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

セバスチャン・スラン&クリス・アンダーソン: AIとは何であり、何ではないか

Filmed:
1,575,780 views

教育者であり起業家であるセバスチャン・スランは、人類を繰り返し作業から解放して創造性を解き放つためにAIを使って欲しいと考えています。TEDのキュレーターであるクリス・アンダーソンとの刺激と情報に満ちた対話を通し、スランはディープラーニング技術の進歩と、AIの暴走を恐れるべきでない理由、退屈でつまらない作業を機械が行うことで社会がいかに良くなるかについて語ります。スランは言います。「興味深い発明でこれまでに為されたのは1%くらいのものでしょう。人間はものすごく創造的であり、AIは創造力を現実のものにする力になると私は信じています」
- 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.

(クリス・アンダーソン) 機械学習というのは
いったい何なのか
00:12
Chrisクリス Andersonアンダーソン: Help us understandわかる
what machine機械 learning学習 is,
0
904
2886
教えていただけませんか?
それが人工知能を巡る
00:15
because that seems思われる to be the keyキー driverドライバ
1
3814
2054
熱狂や不安の中心に
あるもののようなので
00:17
of so much of the excitement興奮
and alsoまた、 of the concern懸念
2
5892
2737
00:20
around artificial人工的な intelligenceインテリジェンス.
3
8653
1494
いったいどんな仕組み
なんでしょう?
00:22
How does machine機械 learning学習 work?
4
10171
1643
(セバスチャン・スラン) 人工知能と
機械学習は
00:23
Sebastianセバスチャン Thrunスラン: So, artificial人工的な
intelligenceインテリジェンス and machine機械 learning学習
5
11838
3896
60年くらいの
歴史があるんですが
00:27
is about 60 years old古い
6
15758
2002
最近まで目覚ましい結果は
出ていませんでした
00:29
and has not had a great day
in its past過去 until〜まで recently最近.
7
17784
4269
近頃になってようやく
00:34
And the reason理由 is that today今日,
8
22077
2924
機械を賢いものにするのに
必要な規模の
00:37
we have reached到達した a scale規模
of computing計算 and datasetsデータセット
9
25025
3973
計算能力やデータセットが
得られるようになったからです
00:41
that was necessary必要 to make machines機械 smartスマート.
10
29022
2637
その仕組みはこうです
00:43
So here'sここにいる how it works作品.
11
31683
1751
たとえばスマートフォンの
プログラムを作ろうと思ったら
00:45
If you programプログラム a computerコンピューター today今日,
say, your phone電話,
12
33458
3497
ソフトウェアエンジニアを雇って
00:48
then you hire雇う softwareソフトウェア engineersエンジニア
13
36979
2335
すごく長いレシピを
書いてもらうことになります
00:51
that write書きます a very,
very long kitchenキッチン recipeレシピ,
14
39338
3854
「水が熱すぎたら温度を下げる
00:55
like, "If the water is too hotホット,
turn順番 down the temperature温度.
15
43216
3132
冷たすぎたら温度を上げる」
みたいな感じに
00:58
If it's too coldコールド, turn順番 up
the temperature温度."
16
46372
2279
そのレシピは10行とかではなく
01:00
The recipesレシピ are not just 10 lines long.
17
48675
2849
何百万行にもなり得ます
01:03
They are millions何百万 of lines long.
18
51548
2603
今時の携帯電話には
1200万行のコードがあり
01:06
A modernモダン cell細胞 phone電話
has 12 million百万 lines of codeコード.
19
54175
4084
ブラウザーには
500万行のコードがあります
01:10
A browserブラウザ has five million百万 lines of codeコード.
20
58283
2646
しかもレシピに何か欠陥があると
コンピューターをクラッシュさせかねません
01:12
And each bugバグ in this recipeレシピ
can cause原因 your computerコンピューター to crashクラッシュ.
21
60953
4969
だからソフトウェアエンジニアは
あんなに稼いでいるんです
01:17
That's why a softwareソフトウェア engineerエンジニア
makes作る so much moneyお金.
22
65946
3075
01:21
The new新しい thing now is that computersコンピュータ
can find their彼らの own自分の rulesルール.
23
69953
3660
ところが 今やコンピューターが
自分でルールを見付けられるようになっています
01:25
So instead代わりに of an expert専門家
deciphering解読, stepステップ by stepステップ,
24
73637
3606
専門家がステップに分解し
あらゆる事態に対して
ルールを書く代わりに
01:29
a ruleルール for everyすべて contingency不測の事態,
25
77267
2148
コンピューターに例を示して
01:31
what you do now is you give
the computerコンピューター examples
26
79439
3074
ルールを自分で導かせるのです
01:34
and have it infer推論 its own自分の rulesルール.
27
82537
1581
その良い例が 最近Googleが買収した
囲碁プログラムのAlphaGoです
01:36
A really good example is AlphaGoアルファゴー,
whichどの recently最近 was won勝った by GoogleGoogle.
28
84142
4306
通常なら ゲームをさせるには
あらゆるルールを記述することになりますが
01:40
Normally通常は, in gameゲーム playing遊ぶ,
you would really write書きます down all the rulesルール,
29
88472
3687
AlphaGoの場合
01:44
but in AlphaGo'sアルファゴー case場合,
30
92183
1785
何百万という対局を見て
01:45
the systemシステム looked見た over a million百万 gamesゲーム
31
93992
2066
自分で独自にルールを導き
01:48
and was ableできる to infer推論 its own自分の rulesルール
32
96082
2192
現役のチャンピオンを
下してしまったのです
01:50
and then beatビート the world's世界の
residing住む Go championチャンピオン.
33
98298
2738
01:53
That is excitingエキサイティング, because it relieves緩和
the softwareソフトウェア engineerエンジニア
34
101853
3509
その何が嬉しいかというと
プログラミングの重荷が
データへと押しやられ
01:57
of the need of beingであること superスーパー smartスマート,
35
105386
1819
ソフトウェアエンジニアはそんなに頭が
良くなくともよくなったことです
01:59
and pushesプッシュ the burden重荷 towards方向 the dataデータ.
36
107229
2325
02:01
As I said, the inflection屈曲 pointポイント
where this has become〜になる really possible可能 --
37
109578
4534
それが可能になったというのが
大きな転換点でした
気恥ずかしいのは
私の博士論文は機械学習でしたが
02:06
very embarrassing恥ずかしい, my thesis論文
was about machine機械 learning学習.
38
114136
2746
大したものじゃないので
どうか読まないで
02:08
It was completely完全に
insignificant些細な, don't read読む it,
39
116906
2205
20年前のことで
当時のコンピューターは
02:11
because it was 20 years ago
40
119135
1350
02:12
and back then, the computersコンピュータ
were as big大きい as a cockroachゴキブリ brain.
41
120509
2907
ゴキブリ並の頭しか
なかったんです
今日では専門的な人間の思考を
模倣できるくらいに
02:15
Now they are powerful強力な enough十分な
to really emulateエミュレートする
42
123440
2331
02:17
kind種類 of specialized特化した human人間 thinking考え.
43
125795
2076
強力になりました
しかもコンピューターには
人間が見られるよりも
02:19
And then the computersコンピュータ
take advantage利点 of the fact事実
44
127895
2313
ずっと多くのデータを
見ることができます
02:22
that they can look at
much more dataデータ than people can.
45
130232
2500
AlphaGoは何百万という
対局を検討しますが
02:24
So I'd say AlphaGoアルファゴー looked見た at
more than a million百万 gamesゲーム.
46
132756
3080
人間にはそんなに沢山
検討することはできません
02:27
No human人間 expert専門家 can ever
study調査 a million百万 gamesゲーム.
47
135860
2839
Googleは千億以上の
ウェブページを見ていますが
02:30
GoogleGoogle has looked見た at over
a hundred billion webウェブ pagesページ.
48
138723
3182
千億ページを
読める人間はいません
02:33
No person can ever study調査
a hundred billion webウェブ pagesページ.
49
141929
2650
だからコンピューターは
人間に見付けられないようなルールを
02:36
So as a result結果,
the computerコンピューター can find rulesルール
50
144603
2714
見付けることができるのです
02:39
that even people can't find.
51
147341
1755
02:41
CACA: So instead代わりに of looking ahead前方に
to, "If he does that, I will do that,"
52
149120
4312
(アンダーソン) つまり
「相手がこう来たらこうしよう」と考えるのではなく
02:45
it's more saying言って, "Here is what
looks外見 like a winning勝つ patternパターン,
53
153456
3072
「こういうのが勝ちパターンのようだ」
02:48
here is what looks外見 like
a winning勝つ patternパターン."
54
156552
2079
と考えるわけですね
(スラン) ええ
子育てを考えてください
02:50
STST: Yeah. I mean, think about
how you raise上げる children子供.
55
158655
2517
最初の18年間で あらゆる事態に
対するルールを教え込み
02:53
You don't spend費やす the first 18 years
giving与える kids子供たち a ruleルール for everyすべて contingency不測の事態
56
161196
3644
それから世に出す
わけではありません
02:56
and setセット them free無料
and they have this big大きい programプログラム.
