TED2003
Marvin Minsky: Health and the human mind
Marvin Minsky o zdraví a lidské mysli
Filmed:
Readability: 3.5
606,909 views
Poslouchejte pozorně -- čtverácká, eklektická a roztomile bez okolků pronesená přednáška Marvina Minského o zdraví, přelidnění a lidské mysli, shrnuta s pronikavostí, vtipem, moudrostí a jenom malou troškou lstivosti -- dělá si legraci?
Marvin Minsky - AI pioneer
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Double-click the English transcript below to play the video.
00:18
If you ask people about what part of psychology do they think is hard,
0
0
6000
Jestliže se lidí zeptáte, o které části psychologie si myslí, že je komplikovaná,
00:24
and you say, "Well, what about thinking and emotions?"
1
6000
3000
a nadhodíte, co třeba myšlení a emoce,
00:27
Most people will say, "Emotions are terribly hard.
2
9000
3000
většina lidí řekne: "Emoce jsou neskutečně komplikované.
00:30
They're incredibly complex. They can't -- I have no idea of how they work.
3
12000
6000
Jsou neuvěřitelně komplexní, nelze je -- nemám žádnou představu, jak pracují.
00:36
But thinking is really very straightforward:
4
18000
2000
Ale myšlení je velice přímočaré:
00:38
it's just sort of some kind of logical reasoning, or something.
5
20000
4000
je to jen nějaký druh logického uvažování nebo tak něco.
00:42
But that's not the hard part."
6
24000
3000
Každopádně ale neskýtá problémy.“
00:45
So here's a list of problems that come up.
7
27000
2000
Takže, tady je seznam problémů, o kterých se zmíním.
00:47
One nice problem is, what do we do about health?
8
29000
3000
Jeden pěkný problém je: co děláme pro zdraví?
00:50
The other day, I was reading something, and the person said
9
32000
4000
Jednou jsem četl cosi, kde autor říkal,
00:54
probably the largest single cause of disease is handshaking in the West.
10
36000
6000
že pravděpodobně nejčastější příčina nemocí na Západě je podávání rukou.
01:00
And there was a little study about people who don't handshake,
11
42000
4000
A byla tam malá studie, která porovnávala lidi,
01:04
and comparing them with ones who do handshake.
12
46000
3000
kteří si ruce nepodávají, s těmi, kteří ano.
01:07
And I haven't the foggiest idea of where you find the ones that don't handshake,
13
49000
5000
A neměl jsem sebemenší představu, kde lze nalézt někoho, kdo si s nikým nepodává ruce,
01:12
because they must be hiding.
14
54000
3000
protože se zřejmě musí schovávat.
01:15
And the people who avoid that
15
57000
4000
A lidé, kteří se tomu vyhýbají,
01:19
have 30 percent less infectious disease or something.
16
61000
4000
mají o 30 procent méně infekčních chorob nebo tak něco.
01:23
Or maybe it was 31 and a quarter percent.
17
65000
3000
Anebo to možná bylo 31 a čtvrt procenta.
01:26
So if you really want to solve the problem of epidemics and so forth,
18
68000
4000
Takže pokud chcete vážně řešit problém epidemií a tak dále,
01:30
let's start with that. And since I got that idea,
19
72000
4000
začněte s tímto. A od doby, kdy jsem dostal tento nápad,
01:34
I've had to shake hundreds of hands.
20
76000
4000
podával jsem si ruku se stovkami lidí.
01:38
And I think the only way to avoid it
21
80000
5000
A myslím si, že jediný způsob, jak se tomu vyhnout,
01:43
is to have some horrible visible disease,
22
85000
2000
je mít nějakou viditelnou odpornou chorobu,
01:45
and then you don't have to explain.
23
87000
3000
pak nic nemusíte vysvětlovat.
01:48
Education: how do we improve education?
24
90000
4000
Vzdělání: Jak můžeme zlepšit vzdělání?
01:52
Well, the single best way is to get them to understand
25
94000
4000
Nuže, jediná nejlepší cesta je přimět je, aby pochopili,
01:56
that what they're being told is a whole lot of nonsense.
26
98000
3000
že to, co se jim říká, je úplný nesmysl.
01:59
And then, of course, you have to do something
27
101000
2000
A pak samozřejmě musíte udělat něco pro to,
02:01
about how to moderate that, so that anybody can -- so they'll listen to you.
