TEDxSiliconValley
Damon Horowitz: We need a "moral operating system"
دامو هوروتز: نحن بحاجة لنظام تشغيل أخلاقي
Filmed:
Readability: 3.2
795,617 views
في مؤتمر تيدأكس وادي السيليكون TEDxSiliconValley، دامو هوروتز يستعرض الإمكانات الهائلة التي تتيحها لنا التكنولوجيا: لمعرفة الكثير -- والكثير عن بعضنا البعض -- بشكلٍ غير مسبوق. ويشارك الجمهور في نقاش فلسفي ، هوروتز يدعونا للنظر في الفلسفة الأساسية -- مبادئ الأخلاق -- والتي كانت وراء الإختراعات التي أعادت تشكيل عالمنا. فأين نظام التشغيل الأخلاقي الذي يجعل لعالمنا معنىً ؟
Damon Horowitz - Philosopher, entrepreneur
Damon Horowitz explores what is possible at the boundaries of technology and the humanities. Full bio
Damon Horowitz explores what is possible at the boundaries of technology and the humanities. Full bio
Double-click the English transcript below to play the video.
00:15
Power.
0
0
2000
القدرة.
00:17
That is the word that comes to mind.
1
2000
2000
تلك الكلمة التي تتبادر إلى الأذهان.
00:19
We're the new technologists.
2
4000
2000
نحن المطورون الجدد.
00:21
We have a lot of data, so we have a lot of power.
3
6000
3000
إننا نملك الكثير من البيانات ، لذا فلدينا الكثير من القوة والسلطة.
00:24
How much power do we have?
4
9000
2000
ما حجم السلطة التي نمتلكها ؟
00:26
Scene from a movie: "Apocalypse Now" -- great movie.
5
11000
3000
مشهد من فلم : "Apocalypse Now" -- فلمٌ رائع.
00:29
We've got to get our hero, Captain Willard, to the mouth of the Nung River
6
14000
3000
علينا أن نُوصل بطلنا ، الكابتن ويلارد، إلى مصب نهر ننغ
00:32
so he can go pursue Colonel Kurtz.
7
17000
2000
حتى يستطيع من مطاردة الكولونيل كورتز.
00:34
The way we're going to do this is fly him in and drop him off.
8
19000
2000
والطريقة التي سنفعل بها ذلك هي من خلال الطيران به و إسقاطه بالمظلة.
00:36
So the scene:
9
21000
2000
لذا فالمشهد:
00:38
the sky is filled with this fleet of helicopters carrying him in.
10
23000
3000
السماء ممتلئة بأسطول من الطائرات المروحية التي تحمله.
00:41
And there's this loud, thrilling music in the background,
11
26000
2000
وهناك تلك الأصوات المرتفعة ، وموسيقى الإثارة الخلفية ،
00:43
this wild music.
12
28000
2000
كل تلك الموسيقى الصاخبة.
00:45
♫ Dum da ta da dum ♫
13
30000
2000
♫ دوم دا تا دا دوم ♫
00:47
♫ Dum da ta da dum ♫
14
32000
2000
♫ دوم دا تا دا دوم ♫
00:49
♫ Da ta da da ♫
15
34000
3000
♫ دا تا دا دا ♫
00:52
That's a lot of power.
16
37000
2000
هناك الكثير من القوة.
00:54
That's the kind of power I feel in this room.
17
39000
2000
تلك هي القوة التي أشعر بها في هذه القاعة.
00:56
That's the kind of power we have
18
41000
2000
تلك هي القوة التي نمتلكها
00:58
because of all of the data that we have.
19
43000
2000
بسبب كل ما نملكه من بيانات.
01:00
Let's take an example.
20
45000
2000
لنأخذ مثالاً.
01:02
What can we do
21
47000
2000
ما الذي يمكننا فعله
01:04
with just one person's data?
22
49000
3000
ببيانات شخصٍ واحدٍ فقط ؟
01:07
What can we do
23
52000
2000
ما الذي يمكننا فعله
01:09
with that guy's data?
24
54000
2000
ببيانات ذلك الشخص ؟
01:11
I can look at your financial records.
25
56000
2000
بإمكاني النظر إلى بياناته المالية.
01:13
I can tell if you pay your bills on time.
26
58000
2000
وأستطيع معرفة ما إذا كنت تسدد فواتيرك في موعدها.
01:15
I know if you're good to give a loan to.
27
60000
2000
وأعرف ما إذا كنت مؤهلاً لقرض.
01:17
I can look at your medical records; I can see if your pump is still pumping --
28
62000
3000
أستطيع النظر إلى بياناتك الصحية ، وأستطيع معرفة ما إذا كان قلبك يخفق --
01:20
see if you're good to offer insurance to.
29
65000
3000
وأن أعرف ما إذا كنت مؤهلاً لتأمينٍ طبي.
01:23
I can look at your clicking patterns.
30
68000
2000
أستطيع النظر إلى نمط إختيارك المواقع.
01:25
When you come to my website, I actually know what you're going to do already
31
70000
3000
وعندما تأتي إلى موقعي الإلكتروني ، أعرف بالضبط ما ستفعله مسبقاً ،
01:28
because I've seen you visit millions of websites before.
32
73000
2000
لأنني راقبت زياراتك للملايين من المواقع من قبل.
01:30
And I'm sorry to tell you,
33
75000
2000
ويؤسفني أن أقول لك ،
01:32
you're like a poker player, you have a tell.
34
77000
2000
أنك مثل لاعب بوكر ، هناك دلالات على ذلك.
01:34
I can tell with data analysis what you're going to do
35
79000
2000
أستطيع التنبؤ بما ستفعله بتحليل البيانات
01:36
before you even do it.
36
81000
2000
حتى قبل أن تفعل ذلك.
01:38
I know what you like. I know who you are,
37
83000
3000
أعرف ما تحبه ، أعرف من أنت.
01:41
and that's even before I look at your mail
38
86000
2000
وكل ذلك حتى قبل أن أنظر إلى بريدك
01:43
or your phone.
