TEDSummit
Kevin Kelly: How AI can bring on a second Industrial Revolution
Kevin Kelly: Jak AI může způsobit druhou industriální revoluci
Filmed:
Readability: 3.8
1,739,624 views
„Skutečná cesta kapky padající do údolí je nepředvídatelná, ale obecný směr je nevyhnutelný,“ říká digitální vizionář Kevin Kelly. S technologií to je stejné, je
řízena vzorci, které jsou překvapivé, ale nevyhnutelné. Říká, že během příštích 20 let náš sklon dělat věci chytřejší a chytřejší bude mít hluboký dopad na téměř vše, co děláme. Kelly prozkoumává tři trendy AI, kterým musíme porozumět, abychom si ji osvojili a mohli řídit její vývoj. „Nejoblíbenější AI produkt, který každý za 20 let bude používat, nebyl zatím vynalezen,“ říká Kelly. „To znamená, že ještě nejdete pozdě.“
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:14
I'm going to talk a little bit
about where technology's going.
about where technology's going.
0
2966
3817
Budu mluvit o tom,
kam směřují technologie.
kam směřují technologie.
00:19
And often technology comes to us,
1
7509
2671
Pokaždé, když se setkáme s technologiemi,
00:22
we're surprised by what it brings.
2
10566
1865
překvapuje nás, co vše přináší.
00:24
But there's actually
a large aspect of technology
a large aspect of technology
3
12455
3683
Je zde vlastně ale
mnoho věcí o technologiích,
mnoho věcí o technologiích,
00:28
that's much more predictable,
4
16162
1802
které jsou značně předvídatelné,
00:29
and that's because technological systems
of all sorts have leanings,
of all sorts have leanings,
5
17988
4088
protože technologické systémy
všech druhů mají sklony,
všech druhů mají sklony,
00:34
they have urgencies,
6
22100
1175
mají důležitost,
00:35
they have tendencies.
7
23299
1561
mají tendence.
00:36
And those tendencies are derived
from the very nature of the physics,
from the very nature of the physics,
8
24884
4932
Tyto tendence jsou odvozeny
od samotné podstaty fyziky,
od samotné podstaty fyziky,
00:41
chemistry of wires
and switches and electrons,
and switches and electrons,
9
29840
3150
chemických vazeb, přepínačů a elektronů
00:45
and they will make reoccurring
patterns again and again.
patterns again and again.
10
33659
3602
a vytváří opakující se
vzorce znovu a znovu.
vzorce znovu a znovu.
00:49
And so those patterns produce
these tendencies, these leanings.
these tendencies, these leanings.
11
37745
4874
A z těchto vzorců vznikají
tyto tendence, takové sklony.
tyto tendence, takové sklony.
00:54
You can almost think of it
as sort of like gravity.
as sort of like gravity.
12
42643
2831
Mohli byste o tom přemýšlet
téměř jako o gravitaci.
téměř jako o gravitaci.
00:57
Imagine raindrops falling into a valley.
13
45498
2319
Představte si dešťové kapky
padající do údolí.
padající do údolí.
00:59
The actual path of a raindrop
as it goes down the valley
as it goes down the valley
14
47841
3088
Skutečná cesta padající kapky údolím
01:02
is unpredictable.
15
50953
1169
je nepředvídatelná.
01:04
We cannot see where it's going,
16
52651
1518
Nemůžeme vidět, kam míří,
01:06
but the general direction
is very inevitable:
is very inevitable:
17
54193
2277
ale obecný směr je nevyhnutelný.
01:08
it's downward.
18
56494
1234
Je to dolů.
01:10
And so these baked-in
tendencies and urgencies
tendencies and urgencies
19
58377
4572
A tyto jasné tendence a nutnosti
01:14
in technological systems
20
62973
1476
v technologickém systému
01:17
give us a sense of where things
are going at the large form.
are going at the large form.
21
65051
3609
nám ukazují, kam věci
jako celek směřují.
jako celek směřují.
01:21
So in a large sense,
22
69149
1401
Takže v hlubším smyslu,
01:22
I would say that telephones
were inevitable,
were inevitable,
23
70574
3361
řekl bych, že telefony byly nevyhnutelné,
01:27
but the iPhone was not.
24
75005
1342
ale iPhone nebyl.
01:29
The Internet was inevitable,
25
77094
1478
Internet byl nevyhnutelný,
01:31
but Twitter was not.
26
79274
1286
ale Twitter nebyl.
01:33
So we have many ongoing
tendencies right now,
tendencies right now,
27
81036
3928
Nyní máme mnoho
současných tendencí,
současných tendencí,
01:36
and I think one of the chief among them
28
84988
2720
a já myslím, že hlavní tendencí
01:39
is this tendency to make things
smarter and smarter.
smarter and smarter.
29
87732
3722
je dělat věci chytřejší a chytřejší.
