TEDxBeaconStreet
Alex Wissner-Gross: A new equation for intelligence
Άλεξ Βίσνερ-Γκρος: Μια νέα εξίσωση για τη νοημοσύνη
Filmed:
Readability: 5.9
2,098,891 views
Υπάρχει κάποια εξίσωση για τη νοημοσύνη; Ναι. Είναι η F = T ∇ Sτ. Σε μια συναρπαστική και κατατοπιστική ομιλία, ο φυσικός και επιστήμονας υπολογιστών Άλεξ Βίσνερ-Γκρος εξηγεί τι στην ευχή σημαίνει αυτό. (Βιντεοσκοπημένο στο TEDxBeaconStreet.)
Alex Wissner-Gross - Scientist, entrepreneur, inventor
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio
Double-click the English transcript below to play the video.
00:12
Intelligence -- what is it?
0
899
3667
Νοημοσύνη -- τι είναι;
00:16
If we take a look back at the history
1
4566
2291
Αν κάνουμε μια αναδρομή
στην ιστορία
στην ιστορία
00:18
of how intelligence has been viewed,
2
6857
2624
σχετικά με τον τρόπο
που έχει κριθεί η νοημοσύνη,
που έχει κριθεί η νοημοσύνη,
00:21
one seminal example has been
3
9481
3618
ένα γόνιμο παράδειγμα υπήρξε
00:25
Edsger Dijkstra's famous quote that
4
13099
3477
η διάσημη φράση
του Έντσγκερ Ντάικστρα ότι
του Έντσγκερ Ντάικστρα ότι
00:28
"the question of whether a machine can think
5
16576
3111
«το ερώτημα αν μια μηχανή
μπορεί να σκεφτεί
μπορεί να σκεφτεί
00:31
is about as interesting
6
19687
1310
είναι τόσο ενδιαφέρον
00:32
as the question of whether a submarine
7
20997
2971
όσο και το ερώτημα
αν ένα υποβρύχιο
αν ένα υποβρύχιο
00:35
can swim."
8
23968
1790
μπορεί να κολυμπήσει».
00:37
Now, Edsger Dijkstra, when he wrote this,
9
25758
3844
Τώρα, ο Έντσγκερ Ντάικστρα,
όταν το έγραψε αυτό,
όταν το έγραψε αυτό,
00:41
intended it as a criticism
10
29602
2054
το εννοούσε ως κριτική
00:43
of the early pioneers of computer science,
11
31656
3000
για τους πρωτοπόρους
της επιστήμης υπολογιστών,
της επιστήμης υπολογιστών,
00:46
like Alan Turing.
12
34656
1747
όπως ο Άλαν Τούρινγκ.
00:48
However, if you take a look back
13
36403
2499
Ωστόσο, αν ρίξετε μια ματιά
στο παρελθόν
στο παρελθόν
00:50
and think about what have been
14
38902
1965
και σκεφτείτε πώς θα ήταν
00:52
the most empowering innovations
15
40867
1996
οι πιο σημαντικές καινοτομίες
00:54
that enabled us to build
16
42863
1879
που μας επέτρεψαν να φτιάξουμε
00:56
artificial machines that swim
17
44742
2234
τεχνητές μηχανές που κολυμπούν
00:58
and artificial machines that [fly],
18
46976
2573
και τεχνητές μηχανες που [πετούν],
01:01
you find that it was only through understanding
19
49549
3547
θα δείτε ότι μόνο μέσω της κατανόησης
01:05
the underlying physical mechanisms
20
53096
2608
των υποκείμενων φυσικών μηχανισμών
01:07
of swimming and flight
21
55704
2779
της κολύμβησης και της πτήσης
01:10
that we were able to build these machines.
22
58483
3172
μπορέσαμε να φτιάξουμε
αυτές τις μηχανές.
αυτές τις μηχανές.
01:13
And so, several years ago,
23
61655
2256
Και έτσι, μερικά χρόνια πριν,
01:15
I undertook a program to try to understand
24
63911
3249
ξεκίνησα ένα πρόγραμμα
για να προσπαθήσω να καταλάβω
για να προσπαθήσω να καταλάβω
01:19
the fundamental physical mechanisms
25
67160
2634
τους θεμελιώδεις φυσικούς μηχανισμούς
01:21
underlying intelligence.
26
69794
2768
που διέπουν τη νοημοσύνη.
01:24
Let's take a step back.
27
72562
1860
Ας πάμε ένα βήμα πίσω.
01:26
Let's first begin with a thought experiment.
28
74422
3149
Ας αρχίσουμε με ένα νοητικό πείραμα.
01:29
Pretend that you're an alien race
29
77571
2854
Προσποιηθείτε ότι είστε μια φυλή εξωγήινων
01:32
that doesn't know anything about Earth biology
30
80425
3041
που δεν γνωρίζει τίποτα
σχετικά με τη βιολογία της Γης
σχετικά με τη βιολογία της Γης
01:35
or Earth neuroscience or Earth intelligence,
31
83466
3116
ή τη νευροεπιστήμη
ή τη νοημοσύνη της Γης,
ή τη νοημοσύνη της Γης,
01:38
but you have amazing telescopes
32
86582
2192
αλλά έχετε εκπληκτικά τηλεσκόπια
01:40
and you're able to watch the Earth,
33
88774
2362
και μπορείτε να παρατηρήσετε τη Γη,
01:43
and you have amazingly long lives,
34
91136
2332
και ζείτε εκπληκτικά πολλά χρόνια,
01:45
so you're able to watch the Earth
35
93468
1499
άρα μπορείτε να παρακολουθήσετε τη Γη
01:46
over millions, even billions of years.
