Ich möchte von zwei Schachspielen erzählen. Das erste fand 1997 statt: Garry Kasparow, ein Mensch, verlor gegen Deep Blue, eine Maschine. Für viele war das der Beginn einer neuen Ära, in der Maschinen herrschen. Heute ist die größte Veränderung in unserer Beziehung zu Computern nicht HAL, sondern das iPad.
I'd like to tell you about two games of chess. The first happened in 1997, in which Garry Kasparov, a human, lost to Deep Blue, a machine. To many, this was the dawn of a new era, one where man would be dominated by machine. But here we are, 20 years on, and the greatest change in how we relate to computers is the iPad, not HAL.
Das zweite Spiel war ein Freestyle-Turnier 2005, bei dem Mensch und Maschine als Partner statt als Gegner spielen konnten. Anfangs waren die Ergebnisse klar. Selbst ein Supercomputer wurde von einem Großmeister mit einem einfachen Laptop geschlagen. Die Überraschung kam zum Schluss. Wer gewann? Kein Großmeister mit einem Supercomputer, sondern zwei amerikanische Amateure, die drei einfache Laptops benutzten. Ihrer Fähigkeit, ihre Computer so auszureizen, um bestimmte Stellungen intensiv zu erforschen, waren weder das Wissen der Großmeister noch die Rechnerleistung der Supercomputer anderer Gegener gewachsen. Ein erstaunliches Ergebnis: Durchschnittliche Menschen mit durchschnittlicher Technik schlagen die besten Menschen und die beste Maschine. Heißt es nicht eigentlich Mensch gegen Maschine? Stattdessen geht es um die richtige Zusammenarbeit.
The second game was a freestyle chess tournament in 2005, in which man and machine could enter together as partners, rather than adversaries, if they so chose. At first, the results were predictable. Even a supercomputer was beaten by a grandmaster with a relatively weak laptop. The surprise came at the end. Who won? Not a grandmaster with a supercomputer, but actually two American amateurs using three relatively weak laptops. Their ability to coach and manipulate their computers to deeply explore specific positions effectively counteracted the superior chess knowledge of the grandmasters and the superior computational power of other adversaries. This is an astonishing result: average men, average machines beating the best man, the best machine. And anyways, isn't it supposed to be man versus machine? Instead, it's about cooperation, and the right type of cooperation.
In den letzten 50 Jahren war große Aufmerksamkeit auf Marvin Minskys Vision der künstlichen Intelligenz (KI) gerichtet. Sie wurde zur dominierenden Denkrichtung in der Informatik. Sie wurde zur dominierenden Denkrichtung in der Informatik. Angesichts der großen Daten, der Netzwerk-Systeme, Plattformen und eingebetteter Technologie wird es Zeit, eine andere Vision wieder zu beleben, die etwa zur gleichen Zeit entstand. Ich meine Lickliders Mensch-Maschine-Symbiose oder "Intelligence Augmentation" (IA).
We've been paying a lot of attention to Marvin Minsky's vision for artificial intelligence over the last 50 years. It's a sexy vision, for sure. Many have embraced it. It's become the dominant school of thought in computer science. But as we enter the era of big data, of network systems, of open platforms, and embedded technology, I'd like to suggest it's time to reevaluate an alternative vision that was actually developed around the same time. I'm talking about J.C.R. Licklider's human-computer symbiosis, perhaps better termed "intelligence augmentation," I.A.
Licklider hatte einen großen Einfluss auf die Entwicklung der Technologie und das Internet. Seine Vision war, die Mensch-Computer-Kooperation bei Entscheidungen und Kontrolle komplexer Situationen zu ermöglichen ohne jegliche Abhängigkeit von vorgegebenen Programmen. ohne jegliche Abhängigkeit von vorgegebenen Programmen. Die Betonung liegt auf "kooperieren". Er meinte nicht, einen Toaster zu benutzen, um Daten von "Star Trek" zu generieren, sondern Menschen leistungsfähiger zu machen. Der Mensch ist unglaublich – wie er denkt, seine nichtlinearen Gedankengänge, Kreativität, – all das kann ein Computer seine nichtlinearen Gedankengänge, Kreativität, – all das kann ein Computer nur mit großen Schwierigkeiten. Licklider erkannte das intuitiv, während er Menschen bei der Formulierung von Zielen und Hypothesen und der Auswertung von Erhebungen beobachtete. Natürlich sind Menschen andererseits begrenzt. Wir machen Fehler bei Maßstab, Berechnungen und Umfang. Wir benötigen ein talentiertes Management, um Rockbands zum Spielen zu bringen Licklider erkannte, Computer können die notwendige Routinearbeit tun, um Einsichten und Entscheidungen vorzubereiten.