57
164864
2347
躓き 倒れ 立ち上がり
はたかれ ぶたれ
02:59
They stumbleつまずく, fall, get up,
they get slapped叩かれた or spanked殴られた,
58
167235
2719
楽しい経験をし
良い成績を取り
03:01
and they have a positiveポジティブ experience経験,
a good gradeグレード in school学校,
59
169978
2884
そうやって自分で
見付けていくのです
03:04
and they figure数字 it out on their彼らの own自分の.
60
172886
1834
それが今コンピューターにも
起きているのです
03:06
That's happeningハプニング with computersコンピュータ now,
61
174744
1737
03:08
whichどの makes作る computerコンピューター programmingプログラミング
so much easierより簡単に all of a sudden突然.
62
176505
3029
それによってプログラミングが
突如 簡単なものになります
考える必要はなく
ただ沢山のデータを与えれば良いのです
03:11
Now we don't have to think anymoreもう.
We just give them lots of dataデータ.
63
179558
3175
(アンダーソン) それが自動運転車の
目覚ましい進歩の
03:14
CACA: And so, this has been keyキー
to the spectacular素晴らしい improvement改善
64
182757
3422
鍵というわけですね
03:18
in powerパワー of self-driving自己運転 cars.
65
186203
3064
事例をお持ち
いただきましたが
03:21
I think you gave与えた me an example.
66
189291
1739
ここで何が起きているのか
説明していただけますか?
03:23
Can you explain説明する what's happeningハプニング here?
67
191054
2685
03:25
STST: This is a driveドライブ of a self-driving自己運転 car
68
193763
3564
(スラン) これは自動運転車の
走行の様子で
Udacityで作り
03:29
that we happened起こった to have at UdacityUdacity
69
197351
1957
Voyageとして
スピンオフしたものです
03:31
and recently最近 made
into a spin-off振り落とす calledと呼ばれる Voyage航海.
70
199332
2398
自律走行できるよう
03:33
We have used this thing
calledと呼ばれる deep深い learning学習
71
201754
2574
ディープラーニングと呼ばれる手法で
車をトレーニングし
03:36
to train列車 a car to driveドライブ itself自体,
72
204352
1623
マウンテンビューから
03:37
and this is driving運転
from Mountain Viewビュー, Californiaカリフォルニア,
73
205999
2387
サンフランシスコまで
03:40
to Sanサン Franciscoフランシスコ
74
208410
1168
エル・カミーノ・レアルを雨の日に
03:41
on Elエル Caminoカミノ Realリアル on a rainy雨の day,
75
209602
2259
自転車や歩行者や
133の信号がある中で走っています
03:43
with bicyclists自転車主義者 and pedestrians歩行者
and 133 trafficトラフィック lightsライト.
76
211885
3524
私はずっと昔に
03:47
And the novel小説 thing here is,
77
215433
2636
Googleで自動運転車の
開発チームを作りました
03:50
manyたくさんの, manyたくさんの moons ago, I started開始した
the GoogleGoogle self-driving自己運転 car teamチーム.
78
218093
3120
当時は世界最高の
ソフトウェアエンジニアを集めて
03:53
And back in the day, I hired雇われた
the world's世界の bestベスト softwareソフトウェア engineersエンジニア
79
221237
3181
世界最高のルールを
見付けようとしたものです
03:56
to find the world's世界の bestベスト rulesルール.
80
224442
1607
ここでは単に
トレーニングするだけです
03:58
This is just trained訓練された.
81
226073
1754
03:59
We driveドライブ this road道路 20 times,
82
227851
3336
この道を20回走り
すべてのデータを
コンピューターに取り込み
04:03
we put all this dataデータ
into the computerコンピューター brain,
83
231211
2447
数時間の処理の後
04:05
and after a few少数 hours時間 of processing処理,
84
233682
2082
人間よりも上手いくらいに
運転できるようになりました
04:07
it comes来る up with behavior動作
that oftenしばしば surpasses凌駕する human人間 agility敏捷性.
85
235788
3926
だからプログラミングは
すごく簡単です
04:11
So it's become〜になる really easy簡単 to programプログラム it.
86
239738
2017
完全に自律的に
53キロを1時間半で走っています
04:13
This is 100 percentパーセント autonomous自律的,
about 33 milesマイル, an hour時間 and a halfハーフ.
87
241779
3803
(アンダーソン) 画面左側の大きな部分が
04:17
CACA: So, explain説明する it -- on the big大きい part
of this programプログラム on the left,
88
245606
3630
04:21
you're seeing見る basically基本的に what
the computerコンピューター sees見える as trucksトラック and cars
89
249260
3257
コンピューターの見ているもので
トラックや車を表す点が
動いているわけですか
04:24
and those dotsドット overtakingオーバー テイク it and so forth前進.
90
252541
2886
(スラン) 右側がカメラ映像で
これが主要な入力となり
04:27
STST: On the right side, you see the cameraカメラ
image画像, whichどの is the mainメイン input入力 here,
91
255451
3762
レーンや他の車や信号を
見付けるのに使っています
04:31
and it's used to find lanesレーン,
other cars, trafficトラフィック lightsライト.
92
259237
2676
04:33
The vehicle車両 has a radarレーダー
to do distance距離 estimation推定.
93
261937
2489
この車には距離を測るための
レーダーがあります
04:36
This is very commonly一般的に used
in these kind種類 of systemsシステム.
94
264450
2621
このようなシステムでは
よく使われているものです
左側に出ているのが
レーザーによる画像で
04:39
On the left side you see a laserレーザ diagram,
95
267095
1992
樹木などの障害物が
検出されています
04:41
where you see obstacles障害 like trees
and so on depicted描かれた by the laserレーザ.
96
269111
3200
でも今では興味深いことのほとんどが
カメラ映像を使って行われています
04:44
But almostほぼ all the interesting面白い work
is centeringセンタリング on the cameraカメラ image画像 now.
97
272335
3436
レーダーやレーザーといった
精密なセンサーから
04:47
We're really shiftingシフト over from precision精度
sensorsセンサ like radarsレーダー and lasersレーザー
98
275795
3476
安価で一般的なセンサーを
使うように変わってきています
04:51
into very cheap安いです, commoditized商品化された sensorsセンサ.
99
279295
1842
カメラは8ドルもしません
04:53
A cameraカメラ costsコスト lessもっと少なく than eight8 dollarsドル.
100
281161
1987
(アンダーソン) 左に出ている緑の点は
04:55
CACA: And that green dotドット
on the left thing, what is that?
101
283172
2793
どんな意味があるんですか?
04:57
Is that anything meaningful意味のある?
102
285989
1371
(スラン) あれはアダプティブ・
クルーズ・コントロールの基準点で
04:59
STST: This is a look-ahead先読み pointポイント
for your adaptiveアダプティブ cruiseクルーズ controlコントロール,
103
287384
3668
前の車との車間距離に応じて
05:03
so it helps助けて us understandわかる
how to regulate調整する velocity速度
104
291076
2477
スピードを制御するためのものです
05:05
basedベース on how far遠い
the cars in frontフロント of you are.
105
293577
2634
(アンダーソン) 学習の部分が
どう行われるかの例も
05:08
CACA: And so, you've alsoまた、
got an example, I think,
106
296235
2716
お持ちいただいているので
05:10
of how the actual実際の
learning学習 part takes place場所.
107
298975
2381
それを見ながら
お話しを伺いましょう
05:13
Maybe we can see that. Talk about this.
108
301380
2458
(スラン) これはUdacityの学生に
05:15
STST: This is an example where we posedポーズされた
a challengeチャレンジ to UdacityUdacity students学生の
109
303862
3643
自動運転車の「ナノ学位」を取るための
課題として出したものです
05:19
to take what we call
a self-driving自己運転 car Nanodegreeナノディグリー旋.
110
307529
3131
このデータを示して
05:22
We gave与えた them this datasetデータセット
111
310684
1495
「この車をどう運転させたものだろう?」
と聞いたんです
05:24
and said "Hey, can you guys figure数字 out
how to steer操縦する this car?"
112
312203
3054
映像を見てもらうと分かりますが
05:27
And if you look at the imagesイメージ,
113
315281
1624
05:28
it's, even for humans人間, quiteかなり impossible不可能
to get the steering操舵 right.
114
316929
4073
人間でもちゃんと運転するのが
かなり難しいものです
「さあディープラーニングのコンペだ
05:33
And we ran走った a competitionコンペ and said,
"It's a deep深い learning学習 competitionコンペ,
115
321026
3591
AI コンペをしようよう」と言って
05:36
AIAI competitionコンペ,"
116
324641
1173
学生に48時間与えたんです
05:37
and we gave与えた the students学生の 48 hours時間.
117
325838
1887
05:39
So if you are a softwareソフトウェア house
like GoogleGoogle or Facebookフェイスブック,
118
327749
4172
GoogleやFacebookのような
ソフトウェア企業でも
このようなものには
最低半年はかかります
05:43
something like this costsコスト you
at least少なくとも six6 months数ヶ月 of work.
119
331945
2717
だから48時間でできたら
すごいものです
05:46
So we figured思った 48 hours時間 is great.
120
334686
2202
48時間で100人の学生が提出し
05:48
And within以内 48 hours時間, we got about
100 submissions提出 from students学生の,
121
336912
3467
特に上位4人のものは完璧でした
05:52
and the top four4つの got it perfectly完全に right.
