نسبية أو نظرية أوتار" لا يزال الأمر في بدايته
ST: That's where I draw the line, honestly. And the chance exists -- I don't want to downplay it -- but I think it's remote, and it's not the thing that's on my mind these days, because I think the big revolution is something else. Everything successful in AI to the present date has been extremely specialized, and it's been thriving on a single idea, which is massive amounts of data. The reason AlphaGo works so well is because of massive numbers of Go plays, and AlphaGo can't drive a car or fly a plane. The Google self-driving car or the Udacity self-driving car thrives on massive amounts of data, and it can't do anything else. It can't even control a motorcycle. It's a very specific, domain-specific function, and the same is true for our cancer app. There has been almost no progress on this thing called "general AI," where you go to an AI and say, "Hey, invent for me special relativity or string theory." It's totally in the infancy.
وسبب رغبتي في التأكيد على ذلك، أنني أرى المخاوف، وأريد الاعتراف بوجودها ولكني إن كنت سأفكر في أمر واحد، كنت لأسأل نفسي هذا السؤال، "ماذا لو كان باستطاعتنا إزالة كل الأعمال التكرارية وجعل أنفسنا أكثر كفاءة بمئة مرة؟" فكما يبدو الأمر، منذ 300 سنة، عملنا جميعًا بالزراعة وزرعنا وقمنا بأعمال تكرارية واليوم، 75% مننا يعملون بالمكاتب ويقومون بأعمال تكرارية فأصبحنا كقرود الصحف الجدولية والأمر لا يقتصر على العمال البسطاء فحسب فكذلك أصبحنا أخصائيي جلدية نقوم بأعمال تكرارية ومحاميين نقوم بأعمال تكرارية أظن أننا قريبون من القدرة على أخذ الذكاء الاصطناعي وجعله يعتني بنا، وبذلك يجعلنا ربما أكثر كفاءة بـ10، أو 50 مرة في القيام بتلك الأعمال التكرارية هذا ما أفكر به
The reason I want to emphasize this, I see the concerns, and I want to acknowledge them. But if I were to think about one thing, I would ask myself the question, "What if we can take anything repetitive and make ourselves 100 times as efficient?" It so turns out, 300 years ago, we all worked in agriculture and did farming and did repetitive things. Today, 75 percent of us work in offices and do repetitive things. We've become spreadsheet monkeys. And not just low-end labor. We've become dermatologists doing repetitive things, lawyers doing repetitive things. I think we are at the brink of being able to take an AI, look over our shoulders, and they make us maybe 10 or 50 times as effective in these repetitive things. That's what is on my mind.
(أنديرسون): هذا مثير للغاية طريقة الوصول إلى هذه النتيجة تبدو مخيفة بعض الشيء لبعض الناس لأنه بمجرد أن يصبح الحاسب قادرًا على فعل تلك الأعمال التكرارية أفضل من أخصائي الجلدية أو أفضل من السائق، بشكل خاص، الشيء الذي تحدثنا عنه كثيرًا الآن فجأة تختفي ملايين الوظائف، وتحدث ثورة في البلاد قبل حتى أن نصل إلى الجوانب الرائعة لما هو ممكن
CA: That sounds super exciting. The process of getting there seems a little terrifying to some people, because once a computer can do this repetitive thing much better than the dermatologist or than the driver, especially, is the thing that's talked about so much now, suddenly millions of jobs go, and, you know, the country's in revolution before we ever get to the more glorious aspects of what's possible.
