TED2018
Kai-Fu Lee: How AI can save our humanity
کای-فو لی: هوش مصنوعی چگونه انسانیت‌مان را نجات می‌دهد
Filmed:
Readability: 4.7
3,583,197 views
هوش مصنوعی دارد جهان ما را به شدت متحول می‌کند، اما یک کار هست که نمی‌تواند انجام دهد: عشق. در گفتاری آینده‌نگر، دانشمند حوزه کامپیوتر، کای-فو لی جزئیات انقلاب آموزش عمیق را ارائه می‌کند که دارد توسط آمریکا و چین رهبری می‌شود -- و طرحی را ارائه می‌دهد که نشان می‌دهد انسان چگونه می‌تواند در عصر هوش مصنوعی با بهره بردن از شفقت و خلاقیت شکوفا شود. لی می‌گوید، "هوش مصنوعی یک نعمت تصادفی است و اینجاست که ما را از کارهای معمولی برهاند و آمده است که به ما یادآوری کند که چه چیز ما را انسان می‌سازد".
Kai-Fu Lee - Investor, computer scientist
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about
how AI and mankind can coexist,
how AI and mankind can coexist,
0
640
4536
می‌خواهم در مورد اینکه چگونه هوش مصنوعی
و بشریت می‌توانند همزمان وجود داشته باشند
و بشریت می‌توانند همزمان وجود داشته باشند
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
صحبت کنم، اما اول باید
درباره ارزشهای انسانی دوباره فکر کنیم.
درباره ارزشهای انسانی دوباره فکر کنیم.
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
پس اجازه دهید اول در مورد اشتباهاتم
در مورد ارزشهایم اعتراف کنم.
در مورد ارزشهایم اعتراف کنم.
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
ساعت ۱۱، ۱۶ دسامبر، ۱۹۹۱ بود.
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
داشتم برای اولین بار پدر می‌شدم.
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
همسرم، شن لینگ، در تخت بیمارستان بستری بود
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
و ۱۲ ساعت طاقت فرسا را داشت سپری می‌کرد.
00:40
I sat by her bedside
7
28280
2296
کنار تختش نشستم
00:42
but looked anxiously at my watch,
8
30600
2376
ولی مضطربانه به ساعتم نگاه می‌کردم،
00:45
and I knew something that she didn't.
9
33000
1800
و چیزی می‌دانستم که همسرم نمی‌دانست.
00:47
I knew that if in one hour,
10
35440
1800
می‌دانستم که اگر در عرض یک ساعت،
00:50
our child didn't come,
11
38360
1936
فرزندمان به دنیا نیاید،
00:52
I was going to leave her there
12
40320
1936
قصد دارم همسرم را همانجا رها کنم
00:54
and go back to work
13
42280
1656
و برگردم سر کار
00:55
and make a presentation about AI
14
43960
2576
و ارائه‌ای حول هوش مصنوعی عرضه کنم
00:58
to my boss, Apple's CEO.
15
46560
2200
برای رئیسم، مدیرعامل اپل.
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
خوشبختانه، دخترم ساعت ۱۱:۳۰ به دنیا آمد --
01:07
(Laughter)
17
55080
1936
(خنده)
01:09
(Applause)
18
57040
1936
(تشویق)
01:11
sparing me from doing the unthinkable,
19
59000
4336
و من را از بی‌فکری رها کرد،
01:15
and to this day, I am so sorry
20
63360
2496
و تا امروز، متأسفم
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
که اجازه دادم کارم
بر عشق به خانواده غلبه کند.
بر عشق به خانواده غلبه کند.
01:22
(Applause)
22
70560
5736
(تشویق)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
سخنرانیم درباره هوش مصنوعی،
عالی از آب در آمد.
عالی از آب در آمد.
01:30
(Laughter)
24
78960
2736
(خنده)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
اپل کارم را پسندید
و تصمیم گرفت آن را اعلام کند
و تصمیم گرفت آن را اعلام کند
01:36
at TED1992,
26
84880
2696
در TED سال ۱۹۹۲،
01:39
26 years ago on this very stage.
27
87600
3016
۲۶ سال پیش روی همین صحنه.
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
فکر می‌کردم یکی از بزرگترین و مهمترین
اکتشافات حوزه هوش مصنوعی را انجام داده‌ام
اکتشافات حوزه هوش مصنوعی را انجام داده‌ام
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
"وال استریت ژورنال"
هم روز بعد همین کار را کرد.
هم روز بعد همین کار را کرد.