28
103000
5000
aby vás vůbec někdo poslouchal.
02:06
Pollution, energy shortage, environmental diversity, poverty.
29
108000
4000
Znečištění, nedostatek energie, rozmanitost životního prostředí, chudoba.
02:10
How do we make stable societies? Longevity.
30
112000
4000
Jak vytváříme stabilní společnosti? Dlouhověkost.
02:14
Okay, there're lots of problems to worry about.
31
116000
3000
Fajn, je mnoho problémů, se kterými si můžeme dělat starosti.
02:17
Anyway, the question I think people should talk about --
32
119000
2000
V každém případě otázka, o které by si myslím lidé měli mluvit --
02:19
and it's absolutely taboo -- is, how many people should there be?
33
121000
5000
a která je absolutní tabu -- je, kolik lidí by tu mělo být?
02:24
And I think it should be about 100 million or maybe 500 million.
34
126000
7000
A já si myslím, že by to mělo být kolem 100 milionů, nebo možná 500 milionů.
02:31
And then notice that a great many of these problems disappear.
35
133000
5000
A pak zjistíte, že mnoho z těchto problémů zmizí.
02:36
If you had 100 million people
36
138000
2000
Jestliže byste měli 100 milionů správně rozmístěných
02:38
properly spread out, then if there's some garbage,
37
140000
6000
lidí, pak jestliže se objeví nějaký odpad,
02:44
you throw it away, preferably where you can't see it, and it will rot.
38
146000
7000
hodíte ho jinam, pokud možno tam, kde není vidět, a tam si shnije.
02:51
Or you throw it into the ocean and some fish will benefit from it.
39
153000
5000
Anebo ho hodíte do oceánu a ryby z něho budou mít prospěch.
02:56
The problem is, how many people should there be?
40
158000
2000
Problém je, kolik lidí by tu mšlo být?
02:58
And it's a sort of choice we have to make.
41
160000
3000
A je to ten typ volby, kterou musíme udělat.
03:01
Most people are about 60 inches high or more,
42
163000
3000
Většina lidí je vysoká přibližně 60 palců či více,
03:04
and there's these cube laws. So if you make them this big,
43
166000
4000
a existuje "zákon druhé a třetí mocniny" (při zvětšení/zmenšení se plocha mění s druhou mocninou, objem s třetí). Takže pokud je uděláte takto velké --
03:08
by using nanotechnology, I suppose --
44
170000
3000
použitím nanotechnologií, předpokládám --
03:11
(Laughter)
45
173000
1000
(Smích)
03:12
-- then you could have a thousand times as many.
46
174000
2000
-- pak jich můžete mít tisíckrát více.
03:14
That would solve the problem, but I don't see anybody
47
176000
2000
To by vyřešilo problém, nicméně nevím o nikom,
03:16
doing any research on making people smaller.
48
178000
3000
kdo by dělal nějaký výzkum zaměřený na zmenšování lidí.
03:19
Now, it's nice to reduce the population, but a lot of people want to have children.
49
181000
5000
Je hezké zmenšit populaci, ale mnoho lidí chce mít děti.
03:24
And there's one solution that's probably only a few years off.
50
186000
3000
A tady mám řešení, které je pravděpodobně záležitostí pár let.
03:27
You know you have 46 chromosomes. If you're lucky, you've got 23
51
189000
5000
Jak víte, máte 46 chromozomů. Pokud jste měli štěstí, dostali jste 23
03:32
from each parent. Sometimes you get an extra one or drop one out,
52
194000
6000
od každého z rodičů. Občas se stane, že dostanete nebo naopak nedostanete jeden navíc,
03:38
but -- so you can skip the grandparent and great-grandparent stage
53
200000
4000
ale -- tak můžete přeskočit fázi prarodičů a praprarodičů
03:42
and go right to the great-great-grandparent. And you have 46 people
54
204000
5000
a jít přímo na fázi prapraprarodičů. A tak máte 46 lidí
03:47
and you give them a scanner, or whatever you need,
55
209000
3000
a dáte jim scanner nebo co budete potřebovat,
03:50
and they look at their chromosomes and each of them says
56
212000
4000
oni si prohlédnou své chromozomy a každý z nich řekne,
03:54
which one he likes best, or she -- no reason to have just two sexes
57
216000
5000
který z nich se jim líbí nejvíce -- už není důvod mít dvě pohlaví.