(ثران): أجل، وهذه مشكلة، وهي مشكلة كبيرة، وتم الإشارة إليها بصباح أمس من قِبَل العديد من الضيوف المتحدثين قبل أن أصعد على خشبة المسرح، اعترفت أنني شخص إيجابي ومتفائل لذا دعني أخبرك بوجهة نظر إيجابية فكر في نفسك منذ 300 سنة مضت نجت قارة أوروبا من 140 عام من الحرب المستمرة لم يكن بوسع أحد القراءة أو الكتابة، ولم يكن هناك الوظائف التي تعملونها اليوم، كمستثمر بنكي، أو مهندس برمجيات، أو مذيع تليفزيوني كنا جميعًا بالحقول نقوم بالزراعة ثم يأتي أحد مثلي ومعه محرك بخاري في جيبه، ويقول: "مرحبا، انظروا إلى هذا سوف يجعلكم أكثر قوة بمئة مرة، لكي تقومون بفعل أمورٍ أخرى" وحينئذٍ، لم يكن هناك مسرح حقيقي، ولكن أنا و(كريس) كنا نتسكع مع الأبقار في الحظيرة، وهو يقول: "أنا قلق للغاية من ذلك لأنني أحلب بقرتي كل يوم، فماذا لو قامت آلة ما بفعل ذلك بدلًا مني؟"
ST: Yeah, and that's an issue, and it's a big issue, and it was pointed out yesterday morning by several guest speakers. Now, prior to me showing up onstage, I confessed I'm a positive, optimistic person, so let me give you an optimistic pitch, which is, think of yourself back 300 years ago. Europe just survived 140 years of continuous war, none of you could read or write, there were no jobs that you hold today, like investment banker or software engineer or TV anchor. We would all be in the fields and farming. Now here comes little Sebastian with a little steam engine in his pocket, saying, "Hey guys, look at this. It's going to make you 100 times as strong, so you can do something else." And then back in the day, there was no real stage, but Chris and I hang out with the cows in the stable, 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?"
وسبب قولي ذلك، هو أننا دائمًا ما نجيد الاعتراف بإنجازات الماضي وفوائدها، مثل هواتف (الأيفون) أو الطائرات أو الكهرباء أو اللوازم الطبية كلنا نحب أن نعيش حتى عمر الـ80، والذي كان مستحيلًا منذ 300 سنة مضت ولكننا لا نطبّق القواعد نفسها على المستقبل لذا إذا نظرت أنا إلى وظيفتي كمدير تنفيذي، سأقول إن 90% من عملي هو عمل تكراري لا أستمتع به، أقضي نحو 4 ساعات يوميًا على رسائل بريدية غبية ومكررة وأنا أتوق إلى امتلاك شيء يساعدني على التخلص من ذلك لماذا؟ لأنني أؤمن أننا جميعًا مبدعون بشكل جنوني وأظن أن مجتمع (TED) أكثر إبداعًا من أي شخص آخر ولكن حتى العمال محدودي الدخل، أظن أنك قد تذهب إلى خادم الفندق وتتناول شرابًا معه أو معها، وبعد ساعة، تتوصل إلى فكرة مبدعة وسيمكننا ذلك من تحويل الإبداع إلى أمر عملي مثلًا، ماذا لو كان بإمكانك إنشاء (جوجل) في يوم فحسب؟ ماذا لو كان بإمكانك اختراع (سناب شات) جديدًا وأنت تتناول الجعة؟ أو أيًا كان ذلك، ثم تأتي في الصباح التالي وتجده يعمل؟
The reason why I mention this is, we're always good in acknowledging past progress and the benefit of it, like our iPhones or our planes or electricity or medical supply. We all love to live to 80, which was impossible 300 years ago. But we kind of don't apply the same rules to the future. So if I look at my own job as a CEO, I would say 90 percent of my work is repetitive, I don't enjoy it, I spend about four hours per day on stupid, repetitive email. And I'm burning to have something that helps me get rid of this. Why? Because I believe all of us are insanely creative; I think the TED community more than anybody else. But even blue-collar workers; I think you can go to your hotel maid and have a drink with him or her, and an hour later, you find a creative idea. What this will empower is to turn this creativity into action. Like, what if you could build Google in a day? What if you could sit over beer and invent the next Snapchat, whatever it is, and tomorrow morning it's up and running?
وليس هذا خيالًا علميًا ما الذي سيحدث هو، أننا نعيش في التاريخ بالفعل أطلقنا العنان لهذا الإبداع المذهل عن طريق تحريرنا من قيود الزراعة وفيما بعد، من العمل بالمصانع بالطبع واخترعنا الكثير من الأشياء سيكون الأمر أفضل بكثير في رأيي وسيكون هناك كذلك آثار جانبية كبيرة وأحدها سيكون أن الأشياء كالطعام واللوازم الطبية والتعليم والمأوى والنقل ستصبح معقولة التكلفة لنا جميعًا، وليس للأغنياء فحسب
And that is not science fiction. What's going to happen is, we are already in history. We've unleashed this amazing creativity by de-slaving us from farming and later, of course, from factory work and have invented so many things. It's going to be even better, in my opinion. And there's going to be great side effects. One of the side effects will be that things like food and medical supply and education and shelter and transportation will all become much more affordable to all of us, not just the rich people.