01:51
But as far as discoveries went,
30
99440
2536
اما وقتی از اکتشافات دور شدیم،
01:54
it turned out,
31
102000
1336
نتیجه این شد،
01:55
I didn't discover India, or America.
32
103360
2776
من هند یا آمریکا را کشف نکرده بودم.
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
شاید جزیره‌ای کوچک اطراف پرتغال
کشف کرده بودم.
کشف کرده بودم.
02:02
But the AI era of discovery continued,
34
110720
3256
اما اکتشافات حوزه هوش مصنوعی ادامه داشت،
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
و دانشمندان بیشتری جانشان را
در این راه گذاشتند.
در این راه گذاشتند.
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
حدود ۱۰ سال قبل، کشف بزرگ هوش مصنوعی
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
توسط سه دانشمند آمریکای شمالی انجام شد،
02:15
and it's known as deep learning.
38
123080
1600
و بعنوان آموزش عمیق شناخته می‌شود.
02:17
Deep learning is a technology
that can take a huge amount of data
that can take a huge amount of data
39
125400
3696
آموزش عمیق، یک فناوری است
که می‌تواند حجم عظیمی
که می‌تواند حجم عظیمی
02:21
within one single domain
40
129120
1736
از داده را درون یک دامنه واحد بگیرد
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
و آموزش ببیند تا با دقتی فوق بشری
پیش‌بینی کند یا تصمیم بگیرد
پیش‌بینی کند یا تصمیم بگیرد
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
برای مثال، اگر به شبکه آموزش عمیق
02:30
a massive number of food photos,
43
138640
2816
حجم زیادی از عکسهای غذا نشان دهیم،
02:33
it can recognize food
44
141480
1576
می‌تواند غذا را تشخیص دهد
02:35
such as hot dog or no hot dog.
45
143080
3296
مثل هات داگ یا غیر هات داگ.
02:38
(Applause)
46
146400
3136
(تشویق)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
یا اگر داده‌های حسگر
و تصاویر و ویدئوهای زیادی
و تصاویر و ویدئوهای زیادی
02:46
from driving on the highway,
48
154600
2536
از رانندگی در بزرگراه را به آن نشان دهیم.
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
می‌تواند مانند یک انسان
02:53
on the highway.
50
161360
1656
در بزرگراه رانندگی کند.
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
اما چه می‌شود اگر به این شبکه آموزش عمیق
02:57
all the speeches made by President Trump?
52
165880
2400
تمام سخنرانی‌های
رئیس‌جمهور ترامپ را نشان دهیم؟
رئیس‌جمهور ترامپ را نشان دهیم؟
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
سپس این رئیس‌جمهور ترامپ باهوش مصنوعی،
03:05
actually the network --
54
173600
2216
در واقع شبکه --
03:07
(Laughter)
55
175840
1656
(خنده)
03:09
can --
56
177520
1216
می‌تواند --
03:10
(Applause)
57
178760
4056
(تشویق)
03:14
You like double oxymorons, huh?
58
182840
2336
شما تناقض‌گویی را دوست دارید، آره؟
03:17
(Laughter)
59
185200
3856
(خنده)
03:21
(Applause)
60
189080
6096
(تشویق)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
خب اگر از این شبکه درخواست کنیم
در مورد هوش مصنوعی سخنرانی کند،
در مورد هوش مصنوعی سخنرانی کند،
03:32
he, or it, might say --
62
200480
2640
احتمالاً می‌گوید --
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
(صدای ضبط شده)
دونالد ترامپ: یک چیز عالی است
دونالد ترامپ: یک چیز عالی است
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
که جهانی بهتر را با هوش مصنوعی بسازیم.
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
کای-فو لی: یا به زبان دیگر؟
03:43
DT: (Speaking Chinese)
66
211400
1816
دونالد ترامپ: (چینی صحبت می‌کند)
03:45
(Laughter)
67
213240
1496
(خنده)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
کای-فو لی: نمی‌دانستید چینی
هم بلد است، می‌دانستید؟
هم بلد است، می‌دانستید؟
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
بنابراین، آموزش عمیق در عرصه اکتشافات
هوش مصنوعی، هسته‌ای اساسی شده است
هوش مصنوعی، هسته‌ای اساسی شده است
03:55
and that's led by the US.
70
223160
1816
و توسط آمریکا رهبری شده است.
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
اما الآن در عرصه کاربرد هستیم،
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
آنچه که واقعاً اهمیت دارد
اجرا، کیفیت محصول، سرعت و داده است.