36
94967
3442
για εκατομμύρια,
ακόμη και δισεκατομμύρια χρόνια.
ακόμη και δισεκατομμύρια χρόνια.
01:50
And you observe a really strange effect.
37
98409
3015
Και παρατηρείτε
μια πραγματικά παράξενη έκβαση.
μια πραγματικά παράξενη έκβαση.
01:53
You observe that, over the course of the millennia,
38
101424
4312
Παρατηρείτε ότι
με το πέρασμα των χιλιετιών,
με το πέρασμα των χιλιετιών,
01:57
Earth is continually bombarded with asteroids
39
105736
4285
η Γη βομβαρδίζεται
συνεχώς από αστεροειδείς
συνεχώς από αστεροειδείς
02:02
up until a point,
40
110021
2087
μέχρι κάποια στιγμή,
02:04
and that at some point,
41
112108
1531
και ότι σε αυτή τη στιγμή,
02:05
corresponding roughly to our year, 2000 AD,
42
113639
4192
που αντιστοιχεί αδρά
στη χρονολογία μας, το 2000 μ.Χ.,
στη χρονολογία μας, το 2000 μ.Χ.,
02:09
asteroids that are on
43
117831
1716
οι αστεροειδείς που βρίσκονται
02:11
a collision course with the Earth
44
119547
1931
σε πορεία σύγκρουσης με τη Γη
02:13
that otherwise would have collided
45
121478
1975
και που κανονικά
θα είχαν πέσει πάνω της,
θα είχαν πέσει πάνω της,
02:15
mysteriously get deflected
46
123453
2415
εκτρέπονται μυστηριωδώς
02:17
or they detonate before they can hit the Earth.
47
125868
3072
ή ανατινάζονται πριν μπορέσουν
να χτυπήσουν τη Γη.
να χτυπήσουν τη Γη.
02:20
Now of course, as earthlings,
48
128940
2083
Τώρα φυσικά εμείς, ως γήινοι,
02:23
we know the reason would be
49
131023
1544
γνωρίζουμε ότι ο λόγος θα ήταν
02:24
that we're trying to save ourselves.
50
132567
1756
ότι προσπαθούμε να σωθούμε.
02:26
We're trying to prevent an impact.
51
134323
3080
Προσπαθούμε να αποτρέψουμε
μια σύγκρουση.
μια σύγκρουση.
02:29
But if you're an alien race
52
137403
1711
Αν όμως είστε μια φυλή εξωγήινων
που δεν γνωρίζει τίποτε γι' αυτό,
02:31
who doesn't know any of this,
53
139114
1146
02:32
doesn't have any concept of Earth intelligence,
54
140260
2514
που δεν έχει καμία ιδέα
για τη νοημοσύνη της Γης,
για τη νοημοσύνη της Γης,
02:34
you'd be forced to put together
55
142774
1728
θα αναγκαζόσασταν να συγκροτήσετε
02:36
a physical theory that explains how,
56
144502
2918
μια φυσική θεωρία που να εξηγεί πώς,
02:39
up until a certain point in time,
57
147420
2538
σε μια δεδομένη χρονική στιγμή,
02:41
asteroids that would demolish the surface of a planet
58
149958
4449
οι αστεροειδείς που θα συνέτριβαν
την επιφάνεια ενός πλανήτη
την επιφάνεια ενός πλανήτη
02:46
mysteriously stop doing that.
59
154407
3231
σταμάτησαν μυστηριωδώς να το κάνουν.
02:49
And so I claim that this is the same question
60
157638
4204
Ισχυρίζομαι λοιπόν ότι
αυτό το ζήτημα είναι το ίδιο
αυτό το ζήτημα είναι το ίδιο
02:53
as understanding the physical nature of intelligence.
61
161842
3998
με την κατανόηση της φυσικής ουσίας
της νοημοσύνης.
της νοημοσύνης.
02:57
So in this program that I
undertook several years ago,
undertook several years ago,
62
165840
3882
Σε αυτό λοιπόν το πρόγραμμα
που ξεκίνησα πριν από χρόνια
που ξεκίνησα πριν από χρόνια
03:01
I looked at a variety of different threads
63
169722
2765
εξέτασα μια ποικιλία
διαφορετικών στοιχείων
διαφορετικών στοιχείων
03:04
across science, across a variety of disciplines,
64
172487
3162
σε όλο το επιστημονικό φάσμα,
σε διάφορους επιστημονικούς κλάδους,
σε διάφορους επιστημονικούς κλάδους,
03:07
that were pointing, I think,
65
175649
1892
που στόχευαν, πιστεύω,
03:09
towards a single, underlying mechanism
66
177541
2548
προς έναν ενιαίο, υποκείμενο μηχανισμό
03:12
for intelligence.
67
180089
1581
για τη νοημοσύνη.