39
88000
2000
أو حتى إلى جوالك.
01:45
Those are the kinds of things we can do
40
90000
2000
تلك هي الأشياء التي نستطيع عملها
01:47
with the data that we have.
41
92000
3000
بالبيانات التي نملكها.
01:50
But I'm not actually here to talk about what we can do.
42
95000
3000
ولكنني لست هنا اليوم للحديث عما نستطيع فعله.
01:56
I'm here to talk about what we should do.
43
101000
3000
إنني هنا اليوم للحديث عما يجب أن نفعله.
02:00
What's the right thing to do?
44
105000
3000
ماهو الشيء الصواب الذي يجب أن نفعله ؟
02:04
Now I see some puzzled looks
45
109000
2000
والاّن أرى القليل من النظرات الحائرة
02:06
like, "Why are you asking us what's the right thing to do?
46
111000
3000
مثل ، "لماذ تسألنا ماهو الصواب الذي يجب أن نفعله؟
02:09
We're just building this stuff. Somebody else is using it."
47
114000
3000
إننا فقط نصمم تلك الأشياء. والاّخرون يستخدمونها."
02:12
Fair enough.
48
117000
3000
هذا صحيح.
02:15
But it brings me back.
49
120000
2000
ولكن ذلك يذكرني.
02:17
I think about World War II --
50
122000
2000
كما أعتقد إلى الحرب العالمية الثانية --
02:19
some of our great technologists then,
51
124000
2000
بعضاً من عظماء التقنيين حينها ،
02:21
some of our great physicists,
52
126000
2000
بعضاً من علماء الفيزياء العظماء ،
02:23
studying nuclear fission and fusion --
53
128000
2000
الذين كانوا يدرسون الإنشطار والإندماج النووي --
02:25
just nuclear stuff.
54
130000
2000
العلوم النووية فقط.
02:27
We gather together these physicists in Los Alamos
55
132000
3000
جمعنا هؤلاء الفيزيائيين مع بعضهم البعض في لوس ألاموس
02:30
to see what they'll build.
56
135000
3000
لنرى ما يمكن أن يصنعوه.
02:33
We want the people building the technology
57
138000
3000
ونريد الأشخاص الذين يصنعون التكنولوجيا
02:36
thinking about what we should be doing with the technology.
58
141000
3000
أن يفكروا في ما يجب أن نفعله بالتكنولوجيا.
02:41
So what should we be doing with that guy's data?
59
146000
3000
إذا مالذي يجب فعله ببيانات ذلك الشخص ؟
02:44
Should we be collecting it, gathering it,
60
149000
3000
هل نسجلها ، ونجمعها ،
02:47
so we can make his online experience better?
61
152000
2000
لنجعل التصفح أفضل له ؟
02:49
So we can make money?
62
154000
2000
وبالتالي نستطيع من كسب المال ؟
02:51
So we can protect ourselves
63
156000
2000
و لنحمي أنفسنا
02:53
if he was up to no good?
64
158000
2000
إذا كان شخصا لايمكن الإستفادة منه ؟
02:55
Or should we respect his privacy,
65
160000
3000
أم علينا أن نحترم خصوصيته ،
02:58
protect his dignity and leave him alone?
66
163000
3000
نحفظ له كرامته ونتركه وشأنه ؟
03:02
Which one is it?
67
167000
3000
أيهما هو الصواب ؟
03:05
How should we figure it out?
68
170000
2000
كيف نستطيع معرفة ذلك ؟
03:07
I know: crowdsource. Let's crowdsource this.
69
172000
3000
أعرف : Crowd Source "استخدام مجموعة كبيرة من الخبراء لحل مشكلة".
03:11
So to get people warmed up,
70
176000
3000
ولتحفيز المتواجدين ،
03:14
let's start with an easy question --
71
179000
2000
لنبدأ بسؤال بسيط --
03:16
something I'm sure everybody here has an opinion about:
72
181000
3000
شيء أعتقد الكثير من المتواجدين هنا لديه رأي فيه:
03:19
iPhone versus Android.
73
184000
2000
الاّي فون iPhone مقابل الأندرويد Android
03:21
Let's do a show of hands -- iPhone.
74
186000
3000
لنرفع الأيادي بالموافقة -- اّي فون.
03:24
Uh huh.
75
189000
2000
أوه ها.
03:26
Android.
76
191000
3000
أندرويد.
03:29
You'd think with a bunch of smart people
77
194000
2000
كنت أعتقد مع بعض من الناس الأذكياء
03:31
we wouldn't be such suckers just for the pretty phones.
78
196000
2000
لن نكون مثل المعجبين فقط بالهواتف الأنيقة.
03:33
(Laughter)
79
198000
2000
(ضحك)
03:35
Next question,
80
200000
2000
السؤال التالي ،
03:37
a little bit harder.
81
202000
2000
أكثر صعوبة نوعاً ما.
03:39
Should we be collecting all of that guy's data
82
204000
2000
هل ينبغي علينا أن نجمع كل بيانات ذلك الشخص
03:41
to make his experiences better
83
206000
2000
لجعل من تجربته أفضل
03:43
and to protect ourselves in case he's up to no good?
84
208000
3000
ونحمي أنفسنا في حال كان غير مفيدٍ لنا ؟
03:46
Or should we leave him alone?
85
211000
2000
أم يجب أن نتركه وشأنه ؟
03:48
Collect his data.
86
213000
3000
نجمع بياناته.
03:53
Leave him alone.
87
218000
3000
نتركه وشأنه.
03:56
You're safe. It's fine.
88
221000
2000
إنك بأمان. هذا جيد.
03:58
(Laughter)
89
223000
2000
(ضحك)
04:00
Okay, last question --
90
225000
2000
حسنا ، السؤال الأخير --
04:02
harder question --
91
227000
2000
سؤال أصعب --
04:04
when trying to evaluate
92
229000
3000
عند محاولة تقييم
04:07
what we should do in this case,
93
232000
3000
عما يجب فعله في هذه الحالة ،
04:10
should we use a Kantian deontological moral framework,
94
235000
4000
هل ينبغي علينا أن نستخدم فلسفة كِنت في الأخلاق المهنية ،
04:14
or should we use a Millian consequentialist one?
