TEDxBeaconStreet
Alex Wissner-Gross: A new equation for intelligence
Alex Wissner-Gross: Az intelligencia új egyenlete
Filmed:
Readability: 5.9
2,098,891 views
Van-e egyenlete az intelligenciának? Igen! Íme: F = T ∇ Sτ. Ebben a magával ragadó és ismeretekben bővelkedő előadásban a fizikus és számítógép-tudós Alex Wissner-Gross elmagyarázza, mit is jelent ez a gyakorlatban. (A TEDxBeaconStreet felvétele)
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
Intelligencia -- mi is az valójában?
00:16
If we take a look back at the history
1
4566
2291
Ha visszatekintünk az intelligencia
00:18
of how intelligence has been viewed,
2
6857
2624
értelmezésének történetére,
00:21
one seminal example has been
3
9481
3618
az egyik jellemző nézetet
00:25
Edsger Dijkstra's famous quote that
4
13099
3477
Edsger Dijkstra híres idézete tükrözi, miszerint
00:28
"the question of whether a machine can think
5
16576
3111
"azt kérdezni, hogy egy gép tud-e gondolkodni,
00:31
is about as interesting
6
19687
1310
majdnem olyan érdekes,
00:32
as the question of whether a submarine
7
20997
2971
mint azt kérdezni, hogy egy tengeralattjáró
00:35
can swim."
8
23968
1790
tud-e úszni."
00:37
Now, Edsger Dijkstra, when he wrote this,
9
25758
3844
Nos, amikor Edsger Dijkstra ezt írta,
00:41
intended it as a criticism
10
29602
2054
akkor ezt a számítástechnika úttörőinek,
00:43
of the early pioneers of computer science,
11
31656
3000
mint például Alan Turingnak
00:46
like Alan Turing.
12
34656
1747
célzott kritikának szánta.
00:48
However, if you take a look back
13
36403
2499
Ha azonban visszatekintünk egy kicsit,
00:50
and think about what have been
14
38902
1965
és elgondolkozunk azon, hogy melyek voltak
00:52
the most empowering innovations
15
40867
1996
a leghatásosabb újítások,
00:54
that enabled us to build
16
42863
1879
amelyek lehetővé tették,
00:56
artificial machines that swim
17
44742
2234
hogy úszni, vagy gondolkodni tudó
00:58
and artificial machines that [fly],
18
46976
2573
mesterséges gépeket készítsünk,
01:01
you find that it was only through understanding
19
49549
3547
azt látjuk, hogy az úszás és a repülés
01:05
the underlying physical mechanisms
20
53096
2608
mögötti fizikai mechanizmusok
01:07
of swimming and flight
21
55704
2779
megértése tette lehetővé
01:10
that we were able to build these machines.
22
58483
3172
ezeknek a gépeknek a megépítését.
01:13
And so, several years ago,
23
61655
2256
Évekkel ezelőtt
01:15
I undertook a program to try to understand
24
63911
3249
belevágtam egy programba, amely
01:19
the fundamental physical mechanisms
25
67160
2634
az intelligencia mögötti mechanizmusok
01:21
underlying intelligence.
26
69794
2768
megértésére irányult.
01:24
Let's take a step back.
27
72562
1860
Induljunk egy kicsit messzebbről.
01:26
Let's first begin with a thought experiment.
28
74422
3149
Kezdjük egy gondolatkísérlettel!
01:29
Pretend that you're an alien race
29
77571
2854
Képzeljük el, hogy egy idegen faj vagyunk,
01:32
that doesn't know anything about Earth biology
30
80425
3041
amely semmit sem tud a földi biológiáról,
01:35
or Earth neuroscience or Earth intelligence,
31
83466
3116
a földi idegtudományról, vagy a földi intelligenciáról,
01:38
but you have amazing telescopes
32
86582
2192
de vannak remek teleszkópjaink,
01:40
and you're able to watch the Earth,
33
88774
2362
és meg tudjuk figyelni a Földet,
01:43
and you have amazingly long lives,
34
91136
2332
és mivel rendkívül hosszú életűek vagyunk,
01:45
so you're able to watch the Earth
35
93468
1499
évmilliókig, vagy akár évmilliárdokig
01:46
over millions, even billions of years.
