ABOUT THE SPEAKERS
Sebastian Thrun - Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us.

Why you should listen

Sebastian Thrun is an educator, entrepreneur and troublemaker. After a long life as a professor at Stanford University, Thrun resigned from tenure to join Google. At Google, he founded Google X, home to self-driving cars and many other moonshot technologies. Thrun also founded Udacity, an online university with worldwide reach, and Kitty Hawk, a "flying car" company. He has authored 11 books, 400 papers, holds 3 doctorates and has won numerous awards.

More profile about the speaker
Sebastian Thrun | Speaker | TED.com
Chris Anderson - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading.

Why you should listen

Chris Anderson is the Curator of TED, a nonprofit devoted to sharing valuable ideas, primarily through the medium of 'TED Talks' -- short talks that are offered free online to a global audience.

Chris was born in a remote village in Pakistan in 1957. He spent his early years in India, Pakistan and Afghanistan, where his parents worked as medical missionaries, and he attended an American school in the Himalayas for his early education. After boarding school in Bath, England, he went on to Oxford University, graduating in 1978 with a degree in philosophy, politics and economics.

Chris then trained as a journalist, working in newspapers and radio, including two years producing a world news service in the Seychelles Islands.

Back in the UK in 1984, Chris was captivated by the personal computer revolution and became an editor at one of the UK's early computer magazines. A year later he founded Future Publishing with a $25,000 bank loan. The new company initially focused on specialist computer publications but eventually expanded into other areas such as cycling, music, video games, technology and design, doubling in size every year for seven years. In 1994, Chris moved to the United States where he built Imagine Media, publisher of Business 2.0 magazine and creator of the popular video game users website IGN. Chris eventually merged Imagine and Future, taking the combined entity public in London in 1999, under the Future name. At its peak, it published 150 magazines and websites and employed 2,000 people.

This success allowed Chris to create a private nonprofit organization, the Sapling Foundation, with the hope of finding new ways to tackle tough global issues through media, technology, entrepreneurship and, most of all, ideas. In 2001, the foundation acquired the TED Conference, then an annual meeting of luminaries in the fields of Technology, Entertainment and Design held in Monterey, California, and Chris left Future to work full time on TED.

He expanded the conference's remit to cover all topics, including science, business and key global issues, while adding a Fellows program, which now has some 300 alumni, and the TED Prize, which grants its recipients "one wish to change the world." The TED stage has become a place for thinkers and doers from all fields to share their ideas and their work, capturing imaginations, sparking conversation and encouraging discovery along the way.

In 2006, TED experimented with posting some of its talks on the Internet. Their viral success encouraged Chris to begin positioning the organization as a global media initiative devoted to 'ideas worth spreading,' part of a new era of information dissemination using the power of online video. In June 2015, the organization posted its 2,000th talk online. The talks are free to view, and they have been translated into more than 100 languages with the help of volunteers from around the world. Viewership has grown to approximately one billion views per year.

Continuing a strategy of 'radical openness,' in 2009 Chris introduced the TEDx initiative, allowing free licenses to local organizers who wished to organize their own TED-like events. More than 8,000 such events have been held, generating an archive of 60,000 TEDx talks. And three years later, the TED-Ed program was launched, offering free educational videos and tools to students and teachers.

More profile about the speaker
Chris Anderson | Speaker | TED.com
TED2017

Sebastian Thrun and Chris Anderson: What AI is -- and isn't

סבסטיאן ת'רן וכריס אנדרסון: דור המחשבים הבא מתכנת את עצמו

Filmed:
1,575,780 views

המחנך והיזם סבסטיאן ת'רן מעוניין שנשתמש בבינה המלאכותית כדי לשחרר את האנושות ממטלות חוזרות ונשנות ושנקרא דרור ליצירתיותנו. בשיחה רבת השראה ומידע עם אוצר TED, כריס אנדרסון, ת'רן דן בהתקדמות בלמידה העמוקה ובשאלה מדוע איננו צריכים לחשוש מכך שהבינה המלאכותית תצא מכלל שליטה, ומתאר כיצד נצא כולנו נשכרים מכך שעבודות משעממות ומעייפות תבוצענה בעזרת מכונות. "רק אחוז אחד מהדברים המעניינים התגלה עד כה," אומר ת'רן. "אני מאמין שכולנו יצירתיים בטירוף... (הבינה המלאכותית) תעצים אותנו לכך שנתרגם את היצירתיות שלנו לשפת המעשה."
- Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us. Full bio - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading. Full bio

Double-click the English transcript below to play the video.

