TED2018
Kai-Fu Lee: How AI can save our humanity
カイフ・リー: AIによって私達は人間らしさを取り戻せる
Filmed:
Readability: 4.7
3,583,197 views
AIは、私達の世界に大規模な変革をもたらしています。しかしAIにはできないことが１つあります。それは、愛という感情を持つこと。この予見的なトークでは、コンピュータ科学者のカイフ・リーが、どのようにアメリカと中国がディープラーニング革命を推進してきたかを詳しく話します。また、AIの時代に思いやりと創造性を大事にすることでどのように人間が成功することができるか、将来像を提示します。リーはこう話します。「AIは幸せをもたらしてくれます。単純労働から私達を解放し、私達を人間たらしめるものは何かに気づかせてくれます。」
Kai-Fu Lee - Investor, computer scientist
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about
how AI and mankind can coexist,
how AI and mankind can coexist,
0
640
4536
AIと人類は共生できる
という話をしたいと思います
という話をしたいと思います
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
でも その前に人間の価値観を
問い直す必要があります
問い直す必要があります
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
まず初めに 私の過ちについて
告白させてください
告白させてください
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
それは 1991年12月16日の
午前11時のことでした
午前11時のことでした
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
私は 初めて父親に
なろうとしていました
なろうとしていました
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
妻のシェンリンは
病院のベッドに横たわり
病院のベッドに横たわり
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
12時間にわたって とても苦しい
陣痛に耐えていました
陣痛に耐えていました
00:40
I sat by her bedside
7
28280
2296
私は彼女のベッドの脇に座り
00:42
but looked anxiously at my watch,
8
30600
2376
心配そうに時計を見ていました
00:45
and I knew something that she didn't.
9
33000
1800
妻には伝えていませんでしたが
00:47
I knew that if in one hour,
10
35440
1800
あと１時間以内に
00:50
our child didn't come,
11
38360
1936
子供が生まれなければ
00:52
I was going to leave her there
12
40320
1936
彼女をそこに残し
00:54
and go back to work
13
42280
1656
職場に戻って
00:55
and make a presentation about AI
14
43960
2576
AIについてプレゼンすることに
なっていました
なっていました
00:58
to my boss, Apple's CEO.
15
46560
2200
相手は私の上司
アップル社のCEOです
アップル社のCEOです
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
幸い 娘は11時半に生まれました
01:07
(Laughter)
17
55080
1936
（笑）
01:09
(Applause)
18
57040
1936
（拍手）
01:11
sparing me from doing the unthinkable,
19
59000
4336
私は やってはならないことを
せずに済みました
せずに済みました
01:15
and to this day, I am so sorry
20
63360
2496
今でも 家族への愛情より
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
仕事を優先させてしまったことを
後悔しています
後悔しています
01:22
(Applause)
22
70560
5736
（拍手）
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
ただ AIのプレゼンは成功しました
01:30
(Laughter)
24
78960
2736
（笑）
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
アップル社は 私の仕事を気に入り
発表することにしました
発表することにしました
01:36
at TED1992,
26
84880
2696
TED1992において―
01:39
26 years ago on this very stage.
27
87600
3016
26年前 まさにこのステージ上でした
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
私はAIについて 最大かつ最も重要な
発見をしたと考えていました
発見をしたと考えていました
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
翌日の『ウォール・ストリート・
ジャーナル』も同意見でした
ジャーナル』も同意見でした
01:51
But as far as discoveries went,
30
99440
2536
ただ 発見という意味では
01:54
it turned out,
31
102000
1336
私の業績は 結局
01:55
I didn't discover India, or America.
32
103360
2776
インドやアメリカ大陸級ではなく
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
ポルトガル沖の小島程度でしょう
02:02
But the AI era of discovery continued,
34
110720
3256
その一方で 発見の時代は続き
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
更に多くの科学者が
AIに打ち込むようになりました
AIに打ち込むようになりました
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
10年ほど前 ３人の北米の
科学者の手によって
科学者の手によって
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
AIについての重大な発見がありました
02:15
and it's known as deep learning.
