TED2014
Ray Kurzweil: Get ready for hybrid thinking
Ρέι Κέρτζουαιλ: Ετοιμαστείτε για υβριδική σκέψη
Filmed:
Readability: 4.4
3,548,296 views
Πριν από διακόσια εκατομμύρια χρόνια, τα θηλαστικά πρόγονοί μας ανέπτυξαν ένα νέο εγκεφαλικό χαρακτηριστικό: το νεοφλοιό. Αυτό το κομμάτι ιστού μεγέθους γραμματοσήμου (τυλιγμένο γύρω από έναν εγκέφαλο μεγέθους καρυδιού) είναι το κλειδί γι' αυτό που έχει γίνει η ανθρωπότητα. Τώρα, ο μελλοντολόγος Ρέι Κέρτζουαιλ λέει ότι θα πρέπει να προετοιμαστούμε για το επόμενο μεγάλο άλμα στη δύναμη του εγκεφάλου, καθώς αξιοποιούμε την υπολογιστική δύναμη του σύννεφου.
Ray Kurzweil - Inventor, futurist
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Ray Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species. Full bio
Double-click the English transcript below to play the video.
00:12
Let me tell you a story.
0
988
2316
Επιτρέψτε μου να σας πω μια ιστορία.
00:15
It goes back 200 million years.
1
3304
1799
Πάει πίσω 200 εκατομμύρια χρόνια.
00:17
It's a story of the neocortex,
2
5103
1984
Είναι η ιστορία του νεοφλοιού,
00:19
which means "new rind."
3
7087
1974
που σημαίνει νέα κρούστα.
00:21
So in these early mammals,
4
9061
2431
Στα πρώιμα θηλαστικά,
00:23
because only mammals have a neocortex,
5
11492
2055
γιατί μόνο τα θηλαστικά έχουν νεοφλοιό,
00:25
rodent-like creatures.
6
13547
1664
πλάσματα σαν τρωκτικά,
00:27
It was the size of a postage stamp and just as thin,
7
15211
3579
είχε το μέγεθος ενός γραμματοσήμου
και ήταν τόσο λεπτό,
και ήταν τόσο λεπτό,
και ήταν ένα λεπτό κάλυμμα γύρω
00:30
and was a thin covering around
8
18790
1439
00:32
their walnut-sized brain,
9
20229
2264
από τον εγκέφαλό τους
που είχε το μέγεθος ενός καρυδιού,
που είχε το μέγεθος ενός καρυδιού,
00:34
but it was capable of a new type of thinking.
10
22493
3701
αλλά ήταν ικανό
για έναν νέο τύπο σκέψης.
για έναν νέο τύπο σκέψης.
00:38
Rather than the fixed behaviors
11
26194
1567
Αντί της σταθερής συμπεριφοράς
00:39
that non-mammalian animals have,
12
27761
1992
που έχουν τα μη θηλαστικά ζώα,
00:41
it could invent new behaviors.
13
29753
2692
μπορούσε να εφεύρει νέες συμπεριφορές.
00:44
So a mouse is escaping a predator,
14
32445
2553
Έτσι ένα ποντίκι ξεφεύγει
από τον κυνηγό,
από τον κυνηγό,
το μονοπάτι του είναι μπλοκαρισμένο,
00:46
its path is blocked,
15
34998
1540
00:48
it'll try to invent a new solution.
16
36538
2129
θα προσπαθήσει να εφεύρει μια νέα λύση.
00:50
That may work, it may not,
17
38667
1266
Ίσως να δουλέψει, ίσως όχι,
00:51
but if it does, it will remember that
18
39933
1910
αλλά αν δουλέψει, θα το θυμάται
και θα έχει μια νέα συμπεριφορά
00:53
and have a new behavior,
19
41843
1292
00:55
and that can actually spread virally
20
43135
1457
και αυτό μπορεί να μεταδοθεί ιότροπα
00:56
through the rest of the community.
21
44592
2195
στην υπόλοιπη κοινότητα.
Ένα άλλο ποντίκι που το έβλεπε θα έλεγε,
00:58
Another mouse watching this could say,
22
46787
1609
01:00
"Hey, that was pretty clever, going around that rock,"
23
48396
2704
«Έι, αυτό ήταν πολύ έξυπνο,
να πάει γύρω από τον βράχο»
να πάει γύρω από τον βράχο»
01:03
and it could adopt a new behavior as well.
24
51100
3725
και θα υιοθετούσε και αυτό
μια νέα συμπεριφορά.
μια νέα συμπεριφορά.
01:06
Non-mammalian animals
25
54825
1717
Τα μη θηλαστικά ζώα
01:08
couldn't do any of those things.
26
56542
1713
δεν μπορούσαν να τα κάνουν αυτά.
Είχαν σταθερές συμπεριφορές.
01:10
They had fixed behaviors.
27
58255
1215
01:11
Now they could learn a new behavior
28
59470
1331
Μπορούσαν να μάθουν
μια νέα συμπεριφορά
μια νέα συμπεριφορά
01:12
but not in the course of one lifetime.