122
340403
3370
この映像に対して
私がやるよりも上手く運転するんです
05:55
It drivesドライブ better than I could
driveドライブ on this imageryイメージ,
123
343797
2640
ディープラーニングを使ってです
05:58
usingを使用して deep深い learning学習.
124
346461
1189
これも同じ手法で
05:59
And again, it's the same同じ methodology方法論.
125
347674
1799
魔法のようですが
06:01
It's this magical魔法の thing.
126
349497
1164
今やコンピューターは
十分なデータと
06:02
When you give enough十分な dataデータ
to a computerコンピューター now,
127
350685
2085
それを咀嚼するための
十分な時間があれば
06:04
and give enough十分な time
to comprehend理解する the dataデータ,
128
352794
2140
自分でルールを
見つけ出すんです
06:06
it finds見つけた its own自分の rulesルール.
129
354958
1445
06:09
CACA: And so that has led to the development開発
of powerful強力な applicationsアプリケーション
130
357339
4845
(アンダーソン) それによって
あらゆる領域で
強力なアプリケーションが
開発されるようになったわけですね
06:14
in all sortsソート of areasエリア.
131
362208
1525
先日ガンの話を
していただきましたが
06:15
You were talking話す to me
the other day about cancer.
132
363757
2668
あのビデオを
出しましょうか?
06:18
Can I showショー this videoビデオ?
133
366449
1189
06:19
STST: Yeah, absolutely絶対に, please.
CACA: This is coolクール.
134
367662
2354
(スラン) お願いします
(アンダーソン) これはすごいですよ
(スラン) これはまったく異なる分野で
06:22
STST: This is kind種類 of an insight洞察力
into what's happeningハプニング
135
370040
3534
得られた知見です
06:25
in a completely完全に different異なる domainドメイン.
136
373598
2429
これは高度な専門家であり
06:28
This is augmenting増強する, or competing競合する --
137
376051
3752
年に40万ドル稼ぐ
06:31
it's in the eye of the beholder見る者 --
138
379827
1749
皮膚科医を
06:33
with people who are beingであること paid支払った
400,000 dollarsドル a year,
139
381600
3454
見方によっては
支援するとも
競合するとも
言えるものです
06:37
dermatologists皮膚科医,
140
385078
1237
06:38
highly高く trained訓練された specialists専門家.
141
386339
1983
優れた皮膚科医になるには
10年におよぶ修行が必要です
06:40
It takes more than a decade10年 of trainingトレーニング
to be a good dermatologist皮膚科医.
142
388346
3561
これは機械学習版の
皮膚科医で
06:43
What you see here is
the machine機械 learning学習 versionバージョン of it.
143
391931
3196
ニューラルネットワークを
使っています
06:47
It's calledと呼ばれる a neuralニューラル networkネットワーク.
144
395151
1841
06:49
"Neuralニューラル networksネットワーク" is the technicalテクニカル term期間
for these machine機械 learning学習 algorithmsアルゴリズム.
145
397016
3742
「ニューラルネットワーク」というのは
こういう機械学習アルゴリズムを指す専門用語で
1980年代頃から
研究されています
06:52
They've彼らは been around since以来 the 1980s.
146
400782
1789
ここに出ているのはFacebookのフェローである
ヤン・ルカンが1988年に作ったもので
06:54
This one was invented発明された in 1988
by a Facebookフェイスブック Fellow仲間 calledと呼ばれる Yannヤン LeCunLeCun,
147
402595
4640
人の脳のように
06:59
and it propagates伝播する dataデータ stagesステージ
148
407259
3558
段階的にデータが
伝播するようになっています
07:02
throughを通して what you could think of
as the human人間 brain.
149
410841
2578
脳と同じわけではありませんが
模倣したものです
07:05
It's not quiteかなり the same同じ thing,
but it emulatesエミュレートする the same同じ thing.
150
413443
2966
段階的になっています
07:08
It goes行く stageステージ after stageステージ.
151
416433
1302
最初の段階で
視覚的な入力から
07:09
In the very first stageステージ, it takes
the visualビジュアル input入力 and extracts抽出物 edgesエッジ
152
417759
3637
へりや棒や点を抽出します
07:13
and rodsロッド and dotsドット.
153
421420
2612
次の段階で
もう少し複雑なへりや形
07:16
And the next one becomes〜になる
more complicated複雑な edgesエッジ
154
424056
3037
07:19
and shapes like little half-moons半月.
155
427117
3191
半月形なんかを
取り出します
最終的には非常に複雑な概念を
構成することができます
07:22
And eventually最終的に, it's ableできる to buildビルドする
really complicated複雑な conceptsコンセプト.
156
430332
4443
アンドリュー・エンは
07:26
Andrewアンドリュー NgNg has been ableできる to showショー
157
434799
2048
膨大な量の画像から
07:28
that it's ableできる to find
catネコ faces and dog faces
158
436871
3480
猫の顔や犬の顔を見付けられる
ようになることを示しました
07:32
in vast広大 amounts金額 of imagesイメージ.
159
440375
1661
スタンフォードの
私の学生のチームは
07:34
What my student学生 teamチーム
at Stanfordスタンフォード has shown示された is that
160
442060
2724
黒色腫や癌腫を含む
07:36
if you train列車 it on 129,000 imagesイメージ
of skin conditions条件,
161
444808
6073
12万9千の皮膚疾患例で
AIをトレーニングすることにより
07:42
includingを含む melanomaメラノーマ and carcinomas,
162
450905
2565
最高の皮膚科医並の仕事が
07:45
you can do as good a jobジョブ
163
453494
3301
可能になることを
示しました
07:48
as the bestベスト human人間 dermatologists皮膚科医.
164
456819
2197
07:51
And to convince説得する ourselves自分自身
that this is the case場合,
165
459040
2549
それを検証するため
AIのトレーニングに使ったのとは
別のデータを
07:53
we captured捕獲 an independent独立した datasetデータセット
that we presented提示された to our networkネットワーク
166
461613
3990
AIと 25人のスタンフォードの
認定皮膚科医に診断させて
07:57
and to 25 board-certifiedボード認定
Stanford-levelスタンフォード大学レベル dermatologists皮膚科医,
167
465627
4342
結果を比較しました
08:01
and compared比較した those.
168
469993
1672
08:03
And in most最も cases症例,
169
471689
1504
ほとんどのケースで
08:05
they were eitherどちらか on parパー or above上の
the performanceパフォーマンス classification分類 accuracy正確さ
170
473217
3875
AIは人間の皮膚科医に
匹敵するか
それ以上の精度で
分類することができました
08:09
of human人間 dermatologists皮膚科医.
171
477116
1467
08:10
CACA: You were telling伝える me an anecdote逸話.
172
478607
1746
(アンダーソン) この画像に関する
08:12
I think about this image画像 right here.
173
480377
1957
ある逸話を伺いましたが
どんなことが
あったんでしょう?
08:14
What happened起こった here?
174
482358
1484
(スラン) これは先週の木曜のことで
進展し続けている話なんです
08:15
STST: This was last Thursday木曜日.
That's a moving動く pieceピース.
175
483866
4008
今年初めにネイチャー誌で
発表したのは
08:19
What we've私たちは shown示された before and we published出版された
in "Nature自然" earlier先に this year
176
487898
3600
皮膚科医と
コンピュータープログラムに
08:23
was this ideaアイディア that we showショー
dermatologists皮膚科医 imagesイメージ
177
491522
2484
08:26
and our computerコンピューター programプログラム imagesイメージ,
178
494030
1539
画像で診断させたら
どんな精度になるか
ということでした
08:27
and countカウント how oftenしばしば they're right.
179
495593
1627
08:29
But all these imagesイメージ are past過去 imagesイメージ.
180
497244
1778
使った画像はすべて
過去の症例です
08:31
They've彼らは all been biopsied生検 to make sure
we had the correct正しい classification分類.
181
499046
3460
生研をして正しい分類の
分かっているものです
これは違いました
08:34
This one wasn'tなかった.
182
502530
1172
協力してくれているスタンフォードの医者が
診断したものです
08:35
This one was actually実際に done完了 at Stanfordスタンフォード
by one of our collaborators協力者.
183
503726
3179
その協力者というのは
08:38
The storyストーリー goes行く that our collaborator協力者,
184
506929
2314
世界で3本の指に入るような
高名な皮膚科医なんですが
08:41
who is a world-famous世界に有名な dermatologist皮膚科医,
one of the three bestベスト, apparently明らかに,
185
509267
3391
この写真の痣を見て
「皮膚癌ではないな」と言いました
08:44
looked見た at this moleモル and said,
"This is not skin cancer."
186
512682
2935
08:47
And then he had
a second二番 moment瞬間, where he said,
187
515641
2476
でもそれから考え直して
「ちょっとアプリでチェックしてみよう」と
08:50
"Well, let me just checkチェック with the appアプリ."
188
518141
1866
iPhoneを取り出し
08:52
So he took取った out his iPhoneiPhone
and ran走った our pieceピース of softwareソフトウェア,
189
520031
2699
「ポケット皮膚科医」とも言うべき
私たちのアプリで調べたところ
08:54
our "pocketポケット dermatologist皮膚科医," so to speak話す,
190
522754
2121
ガンという結果が出ました
08:56
and the iPhoneiPhone said: cancer.