03:59
any more, even. So each child has 46 parents,
58
221000
5000
Takže každé dítě má 46 rodičů,
04:04
and I suppose you could let each group of 46 parents have 15 children.
59
226000
6000
a já předpokládám, že můžete povolit každé skupině 46 lidí mít 15 dětí.
04:10
Wouldn't that be enough? And then the children
60
232000
2000
To by nestačilo? A pak by děti
04:12
would get plenty of support, and nurturing, and mentoring,
61
234000
4000
měly přehršel podpory, výchovy a výuky
04:16
and the world population would decline very rapidly
62
238000
2000
a světová populace by se velmi rychle zmenšila
04:18
and everybody would be totally happy.
63
240000
3000
a každý by byl absolutně šťastný.
04:21
Timesharing is a little further off in the future.
64
243000
3000
Sdílení výpočetního výkonu je vzdáleno kousek dále v budoucnosti.
04:24
And there's this great novel that Arthur Clarke wrote twice,
65
246000
3000
Existuje úžasný román, který Arthur C. Clarke napsal dvakrát,
04:27
called "Against the Fall of Night" and "The City and the Stars."
66
249000
4000
jmenuje se "Proti pádu noci" a "Město a hvězdy".
04:31
They're both wonderful and largely the same,
67
253000
3000
Obě knihy jsou vynikající a z velké části stejné,
04:34
except that computers happened in between.
68
256000
2000
kromě toho, že v mezidobí se objevily počítače.
04:36
And Arthur was looking at this old book, and he said, "Well, that was wrong.
69
258000
5000
Arthur, když se podíval na tu starší knihu, řekl: "No, bylo to špatně.
04:41
The future must have some computers."
70
263000
2000
V budoucnosti musejí být nějaké počítače.
04:43
So in the second version of it, there are 100 billion
71
265000
5000
Takže ve druhé verzi jsou stovky miliard
04:48
or 1,000 billion people on Earth, but they're all stored on hard disks or floppies,
72
270000
8000
či tisíce miliard lidí žijících na Zemi, ale jsou obsahem pevných disků a disket,
04:56
or whatever they have in the future.
73
278000
2000
nebo co všechno v budoucnosti mají.
04:58
And you let a few million of them out at a time.
74
280000
4000
A najednou několik milionů z nich vypustíte.
05:02
A person comes out, they live for a thousand years
75
284000
4000
Lidé vyjdou, žijí po tisíc let,
05:06
doing whatever they do, and then, when it's time to go back
76
288000
6000
dělají si, co chtějí, a pak, když je čas se vrátit,
05:12
for a billion years -- or a million, I forget, the numbers don't matter --
77
294000
4000
za miliardu let -- nebo milion, zapomněl jsem čísla, ale na tom nesejde --
05:16
but there really aren't very many people on Earth at a time.
78
298000
4000
podstatné je, že na Zemi není příliš mnoho lidí najednou.
05:20
And you get to think about yourself and your memories,
79
302000
2000
A vy přemýšlíte o sobě a svých vzpomínkách,
05:22
and before you go back into suspension, you edit your memories
80
304000
5000
předtím než se vrátíte, upravíte své vzpomínky
05:27
and you change your personality and so forth.
81
309000
3000
a změníte svoji osobnost a tak dále.
05:30
The plot of the book is that there's not enough diversity,
82
312000
6000
Zápletkou knihy je nedostatek rozmanitosti,
05:36
so that the people who designed the city
83
318000
3000
takže lidé, kteří navrhli to město,
05:39
make sure that every now and then an entirely new person is created.
84
321000
4000
zajistili, že sem tam je každá osoba vytvořená zcela nově.
05:43
And in the novel, a particular one named Alvin is created. And he says,
85
325000
6000
A v románu je stvořen jedinec jménem Alvin. Říká si,
05:49
maybe this isn't the best way, and wrecks the whole system.
86
331000
4000
že to možná není úplně nejlepší způsob, a tak zničí celý systém.
05:53
I don't think the solutions that I proposed
87
335000
2000
Nemyslím si, že řešení, která jsem představil,
05:55
are good enough or smart enough.
