TED2018
James Bridle: The nightmare videos of children's YouTube -- and what's wrong with the internet today
เจมส์ บริเดิล (James Bridle): วีดีโอที่เป็นฝันร้ายของเด็ก ๆ ในยูทูป -- และมันเกิดอะไรขึ้นกับอินเทอร์เน็ตทุกวันนี้
Filmed:
Readability: 4.1
5,404,429 views
นักเขียนและศิลปิน เจมส์ บริเดิล เปิดโปงมุมมืดและประหลาดของอินเทอร์เน็ต ที่ซึ่งบุคคลนิรนามหรือกลุ่มบนยูทิปบุกยึดสมองของเด็กเล็ก ๆ เพื่อให้ได้มาซึ่งเงินค่าโฆษรา ตั้งแต่การแกะ "ไข่พิศวง" และ "เพลงครอบครัวนิ้วมือ" ไปจนถึงการยำรวมกันของตัวการ์ตูนที่เรารู้จักกันดีในเรื่องราวที่รุนแรงด้วยการใช้อัลกอริธึม วีดีโอเปล่านี้ตักตวงผลประโยชน์และสั่นประสาทเด็ก ๆ ของเรา และพวกมันก็บอกพวกเราว่าโลกของเราที่ถูกขับเคลื่อนโดยข้อมูลมากขึ้นเรื่อย ๆ นี้กำลังจะมุ่งหน้าไปทางไหน "เราต้องเลิกคิดถึงเทคโนโลยีว่าเป็นทางออกของปัญหาทั้งหมด แต่ต้องคิดว่ามันเป็นคู่มือที่จะช่วยบอกว่าปัญหาที่แท้จริงคืออะไร เพื่อที่เราจะสามารถทำความเข้าใจมันได้อย่างเหมาะสมและจัดการกับพวกมัน" บริเดิลกล่าว
James Bridle - Artist, writer
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Working across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future. Full bio
Double-click the English transcript below to play the video.
00:12
I'm James.
0
777
1183
ผมชื่อเจมส์ครับ
00:13
I'm a writer and artist,
1
1984
1686
ผมเป็นนักเขียนและศิลปิน
00:15
and I make work about technology.
2
3694
2341
และทำงานเกี่ยวกับเทคโนโลยี
00:18
I do things like draw life-size outlines
of military drones
of military drones
3
6454
3911
งานของผมได้แก่การเขียนแบบ
โดรนทหารที่มีขนาดเท่าจริง
โดรนทหารที่มีขนาดเท่าจริง
00:22
in city streets around the world,
4
10389
1828
บนถนนในเมืองทั่วโลก
00:24
so that people can start to think
and get their heads around
and get their heads around
5
12241
2950
เพื่อที่คนจะได้เริ่มครุ่นคิดกัน
และลองนึกตรึกตรองกันดู
และลองนึกตรึกตรองกันดู
00:27
these really quite hard-to-see
and hard-to-think-about technologies.
and hard-to-think-about technologies.
6
15215
3440
มันค่อนข้างที่จะเป็นเทคโนโลยี
ที่เห็นได้ยากและคนไม่ค่อยจะคิดถึง
ที่เห็นได้ยากและคนไม่ค่อยจะคิดถึง
00:31
I make things like neural networks
that predict the results of elections
that predict the results of elections
7
19494
3836
งานอื่นของผมเช่น เครือข่ายประสาท
ที่คาดคะเนผลลัพธ์ของการเลือกตั้ง
ที่คาดคะเนผลลัพธ์ของการเลือกตั้ง
00:35
based on weather reports,
8
23354
1737
ตามการรายงานพยากรณ์อากาศ
00:37
because I'm intrigued about
9
25115
1314
เพราะว่าผมสนใจว่า
00:38
what the actual possibilities
of these weird new technologies are.
of these weird new technologies are.
10
26453
3924
เทคโนโลยีใหม่ ๆ แปลก ๆ เหล่านี้
จะทำอะไรได้บ้าง
จะทำอะไรได้บ้าง
00:43
Last year, I built
my own self-driving car.
my own self-driving car.
11
31405
2426
ปีที่แล้ว ผมสร้างรถยนต์ที่ขับเคลื่อนเอง
ด้วยตัวผมเอง
ด้วยตัวผมเอง
00:45
But because I don't
really trust technology,
really trust technology,
12
33855
2526
เพราะว่าผมไม่ไว้ใจเทคโนโลยีจริง ๆ
00:48
I also designed a trap for it.
13
36405
1928
ผมออกแบบหลุมพรางให้มัน
00:50
(Laughter)
14
38777
1086
(เสียงหัวเราะ)
00:51
And I do these things mostly because
I find them completely fascinating,
I find them completely fascinating,
15
39887
4298
และผมทำงานเหล่านี้เป็นส่วนใหญ่
เพราะว่าผมพบว่ามันน่าทึ่งอย่างยิ่ง
เพราะว่าผมพบว่ามันน่าทึ่งอย่างยิ่ง
00:56
but also because I think
when we talk about technology,
when we talk about technology,
16
44209
2602
แต่ยังเป็นเพราะว่าผมคิดว่า
เมื่อเราพูดถึงเทคโนโลยี
เมื่อเราพูดถึงเทคโนโลยี
00:58
we're largely talking about ourselves
17
46835
2619
เรามักพูดกันถึงตัวเราเอง
01:01
and the way that we understand the world.
18
49478
2299
และในแบบที่เราเข้าใจโลก
01:03
So here's a story about technology.
19
51801
2442
ครับ นี่จะเป็นเรื่องราวเกี่ยวกับเทคโนโลยี
01:07
This is a "surprise egg" video.
20
55520
2830
นี่คือวีดีโอ "ไข่พิศวง"
01:10
It's basically a video of someone
opening up loads of chocolate eggs
opening up loads of chocolate eggs
21
58374
3348
เป็นวีดีโอที่มีการเปิดไข่ช็อกโกแลต
01:13
and showing the toys inside to the viewer.
22
61746
2126
เพื่อดูว่าของเล่นข้างในคืออะไร
01:16
That's it. That's all it does
for seven long minutes.
for seven long minutes.
23
64461
2649
ตลอดเจ็ดนาที ก็มีแค่นั้นแหละครับ
01:19
And I want you to notice
two things about this.
two things about this.
24
67428
3051
และผมก็อยากให้คุณสังเกตอะไรสองอย่าง
01:22
First of all, this video
has 30 million views.
has 30 million views.
25
70503
4074
อย่างแรกเลย วีดีโอนี้มีผู้ชม 30 ล้านครั้ง
01:26
(Laughter)
26
74601
1275
(เสียงหัวเราะ)
01:28
And the other thing is,
27
76376
1166
และอีกอย่างก็คือ
01:29
it comes from a channel
that has 6.3 million subscribers,
that has 6.3 million subscribers,
28
77566
3869
มันมาจากช่องที่มีผู้ติดตาม 6.3 ล้านคน
01:33
that has a total of eight billion views,
29
81459
2680
นั่นเท่ากับมีผู้ชมทั้งหมดแปดพันล้านครั้ง
01:36
and it's all just more videos like this --
30
84163
3106
และมันก็ยังมีวีดีโอแบบนี้อีกมากมาย
01:40
30 million people watching a guy
opening up these eggs.
opening up these eggs.
31
88256
3908
คน 30 ล้านคน กำลังดูการแกะไข่พวกนี้
01:44
It sounds pretty weird, but if you search
for "surprise eggs" on YouTube,
for "surprise eggs" on YouTube,
32
92188
4481
มันฟังดูพิลึก แต่ถ้าคุณลองค้นหาด้วยคำว่า
"ไข่พิศวง" บนยูทูป
"ไข่พิศวง" บนยูทูป
01:48
it'll tell you there's
10 million of these videos,
10 million of these videos,
33
96693
3523
มันจะบอกว่ามีวีดีโอเหล่านี้ 10 ล้านวีดีโอ
01:52
and I think that's an undercount.
34
100240
1657
และผมคิดว่านั่นยังไม่หมด
01:53
I think there's way, way more of these.
35
101921
1897
ผมคิดว่ามันยังมีวีดีโอพวกนี้อยู่อีกมาก
01:55
If you keep searching, they're endless.
36
103842
2242
ถ้าคุณลองค้นหาไปเรื่อย ๆ
พวกมันมีมากมายมหาศาล
พวกมันมีมากมายมหาศาล
01:58
There's millions and millions
of these videos
of these videos
37
106108
2159
มีวีดีโอแบบนี้มากมายนับไม่ถ้วน
02:00
in increasingly baroque combinations
of brands and materials,
of brands and materials,
38
108291
3454
ด้วยยี่ห้อและวัสดุต่าง ๆ
ที่พิศดารขึ้นเรื่อย ๆ
ที่พิศดารขึ้นเรื่อย ๆ
02:03
and there's more and more of them
being uploaded every single day.
being uploaded every single day.