Licklider was a computer science titan who had a profound effect on the development of technology and the Internet. His vision was to enable man and machine to cooperate in making decisions, controlling complex situations without the inflexible dependence on predetermined programs. Note that word "cooperate." Licklider encourages us not to take a toaster and make it Data from "Star Trek," but to take a human and make her more capable. Humans are so amazing -- how we think, our non-linear approaches, our creativity, iterative hypotheses, all very difficult if possible at all for computers to do. Licklider intuitively realized this, contemplating humans setting the goals, formulating the hypotheses, determining the criteria, and performing the evaluation. Of course, in other ways, humans are so limited. We're terrible at scale, computation and volume. We require high-end talent management to keep the rock band together and playing. Licklider foresaw computers doing all the routinizable work that was required to prepare the way for insights and decision making.
um Einsichten und Entscheidungen vorzubereiten. Dieser Ansatz ist nicht nur im Schach sehr erfolgreich. Proteinfaltung ist wie ein Schachspiel: es gibt zahllose Möglichkeiten, ein Protein zu falten. Dies ist ein Problem mit großen Auswirkungen auf unsere Fähigkeit, Krankheiten zu behandeln. Die rohe Gewalt eines Computers ist nicht genug. Foldit, ein Wissenschaftsspiel, illustriert den Wert dieses Ansatzes. Amateure müssen die Struktur eines Proteins visuell neu ordnen, während sie dem Computer erlauben, die atomaren Kräfte und Wechselwirkungen zu verwalten und Probleme zu identifizieren. Dieser Ansatz übertraf in 50 % der Fälle die Supercomputer und war in 30 % der Fälle gleichwertig. Foldit machte kürzlich eine große Entdeckung bei der Entzifferung des Mason-Pfizer-Affen-Virus. Eine Protease, die der Bestimmung über 10 Jahre auswich, wurde von drei Spielern in ein paar Tagen gelöst, vielleicht der erste bedeutende Fortschritt, der aus einem Videospiel hervorging.
Silently, without much fanfare, this approach has been compiling victories beyond chess. Protein folding, a topic that shares the incredible expansiveness of chess — there are more ways of folding a protein than there are atoms in the universe. This is a world-changing problem with huge implications for our ability to understand and treat disease. And for this task, supercomputer field brute force simply isn't enough. Foldit, a game created by computer scientists, illustrates the value of the approach. Non-technical, non-biologist amateurs play a video game in which they visually rearrange the structure of the protein, allowing the computer to manage the atomic forces and interactions and identify structural issues. This approach beat supercomputers 50 percent of the time and tied 30 percent of the time. Foldit recently made a notable and major scientific discovery by deciphering the structure of the Mason-Pfizer monkey virus. A protease that had eluded determination for over 10 years was solved was by three players in a matter of days, perhaps the first major scientific advance to come from playing a video game.
Letztes Jahr wurde die 9/11-Gedenkstätte eröffnet. Letztes Jahr wurde die 9/11-Gedenkstätte eröffnet. Es zeigt die Namen tausender Opfer und nutzt das schöne Konzept "bedeutungsvoller Nähe". Es platziert die Namen in Relation zu Beziehungen: Freunde, Familien, Kollegen. Eine riesige technische Herausforderung 3.500 Opfer, 1.800 Nähe-Anfragen, die Wichtigkeit der physischen Spezifikationen und das endgültige Aussehen. Zuerst wurde diese Leistung dem Algorithmus der New Yorker Designfirma Local Projects zugesprochen. Die Wahrheit ist komplexer. Ein Algorithmus wurde verwendet, um das Bezugssystem zu entwickeln, Menschen nutzten dieses System, um die Endergebnisse zu gestalten. In diesem Fall hat der Computer also Millionen möglicher Anordnungen berechnet, ein komplexes Beziehungssystem bearbeitet und eine große Anzahl von Meßwerten und Variablen berücksichtigt, was den Menschen ermöglichte, sich auf Design- und Kompositionsfragen zu fokussieren. Je mehr man sich umschaut, desto mehr sieht man Lickliders Vision. Ob Augmented Reality in Ihrem iPhone oder GPS, Mensch-Computer-Symbiose macht uns leistungsfähiger.