88
337000
3000
jsou dost dobrá nebo dost chytrá.
05:58
I think the big problem is that we're not smart enough
89
340000
4000
Myslím, že velký problém je, že nejsme dostatečně chytří na to,
06:02
to understand which of the problems we're facing are good enough.
90
344000
4000
abychom pochopili, které problémy, se kterými se střetáváme, jsou dostatečně dobré.
06:06
Therefore, we have to build super intelligent machines like HAL.
91
348000
4000
Tudíž musíme postavit vysoce inteligentní stroje jako HAL.
06:10
As you remember, at some point in the book for "2001,"
92
352000
5000
Jak si pamatujete, na jistém místě v knize "2001: Vesmírná odysea"
06:15
HAL realizes that the universe is too big, and grand, and profound
93
357000
5000
si HAL uvědomil, že vesmír je příliš velký a důležitý a hluboký
06:20
for those really stupid astronauts. If you contrast HAL's behavior
94
362000
4000
pro ty vskutku hloupé astronauty. Jestliže porovnáte HALovo chování
06:24
with the triviality of the people on the spaceship,
95
366000
4000
s všedností lidí na kosmické lodi,
06:28
you can see what's written between the lines.
96
370000
3000
můžete vidět, co je napsáno mezi řádky.
06:31
Well, what are we going to do about that? We could get smarter.
97
373000
3000
Nuže, co s tím budeme dělat? Měli bychom se stát chytřejšími.
06:34
I think that we're pretty smart, as compared to chimpanzees,
98
376000
5000
Myslím si, že jsme dost chytří v porovnání se šimpanzi,
06:39
but we're not smart enough to deal with the colossal problems that we face,
99
381000
6000
ale nejsme dostatečně chytří na to, abychom operovali s obrovskými problémy, kterým čelíme,
06:45
either in abstract mathematics
100
387000
2000
ať už v abstraktní matematice,
06:47
or in figuring out economies, or balancing the world around.
101
389000
5000
při řešení úsporných opatření nebo vyrovnávání světa kolem.
06:52
So one thing we can do is live longer.
102
394000
3000
Takže jedna věc, kterou můžeme udělat, je žít déle.
06:55
And nobody knows how hard that is,
103
397000
2000
A nikdo neví, jak náročné to je,
06:57
but we'll probably find out in a few years.
104
399000
3000
ale pravděpodobně na to během pár let přijdeme.
07:00
You see, there's two forks in the road. We know that people live
105
402000
3000
Vidíte, cesta se dělí na dvě. Víme, že lidé žijí
07:03
twice as long as chimpanzees almost,
106
405000
4000
téměř dvakrát déle než šimpanzi,
07:07
and nobody lives more than 120 years,
107
409000
4000
a nikdo nežije déle než 120 let,
07:11
for reasons that aren't very well understood.
108
413000
3000
z důvodů, které nejsou příliš dobře pochopeny.
07:14
But lots of people now live to 90 or 100,
109
416000
3000
Ale mnoho lidí v současnosti žije do 90 či 100 let,
07:17
unless they shake hands too much or something like that.
110
419000
4000
pokud si příliš nepodávají ruce nebo tak něco.
07:21
And so maybe if we lived 200 years, we could accumulate enough skills
111
423000
5000
A možná kdybychom žili 200 let, mohli bychom nahromadit dostatek dovedností
07:26
and knowledge to solve some problems.
112
428000
5000
a vědomostí pro řešení některých problémů.
07:31
So that's one way of going about it.
113
433000
2000
Takže toto je jedna cesta, co s tím udělat.
07:33
And as I said, we don't know how hard that is. It might be --
114
435000
3000
A jak jsem řekl, nevíme, jak je to těžké. Může to být --
07:36
after all, most other mammals live half as long as the chimpanzee,
115
438000
6000
konec konců, většina ostatních savců žije poloviční dobu co šimpanzi,
07:42
so we're sort of three and a half or four times, have four times
116
444000
3000
takže my oproti nim tři a půlkrát až čtyřikrát déle -- že máme čtyřikrát
07:45
the longevity of most mammals. And in the case of the primates,
117
447000
6000
delší život než většina savců. A co se týče primátů,
07:51
we have almost the same genes. We only differ from chimpanzees,
118
453000
4000
máme téměř shodné geny. Od šimpanzů se lišíme
07:55
in the present state of knowledge, which is absolute hogwash,
119
457000
6000
dle současného stavu znalostí, což je absolutně směšné,
08:01
maybe by just a few hundred genes.
