TEDSummit
Kevin Kelly: How AI can bring on a second Industrial Revolution
Kevin Kelly: Jak AI może doprowadzić do drugiej rewolucji przemysłowej
Filmed:
Readability: 3.8
1,739,624 views
„Ścieżka, jaką pokonuje spadająca kropla jest nieprzewidywalna, ale ogólny kierunek jest ściśle określony”, mówi cyfrowy wizjoner, Kevin Kelly. Z technologią jest podobnie. Kieruje się wzorami, które zaskakują, choć są ściśle określone. Jego zdaniem przez kolejne 20 lat nasze upodobanie do tworzenia rzeczy bardziej smart wpłynie na wszystko, co robimy. Kelly odkrywa przed nami trzy trendy AI, które musimy pojąć, by mieć wpływ na jej rozwój. „Najpopularniejszy produkt związany z AI, z którego za 20 lat wszyscy będą korzystać, nie został jeszcze wynaleziony”, mówi Kelly. „To oznacza, że nie jest dla was za późno”.
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:14
I'm going to talk a little bit
about where technology's going.
about where technology's going.
0
2966
3817
Opowiem dziś o tym,
dokąd zmierza technologia.
dokąd zmierza technologia.
00:19
And often technology comes to us,
1
7509
2671
Technologia często pojawia się
00:22
we're surprised by what it brings.
2
10566
1865
i jest dla nas zaskoczeniem.
00:24
But there's actually
a large aspect of technology
a large aspect of technology
3
12455
3683
Mimo to wiele jej przejawów
00:28
that's much more predictable,
4
16162
1802
da się przewidzieć,
00:29
and that's because technological systems
of all sorts have leanings,
of all sorts have leanings,
5
17988
4088
bo wszelkie systemy technologiczne
posiadają skłonności,
posiadają skłonności,
00:34
they have urgencies,
6
22100
1175
potrzeby
00:35
they have tendencies.
7
23299
1561
oraz tendencje.
00:36
And those tendencies are derived
from the very nature of the physics,
from the very nature of the physics,
8
24884
4932
Wywodzą się one z samej natury fizyki,
00:41
chemistry of wires
and switches and electrons,
and switches and electrons,
9
29840
3150
chemii przewodów,
przełączników oraz elektronów,
przełączników oraz elektronów,
00:45
and they will make reoccurring
patterns again and again.
patterns again and again.
10
33659
3602
które bez przerwy tworzą
powtarzalne wzory.
powtarzalne wzory.
00:49
And so those patterns produce
these tendencies, these leanings.
these tendencies, these leanings.
11
37745
4874
Źródłem tych tendencji i skłonności
są właśnie takie wzory.
są właśnie takie wzory.
00:54
You can almost think of it
as sort of like gravity.
as sort of like gravity.
12
42643
2831
Można to nawet uznać za rodzaj grawitacji.
00:57
Imagine raindrops falling into a valley.
13
45498
2319
Wyobraźcie sobie krople wody
spadające do doliny.
spadające do doliny.
00:59
The actual path of a raindrop
as it goes down the valley
as it goes down the valley
14
47841
3088
Ścieżka, jaką pokonuje spadająca kropla
01:02
is unpredictable.
15
50953
1169
jest nieprzewidywalna.
01:04
We cannot see where it's going,
16
52651
1518
Nie widzimy, dokąd zmierza,
01:06
but the general direction
is very inevitable:
is very inevitable:
17
54193
2277
ale ogólny kierunek jest ściśle określony:
01:08
it's downward.
18
56494
1234
w dół.
01:10
And so these baked-in
tendencies and urgencies
tendencies and urgencies
19
58377
4572
Ustalone tendencje i potrzeby
01:14
in technological systems
20
62973
1476
w systemach technologicznych
01:17
give us a sense of where things
are going at the large form.
are going at the large form.
21
65051
3609
wskazują kierunek,
w którym wszystko zmierza.
w którym wszystko zmierza.
01:21
So in a large sense,
22
69149
1401
Mówiąc ogólnie,
01:22
I would say that telephones
were inevitable,
were inevitable,
23
70574
3361
telefony były nieuniknione,
01:27
but the iPhone was not.
24
75005
1342
ale iPhone'y nie.
01:29
The Internet was inevitable,
25
77094
1478
Internet był nieunikniony,
01:31
but Twitter was not.
26
79274
1286
ale Twitter nie.
01:33
So we have many ongoing
tendencies right now,
tendencies right now,
27
81036
3928
Obecnie pojawia się wiele
różnych tendencji
różnych tendencji
01:36
and I think one of the chief among them
28
84988
2720
i uważam, że prym wiedzie
01:39
is this tendency to make things
smarter and smarter.
smarter and smarter.
29
87732
3722
tendencja do tworzenia rzeczy
bardziej smart.
bardziej smart.
01:44
I call it cognifying -- cognification --
30
92041
2212
Ja nazywam to dostrajaniem, kognifikacją,
01:46
also known as artificial
intelligence, or AI.
intelligence, or AI.