03:13
In cosmology, for example,
68
181670
2546
Στην κοσμολογία, για παράδειγμα,
03:16
there have been a variety of
different threads of evidence
different threads of evidence
69
184216
2747
υπήρχε μια πληθώρα
διαφορετικών ενδεικτικών στοιχείων
διαφορετικών ενδεικτικών στοιχείων
03:18
that our universe appears to be finely tuned
70
186963
3407
ότι το σύμπαν μας φαίνεται
να είναι τέλεια συντονισμένο
να είναι τέλεια συντονισμένο
03:22
for the development of intelligence,
71
190370
2153
για την ανάπτυξη νοημοσύνης,
03:24
and, in particular, for the development
72
192523
2389
και, ειδικότερα, για την ανάπτυξη
03:26
of universal states
73
194912
1886
γενικών καταστάσεων
03:28
that maximize the diversity of possible futures.
74
196798
4098
που μεγιστοποιούν
την ποικιλομορφία πιθανών μελλόντων.
την ποικιλομορφία πιθανών μελλόντων.
03:32
In game play, for example, in Go --
75
200896
2344
Στα παιχνίδια, για παράδειγμα, στο Γκόου --
03:35
everyone remembers in 1997
76
203240
3025
όλοι θυμούνται το 1997
03:38
when IBM's Deep Blue beat
Garry Kasparov at chess --
Garry Kasparov at chess --
77
206265
3951
όταν ο Ντιπ Μπλου της IBM νίκησε
στο σκάκι τον Γκάρι Κασπάροβ --
στο σκάκι τον Γκάρι Κασπάροβ --
03:42
fewer people are aware
78
210216
1523
λιγότεροι άνθρωποι γνωρίζουν
03:43
that in the past 10 years or so,
79
211739
2018
ότι τα τελευταία 10 χρόνια ή τόσο,
03:45
the game of Go,
80
213757
1198
το παιχνίδι Γκόου,
03:46
arguably a much more challenging game
81
214955
1956
εύλογα ένα πολύ πιο δύσκολο παιχνίδι
03:48
because it has a much higher branching factor,
82
216911
2425
επειδή έχει πολύ
υψηλότερο παράγοντα διακλάδωσης,
υψηλότερο παράγοντα διακλάδωσης,
03:51
has also started to succumb
83
219336
1702
είχε επίσης αρχίσει να υποκύπτει
03:53
to computer game players
84
221038
1865
στους παίκτες ηλεκτρονικών παιχνιδιών
03:54
for the same reason:
85
222903
1573
για τον ίδιο λόγο:
03:56
the best techniques right now
for computers playing Go
for computers playing Go
86
224476
2800
οι καλύτερες τεχνικές τώρα
για υπολογιστές που παίζουν Γκόου
για υπολογιστές που παίζουν Γκόου
03:59
are techniques that try to maximize future options
87
227276
3696
είναι οι τεχνικές που προσπαθούν να
μεγιστοποιήσουν τις μελλοντικές επιλογές
μεγιστοποιήσουν τις μελλοντικές επιλογές
04:02
during game play.
88
230972
2014
κατά τη διάρκεια του παιχνιδιού.
04:04
Finally, in robotic motion planning,
89
232986
3581
Τέλος, στον σχεδιασμό
της ρομποτικής κίνησης,
της ρομποτικής κίνησης,
04:08
there have been a variety of recent techniques
90
236567
2182
υπήρξε μια πληθώρα
πρόσφατων τεχνικών
πρόσφατων τεχνικών
04:10
that have tried to take advantage
91
238749
1902
που προσπάθησαν να εκμεταλλευτούν
04:12
of abilities of robots to maximize
92
240651
3146
τις ικανότητες των ρομπότ
να μεγιστοποιούν
να μεγιστοποιούν
04:15
future freedom of action
93
243797
1506
τη μελλοντική ελευθερία δράσης
04:17
in order to accomplish complex tasks.
94
245303
3097
ώστε να εκτελούν
πολύπλοκες εργασίες.
πολύπλοκες εργασίες.
04:20
And so, taking all of these different threads
95
248400
2355
Έτσι, παίρνοντας όλα αυτά
τα διαφορετικά στοιχεία
τα διαφορετικά στοιχεία
04:22
and putting them together,
96
250755
1622
και βάζοντάς τα μαζί,
04:24
I asked, starting several years ago,
97
252377
2640
αναρωτήθηκα, αρχίζοντας
πριν από αρκετά χρόνια,
πριν από αρκετά χρόνια,
04:27
is there an underlying mechanism for intelligence
98
255017
2850
υπάρχει ένας υποκείμενος μηχανισμός
για τη νοημοσύνη
για τη νοημοσύνη
04:29
that we can factor out
99
257867
1673
που να μπορούμε να εξάγουμε
04:31
of all of these different threads?
100
259540
1774
από όλα αυτά
τα διαφορετικά στοιχεία;
τα διαφορετικά στοιχεία;
04:33
Is there a single equation for intelligence?
101
261314
4593
Υπάρχει μία και μοναδική εξίσωση
για τη νοημοσύνη;
για τη νοημοσύνη;
04:37
And the answer, I believe, is yes.
["F = T ∇ Sτ"]
["F = T ∇ Sτ"]
102
265907
3371
Και η απάντηση πιστεύω ότι είναι, ναι.
[«F = T ∇ Sτ»]
[«F = T ∇ Sτ»]
04:41
What you're seeing is probably
103
269278
1913
Αυτό που βλέπετε είναι ίσως
04:43
the closest equivalent to an E = mc²
104
271191
3294
το πλησιέστερο ισοδύναμο
του E = mc²
του E = mc²
04:46
for intelligence that I've seen.
105
274485
2830
για τη νοημοσύνη που έχω δει.
