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

세바스찬 쓰런 (Sebastian Thrun), 크리스 앤더슨 (Chris Anderson): 새로운 세대의 컴퓨터는 스스로 프로그래밍한다

Filmed:
1,575,780 views

교육자이자 기업가인 세바스찬 스런은 인공지능을 이용해 인간을 반복노동에서 해방시키고 창조성을 일깨우려 합니다. TED 큐레이터 크리스 앤더슨과 나눈 대화는 영감과 지적 정보로 가득합니다. 이 대담을 통해 쓰런은 딥 러닝 기술의 발전과 인공지능을 두려워하지 않아도 되는 이유 그리고 기계의 도움으로 반복적이고 지루한 일에서 해방되는 일이 어째서 더 나은 사회를 만드는 데 기여하게 되는지 설명합니다. "지금까지 인류가 발명한 것은 겨우 1%에 불과합니다" 쓰런은 말합니다. "저는 우리가 지금보다 훨씬 창조적인 존재가 될 수 있다고 믿습니다. [인공지능]은 우리의 상상력을 현실화시킬 것입니다."
- Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us. Full bio - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading. Full bio

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

00:12
Chris크리스 Anderson앤더슨: Help us understand알다
what machine기계 learning배우기 is,
0
904
2886
크리스 앤더슨: 머신러닝을 이해하는
데 도움을 주실 분을 모셨습니다.
00:15
because that seems~ 같다 to be the key driver운전사
1
3814
2054
머신 러닝은 인공지능을 둘러싼
00:17
of so much of the excitement흥분
and also또한 of the concern관심사
2
5892
2737
세간의 걱정과 기대의
00:20
around artificial인공의 intelligence지성.
3
8653
1494
중심에 있기 때문입니다.
00:22
How does machine기계 learning배우기 work?
4
10171
1643
머신 러닝은 어떻게 작동하나요?
00:23
Sebastian세바스찬 ThrunThrun: So, artificial인공의
intelligence지성 and machine기계 learning배우기
5
11838
3896
세바스찬: 인공지능과 머신 러닝은 사실
00:27
is about 60 years연령 old늙은
6
15758
2002
60년 정도 된 연구분야인데
00:29
and has not had a great day
in its past과거 until...까지 recently요새.
7
17784
4269
최근까지는 큰 관심을 받지 못했습니다.
00:34
And the reason이유 is that today오늘,
8
22077
2924
최근에 들어서야
00:37
we have reached도달 한 a scale규모
of computing컴퓨팅 and datasets데이터 세트
9
25025
3973
기계를 똑똑하게 만들 수 있을 만큼
00:41
that was necessary필요한 to make machines기계들 smart똑똑한.
10
29022
2637
컴퓨팅, 데이터 기술의 발전이
이루어졌기 때문이죠.
00:43
So here's여기에 how it works공장.
11
31683
1751
작동 원리를 살펴보죠.
00:45
If you program프로그램 a computer컴퓨터 today오늘,
say, your phone전화,
12
33458
3497
스마트폰을 위한 프로그램을
만든다고 가정해봅시다.
00:48
then you hire고용 software소프트웨어 engineers엔지니어
13
36979
2335
그러면 소프트웨어 개발자를 고용해서
00:51
that write쓰다 a very,
very long kitchen부엌 recipe레시피,
14
39338
3854
아주, 아주 긴 음식
조리법을 적게 합니다.
00:55
like, "If the water is too hot뜨거운,
turn회전 down the temperature온도.
15
43216
3132
"만약 물이 너무 뜨거우면,
온도를 내려라.
00:58
If it's too cold감기, turn회전 up
the temperature온도."
16
46372
2279
너무 차가우면, 온도를 올려라."
하는 식으로 말이죠.
01:00
The recipes조리법 are not just 10 lines윤곽 long.
17
48675
2849
조리법은 열 줄 짜리가 아니죠.
01:03
They are millions수백만 of lines윤곽 long.
18
51548
2603
수 백만 줄 정도는 되어야 할 겁니다.
01:06
A modern현대 cell세포 phone전화
has 12 million백만 lines윤곽 of code암호.
19
54175
4084
최신 스마트폰은 1,200만 줄의
소스 코드로 되어 있습니다.
01:10
A browser브라우저 has five다섯 million백만 lines윤곽 of code암호.