31
94783
2782
ale nazywa się to także sztuczną
inteligencją, inaczej AI.
inteligencją, inaczej AI.
01:50
And I think that's going to be one
of the most influential developments
of the most influential developments
32
98025
3746
Myślę, że będzie to jednym
z najważniejszych czynników postępu
z najważniejszych czynników postępu
01:53
and trends and directions and drives
in our society in the next 20 years.
in our society in the next 20 years.
33
101795
5575
i wiodącym trendem w naszym
społeczeństwie przez kolejne 20 lat.
społeczeństwie przez kolejne 20 lat.
02:00
So, of course, it's already here.
34
108021
1985
Oczywiście już dziś jest obecna.
02:02
We already have AI,
35
110030
2204
Mamy już sztuczną inteligencję,
02:04
and often it works in the background,
36
112258
2398
funkcjonuje często gdzieś na uboczu,
02:06
in the back offices of hospitals,
37
114680
1586
w szpitalnych biurach,
02:08
where it's used to diagnose X-rays
better than a human doctor.
better than a human doctor.
38
116290
4686
gdzie analizuje prześwietlenia
lepiej niż lekarze.
lepiej niż lekarze.
02:13
It's in legal offices,
39
121000
1726
Jest obecna w kancelariach prawnych,
02:14
where it's used to go
through legal evidence
through legal evidence
40
122750
2368
gdzie sprawdza dowody
02:17
better than a human paralawyer.
41
125142
1855
lepiej niż wykształcona osoba.
02:19
It's used to fly the plane
that you came here with.
that you came here with.
42
127506
3656
Jest obecna w samolotach,
którymi tutaj przylecieliście.
którymi tutaj przylecieliście.
02:24
Human pilots only flew it
seven to eight minutes,
seven to eight minutes,
43
132165
2381
Piloci sterowali tylko
siedem czy osiem minut,
siedem czy osiem minut,
02:26
the rest of the time the AI was driving.
44
134570
1953
przez resztę czasu sterowało AI.
02:28
And of course, in Netflix and Amazon,
45
136547
2173
I oczywiście w Netflix i Amazon
02:30
it's in the background,
making those recommendations.
making those recommendations.
46
138744
2530
to AI podaje w tle rekomendacje.
Tak to wygląda obecnie.
02:33
That's what we have today.
47
141298
1261
02:34
And we have an example, of course,
in a more front-facing aspect of it,
in a more front-facing aspect of it,
48
142583
4801
Istnieje też prostszy przykład,
02:39
with the win of the AlphaGo, who beat
the world's greatest Go champion.
the world's greatest Go champion.
49
147408
6629
AlphaGo, który pokonał
mistrza świata w Go.
mistrza świata w Go.
02:46
But it's more than that.
50
154478
4053
Ale to nie wszystko.
02:50
If you play a video game,
you're playing against an AI.
you're playing against an AI.
51
158555
2642
Jeżeli gracie w grę komputerową,
gracie przeciwko AI.
gracie przeciwko AI.
02:53
But recently, Google taught their AI
52
161221
4538
Ostatnio Google nauczył swoją AI,
02:57
to actually learn how to play video games.
53
165783
2412
jak nauczyć się grać w gry wideo.
03:00
Again, teaching video games
was already done,
was already done,
54
168686
2709
Uczenie gier komputerowych już było,
03:03
but learning how to play
a video game is another step.
a video game is another step.
55
171419
3897
ale uczenie się, jak grać to kolejny krok.
03:07
That's artificial smartness.
56
175340
1678
To sztuczny rodzaj bystrości.
03:10
What we're doing is taking
this artificial smartness
this artificial smartness
57
178571
4522
Staramy się taką sztuczną bystrość
03:15
and we're making it smarter and smarter.
58
183117
2423
uczynić coraz bystrzejszą.
03:18
There are three aspects
to this general trend
to this general trend
59
186710
3895
Trzy aspekty tego ogólnego trendu
03:22
that I think are underappreciated;
60
190629
1689
są według mnie niedoceniane.
03:24
I think we would understand
AI a lot better
AI a lot better
61
192342
2277
Myślę, że zrozumielibyśmy AI dużo lepiej,
03:26
if we understood these three things.
62
194643
2301
gdybyśmy zrozumieli te trzy sprawy.
03:28
I think these things also would
help us embrace AI,
help us embrace AI,
63
196968
3283
Według mnie mogą one pomóc pojąć AI,
03:32
because it's only by embracing it
that we actually can steer it.
that we actually can steer it.
64
200275
3008
a tylko wtedy będziemy mogli nią sterować.
03:35
We can actually steer the specifics
by embracing the larger trend.
by embracing the larger trend.
65
203887
3157
Zrozumienie trendu daje nam kontrolę
nad poszczególnymi aspektami.
nad poszczególnymi aspektami.
03:39
So let me talk about
those three different aspects.
those three different aspects.
66
207467
2979
Pozwólcie, że przytoczę te trzy aspekty.