01:44
I call it cognifying -- cognification --
30
92041
2212
Říkám tomu poznávání (cognification),
01:46
also known as artificial
intelligence, or AI.
intelligence, or AI.
31
94783
2782
také známo jako umělá inteligence nebo AI.
01:50
And I think that's going to be one
of the most influential developments
of the most influential developments
32
98025
3746
Myslím, že to nejvíce ovlivní vývoj,
01:53
and trends and directions and drives
in our society in the next 20 years.
in our society in the next 20 years.
33
101795
5575
trendy a směr a požene
naši společnost v dalších 20 letech.
naši společnost v dalších 20 letech.
02:00
So, of course, it's already here.
34
108021
1985
Samozřejmě už je to tady.
02:02
We already have AI,
35
110030
2204
My už umělou inteligenci máme,
02:04
and often it works in the background,
36
112258
2398
vždy pracuje na pozadí,
02:06
in the back offices of hospitals,
37
114680
1586
v zázemí nemocnic,
02:08
where it's used to diagnose X-rays
better than a human doctor.
better than a human doctor.
38
116290
4686
kde provádí diagnostiku rentgenů
lépe než lidský lékař.
lépe než lidský lékař.
02:13
It's in legal offices,
39
121000
1726
Je v advokátních kancelářích,
02:14
where it's used to go
through legal evidence
through legal evidence
40
122750
2368
kde prochází právní důkazy
02:17
better than a human paralawyer.
41
125142
1855
lépe než lidský koncipient.
02:19
It's used to fly the plane
that you came here with.
that you came here with.
42
127506
3656
Lítá s letadly, kterými
jste sem přiletěli.
jste sem přiletěli.
02:24
Human pilots only flew it
seven to eight minutes,
seven to eight minutes,
43
132165
2381
Lidští piloti řídí letadlo pouze
sedm až osm minut,
sedm až osm minut,
02:26
the rest of the time the AI was driving.
44
134570
1953
zbytek času řídí AI.
02:28
And of course, in Netflix and Amazon,
45
136547
2173
A samozřejmě v Netflixu a Amazonu,
02:30
it's in the background,
making those recommendations.
making those recommendations.
46
138744
2530
na pozadí vytváří doporučení.
02:33
That's what we have today.
47
141298
1261
To máme dnes.
02:34
And we have an example, of course,
in a more front-facing aspect of it,
in a more front-facing aspect of it,
48
142583
4801
A máme příklad, který je
samozřejmě více vidět,
samozřejmě více vidět,
02:39
with the win of the AlphaGo, who beat
the world's greatest Go champion.
the world's greatest Go champion.
49
147408
6629
s výhrou AlphaGo nad světově nejlepším
šampionem hry Go.
šampionem hry Go.
02:46
But it's more than that.
50
154478
4053
Ale je toho více.
02:50
If you play a video game,
you're playing against an AI.
you're playing against an AI.
51
158555
2642
Pokud hrajete video hry, hrajete proti AI.
02:53
But recently, Google taught their AI
52
161221
4538
Avšak nedávno Google naučil svoji AI,
02:57
to actually learn how to play video games.
53
165783
2412
jak vlastně hrát video hry.
03:00
Again, teaching video games
was already done,
was already done,
54
168686
2709
Opět, učení video her bylo zvládnuto,
03:03
but learning how to play
a video game is another step.
a video game is another step.
55
171419
3897
ale učení se jak hrát video hru
je dalším krokem.
je dalším krokem.
03:07
That's artificial smartness.
56
175340
1678
To je umělá chytrost.
03:10
What we're doing is taking
this artificial smartness
this artificial smartness
57
178571
4522
To co děláme je,
že vezmeme tuto umělou chytrost
že vezmeme tuto umělou chytrost
03:15
and we're making it smarter and smarter.
58
183117
2423
a děláme ji chytřejší a chytřejší.
03:18
There are three aspects
to this general trend
to this general trend
59
186710
3895
Tyto tři pohledy na tento obecný trend
03:22
that I think are underappreciated;
60
190629
1689
jsou, myslím, nedoceněné.
03:24
I think we would understand
AI a lot better
AI a lot better
61
192342
2277
Myslím, že bychom AI
porozuměli mnohem lépe,
porozuměli mnohem lépe,
03:26
if we understood these three things.
62
194643
2301
kdybychom rozuměli těmto třem věcem.
03:28
I think these things also would
help us embrace AI,
help us embrace AI,
63
196968
3283
Myslím, že tyto věci nám
také pomohou AI přijmout.
také pomohou AI přijmout.
03:32
because it's only by embracing it
that we actually can steer it.
that we actually can steer it.
64
200275
3008
Protože pouze pokud ji přijmeme,
tak ji můžeme řídit.
tak ji můžeme řídit.
03:35
We can actually steer the specifics
by embracing the larger trend.
by embracing the larger trend.
65
203887
3157
Můžeme vlastně ovládat specifikace,
když přijmeme širší trend.
když přijmeme širší trend.
