ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com
TED2014

Ray Kurzweil: Get ready for hybrid thinking

Ray Kurzweil: Készülj a hibrid gondolkodásra

Filmed:
3,548,296 views

Kétszáz millió évvel ezelőtt az emlős őseink egy új agyi elemet fejlesztettek ki: a neocortexet. Ez a bélyegméretű szövetdarab (amely egy dióméretű agyat vesz körül) a kulcs az emberiség jelenéhez. Most pedig, javasolja Ray Kurzweil futurista, ideje felkészülnünk a mentális erő következő óriási lépésére, hiszen terítéken a felhő számítási teljesítménye.
- 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

Double-click the English transcript below to play the video.

00:12
Let me tell you a storysztori.
0
988
2316
Hadd meséljek el egy történetet.
00:15
It goesmegy back 200 millionmillió yearsévek.
1
3304
1799
200 millió évre tekintve vissza.
00:17
It's a storysztori of the neocortexagykéregben,
2
5103
1984
A történet a neocortex-ről szól,
00:19
whichmelyik meanseszközök "newúj rindhéja."
3
7087
1974
aminek a jelentése "új agykéreg".
00:21
So in these earlykorai mammalsemlősök,
4
9061
2431
Szóval a korai emlősökben,
00:23
because only mammalsemlősök have a neocortexagykéregben,
5
11492
2055
mert csak az emlősöknek van neocortexe,
00:25
rodent-likerágcsáló-szerű creatureslények.
6
13547
1664
ezekben a rágcsálószerű lényekben,
00:27
It was the sizeméret of a postagepostaköltség stampbélyeg and just as thinvékony,
7
15211
3579
ez bélyeg nagyságú és vastagságú volt,
és csak egy vékony réteget jelentett
00:30
and was a thinvékony coveringlefedő around
8
18790
1439
00:32
theirazok walnut-sizeddió méretű brainagy,
9
20229
2264
a dió méretű agyuk körül.
00:34
but it was capableképes of a newúj typetípus of thinkinggondolkodás.
10
22493
3701
Ennek ellenére újfajta
gondolkodásra volt képes.
00:38
RatherInkább than the fixedrögzített behaviorsviselkedés
11
26194
1567
Fixált viselkedés helyett inkább
00:39
that non-mammaliannem-emlős animalsállatok have,
12
27761
1992
amely a nem-emlős állatokra jellemzőek,
00:41
it could inventfeltalál newúj behaviorsviselkedés.
13
29753
2692
új viselkedéseket tudott kigondolni.
00:44
So a mouseegér is escapingmenekülés a predatorragadozó,
14
32445
2553
Tehát ha egy egér éppen
egy ragadozó elől menekül,
00:46
its pathpálya is blockedzárolt,
15
34998
1540
és zsákutcába kerül,
00:48
it'llez lesz try to inventfeltalál a newúj solutionmegoldás.
16
36538
2129
akkor megpróbál kitalálni
egy új megoldást.
00:50
That maylehet work, it maylehet not,
17
38667
1266
Talán működik, talán nem,
00:51
but if it does, it will rememberemlékezik that
18
39933
1910
de ha igen, akkor azt megjegyzi
00:53
and have a newúj behaviorviselkedés,
19
41843
1292
s új viselkedést sajátít el
00:55
and that can actuallytulajdonképpen spreadterjedését virallyvirally
20
43135
1457
ami aztán szélsebesen képes terjedni
00:56
throughkeresztül the restpihenés of the communityközösség.
21
44592
2195
a közösség többi tagja között.
Ezt látván egy másik egér mondhatná,
00:58
AnotherEgy másik mouseegér watchingnézni this could say,
22
46787
1609
01:00
"Hey, that was prettyszép cleverokos, going around that rockszikla,"
23
48396
2704
"Ejha, elég agyafúrt volt,
ahogy megkerülted azt a követ"
01:03
and it could adoptelfogad a newúj behaviorviselkedés as well.
24
51100
3725
és átvehetné az új viselkedést.
01:06
Non-mammalianA nem-emlős animalsállatok
25
54825
1717
A nem-emlős állatok
01:08
couldn'tnem tudott do any of those things.
26
56542
1713
ezeket nem tudták megtenni.
01:10
They had fixedrögzített behaviorsviselkedés.
27
58255
1215
Fix volt a viselkedésük.
01:11
Now they could learntanul a newúj behaviorviselkedés
28
59470
1331
Elsajátíthattak egy új viselkedést
01:12
but not in the coursetanfolyam of one lifetimeélettartam.