04:49
So what you're seeing here
106
277315
1702
Αυτό λοιπόν που βλέπετε εδώ
04:51
is a statement of correspondence
107
279017
2669
είναι μια πρόταση αντιστοιχίας
04:53
that intelligence is a force, F,
108
281686
4435
ότι η νοημοσύνη είναι
μια δύναμη, F,
μια δύναμη, F,
04:58
that acts so as to maximize future freedom of action.
109
286121
4650
που ενεργεί για να μεγιστοποιεί
τη μελλοντική ελευθερία δράσης.
τη μελλοντική ελευθερία δράσης.
05:02
It acts to maximize future freedom of action,
110
290771
2375
Ενεργεί για να μεγιστοποιεί
τη μελλοντική ελευθερία δράσης
τη μελλοντική ελευθερία δράσης
05:05
or keep options open,
111
293146
1628
ή για να διατηρεί διαθέσιμες επιλογές,
05:06
with some strength T,
112
294774
2225
με κάποια ισχύ Τ,
05:08
with the diversity of possible accessible futures, S,
113
296999
4777
με την ποικιλομορφία των πιθανών
προσβάσιμων μελλόντων, S,
προσβάσιμων μελλόντων, S,
05:13
up to some future time horizon, tau.
114
301776
2550
μέχρι κάποιον μελλοντικό
χρονικό ορίζοντα, ταυ.
χρονικό ορίζοντα, ταυ.
05:16
In short, intelligence doesn't like to get trapped.
115
304326
3209
Με λίγα λόγια, στη νοημοσύνη
δεν της αρέσει να παγιδεύεται.
δεν της αρέσει να παγιδεύεται.
05:19
Intelligence tries to maximize
future freedom of action
future freedom of action
116
307535
3055
Η νοημοσύνη προσπαθεί να μεγιστοποιεί
τη μελλοντική ελευθερία δράσης
τη μελλοντική ελευθερία δράσης
05:22
and keep options open.
117
310590
2673
και να διατηρεί διαθέσιμες επιλογές.
05:25
And so, given this one equation,
118
313263
2433
Και έτσι, με δεδομένη
αυτή τη μία εξίσωση,
αυτή τη μία εξίσωση,
05:27
it's natural to ask, so what can you do with this?
119
315696
2532
είναι φυσικό να ρωτήσουμε,
τι την κάνουμε;
τι την κάνουμε;
05:30
How predictive is it?
120
318228
1351
Πόσα μπορεί να προβλέψει;
05:31
Does it predict human-level intelligence?
121
319579
2135
Προβλέπει τη νοημοσύνη
σε ανθρώπινο επίπεδο;
σε ανθρώπινο επίπεδο;
05:33
Does it predict artificial intelligence?
122
321714
2818
Προβλέπει την τεχνητή νοημοσύνη;
05:36
So I'm going to show you now a video
123
324532
2042
Θα σας παρουσιάσω λοιπόν
τώρα ένα βίντεο
τώρα ένα βίντεο
05:38
that will, I think, demonstrate
124
326574
3420
που νομίζω ότι θα δείξει
05:41
some of the amazing applications
125
329994
2288
κάποιες από τις εκπληκτικές εφαρμογές
05:44
of just this single equation.
126
332282
2319
αυτής της μίας εξίσωσης.
05:46
(Video) Narrator: Recent research in cosmology
127
334601
1979
(Βίντεο) Αφηγητής: Πρόσφατες έρευνες
στην κοσμολογία
στην κοσμολογία
05:48
has suggested that universes that produce
128
336580
2047
υποδηλώνουν ότι τα σύμπαντα
που παράγουν
που παράγουν
05:50
more disorder, or "entropy," over their lifetimes
129
338627
3481
περισσότερη αταξία, ή «εντροπία»,
κατά τη διάρκεια ζωής τους
κατά τη διάρκεια ζωής τους
05:54
should tend to have more favorable conditions
130
342108
2478
θα πρέπει να τείνουν
να έχουν ευνοϊκότερες συνθήκες
να έχουν ευνοϊκότερες συνθήκες
05:56
for the existence of intelligent
beings such as ourselves.
beings such as ourselves.
131
344586
3016
για την ύπαρξη νοημόνων όντων
σαν κι εμάς.
σαν κι εμάς.
05:59
But what if that tentative cosmological connection
132
347602
2574
Αλλά μήπως αυτή
η ενδεικτική κοσμολογική σύνδεση
η ενδεικτική κοσμολογική σύνδεση
06:02
between entropy and intelligence
133
350176
1843
ανάμεσα στην εντροπία
και τη νοημοσύνη
και τη νοημοσύνη
06:04
hints at a deeper relationship?
134
352019
1771
υπαινίσσεται μια βαθύτερη σχέση;
06:05
What if intelligent behavior doesn't just correlate
135
353790
2564
Μήπως η νοήμων συμπεριφορά
δεν αντιστοιχεί απλώς
δεν αντιστοιχεί απλώς
06:08
with the production of long-term entropy,
136
356354
1844
στην παραγωγή
μακροχρόνιας εντροπίας
μακροχρόνιας εντροπίας
06:10
but actually emerges directly from it?
