TEDSummit
Kevin Kelly: How AI can bring on a second Industrial Revolution
Kevin Kelly: Hogy eredményezhet a mesterséges értelem második ipari forradalmat?
Filmed:
Readability: 3.8
1,739,624 views
"A völgybe hulló esőcsepp pontos pályája megjósolhatatlan, de a fő iránya kétségtelen" – mondja Kevin Kelly, a digitális jövő kutatója. "A technológia jobbára ugyanaz, meglepő, bár kétségtelen sémájú hajtóerők mozgatják. A következő 20 évben az a hajlamunk, hogy szeretjük a dolgainkat egyre okosabbá tenni, alapvető hatást fog gyakorolni mindenre" – teszi hozzá. Kelly a mesterséges értelem három összetevőjét fejti ki, amelyek megértésére szükségünk van, hogy elsajátíthassuk és irányíthassuk a fejlesztését. A mesterséges értelem 20 év múlva mindenki által használandó termékét még föl sem találták – összegzi. Eszerint nincsenek késésben."
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:14
I'm going to talk a little bit
about where technology's going.
about where technology's going.
0
2966
3817
Ma arról fogok beszélni,
hogy merre tart a technológia.
hogy merre tart a technológia.
00:19
And often technology comes to us,
1
7509
2671
Amikor új technológia jelenik meg,
00:22
we're surprised by what it brings.
2
10566
1865
elcsodálkozunk, mi mindenre képes.
00:24
But there's actually
a large aspect of technology
a large aspect of technology
3
12455
3683
De a technológiáknak
hatalmas területe létezik,
hatalmas területe létezik,
00:28
that's much more predictable,
4
16162
1802
amelyek sokkal inkább megjósolhatók,
00:29
and that's because technological systems
of all sorts have leanings,
of all sorts have leanings,
5
17988
4088
mert a különböző rendszerek
eltérő jellegűek,
eltérő jellegűek,
00:34
they have urgencies,
6
22100
1175
megoldatlan témák
00:35
they have tendencies.
7
23299
1561
és lehetőségek állnak előttük.
00:36
And those tendencies are derived
from the very nature of the physics,
from the very nature of the physics,
8
24884
4932
E tendenciák a vezetékek,
kapcsolók és elektronok
kapcsolók és elektronok
00:41
chemistry of wires
and switches and electrons,
and switches and electrons,
9
29840
3150
fizikai és kémiai természetéből adódnak,
00:45
and they will make reoccurring
patterns again and again.
patterns again and again.
10
33659
3602
és ezek mind ismétlődő mintákat követnek.
00:49
And so those patterns produce
these tendencies, these leanings.
these tendencies, these leanings.
11
37745
4874
E minták mentén alakulnak az irányvonalak.
00:54
You can almost think of it
as sort of like gravity.
as sort of like gravity.
12
42643
2831
Olyan ez, mint a gravitáció.
00:57
Imagine raindrops falling into a valley.
13
45498
2319
Képzeljenek el egy völgybe
hulló esőcseppet.
hulló esőcseppet.
00:59
The actual path of a raindrop
as it goes down the valley
as it goes down the valley
14
47841
3088
A lehulló csepp pontos pályája
01:02
is unpredictable.
15
50953
1169
megjósolhatatlan.
Nem tudjuk, hogy pont hová esik,
01:04
We cannot see where it's going,
16
52651
1518
01:06
but the general direction
is very inevitable:
is very inevitable:
17
54193
2277
de a fő iránya kétségtelen:
01:08
it's downward.
18
56494
1234
mindig lefelé tart.
01:10
And so these baked-in
tendencies and urgencies
tendencies and urgencies
19
58377
4572
Ezek a technológiai rendszereket jellemző
belső tendenciákból érzékelhetjük,
01:14
in technological systems
20
62973
1476
01:17
give us a sense of where things
are going at the large form.
are going at the large form.
21
65051
3609
hogy végső soron merre tartunk.
01:21
So in a large sense,
22
69149
1401
Tágabb értelemben véve mondhatjuk,
01:22
I would say that telephones
were inevitable,
were inevitable,
23
70574
3361
hogy a telefon szükségszerű volt,
01:27
but the iPhone was not.
24
75005
1342
ám az iPhone nem.
01:29
The Internet was inevitable,
25
77094
1478
Az internet elkerülhetetlen volt,
01:31
but Twitter was not.
26
79274
1286
de a Twitter nem.
01:33
So we have many ongoing
tendencies right now,
tendencies right now,
27
81036
3928
Sok tendencia figyelhető meg manapság,
01:36
and I think one of the chief among them
28
84988
2720
s úgy vélem, közülük az egyik
legfontosabb,
legfontosabb,
01:39
is this tendency to make things
smarter and smarter.
smarter and smarter.
29
87732
3722
hogy egyre okosabb dolgokat készítünk.
01:44
I call it cognifying -- cognification --
30
92041
2212
Ez, amit én "felokosítás"-nak hívok,
01:46
also known as artificial
intelligence, or AI.
intelligence, or AI.