36
94967
3442
szemmel tarthatjuk a Földet.
01:50
And you observe a really strange effect.
37
98409
3015
Egy igen különleges jelenséget figyelhetünk meg.
01:53
You observe that, over the course of the millennia,
38
101424
4312
Azt látjuk, hogy egy évezred alatt
01:57
Earth is continually bombarded with asteroids
39
105736
4285
a Földet folyamatosan bombázzák az aszteroidák,
02:02
up until a point,
40
110021
2087
egy bizonyos pontig,
02:04
and that at some point,
41
112108
1531
és ezen bizonyos ponton,
02:05
corresponding roughly to our year, 2000 AD,
42
113639
4192
körülbelül az i.e. 2000. év környékén
02:09
asteroids that are on
43
117831
1716
az összeütközési pályán
02:11
a collision course with the Earth
44
119547
1931
a Föld felé haladó aszteroidák,
02:13
that otherwise would have collided
45
121478
1975
amelyek egyébként a Földnek ütköznének,
02:15
mysteriously get deflected
46
123453
2415
rejtélyes módon eltérítődnek,
02:17
or they detonate before they can hit the Earth.
47
125868
3072
vagy felrobbannak, mielőtt elérnék a Földet.
02:20
Now of course, as earthlings,
48
128940
2083
Nos, mint földlakók, természetesen
02:23
we know the reason would be
49
131023
1544
tudjuk, hogy ennek oka az lehet,
02:24
that we're trying to save ourselves.
50
132567
1756
hogy próbáljuk megmenteni magunkat.
02:26
We're trying to prevent an impact.
51
134323
3080
Próbáljuk megelőzni az ütközést.
02:29
But if you're an alien race
52
137403
1711
De ha egy idegen faj vagyunk,
02:31
who doesn't know any of this,
53
139114
1146
akik erről mit sem tudnak,
02:32
doesn't have any concept of Earth intelligence,
54
140260
2514
és fogalmuk sincs a földi intelligenciáról,
02:34
you'd be forced to put together
55
142774
1728
akkor kénytelenek vagyunk összerakni
02:36
a physical theory that explains how,
56
144502
2918
egy fizikai elméletet, amely megmagyarázza,
02:39
up until a certain point in time,
57
147420
2538
hogy azok az aszteroidák, amelyek egy adott
02:41
asteroids that would demolish the surface of a planet
58
149958
4449
időpontig folyamatosan pusztították
a Föld felszínét,
a Föld felszínét,
02:46
mysteriously stop doing that.
59
154407
3231
egyszer csak felhagynak ezzel.
02:49
And so I claim that this is the same question
60
157638
4204
És én azt állítom, hogy ez ugyanaz a feladat,
02:53
as understanding the physical nature of intelligence.
61
161842
3998
mint az intelligencia fizikai természetének megismerése.
02:57
So in this program that I
undertook several years ago,
undertook several years ago,
62
165840
3882
Ebben a programban tehát, amelybe
évekkel ezelőtt belevágtam,
évekkel ezelőtt belevágtam,
03:01
I looked at a variety of different threads
63
169722
2765
megvizsgáltam számos összefüggést
03:04
across science, across a variety of disciplines,
64
172487
3162
a tudomány számos szakterületén,
03:07
that were pointing, I think,
65
175649
1892
amelyek véleményem szerint
03:09
towards a single, underlying mechanism
66
177541
2548
az intelligencia hátterében rejtőző
03:12
for intelligence.
67
180089
1581
mechanizmus irányába mutatnak.