29
60801
2576
αλλά όχι στη διάρκεια μίας ζωής.
01:15
In the course of maybe a thousand lifetimes,
30
63377
1767
Ίσως σε χιλιάδες ζωές,
01:17
it could evolve a new fixed behavior.
31
65144
3330
θα μπορούσε να εξελίξει
μια νέα σταθερή συμπεριφορά.
μια νέα σταθερή συμπεριφορά.
01:20
That was perfectly okay 200 million years ago.
32
68474
3377
Αυτό λειτούργησε μια χαρά
πριν από 200 εκατομμύρια χρόνια.
πριν από 200 εκατομμύρια χρόνια.
01:23
The environment changed very slowly.
33
71851
1981
Το περιβάλλον άλλαζε πολύ αργά.
Μπορεί να περνούσαν 10.000 χρόνια
01:25
It could take 10,000 years for there to be
34
73832
1554
01:27
a significant environmental change,
35
75386
2092
για μια σημαντική περιβαλλοντική αλλαγή
01:29
and during that period of time
36
77478
1382
και σε αυτήν την περίοδο
01:30
it would evolve a new behavior.
37
78860
2929
θα εξέλισσε μια νέα συμπεριφορά.
01:33
Now that went along fine,
38
81789
1521
Αυτό προχωρούσε καλά,
01:35
but then something happened.
39
83310
1704
αλλά μετά κάτι συνέβη.
01:37
Sixty-five million years ago,
40
85014
2246
Πριν από 65 εκατομμύρια χρόνια,
01:39
there was a sudden, violent
change to the environment.
change to the environment.
41
87260
2615
υπήρξε μια ξαφνική, βίαιη
μεταβολή στο περιβάλλον.
μεταβολή στο περιβάλλον.
01:41
We call it the Cretaceous extinction event.
42
89875
3505
Την ονομάζουμε Κρητιδική εξαφάνιση.
01:45
That's when the dinosaurs went extinct,
43
93380
2293
Τότε εξαφανίστηκαν οι δεινόσαυροι,
01:47
that's when 75 percent of the
44
95673
3449
τότε εξαφανίστηκε το 75 τοις εκατό
01:51
animal and plant species went extinct,
45
99122
2746
από τα είδη ζώων και φυτών
01:53
and that's when mammals
46
101868
1745
και τότε τα θηλαστικά
01:55
overtook their ecological niche,
47
103613
2152
αναβαθμίστηκαν στο οικοσύστημα.
01:57
and to anthropomorphize, biological evolution said,
48
105765
3654
Μιλώντας ανθρωπομορφικά,
η βιολογική εξέλιξη είπε:
η βιολογική εξέλιξη είπε:
02:01
"Hmm, this neocortex is pretty good stuff,"
49
109419
2025
«Χμμ, αυτός ο νεοφλοιός είναι πολύ καλός»
02:03
and it began to grow it.
50
111444
1793
και άρχισε να τον αναπτύσσει.
02:05
And mammals got bigger,
51
113237
1342
Και τα θηλαστικά μεγάλωσαν,
02:06
their brains got bigger at an even faster pace,
52
114579
2915
οι εγκέφαλοί τους μεγάλωσαν
με ακόμη ταχύτερο ρυθμό
με ακόμη ταχύτερο ρυθμό
02:09
and the neocortex got bigger even faster than that
53
117494
3807
και ο νεοφλοιός μεγάλωσε
ακόμη γρηγορότερα
ακόμη γρηγορότερα
02:13
and developed these distinctive ridges and folds
54
121301
2929
και ανέπτυξε αυτές
τις χαρακτηριστικές κορυφές και αύλακες
τις χαρακτηριστικές κορυφές και αύλακες
02:16
basically to increase its surface area.
55
124230
2881
κυρίως για να αυξήσει την επιφάνειά του.
02:19
If you took the human neocortex
56
127111
1819
Αν πάρετε τον ανθρώπινο νεοφλοιό
02:20
and stretched it out,
57
128930
1301
και τον τεντώσετε,
02:22
it's about the size of a table napkin,
58
130231
1713
είναι περίπου σαν μια πετσέτα τραπεζιού
02:23
and it's still a thin structure.
59
131944
1306
και είναι μια λεπτή δομή.
02:25
It's about the thickness of a table napkin.
60
133250
1980
Είναι παχύς περίπου όσο μια πετσέτα.
02:27
But it has so many convolutions and ridges
61
135230
2497
Αλλά έχει τόσες πολλές
έλικες και πτυχώσεις,
έλικες και πτυχώσεις,
02:29
it's now 80 percent of our brain,
62
137727
3075
που αποτελεί τώρα το 80%
του εγκεφάλου μας,
του εγκεφάλου μας,
02:32
and that's where we do our thinking,
63
140802
2461
όπου εκεί κάνουμε τις σκέψεις μας
02:35
and it's the great sublimator.