120
463000
2000
snad jen v pár stovkách genů.
08:03
What I think is that the gene counters don't know what they're doing yet.
121
465000
3000
Co já si myslím, je, že ti, kdo počítají geny, zatím neví, co dělají.
08:06
And whatever you do, don't read anything about genetics
122
468000
3000
Ať děláte cokoli, nečtěte nic o genetice,
08:09
that's published within your lifetime, or something.
123
471000
3000
co je publikováno v průběhu vašeho života, nebo tak.
08:12
(Laughter)
124
474000
3000
(Smích)
08:15
The stuff has a very short half-life, same with brain science.
125
477000
4000
Tento materiál má velmi krátký poločas rozpadu, podobně jako věda o mozku.
08:19
And so it might be that if we just fix four or five genes,
126
481000
6000
A může to být tak, že stačí opravit jen 4 nebo 5 genů
08:25
we can live 200 years.
127
487000
2000
a budeme žít 200 let.
08:27
Or it might be that it's just 30 or 40,
128
489000
3000
Anebo snad jen 30 či 40 genů,
08:30
and I doubt that it's several hundred.
129
492000
2000
ale pochybuji, že je to několik stovek.
08:32
So this is something that people will be discussing
130
494000
4000
Toto je něco, o čem lidé budou diskutovat
08:36
and lots of ethicists -- you know, an ethicist is somebody
131
498000
3000
a mnoho etiků -- víte, etik je někdo,
08:39
who sees something wrong with whatever you have in mind.
132
501000
3000
kdo vidí, že je něco v nepořádku s čímkoliv, co máte na mysli.
08:42
(Laughter)
133
504000
3000
(Smích)
08:45
And it's very hard to find an ethicist who considers any change
134
507000
4000
A je velice těžké najít etika, který považuje jakoukoliv změnu
08:49
worth making, because he says, what about the consequences?
135
511000
4000
za hodnou vykonání, protože namítá: Jaké ale bude mít následky?
08:53
And, of course, we're not responsible for the consequences
136
515000
3000
A samozřejmě nejsme zodpovědní za následky toho,
08:56
of what we're doing now, are we? Like all this complaint about clones.
137
518000
6000
co děláme teď, nebo ano? Podobně jako všechny stížnosti na klony.
09:02
And yet two random people will mate and have this child,
138
524000
3000
Když budou mít dva zcela libovolní lidé dítě,
09:05
and both of them have some pretty rotten genes,
139
527000
4000
přičemž budou mít dost špatné geny,
09:09
and the child is likely to come out to be average.
140
531000
4000
dítě bude dost možná průměrné.
09:13
Which, by chimpanzee standards, is very good indeed.
141
535000
6000
Což je, měřeno šimpanzími standardy, vskutku velice dobré.
09:19
If we do have longevity, then we'll have to face the population growth
142
541000
3000
Jestliže jsme dosáhli dlouhověkosti, pak musíme každopádně čelit problému populačního růstu.
09:22
problem anyway. Because if people live 200 or 1,000 years,
143
544000
4000
Protože pokud by lidé žili 200 nebo 1000 let,
09:26
then we can't let them have a child more than about once every 200 or 1,000 years.
144
548000
6000
pak jim nemůžeme dovolit mít dítě častěji než jednou za 200 nebo 1000 let.
09:32
And so there won't be any workforce.
145
554000
3000
A tak by tu nebyla žádná pracovní síla.
09:35
And one of the things Laurie Garrett pointed out, and others have,
146
557000
4000
A jedna z věcí, na kterou Laurie Garrett i jiní poukázali,
09:39
is that a society that doesn't have people
147
561000
5000
je, že společnost, která nemá lidi
09:44
of working age is in real trouble. And things are going to get worse,
148
566000
3000
v produktivním věku, má problémy. A věci se ještě zhoršují,
09:47
because there's nobody to educate the children or to feed the old.
149
569000
6000
protože není nikdo, kdo by vzdělával děti nebo živil staré.