03:13
In cosmology, for example,
68
181670
2546
A kozmológiában például
03:16
there have been a variety of
different threads of evidence
different threads of evidence
69
184216
2747
számos különböző dolog van, ami azt bizonyítja,
03:18
that our universe appears to be finely tuned
70
186963
3407
hogy az univerzumunk nagyon
finoman van hangolva
finoman van hangolva
03:22
for the development of intelligence,
71
190370
2153
az intelligencia kifejlesztésére,
03:24
and, in particular, for the development
72
192523
2389
és különösen azoknak az univerzális
03:26
of universal states
73
194912
1886
állapotoknak a kifejlesztésére,
03:28
that maximize the diversity of possible futures.
74
196798
4098
amelyek maximalizálják a lehetséges jövők változatosságát.
03:32
In game play, for example, in Go --
75
200896
2344
A táblajátékokban, mint például a go-ban --
03:35
everyone remembers in 1997
76
203240
3025
mindannyian emlékszünk 1997-re,
03:38
when IBM's Deep Blue beat
Garry Kasparov at chess --
Garry Kasparov at chess --
77
206265
3951
amikor az IBM Deep Blue gépe legyőzte sakkban Garry Kaszparovot --
03:42
fewer people are aware
78
210216
1523
kevesen tudják, hogy
03:43
that in the past 10 years or so,
79
211739
2018
az elmúlt, nagyjából 10 évben
03:45
the game of Go,
80
213757
1198
a go játék is --
03:46
arguably a much more challenging game
81
214955
1956
ami sokkal nagyobb kihívást jelent
03:48
because it has a much higher branching factor,
82
216911
2425
a lehetséges elágazások nagy száma miatt --
03:51
has also started to succumb
83
219336
1702
elkezdte megadni magát
03:53
to computer game players
84
221038
1865
a go-t játszó számítógépeknek,
03:54
for the same reason:
85
222903
1573
mégpedig ugyanezen ok miatt
03:56
the best techniques right now
for computers playing Go
for computers playing Go
86
224476
2800
a go-t játszó gépek számára jelenleg
azok a legjobb technikák,
azok a legjobb technikák,
03:59
are techniques that try to maximize future options
87
227276
3696
amelyek maximalizálni igyekeznek
a jövőbeni opciók számát
a jövőbeni opciók számát
04:02
during game play.
88
230972
2014
a játék során.
04:04
Finally, in robotic motion planning,
89
232986
3581
Végül pedig, a robotikai mozgástervezésben
04:08
there have been a variety of recent techniques
90
236567
2182
számos olyan technika létezik,
04:10
that have tried to take advantage
91
238749
1902
amelyek megpróbálják kihasználni
04:12
of abilities of robots to maximize
92
240651
3146
a robotoknak a jövőbeni cselekvési szabadságuk
04:15
future freedom of action
93
243797
1506
maximalizálására irányuló képességét,
04:17
in order to accomplish complex tasks.
94
245303
3097
azért, hogy összetett feladatokat is
el tudjanak végezni.
el tudjanak végezni.
04:20
And so, taking all of these different threads
95
248400
2355
Ha tehát fogjuk ezeket a különböző területeket,
04:22
and putting them together,
96
250755
1622
és egymás mellé tesszük őket,
04:24
I asked, starting several years ago,
97
252377
2640
tettem fel a kérdést évekkel ezelőtt,
04:27
is there an underlying mechanism for intelligence
98
255017
2850
találunk-e valamiféle intelligencia-mechanizmust,
04:29
that we can factor out
99
257867
1673
ami közös ezekben
04:31
of all of these different threads?
100
259540
1774
a különböző területekben?
04:33
Is there a single equation for intelligence?
101
261314
4593
Létezik-e az intelligenciának egy általános egyenlete?
04:37
And the answer, I believe, is yes.
