TED2018
Kai-Fu Lee: How AI can save our humanity
Kai-Fu Lee: Como a IA pode salvar a nossa humanidade
Filmed:
Readability: 4.7
3,583,197 views
A IA está a transformar incrivelmente o mundo, mas há uma coisa que não consegue fazer: amar. Numa palestra visionária, o cientista de computadores Kai-Fu Lee detalha a forma como os EUA e a China estão a impulsionar uma revolução profunda na aprendizagem — e partilha um modelo de como os humanos podem prosperar na era da IA, aproveitando a compaixão e a criatividade. "A AI é um feliz acaso", diz Lee. "Está aqui para nos libertar dos trabalhos de rotina, e está aqui para nos relembrar o que é que nos torna humanos."
Kai-Fu Lee - Investor, computer scientist
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about
how AI and mankind can coexist,
how AI and mankind can coexist,
0
640
4536
Eu vou falar sobre como a IA
e a espécie humana podem coexistir,
e a espécie humana podem coexistir,
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
mas primeiro, temos de repensar
os valores humanos.
os valores humanos.
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
Por isso vou confessar
os erros nos meus valores.
os erros nos meus valores.
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
Eram 11 horas, dia 16 de dezembro de 1991.
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
Eu estava prestes a ser pai
pela primeira vez.
pela primeira vez.
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
A minha mulher, Shen-Ling,
estava na cama do hospital
estava na cama do hospital
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
a ter um parto muito difícil
de 12 horas.
de 12 horas.
00:40
I sat by her bedside
7
28280
2296
Sentei-me ao pé dela
00:42
but looked anxiously at my watch,
8
30600
2376
mas olhava nervosamente para o relógio.
00:45
and I knew something that she didn't.
9
33000
1800
Eu sabia algo que ela não sabia.
00:47
I knew that if in one hour,
10
35440
1800
Sabia que, se dentro de uma hora,
00:50
our child didn't come,
11
38360
1936
ainda não tivéssemos o bebé,
00:52
I was going to leave her there
12
40320
1936
eu ia deixá-la ali
00:54
and go back to work
13
42280
1656
e voltar para o trabalho,
00:55
and make a presentation about AI
14
43960
2576
para fazer uma apresentação
sobre a Inteligência Artificial
sobre a Inteligência Artificial
00:58
to my boss, Apple's CEO.
15
46560
2200
para o meu chefe, o CEO da Apple.
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
Felizmente, a minha filha nasceu às 11:30
01:07
(Laughter)
17
55080
1936
(Risos)
01:09
(Applause)
18
57040
1936
(Aplausos)
01:11
sparing me from doing the unthinkable,
19
59000
4336
poupando-me a fazer algo impensável,
01:15
and to this day, I am so sorry
20
63360
2496
e até hoje, lamento imenso
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
ter deixado que a minha ética de trabalho
fosse superior ao amor pela minha família.
fosse superior ao amor pela minha família.
01:22
(Applause)
22
70560
5736
(Aplausos)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
Já a apresentação sobre a IA
correu muitíssimo bem.
correu muitíssimo bem.
01:30
(Laughter)
24
78960
2736
(Risos)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
A Apple adorou o meu trabalho
e decidiu anunciá-lo na TED1992,
01:36
at TED1992,
26
84880
2696
01:39
26 years ago on this very stage.
27
87600
3016
há 26 anos, neste mesmo palco.
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
Eu pensava que tinha feito uma das maiores
e mais importantes descobertas na IA,
e mais importantes descobertas na IA,
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
tal como o "Wall Street Journal",
no dia seguinte.
no dia seguinte.
01:51
But as far as discoveries went,
30
99440
2536
Mas à medida que se sucediam
as descobertas,
as descobertas,
01:54
it turned out,
31
102000
1336
veio-se a perceber
01:55
I didn't discover India, or America.
32
103360
2776
que eu não tinha descoberto a Índia,
nem a América.
nem a América.
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
Talvez tivesse descoberto uma pequena ilha
na costa de Portugal.
na costa de Portugal.
02:02
But the AI era of discovery continued,
34
110720
3256
Mas a era da descoberta da IA continuou,
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
e mais cientistas
se entregavam de corpo e alma.
se entregavam de corpo e alma.