38
123080
1600
ディープラーニングです
02:17
Deep learning is a technology
that can take a huge amount of data
that can take a huge amount of data
39
125400
3696
ディープラーニングとは
ひとつの領域に関する
ひとつの領域に関する
02:21
within one single domain
40
129120
1736
大量のデータを取り込み
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
人間を超える精度で
予測や決断ができるようにする技術です
予測や決断ができるようにする技術です
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
例えば ディープラーニングの
ネットワークに
ネットワークに
02:30
a massive number of food photos,
43
138640
2816
大量の食べ物の写真を
見せたとしましょう
見せたとしましょう
02:33
it can recognize food
44
141480
1576
それは食べ物を識別し
02:35
such as hot dog or no hot dog.
45
143080
3296
例えば ホットドッグか
ホットドッグでないかを見分けます
ホットドッグでないかを見分けます
02:38
(Applause)
46
146400
3136
（拍手）
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
もしくは 高速道路の運転時における
02:46
from driving on the highway,
48
154600
2536
たくさんの写真、動画
センサー・データを見せれば
センサー・データを見せれば
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
人間と同じように
実際に高速道路で
実際に高速道路で
02:53
on the highway.
50
161360
1656
車を運転することもできます
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
それではもし
ディープラーニングネットワークに
ディープラーニングネットワークに
02:57
all the speeches made by President Trump?
52
165880
2400
トランプ大統領のスピーチを
全部見せたら？
全部見せたら？
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
すると この人工的に
知能を与えられたトランプ大統領は—
知能を与えられたトランプ大統領は—
03:05
actually the network --
54
173600
2216
実際は ネットワークなんですが—
03:07
(Laughter)
55
175840
1656
（笑）
03:09
can --
56
177520
1216
実際に―
03:10
(Applause)
57
178760
4056
（拍手）
03:14
You like double oxymorons, huh?
58
182840
2336
皆さん ２重の矛盾語法は
お好きでしょう？
お好きでしょう？
03:17
(Laughter)
59
185200
3856
（笑）
03:21
(Applause)
60
189080
6096
（拍手）
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
このネットワークに AIに関する
スピーチをリクエストすれば
スピーチをリクエストすれば
03:32
he, or it, might say --
62
200480
2640
大統領 というかネットワークは
こう話すでしょう
こう話すでしょう
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
（音再生）
トランプ：AIを活用し
トランプ：AIを活用し
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
より良い世界を築くのは
素晴らしいことだ
素晴らしいことだ
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
リー：他の言語ではどうでしょう？
03:43
DT: (Speaking Chinese)
66
211400
1816
トランプ：（中国語を話す）
03:45
(Laughter)
67
213240
1496
（笑）
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
リー：中国語を話せるなんて
知らなかったでしょう？
知らなかったでしょう？
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
ディープラーニングはAIにおける
発見の時代の中核となりました
発見の時代の中核となりました
03:55
and that's led by the US.
70
223160
1816
これを先導するのはアメリカです
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
でも 今や実用化の時代に突入しています
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
実行、商品の品質
スピードやデータが大事な時代です
スピードやデータが大事な時代です
04:05
And that's where China comes in.
73
233840
2096
そこに中国が台頭してきました
04:07
Chinese entrepreneurs,
74
235960
1576
私が投資家として出資している
中国の起業家たちは
中国の起業家たちは
04:09
who I fund as a venture capitalist,
75
237560
1896
04:11
are incredible workers,
76
239480
1736
信じられないほどの働き者で
04:13
amazing work ethic.
77
241240
1936
仕事に対する姿勢には
目を見張ります
目を見張ります
04:15
My example in the delivery room is nothing
compared to how hard people work in China.
compared to how hard people work in China.
78
243200
5296
分娩室での私など 中国人の猛烈な
働きぶりに比べたら足元にも及びません
働きぶりに比べたら足元にも及びません
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
例えば ある新興企業は自社の
ワークライフバランスをこう表現しました
ワークライフバランスをこう表現しました
04:24
"Come work for us because we are 996."
80
252240
3696
「弊社は996なので
ぜひ働きに来てください」
ぜひ働きに来てください」
04:27
And what does that mean?
81
255960
1256
どういう意味でしょうか？
04:29
It means the work hours
of 9am to 9pm, six days a week.
of 9am to 9pm, six days a week.
