TEDxBeaconStreet
Alex Wissner-Gross: A new equation for intelligence
Nová rovnice inteligence
Filmed:
Readability: 5.9
2,098,891 views
Existuje rovnice popisující inteligenci? Ano, je to F = T ∇ Sτ. Ve své fascinující a poučné prezentaci fyzik a počítačový vědec Alex Wissner-Gross vysvětluje, co to skutečně znamená.
(natočeno na TEDxBeaconStreet)
Alex Wissner-Gross - Scientist, entrepreneur, inventor
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio
Double-click the English transcript below to play the video.
00:12
Intelligence -- what is it?
0
899
3667
Inteligence -- co to vlastně je?
00:16
If we take a look back at the history
1
4566
2291
Když se podíváme, jak bylo na inteligenci
00:18
of how intelligence has been viewed,
2
6857
2624
nahlíženo v minulosti,
00:21
one seminal example has been
3
9481
3618
významným příkladem je
00:25
Edsger Dijkstra's famous quote that
4
13099
3477
citát Edsgera Dijkstry:
00:28
"the question of whether a machine can think
5
16576
3111
"Otázka, zda stroje mohou myslet,
00:31
is about as interesting
6
19687
1310
je asi tak stejně zajímavá
00:32
as the question of whether a submarine
7
20997
2971
jako otázka, zda ponorky
00:35
can swim."
8
23968
1790
můžou plavat."
00:37
Now, Edsger Dijkstra, when he wrote this,
9
25758
3844
Když Edsger Dijkstra toto psal,
00:41
intended it as a criticism
10
29602
2054
zamýšlel to jako kritiku
00:43
of the early pioneers of computer science,
11
31656
3000
raných průkopníků počítačové vědy,
00:46
like Alan Turing.
12
34656
1747
např. Alana Turinga.
00:48
However, if you take a look back
13
36403
2499
Nicméně, pokud se ohlédnete
00:50
and think about what have been
14
38902
1965
a zamyslíte se nad
00:52
the most empowering innovations
15
40867
1996
nejvýznamnějšími inovacemi,
00:54
that enabled us to build
16
42863
1879
které nám umožnily postavit
00:56
artificial machines that swim
17
44742
2234
stroje, které plavou,
00:58
and artificial machines that [fly],
18
46976
2573
a stroje, které létají,
01:01
you find that it was only through understanding
19
49549
3547
zjistíte, že pouze díky porozumnění
01:05
the underlying physical mechanisms
20
53096
2608
fyzikálnímu mechanismu
01:07
of swimming and flight
21
55704
2779
plavání a letu
01:10
that we were able to build these machines.
22
58483
3172
jsme je byli schopni sestrojit.
01:13
And so, several years ago,
23
61655
2256
A tak jsem se před několika lety
01:15
I undertook a program to try to understand
24
63911
3249
vydal na cestu za porozuměním
01:19
the fundamental physical mechanisms
25
67160
2634
základnímu fyzikálnímu mechanismu,
01:21
underlying intelligence.
26
69794
2768
na němž je založená inteligence.
01:24
Let's take a step back.
27
72562
1860
Zkusme se na celou věc nejdřív podívat z odstupu.
01:26
Let's first begin with a thought experiment.
28
74422
3149
Začněme myšlenkovým experimentem.
01:29
Pretend that you're an alien race
29
77571
2854
Představte si, že jste mimozemšťani,
01:32
that doesn't know anything about Earth biology
30
80425
3041
kteří netuší zhola nic o pozemské biologii
01:35
or Earth neuroscience or Earth intelligence,
31
83466
3116
či neurovědách nebo inteligenci,
01:38
but you have amazing telescopes
32
86582
2192
ale máte výborný dalekohled,
01:40
and you're able to watch the Earth,
33
88774
2362
kterým můžete Zemi pozorovat,
01:43
and you have amazingly long lives,
34
91136
2332
a máme také velmi dlouhé životy,
01:45
so you're able to watch the Earth
35
93468
1499
takže jste schopni Zemi pozorovat
01:46
over millions, even billions of years.
36
94967
3442
v průběhu milionů, dokonce miliard let.
01:50
And you observe a really strange effect.
37
98409
3015
A všimnete si velmi zvláštního jevu.