39
111769
3846
และพวกมันก็ถูกโหลดขึ้นไปบนยูทูป
มากขึ้นทุกวัน
มากขึ้นทุกวัน
02:07
Like, this is a strange world. Right?
40
115639
3511
โลกนี้มันประหลาด ใช่ไหมครับ
02:11
But the thing is, it's not adults
who are watching these videos.
who are watching these videos.
41
119174
3383
แต่ประเด็นก็คือ คนที่ดูวีดีโอเหล่านี้
ไม่ใช่ผู้ใหญ่
ไม่ใช่ผู้ใหญ่
02:14
It's kids, small children.
42
122581
2921
แต่เป็นเด็ก เด็กเล็ก ๆ
02:17
These videos are
like crack for little kids.
like crack for little kids.
43
125526
2154
วีดีโอเหล่านี้
เหมือนเป็นหลุมดักเด็กเล็ก
เหมือนเป็นหลุมดักเด็กเล็ก
02:19
There's something about the repetition,
44
127704
2075
มันมีอะไรบ้างอย่างเกี่ยวกับการทำซ้ำ ๆ
02:21
the constant little
dopamine hit of the reveal,
dopamine hit of the reveal,
45
129803
2468
เหมือนการเปิดที่กระตุ้นโดปามีน
ทีละนิดอย่างสม่ำเสมอ
ทีละนิดอย่างสม่ำเสมอ
02:24
that completely hooks them in.
46
132295
1866
ที่ดึงความสนใจของเด็กได้อย่างอยู่หมัด
02:26
And little kids watch these videos
over and over and over again,
over and over and over again,
47
134185
4809
และเด็ก ๆ ที่ดูวีดีโอเหล่านี้
ซ้ำแล้วซ้ำเล่า
ซ้ำแล้วซ้ำเล่า
02:31
and they do it for hours
and hours and hours.
and hours and hours.
48
139018
2327
และพวกเขาก็ดูกันเป็นชั่วโมง ๆ
02:33
And if you try and take
the screen away from them,
the screen away from them,
49
141369
2356
และถ้าคุณพยายาม
ที่จะดึงจอไปจากเด็กแล้วล่ะก็
ที่จะดึงจอไปจากเด็กแล้วล่ะก็
02:35
they'll scream and scream and scream.
50
143749
1782
พวกเขาก็จะร้องจ้ากันไม่หยุด
02:37
If you don't believe me --
51
145555
1262
ถ้าไม่เชื่อผมนะ
02:38
and I've already seen people
in the audience nodding --
in the audience nodding --
52
146841
2607
แล้วผมก็เห็นคนที่กำลังฟังอยู่
พยักหน้าเห็นด้วยแล้ว
พยักหน้าเห็นด้วยแล้ว
02:41
if you don't believe me, find someone
with small children and ask them,
with small children and ask them,
53
149472
3391
ถ้าคุณไม่เชื่อผม ลองถามใครสักคน
ที่มีลูกเล็ก ๆ สิครับ
ที่มีลูกเล็ก ๆ สิครับ
02:44
and they'll know about
the surprise egg videos.
the surprise egg videos.
54
152887
2340
พวกเขารู้ดีเลยเรื่องวีดีโอไข่พิศวง
02:47
So this is where we start.
55
155251
2070
และนี่คือจุดเริ่มต้นของเรา
02:49
It's 2018, and someone, or lots of people,
56
157345
3642
ในปี ค.ศ. 2018 ใครบางคน
หรืออาจจะหลาย ๆ คน
หรืออาจจะหลาย ๆ คน
02:53
are using the same mechanism that, like,
Facebook and Instagram are using
Facebook and Instagram are using
57
161011
3941
ใช้กลไกเดียวกับที่เฟสบุ๊กหรืออินสตาแกรมใช้
02:56
to get you to keep checking that app,
58
164976
1989
เพื่อให้คุณกลับไปกดดูแอพเรื่อย ๆ
02:58
and they're using it on YouTube
to hack the brains of very small children
to hack the brains of very small children
59
166989
3985
และพวกเขาก็ใช้มันกับยูทูป
และเข้ายึดครองสมองของเด็กตัวเล็ก ๆ
และเข้ายึดครองสมองของเด็กตัวเล็ก ๆ
03:02
in return for advertising revenue.
60
170998
1958
เพื่อให้ได้มาซึ่งค่าโฆษณา
03:06
At least, I hope
that's what they're doing.
that's what they're doing.
61
174346
2001
อย่างน้อย ผมก็หวังว่า
นั่นเป็นสิ่งที่พวกเขาทำ
นั่นเป็นสิ่งที่พวกเขาทำ
03:08
I hope that's what they're doing it for,
62
176371
1955
ผมหวังว่า เขาทำเพื่อผลกำไรนั้น
03:10
because there's easier ways
of making ad revenue on YouTube.
of making ad revenue on YouTube.
63
178350
5308
เพราะว่ามันมีวิธีที่ง่ายกว่านี้
ในการสร้างผลกำไรบนยูทูป
ในการสร้างผลกำไรบนยูทูป
03:15
You can just make stuff up or steal stuff.
64
183682
2332
คุณก็แค่สร้างอะไรสักอย่างขึ้นมา
หรือขโมยอะไรมาก็ได้
หรือขโมยอะไรมาก็ได้
03:18
So if you search for really
popular kids' cartoons
popular kids' cartoons
65
186038
2635
ถ้าคุณลองค้นหาการ์ตูนที่เด็ก ๆ ชื่นชอบ
03:20
like "Peppa Pig" or "Paw Patrol,"
66
188697
1654
อย่าง "ปาป้า พิ๊ก" หรือ "พาว เพโทร"
03:22
you'll find there's millions and millions
of these online as well.
of these online as well.
67
190375
3147
คุณก็จะพบกับวีดีโอออนไลน์เช่นนี้
มากมายมหาศาลเช่นกัน
มากมายมหาศาลเช่นกัน
03:25
Of course, most of them aren't posted
by the original content creators.
by the original content creators.
68
193546
3352
แน่นอนล่ะว่า ส่วนใหญ่แล้ว
มันไม่ได้ถูกปะไว้ที่นั่นโดยผู้ผลิตวีดีโอ
มันไม่ได้ถูกปะไว้ที่นั่นโดยผู้ผลิตวีดีโอ
03:28
They come from loads and loads
of different random accounts,
of different random accounts,
69
196922
2999
พวกมันมาจากผู้ใช้ที่หลากหลาย
03:31
and it's impossible to know
who's posting them
who's posting them
70
199945
2240
และเราก็ไม่อาจรู้ได้ว่า
ใครเป็นผู้ที่โหลดพวกมันขึ้นไป
ใครเป็นผู้ที่โหลดพวกมันขึ้นไป
03:34
or what their motives might be.
71
202209
1822
หรือพวกเขามีจุดประสงค์อะไร
03:36
Does that sound kind of familiar?
72
204428
1930
ฟังดูคุ้น ๆ ไหมครับ
03:38
Because it's exactly the same mechanism
73
206382
1980
เพราะว่านั่นเป็นกระบวนการเดียวกันเป๊ะ
03:40
that's happening across most
of our digital services,
of our digital services,
74
208386
2600
ที่เกิดขึ้นกับบริการดิจิทัลอื่น ๆ
03:43
where it's impossible to know
where this information is coming from.
where this information is coming from.
75
211010
3207
ซึ่งเราไม่สามารถบอกได้เลย
ว่าข้อมูลนี้มาจากไหน
ว่าข้อมูลนี้มาจากไหน
03:46
It's basically fake news for kids,
76
214241
1829
มันเป็นเหมือนข่าวเทียมสำหรับเด็ก
03:48
and we're training them from birth
77
216094
2161
และเรากำลังให้มันสอนเด็กตั้งแต่แบเบาะ
03:50
to click on the very first link
that comes along,
that comes along,
78
218279
2506
ให้กดลิงก์แรกที่เห็น
03:52
regardless of what the source is.
79
220809
1953
โดยไม่ต้องคำนึงว่ามันมาจากไหน
03:54
That's doesn't seem like
a terribly good idea.
a terribly good idea.
80
222786
2603
นั่นไม่น่าจะเป็นความคิดที่ดีสักเท่าไร
03:58
Here's another thing
that's really big on kids' YouTube.
that's really big on kids' YouTube.
81
226399
2710
นี่เป็นอีกอย่างหนึ่ง
ที่นิยมกันในยูทูปของเด็ก ๆ
ที่นิยมกันในยูทูปของเด็ก ๆ
04:01
This is called the "Finger Family Song."
82
229133
1928
มันเรียกว่า "เพลงครอบครัวนิ้วมือ"
04:03
I just heard someone groan
in the audience.
in the audience.
83
231085
2018
ผมว่าผมได้ยินผู้ฟังส่งเสียงคร่ำครวญนะ
04:05
This is the "Finger Family Song."
84
233127
1624
นี่คือ "เพลงครอบครัวนิ้วมือ"
04:06
This is the very first one I could find.