20
58283
2646
하나의 브라우저는 5백만
줄 정도로 구성됩니다.
01:12
And each마다 bug곤충 in this recipe레시피
can cause원인 your computer컴퓨터 to crash추락.
21
60953
4969
조리법에 포함된 오류 하나 하나가
컴퓨터를 고장나게 할 수 있죠.
01:17
That's why a software소프트웨어 engineer기사
makes~을 만든다 so much money.
22
65946
3075
이러한 이유로 개발자가
돈을 많이 벌 수 밖에 없죠.
01:21
The new새로운 thing now is that computers컴퓨터들
can find their그들의 own개인적인 rules규칙들.
23
69953
3660
그런데 요즘은 컴퓨터가
스스로 규칙을 찾아냅니다.
01:25
So instead대신에 of an expert전문가
deciphering해독, step단계 by step단계,
24
73637
3606
기존에는 모든 만일의 사태를 대비해
01:29
a rule규칙 for every...마다 contingency우연성,
25
77267
2148
전문가가 규칙을 일일이
해독해야 했습니다.
01:31
what you do now is you give
the computer컴퓨터 examples예제들
26
79439
3074
그러나 이제는 컴퓨터에게
예시만 던져주고
01:34
and have it infer미루다 its own개인적인 rules규칙들.
27
82537
1581
스스로 규칙을 추론하게 합니다.
01:36
A really good example is AlphaGo알파 고,
which어느 recently요새 was won by GoogleGoogle.
28
84142
4306
최근 승리를 거둔 구글의 알파고가
좋은 예시가 되겠네요.
01:40
Normally정상적으로, in game경기 playing연주하다,
you would really write쓰다 down all the rules규칙들,
29
88472
3687
보통 게임을 하려면
모든 규칙을 적어주어야 하겠죠.
01:44
but in AlphaGo's알파고 case케이스,
30
92183
1785
그러나 알파고의 경우는 다릅니다.
01:45
the system체계 looked보았다 over a million백만 games계략
31
93992
2066
시스템이 백만 개도
넘는 기보를 공부해서
01:48
and was able할 수 있는 to infer미루다 its own개인적인 rules규칙들
32
96082
2192
스스로 규칙을 추론했고
01:50
and then beat박자 the world's세계의
residing거주하는 Go champion챔피언.
33
98298
2738
그렇게 세계 최고의
바둑 기사를 이겼죠.
01:53
That is exciting흥미 진진한, because it relieves구제하다
the software소프트웨어 engineer기사
34
101853
3509
이 기술의 좋은 점은 소프트웨어를
개발하는 사람이
01:57
of the need of being존재 super감독자 smart똑똑한,
35
105386
1819
아주 똑똑해야 한다거나
01:59
and pushes푸시하다 the burden부담 towards...쪽으로 the data데이터.
36
107229
2325
데이터를 잘 다루어야
한다는 부담을 덜어줍니다.
02:01
As I said, the inflection굴절 point포인트
where this has become지다 really possible가능한 --
37
109578
4534
말씀드렸듯이, 이것이
가능하게 된 계기는 --
02:06
very embarrassing창피한, my thesis명제
was about machine기계 learning배우기.
38
114136
2746
부끄럽지만, 졸업 논문을
기계학습에 관해 썼습니다.
02:08
It was completely완전히
insignificant의미 없는, don't read독서 it,
39
116906
2205
정말 시시한 논문이니
읽지는 말아주세요.
02:11
because it was 20 years연령 ago...전에
40
119135
1350
20년 전이었기 때문에
02:12
and back then, the computers컴퓨터들
were as big as a cockroach바퀴벌레 brain.
41
120509
2907
그 때는 컴퓨터가 매우 컸지요.
02:15
Now they are powerful강한 enough충분히
to really emulate에뮬레이트하다
42
123440
2331
지금은 특정 사고를
사람과 거의 비슷하게
02:17
kind종류 of specialized전문화 된 human인간의 thinking생각.
43
125795
2076
해낼 수 있을만큼 똑똑하고 강력해졌죠.
02:19
And then the computers컴퓨터들
take advantage이점 of the fact
44
127895
2313
게다가 컴퓨터는 사람보다
더 많은 데이터를
02:22
that they can look at
much more data데이터 than people can.
