TED2018
Kai-Fu Lee: How AI can save our humanity
Kai-Fu Lee: Come l'Intelligenza Artificiale può salvare la nostra umanità
Filmed:
Readability: 4.7
3,583,197 views
L'Intelligenza Artificiale (IA) sta trasformando radicalmente il nostro mondo, ma c'è una cosa che non possiede: l'amore. In un intervento visionario, l'informatico Kai-Fu Lee spiega come gli Stati Uniti e la Cina stiano guidando la rivoluzione del "deep learning" - e condivide un modello che può essere utilizzato dagli umani per prosperare nell'era dell'IA sfruttando compassione e creatività. "L'intelligenza artificiale è un dono inaspettato", dice Lee. "È qui per liberarci dai lavori ripetitivi, ed è qui per ricordarci che cosa ci rende umani."
Kai-Fu Lee - Investor, computer scientist
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about
how AI and mankind can coexist,
how AI and mankind can coexist,
0
640
4536
Sto per parlarvi di come l'IA
e il genere umano possano coesistere,
e il genere umano possano coesistere,
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
ma prima dobbiamo ripensare
ai nostri valori umani.
ai nostri valori umani.
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
Lasciatemi dunque fare una confessione
sugli errori commessi sui miei valori.
sugli errori commessi sui miei valori.
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
Erano le 11 in punto del 16 Dicembre 1991.
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
Stavo per diventare padre
per la prima volta.
per la prima volta.
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
Mia moglie, Shen-Ling,
stava nel suo letto d'ospedale
stava nel suo letto d'ospedale
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
nel mezzo di un difficile travaglio
che durava da 12 ore.
che durava da 12 ore.
00:40
I sat by her bedside
7
28280
2296
Sedevo accanto al suo letto
00:42
but looked anxiously at my watch,
8
30600
2376
ma guardavo ansiosamente l'orologio,
00:45
and I knew something that she didn't.
9
33000
1800
e sapevo qualcosa che lei non sapeva.
00:47
I knew that if in one hour,
10
35440
1800
Sapevo che se in un'ora
00:50
our child didn't come,
11
38360
1936
nostra figlia non fosse nata,
00:52
I was going to leave her there
12
40320
1936
l'avrei lasciata lì
00:54
and go back to work
13
42280
1656
e sarei tornato al lavoro
00:55
and make a presentation about AI
14
43960
2576
per fare una presentazione sull'IA
00:58
to my boss, Apple's CEO.
15
46560
2200
al mio capo, CEO di Apple.
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
Per fortuna, mia figlia nacque alle 11.30.
01:07
(Laughter)
17
55080
1936
(Risate)
01:09
(Applause)
18
57040
1936
(Applausi)
01:11
sparing me from doing the unthinkable,
19
59000
4336
risparmiandomi dal fare l'impensabile,
01:15
and to this day, I am so sorry
20
63360
2496
e di quel giorno, porto il rammarico
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
di aver preferito la mia etica sul lavoro
all'amore per la mia famiglia.
all'amore per la mia famiglia.
01:22
(Applause)
22
70560
5736
(Applausi)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
La mia discussione sull'IA
andò comunque alla grande.
andò comunque alla grande.
01:30
(Laughter)
24
78960
2736
(Risate)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
Apple amò il mio lavoro
e decise di annunciarlo
e decise di annunciarlo
01:36
at TED1992,
26
84880
2696
al TED1992,
01:39
26 years ago on this very stage.
27
87600
3016
26 anni fa su questo stesso palco.
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
Pensavo di aver fatto una delle più grandi
scoperte sull'IA
scoperte sull'IA
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
e lo pensò anche il "Wall Street Journal"
il giorno dopo.
il giorno dopo.
01:51
But as far as discoveries went,
30
99440
2536
Ma se guardiamo la storia delle scoperte,
01:54
it turned out,
31
102000
1336
fu chiaro
01:55
I didn't discover India, or America.
32
103360
2776
che non scoprii l'India, o l'America.
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
Forse scoprii una piccola isola
al largo del Portogallo.
al largo del Portogallo.
02:02
But the AI era of discovery continued,
34
110720
3256
Ma l'epoca delle scoperte sull'IA continuò
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
e molti scienziati ci misero l'anima.
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
Circa 10 anni fa,
un'enorme scoperta sull'IA
un'enorme scoperta sull'IA
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
fu fatta da 3 scienziati nordamericani,
02:15
and it's known as deep learning.