Last year, on the site of the Twin Towers, the 9/11 memorial opened. It displays the names of the thousands of victims using a beautiful concept called "meaningful adjacency." It places the names next to each other based on their relationships to one another: friends, families, coworkers. When you put it all together, it's quite a computational challenge: 3,500 victims, 1,800 adjacency requests, the importance of the overall physical specifications and the final aesthetics. When first reported by the media, full credit for such a feat was given to an algorithm from the New York City design firm Local Projects. The truth is a bit more nuanced. While an algorithm was used to develop the underlying framework, humans used that framework to design the final result. So in this case, a computer had evaluated millions of possible layouts, managed a complex relational system, and kept track of a very large set of measurements and variables, allowing the humans to focus on design and compositional choices. So the more you look around you, the more you see Licklider's vision everywhere. Whether it's augmented reality in your iPhone or GPS in your car, human-computer symbiosis is making us more capable.
Was kann man tun, um diese Symbiose zu verbessern? Man kann den Mensch in den Prozess designen. Anstatt zu denken, wie Computer das Problem lösen wird, entwirft man die Lösung um die Möglichkeiten des Menschen. Es wird schnell klar, dass man seine ganze Zeit in die Schnittstelle zwischen Mensch und Maschine investiert, insbesondere, um die Reibung in der Interaktion zu umgehen. Tatsächlich ist diese Reibung wichtiger als die Leistung des Menschen oder der Maschine für die Bestimmung der Leistungsfähigkeit. Daher konnten zwei Amateure mit Laptops einfach das Duo Supercomputer-Großmeister schlagen. Kasparow sagt, Prozess sei ein Nebenprodukt der Reibung. Je besser der Prozess, desto weniger Reibungsverlust. Die Minimierung der Reibung ist die entscheidende Variable.
So if you want to improve human-computer symbiosis, what can you do? You can start by designing the human into the process. Instead of thinking about what a computer will do to solve the problem, design the solution around what the human will do as well. When you do this, you'll quickly realize that you spent all of your time on the interface between man and machine, specifically on designing away the friction in the interaction. In fact, this friction is more important than the power of the man or the power of the machine in determining overall capability. That's why two amateurs with a few laptops handily beat a supercomputer and a grandmaster. What Kasparov calls process is a byproduct of friction. The better the process, the less the friction. And minimizing friction turns out to be the decisive variable.
Oder ein anderes Beispiel: große Datenmengen. Jede Interaktion wird von immer mehr Sensoren aufgezeichnet: Ihr Telefon, Ihre Kreditkarte, Ihr Computer. Es sind viele Daten und wir bekommen dadurch die Gelegenheit, unser Dasein genauer zu verstehen. Der Schwerpunkt der meisten Ansätze bei Datenmengen besteht in: "Wie kann ich diese Daten speichern, durchsuchen und verarbeiten? besteht in: "Wie kann ich diese Daten speichern, durchsuchen und verarbeiten? Notwendige, aber unzureichende Fragen. Entscheidend ist nicht nur zu wissen "wie", sondern "was" man berechnet. Wie ist unsere Intuition in Daten dieser Größenordnung zu bringen?
Or take another example: big data. Every interaction we have in the world is recorded by an ever growing array of sensors: your phone, your credit card, your computer. The result is big data, and it actually presents us with an opportunity to more deeply understand the human condition. The major emphasis of most approaches to big data focus on, "How do I store this data? How do I search this data? How do I process this data?" These are necessary but insufficient questions. The imperative is not to figure out how to compute, but what to compute. How do you impose human intuition on data at this scale?
Wir fangen an, das Menschliche in dem Prozess zu gestalten. Wenn PayPal anfing, war ihre größte Herausforderung nicht, wie man Geld online hin- und herschickt. Es war, wie man es macht, ohne betrogen zu werden. Warum ist das so schwierig? Obwohl Computer lernen können, Betrug nach Mustern zu erkennen, können sie das nicht anhand von Mustern lernen, die sie noch nie gesehen haben; die organisierte Kriminalität hat viel mit diesem Publikum gemeinsam: geniale Leute, sehr kompetent und mit Unternehmergeist (Gelächter) – und mit einem Unterschied: die Absicht. Computer erwischen alle außer die Schlausten. Das Fangen der Cleversten macht den Unterschied zwischen Erfolg und Niederlage.