29
60801
2576
de nem egyetlen élet folyamán.
01:15
In the coursetanfolyam of maybe a thousandezer lifetimesélettartama,
30
63377
1767
Talán ezer generáció alatt
01:17
it could evolvefejlődik a newúj fixedrögzített behaviorviselkedés.
31
65144
3330
kifejleszthetett volna
egy új fix viselkedést.
01:20
That was perfectlytökéletesen okay 200 millionmillió yearsévek agoezelőtt.
32
68474
3377
Ez teljesen rendben volt
200 millió évvel ezelőtt.
01:23
The environmentkörnyezet changedmegváltozott very slowlylassan.
33
71851
1981
A környezet lassan változott.
01:25
It could take 10,000 yearsévek for there to be
34
73832
1554
Akár 10 000 év is eltelhetett
01:27
a significantjelentős environmentalkörnyezeti changeváltozás,
35
75386
2092
egy-egy jelentősebb
környezeti változásig,
01:29
and duringalatt that periodidőszak of time
36
77478
1382
és ez idő alatt
01:30
it would evolvefejlődik a newúj behaviorviselkedés.
37
78860
2929
kifejlődhetett egy új viselkedés.
01:33
Now that wentment alongmentén fine,
38
81789
1521
Ez jól működött egy ideig,
01:35
but then something happenedtörtént.
39
83310
1704
de aztán történt valami.
01:37
Sixty-fiveHatvanöt millionmillió yearsévek agoezelőtt,
40
85014
2246
65 millió évvel ezelőtt
01:39
there was a suddenhirtelen, violenterőszakos
changeváltozás to the environmentkörnyezet.
41
87260
2615
váratlan, heves változás állt be
a természetben
01:41
We call it the CretaceousKréta extinctionkihalás eventesemény.
42
89875
3505
Ezt a Kréta kihalási eseménynek nevezzük.
01:45
That's when the dinosaursdinoszauruszok wentment extinctkihalt,
43
93380
2293
Ekkor haltak ki a dinoszauruszok,
01:47
that's when 75 percentszázalék of the
44
95673
3449
amikor 75%-a
01:51
animalállat and plantnövény speciesfaj wentment extinctkihalt,
45
99122
2746
halt ki az állat- és növényvilágnak.
01:53
and that's when mammalsemlősök
46
101868
1745
Ekkor nőtték ki az emlősök
01:55
overtookmegelőzte theirazok ecologicalökológiai nicheNiche,
47
103613
2152
az ökológiai résüket,
01:57
and to anthropomorphizeanthropomorphize, biologicalbiológiai evolutionevolúció said,
48
105765
3654
és csak hogy antropomorfizáljak,
a biológiai evolúció így szólt:
02:01
"HmmHmm, this neocortexagykéregben is prettyszép good stuffdolog,"
49
109419
2025
"Hmm, ez a neocortex elég jó dolog",
02:03
and it begankezdett to grow it.
50
111444
1793
és növeszteni kezdte.
02:05
And mammalsemlősök got biggernagyobb,
51
113237
1342
Az emlősök növekedni kezdtek
02:06
theirazok brainsagyvelő got biggernagyobb at an even fastergyorsabb pacesebesség,
52
114579
2915
az agyuk még gyorsabban kezdett növekedni
02:09
and the neocortexagykéregben got biggernagyobb even fastergyorsabb than that
53
117494
3807
a neocortex pedig még ennél is gyorsabban,
02:13
and developedfejlett these distinctivemegkülönböztető ridgesgerincek and foldsráncok
54
121301
2929
így kifejlődtek a sajátos barázdái
és redői
02:16
basicallyalapvetően to increasenövekedés its surfacefelület areaterület.
55
124230
2881
egyszerűen a nagyobb felület érdekében.
02:19
If you tookvett the humanemberi neocortexagykéregben
56
127111
1819
Ha megfognánk az emberi neocortexet
02:20
and stretchedkifeszített it out,
57
128930
1301
és kifeszítenénk, látnánk,
02:22
it's about the sizeméret of a tableasztal napkinszalvéta,
58
130231
1713
hogy kb. akkora, mint egy szalvéta
02:23
and it's still a thinvékony structureszerkezet.
59
131944
1306
és meglehetősen vékony.
02:25
It's about the thicknessvastagság of a tableasztal napkinszalvéta.
60
133250
1980
A vastagsága is hasonló egy szalvétához.