95
239000
3000
أم نستخدم نظرية "ميل" في أن الغاية تبرر الوسيلة ؟
04:19
Kant.
96
244000
3000
كِنت.
04:22
Mill.
97
247000
3000
ميل.
04:25
Not as many votes.
98
250000
2000
ليس الكثير من الأصوات.
04:27
(Laughter)
99
252000
3000
(ضحك)
04:30
Yeah, that's a terrifying result.
100
255000
3000
نعم ، هذه نتيجةٌ مرعبة.
04:34
Terrifying, because we have stronger opinions
101
259000
4000
مرعبة ، لأن لدينا اّراءٌ قويةٌ
04:38
about our hand-held devices
102
263000
2000
عن أجهزتنا المحمولة
04:40
than about the moral framework
103
265000
2000
أكثر من اّراءنا عن الإطار الأخلاقي الذي
04:42
we should use to guide our decisions.
104
267000
2000
ينبغي أن نستخدمه لإتخاذ قراراتنا.
04:44
How do we know what to do with all the power we have
105
269000
3000
كيف لنا أن نعرف ما يجب القيام به بكل السلطة التي نملكها
04:47
if we don't have a moral framework?
106
272000
3000
إذا لم يكن لدينا إطارا أخلاقيا ؟
04:50
We know more about mobile operating systems,
107
275000
3000
نحن نعرف الكثير عن أنظمة تشغيل الهواتف المحمولة ،
04:53
but what we really need is a moral operating system.
108
278000
3000
ولكن ما نحتاج إليه بالفعل هو نظام تشغيلٍ أخلاقي.
04:58
What's a moral operating system?
109
283000
2000
فما هو نظام التشغيل الأخلاقي ؟
05:00
We all know right and wrong, right?
110
285000
2000
نحن جميعنا نعرف الصواب والخطأ ، نعم.
05:02
You feel good when you do something right,
111
287000
2000
تشعر بالفخر عندما تفعل شيئاً صائباً ،
05:04
you feel bad when you do something wrong.
112
289000
2000
و تشعر بالضيق عندما تفعل شيئا خاطئا.
05:06
Our parents teach us that: praise with the good, scold with the bad.
113
291000
3000
أبوانا يعلماننا أن : الثناء مع الفعل الصائب ، والتأنيب مع الفعل الخاطئ.
05:09
But how do we figure out what's right and wrong?
114
294000
3000
ولكن كيف يمكننا معرفة ما هو الصواب و ماهو الخطأ ؟
05:12
And from day to day, we have the techniques that we use.
115
297000
3000
ويومياً ، لدينا أساليبنا التي نستخدمها.
05:15
Maybe we just follow our gut.
116
300000
3000
ربما نتبع حدسنا فقط.
05:18
Maybe we take a vote -- we crowdsource.
117
303000
3000
وربما نقوم بالتصويت -- نجمع اّراء الناس.
05:21
Or maybe we punt --
118
306000
2000
أو ربما نقوم بالمجازفة --
05:23
ask the legal department, see what they say.
119
308000
3000
أو نسأل الإدارة القانونية ، ونرى ما يقولون.
05:26
In other words, it's kind of random,
120
311000
2000
في عبارة أخرى ، إنها نوعٌ من العشوائية ،
05:28
kind of ad hoc,
121
313000
2000
نوعٌ من القرارات الوقتية ،
05:30
how we figure out what we should do.
122
315000
3000
كيف يمكننا معرفة ما يجب علينا القيام به.
05:33
And maybe, if we want to be on surer footing,
123
318000
3000
أو ربما ، لنقف بأقدامٍ راسخة ،
05:36
what we really want is a moral framework that will help guide us there,
124
321000
3000
ما نريده حقا هو إطار أخلاقي من شأنه أن يساعدنا في ذلك ،
05:39
that will tell us what kinds of things are right and wrong in the first place,
125
324000
3000
إطارٌ من شأنه أن يبين لنا ما هو الفعل الصواب والفعل الخطأ في المقام الأول ،
05:42
and how would we know in a given situation what to do.
126
327000
4000
وكيف لنا أن نعرف كيف نتصرف في موقفٍ ما.
05:46
So let's get a moral framework.
127
331000
2000
لذلك دعونا نتفق على إطارٍ أخلاقي.
05:48
We're numbers people, living by numbers.
128
333000
3000
نحن شعب الأرقام ، الذين يعيشون من خلال الأرقام.
05:51
How can we use numbers
129
336000
2000
كيف يمكننا استخدام الأرقام
05:53
as the basis for a moral framework?
130
338000
3000
كأساس لوضع إطار أخلاقي ؟
05:56
I know a guy who did exactly that.
131
341000
3000
إنني أعرف الرجل الذي قام بفعل ذلك بالضبط ،
05:59
A brilliant guy --
132
344000
3000
رجلٌ عبقري --
06:02
he's been dead 2,500 years.
133
347000
3000
وهو ميتٌ منذ 2,500 سنة.
06:05
Plato, that's right.
134
350000
2000
أفلاطون ، بالفعل.
06:07
Remember him -- old philosopher?
135
352000
2000
هل تذكرونه ؟ -- فيلسوفٌ قديم ؟
06:09
You were sleeping during that class.
136
354000
3000
ربما كنتم نائمون خلال ذلك الدرس.
06:12
And Plato, he had a lot of the same concerns that we did.
137
357000
2000
و أفلاطون ، كان لديه الكثير من المخاوف نفسها التي لدينا.
06:14
He was worried about right and wrong.
138
359000
2000
وكان يشعر بالقلق بشأن ماهو الصواب والخطأ.
06:16
He wanted to know what is just.
139
361000
2000
أراد أن يعرف ما هو العدل.
06:18
But he was worried that all we seem to be doing
140
363000
2000
ولكنه كان يشعر بالقلق من أن كل ما يبدو أننا نفعله
06:20
is trading opinions about this.
141
365000
2000
هو تداول الآراء حول هذا الموضوع.
06:22
He says something's just. She says something else is just.
142
367000
3000
إنه يقول أن فعلاً ما هو العدل. وهي تقول أن فعلاً آخر هو العدل.
06:25
It's kind of convincing when he talks and when she talks too.
143
370000
2000
إنه مقنعٌ نوعاً ما عندما يتحدث وهي مقنعةٌ أيضاً عندما تتحدث.
06:27
I'm just going back and forth; I'm not getting anywhere.
144
372000
2000
إنني فقط أتجه ذهابا وإيابا ، وأنا لا أصل إلى أي مكان.
06:29
I don't want opinions; I want knowledge.
145
374000
3000
إنني لا أريد اّراءً ، بل أريد المعرفة.
06:32
I want to know the truth about justice --
146
377000
3000
أريد أن أعرف الحقيقة عن العدالة --
06:35
like we have truths in math.
147
380000
3000
مثل ما لدينا حقائق في الرياضيات.
06:38
In math, we know the objective facts.
148
383000
3000
في الرياضيات ، نحن نعلم الحقائق المطلقة.
06:41
Take a number, any number -- two.
149
386000
2000
خذ رقماً ما ، أي رقم -- إثنين.
06:43
Favorite number. I love that number.
150
388000
2000
رقمي المفضل. إنني أحب هذا الرقم.
06:45
There are truths about two.
151
390000
2000
هناك حقائق مطلقة عن الرقم إثنين.
06:47
If you've got two of something,
152
392000
2000
إذا كان لديك شيئين اثنين ،
06:49
you add two more, you get four.
153
394000
2000
وأضفت اثنين آخرين ، تحصل على أربعة.
06:51
That's true no matter what thing you're talking about.
154
396000
2000
وهذه حقيقةٌ مطلقة بغض النظر عن ماهية الشيء الذي تتحدث عنه.
06:53
It's an objective truth about the form of two,
155
398000
2000
انها لحقيقة مطلقة عن شكل من اثنين ،
06:55
the abstract form.
156
400000
2000
الخلاصة المطلقة.
06:57
When you have two of anything -- two eyes, two ears, two noses,
157
402000
2000
عندما يكون لديك اثنين من أي شيء -- عينان ، أذنان ، وحتى الأنوف ،
06:59
just two protrusions --
158
404000
2000
أي بروز من اثنين --
07:01
those all partake of the form of two.
159
406000
3000
هؤلاء يتشاركون في تشكيل الإثنين.
07:04
They all participate in the truths that two has.
160
409000
4000
يتشاركون جميعاً في الحقيقة المطلقة للرقم إثنين.
07:08
They all have two-ness in them.
161
413000
2000
لديهم جميعهم خاصية المُثنى.
07:10
And therefore, it's not a matter of opinion.
162
415000
3000
وبالتالي ، انها ليست مسألة رأي.
07:13
What if, Plato thought,
163
418000
2000
ماذا لو فكر أفلاطون ،
07:15
ethics was like math?
164
420000
2000
أن الأخلاق كانت كالرياضيات ؟
07:17
What if there were a pure form of justice?
165
422000
3000
ماذا لو كان هناك شكلٌ متكاملٌ للعدالة ؟
07:20
What if there are truths about justice,
166
425000
2000
ماذا لو كان هناك حقائق مطلقة للعدالة ،
07:22
and you could just look around in this world
167
427000
2000
وبإمكانك بمجرد إلقاء نظرة حول هذا العالم
07:24
and see which things participated,
168
429000
2000
ورأيت الأشياء التي تساهم ،
07:26
partook of that form of justice?
169
431000
3000
في هذا الشكل من العدالة ؟
07:29
Then you would know what was really just and what wasn't.
170
434000
3000
عندئذٍ ستعرف ما هو بالفعل حقيقةٌ مطلقة وما هو ليس كذلك.
07:32
It wouldn't be a matter
171
437000
2000
ولن يكون ذلك مجرد
07:34
of just opinion or just appearances.
172
439000
3000
رأي فقط أو مناقشات فقط.
07:37
That's a stunning vision.
173
442000
2000
هذه رؤية مذهلة.
07:39
I mean, think about that. How grand. How ambitious.
174
444000
3000
أعني ، أن نفكر في ذلك. كم سيكون ذلك نبيلاً.و طموحاً.
07:42
That's as ambitious as we are.
175
447000
2000
هذا الطموح بقدر ما نحن عليه.
07:44
He wants to solve ethics.
176
449000
2000
انه يريد ان يحل الأخلاق.
07:46
He wants objective truths.
177
451000
2000
انه يريد الحقائق المطلقة.
07:48
If you think that way,
178
453000
3000
إذا فكرنا بتلك الطريقة ،
07:51
you have a Platonist moral framework.
179
456000
3000
فإن لديك إطار أفلاطون الأخلاقي.
07:54
If you don't think that way,
180
459000
2000
أما إذا كنت لا تفكر بتلك الطريقة ،
07:56
well, you have a lot of company in the history of Western philosophy,
181
461000
2000
إذاً ، لديك الكثير من الرفقاء في تاريخ الفلسفة الغربية ،
07:58
because the tidy idea, you know, people criticized it.
182
463000
3000
لأن الفكرة المنهجية -- كما تعلمون ، انتقدها الناس.
08:01
Aristotle, in particular, he was not amused.
183
466000
3000
ولا سيما أرسطو لم يكن يستصيغ الفكرة.
08:04
He thought it was impractical.
184
469000
3000
إعتقد انها غير عملية.
08:07
Aristotle said, "We should seek only so much precision in each subject
185
472000
4000
فقد قال أرسطو : "علينا فقط التحري عن الدقة في كل موضوع
08:11
as that subject allows."
186
476000
2000
بقدر ما يسمح ذلك الموضوع ".
08:13
Aristotle thought ethics wasn't a lot like math.
187
478000
3000
إعتقد أرسطو أن الأخلاق من غير الممكن أن تكون مثل الرياضيات.