85
234775
1930
นี่เป็นอันแรกที่ผมเจอ
04:08
It's from 2007, and it only has
200,000 views,
200,000 views,
86
236729
2829
มันถูกโหลดขึ้นไปตั้งแต่ปี ค.ศ. 2007
และมีผู้ชม 200,000 ครั้ง
และมีผู้ชม 200,000 ครั้ง
04:11
which is, like, nothing in this game.
87
239582
1976
ซึ่งเรียกได้ว่าเล็กน้อยมาก
04:13
But it has this insanely earwormy tune,
88
241582
2852
แต่มันมีทำนองที่ติดหูสุด ๆ
04:16
which I'm not going to play to you,
89
244458
1682
ซึ่งผมจะไม่เปิดให้ฟังนะครับ
04:18
because it will sear itself
into your brain
into your brain
90
246164
2008
เพราะว่ามันจะทำร้ายสมองของคุณ
04:20
in the same way that
it seared itself into mine,
it seared itself into mine,
91
248196
2395
แบบเดียวกับที่มันทำร้ายสมองของผม
04:22
and I'm not going to do that to you.
92
250615
1770
และผมจะไม่ทำแบบนั้นหรอกครับ
04:24
But like the surprise eggs,
93
252409
1344
แต่เช่นเดียวกันกับ ไข่พิศวง
04:25
it's got inside kids' heads
94
253777
2164
มันบุกเข้าไปในสมองของเด็ก ๆ
04:27
and addicted them to it.
95
255965
1607
และทำให้พวกเขาติดงอมแงม
04:29
So within a few years,
these finger family videos
these finger family videos
96
257596
2531
ฉะนั้น ภายในไม่กี่ปี
วีดีโอเพลงครอบครัวนิ้วมือ
วีดีโอเพลงครอบครัวนิ้วมือ
04:32
start appearing everywhere,
97
260151
1303
จะผุดขึ้นทุกหนทุกแห่ง
04:33
and you get versions
in different languages
in different languages
98
261478
2029
และคุณก็จะเห็นมันถูกแปลง
เป็นภาษาต่าง ๆ
เป็นภาษาต่าง ๆ
04:35
with popular kids' cartoons using food
99
263531
2121
โดยมีการ์ตูนที่สร้างจากอาหาร
ที่เด็ก ๆ ชอบกัน
ที่เด็ก ๆ ชอบกัน
04:37
or, frankly, using whatever kind
of animation elements
of animation elements
100
265676
2550
หรือใช้แอนิเมชั่นรูปแบบอื่น ๆ
04:40
you seem to have lying around.
101
268250
2252
ที่คุณเคยเห็นมาก่อนหน้านี้
04:43
And once again, there are millions
and millions and millions of these videos
and millions and millions of these videos
102
271002
5197
และอีกครั้งหนึ่ง วีดีโอออนไลน์แบบนี้
04:48
available online in all of these
kind of insane combinations.
kind of insane combinations.
103
276223
3435
ก็มากมายหลายรูปแบบ
บ้าบอคอแตกเหลือเกิน
บ้าบอคอแตกเหลือเกิน
04:51
And the more time
you start to spend with them,
you start to spend with them,
104
279682
2228
และยิ่งคุณใช้เวลากับมันมากเท่าไร
04:53
the crazier and crazier
you start to feel that you might be.
you start to feel that you might be.
105
281934
3694
คุณก็จะยิ่งรู้สึกบ้าบอขึ้นเรื่อย ๆ
04:57
And that's where I
kind of launched into this,
kind of launched into this,
106
285652
3333
และนั่นก็เป็นจุดเริ่มต้นของผม
ที่มีต่อสิ่งนี้
ที่มีต่อสิ่งนี้
05:01
that feeling of deep strangeness
and deep lack of understanding
and deep lack of understanding
107
289009
3666
ความรู้สึกที่แสนแปลกประหลาด
และการขาดความเข้าใจโดยสิ้นเชิง
และการขาดความเข้าใจโดยสิ้นเชิง
05:04
of how this thing was constructed
that seems to be presented around me.
that seems to be presented around me.
108
292699
4175
ว่าสิ่งที่ปรากฏอยู่รอบตัวผมนี้
ถูกสร้างขึ้นได้อย่างไร
ถูกสร้างขึ้นได้อย่างไร
05:08
Because it's impossible to know
where these things are coming from.
where these things are coming from.
109
296898
3167
เพราะว่าเราไม่อาจรู้ได้เลย
ว่าสิ่งเหล่านี้มาจากไหน
ว่าสิ่งเหล่านี้มาจากไหน
05:12
Like, who is making them?
110
300089
1241
เช่น ใครเป็นผู้สร้าง
05:13
Some of them appear to be made
of teams of professional animators.
of teams of professional animators.
111
301354
3143
บางวีดีโอน่าจะถูกสร้าง
โดยกลุ่มของแอนิเมเตอร์มืออาชีพ
โดยกลุ่มของแอนิเมเตอร์มืออาชีพ
05:16
Some of them are just randomly
assembled by software.
assembled by software.
112
304521
2882
บางวีดีโออาจถูกนำมารวมกันแบบสุ่ม ๆ
โดยซอร์ฟแวร์
โดยซอร์ฟแวร์
05:19
Some of them are quite wholesome-looking
young kids' entertainers.
young kids' entertainers.
113
307427
4253
บางวีดีโอก็น่าจะ
ส่งเสริมให้เกิดความบันเทิงกับเด็ก
ส่งเสริมให้เกิดความบันเทิงกับเด็ก
05:23
And some of them are from people
114
311704
1552
แต่บางวีดีโอก็น่าจะมาจาก
05:25
who really clearly
shouldn't be around children at all.
shouldn't be around children at all.
115
313280
3007
คนที่ควรอยู่ห่าง ๆ เด็กเอาไว้
05:28
(Laughter)
116
316311
1615
(เสียงหัวเราะ)
05:30
And once again, this impossibility
of figuring out who's making this stuff --
of figuring out who's making this stuff --
117
318987
4640
และอีกครั้ง เราไม่อาจรู้ได้เลย
ว่าใครเป็นผู้สร้างสิ่งเหล่านี้
ว่าใครเป็นผู้สร้างสิ่งเหล่านี้
05:35
like, this is a bot?
118
323651
1156
โปรแกรมอย่างนั้นหรือ
05:36
Is this a person? Is this a troll?
119
324831
2647
คนทั่วไป หรือว่าเกรียนที่ไหน
05:39
What does it mean
that we can't tell the difference
that we can't tell the difference
120
327502
2382
มันคืออะไรกันแน่
ที่ว่าเราไม่อาจบอกความแตกต่าง
ที่ว่าเราไม่อาจบอกความแตกต่าง
05:41
between these things anymore?
121
329908
1583
ระหว่างสิ่งเหล่านี้ได้อีกแล้ว
05:43
And again, doesn't that uncertainty
feel kind of familiar right now?
feel kind of familiar right now?
122
331515
4848
และอีกแหละ คุณรู้สึกว่า
มันคุ้น ๆ บ้างหรือยัง
มันคุ้น ๆ บ้างหรือยัง
05:50
So the main way people get views
on their videos --
on their videos --
123
338145
2580
โดยทั่วไปวีดีโอเหล่านี้ถูกรับชม
05:52
and remember, views mean money --
124
340749
1707
อ้อ จำนวนครั้งที่ชมหมายถึงเงินนะครับ
05:54
is that they stuff the titles
of these videos with these popular terms.
of these videos with these popular terms.
125
342480
4742
ก็เพราะมันมีชื่อหัวข้อ
เหมือนกับวีดีโอที่ได้รับความนิยม
เหมือนกับวีดีโอที่ได้รับความนิยม
05:59
So you take, like, "surprise eggs"
126
347246
1687
ฉะนั้น ใช้ชื่อหัวข้อ เช่น "ไข่พิศวง"
06:00
and then you add
"Paw Patrol," "Easter egg,"
"Paw Patrol," "Easter egg,"
127
348957
2066
กับ "พาว เพโทร" และ "ไข่อีสเตอร์"
06:03
or whatever these things are,
128
351047
1393
หรืออะไรก็ตามแต่
06:04
all of these words from other
popular videos into your title,
popular videos into your title,
129
352464
2893
ที่เป็นคำจากวีดีโออื่นที่ได้รับความนิยม
06:07
until you end up with this kind of
meaningless mash of language
meaningless mash of language
130
355381
2968
จนกระทั่งคุณได้ข้อความ
ที่ไร้ซึ่งความหมายทางภาษา
ที่ไร้ซึ่งความหมายทางภาษา
06:10
that doesn't make sense to humans at all.
131
358373
2498
สำหรับคนแล้วจะอ่านไม่เข้าใจเลย
06:12
Because of course it's only really
tiny kids who are watching your video,
tiny kids who are watching your video,
132
360895
3546
เพราะแน่ล่ะว่า ผู้ชมวีดีโอเหล่านี้
เป็นแค่เด็กเล็ก ๆ เองไม่ใช่หรือ
เป็นแค่เด็กเล็ก ๆ เองไม่ใช่หรือ
06:16
and what the hell do they know?