03:39
So let me talk about
those three different aspects.
those three different aspects.
66
207467
2979
Dovolte mi promluvit o těchto
třech rozdílných hlediscích.
třech rozdílných hlediscích.
03:42
The first one is: our own intelligence
has a very poor understanding
has a very poor understanding
67
210470
3673
Zaprvé: naše vlastní inteligence
velmi špatně chápe,
velmi špatně chápe,
03:46
of what intelligence is.
68
214167
1490
co je inteligence.
03:48
We tend to think of intelligence
as a single dimension,
as a single dimension,
69
216110
3653
Máme sklon přemýšlet o inteligenci
jako o jedné dimenzi,
jako o jedné dimenzi,
03:51
that it's kind of like a note
that gets louder and louder.
that gets louder and louder.
70
219787
2750
která je jako tón,
který je hlasitější a hlasitější.
který je hlasitější a hlasitější.
03:54
It starts like with IQ measurement.
71
222561
2607
Začíná to s měřením IQ.
03:57
It starts with maybe a simple
low IQ in a rat or mouse,
low IQ in a rat or mouse,
72
225192
4092
Začíná to asi s jednoduchým, nízkým IQ
v kryse nebo myši
v kryse nebo myši
04:01
and maybe there's more in a chimpanzee,
73
229308
2134
a možná je více v šimpanzovi
04:03
and then maybe there's more
in a stupid person,
in a stupid person,
74
231887
2191
a potom možná je více v hloupém člověkovi
04:06
and then maybe an average
person like myself,
person like myself,
75
234102
2096
a potom je možná průměrný člověk, jako já
04:08
and then maybe a genius.
76
236222
1290
a potom možná genius.
04:09
And this single IQ intelligence
is getting greater and greater.
is getting greater and greater.
77
237536
4433
A tato jediná IQ inteligence
je vyšší a vyšší.
je vyšší a vyšší.
04:14
That's completely wrong.
78
242516
1151
To je úplně špatně.
04:15
That's not what intelligence is --
not what human intelligence is, anyway.
not what human intelligence is, anyway.
79
243691
3608
To není to, co inteligence je --
ani co je lidská inteligence mimochodem.
ani co je lidská inteligence mimochodem.
04:19
It's much more like a symphony
of different notes,
of different notes,
80
247673
4506
Je to spíše jako symfonie rozdílných tónů
04:24
and each of these notes is played
on a different instrument of cognition.
on a different instrument of cognition.
81
252203
3609
a každý z těchto tónů hraje
rozdílný nástroj poznání.
rozdílný nástroj poznání.
04:27
There are many types
of intelligences in our own minds.
of intelligences in our own minds.
82
255836
3701
V naší mysli je mnoho typů inteligence.
04:31
We have deductive reasoning,
83
259561
3048
Máme deduktivní zdůvodňování,
04:34
we have emotional intelligence,
84
262633
2221
máme emoční inteligenci,
04:36
we have spatial intelligence;
85
264878
1393
máme prostorovou inteligenci;
04:38
we have maybe 100 different types
that are all grouped together,
that are all grouped together,
86
266295
4021
máme možná 100 různých typů,
které jsou spojeny dohromady
které jsou spojeny dohromady
04:42
and they vary in different strengths
with different people.
with different people.
87
270340
3905
a mají rozdílnou intenzitu
u různých lidí.
u různých lidí.
04:46
And of course, if we go to animals,
they also have another basket --
they also have another basket --
88
274269
4526
A samozřejmě, když přejdeme ke zvířatům,
mají rozdílné
mají rozdílné
04:50
another symphony of different
kinds of intelligences,
kinds of intelligences,
89
278819
2541
další symfonie rozdílných
druhů inteligencí,
druhů inteligencí,
04:53
and sometimes those same instruments
are the same that we have.
are the same that we have.
90
281384
3566
a občas tyto jejich nástroje
jsou stejné, jako máme my.
jsou stejné, jako máme my.
04:56
They can think in the same way,
but they may have a different arrangement,
but they may have a different arrangement,
91
284974
3561
Můžeme stejně myslet,
ale oni mají jiné uspořádání
ale oni mají jiné uspořádání
05:00
and maybe they're higher
in some cases than humans,
in some cases than humans,
92
288559
2467
a možná jsou lepší
v některých případech než lidé,
v některých případech než lidé,
05:03
like long-term memory in a squirrel
is actually phenomenal,
is actually phenomenal,
93
291050
2837
jako dlouhodobá paměť veverky,
která je fenomenální,
která je fenomenální,
05:05
so it can remember
where it buried its nuts.
where it buried its nuts.
94
293911
2287
může si tak zapamatovat
kam schovala oříšky.
kam schovala oříšky.
05:08
But in other cases they may be lower.
95
296222
1987
V ostatních případech může být ale nižší.