Again, we start by designing the human into the process. When PayPal was first starting as a business, their biggest challenge was not, "How do I send money back and forth online?" It was, "How do I do that without being defrauded by organized crime?" Why so challenging? Because while computers can learn to detect and identify fraud based on patterns, they can't learn to do that based on patterns they've never seen before, and organized crime has a lot in common with this audience: brilliant people, relentlessly resourceful, entrepreneurial spirit — (Laughter) — and one huge and important difference: purpose. And so while computers alone can catch all but the cleverest fraudsters, catching the cleverest is the difference between success and failure.
Es gibt eine Reihe solcher Probleme, manche mit lernfähigen Gegnern. Sie zeigen sich selten mit einem reproduzierbaren Muster, das man erkennen kann. Stattdessen werden mit innewohnender Innovation und Störungen diese Probleme unter Datenmengen begraben.
There's a whole class of problems like this, ones with adaptive adversaries. They rarely if ever present with a repeatable pattern that's discernable to computers. Instead, there's some inherent component of innovation or disruption, and increasingly these problems are buried in big data.
Z.B. Terrorismus. Terroristen passen sich immer den neuen Bedingungen an und trotz allem was Sie im Fernsehen sehen, sind diese Anpassungen und ihre Erkennung im Wesentlichen menschlich. Computer erkennen keine neuen Muster und Verhaltensweisen, aber Menschen schon – wir nutzen Technologie, testen Hypothesen, und suchen nach Erkenntnissen, indem wir Maschinen Aufgaben geben. Bin Laden wurde nicht von KI erwischt. Er wurde von engagierten, kompetenten Menschen gefangen, die bestimmte Technologien verwendeten.
For example, terrorism. Terrorists are always adapting in minor and major ways to new circumstances, and despite what you might see on TV, these adaptations, and the detection of them, are fundamentally human. Computers don't detect novel patterns and new behaviors, but humans do. Humans, using technology, testing hypotheses, searching for insight by asking machines to do things for them. Osama bin Laden was not caught by artificial intelligence. He was caught by dedicated, resourceful, brilliant people in partnerships with various technologies.
Egal wie reizvoll das klingt, man kann nicht durch Analysieren von Daten zur Antwort kommen. Es gibt keinen "Finde den Terrorist"-Knopf. Je mehr Daten wir aus einer Vielzahl an Quellen integrieren mit einer großen Bandbreite an Datenformaten, von sehr ungleichen Systemen, desto weniger effektiv ist Datenanalyse. Stattdessen werden Menschen die Daten untersuchen müssen und nach der Erkenntnis suchen müssen. Wie Licklider vorhersah, die richtige Kooperation ist der Schlüssel für hervorragende Ergebnisse und wie Kasparow erkannte, bedeutete das, den Reibungsverlust an der Schnittstelle zu minimieren.
As appealing as it might sound, you cannot algorithmically data mine your way to the answer. There is no "Find Terrorist" button, and the more data we integrate from a vast variety of sources across a wide variety of data formats from very disparate systems, the less effective data mining can be. Instead, people will have to look at data and search for insight, and as Licklider foresaw long ago, the key to great results here is the right type of cooperation, and as Kasparov realized, that means minimizing friction at the interface.
Dieser Ansatz ermöglicht jetzt Dinge wie alle verfügbaren Daten der unterschiedlichen Quellen zu durchkämmen, um Schlüsselbeziehungen zu identifizieren und sie zu sammeln, etwas das vorher nahezu unmöglich war. Für einige hat dies furchteinflößende Auswirkungen auf private und bürgerliche Rechte. Für einige hat dies furchteinflössende Auswirkungen auf private und bürgerliche Rechte. Für andere ist es eine Ära von stärkerem privatem und gesellschaftlichem Schutz. Für andere ist es eine Ära von stärkerem privatem und gesellschaftlichem Schutz. Aber diese Rechte sind von fundamentaler Bedeutung. Man kann das nicht einfach bei Seite wischen.
Now this approach makes possible things like combing through all available data from very different sources, identifying key relationships and putting them in one place, something that's been nearly impossible to do before. To some, this has terrifying privacy and civil liberties implications. To others it foretells of an era of greater privacy and civil liberties protections, but privacy and civil liberties are of fundamental importance. That must be acknowledged, and they can't be swept aside, even with the best of intents.