31
94783
2782
más néven a "mesterséges intelligencia",
avagy MI.
avagy MI.
01:50
And I think that's going to be one
of the most influential developments
of the most influential developments
32
98025
3746
Szerintem ez lesz társadalmunkban
a legnagyobb hatású fejlemény,
a legnagyobb hatású fejlemény,
01:53
and trends and directions and drives
in our society in the next 20 years.
in our society in the next 20 years.
33
101795
5575
tendencia, irány, hajtóerő
a következő 20 évben.
a következő 20 évben.
02:00
So, of course, it's already here.
34
108021
1985
Persze, ebben már benne is vagyunk.
02:02
We already have AI,
35
110030
2204
Már itt van;
02:04
and often it works in the background,
36
112258
2398
gyakran a háttérben működik:
kórházak funkcionális részlegeiben,
02:06
in the back offices of hospitals,
37
114680
1586
02:08
where it's used to diagnose X-rays
better than a human doctor.
better than a human doctor.
38
116290
4686
ahol jobban diagnosztizálja
a röntgenképeket, mint az orvos.
a röntgenképeket, mint az orvos.
02:13
It's in legal offices,
39
121000
1726
Jogászok irodáiban,
02:14
where it's used to go
through legal evidence
through legal evidence
40
122750
2368
ahol ügyesebben dolgozza fel
a bizonyítékokat,
a bizonyítékokat,
02:17
better than a human paralawyer.
41
125142
1855
mint egy ügyvédbojtár.
02:19
It's used to fly the plane
that you came here with.
that you came here with.
42
127506
3656
Mesterséges intelligencia irányította
a repülőt, amellyel idejöttek.
a repülőt, amellyel idejöttek.
02:24
Human pilots only flew it
seven to eight minutes,
seven to eight minutes,
43
132165
2381
A pilóták csak 7-8 percig vezették,
02:26
the rest of the time the AI was driving.
44
134570
1953
a fönnmaradó időben a MI irányított.
02:28
And of course, in Netflix and Amazon,
45
136547
2173
A Netflixen és az Amazonon
02:30
it's in the background,
making those recommendations.
making those recommendations.
46
138744
2530
a háttérből ez ontja az ajánlatokat.
Ez a helyzet ma.
02:33
That's what we have today.
47
141298
1261
Van azonban közismert példa is:
02:34
And we have an example, of course,
in a more front-facing aspect of it,
in a more front-facing aspect of it,
48
142583
4801
02:39
with the win of the AlphaGo, who beat
the world's greatest Go champion.
the world's greatest Go champion.
49
147408
6629
az AlphaGo győzelme
a go-világbajnok fölött.
a go-világbajnok fölött.
02:46
But it's more than that.
50
154478
4053
És ez még nem minden.
02:50
If you play a video game,
you're playing against an AI.
you're playing against an AI.
51
158555
2642
Videojátékot játszva
a mesterséges értelem az ellenfél.
a mesterséges értelem az ellenfél.
02:53
But recently, Google taught their AI
52
161221
4538
Nemrég a Google arra tanította a MI-t,
02:57
to actually learn how to play video games.
53
165783
2412
hogy tanuljon meg videojátékot játszani.
03:00
Again, teaching video games
was already done,
was already done,
54
168686
2709
Itt is az a helyzet, hogy a játékra
már korábban megtanították,
már korábban megtanították,
03:03
but learning how to play
a video game is another step.
a video game is another step.
55
171419
3897
de önállóan megtanulni a játékot
egy következő fokozat.
egy következő fokozat.
03:07
That's artificial smartness.
56
175340
1678
Az már mesterséges értelem.
03:10
What we're doing is taking
this artificial smartness
this artificial smartness
57
178571
4522
A módszer a következő:
a mesterséges értelmet
a mesterséges értelmet
03:15
and we're making it smarter and smarter.
58
183117
2423
egyre okosabbá és okosabbá tesszük.
03:18
There are three aspects
to this general trend
to this general trend
59
186710
3895
Az általános tendencia három tényezőjét
03:22
that I think are underappreciated;
60
190629
1689
úgy vélem, egy kissé alulértékeljük.
03:24
I think we would understand
AI a lot better
AI a lot better
61
192342
2277
Jobban értenénk
a mesterséges intelligenciát,
a mesterséges intelligenciát,
03:26
if we understood these three things.
62
194643
2301
ha e három tényezőt jobban értenénk,
03:28
I think these things also would
help us embrace AI,
help us embrace AI,
63
196968
3283
mert segítségükkel tudnánk megragadni
a mesterséges értelmet,
a mesterséges értelmet,
03:32
because it's only by embracing it
that we actually can steer it.
that we actually can steer it.
64
200275
3008
hogy képesek legyünk irányítani.
03:35
We can actually steer the specifics
by embracing the larger trend.
by embracing the larger trend.
65
203887
3157
A részleteket akkor irányíthatjuk,
ha a tendenciát ragadjuk meg.
ha a tendenciát ragadjuk meg.