05:10
When we go to make machines,
96
298233
2730
Když vyrobíme stroje,
05:12
we're going to engineer
them in the same way,
them in the same way,
97
300987
2196
navrhneme je stejnou cestou,
05:15
where we'll make some of those types
of smartness much greater than ours,
of smartness much greater than ours,
98
303207
5010
kde bychom udělali některé takové
inteligence lepší než naše
inteligence lepší než naše
05:20
and many of them won't be
anywhere near ours,
anywhere near ours,
99
308241
2571
a některé se našim nebudou ani blížit,
05:22
because they're not needed.
100
310836
1544
protože nebudou potřeba.
05:24
So we're going to take these things,
101
312404
2203
Takže vezmeme tyto věci,
05:26
these artificial clusters,
102
314631
2081
tyto umělé spojitosti
05:28
and we'll be adding more varieties
of artificial cognition to our AIs.
of artificial cognition to our AIs.
103
316736
5362
a budeme přidávat další možnosti
umělého poznávání našim AI.
umělého poznávání našim AI.
05:34
We're going to make them
very, very specific.
very, very specific.
104
322507
4071
Vytvoříme je velmi specifická.
05:38
So your calculator is smarter
than you are in arithmetic already;
than you are in arithmetic already;
105
326602
6542
Takže vaše kalkulačka je už mnohem
chytřejší v počtech než vy;
chytřejší v počtech než vy;
05:45
your GPS is smarter
than you are in spatial navigation;
than you are in spatial navigation;
106
333168
3697
vaše GPS je chytřejší než vy
v prostorové orientaci;
v prostorové orientaci;
05:49
Google, Bing, are smarter
than you are in long-term memory.
than you are in long-term memory.
107
337337
4258
Google, Bing mají lepší
dlouhodobou paměť než vy.
dlouhodobou paměť než vy.
05:54
And we're going to take, again,
these kinds of different types of thinking
these kinds of different types of thinking
108
342339
4530
Vezmeme znovu tyto
rozdílné typy myšlení
rozdílné typy myšlení
05:58
and we'll put them into, like, a car.
109
346893
1933
a dáme je například do auta.
06:00
The reason why we want to put them
in a car so the car drives,
in a car so the car drives,
110
348850
3057
Důvod proč to tam dáme,
je aby řídilo auto,
je aby řídilo auto,
06:03
is because it's not driving like a human.
111
351931
2302
ne aby se řídilo jako to dělají lidé,
06:06
It's not thinking like us.
112
354257
1396
nemyslí tak jako my.
06:07
That's the whole feature of it.
113
355677
1920
To je její vlastnost.
06:09
It's not being distracted,
114
357621
1535
Není roztržitá,
06:11
it's not worrying about whether
it left the stove on,
it left the stove on,
115
359180
2754
Nestará se, zda nechala zapnutý sporák,
06:13
or whether it should have
majored in finance.
majored in finance.
116
361958
2138
nebo jestli měla vystudovat finance.
06:16
It's just driving.
117
364120
1153
Pouze řídí.
06:17
(Laughter)
118
365297
1142
(Smích)
06:18
Just driving, OK?
119
366463
1841
Pouze řídí, dobře?
06:20
And we actually might even
come to advertise these
come to advertise these
120
368328
2937
Mohli bychom to vlastně prezentovat
06:23
as "consciousness-free."
121
371289
1545
jako "nemající vědomí".
06:24
They're without consciousness,
122
372858
1774
Jsou bez uvědomění,
06:26
they're not concerned about those things,
123
374656
2104
nestarají se o takové věci,
06:28
they're not distracted.
124
376784
1156
Nejsou roztržití.
06:29
So in general, what we're trying to do
125
377964
2966
Takže obecně vzato, snažíme se udělat
06:32
is make as many different
types of thinking as we can.
types of thinking as we can.
126
380954
4500
co nejvíce rozdílných typů myšlení,
kolik jen můžeme.
kolik jen můžeme.
06:37
We're going to populate the space
127
385804
2083
Snažíme se vyplnit prostor
06:39
of all the different possible types,
or species, of thinking.
or species, of thinking.
128
387911
4159
co nejvíce typy nebo druhy myšlení.
06:44
And there actually may be some problems
129
392094
2068
Mohly by zde být ale nějaké problémy,
06:46
that are so difficult
in business and science
in business and science
130
394186
2800
které jsou v byznysu a vědě tak složité,
06:49
that our own type of human thinking
may not be able to solve them alone.
may not be able to solve them alone.
131
397010
4042
že by pouze náš způsob myšlení
nemusel na tyto problémy stačit.
nemusel na tyto problémy stačit.
06:53
We may need a two-step program,
132
401076
1992
Potřebujeme tedy
dvoufázový proces,
dvoufázový proces,
06:55
which is to invent new kinds of thinking
133
403092
4203
který bude na vymyšlení
nových druhů myšlení,
nových druhů myšlení,
06:59
that we can work alongside of to solve
these really large problems,
these really large problems,
134
407692
3734
abychom mohli pracovat spolu
na složitějších problémech,
na složitějších problémech,
07:03
say, like dark energy or quantum gravity.
