TED2018
Kai-Fu Lee: How AI can save our humanity
ไค ฟู ลี (Kai-Fu Lee): ปัญญาประดิษฐ์ช่วยมนุษยชาติได้อย่างไร
Filmed:
Readability: 4.7
3,583,197 views
ปัญญาประดิษฐ์กำลังเปลี่ยนแปลงโลกของเรา แต่มีสิ่งหนึ่งที่มันทำไม่ได้คือ ความรัก ไค ฟูลี นักวิทยาการคอมพิวเตอร์อธิบายถึงวิธีการปฏิวัติเทคโนโลยีการเรียนรู้เชิงลึกโดยจีนและสหรัฐอเมริกา และแสดงแผนการทีมนุษย์จะสามารถเติบโตในยุคปัญญาประดิษฐ์โดยใช้ความใส่ใจและความสร้างสรรค์ ลีกล่าวว่า "ปัญญาประดิษฐ์คือการค้นพบที่ดี" และกล่าวอีกว่า "มันช่วยเราให้ไม่ต้องทำงานที่ซ้าซาก และช่วยย้ำเตือนว่าอะไรคือสิ่งที่ทำให้เราเป็นมนุษย์"
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
ผมจะพูดถึงการอยู่ร่วมกัน
ระหว่างมนุษย์และปัญญาประดิษฐ์
ระหว่างมนุษย์และปัญญาประดิษฐ์
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
แต่ก่อนอื่นเราควรมาทบทวน
ถึงสิ่งที่มนุษย์เราให้คุณค่ากันก่อน
ถึงสิ่งที่มนุษย์เราให้คุณค่ากันก่อน
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
ผมขอสารภาพความผิดพลาดในการจัดอันดับ
สิ่งที่มีคุณค่าในชีวิตของผมก่อน
สิ่งที่มีคุณค่าในชีวิตของผมก่อน
เวลา 11 น. วันที่ 16 ธันวาคม ค.ศ.1991
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
เป็นครั้งแรกที่ผมกำลังจะกลายเป็นพ่อคน
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
เชน หลิง ภรรยาผมนอนอยู่ที่โรงพยาบาล
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
รอการคลอดอันยากลำบากนานถึง 12 ชั่วโมง
ผมนั่งอยู่ข้างเตียงของเธอ
00:40
I sat by her bedside
7
28280
2296
00:42
but looked anxiously at my watch,
8
30600
2376
แต่ก็ดูนาฬิกาอย่างกระวนกระวาย
00:45
and I knew something that she didn't.
9
33000
1800
และผมรู้บางอย่างที่เธอไม่รู้
00:47
I knew that if in one hour,
10
35440
1800
ผมรู้ว่าถ้าภายในหนึ่งชั่วโมง
00:50
our child didn't come,
11
38360
1936
ลูกของเรายังไม่คลอด
00:52
I was going to leave her there
12
40320
1936
ผมต้องทิ้งเธอไว้ที่โรงพยาบาล
00:54
and go back to work
13
42280
1656
และกลับไปทำงาน
00:55
and make a presentation about AI
14
43960
2576
เพื่อนำเสนอผลงานเรื่องปัญญาประดิษฐ์
00:58
to my boss, Apple's CEO.
15
46560
2200
ต่อผู้บริหารแอปเปิ้ล เจ้านายผม
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
โชคดีที่ลูกสาวผมคลอดตอน 11.30 น.
01:07
(Laughter)
17
55080
1936
(เสียงหัวเราะ)
01:09
(Applause)
18
57040
1936
(เสียงปรบมือ)
01:11
sparing me from doing the unthinkable,
19
59000
4336
ช่วยให้ผมไม่ต้องทำสิ่งที่
ไม่อยากแม้แต่จะคิด
ไม่อยากแม้แต่จะคิด
01:15
and to this day, I am so sorry
20
63360
2496
จนถึงวันนี้ผมรู้สึกเสียใจ
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
ที่ให้ความสำคัญกับงาน
มากกว่าความรักที่มีต่อครอบครัว
มากกว่าความรักที่มีต่อครอบครัว
01:22
(Applause)
22
70560
5736
(เสียงปรบมือ)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
แต่การเสนอผลงานครั้งนั้นก็ไปได้สวยครับ
01:30
(Laughter)
24
78960
2736
(เสียงหัวเราะ)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
แอปเปิ้ลชอบงานของผม
และตัดสินใจประกาศมัน
และตัดสินใจประกาศมัน
01:36
at TED1992,
26
84880
2696
ในงาน TED 1992
01:39
26 years ago on this very stage.