03:39
So let me talk about
those three different aspects.
those three different aspects.
66
207467
2979
Lássuk, mik ezek a tényezők!
03:42
The first one is: our own intelligence
has a very poor understanding
has a very poor understanding
67
210470
3673
Az első: értelmünk kevéssé fogja föl,
03:46
of what intelligence is.
68
214167
1490
miben áll az intelligencia lényege.
03:48
We tend to think of intelligence
as a single dimension,
as a single dimension,
69
216110
3653
Hajlamosak vagyunk az hinni,
hogy az intelligencia egydimenziós,
hogy az intelligencia egydimenziós,
03:51
that it's kind of like a note
that gets louder and louder.
that gets louder and louder.
70
219787
2750
olyasmi, mint egy fokozatosan
erősödő zenei hang.
erősödő zenei hang.
03:54
It starts like with IQ measurement.
71
222561
2607
Kezdődik ez már az IQ mérésével.
03:57
It starts with maybe a simple
low IQ in a rat or mouse,
low IQ in a rat or mouse,
72
225192
4092
Kezdődik egy alacsony IQ-val,
pl. az egerek és patkányok esetében,
pl. az egerek és patkányok esetében,
04:01
and maybe there's more in a chimpanzee,
73
229308
2134
majd jön egy magasabb a csimpánzoknál,
04:03
and then maybe there's more
in a stupid person,
in a stupid person,
74
231887
2191
majd egy még magasabb
érték a tökfilkóknál,
érték a tökfilkóknál,
04:06
and then maybe an average
person like myself,
person like myself,
75
234102
2096
utána jönnek az átlagosak, mint én,
04:08
and then maybe a genius.
76
236222
1290
végül a zsenik.
04:09
And this single IQ intelligence
is getting greater and greater.
is getting greater and greater.
77
237536
4433
Úgyhogy az IQ egyetlen
mérőszáma egyre nő.
mérőszáma egyre nő.
04:14
That's completely wrong.
78
242516
1151
Ez gyökeresen hibás.
04:15
That's not what intelligence is --
not what human intelligence is, anyway.
not what human intelligence is, anyway.
79
243691
3608
Nem ez az emberi értelem lényege.
04:19
It's much more like a symphony
of different notes,
of different notes,
80
247673
4506
Az inkább olyan, mint egy sokféle
hangból álló szimfónia,
hangból álló szimfónia,
04:24
and each of these notes is played
on a different instrument of cognition.
on a different instrument of cognition.
81
252203
3609
amelynek hangjait a megértés
különféle hangszerein játsszák.
különféle hangszerein játsszák.
04:27
There are many types
of intelligences in our own minds.
of intelligences in our own minds.
82
255836
3701
Elménkben sokféle értelem
fér meg egymással.
fér meg egymással.
04:31
We have deductive reasoning,
83
259561
3048
Megvan benne a deduktív logika,
04:34
we have emotional intelligence,
84
262633
2221
az érzelmi intelligencia,
04:36
we have spatial intelligence;
85
264878
1393
a térlátás;
04:38
we have maybe 100 different types
that are all grouped together,
that are all grouped together,
86
266295
4021
úgy százféle típus létezik,
amelyek mind megvannak bennünk.
amelyek mind megvannak bennünk.
04:42
and they vary in different strengths
with different people.
with different people.
87
270340
3905
Persze, ezek egyénenként
különböző erősségűek.
különböző erősségűek.
04:46
And of course, if we go to animals,
they also have another basket --
they also have another basket --
88
274269
4526
Az állatoknál, persze,
másféle készségeket találunk–,
másféle készségeket találunk–,
04:50
another symphony of different
kinds of intelligences,
kinds of intelligences,
89
278819
2541
másfajta intelligenciák
másfajta szimfóniáját,
másfajta szimfóniáját,
04:53
and sometimes those same instruments
are the same that we have.
are the same that we have.
90
281384
3566
és néha ugyanazokat a hangszereket,
amelyek bennünk is megvannak.
amelyek bennünk is megvannak.
04:56
They can think in the same way,
but they may have a different arrangement,
but they may have a different arrangement,
91
284974
3561
Képesek hozzánk hasonlóan gondolkodni,
de mások a szempontjaik.
de mások a szempontjaik.
05:00
and maybe they're higher
in some cases than humans,
in some cases than humans,
92
288559
2467
Lehet, hogy néha fölülmúlják az embereket:
05:03
like long-term memory in a squirrel
is actually phenomenal,
is actually phenomenal,
93
291050
2837
pl. a mókus hosszútávú memóriája
egyenesen elképesztő.
egyenesen elképesztő.
05:05
so it can remember
where it buried its nuts.
where it buried its nuts.
94
293911
2287
Emlékszik rá, hová ásta el a mogyoróit.
05:08
But in other cases they may be lower.
95
296222
1987
Más téren azonban elmarad tőlünk.