00:12
Chrisכריס Andersonאנדרסון: Help us understandמבין
what machineמְכוֹנָה learningלְמִידָה is,
0
904
2886
כריס אנדרסון: עזור לנו להבין
מהי למידת מכונה,
כי נראה שזהו גורם מרכזי
00:15
because that seemsנראה to be the keyמַפְתֵחַ driverנהג
1
3814
2054
בהתרגשות ובדאגה הרבות
סביב הבינה המלאכותית.
00:17
of so much of the excitementהתרגשות
and alsoגַם of the concernדְאָגָה
2
5892
2737
00:20
around artificialמְלָאכוּתִי intelligenceאינטליגנציה.
3
8653
1494
איך פועלת למידת המכונה?
00:22
How does machineמְכוֹנָה learningלְמִידָה work?
4
10171
1643
סבסטיאן ת'רן:
הבינה המלאכותית ולמידת המכונה
00:23
Sebastianסבסטיאן Thrunת'רון: So, artificialמְלָאכוּתִי
intelligenceאינטליגנציה and machineמְכוֹנָה learningלְמִידָה
5
11838
3896
הן בנות 60 שנה לערך,
00:27
is about 60 yearsשנים oldישן
6
15758
2002
ועד לאחרונה לא היה להן
רגע חשוב.
00:29
and has not had a great day
in its pastעבר untilעד recentlyלאחרונה.
7
17784
4269
והסיבה היא,
00:34
And the reasonסיבה is that todayהיום,
8
22077
2924
שכיום הגענו
להיקפי המיחשוב ומערכי הנתונים
00:37
we have reachedהשיג a scaleסוּלָם
of computingמחשוב and datasetsמערכי נתונים
9
25025
3973
הנחוצים כדי להפוך את המכונות לחכמות.
00:41
that was necessaryנחוץ to make machinesמכונה smartלִכאוֹב.
10
29022
2637
אז ככה זה עובד:
00:43
So here'sהנה how it worksעובד.
11
31683
1751
אם אתה מתכנת היום מחשב,
למשל את הטלפון שלך,
00:45
If you programתָכְנִית a computerמַחשֵׁב todayהיום,
say, your phoneטלפון,
12
33458
3497
אתה בעצם מעסיק מהנדסי תוכנה
00:48
then you hireלִשְׂכּוֹר softwareתוֹכנָה engineersמהנדסים
13
36979
2335
שיכתבו מתכון ארוך מאד
00:51
that writeלִכתוֹב a very,
very long kitchenמִטְבָּח recipeמַתכּוֹן,
14
39338
3854
דומה ל"אם המים חמים מדי,
הנמך את הטמפרטורה.
00:55
like, "If the waterמַיִם is too hotחַם,
turnלפנות down the temperatureטֶמפֶּרָטוּרָה.
15
43216
3132
"אם הם קרים מדי,
העלה את הטמפרטורה."
00:58
If it's too coldקַר, turnלפנות up
the temperatureטֶמפֶּרָטוּרָה."
16
46372
2279
המתכונים אינם בני עשר שורות בלבד,
01:00
The recipesמתכונים are not just 10 linesקווים long.
17
48675
2849
אלא בני מיליון שורות.
01:03
They are millionsמיליונים of linesקווים long.
18
51548
2603
01:06
A modernמוֹדֶרנִי cellתָא phoneטלפון
has 12 millionמִילִיוֹן linesקווים of codeקוד.
19
54175
4084
טלפון סלולרי מודרני מכיל
12 מיליון שורות קוד.
דפדפן מכיל 5 מיליון שורות קוד.
01:10
A browserדפדפן has fiveחָמֵשׁ millionמִילִיוֹן linesקווים of codeקוד.
20
58283
2646
וכל באג במתכון
עלול לגרום למחשב לקרוס.
01:12
And eachכל אחד bugחרק in this recipeמַתכּוֹן
can causeגורם your computerמַחשֵׁב to crashלְהִתְרַסֵק.
21
60953
4969
ולכן מהנדסי תוכנה
משתכרים טוב כל-כך.
01:17
That's why a softwareתוֹכנָה engineerמהנדס
makesעושה so much moneyכֶּסֶף.
22
65946
3075
מה שחדש היום הוא
שהמחשבים יכולים להגדיר כללים משלהם.
01:21
The newחָדָשׁ thing now is that computersמחשבים
can find theirשֶׁלָהֶם ownשֶׁלוֹ rulesכללים.
23
69953
3660
אז במקום שמומחה יתכנת,
שלב אחר שלב,
01:25
So insteadבמקום זאת of an expertמוּמחֶה
decipheringפִּעַנוּחַ, stepשלב by stepשלב,
24
73637
3606
כלל לכל אפשרות,
01:29
a ruleכְּלָל for everyכֹּל contingencyמגירה,
25
77267
2148
נותנים כעת למחשב דוגמאות
01:31
what you do now is you give
the computerמַחשֵׁב examplesדוגמאות
26
79439
3074
ולפיהן הוא מפרש בעצמו את הכללים.
01:34
and have it inferלְהַסִיק its ownשֶׁלוֹ rulesכללים.
27
82537
1581
01:36
A really good exampleדוגמא is AlphaGoאלפאגו,
whichאיזה recentlyלאחרונה was wonזכית by GoogleGoogle.
28
84142
4306
דוגמה טובה היא "אלפא-גו",
ש"גוגל" רכשה לאחרונה.
בד"כ, במשחקים,
כותבים את כל הכללים,
01:40
Normallyבדרך כלל, in gameמִשְׂחָק playingמשחק,
you would really writeלִכתוֹב down all the rulesכללים,
29
88472
3687
אבל במקרה של "אלפא-גו",
01:44
but in AlphaGo'sשל אלפאגו caseמקרה,
30
92183
1785
המערכת בחנה מעל מיליון משחקים,
01:45
the systemמערכת lookedהביט over a millionמִילִיוֹן gamesמשחקים
31
93992
2066
הצליחה להקיש מתוכם כללים משלה
01:48
and was ableיכול to inferלְהַסִיק its ownשֶׁלוֹ rulesכללים
32
96082
2192
ואז להביס את אלוף העולם ב"גו".
01:50
and then beatלהיות ב the world'sשל העולם
residingמִתגוֹרֵר Go championאַלוּף.
33
98298
2738
זה מלהיב,
כי זה משחרר את מהנדס התוכנה
01:53
That is excitingמְרַגֵשׁ, because it relievesמקל
the softwareתוֹכנָה engineerמהנדס
34
101853
3509
מהצורך להיות גאון
01:57
of the need of beingלהיות superסוּפֶּר smartלִכאוֹב,
35
105386
1819
וזה מעביר את הנטל אל הנתונים.
01:59
and pushesדוחף the burdenנטל towardsלִקרַאת the dataנתונים.
36
107229
2325
02:01
As I said, the inflectionנטיה pointנְקוּדָה
where this has becomeהפכו really possibleאפשרי --
37
109578
4534
כפי שאמרתי, נקודת המפנה
שאיפשרה זאת -
מביך מאד:
התזה שלי עסקה בלמידת מכונה.
02:06
very embarrassingמֵבִיך, my thesisתזה
was about machineמְכוֹנָה learningלְמִידָה.
38
114136
2746
היא ממש לא חשובה.
אל תקראו אותה,
02:08
It was completelyלַחֲלוּטִין
insignificantלֹא מַשְׁמָעוּתִי, don't readלקרוא it,
39
116906
2205
כי זה היה לפני 20 שנה
02:11
because it was 20 yearsשנים agoלִפנֵי
40
119135
1350
ואז, המחשבים היו בגודל
מוח של מקק.
02:12
and back then, the computersמחשבים
were as bigגָדוֹל as a cockroachמקק brainמוֹחַ.
41
120509
2907
היום הם מספיק חזקים כדי לחקות
02:15
Now they are powerfulחָזָק enoughמספיק
to really emulateלחקות
42
123440
2331
מעין חשיבה אנושית ייחודית.
02:17
kindסוג of specializedהתמחה humanבן אנוש thinkingחושב.
43
125795
2076
ואז המחשבים מנצלים את העובדה
02:19
And then the computersמחשבים
take advantageיתרון of the factעוּבדָה
44
127895
2313
שהם יכולים לבחון נותנים
מהר בהרבה מבני אדם.
02:22
that they can look at
much more dataנתונים than people can.
45
130232
2500
אז באומרי ש"אלפא-גו"
בחנה מעל מיליון משחקים,
02:24
So I'd say AlphaGoאלפאגו lookedהביט at
more than a millionמִילִיוֹן gamesמשחקים.
46
132756
3080
אין מומחה אנושי שמסוגל
לבחון מיליון משחקים.
02:27
No humanבן אנוש expertמוּמחֶה can ever
studyלימוד a millionמִילִיוֹן gamesמשחקים.
47
135860
2839
"גוגל" בחנה מעל מאה מיליארד
דפי אינטרנט.
02:30
GoogleGoogle has lookedהביט at over
a hundredמֵאָה billionמיליארד webאינטרנט pagesדפים.
48
138723
3182
אין אדם שמסוגל לבחון
מאה מיליארד דפי אינטרנט.
02:33
No personאדם can ever studyלימוד
a hundredמֵאָה billionמיליארד webאינטרנט pagesדפים.
49
141929
2650
ולכן, המחשבים מסוגלים להגדיר כללים
02:36
So as a resultתוֹצָאָה,
the computerמַחשֵׁב can find rulesכללים
50
144603
2714
שבני-אדם לא מסוגלים להגדיר.
02:39
that even people can't find.
51
147341
1755
כ"א: אז במקום לצפות מהלכים
בסגנון "אם הוא עושה כך, אעשה כך,"
02:41
CACA: So insteadבמקום זאת of looking aheadקָדִימָה
to, "If he does that, I will do that,"
52
149120
4312
זה יותר כמו
"ככה נראה דפוס משחק מנצח."
02:45
it's more sayingפִּתגָם, "Here is what
looksנראה like a winningלנצח patternתַבְנִית,
53
153456
3072
02:48
here is what looksנראה like
a winningלנצח patternתַבְנִית."
54
156552
2079
ס"ת: כן.
תחשוב למשל על גידול ילדים.
02:50
STרחוב: Yeah. I mean, think about
how you raiseהַעֲלָאָה childrenיְלָדִים.
55
158655
2517
אינך מגדיר לילדים במשך 18 שנה
כלל לכל אפשרות
02:53
You don't spendלְבַלוֹת the first 18 yearsשנים
givingמַתָן kidsילדים a ruleכְּלָל for everyכֹּל contingencyמגירה
56
161196
3644
ואז שולח אותם לעולם
עם איזו תוכנה גדולה.
02:56
and setמַעֲרֶכֶת them freeחופשי
and they have this bigגָדוֹל programתָכְנִית.
57
164864
2347
הם נכשלים, נופלים, קמים,
חוטפים סטירות או מכות,
02:59
They stumbleלִמְעוֹד, fallנפילה, get up,
they get slappedסטר or spankedהיכה,
58
167235
2719
ורוכשים נסיון חיובי,
ציונים טובים בביה"ס,
03:01
and they have a positiveחִיוּבִי experienceניסיון,
a good gradeכיתה in schoolבית ספר,
59
169978
2884
ומוצאים בעצמם את דרכם.
03:04
and they figureדמות it out on theirשֶׁלָהֶם ownשֶׁלוֹ.
60
172886
1834
03:06
That's happeningמתרחש with computersמחשבים now,
61
174744
1737
זה מה שקורה היום עם מחשבים,
03:08
whichאיזה makesעושה computerמַחשֵׁב programmingתִכנוּת
so much easierקל יותר all of a suddenפִּתְאוֹמִי.
62
176505
3029
ובבת-אחת,
תכנות המחשבים נעשה קל מאד.
כעת כבר איננו צריכים לחשוב,
אלא רק לתת להם המון נתונים.
03:11
Now we don't have to think anymoreיותר.
We just give them lots of dataנתונים.
63
179558
3175
כ"א: וזה היה גורם מרכזי
בשיפור המדהים
03:14
CACA: And so, this has been keyמַפְתֵחַ
to the spectacularמַרהִיב improvementהַשׁבָּחָה
64
182757
3422
בתחום המכוניות האוטונומיות.
03:18
in powerכּוֹחַ of self-drivingנהיגה עצמית carsמכוניות.
65
186203
3064
הראית לי קודם דוגמה.
03:21
I think you gaveנתן me an exampleדוגמא.
66
189291
1739
תוכל להסביר מה קורה בתחום זה?
03:23
Can you explainלהסביר what's happeningמתרחש here?
67
191054
2685
ס"ת: זאת נהיגה במכונית אוטונומית
03:25
STרחוב: This is a driveנהיגה of a self-drivingנהיגה עצמית carאוטו
68
193763
3564
שיש לנו ב"יודסיטי",
03:29
that we happenedקרה to have at UdacityUdacity
69
197351
1957
ולאחרונה פיתחנו למשהו בשם "וויאג'."
03:31
and recentlyלאחרונה madeעָשׂוּי
into a spin-offספין- off calledשקוראים לו Voyageמַסָע.
70
199332
2398
השתמשנו במה שקרוי "למידה עמוקה"
03:33
We have used this thing
calledשקוראים לו deepעָמוֹק learningלְמִידָה
71
201754
2574
כדי לאמן את המכונית לנהוג בעצמה,
03:36
to trainרכבת a carאוטו to driveנהיגה itselfעצמה,
72
204352
1623
וכאן רואים נהיגה
ממאונטן וויו שבקליפורניה
03:37
and this is drivingנְהִיגָה
from Mountainהַר Viewנוף, Californiaקליפורניה,
73
205999
2387
עד לסן-פרנסיסקו
03:40
to Sanברג Franciscoפרנסיסקו
74
208410
1168
בכביש אל-קמינו ריאל ביום גשום,
03:41
on ElEl Caminoקמינו Realאמיתי on a rainyגָשׁוּם day,
75
209602
2259
עם רוכבי אופניים, הולכי רגל
ו-133 רמזורים.
03:43
with bicyclistsרוכבי אופניים and pedestriansהולכי רגל
and 133 trafficתְנוּעָה lightsאורות.
76
211885
3524
ומה שחדשני פה,
03:47
And the novelרוֹמָן thing here is,
77
215433
2636
הוא שלפני ירחים רבים מאד ייסדתי
את צוות המכונית האוטונומית של "גוגל".
03:50
manyרב, manyרב moonsירחים agoלִפנֵי, I startedהתחיל
the GoogleGoogle self-drivingנהיגה עצמית carאוטו teamקְבוּצָה.
78
218093
3120
ואז, שכרתי את מהנדסי התוכנה
הכי טובים בעולם
03:53
And back in the day, I hiredנשכר
the world'sשל העולם bestהטוב ביותר softwareתוֹכנָה engineersמהנדסים
79
221237
3181
כדי שיגדירו את הכללים הכי טובים בעולם.
03:56
to find the world'sשל העולם bestהטוב ביותר rulesכללים.
80
224442
1607
כאן מדובר באימון בלבד.
03:58
This is just trainedמְאוּמָן.
81
226073
1754
03:59
We driveנהיגה this roadכְּבִישׁ 20 timesפִּי,
82
227851
3336
נהגנו בכביש הזה 20 פעם,
הכנסנו את כל הנתונים
למוח של המחשב,
04:03
we put all this dataנתונים
into the computerמַחשֵׁב brainמוֹחַ,
83
231211
2447
ואחרי כמה שעות עיבוד,
04:05
and after a fewמְעַטִים hoursשעות of processingמעבד,
84
233682
2082
הוא הפיק התנהגות שלעתים קרובות
עולה על הזריזות האנושית.
04:07
it comesבא up with behaviorהִתְנַהֲגוּת
that oftenלעתים קרובות surpassesעולה humanבן אנוש agilityזְרִיזוּת.
85
235788
3926
כך שנעשה קל מאד לתכנת את זה.
04:11
So it's becomeהפכו really easyקַל to programתָכְנִית it.
86
239738
2017