27
87600
3016
บนเวทีแห่งนี้เมื่อ 26 ปีก่อน
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
ผมนึกว่ามันเป็นหนึ่งในการค้นพบที่ยิ่งใหญ่
และสำคัญที่สุดในวงการปัญญาประดิษฐ์
และสำคัญที่สุดในวงการปัญญาประดิษฐ์
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
วอลล์สตรีท เจอร์นัลก็คิดเช่นนั้น
และลงข่าวในวันถัดมา
และลงข่าวในวันถัดมา
01:51
But as far as discoveries went,
30
99440
2536
แต่ผลของการค้นพบครั้งนั้น
01:54
it turned out,
31
102000
1336
ปรากฏว่า
01:55
I didn't discover India, or America.
32
103360
2776
ผมไม่ได้ค้นพบแผ่นดินอินเดียหรืออเมริกา
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
ผมแค่ค้นพบเกาะเล็ก ๆ
แห่งหนึ่งนอกชายฝั่งโปรตุเกส
แห่งหนึ่งนอกชายฝั่งโปรตุเกส
02:02
But the AI era of discovery continued,
34
110720
3256
แต่ยุคสมัยของการค้นคว้า
ด้านปัญญาประดิษฐ์ก็ดำเนินต่อ
ด้านปัญญาประดิษฐ์ก็ดำเนินต่อ
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
มีนักวิทยาศาสตร์มากมาย
ทุ่มเทให้กับการค้นคว้า
ทุ่มเทให้กับการค้นคว้า
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
เมื่อสิบปีก่อนมีการค้นพบครั้งใหญ่
ในวงการปัญญาประดิษฐ์
ในวงการปัญญาประดิษฐ์
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
โดยนักวิทยาศาสตร์
ชาวอเมริกาเหนือสามคน
ชาวอเมริกาเหนือสามคน
02:15
and it's known as deep learning.
38
123080
1600
นั่นคือการเรียนรู้เชิงลึก
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
การเรียนรู้เชิงลึกคือเทคโนโลยี
ที่ใช้ประมวลผลข้อมูลขนาดมหึมา
ที่ใช้ประมวลผลข้อมูลขนาดมหึมา
02:21
within one single domain
40
129120
1736
ภายในขอบเขตเรื่องใดเรื่องหนึ่ง
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
และเรียนรู้การคาดการณ์หรือคำนวณผล
ได้อย่างแม่นยำเหนือมนุษย์
ได้อย่างแม่นยำเหนือมนุษย์
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
ตัวอย่างเช่น ถ้าเราเอา
ภาพอาหารหลาย ๆ ภาพ
ภาพอาหารหลาย ๆ ภาพ
02:30
a massive number of food photos,
43
138640
2816
ใส่เข้าไปในโครงข่ายการเรียนรู้เชิงลึก
02:33
it can recognize food
44
141480
1576
มันจะสามารถแยกแยะภาพอาหาร
02:35
such as hot dog or no hot dog.
45
143080
3296
เช่น นี่ฮอทด็อก หรือไม่ใช่ฮอทด็อก
02:38
(Applause)
46
146400
3136
(เสียงปรบมือ)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
ถ้าเราใส่บรรดาภาพ วิดีโอ
หรือข้อมูลจากเซนเซอร์
หรือข้อมูลจากเซนเซอร์
02:46
from driving on the highway,
48
154600
2536
ของการขับรถบนทางหลวง
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
มันจะสามารถขับรถบนทางหลวง
02:53
on the highway.
50
161360
1656
ได้เหมือนกับมนุษย์
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
หากเราใส่ข้อมูลคำปราศรัย
ทั้งหมดของ ปธน. ทรัมป์
ทั้งหมดของ ปธน. ทรัมป์
02:57
all the speeches made by President Trump?
52
165880
2400
ลงไปในโครงข่ายการเรียนรู้เชิงลึกล่ะ
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
ปธน.ทรัมป์ ในรูปแบบปัญญาประดิษฐ์
03:05
actually the network --
54
173600
2216
ที่จริงก็คือ โครงข่ายนี้...
03:07
(Laughter)
55
175840
1656
(เสียงหัวเราะ)
03:09
can --
56
177520
1216
คงจะ...
03:10
(Applause)
57
178760
4056
(เสียงปรบมือ)
03:14
You like double oxymorons, huh?