02:27
But it has so manysok convolutionstekervények and ridgesgerincek
61
135230
2497
Mégis annyi tekervény
és barázda van rajta,
02:29
it's now 80 percentszázalék of our brainagy,
62
137727
3075
hogy az agyunk 80%-át jelenti.
02:32
and that's where we do our thinkinggondolkodás,
63
140802
2461
És itt gondolkodunk,
02:35
and it's the great sublimatorsublimator.
64
143263
1761
ami a nagy finomító.
02:37
We still have that oldrégi brainagy
65
145024
1114
Még a régi agyunk van,
02:38
that provideselőírja our basicalapvető drivesmeghajtók and motivationsmotivációk,
66
146138
2764
amely az alapvető vágyakat
és motivációkat nyújtja,
02:40
but I maylehet have a drivehajtás for conquesthódítás,
67
148902
2716
de vágyhatok mondjuk hódításra,
02:43
and that'llhogy majd be sublimatedszublimált by the neocortexagykéregben
68
151618
2715
és ezt a vágyat a neocortex versírássá,
02:46
into writingírás a poemvers or inventingfeltalálása an appapp
69
154333
2909
vagy alkalmazásfejlesztéssé,
02:49
or givingígy a TEDTED Talk,
70
157242
1509
esetleg TED beszéddé finomítja,
02:50
and it's really the neocortexagykéregben that's where
71
158751
3622
szóval igazából a neocortex az,
02:54
the actionakció is.
72
162373
1968
ahol a lényeg történik.
02:56
FiftyÖtven yearsévek agoezelőtt, I wroteírt a paperpapír
73
164341
1717
Ötven éve írtam egy cikket arról,
02:58
describingleíró how I thought the brainagy workeddolgozott,
74
166058
1918
hogy szerintem hogyan működik az agy,
02:59
and I describedleírt it as a seriessorozat of modulesmodulok.
75
167976
3199
és modulok sorozataként jellemeztem.
03:03
EachMinden modulemodul could do things with a patternminta.
76
171175
2128
Mindegyik modul dolgozhatott mintákkal.
03:05
It could learntanul a patternminta. It could rememberemlékezik a patternminta.
77
173303
2746
Megtanulhatott mintát,
felidézhetett mintát.
03:08
It could implementvégrehajtása a patternminta.
78
176049
1407
Végrehajthatott egy mintát.
03:09
And these modulesmodulok were organizedszervezett in hierarchieshierarchiák,
79
177456
2679
Ezek a modulok hierarchikusan rendeződtek,
03:12
and we createdkészítette that hierarchyhierarchia with our ownsaját thinkinggondolkodás.
80
180135
2954
a hierarchiát pedig saját
gondolkodásunkkal építettük fel.
03:15
And there was actuallytulajdonképpen very little to go on
81
183089
3333
Nem volt sok minden,
ami alapján elindulhattam volna
03:18
50 yearsévek agoezelőtt.
82
186422
1562
50 évvel ezelőtt.
03:19
It led me to meettalálkozik PresidentElnök JohnsonJohnson.
83
187984
2115
De így találkozhattam Johnson elnökkel.
03:22
I've been thinkinggondolkodás about this for 50 yearsévek,
84
190099
2173
50 éven keresztül gondolkodtam ezen
03:24
and a yearév and a halffél agoezelőtt I camejött out with the bookkönyv
85
192272
2828
és másfél évvel ezelőtt
kiadtam egy könyvet, a címe
03:27
"How To CreateLétrehozása A MindSzem előtt tartva,"
86
195100
1265
"How To Create A Mind",
03:28
whichmelyik has the sameazonos thesistézis,
87
196365
1613
aminek ugyanez az alapgondolata,
03:29
but now there's a plethoraszámtalan of evidencebizonyíték.
88
197978
2812
de mostanra számos bizonyítékunk is van.
03:32
The amountösszeg of dataadat we're gettingszerzés about the brainagy
89
200790
1814
Az idegtudomány által az agyról gyűjtött
03:34
from neuroscienceidegtudomány is doublingmegduplázva everyminden yearév.
90
202604
2203
adatmennyiség évente megduplázódik.
03:36
SpatialTérbeli resolutionfelbontás of brainscanningbrainscanning of all typestípusok
91
204807
2654
Minden agyi képalkotó eljárás
térbeli felbontása
03:39
is doublingmegduplázva everyminden yearév.
92
207461
2285
évente megduplázódik.