היא אוטונומית ב-100%
לאורך כ-50 ק"מ במשך שעה וחצי.
04:13
This is 100 percentאָחוּז autonomousאוטונומי,
about 33 milesstomach, an hourשָׁעָה and a halfחֲצִי.
87
241779
3803
04:17
CACA: So, explainלהסביר it -- on the bigגָדוֹל partחֵלֶק
of this programתָכְנִית on the left,
88
245606
3630
כ"א: תסביר את זה -
בחלק הגדול של התוכנה, משמאל,
רואים בעצם מה שהמחשב מזהה
כמשאיות וכלי-רכב
04:21
you're seeingרְאִיָה basicallyבעיקרון what
the computerמַחשֵׁב seesרואה as trucksמשאיות and carsמכוניות
89
249260
3257
ועקיפות וכן הלאה.
04:24
and those dotsנקודות overtakingעקיפה it and so forthהָלְאָה.
90
252541
2886
ס"ת: מימין רואים את המצלמה,
שזה הקלט העיקרי,
04:27
STרחוב: On the right sideצַד, you see the cameraמַצלֵמָה
imageתמונה, whichאיזה is the mainרָאשִׁי inputקֶלֶט here,
91
255451
3762
והיא משמשת לאיתור נתיבים,
מכוניות אחרות, רמזורים.
04:31
and it's used to find lanesנתיבים,
other carsמכוניות, trafficתְנוּעָה lightsאורות.
92
259237
2676
הרכב מצויד במכ"ם
שמבצע אומדן מרחקים.
04:33
The vehicleרכב has a radarמכ"ם
to do distanceמֶרְחָק estimationאוּמדָן.
93
261937
2489
זה נפוץ מאד במערכות כאלה.
04:36
This is very commonlyבדרך כלל used
in these kindסוג of systemsמערכות.
94
264450
2621
משמאל רואים שרטוט לייזר,
04:39
On the left sideצַד you see a laserלייזר diagramתרשים,
95
267095
1992
ובו רואים מכשולים כמו עצים וכו'
שהלייזר מזהה.
04:41
where you see obstaclesמכשולים like treesעצים
and so on depictedמְתוּאָר by the laserלייזר.
96
269111
3200
אבל כמעט כל העבודה המעניינת
מתמקדת כעת בתמונת המצלמה.
04:44
But almostכִּמעַט all the interestingמעניין work
is centeringמִרכּוּז on the cameraמַצלֵמָה imageתמונה now.
97
272335
3436
אנו בעצם עוברים מחיישנים מדויקים
כמו מכ"ם ולייזר
04:47
We're really shiftingהסטה over from precisionדיוק
sensorsחיישנים like radarsמכ"ם and lasersלייזרים
98
275795
3476
לחיישנים מסחריים וזולים מאד.
04:51
into very cheapזוֹל, commoditizedסחורה sensorsחיישנים.
99
279295
1842
מצלמה עולה פחות מ-8 דולר.
04:53
A cameraמַצלֵמָה costsעלויות lessפָּחוּת than eightשמונה dollarsדולר.
100
281161
1987
כ"א: ומהי הנקודה הירוקה משמאל?
04:55
CACA: And that greenירוק dotנְקוּדָה
on the left thing, what is that?
101
283172
2793
יש לה איזו משמעות?
04:57
Is that anything meaningfulבעל משמעות?
102
285989
1371
ס"ת: זאת נקודת חיזוי
עבור בקרת השיוט הסתגלנית,
04:59
STרחוב: This is a look-aheadמבט קדימה pointנְקוּדָה
for your adaptiveהסתגלות cruiseלְשַׁיֵט controlלִשְׁלוֹט,
103
287384
3668
והיא עוזרת לנו להבין
איך לווסת את המהירות
05:03
so it helpsעוזר us understandמבין
how to regulateלְהַסדִיר velocityמְהִירוּת
104
291076
2477
לפי המרחק מהמכוניות שלפניך.
05:05
basedמבוסס on how farרָחוֹק
the carsמכוניות in frontחֲזִית of you are.
105
293577
2634
כ"א: יש לך גם דוגמה
05:08
CACA: And so, you've alsoגַם
got an exampleדוגמא, I think,
106
296235
2716
איך מתרחשת הלמידה העמוקה.
05:10
of how the actualמַמָשִׁי
learningלְמִידָה partחֵלֶק takes placeמקום.
107
298975
2381
אולי נוכל לראות אותה.
ספר על זה.
05:13
Maybe we can see that. Talk about this.
108
301380
2458
ס"ת: בדוגמה בזאת בה הצבנו אתגר
לתלמידי "יודסיטי"
05:15
STרחוב: This is an exampleדוגמא where we posedתנוחות
a challengeאתגר to UdacityUdacity studentsסטודנטים
109
303862
3643
להיבחן במה שאנו מכנים
"ננו-תואר בנהיגה אוטונומית."
05:19
to take what we call
a self-drivingנהיגה עצמית carאוטו NanodegreeNanodegree.
110
307529
3131
נתנו להם את בסיס הנתונים הזה
05:22
We gaveנתן them this datasetמערך נתונים
111
310684
1495
ושאלנו, "האם תוכלו למצוא
איך לנהוג במכונית הזאת?"
05:24
and said "Hey, can you guys figureדמות out
how to steerלְהַטוֹת this carאוטו?"
112
312203
3054
ואם תביט בתמונות האלה,
05:27
And if you look at the imagesתמונות,
113
315281
1624
אז כמעט אפילו לבני אדם,
בלתי-אפשרי להגדיר נהיגה נכונה.
05:28
it's, even for humansבני אנוש, quiteדַי impossibleבלתי אפשרי
to get the steeringהגה right.
114
316929
4073
05:33
And we ranרץ a competitionתַחֲרוּת and said,
"It's a deepעָמוֹק learningלְמִידָה competitionתַחֲרוּת,
115
321026
3591
ערכנו תחרות בשם
"תחרות למידה עמוקה,
"תחרות בינה מלאכותית,"
05:36
AIAI competitionתַחֲרוּת,"
116
324641
1173
והקצבנו לסטודנטים 48 שעות.
05:37
and we gaveנתן the studentsסטודנטים 48 hoursשעות.
117
325838
1887
לבית-תוכנה כמו "גוגל" או" פייסבוק"
05:39
So if you are a softwareתוֹכנָה houseבַּיִת
like GoogleGoogle or Facebookפייסבוק,
118
327749
4172
דבר כזה עולה לפחות
בשישה חודשי עבודה.
05:43
something like this costsעלויות you
at leastהכי פחות sixשֵׁשׁ monthsחודשים of work.
119
331945
2717
אז החלטנו שב-48 שעות זה מצוין.
05:46
So we figuredמְעוּטָר 48 hoursשעות is great.
120
334686
2202
וכעבור 48 שעות
קיבלנו מהסטודנטים 100 הצעות,
05:48
And withinבְּתוֹך 48 hoursשעות, we got about
100 submissionsהגשות from studentsסטודנטים,
121
336912
3467
וארבע הטובות ביותר
פתרו את זה באופן מושלם.
05:52
and the topחלק עליון fourארבעה got it perfectlyמושלם right.
122
340403
3370
הנהיגה בעזרת למידה עמוקה
טובה יותר
05:55
It drivesכוננים better than I could
driveנהיגה on this imageryתמונות,
123
343797
2640
ממה שאני הצלחתי לבצע בהדמיה הזו.
05:58
usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני deepעָמוֹק learningלְמִידָה.
124
346461
1189
ושוב, זו אותה מתודולוגיה.
זה כל הקסם:
05:59
And again, it's the sameאותו methodologyמֵתוֹדוֹלוֹגִיָה.
125
347674
1799
06:01
It's this magicalקִסמִי thing.
126
349497
1164
היום, כשנותנים למחשב מספיק נתונים
06:02
When you give enoughמספיק dataנתונים
to a computerמַחשֵׁב now,
127
350685
2085
ומספיק זמן כדי להבין את הנתונים,
06:04
and give enoughמספיק time
to comprehendלִהַבִין the dataנתונים,
128
352794
2140
הוא מגדיר בעצמו את הכללים.
06:06
it findsמוצא its ownשֶׁלוֹ rulesכללים.
129
354958
1445
כ"א: וזה הוביל לפיתוח
יישומים רבי-עוצמה
06:09
CACA: And so that has led to the developmentהתפתחות
of powerfulחָזָק applicationsיישומים
130
357339
4845
בכל מיני תחומים.
06:14
in all sortsמיני of areasאזורי.
131
362208
1525
דיברת איתי על סרטן.
06:15
You were talkingשִׂיחָה to me
the other day about cancerמחלת הסרטן.
132
363757
2668
אני יכול להקרין את הסרטון הזה?
06:18
Can I showלְהַצִיג this videoוִידֵאוֹ?
133
366449
1189
06:19
STרחוב: Yeah, absolutelyבהחלט, please.
CACA: This is coolמגניב.
134
367662
2354
ס"ת: כן, בהחלט. בבקשה.
כ"א: זה מעולה.
06:22
STרחוב: This is kindסוג of an insightתוֹבָנָה
into what's happeningמתרחש
135
370040
3534
ס"ת: זו הצצה למה שקורה
בתחום שונה לגמרי.
06:25
in a completelyלַחֲלוּטִין differentשונה domainתְחוּם.
136
373598
2429
זהו תגבור - או תחרות -
06:28
This is augmentingaugmenting, or competingמתחרים --
137
376051
3752
זה נתון לפרשנות -
06:31
it's in the eyeעַיִן of the beholderמתבונן --
138
379827
1749
מול אנשים שמשתכרים
400,000 דולר בשנה,
06:33
with people who are beingלהיות paidשילם
400,000 dollarsדולר a yearשָׁנָה,
139
381600
3454
רופאי-עור,
06:37
dermatologistsדרמטולוגים,
140
385078
1237
מומחים מיומנים מאד.
06:38
highlyמְאוֹד trainedמְאוּמָן specialistsמומחים.
141
386339
1983
דרושות מעל 10 שנים התמחות
כדי להיעשות לרופא-עור טוב.
06:40
It takes more than a decadeעָשׂוֹר of trainingהַדְרָכָה
to be a good dermatologistדֶרמָטוֹלוֹג.
142
388346
3561
06:43
What you see here is
the machineמְכוֹנָה learningלְמִידָה versionגִרְסָה of it.
143
391931
3196
כאן אתה רואה את גירסת
למידת המכונה.
זה קרוי "רשת עצבית".
06:47
It's calledשקוראים לו a neuralעֲצַבִּי networkרֶשֶׁת.
144
395151
1841
"רשתות עצביות" הוא המונח הטכני
לאלגוריתמים של למידת המכונה.
06:49
"Neuralעֲצַבִּי networksרשתות" is the technicalטֶכנִי termטווח
for these machineמְכוֹנָה learningלְמִידָה algorithmsאלגוריתמים.
145
397016
3742
הן קיימות מאז שנות ה-80.
06:52
They'veהם עשו זאת been around sinceמאז the 1980s.
146
400782
1789
זו שכאן הומצאה ב-1988
ע"י בחור מ"פייסבוק" בשם יאן לה-קאן,
06:54
This one was inventedבדוי in 1988
by a Facebookפייסבוק Fellowעָמִית calledשקוראים לו Yannיאן LeCunLeCun,
147
402595
4640
והיא מפיצה שלבי נתונים
06:59
and it propagatesמתפשט dataנתונים stagesשלבים
148
407259
3558
דרך מה שאפשר לדמות למוח האנושי.
07:02
throughדרך what you could think of
as the humanבן אנוש brainמוֹחַ.
149
410841
2578
זה לא בדיוק אותו הדבר,
אבל זה חיקוי של זה.
07:05
It's not quiteדַי the sameאותו thing,
but it emulatesחיקוי the sameאותו thing.
150
413443
2966
זה עובר שלב-שלב.
07:08
It goesהולך stageשלב after stageשלב.
151
416433
1302
בשלב הראשון האלגוריתם
לוקח קלט חזותי וממצה מתוכו שוליים,
07:09
In the very first stageשלב, it takes
the visualחָזוּתִי inputקֶלֶט and extractsתמציות edgesקצוות
152
417759
3637
קווים ונקודות.
07:13
and rodsמוטות and dotsנקודות.
153
421420
2612
בשלב הבא מדובר בשוליים
המורכבים יותר
07:16
And the nextהַבָּא one becomesהופך
more complicatedמסובך edgesקצוות
154
424056
3037
וצורות, כמו חצי-ירח,
07:19
and shapesצורות like little half-moonshalf-moons.
155
427117
3191
בסופו של דבר, הוא מסוגל לבנות
מושגים מורכבים מאד -
07:22
And eventuallyבסופו של דבר, it's ableיכול to buildלִבנוֹת
really complicatedמסובך conceptsמושגים.
156
430332
4443
07:26
Andrewאנדרו Ngנ ' has been ableיכול to showלְהַצִיג
157
434799
2048
אנדרו נג הצליח להוכיח
07:28
that it's ableיכול to find
catחתול facesפרצופים and dogכֶּלֶב facesפרצופים
158
436871
3480
שהוא מסוגל לזהות
פנים של כלבים וחתולים
07:32
in vastעָצוּם amountsסכומים of imagesתמונות.
159
440375
1661
בכמות עצומה של תמונות.
07:34
What my studentתלמיד teamקְבוּצָה
at Stanfordסטנפורד has shownמוצג is that
160
442060
2724
הסטודנטים שלי בסטנפורד הוכיחו
שאם מאמנים אותו בעזרת
129,000 תמונות של מחלות עור,
07:36
if you trainרכבת it on 129,000 imagesתמונות
of skinעור conditionsתנאים,
161
444808
6073
כולל מלנומות וקרצינומות,
07:42
includingלְרַבּוֹת melanomaסַרטַן הַעוֹר and carcinomasקרצינומה,
162
450905
2565
הוא משיג תוצאות טובות
07:45
you can do as good a jobעבודה
163
453494
3301
כמו של רופאי העור האנושיים
הכי טובים.
07:48
as the bestהטוב ביותר humanבן אנוש dermatologistsדרמטולוגים.
164
456819
2197
07:51
And to convinceלְשַׁכְנֵעַ ourselvesבְּעָצמֵנוּ
that this is the caseמקרה,
165
459040
2549
וכדי להשתכנע שזה אכן כך,
בודדנו בסיס נתונים עצמאי
והגשנו אותו לרשת שלנו
07:53
we capturedשנתפסו an independentעצמאי datasetמערך נתונים
that we presentedמוצג to our networkרֶשֶׁת
166
461613
3990
ול-25 רופאי-עור מוסמכים
בתקן של סטנפורד,
07:57
and to 25 board-certifiedמוסמך במועצת המנהלים
Stanford-levelסטנפורד ברמת dermatologistsדרמטולוגים,
167
465627
4342
והשווינו ביניהם.
08:01
and comparedבהשוואה those.
168
469993
1672
וברוב המקרים
08:03
And in mostרוב casesבמקרים,
169
471689
1504
הם היו בשוויון או ביתרון
מבחינת ביצועי דיוק הסיווג
08:05
they were eitherאוֹ on parנָקוּב or aboveמֵעַל
the performanceביצועים classificationמִיוּן accuracyדיוק
170
473217
3875
לעומת רופאי העור האנושיים.
08:09
of humanבן אנוש dermatologistsדרמטולוגים.
171
477116
1467
כ"א: סיפרת לי אנקדוטה.
08:10
CACA: You were tellingאומר me an anecdoteאֲנֶקדוֹטָה.
172
478607
1746
נראה לי שזה היה קשור
לתמונה הזאת.
08:12
I think about this imageתמונה right here.