03:42
The first one is: our own intelligence
has a very poor understanding
has a very poor understanding
67
210470
3673
Pierwszy: nasza własna inteligencja
ma niewielkie pojęcie o tym,
ma niewielkie pojęcie o tym,
03:46
of what intelligence is.
68
214167
1490
czym jest inteligencja.
03:48
We tend to think of intelligence
as a single dimension,
as a single dimension,
69
216110
3653
Myślimy o inteligencji w jednym wymiarze,
03:51
that it's kind of like a note
that gets louder and louder.
that gets louder and louder.
70
219787
2750
że jest to melodia zmieniająca głośność.
03:54
It starts like with IQ measurement.
71
222561
2607
Punktem wyjścia jest mierzenie IQ.
03:57
It starts with maybe a simple
low IQ in a rat or mouse,
low IQ in a rat or mouse,
72
225192
4092
Zaczyna się od niskiego
IQ szczura lub myszy,
IQ szczura lub myszy,
04:01
and maybe there's more in a chimpanzee,
73
229308
2134
może więcej ma szympans,
04:03
and then maybe there's more
in a stupid person,
in a stupid person,
74
231887
2191
a jakaś głupia osoba ma jeszcze więcej.
04:06
and then maybe an average
person like myself,
person like myself,
75
234102
2096
Potem jest taki przeciętniak jak ja,
04:08
and then maybe a genius.
76
236222
1290
a dalej może geniusz.
04:09
And this single IQ intelligence
is getting greater and greater.
is getting greater and greater.
77
237536
4433
Ta miara pojedynczej inteligencji
staje się coraz większa.
staje się coraz większa.
04:14
That's completely wrong.
78
242516
1151
To błąd.
04:15
That's not what intelligence is --
not what human intelligence is, anyway.
not what human intelligence is, anyway.
79
243691
3608
Nie na tym polega inteligencja,
na pewno nie ludzka.
na pewno nie ludzka.
04:19
It's much more like a symphony
of different notes,
of different notes,
80
247673
4506
Bliżej jej do symfonii różnych dźwięków,
04:24
and each of these notes is played
on a different instrument of cognition.
on a different instrument of cognition.
81
252203
3609
a każdy z nich odgrywany jest
na innym instrumencie poznawczym.
na innym instrumencie poznawczym.
04:27
There are many types
of intelligences in our own minds.
of intelligences in our own minds.
82
255836
3701
W naszych umysłach jest
wiele typów inteligencji.
wiele typów inteligencji.
04:31
We have deductive reasoning,
83
259561
3048
Mamy dedukcję,
04:34
we have emotional intelligence,
84
262633
2221
inteligencję emocjonalną,
04:36
we have spatial intelligence;
85
264878
1393
inteligencję przestrzenną.
04:38
we have maybe 100 different types
that are all grouped together,
that are all grouped together,
86
266295
4021
Mamy chyba 100 różnych rodzajów,
które są razem pogrupowane
które są razem pogrupowane
04:42
and they vary in different strengths
with different people.
with different people.
87
270340
3905
i u każdej osoby mają inną siłę.
04:46
And of course, if we go to animals,
they also have another basket --
they also have another basket --
88
274269
4526
Oczywiście zwierzęta
dysponują innym pakietem,
dysponują innym pakietem,
04:50
another symphony of different
kinds of intelligences,
kinds of intelligences,
89
278819
2541
inną symfonią różnych
rodzajów inteligencji.
rodzajów inteligencji.
04:53
and sometimes those same instruments
are the same that we have.
are the same that we have.
90
281384
3566
Czasem są to te same instrumenty co u nas.
04:56
They can think in the same way,
but they may have a different arrangement,
but they may have a different arrangement,
91
284974
3561
Potrafią myśleć w ten sam sposób,
ale mają inny układ
ale mają inny układ
05:00
and maybe they're higher
in some cases than humans,
in some cases than humans,
92
288559
2467
i może w niektórych przypadkach
prześcigają ludzi,
prześcigają ludzi,
05:03
like long-term memory in a squirrel
is actually phenomenal,
is actually phenomenal,
93
291050
2837
na przykład pamięć długotrwała
u wiewiórki jest fenomenalna,
u wiewiórki jest fenomenalna,
05:05
so it can remember
where it buried its nuts.
where it buried its nuts.
94
293911
2287
dlatego pamięta, gdzie zakopała orzechy.
05:08
But in other cases they may be lower.
95
296222
1987
Niekiedy zaś inteligencja bywa niższa.
05:10
When we go to make machines,
96
298233
2730
Przechodząc do budowy maszyn,
05:12
we're going to engineer
them in the same way,
them in the same way,
97
300987
2196
odbywa się to w podobny sposób.
05:15
where we'll make some of those types
of smartness much greater than ours,
of smartness much greater than ours,
98
303207
5010
Sprawiamy, że niektóre typy inteligencji
przewyższają naszą,
przewyższają naszą,
05:20
and many of them won't be
anywhere near ours,
anywhere near ours,
99
308241
2571
a niektóre w ogóle jej nie dorównują,
05:22
because they're not needed.