64
143263
1761
και είναι ο μεγάλος μετατροπέας.
02:37
We still have that old brain
65
145024
1114
Ο παλιός μας εγκέφαλος
02:38
that provides our basic drives and motivations,
66
146138
2764
ακόμη παρέχει τις βασικές μας
ορμές και κίνητρα,
ορμές και κίνητρα,
02:40
but I may have a drive for conquest,
67
148902
2716
αλλά μπορεί να έχω
μια ορμή για κατάκτηση
μια ορμή για κατάκτηση
02:43
and that'll be sublimated by the neocortex
68
151618
2715
και αυτό μετατρέπεται από το νεοφλοιό
02:46
into writing a poem or inventing an app
69
154333
2909
στη συγγραφή ενός ποιήματος
ή τη δημιουργία μιας εφαρμογής
ή τη δημιουργία μιας εφαρμογής
02:49
or giving a TED Talk,
70
157242
1509
ή μιας ομιλίας TED
02:50
and it's really the neocortex that's where
71
158751
3622
και πραγματικά είναι στον νεοφλοιό
02:54
the action is.
72
162373
1968
όπου γίνονται όλα.
02:56
Fifty years ago, I wrote a paper
73
164341
1717
Πριν από 50 χρόνια,
έκανα μια δημοσίευση
έκανα μια δημοσίευση
02:58
describing how I thought the brain worked,
74
166058
1918
περιγράφοντας πώς πίστευα
ότι λειτουργεί ο εγκέφαλος
ότι λειτουργεί ο εγκέφαλος
02:59
and I described it as a series of modules.
75
167976
3199
και το περιέγραψα σαν μια σειρά
από λειτουργικές μονάδες.
από λειτουργικές μονάδες.
03:03
Each module could do things with a pattern.
76
171175
2128
Κάθε μονάδα μπορεί
να χειριστεί ένα μοτίβο.
να χειριστεί ένα μοτίβο.
03:05
It could learn a pattern. It could remember a pattern.
77
173303
2746
Μπορεί να μάθει ένα μοτίβο
ή να το θυμάται.
ή να το θυμάται.
03:08
It could implement a pattern.
78
176049
1407
Μπορεί να το υλοποιήσει.
03:09
And these modules were organized in hierarchies,
79
177456
2679
Αυτές οι μονάδες
ήταν οργανωμένες ιεραρχικά
ήταν οργανωμένες ιεραρχικά
03:12
and we created that hierarchy with our own thinking.
80
180135
2954
και δημιουργήσαμε αυτήν την ιεραρχία
με τη δική μας σκέψη.
με τη δική μας σκέψη.
03:15
And there was actually very little to go on
81
183089
3333
Είχαμε λίγα για να προχωρήσουμε
03:18
50 years ago.
82
186422
1562
πριν από 50 χρόνια.
03:19
It led me to meet President Johnson.
83
187984
2115
Με έκανε να συναντήσω
τον πρόεδρο Τζόνσον.
τον πρόεδρο Τζόνσον.
03:22
I've been thinking about this for 50 years,
84
190099
2173
Το σκεφτόμουν για 50 χρόνια
03:24
and a year and a half ago I came out with the book
85
192272
2828
και πριν από ενάμιση χρόνο
έβγαλα το βιβλίο
έβγαλα το βιβλίο
03:27
"How To Create A Mind,"
86
195100
1265
«Πώς να δημιουργήσετε ένα μυαλό»,
03:28
which has the same thesis,
87
196365
1613
όπου έχει την ίδια θέση,
03:29
but now there's a plethora of evidence.
88
197978
2812
αλλά τώρα υπάρχει πληθώρα αποδείξεων.
03:32
The amount of data we're getting about the brain
89
200790
1814
Τα δεδομένα που παίρνουμε για τον εγκέφαλο
03:34
from neuroscience is doubling every year.
90
202604
2203
από τη νευροεπιστήμη
διπλασιάζονται κάθε χρόνο.
διπλασιάζονται κάθε χρόνο.
03:36
Spatial resolution of brainscanning of all types
91
204807
2654
Η χωρική ανάλυση όλων των
νευροαπεικονιστικών μεθόδων
νευροαπεικονιστικών μεθόδων
03:39
is doubling every year.
92
207461
2285
διπλασιάζεται κάθε χρόνο.
03:41
We can now see inside a living brain
93
209746
1717
Μπορούμε να κοιτάξουμε
μέσα σε έναν ζωντανό εγκέφαλο
μέσα σε έναν ζωντανό εγκέφαλο
03:43
and see individual interneural connections
94
211463
2870
και να δούμε μεμονωμένες
νευρωνικές συνδέσεις
νευρωνικές συνδέσεις
03:46
connecting in real time, firing in real time.
95
214333
2703
να συνδέονται και να ενεργοποιούνται
σε πραγματικό χρόνο.
σε πραγματικό χρόνο.
03:49
We can see your brain create your thoughts.