137
358198
2318
αλλά στην πραγματικότητα
προκύπτει άμεσα από αυτήν;
προκύπτει άμεσα από αυτήν;
06:12
To find out, we developed a software engine
138
360516
2406
Για να το ανακαλύψουμε,
δημιουργήσαμε μια μηχανή λογισμικού
δημιουργήσαμε μια μηχανή λογισμικού
06:14
called Entropica, designed to maximize
139
362922
2503
που ονομάζεται Entropica,
σχεδιασμένη για να μεγιστοποιεί
σχεδιασμένη για να μεγιστοποιεί
06:17
the production of long-term entropy
140
365425
1768
την παραγωγή
μακροχρόνιας εντροπίας
μακροχρόνιας εντροπίας
06:19
of any system that it finds itself in.
141
367193
2576
οποιουδήποτε συστήματος
μέσα στο οποίο θα βρεθεί.
μέσα στο οποίο θα βρεθεί.
06:21
Amazingly, Entropica was able to pass
142
369769
2155
Κατά εκπληκτικό τρόπο, η Entropica
μπόρεσε να περάσει
μπόρεσε να περάσει
06:23
multiple animal intelligence
tests, play human games,
tests, play human games,
143
371924
3456
πολλαπλά τεστ ζωϊκής νοημοσύνης,
να παίξει ανθρώπινα παιχνίδια,
να παίξει ανθρώπινα παιχνίδια,
06:27
and even earn money trading stocks,
144
375380
2146
ακόμη και να κερδίσει χρήματα
στο χρηματιστήριο,
στο χρηματιστήριο,
06:29
all without being instructed to do so.
145
377526
2111
όλα αυτά χωρίς κάποια σχετική οδηγία.
06:31
Here are some examples of Entropica in action.
146
379637
2518
Αυτά είναι μερικά παραδείγματα
της Entropica εν δράσει.
της Entropica εν δράσει.
06:34
Just like a human standing
upright without falling over,
upright without falling over,
147
382155
3205
Ακριβώς όπως ένας άνθρωπος
στέκεται όρθιος χωρίς να πέφτει,
στέκεται όρθιος χωρίς να πέφτει,
06:37
here we see Entropica
148
385360
1230
βλέπουμε εδώ την Entropica
06:38
automatically balancing a pole using a cart.
149
386590
2885
να ισορροπεί αυτόματα μια ράβδο
χρησιμοποιώντας ένα καροτσάκι.
χρησιμοποιώντας ένα καροτσάκι.
06:41
This behavior is remarkable in part
150
389475
2012
Αυτή η συμπεριφορά είναι
εκπληκτική, εν μέρει
εκπληκτική, εν μέρει
06:43
because we never gave Entropica a goal.
151
391487
2331
επειδή δεν θέσαμε ποτέ
κάποιον στόχο στην Entropica.
κάποιον στόχο στην Entropica.
06:45
It simply decided on its own to balance the pole.
152
393818
3157
Απλώς αποφάσισε μόνη της
να ισορροπήσει τη ράβδο.
να ισορροπήσει τη ράβδο.
06:48
This balancing ability will have appliactions
153
396975
2132
Αυτή η ικανότητα εξισορρόπησης
θα έχει εφαρμογές
θα έχει εφαρμογές
06:51
for humanoid robotics
154
399107
1397
στα ανθρωποειδή ρομπότ
06:52
and human assistive technologies.
155
400504
2515
και στις τεχνολογίες
ανθρώπινης υποστήριξης.
ανθρώπινης υποστήριξης.
06:55
Just as some animals can use objects
156
403019
2001
Όπως κάποια ζώα
μπορούν να χρησιμοποιούν αντικείμενα
μπορούν να χρησιμοποιούν αντικείμενα
06:57
in their environments as tools
157
405020
1442
στο περιβάλλον τους ως εργαλεία
06:58
to reach into narrow spaces,
158
406462
1987
για να φθάσουν σε στενούς χώρους,
07:00
here we see that Entropica,
159
408449
1882
έτσι κι εδώ βλέπουμε την Entropica,
07:02
again on its own initiative,
160
410331
1838
και πάλι με δική της πρωτοβουλία,
07:04
was able to move a large
disk representing an animal
disk representing an animal
161
412169
2910
να μπορεί να μετακινεί έναν μεγάλο δίσκο,
που αντιπροσωπεύει ένα ζώο
που αντιπροσωπεύει ένα ζώο
07:07
around so as to cause a small disk,
162
415079
2345
ώστε να κάνει τον μικρό δίσκο,
που αντιπροσωπεύει ένα εργαλείο,
να φθάσει σε έναν περιορισμένο χώρο
να φθάσει σε έναν περιορισμένο χώρο
07:09
representing a tool, to reach into a confined space
163
417424
2771
07:12
holding a third disk
164
420195
1537
κρατώντας έναν τρίτο δίσκο
07:13
and release the third disk
from its initially fixed position.
from its initially fixed position.
165
421732
2972
και να απελευθερώσει τον τρίτο δίσκο
από την αρχική, σταθερή του θέση.
από την αρχική, σταθερή του θέση.
07:16
This tool use ability will have applications
166
424704
2189
Αυτή η ικανότητα χρήσης εργαλείων
θα βρει εφαρμογή
θα βρει εφαρμογή
07:18
for smart manufacturing and agriculture.
167
426893
2359
στις έξυπνες κατασκευές και στη γεωργία.