(أنديرسون): نعم إذًا، عندما قال (مارتن فورد) أن هذا الزمن مختلف لأن الذكاء الذي استخدمناه بالماضي للعثور على طرق جديدة للمضي قدمًا سيُضاهى بالسرعة ذاتها بتحكم الحواسب الآلية بتلك الأشياء، ما أسمعك تقوله هو: "ليس تمامًا" وذلك بسبب الإبداع البشري أتظن أن ذلك مختلف تمامًا عن نوع الإبداع الذي تنتجه الحواسب الآلية؟
CA: Hmm. So when Martin Ford argued, you know, that this time it's different because the intelligence that we've used in the past to find new ways to be will be matched at the same pace by computers taking over those things, what I hear you saying is that, not completely, because of human creativity. Do you think that that's fundamentally different from the kind of creativity that computers can do?
(ثران): إن إيماني الراسخ كمتخصص بالذكاء الاصطناعي، هو أنني لم أرى حتى الآن أي تقدم حقيقي في الإبداع وفي التفكير خارج الصندوق ما أراه الآن، ومن المهم للغاية أن يدرك الناس ذلك، لأن كلمة "الذكاء الاصطناعي" تشعرك بالتهديد ثم يأتي (ستيفن سبيلبرج) ويخرج فيلمًا، حيث يصبح فجأة الحاسب الآلي سيدًا علينا، ولكنها حقًا تكنولوجيا تكنولوجيا تساعدنا على القيام بالأعمال التكرارية والتقدم كان بشكل كامل بالجانب التكراري فقد كان في اكتشاف المستندات القانونية وصياغة العقود وإجراء أشعة إكس لصدرك وتلك الأشياء تخصصية تمامًا ولا أرى التهديد الحقيقي للبشرية في الواقع، نحن كبشر، أعني، لنواجه الأمر، لقد أصبحنا بشرًا خارقين جعلنا من أنفسنا بشرًا خارقين حيث يمكننا السباحة وعبور المحيط الأطلنطي في 11 ساعة وبوسعنا إخراج جهازٍ من جيبنا والصياح حتى (أستراليا) وبالوقت ذاته، يصيح ذلك الشخص لنا أيضًا هذا غير ممكن فيزيائيًا، نحن نكسر قواعد الفيزياء وعندما يُقال ويتم ذلك، سوف نتذكر كل شيء رأيناه وقلناه سوف تتذكر كل شخص، وهذا جيد لي في المراحل الأولى لإصابتي بالزهايمر آسف، ما الذي كنت أقوله؟ لقد نسيت
ST: So, that's my firm belief as an AI person -- that I haven't seen any real progress on creativity and out-of-the-box thinking. What I see right now -- and this is really important for people to realize, because the word "artificial intelligence" is so threatening, and then we have Steve Spielberg tossing a movie in, where all of a sudden the computer is our overlord, but it's really a technology. It's a technology that helps us do repetitive things. And the progress has been entirely on the repetitive end. It's been in legal document discovery. It's been contract drafting. It's been screening X-rays of your chest. And these things are so specialized, I don't see the big threat of humanity. In fact, we as people -- I mean, let's face it: we've become superhuman. We've made us superhuman. We can swim across the Atlantic in 11 hours. We can take a device out of our pocket and shout all the way to Australia, and in real time, have that person shouting back to us. That's physically not possible. We're breaking the rules of physics. When this is said and done, we're going to remember everything we've ever said and seen, you'll remember every person, which is good for me in my early stages of Alzheimer's. Sorry, what was I saying? I forgot.
(أنديرسون): (يضحك)
CA: (Laughs)
(ثران): سيكون على الأرجح لدينا معدل ذكاء يعادل ألف شخص أو أكثر ولن يكون هناك فصولٌ إملائية لأبنائنا، لأنه ما من مشكلة إملائية ولا يوجد مشكلة بالرياضيات وأظن أن ما سيحدث هو أننا يمكننا أن نصبح خارقي الإبداع ونحن كذلك حقًا، فنحن مبدعون وهذا سلاحنا السري
ST: We will probably have an IQ of 1,000 or more. There will be no more spelling classes for our kids, because there's no spelling issue anymore. There's no math issue anymore. And I think what really will happen is that we can be super creative. And we are. We are creative. That's our secret weapon.