45
130232
2500
처리할수 있다는 점에서
우위에 있습니다.
02:24
So I'd say AlphaGo알파 고 looked보았다 at
more than a million백만 games계략.
46
132756
3080
그래서 알파고가 백만 개 이상의
기보를 학습할 수 있었던 거죠.
02:27
No human인간의 expert전문가 can ever
study연구 a million백만 games계략.
47
135860
2839
백만 개의 기보를 공부하는 건
사람에겐 불가능한 일이지요.
02:30
GoogleGoogle has looked보았다 at over
a hundred billion십억 web편물 pages페이지들.
48
138723
3182
구글은 1천억 개가 넘는
웹 페이지를 살펴 봅니다.
02:33
No person사람 can ever study연구
a hundred billion십억 web편물 pages페이지들.
49
141929
2650
이 역시 사람에게는 무리지요.
02:36
So as a result결과,
the computer컴퓨터 can find rules규칙들
50
144603
2714
결과적으로 사람이
찾을 수 없던 규칙들을
02:39
that even people can't find.
51
147341
1755
컴퓨터는 찾아낼 수 있습니다.
02:41
CA캘리포니아 주: So instead대신에 of looking ahead앞으로
to, "If he does that, I will do that,"
52
149120
4312
크리스: "상대편이 이렇게 하면,
나는 저렇게 해야지" 라고
02:45
it's more saying속담, "Here is what
looks외모 like a winning승리 pattern무늬,
53
153456
3072
내다보고 생각 하는 게 아니라
"이런 식으로 하면 이기는구나."
02:48
here is what looks외모 like
a winning승리 pattern무늬."
54
156552
2079
"이런 식으로 하면 이기는구나."
라고 생각하는 거군요.
02:50
ST: Yeah. I mean, think about
how you raise증가 children어린이.
55
158655
2517
세바스찬: 그렇죠.
아이를 키울 때를 생각해보세요.
02:53
You don't spend보내 the first 18 years연령
giving주는 kids아이들 a rule규칙 for every...마다 contingency우연성
56
161196
3644
18살이 될 때까지 모든 돌발 상황에
일일이 지시를 내리지는 않죠.
02:56
and set세트 them free비어 있는
and they have this big program프로그램.
57
164864
2347
그저 자연스럽게 두면
큰 프로그램을 갖게 되죠.
02:59
They stumble채이기, fall가을, get up,
they get slapped때린 or spanked때리는,
58
167235
2719
흔들리고, 넘어지고,
다시 일어서고, 또 혼나기도 합니다.
03:01
and they have a positive experience경험,
a good grade학년 in school학교,
59
169978
2884
학교에서 좋은 성적을 받는 등
긍정적인 경험도 할 겁니다.
03:04
and they figure그림 it out on their그들의 own개인적인.
60
172886
1834
나름대로 살아가는 법을 알아내죠.
03:06
That's happening사고 with computers컴퓨터들 now,
61
174744
1737
지금 컴퓨터가 이렇게 하고 있어요.
03:08
which어느 makes~을 만든다 computer컴퓨터 programming프로그램 작성
so much easier더 쉬운 all of a sudden갑자기.
62
176505
3029
덕분에 컴퓨터 프로그래밍이
갑자기 너무 쉬워졌죠.
03:11
Now we don't have to think anymore더 이상.
We just give them lots of data데이터.
63
179558
3175
그저 컴퓨터에게 많은 양의
정보를 넘겨주면 됩니다.
03:14
CA캘리포니아 주: And so, this has been key
to the spectacular장관의 improvement개량
64
182757
3422
크리스: 자율주행 자동차가
혁신적으로 발전하게 된 데에
03:18
in power of self-driving자가 운전 cars자동차.
65
186203
3064
그런 배경이 있었군요.
03:21
I think you gave me an example.
66
189291
1739
예시를 가지고 오셨는데
03:23
Can you explain설명 what's happening사고 here?
67
191054
2685
영상으로 설명 해 주시겠어요?
03:25
ST: This is a drive드라이브 of a self-driving자가 운전 car
68
193763
3564
세바스찬: 유다시티의 자율주행 자동차가
03:29
that we happened일어난 to have at Udacity우디 시티
69
197351
1957
주행 중인 모습입니다.
03:31
and recently요새 made만든
into a spin-off분사 called전화 한 Voyage항해.