58
182840
2336
ชอบอะไรที่มันดูขัดๆ กันใช่ไหมครับ
03:17
(Laughter)
59
185200
3856
(เสียงหัวเราะ)
03:21
(Applause)
60
189080
6096
(เสียงปรบมือ)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
ถ้าเราสั่งให้มันพูดปราศรัย
เรื่องปัญญาประดิษฐ์
เรื่องปัญญาประดิษฐ์
03:32
he, or it, might say --
62
200480
2640
เจ้าสิ่งนี้ก็จะพูดว่า
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
เทปเสียงโดนัลด์ ทรัมป์:
มันยอดเยี่ยมมากเลย
มันยอดเยี่ยมมากเลย
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
ที่เราจะสร้างโลกให้ดีกว่าเดิม
ด้วยปัญญาประดิษฐ์
ด้วยปัญญาประดิษฐ์
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
ไคฟู ลี: แล้วถ้าเป็นภาษาอื่นล่ะ
03:43
DT: (Speaking Chinese)
66
211400
1816
ทรัมป์: (พูดภาษาจีน)
03:45
(Laughter)
67
213240
1496
(เสียงหัวเราะ)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
ไคฟู ลี:
นี่ไม่รู้กันใช่ไหมครับว่าเขาพูดจีนได้
นี่ไม่รู้กันใช่ไหมครับว่าเขาพูดจีนได้
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
เทคโนโลยีนี้กลายเป็นแก่นสำคัญ
ในช่วงการค้นคว้าปัญญาประดิษฐ์
ในช่วงการค้นคว้าปัญญาประดิษฐ์
03:55
and that's led by the US.
70
223160
1816
และสหรัฐฯ คือผู้นำ
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
แต่ปัจจุบันเราเข้าสู่
ยุคของการประยุกต์ใช้
ยุคของการประยุกต์ใช้
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
ซึ่งเน้นไปที่การใช้งาน
คุณภาพ ความเร็วและข้อมูล
คุณภาพ ความเร็วและข้อมูล
04:05
And that's where China comes in.
73
233840
2096
นั่นคือช่วงที่จีนเข้ามามีบทบาท
04:07
Chinese entrepreneurs,
74
235960
1576
ผู้ประกอบการชาวจีนหลายคน
04:09
who I fund as a venture capitalist,
75
237560
1896
ซึ่งผมเองเป็นผู้เข้าร่วมลงทุน
04:11
are incredible workers,
76
239480
1736
เป็นคนทำงานที่ยอดเยี่ยม
04:13
amazing work ethic.
77
241240
1936
ทุ่มเทให้กับงานอย่างมาก
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
เรื่องบ้างานตอนคลอดลูกของผม
เทียบไม่ติดกับการทำงานหนักของคนจีน
เทียบไม่ติดกับการทำงานหนักของคนจีน
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
ตัวอย่างเช่น มีสตาร์ทอัพที่หนึ่ง
พยายามออกนโยบายการทำงาน
พยายามออกนโยบายการทำงาน
04:24
"Come work for us because we are 996."
80
252240
3696
"ร่วมงานกับเราสิ
เพราะเราเป็นแบบ 996"
เพราะเราเป็นแบบ 996"
04:27
And what does that mean?
81
255960
1256
มันแปลว่าอะไรกัน
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
แปลว่าทำงานเก้าโมงถึงสามทุ่ม
หกวันต่อสัปดาห์
หกวันต่อสัปดาห์
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
ซึ่งต่างกับนโยบาย 997
ของสตาร์ทอัพที่อื่นๆ
ของสตาร์ทอัพที่อื่นๆ
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
คุณภาพผลิตภัณฑ์ของจีน
พัฒนาอย่างต่อเนื่อง
พัฒนาอย่างต่อเนื่อง
04:42
in the past decade,
85
270440
1696
ในช่วงสิบปีที่ผ่านมา
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
เป็นเพราะสภาพการแข่งขันอันดุเดือด
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
ในซิลิคอนวัลเลย์
เราแข่งขันกันแบบนิ่มนวล
เราแข่งขันกันแบบนิ่มนวล
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
เหมือนสงครามโบราณที่ต่างฝ่ายผลัดกัน
04:58
to fire at each other.
89
286600
1256
ยิงใส่ฝ่ายตรงข้าม
04:59
(Laughter)
90
287880
1056
(เสียงหัวเราะ)
05:00
But in the Chinese environment,
91
288960
2016
แต่ในประเทศจีน
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
นี่คือการรบกันแบบตายไปข้างหนึ่ง
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
ในตลาดที่ดุเดือดแบบนี้
ผู้ประกอบการต่างเติบโตอย่างรวดเร็ว
ผู้ประกอบการต่างเติบโตอย่างรวดเร็ว
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
พวกเขาเรียนรู้การผลิตสินค้า
ให้ดีขึ้นได้รวดเร็วทันใจ
ให้ดีขึ้นได้รวดเร็วทันใจ
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
พวกเขารู้จักพัฒนา
รูปแบบธุรกิจของตัวเอง
รูปแบบธุรกิจของตัวเอง
05:19
until they're impregnable.