100
310836
1544
bo nie są potrzebne.
05:24
So we're going to take these things,
101
312404
2203
Bierzemy te elementy,
05:26
these artificial clusters,
102
314631
2081
te sztuczne zbitki,
05:28
and we'll be adding more varieties
of artificial cognition to our AIs.
of artificial cognition to our AIs.
103
316736
5362
i dodajemy do naszego AI
kolejne stopnie zróżnicowania,
kolejne stopnie zróżnicowania,
05:34
We're going to make them
very, very specific.
very, very specific.
104
322507
4071
żeby jak najbardziej ją wyspecjalizować.
05:38
So your calculator is smarter
than you are in arithmetic already;
than you are in arithmetic already;
105
326602
6542
Twój kalkulator jest mądrzejszy niż ty
kiedykolwiek byłeś w arytmetyce.
kiedykolwiek byłeś w arytmetyce.
05:45
your GPS is smarter
than you are in spatial navigation;
than you are in spatial navigation;
106
333168
3697
Twój GPS jest mądrzejszy niż ty
w nawigacji przestrzennej.
w nawigacji przestrzennej.
05:49
Google, Bing, are smarter
than you are in long-term memory.
than you are in long-term memory.
107
337337
4258
Google i Bing mają lepszą
pamięć długotrwałą niż twoja.
pamięć długotrwałą niż twoja.
05:54
And we're going to take, again,
these kinds of different types of thinking
these kinds of different types of thinking
108
342339
4530
Weźmy teraz te wszystkie sposoby myślenia
05:58
and we'll put them into, like, a car.
109
346893
1933
i wyposażmy w nie na przykład samochód,
06:00
The reason why we want to put them
in a car so the car drives,
in a car so the car drives,
110
348850
3057
a robimy to dlatego,
06:03
is because it's not driving like a human.
111
351931
2302
że samochód porusza się
inaczej niż człowiek.
inaczej niż człowiek.
06:06
It's not thinking like us.
112
354257
1396
Ma inny sposób myślenia.
06:07
That's the whole feature of it.
113
355677
1920
To jest jego główną cechą.
06:09
It's not being distracted,
114
357621
1535
Nie jest rozkojarzony,
06:11
it's not worrying about whether
it left the stove on,
it left the stove on,
115
359180
2754
nie martwi się o to,
czy zostawił włączony gaz
czy zostawił włączony gaz
06:13
or whether it should have
majored in finance.
majored in finance.
116
361958
2138
ani o to, czy zrobić magistra z ekonomii.
06:16
It's just driving.
117
364120
1153
Po prostu jedzie.
06:17
(Laughter)
118
365297
1142
(Śmiech)
06:18
Just driving, OK?
119
366463
1841
On tylko jedzie!
06:20
And we actually might even
come to advertise these
come to advertise these
120
368328
2937
To może stać się jego hasłem reklamowym:
06:23
as "consciousness-free."
121
371289
1545
"Pozbawiony świadomości".
06:24
They're without consciousness,
122
372858
1774
One nie mają świadomości,
06:26
they're not concerned about those things,
123
374656
2104
nie przejmują się sprawami
życia codziennego,
życia codziennego,
06:28
they're not distracted.
124
376784
1156
nie są rozkojarzone.
06:29
So in general, what we're trying to do
125
377964
2966
Ogólnie mówiąc, zmierzamy do tego,
06:32
is make as many different
types of thinking as we can.
types of thinking as we can.
126
380954
4500
żeby stworzyć jak najwięcej
różnych sposobów myślenia.
różnych sposobów myślenia.
06:37
We're going to populate the space
127
385804
2083
Chcemy zaludnić przestrzeń
06:39
of all the different possible types,
or species, of thinking.
or species, of thinking.
128
387911
4159
myśleniem wszelkiego typu i gatunku.
06:44
And there actually may be some problems
129
392094
2068
Mogą pojawić się problemy
06:46
that are so difficult
in business and science
in business and science
130
394186
2800
w biznesie lub nauce,
tak trudne do rozwiązania,
tak trudne do rozwiązania,
06:49
that our own type of human thinking
may not be able to solve them alone.
may not be able to solve them alone.
131
397010
4042
że nasze ludzkie myślenie
nie poradzi sobie z nimi.
nie poradzi sobie z nimi.
06:53
We may need a two-step program,
132
401076
1992
Możemy potrzebować dwuetapowego programu,
06:55
which is to invent new kinds of thinking
133
403092
4203
który przyniesie nowe rodzaje myślenia,
06:59
that we can work alongside of to solve
these really large problems,
these really large problems,
134
407692
3734
żebyśmy mogli razem z AI wypracowywać
rozwiązania dla tak rozległych zagadnień
rozwiązania dla tak rozległych zagadnień
07:03
say, like dark energy or quantum gravity.
135
411450
2918
jak na przykład ciemna energia
lub grawitacja kwantowa.
lub grawitacja kwantowa.