01:53
You observe that, over the course of the millennia,
38
101424
4312
Všimnete si, že jak ubíhá jedno tisíciletí za druhým,
01:57
Earth is continually bombarded with asteroids
39
105736
4285
Země je průběžně bombardována asteroidy,
02:02
up until a point,
40
110021
2087
avšak od určitého okamžiku
02:04
and that at some point,
41
112108
1531
02:05
corresponding roughly to our year, 2000 AD,
42
113639
4192
odpovídajícího přibližně současnosti
02:09
asteroids that are on
43
117831
1716
jsou asteroidy, které se pohybují po dráze,
02:11
a collision course with the Earth
44
119547
1931
která by je nakonec
02:13
that otherwise would have collided
45
121478
1975
dovedla ke srážce se Zemí
02:15
mysteriously get deflected
46
123453
2415
záhadně odkloněny
02:17
or they detonate before they can hit the Earth.
47
125868
3072
nebo explodují dřív,
než se se Zemí skutečně srazí.
než se se Zemí skutečně srazí.
02:20
Now of course, as earthlings,
48
128940
2083
Nám, pozemšťanům,
02:23
we know the reason would be
49
131023
1544
je samozřejmě jasné,
02:24
that we're trying to save ourselves.
50
132567
1756
že to je důsledek naší snahy se zachránit.
02:26
We're trying to prevent an impact.
51
134323
3080
Snažíme se zabránit dopadu.
02:29
But if you're an alien race
52
137403
1711
Ale pokud jste mimozemšťani,
02:31
who doesn't know any of this,
53
139114
1146
kteří nic z toho netuší
02:32
doesn't have any concept of Earth intelligence,
54
140260
2514
a nemají o existenci inteligence na Zemi představu,
02:34
you'd be forced to put together
55
142774
1728
budete nuceni sestavit
02:36
a physical theory that explains how,
56
144502
2918
fyzikální teorii vysvětlující
02:39
up until a certain point in time,
57
147420
2538
proč asteroidy potenciálně schopné
zničit povrch planety Země
zničit povrch planety Země
02:41
asteroids that would demolish the surface of a planet
58
149958
4449
se k tomu od určitého momentu
02:46
mysteriously stop doing that.
59
154407
3231
záhadně nedostanou.
02:49
And so I claim that this is the same question
60
157638
4204
No a já tvrdím, že to je stejné
02:53
as understanding the physical nature of intelligence.
61
161842
3998
jako porozumění fyzikální podstatě inteligence.
02:57
So in this program that I
undertook several years ago,
undertook several years ago,
62
165840
3882
Před několika lety
03:01
I looked at a variety of different threads
63
169722
2765
jsem se tedy pustil do zkoumání různých náznaků
03:04
across science, across a variety of disciplines,
64
172487
3162
vyskytujících se napříč vědou, napříč mnoha disciplínami,
03:07
that were pointing, I think,
65
175649
1892
které podle mě ukazovaly
03:09
towards a single, underlying mechanism
66
177541
2548
na existenci jediného společného mechanismu,
03:12
for intelligence.
67
180089
1581
na němž je inteligence založená.
03:13
In cosmology, for example,
68
181670
2546
Například v kosmologii
03:16
there have been a variety of
different threads of evidence
different threads of evidence
69
184216
2747
existuje řada důkazů,
03:18
that our universe appears to be finely tuned
70
186963
3407
že náš vesmír je velmi jemně vyladěn tak,
03:22
for the development of intelligence,
71
190370
2153
aby poskytoval podmínky vhodné pro vývoj inteligence,
03:24
and, in particular, for the development
72
192523
2389
a především pro vznik
03:26
of universal states
73
194912
1886
vesmírných stavů,
03:28
that maximize the diversity of possible futures.
74
196798
4098
které maximalizují množství možných budoucností.