38
123080
1600
ed è nota come "deep learning".
02:17
Deep learning is a technology
that can take a huge amount of data
that can take a huge amount of data
39
125400
3696
Deep learning è una tecnologia che prende
in pasto un'enorme quantità di dati
in pasto un'enorme quantità di dati
02:21
within one single domain
40
129120
1736
appartenenti a un singolo campo
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
e impara a predire e decidere
con accuratezza sovrumana.
con accuratezza sovrumana.
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
Per esempio, se mostriamo a una rete
di deep learning
di deep learning
02:30
a massive number of food photos,
43
138640
2816
un enorme numero di foto di cibi,
02:33
it can recognize food
44
141480
1576
può riconoscerli
02:35
such as hot dog or no hot dog.
45
143080
3296
e dire se è un hot dog,
o se non lo è.
o se non lo è.
02:38
(Applause)
46
146400
3136
(Applausi)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
O se mostriamo molte foto, video
e dati presi da sensori
e dati presi da sensori
02:46
from driving on the highway,
48
154600
2536
da situazioni di guida in autostrada
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
può davvero guidare una macchina
bene come un essere umano
bene come un essere umano
02:53
on the highway.
50
161360
1656
in autostrada.
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
E se a questa rete di deep learning
mostrassimo
mostrassimo
02:57
all the speeches made by President Trump?
52
165880
2400
tutti i discorsi tenuti
dal presidente Trump?
dal presidente Trump?
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
Allora questo Presidente Trump
artificialmente intelligente,
artificialmente intelligente,
03:05
actually the network --
54
173600
2216
o meglio la rete --
03:07
(Laughter)
55
175840
1656
(Risate)
03:09
can --
56
177520
1216
potrebbe --
03:10
(Applause)
57
178760
4056
(Applausi)
03:14
You like double oxymorons, huh?
58
182840
2336
Vi piacciono i doppi ossimori, eh?
03:17
(Laughter)
59
185200
3856
(Risate)
03:21
(Applause)
60
189080
6096
(Applausi)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
Questa rete, se le venisse richiesto
di fare un discorso sull'IA,
di fare un discorso sull'IA,
03:32
he, or it, might say --
62
200480
2640
potrebbe dire --
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
(Registrazione) Donald Trump:
è una gran cosa
è una gran cosa
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
costruire un mondo migliore
con l'intelligenza artificiale.
con l'intelligenza artificiale.
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
Kai-Fu Lee: Oppure in un'altra lingua?
03:43
DT: (Speaking Chinese)
66
211400
1816
DT: (Parla in Cinese)
03:45
(Laughter)
67
213240
1496
(Risate)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
KFL: Non sapevate parlasse cinese, vero?
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
Così il deep learning è diventata la base
nell'era della scoperta dell'IA,
nell'era della scoperta dell'IA,
03:55
and that's led by the US.
70
223160
1816
che è stata guidata dagli Stati Uniti.
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
Ma ora ci troviamo nell'era
dell'implementazione,
dell'implementazione,
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
dove ciò che importa è l'esecuzione,
la qualità del prodotto,
la velocità, i dati.
la velocità, i dati.
04:05
And that's where China comes in.
73
233840
2096
Ed ecco dove entra in gioco la Cina.
04:07
Chinese entrepreneurs,
74
235960
1576
Gli imprenditori cinesi,
04:09
who I fund as a venture capitalist,
75
237560
1896
che finanzio come venture capitalist,
04:11
are incredible workers,
76
239480
1736
sono lavoratori incredibili,
04:13
amazing work ethic.
77
241240
1936
con un'etica del lavoro incredibile.
04:15
My example in the delivery room is nothing
compared to how hard people work in China.
compared to how hard people work in China.
78
243200
5296
Il mio esempio in sala parto non è nulla
rispetto a quanto si lavori duro in Cina.
rispetto a quanto si lavori duro in Cina.
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
Per esempio, una startup provò
a rivendicare
il suo equilibrio vita-lavoro:
il suo equilibrio vita-lavoro:
04:24
"Come work for us because we are 996."
80
252240
3696
"Lavora per noi perché facciamo solo 996."
04:27
And what does that mean?
81
255960
1256
E cosa significa?
04:29
It means the work hours
of 9am to 9pm, six days a week.
of 9am to 9pm, six days a week.