07:21
In addition, just as some other animals
168
429252
1944
Επιπλέον, ακριβώς όπως
κάποια άλλα ζώα
κάποια άλλα ζώα
μπορούν να συνεργαστούν
τραβώντας τις άκρες ενός σκοινιού
τραβώντας τις άκρες ενός σκοινιού
07:23
are able to cooperate by pulling
opposite ends of a rope
opposite ends of a rope
169
431196
2696
07:25
at the same time to release food,
170
433892
2053
ταυτόχρονα για να απελευθερώσουν τροφή,
εδώ βλέπουμε ότι η Entropica
μπορεί να πραγματοποιήσει
μπορεί να πραγματοποιήσει
07:27
here we see that Entropica is able to accomplish
171
435945
2295
07:30
a model version of that task.
172
438240
1988
μια πρότυπη εκδοχή
αυτής της εργασίας.
αυτής της εργασίας.
07:32
This cooperative ability has interesting implications
173
440228
2522
Αυτή η συνεργατική ικανότητα
έχει ενδιαφέρουσες επιπτώσεις
έχει ενδιαφέρουσες επιπτώσεις
07:34
for economic planning and a variety of other fields.
174
442750
3435
στον οικονομικό σχεδιασμό
και σε μια πληθώρα άλλων πεδίων.
και σε μια πληθώρα άλλων πεδίων.
07:38
Entropica is broadly applicable
175
446185
2071
Η Entropica μπορεί
να εφαρμοστεί ευρέως
να εφαρμοστεί ευρέως
07:40
to a variety of domains.
176
448256
1943
σε μια πληθώρα τομέων.
07:42
For example, here we see it successfully
177
450199
2442
Για παράδειγμα,
εδώ την βλέπουμε να παίζει με επιτυχία
εδώ την βλέπουμε να παίζει με επιτυχία
07:44
playing a game of pong against itself,
178
452641
2559
μια παρτίδα πονγκ με τον εαυτό της,
07:47
illustrating its potential for gaming.
179
455200
2343
παρουσιάζοντας τις δυνατότητές της
στο παιχνίδι.
στο παιχνίδι.
07:49
Here we see Entropica orchestrating
180
457543
1919
Εδώ βλέπουμε την Entropica
να συντονίζει
να συντονίζει
07:51
new connections on a social network
181
459462
1839
νέες συνδέσεις σε ένα κοινωνικό δίκτυο
07:53
where friends are constantly falling out of touch
182
461301
2760
όπου οι φίλοι συνεχώς
διακόπτουν τις επαφές τους,
διακόπτουν τις επαφές τους,
07:56
and successfully keeping
the network well connected.
the network well connected.
183
464061
2856
και να διατηρεί με επιτυχία
το δίκτυο συνδεδεμένο.
το δίκτυο συνδεδεμένο.
07:58
This same network orchestration ability
184
466917
2298
Αυτή η ίδια ικανότητα συντονισμού
ενός δικτύου
ενός δικτύου
08:01
also has applications in health care,
185
469215
2328
έχει εφαρμογή
και στους κλάδους περίθαλψης,
και στους κλάδους περίθαλψης,
08:03
energy, and intelligence.
186
471543
3232
ενέργειας και νοημοσύνης.
08:06
Here we see Entropica directing the paths
187
474775
2085
Εδώ βλέπουμε την Entropica
να κατευθύνει τις διαδρομές
να κατευθύνει τις διαδρομές
08:08
of a fleet of ships,
188
476860
1486
ενός στόλου πλοίων,
08:10
successfully discovering and
utilizing the Panama Canal
utilizing the Panama Canal
189
478346
3175
να ανακαλύπτει και να αξιοποιεί
με επιτυχία τη Διώρυγα του Παναμά
με επιτυχία τη Διώρυγα του Παναμά
08:13
to globally extend its reach from the Atlantic
190
481521
2458
ώστε να επεκτείνει την πρόσβασή της
από τον Ατλαντικό
από τον Ατλαντικό
08:15
to the Pacific.
191
483979
1529
στον Ειρηνικό.
08:17
By the same token, Entropica
192
485508
1727
Ομοίως, η Entropica
08:19
is broadly applicable to problems
193
487235
1620
εφαρμόζεται ευρέως σε προβλήματα
08:20
in autonomous defense, logistics and transportation.
194
488855
5302
αυτόνομης άμυνας,
υλικοτεχνικής υποστήριξης και μεταφορών.
υλικοτεχνικής υποστήριξης και μεταφορών.
08:26
Finally, here we see Entropica
195
494173
2030
Τέλος, εδώ βλέπουμε την Entropica
08:28
spontaneously discovering and executing
196
496203
2723
να ανακαλύπτει
και να εφαρμόζει αυθόρμητα
και να εφαρμόζει αυθόρμητα
μια στρατηγική
«αγοράζω φτηνά-πουλάω ακριβά»
«αγοράζω φτηνά-πουλάω ακριβά»
08:30
a buy-low, sell-high strategy
197
498926
2067
08:32
on a simulated range traded stock,
198
500993
2178
σε εικονικές μετοχικές συναλλαγές,
08:35
successfully growing assets under management
199
503171
2331
αυξάνοντας με επιτυχία τα περιουσιακά
στοιχεία υπό διαχείριση εκθετικά.
στοιχεία υπό διαχείριση εκθετικά.
08:37
exponentially.
200
505502
1424
08:38
This risk management ability
201
506926
1308
Αυτή η ικανότητα διαχείρισης κινδύνου
08:40
will have broad applications in finance
202
508234
2487
θα έχει ευρεία εφαρμογή
στα χρηματοοικονομικά
στα χρηματοοικονομικά
08:42
and insurance.
203
510721
3328
και τις ασφάλειες.