05:10
When we go to make machines,
96
298233
2730
Amikor gépeket építünk,
05:12
we're going to engineer
them in the same way,
them in the same way,
97
300987
2196
ugyanígy alakítjuk ki őket:
05:15
where we'll make some of those types
of smartness much greater than ours,
of smartness much greater than ours,
98
303207
5010
bizonyos készségeikben
fölülmúlnak bennünket,
fölülmúlnak bennünket,
05:20
and many of them won't be
anywhere near ours,
anywhere near ours,
99
308241
2571
másokban viszont meg se közelítenek,
05:22
because they're not needed.
100
310836
1544
mert nincs rá szükség.
05:24
So we're going to take these things,
101
312404
2203
Tehát vesszük
05:26
these artificial clusters,
102
314631
2081
ezeket a mesterséges szerkentyűket,
05:28
and we'll be adding more varieties
of artificial cognition to our AIs.
of artificial cognition to our AIs.
103
316736
5362
és a mesterséges értelembe belerakunk
valamiféle mesterséges megismerést.
valamiféle mesterséges megismerést.
05:34
We're going to make them
very, very specific.
very, very specific.
104
322507
4071
Adott feladatra specializáljuk őket.
05:38
So your calculator is smarter
than you are in arithmetic already;
than you are in arithmetic already;
105
326602
6542
A zsebkalkulátor jobban számol nálunk.
05:45
your GPS is smarter
than you are in spatial navigation;
than you are in spatial navigation;
106
333168
3697
A GPS jobban tájékozódik
a térben, mint mi.
a térben, mint mi.
05:49
Google, Bing, are smarter
than you are in long-term memory.
than you are in long-term memory.
107
337337
4258
A Google és a Bing jobb nálunk
a hosszútávú memóriát tekintve.
a hosszútávú memóriát tekintve.
05:54
And we're going to take, again,
these kinds of different types of thinking
these kinds of different types of thinking
108
342339
4530
Aztán fogjuk ezeket az eltérően
gondolkodó szerkentyűket,
gondolkodó szerkentyűket,
05:58
and we'll put them into, like, a car.
109
346893
1933
és berakjuk, mondjuk, egy autóba.
06:00
The reason why we want to put them
in a car so the car drives,
in a car so the car drives,
110
348850
3057
Azért akarjuk,
hogy ezek vezessék a kocsit,
hogy ezek vezessék a kocsit,
06:03
is because it's not driving like a human.
111
351931
2302
mert nem emberi módon vezetnek.
06:06
It's not thinking like us.
112
354257
1396
Nem úgy gondolkodnak, ahogy mi.
06:07
That's the whole feature of it.
113
355677
1920
Ez a lényeg.
06:09
It's not being distracted,
114
357621
1535
Nem bambulnak el.
06:11
it's not worrying about whether
it left the stove on,
it left the stove on,
115
359180
2754
Nem veri ki őket a víz,
hogy bekapcsolva hagyták a sütőt,
hogy bekapcsolva hagyták a sütőt,
06:13
or whether it should have
majored in finance.
majored in finance.
116
361958
2138
vagy hogy helyes volt-e
a pénzügyi szakra menni.
a pénzügyi szakra menni.
06:16
It's just driving.
117
364120
1153
Csak vezetnek.
06:17
(Laughter)
118
365297
1142
(Nevetés)
06:18
Just driving, OK?
119
366463
1841
Csak vezetnek, ugye?
06:20
And we actually might even
come to advertise these
come to advertise these
120
368328
2937
Nevezhetjük őket
06:23
as "consciousness-free."
121
371289
1545
"érzéketlen"-nek.
06:24
They're without consciousness,
122
372858
1774
Nincsenek érzékeik,
06:26
they're not concerned about those things,
123
374656
2104
minden másra fittyet hánynak,
06:28
they're not distracted.
124
376784
1156
semmi sem zavarja őket.
06:29
So in general, what we're trying to do
125
377964
2966
Mindent egybevéve, igyekszünk
annyi eltérő észjárást alkotni,
annyi eltérő észjárást alkotni,
06:32
is make as many different
types of thinking as we can.
types of thinking as we can.
126
380954
4500
amennyit csak tudunk.
06:37
We're going to populate the space
127
385804
2083
Majd benépesítjük az űrt mindenféle típusú
06:39
of all the different possible types,
or species, of thinking.
or species, of thinking.
128
387911
4159
és fajtájú észjárással.
06:44
And there actually may be some problems
129
392094
2068
De lehetnek olyan bonyolult üzleti
06:46
that are so difficult
in business and science
in business and science
130
394186
2800
és tudományos problémák,
06:49
that our own type of human thinking
may not be able to solve them alone.
may not be able to solve them alone.
131
397010
4042
amelyek kizárólag emberi ésszel
nem oldhatók meg.
nem oldhatók meg.
06:53
We may need a two-step program,
132
401076
1992
Lehet, hogy kétlépéses program kell,
06:55
which is to invent new kinds of thinking
133
403092
4203
amelynek lényege valami
újfajta gondolkodásmód kiötlése.
újfajta gondolkodásmód kiötlése.