96
307360
1400
จนธุรกิจมีความเข้มแข็ง
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
ผลก็คือจีนผลิตวีแชตและเวยป๋อ
05:25
are arguably better
98
313280
1416
ซึ่งอาจพูดได้ว่าดีกว่า
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
ผลิตภัณฑ์ที่ผลิตโดยเอมริกา
อย่างเฟสบุ๊กและทวิตเตอร์
อย่างเฟสบุ๊กและทวิตเตอร์
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
ตลาดจีนอ้าแขนรับการเปลี่ยนแปลงนี้
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
กระตุ้นการเปลี่ยนแปลง
และปรับเปลี่ยนกระบวนทัศน์
และปรับเปลี่ยนกระบวนทัศน์
05:38
As an example, if any of you go to China,
102
326080
2096
อย่างเช่นถ้าพวกคุณไปจีน
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
คุณจะได้พบว่าที่นั่นแทบเป็น
สังคมไร้เงินสดและบัตรเครดิต
สังคมไร้เงินสดและบัตรเครดิต
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
การจ่ายเงินทางโทรศัพท์มือถือ
ที่พวกเราพูดถึงกัน
ที่พวกเราพูดถึงกัน
05:47
has become the reality in China.
105
335000
2416
กลายเป็นจริงแล้วในประเทศจีน
05:49
In the last year,
106
337440
1296
ปีที่แล้ว
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
เงินจำนวน 18.8 ล้านล้านดอลลาร์
ถูกโอนถ่ายทางมือถือ
ถูกโอนถ่ายทางมือถือ
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
นั่นก็เพราะมีเทคโนโลยี
ที่มีประสิทธิภาพ
ที่มีประสิทธิภาพ
05:59
built behind it.
109
347680
1256
ถูกสร้างมารองรับ
06:00
It's even bigger than the China GDP.
110
348960
2440
จำนวนเงินนั้นเยอะกว่า
ผลิตภัณฑ์มวลรวมในจีน
ผลิตภัณฑ์มวลรวมในจีน
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
คำถามคือเทคโนโลยีนี้มีมูลค่ามากกว่า
ผลิตภัณฑ์มวลรวมในประเทศได้ยังไง
ผลิตภัณฑ์มวลรวมในประเทศได้ยังไง
06:07
Because it includes all transactions:
112
355760
1976
เพราะมันเข้าถึงธุรกรรมทั้งหมด
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
การขายส่ง ขายปลีก ช่องทางการขาย
ทั้งออนไลน์และออฟไลน์
ทั้งออนไลน์และออฟไลน์
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
ไปซื้อของที่ห้างสรรพสินค้า
หรือไปตลาดเกษตรกรแบบนี้
หรือไปตลาดเกษตรกรแบบนี้
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
มีคนจำนวน 700 ล้านคนใช้เทคโนโลยีนี้
06:22
to pay each other, not just merchants,
116
370040
2056
ในการใช้จ่าย ไม่ใช่แค่กับผู้ค้า
06:24
so it's peer to peer,
117
372120
1416
แต่มันคือระหว่างบุคคล
06:25
and it's almost transaction-fee-free.
118
373560
2680
และมันแทบจะไม่มีค่าธรรมเนียม
06:29
And it's instantaneous,
119
377720
2376
แถมยังรวดเร็ว
06:32
and it's used everywhere.
120
380120
1440
ถูกนำไปใช้ได้ทุกที่
06:34
And finally, the China market is enormous.
121
382320
3376
และสุดท้ายคือ
ตลาดการค้าจีนนั้นใหญ่มาก
ตลาดการค้าจีนนั้นใหญ่มาก
06:37
This market is large,
122
385720
1976
ตลาดจีนมีขนาดใหญ่
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
ซึงช่วยให้ผู้ประกอบการ
มีจำนวนลูกค้า รายรับ
มีจำนวนลูกค้า รายรับ
06:44
more investment, but most importantly,
124
392240
2336
การลงทุนมากขึ้น แต่สิ่งสำคัญที่สุด
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
คือโอกาสที่ผู้ประกอบการ
สามารถเก็บข้อมูลขนาดใหญ่
สามารถเก็บข้อมูลขนาดใหญ่
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
ซึ่งเป็นทรัพยากรชั้นดี
สำหรับปัญญาประดิษฐ์
สำหรับปัญญาประดิษฐ์
06:54
So as a result, the Chinese AI companies
127
402960
2936
ผลลัพธ์คือบริษัทผู้ผลิต
ปัญญาประดิษฐ์ของจีน
ปัญญาประดิษฐ์ของจีน
06:57
have leaped ahead
128
405920
1736
พัฒนาอย่างก้าวกระโดด
06:59
so that today, the most valuable companies
129
407680
3096
ปัจจุบันบริษัทที่มีมูลค่าสูงสุด
07:02
in computer vision, speech recognition,
130
410800
2616
ทั้งการวิเคราะห์ข้อมูล
โปรแกรมแยกแยะเสียงพูด
โปรแกรมแยกแยะเสียงพูด
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
การสังเคราะเสียง
โปรแกรมแปลภาษาและโดรน
โปรแกรมแปลภาษาและโดรน
07:08
are all Chinese companies.