09:53
And when I'm talking about a long lifetime, of course,
150
575000
2000
A když mluvím o dlouhém životě, samozřejmě
09:55
I don't want somebody who's 200 years old to be like our image
151
577000
6000
nechci, aby někdo, kdo má 200 let, vypadal jako někdo,
10:01
of what a 200-year-old is -- which is dead, actually.
152
583000
4000
kdo má 200 let, jak bychom si ho dnes představili -- vlastně mrtvý.
10:05
You know, there's about 400 different parts of the brain
153
587000
2000
Víte, je zde kolem 400 rozličných částí mozku,
10:07
which seem to have different functions.
154
589000
2000
které, zdá se, mají rozdílné funkce.
10:09
Nobody knows how most of them work in detail,
155
591000
3000
Nikdo dopodrobna neví, jak většina z nich pracuje,
10:12
but we do know that there're lots of different things in there.
156
594000
4000
ale víme, že se v nich děje celá řada věcí.
10:16
And they don't always work together. I like Freud's theory
157
598000
2000
A ne vždy pracují společně. Mám rád Freudovu teorii,
10:18
that most of them are cancelling each other out.
158
600000
4000
že většina z nich ruší jedna druhou.
10:22
And so if you think of yourself as a sort of city
159
604000
4000
A když tak přemýšlíte o sobě jakoby o městě
10:26
with a hundred resources, then, when you're afraid, for example,
160
608000
6000
se stovkami zdrojů, pak, když se například bojíte,
10:32
you may discard your long-range goals, but you may think deeply
161
614000
4000
můžete se zbavit svých dlouhodobých cílů, ale můžete se hluboce zamyslet
10:36
and focus on exactly how to achieve that particular goal.
162
618000
4000
a zaměřit se na dosáhnutí jednoho konkrétního cíle.
10:40
You throw everything else away. You become a monomaniac --
163
622000
3000
Všechno ostatní hodíte za hlavu. Stanete se monomaniakem --
10:43
all you care about is not stepping out on that platform.
164
625000
4000
vše, co vás zajímá, je nevystoupit na určité zastávce.
10:47
And when you're hungry, food becomes more attractive, and so forth.
165
629000
4000
A když máte hlad, jídlo se stane atraktivnějším a tak dále.
10:51
So I see emotions as highly evolved subsets of your capability.
166
633000
6000
Takže já vidím emoce jako vysoce vyvinuté podčásti vašich schopností.
10:57
Emotion is not something added to thought. An emotional state
167
639000
4000
Emoce nejsou ničím přidaným k myšlení. Emocionální stav
11:01
is what you get when you remove 100 or 200
168
643000
4000
je to, co dostanete, když odeberete 100 či 200
11:05
of your normally available resources.
169
647000
3000
vám normálně dostupných zdrojů.
11:08
So thinking of emotions as the opposite of -- as something
170
650000
3000
Takže uvažování o emocích jako protikladu k -- jako něco
11:11
less than thinking is immensely productive. And I hope,
171
653000
4000
méně než myšlení, je nesmírně produktivní. A já doufám,
11:15
in the next few years, to show that this will lead to smart machines.
172
657000
4000
že v následujících pár letech ukážu, že to povede k chytrým strojům.
11:19
And I guess I better skip all the rest of this, which are some details
173
661000
3000
A hádám, že bude lepší přeskočit celý zbytek toho, kde jsou nějaké detaily o tom,
11:22
on how we might make those smart machines and --
174
664000
5000
jak můžeme tyto chytré stroje vyrobit a --
11:27
(Laughter)
175
669000
5000
(Smích)
11:32
-- and the main idea is in fact that the core of a really smart machine
176
674000
5000
-- a hlavní myšlenkou ve skutečnosti je, že jádrem opravdu chytrých strojů je,
11:37
is one that recognizes that a certain kind of problem is facing you.
177
679000
5000
že rozpoznají, jakému konkrétnímu problému právě čelí.
11:42
This is a problem of such and such a type,
178
684000
3000
Toto je problém takového a takového typu,
11:45
and therefore there's a certain way or ways of thinking
179
687000
5000
takže je určitý způsob či způsoby myšlení,
11:50
that are good for that problem.
180
692000
2000
které se hodí pro daný problém.