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
Há cerca de 10 anos,
a grande descoberta na IA
a grande descoberta na IA
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
foi feita por três cientistas
norte-americanos,
norte-americanos,
02:15
and it's known as deep learning.
38
123080
1600
e é conhecida como aprendizagem profunda.
02:17
Deep learning is a technology
that can take a huge amount of data
that can take a huge amount of data
39
125400
3696
A aprendizagem profunda é uma tecnologia
que consegue receber imensos dados
que consegue receber imensos dados
02:21
within one single domain
40
129120
1736
num só domínio
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
e aprende a prever ou a decidir
com uma exatidão super-humana.
com uma exatidão super-humana.
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
Por exemplo, se mostrarmos à rede
de aprendizagem profunda
de aprendizagem profunda
02:30
a massive number of food photos,
43
138640
2816
um número enorme de fotos de comida,
02:33
it can recognize food
44
141480
1576
ela consegue reconhecer a comida
02:35
such as hot dog or no hot dog.
45
143080
3296
como sendo ou não sendo
um cachorro quente.
um cachorro quente.
02:38
(Applause)
46
146400
3136
(Aplausos)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
Ou se lhe mostrarmos muitas imagens
e vídeos e dados de sensores
e vídeos e dados de sensores
02:46
from driving on the highway,
48
154600
2536
de condução na autoestrada,
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
consegue mesmo conduzir um carro
tão bem quanto um ser humano
tão bem quanto um ser humano
02:53
on the highway.
50
161360
1656
na autoestrada.
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
E se mostrássemos a esta rede
de aprendizagem profunda
de aprendizagem profunda
02:57
all the speeches made by President Trump?
52
165880
2400
todos os discursos feitos
pelo Presidente Trump?
pelo Presidente Trump?
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
Então este presidente Trump
artificialmente inteligente,
artificialmente inteligente,
03:05
actually the network --
54
173600
2216
ou seja, a rede...
03:07
(Laughter)
55
175840
1656
(Risos)
03:09
can --
56
177520
1216
consegue...
03:10
(Applause)
57
178760
4056
(Aplausos)
03:14
You like double oxymorons, huh?
58
182840
2336
Gostam de contradições duplas, não é?
03:17
(Laughter)
59
185200
3856
(Risos)
03:21
(Applause)
60
189080
6096
(Aplausos)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
Portanto, esta rede, se lhe pedirmos
para fazer um discurso sobre IA,
para fazer um discurso sobre IA,
03:32
he, or it, might say --
62
200480
2640
poderá dizer:
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
(Gravação) Donald Trump:
É uma coisa fantástica
É uma coisa fantástica
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
criar um mundo melhor
com inteligência artificial.
com inteligência artificial.
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
Kai-Fu Lee: E talvez noutra língua?
03:43
DT: (Speaking Chinese)
66
211400
1816
DT: (Em chinês)
03:45
(Laughter)
67
213240
1496
(Risos)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
KFL: Não sabiam que ele
falava chinês, pois não?
falava chinês, pois não?
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
A aprendizagem profunda tornou-se
o núcleo, na era da descoberta da IA,
o núcleo, na era da descoberta da IA,
03:55
and that's led by the US.
70
223160
1816
e é liderada pelos EUA.
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
Mas agora estamos na era
da implementação,
da implementação,
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
em que o que importa é a execução,
a qualidade do produto,
a rapidez e os dados.
a rapidez e os dados.
04:05
And that's where China comes in.
73
233840
2096
É aí que a China entra em cena.
04:07
Chinese entrepreneurs,
74
235960
1576
Os empresários chineses,
04:09
who I fund as a venture capitalist,
75
237560
1896
que eu financio como investidor de risco,
04:11
are incredible workers,
76
239480
1736
são trabalhadores incríveis,
04:13
amazing work ethic.
77
241240
1936
com uma ética de trabalho impressionante.
04:15
My example in the delivery room is nothing
compared to how hard people work in China.
compared to how hard people work in China.
78
243200
5296
O exemplo na sala de parto não se compara
com o trabalho árduo das pessoas na China.
com o trabalho árduo das pessoas na China.
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
Como exemplo, uma "start-up" tentou
reivindicar o equilíbrio trabalho-vida:
reivindicar o equilíbrio trabalho-vida:
04:24
"Come work for us because we are 996."