82
257240
4400
Significa che si lavora dalle 9 di mattina
alle 9 di sera, per 6 giorni la settimana.
alle 9 di sera, per 6 giorni la settimana.
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
Questo a differenza di altre startup
che applicano il modello 997.
che applicano il modello 997.
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
E la qualità del prodotto cinese
è migliorata in modo consistente
è migliorata in modo consistente
04:42
in the past decade,
85
270440
1696
nello scorso decennio,
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
grazie a un ambiente
ferocemente competitivo.
ferocemente competitivo.
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
Nella Silicon Valley, gli imprenditori
competono da gentiluomini,
competono da gentiluomini,
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
un po' come nelle guerre antiche
dove ogni schieramento aveva il turno
dove ogni schieramento aveva il turno
04:58
to fire at each other.
89
286600
1256
per sparare all'altro.
04:59
(Laughter)
90
287880
1056
(Risate)
05:00
But in the Chinese environment,
91
288960
2016
Ma nell'ambiente cinese,
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
è davvero un combattimento tra gladiatori
fino alla morte.
fino alla morte.
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
In un contesto così brutale,
gli imprenditori crescono velocemente,
gli imprenditori crescono velocemente,
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
imparano come rendere i loro prodotti
migliori, alla velocità della luce,
migliori, alla velocità della luce,
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
e imparano a perfezionare
i loro business model
i loro business model
05:19
until they're impregnable.
96
307360
1400
fino a renderli perfetti.
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
Il risultato è che grandi prodotti cinesi
come WeChat e Weibo
come WeChat e Weibo
05:25
are arguably better
98
313280
1416
sono probabilmente migliori
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
degli equivalenti prodotti americani
come Facebook e Twitter.
come Facebook e Twitter.
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
E il mercato cinese
abbraccia questo cambiamento,
abbraccia questo cambiamento,
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
il cambiamento accelerato
e lo spostamento del paradigma.
e lo spostamento del paradigma.
05:38
As an example, if any of you go to China,
102
326080
2096
Per esempio, se andate in Cina,
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
vedrete che quasi tutto funziona
senza contante e carte di credito,
senza contante e carte di credito,
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
perché quello di cui tutti parliamo,
pagare col telefono,
pagare col telefono,
05:47
has become the reality in China.
105
335000
2416
è diventata una realtà in Cina.
05:49
In the last year,
106
337440
1296
Nell'ultimo anno
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
su internet mobile sono state fatte
18.8 trilioni di dollari di transazioni,
18.8 trilioni di dollari di transazioni,
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
e tutto questo grazie
alla tecnologia molto sicura
alla tecnologia molto sicura
05:59
built behind it.
109
347680
1256
con cui è realizzata.
06:00
It's even bigger than the China GDP.
110
348960
2440
È persino più grande del PIL cinese.
06:04
And this technology, you can say,
how can it be bigger than the GDP?
how can it be bigger than the GDP?
111
352120
3616
Vi chiederete: come può essere
più grande del PIL?
più grande del PIL?
06:07
Because it includes all transactions:
112
355760
1976
Perché include tutte le transazioni:
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
canali dell'ingrosso, del dettaglio,
offline, online,
offline, online,
06:13
going into a shopping mall
or going into a farmers market like this.
or going into a farmers market like this.
114
361560
5056
andare a un centro commerciale
o in un mercato contadino come questo.
o in un mercato contadino come questo.
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
La tecnologia è usata
da 700 milioni di persone
da 700 milioni di persone
06:22
to pay each other, not just merchants,
116
370040
2056
per pagarsi tra loro,
non solo a negozianti,
non solo a negozianti,
06:24
so it's peer to peer,
117
372120
1416
quindi è peer-to-peer,
06:25
and it's almost transaction-fee-free.
118
373560
2680
ed è quasi libera da commissioni.
06:29
And it's instantaneous,
119
377720
2376
Ed è istantanea,
06:32
and it's used everywhere.
120
380120
1440
ed è usata dappertutto.
06:34
And finally, the China market is enormous.
121
382320
3376
E infine, il mercato cinese è enorme.
