TED@BCG Milan
Margaret Mitchell: How we can build AI to help humans, not hurt us
मार्गारेट मिशेल: कैसे हम कृत्रिम बुद्धिमत्ता की रचना कर सकते हैं, बिना नुकसान के, मनुष्यों की मदद के लिए.
Filmed:
Readability: 4.6
1,154,210 views
गूगल में वैज्ञानिक के तौर पर मार्गरेट मिशेल ऐसे कंप्यूटर विकसित करती हैं, जो देख और समझ कर उसके बारे में बातें कर सकते हैं. वह एक सचेत करनेवाली कहानी कहती हैं, जिसमे वे उन कमियों, कमजोरियों और पूर्वाग्रहों की बात कर रही हैं, जो वैज्ञानिक अवचेतन रूप से AI में सम्मिलित कर देते हैं, और सोचने के लिए कहती हैं कि आज रची जानेवाली तकनीक के कल क्या मायने होंगे. "आज जो भी हम देख रहे हैं वह AI तकनीक के विकास में फोटो के जैसा है." मिशेल कहती हैं "अगर हम AI तकनीक का विकास मानवता कि भलाई के लिए करना चाहते हैं, तो हमें इसका लक्ष्य और रणनीति अभी से तय करनी होंगी, ताकि हमारी राह सही हो"
Margaret Mitchell - AI research scientist
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Double-click the English transcript below to play the video.
00:13
I work on helping computers
communicate about the world around us.
communicate about the world around us.
0
1381
4015
मैं कम्प्यूटर्स को हमारी दुनिया के बारे
में बातचीत करने में मदद करती हूँ.
में बातचीत करने में मदद करती हूँ.
00:17
There are a lot of ways to do this,
1
5754
1793
ये करने के कई सारे तरीके हैं,
00:19
and I like to focus on helping computers
2
7571
2592
मैं कम्प्यूटर्स को उन चीजों के बारे में
00:22
to talk about what they see
and understand.
and understand.
3
10187
2874
बात करना सिखाती हूँ, जिन्हें वे
देखते और समझते हैं.
देखते और समझते हैं.
00:25
Given a scene like this,
4
13514
1571
ये तस्वीर दिखाने पर, एक आधुनिक
00:27
a modern computer-vision algorithm
5
15109
1905
कम्प्यूटर का दृष्टि अल्गोरिदम आपको
00:29
can tell you that there's a woman
and there's a dog.
and there's a dog.
6
17038
3095
ये बता सकता है कि तस्वीर में
एक महिला और कुत्ता हैं.
एक महिला और कुत्ता हैं.
00:32
It can tell you that the woman is smiling.
7
20157
2706
ये आपको बता सकता है कि वह महिला
मुस्कुरा रही है.
मुस्कुरा रही है.
00:34
It might even be able to tell you
that the dog is incredibly cute.
that the dog is incredibly cute.
8
22887
3873
ये आपको बता सकता है कि
वह कुत्ता बहुत क्यूट है.
वह कुत्ता बहुत क्यूट है.
00:38
I work on this problem
9
26784
1349
मैं इस प्रश्न पर विचार करती
00:40
thinking about how humans
understand and process the world.
understand and process the world.
10
28157
4212
हूँ, कि मनुष्य विश्व को कैसे देखते
और समझते हैं.
और समझते हैं.
00:45
The thoughts, memories and stories
11
33577
2952
ऐसे चित्र को देखकर इंसान को किस तरह
00:48
that a scene like this
might evoke for humans.
might evoke for humans.
12
36553
2818
के विचार, यादें और कहानियां याद आएँगी.
00:51
All the interconnections
of related situations.
of related situations.
13
39395
4285
इससे ताल्लुक रखने वाली सब परिस्थितियाँ.
00:55
Maybe you've seen
a dog like this one before,
a dog like this one before,
14
43704
3126
शायद आपने ऐसा कुत्ता कहीं देखा हो,
00:58
or you've spent time
running on a beach like this one,
running on a beach like this one,
15
46854
2969
या बीच पर ऐसे दौड़ लगायी हो,
01:01
and that further evokes thoughts
and memories of a past vacation,
and memories of a past vacation,
16
49847
4778
और पुरानी छुट्टियों की यादें
ताज़ा हो गयी हों,
ताज़ा हो गयी हों,
01:06
past times to the beach,
17
54649
1920
बीच पर बिताया हुआ समय,
01:08
times spent running around
with other dogs.
with other dogs.