03:41
We can now see insidebelül a livingélő brainagy
93
209746
1717
Mára belelátunk az élő agyba,
03:43
and see individualEgyedi interneuralinterneural connectionskapcsolatok
94
211463
2870
és láthatjuk az egyes
interneurális kapcsolatokat
03:46
connectingösszekötő in realigazi time, firingégetés in realigazi time.
95
214333
2703
valós időben, működés közben,
kisülés közben.
03:49
We can see your brainagy createteremt your thoughtsgondolatok.
96
217036
2419
Látjuk, ahogy az agy
létrehozza a gondolataidat.
03:51
We can see your thoughtsgondolatok createteremt your brainagy,
97
219455
1575
ahogy a gondolat teremti az agyat
03:53
whichmelyik is really keykulcs to how it worksművek.
98
221030
1999
az, ami működésének a kulcsa.
03:55
So let me describeleírni brieflytömören how it worksművek.
99
223029
2219
Hadd magyarázzam el röviden,
hogyan is működik.
03:57
I've actuallytulajdonképpen countedszámítani these modulesmodulok.
100
225248
2275
Ténylegesen megszámoltam
ezeket a modulokat.
03:59
We have about 300 millionmillió of them,
101
227523
2046
Körülbelül 300 millió van belőlük,
04:01
and we createteremt them in these hierarchieshierarchiák.
102
229569
2229
és ezekben a hierarchiákban
hozzuk létre őket.
04:03
I'll give you a simpleegyszerű examplepélda.
103
231798
2082
Mondok egy egyszerű példát.
04:05
I've got a bunchcsokor of modulesmodulok
104
233880
2805
Van egy csomó olyan modulom,
04:08
that can recognizeelismerik the crossbarcrossbar to a capitalfőváros A,
105
236685
3403
amelyek felismerik a
nagy "A" keresztvonalát,
04:12
and that's all they caregondoskodás about.
106
240088
1914
de semmi mással nem törődnek.
04:14
A beautifulszép songdal can playjáték,
107
242002
1578
Szólhat egy pompás dal,
04:15
a prettyszép girllány could walkséta by,
108
243580
1434
elsétálhat egy csinos lány,
04:17
they don't caregondoskodás, but they see
a crossbarcrossbar to a capitalfőváros A,
109
245014
2846
ezeket nem érdekli,
de amint meglátják egy "A"
04:19
they get very excitedizgatott and they say "crossbarcrossbar,"
110
247860
3021
keresztvonalát, azonnal izgatottan
azt mondják, "keresztrúd",
04:22
and they put out a highmagas probabilityvalószínűség
111
250881
2112
és nagy valószínűséget helyeznek
04:24
on theirazok outputkibocsátás axonAxon.
112
252993
1634
a kimeneti axonjukra.
04:26
That goesmegy to the nextkövetkező levelszint,
113
254627
1333
Az eljut a következő szintre
04:27
and these layersrétegek are organizedszervezett in conceptualfogalmi levelsszintek.
114
255960
2750
és ezek a rétegek
fogalmi szintekbe rendeződnek.
04:30
EachMinden is more abstractabsztrakt than the nextkövetkező one,
115
258710
1856
Az egyik absztraktabb, mint a másik,
04:32
so the nextkövetkező one mightesetleg say "capitalfőváros A."
116
260566
2418
szóval az egyik azt mondhatja,
hogy "nagy A".
04:34
That goesmegy up to a highermagasabb
levelszint that mightesetleg say "AppleAlma."
117
262984
2891
Ez egy szinttel feljebb jut,
ami azt mondhatja, hogy "Alma".
04:37
InformationInformációk flowsfolyik down alsois.
118
265875
2167
Lefelé is áramlik az információ.
04:40
If the applealma recognizerfelismerő has seenlátott A-P-P-LA-P-P-L,
119
268042
2936
Ha az alma felismerő látta, hogy "A-L-M",
04:42
it'llez lesz think to itselfmaga, "HmmHmm, I
think an E is probablyvalószínűleg likelyvalószínűleg,"
120
270978
3219
akkor úgy vélheti, hogy
"Hmm, egy újabb A elég valószínű",
04:46
and it'llez lesz sendelküld a signaljel down to all the E recognizersa felismerők felirat
121
274197
2564
és leküld egy jelet
az összes "A" felismerőnek
04:48
sayingmondás, "Be on the lookoutkilátó for an E,
122
276761
1619
mondván, "számítsatok egy "A"-ra,
04:50
I think one mightesetleg be comingeljövetel."
123
278380
1556
azt hiszem, hogy mindjárt jön".