06:37
This market is large,
122
385720
1976
Il mercato è ampio,
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
cosa che aiuta gli imprenditori
ad avere più utenti, più guadagni,
ad avere più utenti, più guadagni,
06:44
more investment, but most importantly,
124
392240
2336
più investimenti, e ancora più importante
06:46
it gives the entrepreneurs a chance
to collect a huge amount of data
to collect a huge amount of data
125
394600
4536
dà agli imprenditori la possibilità
di raccogliere una quantità enorme di dati
di raccogliere una quantità enorme di dati
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
che diventa il carburante
dei motori di IA.
dei motori di IA.
06:54
So as a result, the Chinese AI companies
127
402960
2936
Di conseguenza, le aziende cinesi di IA
06:57
have leaped ahead
128
405920
1736
hanno fatto grandi salti in avanti
06:59
so that today, the most valuable companies
129
407680
3096
così che oggi, le aziende più ricche
07:02
in computer vision, speech recognition,
130
410800
2616
di computer vision, riconoscimento vocale,
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
sintesi vocale, strumenti di traduzione
e droni
e droni
07:08
are all Chinese companies.
132
416880
1920
sono tutte aziende cinesi.
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
Così, con gli USA a condurre
l'era della scoperta
l'era della scoperta
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
e la Cina a condurre
quella dell'implementazione,
quella dell'implementazione,
07:17
we are now in an amazing age
135
425800
2256
ci troviamo ora in un'epoca straordinaria
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
dove i motori delle due superpotenze
07:23
are working together
137
431360
1680
stanno lavorando insieme
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
per portare la rivoluzione tecnologica
più veloce
più veloce
07:29
that we have ever seen as humans.
139
437640
2360
che noi umani abbiamo mai visto.
07:32
And this will bring tremendous wealth,
140
440640
2496
E questo porterà grande ricchezza,
07:35
unprecedented wealth:
141
443160
1776
una ricchezza senza precendenti:
07:36
16 trillion dollars, according to PwC,
142
444960
3896
16 trilioni di dollari, secondo PwC,
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
in termini di aumento di PIL mondiale
entro il 2030.
entro il 2030.
07:46
It will also bring immense challenges
144
454280
2616
Porterà con sé anche sfide immense
07:48
in terms of potential job replacements.
145
456920
3576
in termini di perdite di posti di lavoro.
07:52
Whereas in the Industrial Age
146
460520
2160
Mentre durante la rivoluzione industriale
07:55
it created more jobs
147
463880
1536
si sono creati più lavori
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
perché lavori manuali vennero scomposti
in lavori nelle catene di montaggio,
in lavori nelle catene di montaggio,
08:03
so more jobs were created.
149
471240
1976
quindi sono stati creati più lavori.
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
Ma l'IA rimpiazza completamente
i lavori individuali
i lavori individuali
08:10
in the assembly line with robots.
151
478200
2256
nelle catene di montaggio con robot.
08:12
And it's not just in factories,
152
480480
1936
E non solo nelle fabbriche,
08:14
but truckers, drivers
153
482440
2056
ma camionisti, guidatori,
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
e persino lavori come la televendita,
il servizio ai clienti,
il servizio ai clienti,
08:20
and hematologists as well as radiologists
155
488640
2976
ed ematologi così come radiologi
08:23
over the next 15 years
156
491640
2096
nei prossimi 15 anni
08:25
are going to be gradually replaced
157
493760
2536
saranno rimpiazzati gradualmente
08:28
by artificial intelligence.
158
496320
1440
dall'intelligenza artificiale.
08:30
And only the creative jobs --
159
498360
2056
E solo i lavori creativi,
08:32
(Laughter)
160
500440
1976
(Risate)
08:34
I have to make myself safe, right?
161
502440
2200
Mi devo mettere al sicuro, no?
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
Davvero, i lavori creativi
sono gli unici al sicuro
sono gli unici al sicuro
08:41
because AI can optimize but not create.
163
509960
3040
perché l'IA può ottimizzare ma non creare.
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
Ed ancora più serio
della perdita di lavori
della perdita di lavori
08:49
is the loss of meaning,
165
517559
1777
è la perdita di significato,
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
perché l'etica del lavoro
nell'Era Industriale
nell'Era Industriale
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
ci ha indotti a pensare che il lavoro
sia l'unica ragione per cui esistiamo,
sia l'unica ragione per cui esistiamo,
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
che il lavoro ha definito
il senso delle nostre vite.
il senso delle nostre vite.
09:03
And I was a prime and willing victim
to that type of workaholic thinking.
to that type of workaholic thinking.