191
524899
2994
悪性黒色腫だと
08:59
It said melanomaメラノーマ.
192
527917
1306
彼は戸惑いましたが
09:01
And then he was confused混乱した.
193
529849
1233
09:03
And he decided決定しました, "OK, maybe I trust信頼
the iPhoneiPhone a little bitビット more than myself私自身,"
194
531106
4551
「まあ自分よりは
iPhoneの方が幾分信頼できるしな」と
生検に回すことにしました
09:07
and he sent送られた it out to the lab研究室
to get it biopsied生検.
195
535681
2735
進行性の悪性黒色腫という結果でした
09:10
And it came来た up as an aggressive積極的な melanomaメラノーマ.
196
538440
2469
09:13
So I think this mightかもしれない be the first time
that we actually実際に found見つけた,
197
541545
3067
ディープラーニングがなかったら
見落とされていたであろう
09:16
in the practice練習 of usingを使用して deep深い learning学習,
198
544636
2487
悪性黒色腫が見つかったという
09:19
an actual実際の person whoseその melanomaメラノーマ
would have gone行った unclassified未分類,
199
547147
3372
これは最初の事例になると思います
09:22
had it not been for deep深い learning学習.
200
550543
2115
(アンダーソン) すごいものですね
09:24
CACA: I mean, that's incredible信じられない.
201
552682
1560
09:26
(Applause拍手)
202
554266
1769
(拍手)
09:28
It feels感じる like there'd赤い be an instantインスタント demandデマンド
for an appアプリ like this right now,
203
556059
3600
そのようなアプリに対しては
すぐにも需要がありそうです
09:31
that you mightかもしれない freakフリーク out a lot of people.
204
559683
1966
多くの人が殺到するかも
みんなが自分で診断できるアプリを
作ろうとは思っていますか?
09:33
Are you thinking考え of doing this,
making作る an appアプリ that allows許す self-checking自己チェック?
205
561673
3527
(スラン) 私の受信箱を
溢れさせているのは
09:37
STST: So my in-boxボックスで is flooded浸水した
about cancer appsアプリ,
206
565224
4973
ガンのアプリについての
胸が痛むような話が書かれたメールです
09:42
with heartbreaking悲惨な stories物語 of people.
207
570221
2303
黒色腫を10個とか20個とか
取り除いたけど
09:44
I mean, some people have had
10, 15, 20 melanomas黒色腫 removed除去された,
208
572548
3204
こういうのが見落とされてや
しないかと不安なんです
09:47
and are scared怖い that one
mightかもしれない be overlooked見落とされた, like this one,
209
575776
3952
他にも 空飛ぶ車や
09:51
and alsoまた、, about, I don't know,
210
579752
1741
講演依頼のメールもありますが
09:53
flying飛行 cars and speakerスピーカー inquiriesお問い合わせ
these days日々, I guess推測.
211
581517
2732
でも もっとテストが
必要だと思っています
09:56
My take is, we need more testingテスト.
212
584273
2738
すごく慎重に進めたいです
09:59
I want to be very careful慎重に.
213
587449
1778
見かけ倒しの結果で
聴衆を感心させるのは簡単ですが
10:01
It's very easy簡単 to give a flashy派手 result結果
and impress印象づける a TEDTED audience聴衆.
214
589251
3666
倫理的なちゃんとしたものを出すのは
大変なことです
10:04
It's much harderもっと強く to put
something out that's ethical倫理的な.
215
592941
2627
10:07
And if people were to use the appアプリ
216
595592
2394
人々が私たちのアプリを使って
10:10
and choose選択する not to consult相談する
the assistance支援 of a doctor医師
217
598010
2797
医者にかからず
それで間違いがあったりしたら
10:12
because we get it wrong違う,
218
600831
1583
とても申し訳なく思います
10:14
I would feel really bad悪い about it.
219
602438
1653
今 臨床試験をやっていますが
10:16
So we're currently現在 doing clinical臨床的 testsテスト,
220
604115
1925
10:18
and if these clinical臨床的 testsテスト commence始める
and our dataデータ holds保持 up,
221
606064
2798
それで確証が得られれば
いつか このような技術を
10:20
we mightかもしれない be ableできる at some pointポイント
to take this kind種類 of technology技術
222
608886
2990
大学病院から外の世界に出して
10:23
and take it out of the Stanfordスタンフォード clinic診療所
223
611900
1892
スタンフォードの医者が
行けないような場所で
10:25
and bring持参する it to the entire全体 world世界,
224
613816
1658
使えるように
できるかもしれません
10:27
places場所 where Stanfordスタンフォード
doctors医師 never, ever setセット foot.
225
615498
2456
10:30
CACA: And do I hear聞く this right,
226
618617
2580
(アンダーソン) 私の理解が正しいなら
10:33
that it seemed見えた like what you were saying言って,
227
621221
1966
あなたはUdacityの学生の
10:35
because you are workingワーキング
with this army of UdacityUdacity students学生の,
228
623211
4254
集団の力を使い
ある意味 企業で行われているのとは
違う形で
10:39
that in a way, you're applying申請中
a different異なる form of machine機械 learning学習
229
627489
3221
機械学習を集合知と
10:42
than mightかもしれない take place場所 in a company会社,
230
630734
1735
10:44
whichどの is you're combining結合する machine機械 learning学習
with a form of crowd群集 wisdom知恵.
231
632493
3484
組み合わせているように見えます
そのようなやり方は
10:48
Are you saying言って that sometimes時々 you think
that could actually実際に outperform優れたパフォーマンス
232
636001
3384
巨大企業でさえ出し抜くことが
できるかもしれないと思いますか?
10:51
what a company会社 can do,
even a vast広大 company会社?
233
639409
2050
(スラン) 度肝を抜かれるような
事例があり
10:53
STST: I believe there's now
instancesインスタンス that blowブロー my mindマインド,
234
641483
2940
まだ理解しようと
努めているところなんですが—
10:56
and I'm still trying試す to understandわかる.
235
644447
1758
10:58
What Chrisクリス is referring参照する to
is these competitions競技 that we run走る.
236
646229
3937
クリスが言ったのは
私たちのやっているコンペのことです
マウンテンビューから
サンフランシスコまで
11:02
We turn順番 them around in 48 hours時間,
237
650190
2268
一般道を自律走行できる車を
11:04
and we've私たちは been ableできる to buildビルドする
a self-driving自己運転 car
238
652482
2252
11:06
that can driveドライブ from Mountain Viewビュー
to Sanサン Franciscoフランシスコ on surface表面 streets通り.
239
654758
3387
作ることができました
Googleが7年間開発してきたものと
同等とは行きませんが
11:10
It's not quiteかなり on parパー with GoogleGoogle
after sevenセブン years of GoogleGoogle work,
240
658169
3584
かなり近くまで行き
11:13
but it's getting取得 there.
241
661777
2528
2人のエンジニアで
3ヶ月しかかかりませんでした
11:16
And it took取った us only two engineersエンジニア
and three months数ヶ月 to do this.
242
664329
3084
その理由は
11:19
And the reason理由 is, we have
an army of students学生の
243
667437
2856
コンペに参加する
大勢の学生がいたからです
11:22
who participate参加する in competitions競技.
244
670317
1850
クラウドソーシングを使っているのは
私たちばかりではありません
11:24
We're not the only onesもの
who use crowdsourcingクラウドソーシング.
245
672191
2220
UberやDidiは運転について
クラウドソーシングを使っています
11:26
Uberウバー and Didiディディ use crowdsourceクラウドソース for driving運転.
246
674435
2223
11:28
Airbnbエアバッグ uses用途 crowdsourcingクラウドソーシング for hotelsホテル.
247
676682
2759
Airbnbは宿泊業について
クラウドソーシングを使っています
11:31
There's now manyたくさんの examples
where people do bug-findingバグ発見 crowdsourcingクラウドソーシング
248
679465
4007
今では沢山のことに使われていて
バグの発見や
タンパク質の折り畳みなど
様々なクラウドソーシングがあります
11:35
or proteinタンパク質 folding折畳み, of all things,
in crowdsourcingクラウドソーシング.
249
683496
2804
この自動運転車を
3ヶ月で作れたことで
11:38
But we've私たちは been ableできる to buildビルドする
this car in three months数ヶ月,
250
686324
2915
企業の組織の仕方について
11:41
so I am actually実際に rethinking再考する
251
689263
3655
考え直すようになりました
11:44
how we organize整理する corporations企業.
252
692942
2238
採用したわけでもなく
11:47
We have a staffスタッフ of 9,000 people
who are never hired雇われた,
253
695204
4696
解雇することもない
スタッフが9千人います
11:51
that I never fire火災.
254
699924
1308
知りもしない人たちが
働きにやってきます
11:53
They showショー up to work
and I don't even know.
255
701256
2362
11:55
Then they submit提出する to me
maybe 9,000 answers答え.
256
703642
3058
そして9千通りの答えを
送ってきます
それを使わなければならない
わけでもありません
11:58
I'm not obliged義務付けられた to use any of those.
257
706724
2176
優勝者にだけ
賞金を出します
12:00
I end終わり up -- I pay支払う only the winners勝者,
258
708924
1991
しみったれで
いいことではないかもしれませんが
12:02
so I'm actually実際に very cheapskateしみったれ here,
whichどの is maybe not the bestベスト thing to do.