173
480377
1957
מה קרה כאן?
08:14
What happenedקרה here?
174
482358
1484
ס"ת: זה היה ביום חמישי האחרון.
זה קטע מרגש.
08:15
STרחוב: This was last Thursdayיוֹם חֲמִישִׁי.
That's a movingמעבר דירה pieceלְחַבֵּר.
175
483866
4008
מה שהראינו קודם,
שפרסמנו ב"נייצ'ר" בתחילת השנה,
08:19
What we'veיש לנו shownמוצג before and we publishedיצא לאור
in "Natureטֶבַע" earlierמוקדם יותר this yearשָׁנָה
176
487898
3600
היה הרעיון שאנו מראים תמונות
לרופאי-עור ולמחשב שלנו,
08:23
was this ideaרַעְיוֹן that we showלְהַצִיג
dermatologistsדרמטולוגים imagesתמונות
177
491522
2484
08:26
and our computerמַחשֵׁב programתָכְנִית imagesתמונות,
178
494030
1539
ומונים כמה פעמים הם צודקים.
08:27
and countלספור how oftenלעתים קרובות they're right.
179
495593
1627
אבל כל התמונות האלה הן מהעבר.
08:29
But all these imagesתמונות are pastעבר imagesתמונות.
180
497244
1778
כולן עברו ביופסיה כדי לוודא
שהסיווג שלנו נכון.
08:31
They'veהם עשו זאת all been biopsiedביופסיה to make sure
we had the correctנכון classificationמִיוּן.
181
499046
3460
זאת - לא.
08:34
This one wasn'tלא היה.
182
502530
1172
זאת צולמה בסטנפורד
ע"י שותף שלנו.
08:35
This one was actuallyלמעשה doneבוצע at Stanfordסטנפורד
by one of our collaboratorsמשתפי פעולה.
183
503726
3179
לפי הסיפור, השותף שלנו,
08:38
The storyכַּתָבָה goesהולך that our collaboratorמְשַׁתֵף פְּעוּלָה,
184
506929
2314
רופא-עור בעל פרסום עולמי,
אחד משלושת הטובים ביותר, מסתבר,
08:41
who is a world-famousמפורסם בעולם dermatologistדֶרמָטוֹלוֹג,
one of the threeשְׁלוֹשָׁה bestהטוב ביותר, apparentlyככל הנראה,
185
509267
3391
הביט בשומה הזאת ואמר,
"זה איננו סרטן עור."
08:44
lookedהביט at this moleחֲפַרפֶּרֶת and said,
"This is not skinעור cancerמחלת הסרטן."
186
512682
2935
ואז הוא חשב לרגע, ואמר,
"אוודא זאת בעזרת יישומון."
08:47
And then he had
a secondשְׁנִיָה momentרֶגַע, where he said,
187
515641
2476
08:50
"Well, let me just checkלבדוק with the appאפליקציה."
188
518141
1866
הוא שלף את ה"אייפון" שלו
והריץ את היישום שלנו,
08:52
So he tookלקח out his iPhoneiPhone
and ranרץ our pieceלְחַבֵּר of softwareתוֹכנָה,
189
520031
2699
את ה"רופא-עור-כיס" שלנו,
08:54
our "pocketכִּיס dermatologistדֶרמָטוֹלוֹג," so to speakלְדַבֵּר,
190
522754
2121
08:56
and the iPhoneiPhone said: cancerמחלת הסרטן.
191
524899
2994
וה"אייפון" קבע: סרטן.
מלנומה.
08:59
It said melanomaסַרטַן הַעוֹר.
192
527917
1306
הוא נבוך,
09:01
And then he was confusedמְבוּלבָּל.
193
529849
1233
והחליט, "טוב, אולי אני סומך
על ה'אייפון' קצת יותר מאשר על עצמי,"
09:03
And he decidedהחליט, "OK, maybe I trustאמון
the iPhoneiPhone a little bitbit more than myselfעצמי,"
194
531106
4551
09:07
and he sentנשלח it out to the labמַעבָּדָה
to get it biopsiedביופסיה.
195
535681
2735
והוא שלח את זה לביופסיה במעבדה.
והממצא היה "מלנומה תוקפנית."
09:10
And it cameבא up as an aggressiveתוֹקפָּנִי melanomaסַרטַן הַעוֹר.
196
538440
2469
אז נראה לי שזו הפעם הראשונה
שבה מצאנו,
09:13
So I think this mightאולי be the first time
that we actuallyלמעשה foundמצאתי,
197
541545
3067
באמצעות הלמידה העמוקה,
09:16
in the practiceלְתַרְגֵל of usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני deepעָמוֹק learningלְמִידָה,
198
544636
2487
מצב שבו מלנומה אצל אדם
היתה עלולה לא להתגלות
09:19
an actualמַמָשִׁי personאדם whoseשל מי melanomaסַרטַן הַעוֹר
would have goneנעלם unclassifiedלא מסווג,
199
547147
3372
אילולא הלמידה העמוקה.
09:22
had it not been for deepעָמוֹק learningלְמִידָה.
200
550543
2115
כ"א: מדהים!
09:24
CACA: I mean, that's incredibleמדהים.
201
552682
1560
(מחיאות כפיים)
09:26
(Applauseתְשׁוּאוֹת)
202
554266
1769
נראה לי שיהיה מיד
ביקוש מיידי ליישומון כזה,
09:28
It feelsמרגיש like there'dהאדום be an instantרֶגַע demandלִדרוֹשׁ
for an appאפליקציה like this right now,
203
556059
3600
וזה יכול להפחיד המון אנשים.
09:31
that you mightאולי freakמְשׁוּנֶה out a lot of people.
204
559683
1966
אתה חושב לעשות זאת,
ליצור יישומון שמאפשר בדיקה עצמית?
09:33
Are you thinkingחושב of doing this,
makingהֲכָנָה an appאפליקציה that allowsמאפשרים self-checkingבדיקה עצמית?
205
561673
3527
ס"ת: הדואר הנכנס שלי מוצף
בבקשות ליישומוני סרטן,
09:37
STרחוב: So my in-boxבקופסה is floodedמוּצָף
about cancerמחלת הסרטן appsאפליקציות,
206
565224
4973
עם סיפורים קורעי-לב של אנשים.
09:42
with heartbreakingשובר לב storiesסיפורים of people.
207
570221
2303
יש אנשים שהוסרו אצלם
10, 15, 20 מלנומות,
09:44
I mean, some people have had
10, 15, 20 melanomasמלנומה removedהוסר,
208
572548
3204
והם חוששים שיש כאלה שהוחמצו,
כמו זה,
09:47
and are scaredמפוחד that one
mightאולי be overlookedלהתעלם, like this one,
209
575776
3952
ומגיעות גם בקשות, לא יודע,
למכוניות מעופפות ופניות להרצות.
09:51
and alsoגַם, about, I don't know,
210
579752
1741
09:53
flyingעַף carsמכוניות and speakerרַמקוֹל inquiriesפניות
these daysימים, I guessלְנַחֵשׁ.
211
581517
2732
המסקנה שלי היא
שנחוצות לנו בדיקות נוספות.
09:56
My take is, we need more testingבדיקה.
212
584273
2738
אני רוצה להיזהר מאד.
09:59
I want to be very carefulזָהִיר.
213
587449
1778
קל מאד לתת תוצאה מסנוורת
ולהרשים את הקהל ב-TED.
10:01
It's very easyקַל to give a flashyמִתהַדֵר resultתוֹצָאָה
and impressלְהַרְשִׁים a TEDTED audienceקהל.
214
589251
3666
קשה הרבה יותר לשחרר מוצר באופן אחראי.
10:04
It's much harderקשה יותר to put
something out that's ethicalאֶתִי.
215
592941
2627
ואם אנשים ישתמשו ביישומון הזה
10:07
And if people were to use the appאפליקציה
216
595592
2394
ויחליטו לא להתייעץ עם רופא
בגלל טעות שלנו,
10:10
and chooseבחר not to consultלְהִתְיַעֵץ
the assistanceסִיוּעַ of a doctorדוֹקטוֹר
217
598010
2797
10:12
because we get it wrongלא בסדר,
218
600831
1583
ארגיש רע מאד בגלל זה.
10:14
I would feel really badרַע about it.
219
602438
1653
אז כרגע אנו עורכים בדיקות קליניות,
10:16
So we're currentlyכַּיוֹם doing clinicalקליני testsבדיקות,
220
604115
1925
ואם מהבדיקות יתברר
שהנתונים שלנו מוצקים,
10:18
and if these clinicalקליני testsבדיקות commenceלהתחיל
and our dataנתונים holdsמחזיק up,
221
606064
2798
אולי נוכל מתישהו
לקחת טכנולוגיה כזאת,
10:20
we mightאולי be ableיכול at some pointנְקוּדָה
to take this kindסוג of technologyטֶכנוֹלוֹגִיָה
222
608886
2990
ולהביאה לקליניקה של סטנפורד
10:23
and take it out of the Stanfordסטנפורד clinicמרפאה
223
611900
1892
ולעולם כולו,
10:25
and bringלְהָבִיא it to the entireשלם worldעוֹלָם,
224
613816
1658
למקומות שאליהם רופאים מסטנפורד
לא מגיעים לעולם.
10:27
placesמקומות where Stanfordסטנפורד
doctorsרופאים never, ever setמַעֲרֶכֶת footכף רגל.
225
615498
2456
10:30
CACA: And do I hearלִשְׁמוֹעַ this right,
226
618617
2580
כ"א: אם אני שומע נכון
נראה שמה שאתה אומר,
10:33
that it seemedנראה like what you were sayingפִּתגָם,
227
621221
1966
משום שאתה עובד עם צבא
של תלמידי "יודסיטי",
10:35
because you are workingעובד
with this armyצָבָא of UdacityUdacity studentsסטודנטים,
228
623211
4254
שאתם משתמשים בלמידת מכונה
בצורה שונה
10:39
that in a way, you're applyingיישום
a differentשונה formטופס of machineמְכוֹנָה learningלְמִידָה
229
627489
3221
מזו שיכולה להתנהל בחברה,
10:42
than mightאולי take placeמקום in a companyחֶברָה,
230
630734
1735
שאתם משלבים בין למידת מכונה
וחוכמת המונים.
10:44
whichאיזה is you're combiningשילוב machineמְכוֹנָה learningלְמִידָה
with a formטופס of crowdקָהָל wisdomחוכמה.
231
632493
3484
האם אתה אומר שלפעמים נראה לך
שזה יכול להתעלות על ביצועיה של חברה,
10:48
Are you sayingפִּתגָם that sometimesלִפְעָמִים you think
that could actuallyלמעשה outperformביצועים טובים יותר
232
636001
3384
אפילו חברה גדולה?
10:51
what a companyחֶברָה can do,
even a vastעָצוּם companyחֶברָה?
233
639409
2050
ס"ת: לדעתי יש כיום מקרים
שמדהימים אותי,
10:53
STרחוב: I believe there's now
instancesמקרים that blowלנשוף my mindאכפת,
234
641483
2940
ושאני עדיין מנסה להבין.
10:56
and I'm still tryingמנסה to understandמבין.
235
644447
1758
כריס מתייחס לתחרויות שאנו מנהלים.
10:58
What Chrisכריס is referringמתייחס to
is these competitionsתחרויות that we runלָרוּץ.
236
646229
3937
אנו מקציבים בהן 48 שעות,
11:02
We turnלפנות them around in 48 hoursשעות,
237
650190
2268
והצלחנו לבנות מכונית אוטונומית
11:04
and we'veיש לנו been ableיכול to buildלִבנוֹת
a self-drivingנהיגה עצמית carאוטו
238
652482
2252
שיכולה לנהוג ממאונטן וויו
ועד סן-פרנסיסקו על כביש סלול.
11:06
that can driveנהיגה from Mountainהַר Viewנוף
to Sanברג Franciscoפרנסיסקו on surfaceמשטח streetsרחובות.
239
654758
3387
זה לא ממש שווה-ערך להישגי "גוגל"
אחרי שבע שנות עבודה שלה,
11:10
It's not quiteדַי on parנָקוּב with GoogleGoogle
after sevenשֶׁבַע yearsשנים of GoogleGoogle work,
240
658169
3584
11:13
but it's gettingמקבל there.
241
661777
2528
אבל אנו מתקרבים לזה.
וזה דרש מאיתנו רק שני מהנדסים
ושלושה חודשי עבודה.
11:16
And it tookלקח us only two engineersמהנדסים
and threeשְׁלוֹשָׁה monthsחודשים to do this.
242
664329
3084
והסיבה היא שיש לנו
צבא של סטודנטים
11:19
And the reasonסיבה is, we have
an armyצָבָא of studentsסטודנטים
243
667437
2856
שמשתתפים בתחרויות.
11:22
who participateלְהִשְׂתַתֵף in competitionsתחרויות.
244
670317
1850
איננו היחידים שמשתמשים במיקור המונים.
11:24
We're not the only onesיחידות
who use crowdsourcing-.
245
672191
2220
"אובר" ו"דידי" משתמשות
במיקור המונים עבור נהיגה.
11:26
Uberאובר and Didiדידי use crowdsource- for drivingנְהִיגָה.
246
674435
2223
"אייר בי-אן-בי" משתמשת
במיקור המונים למקומות לינה.
11:28
AirbnbAirbnb usesשימו crowdsourcing- for hotelsבתי מלון.
247
676682
2759
יש היום הרבה דוגמאות
למיקור המונים עבור איתור באגים
11:31
There's now manyרב examplesדוגמאות
where people do bug-findingבאג-ממצא crowdsourcing-
248
679465
4007
או קיפול חלבונים, כל מיני דברים
בעזרת מיקור המונים.
11:35
or proteinחֶלְבּוֹן foldingמִתקַפֵּל, of all things,
in crowdsourcing-.
249
683496
2804
אבל אנו הצלחנו לבנות
את המכונית הזאת תוך 3 חודשים,
11:38
But we'veיש לנו been ableיכול to buildלִבנוֹת
this carאוטו in threeשְׁלוֹשָׁה monthsחודשים,
250
686324
2915
אז אני מעריך מחדש
11:41
so I am actuallyלמעשה rethinkingלחשוב מחדש
251
689263
3655
איך אנו מארגנים תאגידים.
11:44
how we organizeלְאַרגֵן corporationsתאגידים.
252
692942
2238
יש לנו סגל בן 9,000 איש
שאינם מועסקים
11:47
We have a staffצוות of 9,000 people
who are never hiredנשכר,
253
695204
4696
ושאינני מפטר.
11:51
that I never fireאֵשׁ.
254
699924
1308
הם מגיעים לעבודה
מבלי שאדע אפילו.
11:53
They showלְהַצִיג up to work
and I don't even know.
255
701256
2362
והם מגישים לי 9,000 הצעות.
11:55
Then they submitשלח to me
maybe 9,000 answersתשובות.
256
703642
3058
אני לא מחוייב לקבל
אף אחת מהן.
11:58
I'm not obligedמְחוּיָב to use any of those.
257
706724
2176
בסופו של דבר -
אני משלם רק לזוכים,
12:00
I endסוֹף up -- I payלְשַׁלֵם only the winnersזוכים,
258
708924
1991
אז אני די קמצן פה,
ואולי זה לא הכי טוב.
12:02
so I'm actuallyלמעשה very cheapskateקמצן here,
whichאיזה is maybe not the bestהטוב ביותר thing to do.
259
710939
3718
אבל מצד שני הם רואים בזה
חלק מההשכלה שלהם, וזה נחמד.
12:06
But they considerלשקול it partחֵלֶק