18
56593
2603
दूसरे कुत्तों के साथ भागते हुए.
01:11
One of my guiding principles
is that by helping computers to understand
is that by helping computers to understand
19
59688
5207
मेरा एक निर्देशक सिद्धांत ये है कि, अगर
हम कंप्यूटर को इन अनुभवों
हम कंप्यूटर को इन अनुभवों
01:16
what it's like to have these experiences,
20
64919
2896
को समझने के काबिल बना सकें,
और ये सिखा सकें
और ये सिखा सकें
01:19
to understand what we share
and believe and feel,
and believe and feel,
21
67839
5176
कि हमारे विचार और भावनाएं क्या हैं,
और हम क्या साझा करना चाहते हैं,
और हम क्या साझा करना चाहते हैं,
01:26
then we're in a great position
to start evolving computer technology
to start evolving computer technology
22
74094
4310
तो हम कम्प्यूटर तकनीक को उस तरह से
विकसित करने की स्तिथि में होंगे
विकसित करने की स्तिथि में होंगे
01:30
in a way that's complementary
with our own experiences.
with our own experiences.
23
78428
4587
जो हमारे अनुभवों के लिए पूरक सिद्ध होगी.
01:35
So, digging more deeply into this,
24
83539
3387
इस विषय पर गहराई में जाने के लिए,
01:38
a few years ago I began working on helping
computers to generate human-like stories
computers to generate human-like stories
25
86950
5905
कुछ साल पहले, मैंने कम्प्यूटर को,
तस्वीरों की श्रृंखला से, मनुष्यों जैसे
तस्वीरों की श्रृंखला से, मनुष्यों जैसे
01:44
from sequences of images.
26
92879
1666
कहानियां बनाना सिखाया.
01:47
So, one day,
27
95427
1904
एक दिन,
01:49
I was working with my computer to ask it
what it thought about a trip to Australia.
what it thought about a trip to Australia.
28
97355
4622
मैंने अपने कम्प्यूटर से पुछा कि उसका,
ऑस्ट्रेलिया जाने के बारेमें क्या विचार है.
ऑस्ट्रेलिया जाने के बारेमें क्या विचार है.
01:54
It took a look at the pictures,
and it saw a koala.
and it saw a koala.
29
102768
2920
उसने तस्वीरों में कोआला को देखा.
01:58
It didn't know what the koala was,
30
106236
1643
उसे नहीं पता था कि कोआला क्या है
01:59
but it said it thought
it was an interesting-looking creature.
it was an interesting-looking creature.
31
107903
2999
पर उसने कहा कि यह एक दिलचस्प जीव है.
02:04
Then I shared with it a sequence of images
about a house burning down.
about a house burning down.
32
112053
4004
फिर मैंने एक जलते हुए घर की तस्वीर दिखाई.
02:09
It took a look at the images and it said,
33
117704
3285
उसको देखकर उसने कहा,
02:13
"This is an amazing view!
This is spectacular!"
This is spectacular!"
34
121013
3500
"ये एक विस्मयकारी एवं विहंगम दृश्य है!"
02:17
It sent chills down my spine.
35
125450
2095
यह सुनकर मुझे बहुत डर लगा.
02:20
It saw a horrible, life-changing
and life-destroying event
and life-destroying event
36
128983
4572
ये एक भयानक, जीवन-विध्वंसक, जीवन-परिवर्तक
घटना को
घटना को
02:25
and thought it was something positive.
37
133579
2382
देखकर सोच रहा है कि यह सकारात्मक है.
02:27
I realized that it recognized
the contrast,
the contrast,
38
135985
3441
मुझे समझ आया कि उसने तस्वीर के कंट्रास्ट
02:31
the reds, the yellows,
39
139450
2699
को देखा, लाल और पीले रंग, और सोचा
02:34
and thought it was something
worth remarking on positively.
worth remarking on positively.