08:46
Alex Wissner-Gross: So what you've just seen
204
514049
2091
Άλεξ Βίσνερ-Γκρος:
Αυτό λοιπόν που μόλις είδατε
Αυτό λοιπόν που μόλις είδατε
08:48
is that a variety of signature human intelligent
205
516140
4392
είναι ότι μια πληθώρα
ειδικών ανθρώπινων νοημόνων
ειδικών ανθρώπινων νοημόνων
08:52
cognitive behaviors
206
520532
1757
γνωσιακών συμπεριφορών
08:54
such as tool use and walking upright
207
522289
2831
όπως η χρήση εργαλείων,
η όρθια στάση
η όρθια στάση
08:57
and social cooperation
208
525120
2029
και η κοινωνική συνεργασία,
08:59
all follow from a single equation,
209
527149
2972
όλες τους πηγάζουν
από μία απλή εξίσωση,
από μία απλή εξίσωση,
09:02
which drives a system
210
530121
1932
η οποία οδηγεί ένα σύστημα
09:04
to maximize its future freedom of action.
211
532053
3911
στη μεγιστοποίηση
της μελλοντικής του ελευθερίας δράσης.
της μελλοντικής του ελευθερίας δράσης.
09:07
Now, there's a profound irony here.
212
535964
3007
Τώρα, εδώ υπάρχει
μια βαθειά ειρωνεία.
μια βαθειά ειρωνεία.
09:10
Going back to the beginning
213
538971
2024
Πηγαίνοντας πίσω, όταν άρχισε
09:12
of the usage of the term robot,
214
540995
3273
να χρησιμοποιείται ο όρος ρομπότ,
09:16
the play "RUR,"
215
544268
2903
στο θεατρικό έργο «RUR»
09:19
there was always a concept
216
547171
2235
υπήρχε πάντα μια σκέψη
09:21
that if we developed machine intelligence,
217
549406
3226
ότι αν αναπτύσσαμε
μηχανική νοημοσύνη,
μηχανική νοημοσύνη,
09:24
there would be a cybernetic revolt.
218
552632
3027
θα συνέβαινε
μια κυβερνητική εξέγερση.
μια κυβερνητική εξέγερση.
09:27
The machines would rise up against us.
219
555659
3551
Οι μηχανές θα ξεσηκώνονταν
εναντίον μας.
εναντίον μας.
09:31
One major consequence of this work
220
559210
2319
Μία κύρια συνέπεια
αυτής της εργασίας
αυτής της εργασίας
09:33
is that maybe all of these decades,
221
561529
2769
είναι ότι ίσως
όλες αυτές τις δεκαετίες,
όλες αυτές τις δεκαετίες,
09:36
we've had the whole concept of cybernetic revolt
222
564298
2976
είχαμε την όλη ιδέα
της κυβερνητικής εξέγερσης
της κυβερνητικής εξέγερσης
09:39
in reverse.
223
567274
2011
αντίστροφα.
09:41
It's not that machines first become intelligent
224
569285
3279
Δεν είναι ότι πρώτα
οι μηχανές αποκτούν νοημοσύνη
οι μηχανές αποκτούν νοημοσύνη
09:44
and then megalomaniacal
225
572564
2015
και μετά
γίνονται μεγαλομανείς
γίνονται μεγαλομανείς
09:46
and try to take over the world.
226
574579
2224
και προσπαθούν
να καταλάβουν τον κόσμο.
να καταλάβουν τον κόσμο.
09:48
It's quite the opposite,
227
576803
1434
Γίνεται μάλλον το αντίθετο,
09:50
that the urge to take control
228
578237
2906
ότι η προσπάθεια
να πάρουν τον έλεγχο
να πάρουν τον έλεγχο
09:53
of all possible futures
229
581143
2261
όλων των πιθανών μελλόντων
09:55
is a more fundamental principle
230
583404
2118
είναι μια πιο θεμελιώδης αρχή
09:57
than that of intelligence,
231
585522
1363
από αυτή της νοημοσύνης,
09:58
that general intelligence may in fact emerge
232
586885
3700
ότι η γενική νοημοσύνη ενδέχεται
στην πραγματικότητα να αναδύεται
στην πραγματικότητα να αναδύεται
10:02
directly from this sort of control-grabbing,
233
590585
3559
απευθείας από αυτό το είδος
απόκτησης ελέγχου,
απόκτησης ελέγχου,
10:06
rather than vice versa.
234
594144
4185
παρά το αντίθετο.
10:10
Another important consequence is goal seeking.
235
598329
3769
Μια άλλη σημαντική συνέπεια
είναι η επιδίωξη στόχων.
είναι η επιδίωξη στόχων.
10:14
I'm often asked, how does the ability to seek goals
236
602098
4360
Με ρωτάνε συχνά πώς συνάγεται
η ικανότητα επιδίωξης στόχων
η ικανότητα επιδίωξης στόχων
10:18
follow from this sort of framework?
237
606458
1620
από αυτό το είδος πλαισίου.