82
257240
4400
労働時間が 午前９時から午後９時まで
週６日出勤という意味です
週６日出勤という意味です
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
他の997の新興企業と
比較しているのです
比較しているのです
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
さらに 中国製の商品は
品質がこの10年で
品質がこの10年で
04:42
in the past decade,
85
270440
1696
着実に良くなってきました
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
競争の激しい環境に
おかれているからです
おかれているからです
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
シリコンバレーでは 起業家たちは
とても紳士的に競争しています
とても紳士的に競争しています
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
昔の戦争で それぞれが
交互に攻撃していたのと
交互に攻撃していたのと
04:58
to fire at each other.
89
286600
1256
似ています
04:59
(Laughter)
90
287880
1056
（笑）
05:00
But in the Chinese environment,
91
288960
2016
しかし中国で起きているのは
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
古代ローマの剣闘士のような
やるか やられるかの戦いです
やるか やられるかの戦いです
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
そのような厳しい環境で 起業家たちは
急速に成長する方法を学び
急速に成長する方法を学び
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
電光石火の速さで より良い商品を
作ることを学び
作ることを学び
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
ビジネスモデルに磨きをかける
方法を学んでいます
方法を学んでいます
05:19
until they're impregnable.
96
307360
1400
強固な地位を築き上げるまで―
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
結果的に WeChatやWeiboのような
中国の素晴らしい発明品は
中国の素晴らしい発明品は
05:25
are arguably better
98
313280
1416
それに相当するアメリカの
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
FacebookやTwitterと比べ
優れているのは ほぼ確実でしょう
優れているのは ほぼ確実でしょう
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
さらに 中国の市場は
この変化を受け入れて
この変化を受け入れて
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
変化やパラダイムシフトを
加速させました
加速させました
05:38
As an example, if any of you go to China,
102
326080
2096
例えば もし皆さんが中国を訪れたら
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
現金もクレジットカードも
ほとんど目にしないでしょう
ほとんど目にしないでしょう
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
私達が皆 よく話題にしている
モバイル（スマホ）決済が
モバイル（スマホ）決済が
05:47
has become the reality in China.
105
335000
2416
中国ではすでに実現しているからです
05:49
In the last year,
106
337440
1296
昨年
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
スマホ経由のインターネット上で
18.8兆USドルが取引されました
18.8兆USドルが取引されました
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
それを可能にしたのは
裏で支える
裏で支える
05:59
built behind it.
109
347680
1256
強固な技術力です
06:00
It's even bigger than the China GDP.
110
348960
2440
その金額は中国のGDPさえも
超えています
超えています
06:04
And this technology, you can say,
how can it be bigger than the GDP?
how can it be bigger than the GDP?
111
352120
3616
皆さん どうやったらGDPを
超えられるのかと思うでしょう
超えられるのかと思うでしょう
06:07
Because it includes all transactions:
112
355760
1976
そこに あらゆる取引が
含まれるからです
含まれるからです
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
卸売り、流通ルート、小売り
オンライン・オフライン取引
オンライン・オフライン取引
06:13
going into a shopping mall
or going into a farmers market like this.
or going into a farmers market like this.
114
361560
5056
ショッピングモールや
農家の直売所での買い物もです
農家の直売所での買い物もです
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
その技術は 商取引だけでなく
互いにお金をやり取りするために
互いにお金をやり取りするために
06:22
to pay each other, not just merchants,
116
370040
2056
７億人の人々が利用しています
06:24
so it's peer to peer,
117
372120
1416
個人の直接取引なのです
06:25
and it's almost transaction-fee-free.
118
373560
2680
更に決済費用は ほぼかかりません
06:29
And it's instantaneous,
119
377720
2376
瞬間的にやり取りが可能で
06:32
and it's used everywhere.
120
380120
1440
どこでも使えます
06:34
And finally, the China market is enormous.