40
142173
3078
कि इस पर सकारात्मक बोलना चाहिए.
02:37
And part of why it was doing this
41
145928
1615
और ये ऐसे इसलिए कर रहा था क्यूँकि
02:39
was because most
of the images I had given it
of the images I had given it
42
147577
2945
मैंने जो भी तस्वीरें उसको दी थीं, ज्यादातर
02:42
were positive images.
43
150546
1840
सकारात्मक थीं.
02:44
That's because people
tend to share positive images
tend to share positive images
44
152903
3658
लोग हमेशा अपने अनुभवों पर बात करते हुए,
02:48
when they talk about their experiences.
45
156585
2190
सकारात्मक तस्वीरें ही साझा करते हैं.
02:51
When was the last time
you saw a selfie at a funeral?
you saw a selfie at a funeral?
46
159267
2541
क्या आपने कभी शवयात्रा पर
ली हुई सेल्फी देखी है?
ली हुई सेल्फी देखी है?
02:55
I realized that,
as I worked on improving AI
as I worked on improving AI
47
163434
3095
मैंने जाना कि जैसे मैं AI के विकास पर
02:58
task by task, dataset by dataset,
48
166553
3714
कार्य कर रही थी, मैं उसमें पाठ-दर-पाठ,
03:02
that I was creating massive gaps,
49
170291
2897
बड़ी कमियाँ पैदा कर रही थी,
03:05
holes and blind spots
in what it could understand.
in what it could understand.
50
173212
3999
उसकी समझने की क्षमता में
बड़ी कमी छोड़ रही थी.
बड़ी कमी छोड़ रही थी.
03:10
And while doing so,
51
178307
1334
ऐसा करते हुए, मैं उसमे
03:11
I was encoding all kinds of biases.
52
179665
2483
कई तरह के पूर्वाग्रह डाल रही थी.
03:15
Biases that reflect a limited viewpoint,
53
183029
3318
पूर्वाग्रह जो सीमित दृष्टिकोण दर्शाते हैं,
03:18
limited to a single dataset --
54
186371
2261
जो सिर्फ़ एक तथ्य तक सीमित हैं -
03:21
biases that can reflect
human biases found in the data,
human biases found in the data,
55
189283
3858
लोगों के पूर्वाग्रह दर्शाते हैं, जो डेटा
से मिलते हैं, जैसे कि
से मिलते हैं, जैसे कि
03:25
such as prejudice and stereotyping.
56
193165
3104
पक्षपात और विचार बद्धता.
03:29
I thought back to the evolution
of the technology
of the technology
57
197554
3057
मैंने विचार किया कि तकनीकि विकास
03:32
that brought me to where I was that day --
58
200635
2502
कैसे हुआ
03:35
how the first color images
59
203966
2233
और कैसे, प्रथम रंगीन तस्वीरों में
03:38
were calibrated against
a white woman's skin,
a white woman's skin,
60
206223
3048
त्वचा के रंग को पश्चिमी देशोंकी गोरी महिला
के रंग से नापा गया,
के रंग से नापा गया,
03:41
meaning that color photography
was biased against black faces.
was biased against black faces.
61
209665
4145
मतलब, रंगीन तस्वीरें काली चमड़ी के
हिसाब से नहीं बनायी गयीं थी.
हिसाब से नहीं बनायी गयीं थी.
03:46
And that same bias, that same blind spot
62
214514
2925
और यह पूर्वाग्रह,
03:49
continued well into the '90s.
63
217463
1867
90 के दशक में भी विद्यमान था.
03:51
And the same blind spot
continues even today
continues even today
64
219701
3154
और यही पूर्वाग्रह आज भी मौजूद है,
03:54
in how well we can recognize
different people's faces
different people's faces
65
222879
3698
चेहरा पहचान करनेवाली तकनीक में, कैसे
03:58
in facial recognition technology.
66
226601
2200
विभिन्न रंग के चेहरों की पहचान होती है.
04:01
I though about the state of the art
in research today,
in research today,
67
229323
3143
मैंने सोचा - कैसे हम आधुनिक खोजों में भी,
04:04
where we tend to limit our thinking
to one dataset and one problem.
to one dataset and one problem.