اجرا، کیفیت محصول، سرعت و داده است.
04:05
And that's where China comes in.
73
233840
2096
و این عرصه‌ایست
که چین به آن ورود کرده است.
که چین به آن ورود کرده است.
04:07
Chinese entrepreneurs,
74
235960
1576
کارآفرینان چینی
04:09
who I fund as a venture capitalist,
75
237560
1896
که بعنوان سرمایه‌گذار خطرپذیر
در آن سرمایه‌گذاری می‌کنم،
در آن سرمایه‌گذاری می‌کنم،
04:11
are incredible workers,
76
239480
1736
کارکنانی عالی هستند،
04:13
amazing work ethic.
77
241240
1936
اخلاق کاری شگفت انگیز.
04:15
My example in the delivery room is nothing
compared to how hard people work in China.
compared to how hard people work in China.
78
243200
5296
کاری که من در اتاق زایمان کردم، در مقابل
سختی کار در چین چیزی به حساب نمی‌آید.
سختی کار در چین چیزی به حساب نمی‌آید.
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
بعنوان مثال یک استارت‌آپ تلاش کرد
که تعادل بین زندگی و کار را مدعی شود:
که تعادل بین زندگی و کار را مدعی شود:
04:24
"Come work for us because we are 996."
80
252240
3696
"بیایید با ما کار کنید چون ما ۹۹۶ هستیم"
04:27
And what does that mean?
81
255960
1256
معنی این چیست؟
04:29
It means the work hours
of 9am to 9pm, six days a week.
of 9am to 9pm, six days a week.
82
257240
4400
معنایش ساعت کاری از ۹ صبح تا ۹ شب
در شش روز هفته است.
در شش روز هفته است.
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
تفاوتش با دیگر استارت‌آپ‌ها
این است که بقیه ۹۹۷ هستند.
این است که بقیه ۹۹۷ هستند.
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
و کیفیت محصول چینی
به طور پیوسته افزایش یافته است
به طور پیوسته افزایش یافته است
04:42
in the past decade,
85
270440
1696
در دهه اخیر،
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
و این به خاطر این است
که محیط به شدت رقابتی است
که محیط به شدت رقابتی است
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
در سیلیکون ولی، کارآفرینان
شرافتمندانه با یکدیگر رقابت می‌کنند،
شرافتمندانه با یکدیگر رقابت می‌کنند،
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
مثل جنگهای قدیمی که در آن دو طرف به نوبت
04:58
to fire at each other.
89
286600
1256
به سمت یکدیگر آتش می‌کردند.
04:59
(Laughter)
90
287880
1056
(خنده)
05:00
But in the Chinese environment,
91
288960
2016
اما در محیط چین،
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
مثل نبرد گلادیاتورها
جنگیدن تا سرحد مرگ است.
جنگیدن تا سرحد مرگ است.
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
در چنین محیط بی‌رحمی، کارآفرینان
یاد می‌گیرند که خیلی سریع رشد کنند،
یاد می‌گیرند که خیلی سریع رشد کنند،
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
آنها یاد می‌گیرند که کیفیت محصولاتشان را
با سرعت نور افزایش دهند،
با سرعت نور افزایش دهند،
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
و یاد می‌گیرند
که مدل کسب و کارشان را تصحیح کنند
که مدل کسب و کارشان را تصحیح کنند
05:19
until they're impregnable.
96
307360
1400
تا جایی که شکست‌ناپذیر گردند.
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
در نتیجه، محصولات چینی مثل ویچت و ویبو
05:25
are arguably better
98
313280
1416
احتمالاً بهتر هستند
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
از محصولات آمریکایی مشابه
ساخته فیسبوک و توییتر.
ساخته فیسبوک و توییتر.
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
و بازار چین این تغییر
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
و تغییر شتابدار
و تغییرات پارادایمی را می‌پذیرد.
و تغییرات پارادایمی را می‌پذیرد.
05:38
As an example, if any of you go to China,
102
326080
2096
بعنوان مثال، اگر یکی از شما به چین برود،
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
خواهید دید که پول نقد و کارت اعتباری
در کار نیست،
در کار نیست،
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
بخاطر اینکه چیزی که همه ما
از آن حرف می‌زنیم، پرداخت با تلفن همراه
از آن حرف می‌زنیم، پرداخت با تلفن همراه
05:47
has become the reality in China.
105
335000
2416
در چین به واقعیت تبدیل شده است.