of theirשֶׁלָהֶם educationהַשׂכָּלָה, too, whichאיזה is niceנֶחְמָד.
260
714681
3185
אבל הסטודנטים האלה הצליחו
לייצר תוצאות מדהימות של למידה עמוקה.
12:09
But these studentsסטודנטים have been ableיכול
to produceליצר amazingמדהים deepעָמוֹק learningלְמִידָה resultsתוצאות.
261
717890
4201
אז, כן. מדהים לשלב בין אנשים נפלאים
ולמידה עמוקה מעולה.
12:14
So yeah, the synthesisסִינתֶזָה of great people
and great machineמְכוֹנָה learningלְמִידָה is amazingמדהים.
262
722115
3861
כ"א: גארי קספרוב אמר
ביום הראשון [ב-TED2017]
12:18
CACA: I mean, Garyגארי Kasparovקספארוב said on
the first day [of TEDTED2017]
263
726000
2814
שהמנצחים בשחמט, במפתיע,
הם שני שחקני שחמט חובבים
12:20
that the winnersזוכים of chessשַׁחְמָט, surprisinglyלמרבה ההפתעה,
turnedפנה out to be two amateurחוֹבְבָן chessשַׁחְמָט playersשחקנים
264
728848
5412
עם שלוש תוכנות מחשב
בינוניות, בינוניות עד טובות,
12:26
with threeשְׁלוֹשָׁה mediocre-ishmediocre-ish,
mediocre-to-goodבינוני-טוב, computerמַחשֵׁב programsתוכניות,
265
734284
5371
12:31
that could outperformביצועים טובים יותר one grandגָדוֹל masterלִשְׁלוֹט
with one great chessשַׁחְמָט playerשחקן,
266
739679
3163
שעולות בביצועיהן על רב-אמן
מול שחקן מצטיין,
12:34
like it was all partחֵלֶק of the processתהליך.
267
742866
1743
כאילו כל זה חלק מהתהליך.
12:36
And it almostכִּמעַט seemsנראה like
you're talkingשִׂיחָה about a much richerעשירה יותר versionגִרְסָה
268
744633
3335
ונראה שאתה מדבר על גירסה
עשירה בהרבה של אותו הרעיון.
12:39
of that sameאותו ideaרַעְיוֹן.
269
747992
1200
ס"ת: כן, תראה, כשעקבת אחרי
הפנלים הנפלאים של אתמול בבוקר,
12:41
STרחוב: Yeah, I mean, as you followedאחריו
the fantasticפַנטַסטִי panelsלוחות yesterdayאתמול morningשַׁחַר,
270
749216
3857
שני מפגשים בנושא בינה מלאכותית,
12:45
two sessionsמפגשים about AIAI,
271
753097
1994
עליית הרובוטיקה והתגובה האנושית,
12:47
roboticרובוטית overlordsאדונים and the humanבן אנוש responseתְגוּבָה,
272
755115
2167
נאמרו הרבה מאד דברים חשובים.
12:49
manyרב, manyרב great things were said.
273
757306
1982
אבל אחת הדאגות היא
שלפעמים אנו מבלבלים
12:51
But one of the concernsחששות is
that we sometimesלִפְעָמִים confuseלְבַלבֵּל
274
759312
2687
בין מה שנעשה בפועל
בתחום הבינה המלאכותית
12:54
what's actuallyלמעשה been doneבוצע with AIAI
with this kindסוג of overlordOverlord threatאִיוּם,
275
762023
4062
לבין הפחד מהרובוטים,
12:58
where your AIAI developsמפתחת
consciousnessתוֹדָעָה, right?
276
766109
3424
ומכך שהבינה המלאכותית תפתח תודעה, נכון?
הדבר האחרון שאני רוצה
הוא שהבינה המלאכותית שלי תהיה מודעת.
13:01
The last thing I want
is for my AIAI to have consciousnessתוֹדָעָה.
277
769557
2971
אני לא רוצה להיכנס למטבח
13:04
I don't want to come into my kitchenמִטְבָּח
278
772552
1716
ולגלות מהמקרר שלי התאהב במדיח
13:06
and have the refrigeratorמְקָרֵר fallנפילה in love
with the dishwasherמדיח כלים
279
774292
4193
ואומר לי שבגלל שלא התנהגתי יפה,
13:10
and tell me, because I wasn'tלא היה niceנֶחְמָד enoughמספיק,
280
778509
2124
הוא כבר לא מקרר לי את האוכל.
13:12
my foodמזון is now warmחַם.
281
780657
1837
13:14
I wouldn'tלא buyלִקְנוֹת these productsמוצרים,
and I don't want them.
282
782518
2891
לא הייתי קונה מוצרים כאלה.
אני לא רוצה בהם.
13:17
But the truthאֶמֶת is, for me,
283
785825
1802
אבל האמת היא שמבחינתי,
הבינה המלאכותית תמיד נחשבה
להגברה של האנושיות.
13:19
AIAI has always been
an augmentationהגדלה of people.
284
787651
2720
זו הגברה שלנו
שנועדה להוסיף לנו עוצמה.
13:22
It's been an augmentationהגדלה of us,
285
790893
1676
13:24
to make us strongerיותר חזק.
286
792593
1457
ואני חושב שקספרוב קלע למטרה.
13:26
And I think Kasparovקספארוב was exactlyבְּדִיוּק correctנכון.
287
794074
2831
השילוב בין החוכמה האנושית
לחוכמה של המכונות
13:28
It's been the combinationקוֹמבִּינַצִיָה
of humanבן אנוש smartsחכם and machineמְכוֹנָה smartsחכם
288
796929
3849
הוא שמעצים אותנו.
13:32
that make us strongerיותר חזק.
289
800802
1464
הרעיון של התעצמות בעזרת מכונות
עתיק כמו המכונות עצמן.
13:34
The themeנושא of machinesמכונה makingהֲכָנָה us strongerיותר חזק
is as oldישן as machinesמכונה are.
290
802290
4587
המהפכה החקלאית התחוללה
משום שיצרנו מנועי קיטור
13:39
The agriculturalחַקלָאִי revolutionמַהְפֵּכָה tookלקח
placeמקום because it madeעָשׂוּי steamקִיטוֹר enginesמנועים
291
807567
3758
וציוד חקלאי שלא היה מסוגל
לפעול בעצמו,
13:43
and farmingחַקלָאוּת equipmentצִיוּד
that couldn'tלא יכול farmחווה חקלאית by itselfעצמה,
292
811349
2666
המכונות מעולם לא החליפו אותנו;
הן תגברו אותנו.
13:46
that never replacedהוחלף us;
it madeעָשׂוּי us strongerיותר חזק.
293
814039
2122
ואני מאמין שהגל החדש הזה
של בינה מלאכותית, יעצים אותנו בהרבה
13:48
And I believe this newחָדָשׁ waveגַל of AIAI
will make us much, much strongerיותר חזק
294
816185
3738
כמין אנושי.
13:51
as a humanבן אנוש raceגזע.
295
819947
1183
כ"א: מיד נגיע לזה,
13:53
CACA: We'llטוֹב come on to that a bitbit more,
296
821765
1813
אבל כהמשך לחלק שמפחיד אנשים מסוימים,
13:55
but just to continueלְהַמשִׁיך with the scaryמַפְחִיד partחֵלֶק
of this for some people,
297
823602
3671
למשל, הפחד מכך
שמחשב ישכתב את הקוד שלו,
13:59
like, what feelsמרגיש like it getsמקבל
scaryמַפְחִיד for people is when you have
298
827297
3558
14:02
a computerמַחשֵׁב that can, one,
rewriteלִכתוֹב מִחָדָשׁ its ownשֶׁלוֹ codeקוד,
299
830879
4618
14:07
so, it can createלִיצוֹר
multipleמְרוּבֶּה copiesעותקים of itselfעצמה,
300
835521
3584
שיוכל ליצור עותקים של עצמו,
לנסות גירסאות קוד שונות,
14:11
try a bunchצְרוֹר of differentשונה codeקוד versionsגרסאות,
301
839129
1897
אולי אפילו באופן אקראי,
14:13
possiblyיִתָכֵן even at randomאַקרַאִי,
302
841050
1775
ואז לבדוק לראות אם המטרה הושגה
ויש שיפור.
14:14
and then checkלבדוק them out and see
if a goalמטרה is achievedהושג and improvedמְשׁוּפָּר.
303
842849
3632
נניח שהמטרה היא
להשתפר במבחן אינטליגנציה.
14:18
So, say the goalמטרה is to do better
on an intelligenceאינטליגנציה testמִבְחָן.
304
846505
3641
מחשב שטוב בכך במידה בינונית,
14:22
You know, a computerמַחשֵׁב
that's moderatelyבִּמְתִינוּת good at that,
305
850170
3894
יכול לנסות מיליון גירסאות.
14:26
you could try a millionמִילִיוֹן versionsגרסאות of that.
306
854088
2509
למצוא אחת עדיפה,
14:28
You mightאולי find one that was better,
307
856621
2090
ואז לחזור על זה.
14:30
and then, you know, repeatחזור.
308
858735
2004
אז הדאגה היא שייווצר
אפקט של יציאה משליטה,
14:32
And so the concernדְאָגָה is that you get
some sortסוג of runawayלברוח effectהשפעה
309
860763
3040
כשביום חמישי בערב הכל בסדר,
14:35
where everything is fine
on Thursdayיוֹם חֲמִישִׁי eveningעֶרֶב,
310
863827
3008
וכשחוזרים למעבדה ביום ששי בבוקר,
14:38
and you come back into the labמַעבָּדָה
on Fridayיוֹם שִׁישִׁי morningשַׁחַר,
311
866859
2336
בגלל המהירות של המחשב וכן הלאה,
14:41
and because of the speedמְהִירוּת
of computersמחשבים and so forthהָלְאָה,
312
869219
2449
הכל משתגע, ופתאום --
14:43
things have goneנעלם crazyמְטוּרָף, and suddenlyפִּתְאוֹם --
313
871692
1903
ס"ת: הייתי אומר שזאת אפשרות,
14:45
STרחוב: I would say this is a possibilityאפשרות,
314
873619
2020
אבל אפשרות דחוקה ביותר.
14:47
but it's a very remoteמְרוּחָק possibilityאפשרות.
315
875663
1916
אנסה לתרגם את מה ששמעתי ממך.
14:49
So let me just translateלתרגם
what I heardשמע you say.
316
877603
3337
במקרה של "אלפא-גו",
היה לנו בדיוק דבר כזה:
14:52
In the AlphaGoאלפאגו caseמקרה,
we had exactlyבְּדִיוּק this thing:
317
880964
2704
המחשב שיחק נגד עצמו
14:55
the computerמַחשֵׁב would playלְשַׂחֵק
the gameמִשְׂחָק againstמול itselfעצמה
318
883692
2315
ולמד כללים חדשים.
14:58
and then learnלִלמוֹד newחָדָשׁ rulesכללים.
319
886031
1250
ולמידת המכונה היא אכן
שכתוב של הכללים.
14:59
And what machineמְכוֹנָה learningלְמִידָה is
is a rewritingשִׁכתוּב of the rulesכללים.
320
887305
3235
זהו שכתוב של הקוד.
15:02
It's the rewritingשִׁכתוּב of codeקוד.
321
890564
1769
אבל לדעתי לא היתה כל סיבה לדאגה
15:04
But I think there was
absolutelyבהחלט no concernדְאָגָה
322
892357
2845
ש"אלפא-גו" ישתלט על העולם.
15:07
that AlphaGoאלפאגו would take over the worldעוֹלָם.
323
895226
2426
הוא אפילו לא יודע
לשחק שחמט.
15:09
It can't even playלְשַׂחֵק chessשַׁחְמָט.
324
897676
1464
כ"א: לא, לא, אבל כל אלה
הם תחומים ייחודיים מאד.
15:11
CACA: No, no, no, but now,
these are all very single-domainדומיין יחיד things.
325
899164
5147
אבל אפשר לדמיין...
15:16
But it's possibleאפשרי to imagineלדמיין.
326
904335
2879
ראינו הרי זה עתה מחשב
שכנראה מסוגל לעבור
15:19
I mean, we just saw a computerמַחשֵׁב
that seemedנראה nearlyכמעט capableבעל יכולת
327
907238
3089
את בחינות הכניסה לאוניברסיטה,
15:22
of passingחוֹלֵף a universityאוּנִיבֶרְסִיטָה entranceכְּנִיסָה testמִבְחָן,
328
910351
2655
שיכול -- הוא לא יודע
לקרוא או להבין כמונו,
15:25
that can kindסוג of -- it can't readלקרוא
and understandמבין in the senseלָחוּשׁ that we can,
329
913030
3688
אבל הוא בהחלט מסוגל
לקלוט את כל הטקסט
15:28
but it can certainlyבְּהֶחלֵט absorbלִסְפּוֹג all the textטֶקסט
330
916742
1987
ואולי למצוא דפוסי משמעות מוגברים.
15:30
and maybe see increasedמוּגדָל
patternsדפוסי of meaningמַשְׁמָעוּת.
331
918753
2899
האם אין סיכוי
שכאשר כל זה יתרחב,
15:33
Isn't there a chanceהִזדַמְנוּת that,
as this broadensמתרחב out,
332
921676
3694
ייווצר אפקט אחר של יציאה משליטה?
15:37
there could be a differentשונה
kindסוג of runawayלברוח effectהשפעה?
333
925394
2466
ס"ת: כאן אני מותח את הגבול, בכנות.
15:39
STרחוב: That's where
I drawלצייר the lineקַו, honestlyבִּיוֹשֶׁר.
334
927884
2078
הסיכוי קיים --
אינני רוצה להמעיט בערך הדבר --
15:41
And the chanceהִזדַמְנוּת existsקיים --
I don't want to downplayמשחק it --
335
929986
2643
אבל לדעתי זה רחוק
וזה לא מעסיק אותי בימים אלה,
15:44
but I think it's remoteמְרוּחָק, and it's not
the thing that's on my mindאכפת these daysימים,
336
932653
3672
כי לדעתי המהפכה הגדולה
מתחוללת במקום אחר.
15:48
because I think the bigגָדוֹל revolutionמַהְפֵּכָה
is something elseאַחֵר.
337
936349
2512
כל מה שמוצלח בבינה המלאכותית
עד היום
15:50
Everything successfulמוּצלָח in AIAI
to the presentמתנה dateתַאֲרִיך
338
938885
2922
היה מוגבל מאד לתחומו,
15:53
has been extremelyמְאוֹד specializedהתמחה,
339
941831
2214
וזה מצליח על יסוד רעיון אחד ויחיד:
15:56
and it's been thrivingמשגשגת on a singleיחיד ideaרַעְיוֹן,
340
944069
2489
כמויות עצומות של נתונים.
15:58
whichאיזה is massiveמַסִיבִי amountsסכומים of dataנתונים.
341
946582
2739
הסיבה ש"אלפא-גו" מוצלח כל-כך
היא בגלל כמויות עתק של משחקי גו,
16:01
The reasonסיבה AlphaGoאלפאגו worksעובד so well
is because of massiveמַסִיבִי numbersמספרים of Go playsמחזות,
342
949345
4147
"אלפא-גו" לא מסוגל
לנהוג במכונית או להטיס מטוס.
16:05
and AlphaGoאלפאגו can't driveנהיגה a carאוטו
or flyלטוס, זבוב a planeמָטוֹס.
343
953516
3255
המכוניות האוטונומית של "גוגל"
ושל "יודסיטי"
16:08
The GoogleGoogle self-drivingנהיגה עצמית carאוטו
or the UdacityUdacity self-drivingנהיגה עצמית carאוטו
344
956795
3031