259
710939
3718
彼らが教育の一環と考えてくれるのは
ありがたいことです
12:06
But they consider検討する it part
of their彼らの education教育, too, whichどの is niceいい.
260
714681
3185
そういう学生たちがディープラーニングで
目を見張るような結果を出しています
12:09
But these students学生の have been ableできる
to produce作物 amazing素晴らしい deep深い learning学習 results結果.
261
717890
4201
優れた人たちと 優れた機械学習の組み合わせは
実に素晴らしいものです
12:14
So yeah, the synthesis合成 of great people
and great machine機械 learning学習 is amazing素晴らしい.
262
722115
3861
(アンダーソン) TED2017の初日に
ガルリ・カスパロフが話したことですが
12:18
CACA: I mean, Garyゲイリー Kasparovカスパロフ said on
the first day [of TEDTED2017]
263
726000
2814
チェスのトーナメントで
優勝したのは驚いたことに
12:20
that the winners勝者 of chessチェス, surprisingly驚くほど,
turned回した out to be two amateurアマチュア chessチェス players選手
264
728848
5412
2人のアマチュアのチェスプレーヤーと
3台の普通のパソコンの組み合わせで
12:26
with three mediocre-ishmediocre-ish,
mediocre-to-good良い平凡です, computerコンピューター programsプログラム,
265
734284
5371
それがグランドマスターと
スーパーコンピューターを破り
12:31
that could outperform優れたパフォーマンス one grand壮大 masterマスター
with one great chessチェス playerプレーヤー,
266
739679
3163
それはそういう流れの一部なのだと
12:34
like it was all part of the processプロセス.
267
742866
1743
あなたの話されているのは
12:36
And it almostほぼ seems思われる like
you're talking話す about a much richerより豊かな versionバージョン
268
744633
3335
それをさらに すごいものに
したように見えます
12:39
of that same同じ ideaアイディア.
269
747992
1200
(スラン) 昨日の朝に
12:41
STST: Yeah, I mean, as you followed続く
the fantastic素晴らしい panelsパネル yesterday昨日 morning,
270
749216
3857
「ロボットの支配者」と「人間的反応」という
12:45
two sessionsセッション about AIAI,
271
753097
1994
AI関係の素晴らしい
セッションが2つあって
12:47
roboticロボット overlords大将 and the human人間 response応答,
272
755115
2167
いろいろ興味深い話がありました
12:49
manyたくさんの, manyたくさんの great things were said.
273
757306
1982
12:51
But one of the concerns心配 is
that we sometimes時々 confuse混乱させる
274
759312
2687
懸念されるのは
AIが実際にやっていることと
12:54
what's actually実際に been done完了 with AIAI
with this kind種類 of overlord大将 threat脅威,
275
762023
4062
意識を持ったAIによる
支配の脅威のような話が
混同されることです
12:58
where your AIAI develops発展する
consciousness意識, right?
276
766109
3424
AIに一番持って欲しくないものが意識です
13:01
The last thing I want
is for my AIAI to have consciousness意識.
277
769557
2971
13:04
I don't want to come into my kitchenキッチン
278
772552
1716
台所に行ったら
13:06
and have the refrigerator冷蔵庫 fall in love
with the dishwasher食器洗い機
279
774292
4193
冷蔵庫と皿洗い機が
恋に落ちていて
私の態度が悪いと
食品を冷やしてくれないなどというのは
13:10
and tell me, because I wasn'tなかった niceいい enough十分な,
280
778509
2124
13:12
my foodフード is now warm暖かい.
281
780657
1837
勘弁して欲しいです
13:14
I wouldn'tしないだろう buy購入 these products製品,
and I don't want them.
282
782518
2891
そんな製品を買う気はないし
欲しくありません
13:17
But the truth真実 is, for me,
283
785825
1802
私に言わせるなら
13:19
AIAI has always been
an augmentation増強 of people.
284
787651
2720
AIは常に人間を
拡張するものでした
13:22
It's been an augmentation増強 of us,
285
790893
1676
人間を拡張し
増強するものです
13:24
to make us strongerより強く.
286
792593
1457
13:26
And I think Kasparovカスパロフ was exactly正確に correct正しい.
287
794074
2831
カスパロフはまさに正しくて
人間の知恵と機械の知恵の
組み合わせによって
13:28
It's been the combination組み合わせ
of human人間 smartsスマート and machine機械 smartsスマート
288
796929
3849
私たちは強くなれるのです
13:32
that make us strongerより強く.
289
800802
1464
13:34
The themeテーマ of machines機械 making作る us strongerより強く
is as old古い as machines機械 are.
290
802290
4587
機械が人間を強くするというあり方は
機械の始まりからありました
13:39
The agricultural農業 revolution革命 took取った
place場所 because it made steam蒸気 enginesエンジン
291
807567
3758
農業革命が起きても
蒸気機関や農機具が
自分で農業をできるわけではなく
13:43
and farming農業 equipment装置
that couldn'tできなかった farmファーム by itself自体,
292
811349
2666
人間を置き換えはしませんでした
人間を強くしたのです
13:46
that never replaced置き換えられた us;
it made us strongerより強く.
293
814039
2122
このAIの新しい波は
13:48
And I believe this new新しい wave of AIAI
will make us much, much strongerより強く
294
816185
3738
種としての人類を
ずっと強いものにするでしょう
13:51
as a human人間 raceレース.
295
819947
1183
(アンダーソン) その点については
後で取り上げたいと思いますが
13:53
CACA: We'll私たちは come on to that a bitビット more,
296
821765
1813
13:55
but just to continue持続する with the scary怖い part
of this for some people,
297
823602
3671
人々がAIに対して抱く
恐怖についてもう少し話しましょう
人々が恐れているのは
13:59
like, what feels感じる like it gets取得
scary怖い for people is when you have
298
827297
3558
コンピューターが自分のコードを
書き換えるということです
14:02
a computerコンピューター that can, one,
rewriteリライト its own自分の codeコード,
299
830879
4618
自分のコピーをいくつも作り
14:07
so, it can create作成する
multiple複数 copiesコピー of itself自体,
300
835521
3584
沢山の違うバージョンを試し
14:11
try a bunch of different異なる codeコード versionsバージョン,
301
839129
1897
それはランダムに
かもしれませんが
14:13
possiblyおそらく even at randomランダム,
302
841050
1775
14:14
and then checkチェック them out and see
if a goalゴール is achieved達成された and improved改善された.
303
842849
3632
それから目標が達成されたか
改善されたかをチェックします
14:18
So, say the goalゴール is to do better
on an intelligenceインテリジェンス testテスト.
304
846505
3641
たとえば目標は知能テストで
良い点を取ることだとしましょう
14:22
You know, a computerコンピューター
that's moderately適度に good at that,
305
850170
3894
コンピューターが
そこそこ得意とすることで
何百万というバージョンを
試すことができます
14:26
you could try a million百万 versionsバージョン of that.
306
854088
2509
それでより良いものが
見つかるかもしれず
14:28
You mightかもしれない find one that was better,
307
856621
2090
それを繰り返していきます
14:30
and then, you know, repeat繰り返す.
308
858735
2004
そこで懸念されるのは
ある種の暴走が起きることです
14:32
And so the concern懸念 is that you get
some sortソート of runaway逃げる effect効果
309
860763
3040
木曜の夜には
何の問題もなかったのが
14:35
where everything is fine
on Thursday木曜日 eveningイブニング,
310
863827
3008
金曜の朝に戻ってみると
14:38
and you come back into the lab研究室
on Friday金曜日 morning,
311
866859
2336
コンピューターの
スピードやなんかのため
14:41
and because of the speed速度
of computersコンピュータ and so forth前進,
312
869219
2449
物事が突如として
とんでもないことになりかねない
14:43
things have gone行った crazy狂った, and suddenly突然 --
313
871692
1903
(スラン) 可能性はあるにしても
14:45
STST: I would say this is a possibility可能性,
314
873619
2020
小さなものだと思います
14:47
but it's a very remote遠隔の possibility可能性.
315
875663
1916
あなたの言われたことを
言い換えてみましょう
14:49
So let me just translate翻訳する
what I heard聞いた you say.
316
877603
3337
AlphaGoでは
まさにそういうことがありました
14:52
In the AlphaGoアルファゴー case場合,
we had exactly正確に this thing:
317
880964
2704
コンピューターが
自分自身を相手に対局をして
14:55
the computerコンピューター would play遊びます
the gameゲーム againstに対して itself自体
318
883692
2315
新たなルールを学びました
14:58
and then learn学ぶ new新しい rulesルール.
319
886031
1250
機械学習というのは
ルールの書き換えであり
14:59
And what machine機械 learning学習 is
is a rewriting書き換え of the rulesルール.
320
887305
3235
コードの書き換えです
15:02
It's the rewriting書き換え of codeコード.
321
890564
1769
しかしAlphaGoが
世界を支配するという懸念は
15:04
But I think there was
absolutely絶対に no concern懸念
322
892357
2845
15:07
that AlphaGoアルファゴー would take over the world世界.
323
895226
2426
まったくないでしょう
チェスさえできないのです
15:09
It can't even play遊びます chessチェス.