135
411450
2918
Řekněme například na temné energii
nebo na kvantové gravitaci.
nebo na kvantové gravitaci.
07:08
What we're doing
is making alien intelligences.
is making alien intelligences.
136
416496
2646
To, co děláme, je vyrábění
mimozemské inteligence
mimozemské inteligence
07:11
You might even think of this
as, sort of, artificial aliens
as, sort of, artificial aliens
137
419166
4069
Můžete o tom přemýšlet
jako o druhu umělých mimozemšťanů,
jako o druhu umělých mimozemšťanů,
07:15
in some senses.
138
423259
1207
v určitém smyslu.
07:16
And they're going to help
us think different,
us think different,
139
424490
2300
Pomůžou nám přemýšlet rozdílně,
07:18
because thinking different
is the engine of creation
is the engine of creation
140
426814
3632
protože přemýšlet rozdílně
je hnací silou kreativity,
je hnací silou kreativity,
07:22
and wealth and new economy.
141
430470
1867
bohatství a nové ekonomiky.
07:25
The second aspect of this
is that we are going to use AI
is that we are going to use AI
142
433835
4923
Druhou věcí bude v podstatě použití AI
07:30
to basically make a second
Industrial Revolution.
Industrial Revolution.
143
438782
2950
ke druhé průmyslové revoluci.
07:34
The first Industrial Revolution
was based on the fact
was based on the fact
144
442135
2773
První průmyslová revoluce
vznikla, protože jsme
vznikla, protože jsme
07:36
that we invented something
I would call artificial power.
I would call artificial power.
145
444932
3462
vymysleli něco, čemu bych řekl umělá síla.
07:40
Previous to that,
146
448879
1150
Před tím,
07:42
during the Agricultural Revolution,
147
450053
2034
během zemědělské revoluce,
07:44
everything that was made
had to be made with human muscle
had to be made with human muscle
148
452111
3702
vše, co bylo vyrobeno,
vyrobily lidské svaly
vyrobily lidské svaly
07:47
or animal power.
149
455837
1307
nebo zvířecí síla.
07:49
That was the only way
to get anything done.
to get anything done.
150
457565
2063
To byla jediná možnost,
jak něco udělat.
jak něco udělat.
07:51
The great innovation during
the Industrial Revolution was,
the Industrial Revolution was,
151
459652
2945
Velká inovace industriální revoluce
spočívala v tom,
spočívala v tom,
07:54
we harnessed steam power, fossil fuels,
152
462621
3109
že jsme použili energii páry a
fosilní paliva,
fosilní paliva,
07:57
to make this artificial power
that we could use
that we could use
153
465754
3856
abychom mohli používat
tuto sílu
tuto sílu
08:01
to do anything we wanted to do.
154
469634
1669
a dělat věci, které chceme.
08:03
So today when you drive down the highway,
155
471327
2772
Takže dnes, když jedete po silnici,
08:06
you are, with a flick of the switch,
commanding 250 horses --
commanding 250 horses --
156
474571
4525
ovládáte, pouze malým pohybem,
250 koní --
250 koní --
08:11
250 horsepower --
157
479120
1572
250 koňských sil --
08:12
which we can use to build skyscrapers,
to build cities, to build roads,
to build cities, to build roads,
158
480716
4692
Můžeme je využít ke stavbě mrakodrapů,
měst a stavbě cest.
měst a stavbě cest.
08:17
to make factories that would churn out
lines of chairs or refrigerators
lines of chairs or refrigerators
159
485432
5789
postavit továrny, které chrlí hromady
židlí nebo ledniček,
židlí nebo ledniček,
08:23
way beyond our own power.
160
491245
1654
což je zcela nad
naše vlastní síly.
naše vlastní síly.
08:24
And that artificial power can also
be distributed on wires on a grid
be distributed on wires on a grid
161
492923
6111
A síla strojů může být
rozdělena do všech oblastí,
rozdělena do všech oblastí,
08:31
to every home, factory, farmstead,
162
499058
3199
do každého domu, továrny, statku
08:34
and anybody could buy
that artificial power,
that artificial power,
163
502281
4191
a každý si tuto pomocnou sílu
může koupit,
může koupit,
08:38
just by plugging something in.
164
506496
1472
stačí to pouze připojit.
08:39
So this was a source
of innovation as well,
of innovation as well,
165
507992
2439
Bylo to samozřejmě zdrojem inovací,
08:42
because a farmer could take
a manual hand pump,
a manual hand pump,
166
510455
3418
protože každý farmář mohl vzít pumpu,
08:45
and they could add this artificial
power, this electricity,
power, this electricity,
167
513897
2916
mohl ji připojit k této umělé síle,
k elektřině
k elektřině
08:48
and he'd have an electric pump.
