TED@BCG Milan
Margaret Mitchell: How we can build AI to help humans, not hurt us
Margaret Mitchell: İnsanlara yardım eden, onlara zarar vermeyen yapay zekâyı nasıl inşa edebiliriz
Filmed:
Readability: 4.6
1,154,210 views
Google'da araştırma bilim insanı olan Margaret Mitchell, ne gördüğü ve anladığı hakkında iletişime geçebilecek bilgisayarların geliştirilmesine yardım etmektedir. Boşluklar, kör noktalar ve bilinç altında bilgisayarlara kodladığımız ön yargılar hakkında ikaz edici bir hikâye anlatmaktadır -- ve bugün yarattığımız teknolojinin yarın ne anlama geleceğini düşünmemizi istemektedir." Şimdi tüm gördüğümüz şey yapay zekanın sadece anlık görüntüsüdür." demektedir Margaret Mitchell. "Eğer yapay zekânın insanlara yardım edecek şekilde evrimleşmesini istiyorsak, bize bu yolu sağlayacak hedef ve stratejileri belirlemeye ihtiyacımız var."
Margaret Mitchell - AI research scientist
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Double-click the English transcript below to play the video.
00:13
I work on helping computers
communicate about the world around us.
communicate about the world around us.
0
1381
4015
Bilgisayarların çevremizdeki dünya ile
iletişim kurmasına yardım etmek
iletişim kurmasına yardım etmek
üzerine çalışıyorum ve bunu yapmanın
birçok yolu var
birçok yolu var
00:17
There are a lot of ways to do this,
1
5754
1793
00:19
and I like to focus on helping computers
2
7571
2592
ben bilgisayarlara gördükleri ve
anladıkları hakkında konuşmaları için
anladıkları hakkında konuşmaları için
00:22
to talk about what they see
and understand.
and understand.
3
10187
2874
yardım etme üzerine odaklanmayı
tercih ettim.
tercih ettim.
00:25
Given a scene like this,
4
13514
1571
Böyle bir sahneyi göz önüne alın,
00:27
a modern computer-vision algorithm
5
15109
1905
modern bilgisayar-vizyonu algoritması
00:29
can tell you that there's a woman
and there's a dog.
and there's a dog.
6
17038
3095
burada bir kadın var
ve bir köpek var diyebilir.
ve bir köpek var diyebilir.
00:32
It can tell you that the woman is smiling.
7
20157
2706
Kadının gülümsediğini size söyleyebilir.
00:34
It might even be able to tell you
that the dog is incredibly cute.
that the dog is incredibly cute.
8
22887
3873
Hatta köpeğin inanılmaz bir şekilde
sevimli olduğunu söyleyebilir.
sevimli olduğunu söyleyebilir.
00:38
I work on this problem
9
26784
1349
Benim üzerinde çalıştığım problem
yapay zekânın insanların dünyayı
yapay zekânın insanların dünyayı
00:40
thinking about how humans
understand and process the world.
understand and process the world.
10
28157
4212
nasıl anladığını ve
nasıl değerlendirdiğini düşünmesi.
nasıl değerlendirdiğini düşünmesi.
00:45
The thoughts, memories and stories
11
33577
2952
Düşünceler, anılar ve hikâyeler.
00:48
that a scene like this
might evoke for humans.
might evoke for humans.
12
36553
2818
bu gibi sahneler insanlara
hatırlatılabilir.
hatırlatılabilir.
00:51
All the interconnections
of related situations.
of related situations.
13
39395
4285
İlgili durumların tüm bağlantıları.
00:55
Maybe you've seen
a dog like this one before,
a dog like this one before,
14
43704
3126
Belki de daha önce bunun gibi bir
köpek görmüşsünüzdür
köpek görmüşsünüzdür
00:58
or you've spent time
running on a beach like this one,
running on a beach like this one,
15
46854
2969
veya bunun gibi sahilde koşarak
zaman geçirmişsinizdir
zaman geçirmişsinizdir
01:01
and that further evokes thoughts
and memories of a past vacation,
and memories of a past vacation,
16
49847
4778
ve ayrıca eski bir tatile ait
anı ve düşünceleri anımsatmaktadır,
anı ve düşünceleri anımsatmaktadır,
01:06
past times to the beach,
17
54649
1920
sahildeki geçmiş zamanlar,
01:08
times spent running around
with other dogs.
with other dogs.