["F = T ∇ Sτ"]
["F = T ∇ Sτ"]
102
265907
3371
A válasz, szerintem: Igen. ["F = T ∇Sτ"]
04:41
What you're seeing is probably
103
269278
1913
Amit itt látnak, az valószínűleg
04:43
the closest equivalent to an E = mc²
104
271191
3294
az általam látott legközelebbi megfelelője
04:46
for intelligence that I've seen.
105
274485
2830
az intelligencia E = mc² egyenletének.
04:49
So what you're seeing here
106
277315
1702
Amit itt látnak,
04:51
is a statement of correspondence
107
279017
2669
az annak a kijelentése,
04:53
that intelligence is a force, F,
108
281686
4435
hogy az intelligencia egy F erő,
04:58
that acts so as to maximize future freedom of action.
109
286121
4650
ami a jövőbeni cselekvési szabadság
maximalizálására törekszik.
maximalizálására törekszik.
05:02
It acts to maximize future freedom of action,
110
290771
2375
Úgy hat, hogy a jövőbeni cselekvési szabadság maximális legyen,
05:05
or keep options open,
111
293146
1628
vagy nyitva hagyjon lehetőségeket,
05:06
with some strength T,
112
294774
2225
valamilyen T erősséggel,
05:08
with the diversity of possible accessible futures, S,
113
296999
4777
a lehetséges elérhető jövők S változatosságával,
05:13
up to some future time horizon, tau.
114
301776
2550
egy bizonyos jövőbeni τ (tau) időtávon.
05:16
In short, intelligence doesn't like to get trapped.
115
304326
3209
Röviden: az intelligencia kerüli a csapdákat.
05:19
Intelligence tries to maximize
future freedom of action
future freedom of action
116
307535
3055
Az intelligencia igyekszik maximalizálni a jövőbeni cselekvési szabadságot,
05:22
and keep options open.
117
310590
2673
és nyitva tartja a lehetőségeket.
05:25
And so, given this one equation,
118
313263
2433
Nos, ha van egy ilyen egyenletünk,
joggal kérdezhetik:
joggal kérdezhetik:
05:27
it's natural to ask, so what can you do with this?
119
315696
2532
"És mire jó ez nekünk?"
05:30
How predictive is it?
120
318228
1351
Mennyire alkalmas az előrejelzésre?
05:31
Does it predict human-level intelligence?
121
319579
2135
Előrejelzi az emberi intelligenciát?
05:33
Does it predict artificial intelligence?
122
321714
2818
Előrejelzi a mesterséges intelligenciát?
05:36
So I'm going to show you now a video
123
324532
2042
Válaszul bemutatok önöknek egy videót,
05:38
that will, I think, demonstrate
124
326574
3420
ami talán megvilágítja
05:41
some of the amazing applications
125
329994
2288
ennek az egyszerű egyenletnek
05:44
of just this single equation.
126
332282
2319
néhány izgalmas alkalmazási területét.
05:46
(Video) Narrator: Recent research in cosmology
127
334601
1979
(Video) Narrátor: Napjaink kozmológiai kutatásai
05:48
has suggested that universes that produce
128
336580
2047
szerint a rendezetlenséget, vagy "entrópiát"
05:50
more disorder, or "entropy," over their lifetimes
129
338627
3481
termelő univerzumok létezésük során
05:54
should tend to have more favorable conditions
130
342108
2478
egyre kedvezőbb feltételeket teremtenek
05:56
for the existence of intelligent
beings such as ourselves.
beings such as ourselves.
131
344586
3016
a hozzánk hasonló intelligens lények
létezése számára.
létezése számára.
05:59
But what if that tentative cosmological connection
132
347602
2574
De mi a helyzet, ha ez az esetleges
kozmológiai összefüggés
kozmológiai összefüggés
06:02
between entropy and intelligence
133
350176
1843
az entrópia és az intelligencia között
06:04
hints at a deeper relationship?
134
352019
1771
valami mélyebb kapcsolatra utal?