133
364465
1827
พวกเขาจะไปรู้อะไรล่ะ
06:18
Your real audience
for this stuff is software.
for this stuff is software.
134
366316
3007
ผู้ชมตัวจริงคือซอร์ฟแวร์
06:21
It's the algorithms.
135
369347
1156
คืออัลกอริธึม
06:22
It's the software that YouTube uses
136
370527
1855
คือซอร์ฟแวร์ที่ยูทูปใช้
06:24
to select which videos
are like other videos,
are like other videos,
137
372406
2483
เพื่อเลือกวีดีโอที่คล้ายกับวีดีโออื่น
06:26
to make them popular,
to make them recommended.
to make them recommended.
138
374913
2243
เพื่อทำให้พวกมันได้รับความนิยม
ได้รับการอ้างถึง
ได้รับการอ้างถึง
06:29
And that's why you end up with this
kind of completely meaningless mash,
kind of completely meaningless mash,
139
377180
3461
และเป็นเหตุว่าทำไม มันจึงลงเอย
ที่การยำรวมอย่างไร้ความหมายนี้
ที่การยำรวมอย่างไร้ความหมายนี้
06:32
both of title and of content.
140
380665
2071
ทั้งหัวข้อและเนื้อหา
06:35
But the thing is, you have to remember,
141
383792
1894
แต่ประเด็นก็คือ คุณต้องจำไว้ว่า
06:37
there really are still people within
this algorithmically optimized system,
this algorithmically optimized system,
142
385710
4478
ยังมีคนจริง ๆ ที่อยู่เบื้องหลัง
ระบบที่ถูกปรับด้วยอัลกอริธึมนี้
ระบบที่ถูกปรับด้วยอัลกอริธึมนี้
06:42
people who are kind
of increasingly forced to act out
of increasingly forced to act out
143
390212
2790
คนจำพวกที่ถูกกดดัน
06:45
these increasingly bizarre
combinations of words,
combinations of words,
144
393026
3066
ให้ทำการผนวกคำอย่างแสนพิลึกนี้
06:48
like a desperate improvisation artist
responding to the combined screams
responding to the combined screams
145
396116
5173
ราวกับศิลปินที่ด้นสดแบบไม่ลืมหูลืมตา
เพื่อสนองตอบเสียงกรีดร้องระงม
เพื่อสนองตอบเสียงกรีดร้องระงม
06:53
of a million toddlers at once.
146
401313
2203
ของเด็กทารกล้านคน
06:57
There are real people
trapped within these systems,
trapped within these systems,
147
405168
2468
มีคนจริง ๆ ที่ติดอยู่ในระบบเหล่านี้
06:59
and that's the other deeply strange thing
about this algorithmically driven culture,
about this algorithmically driven culture,
148
407660
4055
และนี่ก็เป็นอีกเรื่องประหลาด
ของวัฒนธรรมที่ถูกขับเคลื่อนด้วยอัลกอริธึม
ของวัฒนธรรมที่ถูกขับเคลื่อนด้วยอัลกอริธึม
07:03
because even if you're human,
149
411739
1381
เพราะแม้ว่าคุณจะเป็นคน
07:05
you have to end up behaving like a machine
150
413144
2145
คุณลงเอยที่การทำตัวเป็นหุ่นยนต์
07:07
just to survive.
151
415313
1800
เพียงเพื่อจะเอาตัวรอด
07:09
And also, on the other side of the screen,
152
417137
2100
และอีกข้างหนึ่งของจอ
07:11
there still are these little kids
watching this stuff,
watching this stuff,
153
419261
2947
ก็ยังมีเด็กเล็ก ๆ ดูสิ่งนี้กันอยู่
07:14
stuck, their full attention grabbed
by these weird mechanisms.
by these weird mechanisms.
154
422232
4206
พวกเขาติดงอมแงม จดจ่อเต็มที่
เพราะกลไกประหลาดนี้
เพราะกลไกประหลาดนี้
07:18
And most of these kids are too small
to even use a website.
to even use a website.
155
426768
2798
และเด็กส่วนใหญ่ก็เล็กเกินไป
ที่จะเคยใช้เว็บไซต์
ที่จะเคยใช้เว็บไซต์
07:21
They're just kind of hammering
on the screen with their little hands.
on the screen with their little hands.
156
429590
3276
พวกเขาก็แค่กด ๆ ไปบนจอ
ด้วยมือเล็ก ๆ ของพวกเขา
ด้วยมือเล็ก ๆ ของพวกเขา
07:24
And so there's autoplay,
157
432890
1217
แล้วไหนจะยังมีการเล่นอัตโนมัติ
07:26
where it just keeps playing these videos
over and over and over in a loop,
over and over and over in a loop,
158
434131
3579
ที่จะเล่นวีดีโอวนไปเรื่อย ๆ
07:29
endlessly for hours and hours at a time.
159
437734
2059
ไม่หยุดไม่หย่อนครั้งละหลายชั่วโมง
07:31
And there's so much weirdness
in the system now
in the system now
160
439817
2843
และตอนนี้ระบบ
ก็มีความประหลาดเยอะแล้ว
ก็มีความประหลาดเยอะแล้ว
07:34
that autoplay takes you
to some pretty strange places.
to some pretty strange places.
161
442684
3009
การเล่นโดยอัตโนมัติ
นำคุณไปพบกับความแปลกประหลาด
นำคุณไปพบกับความแปลกประหลาด
07:37
This is how, within a dozen steps,
162
445717
2488
นั่นคือสาเหตุว่า ทำไมภายในสิบกว่าขั้นตอน
07:40
you can go from a cute video
of a counting train
of a counting train
163
448229
3158
จากวีดีโอน่ารัก ๆ เกี่ยวกับรถไฟสอนการนับ
07:43
to masturbating Mickey Mouse.
164
451411
2442
ถึงได้กลายเป็นมิ๊กกี้เม้าส์ช่วยตัวเองไปได้
07:46
Yeah. I'm sorry about that.
165
454529
2288
ครับ ขอโทษด้วยจริง ๆ ครับ
07:48
This does get worse.
166
456841
1700
มันมีที่แย่กว่านี้อีก
07:50
This is what happens
167
458565
1282
นี่เกิดขึ้น
07:51
when all of these different keywords,
168
459871
3086
เมื่อคำหลักต่าง ๆ เหล่านี้
07:54
all these different pieces of attention,
169
462981
2461
ความสนใจต่าง ๆ เหล่านี้
07:57
this desperate generation of content,
170
465466
2807
การสร้างเนื้อหาอย่างไม่ลืมหัวลืมตานี้
08:00
all comes together into a single place.
171
468297
2582
ทุกสิ่งมารวมตัวกันในที่เดียว
08:03
This is where all those deeply weird
keywords come home to roost.
keywords come home to roost.
172
471871
4472
นี่จึงเป็นที่ที่คำหลักประหลาด ๆ ฝังอยู่
08:08
You cross-breed the finger family video
173
476367
2391
คุณผสมวีดีโอเพลงครอบครัวนิ้ว
08:10
with some live-action superhero stuff,
174
478782
2088
กับยอดมนุษย์ที่แสดงด้วยคนจริง
08:12
you add in some weird,
trollish in-jokes or something,
trollish in-jokes or something,
175
480894
3256
คุณเติมมุกตลกเกรียน ๆ แปลก ๆ
หรืออะไรสักอย่างเข้าไป
หรืออะไรสักอย่างเข้าไป
08:16
and suddenly, you come
to a very weird place indeed.
to a very weird place indeed.
176
484174
3366
และทันใดนั้น
คุณก็จะไปถึงดินแดนประหลาด
คุณก็จะไปถึงดินแดนประหลาด
08:19
The stuff that tends to upset parents
177
487564
2113
สิ่งที่ทำให้บรรดาพ่อแม่ไม่พอใจ
08:21
is the stuff that has kind of violent
or sexual content, right?
or sexual content, right?
178
489701
3331
คือสิ่งที่มีเนื้อหาที่รุนแรง
หรือเกี่ยวข้องกับเรื่องเพศ ใช่ไหมครับ
หรือเกี่ยวข้องกับเรื่องเพศ ใช่ไหมครับ
08:25
Children's cartoons getting assaulted,
179
493056
2822
การ์ตูนของเด็กถูกทำร้าย
08:27
getting killed,
180
495902
2018
ถูกฆ่า
08:29
weird pranks that actually
genuinely terrify children.
genuinely terrify children.
181
497944
3343
การเล่นพิเรนที่ทำให้เด็ก ๆ หวาดกลัว
08:33
What you have is software pulling in
all of these different influences
all of these different influences
182
501311
3675
เรามีซอร์ฟแวร์
ที่ดึงเอาสิ่งเย้ายวนทั้งหลายเข้ามา
ที่ดึงเอาสิ่งเย้ายวนทั้งหลายเข้ามา
08:37
to automatically generate
kids' worst nightmares.
kids' worst nightmares.