132
416880
1920
ล้วนแต่เป็นบริษัทสัญชาติจีน
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
หากอเมริกาคือผู้นำด้านการบุกเบิกค้นคว้า
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
จีนก็คือผู้นำด้านการประยุกต์ใช้
07:17
we are now in an amazing age
135
425800
2256
พวกเราอยู่ในยุคที่น่าทึ่ง
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
ซึ่งเครื่องมือในการขับเคลื่อน
ของสองมหาอำนาจ
ของสองมหาอำนาจ
07:23
are working together
137
431360
1680
ถูกนำมาใช้ร่วมกัน
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
เพื่อขับเคลื่อนการปฎิวัติ
ที่รวดเร็วที่สุดในวงการเทคโนโลยี
ที่รวดเร็วที่สุดในวงการเทคโนโลยี
07:29
that we have ever seen as humans.
139
437640
2360
เท่าที่มนุษย์เราเคยเห็นมา
07:32
And this will bring tremendous wealth,
140
440640
2496
เทคโนโลยีนี้จะสร้างความร่ำรวยมหาศาล
07:35
unprecedented wealth:
141
443160
1776
รวยแบบเป็นประวัติการณ์
07:36
16 trillion dollars, according to PwC,
142
444960
3896
อ้างอิงจากพีดับบลิวยูซี
อยู่ที่ 16.6 ล้านล้านดอลลาร์
อยู่ที่ 16.6 ล้านล้านดอลลาร์
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
โดยเทียบข้อมูลผลิตภัณฑ์มวลรวม
กับทั่วโลกภายในปี ค.ศ. 2030
กับทั่วโลกภายในปี ค.ศ. 2030
07:46
It will also bring immense challenges
144
454280
2616
นี่จะทำให้เกิดการท้าทายครั้งใหญ่
ในหลายๆ ด้าน
ในหลายๆ ด้าน
07:48
in terms of potential job replacements.
145
456920
3576
ในแง่ของแรงงานทักษะสูงจะถูกแทนที่
07:52
Whereas in the Industrial Age
146
460520
2160
ตรงกันข้ามกับยุคอุตสาหกรรม
07:55
it created more jobs
147
463880
1536
ที่ทำให้เกิดอาชีพต่างๆ
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
เพราะงานช่างฝีมือถูกจัด
อยู่ในสายงานการผลิต
อยู่ในสายงานการผลิต
08:03
so more jobs were created.
149
471240
1976
ดังนั้นจึงมีอาชีพเกิดขึ้นมากมาย
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
แต่ปัญญาประดิษฐ์ทำให้
หุ่นยนต์เข้ามาแทนที่
หุ่นยนต์เข้ามาแทนที่
08:10
in the assembly line with robots.
151
478200
2256
บุคคลที่ทำงานในสายการผลิต
08:12
And it's not just in factories,
152
480480
1936
ไม่ใช่แค่ในโรงงานอุตสาหกรรม
08:14
but truckers, drivers
153
482440
2056
แต่รวมถึงคนขับรถบรรทุก รถยนต์
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
งานขายทางโทรศัพท์ งานบริการลูกค้า
08:20
and hematologists as well as radiologists
155
488640
2976
นักโลหิตวิิทยาและรังสีแพทย์
08:23
over the next 15 years
156
491640
2096
ในอีก 15 ปีข้างหน้า
08:25
are going to be gradually replaced
157
493760
2536
งานเหล่านี้จะค่อยๆ ถูกทดแทน
08:28
by artificial intelligence.
158
496320
1440
โดยปัญญาประดิษฐ์
08:30
And only the creative jobs --
159
498360
2056
เฉพาะสายงานด้านความคิดสร้างสรรค์
08:32
(Laughter)
160
500440
1976
(เสียงหัวเราะ)
08:34
I have to make myself safe, right?
161
502440
2200
ผมต้องเอาตัวรอดก่อนนะครับ
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
งานด้านความคิดสร้างสรรค์
จะไม่ถูกเข้ามาแทนที่
จะไม่ถูกเข้ามาแทนที่
08:41
because AI can optimize but not create.
163
509960
3040
เพราะปัญญาประดิษฐ์ถูกนำมาปรับใช้
แต่ไม่ได้สร้างสิ่งใหม่
แต่ไม่ได้สร้างสิ่งใหม่
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
แต่สิ่งที่น่ากังวลมากกว่า
การสูญเสียอาชีพ
การสูญเสียอาชีพ
08:49
is the loss of meaning,
165
517559
1777
คือการสูญสิ้นความหมาย
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
เพราะคติการทำงานในยุคอุตสาหกรรม
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
ล้างสมองเราให้คิดว่าการทำงาน
คือเหตุผลที่เรามีชีวิตอยู่
คือเหตุผลที่เรามีชีวิตอยู่
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
งานนั้นกำหนดความหมายชีวิตเรา
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
ผมคือผลผลิตและเหยื่อ
ของคติการทำงานหนักแบบนั้น
ของคติการทำงานหนักแบบนั้น
09:09
I worked incredibly hard.