96
217036
2419
Μπορούμε να δούμε τον εγκέφαλό σας
να δημιουργεί τις σκέψεις σας,
να δημιουργεί τις σκέψεις σας,
03:51
We can see your thoughts create your brain,
97
219455
1575
τις σκέψεις σας
να δημιουργούν τον εγκέφαλό σας,
να δημιουργούν τον εγκέφαλό σας,
03:53
which is really key to how it works.
98
221030
1999
που είναι το κλειδί της λειτουργίας του.
03:55
So let me describe briefly how it works.
99
223029
2219
Ας περιγράψω σύντομα πώς λειτουργεί.
03:57
I've actually counted these modules.
100
225248
2275
Έχω πράγματι μετρήσει αυτές τις μονάδες.
03:59
We have about 300 million of them,
101
227523
2046
Έχουμε περίπου 300 εκατομμύρια από αυτές
04:01
and we create them in these hierarchies.
102
229569
2229
και τις δημιουργούμε
σε αυτές τις ιεραρχίες.
σε αυτές τις ιεραρχίες.
04:03
I'll give you a simple example.
103
231798
2082
Θα σας δώσω ένα απλό παράδειγμα.
04:05
I've got a bunch of modules
104
233880
2805
Έχω μερικές μονάδες
04:08
that can recognize the crossbar to a capital A,
105
236685
3403
που αναγνωρίζουν την οριζόντια γραμμή
σε ένα κεφαλαίο Α
σε ένα κεφαλαίο Α
04:12
and that's all they care about.
106
240088
1914
και νοιάζονται μόνο γι' αυτό.
04:14
A beautiful song can play,
107
242002
1578
Μπορεί να παίζει ένα ωραίο τραγούδι,
04:15
a pretty girl could walk by,
108
243580
1434
να περνάει μια όμορφη κοπέλα,
04:17
they don't care, but they see
a crossbar to a capital A,
a crossbar to a capital A,
109
245014
2846
δεν τις νοιάζει, μόλις όμως βλέπουν
την οριζόντια γραμμή στο κεφαλαίο Α,
την οριζόντια γραμμή στο κεφαλαίο Α,
04:19
they get very excited and they say "crossbar,"
110
247860
3021
ενθουσιάζονται
και λένε «οριζόντια γραμμή»
και λένε «οριζόντια γραμμή»
04:22
and they put out a high probability
111
250881
2112
και επιστρέφουν μια υψηλή πιθανότητα
04:24
on their output axon.
112
252993
1634
στον άξονα εξόδου τους.
04:26
That goes to the next level,
113
254627
1333
Αυτό οδηγεί στο επόμενο επίπεδο
04:27
and these layers are organized in conceptual levels.
114
255960
2750
και αυτά τα επίπεδα
είναι εννοιολογικά οργανωμένα.
είναι εννοιολογικά οργανωμένα.
04:30
Each is more abstract than the next one,
115
258710
1856
Καθένα είναι πιο αφηρημένο
από το επόμενο,
από το επόμενο,
04:32
so the next one might say "capital A."
116
260566
2418
έτσι το επόμενο ίσως να πει
«κεφαλαίο Α».
«κεφαλαίο Α».
04:34
That goes up to a higher
level that might say "Apple."
level that might say "Apple."
117
262984
2891
Αυτό συνεχίζει σε ένα υψηλότερο
επίπεδο που ίσως να πει «Αχλάδι».
επίπεδο που ίσως να πει «Αχλάδι».
04:37
Information flows down also.
118
265875
2167
Η πληροφορία ρέει και προς τα κάτω.
04:40
If the apple recognizer has seen A-P-P-L,
119
268042
2936
Αν ο αναγνωριστής της λέξης «αχλάδι»
έχει δει τα Α-Χ-Λ-Α-Δ
έχει δει τα Α-Χ-Λ-Α-Δ
04:42
it'll think to itself, "Hmm, I
think an E is probably likely,"
think an E is probably likely,"
120
270978
3219
θα σκεφτεί, «Χμμ, νομίζω
ότι το Ι είναι πιθανό»
ότι το Ι είναι πιθανό»
04:46
and it'll send a signal down to all the E recognizers
121
274197
2564
και θα στείλει σήμα
σε όλους τους αναγνωριστές του Ι
σε όλους τους αναγνωριστές του Ι
04:48
saying, "Be on the lookout for an E,
122
276761
1619
λέγοντας: «Το νου σας για ένα Ι,
04:50
I think one might be coming."
123
278380
1556
νομίζω ότι έρχεται ένα».
04:51
The E recognizers will lower their threshold
124
279936
2843
Οι αναγνωριστές του Ι
θα χαμηλώσουν το όριό τους
θα χαμηλώσουν το όριό τους
04:54
and they see some sloppy
thing, could be an E.
thing, could be an E.
125
282779
1945
και θα δούν κάτι τσαπατσούλικο,
ίσως ένα Ι.
ίσως ένα Ι.