05:49
In the last year,
106
337440
1296
در سال گذشته،
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
۱۸/۸ تریلیون دلار با اینترنت موبایل
تراکنش صورت گرفته است،
تراکنش صورت گرفته است،
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
و این بخاطر تکنولوژی بسیار مستحکمی است
05:59
built behind it.
109
347680
1256
که پشت آن قرار دارد.
06:00
It's even bigger than the China GDP.
110
348960
2440
این حتی از تولید ناخالص ملی چین
بزرگتر است.
بزرگتر است.
06:04
And this technology, you can say,
how can it be bigger than the GDP?
how can it be bigger than the GDP?
111
352120
3616
و این تکنولوژی، می‌توانید بگویید،
چطور می‌تواند از GDP بزرگتر باشد؟
چطور می‌تواند از GDP بزرگتر باشد؟
06:07
Because it includes all transactions:
112
355760
1976
چون شامل همه تراکنش‌هاست:
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
عمده، کانال‌های توزیع،
خرده، آنلاین، آفلاین،
خرده، آنلاین، آفلاین،
06:13
going into a shopping mall
or going into a farmers market like this.
or going into a farmers market like this.
114
361560
5056
در پاساژها یا بازار
محصولات کشاورزی مثل این.
محصولات کشاورزی مثل این.
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
این تکنولوژی
توسط ۷۰۰ میلیون نفر استفاده می‌شود
توسط ۷۰۰ میلیون نفر استفاده می‌شود
06:22
to pay each other, not just merchants,
116
370040
2056
تا به یکدیگر پول دهند، نه فقط بازرگانان،
06:24
so it's peer to peer,
117
372120
1416
پس P2P است،
06:25
and it's almost transaction-fee-free.
118
373560
2680
و تراکنشی تقریباً بدون تعرفه است.
06:29
And it's instantaneous,
119
377720
2376
و آنی است،
06:32
and it's used everywhere.
120
380120
1440
و همه جا استفاده می‌شود.
06:34
And finally, the China market is enormous.
121
382320
3376
و در نهایت، بازار چین عظیم است.
06:37
This market is large,
122
385720
1976
این بازار بزرگ است،
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
که مشتری بیشتر، درآمد بیشتر و
سرمایه‌گذاری بیشتر
سرمایه‌گذاری بیشتر
06:44
more investment, but most importantly,
124
392240
2336
در اختیار کارآفرینان می‌گذارد،
اما مهمتر از همه،
اما مهمتر از همه،
06:46
it gives the entrepreneurs a chance
to collect a huge amount of data
to collect a huge amount of data
125
394600
4536
به کارآفرینان شانس جمع‌آوری حجم بزرگی
از اطلاعات را می‌دهد
از اطلاعات را می‌دهد
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
که به سوخت جت موتور
هوش مصنوعی مبدل می‌شود.
هوش مصنوعی مبدل می‌شود.
06:54
So as a result, the Chinese AI companies
127
402960
2936
در نتیجه، شرکتهای هوش مصنوعی چینی
06:57
have leaped ahead
128
405920
1736
بسیار جهش داشته‌اند
06:59
so that today, the most valuable companies
129
407680
3096
و امروز، ارزشمندترین شرکتها
07:02
in computer vision, speech recognition,
130
410800
2616
در بینایی ماشین، تشخیص گفتار،
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
ساخت گفتار، ماشین ترجمه و پهپادها
07:08
are all Chinese companies.
132
416880
1920
همه شرکتهای چینی هستند.
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
پس با آمریکای پیشرو در عرصه اکتشاف
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
و چین پیشرو در عرصه کاربرد،
07:17
we are now in an amazing age
135
425800
2256
ما در زمانه‌ای شگفت‌انگیز هستیم
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
که موتور دوگانه دو ابرقدرت
07:23
are working together
137
431360
1680
با هم کار می‌کنند
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
تا سریعترین انقلاب در فناوری را شکل دهند
07:29
that we have ever seen as humans.
139
437640
2360
که تا به حال بعنوان بشر دیده‌ایم.
07:32
And this will bring tremendous wealth,
140
440640
2496
و این ثروتی عظیم به ارمغان خواهد آورد،
07:35
unprecedented wealth:
141
443160
1776
ثروتی بی‌سابقه:
07:36
16 trillion dollars, according to PwC,
142
444960
3896
۱۶ تریلیون دلار طبق گزارش PwC،
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
از لحاظ افزایش GDP
به GDP جهانی تا سال ۲۰۳۰.
به GDP جهانی تا سال ۲۰۳۰.