121
382320
3376
そして 中国市場は巨大です
06:37
This market is large,
122
385720
1976
市場が大きいので
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
起業家たちが
顧客を増やし 利益を増やし
顧客を増やし 利益を増やし
06:44
more investment, but most importantly,
124
392240
2336
投資を増やせるのはもちろん
さらに重要なのは
さらに重要なのは
06:46
it gives the entrepreneurs a chance
to collect a huge amount of data
to collect a huge amount of data
125
394600
4536
起業家たちに
大量のデータを集める機会が与えられ
大量のデータを集める機会が与えられ
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
それがAIを動かすための起爆剤となる
ということです
ということです
06:54
So as a result, the Chinese AI companies
127
402960
2936
だから結果的に 中国のAIの会社は
06:57
have leaped ahead
128
405920
1736
躍進することができました
06:59
so that today, the most valuable companies
129
407680
3096
現在 コンピューターによる画像認識や
07:02
in computer vision, speech recognition,
130
410800
2616
音声認識、音声合成、機械翻訳
ドローンの分野で
ドローンの分野で
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
時価総額が最も高い会社は
07:08
are all Chinese companies.
132
416880
1920
全て中国の会社です
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
アメリカが
発見の時代を先導し
発見の時代を先導し
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
中国が実用化の時代を先導し
07:17
we are now in an amazing age
135
425800
2256
驚くべき時代が実現しています
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
２つの超大国という
２つの原動力が
２つの原動力が
07:23
are working together
137
431360
1680
力を合わせ
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
これまで人類が経験してきた中で
07:29
that we have ever seen as humans.
139
437640
2360
最も急速な技術革命を
引き起こしています
引き起こしています
07:32
And this will bring tremendous wealth,
140
440640
2496
そして これは巨大な富を
もたらすでしょう
もたらすでしょう
07:35
unprecedented wealth:
141
443160
1776
かつてない富です
07:36
16 trillion dollars, according to PwC,
142
444960
3896
PwCによれば 2030年に
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
世界のGDPの総額に
AIが寄与する金額は16兆ドルです
AIが寄与する金額は16兆ドルです
07:46
It will also bring immense challenges
144
454280
2616
仕事がAIに代替される
可能性という意味では
可能性という意味では
07:48
in terms of potential job replacements.
145
456920
3576
大きな課題もあります
07:52
Whereas in the Industrial Age
146
460520
2160
産業革命期には
仕事がどんどん生み出されました
仕事がどんどん生み出されました
07:55
it created more jobs
147
463880
1536
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
熟練した職人の仕事が 組み立てラインの
各工程へと分割されたことで
各工程へと分割されたことで
08:03
so more jobs were created.
149
471240
1976
より多くの仕事が生まれたのです
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
ところがAIは組み立てラインの
仕事をすべて
仕事をすべて
08:10
in the assembly line with robots.
151
478200
2256
ロボットに置き換えてしまいます
08:12
And it's not just in factories,
152
480480
1936
工場だけではありません
08:14
but truckers, drivers
153
482440
2056
トラックや車の運転手
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
電話セールスや
カスタマーサービスの仕事―
カスタマーサービスの仕事―
08:20
and hematologists as well as radiologists
155
488640
2976
そして血液学者や
放射線科医もです
放射線科医もです
08:23
over the next 15 years
156
491640
2096
この先 15年で
08:25
are going to be gradually replaced
157
493760
2536
これらの仕事は徐々に
人工知能に置き換えられていくでしょう
人工知能に置き換えられていくでしょう
08:28
by artificial intelligence.
158
496320
1440
08:30
And only the creative jobs --
159
498360
2056
そして 創造性を必要とする仕事だけが―
08:32
(Laughter)
160
500440
1976
（笑）
08:34
I have to make myself safe, right?
161
502440
2200
私も安全圏に入らないと
なりませんからね
なりませんからね
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
そう 創造的な仕事は
なくせません
なくせません
08:41
because AI can optimize but not create.
163
509960
3040
なぜならAIは 最適化はできても
創造はできないからです
創造はできないからです
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
しかし 仕事の喪失よりも
もっと深刻なのは
もっと深刻なのは
08:49
is the loss of meaning,
165
517559
1777
意義の喪失です
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
なぜなら産業革命の仕事観は
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
仕事こそが 私達の存在意義であり
人生の意味を決めるのは仕事であると
人生の意味を決めるのは仕事であると
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
私達を洗脳してきたからです
09:03
And I was a prime and willing victim
to that type of workaholic thinking.
to that type of workaholic thinking.