10:20
And the answer is, the ability to seek goals
238
608078
3028
Και η απάντηση είναι,
η ικανότητα επιδίωξης στόχων
η ικανότητα επιδίωξης στόχων
10:23
will follow directly from this
239
611106
1882
θα συνάγεται άμεσα από αυτό
10:24
in the following sense:
240
612988
1834
με την εξής έννοια:
10:26
just like you would travel through a tunnel,
241
614822
2865
ακριβώς όπως θα περνούσατε
μέσα από ένα τούνελ,
μέσα από ένα τούνελ,
10:29
a bottleneck in your future path space,
242
617687
2505
ένα μποτιλιάρισμα
στη μελλοντική σας διαδρομή,
στη μελλοντική σας διαδρομή,
10:32
in order to achieve many other
243
620192
1871
ώστε να επιτύχετε πολλούς άλλους
10:34
diverse objectives later on,
244
622063
2021
διαφορετικούς στόχους αργότερα,
10:36
or just like you would invest
245
624084
2372
ή ακριβώς όπως θα επενδύατε
10:38
in a financial security,
246
626456
1787
σε έναν χρηματοοικονομικό τίτλο,
10:40
reducing your short-term liquidity
247
628243
2237
μειώνοντας
τη βραχυπρόθεσμη ρευστότητά σας
τη βραχυπρόθεσμη ρευστότητά σας
10:42
in order to increase your wealth over the long term,
248
630480
2400
ώστε να αυξήσετε
την περιουσία σας μακροπρόθεσμα,
την περιουσία σας μακροπρόθεσμα,
10:44
goal seeking emerges directly
249
632880
2337
η επιδίωξη στόχων αναδύεται απευθείας
10:47
from a long-term drive
250
635217
1729
από την μακροχρόνια επιθυμία
10:48
to increase future freedom of action.
251
636946
4037
αύξησης της μελλοντικής ελευθερίας δράσης.
10:52
Finally, Richard Feynman, famous physicist,
252
640983
3528
Τέλος, ο Ρίτσαρντ Φάινμαν,
ο διάσημος φυσικός,
ο διάσημος φυσικός,
10:56
once wrote that if human civilization were destroyed
253
644511
3672
έγραψε κάποτε ότι
αν ο ανθρώπινος πολιτισμός καταστρεφόταν
αν ο ανθρώπινος πολιτισμός καταστρεφόταν
11:00
and you could pass only a single concept
254
648183
1893
και μπορούσατε
να κληροδοτήσετε μία μόνο ιδέα
να κληροδοτήσετε μία μόνο ιδέα
11:02
on to our descendants
255
650076
1371
στους απογόνους μας
11:03
to help them rebuild civilization,
256
651447
2307
για να τους βοηθήσει
να ξαναφτιάξουν πολιτισμό,
να ξαναφτιάξουν πολιτισμό,
11:05
that concept should be
257
653754
1686
αυτή η ιδέα θα έπρεπε να ήταν
11:07
that all matter around us
258
655440
1852
ότι όλη η ύλη γύρω μας
11:09
is made out of tiny elements
259
657292
2323
είναι φτιαγμένη
από μικροσκοπικά στοιχεία
από μικροσκοπικά στοιχεία
11:11
that attract each other when they're far apart
260
659615
2508
που ελκύουν το ένα το άλλο
όταν είναι μακριά
όταν είναι μακριά
11:14
but repel each other when they're close together.
261
662123
3330
αλλά απωθούνται όταν είναι κοντά.
Η ισοδύναμή δήλωση
που θα κληροδοτούσα εγώ
που θα κληροδοτούσα εγώ
11:17
My equivalent of that statement
262
665453
1781
11:19
to pass on to descendants
263
667234
1268
στους απογόνους
11:20
to help them build artificial intelligences
264
668502
2712
για να τους βοηθήσω
να δημιουργήσουν τεχνητή νοημοσύνη
να δημιουργήσουν τεχνητή νοημοσύνη
11:23
or to help them understand human intelligence,
265
671214
2949
ή για να τους βοηθήσω
να κατανοήσουν την ανθρώπινη νοημοσύνη,
να κατανοήσουν την ανθρώπινη νοημοσύνη,
11:26
is the following:
266
674163
1267
είναι η εξής:
11:27
Intelligence should be viewed
267
675430
2053
η νοημοσύνη πρέπει να θεωρηθεί
11:29
as a physical process
268
677483
1413
ως μια φυσική διαδικασία
11:30
that tries to maximize future freedom of action
269
678896
2965
που προσπαθεί να μεγιστοποιήσει
τη μελλοντική ελευθερία δράσης
τη μελλοντική ελευθερία δράσης
11:33
and avoid constraints in its own future.
270
681861
3616
και να αποφύγει
τους περιορισμούς στο μέλλον της.
τους περιορισμούς στο μέλλον της.
11:37
Thank you very much.
271
685477
1358
Σας ευχαριστώ πάρα πολύ.
11:38
(Applause)
272
686835
4000
(Χειροκρότημα)
ABOUT THE SPEAKER
Alex Wissner-Gross - Scientist, entrepreneur, inventorAlex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?"
Why you should listen
Alex Wissner-Gross is a serial big-picture thinker. He applies physics and computer science principles to a wide variety of topics, like human intelligence, climate change and financial trading.
Lately Wissner-Gross started wondering: Why have we searched for so long to understand intelligence? Can it really be this elusive? His latest work posits that intelligence can indeed be defined physically, as a dynamic force, rather than a static property. He explains intelligence in terms of causal entropic forces, ultimately defining it as "a force to maximize future freedom of action."
Wissner-Gross is a fellow at the Harvard Institute for Applied Computational Science and a research affiliate at the MIT Media Lab. He has a Ph.D. in physics from Harvard and bachelor's degrees in physics, electrical science and engineering, and mathematics from MIT.
Alex Wissner-Gross | Speaker | TED.com