68
232490
4514
अपनी सोच को एक समस्या के हिसाब
से सीमित रखते हैं.
से सीमित रखते हैं.
04:09
And that in doing so, we were creating
more blind spots and biases
more blind spots and biases
69
237688
4881
ऐसे में, हम कई कमियों और पूर्वाग्रहों
को छोड़ रहे हैं
को छोड़ रहे हैं
04:14
that the AI could further amplify.
70
242593
2277
जो AI से अधिक विस्तारित हो जायेंगी.
04:17
I realized then
that we had to think deeply
that we had to think deeply
71
245712
2079
मुझे लगा कि हमें यह विचार करना चाहिए
04:19
about how the technology we work on today
looks in five years, in 10 years.
looks in five years, in 10 years.
72
247815
5519
कि जिस तकनीक को हम आज विकसित कर रहे हैं,
वह 5-10 साल बाद कैसी होगी.
वह 5-10 साल बाद कैसी होगी.
04:25
Humans evolve slowly,
with time to correct for issues
with time to correct for issues
73
253990
3142
मनुष्य का विकास धीरे होता है, और पर्यावरण
के साथ सामंजस्य बिठाने
के साथ सामंजस्य बिठाने
04:29
in the interaction of humans
and their environment.
and their environment.
74
257156
3534
में होने वाली समस्याओं को सुलझाने
का पर्याप्त समय होता है.
का पर्याप्त समय होता है.
04:33
In contrast, artificial intelligence
is evolving at an incredibly fast rate.
is evolving at an incredibly fast rate.
75
261276
5429
इसके विपरीत, AI तेजी से विकसित हो रहा है.
04:39
And that means that it really matters
76
267013
1773
इसका मतलब यह है कि, हमें आज
04:40
that we think about this
carefully right now --
carefully right now --
77
268810
2317
ही इस विषय पर ध्यान देने की जरुरत है -
04:44
that we reflect on our own blind spots,
78
272180
3008
कि हम अपने पूर्वाग्रहों के बारे में
04:47
our own biases,
79
275212
2317
सोच विचार करें, और देखें कि
04:49
and think about how that's informing
the technology we're creating
the technology we're creating
80
277553
3857
कैसे हम आज विकसित होने वाली
तकनीक में इसको सम्मिलित कर रहे हैं,
तकनीक में इसको सम्मिलित कर रहे हैं,
04:53
and discuss what the technology of today
will mean for tomorrow.
will mean for tomorrow.
81
281434
3902
और तर्क करें कि भविष्य में इस तकनीक
का कैसे इस्तेमाल होगा.
का कैसे इस्तेमाल होगा.
04:58
CEOs and scientists have weighed in
on what they think
on what they think
82
286593
3191
वैज्ञानिकों और CEOs ने AI तकनीक पर
05:01
the artificial intelligence technology
of the future will be.
of the future will be.
83
289808
3325
गहन चिंतन किया हुआ है.
05:05
Stephen Hawking warns that
84
293157
1618
स्टीफन हौकिंग सावधान करते हैं -
05:06
"Artificial intelligence
could end mankind."
could end mankind."
85
294799
3007
"AI मानव जाति को खत्म कर सकती है"
05:10
Elon Musk warns
that it's an existential risk
that it's an existential risk
86
298307
2683
एलोन मस्क इसे अस्तित्व सम्बन्धी
05:13
and one of the greatest risks
that we face as a civilization.
that we face as a civilization.
87
301014
3574
सबसे बड़ा खतरा बताते हैं.
05:17
Bill Gates has made the point,
88
305665
1452
बिल गेट्स का कहना है -
05:19
"I don't understand
why people aren't more concerned."
why people aren't more concerned."
89
307141
3185
"मुझे समझ नहीं आता की लोग इस
बारे में चिंतित क्यों नहीं हैं."
बारे में चिंतित क्यों नहीं हैं."
05:23
But these views --
90
311412
1318
यह सब विचार -
05:25
they're part of the story.
91
313618
1734
इस प्रक्रिया का भाग हैं.