169
531120
6296
私はそのような仕事中心の考え方を
自らにあてはめようとする典型でした
自らにあてはめようとする典型でした
09:09
I worked incredibly hard.
170
537440
1616
信じられないほど働きづめでした
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
分娩室で妻を置いて
出ていきかけたのも
出ていきかけたのも
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
投資した起業家たちと共に
996で働いたのも そのためです
996で働いたのも そのためです
09:18
And that obsession that I had with work
173
546880
4416
ところが 私の仕事への執着は
09:23
ended abruptly a few years ago
174
551320
3056
数年前 突然終わりを迎えました
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
ステージ４の悪性リンパ腫と
診断されたのです
診断されたのです
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
このPET検査の画像は
20以上の悪性腫瘍が火の玉のように
20以上の悪性腫瘍が火の玉のように
09:35
jumping out like fireballs,
177
563640
2176
広がる様子を示しています
09:37
melting away my ambition.
178
565840
2576
それは私の野心を溶かし去りました
09:40
But more importantly,
179
568440
1456
しかし それ以上に大切なのは
09:41
it helped me reexamine my life.
180
569920
2736
私が人生を見つめ直す
転機になったことです
転機になったことです
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
あと数か月の命かもしれないと
知ったことで
知ったことで
09:47
caused me to see how foolish it was
182
575800
2936
どれだけ懸命に働き
成果を得たかを
成果を得たかを
09:50
for me to base my entire self-worth
183
578760
3576
自分の価値の基準とするのは
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
愚かなことだと
気づきました
気づきました
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
私の優先順位は
まったく間違っていました
まったく間違っていました
10:02
I neglected my family.
186
590320
1600
家族をおろそかにしていました
10:05
My father had passed away,
187
593000
1416
父は亡くなっていましたが
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
大切に想っていると
伝えたことはありませんでした
伝えたことはありませんでした
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
母は認知症で 私のことを
もう息子だと分かってくれません
もう息子だと分かってくれません
10:13
and my children had grown up.
190
601880
1920
子供達の成長にも
立ち会えませんでした
立ち会えませんでした
10:16
During my chemotherapy,
191
604400
1656
化学療法を受けていた頃
10:18
I read a book by Bronnie Ware
192
606080
2456
ブロニー・ウェアの本を読みました
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
死の床にある人々の
最期の願いや後悔を書いた本です
最期の願いや後悔を書いた本です
10:26
She found that facing death,
194
614080
2256
彼女は 人は死の間際に
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
「もっと懸命に働いていれば」と
後悔することなどないと知りました
後悔することなどないと知りました
10:32
They only regretted that they didn't
spend enough time with their loved ones
spend enough time with their loved ones
196
620880
5176
後悔するのは 愛する人たちと
もっと一緒にいればよかったとか
もっと一緒にいればよかったとか
10:38
and that they didn't spread their love.
197
626080
2760
大切に想う気持ちを
伝えていればということだけでした
伝えていればということだけでした
10:42
So I am fortunately today in remission.
198
630400
4536
幸いなことに
現在私の腫瘍は寛解しています
現在私の腫瘍は寛解しています
10:46
(Applause)
199
634960
6856
（拍手）
10:53
So I can be back at TED again
200
641840
1976
だからまたTEDに戻って
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
生き方を変えたことを
皆さんにお伝えできます
皆さんにお伝えできます
10:59
I now only work 965 --
202
647240
2760
私は今は965しか働きません
11:03
occasionally 996, but usually 965.
203
651200
3976
たまに996ですが 普段は965です
11:07
I moved closer to my mother,
204
655200
1896
母の近くに引っ越し
11:09
my wife usually travels with me,
205
657120
2456
たいてい妻を
私の出張先に連れて行きます
私の出張先に連れて行きます
11:11
and when my kids have vacation,
if they don't come home, I go to them.
if they don't come home, I go to them.