04:56
Ordinarily you wouldn't think so,
126
284724
1490
Συνήθως δεν θα το πιστεύατε,
04:58
but we're expecting an E, it's good enough,
127
286214
2009
αλλά περιμένουμε ένα Ι,
μας αρκεί αυτό,
μας αρκεί αυτό,
05:00
and yeah, I've seen an E, and then apple says,
128
288223
1817
και ναι, έχω δει ένα Ι,
και μετά το αχλάδι λέει:
και μετά το αχλάδι λέει:
05:02
"Yeah, I've seen an Apple."
129
290040
1728
«Ναι, έχω δει ένα Αχλάδι».
05:03
Go up another five levels,
130
291768
1746
Ανεβείτε πέντε επίπεδα ακόμη,
και τώρα είστε σε υψηλό επίπεδο
05:05
and you're now at a pretty high level
131
293514
1353
05:06
of this hierarchy,
132
294867
1569
σε αυτή την ιεραρχία,
05:08
and stretch down into the different senses,
133
296436
2353
που εκτείνεται προς τα κάτω
στις διάφορες αισθήσεις
στις διάφορες αισθήσεις
05:10
and you may have a module
that sees a certain fabric,
that sees a certain fabric,
134
298789
2655
και ίσως να έχετε μια μονάδα
που βλέπει κάποιο ύφασμα,
που βλέπει κάποιο ύφασμα,
05:13
hears a certain voice quality,
smells a certain perfume,
smells a certain perfume,
135
301444
2844
ακούει κάποια χροιά φωνής,
μυρίζει κάποιο άρωμα,
μυρίζει κάποιο άρωμα,
05:16
and will say, "My wife has entered the room."
136
304288
2513
και θα πει: «Μπήκε στο δωμάτιο
η γυναίκα μου».
η γυναίκα μου».
05:18
Go up another 10 levels, and now you're at
137
306801
1895
Ανεβαίνουμε άλλα 10 επίπεδα
και τώρα είμαστε
και τώρα είμαστε
05:20
a very high level.
138
308696
1160
σε ένα πολύ υψηλό επίπεδο.
05:21
You're probably in the frontal cortex,
139
309856
1937
Μάλλον είστε στον μετωπιαίο φλοιό
05:23
and you'll have modules that say, "That was ironic.
140
311793
3767
και θα έχετε μονάδες που λένε:
«Αυτό ήταν ειρωνικό».
«Αυτό ήταν ειρωνικό».
05:27
That's funny. She's pretty."
141
315560
2370
«Αυτό είναι αστείο».
«Είναι όμορφη».
«Είναι όμορφη».
05:29
You might think that those are more sophisticated,
142
317930
2105
Ίσως σκεφτείτε ότι αυτά
είναι πιο εξελιγμένα,
είναι πιο εξελιγμένα,
05:32
but actually what's more complicated
143
320035
1506
αλλά αυτό που είναι πιο πολύπλοκο
05:33
is the hierarchy beneath them.
144
321541
2669
είναι η ιεραρχία κάτω από αυτά.
05:36
There was a 16-year-old girl, she had brain surgery,
145
324210
2620
Μια 16χρονη έκανε
εγχείρηση στον εγκέφαλο
εγχείρηση στον εγκέφαλο
05:38
and she was conscious because the surgeons
146
326830
2051
και είχε τις αισθήσεις της
επειδή οι χειρουργοί
επειδή οι χειρουργοί
05:40
wanted to talk to her.
147
328881
1537
ήθελαν να της μιλούν.
05:42
You can do that because there's no pain receptors
148
330418
1822
Μπορείτε να το κάνετε αυτό
επειδή δεν υπάρχουν υποδοχείς πόνου
επειδή δεν υπάρχουν υποδοχείς πόνου
05:44
in the brain.
149
332240
1038
στον εγκέφαλο.
05:45
And whenever they stimulated particular,
150
333278
1800
Και κάθε φορά που διέγειραν συγκεκριμένα
05:47
very small points on her neocortex,
151
335078
2463
πολύ μικρά σημεία στον νεοφλοιό,
05:49
shown here in red, she would laugh.
152
337541
2665
που φαίνονται εδώ με κόκκινο, γελούσε.
05:52
So at first they thought they were triggering
153
340206
1440
Στην αρχή νόμιζαν ότι προκαλούσαν
05:53
some kind of laugh reflex,
154
341646
1720
κάποιο αντανακλαστικό γέλιου,
05:55
but no, they quickly realized they had found
155
343366
2519
αλλά όχι, γρήγορα συνειδητοποίησαν
ότι είχαν βρει
ότι είχαν βρει
05:57
the points in her neocortex that detect humor,
156
345885
3044
τα σημεία στον νεοφλοιό της
που εντοπίζουν το χιούμορ
που εντοπίζουν το χιούμορ
06:00
and she just found everything hilarious
157
348929
1969
και απλώς έβρισκε τα πάντα ξεκαρδιστικά
06:02
whenever they stimulated these points.