07:08
What we're doing
is making alien intelligences.
is making alien intelligences.
136
416496
2646
Tworzymy pozaziemską inteligencję.
07:11
You might even think of this
as, sort of, artificial aliens
as, sort of, artificial aliens
137
419166
4069
Możemy to nawet porównać
do sztucznych obcych,
do sztucznych obcych,
07:15
in some senses.
138
423259
1207
w pewnym sensie.
07:16
And they're going to help
us think different,
us think different,
139
424490
2300
Pomogą nam myśleć w inny sposób,
07:18
because thinking different
is the engine of creation
is the engine of creation
140
426814
3632
a takie myślenie
jest siłą napędową tworzenia,
jest siłą napędową tworzenia,
07:22
and wealth and new economy.
141
430470
1867
bogactwa oraz nowej ekonomii.
07:25
The second aspect of this
is that we are going to use AI
is that we are going to use AI
142
433835
4923
Kolejnym aspektem jest to,
że AI posłuży nam w zasadzie
że AI posłuży nam w zasadzie
07:30
to basically make a second
Industrial Revolution.
Industrial Revolution.
143
438782
2950
do przeprowadzenia
drugiej rewolucji przemysłowej.
drugiej rewolucji przemysłowej.
07:34
The first Industrial Revolution
was based on the fact
was based on the fact
144
442135
2773
Pierwsza rewolucja przemysłowa
opierała się na tym,
opierała się na tym,
07:36
that we invented something
I would call artificial power.
I would call artificial power.
145
444932
3462
że wymyśliliśmy coś, co określiłbym
jako sztuczna potęga.
jako sztuczna potęga.
07:40
Previous to that,
146
448879
1150
Poprzedzała ją rewolucja agrarna,
07:42
during the Agricultural Revolution,
147
450053
2034
07:44
everything that was made
had to be made with human muscle
had to be made with human muscle
148
452111
3702
podczas której wszystko było wytwarzane
siłą ludzkich mięśni
siłą ludzkich mięśni
07:47
or animal power.
149
455837
1307
lub przy użyciu zwierząt.
07:49
That was the only way
to get anything done.
to get anything done.
150
457565
2063
Wszystko dało się zrobić
tylko tym sposobem.
tylko tym sposobem.
07:51
The great innovation during
the Industrial Revolution was,
the Industrial Revolution was,
151
459652
2945
Wielką nowością podczas
rewolucji przemysłowej było
rewolucji przemysłowej było
07:54
we harnessed steam power, fossil fuels,
152
462621
3109
zaprzęgnięcie mocy parowej
i paliw kopalnych
i paliw kopalnych
07:57
to make this artificial power
that we could use
that we could use
153
465754
3856
do wytworzenia sztucznej energii,
którą mogliśmy
wykorzystać w dowolnym celu.
wykorzystać w dowolnym celu.
08:01
to do anything we wanted to do.
154
469634
1669
08:03
So today when you drive down the highway,
155
471327
2772
Dlatego dziś jadąc autostradą,
08:06
you are, with a flick of the switch,
commanding 250 horses --
commanding 250 horses --
156
474571
4525
można za pomocą jednego przycisku
zarządzać mocą 250 koni,
zarządzać mocą 250 koni,
08:11
250 horsepower --
157
479120
1572
250 koni mechanicznych,
08:12
which we can use to build skyscrapers,
to build cities, to build roads,
to build cities, to build roads,
158
480716
4692
które da się użyć do budowy
wieżowców, miast, dróg,
wieżowców, miast, dróg,
08:17
to make factories that would churn out
lines of chairs or refrigerators
lines of chairs or refrigerators
159
485432
5789
fabryk, które taśmowo wypuszczają
krzesła albo kaloryfery.
krzesła albo kaloryfery.
08:23
way beyond our own power.
160
491245
1654
My takiej mocy nie posiadamy.
08:24
And that artificial power can also
be distributed on wires on a grid
be distributed on wires on a grid
161
492923
6111
Ta sztuczna energia może być także
transportowana przez sieć elektryczną
transportowana przez sieć elektryczną
08:31
to every home, factory, farmstead,
162
499058
3199
do każdego domu, fabryki lub gospodarstwa
08:34
and anybody could buy
that artificial power,
that artificial power,
163
502281
4191
i każdy może ją kupić,
poprzez podpięcie się do sieci.
08:38
just by plugging something in.
164
506496
1472
08:39
So this was a source
of innovation as well,
of innovation as well,
165
507992
2439
To też było źródłem innowacji,
08:42
because a farmer could take
a manual hand pump,
a manual hand pump,
166
510455
3418
bo rolnik mógł do ręcznie
obsługiwanej pompy
obsługiwanej pompy
08:45
and they could add this artificial
power, this electricity,
power, this electricity,
167
513897
2916
dodać tej sztucznej mocy, elektryczności,
08:48
and he'd have an electric pump.
168
516837
1497
i miał pompę elektryczną.