03:32
In game play, for example, in Go --
75
200896
2344
Při hraní hry, například Go --
03:35
everyone remembers in 1997
76
203240
3025
všichni si pamatují ten moment v roce 1997
03:38
when IBM's Deep Blue beat
Garry Kasparov at chess --
Garry Kasparov at chess --
77
206265
3951
kdy počítač Deep Blue firmy IBM porazil
Garryho Kasparova v šachách --
Garryho Kasparova v šachách --
03:42
fewer people are aware
78
210216
1523
méně lidí si uvědomuje,
03:43
that in the past 10 years or so,
79
211739
2018
že zhruba v posledních 10 letech
03:45
the game of Go,
80
213757
1198
i hra Go
03:46
arguably a much more challenging game
81
214955
1956
(z určitého hlediska mnohem náročnější hra,
03:48
because it has a much higher branching factor,
82
216911
2425
neboť má mnohem vyšší "větvící faktor")
03:51
has also started to succumb
83
219336
1702
začala podléhat
03:53
to computer game players
84
221038
1865
hráčům počítačových her,
03:54
for the same reason:
85
222903
1573
a to ze stejného důvodu:
03:56
the best techniques right now
for computers playing Go
for computers playing Go
86
224476
2800
algoritmy, s nimiž jsou počítače pří hraní Go nejúspěšnější
03:59
are techniques that try to maximize future options
87
227276
3696
jsou založeny na snaze
maximalizovat množství možných tahů
maximalizovat množství možných tahů
04:02
during game play.
88
230972
2014
v budoucím vývoji partie.
04:04
Finally, in robotic motion planning,
89
232986
3581
A konečně, na poli programování pohybu robotů
04:08
there have been a variety of recent techniques
90
236567
2182
se v nedávné době objevila řada přístupů
04:10
that have tried to take advantage
91
238749
1902
snažících se využít
04:12
of abilities of robots to maximize
92
240651
3146
schopnosti robota
maximalizovat budoucí volnost pohybu
04:15
future freedom of action
93
243797
1506
04:17
in order to accomplish complex tasks.
94
245303
3097
k tomu, aby splnil náročné úkoly.
04:20
And so, taking all of these different threads
95
248400
2355
A tak když jsem si dal tohle všechno dohromady,
04:22
and putting them together,
96
250755
1622
04:24
I asked, starting several years ago,
97
252377
2640
začal jsem se před několika lety ptát:
04:27
is there an underlying mechanism for intelligence
98
255017
2850
existuje za inteligencí nějaký
skrytý mechanismus
skrytý mechanismus
04:29
that we can factor out
99
257867
1673
který je pro všechny uvedené příklady společný?
04:31
of all of these different threads?
100
259540
1774
04:33
Is there a single equation for intelligence?
101
261314
4593
Lze inteligenci popsat rovnicí?
04:37
And the answer, I believe, is yes.
["F = T ∇ Sτ"]
["F = T ∇ Sτ"]
102
265907
3371
Jsem přesvědčen, že odpověď zní "Ano".
04:41
What you're seeing is probably
103
269278
1913
To, co nyní vidíte,
04:43
the closest equivalent to an E = mc²
104
271191
3294
je ten nejbližší ekvivalent E = mc²
04:46
for intelligence that I've seen.
105
274485
2830
pro inteligenci, se kterou jsem se kdy setkal.
04:49
So what you're seeing here
106
277315
1702
Takže co můžete vidět,
04:51
is a statement of correspondence
107
279017
2669
je vyjádření vztahu
04:53
that intelligence is a force, F,
108
281686
4435
mezi inteligencí, která působí jako síla F
04:58
that acts so as to maximize future freedom of action.
109
286121
4650
tak, aby maximalizovala množství budoucích možností.
05:02
It acts to maximize future freedom of action,
110
290771
2375
Působí, aby maximalizovala budoucí svobodu akce,
05:05
or keep options open,
111
293146
1628
drží možnosti otevřené
05:06
with some strength T,
112
294774
2225
s pevností T
05:08
with the diversity of possible accessible futures, S,
113
296999
4777
s rozmanitostí možných budoucností S,
05:13
up to some future time horizon, tau.
114
301776
2550
až do časového horizontu tau.
05:16
In short, intelligence doesn't like to get trapped.
115
304326
3209
Stručně řečeno, inteligence se nerada ocitá v pasti.
05:19
Intelligence tries to maximize
future freedom of action
future freedom of action
116
307535
3055
Inteligence se snaží maximalizovat
svou budoucí svobodu volby
svou budoucí svobodu volby
05:22
and keep options open.
117
310590
2673
a nechávat možnosti otevřené.