169
531120
6296
E io sono stato una delle vittime
di questo pensiero lavoro-centrico
di questo pensiero lavoro-centrico
09:09
I worked incredibly hard.
170
537440
1616
Ho lavorato davvero duro.
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
Per questo motivo ho quasi lasciato
mia moglie in sala parto,
mia moglie in sala parto,
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
per questo ho lavorato in modalità 996
insieme ai miei imprenditori.
insieme ai miei imprenditori.
09:18
And that obsession that I had with work
173
546880
4416
E quell'ossessione che ho avuto nel lavoro
09:23
ended abruptly a few years ago
174
551320
3056
è finita d'improvviso pochi anni fa
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
dopo una diagnosi
di linfoma al quarto stadio.
di linfoma al quarto stadio.
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
La tomografia mostra qui
più di 20 tumori maligni
più di 20 tumori maligni
09:35
jumping out like fireballs,
177
563640
2176
venuti fuori come meteore
09:37
melting away my ambition.
178
565840
2576
a far dissolvere la mia ambizione.
09:40
But more importantly,
179
568440
1456
E cosa ancora più importante,
09:41
it helped me reexamine my life.
180
569920
2736
mi ha aiutato a riesaminare la mia vita.
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
Sapere che avrei potuto vivere
solo per pochi mesi
solo per pochi mesi
09:47
caused me to see how foolish it was
182
575800
2936
mi ha portato a vedere quanto folle fossi
09:50
for me to base my entire self-worth
183
578760
3576
a basare tutta la mia autostima
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
su quanto duro lavorassi
e sui risultati del mio duro lavoro.
e sui risultati del mio duro lavoro.
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
Le mie priorità
erano totalmente sbagliate.
erano totalmente sbagliate.
10:02
I neglected my family.
186
590320
1600
Ho trascurato la mia famiglia.
10:05
My father had passed away,
187
593000
1416
Mio padre era morto,
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
e non ho avuto mai possibilità di dirgli
"ti voglio bene".
"ti voglio bene".
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
Mia madre affetta da demenza
non mi riconosceva più.
non mi riconosceva più.
10:13
and my children had grown up.
190
601880
1920
e i miei figli erano cresciuti.
10:16
During my chemotherapy,
191
604400
1656
Durante la mia chemioterapia,
10:18
I read a book by Bronnie Ware
192
606080
2456
ho letto un libro di Bronnie Ware
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
che parlava degli ultimi desideri
e rimpianti di persone sul letto di morte.
e rimpianti di persone sul letto di morte.
10:26
She found that facing death,
194
614080
2256
Ha scoperto che di fronte alla morte,
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
nessuno rimpiangeva di non aver lavorato
abbastanza nella propria vita.
abbastanza nella propria vita.
10:32
They only regretted that they didn't
spend enough time with their loved ones
spend enough time with their loved ones
196
620880
5176
Ma piuttosto il non aver speso
tempo sufficiente insieme ai propri cari
tempo sufficiente insieme ai propri cari
10:38
and that they didn't spread their love.
197
626080
2760
e di non aver dato amore.
10:42
So I am fortunately today in remission.
198
630400
4536
Per fortuna oggi
sono in fase di remissione.
sono in fase di remissione.
10:46
(Applause)
199
634960
6856
(Applausi)
10:53
So I can be back at TED again
200
641840
1976
Così posso tornare ancora al TED
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
per condividere con voi
i miei cambiamenti.
i miei cambiamenti.
10:59
I now only work 965 --
202
647240
2760
Adesso lavoro solo 8 ore
per 5 giorni la settimana.
per 5 giorni la settimana.
11:03
occasionally 996, but usually 965.
203
651200
3976
Solo occasionalmente seguo il 996,
ma quasi sempre 965.
ma quasi sempre 965.
11:07
I moved closer to my mother,
204
655200
1896
Mi sono spostato vicino a mia madre,
11:09
my wife usually travels with me,
205
657120
2456
mia moglie di solito viaggia con me,
11:11
and when my kids have vacation,
if they don't come home, I go to them.
if they don't come home, I go to them.
206
659600
3816
e quando i miei ragazzi sono in vacanza,
se non tornano a casa, io vado da loro.
se non tornano a casa, io vado da loro.