06:59
that we can work alongside of to solve
these really large problems,
these really large problems,
134
407692
3734
Azzal együttműködve oldhatjuk meg
az igazán nehéz feladatokat,
az igazán nehéz feladatokat,
07:03
say, like dark energy or quantum gravity.
135
411450
2918
pl. a sötét energia
vagy a kvantumgravitáció rejtélyét.
vagy a kvantumgravitáció rejtélyét.
07:08
What we're doing
is making alien intelligences.
is making alien intelligences.
136
416496
2646
Idegenszerű értelmet hozunk létre.
07:11
You might even think of this
as, sort of, artificial aliens
as, sort of, artificial aliens
137
419166
4069
Bizonyos értelemben
ezek mesterséges idegen lényekként is
ezek mesterséges idegen lényekként is
07:15
in some senses.
138
423259
1207
fölfoghatók.
07:16
And they're going to help
us think different,
us think different,
139
424490
2300
Segítségünkre vannak,
hogy másként gondolkozzunk,
hogy másként gondolkozzunk,
07:18
because thinking different
is the engine of creation
is the engine of creation
140
426814
3632
mert a másként gondolkodás
az alkotás, a gazdagság
az alkotás, a gazdagság
07:22
and wealth and new economy.
141
430470
1867
és az új gazdaság motorja.
07:25
The second aspect of this
is that we are going to use AI
is that we are going to use AI
142
433835
4923
A másik tényező,
hogy a mesterséges értelmet
hogy a mesterséges értelmet
07:30
to basically make a second
Industrial Revolution.
Industrial Revolution.
143
438782
2950
a második ipari forradalom
létrehozására használjuk.
létrehozására használjuk.
07:34
The first Industrial Revolution
was based on the fact
was based on the fact
144
442135
2773
Az első ipari forradalom
07:36
that we invented something
I would call artificial power.
I would call artificial power.
145
444932
3462
az ún. mesterséges erő
föltalálásán alapult.
föltalálásán alapult.
07:40
Previous to that,
146
448879
1150
Előtte,
07:42
during the Agricultural Revolution,
147
450053
2034
a mezőgazdasági forradalom idején,
07:44
everything that was made
had to be made with human muscle
had to be made with human muscle
148
452111
3702
mindent emberi erővel
vagy állati erővel végeztek.
07:47
or animal power.
149
455837
1307
07:49
That was the only way
to get anything done.
to get anything done.
150
457565
2063
Mindent csak így végezhettek.
07:51
The great innovation during
the Industrial Revolution was,
the Industrial Revolution was,
151
459652
2945
Az ipari forradalom
nagyszerű újítása abban állt,
nagyszerű újítása abban állt,
07:54
we harnessed steam power, fossil fuels,
152
462621
3109
hogy igába fogtuk a gőzerőt,
a fosszilis tüzelőanyagokat,
a fosszilis tüzelőanyagokat,
07:57
to make this artificial power
that we could use
that we could use
153
465754
3856
hogy a mesterséges energiát
fölhasználhassuk,
fölhasználhassuk,
08:01
to do anything we wanted to do.
154
469634
1669
amire csak kedvünk tartja.
08:03
So today when you drive down the highway,
155
471327
2772
Amikor ma végighajtunk a sztrádán,
08:06
you are, with a flick of the switch,
commanding 250 horses --
commanding 250 horses --
156
474571
4525
egy kézmozdulattal 250 lovat,
08:11
250 horsepower --
157
479120
1572
250 lóerőt irányítunk.
08:12
which we can use to build skyscrapers,
to build cities, to build roads,
to build cities, to build roads,
158
480716
4692
Felhőkarcolókat, városokat, utakat
építünk ezekkel az erőkkel,
építünk ezekkel az erőkkel,
08:17
to make factories that would churn out
lines of chairs or refrigerators
lines of chairs or refrigerators
159
485432
5789
gyárakat, amelyek ontják
a székeket és a hűtőszekrényeket;
a székeket és a hűtőszekrényeket;
08:23
way beyond our own power.
160
491245
1654
ez messze meghaladja saját erőnket.
08:24
And that artificial power can also
be distributed on wires on a grid
be distributed on wires on a grid
161
492923
6111
Ezt a mesterséges energiát
vezetékhálózaton eljuttathatjuk
vezetékhálózaton eljuttathatjuk
08:31
to every home, factory, farmstead,
162
499058
3199
minden otthonba, gyárba, tanyára,
08:34
and anybody could buy
that artificial power,
that artificial power,
163
502281
4191
s e mesterséges energiát
bárki megvásárolhatja:
bárki megvásárolhatja:
csak rá kell csatlakoznia egy eszközzel.
08:38
just by plugging something in.
164
506496
1472
08:39
So this was a source
of innovation as well,
of innovation as well,
165
507992
2439
Ez egyúttal az újítás forrása is lett,
08:42
because a farmer could take
a manual hand pump,
a manual hand pump,
166
510455
3418
mert a gazda a kéziszivattyúhoz
08:45
and they could add this artificial
power, this electricity,
power, this electricity,
167
513897
2916
a mesterséges energiát,
az elektromosságot hozzáadva
az elektromosságot hozzáadva
08:48
and he'd have an electric pump.