מצליחות בזכות כמויות עתק של נתונים,
והן לא יודעות לעשות משהו אחר.
16:11
thrivesפורחת on massiveמַסִיבִי amountsסכומים of dataנתונים,
and it can't do anything elseאַחֵר.
345
959850
3240
הן לא יודעות לשלוט באופנוע.
16:15
It can't even controlלִשְׁלוֹט a motorcycleאופנוע.
346
963114
1727
16:16
It's a very specificספֵּצִיפִי,
domain-specificתחום ספציפי functionפוּנקצִיָה,
347
964865
2762
זה מאד ספציפי,
ומוגבל לתחום מסוים,
וזה נכון גם לגבי
יישומון הסרטן שלנו.
16:19
and the sameאותו is trueנָכוֹן for our cancerמחלת הסרטן appאפליקציה.
348
967651
1907
לא היתה כמעט שום התקדמות
בדבר שקרוי "בינה מלאכותית כללית,"
16:21
There has been almostכִּמעַט no progressהתקדמות
on this thing calledשקוראים לו "generalכללי AIAI,"
349
969582
3236
כשניגשים לבינה מלאכותית ואומרים,
"תמציאי לי תורת יחסות פרטית
16:24
where you go to an AIAI and say,
"Hey, inventלִהַמצִיא for me specialמיוחד relativityתוֹרַת הָיַחֲסוּת
350
972842
4000
"או את תורת המיתרים."
16:28
or stringחוּט theoryתֵאוֹרִיָה."
351
976866
1666
היא לגמרי בחיתוליה.
16:30
It's totallyלְגַמרֵי in the infancyיַנקוּת.
352
978556
1931
הסיבה שאני רוצה להדגיש זאת,
16:32
The reasonסיבה I want to emphasizeלהדגיש this,
353
980511
2127
אני רואה את הדאגות
ואני מכיר בהן,
16:34
I see the concernsחששות,
and I want to acknowledgeלְהוֹדוֹת them.
354
982662
3838
אבל אם יש דבר אחד
שכדאי לחשוב עליו,
16:38
But if I were to think about one thing,
355
986524
2886
הייתי שואל את עצמי,
16:41
I would askלִשְׁאוֹל myselfעצמי the questionשְׁאֵלָה,
"What if we can take anything repetitiveחוזרת
356
989434
5563
"מה אם ניקח כל משימה
שחוזרת על עצמה
16:47
and make ourselvesבְּעָצמֵנוּ
100 timesפִּי as efficientיָעִיל?"
357
995021
3473
"ונתייעל פי מאה?"
16:51
It so turnsפונה out, 300 yearsשנים agoלִפנֵי,
we all workedעבד in agricultureחַקלָאוּת
358
999170
4249
מסתבר שלפני 300 שנה
כולנו עבדנו בחקלאות
עבדנו במשק ועשינו
מטלות שחוזרות על עצמן.
16:55
and did farmingחַקלָאוּת and did repetitiveחוזרת things.
359
1003443
2051
היום, 75% מאיתנו עובדים במשרדים
16:57
Todayהיום, 75 percentאָחוּז of us work in officesמשרדים
360
1005518
2556
ועושים דברים שחוזרים על עצמם.
17:00
and do repetitiveחוזרת things.
361
1008098
2124
נעשינו עבדים לגליון האלקטרוני.
17:02
We'veללא שם: יש לנו becomeהפכו spreadsheetגיליון אלקטרוני monkeysקופים.
362
1010246
2183
ולא מדובר רק בעובדי הצווארון הכחול.
17:04
And not just low-endסוף נמוך laborעבודה.
363
1012453
2054
נעשינו לרופאי-עור
שעושים דברים שחוזרים על עצמם,
17:06
We'veללא שם: יש לנו becomeהפכו dermatologistsדרמטולוגים
doing repetitiveחוזרת things,
364
1014531
2754
עורכי-דין שעושים דברים שחוזרים על עצמם.
17:09
lawyersעורכי דין doing repetitiveחוזרת things.
365
1017309
1749
לדעתי, בקרוב נוכל לקחת
בינה מלאכותית כלשהי,
17:11
I think we are at the brinkסַף
of beingלהיות ableיכול to take an AIAI,
366
1019082
3823
להביט מעבר לכתף,
17:14
look over our shouldersכתפיים,
367
1022929
1718
וזה יהפוך אותנו ליעילים פי 10 או 50
במשימות שחוזרות על עצמן.
17:16
and they make us maybe 10 or 50 timesפִּי
as effectiveיָעִיל in these repetitiveחוזרת things.
368
1024671
4058
זה מה שמעסיק אותי.
17:20
That's what is on my mindאכפת.
369
1028753
1275
כ"א: זה נשמע מרתק מאד.
17:22
CACA: That soundsקולות superסוּפֶּר excitingמְרַגֵשׁ.
370
1030052
2450
17:24
The processתהליך of gettingמקבל there seemsנראה
a little terrifyingמפחיד to some people,
371
1032526
3530
הדרך לשם נראית קצת מפחידה
לאנשים מסוימים,
כי ברגע שמחשב יוכל לעשות
מטלות שחוזרות על עצמן
17:28
because onceפַּעַם a computerמַחשֵׁב
can do this repetitiveחוזרת thing
372
1036080
3180
טוב בהרבה מרופא העור
17:31
much better than the dermatologistדֶרמָטוֹלוֹג
373
1039284
3434
או מהנהג, שעל זה במיוחד
מדברים הרבה היום,
17:34
or than the driverנהג, especiallyבמיוחד,
is the thing that's talkedדיבר about
374
1042742
3230
17:37
so much now,
375
1045996
1290
לפתע ייעלמו מיליוני מקומות עבודה,
17:39
suddenlyפִּתְאוֹם millionsמיליונים of jobsמקומות תעסוקה go,
376
1047310
1958
17:41
and, you know, the country'sמדינה in revolutionמַהְפֵּכָה
377
1049292
2695
והארץ תהיה במהפכה
עוד לפני שבכלל נגיע
להיבטים הנהדרים שיתאפשרו.
17:44
before we ever get to the more
gloriousמְפוֹאָר aspectsהיבטים of what's possibleאפשרי.
378
1052011
4329
ס"ת: כן, וזאת בעיה,
בעיה רצינית.
17:48
STרחוב: Yeah, and that's an issueנושא,
and it's a bigגָדוֹל issueנושא,
379
1056364
2517
ציינו אותה אתמול
כמה מרצים-אורחים.
17:50
and it was pointedמְחוּדָד out yesterdayאתמול morningשַׁחַר
by severalכַּמָה guestאוֹרֵחַ speakersרמקולים.
380
1058905
4196
17:55
Now, priorקוֹדֵם to me showingמראה up onstageעל הבמה,
381
1063125
2754
לפני שעליתי לבמה,
הודיתי שאני אדם חיובי ואופטימי,
17:57
I confessedהודה I'm a positiveחִיוּבִי,
optimisticאוֹפּטִימִי personאדם,
382
1065903
3739
אז בואו ואתן לכם
נאום מכירות אופטימי,
18:01
so let me give you an optimisticאוֹפּטִימִי pitchגובה הצליל,
383
1069666
2389
18:04
whichאיזה is, think of yourselfעַצמְךָ
back 300 yearsשנים agoלִפנֵי.
384
1072079
4795
דמיינו את עצמכם לפני 300 שנה.
אירופה שרדה זה עתה
140 שנות מלחמה מתמשכת,
18:08
Europeאֵירוֹפָּה just survivedשרד 140 yearsשנים
of continuousרָצִיף warמִלחָמָה,
385
1076898
3996
איש מכם אינו יודע קרוא וכתוב,
18:12
noneאף אחד of you could readלקרוא or writeלִכתוֹב,
386
1080918
1711
המשרות שיש לכם היום
בכלל לא היו,
18:14
there were no jobsמקומות תעסוקה that you holdלְהַחזִיק todayהיום,
387
1082653
2945
כמו בנקאי השקעות,
מהנדס תוכנה או מגיש חדשות.
18:17
like investmentהַשׁקָעָה bankerבַּנקָאִי
or softwareתוֹכנָה engineerמהנדס or TVטֵלֶוִיזִיָה anchorלְעַגֵן.
388
1085622
4096
18:21
We would all be in the fieldsשדות and farmingחַקלָאוּת.
389
1089742
2414
כולנו היינו בשדות, עובדים בחקלאות.
18:24
Now here comesבא little Sebastianסבסטיאן
with a little steamקִיטוֹר engineמנוע in his pocketכִּיס,
390
1092180
3573
מופיע סבסטיאן קטן
ובכיסו מנוע קיטור קטן,
ואומר, "חבר'ה, תראו את זה.
18:27
sayingפִּתגָם, "Hey guys, look at this.
391
1095777
1548
"זה יכפיל את כוחכם פי 100
ואז תוכלו לעסוק במשהו אחר."
18:29
It's going to make you 100 timesפִּי
as strongחָזָק, so you can do something elseאַחֵר."
392
1097349
3595
18:32
And then back in the day,
there was no realאמיתי stageשלב,
393
1100968
2470
ובאותם ימים לא היתה במה אמיתית,
כריס ואני הסתובבנו עם הפרות ברפת,
18:35
but Chrisכריס and I hangלִתְלוֹת out
with the cowsפרות in the stableיַצִיב,
394
1103462
2526
18:38
and he saysאומר, "I'm really
concernedמודאג about it,
395
1106012
2100
והוא אומר לי,
"זה מדאיג אותי מאד,
"כי אני חולב את פרתי בכל יום.
מה אם המכונה תעשה את זה במקומי?"
18:40
because I milkחלב my cowפָּרָה everyכֹּל day,
and what if the machineמְכוֹנָה does this for me?"
396
1108136
3652
אני מעלה את זה,
18:43
The reasonסיבה why I mentionאִזְכּוּר this is,
397
1111812
1702
18:46
we're always good in acknowledgingהודה
pastעבר progressהתקדמות and the benefitתועלת of it,
398
1114360
3603
כי כולנו מכירים בקידמה שחלה בעבר
ובתועלת שלה,
כמו ה"אייפון", המטוס, החשמל
או התרופות.
18:49
like our iPhonesiPhones or our planesמטוסים
or electricityחַשְׁמַל or medicalרְפוּאִי supplyלְסַפֵּק.
399
1117987
3354
אנו נהנים לחיות עד גיל 80,
מה שלא היה אפשרי לפני 300 שנה.
18:53
We all love to liveלחיות to 80,
whichאיזה was impossibleבלתי אפשרי 300 yearsשנים agoלִפנֵי.
400
1121365
4245
אבל משום-מה
איננו מתייחסים כך אל העתיד.
18:57
But we kindסוג of don't applyלהגיש מועמדות
the sameאותו rulesכללים to the futureעתיד.
401
1125634
4156
19:02
So if I look at my ownשֶׁלוֹ jobעבודה as a CEOמנכ"ל,
402
1130621
3207
אם אני מסתכל על תפקידי כמנכ"ל,
הייתי אומר ש-90% מעבודתי
הם דברים חוזרים ונשנים,
19:05
I would say 90 percentאָחוּז
of my work is repetitiveחוזרת,
403
1133852
3140
אני לא נהנה מזה,
19:09
I don't enjoyלהנות it,
404
1137016
1351
אני מקדיש כארבע שעות ביום
להתעסקות חוזרת ונשנית בדוא"ל מטופש.
19:10
I spendלְבַלוֹת about fourארבעה hoursשעות perלְכָל day
on stupidמְטוּפָּשׁ, repetitiveחוזרת emailאֶלֶקטרוֹנִי.
405
1138391
3978
19:14
And I'm burningשריפה to have something
that helpsעוזר me get ridלְשַׁחְרֵר of this.
406
1142393
3641
ואני מת למשהו
שיעזור לי להיפטר מזה.
מדוע?
19:18
Why?
407
1146058
1158
כי אני מאמין שכולנו יצירתיים בטירוף,
19:19
Because I believe all of us
are insanelyבטירוף creativeיְצִירָתִי;
408
1147240
3003
וקהילת TED - יותר מכל.
19:22
I think the TEDTED communityהקהילה
more than anybodyמִישֶׁהוּ elseאַחֵר.
409
1150731
3194
אבל אפילו עובדי צווארון כחול -
לדעתי, אם תיגש למשרתת או למשרת במלון
19:25
But even blue-collarצווארון כחול workersעובדים;
I think you can go to your hotelמלון maidעוזרת
410
1153949
3559
19:29
and have a drinkלִשְׁתוֹת with him or her,
411
1157532
2402
תזמין אותם למשקה,
19:31
and an hourשָׁעָה laterיותר מאוחר,
you find a creativeיְצִירָתִי ideaרַעְיוֹן.
412
1159958
2717
בתוך שעה תקבל מהם רעיון יצירתי.
19:34
What this will empowerלהעצים
is to turnלפנות this creativityיְצִירָתִיוּת into actionפעולה.
413
1162699
4140
הדבר הזה יגרום ליצירתיות הזאת להתגשם.
19:39
Like, what if you could
buildלִבנוֹת GoogleGoogle in a day?
414
1167265
3442
למשל, מה אם נוכל
לבנות "גוגל" תוך יום?
19:43
What if you could sitלָשֶׁבֶת over beerבירה
and inventלִהַמצִיא the nextהַבָּא SnapchatSnapchat,
415
1171221
3316
מה אם יכולנו להמציא על כוס בירה
את ה"סנאפצ'ט" הבא,
מה שזה לא יהיה,
19:46
whateverמה שתגיד it is,
416
1174561
1165
ולמחרת בבוקר זה כבר יפעל?
19:47
and tomorrowמָחָר morningשַׁחַר it's up and runningרץ?
417
1175750
2187
וזה איננו מדע בדיוני.
19:49
And that is not scienceמַדָע fictionספרות בדיונית.
418
1177961
1773
מה שהולך לקרות הוא,
19:51
What's going to happenלִקְרוֹת is,
419
1179758
1254
שאנו כבר חלק מההיסטוריה,
19:53
we are alreadyכְּבָר in historyהִיסטוֹרִיָה.
420
1181036
1867
19:54
We'veללא שם: יש לנו unleashedשוחרר this amazingמדהים creativityיְצִירָתִיוּת
421
1182927
3228
שהוצאנו לאור את היצירתיות המדהימה הזאת
בכך שהשתחררנו מהשעבוד לחקלאות
19:58
by de-slavingמבטל את קורעת את עצמה us from farmingחַקלָאוּת
422
1186179
1611
ואח"כ, כמובן, מהעבודה במפעל
19:59
and laterיותר מאוחר, of courseקוּרס, from factoryבית חרושת work
423
1187814
3363
20:03
and have inventedבדוי so manyרב things.
424
1191201
3162
והמצאנו כה הרבה דברים.
שזה עתיד ללכת ולהשתפר, לדעתי.
20:06
It's going to be even better,
in my opinionדעה.
425
1194387
2178
ותהיינה לזה תוצאות-לוואי נהדרות.
20:08
And there's going to be
great sideצַד effectsההשפעות.
426
1196589
2072
אחת מתוצאות הלוואי תהיה
20:10
One of the sideצַד effectsההשפעות will be
427
1198685
1489
שדברים כמו מזון, אספקה רפואית,
השכלה, מחסה ותחבורה
20:12
that things like foodמזון and medicalרְפוּאִי supplyלְסַפֵּק
and educationהַשׂכָּלָה and shelterמקלט
428
1200198
4795
20:17
and transportationהוֹבָלָה
429
1205017
1177
ייעשו זולים בהרבה לכולנו,
20:18
will all becomeהפכו much more
affordableזול to all of us,
430
1206218
2441
ולא רק לעשירים.
20:20
not just the richעָשִׁיר people.
431
1208683
1322
20:22
CACA: Hmmהממ.
432
1210029
1182
כ"א: המממ...
20:23