168
516837
1497
a získal by elektrickou pumpu.
08:50
And you multiply that by thousands
or tens of thousands of times,
or tens of thousands of times,
169
518358
3318
A to si vynásobte tisíckrát nebo
desettisíckrát
desettisíckrát
08:53
and that formula was what brought us
the Industrial Revolution.
the Industrial Revolution.
170
521700
3159
a tento vzorec nám přinesl
průmyslovou revoluci.
průmyslovou revoluci.
08:56
All the things that we see,
all this progress that we now enjoy,
all this progress that we now enjoy,
171
524883
3585
Všechny věci, které teď vidíme,
všechen tento pokrok, který si užíváme,
všechen tento pokrok, který si užíváme,
09:00
has come from the fact
that we've done that.
that we've done that.
172
528492
2063
vychází ze skutečnosti,
co jsme udělali.
co jsme udělali.
09:02
We're going to do
the same thing now with AI.
the same thing now with AI.
173
530579
2348
Stejnou věc teď uděláme s AI.
09:04
We're going to distribute that on a grid,
174
532951
2075
Rozšíříme ji v dalších oblastech
09:07
and now you can take that electric pump.
175
535050
2374
a teď si vezměte tu elektrickou pumpu.
09:09
You can add some artificial intelligence,
176
537448
2968
Můžete přidat umělou inteligenci,
09:12
and now you have a smart pump.
177
540440
1481
a máte teď chytrou pumpu.
09:13
And that, multiplied by a million times,
178
541945
1928
A to vynásobte milionkrát
09:15
is going to be this second
Industrial Revolution.
Industrial Revolution.
179
543897
2363
a nastane druhá průmyslová revoluce.
09:18
So now the car is going down the highway,
180
546284
2382
Takže teď auto jedoucí po ulici,
09:20
it's 250 horsepower,
but in addition, it's 250 minds.
but in addition, it's 250 minds.
181
548690
4294
má 250 koňských sil,
ale také 250 myslí.
ale také 250 myslí.
09:25
That's the auto-driven car.
182
553008
1769
To je autonomní auto.
09:26
It's like a new commodity;
183
554801
1389
Je to jako nový produkt;
09:28
it's a new utility.
184
556214
1303
nový nástroj.
09:29
The AI is going to flow
across the grid -- the cloud --
across the grid -- the cloud --
185
557541
3041
AI se rozšíří napříč po síti,
po cloudu,
po cloudu,
09:32
in the same way electricity did.
186
560606
1567
jako to udělala elektřina.
09:34
So everything that we had electrified,
187
562197
2380
Takže vše co je elektrifikováno,
09:36
we're now going to cognify.
188
564601
1723
bude teď chytré.
09:38
And I owe it to Jeff, then,
189
566693
1385
A dlužím to Jeffovi,
09:40
that the formula
for the next 10,000 start-ups
for the next 10,000 start-ups
190
568102
3732
že vzorec pro dalších
10 000 začínajících firem
10 000 začínajících firem
09:43
is very, very simple,
191
571858
1162
je velmi jednoduchý.
09:45
which is to take x and add AI.
192
573044
3167
Vezmeme x a přidáme AI.
09:49
That is the formula,
that's what we're going to be doing.
that's what we're going to be doing.
193
577100
2812
To je ten vzorec,
který teď budeme používat.
který teď budeme používat.
09:51
And that is the way
in which we're going to make
in which we're going to make
194
579936
3306
Toto je způsob,
kterým provedeme
kterým provedeme
09:55
this second Industrial Revolution.
195
583266
1858
tuto druhou průmyslovou revoluci.
09:57
And by the way -- right now, this minute,
196
585148
2154
A mimochodem -- právě teď, tuto minutu,
můžete se přihlásit na Google
09:59
you can log on to Google
197
587326
1169
10:00
and you can purchase
AI for six cents, 100 hits.
AI for six cents, 100 hits.
198
588519
3882
a můžete si pořídit AI
za šest centů, 100 zobrazení.
za šest centů, 100 zobrazení.
10:04
That's available right now.
199
592758
1604
Je to přístupné právě teď.
10:06
So the third aspect of this
200
594386
2286
A třetím hlediskem je,
10:09
is that when we take this AI
and embody it,
and embody it,
201
597315
2678
když vezmeme AI
a ztělesníme to,
a ztělesníme to,
10:12
we get robots.
202
600017
1173
vytvoříme roboty.
10:13
And robots are going to be bots,
203
601214
1703
Všichni roboti budou boti,
10:14
they're going to be doing many
of the tasks that we have already done.
of the tasks that we have already done.
204
602941
3328
budou dělat spoustu věcí,
které jsme doposud dělali.
které jsme doposud dělali.