05:28
The math, the models,
92
316079
2420
वह गणित, वह तंत्र, जो AI
05:30
the basic building blocks
of artificial intelligence
of artificial intelligence
93
318523
3070
तकनीक के मूलभूत खंड हैं,
जिनपर हमारी पहुँच है
जिनपर हमारी पहुँच है
05:33
are something that we call access
and all work with.
and all work with.
94
321617
3135
और जिसपर हम काम कर रहे हैं.
05:36
We have open-source tools
for machine learning and intelligence
for machine learning and intelligence
95
324776
3785
मशीनों को सिखाने के लिए ओपन-सोर्स सॉफ्टवेर
05:40
that we can contribute to.
96
328585
1734
में हम सब योगदान दे सकते हैं.
05:42
And beyond that,
we can share our experience.
we can share our experience.
97
330919
3340
और हम अपने अनुभव साझा कर सकते हैं.
05:46
We can share our experiences
with technology and how it concerns us
with technology and how it concerns us
98
334760
3468
तकनीक को लेकर हमारे अनुभव साझा कर सकते हैं
कि हमें कैसे चिंतित करता है,
कि हमें कैसे चिंतित करता है,
05:50
and how it excites us.
99
338252
1467
अथवा कैसे हमें जोश दिलाता है.
05:52
We can discuss what we love.
100
340251
1867
पसंद के विषय पर संवाद कर सकते हैं.
05:55
We can communicate with foresight
101
343244
2031
दूरदृष्टि रखते हुए, तकनीक के
05:57
about the aspects of technology
that could be more beneficial
that could be more beneficial
102
345299
4857
फायदेमंद और समस्याजनक पहलुओं
06:02
or could be more problematic over time.
103
350180
2600
पर विचार कर सकते हैं.
06:05
If we all focus on opening up
the discussion on AI
the discussion on AI
104
353799
4143
भविष्य के बारे में सोचते हुए
06:09
with foresight towards the future,
105
357966
1809
अगर हम AI पर संवाद करें
06:13
this will help create a general
conversation and awareness
conversation and awareness
106
361093
4270
तो सामान्यजन को इस तकनीक
06:17
about what AI is now,
107
365387
2513
के आज के स्वरुप और भविष्य
06:21
what it can become
108
369212
2001
की संभावनाओ से अवगत कराया जा सकता है,
06:23
and all the things that we need to do
109
371237
1785
और विचार किया जा सकता है
06:25
in order to enable that outcome
that best suits us.
that best suits us.
110
373046
3753
कि कैसे उपयोगी परिणाम खोजे जाएँ.
06:29
We already see and know this
in the technology that we use today.
in the technology that we use today.
111
377490
3674
हम समझते हैं कि कैसे इस तकनीक
का आज इस्तेमाल हो रहा है.
का आज इस्तेमाल हो रहा है.
06:33
We use smart phones
and digital assistants and Roombas.
and digital assistants and Roombas.
112
381767
3880
हम स्मार्ट फोन, डिजिटल असिस्टेंट (सीरी)
और रूम्बा का इस्तेमाल करते हैं.
और रूम्बा का इस्तेमाल करते हैं.
06:38
Are they evil?
113
386457
1150
क्या वे बुरे हैं?
06:40
Maybe sometimes.
114
388268
1547
कभी कभी, शायद हाँ.
06:42
Are they beneficial?
115
390664
1333
क्या वे फायदेमंद हैं?
06:45
Yes, they're that, too.
116
393005
1533
हाँ, वह भी है.
06:48
And they're not all the same.
117
396236
1761
और ये पहले जैसे नहीं हैं.
06:50
And there you already see
a light shining on what the future holds.
a light shining on what the future holds.
118
398489
3540
आप सोच सकते हैं कि भविष्य में
ये कैसे होंगे.
ये कैसे होंगे.
06:54
The future continues on
from what we build and create right now.
from what we build and create right now.
119
402942
3619
हम आज जो निर्माण कर रहे हैं,
भविष्य उसपर निर्भर करता है.
भविष्य उसपर निर्भर करता है.
06:59
We set into motion that domino effect
120
407165
2642
हमें आगे की चाल तय करनी है,
07:01
that carves out AI's evolutionary path.