80
252240
3696
"Venha trabalhar para nós
porque somos 996."
porque somos 996."
04:27
And what does that mean?
81
255960
1256
O que é que isso significa?
04:29
It means the work hours
of 9am to 9pm, six days a week.
of 9am to 9pm, six days a week.
82
257240
4400
Significa que o trabalho é das 9 da manhã
às 9 da noite, seis dias por semana.
às 9 da noite, seis dias por semana.
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
Isto contrasta com outras "start-ups"
que fazem 997.
que fazem 997.
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
A qualidade dos produtos chineses
tem crescido constantemente
tem crescido constantemente
04:42
in the past decade,
85
270440
1696
na última década,
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
graças a um meio altamente competitivo.
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
Em Silicon Valley, os empresários
competem de forma muito cavalheiresca,
competem de forma muito cavalheiresca,
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
como nas guerras antigas
em que cada lado alternava
em que cada lado alternava
04:58
to fire at each other.
89
286600
1256
quando disparavam uns para os outros.
04:59
(Laughter)
90
287880
1056
05:00
But in the Chinese environment,
91
288960
2016
Mas no mundo chinês,
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
é uma guerra de gladiadores até à morte.
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
Num meio tão cruel, os empresários
aprendem a crescer rapidamente,
aprendem a crescer rapidamente,
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
aprendem a melhorar os seus produtos
a uma velocidade incrível,
a uma velocidade incrível,
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
e aprendem a aprimorar
os seus modelos de negócio
os seus modelos de negócio
05:19
until they're impregnable.
96
307360
1400
até à perfeição.
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
Fruto disso, ótimos produtos chineses
como o WeChat e o Weibo
como o WeChat e o Weibo
05:25
are arguably better
98
313280
1416
são efetivamente melhores
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
que os equivalentes americanos
do Facebook e do Twitter.
do Facebook e do Twitter.
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
O mercado chinês apoia esta mudança
e acelerou a transição
e as mudanças de paradigma.
e as mudanças de paradigma.
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
05:38
As an example, if any of you go to China,
102
326080
2096
Por exemplo, se forem à China,
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
verão que funciona quase inteiramente
sem dinheiro e sem cartões de crédito,
sem dinheiro e sem cartões de crédito,
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
porque aquilo de que todos falamos,
o pagamento telefónico,
o pagamento telefónico,
05:47
has become the reality in China.
105
335000
2416
tornou-se a realidade na China.
05:49
In the last year,
106
337440
1296
No ano passado,
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
transacionaram-se 18,8 biliões de dólares
pela Internet móvel,
pela Internet móvel,
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
e isso deve-se a tecnologias robustas
05:59
built behind it.
109
347680
1256
que são a base para tudo.
06:00
It's even bigger than the China GDP.
110
348960
2440
É até maior que o PIB chinês.
06:04
And this technology, you can say,
how can it be bigger than the GDP?
how can it be bigger than the GDP?
111
352120
3616
Podemos perguntar como é que
esta tecnologia é maior que o PIB?
esta tecnologia é maior que o PIB?
06:07
Because it includes all transactions:
112
355760
1976
Porque inclui todas as transações:
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
comércio por grosso, canais,
venda a retalho, "online", "offline",
venda a retalho, "online", "offline",
06:13
going into a shopping mall
or going into a farmers market like this.
or going into a farmers market like this.
114
361560
5056
num centro comercial
ou num mercado agrícola como este.
ou num mercado agrícola como este.
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
Esta tecnologia é usada
por 700 milhões de pessoas
por 700 milhões de pessoas
06:22
to pay each other, not just merchants,
116
370040
2056
para pagarem entre si,
não só os comerciantes,
não só os comerciantes,
06:24
so it's peer to peer,
117
372120
1416
mas de pessoa para pessoa,
06:25
and it's almost transaction-fee-free.
118
373560
2680
e é quase isento de taxa de transação.
06:29
And it's instantaneous,
119
377720
2376
É instantâneo
06:32
and it's used everywhere.
120
380120
1440
e é usado em todo o lado.
06:34
And finally, the China market is enormous.
121
382320
3376
Finalmente, o mercado chinês é enorme.