04:51
The E recognizersa felismerők felirat will lowerAlsó theirazok thresholdküszöb
124
279936
2843
Az "A" felismerők csökkentik
a küszöbértéküket,
04:54
and they see some sloppyhanyag
thing, could be an E.
125
282779
1945
silányságot látnak, ami lehetne "A" is.
04:56
OrdinarilyÁltalában you wouldn'tnem think so,
126
284724
1490
Általában nem hinnéd,
04:58
but we're expectingvár an E, it's good enoughelég,
127
286214
2009
de "A"-ra számítunk, ezért legyen,
05:00
and yeah, I've seenlátott an E, and then applealma saysmondja,
128
288223
1817
igen, "A"-t láttam, és az alma szól
05:02
"Yeah, I've seenlátott an AppleAlma."
129
290040
1728
"Igen, almát láttam."
05:03
Go up anotheregy másik fiveöt levelsszintek,
130
291768
1746
Úgy öt szinttel feljebb lépve
már elég magas szintjén járunk
05:05
and you're now at a prettyszép highmagas levelszint
131
293514
1353
05:06
of this hierarchyhierarchia,
132
294867
1569
a hierarchiának,
05:08
and stretchkitágít down into the differentkülönböző sensesérzékek,
133
296436
2353
amely lenyúlik a különböző érzékeinkig,
05:10
and you maylehet have a modulemodul
that seeslát a certainbizonyos fabricszövet,
134
298789
2655
és lehet egy modulod,
ami egy spéci szövet láttán
05:13
hearshall a certainbizonyos voicehang qualityminőség,
smellsillatok a certainbizonyos perfumeParfüm,
135
301444
2844
egy bizonyos hangszíntől,
egy parfüm hatására
05:16
and will say, "My wifefeleség has enteredlépett the roomszoba."
136
304288
2513
azt mondja, hogy
"A feleségem belépett a szobába."
05:18
Go up anotheregy másik 10 levelsszintek, and now you're at
137
306801
1895
Menjünk fel még 10 szintet, most már
05:20
a very highmagas levelszint.
138
308696
1160
igen magas fokra.
05:21
You're probablyvalószínűleg in the frontalelülső cortexkéreg,
139
309856
1937
Valószínűleg a frontális kéregben,
05:23
and you'llazt is megtudhatod have modulesmodulok that say, "That was ironicIronikus.
140
311793
3767
ahol modulok olyanokat mondanak,
mint "Ez ironikus volt.
05:27
That's funnyvicces. She's prettyszép."
141
315560
2370
Ez vicces volt. Ő csinos."
Azt gondolhatnánk,
hogy ezek még kifinomultabbak
05:29
You mightesetleg think that those are more sophisticatedkifinomult,
142
317930
2105
de igazából az alattuk lévő hierarchia
05:32
but actuallytulajdonképpen what's more complicatedbonyolult
143
320035
1506
05:33
is the hierarchyhierarchia beneathalatt them.
144
321541
2669
sokkal összetettebb.
05:36
There was a 16-year-old-éves girllány, she had brainagy surgerysebészet,
145
324210
2620
Volt egy 16 éves lány,
aki agyműtéten esett át,
05:38
and she was conscioustudatos because the surgeonssebészek
146
326830
2051
és eszméleténél volt, mert a sebészek
05:40
wanted to talk to her.
147
328881
1537
beszélni akartak vele.
05:42
You can do that because there's no painfájdalom receptorsreceptorok
148
330418
1822
Ez megoldható, mert nincsenek az agyban
05:44
in the brainagy.
149
332240
1038
fájdalomreceptorok.
05:45
And wheneverbármikor they stimulatedstimulált particularkülönös,
150
333278
1800
És amikor bizonyos, nagyon apró
05:47
very smallkicsi pointspont on her neocortexagykéregben,
151
335078
2463
pontokat stimuláltak a neocortexén,
05:49
shownLátható here in redpiros, she would laughnevetés.
152
337541
2665
ezek itt pirossal láthatóak,
akkor a lány nevetett.
05:52
So at first they thought they were triggeringkiváltó
153
340206
1440
Először azt hitték, hogy
05:53
some kindkedves of laughnevetés reflexReflex,
154
341646
1720
valamilyen nevetési reflexre hatnak,
05:55
but no, they quicklygyorsan realizedrealizált they had foundtalál
155
343366
2519
de nem, hamarosan kiderült,
hogy megtalálták
05:57
the pointspont in her neocortexagykéregben that detectfelismerni humorhumor,
156
345885
3044
a neocortex azon pontjait,
melyek a humort érzékelik,
a lány így egyszerűen mindent
nevetségesnek talált
06:00
and she just foundtalál everything hilariousvicces
157
348929
1969
06:02
wheneverbármikor they stimulatedstimulált these pointspont.