121
409831
2600
कि AI तकनीक में आगे क्या होगा.
07:05
In our time right now,
we shape the AI of tomorrow.
we shape the AI of tomorrow.
122
413173
2871
हम आज तय करेंगे कि,
भविष्य में AI कैसा होगा.
भविष्य में AI कैसा होगा.
07:08
Technology that immerses us
in augmented realities
in augmented realities
123
416566
3699
वह तकनीक जो संवर्धित सत्यता
(ऑगमेंटेड रियलिटी)
(ऑगमेंटेड रियलिटी)
07:12
bringing to life past worlds.
124
420289
2566
से पुरानी दुनिया से हमें अवगत कराती है.
07:15
Technology that helps people
to share their experiences
to share their experiences
125
423844
4312
वह तकनीक जो लोगों को अनुभव साझा
करने में मदद करती है,
करने में मदद करती है,
07:20
when they have difficulty communicating.
126
428180
2262
जब वह बात करने कि स्थिति में नहीं होते.
07:23
Technology built on understanding
the streaming visual worlds
the streaming visual worlds
127
431323
4532
वह तकनीक, जो कैमरे से दुनिया को समझ कर,
07:27
used as technology for self-driving cars.
128
435879
3079
बिना ड्राईवर के चलने वाली कार का
निर्माण करने में मदद करती है.
निर्माण करने में मदद करती है.
07:32
Technology built on understanding images
and generating language,
and generating language,
129
440490
3413
वह तकनीक, जो तस्वीरों को समझ कर,
07:35
evolving into technology that helps people
who are visually impaired
who are visually impaired
130
443927
4063
भाषा में परिवर्तित करती है,
07:40
be better able to access the visual world.
131
448014
2800
जिससे नेत्रहीन
व्यक्तियों का जीवन आसान हो पायेगा.
व्यक्तियों का जीवन आसान हो पायेगा.
07:42
And we also see how technology
can lead to problems.
can lead to problems.
132
450838
3261
हम ये देख रहे हैं कि तकनीक समस्याएं
भी पैदा कर रही है.
भी पैदा कर रही है.
07:46
We have technology today
133
454885
1428
हमारे पास तकनीक है
07:48
that analyzes physical
characteristics we're born with --
characteristics we're born with --
134
456337
3835
जो हमारी पैदाईशी प्राकृतिक गुणों, जैसे -
07:52
such as the color of our skin
or the look of our face --
or the look of our face --
135
460196
3272
चमड़ी का रंग या चेहरे की बनावट - का अध्ययन
07:55
in order to determine whether or not
we might be criminals or terrorists.
we might be criminals or terrorists.
136
463492
3804
करके बताती है कि हम अपराधी या
आतंकवादी तो नहीं.
आतंकवादी तो नहीं.
07:59
We have technology
that crunches through our data,
that crunches through our data,
137
467688
2905
हमारे पास तकनीक है जो हमारे
व्यक्तिगत आंकड़ों से
व्यक्तिगत आंकड़ों से
08:02
even data relating
to our gender or our race,
to our gender or our race,
138
470617
2896
जैसे- लिंग अथवा प्रजाति- से यह तय करती है,
08:05
in order to determine whether or not
we might get a loan.
we might get a loan.
139
473537
2865
कि हम लोन के हकदार हैं या नहीं.
08:09
All that we see now
140
477494
1579
आज जैसे आप जनते हो ,
08:11
is a snapshot in the evolution
of artificial intelligence.
of artificial intelligence.
141
479097
3617
वह भविष्य में इसके विकास का संकेतक है.
08:15
Because where we are right now,
142
483763
1778
क्यूँकि हम आज जहाँ हैं, वहाँ से
08:17
is within a moment of that evolution.
143
485565
2238
कृत्रिम बुद्धिमत्ता का विकास तेजी से होगा.
08:20
That means that what we do now
will affect what happens down the line
will affect what happens down the line
144
488690
3802
इसलिए आज हम जो करेंगे वह भविष्य के लिए
08:24
and in the future.
145
492516
1200
अत्यंत महत्त्वपूर्ण होगा.