324
897676
1464
15:11
CACA: No, no, no, but now,
these are all very single-domain単一ドメイン things.
325
899164
5147
(アンダーソン) そりゃ 今はみんな
限られた1つの領域のことしかできませんが
想像することはできますよね
15:16
But it's possible可能 to imagine想像する.
326
904335
2879
大学入試に合格できる
コンピューターというのを
15:19
I mean, we just saw a computerコンピューター
that seemed見えた nearlyほぼ capable可能な
327
907238
3089
目にしたばかりです
15:22
of passing通過 a university大学 entranceエントランス testテスト,
328
910351
2655
コンピューターは私たちがするように
読んだり理解したりすることはできませんが
15:25
that can kind種類 of -- it can't read読む
and understandわかる in the senseセンス that we can,
329
913030
3688
あらゆる文章を取り込んで
15:28
but it can certainly確かに absorb吸収します all the textテキスト
330
916742
1987
意味のパターンを
見出していくかもしれません
15:30
and maybe see increased増加した
patternsパターン of meaning意味.
331
918753
2899
それがもっと広がって
15:33
Isn't there a chanceチャンス that,
as this broadens広げる out,
332
921676
3694
別種の暴走効果が起きることは
あり得ませんか?
15:37
there could be a different異なる
kind種類 of runaway逃げる effect効果?
333
925394
2466
(スラン) そこは一線を画しておきたいところです
15:39
STST: That's where
I drawドロー the lineライン, honestly正直.
334
927884
2078
可能性はあり
見くびるつもりはありませんが
15:41
And the chanceチャンス exists存在する --
I don't want to downplay過小評価 it --
335
929986
2643
それは小さく
私の心を占めてはいません
15:44
but I think it's remote遠隔の, and it's not
the thing that's on my mindマインド these days日々,
336
932653
3672
大きな革命的なことは
別にあると思うからです
15:48
because I think the big大きい revolution革命
is something elseelse.
337
936349
2512
これまでのAIで成功したものは
15:50
Everything successful成功した in AIAI
to the presentプレゼント date日付
338
938885
2922
すべてごく特化したものであり
15:53
has been extremely極端な specialized特化した,
339
941831
2214
15:56
and it's been thriving繁栄する on a singleシングル ideaアイディア,
340
944069
2489
1つのアイデアに基づいています—
15:58
whichどの is massive大規模 amounts金額 of dataデータ.
341
946582
2739
すなわち膨大な量のデータです
AlphaGoが ああもうまくいった理由は
膨大な数の碁の対局にあり
16:01
The reason理由 AlphaGoアルファゴー works作品 so well
is because of massive大規模 numbers数字 of Go plays演劇,
342
949345
4147
AlphaGoには車の運転も
飛行機の操縦もできません
16:05
and AlphaGoアルファゴー can't driveドライブ a car
or fly飛ぶ a plane飛行機.
343
953516
3255
16:08
The GoogleGoogle self-driving自己運転 car
or the UdacityUdacity self-driving自己運転 car
344
956795
3031
GoogleやUdacityの自動運転車は
16:11
thrives繁栄する on massive大規模 amounts金額 of dataデータ,
and it can't do anything elseelse.
345
959850
3240
膨大なデータを糧にしており
他のことは何もできず
オートバイの制御さえできません
16:15
It can't even controlコントロール a motorcycleオートバイ.
346
963114
1727
特定の領域に特化したもので
16:16
It's a very specific特定,
domain-specificドメイン固有の function関数,
347
964865
2762
ガンのアプリも
それは同じことです
16:19
and the same同じ is true真実 for our cancer appアプリ.
348
967651
1907
16:21
There has been almostほぼ no progress進捗
on this thing calledと呼ばれる "general一般 AIAI,"
349
969582
3236
「汎用人工知能」と呼ばれるものについては
ほとんど何も進展がありません
16:24
where you go to an AIAI and say,
"Hey, invent発明する for me special特別 relativity相対性理論
350
972842
4000
一般相対論とか
超弦理論を作ってくれと
頼めるようなAIはありません
16:28
or string文字列 theory理論."
351
976866
1666
まったくの初期段階なんです
16:30
It's totally完全に in the infancy幼児期.
352
978556
1931
16:32
The reason理由 I want to emphasize強調する this,
353
980511
2127
この点を強調するのは
不安を目にしていて
それは認めたいからです
16:34
I see the concerns心配,
and I want to acknowledge認める them.
354
982662
3838
しかし私が何か
1つのことを考えるとしたら
16:38
But if I were to think about one thing,
355
986524
2886
16:41
I would ask尋ねる myself私自身 the question質問,
"What if we can take anything repetitive繰り返す
356
989434
5563
私が問いたい疑問は
「繰り返し的なものを何か取り上げて
100倍効率化できるとしたらどうか?」ということです
16:47
and make ourselves自分自身
100 times as efficient効率的な?"
357
995021
3473
16:51
It so turnsターン out, 300 years ago,
we all worked働いた in agriculture農業
358
999170
4249
300年前には
みんな農業をやっていて
繰り返し的なことを
していました
16:55
and did farming農業 and did repetitive繰り返す things.
359
1003443
2051
今日では75%の人は
オフィスで働いていて
16:57
Today今日, 75 percentパーセント of us work in officesオフィス
360
1005518
2556
17:00
and do repetitive繰り返す things.
361
1008098
2124
繰り返し的なことを
しています
17:02
We've私たちは become〜になる spreadsheetスプレッドシート monkeysサル.
362
1010246
2183
私たちはスプレッドシート奴隷になったのです
17:04
And not just low-endローエンド labor労働.
363
1012453
2054
低レベルの労働
だけじゃありません
17:06
We've私たちは become〜になる dermatologists皮膚科医
doing repetitive繰り返す things,
364
1014531
2754
皮膚科医も
繰り返し的なことをしているし
17:09
lawyers弁護士 doing repetitive繰り返す things.
365
1017309
1749
弁護士も
繰り返し的なことをしています
17:11
I think we are at the brink危機
of beingであること ableできる to take an AIAI,
366
1019082
3823
AIが私たちの肩越しに見ていて
繰り返し的なことを10倍とか50倍とか
効率化してくれるという時代が
17:14
look over our shoulders,
367
1022929
1718
17:16
and they make us maybe 10 or 50 times
as effective効果的な in these repetitive繰り返す things.
368
1024671
4058
間もなくやってくる
だろうと思います
それが私の考えていることです
17:20
That's what is on my mindマインド.
369
1028753
1275
17:22
CACA: That sounds superスーパー excitingエキサイティング.
370
1030052
2450
(アンダーソン) すごくワクワクすることですね
そこへ至る道のりは
ある人々には怖いものかもしれません
17:24
The processプロセス of getting取得 there seems思われる
a little terrifying恐ろしい to some people,
371
1032526
3530
コンピューターが
繰り返し的なことを
17:28
because once一度 a computerコンピューター
can do this repetitive繰り返す thing
372
1036080
3180
皮膚科医やドライバーよりも
17:31
much better than the dermatologist皮膚科医
373
1039284
3434
ずっと上手くできるようになったなら
17:34
or than the driverドライバ, especially特に,
is the thing that's talked話した about
374
1042742
3230
今やよく話題になることですが
17:37
so much now,
375
1045996
1290
突如 何百万という職が
失われることになり
17:39
suddenly突然 millions何百万 of jobsジョブ go,
376
1047310
1958
17:41
and, you know, the country's国の in revolution革命
377
1049292
2695
それで可能になる輝かしい部分を
手にする前に
17:44
before we ever get to the more
glorious栄光の aspects側面 of what's possible可能.
378
1052011
4329
社会は革命的な状況を
経ることになるでしょう
(スラン) それは確かに問題で
大きな問題です
17:48
STST: Yeah, and that's an issue問題,
and it's a big大きい issue問題,
379
1056364
2517
昨日の朝のセッションでも
何人かのスピーカーが触れていました
17:50
and it was pointed尖った out yesterday昨日 morning
by severalいくつかの guestゲスト speakersスピーカー.
380
1058905
4196
ステージに上がる前に
17:55
Now, prior前の to me showing表示 up onstageステージ上,
381
1063125
2754
私はポジティブで楽観的な人間だと
打ち明けましたが
17:57
I confessed告白した I'm a positiveポジティブ,
optimistic楽観的 person,
382
1065903
3739
ひとつ楽観的な意見を
言わせてください
18:01
so let me give you an optimistic楽観的 pitchピッチ,
383
1069666
2389
18:04
whichどの is, think of yourselfあなた自身
back 300 years ago.
384
1072079
4795
300年前のことを
考えてみてください
ヨーロッパは140年もの間
戦争に明け暮れ
18:08
Europeヨーロッパ just survived生き残った 140 years
of continuous連続 war戦争,
385
1076898
3996
誰も読み書きできず
18:12
noneなし of you could read読む or write書きます,
386
1080918
1711
皆さんのしているような仕事は
何もありませんでした
18:14
there were no jobsジョブ that you holdホールド today今日,
387
1082653
2945
18:17
like investment投資 bankerバンカー
or softwareソフトウェア engineerエンジニア or TVテレビ anchorアンカー.