170
537440
1616
ผมทำงานหนักสุดโต่ง
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
นั่นคือเหตุผลที่ผมเกือบทิ้งภรรยา
ไว้ลำพังในห้องคลอด
ไว้ลำพังในห้องคลอด
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
ผมถึงทำงานแบบ 996
เหมือนพวกผู้ประกอบการของผม
เหมือนพวกผู้ประกอบการของผม
09:18
And that obsession that I had with work
173
546880
4416
ความหมกหมุ่นที่ผมมีให้กับงาน
09:23
ended abruptly a few years ago
174
551320
3056
สิ้นสุดลงทันทีเมื่อไม่กี่ปีก่อน
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
เมื่อผมถูกวินิจฉัยว่าเป็น
มะเร็งต่อมน้ำเหลืองระยะที่สี่
มะเร็งต่อมน้ำเหลืองระยะที่สี่
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
ผลเพ็ตสแกนพบว่า
มีเนื้อร้ายถึง 20 แห่ง
มีเนื้อร้ายถึง 20 แห่ง
09:35
jumping out like fireballs,
177
563640
2176
กระจายออกเหมือนลูกไฟ
09:37
melting away my ambition.
178
565840
2576
ผลาญความทะเยอทะยานของผม
09:40
But more importantly,
179
568440
1456
แต่สิ่งสำคัญกว่าก็คือ
09:41
it helped me reexamine my life.
180
569920
2736
มันช่วยให้ผมกลับมาสำรวจชีวิตตัวเอง
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
การได้รู้ว่าตัวเองอาจมีชีวิต
อยู่ได้อีกไม่กี่เดือน
อยู่ได้อีกไม่กี่เดือน
09:47
caused me to see how foolish it was
182
575800
2936
ทำให้ผมได้รู้ว่าผมโง่แค่ไหน
09:50
for me to base my entire self-worth
183
578760
3576
ที่ปล่อยให้คุณค่าชีวิตตัวเองยึดติด
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
อยู่กับการทำงานหนัก
และความสำเร็จจากผลงาน
และความสำเร็จจากผลงาน
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
การลำดับความสำคัญของผม
มันผิดพลาดไปหมด
มันผิดพลาดไปหมด
10:02
I neglected my family.
186
590320
1600
ผมละเลยครอบครัวตัวเอง
10:05
My father had passed away,
187
593000
1416
พ่อของผมเสียชีวิต
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
ผมไม่เคยมีโอกาสบอกรักท่าน
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
แม่ของผมเป็นโรคสมองเสื่อม
และจำผมไม่ได้แล้ว
และจำผมไม่ได้แล้ว
10:13
and my children had grown up.
190
601880
1920
ลูกๆ ของผมโตหมดแล้ว
10:16
During my chemotherapy,
191
604400
1656
ระหว่างการรักษาด้วยเคมีบำบัด
10:18
I read a book by Bronnie Ware
192
606080
2456
ผมได้อ่านหนังสือของบรอนนี่ แวร์
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
เกี่ยวกับคำสารภาพและคำขอก่อนตาย
จากผู้ป่วยระยะสุดท้าย
จากผู้ป่วยระยะสุดท้าย
10:26
She found that facing death,
194
614080
2256
เธอพบว่าการเผชิญหน้ากับความตาย
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
ไม่มีใครเสียใจที่ไม่ทำงานหนัก
ตอนยังมีชีวิตอยู่
ตอนยังมีชีวิตอยู่
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
พวกเขาเสียใจที่ไม่ใช้เวลา
ให้มากพอกับคนที่พวกเขารัก
ให้มากพอกับคนที่พวกเขารัก
10:38
and that they didn't spread their love.
197
626080
2760
และไม่แสดงความรักนั้นออกมา
10:42
So I am fortunately today in remission.
198
630400
4536
ซึ่งผมโชคดีที่หายจากโรงมะเร็งแล้ว
10:46
(Applause)
199
634960
6856
(เสียงปรบมือ)
10:53
So I can be back at TED again
200
641840
1976
ผมจึงได้กลับมาที่เท็ดอีกครั้ง
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
เพื่อบอกเล่ากับพวกคุณ
ว่าผมได้เปลี่ยนแนวทางแล้ว
ว่าผมได้เปลี่ยนแนวทางแล้ว
10:59
I now only work 965 --
202
647240
2760
ตอนนี้ผมทำงานแบบ 965
11:03
occasionally 996, but usually 965.