06:37
This market is large,
122
385720
1976
Este mercado é vasto,
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
o que ajuda os empresários
a terem mais utilizadores, mais receitas,
a terem mais utilizadores, mais receitas,
06:44
more investment, but most importantly,
124
392240
2336
mais investimentos, mas, acima de tudo,
06:46
it gives the entrepreneurs a chance
to collect a huge amount of data
to collect a huge amount of data
125
394600
4536
dá-lhes a oportunidade de reunir
uma imensa quantidade de dados,
uma imensa quantidade de dados,
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
que se torna o combustível
para o motor da IA.
para o motor da IA.
06:54
So as a result, the Chinese AI companies
127
402960
2936
Como resultado, as empresas chinesas de IA
06:57
have leaped ahead
128
405920
1736
deram um salto em frente
06:59
so that today, the most valuable companies
129
407680
3096
e hoje, as empresas mais valiosas
07:02
in computer vision, speech recognition,
130
410800
2616
em visão computacional,
reconhecimento da fala,
reconhecimento da fala,
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
síntese da fala,
tradução automática, e em "drones"
tradução automática, e em "drones"
07:08
are all Chinese companies.
132
416880
1920
são todas empresas chinesas.
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
Com os EUA a liderar a era da descoberta
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
e a China a liderar
a era da implementação,
a era da implementação,
07:17
we are now in an amazing age
135
425800
2256
estamos agora numa era incrível
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
em que os dois motores
das duas superpotências
das duas superpotências
07:23
are working together
137
431360
1680
estão a trabalhar em conjunto
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
na mais rápida revolução tecnológica
07:29
that we have ever seen as humans.
139
437640
2360
alguma vez vista pelo ser humano.
07:32
And this will bring tremendous wealth,
140
440640
2496
Isto irá produzir uma riqueza tremenda,
07:35
unprecedented wealth:
141
443160
1776
uma riqueza sem precedentes:
07:36
16 trillion dollars, according to PwC,
142
444960
3896
16 biliões de dólares, segundo o PwC,
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
em termos de PIB acrescentado,
ao PIB mundial de 2030.
ao PIB mundial de 2030.
07:46
It will also bring immense challenges
144
454280
2616
Também irá trazer inúmeros desafios
07:48
in terms of potential job replacements.
145
456920
3576
ao nível de potenciais
reposições de empregos.
reposições de empregos.
07:52
Whereas in the Industrial Age
146
460520
2160
Enquanto que na Era Industrial
se criaram mais empregos,
07:55
it created more jobs
147
463880
1536
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
porque o trabalho artesanal foi decomposto
em empregos nas linhas de montagem,
em empregos nas linhas de montagem,
08:03
so more jobs were created.
149
471240
1976
e, portanto, foram criados mais empregos,
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
a IA substitui completamente
os empregos individuais
os empregos individuais
08:10
in the assembly line with robots.
151
478200
2256
pondo robôs nas linhas de montagem.
08:12
And it's not just in factories,
152
480480
1936
E não é só nas fábricas.
08:14
but truckers, drivers
153
482440
2056
Os camionistas, os condutores,
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
os empregos em televendas,
no apoio ao cliente,
no apoio ao cliente,
08:20
and hematologists as well as radiologists
155
488640
2976
os hematologistas e os radiologistas,
08:23
over the next 15 years
156
491640
2096
nos próximos 15 anos,
08:25
are going to be gradually replaced
157
493760
2536
vão ser progressivamente substituídos
08:28
by artificial intelligence.
158
496320
1440
pela inteligência artificial.
08:30
And only the creative jobs --
159
498360
2056
Só nos trabalhos criativos...
08:32
(Laughter)
160
500440
1976
(Risos)
08:34
I have to make myself safe, right?
161
502440
2200
Tenho que assegurar
a minha segurança, não é?
a minha segurança, não é?
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
Os trabalhos criativos são aqueles
que estão protegidos,
que estão protegidos,
08:41
because AI can optimize but not create.
163
509960
3040
porque a IA consegue
otimizar mas não consegue criar.
otimizar mas não consegue criar.
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
Mas mais grave que a perda de emprego
08:49
is the loss of meaning,
165
517559
1777
é a perda de significado,
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
porque a ética de trabalho
na Era Industrial
na Era Industrial
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
convenceu-nos que o trabalho
é a razão pela qual existimos,
é a razão pela qual existimos,
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
que o trabalho definiu
o significado da nossa vida.
o significado da nossa vida.