206
659600
3816
子供達が休みに入って
実家に戻らなければ 私が会いに行きます
実家に戻らなければ 私が会いに行きます
11:15
So it's a new form of life
207
663440
2456
この新しい生き方が
11:17
that helped me recognize
208
665920
1816
自分にとって
11:19
how important it is that love is for me,
209
667760
3176
愛がどれほど大切か
気づかせてくれました
気づかせてくれました
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
死に直面して
私の人生は変わりましたが
私の人生は変わりましたが
11:26
but it also helped me see a new way
211
674400
2456
そのおかげで AIが
人類にどれだけ影響を与え
人類にどれだけ影響を与え
11:28
of how AI should impact mankind
212
676880
3776
人類と共にどう働き
どう共存すべきか
どう共存すべきか
11:32
and work and coexist with mankind,
213
680680
2480
新たな視点を得られました
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
AIは実際に 単純労働を
どんどん奪っていますが
どんどん奪っていますが
11:41
but routine jobs are not what we're about.
215
689200
3656
そういう仕事が
私達の全てではありません
私達の全てではありません
11:44
Why we exist is love.
216
692880
2256
私達の存在理由は愛です
11:47
When we hold our newborn baby,
217
695160
2096
私達が生まれたばかりの
赤ちゃんを抱く時
赤ちゃんを抱く時
11:49
love at first sight,
218
697280
1496
一目で愛を感じます
11:50
or when we help someone in need,
219
698800
1776
困っている人を助ける時
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
人間だけが 愛を与え
受けとめることができます
受けとめることができます
11:56
and that's what differentiates us from AI.
221
704880
2800
それが私達とAIとの違いです
12:00
Despite what science fiction may portray,
222
708800
2696
SFが描くものとは違って
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
AIは愛情を持たないと
自信をもって言えます
自信をもって言えます
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
アルファ碁が世界王者
柯潔に勝った時
柯潔に勝った時
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
柯潔が涙を流し
囲碁を愛おしんでいたのに対し
囲碁を愛おしんでいたのに対し
12:13
AlphaGo felt no happiness from winning
226
721960
3176
アルファ碁は
勝利したことに何も幸せを感じず
勝利したことに何も幸せを感じず
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
もちろん 愛する人を
抱擁したいとも思いませんでした
抱擁したいとも思いませんでした
12:23
So how do we differentiate ourselves
228
731600
2656
では AIの時代に私達人間は
12:26
as humans in the age of AI?
229
734280
2536
AIとの違いを
どう打ち出せばいいのでしょう？
どう打ち出せばいいのでしょう？
12:28
We talked about the axis of creativity,
230
736840
3096
先程 創造性の有無について
お話ししました
お話ししました
12:31
and certainly that is one possibility,
231
739960
2856
もちろん それも１つの
可能性ですが
可能性ですが
12:34
and now we introduce a new axis
232
742840
2296
更に 新しい視点を
紹介したいと思います
紹介したいと思います
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
思いやり、愛、共感力と
私達が呼んでいるものです
私達が呼んでいるものです
12:40
Those are things that AI cannot do.
234
748800
2576
これらはAIにないものです
12:43
So as AI takes away the routine jobs,
235
751400
2816
AIが単純労働を奪っていく一方で
12:46
I like to think we can, we should
and we must create jobs of compassion.
and we must create jobs of compassion.
236
754240
4960
人間は 思いやりのある仕事を作れるし
そうすべきだと考えたいのです
そうすべきだと考えたいのです
12:51
You might ask how many of those there are,
237
759800
2336
そんな仕事がいくつあるのかと
思うかもしれませんが
思うかもしれませんが
12:54
but I would ask you:
238
762160
1616
考えてみてください
12:55
Do you not think that we are going
to need a lot of social workers
to need a lot of social workers
239
763800
3816
その転換を実行していくために
たくさんのソーシャルワーカーが
たくさんのソーシャルワーカーが
12:59
to help us make this transition?
240
767640
1600
必要になると思いませんか？
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
より多くの人により多くの医療を
届けるために
届けるために
13:05
to give more medical care to more people?