10:20
A job is just a bunch of tasks,
205
608357
1528
Práce je pouze souborem úkolů,
10:21
so they're going to redefine our jobs
206
609909
1762
takže oni nově nadefinují naše práce,
10:23
because they're going to do
some of those tasks.
some of those tasks.
207
611695
2259
protože oni budou
dělat některé tyto úkoly.
dělat některé tyto úkoly.
10:25
But they're also going to curate
whole new categories,
whole new categories,
208
613978
3197
Vytvoří ale také úplně nová odvětví,
10:29
a whole new slew of tasks
209
617199
2247
zcela nové soubory úkolů,
10:31
that we didn't know
we wanted to do before.
we wanted to do before.
210
619470
2457
o kterých jsme v minulosti nevěděli,
že je budeme chtít dělat.
že je budeme chtít dělat.
10:33
They're going to actually
engender new kinds of jobs,
engender new kinds of jobs,
211
621951
3637
Doslova stvoří nové druhy prací,
10:37
new kinds of tasks that we want done,
212
625612
2271
nové druhy úkolů, které musejí být hotové,
10:39
just as automation made up
a whole bunch of new things
a whole bunch of new things
213
627907
3405
přesně jako automatizace vytvořila
úplně novou spoustu věcí,
úplně novou spoustu věcí,
o kterých jsme nevěděli,
že je budeme potřebovat
že je budeme potřebovat
10:43
that we didn't know we needed before,
214
631336
1834
10:45
and now we can't live without them.
215
633194
1956
a teď bez nich nemůžeme žít.
10:47
So they're going to produce
even more jobs than they take away,
even more jobs than they take away,
216
635174
3956
Takže se vytvoří mnohem více prací
než zanikne,
než zanikne,
10:51
but it's important that a lot of the tasks
that we're going to give them
that we're going to give them
217
639154
3434
je ale důležité, že mnoho úkolů,
které jim zadáme,
které jim zadáme,
10:54
are tasks that can be defined
in terms of efficiency or productivity.
in terms of efficiency or productivity.
218
642612
4572
jsou úkoly, které mohou být vymezené,
co se týče výkonu nebo produktivity.
co se týče výkonu nebo produktivity.
10:59
If you can specify a task,
219
647676
1828
Pokud můžete specifikovat úkol,
11:01
either manual or conceptual,
220
649528
2235
jak manuální, tak koncepční,
11:03
that can be specified in terms
of efficiency or productivity,
of efficiency or productivity,
221
651787
4780
který může být specifikován v oblasti
výkonu nebo produktivity,
výkonu nebo produktivity,
11:08
that goes to the bots.
222
656591
1777
to budou dělat boti.
11:10
Productivity is for robots.
223
658758
2178
Výkonost je pro roboty.
11:12
What we're really good at
is basically wasting time.
is basically wasting time.
224
660960
3070
My jsme v podstatě dobří
v plýtvání časem.
v plýtvání časem.
11:16
(Laughter)
225
664054
1028
(Smích)
11:17
We're really good at things
that are inefficient.
that are inefficient.
226
665106
2316
Jsme dobří ve věcech,
které jsou neefektivní.
které jsou neefektivní.
11:19
Science is inherently inefficient.
227
667446
3025
Věda je ze své podstaty neefektivní.
11:22
It runs on that fact that you have
one failure after another.
one failure after another.
228
670816
2906
Pracuje na principu
opakujících se nezdarů.
opakujících se nezdarů.
11:25
It runs on the fact that you make tests
and experiments that don't work,
and experiments that don't work,
229
673746
3424
Funguje tak, že děláte testy
a experimenty, které nefungují,
a experimenty, které nefungují,
11:29
otherwise you're not learning.
230
677194
1442
jinak byste se neučili.
11:30
It runs on the fact
231
678660
1162
Pracuje na principu,
11:31
that there is not
a lot of efficiency in it.
a lot of efficiency in it.
232
679846
2083
ve kterém není moc efektivity.
11:33
Innovation by definition is inefficient,
233
681953
2779
Inovace dle definice je neefektivnost,
11:36
because you make prototypes,
234
684756
1391
protože vyrábíte prototypy,
11:38
because you try stuff that fails,
that doesn't work.
that doesn't work.
235
686171
2707
protože zkoušíte věci,
které selžou, které nefungují.
které selžou, které nefungují.
11:40
Exploration is inherently inefficiency.
236
688902
3112
Bádání je ze své podstaty neefektivní.
11:44
Art is not efficient.
237
692038
1531
Umění není efektivní.
11:45
Human relationships are not efficient.
238
693593
2127
Mezilidské vztahy nejsou efektivní.
11:47
These are all the kinds of things
we're going to gravitate to,
we're going to gravitate to,
239
695744
2940
Toto všechno jsou věci,
ke kterým budeme směřovat,
ke kterým budeme směřovat,
11:50
because they're not efficient.
240
698708
1475
protože jsou neefektivní.
11:52
Efficiency is for robots.
241
700207
2315
Efektivita je pro roboty.