08:50
And you multiply that by thousands
or tens of thousands of times,
or tens of thousands of times,
169
518358
3318
Pomnóżmy to tysiące
albo dziesiątki tysięcy razy
albo dziesiątki tysięcy razy
08:53
and that formula was what brought us
the Industrial Revolution.
the Industrial Revolution.
170
521700
3159
i powstanie wzór, który przyniósł nam
rewolucję przemysłową.
rewolucję przemysłową.
08:56
All the things that we see,
all this progress that we now enjoy,
all this progress that we now enjoy,
171
524883
3585
Wszystko, co widzimy, cały postęp,
którym możemy się cieszyć
którym możemy się cieszyć
09:00
has come from the fact
that we've done that.
that we've done that.
172
528492
2063
jest efektem tych naszych dokonań.
09:02
We're going to do
the same thing now with AI.
the same thing now with AI.
173
530579
2348
To samo uczynimy teraz
ze sztuczną inteligencją.
ze sztuczną inteligencją.
09:04
We're going to distribute that on a grid,
174
532951
2075
Będziemy rozprowadzać ją przez sieć.
09:07
and now you can take that electric pump.
175
535050
2374
Tym razem biorąc elektryczną pompę,
09:09
You can add some artificial intelligence,
176
537448
2968
dodamy trochę sztucznej inteligencji
09:12
and now you have a smart pump.
177
540440
1481
i będziemy mieli "smartpompę".
09:13
And that, multiplied by a million times,
178
541945
1928
A zjawisko to pomnożone miliony razy
09:15
is going to be this second
Industrial Revolution.
Industrial Revolution.
179
543897
2363
będzie drugą rewolucją przemysłową.
09:18
So now the car is going down the highway,
180
546284
2382
Samochód jadący autostradą
09:20
it's 250 horsepower,
but in addition, it's 250 minds.
but in addition, it's 250 minds.
181
548690
4294
do swoich 250 koni
dostanie gratis 250 umysłów.
dostanie gratis 250 umysłów.
09:25
That's the auto-driven car.
182
553008
1769
To właśnie samosterujący pojazd.
09:26
It's like a new commodity;
183
554801
1389
AI stanie się nowym towarem,
09:28
it's a new utility.
184
556214
1303
nowym narzędziem.
09:29
The AI is going to flow
across the grid -- the cloud --
across the grid -- the cloud --
185
557541
3041
Będzie przemieszczać się
poprzez sieć, w chmurze,
poprzez sieć, w chmurze,
09:32
in the same way electricity did.
186
560606
1567
tak jak kiedyś elektryczność.
09:34
So everything that we had electrified,
187
562197
2380
Wszystko, co mieliśmy,
zostało zelektryfikowane,
zostało zelektryfikowane,
09:36
we're now going to cognify.
188
564601
1723
a teraz dodamy funkcję kognitywną.
09:38
And I owe it to Jeff, then,
189
566693
1385
Mogę zasugerować,
09:40
that the formula
for the next 10,000 start-ups
for the next 10,000 start-ups
190
568102
3732
że wzór na 10 000 kolejnych start-upów
09:43
is very, very simple,
191
571858
1162
jest bardzo prosty.
09:45
which is to take x and add AI.
192
573044
3167
Należy wziąć x i dodać AI.
09:49
That is the formula,
that's what we're going to be doing.
that's what we're going to be doing.
193
577100
2812
Taki jest wzór na to, co będziemy robić.
09:51
And that is the way
in which we're going to make
in which we're going to make
194
579936
3306
W taki sposób dokonamy
09:55
this second Industrial Revolution.
195
583266
1858
drugiej rewolucji przemysłowej.
09:57
And by the way -- right now, this minute,
196
585148
2154
Przy okazji, w tej właśnie chwili
09:59
you can log on to Google
197
587326
1169
możemy zalogować się do Google
i kupić AI za sześć centów, 100 trafień.
i kupić AI za sześć centów, 100 trafień.
10:00
and you can purchase
AI for six cents, 100 hits.
AI for six cents, 100 hits.
198
588519
3882
10:04
That's available right now.
199
592758
1604
Już teraz jest dostępna.
10:06
So the third aspect of this
200
594386
2286
Dlatego trzeci aspekt
opiera się na założeniu,
opiera się na założeniu,
10:09
is that when we take this AI
and embody it,
and embody it,
201
597315
2678
że dając sztucznej inteligencji ciało,
10:12
we get robots.
202
600017
1173
otrzymujemy robota.
10:13
And robots are going to be bots,
203
601214
1703
Staną się one botami
10:14
they're going to be doing many
of the tasks that we have already done.
of the tasks that we have already done.
204
602941
3328
wykonującymi zadania,
które do tej pory wykonywaliśmy sami.
które do tej pory wykonywaliśmy sami.
10:20
A job is just a bunch of tasks,
205
608357
1528
Praca to suma pewnych zadań,
10:21
so they're going to redefine our jobs
206
609909
1762
więc roboty zredefiniują naszą pracę,
10:23
because they're going to do
some of those tasks.
some of those tasks.