06:05
What if intelligent behavior doesn't just correlate
135
353790
2564
Mi történik, ha az intelligens viselkedés
nem csupán összefügg
nem csupán összefügg
06:08
with the production of long-term entropy,
136
356354
1844
a hosszú távú entrópia-termeléssel,
06:10
but actually emerges directly from it?
137
358198
2318
hanem egyenesen belőle származik?
06:12
To find out, we developed a software engine
138
360516
2406
Hogy ezt megtudjuk, kifejlesztettük az Entropica
06:14
called Entropica, designed to maximize
139
362922
2503
szoftvert, melynek feladata maximalizálni
06:17
the production of long-term entropy
140
365425
1768
a hosszú távú entrópia-termelését
06:19
of any system that it finds itself in.
141
367193
2576
minden olyan rendszernek,
amelybe csak beépül.
amelybe csak beépül.
06:21
Amazingly, Entropica was able to pass
142
369769
2155
Csodálatos módon, az Entropica képes volt
06:23
multiple animal intelligence
tests, play human games,
tests, play human games,
143
371924
3456
átmenni állatok intelligencia-tesztjén,
emberi játékokat játszani,
emberi játékokat játszani,
06:27
and even earn money trading stocks,
144
375380
2146
és még tőzsdén pénzt keresni is anélkül,
06:29
all without being instructed to do so.
145
377526
2111
hogy erre utasítást kapott volna.
06:31
Here are some examples of Entropica in action.
146
379637
2518
Nézzük meg pár példán az Entropica-t
működés közben!
működés közben!
06:34
Just like a human standing
upright without falling over,
upright without falling over,
147
382155
3205
Éppen úgy, ahogy álló ember nem esik el,
06:37
here we see Entropica
148
385360
1230
itt látjuk az Entropica-t,
06:38
automatically balancing a pole using a cart.
149
386590
2885
amint egy kocsi segítségével,
automatikusan egyensúlyoz egy rudat.
automatikusan egyensúlyoz egy rudat.
06:41
This behavior is remarkable in part
150
389475
2012
Ez igen figyelemre méltó viselkedés,
06:43
because we never gave Entropica a goal.
151
391487
2331
ugyanis az Entropica soha
nem kapott erre utasítást.
nem kapott erre utasítást.
06:45
It simply decided on its own to balance the pole.
152
393818
3157
Önállóan döntött úgy, hogy egyensúlyoz a rúddal.
06:48
This balancing ability will have appliactions
153
396975
2132
Ez az egyensúlyozás nagyon hasznos lesz
06:51
for humanoid robotics
154
399107
1397
a humanoid robotika terén,
06:52
and human assistive technologies.
155
400504
2515
valamint az embert segítő technológiákban.
06:55
Just as some animals can use objects
156
403019
2001
Akár az állatok, amelyek képesek a környezetükben
06:57
in their environments as tools
157
405020
1442
lévő tárgyakat szerszámként használva
06:58
to reach into narrow spaces,
158
406462
1987
benyúlni szűk üregekbe,
07:00
here we see that Entropica,
159
408449
1882
itt látjuk, ahogy az Entropica --
07:02
again on its own initiative,
160
410331
1838
ismét csak saját kezdeményezésére --
07:04
was able to move a large
disk representing an animal
disk representing an animal
161
412169
2910
képes volt ezt az állatot jelképező
nagy korongot úgy mozgatni,
nagy korongot úgy mozgatni,
07:07
around so as to cause a small disk,
162
415079
2345
hogy a szerszámot jelentő kis koronggal
07:09
representing a tool, to reach into a confined space
163
417424
2771
elérje a zárt térben lévő
07:12
holding a third disk
164
420195
1537
harmadik korongot,
07:13
and release the third disk
from its initially fixed position.
from its initially fixed position.
165
421732
2972
és azt kimozdítsa kezdeti pozíciójából.