09:03
And I was a prime and willing victim
to that type of workaholic thinking.
to that type of workaholic thinking.
169
531120
6296
Eu era uma clara e voluntária vítima
desse tipo de viciado no trabalho.
desse tipo de viciado no trabalho.
09:09
I worked incredibly hard.
170
537440
1616
Eu trabalhava imenso.
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
Foi por isso que quase abandonei
a minha mulher na sala de parto,
a minha mulher na sala de parto,
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
que trabalhei "996" em conjunto
com os meus empresários.
com os meus empresários.
09:18
And that obsession that I had with work
173
546880
4416
Essa obsessão que tinha pelo trabalho
09:23
ended abruptly a few years ago
174
551320
3056
acabou abruptamente há uns anos
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
quando fui diagnosticado
com um linfoma de 4.º grau.
com um linfoma de 4.º grau.
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
O exame de TEP aqui mostra
mais de 20 tumores malignos
mais de 20 tumores malignos
09:35
jumping out like fireballs,
177
563640
2176
surgindo como bolas de fogo,
09:37
melting away my ambition.
178
565840
2576
a desfazer a minha ambição.
09:40
But more importantly,
179
568440
1456
Mas o mais importante,
09:41
it helped me reexamine my life.
180
569920
2736
ajudou-me a reexaminar a minha vida.
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
Saber que podia ter apenas
uns meses de vida
uns meses de vida
09:47
caused me to see how foolish it was
182
575800
2936
fez-me ver como tinha sido imprudente
09:50
for me to base my entire self-worth
183
578760
3576
basear a minha autoestima
na quantidade de trabalho feito
e nos resultados desse trabalho.
e nos resultados desse trabalho.
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
As minhas prioridades estavam
completamente baralhadas.
completamente baralhadas.
10:02
I neglected my family.
186
590320
1600
Eu negligenciava a minha família.
10:05
My father had passed away,
187
593000
1416
O meu pai tinha falecido
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
e eu nunca tinha tido a oportunidade
de lhe dizer que o amava.
de lhe dizer que o amava.
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
A minha mãe tinha demência
e já não me reconhecia,
e já não me reconhecia,
10:13
and my children had grown up.
190
601880
1920
e os meus filhos tinham crescido.
10:16
During my chemotherapy,
191
604400
1656
Durante a quimioterapia,
10:18
I read a book by Bronnie Ware
192
606080
2456
li um livro de Bronnie Ware
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
que falava sobre desejos e arrependimentos
de pessoas nos seus leitos de morte.
de pessoas nos seus leitos de morte.
10:26
She found that facing death,
194
614080
2256
Ela descobriu que, ao encarar a morte,
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
ninguém se arrependia de não
ter trabalhado o suficiente nesta vida.
ter trabalhado o suficiente nesta vida.
10:32
They only regretted that they didn't
spend enough time with their loved ones
spend enough time with their loved ones
196
620880
5176
Apenas se arrependiam de não ter
passado mais tempo com quem amavam
passado mais tempo com quem amavam
10:38
and that they didn't spread their love.
197
626080
2760
e de não ter espalhado o seu amor.
10:42
So I am fortunately today in remission.
198
630400
4536
Felizmente, hoje encontro-me em remissão.
10:46
(Applause)
199
634960
6856
(Aplausos)
10:53
So I can be back at TED again
200
641840
1976
Por isso, posso estar de volta ao TED
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
para vos dizer que mudei.
10:59
I now only work 965 --
202
647240
2760
Já só trabalho 965,
11:03
occasionally 996, but usually 965.
203
651200
3976
ocasionalmente 996, mas por norma 965.
11:07
I moved closer to my mother,
204
655200
1896
Mudei-me para mais perto da minha mãe,
11:09
my wife usually travels with me,
205
657120
2456
a minha mulher costuma viajar comigo.
11:11
and when my kids have vacation,
if they don't come home, I go to them.
if they don't come home, I go to them.
206
659600
3816
Quando os meus filhos têm férias,
se não vêm a casa, eu vou ter com eles.
se não vêm a casa, eu vou ter com eles.