183
505010
2961
เพื่อทำให้เกิดฝันร้ายของเด็ก ๆ
อย่างอัตโนมัติ
อย่างอัตโนมัติ
08:39
And this stuff really, really
does affect small children.
does affect small children.
184
507995
2701
และสิ่งนี้ก็ส่งผลต่อเด็กเล็ก ๆ จริง ๆ
08:42
Parents report their children
being traumatized,
being traumatized,
185
510720
2866
ผู้ปกครองรายงานว่า
ลูก ๆ ถูกทำให้หวาดผวา
ลูก ๆ ถูกทำให้หวาดผวา
08:45
becoming afraid of the dark,
186
513610
1392
กลัวความมืด
08:47
becoming afraid of their favorite
cartoon characters.
cartoon characters.
187
515026
3050
กลัวตัวการ์ตูนที่พวกเขาชอบ
08:50
If you take one thing away from this,
it's that if you have small children,
it's that if you have small children,
188
518524
3611
สิ่งที่คุณควรเรียนรู้ก็คือ
ถ้าคุณมีลูกเล็ก ๆ
ถ้าคุณมีลูกเล็ก ๆ
08:54
keep them the hell away from YouTube.
189
522159
1996
เอายูทูปไปให้ไกลจากพวกเขาเลยครับ
08:56
(Applause)
190
524743
3949
(เสียงปรบมือ)
09:02
But the other thing, the thing
that really gets to me about this,
that really gets to me about this,
191
530504
3096
แต่อีกอย่างหนึ่งที่กวนใจผมก็คือ
09:05
is that I'm not sure we even really
understand how we got to this point.
understand how we got to this point.
192
533624
4629
ผมไม่แน่ใจว่า เราจะรู้ว่า
เรามาถึงจุดนี้ได้อย่างไร
เรามาถึงจุดนี้ได้อย่างไร
09:10
We've taken all of this influence,
all of these things,
all of these things,
193
538951
2931
เรารับเอาอิทธิพลของสิ่งเหล่านี้
09:13
and munged them together in a way
that no one really intended.
that no one really intended.
194
541906
2953
และจัดเรียงมันเข้าด้วยกัน
ในแบบที่ไม่มีใครจะจงใจ
ในแบบที่ไม่มีใครจะจงใจ
09:16
And yet, this is also the way
that we're building the entire world.
that we're building the entire world.
195
544883
3156
แต่กระนั้น นี่ก็ยังเป็นวิธี
ที่เราสร้างโลกใหม่ของเรา
ที่เราสร้างโลกใหม่ของเรา
09:20
We're taking all of this data,
196
548063
1773
เรานำข้อมูลทั้งหมดนี้
09:21
a lot of it bad data,
197
549860
1447
ข้อมูลแย่ ๆ จำนวนมาก
09:23
a lot of historical data
full of prejudice,
full of prejudice,
198
551331
3029
ข้อมูลทางประวัติศาสตร์
ที่เต็มไปด้วยอคติ
ที่เต็มไปด้วยอคติ
09:26
full of all of our worst
impulses of history,
impulses of history,
199
554384
2837
เต็มไปด้วยส่วนที่แย่ที่สุด
ของเราในประวัติศาสตร์
ของเราในประวัติศาสตร์
09:29
and we're building that
into huge data sets
into huge data sets
200
557245
2049
เราก็เอามันไปประกอบ
เป็นชุดข้อมูลขนาดใหญ่
เป็นชุดข้อมูลขนาดใหญ่
09:31
and then we're automating it.
201
559318
1423
แล้วก็ให้มันทำงานโดยอัตโนมัติ
09:32
And we're munging it together
into things like credit reports,
into things like credit reports,
202
560765
3502
เราจัดเรียงมันเข้าด้วยกัน
เป็นรายงานเครดิต
เป็นรายงานเครดิต
09:36
into insurance premiums,
203
564291
1634
เป็นเบี้ยประกันภัย
09:37
into things like predictive
policing systems,
policing systems,
204
565949
2693
เป็นระบบนโยบายที่คาดการณ์ได้
09:40
into sentencing guidelines.
205
568666
1762
เป็นแนวทางในการตัดสินใจ
อะไรประมาณนั้น
อะไรประมาณนั้น
09:42
This is the way we're actually
constructing the world today
constructing the world today
206
570452
2821
นี่เป็นวิธีที่เราใช้สร้างโลกของเรา
09:45
out of this data.
207
573297
1151
จากข้อมูลนี้
09:46
And I don't know what's worse,
208
574472
1698
และผมก็ไม่รู้ว่าอะไรที่แย่กว่ากัน
09:48
that we built a system
that seems to be entirely optimized
that seems to be entirely optimized
209
576194
3228
ระหว่างการที่เราสร้างระบบ
ที่น่าจะถูกปรับมาให้เหมาะสม
ที่น่าจะถูกปรับมาให้เหมาะสม
09:51
for the absolute worst aspects
of human behavior,
of human behavior,
210
579446
2808
กับแง่มุมที่แย่ที่สุด
ของพฤติกรรมมนุษย์
ของพฤติกรรมมนุษย์
09:54
or that we seem
to have done it by accident,
to have done it by accident,
211
582278
2425
หรือการที่เราเหมือนจะสร้างมันขึ้นมา
โดยบังเอิญ
โดยบังเอิญ
09:56
without even realizing
that we were doing it,
that we were doing it,
212
584727
2207
โดยไม่ได้ตระหนักเลยว่า
เรากำลังทำอะไรอยู่
เรากำลังทำอะไรอยู่
09:58
because we didn't really understand
the systems that we were building,
the systems that we were building,
213
586958
3382
เพราะว่าเราไม่ได้มีความเข้าใจ
ระบบที่เรากำลังสร้างอยู่
ระบบที่เรากำลังสร้างอยู่
10:02
and we didn't really understand
how to do anything differently with it.
how to do anything differently with it.
214
590364
3683
และเราก็ไม่รู้จริง ๆ
ว่าจะทำให้มันต่างจากนี้ได้อย่างไร
ว่าจะทำให้มันต่างจากนี้ได้อย่างไร
10:06
There's a couple of things I think
that really seem to be driving this
that really seem to be driving this
215
594769
3365
ผมคิดว่ามีสองสามสิ่ง
ที่น่าจะเป็นตัวส่งเสริมหลัก
ที่น่าจะเป็นตัวส่งเสริมหลัก
10:10
most fully on YouTube,
216
598158
1189
ที่ทำให้ยูทูปเป็นอย่างนี้
10:11
and the first of those is advertising,
217
599371
1827
อย่างแรกก็คือการโฆษณา
10:13
which is the monetization of attention
218
601222
2837
ซึ่งเป็นการใช้เงินเป็นตัวบ่งบอกความสนใจ
10:16
without any real other variables at work,
219
604083
3136
โดยไม่ได้ใช้ตัวแปรอื่น ๆ ของงานจริง ๆ
10:19
any care for the people who are
actually developing this content,
actually developing this content,
220
607243
3885
ไม่ได้ใส่ใจกับคน
ที่เป็นผู้พัฒนาเนื้อหาเหล่านี้
ที่เป็นผู้พัฒนาเนื้อหาเหล่านี้
10:23
the centralization of the power,
the separation of those things.
the separation of those things.
221
611152
3636
การรวมอำนาจได้
ก็หมายถึงการแพร่กระจายของสิ่งเหล่านี้
ก็หมายถึงการแพร่กระจายของสิ่งเหล่านี้
10:26
And I think however you feel
about the use of advertising
about the use of advertising
222
614812
3144
และผมคิดว่า ไม่ว่าคุณจะรู้สึกอย่างไร
ต่อการใช้โฆษณา
ต่อการใช้โฆษณา
10:29
to kind of support stuff,
223
617980
1238
เพื่อสนับสนุน เช่น
10:31
the sight of grown men in diapers
rolling around in the sand
rolling around in the sand
224
619242
3067
การดูผู้ชายใส่ผ้าอ้อมกลิ้งไปบนพื้นทราย
10:34
in the hope that an algorithm
that they don't really understand
that they don't really understand
225
622333
2983
โดยหวังว่าอัลกอริธึมที่พวกเขาก็ไม่เข้าใจ
10:37
will give them money for it
226
625340
1315
ทำใช้มันทำเงินให้กับพวกเขา
10:38
suggests that this
probably isn't the thing
probably isn't the thing
227
626679
2037
มันบอกเราว่า
สังคมและวัฒนธรรมของเรา
สังคมและวัฒนธรรมของเรา
10:40
that we should be basing
our society and culture upon,
our society and culture upon,
228
628740
2563
ไม่ควรที่มีสิ่งเหล่านี้เป็นรากฐาน
10:43
and the way in which
we should be funding it.
we should be funding it.