207
611695
2259
przejmując część tych zadań.
10:25
But they're also going to curate
whole new categories,
whole new categories,
208
613978
3197
Stworzą także nowe kategorie,
10:29
a whole new slew of tasks
209
617199
2247
multum zadań,
10:31
that we didn't know
we wanted to do before.
we wanted to do before.
210
619470
2457
które nie wiedzieliśmy,
że chcemy wykonywać.
że chcemy wykonywać.
10:33
They're going to actually
engender new kinds of jobs,
engender new kinds of jobs,
211
621951
3637
Wytworzą one nowe rodzaje prac
10:37
new kinds of tasks that we want done,
212
625612
2271
i zadań do wykonania,
10:39
just as automation made up
a whole bunch of new things
a whole bunch of new things
213
627907
3405
podobnie jak automatyzacja stworzyła
mnóstwo nowych rzeczy,
mnóstwo nowych rzeczy,
10:43
that we didn't know we needed before,
214
631336
1834
których myśleliśmy, że nie potrzebujemy,
10:45
and now we can't live without them.
215
633194
1956
a teraz nie możemy bez nich żyć.
10:47
So they're going to produce
even more jobs than they take away,
even more jobs than they take away,
216
635174
3956
Wytworzą zatem więcej
stanowisk pracy niż zabiorą,
stanowisk pracy niż zabiorą,
10:51
but it's important that a lot of the tasks
that we're going to give them
that we're going to give them
217
639154
3434
ale istotne jest to, że sporo zadań,
które im wyznaczymy
które im wyznaczymy
10:54
are tasks that can be defined
in terms of efficiency or productivity.
in terms of efficiency or productivity.
218
642612
4572
można będzie określić w kategorii
wydajności lub produktywności.
wydajności lub produktywności.
10:59
If you can specify a task,
219
647676
1828
Jeśli będzie się dało określić
11:01
either manual or conceptual,
220
649528
2235
jakieś zadanie manualne lub umysłowe
11:03
that can be specified in terms
of efficiency or productivity,
of efficiency or productivity,
221
651787
4780
w kategoriach wydajności
lub produktywności,
lub produktywności,
11:08
that goes to the bots.
222
656591
1777
to przypadnie ono botom.
11:10
Productivity is for robots.
223
658758
2178
Produktywność jest dla robotów.
11:12
What we're really good at
is basically wasting time.
is basically wasting time.
224
660960
3070
My natomiast jesteśmy bardzo dobrzy
w marnotrawieniu czasu.
w marnotrawieniu czasu.
11:16
(Laughter)
225
664054
1028
(Śmiech)
11:17
We're really good at things
that are inefficient.
that are inefficient.
226
665106
2316
Jesteśmy dobrzy w rzeczach,
które są niewydajne.
które są niewydajne.
11:19
Science is inherently inefficient.
227
667446
3025
Nauka jest z natury niewydajna.
11:22
It runs on that fact that you have
one failure after another.
one failure after another.
228
670816
2906
Wynika to z faktu, że ponosimy
jedną porażkę za drugą.
jedną porażkę za drugą.
11:25
It runs on the fact that you make tests
and experiments that don't work,
and experiments that don't work,
229
673746
3424
Wynika z faktu, że wykonujemy
doświadczenia, które nam nie wychodzą,
doświadczenia, które nam nie wychodzą,
11:29
otherwise you're not learning.
230
677194
1442
inaczej nie uczylibyśmy się.
11:30
It runs on the fact
231
678660
1162
Wynika z faktu,
11:31
that there is not
a lot of efficiency in it.
a lot of efficiency in it.
232
679846
2083
że nie jest zbyt wydajna.
11:33
Innovation by definition is inefficient,
233
681953
2779
Innowacyjność z definicji jest niewydajna,
11:36
because you make prototypes,
234
684756
1391
bo robimy prototypy,
11:38
because you try stuff that fails,
that doesn't work.
that doesn't work.
235
686171
2707
bo próbujemy rzeczy,
które zawodzą, nie działają.
które zawodzą, nie działają.
11:40
Exploration is inherently inefficiency.
236
688902
3112
Odkrywanie z natury jest niewydajne.
11:44
Art is not efficient.
237
692038
1531
Sztuka nie jest wydajna.
11:45
Human relationships are not efficient.
238
693593
2127
Ludzkie relacje nie są wydajne.
11:47
These are all the kinds of things
we're going to gravitate to,
we're going to gravitate to,
239
695744
2940
Mamy ku temu wszystkiemu skłonność,
11:50
because they're not efficient.
240
698708
1475
bo to są rzeczy niewydajne.
11:52
Efficiency is for robots.
241
700207
2315
Wydajność jest dla robotów.
11:55
We're also going to learn
that we're going to work with these AIs
that we're going to work with these AIs
242
703338
4123
Współpraca ze sztuczną inteligencją
będzie bazować na fakcie,
będzie bazować na fakcie,
11:59
because they think differently than us.