11:15
So it's a new form of life
207
663440
2456
É uma nova forma de vida
11:17
that helped me recognize
208
665920
1816
que me fez reconhecer
11:19
how important it is that love is for me,
209
667760
3176
a importância do amor para mim.
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
Encarar a morte ajudou-me
a mudar de vida,
a mudar de vida,
11:26
but it also helped me see a new way
211
674400
2456
mas também me fez ver uma nova forma
11:28
of how AI should impact mankind
212
676880
3776
de como a IA deveria mudar a humanidade
11:32
and work and coexist with mankind,
213
680680
2480
e trabalhar e coexistir com a humanidade.
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
Realmente, a IA está a eliminar
muitos dos empregos de rotina,
muitos dos empregos de rotina,
11:41
but routine jobs are not what we're about.
215
689200
3656
mas os empregos de rotina
não é aquilo de que somos feitos.
não é aquilo de que somos feitos.
Nós existimos pelo amor.
11:44
Why we exist is love.
216
692880
2256
11:47
When we hold our newborn baby,
217
695160
2096
Quando seguramos
no nosso bebé recém-nascido,
no nosso bebé recém-nascido,
11:49
love at first sight,
218
697280
1496
é amor à primeira vista.
11:50
or when we help someone in need,
219
698800
1776
Quando ajudamos
alguém que precisa.
alguém que precisa.
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
Os seres humanos são especialmente
aptos para dar e receber amor,
aptos para dar e receber amor,
11:56
and that's what differentiates us from AI.
221
704880
2800
e é isso que nos diferencia da IA.
12:00
Despite what science fiction may portray,
222
708800
2696
Apesar do que a ficção científica mostra,
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
posso-vos dizer responsavelmente
que a IA não tem amor.
que a IA não tem amor.
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
Quando o AlphaGo derrotou
o campeão do mundo Ke Jie,
o campeão do mundo Ke Jie,
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
enquanto Ke Jie chorava
e amava o jogo de Go,
e amava o jogo de Go,
12:13
AlphaGo felt no happiness from winning
226
721960
3176
o AlphaGo não sentiu
felicidade nenhuma em ganhar
felicidade nenhuma em ganhar
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
e certamente nenhum desejo
de abraçar um ente querido.
de abraçar um ente querido.
12:23
So how do we differentiate ourselves
228
731600
2656
Então, como nos diferenciamos
12:26
as humans in the age of AI?
229
734280
2536
enquanto seres humanos na era da IA?
12:28
We talked about the axis of creativity,
230
736840
3096
Falámos do eixo da criatividade,
12:31
and certainly that is one possibility,
231
739960
2856
e isso é certamente uma possibilidade,
12:34
and now we introduce a new axis
232
742840
2296
mas agora introduzimos um novo eixo
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
a que podemos chamar
compaixão, amor ou empatia.
compaixão, amor ou empatia.
12:40
Those are things that AI cannot do.
234
748800
2576
Isso são coisas que a IA não sente.
12:43
So as AI takes away the routine jobs,
235
751400
2816
Então enquanto a IA
elimina trabalhos de rotina,
elimina trabalhos de rotina,
12:46
I like to think we can, we should
and we must create jobs of compassion.
and we must create jobs of compassion.
236
754240
4960
gosto de pensar que podemos
e devemos criar empregos de compaixão.
e devemos criar empregos de compaixão.
12:51
You might ask how many of those there are,
237
759800
2336
Podem perguntar quantos desses existirão,
12:54
but I would ask you:
238
762160
1616
mas eu pergunto-vos:
12:55
Do you not think that we are going
to need a lot of social workers
to need a lot of social workers
239
763800
3816
Não acham que precisaremos
de muitos assistentes sociais
de muitos assistentes sociais
12:59
to help us make this transition?
240
767640
1600
que nos ajudem nesta transição?
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
Não acham que precisamos
de muitos cuidadores compassivos
de muitos cuidadores compassivos
13:05
to give more medical care to more people?
242
773240
2696
que deem mais cuidados médicos
a mais pessoas?
a mais pessoas?
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
Não precisaremos de 10 vezes
mais professores
mais professores
13:11
to help our children find their way
244
779240
2776
que ajudem os nossos filhos
a encontrar o seu caminho,
a encontrar o seu caminho,
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
a sobreviver e prosperar neste novo mundo?