203
651200
3976
ปกติต้อง 996 แต่นี่เป็น 965
11:07
I moved closer to my mother,
204
655200
1896
ผมย้ายไปอยู่ใกล้ๆ แม่
11:09
my wife usually travels with me,
205
657120
2456
ภรรยาผมเดินทางไปกับผม
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
พอถึงวันหยุดของลูก
ถ้าพวกเขาไม่มา ผมก็ไปหาเอง
ถ้าพวกเขาไม่มา ผมก็ไปหาเอง
11:15
So it's a new form of life
207
663440
2456
เป็นแนวทางใหม่ของชีวิต
11:17
that helped me recognize
208
665920
1816
ที่ช่วยให้ผมตระหนักว่า
11:19
how important it is that love is for me,
209
667760
3176
ความรักที่ได้นั้นสำคัญกับผมแค่ไหน
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
การเผชิญหน้ากับความตาย
ทำให้ผมเปลี่ยนแปลงชีวิตตัวเอง
ทำให้ผมเปลี่ยนแปลงชีวิตตัวเอง
11:26
but it also helped me see a new way
211
674400
2456
และยังช่วยให้ผมพบหนทางใหม่
11:28
of how AI should impact mankind
212
676880
3776
ว่าปัญญาประดิษฐ์ควรส่งผลต่อชีวิต
11:32
and work and coexist with mankind,
213
680680
2480
การทำงาน และอยู่ร่วมกับมนุษย์อย่างไร
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
ปัญญาประดิษฐ์กำลังเข้ามา
ทดแทนงานที่เป็นกิจวัตร
ทดแทนงานที่เป็นกิจวัตร
11:41
but routine jobs are not what we're about.
215
689200
3656
แต่งานเหล่านั้นไม่ใช่ตัวเรา
11:44
Why we exist is love.
216
692880
2256
เหตุผลที่เรามีชีวิตคือความรัก
11:47
When we hold our newborn baby,
217
695160
2096
ตอนเราอุ้มเด็กแรกเกิด
11:49
love at first sight,
218
697280
1496
ตกหลุมรักแรกพบ
11:50
or when we help someone in need,
219
698800
1776
หรือช่วยเหลือคนที่ลำบาก
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
มนุษย์สามารถเป็น
ทั้งผู้ให้และผู้รับความรัก
ทั้งผู้ให้และผู้รับความรัก
11:56
and that's what differentiates us from AI.
221
704880
2800
นั่นคือข้อแตกต่างของเรา
จากปัญญาประดิษฐ์
จากปัญญาประดิษฐ์
12:00
Despite what science fiction may portray,
222
708800
2696
ถึงแม้ในนิยายวิทยาศาสตร์
อาจบอกแบบนั้น
อาจบอกแบบนั้น
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
ผมรับประกันได้เลยว่า
ปัญญาประดิษฐ์ไม่มีความรัก
ปัญญาประดิษฐ์ไม่มีความรัก
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
ตอนที่อัลฟ่าโกล้มเคอเจี๋ย
แชมป์โกะระดับโลก
แชมป์โกะระดับโลก
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
ขณะที่เคอเจี๋ยร้องไห้
และมีความรักต่อเกมโกะ
และมีความรักต่อเกมโกะ
12:13
AlphaGo felt no happiness from winning
226
721960
3176
อัลฟ่าโกไม่ได้มีความดีใจเลยที่ชนะ
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
และไม่มีรู้สึกอยากกอดคนที่รัก
12:23
So how do we differentiate ourselves
228
731600
2656
แล้วเราแยกแยะตัวเราในฐานะมนุษย์
12:26
as humans in the age of AI?
229
734280
2536
ในยุคของปัญญาประดิษฐ์ได้อย่างไร
12:28
We talked about the axis of creativity,
230
736840
3096
เราได้พูดถึงความสำคัญ
ของความความคิดสร้างสรรค์
ของความความคิดสร้างสรรค์
12:31
and certainly that is one possibility,
231
739960
2856
นั่นคือความเป็นไปได้อย่างเดียว
12:34
and now we introduce a new axis
232
742840
2296
ที่นี้เราแยกโดยใช้เส้นแกนอันใหม่
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
กำหนดจากความเห็นใจ
ความรัก หรือความใส่ใจ
ความรัก หรือความใส่ใจ
12:40
Those are things that AI cannot do.
234
748800
2576
พวกนั้นคือสิ่งที่ปัญญาประดิษฐ์ทำไม่ได้
12:43
So as AI takes away the routine jobs,
235
751400
2816
ขณะที่ปัญญาประดิษฐ์เข้ามาแย่งงาน
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
ผมจึงคิดว่าเราควรสร้างงาน
ที่แสดงความเห็นใจกัน
ที่แสดงความเห็นใจกัน
12:51
You might ask how many of those there are,
237
759800
2336
คุณอาจถามว่าจะมีงานแบบนั้นสักเท่าไร
12:54
but I would ask you:
238
762160
1616
แต่ผมขอถามคุณ
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
คุณไม่คิดหรือว่าเราจะต้องการ
นักสังคมสงคราะห์จำนวนมาก
นักสังคมสงคราะห์จำนวนมาก
12:59
to help us make this transition?