05:25
And so, given this one equation,
118
313263
2433
Ale teď, když máme tuto rovnici,
05:27
it's natural to ask, so what can you do with this?
119
315696
2532
je přirozené se zeptat, co se s ní dá všechno dělat?
05:30
How predictive is it?
120
318228
1351
Jak moc je schopná dělat předpovědi?
05:31
Does it predict human-level intelligence?
121
319579
2135
Lze z ní odvodit inteligenci lidské úrovně?
05:33
Does it predict artificial intelligence?
122
321714
2818
Nebo umělou inteligenci?
05:36
So I'm going to show you now a video
123
324532
2042
Ukážu vám jedno video,
05:38
that will, I think, demonstrate
124
326574
3420
které demonstruje
05:41
some of the amazing applications
125
329994
2288
některé z úžasných aplikací
05:44
of just this single equation.
126
332282
2319
této jediné rovnice.
05:46
(Video) Narrator: Recent research in cosmology
127
334601
1979
Vypravěč: Nedávný kosmologický výzkum
05:48
has suggested that universes that produce
128
336580
2047
naznačil, že vesmíry produkující během svého trvání
05:50
more disorder, or "entropy," over their lifetimes
129
338627
3481
více neuspořádanosti, či entropie,
05:54
should tend to have more favorable conditions
130
342108
2478
by měli mít vhodnější podmínky
05:56
for the existence of intelligent
beings such as ourselves.
beings such as ourselves.
131
344586
3016
pro existenci inteligentních bytostí, jako jsme my sami.
05:59
But what if that tentative cosmological connection
132
347602
2574
Ale co když je toto vratké kosmologické spojení
06:02
between entropy and intelligence
133
350176
1843
mezi entropií a inteligencí
06:04
hints at a deeper relationship?
134
352019
1771
projevem hlubší souvislosti?
06:05
What if intelligent behavior doesn't just correlate
135
353790
2564
Co když inteligentní chování nejen koreluje
06:08
with the production of long-term entropy,
136
356354
1844
s dlouhodobým zvyšováním entropie,
06:10
but actually emerges directly from it?
137
358198
2318
ale je jeho přímým následkem?
06:12
To find out, we developed a software engine
138
360516
2406
Abychom našli odpověď, vyvinuli jsme software
06:14
called Entropica, designed to maximize
139
362922
2503
nazvaný Entropica, navržený tak,
06:17
the production of long-term entropy
140
365425
1768
aby z dlouhodobého hlediska maximalizoval entropii
06:19
of any system that it finds itself in.
141
367193
2576
libovolného systému, ve kterém se ocitne.
06:21
Amazingly, Entropica was able to pass
142
369769
2155
Co je fascinující, Entropica zvládla projít
06:23
multiple animal intelligence
tests, play human games,
tests, play human games,
143
371924
3456
četnými testy zvířecí inteligence, hrát lidské hry,
06:27
and even earn money trading stocks,
144
375380
2146
a dokonce vydělat peníze na finančních burzách
06:29
all without being instructed to do so.
145
377526
2111
a to bez konkrétních instrukcí, co má dělat.
06:31
Here are some examples of Entropica in action.
146
379637
2518
Zde je pár ukázek Entropicy v akci.
06:34
Just like a human standing
upright without falling over,
upright without falling over,
147
382155
3205
Podobně jako člověk dokáže stát vzpřímeně,
06:37
here we see Entropica
148
385360
1230
Entropica zde s pomocí vozíku
06:38
automatically balancing a pole using a cart.
149
386590
2885
automaticky vyvažuje tyč.
06:41
This behavior is remarkable in part
150
389475
2012
Toto chování je pozoruhodné proto,
06:43
because we never gave Entropica a goal.
151
391487
2331
že jsme Entropice nezadali žádný cíl.
06:45
It simply decided on its own to balance the pole.
152
393818
3157
Ona sama se rozhodla, že bude tyč vyvažovat.
06:48
This balancing ability will have appliactions
153
396975
2132
Tato její schopnost bude mít jistě aplikace
06:51
for humanoid robotics
154
399107
1397
v oblasti humanoidní robotiky
06:52
and human assistive technologies.
155
400504
2515
a v oblasti "lidem asistujících technologií".