158
350898
2437
amikor ezeket a pontokat stimulálták.
"Annyira viccesek vagytok,
ahogy itt álldogáltok!"
06:05
"You guys are so funnyvicces just standingálló around,"
159
353335
1925
06:07
was the typicaltipikus commentmegjegyzés,
160
355260
1738
volt a jellemző megjegyzés,
06:08
and they weren'tnem voltak funnyvicces,
161
356998
2302
de nem voltak viccesek,
06:11
not while doing surgerysebészet.
162
359300
3247
legalábbis műtét közben nem.
06:14
So how are we doing todayMa?
163
362547
4830
Szóval..., Hogy is állunk ma?
06:19
Well, computersszámítógépek are actuallytulajdonképpen beginningkezdet to masterfő-
164
367377
3054
Nos, a számítógépek kezdik megérteni
06:22
humanemberi languagenyelv with techniquestechnikák
165
370431
2001
az emberi nyelvet, egy, a neocortexéhez
06:24
that are similarhasonló to the neocortexagykéregben.
166
372432
2867
hasonló technikával.
06:27
I actuallytulajdonképpen describedleírt the algorithmalgoritmus,
167
375299
1514
Elmagyaráztam az algoritmust,
06:28
whichmelyik is similarhasonló to something calledhívott
168
376813
2054
amely hasonló az úgynevezett
06:30
a hierarchicalhierarchikus hiddenrejtett MarkovMarkov modelmodell,
169
378867
2233
hierarchikusan rejtett Markov modellhez,
06:33
something I've workeddolgozott on sincemivel the '90s.
170
381100
3241
amin már a '90-es évek óta dolgozom.
06:36
"JeopardyVeszélyben" is a very broadszéles naturaltermészetes languagenyelv gamejátszma, meccs,
171
384341
3238
A "Jeopardy" egy széles repertoárú
természetes nyelvi játék
06:39
and WatsonWatson got a highermagasabb scorepontszám
172
387579
1892
és Watson mégis több pontot szerzett,
06:41
than the bestlegjobb two playersJátékosok combinedkombinált.
173
389471
2000
mint a két legjobb játékos együttvéve.
06:43
It got this querylekérdezés correcthelyes:
174
391471
2499
Ügyesen megválaszolta a következő kérdést:
06:45
"A long, tiresomefárasztó speechbeszéd
175
393970
2085
Hogy mondanád másként:
"Rokonszenves férfi gyógyszerész"?
[nem szó szerint!]
06:48
deliveredszállított by a frothyhabos piepite toppingfeltöltési,"
176
396055
2152
06:50
and it quicklygyorsan respondedválaszolt,
"What is a meringuehabcsók harangueharangue?"
177
398207
2796
A gyors válasz így hangzott:
"Szimpatikus hím patikus."
06:53
And JenningsJennings and the other guy didn't get that.
178
401003
2635
Jenningsnek és a másik
játékosnak ez nem sikerült.
06:55
It's a prettyszép sophisticatedkifinomult examplepélda of
179
403638
1926
Ez egy elég kifinomult példája annak,
06:57
computersszámítógépek actuallytulajdonképpen understandingmegértés humanemberi languagenyelv,
180
405564
1914
hogy a számítógépek megértik a nyelvet,
06:59
and it actuallytulajdonképpen got its knowledgetudás by readingolvasás
181
407478
1652
sőt, tudásuk, a Wikipédia és más
07:01
WikipediaWikipédia and severalszámos other encyclopediaslexikonok.
182
409130
3785
enciklopédiák olvasásából ered.
07:04
FiveÖt to 10 yearsévek from now,
183
412915
2133
5-10 év múlva
07:07
searchKeresés enginesmotorok will actuallytulajdonképpen be basedszékhelyű on
184
415048
2184
a keresőmotorok már nem csak szavak
07:09
not just looking for combinationskombinációk of wordsszavak and linkslinkek
185
417232
2794
és linkek kombinációjának
keresésével fog működni,
07:12
but actuallytulajdonképpen understandingmegértés,
186
420026
1914
hanem tényleges megértés útján,
07:13
readingolvasás for understandingmegértés the billionsmilliárdokat of pagesoldalak
187
421940
2411
elolvasva és megértve a weblapok, könyvek
07:16
on the webháló and in bookskönyvek.