240
767640
1600
เข้ามาช่วยในการเปลี่ยนแปลง
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
คุณไม่คิดหรือว่าเราต้องการ
ผู้ดูแลที่ใส่ใจอีกจำนวนมาก
ผู้ดูแลที่ใส่ใจอีกจำนวนมาก
13:05
to give more medical care to more people?
242
773240
2696
เพื่อดูแลด้านสุขภาพแก่ผู้คนมากมาย
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
คุณไม่คิดเหรอว่าเรา
จะต้องการครูเพิ่มอีกสิบเท่า
จะต้องการครูเพิ่มอีกสิบเท่า
13:11
to help our children find their way
244
779240
2776
เพื่อช่วยชี้แนะแนวทางให้ลูกๆ เรา
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
อยู่รอดและเติบโตได้ดี
ในโลกใหม่อันท้าทาย
ในโลกใหม่อันท้าทาย
13:17
And with all the newfound wealth,
246
785320
2440
และความมั่งคั่งที่เพิ่งถูกค้นพบ
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
เราไม่ควรสร้างแรงงาน
ที่มีความรักในงานนั้น
ที่มีความรักในงานนั้น
13:24
and let elderly accompaniment
248
792360
2696
งานคนดูแลผู้สูงอายุ
13:27
or homeschooling become careers also?
249
795080
3496
หรือครูที่สอนโดยเรียนที่บ้าน
ให้กลายเป็นอาชีพเหรอ
ให้กลายเป็นอาชีพเหรอ
13:30
(Applause)
250
798600
5280
(เสียงปรบมือ)
13:36
This graph is surely not perfect,
251
804800
2256
แผนภูมินี้ไม่ได้สมบูรณ์แบบ
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
แต่มันชี้ให้เห็นสี่วิธีในการทำงาน
กับปัญญาประดิษฐ์
กับปัญญาประดิษฐ์
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
ปัญญาประดิษฐ์จะเข้ามา
แทนที่งานที่เป็นกิจวัตร
แทนที่งานที่เป็นกิจวัตร
13:46
and in due time, we will be thankful.
254
814240
2040
และเมื่อถึงเวลานัั้น
เราจะรู้สึกขอบคุณ
เราจะรู้สึกขอบคุณ
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
ปัญญาประดิษฐจ์ะเป็นเครื่องมือที่ดี
สำหรับงานสร้างสรรค์ต่างๆ
สำหรับงานสร้างสรรค์ต่างๆ
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
ทั้งนักวิทยาศาสตร์ ศิลปิน
นักดนตรีและนักเขียน
นักดนตรีและนักเขียน
13:55
can be even more creative.
257
823800
1600
จะมีความคิดสร้างสรรค์มากขึ้น
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
ปัญญาประดิษฐ์จะทำงานร่วมกับมนุษย์
ในฐานะเครื่องมือวิเคราะห์
ในฐานะเครื่องมือวิเคราะห์
14:03
that humans can wrap their warmth around
259
831520
2696
มนุษย์ก็จะสามารถมีเวลามากขึ้น
14:06
for the high-compassion jobs.
260
834240
1896
ในการทำงานสังคมสงเคราะห์
14:08
And we can always differentiate ourselves
261
836160
2656
และเราสามารถแยกความเป็นตัวเรา
14:10
with the uniquely capable jobs
262
838840
1816
ด้วยงานที่ใช้ทักษะเฉพาะตัว
14:12
that are both compassionate and creative,
263
840680
3616
ซึ่งมีทั้งความใส่ใจ
และความสร้างสรรค์
และความสร้างสรรค์
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
ได้ใช้พลังสมองและใจของเรา
ซึ่งไม่อาจถูกทดแทนได้
ซึ่งไม่อาจถูกทดแทนได้
14:21
So there you have it:
265
849520
1296
ตอนนี้คุณก็มี
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
แนวทางการอยู่ร่วมกันระหว่าง
มนุษย์และปัญญาประดิษฐ์
มนุษย์และปัญญาประดิษฐ์
14:27
AI is serendipity.
267
855400
1816
ปัญญาประดิษฐ์คือการค้นพบที่ดี
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
มันปลดปล่อยเรา
จากงานที่ต้องทำซ้ำซาก
จากงานที่ต้องทำซ้ำซาก
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
และช่วยย้ำเตือนว่าอะไร
คือสิ่งที่ทำให้เราเป็นมนุษย์
คือสิ่งที่ทำให้เราเป็นมนุษย์
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
ฉะนั้นเราจงยอมรับปัญญาประดิษฐ์
และให้ความรักแก่กัน
และให้ความรักแก่กัน
14:40
Thank you.
271
868440
1216
ขอบคุณครับ
14:41
(Applause)
272
869680
6160
(เสียงปรบมือ)
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