242
773240
2696
思いやりのある介護士が
大勢必要になると思いませんか？
大勢必要になると思いませんか？
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
子供達がこの素晴らしい新世界で
13:11
to help our children find their way
244
779240
2776
生き抜き成功するために
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
教師の数を10倍にするべきだと
思いませんか？
思いませんか？
13:17
And with all the newfound wealth,
246
785320
2440
新しく得られた富で
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
お年寄りへの付き添いや
13:24
and let elderly accompaniment
248
792360
2696
ホームスクール（通学しない家庭教育）などの
13:27
or homeschooling become careers also?
249
795080
3496
愛情を必要とする労働を
新たに職業とするべきではないですか？
新たに職業とするべきではないですか？
13:30
(Applause)
250
798600
5280
（拍手）
13:36
This graph is surely not perfect,
251
804800
2256
このグラフはもちろん
完璧ではありませんが
完璧ではありませんが
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
AIと共存していく道を
４つ示しています
４つ示しています
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
いずれAIが存在感を増して
単純労働を担うようになると
単純労働を担うようになると
13:46
and in due time, we will be thankful.
254
814240
2040
私達は感謝するでしょう
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
また AIは創造性を伴う職業では
素晴らしい道具になります
素晴らしい道具になります
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
科学者、アーティスト
音楽家、作家などが
音楽家、作家などが
13:55
can be even more creative.
257
823800
1600
更に創造性豊かになれるでしょう
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
AIは分析ツールとして人間と協働し
14:03
that humans can wrap their warmth around
259
831520
2696
私達がAIを人間的な温かみで
包んでやることで
包んでやることで
14:06
for the high-compassion jobs.
260
834240
1896
思いやりが必要な仕事に利用できます
14:08
And we can always differentiate ourselves
261
836160
2656
そして私達は
14:10
with the uniquely capable jobs
262
838840
1816
思いやりと創造性の
両方が求められる―
両方が求められる―
14:12
that are both compassionate and creative,
263
840680
3616
独自の能力が必要な職業で
代替のきかない頭と心を活用し
代替のきかない頭と心を活用し
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
常にAIと差別化することができます
14:21
So there you have it:
265
849520
1296
さあ 皆さんの手には
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
人間とAIの共生に向けた
設計図があります
設計図があります
14:27
AI is serendipity.
267
855400
1816
AIは幸せをもたらしてくれます
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
単純労働から私達を解放し
14:32
and it is here to remind us
what it is that makes us human.
what it is that makes us human.
269
860240
3680
私達を人間たらしめるものは何かに
気づかせてくれます
気づかせてくれます
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
AIを受け入れることを選び
お互いに愛を持って接しましょう
お互いに愛を持って接しましょう
14:40
Thank you.
271
868440
1216
ありがとうございました
14:41
(Applause)
272
869680
6160
（拍手）
ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientistAt Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies.
Why you should listen
Dr. Kai-Fu Lee has a unique perspective on the global technology industry, having worked extensively between the US and China, and has been in artificial intelligence research, development and investment for more than 30 years. He is one of China's top technology investors, undertaking early pioneering work in the field of artificial intelligence and working with multiple US technology giants.
Lee is the Chairman and CEO of Sinovation Ventures, managing a $1.7 billion dual-currency investment fund. Sinovation is a leading technology-savvy investment firm focusing on developing Chinese high-tech companies. Lee also serves as president of the Sinovation Ventures Artificial Intelligence Institute.
Prior to founding Sinovation in 2009, Lee was the President of Google China. Previously, he held executive positions at Microsoft, SGI and Apple. He is a Fellow of the Institute of Electrical and Electronics Engineers (IEEE), and he was Vice Chairman of the Committee of 100 and named one of the 100 most influential people in the world by TIME Magazine. He is the author of seven best-selling books in Chinese, launching his new book AI Superpowers internationally in fall 2018, and has over 50 million followers on social media.
In the field of artificial intelligence, Lee founded Microsoft Research China, which was named as the hottest research lab by MIT Technology Review. Later renamed Microsoft Research Asia, this institute has trained the great majority of AI leaders in China, including CTOs or AI heads at Baidu, Tencent, Alibaba, Lenovo, Huawei and Haier. While with Apple, Lee led AI projects in speech and natural language, which appeared on Good Morning America on ABC Television and the front page of The Wall Street Journal. He has authored 10 US patents, and more than 100 journal and conference papers.
Kai-Fu Lee | Speaker | TED.com