Also lasst uns die Auswirkungen untersuchen, die Technologien zum Betrieb von Mensch-Maschine-Symbiosen in jüngster Zeit gehabt haben.
So let's explore, through a couple of examples, the impact that technologies built to drive human-computer symbiosis have had in recent time.
Im Oktober 2007 haben US- und Koalitionsstreitkräfte ein sicheres Al-Qaida Haus in der Stadt Sinjar an der Grenze zu Syrien und Irak gestürmt. Sie fanden eine Fundgrube von Dokumenten: 700 biografische Skizzen ausländischer Kämpfer. SIe hatten ihre Familien im Golf, der Levante und Nordafrika zurück gelassen, um sich Al-Qaida im Irak anzuschließen. Diese Aufzeichnungen waren menschliche Bezugsformate. Die Kämpfer füllten sie aus, als sie der Organisation beitraten. Es zeigt sich, dass auch Al-Qaida nicht ohne Bürokratie auskam. (Gelächter) Fragen wie: "Wer hat dich rekrutiert?", "Was ist deine Heimatstadt?", "Welche Tätigkeit suchst du?"
In October, 2007, U.S. and coalition forces raided an al Qaeda safe house in the city of Sinjar on the Syrian border of Iraq. They found a treasure trove of documents: 700 biographical sketches of foreign fighters. These foreign fighters had left their families in the Gulf, the Levant and North Africa to join al Qaeda in Iraq. These records were human resource forms. The foreign fighters filled them out as they joined the organization. It turns out that al Qaeda, too, is not without its bureaucracy. (Laughter) They answered questions like, "Who recruited you?" "What's your hometown?" "What occupation do you seek?"
Die letztere verrät einen überraschenden Einblick. Die große Mehrheit wollte Selbstmordattentäter werden – sehr wichtig, denn zwischen 2003 und 2007 gab es im Irak 1.382 Selbstmordattentate, eine Hauptursache für Instabilität. Die Analyse dieser Daten war schwierig. Die Originale waren auf Arabisch, die eingescannt und übersetzt werden mussten. Der Reibungsverlust in diesem Prozess hätte keine bedeutenden Ergebnisse innerhalb des operativen Zeitrahmens ermöglicht, wenn nur Menschen, PDFs und Beharrlichkeit genutzt worden wären. Die Forscher mussten ihren menschlichen Verstand um Technologie ergänzen, um tiefer einzutauchen, um nicht offensichtliche Hypothesen zu erforschen und es ergaben sich tatsächlich Erkenntnisse. 20 % der ausländischen Kämpfer waren aus Libyen, 50 % davon stammten aus derselben Stadt, enorm wichtig, da frühere Statistiken diesen Anteil mit 3 % angaben. Es half auch dabei, sich auf eine Person von zunehmender Bedeutung zu konzentrieren, Abu Yahya al-Libi, ein hochrangiger Geistlicher innerhalb der libyschen islamischen Kampfgruppe. Im März 2007 hielt er eine Rede, nach der es einen Beteiligungsanstieg unter libyschen ausländischen Kämpfern gab.
In that last question, a surprising insight was revealed. The vast majority of foreign fighters were seeking to become suicide bombers for martyrdom -- hugely important, since between 2003 and 2007, Iraq had 1,382 suicide bombings, a major source of instability. Analyzing this data was hard. The originals were sheets of paper in Arabic that had to be scanned and translated. The friction in the process did not allow for meaningful results in an operational time frame using humans, PDFs and tenacity alone. The researchers had to lever up their human minds with technology to dive deeper, to explore non-obvious hypotheses, and in fact, insights emerged. Twenty percent of the foreign fighters were from Libya, 50 percent of those from a single town in Libya, hugely important since prior statistics put that figure at three percent. It also helped to hone in on a figure of rising importance in al Qaeda, Abu Yahya al-Libi, a senior cleric in the Libyan Islamic fighting group. In March of 2007, he gave a speech, after which there was a surge in participation amongst Libyan foreign fighters.