168
516837
1497
elektromos szivattyúhoz jutott.
08:50
And you multiply that by thousands
or tens of thousands of times,
or tens of thousands of times,
169
518358
3318
S e képletet ezerszer-tízezerszer
alkalmazva
alkalmazva
08:53
and that formula was what brought us
the Industrial Revolution.
the Industrial Revolution.
170
521700
3159
jutottunk el az ipari forradalomba.
08:56
All the things that we see,
all this progress that we now enjoy,
all this progress that we now enjoy,
171
524883
3585
Minden látható dolog,
az egész ma élvezett fejlődés,
az egész ma élvezett fejlődés,
09:00
has come from the fact
that we've done that.
that we've done that.
172
528492
2063
azért létezik, mert ezt megtettük.
09:02
We're going to do
the same thing now with AI.
the same thing now with AI.
173
530579
2348
Most ugyanerre készülünk
a mesterséges értelemmel.
a mesterséges értelemmel.
09:04
We're going to distribute that on a grid,
174
532951
2075
Hálózaton szeretnénk továbbítani,
09:07
and now you can take that electric pump.
175
535050
2374
és az elektromos szivattyúhoz
09:09
You can add some artificial intelligence,
176
537448
2968
némi mesterséges értelmet hozzáadva
09:12
and now you have a smart pump.
177
540440
1481
okos-szivattyúhoz juthatunk.
09:13
And that, multiplied by a million times,
178
541945
1928
Ezt milliószorosan sokszorozva
eljuthatunk
eljuthatunk
09:15
is going to be this second
Industrial Revolution.
Industrial Revolution.
179
543897
2363
a második ipari forradalomba.
09:18
So now the car is going down the highway,
180
546284
2382
Tehát, autónk halad a sztrádán,
09:20
it's 250 horsepower,
but in addition, it's 250 minds.
but in addition, it's 250 minds.
181
548690
4294
benne 250 lóerő és még 250 értelem.
09:25
That's the auto-driven car.
182
553008
1769
Ez az önvezető autó.
09:26
It's like a new commodity;
183
554801
1389
Olyan, mint egy új árucikk.
09:28
it's a new utility.
184
556214
1303
Egy újfajta közmű.
09:29
The AI is going to flow
across the grid -- the cloud --
across the grid -- the cloud --
185
557541
3041
A mesterséges értelem hálózaton,
– felhőben – terjed majd,
– felhőben – terjed majd,
09:32
in the same way electricity did.
186
560606
1567
ugyanúgy, ahogy a villanyáram.
09:34
So everything that we had electrified,
187
562197
2380
Minden, amit villamosítottunk,
09:36
we're now going to cognify.
188
564601
1723
most majd értelemmel telik meg.
09:38
And I owe it to Jeff, then,
189
566693
1385
Nekem az a véleményem,
09:40
that the formula
for the next 10,000 start-ups
for the next 10,000 start-ups
190
568102
3732
hogy a következő 10 000 startup receptje
09:43
is very, very simple,
191
571858
1162
pofonegyszerű.
09:45
which is to take x and add AI.
192
573044
3167
Végy egy x-et, és adj hozzá
mesterséges értelmet.
mesterséges értelmet.
09:49
That is the formula,
that's what we're going to be doing.
that's what we're going to be doing.
193
577100
2812
Ennyi a képlet, és csak
ennyit fogunk tenni.
ennyit fogunk tenni.
09:51
And that is the way
in which we're going to make
in which we're going to make
194
579936
3306
Így fogjuk létrehozni
09:55
this second Industrial Revolution.
195
583266
1858
a második ipari forradalmat.
09:57
And by the way -- right now, this minute,
196
585148
2154
Egyébként, ha most
09:59
you can log on to Google
197
587326
1169
belépnek a Google-be,
10:00
and you can purchase
AI for six cents, 100 hits.
AI for six cents, 100 hits.
198
588519
3882
6 centért vehetnek
mesterséges értelmet, 100 találatot.
mesterséges értelmet, 100 találatot.
10:04
That's available right now.
199
592758
1604
Ez már most is lehetséges.
10:06
So the third aspect of this
200
594386
2286
A harmadik tényező:
10:09
is that when we take this AI
and embody it,
and embody it,
201
597315
2678
amikor a mesterséges értelmet
testtel ruházzuk föl,
testtel ruházzuk föl,
10:12
we get robots.
202
600017
1173
robotokhoz jutunk.
10:13
And robots are going to be bots,
203
601214
1703
A robotok sok feladatot végeznek
majd el abból,
majd el abból,
10:14
they're going to be doing many
of the tasks that we have already done.
of the tasks that we have already done.
204
602941
3328
amit eddig mi, emberek csináltunk.
10:20
A job is just a bunch of tasks,
205
608357
1528
A munka egy csomó feladat,
10:21
so they're going to redefine our jobs
206
609909
1762
melyeket a robotok újraértelmeznek,
10:23
because they're going to do
some of those tasks.
some of those tasks.