07:16
This tool use ability will have applications
166
424704
2189
Ez a szerszámhasználati képesség
07:18
for smart manufacturing and agriculture.
167
426893
2359
az "okos" gyártósorokon és
a mezőgazdaságban hasznosítható.
a mezőgazdaságban hasznosítható.
07:21
In addition, just as some other animals
168
429252
1944
Mindezeken túl, ahogy más állatok
07:23
are able to cooperate by pulling
opposite ends of a rope
opposite ends of a rope
169
431196
2696
képesek együttműködve, egy kötél két végét
azonos időben
azonos időben
07:25
at the same time to release food,
170
433892
2053
meghúzni a táplálék megszerzése érdekében,
07:27
here we see that Entropica is able to accomplish
171
435945
2295
itt láthatjuk, amint az Entropica is képes végrehajtani
07:30
a model version of that task.
172
438240
1988
a feladat modellváltozatát.
07:32
This cooperative ability has interesting implications
173
440228
2522
Ez a kooperatív képesség érdekes alkalmazásokra lelhet
07:34
for economic planning and a variety of other fields.
174
442750
3435
a gazdasági tervezés, és egy sor más területen.
07:38
Entropica is broadly applicable
175
446185
2071
Az Entropica széleskörűen alkalmazható
07:40
to a variety of domains.
176
448256
1943
számos szakterületen.
07:42
For example, here we see it successfully
177
450199
2442
Itt például azt látjuk, amint sikeresen
07:44
playing a game of pong against itself,
178
452641
2559
pingpongozik önmaga ellen,
07:47
illustrating its potential for gaming.
179
455200
2343
demonstrálva, hogy játszani is képes.
07:49
Here we see Entropica orchestrating
180
457543
1919
Itt az Entropica a kapcsolatokat menedzseli
07:51
new connections on a social network
181
459462
1839
egy közösségi hálóban,
07:53
where friends are constantly falling out of touch
182
461301
2760
amelyben a barátok kapcsolatai folyton megszakadnak,
07:56
and successfully keeping
the network well connected.
the network well connected.
183
464061
2856
és sikerrel tartja fenn a hálózat folytonosságát.
07:58
This same network orchestration ability
184
466917
2298
Ez a fajta hálózatmenedzselési képesség
08:01
also has applications in health care,
185
469215
2328
jól használható az egészségügyben,
08:03
energy, and intelligence.
186
471543
3232
az energetikában, és a hírszerzésben.
08:06
Here we see Entropica directing the paths
187
474775
2085
Ebben a példában az Entropica hajóflották
08:08
of a fleet of ships,
188
476860
1486
útvonalait irányítja,
08:10
successfully discovering and
utilizing the Panama Canal
utilizing the Panama Canal
189
478346
3175
sikeresen felfedezve és kihasználva a Panama-csatornát,
08:13
to globally extend its reach from the Atlantic
190
481521
2458
melyen keresztül a hajók az Atlanti-óceánról eljuthatnak
08:15
to the Pacific.
191
483979
1529
a Csendes-óceánra.
08:17
By the same token, Entropica
192
485508
1727
Ezzel a képességgel az Entropica
08:19
is broadly applicable to problems
193
487235
1620
széleskörűen alkalmazható
autonóm védelmi rendszerekben,
autonóm védelmi rendszerekben,
08:20
in autonomous defense, logistics and transportation.
194
488855
5302
a logisztikában és a szállításban
felmerülő problémákra.
felmerülő problémákra.
08:26
Finally, here we see Entropica
195
494173
2030
Végül pedig itt látjuk, amint az Entropica
08:28
spontaneously discovering and executing
196
496203
2723
párhuzamosan elemez és hajt végre
08:30
a buy-low, sell-high strategy
197
498926
2067
egy végy-olcsón, adj-el-drágán stratégiát
08:32
on a simulated range traded stock,
198
500993
2178
egy szimulált részvénypiacon,
08:35
successfully growing assets under management
199
503171
2331
sikeresen, exponenciálisan növelve
08:37
exponentially.