243
707485
1997
że myśli ona inaczej od nas.
12:02
When Deep Blue beat
the world's best chess champion,
the world's best chess champion,
244
710005
4314
Kiedy Deep Blue pobił
światowego mistrza w szachach,
światowego mistrza w szachach,
12:06
people thought it was the end of chess.
245
714343
1929
ludzie myśleli, że to koniec szachów.
12:08
But actually, it turns out that today,
the best chess champion in the world
the best chess champion in the world
246
716296
4402
Okazało się jednak,
że dziś mistrzem szachów
że dziś mistrzem szachów
12:12
is not an AI.
247
720722
1557
nie jest sztuczna inteligencja.
12:14
And it's not a human.
248
722906
1181
I nie jest nim człowiek.
12:16
It's the team of a human and an AI.
249
724111
2715
Jest nim zespół złożony z człowieka i AI.
12:18
The best medical diagnostician
is not a doctor, it's not an AI,
is not a doctor, it's not an AI,
250
726850
4000
Najlepszym diagnostą nie jest ani lekarz,
ani sztuczna inteligencja.
ani sztuczna inteligencja.
12:22
it's the team.
251
730874
1176
Jest nim zespół.
12:24
We're going to be working with these AIs,
252
732074
2149
Będziemy współpracować z AI
12:26
and I think you'll be paid in the future
253
734247
1995
i sądzę, że o naszej płacy w przyszłości
12:28
by how well you work with these bots.
254
736266
2391
zadecyduje to, jak dobrze
współpracujemy z botami.
współpracujemy z botami.
12:31
So that's the third thing,
is that they're different,
is that they're different,
255
739026
4257
Trzecim aspektem jest właśnie
różnica pomiędzy nimi a nami.
różnica pomiędzy nimi a nami.
12:35
they're utility
256
743307
1165
Są narzędziem.
12:36
and they are going to be something
we work with rather than against.
we work with rather than against.
257
744496
3816
Staną się raczej partnerem
do współpracy niż wrogiem.
do współpracy niż wrogiem.
12:40
We're working with these
rather than against them.
rather than against them.
258
748336
2639
Będziemy pracować z nimi,
a nie przeciwko nim.
a nie przeciwko nim.
12:42
So, the future:
259
750999
1477
Zatem przyszłość...
12:44
Where does that take us?
260
752500
1420
Dokąd to nas zaprowadzi?
12:45
I think that 25 years from now,
they'll look back
they'll look back
261
753944
3567
Myślę, że za 25 lat, spoglądając wstecz
12:49
and look at our understanding
of AI and say,
of AI and say,
262
757535
3125
i biorąc pod lupę
nasze pojmowanie AI, powiedzą:
nasze pojmowanie AI, powiedzą:
12:52
"You didn't have AI. In fact,
you didn't even have the Internet yet,
you didn't even have the Internet yet,
263
760684
3300
"Nie mieliście AI. Właściwie to nawet
nie mieliście jeszcze internetu,
nie mieliście jeszcze internetu,
12:56
compared to what we're going
to have 25 years from now."
to have 25 years from now."
264
764008
2741
porównując do tego, co nastąpi za 25 lat".
12:59
There are no AI experts right now.
265
767849
3047
Nie ma dziś specjalistów od AI.
13:02
There's a lot of money going to it,
266
770920
1699
Wydaje się na to mnóstwo pieniędzy,
13:04
there are billions of dollars
being spent on it;
being spent on it;
267
772643
2268
miliardy dolarów.
13:06
it's a huge business,
268
774935
2164
To ogromny biznes.
13:09
but there are no experts, compared
to what we'll know 20 years from now.
to what we'll know 20 years from now.
269
777123
4272
Nie ma jednak specjalistów, porównując do
tego, czego będziemy świadkami za 20 lat.
tego, czego będziemy świadkami za 20 lat.
13:14
So we are just at the beginning
of the beginning,
of the beginning,
270
782064
2885
Jesteśmy więc na początkowym etapie,
13:16
we're in the first hour of all this.
271
784973
2163
wybiła dopiero pierwsza godzina.
13:19
We're in the first hour of the Internet.
272
787160
1935
Pierwsza godzina internetu.
13:21
We're in the first hour of what's coming.
273
789119
2040
Pierwsza godzina tego, co nastąpi.
13:23
The most popular AI product
in 20 years from now,
in 20 years from now,
274
791183
4153
Najpopularniejszy produkt
związany z AI, z którego za 20 lat
związany z AI, z którego za 20 lat
13:27
that everybody uses,
275
795360
1444
wszyscy będą korzystać,
13:29
has not been invented yet.
276
797499
1544
nie został jeszcze wynaleziony.
13:32
That means that you're not late.
277
800464
2467
To oznacza, że nie jest dla was za późno.
13:35
Thank you.
278
803684
1151
Dziękuję.
13:36
(Laughter)
279
804859
1026
(Śmiech)
13:37
(Applause)
280
805909
2757
(Brawa)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com