11:15
So it's a new form of life
207
663440
2456
È una nuova vita
11:17
that helped me recognize
208
665920
1816
che mi ha aiutato a riconoscere
11:19
how important it is that love is for me,
209
667760
3176
quanto importante sia l'amore per me,
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
e avere di fronte la morte
mi ha aiutato a cambiare la mia vita,
mi ha aiutato a cambiare la mia vita,
11:26
but it also helped me see a new way
211
674400
2456
e mi ha anche aiutato
a guardare in nuovi modi
a guardare in nuovi modi
11:28
of how AI should impact mankind
212
676880
3776
come l'IA dovrebbe avere impatto
sul genere umano
sul genere umano
11:32
and work and coexist with mankind,
213
680680
2480
e lavorare e coesistere
insieme al genere umano,
insieme al genere umano,
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
perché davvero l'IA porterà via
tanti lavori ripetitivi,
tanti lavori ripetitivi,
11:41
but routine jobs are not what we're about.
215
689200
3656
ma i lavori ripetitivi non rappresentano
ciò che davvero siamo.
ciò che davvero siamo.
11:44
Why we exist is love.
216
692880
2256
Esistiamo per amore.
11:47
When we hold our newborn baby,
217
695160
2096
Quando teniamo in braccio un neonato,
11:49
love at first sight,
218
697280
1496
l'amore a prima vista,
11:50
or when we help someone in need,
219
698800
1776
quando aiutiamo chi ne ha bisogno,
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
gli uomini sono capaci di dare e ricevere
amore in modo unico,
amore in modo unico,
11:56
and that's what differentiates us from AI.
221
704880
2800
e questo è ciò che ci differenzia dall'IA.
12:00
Despite what science fiction may portray,
222
708800
2696
A differenza di ciò
che la fantascienza mostra
che la fantascienza mostra
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
posso dirvi responsabilmente
che l'IA non ha amore.
che l'IA non ha amore.
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
Quando AlphaGo ha sconfitto
il campione del mondo Ke Jie,
il campione del mondo Ke Jie,
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
mentre Ke Jie piangeva
e amava il gioco del Go,
e amava il gioco del Go,
12:13
AlphaGo felt no happiness from winning
226
721960
3176
AlphaGo non ha provato felicità
nel vincere
nel vincere
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
e di certo nessun desiderio
di abbracciare una persona amata.
di abbracciare una persona amata.
12:23
So how do we differentiate ourselves
228
731600
2656
Quindi come ci differenziamo
12:26
as humans in the age of AI?
229
734280
2536
come umani nell'età dell'IA?
12:28
We talked about the axis of creativity,
230
736840
3096
Abbiamo parlato dell'asse della creatività
12:31
and certainly that is one possibility,
231
739960
2856
e di certo questa è una possibilità,
12:34
and now we introduce a new axis
232
742840
2296
ora possiamo introdurre un nuovo asse
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
che chiameremo compassione,
amore o empatia.
amore o empatia.
12:40
Those are things that AI cannot do.
234
748800
2576
Tutte cose che l'IA non può avere.
12:43
So as AI takes away the routine jobs,
235
751400
2816
Così mentre l'AI porterà via
i lavori ripetitivi,
i lavori ripetitivi,
12:46
I like to think we can, we should
and we must create jobs of compassion.
and we must create jobs of compassion.
236
754240
4960
mi piace pensare che potremo e dovremo
creare lavori di compassione.
creare lavori di compassione.
12:51
You might ask how many of those there are,
237
759800
2336
Potreste chiedervi quanti ce ne siano,
12:54
but I would ask you:
238
762160
1616
ma vi chiederei a mia volta:
12:55
Do you not think that we are going
to need a lot of social workers
to need a lot of social workers
239
763800
3816
non pensate che avremo bisogno
di tantissimi lavoratori sociali
di tantissimi lavoratori sociali
12:59
to help us make this transition?
240
767640
1600
per aiutarci in questo passaggio?
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
Non pensate che avremo bisogno
di badanti pieni di compassione
di badanti pieni di compassione
13:05
to give more medical care to more people?
242
773240
2696
per dare più cure mediche a più persone?
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
Non pensate che avremo bisogno
di decuplicare i nostri insegnanti
di decuplicare i nostri insegnanti
13:11
to help our children find their way
244
779240
2776
per aiutare i nostri bambini
a trovare il modo
a trovare il modo
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
per sopravvivere e prosperare
in questo nuovo mondo?
in questo nuovo mondo?