188
424351
2733
oldalainak milliárdjait.
07:19
So you'llazt is megtudhatod be walkinggyalogló alongmentén, and GoogleGoogle will poppop up
189
427084
2616
Szóval sétálgatás közben felugrik
a Google és mondja,
07:21
and say, "You know, MaryMária, you expressedkifejezett concernvonatkozik
190
429700
3081
"Tudod, Mary, néhány hónapja aggódtál,
07:24
to me a monthhónap agoezelőtt that your glutathioneglutation supplementkiegészítés
191
432781
3019
hogy a glutathione kiegészítőd nem jut át
07:27
wasn'tnem volt gettingszerzés pastmúlt the blood-brainvér-agy barrierakadály.
192
435800
2231
a vér-agy gáton. Nos, egy 13 másodperccel
07:30
Well, newúj researchkutatás just camejött out 13 secondsmásodperc agoezelőtt
193
438031
2593
ezelőtt megjelent kutatás
07:32
that showsműsorok a wholeegész newúj approachmegközelítés to that
194
440624
1711
teljesen új módot módot javasol
07:34
and a newúj way to take glutathioneglutation.
195
442335
1993
a glutathione szervezetbe juttatására.
07:36
Let me summarizeösszesít it for you."
196
444328
2562
Hadd foglaljam ezt neked össze."
07:38
TwentyHúsz yearsévek from now, we'lljól have nanobotsnanobots,
197
446890
3684
Húsz év múlva nanobotjaink
[nano-robotok] lesznek,
07:42
because anotheregy másik exponentialexponenciális trendirányzat
198
450574
1627
mert egy másik exponenciális trend
07:44
is the shrinkingcsökkenő of technologytechnológia.
199
452201
1615
a technológia zsugorítása.
07:45
They'llThey'll go into our brainagy
200
453816
2370
Beleférkőznek majd az agyunkba
07:48
throughkeresztül the capillarieshajszálerek
201
456186
1703
a hajszálereken keresztül
07:49
and basicallyalapvetően connectkapcsolódni our neocortexagykéregben
202
457889
2477
és gyakorlatilag bekötik a neocortexünket
07:52
to a syntheticszintetikus neocortexagykéregben in the cloudfelhő
203
460366
3185
egy felhőalapú szintetikus neocortexre,
07:55
providinggondoskodás an extensionkiterjesztés of our neocortexagykéregben.
204
463551
3591
amely így a saját neocortexünk
kiterjesztéseként fog szolgálni.
07:59
Now todayMa, I mean,
205
467142
1578
Mostanában, úgy értem
08:00
you have a computerszámítógép in your phonetelefon,
206
468720
1530
számítógép van a telefonunkban,
08:02
but if you need 10,000 computersszámítógépek for a fewkevés secondsmásodperc
207
470250
2754
de ha néhány másodpercre
10 000 számítógép kellene,
08:05
to do a complexösszetett searchKeresés,
208
473004
1495
egy bonyolult keresés lefuttatásához,
08:06
you can accesshozzáférés that for a secondmásodik or two in the cloudfelhő.
209
474499
3396
akkor a felhőn át elérhetjük azt
pár másodpercre.
08:09
In the 2030s, if you need some extrakülön- neocortexagykéregben,
210
477895
3095
A 2030-as években ha egy kis
extra neocortexre lesz szükségünk,
08:12
you'llazt is megtudhatod be ableképes to connectkapcsolódni to that in the cloudfelhő
211
480990
2273
rákapcsolódhatunk a felhőre
08:15
directlyközvetlenül from your brainagy.
212
483263
1648
egyenesen az agyunkból.
Éppen sétálok, és azt mondom,
08:16
So I'm walkinggyalogló alongmentén and I say,
213
484911
1543
08:18
"Oh, there's ChrisChris AndersonAnderson.
214
486454
1363
"Ó, ott van Chris Anderson.
08:19
He's comingeljövetel my way.
215
487817
1525
Felém jön.
08:21
I'd better think of something cleverokos to say.
216
489342
2335
Valami leleményes dolgot kellene mondanom.
08:23
I've got threehárom secondsmásodperc.
217
491677
1524
Három másodpercem van,
08:25
My 300 millionmillió modulesmodulok in my neocortexagykéregben
218
493201
3097
a neocortexem 300 millió modulja
08:28
isn't going to cutvágott it.
219
496298
1240
nem lesz elegendő.
08:29
I need a billionmilliárd, ezermillió more."
220
497538
1246
Egy milliárd kell még."