(أنديرسون): إذًا، الوظائف التي سنفقدها، بطريقة ما، وعلى الرغم من كون ذلك مؤلمًا، يستطيع البشر القيام بأكثر من تلك الوظائف هذا هو الحلم الحلم هو صعود البشر إلى مستوى جديد من التمكين والاكتشاف وذلك هو الحلم
CA: So the jobs that are getting lost, in a way, even though it's going to be painful, humans are capable of more than those jobs. This is the dream. The dream is that humans can rise to just a new level of empowerment and discovery. That's the dream.
(ثران): وفكر في هذا: إذا نظرت إلى التاريخ البشري، والذي عمره، أيًا كان، 60-100 ألف عام، تعطي أو تأخد، تقريبًأ كل شيء تعتز به متعلق بالاختراع، والتكنولوجيا، والأشياء التي بنيناها، تم اختراعه في آخر 150 سنة وإذا أضفت الكتب والعجلات، سيكون التاريخ أقدم بعض الشيء أو الفأس أما هاتفك، وحذائك الرياضي، وهذه الكراسي، والصناعة الحديثة، والبنسلين، الأشياء التي نعتز بها الآن، هذا يعني لي أنه خلال الـ150 عام القادمين سنجد المزيد من الأشياء في الواقع، ارتفعت سرعة الاختراع، ولم تقل، في رأيي أعتقد أننا اخترعنا واحدًا بالمائة فحسب من الأشياء المثيرة، صحيح؟ حيث لم نعالج السرطان بعد لا نمتلك سيارات طائرة بعد، آمل أن أغير ذلك اعتاد الناس أن يضحكوا على مثال كهذا. (ضحك) هذا مضحك، أليس كذلك؟ العمل بسرية على السيارت الطائرة لا نعيش ضعف عمرنا بعد، صحيح؟ لا نملك تلك الشريحة السحرية في عقولنا والتي تزودنا بالمعلومات التي نريدها وقد تكون الفكرة صاعقة لكم، ولكني أعدكم، بمجرد أن تمتلكوها، ستروقكم أتمنى أن تروقكم أعلم أنها مخيفة بعض الشيء
ST: And think about this: if you look at the history of humanity, that might be whatever -- 60-100,000 years old, give or take -- almost everything that you cherish in terms of invention, of technology, of things we've built, has been invented in the last 150 years. If you toss in the book and the wheel, it's a little bit older. Or the axe. But your phone, your sneakers, these chairs, modern manufacturing, penicillin -- the things we cherish. Now, that to me means the next 150 years will find more things. In fact, the pace of invention has gone up, not gone down, in my opinion. I believe only one percent of interesting things have been invented yet. Right? We haven't cured cancer. We don't have flying cars -- yet. Hopefully, I'll change this. That used to be an example people laughed about. (Laughs) It's funny, isn't it? Working secretly on flying cars. We don't live twice as long yet. OK? We don't have this magic implant in our brain that gives us the information we want. And you might be appalled by it, but I promise you, once you have it, you'll love it. I hope you will. It's a bit scary, I know.
ثمة الكثير من الأشياء التي لم نخترعها بعد والتي أظن أننا سنخترعها ليس لدينا دروع للجاذبية لا يمكننا نقل أنفسنا شعاعيًا من مكان لآخر يبدو ذلك سخيفًا ولكن منذ 200 سنة مضت، أعتقد الخبراء أن الطيران لن يصبح ممكنًا، حتى منذ 120 سنة مضت، وأنك إذا تحركت بسرعة أكبر مما يمكنك أن تركض، فستموت على الفور لذا من يقول إننا محقون اليوم حول عدم قدرتنا على نقل شخصٍ شعاعيًا من هنا وحتى المريخ؟
There are so many things we haven't invented yet that I think we'll invent. We have no gravity shields. We can't beam ourselves from one location to another. That sounds ridiculous, but about 200 years ago, experts were of the opinion that flight wouldn't exist, even 120 years ago, and if you moved faster than you could run, you would instantly die. So who says we are correct today that you can't beam a person from here to Mars?
شكرًا جزيلًا لك (سيباستيان) على رؤيتك شديدة الإلهام وعبقريتك شكرًا لك، (سيباستيان ثران) كان ذلك رائعًا. (تصفيق)
CA: Sebastian, thank you so much for your incredibly inspiring vision and your brilliance. Thank you, Sebastian Thrun. That was fantastic. (Applause)