158
350898
2437
κάθε φορά που διέγειραν αυτά τα σημεία.
06:05
"You guys are so funny just standing around,"
159
353335
1925
«Είστε τόσο αστείοι έτσι που στέκεστε»,
06:07
was the typical comment,
160
355260
1738
ήταν ένα τυπικό σχόλιο,
06:08
and they weren't funny,
161
356998
2302
και δεν ήταν αστείοι,
06:11
not while doing surgery.
162
359300
3247
όχι όταν κάνουν χειρουργείο.
06:14
So how are we doing today?
163
362547
4830
Πώς τα πάμε σήμερα λοιπόν;
06:19
Well, computers are actually beginning to master
164
367377
3054
Οι υπολογιστές αρχίζουν να κατέχουν
06:22
human language with techniques
165
370431
2001
την ανθρώπινη γλώσσα με τεχνικές
06:24
that are similar to the neocortex.
166
372432
2867
που είναι παρόμοιες με τον νεοφλοιό.
06:27
I actually described the algorithm,
167
375299
1514
Περιέγραψα τον αλγόριθμο,
06:28
which is similar to something called
168
376813
2054
που είναι παρόμοιος με κάτι που ονομάζεται
06:30
a hierarchical hidden Markov model,
169
378867
2233
κρυφό ιεραρχικό πρότυπο Μαρκόφ,
06:33
something I've worked on since the '90s.
170
381100
3241
κάτι που έχω δουλέψει
από τη δεκαετία του '90.
από τη δεκαετία του '90.
06:36
"Jeopardy" is a very broad natural language game,
171
384341
3238
Το «Jeopardy» είναι ένα πολύ ευρύ
παιχνίδι φυσικής γλώσσας,
παιχνίδι φυσικής γλώσσας,
06:39
and Watson got a higher score
172
387579
1892
και ο Ουάτσον πήρε μεγαλύτερο σκορ
06:41
than the best two players combined.
173
389471
2000
από τους δύο καλύτερους παίκτες
σε συνδυασμό.
σε συνδυασμό.
06:43
It got this query correct:
174
391471
2499
Απάντησε σωστά στο εξής ερώτημα:
06:45
"A long, tiresome speech
175
393970
2085
«Ένας μακρύς, κουραστικός λόγος
06:48
delivered by a frothy pie topping,"
176
396055
2152
που τον έκανε
η επικάλυψη αφρώδους πίτας»,
η επικάλυψη αφρώδους πίτας»,
06:50
and it quickly responded,
"What is a meringue harangue?"
"What is a meringue harangue?"
177
398207
2796
και απάντησε γρήγορα,
«Τι είναι η δημηγορία μαρέγκας;»
«Τι είναι η δημηγορία μαρέγκας;»
06:53
And Jennings and the other guy didn't get that.
178
401003
2635
Ο Τζένινγκς και ο άλλος
τύπος δεν το βρήκαν αυτό.
τύπος δεν το βρήκαν αυτό.
06:55
It's a pretty sophisticated example of
179
403638
1926
Είναι ένα πολύ εξελιγμένο παράδειγμα
06:57
computers actually understanding human language,
180
405564
1914
κατανόησης της ανθρώπινης γλώσσας
από υπολογιστές,
από υπολογιστές,
06:59
and it actually got its knowledge by reading
181
407478
1652
που έμαθε διαβάζοντας
07:01
Wikipedia and several other encyclopedias.
182
409130
3785
Βικιπαίδεια και διάφορες
άλλες εγκυκλοπαίδειες.
άλλες εγκυκλοπαίδειες.
07:04
Five to 10 years from now,
183
412915
2133
Σε πέντε με 10 χρόνια από τώρα,
07:07
search engines will actually be based on
184
415048
2184
οι μηχανές αναζήτησης θα βασίζονται
όχι μόνο στην αναζήτηση
συνδυασμών λέξεων,
συνδυασμών λέξεων,
07:09
not just looking for combinations of words and links
185
417232
2794
07:12
but actually understanding,
186
420026
1914
αλλά θα καταλαβαίνουν πραγματικά,
07:13
reading for understanding the billions of pages
187
421940
2411
θα διαβάζουν, κατανοώντας τες,
δισεκατομμύρια σελίδες
δισεκατομμύρια σελίδες
07:16
on the web and in books.
188
424351
2733
στο Διαδίκτυο και σε βιβλία.
07:19
So you'll be walking along, and Google will pop up
189
427084
2616
Έτσι θα περπατάτε
και το Google θα πεταχτεί
και το Google θα πεταχτεί
07:21
and say, "You know, Mary, you expressed concern
190
429700
3081
και θα πει: «Ξέρεις, Μαίρη,
μου εξέφρασες μια ανησυχία
μου εξέφρασες μια ανησυχία
07:24
to me a month ago that your glutathione supplement
191
432781
3019
πριν από ένα μήνα
ότι το συμπλήρωμα γλουταθειόνης σου
ότι το συμπλήρωμα γλουταθειόνης σου
07:27
wasn't getting past the blood-brain barrier.