11:52
So I think the future, main problem of psychology is to classify
181
694000
4000
Takže si myslím, že v budoucnu bude hlavním problémem psychologie klasifikovat
11:56
types of predicaments, types of situations, types of obstacles
182
698000
4000
typy nesnází, typy situací, typy překážek,
12:00
and also to classify available and possible ways to think and pair them up.
183
702000
6000
a také klasifikovat možné způsoby přemýšlení o nich a vzájemně je spojit.
12:06
So you see, it's almost like a Pavlovian --
184
708000
3000
Takže vidíte, že je to téměř jako učení Pavlovovo --
12:09
we lost the first hundred years of psychology
185
711000
2000
ztratili jsme prvních sto let psychologie
12:11
by really trivial theories, where you say,
186
713000
3000
opravdu triviálními teoriemi, které říkají,
12:14
how do people learn how to react to a situation? What I'm saying is,
187
716000
6000
jak se lidé učí reagovat na situace? To, co já říkám, je,
12:20
after we go through a lot of levels, including designing
188
722000
5000
že po projití mnoha úrovní, včetně navrhování
12:25
a huge, messy system with thousands of ports,
189
727000
3000
ohromného chaotického systému s tisíci porty,
12:28
we'll end up again with the central problem of psychology.
190
730000
4000
skončíme opět s ústředním problémem psychologie.
12:32
Saying, not what are the situations,
191
734000
3000
Tvrzením nikoli co jsou situace,
12:35
but what are the kinds of problems
192
737000
2000
ale jaké jsou druhy problémů
12:37
and what are the kinds of strategies, how do you learn them,
193
739000
3000
a jaké jsou strategie, jak se jim učíte,
12:40
how do you connect them up, how does a really creative person
194
742000
3000
jak je společně propojujete, jak opravdu kreativní osoba
12:43
invent a new way of thinking out of the available resources and so forth.
195
745000
5000
vynalézá nové způsoby myšlení z dostupných zdrojů a tak dále.
12:48
So, I think in the next 20 years,
196
750000
2000
Takže si myslím, že v následujících 20 letech,
12:50
if we can get rid of all of the traditional approaches to artificial intelligence,
197
752000
5000
pokud se vzdáme všech tradičních přístupů v umělé inteligenci,
12:55
like neural nets and genetic algorithms
198
757000
2000
jako jsou neuronové sítě a genetické algoritmy
12:57
and rule-based systems, and just turn our sights a little bit higher to say,
199
759000
6000
a pravidlové expertní systémy, obrátíme svoji pozornost trochu výše a zeptáme se,
13:03
can we make a system that can use all those things
200
765000
2000
zda můžeme vyrobit systém, který bude používat všechny ty věci
13:05
for the right kind of problem? Some problems are good for neural nets;
201
767000
4000
pro správné problémy. Některé problémy jsou dobré pro neuronové sítě,
13:09
we know that others, neural nets are hopeless on them.
202
771000
3000
zároveň víme, že jsou jiné, ve kterých jsou neuronové sítě beznadějně neužitečné.
13:12
Genetic algorithms are great for certain things;
203
774000
3000
Genetické algoritmy jsou skvělé pro určité věci,
13:15
I suspect I know what they're bad at, and I won't tell you.
204
777000
4000
a mám podezření, že vím, v čem jsou špatné, a to vám neprozradím.
13:19
(Laughter)
205
781000
1000
(Smích)
13:20
Thank you.
206
782000
2000
Děkuji.
13:22
(Applause)
207
784000
6000
(Potlesk)
ABOUT THE SPEAKER
Marvin Minsky - AI pioneerMarvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching.
Why you should listen
Marvin Minsky is the superstar-elder of artificial intelligence, one of the most productive and important cognitive scientists of the century, and the leading proponent of the Society of Mind theory. Articulated in his 1985 book of the same name, Minsky's theory says intelligence is not born of any single mechanism, but from the interaction of many independent agents. The book's sequel,The Emotion Machine (2006), says similar activity also accounts for feelings, goals, emotions and conscious thoughts.
Minsky also pioneered advances in mathematics, computational linguistics, optics, robotics and telepresence. He built SNARC, the first neural network simulator, some of the first visual scanners, and the first LOGO "turtle." From his headquarters at MIT's Media Lab and the AI Lab (which he helped found), he continues to work on, as he says, "imparting to machines the human capacity for commonsense reasoning."
Marvin Minsky | Speaker | TED.com