200
505502
1424
a kezelésében lévő eszközöket.
08:38
This risk management ability
201
506926
1308
Ez a kockázatkezelési képesség
08:40
will have broad applications in finance
202
508234
2487
kiterjedt alkalmazásra számíthat a pénzügyi
08:42
and insurance.
203
510721
3328
és a biztosítási területeken.
08:46
Alex Wissner-Gross: So what you've just seen
204
514049
2091
Alex Wissner-Gross: Amit most láttak,
08:48
is that a variety of signature human intelligent
205
516140
4392
azok példák az emberi intelligencia
08:52
cognitive behaviors
206
520532
1757
kognitív viselkedésére,
08:54
such as tool use and walking upright
207
522289
2831
mint például a szerszámhasználatra, a felegyenesedett járásra,
08:57
and social cooperation
208
525120
2029
és a társas együttműködésre.
08:59
all follow from a single equation,
209
527149
2972
Valamennyi példa egyetlen egyenletből
származik,
származik,
09:02
which drives a system
210
530121
1932
ami a rendszert a jövőbeni
cselekvési szabadságának
cselekvési szabadságának
09:04
to maximize its future freedom of action.
211
532053
3911
maximalizálására ösztönzi.
09:07
Now, there's a profound irony here.
212
535964
3007
És van ebben valami mély irónia.
09:10
Going back to the beginning
213
538971
2024
Ha visszamegyünk a kezdetekig,
09:12
of the usage of the term robot,
214
540995
3273
a "robot" szó megjelenéséig,
09:16
the play "RUR,"
215
544268
2903
Karel Čapek "RUR" című darabjáig;
09:19
there was always a concept
216
547171
2235
akkor mindig fellelhető az a gondolat,
09:21
that if we developed machine intelligence,
217
549406
3226
hogy a gépi intelligencia kifejlesztése
09:24
there would be a cybernetic revolt.
218
552632
3027
egy kiberlázadásba fog torkollani.
09:27
The machines would rise up against us.
219
555659
3551
Hogy a gépek fel fognak lázadni ellenünk.
09:31
One major consequence of this work
220
559210
2319
Ennek a munkának ez egyik fontos
következtetése,
következtetése,
09:33
is that maybe all of these decades,
221
561529
2769
hogy talán ezek alatt az évtizedek alatt
09:36
we've had the whole concept of cybernetic revolt
222
564298
2976
az egész kiberlázadásos elképzelés
09:39
in reverse.
223
567274
2011
fordítottja zajlott.
09:41
It's not that machines first become intelligent
224
569285
3279
Nem az történt, hogy a gépek először
intelligensek lettek,
intelligensek lettek,
09:44
and then megalomaniacal
225
572564
2015
majd megalomániásak,
09:46
and try to take over the world.
226
574579
2224
és megpróbálták meghódítani a világot.
09:48
It's quite the opposite,
227
576803
1434
Éppen ellenkezőleg,
09:50
that the urge to take control
228
578237
2906
az összes lehetséges jövő
09:53
of all possible futures
229
581143
2261
kontrollálására való törekvés
09:55
is a more fundamental principle
230
583404
2118
valójában egy alaptétel,
09:57
than that of intelligence,
231
585522
1363
nem pedig az intelligencia kérdése,
09:58
that general intelligence may in fact emerge
232
586885
3700
és hogy valójában az intelligencia
10:02
directly from this sort of control-grabbing,
233
590585
3559
lehet ennek a kontrollra törekvésnek a következménye,
10:06
rather than vice versa.
234
594144
4185
mintsem fordítva.
10:10
Another important consequence is goal seeking.
235
598329
3769
Egy másik fontos következtetés a célkeresésre vonatkozik.