07:46
It will also bring immense challenges
144
454280
2616
چالش‌هایی عظیم نیز خواهد داشت
07:48
in terms of potential job replacements.
145
456920
3576
از لحاظ جایگزینی مشاغل.
07:52
Whereas in the Industrial Age
146
460520
2160
از آنجا که در عصر صنعتی
07:55
it created more jobs
147
463880
1536
مشاغل بیشتری ایجاد شده است
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
زیرا مشاغل پیشه‌وری
به شغلهای خط تولید تبدیل شده‌اند،
به شغلهای خط تولید تبدیل شده‌اند،
08:03
so more jobs were created.
149
471240
1976
پس شغل بیشتری ایجاد شده است.
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
اما هوش مصنوعی توسط ربات‌ها در خط تولید
08:10
in the assembly line with robots.
151
478200
2256
کاملاً جای مشاغل انفرادی را می‌گیرد.
08:12
And it's not just in factories,
152
480480
1936
و نه فقط در کارخانه‌ها،
08:14
but truckers, drivers
153
482440
2056
رانندگان ماشین‌های سنگین و سبک
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
و حتی مشاغلی چون پاسخگوی تلفنی،
خدمات مشتریان
خدمات مشتریان
08:20
and hematologists as well as radiologists
155
488640
2976
و هماتولوژیست‌ها و رادیولوژیست‌ها
08:23
over the next 15 years
156
491640
2096
در ۱۵ سال آینده
08:25
are going to be gradually replaced
157
493760
2536
کمکم با هوش مصنوعی
08:28
by artificial intelligence.
158
496320
1440
جایگزین خواهند شد.
08:30
And only the creative jobs --
159
498360
2056
و فقط مشاغل خلاق --
08:32
(Laughter)
160
500440
1976
(خنده)
08:34
I have to make myself safe, right?
161
502440
2200
من باید امنیت خودم را حفظ کنم، درست است؟
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
واقعاً، مشاغل خلاق محافظت می‌شوند،
08:41
because AI can optimize but not create.
163
509960
3040
چون هوش مصنوعی می‌تواند بهینه کند
اما نمی‌تواند نوآوری کند.
اما نمی‌تواند نوآوری کند.
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
اما چیزی که از نابودی مشاغل جدی‌تر است
08:49
is the loss of meaning,
165
517559
1777
نابودی معناست،
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
زیرا اخلاق کاری در عصر صنعتی
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
به ما القا کرده که کار، دلیل موجویت ماست،
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
و کار به زندگی ما معنا بخشیده است.
09:03
And I was a prime and willing victim
to that type of workaholic thinking.
to that type of workaholic thinking.
169
531120
6296
و من یکی از اولین و راغب‌ترین قربانیهای
این نوع تفکر اعتیاد به کار بودم.
این نوع تفکر اعتیاد به کار بودم.
09:09
I worked incredibly hard.
170
537440
1616
من فوق العاده سخت کار کردم.
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
و به این علت بود که تقریباً همسرم را
در اتاق زایمان رها کرده بودم،
در اتاق زایمان رها کرده بودم،
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
به این علت بود که در کنار کارآفرینانم
به شکل ۹۹۶ کار می‌کردم.
به شکل ۹۹۶ کار می‌کردم.
09:18
And that obsession that I had with work
173
546880
4416
و این وسواسی که برای کار داشتم
09:23
ended abruptly a few years ago
174
551320
3056
چند سال پیش یکدفعه پایان یافت.
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
در معاینه مشخص شد
بیماری لنفوم مرحله چهارم دارم.
بیماری لنفوم مرحله چهارم دارم.
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
در اینجا اسکن PET
بیش از ۲۰ تومور بدخیم را نشان می‌دهد
بیش از ۲۰ تومور بدخیم را نشان می‌دهد
09:35
jumping out like fireballs,
177
563640
2176
که به شکل گلوله‌های آتشی ظاهر شده است.
09:37
melting away my ambition.
178
565840
2576
این موضوع آرزوهایم را از بین برد.
09:40
But more importantly,
179
568440
1456
اما مهمتر از آن،
09:41
it helped me reexamine my life.
180
569920
2736
کمکم کرد زندگیم را دوباره بررسی کنم.
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
اینکه می‌دانستم فقط چند ماه دیگر زنده هستم
09:47
caused me to see how foolish it was
182
575800
2936
موجب شد که ببینم چقدر احمق بوده‌ام
09:50
for me to base my entire self-worth
183
578760
3576
که تمام ارزش خودم را
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
بر کار سخت و نتایج حاصله
از کار سخت بنا کرده بودم.
از کار سخت بنا کرده بودم.
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
اولویتهایم کاملاً خارج از نظم بود.
10:02
I neglected my family.
186
590320
1600
خانواده‌ام را نادیده گرفته بودم.
10:05
My father had passed away,
187
593000
1416
پدرم فوت شده بود،
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
و هرگز فرصت نشده بود
به او بگویم دوستت دارم.
به او بگویم دوستت دارم.
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
مادرم زوال عقل داشت
و دیگر من را نمی‌شناخت،
و دیگر من را نمی‌شناخت،
10:13
and my children had grown up.
190
601880
1920
و بچه‌هایم بزرگ شده بودند.
10:16
During my chemotherapy,
191
604400
1656
در طول شیمی درمانی،
10:18
I read a book by Bronnie Ware
192
606080
2456
کتابی از برونی ویر خواندم
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
که در مورد مرگ آرزوها و حسرتهای افراد
در بستر مرگ حرف می‌زد.
در بستر مرگ حرف می‌زد.
10:26
She found that facing death,
194
614080
2256
نویسنده دریافته بود
که هنگام روبرویی با مرگ،
که هنگام روبرویی با مرگ،
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
هیچ کس از اینکه به اندازه کافی
سختکوش نبوده‌است حرفی نزده است،
سختکوش نبوده‌است حرفی نزده است،
10:32
They only regretted that they didn't
spend enough time with their loved ones
spend enough time with their loved ones
196
620880
5176
پشیمانی آنها فقط از نگذراندن
زمان کافی با کسانی که دوستشان دارند
زمان کافی با کسانی که دوستشان دارند
10:38
and that they didn't spread their love.
197
626080
2760
و عدم گسترش عشقشان بود.
10:42
So I am fortunately today in remission.
198
630400
4536
و امروز خوشبختانه در حال جبران مافات هستم.
10:46
(Applause)
199
634960
6856
(تشویق)
10:53
So I can be back at TED again
200
641840
1976
پس می‌توانم دوباره در TED باشم
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
تا به شما بگویم که راهم را عوض کرده‌ام.
10:59
I now only work 965 --
202
647240
2760
من الان فقط به شکل ۹۶۵ کار می‌کنم --
11:03
occasionally 996, but usually 965.
203
651200
3976
گهگاهی ۹۹۶، اما معمولاً ۹۶۵.
11:07
I moved closer to my mother,
204
655200
1896
به مادرم نزدیکتر شده‌ام،
11:09
my wife usually travels with me,
205
657120
2456
معمولاً همسرم با من سفر می‌کند،
11:11
and when my kids have vacation,
if they don't come home, I go to them.
if they don't come home, I go to them.
206
659600
3816
و اگر فرزندانم در تعطیلات باشند
و پیشم نیایند من پیششان می‌روم.
و پیشم نیایند من پیششان می‌روم.
11:15
So it's a new form of life
207
663440
2456
یک شکل جدید از زندگی است
11:17
that helped me recognize
208
665920
1816
که به من کمک می‌کند
11:19
how important it is that love is for me,
209
667760
3176
تا میزان اهمیت عشق نزد خودم را بفهمم
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
و اینکه روبرویی با مرگ
به من کمک کرد تا زندگیم را عوض کنم،
به من کمک کرد تا زندگیم را عوض کنم،
11:26
but it also helped me see a new way
211
674400
2456
اما همچنین به من کمک کرد که راهی ببینم
11:28
of how AI should impact mankind
212
676880
3776
که چگونه هوش مصنوعی
باید بر بشریت اثر گذارد
باید بر بشریت اثر گذارد
11:32
and work and coexist with mankind,
213
680680
2480
و کار کند که در کنار بشریت
وجود داشته باشد،
وجود داشته باشد،
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
و اینکه هوش مصنوعی واقعاً دارد
مشاغل معمولی را کنار می‌زند،
مشاغل معمولی را کنار می‌زند،
11:41
but routine jobs are not what we're about.
215
689200
3656
اما مشاغل معمولی معنای وجودی ما نیستند.
11:44
Why we exist is love.
216
692880
2256
علت موجودیت ما عشق است.
11:47
When we hold our newborn baby,
217
695160
2096
وقتی که نوزاد
تازه متولد شده را بر می‌داریم،
تازه متولد شده را بر می‌داریم،
11:49
love at first sight,
218
697280
1496
عشق در نگاه اول،
11:50
or when we help someone in need,
219
698800
1776
یا وقتی که به یک نیازمند کمک می‌کنیم،
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
انسانها به شکل منحصر به فردی می‌توانند
مهر بورزند و مهر دریافت کنند،
مهر بورزند و مهر دریافت کنند،
11:56
and that's what differentiates us from AI.
221
704880
2800
و این است اختلاف ما با هوش مصنوعی.
12:00
Despite what science fiction may portray,
222
708800
2696
علی رغم چیزی که افسانه‌های علمی-تخیلی
به تصویر می‌کشند،
به تصویر می‌کشند،
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
من می توانم مسئولانه به شما بگویم
که هوش مصنوعی هیچ عشقی ندارد.
که هوش مصنوعی هیچ عشقی ندارد.
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
وقتی که آلفاگو
قهرمان جهان، کی‌جی را شکست داد،
قهرمان جهان، کی‌جی را شکست داد،
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
در حالی که کی‌جی داشت
از شکست بازی مورد علاقه‌اش گریه می‌کرد،
از شکست بازی مورد علاقه‌اش گریه می‌کرد،
12:13
AlphaGo felt no happiness from winning
226
721960
3176
آلفاگو هیچ احساس شادی از پیروزی
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
و مشخصاً هیچ اشتیاقی
برای به آغوش کشیدن یک دوست نداشت.
برای به آغوش کشیدن یک دوست نداشت.
12:23
So how do we differentiate ourselves
228
731600
2656
خب ما بعنوان انسان چگونه خودمان را
12:26
as humans in the age of AI?
229
734280
2536
در عصر هوش مصنوعی متمایز کنیم؟
12:28
We talked about the axis of creativity,
230
736840
3096
ما روی محور خلاقیت صحبت کردیم،
12:31
and certainly that is one possibility,
231
739960
2856
و مشخصاً این یک احتمال است،
12:34
and now we introduce a new axis
232
742840
2296
و امروز یک محور دیگر را معرفی می‌کنیم
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
که می‌توانیم آن را شفقت، عشق،
یا همدلی بنامیم.
یا همدلی بنامیم.
12:40
Those are things that AI cannot do.
234
748800
2576
اینها چیزهایی است
که از توان هوش مصنوعی خارج است.
که از توان هوش مصنوعی خارج است.
12:43
So as AI takes away the routine jobs,
235
751400
2816
خب حالا که هوش مصنوعی
دارد کارهای معمولی را از بین می‌برد،
دارد کارهای معمولی را از بین می‌برد،
12:46
I like to think we can, we should
and we must create jobs of compassion.
and we must create jobs of compassion.
236
754240
4960
دوست دارم فکر کنم که ما می‌توانیم، ما باید
و ما مجبوریم مشاغل شفقت محور را خلق کنیم.
و ما مجبوریم مشاغل شفقت محور را خلق کنیم.
12:51
You might ask how many of those there are,
237
759800
2336
ممکن است بپرسید چند تا
از این مشاغل وجود دارد،
از این مشاغل وجود دارد،
12:54
but I would ask you:
238
762160
1616
اما من خواهم پرسید:
12:55
Do you not think that we are going
to need a lot of social workers
to need a lot of social workers
239
763800
3816
آیا فکر نمی‌کنید که به مددکاران اجتماعی
زیادی نیازمند خواهیم بود
زیادی نیازمند خواهیم بود
12:59
to help us make this transition?
240
767640
1600
تا در این گذار به ما کمک کنند؟
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
فکر نمی‌کنید به مراقبان دلسوز زیادی
نیازمند خواهیم بود
نیازمند خواهیم بود
13:05
to give more medical care to more people?
242
773240
2696
تا مراقبت‌های درمانی را
به افراد بیشتری عرضه کنند؟
به افراد بیشتری عرضه کنند؟
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
فکر نمی‌کنید ده برابر
به معلم بیشتری نیازمند خواهیم بود
به معلم بیشتری نیازمند خواهیم بود
13:11
to help our children find their way
244
779240
2776
که به فرزندانمان راه را نشان دهند
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
تا در این جهان جدید و متهور
دوام بیاورند و شکوفا شوند؟
دوام بیاورند و شکوفا شوند؟
13:17
And with all the newfound wealth,
246
785320
2440
و با تمام ثروت تازه به دست آمده
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
آیا ما نباید کارهای محبت محور را
به شغل تبدیل کنیم
به شغل تبدیل کنیم
13:24
and let elderly accompaniment
248
792360
2696
تا همراهی سالمندان
13:27
or homeschooling become careers also?