11:55
We're also going to learn
that we're going to work with these AIs
that we're going to work with these AIs
242
703338
4123
My se také naučíme,
jak s AI spolupracovat,
jak s AI spolupracovat,
11:59
because they think differently than us.
243
707485
1997
protože myslí jinak než my.
12:02
When Deep Blue beat
the world's best chess champion,
the world's best chess champion,
244
710005
4314
Když Deep Blue porazil
světového šachového šampiona,
světového šachového šampiona,
12:06
people thought it was the end of chess.
245
714343
1929
lidé mysleli, že je to konec šachů.
12:08
But actually, it turns out that today,
the best chess champion in the world
the best chess champion in the world
246
716296
4402
Ve skutečnosti ale, jak se dnes ukazuje,
nejlepším šachovým šampionem na světě
nejlepším šachovým šampionem na světě
12:12
is not an AI.
247
720722
1557
není AI
12:14
And it's not a human.
248
722906
1181
a není to ani člověk.
12:16
It's the team of a human and an AI.
249
724111
2715
Je to tým člověka a AI.
12:18
The best medical diagnostician
is not a doctor, it's not an AI,
is not a doctor, it's not an AI,
250
726850
4000
Nejlepší lékařské diagnostiky
neprovádí lékař ani AI,
neprovádí lékař ani AI,
12:22
it's the team.
251
730874
1176
nejlepší je tým.
12:24
We're going to be working with these AIs,
252
732074
2149
Budeme pracovat s AI
12:26
and I think you'll be paid in the future
253
734247
1995
a myslím, že v budoucnosti budete placeni
12:28
by how well you work with these bots.
254
736266
2391
podle toho, jak dobře
pracujete s těmito boty.
pracujete s těmito boty.
12:31
So that's the third thing,
is that they're different,
is that they're different,
255
739026
4257
Tak, to je ta třetí věc,
že jsou rozdílní,
že jsou rozdílní,
12:35
they're utility
256
743307
1165
jsou nástrojem,
12:36
and they are going to be something
we work with rather than against.
we work with rather than against.
257
744496
3816
je to něco, s čím chceme spíš
spolupracovat než bojovat.
spolupracovat než bojovat.
12:40
We're working with these
rather than against them.
rather than against them.
258
748336
2639
Pracujme s nimi, spíše
než proti nim.
než proti nim.
12:42
So, the future:
259
750999
1477
Tak budoucnost:
12:44
Where does that take us?
260
752500
1420
Kam nás zanese?
12:45
I think that 25 years from now,
they'll look back
they'll look back
261
753944
3567
Myslím, že když se za 25 let ohlédnou
12:49
and look at our understanding
of AI and say,
of AI and say,
262
757535
3125
a podívají se na naše chápání AI a řeknou:
12:52
"You didn't have AI. In fact,
you didn't even have the Internet yet,
you didn't even have the Internet yet,
263
760684
3300
,,Neměli jste AI, ve skutečnosti
jste neměli ani internet,
jste neměli ani internet,
12:56
compared to what we're going
to have 25 years from now."
to have 25 years from now."
264
764008
2741
ve srovnání s tím,
co budeme mít za 25 let."
co budeme mít za 25 let."
12:59
There are no AI experts right now.
265
767849
3047
V současné době nemáme experty na AI.
13:02
There's a lot of money going to it,
266
770920
1699
Proudí do toho hodně peněz,
13:04
there are billions of dollars
being spent on it;
being spent on it;
267
772643
2268
utrácejí se za to miliardy dolarů;
13:06
it's a huge business,
268
774935
2164
je to obrovský byznys,
13:09
but there are no experts, compared
to what we'll know 20 years from now.
to what we'll know 20 years from now.
269
777123
4272
nemáme ale experty, v porovnání
s tím, co budeme vědět za 20 let.
s tím, co budeme vědět za 20 let.
13:14
So we are just at the beginning
of the beginning,
of the beginning,
270
782064
2885
Jsme teprve na začátku začátku,
13:16
we're in the first hour of all this.
271
784973
2163
jsme v první hodině toho všeho.
13:19
We're in the first hour of the Internet.
272
787160
1935
Jsme v první hodině internetu.
13:21
We're in the first hour of what's coming.
273
789119
2040
Jsme v první hodině toho, co přichází.
13:23
The most popular AI product
in 20 years from now,
in 20 years from now,
274
791183
4153
Nejoblíbenější AI produkt
za 20 let,
za 20 let,
13:27
that everybody uses,
275
795360
1444
který bude každý používat,
13:29
has not been invented yet.
276
797499
1544
nebyl zatím vynalezen.
13:32
That means that you're not late.
277
800464
2467
To znamená, že ještě nejdete pozdě.
13:35
Thank you.
278
803684
1151
Děkuji.
13:36
(Laughter)
279
804859
1026
(Smích)
13:37
(Applause)
280
805909
2757
(Potlesk)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com