08:16
He thought ethics was a matter of making decisions in the here-and-now
188
481000
3000
إعتقد أن الأخلاق عبارة عن مجموعة من القرارات نتخذها
08:19
using our best judgment
189
484000
2000
بين فترة وأخرى باستخدام حكمتنا
08:21
to find the right path.
190
486000
2000
للعثور على المسار الصحيح.
08:23
If you think that, Plato's not your guy.
191
488000
2000
إذا كنت تتفق مع ذلك فإن أفلاطون ليس الرجل المناسب لك.
08:25
But don't give up.
192
490000
2000
ولكن لا تستسلم.
08:27
Maybe there's another way
193
492000
2000
ربما هناك طريقة أخرى
08:29
that we can use numbers as the basis of our moral framework.
194
494000
3000
لإستخدام الأرقام كإطار أخلاقي أساسي.
08:33
How about this:
195
498000
2000
لنجرب التالي :
08:35
What if in any situation you could just calculate,
196
500000
3000
ماذا لو أمكنك في أي وقت أن تحسب المعادلة الأخلاقية ،
08:38
look at the choices,
197
503000
2000
أنظر إلى الخيارات التي لديك ،
08:40
measure out which one's better and know what to do?
198
505000
3000
واحسب المعادلة لتعرف أي القرارات أفضل وبالتالي ماذا ستفعل ؟
08:43
That sound familiar?
199
508000
2000
هل يبدو هذا مألوفاً ؟
08:45
That's a utilitarian moral framework.
200
510000
3000
هذا هو الإطار الأخلاقي النفعي.
08:48
John Stuart Mill was a great advocate of this --
201
513000
2000
وكان جون ستيوارت ميل داعيةً كبيراً لهذا --
08:50
nice guy besides --
202
515000
2000
رجلٌ لطيفٌ بالرغم --
08:52
and only been dead 200 years.
203
517000
2000
من أنه مات منذ 200 سنة.
08:54
So basis of utilitarianism --
204
519000
2000
ذلك هو أساس النفعية --
08:56
I'm sure you're familiar at least.
205
521000
2000
أنا متأكد من أنكم على دراية به على الأقل به.
08:58
The three people who voted for Mill before are familiar with this.
206
523000
2000
الاشخاص الثلاثة الذين صوتوا لمصلحة ميل يعرفون ذلك من قبل.
09:00
But here's the way it works.
207
525000
2000
ولكن ها هي الطريقة التي تعمل بها النفعية.
09:02
What if morals, what if what makes something moral
208
527000
3000
ماذا لو أن الأخلاق ، أو ماذا لو أن ما يجعل من تصرفٍ ما أخلاقي ،
09:05
is just a matter of if it maximizes pleasure
209
530000
2000
هي مجرد ما إذا كان ذلك التصرف يشعرك بالسعادة
09:07
and minimizes pain?
210
532000
2000
ويقلل من الألم؟
09:09
It does something intrinsic to the act.
211
534000
3000
إنه شيءٌ محسوس لأي تصرف.
09:12
It's not like its relation to some abstract form.
212
537000
2000
وليست كشيئٍ ذا علاقة بالمعنى التجريدي.
09:14
It's just a matter of the consequences.
213
539000
2000
انها مجرد نتيجة تصرفٍ ما.
09:16
You just look at the consequences
214
541000
2000
وما عليك إلا بالنظر إلى النتائج
09:18
and see if, overall, it's for the good or for the worse.
215
543000
2000
وترى ما اذا كان ذلك ، عموما ، لشيءٍ جيد أم لشيءٍ أسوء.
09:20
That would be simple. Then we know what to do.
216
545000
2000
سيكون ذلك أمراً بسيطاً. عندئذٍ سنعرف ما سنفعله.
09:22
Let's take an example.
217
547000
2000
دعونا نأخذ مثالا على ذلك.
09:24
Suppose I go up
218
549000
2000
لنفترض أنني أتدخل
09:26
and I say, "I'm going to take your phone."
219
551000
2000
و أقول : "إنني سأأخذ منك هاتفك المحمول".
09:28
Not just because it rang earlier,
220
553000
2000
ليس لأنه رن سابقاً ،
09:30
but I'm going to take it because I made a little calculation.
221
555000
3000
ولكنني ساّخذ ذلك الهاتف لأنني حسبت عمليةً حسابيةً صغيرة.
09:33
I thought, that guy looks suspicious.
222
558000
3000
و اعتقد ان ذلك الرجل يبدو مشتبهاً به.
09:36
And what if he's been sending little messages to Bin Laden's hideout --
223
561000
3000
ماذا لو انه بدا يرسل رسائل قصيرة إلى مخبأ بن لادن --
09:39
or whoever took over after Bin Laden --
224
564000
2000
أو من تولى المسؤولية بعد بن لادن أياً كان --
09:41
and he's actually like a terrorist, a sleeper cell.
225
566000
3000
و أنه في الواقع إرهابي ، من خليةٍ نائمة.
09:44
I'm going to find that out, and when I find that out,
226
569000
3000
سأتمكن من معرفة ذلك ، وعندما أفعل ذلك ،
09:47
I'm going to prevent a huge amount of damage that he could cause.
227
572000
3000
سأكون قادراً على منع إحداث ضررٍ كبير قد يتسبب به.
09:50
That has a very high utility to prevent that damage.
228
575000
3000
تحتوي تلك الفكرة على أدواتٍ جيدة لمنع ذلك الضرر.
09:53
And compared to the little pain that it's going to cause --
229
578000
2000
وبالمقارنة مع الضرر البسيط الذي ستسببه --
09:55
because it's going to be embarrassing when I'm looking on his phone
230
580000
2000
لأن الوضع سيكون محرجاً عندما أتفحص هاتفه المحمول
09:57
and seeing that he has a Farmville problem and that whole bit --
231
582000
3000
وأكتشف أن لديه إدمانٌ على لعبة Farmville وكل تلك التفاصيل
10:00
that's overwhelmed
232
585000
3000
التي ظهرت
10:03
by the value of looking at the phone.