192
435800
2231
δεν περνάει τον αιματοεγκεφαλικό φραγμό.
07:30
Well, new research just came out 13 seconds ago
193
438031
2593
Βγήκε μια νέα έρευνα
πριν από 13 δευτερόλεπτα
πριν από 13 δευτερόλεπτα
07:32
that shows a whole new approach to that
194
440624
1711
που δείχνει μια νέα προσέγγιση σε αυτό
07:34
and a new way to take glutathione.
195
442335
1993
και έναν νέο τρόπο λήψης γλουταθειόνης.
07:36
Let me summarize it for you."
196
444328
2562
Ας σου κάνω μια περίληψη».
07:38
Twenty years from now, we'll have nanobots,
197
446890
3684
Σε είκοσι χρόνια από τώρα,
θα έχουμε νανομπότ,
θα έχουμε νανομπότ,
07:42
because another exponential trend
198
450574
1627
επειδή μια ακόμη εκθετική τάση
είναι η σμίκρυνση της τεχνολογίας.
07:44
is the shrinking of technology.
199
452201
1615
07:45
They'll go into our brain
200
453816
2370
Θα πάνε στον εγκέφαλό μας
07:48
through the capillaries
201
456186
1703
μέσα από τα τριχοειδή αγγεία
07:49
and basically connect our neocortex
202
457889
2477
και βασικά θα συνδέσουν τον νεοφλοιό μας
07:52
to a synthetic neocortex in the cloud
203
460366
3185
σε έναν συνθετικό νεοφλοιό στο σύννεφο
07:55
providing an extension of our neocortex.
204
463551
3591
που θα παρέχει
μια επέκταση του νεοφλοιού μας.
μια επέκταση του νεοφλοιού μας.
07:59
Now today, I mean,
205
467142
1578
Σήμερα, έχετε
έναν υπολογιστή στο κινητό σας,
έναν υπολογιστή στο κινητό σας,
08:00
you have a computer in your phone,
206
468720
1530
αλλά αν χρειαστείτε 10.000 υπολογιστές
για λίγα δευτερόλεπτα
για λίγα δευτερόλεπτα
08:02
but if you need 10,000 computers for a few seconds
207
470250
2754
08:05
to do a complex search,
208
473004
1495
για να κάνετε μια πολύπλοκη αναζήτηση,
08:06
you can access that for a second or two in the cloud.
209
474499
3396
μπορείτε να έχετε πρόσβαση
για ένα ή δύο δευτερόλεπτα στο σύννεφο.
για ένα ή δύο δευτερόλεπτα στο σύννεφο.
08:09
In the 2030s, if you need some extra neocortex,
210
477895
3095
Τη δεκαετία του 2030, αν χρειαστείτε
επιπλέον νεοφλοιό,
επιπλέον νεοφλοιό,
08:12
you'll be able to connect to that in the cloud
211
480990
2273
θα μπορέσετε να συνδεθείτε στο σύννεφο
08:15
directly from your brain.
212
483263
1648
απευθείας από τον εγκέφαλό σας.
08:16
So I'm walking along and I say,
213
484911
1543
Έτσι θα περπατάω και θα πω:
08:18
"Oh, there's Chris Anderson.
214
486454
1363
«Ω, να ο Κρις Άντερσον.
08:19
He's coming my way.
215
487817
1525
Έρχεται προς το μέρος μου.
08:21
I'd better think of something clever to say.
216
489342
2335
Να σκεφτώ κάτι έξυπνο να του πω.
08:23
I've got three seconds.
217
491677
1524
Έχω τρία δευτερόλεπτα.
08:25
My 300 million modules in my neocortex
218
493201
3097
Οι 300 εκατομμύρια μονάδες
στο νεοφλοιό μου
στο νεοφλοιό μου
08:28
isn't going to cut it.
219
496298
1240
δεν θα τα καταφέρουν.
Χρειάζομαι ακόμη ένα δισεκατομμύριο».
08:29
I need a billion more."
220
497538
1246
08:30
I'll be able to access that in the cloud.
221
498784
3323
Θα μπορώ να έχω πρόσβαση
σε αυτές στο σύννεφο.
σε αυτές στο σύννεφο.
08:34
And our thinking, then, will be a hybrid
222
502107
2812
Τότε η σκέψη μας, θα είναι ένα υβρίδιο
08:36
of biological and non-biological thinking,
223
504919
3522
βιολογικής και μη βιολογικής σκέψης,
08:40
but the non-biological portion
224
508441
1898
αλλά το μη βιολογικό κομμάτι
08:42
is subject to my law of accelerating returns.
225
510339
2682
διέπεται από τον νόμο μου
για την επιτάχυνση των αποδόσεων.
για την επιτάχυνση των αποδόσεων.
08:45
It will grow exponentially.
226
513021
2239
Θα αυξηθεί εκθετικά.