08:26
If we want AI to evolve
in a way that helps humans,
in a way that helps humans,
146
494063
3951
अगर हम AI को मानवता की भलाई के लिए
08:30
then we need to define
the goals and strategies
the goals and strategies
147
498038
2801
इस्तेमाल होता देखना चाहते हैं तो हमें
इसके लक्ष्य और रणनीति
इसके लक्ष्य और रणनीति
08:32
that enable that path now.
148
500863
1733
अभी तय करने होंगे.
08:35
What I'd like to see is something
that fits well with humans,
that fits well with humans,
149
503680
3738
मैं देखना पसंद करुँगी कि AI, मानवता,
08:39
with our culture and with the environment.
150
507442
2800
सभ्यता और पर्यावरण के साथ घुलमिल जाए.
08:43
Technology that aids and assists
those of us with neurological conditions
those of us with neurological conditions
151
511435
4484
AI वह तकनीक हो, जो गंभीर रूप से
08:47
or other disabilities
152
515943
1721
बीमार या विकलांगों
08:49
in order to make life
equally challenging for everyone.
equally challenging for everyone.
153
517688
3216
का जीवन सहज कर सके.
08:54
Technology that works
154
522097
1421
AI वह तकनीक हो, जो चमड़ी के
08:55
regardless of your demographics
or the color of your skin.
or the color of your skin.
155
523542
3933
रंग या प्रजाति के आधार पर
भेद किये बिना काम करे.
भेद किये बिना काम करे.
09:00
And so today, what I focus on
is the technology for tomorrow
is the technology for tomorrow
156
528383
4742
आज मेरा ध्यान है कि यह तकनीक 10 साल
09:05
and for 10 years from now.
157
533149
1733
बाद कैसे इस्तेमाल होगी.
09:08
AI can turn out in many different ways.
158
536530
2634
AI कई दिशाओं में विकसित हो सकती है.
09:11
But in this case,
159
539688
1225
पर यह ऐसी अपने-आप
09:12
it isn't a self-driving car
without any destination.
without any destination.
160
540937
3328
चलनेवाली कार न हो, जिसकी कोई मंजिल नहीं.
09:16
This is the car that we are driving.
161
544884
2400
इस कार को हम चला रहे हैं.
09:19
We choose when to speed up
and when to slow down.
and when to slow down.
162
547953
3595
हम तय करेंगे कि कब तेज या धीरे चलानी है.
09:23
We choose if we need to make a turn.
163
551572
2400
हम तय करेंगे कि कब मुड़ना है.
09:26
We choose what the AI
of the future will be.
of the future will be.
164
554868
3000
हम तय करेंगे कि AI का भविष्य कैसा होगा.
09:31
There's a vast playing field
165
559186
1337
भविष्य में AI
09:32
of all the things that artificial
intelligence can become.
intelligence can become.
166
560547
2965
कैसा होगा, इसकी कई संभावनाएं हैं.
09:36
It will become many things.
167
564064
1800
ये कई रूप ले सकता है.
09:39
And it's up to us now,
168
567694
1732
और ये हमें तय करना है,
09:41
in order to figure out
what we need to put in place
what we need to put in place
169
569450
3061
कि AI का उपयोग कैसे हो,
09:44
to make sure the outcomes
of artificial intelligence
of artificial intelligence
170
572535
3807
और इसके परिणाम ऐसे हों,
09:48
are the ones that will be
better for all of us.
better for all of us.
171
576366
3066
जो हम सबके लिए बेहतर हो.
09:51
Thank you.
172
579456
1150
धन्यवाद.
09:52
(Applause)
173
580630
2187
(तालियाँ और प्रशंसा)
ABOUT THE SPEAKER
Margaret Mitchell - AI research scientistMargaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence.
Why you should listen
Margaret Mitchell's research involves vision-language and grounded language generation, focusing on how to evolve artificial intelligence towards positive goals. Her work combines computer vision, natural language processing, social media as well as many statistical methods and insights from cognitive science. Before Google, Mitchell was a founding member of Microsoft Research's "Cognition" group, focused on advancing artificial intelligence, and a researcher in Microsoft Research's Natural Language Processing group.
Margaret Mitchell | Speaker | TED.com