06:55
Just as some animals can use objects
156
403019
2001
Podobně jako některá zvířata umí používat předměty
06:57
in their environments as tools
157
405020
1442
ve svém okolí jako nástroje,
06:58
to reach into narrow spaces,
158
406462
1987
aby dosáhla do jinak nepřístupných míst.
07:00
here we see that Entropica,
159
408449
1882
Zde vidíme Entropicu,
07:02
again on its own initiative,
160
410331
1838
opět z jejího vlastního popudu,
07:04
was able to move a large
disk representing an animal
disk representing an animal
161
412169
2910
jak pohne velkým kotoučem reprezentujícím zvíře tak,
07:07
around so as to cause a small disk,
162
415079
2345
aby se malý kotouč reprezentující nástroj
07:09
representing a tool, to reach into a confined space
163
417424
2771
dostal do špatně přístupného prostoru
07:12
holding a third disk
164
420195
1537
kde se nachází třetí kotouč,
07:13
and release the third disk
from its initially fixed position.
from its initially fixed position.
165
421732
2972
a uvolnit tento třetí kotouč z jeho původně fixní pozice
07:16
This tool use ability will have applications
166
424704
2189
Tato schopnost používat nástroje bude mít aplikace
07:18
for smart manufacturing and agriculture.
167
426893
2359
v "chytrém vyrábění" a v zemědělství.
07:21
In addition, just as some other animals
168
429252
1944
Navíc, stejně jako některá jiná zvířata
07:23
are able to cooperate by pulling
opposite ends of a rope
opposite ends of a rope
169
431196
2696
jsou schopna spolupracovat taháním za opačné konce lana
07:25
at the same time to release food,
170
433892
2053
ve stejný okamžik tak, aby se dostala k jídlu,
07:27
here we see that Entropica is able to accomplish
171
435945
2295
zde vidíme, že Entropica je schopna splnit
07:30
a model version of that task.
172
438240
1988
modelovou verzi takového úkolu.
07:32
This cooperative ability has interesting implications
173
440228
2522
Tato kooperativní schopnost bude mít zajímavé důsledky
07:34
for economic planning and a variety of other fields.
174
442750
3435
v ekonomickém plánování a v řadě dalších oborů.
07:38
Entropica is broadly applicable
175
446185
2071
Entropica je široce použitelná
07:40
to a variety of domains.
176
448256
1943
v mnoha oblastech.
07:42
For example, here we see it successfully
177
450199
2442
Zde vidíme, jak úspěšně
07:44
playing a game of pong against itself,
178
452641
2559
hraje hru "Pong" sama proti sobě,
07:47
illustrating its potential for gaming.
179
455200
2343
což ilustruje její potenciál pro počítačové hry.
07:49
Here we see Entropica orchestrating
180
457543
1919
Tady zas Entropica
07:51
new connections on a social network
181
459462
1839
navazuje spojení v sociální síti,
07:53
where friends are constantly falling out of touch
182
461301
2760
kde spolu přátelé neustále ztrácejí kontakt,
07:56
and successfully keeping
the network well connected.
the network well connected.
183
464061
2856
a daří se jí držet síť propojenou.
07:58
This same network orchestration ability
184
466917
2298
Tato schopnost
08:01
also has applications in health care,
185
469215
2328
se může uplatnit ve zdravotnictví,
08:03
energy, and intelligence.
186
471543
3232
energetice a inteligenci.
08:06
Here we see Entropica directing the paths
187
474775
2085
V tomto příkladu Entropica naviguje
08:08
of a fleet of ships,
188
476860
1486
flotilu lodí,
08:10
successfully discovering and
utilizing the Panama Canal
utilizing the Panama Canal
189
478346
3175
a přitom se jí daří objevit panamský kanál
08:13
to globally extend its reach from the Atlantic
190
481521
2458
a tím rozšířit svůj dosah z Atlantiku
08:15
to the Pacific.
191
483979
1529
do Pacifiku.
08:17
By the same token, Entropica
192
485508
1727
To ukazuje, že Entropica
08:19
is broadly applicable to problems
193
487235
1620
může najít široké využití při řešení problémů
08:20
in autonomous defense, logistics and transportation.
194
488855
5302
v autonomní obrany, logistiky a dopravy.