18
56593
2603
başka köpeklerle beraber etrafta beraber
koşarak geçen zamanlar.
koşarak geçen zamanlar.
01:11
One of my guiding principles
is that by helping computers to understand
is that by helping computers to understand
19
59688
5207
Bana ışık tutan prensiplerimden
bir tanesi de bu tecrübeye sahip olmanın
bir tanesi de bu tecrübeye sahip olmanın
nasıl bir şey olduğunu
bilgisayarın anlamasını sağlarsak
bilgisayarın anlamasını sağlarsak
01:16
what it's like to have these experiences,
20
64919
2896
01:19
to understand what we share
and believe and feel,
and believe and feel,
21
67839
5176
ne paylaştığımızı, neye inandığımızı ve
ne hissettiğimizi anlamasını sağlarsak
ne hissettiğimizi anlamasını sağlarsak
01:26
then we're in a great position
to start evolving computer technology
to start evolving computer technology
22
74094
4310
bilgisayar teknolojisini
bizim tecrübelerimizle uyumlu bir şekilde
bizim tecrübelerimizle uyumlu bir şekilde
01:30
in a way that's complementary
with our own experiences.
with our own experiences.
23
78428
4587
geliştirmeye başlamak için
harika bir yerdeyiz demektir.
harika bir yerdeyiz demektir.
01:35
So, digging more deeply into this,
24
83539
3387
Bu nedenle, bunu daha derinlemesine
araştırırken,
araştırırken,
01:38
a few years ago I began working on helping
computers to generate human-like stories
computers to generate human-like stories
25
86950
5905
birkaç yıl önce bir dizi fotoğraftan
bilgisayarların insan benzeri hikâyeler
bilgisayarların insan benzeri hikâyeler
üretmesine yardımcı olmak üzere
çalışmaya başladım.
çalışmaya başladım.
01:44
from sequences of images.
26
92879
1666
01:47
So, one day,
27
95427
1904
Ve bir gün,
01:49
I was working with my computer to ask it
what it thought about a trip to Australia.
what it thought about a trip to Australia.
28
97355
4622
bilgisayarımla Avustralya gezisi hakkında
ne düşündüğünü sormak için çalışıyordum.
ne düşündüğünü sormak için çalışıyordum.
01:54
It took a look at the pictures,
and it saw a koala.
and it saw a koala.
29
102768
2920
Resme baktı ve bir koala gördü.
01:58
It didn't know what the koala was,
30
106236
1643
Koala'nın ne olduğunu bilmiyor
01:59
but it said it thought
it was an interesting-looking creature.
it was an interesting-looking creature.
31
107903
2999
fakat ilginç görünümlü bir
yaratık olduğunu düşündüğünü söyledi.
yaratık olduğunu düşündüğünü söyledi.
02:04
Then I shared with it a sequence of images
about a house burning down.
about a house burning down.
32
112053
4004
Ardından onunla bir dizi yanan ev
resmi paylaştım.
resmi paylaştım.
02:09
It took a look at the images and it said,
33
117704
3285
Resimlere baktı ve dedi ki,
02:13
"This is an amazing view!
This is spectacular!"
This is spectacular!"
34
121013
3500
" Bu hayret verici bir görüntü,
bu olağanüstü."
bu olağanüstü."
02:17
It sent chills down my spine.
35
125450
2095
Ürperdim.
02:20
It saw a horrible, life-changing
and life-destroying event
and life-destroying event
36
128983
4572
O korkunç, hayatı değiştiren ve hayatı yok
eden olay gördü
eden olay gördü
02:25
and thought it was something positive.
37
133579
2382
ve bir şeylerin olumlu olduğunu düşündü.
02:27
I realized that it recognized
the contrast,
the contrast,
38
135985
3441
Bence, kırmızı sarı zıtlığını
02:31
the reds, the yellows,
39
139450
2699
algıladı
02:34
and thought it was something
worth remarking on positively.
worth remarking on positively.
40
142173
3078
ve olumlu bakmaya değer
bir şey olarak düşündü.
bir şey olarak düşündü.
02:37
And part of why it was doing this
41
145928
1615
Ve kısmen bunu yapmasının nedeni
02:39
was because most
of the images I had given it
of the images I had given it
42
147577
2945
ona vermiş olduğum resimlerin
çoğunluğunun
çoğunluğunun
02:42
were positive images.