13:17
And with all the newfound wealth,
246
785320
2440
Com toda a riqueza recém-descoberta,
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
não deveríamos tratar
ocupações de amor como carreiras
ocupações de amor como carreiras
13:24
and let elderly accompaniment
248
792360
2696
e tornar o acompanhamento de idosos
13:27
or homeschooling become careers also?
249
795080
3496
ou o ensino em casa
serem carreiras também?
serem carreiras também?
13:30
(Applause)
250
798600
5280
(Aplausos)
13:36
This graph is surely not perfect,
251
804800
2256
Este gráfico não é perfeito,
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
mas demonstra quatro formas
como podemos trabalhar com a IA.
como podemos trabalhar com a IA.
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
A IA vai chegar e eliminar
os trabalhos de rotina
os trabalhos de rotina
13:46
and in due time, we will be thankful.
254
814240
2040
e, em breve, estaremos gratos.
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
A IA será uma ótima
ferramenta dos criativos
ferramenta dos criativos
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
para que cientistas, artistas,
músicos e escritores
músicos e escritores
13:55
can be even more creative.
257
823800
1600
possam ser ainda mais criativos.
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
A IA trabalhará com os seres humanos
como ferramenta analítica
como ferramenta analítica
14:03
that humans can wrap their warmth around
259
831520
2696
em que o ser humano possa
envolver o seu fervor
envolver o seu fervor
14:06
for the high-compassion jobs.
260
834240
1896
nos trabalhos de elevada compaixão.
14:08
And we can always differentiate ourselves
261
836160
2656
Poderemos sempre diferenciar-nos
14:10
with the uniquely capable jobs
262
838840
1816
com empregos especialmente capazes
14:12
that are both compassionate and creative,
263
840680
3616
que sejam compassivos e criativos,
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
usando e aproveitando os nossos
insubstituíveis cérebros e corações.
insubstituíveis cérebros e corações.
14:21
So there you have it:
265
849520
1296
Aqui está:
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
uma planta da coexistência
do ser humano com a IA.
do ser humano com a IA.
14:27
AI is serendipity.
267
855400
1816
A IA é um feliz acaso.
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
Está aqui para nos libertar
dos trabalhos de rotina,
dos trabalhos de rotina,
14:32
and it is here to remind us
what it is that makes us human.
what it is that makes us human.
269
860240
3680
e para nos relembrar
do que nos torna humanos.
do que nos torna humanos.
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
Portanto, vamos optar por aceitar a IA
e amar-nos uns aos outros.
e amar-nos uns aos outros.
14:40
Thank you.
271
868440
1216
Obrigado.
14:41
(Applause)
272
869680
6160
(Aplausos)
ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientistAt Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies.
Why you should listen
Dr. Kai-Fu Lee has a unique perspective on the global technology industry, having worked extensively between the US and China, and has been in artificial intelligence research, development and investment for more than 30 years. He is one of China's top technology investors, undertaking early pioneering work in the field of artificial intelligence and working with multiple US technology giants.
Lee is the Chairman and CEO of Sinovation Ventures, managing a $1.7 billion dual-currency investment fund. Sinovation is a leading technology-savvy investment firm focusing on developing Chinese high-tech companies. Lee also serves as president of the Sinovation Ventures Artificial Intelligence Institute.
Prior to founding Sinovation in 2009, Lee was the President of Google China. Previously, he held executive positions at Microsoft, SGI and Apple. He is a Fellow of the Institute of Electrical and Electronics Engineers (IEEE), and he was Vice Chairman of the Committee of 100 and named one of the 100 most influential people in the world by TIME Magazine. He is the author of seven best-selling books in Chinese, launching his new book AI Superpowers internationally in fall 2018, and has over 50 million followers on social media.
In the field of artificial intelligence, Lee founded Microsoft Research China, which was named as the hottest research lab by MIT Technology Review. Later renamed Microsoft Research Asia, this institute has trained the great majority of AI leaders in China, including CTOs or AI heads at Baidu, Tencent, Alibaba, Lenovo, Huawei and Haier. While with Apple, Lee led AI projects in speech and natural language, which appeared on Good Morning America on ABC Television and the front page of The Wall Street Journal. He has authored 10 US patents, and more than 100 journal and conference papers.
Kai-Fu Lee | Speaker | TED.com