08:47
And remember what happens
227
515260
2016
Και θυμηθείτε τι συνέβη
08:49
the last time we expanded our neocortex?
228
517276
2645
την τελευταία φορά
που επεκτείναμε τον νεοφλοιό μας.
που επεκτείναμε τον νεοφλοιό μας.
08:51
That was two million years ago
229
519921
1426
Αυτό ήταν πριν από δύο εκατομμύρια χρόνια
08:53
when we became humanoids
230
521347
1236
όταν γίναμε ανθρωποειδή
08:54
and developed these large foreheads.
231
522583
1594
και αναπτύξαμε αυτά τα μεγάλα κούτελα.
08:56
Other primates have a slanted brow.
232
524177
2583
Τα άλλα πρωτεύοντα θηλαστικά
έχουν κεκλιμένο φρύδι.
έχουν κεκλιμένο φρύδι.
08:58
They don't have the frontal cortex.
233
526760
1745
Δεν έχουν μετωπιαίο φλοιό.
09:00
But the frontal cortex is not
really qualitatively different.
really qualitatively different.
234
528505
3685
Αλλά ο μετωπιαίος φλοιός δεν είναι
ποιοτικά διαφορετικός.
ποιοτικά διαφορετικός.
09:04
It's a quantitative expansion of neocortex,
235
532190
2743
Είναι μια ποσοτική επέκταση του νεοφλοιού,
09:06
but that additional quantity of thinking
236
534933
2703
αλλά η επιπλέον ποσότητα σκέψης
09:09
was the enabling factor for us to take
237
537636
1779
ήταν ο παράγοντας
που μας επέτρεψε να κάνουμε
που μας επέτρεψε να κάνουμε
09:11
a qualitative leap and invent language
238
539415
3346
ένα ποιοτικό άλμα
και να εφεύρουμε τη γλώσσα,
και να εφεύρουμε τη γλώσσα,
09:14
and art and science and technology
239
542761
1967
την τέχνη, την επιστήμη, την τεχνολογία
09:16
and TED conferences.
240
544728
1454
και τα συνέδρια TED.
09:18
No other species has done that.
241
546182
2131
Κανένα άλλο είδος δεν το έχει κάνει αυτό.
09:20
And so, over the next few decades,
242
548313
2075
Κι έτσι, μέσα στις επόμενες δεκαετίες,
09:22
we're going to do it again.
243
550388
1760
θα το ξανακάνουμε.
09:24
We're going to again expand our neocortex,
244
552148
2274
Θα επεκτείνουμε και πάλι τον νεοφλοιό μας,
09:26
only this time we won't be limited
245
554422
1756
μόνο που αυτή τη φορά δεν θα περιοριστούμε
09:28
by a fixed architecture of enclosure.
246
556178
4280
από τη σταθερή αρχιτεκτονική
του περιβλήματος.
του περιβλήματος.
09:32
It'll be expanded without limit.
247
560458
3304
Θα επεκταθεί χωρίς όρια.
09:35
That additional quantity will again
248
563762
2243
Η επιπλέον ποσότητα θα είναι και πάλι
09:38
be the enabling factor for another qualitative leap
249
566005
3005
ο παράγοντας που θα μας επιτρέψει
να κάνουμε άλλο ένα ποιοτικό άλμα
να κάνουμε άλλο ένα ποιοτικό άλμα
09:41
in culture and technology.
250
569010
1635
στον πολιτισμό και την τεχνολογία.
09:42
Thank you very much.
251
570645
2054
Σας ευχαριστώ πολύ.
09:44
(Applause)
252
572699
3086
(Χειροκρότημα)
ABOUT THE SPEAKER
Ray Kurzweil - Inventor, futuristRay Kurzweil is an engineer who has radically advanced the fields of speech, text and audio technology. He's revered for his dizzying -- yet convincing -- writing on the advance of technology, the limits of biology and the future of the human species.
Why you should listen
Inventor, entrepreneur, visionary, Ray Kurzweil's accomplishments read as a startling series of firsts -- a litany of technological breakthroughs we've come to take for granted. Kurzweil invented the first optical character recognition (OCR) software for transforming the written word into data, the first print-to-speech software for the blind, the first text-to-speech synthesizer, and the first music synthesizer capable of recreating the grand piano and other orchestral instruments, and the first commercially marketed large-vocabulary speech recognition.
Yet his impact as a futurist and philosopher is no less significant. In his best-selling books, which include How to Create a Mind, The Age of Spiritual Machines, The Singularity Is Near: When Humans Transcend Biology, Kurzweil depicts in detail a portrait of the human condition over the next few decades, as accelerating technologies forever blur the line between human and machine.
In 2009, he unveiled Singularity University, an institution that aims to "assemble, educate and inspire leaders who strive to understand and facilitate the development of exponentially advancing technologies." He is a Director of Engineering at Google, where he heads up a team developing machine intelligence and natural language comprehension.
Ray Kurzweil | Speaker | TED.com