43
150546
1840
olumlu görüntüler olmasıydı.
02:44
That's because people
tend to share positive images
tend to share positive images
44
152903
3658
Bunun nedeni insanlar kendi
tecrübelerinden bahsederken
tecrübelerinden bahsederken
02:48
when they talk about their experiences.
45
156585
2190
olumlu resimleri paylaşmaya
meyillidirler.
meyillidirler.
02:51
When was the last time
you saw a selfie at a funeral?
you saw a selfie at a funeral?
46
159267
2541
En son ne zaman cenaze töreninde
paylaşılan bir selfie gödünüz?
paylaşılan bir selfie gödünüz?
02:55
I realized that,
as I worked on improving AI
as I worked on improving AI
47
163434
3095
Anladım ki yapay zekâyı geliştirmek
üzere çalışıyorken
üzere çalışıyorken
02:58
task by task, dataset by dataset,
48
166553
3714
görevden göreve,
veri setinden veri setine,
veri setinden veri setine,
03:02
that I was creating massive gaps,
49
170291
2897
çok büyük boşluklar,
03:05
holes and blind spots
in what it could understand.
in what it could understand.
50
173212
3999
delikler ve onun anlayabileceği
kör noktalar yaratıyordum.
kör noktalar yaratıyordum.
03:10
And while doing so,
51
178307
1334
Ve bunu yaparken,
03:11
I was encoding all kinds of biases.
52
179665
2483
her türlü ön yargıyı kodluyordum.
03:15
Biases that reflect a limited viewpoint,
53
183029
3318
Kısıtlı bir bakış açısını yansıtan
ön yargılar,
ön yargılar,
03:18
limited to a single dataset --
54
186371
2261
tek veri seti ile sınırlanmış--
03:21
biases that can reflect
human biases found in the data,
human biases found in the data,
55
189283
3858
insan ön yargılarını yansıtabilen
ön yargılar verilerde de bulunur,
ön yargılar verilerde de bulunur,
03:25
such as prejudice and stereotyping.
56
193165
3104
ön yargı ve basma kalıp düşünceler gibi.
03:29
I thought back to the evolution
of the technology
of the technology
57
197554
3057
Beni o gün olduğum yere
getiren teknolojinin
getiren teknolojinin
03:32
that brought me to where I was that day --
58
200635
2502
evrimini düşündüm--
03:35
how the first color images
59
203966
2233
ilk renkli resmin nasıl
03:38
were calibrated against
a white woman's skin,
a white woman's skin,
60
206223
3048
beyaz kadının tenine uyarlandığını
03:41
meaning that color photography
was biased against black faces.
was biased against black faces.
61
209665
4145
renkli fotoğrafçılığın siyah yüzlere karşı
ön yargılı olduğu anlamına geliyordu.
ön yargılı olduğu anlamına geliyordu.
03:46
And that same bias, that same blind spot
62
214514
2925
Ve bu benzer ön yargı,
bu aynı kör nokta
bu aynı kör nokta
03:49
continued well into the '90s.
63
217463
1867
90'larda da devam etti.
03:51
And the same blind spot
continues even today
continues even today
64
219701
3154
Hatta aynı kör nokta yüz tanıma
teknolojisinde farklı insanların
teknolojisinde farklı insanların
03:54
in how well we can recognize
different people's faces
different people's faces
65
222879
3698
yüzlerini ne kadar iyi
tanıdığımız konusunda
tanıdığımız konusunda
03:58
in facial recognition technology.
66
226601
2200
bugün de devam etmektedir.
04:01
I though about the state of the art
in research today,
in research today,
67
229323
3143
Bugünkü araştırmalardaki gelişmişlik
seviyesini düşündüm, kendi düşüncemizi
seviyesini düşündüm, kendi düşüncemizi
04:04
where we tend to limit our thinking
to one dataset and one problem.
to one dataset and one problem.
68
232490
4514
bir veri setinde ve bir problemde
sınırlamaya meyilli olduğumuz yerde.
sınırlamaya meyilli olduğumuz yerde.
04:09
And that in doing so, we were creating
more blind spots and biases
more blind spots and biases
69
237688
4881
Ve bunu yaparken, yapay zekânın
daha fazla büyüteceği
daha fazla büyüteceği
birçok kör nokta
ve ön yargı yarattım.
ve ön yargı yarattım.
04:14
that the AI could further amplify.
70
242593
2277
04:17
I realized then
that we had to think deeply
that we had to think deeply
71
245712
2079
Ardından anladım ki, bugün üzerinde
çalıştığımız teknolojinin
çalıştığımız teknolojinin
04:19
about how the technology we work on today
looks in five years, in 10 years.
looks in five years, in 10 years.
72
247815
5519
beş yıl içresinde, 10 yıl içerisinde nasıl
görüneceğini derinlemesine düşünmeliydik.
görüneceğini derinlemesine düşünmeliydik.
04:25
Humans evolve slowly,
with time to correct for issues
with time to correct for issues
73
253990
3142
İnsan zamanla insanlarla ve
çevresiyle etkileşimindeki
çevresiyle etkileşimindeki
04:29
in the interaction of humans
and their environment.
and their environment.
74
257156
3534
meseleleri düzelterek
yavaş yavaş evrimleşir.
yavaş yavaş evrimleşir.
04:33
In contrast, artificial intelligence
is evolving at an incredibly fast rate.
is evolving at an incredibly fast rate.
75
261276
5429
Aksine, yapay zekâ inanılmaz bir
hızla evrimleşmektedir.
hızla evrimleşmektedir.
04:39
And that means that it really matters
76
267013
1773
Ve bu şu anlama gelir,
bu hemen şimdi
bu hemen şimdi
04:40
that we think about this
carefully right now --
carefully right now --
77
268810
2317
dikkatli bir şekilde
düşünmemiz gereken bir konudur --
düşünmemiz gereken bir konudur --
04:44
that we reflect on our own blind spots,
78
272180
3008
ki biz bunun üzerine kendi
kör noktamızı
kör noktamızı
04:47
our own biases,
79
275212
2317
kendi ön yargılarımızı yansıtıyoruz
04:49
and think about how that's informing
the technology we're creating
the technology we're creating
80
277553
3857
ve bu bilgi teknolojilerini nasıl
yarattığımız hakkında düşünmeliyiz
yarattığımız hakkında düşünmeliyiz
04:53
and discuss what the technology of today
will mean for tomorrow.
will mean for tomorrow.
81
281434
3902
ve bugünün teknolojisinin yarın
için ne ifade edeceğini tartışmalıyız.
için ne ifade edeceğini tartışmalıyız.
04:58
CEOs and scientists have weighed in
on what they think
on what they think
82
286593
3191
CEO'lar ve bilim insanları geleceğin
yapay zekâ teknolojilerinin
yapay zekâ teknolojilerinin
05:01
the artificial intelligence technology
of the future will be.
of the future will be.
83
289808
3325
ne olacağını düşünmek üzerine
ağırlıklarını koydular.
ağırlıklarını koydular.
05:05
Stephen Hawking warns that
84
293157
1618
Stephen Hawking,
05:06
"Artificial intelligence
could end mankind."
could end mankind."
85
294799
3007
"Yapay zekâ insanların sonu olabilir"
uyarısını yaptı.
uyarısını yaptı.
05:10
Elon Musk warns
that it's an existential risk
that it's an existential risk
86
298307
2683
Elon Musk, bunun bir varoluşsal
risk olduğu ve toplum olarak
risk olduğu ve toplum olarak
05:13
and one of the greatest risks
that we face as a civilization.
that we face as a civilization.
87
301014
3574
karşı karşıya olduğumuz en büyük
risklerden biri olduğu konusunda uyardı.
risklerden biri olduğu konusunda uyardı.
Bill Gates
bir noktaya işaret etti;
bir noktaya işaret etti;
05:17
Bill Gates has made the point,
88
305665
1452
05:19
"I don't understand
why people aren't more concerned."
why people aren't more concerned."
89
307141
3185
"İnsanların niçin daha fazla alakadar
olmadığını anlamıyorum."
olmadığını anlamıyorum."
05:23
But these views --
90
311412
1318
Fakat bu görüşler--
05:25
they're part of the story.
91
313618
1734
hikâyenin sadece bir bölümü.
05:28
The math, the models,
92
316079
2420
Matematik, modeller
05:30
the basic building blocks
of artificial intelligence
of artificial intelligence
93
318523
3070
yapay zekânın temel yapı taşları
05:33
are something that we call access
and all work with.
and all work with.
94
321617
3135
erişim olarak tanımladığımız ve
bununla alakadar şeylerdir.
bununla alakadar şeylerdir.
05:36
We have open-source tools
for machine learning and intelligence
for machine learning and intelligence
95
324776
3785
Machine Learning ve katkıda
bulunduğumuz zekâ için
bulunduğumuz zekâ için
açık kaynak araçlarına sahibiz.
05:40
that we can contribute to.
96
328585
1734
05:42
And beyond that,
we can share our experience.
we can share our experience.
97
330919
3340
Ve bunun ötesinde, tecrübelerimizi
paylaşabiliyoruz.
paylaşabiliyoruz.
05:46
We can share our experiences
with technology and how it concerns us
with technology and how it concerns us
98
334760
3468
Tecrübelerimizi teknolojiyle
paylaşabiliyoruz ve bizi nasıl
paylaşabiliyoruz ve bizi nasıl
05:50
and how it excites us.
99
338252
1467
alakadar ettiği
bizi nasıl cezbettiği
bizi nasıl cezbettiği
05:52
We can discuss what we love.
100
340251
1867
Neyi sevdiğimizi tartışabiliriz.
05:55
We can communicate with foresight
101
343244
2031
Daha faydalı olabilecek veya zamanla
05:57
about the aspects of technology
that could be more beneficial
that could be more beneficial
102
345299
4857
daha sorunlu olabilecek teknolojinin
görünümleri hakkında
görünümleri hakkında
06:02
or could be more problematic over time.
103
350180
2600
ön görü ile iletişim kurabiliriz.
06:05
If we all focus on opening up
the discussion on AI
the discussion on AI
104
353799
4143
Eğer geleceğe yönelik öngörü ile beraber
yapay zekâ üzerine tartışma
yapay zekâ üzerine tartışma
06:09
with foresight towards the future,
105
357966
1809
açmak üzerine odaklanırsak
06:13
this will help create a general
conversation and awareness
conversation and awareness
106
361093
4270
bu şimdi yapay zekânın ne olduğu,
06:17
about what AI is now,
107
365387
2513
ne olabileceği
ve bize en uygun sonucu
mümkün kılması için
mümkün kılması için
06:21
what it can become
108
369212
2001
06:23
and all the things that we need to do
109
371237
1785
yapmamız gereken her şey hakkında
06:25
in order to enable that outcome
that best suits us.
that best suits us.
110
373046
3753
genel bir tartışma ve farkındalık
yaratmamıza yardım edecektir.
yaratmamıza yardım edecektir.
06:29
We already see and know this
in the technology that we use today.
in the technology that we use today.
111
377490
3674
Bunu bugün kullandığımız teknolojide
zaten gördük ve anladık.
zaten gördük ve anladık.
06:33
We use smart phones
and digital assistants and Roombas.
and digital assistants and Roombas.
112
381767
3880
Akıllı telefon, dijital asistan ve
Roombas kullanıyoruz.
Roombas kullanıyoruz.
06:38
Are they evil?
113
386457
1150
Bunlar kötü mü?
06:40
Maybe sometimes.
114
388268
1547
Belki bazen.
06:42
Are they beneficial?
115
390664
1333
Faydalı mı?
06:45
Yes, they're that, too.
116
393005
1533
Evet, ayrıca faydalı.
06:48
And they're not all the same.
117
396236
1761
Ve bunların hepsi aynı değil.
06:50
And there you already see
a light shining on what the future holds.
a light shining on what the future holds.
118
398489
3540
Ve burada geleceğin getireceklerinin
ışığını şimdiden görüyorsun.
ışığını şimdiden görüyorsun.
06:54
The future continues on
from what we build and create right now.
from what we build and create right now.
119
402942
3619
Gelecek şimdi yarattığımız ve inşa
ettiğimiz şeyden devam ediyor.
ettiğimiz şeyden devam ediyor.
06:59
We set into motion that domino effect
120
407165
2642
Yapay zekânın evrimsel yolunu açan
07:01
that carves out AI's evolutionary path.
121
409831
2600
domino etkisi yaratan hareketi başlattık.
07:05
In our time right now,
we shape the AI of tomorrow.
we shape the AI of tomorrow.
122
413173
2871
Bizim zamanımızda şimdi,
yarının yapay zekâsını şekillendiriyoruz.
yarının yapay zekâsını şekillendiriyoruz.
07:08
Technology that immerses us
in augmented realities
in augmented realities
123
416566
3699
Bizi artırılmış gerçekliğin
içine daldıran teknoloji
içine daldıran teknoloji
07:12
bringing to life past worlds.
124
420289
2566
geçmiş dünyaları canlandırıyor.
07:15
Technology that helps people
to share their experiences
to share their experiences
125
423844
4312
İrtibat kurmakta zorluk çektiklerinde
kendi tecrübelerini paylaşmalarında
kendi tecrübelerini paylaşmalarında
07:20
when they have difficulty communicating.
126
428180
2262
insanlara yardımcı olan teknoloji.
07:23
Technology built on understanding
the streaming visual worlds
the streaming visual worlds
127
431323
4532
Akan görsel dünyaları anlamak üzerine
inşa edilmiş olan teknoloji
inşa edilmiş olan teknoloji
sürücüsüz arabalarda kullanıyor.
07:27
used as technology for self-driving cars.
128
435879
3079
07:32
Technology built on understanding images
and generating language,
and generating language,
129
440490
3413
Resimleri anlama ve dil üretmeyi anlama
üzerine inşa edilmiş olan teknoloji
üzerine inşa edilmiş olan teknoloji
07:35
evolving into technology that helps people
who are visually impaired
who are visually impaired
130
443927
4063
görme engelli insanların
görsel dünyaya daha iyi ulaşmalarına
görsel dünyaya daha iyi ulaşmalarına
07:40
be better able to access the visual world.
131
448014
2800
yardım eden teknolojiye evriliyor.
07:42
And we also see how technology
can lead to problems.
can lead to problems.
132
450838
3261
Aynı zamanda teknolojinin nasıl
sorunlara yol açabileceğini de görüyoruz.
sorunlara yol açabileceğini de görüyoruz.
Bugün, ten rengimiz veya yüzümüzün
görüntüsü gibi doğuştan gelen
görüntüsü gibi doğuştan gelen
07:46
We have technology today
133
454885
1428
07:48
that analyzes physical
characteristics we're born with --
characteristics we're born with --
134
456337
3835
fiziksel özelliklerimizi analiz ederek
07:52
such as the color of our skin
or the look of our face --
or the look of our face --
135
460196
3272
bizim suçlu veya terörist olma ya da
olmama ihtimalimizi belirlemek için
olmama ihtimalimizi belirlemek için
07:55
in order to determine whether or not
we might be criminals or terrorists.
we might be criminals or terrorists.
136
463492
3804
kullanan teknolojilere sahibiz.
07:59
We have technology
that crunches through our data,
that crunches through our data,
137
467688
2905
Kredi alıp alamayacağımıza karar
vermek için verilerimizi
vermek için verilerimizi
08:02
even data relating
to our gender or our race,
to our gender or our race,
138
470617
2896
hatta cinsiyetimiz veya ırkımızla
ilgili verileri kullanarak
ilgili verileri kullanarak
08:05
in order to determine whether or not
we might get a loan.
we might get a loan.
139
473537
2865
hesaplamalar yapan
bir teknolojiye sahibiz.
bir teknolojiye sahibiz.
08:09
All that we see now
140
477494
1579
Şimdi gördüğümüz her şey
08:11
is a snapshot in the evolution
of artificial intelligence.
of artificial intelligence.
141
479097
3617
yapay zekânın evriminde anlık bir
görüntüdür.
görüntüdür.
08:15
Because where we are right now,
142
483763
1778
Çünkü şimdi olduğumuz yer
08:17
is within a moment of that evolution.
143
485565
2238
bu evrimin içinde kısa bir an.
08:20
That means that what we do now
will affect what happens down the line
will affect what happens down the line
144
488690
3802
Bunun anlamı, şu anda yaptığımız şey
gelecekte olacak
gelecekte olacak
08:24
and in the future.
145
492516
1200
şeyleri etkileyecektir.
08:26
If we want AI to evolve
in a way that helps humans,
in a way that helps humans,
146
494063
3951
Eğer yapay zekânın insanlığa yardım etme
yolunda evrimleşmesini istiyorsak
yolunda evrimleşmesini istiyorsak
08:30
then we need to define
the goals and strategies
the goals and strategies
147
498038
2801
bize bu yolu sağlayacak hedef ve
stratejileri belirlemeye
stratejileri belirlemeye
08:32
that enable that path now.
148
500863
1733
ihtiyacımız var.
08:35
What I'd like to see is something
that fits well with humans,
that fits well with humans,
149
503680
3738
Görmek istediğim şey
insanlar ile, bizim kültürümüz ve
çevremiz ile uyumlu bir şeylerdir.
çevremiz ile uyumlu bir şeylerdir.
08:39
with our culture and with the environment.
150
507442
2800
08:43
Technology that aids and assists
those of us with neurological conditions
those of us with neurological conditions
151
511435
4484
Hayatı herkes için eşit derecede
zorlayıcı yapmak için
zorlayıcı yapmak için
nörolojik hastalıkları olanlar
08:47
or other disabilities
152
515943
1721
ya da diğer engelli olanlarımıza
yardımcı ve destekleyici olacak teknoloji.
yardımcı ve destekleyici olacak teknoloji.
08:49
in order to make life
equally challenging for everyone.
equally challenging for everyone.
153
517688
3216
08:54
Technology that works
154
522097
1421
Demografik yapı veya
08:55
regardless of your demographics
or the color of your skin.
or the color of your skin.
155
523542
3933
ten rengine bakmaksızın çalışan teknoloji.
09:00
And so today, what I focus on
is the technology for tomorrow
is the technology for tomorrow
156
528383
4742
Ve bugün, odaklandığım şey gelecek
için, bundan 10 yıl sonrası için
için, bundan 10 yıl sonrası için
09:05
and for 10 years from now.
157
533149
1733
teknoloji.
09:08
AI can turn out in many different ways.
158
536530
2634
Yapay zekâ farklı şekillerde
ortaya çıkabilir.
ortaya çıkabilir.
09:11
But in this case,
159
539688
1225
Fakat bu durumda,
09:12
it isn't a self-driving car
without any destination.
without any destination.
160
540937
3328
varış noktası olmayan bir sürücüsüz
araba değildir.
araba değildir.
09:16
This is the car that we are driving.
161
544884
2400
Burada bizim sürdüğümüz
bir araba vardır.
bir araba vardır.
09:19
We choose when to speed up
and when to slow down.
and when to slow down.
162
547953
3595
Ne zaman hızlanacağını veya
yavaşlayacağını biz seçeriz.
yavaşlayacağını biz seçeriz.
09:23
We choose if we need to make a turn.
163
551572
2400
Dönüş yapmamız gerekiyorsa biz seçeriz.
09:26
We choose what the AI
of the future will be.
of the future will be.
164
554868
3000
Gelecekteki yapay zekânın ne olacağını
biz belirleriz.
biz belirleriz.
09:31
There's a vast playing field
165
559186
1337
Yapay zekânın olabileceği
09:32
of all the things that artificial
intelligence can become.
intelligence can become.
166
560547
2965
her şeyin geniş
oyun alanları vardır.
oyun alanları vardır.
09:36
It will become many things.
167
564064
1800
Birçok şey olacaktır.
09:39
And it's up to us now,
168
567694
1732
Ve şimdi bu bize kaldı,
09:41
in order to figure out
what we need to put in place
what we need to put in place
169
569450
3061
bunu halletmek adına
yapay zekanın sonuçlarından
emin olmak için
emin olmak için
09:44
to make sure the outcomes
of artificial intelligence
of artificial intelligence
170
572535
3807
09:48
are the ones that will be
better for all of us.
better for all of us.
171
576366
3066
yerine koymamız gereken şey
hepimiz için daha iyi olanlardır.
hepimiz için daha iyi olanlardır.
09:51
Thank you.
172
579456
1150
Teşekkür ederim.
09:52
(Applause)
173
580630
2187
(Alkış)
ABOUT THE SPEAKER
Margaret Mitchell - AI research scientistMargaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence.
Why you should listen
Margaret Mitchell's research involves vision-language and grounded language generation, focusing on how to evolve artificial intelligence towards positive goals. Her work combines computer vision, natural language processing, social media as well as many statistical methods and insights from cognitive science. Before Google, Mitchell was a founding member of Microsoft Research's "Cognition" group, focused on advancing artificial intelligence, and a researcher in Microsoft Research's Natural Language Processing group.
Margaret Mitchell | Speaker | TED.com