207
611695
2259
mivel közülük bizonyosakat
magukra vállalnak.
magukra vállalnak.
10:25
But they're also going to curate
whole new categories,
whole new categories,
208
613978
3197
Ráadásul egy sor
új kategóriát is alkotnak,
új kategóriát is alkotnak,
10:29
a whole new slew of tasks
209
617199
2247
egy sereg új feladatot is,
amikről korábban azt sem tudtuk,
hogy végezni akarjuk.
hogy végezni akarjuk.
10:31
that we didn't know
we wanted to do before.
we wanted to do before.
210
619470
2457
10:33
They're going to actually
engender new kinds of jobs,
engender new kinds of jobs,
211
621951
3637
Új foglalkozásokat hoznak létre,
10:37
new kinds of tasks that we want done,
212
625612
2271
új feladatokat, amelyekre szükségünk lesz,
10:39
just as automation made up
a whole bunch of new things
a whole bunch of new things
213
627907
3405
mint ahogy az automatizálás is
egy sor új dolgot teremtett,
egy sor új dolgot teremtett,
amelyek szükségességéről
korábban sejtelmünk sem volt,
korábban sejtelmünk sem volt,
10:43
that we didn't know we needed before,
214
631336
1834
10:45
and now we can't live without them.
215
633194
1956
de ma már nem élhetünk nélkülük.
10:47
So they're going to produce
even more jobs than they take away,
even more jobs than they take away,
216
635174
3956
Több állást hoznak létre,
mint amennyit megszüntetnek,
mint amennyit megszüntetnek,
10:51
but it's important that a lot of the tasks
that we're going to give them
that we're going to give them
217
639154
3434
de fontos, hogy a nekik átadandó
feladatok jó része
feladatok jó része
10:54
are tasks that can be defined
in terms of efficiency or productivity.
in terms of efficiency or productivity.
218
642612
4572
a hatékonyság és a termelékenység
fogalma szempontjából,
fogalma szempontjából,
10:59
If you can specify a task,
219
647676
1828
ha egyáltalán osztályozhatók,
11:01
either manual or conceptual,
220
649528
2235
vagy manuális vagy konceptuális jellegű,
11:03
that can be specified in terms
of efficiency or productivity,
of efficiency or productivity,
221
651787
4780
így a hatékonysággal
vagy a termelékenységgel jellemezhető.
vagy a termelékenységgel jellemezhető.
11:08
that goes to the bots.
222
656591
1777
Ezek átkerülnek a robotokhoz.
11:10
Productivity is for robots.
223
658758
2178
A hatékonyság a robotok terepe.
11:12
What we're really good at
is basically wasting time.
is basically wasting time.
224
660960
3070
Mi az idő pocsékolásában
vagyunk a legjobbak.
vagyunk a legjobbak.
11:16
(Laughter)
225
664054
1028
(Nevetés)
11:17
We're really good at things
that are inefficient.
that are inefficient.
226
665106
2316
A nem hatékony dolgokban
vagyunk igazán jók.
vagyunk igazán jók.
11:19
Science is inherently inefficient.
227
667446
3025
A tudomány jellemzően nem hatékony.
11:22
It runs on that fact that you have
one failure after another.
one failure after another.
228
670816
2906
A folyamatos kudarcok éltetik.
11:25
It runs on the fact that you make tests
and experiments that don't work,
and experiments that don't work,
229
673746
3424
Azért működik,
mert kudarcos kísérleteket végzünk,
mert kudarcos kísérleteket végzünk,
11:29
otherwise you're not learning.
230
677194
1442
különben nem okulnánk.
11:30
It runs on the fact
231
678660
1162
Az élteti,
11:31
that there is not
a lot of efficiency in it.
a lot of efficiency in it.
232
679846
2083
hogy nemigen hatékony.
11:33
Innovation by definition is inefficient,
233
681953
2779
Az újítási folyamat eleve nem hatékony,
11:36
because you make prototypes,
234
684756
1391
mert prototípusokat készítünk,
11:38
because you try stuff that fails,
that doesn't work.
that doesn't work.
235
686171
2707
hiszen kipróbáljuk azt, ami nem működik.
11:40
Exploration is inherently inefficiency.
236
688902
3112
A kutatás természeténél
fogva nem hatékony.
fogva nem hatékony.
11:44
Art is not efficient.
237
692038
1531
A művészet sem hatékony.
11:45
Human relationships are not efficient.
238
693593
2127
Az emberi kapcsolatok nem hatékonyak.
11:47
These are all the kinds of things
we're going to gravitate to,
we're going to gravitate to,
239
695744
2940
Azért vonzódunk ezekhez a dolgokhoz,
11:50
because they're not efficient.
240
698708
1475
mert nem hatékonyak.
11:52
Efficiency is for robots.
241
700207
2315
A hatékonyság a robotok terepe.
11:55
We're also going to learn
that we're going to work with these AIs
that we're going to work with these AIs
242
703338
4123
Meg kell tanulnunk majd együtt dolgozni
a mesterséges értelemmel,
a mesterséges értelemmel,
11:59
because they think differently than us.