So when Martinסְנוּנִית Fordלַחֲצוֹת arguedטען, you know,
that this time it's differentשונה
433
1211235
4341
אז כשמרטין פורד טען
שהפעם זה אחרת
משום שהבינה בה נעזרנו בעבר
20:27
because the intelligenceאינטליגנציה
that we'veיש לנו used in the pastעבר
434
1215600
3453
כדי למצוא דרכים חדשות
20:31
to find newחָדָשׁ waysדרכים to be
435
1219077
2483
תידחק החוצה באותו הקצב
20:33
will be matchedבהתאמה at the sameאותו paceלִפְסוֹעַ
436
1221584
2279
ע"י מחשבים שישתלטו על הדברים האלה,
20:35
by computersמחשבים takingלְקִיחָה over those things,
437
1223887
2291
מה שאני שומע ממך
זה שלא לגמרי
20:38
what I hearלִשְׁמוֹעַ you sayingפִּתגָם
is that, not completelyלַחֲלוּטִין,
438
1226202
3078
20:41
because of humanבן אנוש creativityיְצִירָתִיוּת.
439
1229304
2951
הודות ליצירתיות האנושית...
האם לדעתך זה שונה מן היסוד
מסוג היצירתיות
20:44
Do you think that that's fundamentallyבִּיסוֹדוֹ
differentשונה from the kindסוג of creativityיְצִירָתִיוּת
440
1232279
3785
שהמחשבים מסוגלים לה?
20:48
that computersמחשבים can do?
441
1236088
2696
ס"ת: אני מאמין בתוקף
כאיש בינה מלאכותית --
20:50
STרחוב: So, that's my firmמוּצָק
beliefאמונה as an AIAI personאדם --
442
1238808
4434
שלא ראיתי שום התקדמות אמיתית
מבחינת יצירתיות
20:55
that I haven'tלא seenלראות
any realאמיתי progressהתקדמות on creativityיְצִירָתִיוּת
443
1243266
3803
וחשיבה לא-שגרתית.
20:59
and out-of-the-boxמחוץ לקופסא thinkingחושב.
444
1247949
1407
מה שאני רואה כרגע --
וחשוב מאד שאנשים יבינו זאת,
21:01
What I see right now -- and this is
really importantחָשׁוּב for people to realizeלִהַבִין,
445
1249380
3623
כי המושג "בינה מלאכותית"
כה מאיים,
21:05
because the wordמִלָה "artificialמְלָאכוּתִי
intelligenceאינטליגנציה" is so threateningמְאַיֵם,
446
1253027
2903
וגם סטיבן ספילברג
הוסיף כאן סרט למדורה,
21:07
and then we have Steveסטיב Spielbergשפילברג
tossingזורק a movieסרט in,
447
1255954
2523
והמחשב נהיה לפתע אדון העולם,
21:10
where all of a suddenפִּתְאוֹמִי
the computerמַחשֵׁב is our overlordOverlord,
448
1258501
2413
בעוד שזו רק טכנולוגיה.
21:12
but it's really a technologyטֶכנוֹלוֹגִיָה.
449
1260938
1452
21:14
It's a technologyטֶכנוֹלוֹגִיָה that helpsעוזר us
do repetitiveחוזרת things.
450
1262414
2982
טכנולוגיה שעוזרת לנו
לבצע מטלות חוזרות ונשנות.
21:17
And the progressהתקדמות has been
entirelyלַחֲלוּטִין on the repetitiveחוזרת endסוֹף.
451
1265420
2913
וההתקדמות היתה כולה בהיבט החזרתי:
21:20
It's been in legalמשפטי documentמסמך discoveryתַגלִית.
452
1268357
2228
בגילוי מסמכים חוקיים,
21:22
It's been contractחוֹזֶה draftingשרטוט.
453
1270609
1680
בניסוח טיוטות של חוזים,
21:24
It's been screeningסְרִיקָה X-raysצילומי רנטגן of your chestחזה.
454
1272313
4223
בצילומי רנטגן של החזה,
21:28
And these things are so specializedהתמחה,
455
1276560
1773
ואלה דברים כל-כך מוגבלים וספציפיים,
21:30
I don't see the bigגָדוֹל threatאִיוּם of humanityאֶנוֹשִׁיוּת.
456
1278357
2391
שאני לא רואה איפה
האיום הגדול על האנושות.
21:32
In factעוּבדָה, we as people --
457
1280772
1794
למעשה, אנו כבני-אדם --
21:34
I mean, let's faceפָּנִים it:
we'veיש לנו becomeהפכו superhumanעל אנושית.
458
1282590
2385
כי בואו ונודה בכך:
נעשינו אדם-על
21:36
We'veללא שם: יש לנו madeעָשׂוּי us superhumanעל אנושית.
459
1284999
1764
הפכנו את עצמנו לאדם-על.
21:38
We can swimלשחות acrossלְרוֹחָב
the Atlanticאטלנטי in 11 hoursשעות.
460
1286787
2632
אנו יכולים לחצות את האוקיינוס האטלנטי
בתוך 11 שעות.
21:41
We can take a deviceהתקן out of our pocketכִּיס
461
1289443
2074
אנו יכולים לשלוף מהכיס מכשיר
21:43
and shoutצעקה all the way to Australiaאוֹסטְרַלִיָה,
462
1291541
2147
ולצעוק לתוכו כך שישמעו באוסטרליה,
21:45
and in realאמיתי time, have that personאדם
shoutingצעקות back to us.
463
1293712
2600
ושהשומע יצעק אלינו בחזרה
בזמן אמת.
פיזית, זה בלתי-אפשרי.
אנו שוברים את כללי הפיזיקה.
21:48
That's physicallyפיזית not possibleאפשרי.
We're breakingשְׁבִירָה the rulesכללים of physicsפיזיקה.
464
1296336
3624
21:51
When this is said and doneבוצע,
we're going to rememberלִזכּוֹר everything
465
1299984
2943
בסופו של דבר אנו נזכור הכל,
את כל מה שאמרנו ועשינו,
21:54
we'veיש לנו ever said and seenלראות,
466
1302951
1213
אתם תזכרו כל אדם,
21:56
you'llאתה rememberלִזכּוֹר everyכֹּל personאדם,
467
1304188
1496
וזה מצוין בשבילי,
בשלבי השטיון המוקדמים שלי.
21:57
whichאיזה is good for me
in my earlyמוקדם stagesשלבים of Alzheimer'sאלצהיימר.
468
1305708
2626
סליחה, מה אמרתי? שכחתי.
22:00
Sorry, what was I sayingפִּתגָם? I forgotשכח.
469
1308358
1677
כ"א: (צוחק)
22:02
CACA: (Laughsצוחק)
470
1310059
1578
ס"ת: מנת המשכל שלנו
תהיה כנראה 1000 או יותר.
22:03
STרחוב: We will probablyכנראה have
an IQמְנַת הַמִשׂכָּל of 1,000 or more.
471
1311661
3077
22:06
There will be no more
spellingאִיוּת classesשיעורים for our kidsילדים,
472
1314762
3425
לילדים כבר לא יהיו שיעורי איות,
כי כבר לא תהיה בעיית איות.
22:10
because there's no spellingאִיוּת issueנושא anymoreיותר.
473
1318211
2086
כבר לא תהיינה בעיות בחשבון.
22:12
There's no mathמתמטיקה issueנושא anymoreיותר.
474
1320321
1832
ולדעתי מה שבאמת יקרה
הוא שנוכל להיות סופר-יצירתיים.
22:14
And I think what really will happenלִקְרוֹת
is that we can be superסוּפֶּר creativeיְצִירָתִי.
475
1322177
3510
ואנו כבר כאלה.
אנו יצירתיים.
22:17
And we are. We are creativeיְצִירָתִי.
476
1325711
1857
זהו הנשק הסודי שלנו.
22:19
That's our secretסוֹד weaponנֶשֶׁק.
477
1327592
1552
כ"א: אז מקומות העבודה שנעלמים,
22:21
CACA: So the jobsמקומות תעסוקה that are gettingמקבל lostאבד,
478
1329168
2153
22:23
in a way, even thoughאם כי
it's going to be painfulכּוֹאֵב,
479
1331345
2494
במובן מסוים, ככל שזה כואב,
בני-אדם מסוגלים ליותר
מאשר לעסוק במשרות האלה.
22:25
humansבני אנוש are capableבעל יכולת
of more than those jobsמקומות תעסוקה.
480
1333863
2047
זהו החלום.
22:27
This is the dreamחולם.
481
1335934
1218
החלום הוא שבני האדם יוכלו להתעלות
למישור חדש של העצמה
22:29
The dreamחולם is that humansבני אנוש can riseלעלות
to just a newחָדָשׁ levelרָמָה of empowermentהעצמה
482
1337176
4247
22:33
and discoveryתַגלִית.
483
1341447
1657
וגילויים.
22:35
That's the dreamחולם.
484
1343128
1452
זהו החלום.
ס"ת: וגם תחשוב על זה:
22:36
STרחוב: And think about this:
485
1344604
1643
אם תסתכל על ההיסטוריה האנושית,
22:38
if you look at the historyהִיסטוֹרִיָה of humanityאֶנוֹשִׁיוּת,
486
1346271
2021
22:40
that mightאולי be whateverמה שתגיד --
60-100,000 yearsשנים oldישן, give or take --
487
1348316
3328
לא משנה מתי --
לפני 60,000 או 100,000 שנה, פלוס-מינוס --
כמעט כל מה שיקר לנו
מבחינת ההמצאות,
22:43
almostכִּמעַט everything that you cherishלְהוֹקִיר
in termsמונחים of inventionהַמצָאָה,
488
1351668
3726
הטכנולוגיה, הדברים שבנינו,
22:47
of technologyטֶכנוֹלוֹגִיָה, of things we'veיש לנו builtבנוי,
489
1355418
2151
כל אלה הומצאו ב-150 השנים האחרונות.
22:49
has been inventedבדוי in the last 150 yearsשנים.
490
1357593
3099
22:53
If you tossלִזרוֹק in the bookסֵפֶר and the wheelגַלגַל,
it's a little bitbit olderישן יותר.
491
1361756
3048
אם מוסיפים את הספר ואת הגלגל,
זה קצת יותר זמן.
או את הגרזן.
22:56
Or the axeגַרזֶן.
492
1364828
1169
אבל הטלפון, נעלי הספורט,
22:58
But your phoneטלפון, your sneakersנעלי ספורט,
493
1366021
2790
הכסאות האלה, הייצור המודרני,
הפניצילין --
23:00
these chairsכִּיסְאוֹת, modernמוֹדֶרנִי
manufacturingייצור, penicillinפֵּנִיצִילִין --
494
1368835
3551
הדברים שיקרים לנו.
23:04
the things we cherishלְהוֹקִיר.
495
1372410
1714
בעיני זה אומר
23:06
Now, that to me meansאומר
496
1374148
3658
23:09
the nextהַבָּא 150 yearsשנים will find more things.
497
1377830
3041
שב-150 השנים הבאות
נגלה דברים נוספים.
23:12
In factעוּבדָה, the paceלִפְסוֹעַ of inventionהַמצָאָה
has goneנעלם up, not goneנעלם down, in my opinionדעה.
498
1380895
4154
למעשה, קצב ההמצאות התגבר
ולא נחלש, לדעתי.
אני מאמין שרק אחוז אחד
מהדברים המעניינים התגלה עד כה.
23:17
I believe only one percentאָחוּז of interestingמעניין
things have been inventedבדוי yetעדיין. Right?
499
1385073
4905
עוד לא ריפאנו את הסרטן.
23:22
We haven'tלא curedנרפא cancerמחלת הסרטן.
500
1390002
1988
אין לנו מכוניות מעופפות -- עדיין.
אני מקווה לשנות את זה.
23:24
We don't have flyingעַף carsמכוניות -- yetעדיין.
Hopefullyאני מקווה, I'll changeשינוי this.
501
1392014
3718
זו דוגמה למשהו שאנשים לעגו לו.
23:27
That used to be an exampleדוגמא
people laughedצחק about. (Laughsצוחק)
502
1395756
3257
מצחיק, לא?
"עובדים בחשאי על מכוניות מעופפות."
23:31
It's funnyמצחיק, isn't it?
Workingעובד secretlyבְּסֵתֶר on flyingעַף carsמכוניות.
503
1399037
2992
עדיין איננו חיים פי 2 זמן, נכון?
23:34
We don't liveלחיות twiceפעמיים as long yetעדיין. OK?
504
1402053
2683
אין לנו שתל קסום במוח
23:36
We don't have this magicקֶסֶם
implantלִשְׁתוֹל in our brainמוֹחַ
505
1404760
2785
שמספק לנו מידע נחוץ.
23:39
that givesנותן us the informationמֵידָע we want.
506
1407569
1832
אולי אתם מזועזעים מכך,
23:41
And you mightאולי be appalledמזועזע by it,
507
1409425
1526
אבל אני מבטיח לכם
שכשזה יהיה, תמותו על זה.
23:42
but I promiseהַבטָחָה you,
onceפַּעַם you have it, you'llאתה love it.
508
1410975
2444
אני מקווה כך.
23:45
I hopeלְקַווֹת you will.
509
1413443
1166
זה קצת מפחיד, אני יודע.
23:46
It's a bitbit scaryמַפְחִיד, I know.
510
1414633
1909
יש עוד המון דברים שטרם המצאנו
ושעוד נמציא.
23:48
There are so manyרב things
we haven'tלא inventedבדוי yetעדיין
511
1416566
2254
אין לנו מגיני כבידה.
23:50
that I think we'llטוֹב inventלִהַמצִיא.
512
1418844
1268
23:52
We have no gravityכוח משיכה shieldsמגנים.
513
1420136
1306
איננו יכולים לשגר את עצמנו
ממקום למקום.
23:53
We can't beamקֶרֶן ourselvesבְּעָצמֵנוּ
from one locationמקום to anotherאַחֵר.
514
1421466
2553
זה נשמע מגוחך,
23:56
That soundsקולות ridiculousמְגוּחָך,
515
1424043
1151
אבל לפני כ-200 שנה
23:57
but about 200 yearsשנים agoלִפנֵי,
516
1425218
1288
המומחים היו בדעה אחת
שהתעופה לא תיתכן,
23:58
expertsמומחים were of the opinionדעה
that flightטִיסָה wouldn'tלא existקיימים,
517
1426530
2667
אפילו לפני 120 שנה,
24:01
even 120 yearsשנים agoלִפנֵי,
518
1429221
1324
ושאם ננוע מהר יותר
מכפי יכולתנו לרוץ,
24:02
and if you movedנִרגָשׁ fasterמהיר יותר
than you could runלָרוּץ,
519
1430569
2582
נמות מיד.
24:05
you would instantlyבאופן מיידי dieלָמוּת.
520
1433175
1520
24:06
So who saysאומר we are correctנכון todayהיום
that you can't beamקֶרֶן a personאדם
521
1434719
3569
אז מי יאמר שהיום לא נכון לקבוע
שאי-אפשר לשגר אדם מכאן למאדים?
24:10
from here to Marsמַאְדִים?
522
1438312
2249
24:12
CACA: Sebastianסבסטיאן, thank you so much
523
1440585
1569
כ"א: סבסטיאן, תודה רבה לך
על חוכמתך והחזון רב ההשראה שלך.
24:14
for your incrediblyבצורה מדהימה inspiringמעורר השראה visionחָזוֹן
and your brillianceזוֹהַר.
524
1442178
2682
תודה רבה לסבסטיאן ת'רן.
זה היה נהדר.
24:16
Thank you, Sebastianסבסטיאן Thrunת'רון.
525
1444884
1323
(מחיאות כפיים)
24:18
STרחוב: That was fantasticפַנטַסטִי. (Applauseתְשׁוּאוֹת)
526
1446231
1895
Translated by Shlomo Adam
Reviewed by Sigal Tifferet