249
795080
3496
یا آموزش در منزل هم به شغل تبدیل شود؟
13:30
(Applause)
250
798600
5280
(تشویق)
13:36
This graph is surely not perfect,
251
804800
2256
مطمئناً این نمودار کامل نیست،
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
اما چهار روش برای کار با هوش مصنوعی
به ما نشان می‌دهد.
به ما نشان می‌دهد.
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
هوش مصنوعی می‌آید
و کارهای معمولی را از بین می‌برد
و کارهای معمولی را از بین می‌برد
13:46
and in due time, we will be thankful.
254
814240
2040
و در زمان مناسب، ما سپاسگزار خواهیم بود.
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
هوش مصنوعی ابزاری عالی
برای خلاقان خواهد بود
برای خلاقان خواهد بود
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
و اینکه دانشمندان، هنرمندان،
موسیقی‌دانان و نویسندگان
موسیقی‌دانان و نویسندگان
13:55
can be even more creative.
257
823800
1600
می‌توانند خلاق‌تر شوند.
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
هوش مصنوعی بعنوان ابزاری تحلیلی
با انسانها کار می‌کند
با انسانها کار می‌کند
14:03
that humans can wrap their warmth around
259
831520
2696
و انسانها می‌توانند گرمای محبت را
توسط مشاغل محبت محور،
توسط مشاغل محبت محور،
14:06
for the high-compassion jobs.
260
834240
1896
اطرافشان داشته باشند.
14:08
And we can always differentiate ourselves
261
836160
2656
و ما می‌توانیم همیشه خودمان را متمایز کنیم
14:10
with the uniquely capable jobs
262
838840
1816
با کارهای منحصر به فرد و با قابلیتی
14:12
that are both compassionate and creative,
263
840680
3616
که هم عاشقانه هستند و هم خلاقانه،
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
با برقرار کردن تعادل غیر قابل جایگزین
بین قلب و مغز
بین قلب و مغز
14:21
So there you have it:
265
849520
1296
و اینجا این را دارید:
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
طرح وجود همزمان انسان و هوش مصنوعی.
14:27
AI is serendipity.
267
855400
1816
هوش مصنوعی یک نعمت تصادفی است.
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
اینجاست که ما را از کارهای معمولی برهاند،
14:32
and it is here to remind us
what it is that makes us human.
what it is that makes us human.
269
860240
3680
و آمده است که به ما یادآوری کند
چه چیز ما را انسان می‌سازد.
چه چیز ما را انسان می‌سازد.
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
پس بگذارید هوش مصنوعی را با آغوش باز
بپذیریم و به یکدیگر عشق بورزیم.
بپذیریم و به یکدیگر عشق بورزیم.
14:40
Thank you.
271
868440
1216
متشکرم.
14:41
(Applause)
272
869680
6160
(تشویق)
ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientistAt Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies.
Why you should listen
Dr. Kai-Fu Lee has a unique perspective on the global technology industry, having worked extensively between the US and China, and has been in artificial intelligence research, development and investment for more than 30 years. He is one of China's top technology investors, undertaking early pioneering work in the field of artificial intelligence and working with multiple US technology giants.
Lee is the Chairman and CEO of Sinovation Ventures, managing a $1.7 billion dual-currency investment fund. Sinovation is a leading technology-savvy investment firm focusing on developing Chinese high-tech companies. Lee also serves as president of the Sinovation Ventures Artificial Intelligence Institute.
Prior to founding Sinovation in 2009, Lee was the President of Google China. Previously, he held executive positions at Microsoft, SGI and Apple. He is a Fellow of the Institute of Electrical and Electronics Engineers (IEEE), and he was Vice Chairman of the Committee of 100 and named one of the 100 most influential people in the world by TIME Magazine. He is the author of seven best-selling books in Chinese, launching his new book AI Superpowers internationally in fall 2018, and has over 50 million followers on social media.
In the field of artificial intelligence, Lee founded Microsoft Research China, which was named as the hottest research lab by MIT Technology Review. Later renamed Microsoft Research Asia, this institute has trained the great majority of AI leaders in China, including CTOs or AI heads at Baidu, Tencent, Alibaba, Lenovo, Huawei and Haier. While with Apple, Lee led AI projects in speech and natural language, which appeared on Good Morning America on ABC Television and the front page of The Wall Street Journal. He has authored 10 US patents, and more than 100 journal and conference papers.
Kai-Fu Lee | Speaker | TED.com