229
631327
2160
และวิธีการหาเงินของเรา
ก็ไม่ควรจะเป็นแบบนี้
ก็ไม่ควรจะเป็นแบบนี้
10:45
And the other thing that's kind of
the major driver of this is automation,
the major driver of this is automation,
230
633511
3519
อีกสิ่งหนึ่งที่เป็นแรงขับสำคัญ
ของการทำอย่างอัตโนมัตินี้
ของการทำอย่างอัตโนมัตินี้
10:49
which is the deployment
of all of this technology
of all of this technology
231
637054
2329
ซึ่งเป็นการกำหนดทิศทางของเทคโนโลยีทุกอย่าง
10:51
as soon as it arrives,
without any kind of oversight,
without any kind of oversight,
232
639407
2521
ตั้งแต่วินาทีที่มันมาถึง
10:53
and then once it's out there,
233
641952
1412
และเมื่อมันอยู่ตรงนั้นแล้ว
10:55
kind of throwing up our hands and going,
"Hey, it's not us, it's the technology."
"Hey, it's not us, it's the technology."
234
643388
3843
มันก็ทำให้เราได้โอกาสปัดความรับผิดชอบ
ในทำนองว่า "เทคโนโลยีมันทำ เราเปล่า"
ในทำนองว่า "เทคโนโลยีมันทำ เราเปล่า"
10:59
Like, "We're not involved in it."
235
647255
1642
เช่น "เราไม่ได้มีส่วนเกี่ยวข้อง"
11:00
That's not really good enough,
236
648921
1767
นั่นมันยังดีไม่พอ
11:02
because this stuff isn't
just algorithmically governed,
just algorithmically governed,
237
650712
2710
เพราะสิ่งนี้
ไม่ได้แค่ถูกควบคุมด้วยอัลกอริธึม
ไม่ได้แค่ถูกควบคุมด้วยอัลกอริธึม
11:05
it's also algorithmically policed.
238
653446
2498
แต่ยังถูกควบคุมด้วยอัลกอริธึม
11:07
When YouTube first started
to pay attention to this,
to pay attention to this,
239
655968
2848
เมื่อยูทูปเริ่มให้ความสนใจกับสิ่งนี้
11:10
the first thing they said
they'd do about it
they'd do about it
240
658840
2087
สิ่งแรกที่พวกเขาบอกว่าจะทำก็คือ
11:12
was that they'd deploy
better machine learning algorithms
better machine learning algorithms
241
660951
2695
พวกเขาจะปรับอัลกอริธึม
การเรียนรู้ของเครื่องให้ดีขึ้น
การเรียนรู้ของเครื่องให้ดีขึ้น
11:15
to moderate the content.
242
663670
1329
เพื่อกลั่นกรองเนื้อหา
11:17
Well, machine learning,
as any expert in it will tell you,
as any expert in it will tell you,
243
665023
3485
ครับ ไม่ว่าผู้เชี่ยวชาญคนไหน ๆ ก็จะบอกว่า
11:20
is basically what we've started to call
244
668532
1896
การเรียนรู้ของเครื่อง
คือสิ่งที่ตอนแรกเราเรียกว่า
คือสิ่งที่ตอนแรกเราเรียกว่า
11:22
software that we don't really
understand how it works.
understand how it works.
245
670452
2588
ซอร์ฟแวร์ที่เราไม่เข้าใจว่ามันทำงานอย่างไร
11:25
And I think we have
enough of that already.
enough of that already.
246
673064
3983
และผมก็คิดว่าเราพอกับมันแล้ว
11:29
We shouldn't be leaving
this stuff up to AI to decide
this stuff up to AI to decide
247
677071
3166
เราไม่ควรที่จะทิ้งให้มันเป็นภาระของ
ปัญญาประดิษฐ์ในการตัดสินใจ
ปัญญาประดิษฐ์ในการตัดสินใจ
11:32
what's appropriate or not,
248
680261
1251
ว่าอะไรควรหรือไม่ควร
11:33
because we know what happens.
249
681536
1436
เพราะเรารู้ว่ามันเกิดอะไรขึ้น
11:34
It'll start censoring other things.
250
682996
1688
มันจะเริ่มปิดกั้นสิ่งอื่น
11:36
It'll start censoring queer content.
251
684708
1783
มันจะเริ่มปิดกั้นเนื้อหาที่พิลึก
11:38
It'll start censoring
legitimate public speech.
legitimate public speech.
252
686515
2237
มันจะเริ่มปิดกั้น
การพูดคุยของประชาชน
การพูดคุยของประชาชน
11:40
What's allowed in these discourses,
253
688776
1925
วาทกรรมใด ๆ ที่ได้รับอนุญาต
11:42
it shouldn't be something
that's left up to unaccountable systems.
that's left up to unaccountable systems.
254
690725
3097
ไม่ควรที่จะเป็นบางสิ่ง
ที่ขึ้นอยู่กับระบบที่ไร้การรับผิดชอบ
ที่ขึ้นอยู่กับระบบที่ไร้การรับผิดชอบ
11:45
It's part of a discussion
all of us should be having.
all of us should be having.
255
693846
2947
มันเป็นส่วนหนึ่งของการอภิปรายร่วมกัน
ของพวกเราทุกคน
ของพวกเราทุกคน
11:48
But I'd leave a reminder
256
696817
1308
ผมขอย้ำว่า
11:50
that the alternative isn't
very pleasant, either.
very pleasant, either.
257
698149
2753
ทางเลือกนั้นก็อาจไม่น่าอภิรมย์พอกัน
11:52
YouTube also announced recently
258
700926
1535
ยูทูปยังประกาศเมื่อเร็ว ๆ นี้ว่า
11:54
that they're going to release
a version of their kids' app
a version of their kids' app
259
702485
2767
พวกเขากำลังจะปล่อย
แอพเวอร์ชั่นสำหรับเด็ก
แอพเวอร์ชั่นสำหรับเด็ก
11:57
that would be entirely
moderated by humans.
moderated by humans.
260
705276
2407
ที่ถูกดูแลด้วยมนุษย์ทั้งหมด
12:00
Facebook -- Zuckerberg said
much the same thing at Congress,
much the same thing at Congress,
261
708134
3618
มาร์ค ซัคเกอร์เบอร์ก เจ้าของเฟสบุ๊ก
พูดอะไรทำนองนี้ที่สภาคอนเกรส
พูดอะไรทำนองนี้ที่สภาคอนเกรส
12:03
when pressed about how they
were going to moderate their stuff.
were going to moderate their stuff.
262
711776
2987
เมื่อถูกกระทู้ถามว่า พวกเขาจะจัดการ
ผลิตภัณฑ์ของพวกเขาอย่างไร
ผลิตภัณฑ์ของพวกเขาอย่างไร
12:06
He said they'd have humans doing it.
263
714787
1747
เขาบอกว่า พวกเขาจะให้มนุษย์มาจัดการ
12:08
And what that really means is,
264
716558
1459
และความหมายที่แท้จริงก็คือ
12:10
instead of having toddlers being
the first person to see this stuff,
the first person to see this stuff,
265
718041
3223
แทนที่จะให้เด็กน้อยเห็นเป็นคนแรก
12:13
you're going to have underpaid,
precarious contract workers
precarious contract workers
266
721288
2788
พวกเขากำลังจะให้ลูกจ้างชั่วคราว
ที่ได้ค่าแรงต่ำ ๆ
ที่ได้ค่าแรงต่ำ ๆ
12:16
without proper mental health support
267
724100
1726
ที่ไม่ได้รับการรับรองด้านสุขภาพจิต
12:17
being damaged by it as well.
268
725850
1376
ได้รับผลกระทบนั้นด้วยเช่นกัน
12:19
(Laughter)
269
727250
1096
(เสียงหัวเราะ)
12:20
And I think we can all do
quite a lot better than that.
quite a lot better than that.
270
728370
2601
แและผมคิดว่า เราทุกคนทำได้ดีกว่านั้น
12:22
(Applause)
271
730995
2499
(เสียงปรบมือ)
12:26
The thought, I think, that brings those
two things together, really, for me,
two things together, really, for me,
272
734068
4613
ผมคิดว่า แนวคิดที่นำสองสิ่งมาบรรจบกัน
สำหรับผมแล้ว
สำหรับผมแล้ว
12:30
is agency.
273
738705
1420
คือการลงมือทำ
12:32
It's like, how much do we really
understand -- by agency, I mean:
understand -- by agency, I mean:
274
740149
3157
ในลักษณะที่ว่า
เราเข้าใจมันจริง ๆ แค่ไหน
เราเข้าใจมันจริง ๆ แค่ไหน
12:35
how we know how to act
in our own best interests.
in our own best interests.