388
1085622
4096
投資銀行家にせよ ソフトウェアエンジニアにせよ
ニュースキャスターにせよ
18:21
We would all be in the fieldsフィールド and farming農業.
389
1089742
2414
みんな野に出て
農業をしていました
18:24
Now here comes来る little Sebastianセバスチャン
with a little steam蒸気 engineエンジン in his pocketポケット,
390
1092180
3573
そこへ小さなセバスチャンが
ポケットに小さな蒸気機関を入れてやってきます
「ねえ みんな これを見てよ
18:27
saying言って, "Hey guys, look at this.
391
1095777
1548
18:29
It's going to make you 100 times
as strong強い, so you can do something elseelse."
392
1097349
3595
みんな100倍も強くなって
他のことができるよ」
当時はこんなステージは
ありませんでしたが
18:32
And then back in the day,
there was no realリアル stageステージ,
393
1100968
2470
クリスと私は家畜小屋の
牛の側で話していて
18:35
but Chrisクリス and I hangハング out
with the cows in the stable安定した,
394
1103462
2526
18:38
and he says言う, "I'm really
concerned心配している about it,
395
1106012
2100
彼が言います
「すごく懸念しているよ
僕は毎日牛の乳を搾ってるけど
それを機械がするようになったらどうなるかと」
18:40
because I milkミルク my cow everyすべて day,
and what if the machine機械 does this for me?"
396
1108136
3652
なんでこんな話を
しているかというと
18:43
The reason理由 why I mention言及 this is,
397
1111812
1702
18:46
we're always good in acknowledging承認
past過去 progress進捗 and the benefit利益 of it,
398
1114360
3603
私たちは過去における進歩と
その恩恵については良く理解できます
iPhoneとか 飛行機とか
電気とか 医薬品とか
18:49
like our iPhonesiPhone or our planes飛行機
or electricity電気 or medical医療 supply供給.
399
1117987
3354
18:53
We all love to liveライブ to 80,
whichどの was impossible不可能 300 years ago.
400
1121365
4245
私たちは80まで生きたいと思っていますが
300年前には無理な相談でした
18:57
But we kind種類 of don't apply適用する
the same同じ rulesルール to the future未来.
401
1125634
4156
しかし私たちは同じルールを
未来には適用しないのです
19:02
So if I look at my own自分の jobジョブ as a CEO最高経営責任者(CEO),
402
1130621
3207
私のCEOとしての仕事を
振り返ってみると
19:05
I would say 90 percentパーセント
of my work is repetitive繰り返す,
403
1133852
3140
9割は繰り返し的で
楽しいものではありません
19:09
I don't enjoy楽しんで it,
404
1137016
1351
19:10
I spend費やす about four4つの hours時間 per〜ごと day
on stupid愚か, repetitive繰り返す emailEメール.
405
1138391
3978
毎日4時間を繰り返し的で
馬鹿みたいなメールに費やしています
それをやらなくて済むように
してくれるものを切望しています
19:14
And I'm burning燃焼 to have something
that helps助けて me get rid除去する of this.
406
1142393
3641
19:18
Why?
407
1146058
1158
なぜか?
それは私たちはみんな
ものすごくクリエイティブだと思うからです
19:19
Because I believe all of us
are insanely辛口 creative創造的な;
408
1147240
3003
19:22
I think the TEDTED communityコミュニティ
more than anybody elseelse.
409
1150731
3194
TEDのコミュニティは
ことのほかそうでしょう
でもブルーカラーの人であっても
そうなんです
19:25
But even blue-collarブルーカラー workers労働者;
I think you can go to your hotelホテル maidメイド
410
1153949
3559
ホテルのメイドを捕まえて
一緒に飲んでご覧なさい
19:29
and have a drinkドリンク with him or her,
411
1157532
2402
1時間後にはきっとクリエイティブな
アイデアを手にしています
19:31
and an hour時間 later後で,
you find a creative創造的な ideaアイディア.
412
1159958
2717
AIの力によって 創造力を現実のものに
変えられるようになるでしょう
19:34
What this will empower力を与える
is to turn順番 this creativity創造性 into actionアクション.
413
1162699
4140
もしGoogleを1日で
作れるとしたらどうしますか?
19:39
Like, what if you could
buildビルドする GoogleGoogle in a day?
414
1167265
3442
19:43
What if you could sit座る over beerビール
and invent発明する the next Snapchatスナッチャート,
415
1171221
3316
ビール片手に
次のSnapchatになるものを思い付き
19:46
whateverなんでも it is,
416
1174561
1165
それが何であれ
19:47
and tomorrow明日 morning it's up and runningランニング?
417
1175750
2187
翌朝には運用開始できるとしたら?
19:49
And that is not science科学 fictionフィクション.
418
1177961
1773
それがもう
SFではなくなるのです
19:51
What's going to happen起こる is,
419
1179758
1254
これから起きることは
19:53
we are already既に in history歴史.
420
1181036
1867
歴史上すでに
経験していることです
19:54
We've私たちは unleashed解き放たれた this amazing素晴らしい creativity創造性
421
1182927
3228
農作業からの解放
後には工場労働からの
解放によって
19:58
by de-slaving脱奴隷 us from farming農業
422
1186179
1611
19:59
and later後で, of courseコース, from factory工場 work
423
1187814
3363
ものすごい創造性が溢れ出て
多くのものが生み出されました
20:03
and have invented発明された so manyたくさんの things.
424
1191201
3162
今回のはさらに
すごいものになるでしょう
20:06
It's going to be even better,
in my opinion意見.
425
1194387
2178
20:08
And there's going to be
great side effects効果.
426
1196589
2072
そして素晴らしい
副作用もあります
20:10
One of the side effects効果 will be
427
1198685
1489
副作用の1つは
20:12
that things like foodフード and medical医療 supply供給
and education教育 and shelterシェルター
428
1200198
4795
食べ物や医薬品や
教育や住居や輸送などが
金持ちだけでなく
20:17
and transportation交通
429
1205017
1177
20:18
will all become〜になる much more
affordable手頃な価格 to all of us,
430
1206218
2441
みんなにとって
ずっと手に入り
やすくなることです
20:20
not just the richリッチ people.
431
1208683
1322
20:22
CACA: Hmmうーん.
432
1210029
1182
(アンダーソン) なるほど
20:23
So when Martinマーティン Fordフォード argued主張した, you know,
that this time it's different異なる
433
1211235
4341
マーティン・フォードは
今回は違うと主張していて
それは過去には
知恵によって
20:27
because the intelligenceインテリジェンス
that we've私たちは used in the past過去
434
1215600
3453
新たな方法を
見付けていましたが
20:31
to find new新しい ways方法 to be
435
1219077
2483
コンピューターが
同じペースで
20:33
will be matched一致する at the same同じ paceペース
436
1221584
2279
そういうことも
やるようになるからだと
20:35
by computersコンピュータ taking取る over those things,
437
1223887
2291
20:38
what I hear聞く you saying言って
is that, not completely完全に,
438
1226202
3078
しかしあなたは
人間の創造性のため
20:41
because of human人間 creativity創造性.
439
1229304
2951
完全に淘汰はされない
というわけですね
20:44
Do you think that that's fundamentally根本的に
different異なる from the kind種類 of creativity創造性
440
1232279
3785
人間の創造性は
コンピューターにできることとは
根本的に異なるとお考えですか?
20:48
that computersコンピュータ can do?
441
1236088
2696
(スラン) これはAIの専門家として
強く信じていることですが
20:50
STST: So, that's my firm当社
belief信念 as an AIAI person --
442
1238808
4434
20:55
that I haven't持っていない seen見た
any realリアル progress進捗 on creativity創造性
443
1243266
3803
創造性や独創的思考という面で
本当の進展というのは
見られません
20:59
and out-of-the-boxすぐに使える thinking考え.
444
1247949
1407
21:01
What I see right now -- and this is
really important重要 for people to realize実現する,
445
1249380
3623
私が見ていることに
みんなも気付いて欲しいんですが
21:05
because the wordワード "artificial人工的な
intelligenceインテリジェンス" is so threatening脅かす,
446
1253027
2903
「人工知能」という言葉は
すごく怖いものに見え
コンピューターが突如として
支配者となる映画を作る
21:07
and then we have Steveスティーブ Spielbergスピルバーグ
tossing投げる a movie映画 in,
447
1255954
2523
スピルバーグのような人もいますが
21:10
where all of a sudden突然
the computerコンピューター is our overlord大将,
448
1258501
2413
でもそれは
テクノロジーにすぎないのです
21:12
but it's really a technology技術.
449
1260938
1452
21:14
It's a technology技術 that helps助けて us
do repetitive繰り返す things.
450
1262414
2982
私たちが繰り返し的なことをする
手助けをしてくれるテクノロジーです
21:17
And the progress進捗 has been
entirely完全に on the repetitive繰り返す end終わり.
451
1265420
2913
進歩が見られるのは
繰り返し的な部分です
法務的な資料を
見付けるとか
21:20
It's been in legal法的 document資料 discovery発見.
452
1268357
2228
21:22
It's been contract契約する drafting製図.
453
1270609
1680
契約書の草稿を
作成するとか
21:24
It's been screeningスクリーニング X-raysX線 of your chest.