233
588000
2000
بمجرد النظر إلى هاتفه.
10:05
If you feel that way,
234
590000
2000
إذا كنت تتفق مع ذلك ،
10:07
that's a utilitarian choice.
235
592000
3000
فهذا هو خيار إطار النفعية الأخلاقي.
10:10
But maybe you don't feel that way either.
236
595000
3000
ولكن ربما لا تتفق أيضاً مع هذه الطريقة.
10:13
Maybe you think, it's his phone.
237
598000
2000
ربما تفكر في أن ذلك هاتفه.
10:15
It's wrong to take his phone
238
600000
2000
و من الخطأ أن نأخذ منه هاتفه ،
10:17
because he's a person
239
602000
2000
لأنه إنسان
10:19
and he has rights and he has dignity,
240
604000
2000
و لديه حقوق و كرامة ،
10:21
and we can't just interfere with that.
241
606000
2000
وليس لنا الحق في التدخل في خصوصياته.
10:23
He has autonomy.
242
608000
2000
لديه الحق في خصوصياته.
10:25
It doesn't matter what the calculations are.
243
610000
2000
بغض النظر عن المعادلات الحسابية.
10:27
There are things that are intrinsically wrong --
244
612000
3000
هناك أشياء خاطئة في جوهرها --
10:30
like lying is wrong,
245
615000
2000
مثل أن الكذب خطأ ،
10:32
like torturing innocent children is wrong.
246
617000
3000
مثلما أن تعذيب طفل بريء يعتبر خطأً.
10:35
Kant was very good on this point,
247
620000
3000
"كانت" كانت لديه أفكار جيدة حول هذا الموضوع ،
10:38
and he said it a little better than I'll say it.
248
623000
2000
وشرحها بطريقةٍ أفضل مني.
10:40
He said we should use our reason
249
625000
2000
إذ قال انه ينبغي علينا أن نستخدم منطقنا
10:42
to figure out the rules by which we should guide our conduct,
250
627000
3000
لمعرفة القوانين التي سنبني عليها تصرفاتنا السلوكية.
10:45
and then it is our duty to follow those rules.
251
630000
3000
ومن ثم من واجبنا أن نتبع تلك القوانين.
10:48
It's not a matter of calculation.
252
633000
3000
انها ليست مسألة حسابية.
10:51
So let's stop.
253
636000
2000
لذلك دعونا تتوقف.
10:53
We're right in the thick of it, this philosophical thicket.
254
638000
3000
إننا الاّن في وسط كل تلك النظريات ، في خضم ذلك النقاش الفلسفي.
10:56
And this goes on for thousands of years,
255
641000
3000
ولا نزال كذلك منذ اّلاف السنين ،
10:59
because these are hard questions,
256
644000
2000
لأنها أسئلةٌ من الصعب الإجابة عليها ،
11:01
and I've only got 15 minutes.
257
646000
2000
ولدي فقط 15 دقيقة.
11:03
So let's cut to the chase.
258
648000
2000
لذلك لنختصر النقاش.
11:05
How should we be making our decisions?
259
650000
4000
كيف لنا أن نتخذ قراراتنا ؟
11:09
Is it Plato, is it Aristotle, is it Kant, is it Mill?
260
654000
3000
هل نتبع أفلاطون ؟ أم أرسطو ؟ أم كانت ؟ أم ميل ؟
11:12
What should we be doing? What's the answer?
261
657000
2000
ماذا علينا أن نفعل ؟ ما هي الإجابة ؟
11:14
What's the formula that we can use in any situation
262
659000
3000
ماهي المعادلة التي نستطيع استخدامها في أي وضع
11:17
to determine what we should do,
263
662000
2000
لنقرر ماذا سنفعل ،
11:19
whether we should use that guy's data or not?
264
664000
2000
فيما إذا كنا سنستخدم بيانات ذلك الشخص أم لا ؟
11:21
What's the formula?
265
666000
3000
ماهي المعادلة ؟
11:25
There's not a formula.
266
670000
2000
ليس هناك من معادلة.
11:29
There's not a simple answer.
267
674000
2000
ليس هناك من جوابٍ بسيط.
11:31
Ethics is hard.
268
676000
3000
الأخلاقيات شيءٌ معقد.
11:34
Ethics requires thinking.
269
679000
3000
الأخلاقيات تتطلب التفكير.
11:38
And that's uncomfortable.
270
683000
2000
وهذا شيءٌ غير مريح.
11:40
I know; I spent a lot of my career
271
685000
2000
أعرف ، لقد قضيت جزءً كبيراً من مهنتي
11:42
in artificial intelligence,
272
687000
2000
في مجال الذكاء الإصطناعي ،
11:44
trying to build machines that could do some of this thinking for us,
273
689000
3000
في محاولةٍ لبناء اّلاتٍ تستطيع التفكير عنا ،
11:47
that could give us answers.
274
692000
2000
وقد تعطينا إجاباتٍ على الأسئلة.
11:49
But they can't.
275
694000
2000
ولكنها لاتستطيع ذلك.
11:51
You can't just take human thinking
276
696000
2000
من غير الممكن أن نقلد طريقة تفكير الإنسان
11:53
and put it into a machine.
277
698000
2000
ووضعها في الالات.
11:55
We're the ones who have to do it.
278
700000
3000
نحن من علينا أن نجد الأجوبة بأنفسنا.
11:58
Happily, we're not machines, and we can do it.
279
703000
3000
ولحسن الحظ ، أننا لسنا اّلات ، ونستطيع فعل ذلك.
12:01
Not only can we think,
280
706000
2000
ليس لأننا نسطيع التفكير في ذلك ،
12:03
we must.
281
708000
2000
بل لأنه يجب علينا فعل ذلك.
12:05
Hannah Arendt said,
282
710000
2000
هانا أرندت قالت :
12:07
"The sad truth
283
712000
2000
"الحقيقة المرة
12:09
is that most evil done in this world
284
714000
2000
هي أن أغلب الأفعال الشريرة في العالم
12:11
is not done by people
285
716000
2000
لم تكن من قبل أناس
12:13
who choose to be evil.
286
718000
2000
إختاروا أن يكونوا شريرين.
12:15
It arises from not thinking."
287
720000
3000
بل بسبب أنهم لم يفكروا."
12:18
That's what she called the "banality of evil."
288
723000
4000
وهذا ما أطلقت عليه اسم " تفاهة الشرير"
12:22
And the response to that
289
727000
2000
و ردي على ذلك
12:24
is that we demand the exercise of thinking
290
729000
2000
أنه علينا أن نطالب بالتفكير
12:26
from every sane person.
291
731000
3000
من كل شخصٍ عاقل.
12:29
So let's do that. Let's think.
292
734000
2000
لذا فلنبدأ بذلك. لنبدأ بالتفكير.
12:31
In fact, let's start right now.
293
736000
3000
في الواقع ، لنبدأ الآن.
12:34
Every person in this room do this:
294
739000
3000
على كل فردٍ في هذه القاعة القيام بهذا:
12:37
think of the last time you had a decision to make
295
742000
3000
فكر في اّخر مرة كان عليك اتخاذ قرارٍ
12:40
where you were worried to do the right thing,
296
745000
2000
وكنت قلقاً فيما إذا كان قرارك هو القرار الصائب أخلاقياً ،
12:42
where you wondered, "What should I be doing?"
297
747000
2000
حيث كنت متردداً ، " أيهما علي أن أفعل ؟ "
12:44
Bring that to mind,
298
749000
2000
حاول تذكر ذلك.
12:46
and now reflect on that
299
751000
2000
واعكس ذلك على القرار الذي اتخذته.
12:48
and say, "How did I come up that decision?
300
753000
3000
وفكر : " كيف توصلت إلى ذلك القرار ؟ "
12:51
What did I do? Did I follow my gut?
301
756000
3000
كيف فعلت ذلك ؟ هل تبعت حدسك ؟
12:54
Did I have somebody vote on it? Or did I punt to legal?"
302
759000
2000
هل استشرت أحداً ؟ أم استشرت قانونياً ؟
12:56
Or now we have a few more choices.
303
761000
3000
والان وقد أصبح لدينا الان خيارتٍ أخرى.
12:59
"Did I evaluate what would be the highest pleasure
304
764000
2000
" هل قيمت ذلك بشعورك بالسعادة
13:01
like Mill would?
305
766000
2000
كما كان ليفعل ميل ؟
13:03
Or like Kant, did I use reason to figure out what was intrinsically right?"
306
768000
3000
أم استخدمت المنطق لتعرف ماهي الحقيقة المطلقة ؟"
13:06
Think about it. Really bring it to mind. This is important.
307
771000
3000
فكر في ذلك. بالفعل حاول استحضار ذلك. هذا مهمٌ جداً.
13:09
It is so important
308
774000
2000
مهمٌ للغاية
13:11
we are going to spend 30 seconds of valuable TEDTalk time
309
776000
2000
لدرجة أننا سنقضي 30 ثانية من وقت محادثة تيد القيم
13:13
doing nothing but thinking about this.
310
778000
2000
صامتين لنفكر في ذلك الموقف.
13:15
Are you ready? Go.
311
780000
2000
هل أنتم مستعدون ؟ هيا بنا.
13:33
Stop. Good work.
312
798000
3000
توقفوا. عملٌ جيد.
13:36
What you just did,
313
801000
2000
ما فعلتموه للتو ،
13:38
that's the first step towards taking responsibility
314
803000
2000
هي الخطوة الأولى نحو تولي المسؤولية
13:40
for what we should do with all of our power.
315
805000
3000
فيما يجب أن نفعله مع كل ما لدينا من سلطة.
13:45
Now the next step -- try this.
316
810000
3000
والان الخطوة التالية -- جربوا هذا.
13:49
Go find a friend and explain to them
317
814000
2000
حاولوا البحث عن صديق واشرحوا له
13:51
how you made that decision.
318
816000
2000
كيف قمتم باتخاذ ذلك القرار.
13:53
Not right now. Wait till I finish talking.
319
818000
2000
ليس الان.انتظروا حتى ننتهي من الحديث.
13:55
Do it over lunch.
320
820000
2000
لنفعل ذلك خلال تناول الغداء.
13:57
And don't just find another technologist friend;
321
822000
3000
ولا تبحثوا عن صديق آخر تقني أيضاً ؛
14:00
find somebody different than you.
322
825000
2000
حاولوا البحث عن أشخاص مختلفين.
14:02
Find an artist or a writer --
323
827000
2000
ابحثوا عن فنان أو كاتب --
14:04
or, heaven forbid, find a philosopher and talk to them.
324
829000
3000
أو ، لا سمح الله ، ابحثوا عن فيلسوف وتحدثوا معهم.
14:07
In fact, find somebody from the humanities.
325
832000
2000
في الواقع ، حاولوا العثور على شخصٍ ذو علاقةٍ بالعلوم الإنسانية.
14:09
Why? Because they think about problems
326
834000
2000
لماذا ؟ لأنهم يفكرون بالمشاكل
14:11
differently than we do as technologists.
327
836000
2000
بطريقةٍ مختلفةٍ عما نفعله نحن التقنيون.
14:13
Just a few days ago, right across the street from here,
328
838000
3000
قبل عدة أيامٍ فقط ، ليس بعيداً من هنا ،
14:16
there was hundreds of people gathered together.
329
841000
2000
كان هناك المئات من الأشخاص مجتمعين مع بعضهم
14:18
It was technologists and humanists
330
843000
2000
كانوا أشخاصاً تقنيين و اّخرون من العلوم الإنسانية
14:20
at that big BiblioTech Conference.
331
845000
2000
في اجتماع Biblio Tech الضخم
14:22
And they gathered together
332
847000
2000
واجتمعوا مع بعضهم البعض
14:24
because the technologists wanted to learn
333
849000
2000
لأن التقنيون أرادوا أن يتعلموا
14:26
what it would be like to think from a humanities perspective.
334
851000
3000
كيف سيبدوا الأمر لو أنهم فكروا من منطلقٍ إنساني.
14:29
You have someone from Google
335
854000
2000
كان هناك أشخاصٌ من شركة Google
14:31
talking to someone who does comparative literature.
336
856000
2000
يتحدثون عن أشخاص يحاضرون في الأدب المقارن.
14:33
You're thinking about the relevance of 17th century French theater --
337
858000
3000
إننا نفكر في أهمية المسرح الفرنسي في القرن السابع عشر --
14:36
how does that bear upon venture capital?
338
861000
2000
وكيف ذلك يؤثر في رأس المال الإستثماري ؟
14:38
Well that's interesting. That's a different way of thinking.
339
863000
3000
حسناً إن هذا مثير للاهتمام. هذه طريقةٌ مختلفةٌ في التفكير.
14:41
And when you think in that way,
340
866000
2000
وعندما تفكرون بهذه الطريقة ،
14:43
you become more sensitive to the human considerations,
341
868000
3000
تصبحون أكثر إدراكاً للإعتبارات الإنسانية ،
14:46
which are crucial to making ethical decisions.
342
871000
3000
التي تعتبر مصيريةً في إتخاذ قراراتٍ أكثر أخلاقيةً.
14:49
So imagine that right now
343
874000
2000
لذا تخيلوا ذلك الان
14:51
you went and you found your musician friend.
344
876000
2000
إذا قابلت صديقاً لك يعمل في الموسيقى.
14:53
And you're telling him what we're talking about,
345
878000
3000
وأخبرته بما نتحدث عنه الان ،
14:56
about our whole data revolution and all this --
346
881000
2000
عن الثورة المعلوماتية التي نمر بها --
14:58
maybe even hum a few bars of our theme music.
347
883000
2000
وربما أيضاً عن بعض الدندنة التي أحدثناها.
15:00
♫ Dum ta da da dum dum ta da da dum ♫
348
885000
3000
♫ دوم تا دا دا دوم دوم تا دا دا دوم ♫
15:03
Well, your musician friend will stop you and say,
349
888000
2000
حسنا ، سيوقفك صديقك الموسيقي فوراً ويقول :
15:05
"You know, the theme music
350
890000
2000
"هل تعلم ، إن موضوع الموسيقى هذا
15:07
for your data revolution,
351
892000
2000
والخاص بموسيقى الثورة المعلوماتية ،
15:09
that's an opera, that's Wagner.
352
894000
2000
إنها عبارة عن أوبرا ، إنها أوبرا "واغنر".
15:11
It's based on Norse legend.
353
896000
2000
وهي مبنيةٌ على أسطورة طائر النورس
15:13
It's Gods and mythical creatures
354
898000
2000
تعبر عن قتالٍ بين الاّلهة ومخلوقاتٍ غريبة
15:15
fighting over magical jewelry."
355
900000
3000
من أجل بعض المجوهرات السحرية ".
15:19
That's interesting.
356
904000
3000
هذا مثيرٌ للإهتمام.
15:22
Now it's also a beautiful opera,
357
907000
3000
أصبحت الاّن أوبرا جميلة.
15:25
and we're moved by that opera.
358
910000
3000
وتأثرنا جميعنا بتلك الأوبرا.
15:28
We're moved because it's about the battle
359
913000
2000
تأثرنا بها لأنها ترمز للقتال
15:30
between good and evil,
360
915000
2000
بين الخير والشر ،
15:32
about right and wrong.
361
917000
2000
بين الصواب والخطأ.
15:34
And we care about right and wrong.
362
919000
2000
ونحن نهتم لمعرفة ماهو الصواب وماهو الخطأ.
15:36
We care what happens in that opera.
363
921000
3000
نحن نهتم لأحداث تلك الأوبرا.
15:39
We care what happens in "Apocalypse Now."
364
924000
3000
اننا نهتم لما يحدث في فيلم "Apocalypse Now".
15:42
And we certainly care
365
927000
2000
ونحن بالتأكيد نهتم أيضاً
15:44
what happens with our technologies.
366
929000
2000
لما يحدث مع تطور تقنياتنا.
15:46
We have so much power today,
367
931000
2000
نملك الكثير من السلطة اليوم ،
15:48
it is up to us to figure out what to do,
368
933000
3000
ويعود إلينا ما سنفعله بتلك السلطة.
15:51
and that's the good news.
369
936000
2000
وهذا خبرٌ جيد.
15:53
We're the ones writing this opera.
370
938000
3000
نحن من يكتب هذه الأوبرا.
15:56
This is our movie.
371
941000
2000
هذا فيلمٌ سينمائيٌ من صنعنا.
15:58
We figure out what will happen with this technology.
372
943000
3000
وعلينا معرفة ماسيحدث بهذه التقنيات.
16:01
We determine how this will all end.
373
946000
3000
ونحدد ما ستؤول إليه الأمور.
16:04
Thank you.
374
949000
2000
شكراً لكم.
16:06
(Applause)
375
951000
5000
(تصفيق)
ABOUT THE SPEAKER
Damon Horowitz - Philosopher, entrepreneurDamon Horowitz explores what is possible at the boundaries of technology and the humanities.
Why you should listen
Damon Horowitz is a philosophy professor and serial entrepreneur. He recently joined Google as In-House Philosopher / Director of Engineering, heading development of several initiatives involving social and search. He came to Google from Aardvark, the social search engine, where he was co-founder and CTO, overseeing product development and research strategy. Prior to Aardvark, Horowitz built several companies around applications of intelligent language processing. He co-founded Perspecta (acquired by Excite), was lead architect for Novation Biosciences (acquired by Agilent), and co-founded NewsDB (now Daylife).
Horowitz teaches courses in philosophy, cognitive science, and computer science at several institutions, including Stanford, NYU, University of Pennsylvania and San Quentin State Prison.
Get more information on the Prison University Project >>
Damon Horowitz | Speaker | TED.com