275
743330
4390
เรารู้ว่าต้องทำอย่างไร
จากพื้นฐานความรู้ที่ดีที่สุดที่เรามี
จากพื้นฐานความรู้ที่ดีที่สุดที่เรามี
12:39
Which -- it's almost impossible to do
276
747744
1787
ซึ่งมันแทบจะเป็นไปไม่ได้เลย
12:41
in these systems that we don't
really fully understand.
really fully understand.
277
749555
3485
ในระบบเหล่านี้
ที่เราไม่ได้เข้าใจมันเสียจริง ๆ
ที่เราไม่ได้เข้าใจมันเสียจริง ๆ
12:45
Inequality of power
always leads to violence.
always leads to violence.
278
753064
3071
ความไม่เท่าเทียมกันของอำนาจ
นำไปสู่ความรุนแรงเสมอ
นำไปสู่ความรุนแรงเสมอ
12:48
And we can see inside these systems
279
756159
1685
และเราก็เห็นได้ในระบบเหล่านี้
12:49
that inequality of understanding
does the same thing.
does the same thing.
280
757868
2611
ที่ความไม่เข้าใจที่ไม่เท่าเทียมกัน
ทำในสิ่งเดียวกัน
ทำในสิ่งเดียวกัน
12:52
If there's one thing that we can do
to start to improve these systems,
to start to improve these systems,
281
760503
3779
ถ้ามีสักสิ่งที่เราจะทำ
เพื่อเริ่มพัฒนาระบบเหล่านี้
เพื่อเริ่มพัฒนาระบบเหล่านี้
12:56
it's to make them more legible
to the people who use them,
to the people who use them,
282
764306
2718
มันก็น่าจะเป็นการทำให้พวกมัน
เป็นที่เข้าใจของผู้ใช้มากขึ้น
เป็นที่เข้าใจของผู้ใช้มากขึ้น
12:59
so that all of us have
a common understanding
a common understanding
283
767048
2196
เพื่อที่ทุกคนจะได้เข้าใจตรงกัน
13:01
of what's actually going on here.
284
769268
1851
ว่าเกิดอะไรขึ้นกันแน่
13:03
The thing, though, I think
most about these systems
most about these systems
285
771970
2968
แต่สิ่งที่ผมคิดมากที่สุด
เกี่ยวกับระบบเหล่านี้ก็คือ
เกี่ยวกับระบบเหล่านี้ก็คือ
13:06
is that this isn't, as I hope
I've explained, really about YouTube.
I've explained, really about YouTube.
286
774962
3857
มันไม่ได้เกี่ยวกับยูทูปแค่อย่างเดียว
อย่างที่ผมได้อธิบายไปแล้ว
อย่างที่ผมได้อธิบายไปแล้ว
13:10
It's about everything.
287
778843
1312
มันเกี่ยวกับทุก ๆ อย่าง
13:12
These issues of accountability and agency,
288
780179
2444
ปัญหาเกี่ยวกับการตรวจสอบและการปฏิบัติ
13:14
of opacity and complexity,
289
782647
2225
เกี่ยวกับความคลุมเครือและความซับซ้อน
13:16
of the violence and exploitation
that inherently results
that inherently results
290
784896
3177
ของความรุนแรงและการหาประโยชน์
ที่เป็นผลลัพธ์ที่ตามมา
ที่เป็นผลลัพธ์ที่ตามมา
13:20
from the concentration
of power in a few hands --
of power in a few hands --
291
788097
2794
จากอำนาจที่อยู่ในกำมือคนไม่กี่คน
13:22
these are much, much larger issues.
292
790915
2579
นี่มันเป็นปัญหาที่ใหญ่กว่ามาก
13:26
And they're issues not just of YouTube
and not just of technology in general,
and not just of technology in general,
293
794395
3687
และพวกมันไม่ใช่แค่ปัญหาของยูทูป
และไม่ใช่แค่ปัญหาของเทคโนโลยี
และไม่ใช่แค่ปัญหาของเทคโนโลยี
13:30
and they're not even new.
294
798106
1265
และมันก็ไม่ได้เป็นเรื่องใหม่เลย
13:31
They've been with us for ages.
295
799395
1461
เราอยู่กับมันมาตั้งนานแล้ว
13:32
But we finally built this system,
this global system, the internet,
this global system, the internet,
296
800880
4390
แต่เราสร้างระบบนี้ที่มีความเป็นสากล
ระบบอินเทอร์เน็ต
ระบบอินเทอร์เน็ต
13:37
that's actually showing them to us
in this extraordinary way,
in this extraordinary way,
297
805294
3019
ที่นำเสนอให้กับเราในแบบที่ไม่ธรรมดา
13:40
making them undeniable.
298
808337
1547
ทำให้พวกมันยากที่จะถูกปฏิเสธ
13:41
Technology has this extraordinary capacity
299
809908
2820
เทคโนโลยีมีศักยภาพที่เหนือธรรมดา
13:44
to both instantiate and continue
300
812752
3973
ต่อทั้งการใช้อ้างอิงและสานต่อ
13:48
all of our most extraordinary,
often hidden desires and biases
often hidden desires and biases
301
816749
4248
ความเหนือธรรมดาที่สุดของเรา
ความต้องการและความอคติที่ถูกซ่อนเร้น
ความต้องการและความอคติที่ถูกซ่อนเร้น
13:53
and encoding them into the world,
302
821021
1866
และการนำพวกมันมาสู่โลก
13:54
but it also writes them down
so that we can see them,
so that we can see them,
303
822911
3474
แต่มันยังเป็นการเขียนออกมา
เพื่อที่เราจะได้เห็น
เพื่อที่เราจะได้เห็น
13:58
so that we can't pretend
they don't exist anymore.
they don't exist anymore.
304
826409
3330
เพื่อที่เราจะไม่เสแสร้งอีกต่อไปว่า
พวกมันไม่ได้มีอยู่
พวกมันไม่ได้มีอยู่
14:01
We need to stop thinking about technology
as a solution to all of our problems,
as a solution to all of our problems,
305
829763
4319
เราต้องหยุดคิดว่าเทคโนโลยีเป็นคำตอบ
ของทุก ๆ ปัญหา
ของทุก ๆ ปัญหา
14:06
but think of it as a guide
to what those problems actually are,
to what those problems actually are,
306
834106
3757
แต่ให้คิดว่ามันเป็นแนวทาง
ที่จะระบุว่าปัญหาจริง ๆ คืออะไร
ที่จะระบุว่าปัญหาจริง ๆ คืออะไร
14:09
so we can start thinking
about them properly
about them properly
307
837887
2144
เพื่อที่เราจะเริ่มคิดถึงพวกมัน
ได้อย่างเหมาะสม
ได้อย่างเหมาะสม
14:12
and start to address them.
308
840055
1766
และเริ่มจัดการกับมันจริง ๆ
14:13
Thank you very much.
309
841845
1335
ขอบคุณมากครับ
14:15
(Applause)
310
843204
5192
(เสียงปรบมือ)
14:21
Thank you.
311
849733
1188
ขอบคุณครับ
14:22
(Applause)
312
850945
2869
(เสียงปรบมือ)
14:28
Helen Walters: James, thank you
for coming and giving us that talk.
for coming and giving us that talk.
313
856839
3178
เฮเลน วอลเตอร์: ขอบคุณค่ะ เจมส์
ที่มาบรรยายให้เราฟัง
ที่มาบรรยายให้เราฟัง
14:32
So it's interesting:
314
860041
1189
มันน่าสนใจค่ะ
14:33
when you think about the films where
the robotic overlords take over,
the robotic overlords take over,
315
861254
3495
เมื่อคุณคิดถึงภาพยนตร์
ที่เกี่ยวกับเจ้าหุ่นยนต์ยึดครองโลก
ที่เกี่ยวกับเจ้าหุ่นยนต์ยึดครองโลก
14:36
it's all a bit more glamorous
than what you're describing.
than what you're describing.
316
864773
3279
มันดูมีน่าตื่นตามากว่าที่คุณอธิบาย
14:40
But I wonder -- in those films,
you have the resistance mounting.
you have the resistance mounting.
317
868076
3749
แต่ฉันสงสัยว่า ในภาพยนตร์
มีกลุ่มที่ลุกขึ้นมาต่อต้าน
มีกลุ่มที่ลุกขึ้นมาต่อต้าน
14:43
Is there a resistance mounting
towards this stuff?
towards this stuff?
318
871849
3216
แล้วเรามีกลุ่ม
ที่ลุกขึ้นมาต่อต้านสิ่งนี้ไหม
ที่ลุกขึ้นมาต่อต้านสิ่งนี้ไหม
14:47
Do you see any positive signs,
green shoots of resistance?
green shoots of resistance?
319
875089
3796
คุณเห็นสัญญาณในเชิงบวก
หรือต้นกล้าของการต่อต้านไหมคะ
หรือต้นกล้าของการต่อต้านไหมคะ
14:52
James Bridle: I don't know
about direct resistance,
about direct resistance,
320
880507
2416
เจมส์ บริเดิล: ผมไม่รู้อะไรเกี่ยวกับ
การต่อต้านโดยตรงนะครับ
การต่อต้านโดยตรงนะครับ
14:54
because I think this stuff
is super long-term.
is super long-term.