08:26
Finally, here we see Entropica
195
494173
2030
A konečně zde Entropicu vidíme
08:28
spontaneously discovering and executing
196
496203
2723
samovolně uplatňovat strategii
08:30
a buy-low, sell-high strategy
197
498926
2067
"nakup levně, prodej draho"
08:32
on a simulated range traded stock,
198
500993
2178
na simulované burze,
08:35
successfully growing assets under management
199
503171
2331
přičemž exponenciálně zvyšuje
08:37
exponentially.
200
505502
1424
svůj majetek.
08:38
This risk management ability
201
506926
1308
Tato schopnost risk managementu
08:40
will have broad applications in finance
202
508234
2487
bude mít mnoho aplikací
08:42
and insurance.
203
510721
3328
ve finančnictví a pojišťovnictví.
08:46
Alex Wissner-Gross: So what you've just seen
204
514049
2091
Alex Wissner-Gross: To, co jste právě viděli
08:48
is that a variety of signature human intelligent
205
516140
4392
znamená, že mnoho vzorců chování
08:52
cognitive behaviors
206
520532
1757
charakteristických pro lidskou inteligenci,
08:54
such as tool use and walking upright
207
522289
2831
jako je používání nástrojů nebo vzpřímená chůze
08:57
and social cooperation
208
525120
2029
či schopnost spolupráce
08:59
all follow from a single equation,
209
527149
2972
plynou z jediné rovnice,
09:02
which drives a system
210
530121
1932
která systém vede
09:04
to maximize its future freedom of action.
211
532053
3911
k maximalizaci jeho svobody volby v budoucnosti.
09:07
Now, there's a profound irony here.
212
535964
3007
To je přitom nesmírně ironické.
09:10
Going back to the beginning
213
538971
2024
Vrátíme-li se k počátku
09:12
of the usage of the term robot,
214
540995
3273
používání slova robot,
09:16
the play "RUR,"
215
544268
2903
ke hře "R.U.R.",
09:19
there was always a concept
216
547171
2235
již tehdy existovala představa,
09:21
that if we developed machine intelligence,
217
549406
3226
že vyvineme-li umělou inteligenci,
09:24
there would be a cybernetic revolt.
218
552632
3027
bude následovat jakási "vzpoura strojů".
09:27
The machines would rise up against us.
219
555659
3551
Stroje proti nám povstanou.
09:31
One major consequence of this work
220
559210
2319
Jedním z důležitých důsledků této práce je,
09:33
is that maybe all of these decades,
221
561529
2769
že po celá tato desetiletí
09:36
we've had the whole concept of cybernetic revolt
222
564298
2976
byla tato představa vzpoury strojů
09:39
in reverse.
223
567274
2011
celá naruby.
09:41
It's not that machines first become intelligent
224
569285
3279
Není to tak, že stroje napřed získají inteligenci,
09:44
and then megalomaniacal
225
572564
2015
potom se stanou megalomaniaky
09:46
and try to take over the world.
226
574579
2224
a pokusí se získat světovládu.
09:48
It's quite the opposite,
227
576803
1434
Právě naopak -
09:50
that the urge to take control
228
578237
2906
snaha převzít kontrolu
09:53
of all possible futures
229
581143
2261
nad svou budoucností
09:55
is a more fundamental principle
230
583404
2118
je fundamentálnější princip
09:57
than that of intelligence,
231
585522
1363
než inteligence samotná.
09:58
that general intelligence may in fact emerge
232
586885
3700
Inteligence jako taková je možná ve skutečnosti
10:02
directly from this sort of control-grabbing,
233
590585
3559
průvodním jevem této snahy uchopit moc,
10:06
rather than vice versa.
234
594144
4185
a ne naopak.
10:10
Another important consequence is goal seeking.
235
598329
3769
Dalším důležitým důsledkem je schopnost usilovat o dosažení cílů.
10:14
I'm often asked, how does the ability to seek goals
236
602098
4360
Často se mě lidé ptají: kde se tato schopnost
10:18
follow from this sort of framework?
237
606458
1620
z této koncepce vezme?