08:30
I'll be ableképes to accesshozzáférés that in the cloudfelhő.
221
498784
3323
Hozzáférhetek majd a felhőn keresztül.
08:34
And our thinkinggondolkodás, then, will be a hybridhibrid
222
502107
2812
És a gondolkodásunk,
akkor majd egy hibrid lesz,
08:36
of biologicalbiológiai and non-biologicalnem biológiai thinkinggondolkodás,
223
504919
3522
a biológiai és a nem-biológiai
gondolkodás hibridje,
08:40
but the non-biologicalnem biológiai portionadag
224
508441
1898
de a nem-biológiai része
08:42
is subjecttantárgy to my lawtörvény of acceleratinggyorsuló returnsvisszatér.
225
510339
2682
az általam alkotott
Gyorsuló Hozadék Törvényétől függ.
08:45
It will grow exponentiallyexponenciálisan.
226
513021
2239
Exponenciálisan fog növekedni.
08:47
And rememberemlékezik what happensmegtörténik
227
515260
2016
Emlékezzünk csak, mi történt,
08:49
the last time we expandedkiterjesztett our neocortexagykéregben?
228
517276
2645
amikor legutóbb megnövesztettük
a neocortexünket?
08:51
That was two millionmillió yearsévek agoezelőtt
229
519921
1426
Kétmillió évvel ezelőtt volt,
08:53
when we becamelett humanoidshumanoidok
230
521347
1236
mikor humanoidokká váltunk
08:54
and developedfejlett these largenagy foreheadshomlokukon.
231
522583
1594
és kifejlődött a magas homlokunk.
08:56
Other primatesfőemlősök have a slantedferde browhomlokán.
232
524177
2583
A többi főemlősnek döntött homloka van.
08:58
They don't have the frontalelülső cortexkéreg.
233
526760
1745
Nincs frontális kérgük.
09:00
But the frontalelülső cortexkéreg is not
really qualitativelyminőségileg differentkülönböző.
234
528505
3685
A frontális kéreg viszont lényegében
nem minőségileg különböző.
09:04
It's a quantitativemennyiségi expansionterjeszkedés of neocortexagykéregben,
235
532190
2743
Ez csak a neocortex
mennyiségi kiterjedése,
09:06
but that additionalTovábbi quantitymennyiség of thinkinggondolkodás
236
534933
2703
de ez a plusz gondolkodás
09:09
was the enablinglehetővé téve factortényező for us to take
237
537636
1779
volt az, ami lehetővé tette azt
09:11
a qualitativeminőségi leapUgrás and inventfeltalál languagenyelv
238
539415
3346
a minőségi lépést,
hogy feltaláljuk a nyelvet
09:14
and artművészet and sciencetudomány and technologytechnológia
239
542761
1967
a művészetet, a tudományt
és a technológiát
09:16
and TEDTED conferenceskonferenciák.
240
544728
1454
és a TED-konferenciákat.
09:18
No other speciesfaj has doneKész that.
241
546182
2131
A többi faj nem tette meg ezeket.
09:20
And so, over the nextkövetkező fewkevés decadesévtizedekben,
242
548313
2075
Tehát a következő néhány évtizedben
09:22
we're going to do it again.
243
550388
1760
újra megtesszük
09:24
We're going to again expandkiterjed our neocortexagykéregben,
244
552148
2274
Újra kibővítjük a neocortexünket,
09:26
only this time we won'tszokás be limitedkorlátozott
245
554422
1756
de ezúttal nem korlátoz majd
09:28
by a fixedrögzített architectureépítészet of enclosureburkolat.
246
556178
4280
egy tároló fix mérete.
09:32
It'llEz lesz be expandedkiterjesztett withoutnélkül limithatár.
247
560458
3304
Határok nélkül fogjuk bővíteni.
Az extra mennyiségi ugrás
jelenti majd ismét azt,
09:35
That additionalTovábbi quantitymennyiség will again
248
563762
2243
09:38
be the enablinglehetővé téve factortényező for anotheregy másik qualitativeminőségi leapUgrás
249
566005
3005
hogy képesek leszünk
egy újabb minőségi lépésre
a kultúrában és a technológiában egyaránt.
09:41
in culturekultúra and technologytechnológia.
250
569010
1635
09:42
Thank you very much.
251
570645
2054
Köszönöm szépen.
09:44
(ApplauseTaps)
252
572699
3086
(Taps)
Translated by Máté Lajkó
Reviewed by Paula Puskadi

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Ray Kurzweil | Speaker | TED.com