243
707485
1997
mert másképp gondolkozik, mint mi.
12:02
When Deep Blue beat
the world's best chess champion,
the world's best chess champion,
244
710005
4314
Amikor a Deep Blue
legyőzte a sakkvilágbajnokot,
legyőzte a sakkvilágbajnokot,
az emberek azt hitték,
a sakknak befellegzett.
a sakknak befellegzett.
12:06
people thought it was the end of chess.
245
714343
1929
De kiderült, hogy a legjobb
sakkvilágbajnok
sakkvilágbajnok
12:08
But actually, it turns out that today,
the best chess champion in the world
the best chess champion in the world
246
716296
4402
12:12
is not an AI.
247
720722
1557
nem egy mesterséges értelem,
12:14
And it's not a human.
248
722906
1181
és nem is egy sakkozó,
12:16
It's the team of a human and an AI.
249
724111
2715
hanem a sakkozó és a mesterséges
értelem együttese.
értelem együttese.
12:18
The best medical diagnostician
is not a doctor, it's not an AI,
is not a doctor, it's not an AI,
250
726850
4000
A legjobb diagnoszta nem az orvos
vagy a mesterséges értelem,
vagy a mesterséges értelem,
12:22
it's the team.
251
730874
1176
hanem a kettő együtt.
12:24
We're going to be working with these AIs,
252
732074
2149
E mesterséges értelmekkel
dolgozunk majd együtt,
dolgozunk majd együtt,
12:26
and I think you'll be paid in the future
253
734247
1995
és a jövőben aszerint fizetik majd önöket,
12:28
by how well you work with these bots.
254
736266
2391
hogy milyen jól tudnak
együttműködni a robotokkal.
együttműködni a robotokkal.
12:31
So that's the third thing,
is that they're different,
is that they're different,
255
739026
4257
A harmadik dolog tehát,
hogy ők mások,
hogy ők mások,
12:35
they're utility
256
743307
1165
ők valójában egy közmű:
12:36
and they are going to be something
we work with rather than against.
we work with rather than against.
257
744496
3816
velük kell dolgoznunk, nem pedig ellenük.
12:40
We're working with these
rather than against them.
rather than against them.
258
748336
2639
Együtt dolgozunk velük, nem ellenük.
12:42
So, the future:
259
750999
1477
Ezért a jövő:
12:44
Where does that take us?
260
752500
1420
Merre visz az utunk?
12:45
I think that 25 years from now,
they'll look back
they'll look back
261
753944
3567
Ha utódaink 25 év múlva visszatekintenek
12:49
and look at our understanding
of AI and say,
of AI and say,
262
757535
3125
a mesterséges intelligenciára,
majd azt mondják:
majd azt mondják:
12:52
"You didn't have AI. In fact,
you didn't even have the Internet yet,
you didn't even have the Internet yet,
263
760684
3300
"A ti időtökben nem volt sem MI,
sem internetet ahhoz képest,
sem internetet ahhoz képest,
12:56
compared to what we're going
to have 25 years from now."
to have 25 years from now."
264
764008
2741
ami nekünk lesz 25 év múlva."
12:59
There are no AI experts right now.
265
767849
3047
Most nincsenek
mesterségesértelem-szakértők.
mesterségesértelem-szakértők.
13:02
There's a lot of money going to it,
266
770920
1699
Rengeteg pénzt fektetnek ma ebbe,
13:04
there are billions of dollars
being spent on it;
being spent on it;
267
772643
2268
sok milliárd dollárt költenek rá;
13:06
it's a huge business,
268
774935
2164
ez hatalmas üzlet.
13:09
but there are no experts, compared
to what we'll know 20 years from now.
to what we'll know 20 years from now.
269
777123
4272
de nincs szakértője ahhoz képest,
amit 20 év múlva tudunk majd róla.
amit 20 év múlva tudunk majd róla.
13:14
So we are just at the beginning
of the beginning,
of the beginning,
270
782064
2885
Még csak a kezdet kezdetén tartunk,
13:16
we're in the first hour of all this.
271
784973
2163
csak az első lépéseket tesszük meg.
13:19
We're in the first hour of the Internet.
272
787160
1935
Az internet hajnalán járunk.
13:21
We're in the first hour of what's coming.
273
789119
2040
Csak a jövő elején tartunk.
13:23
The most popular AI product
in 20 years from now,
in 20 years from now,
274
791183
4153
A MI 20 év múlva
mindenki által használandó
mindenki által használandó
13:27
that everybody uses,
275
795360
1444
legnépszerűbb termékét
13:29
has not been invented yet.
276
797499
1544
még föl sem találták.
13:32
That means that you're not late.
277
800464
2467
Eszerint nincsenek késésben.
13:35
Thank you.
278
803684
1151
Köszönöm.
13:36
(Laughter)
279
804859
1026
(Nevetés)
13:37
(Applause)
280
805909
2757
(Taps)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com