10:20
And the answer is, the ability to seek goals
238
608078
3028
A odpověď zní, že schopnost usilovat o cíle
10:23
will follow directly from this
239
611106
1882
z ní přímo vyplývá
10:24
in the following sense:
240
612988
1834
v následujícím smyslu:
10:26
just like you would travel through a tunnel,
241
614822
2865
někdy se vydáte tunelem
10:29
a bottleneck in your future path space,
242
617687
2505
- "bottleneckem" v prostoru vašich možných drah -
10:32
in order to achieve many other
243
620192
1871
abyste měli možnost dosáhnout
10:34
diverse objectives later on,
244
622063
2021
řady různorodých cílů později,
až jím projedete na druhou stranu;
až jím projedete na druhou stranu;
10:36
or just like you would invest
245
624084
2372
nebo třeba když investujete
10:38
in a financial security,
246
626456
1787
do svého finančního zabezpečení,
10:40
reducing your short-term liquidity
247
628243
2237
přičemž krátkodobě snížíte svou likviditu,
10:42
in order to increase your wealth over the long term,
248
630480
2400
abyste zvýšili svůj majetek z dlouhodobého hlediska,
10:44
goal seeking emerges directly
249
632880
2337
schopnost dosahovat cílů
10:47
from a long-term drive
250
635217
1729
je přímým důsledkem obecné snahy
10:48
to increase future freedom of action.
251
636946
4037
maximalizovat budoucí svobodu volby.
10:52
Finally, Richard Feynman, famous physicist,
252
640983
3528
Na závěr zmíním Richarda Feynmana, slavného fyzika,
10:56
once wrote that if human civilization were destroyed
253
644511
3672
který napsal, že kdyby lidská civilizace byla zničena
11:00
and you could pass only a single concept
254
648183
1893
a našim potomkům by bylo možné předat
11:02
on to our descendants
255
650076
1371
jeden jediný poznatek,
11:03
to help them rebuild civilization,
256
651447
2307
který by jim měl pomoci civilizaci znovu vybudovat,
11:05
that concept should be
257
653754
1686
zvolil by skutečnost,
11:07
that all matter around us
258
655440
1852
že veškerá hmota okolo nás
11:09
is made out of tiny elements
259
657292
2323
je tvořená maličkými částečkami,
11:11
that attract each other when they're far apart
260
659615
2508
které se přitahují, jsou-li daleko od sebe,
11:14
but repel each other when they're close together.
261
662123
3330
avšak které se odpuzují, jsou-li blízko.
11:17
My equivalent of that statement
262
665453
1781
Mým ekvivalentem takového poznatku,
11:19
to pass on to descendants
263
667234
1268
který bych chtěl předat našim potomkům,
abych jim pomohl vybudovat umělou inteligenci,
abych jim pomohl vybudovat umělou inteligenci,
11:20
to help them build artificial intelligences
264
668502
2712
11:23
or to help them understand human intelligence,
265
671214
2949
nebo abych jim pomohl porozumět té lidské,
11:26
is the following:
266
674163
1267
je následující:
11:27
Intelligence should be viewed
267
675430
2053
Na inteligenci je třeba pohlížet
11:29
as a physical process
268
677483
1413
jako na fyzikální proces,
11:30
that tries to maximize future freedom of action
269
678896
2965
který usiluje o maximalizaci svobody volby v budoucnosti
11:33
and avoid constraints in its own future.
270
681861
3616
a který se vyhýbá omezování této svobody.
11:37
Thank you very much.
271
685477
1358
Děkuji za pozornost.
11:38
(Applause)
272
686835
4000
(Potlesk)
ABOUT THE SPEAKER
Alex Wissner-Gross - Scientist, entrepreneur, inventorAlex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?"
Why you should listen
Alex Wissner-Gross is a serial big-picture thinker. He applies physics and computer science principles to a wide variety of topics, like human intelligence, climate change and financial trading.
Lately Wissner-Gross started wondering: Why have we searched for so long to understand intelligence? Can it really be this elusive? His latest work posits that intelligence can indeed be defined physically, as a dynamic force, rather than a static property. He explains intelligence in terms of causal entropic forces, ultimately defining it as "a force to maximize future freedom of action."
Wissner-Gross is a fellow at the Harvard Institute for Applied Computational Science and a research affiliate at the MIT Media Lab. He has a Ph.D. in physics from Harvard and bachelor's degrees in physics, electrical science and engineering, and mathematics from MIT.
Alex Wissner-Gross | Speaker | TED.com