321
882947
2264
เพราะคิดว่ามันเป็นเรื่องระยะยาวมาก
14:57
I think it's baked into culture
in really deep ways.
in really deep ways.
322
885235
2510
ผมคิดว่ามันก่อตัวฝังแน่น
อยู่ในวัฒนธรรมของเรา
อยู่ในวัฒนธรรมของเรา
14:59
A friend of mine,
Eleanor Saitta, always says
Eleanor Saitta, always says
323
887769
2132
เอเลนอร์ ซิตต้า เพื่อนของผม
พูดเสมอ ๆ ว่า
พูดเสมอ ๆ ว่า
15:01
that any technological problems
of sufficient scale and scope
of sufficient scale and scope
324
889935
3609
ปัญหาเทคโนโลยี
ในระดับและขอบเขตที่เหมาะสม
ในระดับและขอบเขตที่เหมาะสม
15:05
are political problems first of all.
325
893568
2267
เป็นปัญหาการเมืองเลยประการแรก
15:07
So all of these things we're working
to address within this
to address within this
326
895859
2785
ฉะนั้น ทุกอย่างที่เรากำลังทำ
เพื่อจัดการกับมัน
เพื่อจัดการกับมัน
15:10
are not going to be addressed
just by building the technology better,
just by building the technology better,
327
898668
3274
จะไม่ได้รับการแก้ไข
ด้วยการสร้างเทคโนโลยีที่ดีกว่าเท่านั้น
ด้วยการสร้างเทคโนโลยีที่ดีกว่าเท่านั้น
15:13
but actually by changing the society
that's producing these technologies.
that's producing these technologies.
328
901966
3464
แต่ด้วยการเปลี่ยนสังคม
ที่กำลังผลิตเทคโนโลยีเหล่านั้นด้วย
ที่กำลังผลิตเทคโนโลยีเหล่านั้นด้วย
15:17
So no, right now, I think we've got
a hell of a long way to go.
a hell of a long way to go.
329
905454
3027
ฉะนั้น ตอนนี้ ผมคิดว่า
เรายังต้องทำอะไรอีกมากมาย
เรายังต้องทำอะไรอีกมากมาย
15:20
But as I said, I think by unpacking them,
330
908505
1986
แต่อย่างที่ผมบอก ถ้าเราแก้ปมมันออก
15:22
by explaining them, by talking
about them super honestly,
about them super honestly,
331
910515
2697
โดยการอธิบาย โดยการพูดคุย
ในแบบที่ตรงประเด็นที่สุด
ในแบบที่ตรงประเด็นที่สุด
15:25
we can actually start
to at least begin that process.
to at least begin that process.
332
913236
2505
เราสามารถเริ่มกระบวนการนั้นได้
15:27
HW: And so when you talk about
legibility and digital literacy,
legibility and digital literacy,
333
915765
3562
เฮเลน: และเมื่อคุณพูดถึง
ความเข้าใจและความรู้เกี่ยวกับดิจิตัล
ความเข้าใจและความรู้เกี่ยวกับดิจิตัล
15:31
I find it difficult to imagine
334
919351
1591
ฉันพบว่ามันยากที่จะนึกว่า
15:32
that we need to place the burden
of digital literacy on users themselves.
of digital literacy on users themselves.
335
920966
3680
เราต้องยกเรื่องความรู้เกี่ยวกับดิจิตัล
ให้เป็นภาระของผู้ใช้เอง
ให้เป็นภาระของผู้ใช้เอง
15:36
But whose responsibility
is education in this new world?
is education in this new world?
336
924670
4562
แต่ใครกันล่ะที่มีหน้าที่ให้ความรู้
เกี่ยวกับโลกใหม่นี้
เกี่ยวกับโลกใหม่นี้
15:41
JB: Again, I think this responsibility
is kind of up to all of us,
is kind of up to all of us,
337
929256
3612
เจมส์: ครับ ผมคิดว่ามันเป็นความรับผิดชอบ
ของพวกเราทุกคน
ของพวกเราทุกคน
15:44
that everything we do,
everything we build, everything we make,
everything we build, everything we make,
338
932892
2984
ทุกอย่างที่เราทำ
ทุกอย่างที่เราสร้างขึ้นประดิษฐ์ขึ้น
ทุกอย่างที่เราสร้างขึ้นประดิษฐ์ขึ้น
15:47
needs to be made
in a consensual discussion
in a consensual discussion
339
935900
3692
ต้องเกิดขึ้นจากการอภิปรายตกลงกัน
15:51
with everyone who's avoiding it;
340
939616
1940
กับทุกคนที่ไม่อยากให้มันเกิดขึ้น
15:53
that we're not building systems
intended to trick and surprise people
intended to trick and surprise people
341
941580
4341
ที่เราไม่อยากจะสร้างระบบ
ที่จงใจลวงหรือทำให้คนประหลาดใจ
ที่จงใจลวงหรือทำให้คนประหลาดใจ
15:57
into doing the right thing,
342
945945
2300
แล้วทำในสิ่งที่ถูกต้อง
16:00
but that they're actually involved
in every step in educating them,
in every step in educating them,
343
948269
3236
แต่เกี่ยวกับการมีส่วนร่วมในทุกก้าว
ในการให้ความรู้
ในการให้ความรู้
16:03
because each of these systems
is educational.
is educational.
344
951529
2278
เพราะแต่ละระบบก็คือการศึกษา
16:05
That's what I'm hopeful about,
about even this really grim stuff,
about even this really grim stuff,
345
953831
3102
นั่นคือสิ่งที่ผมหวัง
แม้แต่กับสิ่งที่ดูเละเทะนี้
แม้แต่กับสิ่งที่ดูเละเทะนี้
16:08
that if you can take it
and look at it properly,
and look at it properly,
346
956957
2262
ถ้าเรานำมันมาพิจารณาได้อย่างเหมาะสม
16:11
it's actually in itself
a piece of education
a piece of education
347
959243
2089
มันก็เป็นการศึกษาด้วยตัวของมันเองอยู่แล้ว
16:13
that allows you to start seeing
how complex systems come together and work
how complex systems come together and work
348
961356
3762
ที่จะทำให้เราเริ่มเห็นว่าระบบที่ซับซ้อน
มาบรรจบและทำงานด้วยกันได้อย่างไร
มาบรรจบและทำงานด้วยกันได้อย่างไร
16:17
and maybe be able to apply
that knowledge elsewhere in the world.
that knowledge elsewhere in the world.
349
965142
3501
และอาจใช้ความรู้นั้น
กับสิ่งอื่น ๆ ในโลกนี้ได้
กับสิ่งอื่น ๆ ในโลกนี้ได้
16:20
HW: James, it's such
an important discussion,
an important discussion,
350
968667
2115
เฮเลน: เจมส์คะ
นี่เป็นการสนทนาที่สำคัญมาก
นี่เป็นการสนทนาที่สำคัญมาก
16:22
and I know many people here
are really open and prepared to have it,
are really open and prepared to have it,
351
970806
3227
และฉันก็รู้ว่าอีกหลายคนในที่นี้
ใจกว้างแล้วก็พร้อมที่จะยอมรับมัน
ใจกว้างแล้วก็พร้อมที่จะยอมรับมัน
16:26
so thanks for starting off our morning.
352
974057
1859
ขอบคุณมาก ๆ สำหรับ
การบรรยายแรกในเช้าวันนี้
การบรรยายแรกในเช้าวันนี้
16:27
JB: Thanks very much. Cheers.
353
975940
1400
เจมส์: ขอบคุณมากครับ
16:29
(Applause)
354
977364
1651
(เสียงปรบมือ)
ABOUT THE SPEAKER
James Bridle - Artist, writerWorking across technologies and disciplines, James Bridle examines technology, knowledge and the end of the future.
Why you should listen
James Bridle is an artist and writer working across technologies and disciplines. His artworks and installations have been exhibited in Europe, North and South America, Asia and Australia, and have been viewed by hundreds of thousands of visitors online. He has been commissioned by organizations including the Victoria & Albert Museum, the Barbican, Artangel, the Oslo Architecture Triennale and the Istanbul Design Biennial, and he has been honored by Ars Electronica, the Japan Media Arts Festival and the Design Museum, London. His writing on literature, culture and networks has appeared in magazines and newspapers including Frieze, Wired, Domus, Cabinet, The Atlantic, the New Statesman and many others, and he has written a regular column for The Observer.
New Dark Age, Bridle's book about technology, knowledge and the end of the future is forthcoming from Verso (UK & US) in 2018. He lectures regularly on radio, at conferences, universities and other events including SXSW, Lift, the Global Art Forum and Re:Publica. He has been a resident at Lighthouse, Brighton, the White Building, London and Eyebeam, New York, and an adjunct professor on the interactive telecommunications program at New York University.
James Bridle | Speaker | TED.com