▲Back to top

ABOUT THE SPEAKERS
Sebastian Thrun - Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us.

Why you should listen

Sebastian Thrun is an educator, entrepreneur and troublemaker. After a long life as a professor at Stanford University, Thrun resigned from tenure to join Google. At Google, he founded Google X, home to self-driving cars and many other moonshot technologies. Thrun also founded Udacity, an online university with worldwide reach, and Kitty Hawk, a "flying car" company. He has authored 11 books, 400 papers, holds 3 doctorates and has won numerous awards.

More profile about the speaker
Sebastian Thrun | Speaker | TED.com
Chris Anderson - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading.

Why you should listen

Chris Anderson is the Curator of TED, a nonprofit devoted to sharing valuable ideas, primarily through the medium of 'TED Talks' -- short talks that are offered free online to a global audience.

Chris was born in a remote village in Pakistan in 1957. He spent his early years in India, Pakistan and Afghanistan, where his parents worked as medical missionaries, and he attended an American school in the Himalayas for his early education. After boarding school in Bath, England, he went on to Oxford University, graduating in 1978 with a degree in philosophy, politics and economics.

Chris then trained as a journalist, working in newspapers and radio, including two years producing a world news service in the Seychelles Islands.

Back in the UK in 1984, Chris was captivated by the personal computer revolution and became an editor at one of the UK's early computer magazines. A year later he founded Future Publishing with a $25,000 bank loan. The new company initially focused on specialist computer publications but eventually expanded into other areas such as cycling, music, video games, technology and design, doubling in size every year for seven years. In 1994, Chris moved to the United States where he built Imagine Media, publisher of Business 2.0 magazine and creator of the popular video game users website IGN. Chris eventually merged Imagine and Future, taking the combined entity public in London in 1999, under the Future name. At its peak, it published 150 magazines and websites and employed 2,000 people.

This success allowed Chris to create a private nonprofit organization, the Sapling Foundation, with the hope of finding new ways to tackle tough global issues through media, technology, entrepreneurship and, most of all, ideas. In 2001, the foundation acquired the TED Conference, then an annual meeting of luminaries in the fields of Technology, Entertainment and Design held in Monterey, California, and Chris left Future to work full time on TED.

He expanded the conference's remit to cover all topics, including science, business and key global issues, while adding a Fellows program, which now has some 300 alumni, and the TED Prize, which grants its recipients "one wish to change the world." The TED stage has become a place for thinkers and doers from all fields to share their ideas and their work, capturing imaginations, sparking conversation and encouraging discovery along the way.

In 2006, TED experimented with posting some of its talks on the Internet. Their viral success encouraged Chris to begin positioning the organization as a global media initiative devoted to 'ideas worth spreading,' part of a new era of information dissemination using the power of online video. In June 2015, the organization posted its 2,000th talk online. The talks are free to view, and they have been translated into more than 100 languages with the help of volunteers from around the world. Viewership has grown to approximately one billion views per year.

Continuing a strategy of 'radical openness,' in 2009 Chris introduced the TEDx initiative, allowing free licenses to local organizers who wished to organize their own TED-like events. More than 8,000 such events have been held, generating an archive of 60,000 TEDx talks. And three years later, the TED-Ed program was launched, offering free educational videos and tools to students and teachers.

More profile about the speaker
Chris Anderson | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee