TED@BCG Milan
Margaret Mitchell: How we can build AI to help humans, not hurt us
마가렛 미첼(Margaret Mitchell): 인류에게 해를 끼치지 않고 도움이 되는 인공지능(AI) 을 어떻게 만들어야 할까요?
Filmed:
Readability: 4.6
1,154,210 views
마가렛 미첼은 구글의 연구원이며 컴퓨터가 인류를 이해하도록 개발하는 일을 하고 있습니다. 그녀는 우리가 무의식적으로 컴퓨터에 헛점과 편견등의 갭을 입력하고 있다며 현재의 테크놀로지가 미래에 어떤 모습일지를 고려해야한다고 합니다.
"만일 인공지능이 인류에 도움이 되는 방향이 되도록 발전하길 원한다면, 우리는 그 방향의 길이 될 목적과 계획을 규정해야합니다."
Margaret Mitchell - AI research scientist
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Double-click the English transcript below to play the video.
00:13
I work on helping computers
communicate about the world around us.
communicate about the world around us.
0
1381
4015
전 컴퓨터가 세상을 이해하도록
돕는 일을 합니다.
돕는 일을 합니다.
00:17
There are a lot of ways to do this,
1
5754
1793
여러가지 방법이 있지요.
00:19
and I like to focus on helping computers
2
7571
2592
전 컴퓨터를 돕는 것을 즐기며
00:22
to talk about what they see
and understand.
and understand.
3
10187
2874
컴퓨터가 보고 이해하는 것을 돕습니다.
00:25
Given a scene like this,
4
13514
1571
이런 장면을 컴퓨터에게 보여주면
00:27
a modern computer-vision algorithm
5
15109
1905
현대판 컴퓨터 알고리즘이 작용하여
00:29
can tell you that there's a woman
and there's a dog.
and there's a dog.
6
17038
3095
한 여성과 개가 있다고 알려주죠.
00:32
It can tell you that the woman is smiling.
7
20157
2706
그녀는 웃고 있다고 알려주기도 하죠.
00:34
It might even be able to tell you
that the dog is incredibly cute.
that the dog is incredibly cute.
8
22887
3873
개가 매우 귀엽다고
말해 줄 수도 있을 겁니다.
말해 줄 수도 있을 겁니다.
00:38
I work on this problem
9
26784
1349
제가 연구하고 있는 분야는
00:40
thinking about how humans
understand and process the world.
understand and process the world.
10
28157
4212
인간이 어떻게 세상을
이해하고 받아들이는 가입니다.
이해하고 받아들이는 가입니다.
00:45
The thoughts, memories and stories
11
33577
2952
생각, 기억, 이야기들
00:48
that a scene like this
might evoke for humans.
might evoke for humans.
12
36553
2818
이런 장면이 인간에게 어떤 영향을
주는 지를 연구하고 있죠.
주는 지를 연구하고 있죠.
00:51
All the interconnections
of related situations.
of related situations.
13
39395
4285
연관된 상황들의
상호 연결에 대해서요.
상호 연결에 대해서요.
00:55
Maybe you've seen
a dog like this one before,
a dog like this one before,
14
43704
3126
여러분은 이런 개를 본적이 있거나
00:58
or you've spent time
running on a beach like this one,
running on a beach like this one,
15
46854
2969
개와 함께 해변을 달렸을 수도 있죠.
01:01
and that further evokes thoughts
and memories of a past vacation,
and memories of a past vacation,
16
49847
4778
이러한 생각은 이전 휴가의 기억을
떠오르게 합니다.
떠오르게 합니다.
01:06
past times to the beach,
17
54649
1920
해변에서 보낸 과거의 기억
01:08
times spent running around
with other dogs.
with other dogs.
18
56593
2603
개와 달리며 보낸 시간들을요.
01:11
One of my guiding principles
is that by helping computers to understand
is that by helping computers to understand
19
59688
5207
컴퓨터가 세상을 이해하도록 돕는
저의 지도 원칙은
저의 지도 원칙은
01:16
what it's like to have these experiences,
20
64919
2896
이 경험들이 어떤 것인지를 이해시키고
01:19
to understand what we share
and believe and feel,
and believe and feel,
21
67839
5176
우리가 나누고 믿고
느끼는 것을 이해시키며
느끼는 것을 이해시키며
01:26
then we're in a great position
to start evolving computer technology
to start evolving computer technology
22
74094
4310
컴퓨터 기술을 발전시키는 것이
우리의 중요한 역할이라는 것입니다.
우리의 중요한 역할이라는 것입니다.
01:30
in a way that's complementary
with our own experiences.
with our own experiences.
23
78428
4587
인간의 기억과
상호 보완되도록 말입니다.
상호 보완되도록 말입니다.
01:35
So, digging more deeply into this,
24
83539
3387
좀더 자세히 설명해보겠습니다.
01:38
a few years ago I began working on helping
computers to generate human-like stories
computers to generate human-like stories
25
86950
5905
몇년 전 저는 컴퓨터가 인간의 이야기를
지어낼수 있도록 했습니다.
지어낼수 있도록 했습니다.
01:44
from sequences of images.
26
92879
1666
여러 장의 이미지를 통해서요.
01:47
So, one day,
27
95427
1904
어느 날
01:49
I was working with my computer to ask it
what it thought about a trip to Australia.
what it thought about a trip to Australia.
28
97355
4622
저는 컴퓨터에게 호주 여행을
어떻게 생각하냐고 물었습니다.
어떻게 생각하냐고 물었습니다.
01:54
It took a look at the pictures,
and it saw a koala.
and it saw a koala.
29
102768
2920
컴퓨터는 사진들 속에서
코알라를 보았습니다.
코알라를 보았습니다.
01:58
It didn't know what the koala was,
30
106236
1643
그것은 코알라가 무엇인지 몰랐죠.
01:59
but it said it thought
it was an interesting-looking creature.
it was an interesting-looking creature.
31
107903
2999
컴퓨터는 흥미롭게 생긴
생명체가 있다고 하더군요.
생명체가 있다고 하더군요.
02:04
Then I shared with it a sequence of images
about a house burning down.
about a house burning down.
32
112053
4004
그후 불타고 있는 집의
이미지를 보여주었습니다.
이미지를 보여주었습니다.
02:09
It took a look at the images and it said,
33
117704
3285
이미지를 보다가 컴퓨터는 대답했죠.
02:13
"This is an amazing view!
This is spectacular!"
This is spectacular!"
34
121013
3500
"멋진 광경이네요!
대단한 장관이에요!"
대단한 장관이에요!"
02:17
It sent chills down my spine.
35
125450
2095
갑자기 오싹하는 느낌이 들었습니다.
02:20
It saw a horrible, life-changing
and life-destroying event
and life-destroying event
36
128983
4572
끔찍하고 인생을 뒤바꾸고
파괴할 수도 있는 사건을 보고
파괴할 수도 있는 사건을 보고
02:25
and thought it was something positive.
37
133579
2382
그것은 긍정적 장면이라고
생각했던 거죠.
생각했던 거죠.
02:27
I realized that it recognized
the contrast,
the contrast,
38
135985
3441
저는 컴퓨터가 색채 대비와
02:31
the reds, the yellows,
39
139450
2699
빨강과 노랑을 보고는
02:34
and thought it was something
worth remarking on positively.
worth remarking on positively.
40
142173
3078
긍정적으로 인지할만한 것이라고
생각했음을 깨달았습니다.
생각했음을 깨달았습니다.
02:37
And part of why it was doing this
41
145928
1615
그런 반응의 이유는
02:39
was because most
of the images I had given it
of the images I had given it
42
147577
2945
여태 보여준 이미지들이
02:42
were positive images.
43
150546
1840
긍정적이었기 때문이죠.
02:44
That's because people
tend to share positive images
tend to share positive images
44
152903
3658
사람들은 좋은 순간의
사진들을 보여주죠.
사진들을 보여주죠.
02:48
when they talk about their experiences.
45
156585
2190
자기 이야기를 할 때는 말이죠.
02:51
When was the last time
you saw a selfie at a funeral?
you saw a selfie at a funeral?
46
159267
2541
장례식에서 자신의 사진을
찍어본 적이 있으세요?
찍어본 적이 있으세요?
02:55
I realized that,
as I worked on improving AI
as I worked on improving AI
47
163434
3095
전 인공지능(Al)과
일하면서 깨달았습니다.
일하면서 깨달았습니다.
02:58
task by task, dataset by dataset,
48
166553
3714
모든 작업과 정보 데이터마다
03:02
that I was creating massive gaps,
49
170291
2897
거대한 틈이 있었던 겁니다.
03:05
holes and blind spots
in what it could understand.
in what it could understand.
50
173212
3999
컴퓨터는 허점과 사각지대 속에서
이해를 하고 있던 겁니다.
이해를 하고 있던 겁니다.
03:10
And while doing so,
51
178307
1334
그 와중에
03:11
I was encoding all kinds of biases.
52
179665
2483
저는 편파적인 생각을
인식시키고 있던 겁니다.
인식시키고 있던 겁니다.
03:15
Biases that reflect a limited viewpoint,
53
183029
3318
제한된 생각을 가진
03:18
limited to a single dataset --
54
186371
2261
한가지 정보에만 국한된 선입관
03:21
biases that can reflect
human biases found in the data,
human biases found in the data,
55
189283
3858
데이터 속에 반영된 인간들의 편견
03:25
such as prejudice and stereotyping.
56
193165
3104
판에 박은 고정 관념
03:29
I thought back to the evolution
of the technology
of the technology
57
197554
3057
컴퓨터의 발전을 생각해보면
03:32
that brought me to where I was that day --
58
200635
2502
예전의 모습을 떠올리게 됩니다.
03:35
how the first color images
59
203966
2233
처음 색채의 이미지는
03:38
were calibrated against
a white woman's skin,
a white woman's skin,
60
206223
3048
백인 여자의 피부색에
맞추어 졌다는 사실을요.
맞추어 졌다는 사실을요.
03:41
meaning that color photography
was biased against black faces.
was biased against black faces.
61
209665
4145
사진의 색채가 흑인 여자의
얼굴색에는 편견으로 작용한다는 거죠.
얼굴색에는 편견으로 작용한다는 거죠.
03:46
And that same bias, that same blind spot
62
214514
2925
바로 그 편견과 사각지대가
03:49
continued well into the '90s.
63
217463
1867
90년대까지 계속되었습니다.
03:51
And the same blind spot
continues even today
continues even today
64
219701
3154
그같은 헛점은 오늘날에도 존재합니다.
03:54
in how well we can recognize
different people's faces
different people's faces
65
222879
3698
각각의 얼굴의 모양을 구별하는
03:58
in facial recognition technology.
66
226601
2200
얼굴 인식 프로그램에도 존재합니다.
04:01
I though about the state of the art
in research today,
in research today,
67
229323
3143
오늘날의 최첨단의 연구를
생각해보았습니다.
생각해보았습니다.
04:04
where we tend to limit our thinking
to one dataset and one problem.
to one dataset and one problem.
68
232490
4514
우리는 한가지 문제, 한가지 데이터 속에
생각을 제한합니다.
생각을 제한합니다.
04:09
And that in doing so, we were creating
more blind spots and biases
more blind spots and biases
69
237688
4881
그로 인해 헛점과 편견을
만들어 내는 것입니다.
만들어 내는 것입니다.
04:14
that the AI could further amplify.
70
242593
2277
인공지능(AI)은 그 편견을
확대시킵니다.
확대시킵니다.
04:17
I realized then
that we had to think deeply
that we had to think deeply
71
245712
2079
우리는 깊게 이 문제를 생각해야합니다.
04:19
about how the technology we work on today
looks in five years, in 10 years.
looks in five years, in 10 years.
72
247815
5519
오늘 우리가 연구하는 이 기술이
5년, 10년후엔 어떻게 변할까요?
5년, 10년후엔 어떻게 변할까요?
04:25
Humans evolve slowly,
with time to correct for issues
with time to correct for issues
73
253990
3142
인간은 천천히 발전하면서
시간에 맞춰 문제를 해결합니다.
시간에 맞춰 문제를 해결합니다.
04:29
in the interaction of humans
and their environment.
and their environment.
74
257156
3534
다른 인간과 다른 환경과
상호 작용을 하면서요.
상호 작용을 하면서요.
04:33
In contrast, artificial intelligence
is evolving at an incredibly fast rate.
is evolving at an incredibly fast rate.
75
261276
5429
반면, 인공지능은 놀라운 속도로
빠르게 발전합니다.
빠르게 발전합니다.
04:39
And that means that it really matters
76
267013
1773
정말 알아야 할 중요한 사실은
04:40
that we think about this
carefully right now --
carefully right now --
77
268810
2317
우리가 사각지대인 헛점까지도
04:44
that we reflect on our own blind spots,
78
272180
3008
인공지능에 반영하고 있다는 사실입니다.
04:47
our own biases,
79
275212
2317
우리 자신의 편견을요.
04:49
and think about how that's informing
the technology we're creating
the technology we're creating
80
277553
3857
우리가 만들어낸 기술이
어떻게 인식될 지를 생각하며
어떻게 인식될 지를 생각하며
04:53
and discuss what the technology of today
will mean for tomorrow.
will mean for tomorrow.
81
281434
3902
현재의 기술이 미래에 어떤 영향을
미칠 지를 생각해야 합니다.
미칠 지를 생각해야 합니다.
04:58
CEOs and scientists have weighed in
on what they think
on what they think
82
286593
3191
최고 경영자들과 과학자들은
신중히 고려하며
신중히 고려하며
05:01
the artificial intelligence technology
of the future will be.
of the future will be.
83
289808
3325
인공지능이 미래에
어떻게 변할지를 말했습니다.
어떻게 변할지를 말했습니다.
05:05
Stephen Hawking warns that
84
293157
1618
스티븐 호킹은 경고했죠.
05:06
"Artificial intelligence
could end mankind."
could end mankind."
85
294799
3007
"인공 지능은 인류를 멸망시킬수 있다"
05:10
Elon Musk warns
that it's an existential risk
that it's an existential risk
86
298307
2683
엘론 머스크는 인공 지능은
실존하는 위험이며
실존하는 위험이며
05:13
and one of the greatest risks
that we face as a civilization.
that we face as a civilization.
87
301014
3574
문명사회로서 겪어야 할
가장 큰 위험이라고 했습니다.
가장 큰 위험이라고 했습니다.
05:17
Bill Gates has made the point,
88
305665
1452
빌 게이츠는 역설했습니다.
05:19
"I don't understand
why people aren't more concerned."
why people aren't more concerned."
89
307141
3185
"사람들이 왜 신경을 안 쓰는지
이해가 안됩니다."
이해가 안됩니다."
05:23
But these views --
90
311412
1318
하지만 이런 견해들은
05:25
they're part of the story.
91
313618
1734
그저 이야기의 한 부분일 뿐입니다.
05:28
The math, the models,
92
316079
2420
수학과 모형같은
05:30
the basic building blocks
of artificial intelligence
of artificial intelligence
93
318523
3070
인공지능의 기초토대는
05:33
are something that we call access
and all work with.
and all work with.
94
321617
3135
우리가 모두 접근해서
입력해야하는 정보들입니다.
입력해야하는 정보들입니다.
05:36
We have open-source tools
for machine learning and intelligence
for machine learning and intelligence
95
324776
3785
공개소스인 오픈소스를 통해
컴퓨터의 학습과 지능에
컴퓨터의 학습과 지능에
05:40
that we can contribute to.
96
328585
1734
기여를 할 수 있는 것입니다.
05:42
And beyond that,
we can share our experience.
we can share our experience.
97
330919
3340
더 나아가 우리의 경험을
공유할 수도 있습니다.
공유할 수도 있습니다.
05:46
We can share our experiences
with technology and how it concerns us
with technology and how it concerns us
98
334760
3468
우리는 테크놀로지를 통하여
고민도 하고 기쁘게도 하는 경험을
고민도 하고 기쁘게도 하는 경험을
05:50
and how it excites us.
99
338252
1467
함께 나눌 수 있습니다.
05:52
We can discuss what we love.
100
340251
1867
우리가 무엇을 좋아하는 지를 이야기하며
05:55
We can communicate with foresight
101
343244
2031
앞날을 예측하며 의사소통을 합니다.
05:57
about the aspects of technology
that could be more beneficial
that could be more beneficial
102
345299
4857
테크놀로지가 인류에게
이득인지를 반문하고
이득인지를 반문하고
06:02
or could be more problematic over time.
103
350180
2600
혹은 시간이 지남에 따라
해가 되는지도 토론하죠.
해가 되는지도 토론하죠.
06:05
If we all focus on opening up
the discussion on AI
the discussion on AI
104
353799
4143
우리 모두가 인공지능에 대해
공개하고 토론하면서
공개하고 토론하면서
06:09
with foresight towards the future,
105
357966
1809
미래를 관측한다면
06:13
this will help create a general
conversation and awareness
conversation and awareness
106
361093
4270
그것은 전반적인 대화와
인식을 이끌어내서
인식을 이끌어내서
06:17
about what AI is now,
107
365387
2513
인공지능이 무엇인지를 이해하게 되고
06:21
what it can become
108
369212
2001
미래의 모습도 추측할 수 있습니다.
06:23
and all the things that we need to do
109
371237
1785
그에 따라 무엇을
해야할 지도 알게 되죠.
해야할 지도 알게 되죠.
06:25
in order to enable that outcome
that best suits us.
that best suits us.
110
373046
3753
인류에게 최선이 될 결과를
만들게되는 거죠.
만들게되는 거죠.
06:29
We already see and know this
in the technology that we use today.
in the technology that we use today.
111
377490
3674
현재의 테크놀로지 속에서도 우리는
이미 이 사실을 보고 있죠.
이미 이 사실을 보고 있죠.
06:33
We use smart phones
and digital assistants and Roombas.
and digital assistants and Roombas.
112
381767
3880
예로 스마트폰, 디지탈 기기,
룸바[Roombas]로봇 등이 있죠.
룸바[Roombas]로봇 등이 있죠.
06:38
Are they evil?
113
386457
1150
이들이 해로울까요?
06:40
Maybe sometimes.
114
388268
1547
아마도 가끔은요.
06:42
Are they beneficial?
115
390664
1333
이들이 도움이 될까요?
06:45
Yes, they're that, too.
116
393005
1533
네, 그렇죠.
06:48
And they're not all the same.
117
396236
1761
이들이 늘 똑같지는 않습니다.
06:50
And there you already see
a light shining on what the future holds.
a light shining on what the future holds.
118
398489
3540
여러분은 이미 미래에 대한
신호를 보고 있는 겁니다.
신호를 보고 있는 겁니다.
06:54
The future continues on
from what we build and create right now.
from what we build and create right now.
119
402942
3619
미래는 현재를 어떻게 만드느냐에 따라
달라질 것입니다.
달라질 것입니다.
06:59
We set into motion that domino effect
120
407165
2642
도미노 효과가 일어나 듯 말입니다.
07:01
that carves out AI's evolutionary path.
121
409831
2600
그 효과는 인공지능의 발전에
영향을 줄 것입니다.
영향을 줄 것입니다.
07:05
In our time right now,
we shape the AI of tomorrow.
we shape the AI of tomorrow.
122
413173
2871
지금 우리의 시대는,
미래를 위한 인공지능의 기초입니다.
미래를 위한 인공지능의 기초입니다.
07:08
Technology that immerses us
in augmented realities
in augmented realities
123
416566
3699
증강현실에 몰입하게 하는 기술은
07:12
bringing to life past worlds.
124
420289
2566
세상을 뛰어넘어 생명을
불어넣어주는 기술이죠.
불어넣어주는 기술이죠.
07:15
Technology that helps people
to share their experiences
to share their experiences
125
423844
4312
서로의 이야기를 나누기 위한 기술은
07:20
when they have difficulty communicating.
126
428180
2262
의사소통의 어려움을 해결해주죠.
07:23
Technology built on understanding
the streaming visual worlds
the streaming visual worlds
127
431323
4532
스트리밍으로 전송되는 영상세계를
만드는 기술은
만드는 기술은
07:27
used as technology for self-driving cars.
128
435879
3079
자동운전 테크놀리지에 이용되죠.
07:32
Technology built on understanding images
and generating language,
and generating language,
129
440490
3413
이미지와 언어생성을 목적으로
만들어진 기술은
만들어진 기술은
07:35
evolving into technology that helps people
who are visually impaired
who are visually impaired
130
443927
4063
시각장애인들을 돕는
테크놀로지로 발전했죠.
테크놀로지로 발전했죠.
07:40
be better able to access the visual world.
131
448014
2800
그들이 시각적으로 세상에
더 가까이 다가갈 수 있도록요.
더 가까이 다가갈 수 있도록요.
07:42
And we also see how technology
can lead to problems.
can lead to problems.
132
450838
3261
하지만 테크놀로지는 문제를
야기하기도 합니다.
야기하기도 합니다.
07:46
We have technology today
133
454885
1428
오늘날 우리의 테크놀로지는
07:48
that analyzes physical
characteristics we're born with --
characteristics we're born with --
134
456337
3835
우리의 선천적
신체적 특징을 분석합니다.
신체적 특징을 분석합니다.
07:52
such as the color of our skin
or the look of our face --
or the look of our face --
135
460196
3272
피부색이나 얼굴의 표정 등을요.
07:55
in order to determine whether or not
we might be criminals or terrorists.
we might be criminals or terrorists.
136
463492
3804
범죄자인지 테러리스트인지를
구별할 수 있도록 하기 위해서죠.
구별할 수 있도록 하기 위해서죠.
07:59
We have technology
that crunches through our data,
that crunches through our data,
137
467688
2905
우리는 정보 데이터를 통하여
수집하는 기술을 가지고 있습니다.
수집하는 기술을 가지고 있습니다.
08:02
even data relating
to our gender or our race,
to our gender or our race,
138
470617
2896
성별 또는 인종과 관련되는 데이터는
08:05
in order to determine whether or not
we might get a loan.
we might get a loan.
139
473537
2865
빚을 지고 있는지 아닌지를
결정하는 기술이 되지도 하지요.
결정하는 기술이 되지도 하지요.
08:09
All that we see now
140
477494
1579
지금 보고 있는 모든 것은
08:11
is a snapshot in the evolution
of artificial intelligence.
of artificial intelligence.
141
479097
3617
인공지능의 단편일 뿐입니다.
08:15
Because where we are right now,
142
483763
1778
왜냐하면 우리는 지금
08:17
is within a moment of that evolution.
143
485565
2238
인공지능의 발전의 한 순간에
존재하고 있으니까요.
존재하고 있으니까요.
08:20
That means that what we do now
will affect what happens down the line
will affect what happens down the line
144
488690
3802
즉 지금 우리가 무엇을 하는 가는
전적으로 영향을 끼칠테니까요.
전적으로 영향을 끼칠테니까요.
08:24
and in the future.
145
492516
1200
우리의 미래에요.
08:26
If we want AI to evolve
in a way that helps humans,
in a way that helps humans,
146
494063
3951
인공지능이 인류를 도와주는
방향으로 발전시키고 싶다면
방향으로 발전시키고 싶다면
08:30
then we need to define
the goals and strategies
the goals and strategies
147
498038
2801
우리는 목적과 계획을
규정해야합니다.
규정해야합니다.
08:32
that enable that path now.
148
500863
1733
그런 방향으로 갈 수 있도록요.