Vielleicht am cleversten und wenig offensichtlich, dadurch, dass die Daten auf den Kopf gestellt werden, sind die Forscher in der Lage, die Koordinierungsnetzwerke in Syrien zu erforschen, diese waren letztlich dafür verantwortlich, die ausländischen Kämpfer aufzunehmen und zur Grenze zu transportieren. Das waren Netzwerke von Söldnern, nicht von Ideologien, sie waren wegen des Profits im Koordinierungsnetzwerk. Sie berechneten zum Beispiel den saudischen ausländischen Kämpfern wesentlich mehr als den Libyern, Geld das ansonsten an Al-Qaida gegangen wäre. Vielleicht würde der Gegner das eigene Netzwerk zerstören, wenn sie wüssten, dass sie von angeblichen Dschihadisten betrogen werden.
Perhaps most clever of all, though, and least obvious, by flipping the data on its head, the researchers were able to deeply explore the coordination networks in Syria that were ultimately responsible for receiving and transporting the foreign fighters to the border. These were networks of mercenaries, not ideologues, who were in the coordination business for profit. For example, they charged Saudi foreign fighters substantially more than Libyans, money that would have otherwise gone to al Qaeda. Perhaps the adversary would disrupt their own network if they knew they cheating would-be jihadists.
Im Januar 2010 traf ein verheerendes Erdbeben Haiti, das dritttödlichste Erdbeben aller Zeiten, eine Million Menschen, 10 Prozent der Bevölkerung wurden obdachlos. Ein anscheinend kleiner Aspekt der allgemeinen Hilfsmaßnahmen wurde immer wichtiger als die Ausgabe von Essen und Wasser ins Rollen kam. Januar und Februar sind in Haiti trocken, dennoch hatte sich in einigen Camps stehendes Wasser gebildet. Die einzige Einrichtung mit detailliertem Wissen über Haitis Überschwemmungsgebiete wurde beim Erdbeben plattgemacht, Führungspersonen inklusive. Die Frage ist also, welche Camps gefährdet sind, wie viele Menschen in diesen Camps sind, was der Zeitrahmen des Flutens ist und, wegen der begrenzten Ressourcen und der Infrastruktur, wie priorisieren wir die Umverteilung? Die Daten waren unglaublich ungleich. Das US-Militär verfügte über detailliertes Wissen über einen kleinen Bereich des Landes. Es waren Daten online verfügbar von einer Umweltrisiko-Konferenz von 2006, andere raumbezogene Daten, keine davon integriert. Das menschliche Ziel war hier, Camps für Umsiedlung zu identifizieren, basierend auf vorrangigem Bedarf. Der Computer musste eine große Menge an raumbezogener Information integrieren, Social Media-Daten und Informationen der Hilfsorganisationen, um diese Frage zu beantworten. Indem ein verbesserter Prozess eingeführt wird, was sonst eine Aufgabe für 40 Personen über drei Monate war, wurde zu einer einfachen Aufgabe für drei Personen in 40 Stunden.
In January, 2010, a devastating 7.0 earthquake struck Haiti, third deadliest earthquake of all time, left one million people, 10 percent of the population, homeless. One seemingly small aspect of the overall relief effort became increasingly important as the delivery of food and water started rolling. January and February are the dry months in Haiti, yet many of the camps had developed standing water. The only institution with detailed knowledge of Haiti's floodplains had been leveled in the earthquake, leadership inside. So the question is, which camps are at risk, how many people are in these camps, what's the timeline for flooding, and given very limited resources and infrastructure, how do we prioritize the relocation? The data was incredibly disparate. The U.S. Army had detailed knowledge for only a small section of the country. There was data online from a 2006 environmental risk conference, other geospatial data, none of it integrated. The human goal here was to identify camps for relocation based on priority need. The computer had to integrate a vast amount of geospacial information, social media data and relief organization information to answer this question. By implementing a superior process, what was otherwise a task for 40 people over three months became a simple job for three people in 40 hours,
Das alles sind Siege der Mensch-Computer-Symbiose.
all victories for human-computer symbiosis.
Wir befinden uns mehr als 50 Jahre in Lickliders Vision einer Zukunft und die Daten deuten darauf hin, dass wir begeistert darüber sein sollten, das schwierigste Problem des Jahrhunderts zu lösen, Mensch und Maschine in Kooperation vereint. Danke. (Applaus) (Applaus)
We're more than 50 years into Licklider's vision for the future, and the data suggests that we should be quite excited about tackling this century's hardest problems, man and machine in cooperation together. Thank you. (Applause) (Applause)