10:14
I'm often asked, how does the ability to seek goals
236
602098
4360
Gyakran hallom a kérdést: Hogyan származhat
10:18
follow from this sort of framework?
237
606458
1620
a célkeresés képessége ebből a fajta keretrendszerből?
10:20
And the answer is, the ability to seek goals
238
608078
3028
A válasz pedig az, hogy a célkeresés képessége
10:23
will follow directly from this
239
611106
1882
egyenes következménye az előzőeknek,
10:24
in the following sense:
240
612988
1834
mégpedig ebben az értelemben:
10:26
just like you would travel through a tunnel,
241
614822
2865
mintha egy alagúton keresztül haladnánk,
10:29
a bottleneck in your future path space,
242
617687
2505
mintha egy szűk csatornán keresztül
lépnénk át a jövőbe,
lépnénk át a jövőbe,
10:32
in order to achieve many other
243
620192
1871
hogy ott később számos újabb
10:34
diverse objectives later on,
244
622063
2021
és változatos célt találjunk,
10:36
or just like you would invest
245
624084
2372
vagy mintha egy értékpapírba
10:38
in a financial security,
246
626456
1787
fektetnénk,
10:40
reducing your short-term liquidity
247
628243
2237
csökkentve rövid távú likviditásunkat
10:42
in order to increase your wealth over the long term,
248
630480
2400
a hosszú távú vagyongyarapodás érdekében,
10:44
goal seeking emerges directly
249
632880
2337
a célkeresés egyenes következménye
10:47
from a long-term drive
250
635217
1729
a jövőbeni cselekvési szabadság
maximalizálására
maximalizálására
10:48
to increase future freedom of action.
251
636946
4037
irányuló hosszú távú hatásnak.
10:52
Finally, Richard Feynman, famous physicist,
252
640983
3528
Végül, Richard Feynman, a híres fizikus
10:56
once wrote that if human civilization were destroyed
253
644511
3672
azt írta, hogy ha az emberi civilizáció megsemmisülne,
11:00
and you could pass only a single concept
254
648183
1893
és csak egyetlen gondolatot
11:02
on to our descendants
255
650076
1371
hagyhatnánk az utánunk következőkre,
11:03
to help them rebuild civilization,
256
651447
2307
hogy segítsük a civilizáció újjáépítését,
11:05
that concept should be
257
653754
1686
akkor ez a gondolat az lenne,
11:07
that all matter around us
258
655440
1852
hogy körülöttünk minden anyag
11:09
is made out of tiny elements
259
657292
2323
apró kis építőelemekből áll,
11:11
that attract each other when they're far apart
260
659615
2508
amelyek vonzzák egymást, amikor
egymástól távol vannak,
egymástól távol vannak,
11:14
but repel each other when they're close together.
261
662123
3330
és taszítják, amikor egymás közelébe kerülnek.
11:17
My equivalent of that statement
262
665453
1781
Az én verzióm arra,
11:19
to pass on to descendants
263
667234
1268
hogy mit kéne átadnunk az utódainknak,
11:20
to help them build artificial intelligences
264
668502
2712
hogy képesek legyenek mesterséges
intelligenciát építeni,
intelligenciát építeni,
11:23
or to help them understand human intelligence,
265
671214
2949
vagy az emberi intelligenciát megérteni,
11:26
is the following:
266
674163
1267
így hangzik:
11:27
Intelligence should be viewed
267
675430
2053
Az intelligenciát egy fizikai folyamatnak
11:29
as a physical process
268
677483
1413
kell tekintenünk,
11:30
that tries to maximize future freedom of action
269
678896
2965
amely igyekszik maximalizálni
a jövőbeni cselekvési szabadságot,
a jövőbeni cselekvési szabadságot,
11:33
and avoid constraints in its own future.
270
681861
3616
és elkerülni a jövőbeni korlátokat.
11:37
Thank you very much.
271
685477
1358
Köszönöm.
11:38
(Applause)
272
686835
4000
(Taps)
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