08:35
What I'd like to see is something
that fits well with humans,
that fits well with humans,
149
503680
3738
인간에게 적합한 기술이기를 바랍니다.
08:39
with our culture and with the environment.
150
507442
2800
문화와 환경이 담긴 기술.
08:43
Technology that aids and assists
those of us with neurological conditions
those of us with neurological conditions
151
511435
4484
신경질환을 가진 사람들에게
도움이 되는 테크놀로지.
도움이 되는 테크놀로지.
08:47
or other disabilities
152
515943
1721
다른 신체 장애인들도
08:49
in order to make life
equally challenging for everyone.
equally challenging for everyone.
153
517688
3216
일반인처럼 동등하게
하루를 살아갈 수 있도록하는 기술.
하루를 살아갈 수 있도록하는 기술.
08:54
Technology that works
154
522097
1421
테크놀로지가
08:55
regardless of your demographics
or the color of your skin.
or the color of your skin.
155
523542
3933
인구통계나 피부색과 관련없이
실행되기를 바랍니다.
실행되기를 바랍니다.
09:00
And so today, what I focus on
is the technology for tomorrow
is the technology for tomorrow
156
528383
4742
제가 지금 연구하고 있는 일은
미래를 위한 테크놀로지입니다.
미래를 위한 테크놀로지입니다.
09:05
and for 10 years from now.
157
533149
1733
지금부터 십년 후를 위한 거죠.
09:08
AI can turn out in many different ways.
158
536530
2634
인공지능은 여러모습으로
만들어 질수 있습니다.
만들어 질수 있습니다.
09:11
But in this case,
159
539688
1225
하지만 지금은
09:12
it isn't a self-driving car
without any destination.
without any destination.
160
540937
3328
목적없이 스스로 작동하고 있는
위험한 자동차입니다.
위험한 자동차입니다.
09:16
This is the car that we are driving.
161
544884
2400
이 차는 우리가
운전해야 하는데 말입니다.
운전해야 하는데 말입니다.
09:19
We choose when to speed up
and when to slow down.
and when to slow down.
162
547953
3595
언제 속도를 내고 언제 속도를 줄일지는
우리가 정해야 합니다.
우리가 정해야 합니다.
09:23
We choose if we need to make a turn.
163
551572
2400
차의 진행 방향도
우리가 정해야 합니다.
우리가 정해야 합니다.
09:26
We choose what the AI
of the future will be.
of the future will be.
164
554868
3000
우리는 인공지능의 미래의 모습을
정해야 합니다.
정해야 합니다.
09:31
There's a vast playing field
165
559186
1337
거대한 컴퓨터의 장이
09:32
of all the things that artificial
intelligence can become.
intelligence can become.
166
560547
2965
인공지능의 변화를 기다리고 있습니다.
09:36
It will become many things.
167
564064
1800
인공지능은 여러 모습이 될것이고
09:39
And it's up to us now,
168
567694
1732
그것은 우리 모두에게 달려있습니다.
09:41
in order to figure out
what we need to put in place
what we need to put in place
169
569450
3061
무엇이 적절히 실행되어야 하는지를 알고
09:44
to make sure the outcomes
of artificial intelligence
of artificial intelligence
170
572535
3807
인공지능 발전의 결과를
확실히 하는 것은
확실히 하는 것은
09:48
are the ones that will be
better for all of us.
better for all of us.
171
576366
3066
우리 모두에게 최상이 될 것입니다.
09:51
Thank you.
172
579456
1150
감사합니다.
09:52
(Applause)
173
580630
2187
(박수)
ABOUT THE SPEAKER
Margaret Mitchell - AI research scientistMargaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence.
Why you should listen
Margaret Mitchell's research involves vision-language and grounded language generation, focusing on how to evolve artificial intelligence towards positive goals. Her work combines computer vision, natural language processing, social media as well as many statistical methods and insights from cognitive science. Before Google, Mitchell was a founding member of Microsoft Research's "Cognition" group, focused on advancing artificial intelligence, and a researcher in Microsoft Research's Natural Language Processing group.
Margaret Mitchell | Speaker | TED.com