13:17
And with all the newfound wealth,
246
785320
2440
E con tutta questa nuova ricchezza,
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
non si dovrebbero trasformare
i lavori d'amore in carriere
i lavori d'amore in carriere
13:24
and let elderly accompaniment
248
792360
2696
e lasciare
che l'accompagnamento agli anziani
che l'accompagnamento agli anziani
13:27
or homeschooling become careers also?
249
795080
3496
o che l'insegnamento in casa
diventino anch'essi dei lavori?
diventino anch'essi dei lavori?
13:30
(Applause)
250
798600
5280
(Applausi)
13:36
This graph is surely not perfect,
251
804800
2256
Il grafico non è certamente perfetto,
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
ma mostra quattro modi
con cui possiamo lavora con l'IA.
con cui possiamo lavora con l'IA.
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
L'IA arriverà e porterà via
i lavori ripetitivi
i lavori ripetitivi
13:46
and in due time, we will be thankful.
254
814240
2040
e a tempo debito, ne saremo riconoscenti.
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
L'IA diventerà un grande strumento
per i creativi
per i creativi
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
così che scienziati, artisti,
musicisti e scrittori
musicisti e scrittori
13:55
can be even more creative.
257
823800
1600
potranno essere più creativi.
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
L'IA lavorerà con gli umani
come strumento analitico
come strumento analitico
14:03
that humans can wrap their warmth around
259
831520
2696
a cui gli uomini potranno aggiungere
il loro calore
il loro calore
14:06
for the high-compassion jobs.
260
834240
1896
per lavori ad alta compassione.
14:08
And we can always differentiate ourselves
261
836160
2656
E possiamo sempre differenziarci
14:10
with the uniquely capable jobs
262
838840
1816
con quei lavori unici
14:12
that are both compassionate and creative,
263
840680
3616
che richiedono
sia compassione che creatività,
sia compassione che creatività,
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
usando e facendo leva
sui nostri insostituibili cervelli e cuori.
sui nostri insostituibili cervelli e cuori.
14:21
So there you have it:
265
849520
1296
Quindi ecco a voi:
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
un modello per la coesistenza
di umani e IA.
di umani e IA.
14:27
AI is serendipity.
267
855400
1816
L'IA è la nostra fortuna inattesa.
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
È qui per liberarci dai nostri lavori
più noiosi,
più noiosi,
14:32
and it is here to remind us
what it is that makes us human.
what it is that makes us human.
269
860240
3680
ed è qui per ricordarci
cosa ci rende umani.
cosa ci rende umani.
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
Quindi scegliamo di abbracciare l'IA
e di amarci l'un l'altro.
e di amarci l'un l'altro.
14:40
Thank you.
271
868440
1216
Grazie.
14:41
(Applause)
272
869680
6160
(Applausi)
ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientistAt Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies.
Why you should listen
Dr. Kai-Fu Lee has a unique perspective on the global technology industry, having worked extensively between the US and China, and has been in artificial intelligence research, development and investment for more than 30 years. He is one of China's top technology investors, undertaking early pioneering work in the field of artificial intelligence and working with multiple US technology giants.
Lee is the Chairman and CEO of Sinovation Ventures, managing a $1.7 billion dual-currency investment fund. Sinovation is a leading technology-savvy investment firm focusing on developing Chinese high-tech companies. Lee also serves as president of the Sinovation Ventures Artificial Intelligence Institute.
Prior to founding Sinovation in 2009, Lee was the President of Google China. Previously, he held executive positions at Microsoft, SGI and Apple. He is a Fellow of the Institute of Electrical and Electronics Engineers (IEEE), and he was Vice Chairman of the Committee of 100 and named one of the 100 most influential people in the world by TIME Magazine. He is the author of seven best-selling books in Chinese, launching his new book AI Superpowers internationally in fall 2018, and has over 50 million followers on social media.
In the field of artificial intelligence, Lee founded Microsoft Research China, which was named as the hottest research lab by MIT Technology Review. Later renamed Microsoft Research Asia, this institute has trained the great majority of AI leaders in China, including CTOs or AI heads at Baidu, Tencent, Alibaba, Lenovo, Huawei and Haier. While with Apple, Lee led AI projects in speech and natural language, which appeared on Good Morning America on ABC Television and the front page of The Wall Street Journal. He has authored 10 US patents, and more than 100 journal and conference papers.
Kai-Fu Lee | Speaker | TED.com