454
1272313
4223
胸のX線写真の
検査をするとか
そういったことは
とても特化したことであり
21:28
And these things are so specialized特化した,
455
1276560
1773
21:30
I don't see the big大きい threat脅威 of humanity人類.
456
1278357
2391
人類への脅威が
あるとは思いません
21:32
In fact事実, we as people --
457
1280772
1794
私たち人間こそが
超人になるんです
21:34
I mean, let's face it:
we've私たちは become〜になる superhuman超人.
458
1282590
2385
向き合いましょう
私たちは自らを
超人にしたのです
21:36
We've私たちは made us superhuman超人.
459
1284999
1764
21:38
We can swim泳ぐ across横断する
the Atlantic大西洋 in 11 hours時間.
460
1286787
2632
大西洋を11時間で泳ぎ渡るとか
ポケットから装置を出して
21:41
We can take a deviceデバイス out of our pocketポケット
461
1289443
2074
遙か彼方のオーストラリアにいる人に叫び
21:43
and shout叫ぶ all the way to Australiaオーストラリア,
462
1291541
2147
21:45
and in realリアル time, have that person
shouting叫ぶ back to us.
463
1293712
2600
リアルタイムで向こうからも
叫び返してくるとか
物理的に無理なことで
物理法則を破っているのです
21:48
That's physically物理的に not possible可能.
We're breaking壊す the rulesルール of physics物理.
464
1296336
3624
21:51
When this is said and done完了,
we're going to remember思い出す everything
465
1299984
2943
できた暁には
見聞きしたことすべて
21:54
we've私たちは ever said and seen見た,
466
1302951
1213
会った人すべてを
記憶するようになるでしょう
21:56
you'llあなたは remember思い出す everyすべて person,
467
1304188
1496
それはアルツハイマー気味の私には
ありがたいことです
21:57
whichどの is good for me
in my early早い stagesステージ of Alzheimer'sアルツハイマー病.
468
1305708
2626
何の話でしたっけ?
22:00
Sorry, what was I saying言って? I forgot忘れた.
469
1308358
1677
(アンダーソン) ハハハ
22:02
CACA: (Laughs笑う)
470
1310059
1578
(スラン) 私たちのIQは
1,000以上にもなるでしょう
22:03
STST: We will probably多分 have
an IQIQ of 1,000 or more.
471
1311661
3077
私たちの子供には
綴り字の授業なんかなくなるでしょう
22:06
There will be no more
spellingつづり classesクラス for our kids子供たち,
472
1314762
3425
22:10
because there's no spellingつづり issue問題 anymoreもう.
473
1318211
2086
綴りの問題はなくなるので
22:12
There's no math数学 issue問題 anymoreもう.
474
1320321
1832
数学の問題もなくなります
22:14
And I think what really will happen起こる
is that we can be superスーパー creative創造的な.
475
1322177
3510
そして起きることは みんながすごく
クリエイティブになれるということです
実際 私たちはクリエイティブなんです
22:17
And we are. We are creative創造的な.
476
1325711
1857
22:19
That's our secret秘密 weapon武器.
477
1327592
1552
それが人類の秘密兵器です
22:21
CACA: So the jobsジョブ that are getting取得 lost失われた,
478
1329168
2153
(アンダーソン) 仕事は失われることになり
22:23
in a way, even thoughしかし
it's going to be painful痛い,
479
1331345
2494
痛みは伴うにしても
人類にはそれ以上のことができると
22:25
humans人間 are capable可能な
of more than those jobsジョブ.
480
1333863
2047
夢ですね
22:27
This is the dream.
481
1335934
1218
新たなレベルの力と
発見の世界へと
22:29
The dream is that humans人間 can rise上昇
to just a new新しい levelレベル of empowermentエンパワーメント
482
1337176
4247
人類が引き上げられる
22:33
and discovery発見.
483
1341447
1657
それが夢なのだと
22:35
That's the dream.
484
1343128
1452
(スラン) 考えてみてください
22:36
STST: And think about this:
485
1344604
1643
人類の歴史を見れば
22:38
if you look at the history歴史 of humanity人類,
486
1346271
2021
6〜10万年というところですが
22:40
that mightかもしれない be whateverなんでも --
60-100,000 years old古い, give or take --
487
1348316
3328
発明とか技術とか
22:43
almostほぼ everything that you cherish大事な
in terms条項 of invention発明,
488
1351668
3726
私たちがありがたいと思う
作られたもののほとんどは
22:47
of technology技術, of things we've私たちは built建てられた,
489
1355418
2151
この150年間に
発明されています
22:49
has been invented発明された in the last 150 years.
490
1357593
3099
まあ本とか車輪は
もう少し古いですが
22:53
If you tossトス in the book and the wheelホイール,
it's a little bitビット olderより古い.
491
1361756
3048
あと斧も
22:56
Or the axe.
492
1364828
1169
でも電話とか スニーカーとか
22:58
But your phone電話, your sneakersスニーカー,
493
1366021
2790
この椅子とか 現代的な製造技術
ペニシリン
23:00
these chairs椅子, modernモダン
manufacturing製造, penicillinペニシリン --
494
1368835
3551
私たちがありがたいと思うものの
多くがそうです
23:04
the things we cherish大事な.
495
1372410
1714
23:06
Now, that to me means手段
496
1374148
3658
これからの150年で
人類はさらに多くのものを
発見するでしょう
23:09
the next 150 years will find more things.
497
1377830
3041
物事が発明されるペースは
遅くではなく早くなっています
23:12
In fact事実, the paceペース of invention発明
has gone行った up, not gone行った down, in my opinion意見.
498
1380895
4154
興味深いもので既に発明されているのは
1%くらいのものだろうと思います
23:17
I believe only one percentパーセント of interesting面白い
things have been invented発明された yetまだ. Right?
499
1385073
4905
まだガンを治癒できるように
なっていません
23:22
We haven't持っていない cured硬化した cancer.
500
1390002
1988
23:24
We don't have flying飛行 cars -- yetまだ.
Hopefullyうまくいけば, I'll change変化する this.
501
1392014
3718
空飛ぶ車をまだ持っていません
それを変えたいと思っていますが
23:27
That used to be an example
people laughed笑った about. (Laughs笑う)
502
1395756
3257
空飛ぶ車というのは
笑いのネタにされることでした (笑)
可笑しくないですか?
密かに空飛ぶ車に取り組んでいるというのは
23:31
It's funny面白い, isn't it?
Workingワーキング secretly密かに on flying飛行 cars.
503
1399037
2992
23:34
We don't liveライブ twice二度 as long yetまだ. OK?
504
1402053
2683
まだ寿命を2倍に
延ばせてはいません
23:36
We don't have this magicマジック
implantインプラント in our brain
505
1404760
2785
欲しい情報をくれる
魔法のインプラントを
頭の中に持ってはいません
23:39
that gives与える us the information情報 we want.
506
1407569
1832
ぞっとするかもしれませんが
23:41
And you mightかもしれない be appalledぞっとする by it,
507
1409425
1526
23:42
but I promise約束する you,
once一度 you have it, you'llあなたは love it.
508
1410975
2444
1度付けたら
気に入るはずだと思いますよ
23:45
I hope希望 you will.
509
1413443
1166
そう望みます
ちょっと怖い感じはしますが
23:46
It's a bitビット scary怖い, I know.
510
1414633
1909
人類が発明するだろうもので
23:48
There are so manyたくさんの things
we haven't持っていない invented発明された yetまだ
511
1416566
2254
まだ発明されていないものは
沢山あります
23:50
that I think we'll私たちは invent発明する.
512
1418844
1268
重力シールドはありません
23:52
We have no gravity重力 shieldsシールド.
513
1420136
1306
別の場所に人間を
ビーム転送できません
23:53
We can't beamビーム ourselves自分自身
from one locationロケーション to another別の.
514
1421466
2553
馬鹿げたことに聞こえますが
23:56
That sounds ridiculousばかげた,
515
1424043
1151
200年前には
23:57
but about 200 years ago,
516
1425218
1288
飛行は不可能だと
専門家が言っていたんです
23:58
experts専門家 were of the opinion意見
that flightフライト wouldn'tしないだろう exist存在する,
517
1426530
2667
120年前でさえそうです
24:01
even 120 years ago,
518
1429221
1324
走れるよりも早く移動したら
24:02
and if you moved移動した fasterもっと早く
than you could run走る,
519
1430569
2582
死んでしまうと
24:05
you would instantly即座に die死ぬ.
520
1433175
1520
地球から火星に
人間をビームでは送れないと
24:06
So who says言う we are correct正しい today今日
that you can't beamビーム a person
521
1434719
3569
誰に言えるでしょう?
24:10
from here to Mars火星?
522
1438312
2249
(アンダーソン) 素晴らしく
刺激的なビジョンを見せていただき
24:12
CACA: Sebastianセバスチャン, thank you so much
523
1440585
1569
24:14
for your incredibly信じられないほど inspiring感動的な visionビジョン
and your brilliance輝き.
524
1442178
2682
ありがとうございました
セバスチャン・スランでした
24:16
Thank you, Sebastianセバスチャン Thrunスラン.
525
1444884
1323
24:18
STST: That was fantastic素晴らしい. (Applause拍手)
526
1446231
1895
素晴らしかった (拍手)
Translated by Yasushi Aoki
Reviewed by Claire Ghyselen

▲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