70
199332
2398
최근에는 보야지(Voyage)라는
새 버전을 만들었죠.
03:33
We have used this thing
called전화 한 deep깊은 learning배우기
71
201754
2574
딥러닝 이라는 기술을 이용해서
03:36
to train기차 a car to drive드라이브 itself그 자체,
72
204352
1623
차가 스스로 주행하도록
훈련시켰습니다.
03:37
and this is driving운전
from Mountain View전망, California캘리포니아,
73
205999
2387
캘리포니아의 마운틴뷰에서 출발해서
03:40
to San FranciscoFrancisco
74
208410
1168
샌프란시스코까지
03:41
on El엘자 Camino카미노 Real레알 on a rainy비오는 day,
75
209602
2259
비오는 날 '엘 카미노 리얼'을
따라 주행하며
03:43
with bicyclists자전거 타는 사람 and pedestrians보행자
and 133 traffic교통 lights.
76
211885
3524
자전거 타는 사람들, 보행자들,
133개의 신호등을 지나쳤죠.
03:47
And the novel소설 thing here is,
77
215433
2636
여기서 대단한 점은
03:50
many많은, many많은 moons ago...전에, I started시작한
the GoogleGoogle self-driving자가 운전 car team.
78
218093
3120
아주 오래전 제가 구글의
자율주행 자동차 팀에서 일했을 때
03:53
And back in the day, I hired고용 된
the world's세계의 best베스트 software소프트웨어 engineers엔지니어
79
221237
3181
저는 세계 최고의 개발자들을 고용해서
03:56
to find the world's세계의 best베스트 rules규칙들.
80
224442
1607
세계 최고의 규칙을 찾으려 했죠.
03:58
This is just trained훈련 된.
81
226073
1754
그런데 이 자동차는
그냥 훈련을 받았습니다.
03:59
We drive드라이브 this road도로 20 times타임스,
82
227851
3336
도로 주행을 20번 한 후
04:03
we put all this data데이터
into the computer컴퓨터 brain,
83
231211
2447
그 정보를 컴퓨터의 뇌에 건네주고
04:05
and after a few조금 hours시간 of processing가공,
84
233682
2082
몇 시간동안 처리하도록 했더니
04:07
it comes온다 up with behavior행동
that often자주 surpasses능가하다 human인간의 agility민첩.
85
235788
3926
심지어 사람보다 더 능숙하게
운전하기도 하는 겁니다.
04:11
So it's become지다 really easy쉬운 to program프로그램 it.
86
239738
2017
그러니까 프로그래밍하기가 쉬워졌죠.
04:13
This is 100 percent퍼센트 autonomous자발적인,
about 33 miles마일, an hour시간 and a half절반.
87
241779
3803
실험에서는 53km를 한 시간 반
만에 사람의 도움없이 주행했습니다.
04:17
CA캘리포니아 주: So, explain설명 it -- on the big part부품
of this program프로그램 on the left,
88
245606
3630
크리스: 이제 영상을 설명 해 주시죠.
왼쪽에는 컴퓨터가 지각하는 모습이죠?
04:21
you're seeing basically원래 what
the computer컴퓨터 sees본다 as trucks트럭 and cars자동차
89
249260
3257
트럭이나 차로 보이는 점들이
04:24
and those dots도트 overtaking압도 it and so forth앞으로.
90
252541
2886
자율주행차를 추월 하고 있는 것 같네요.
04:27
ST: On the right side측면, you see the camera카메라
image영상, which어느 is the main본관 input입력 here,
91
255451
3762
세바스찬: 오른편에 카메라로 촬영된
영상이 컴퓨터의 메인 입력이죠.
04:31
and it's used to find lanes차선,
other cars자동차, traffic교통 lights.
92
259237
2676
이 영상을 통해 차선이나 다른 차,
신호등을 인식합니다.
04:33
The vehicle차량 has a radar레이다
to do distance거리 estimation견적.
93
261937
2489
차량에는 거리를 추정하는
레이더도 달려있습니다.
04:36
This is very commonly천하게 used
in these kind종류 of systems시스템.
94
264450
2621
이런 자율주행차에
흔히 쓰이는 장비입니다.
04:39
On the left side측면 you see a laser원자 램프 diagram도표,
95
267095
1992
왼편에 보이는 것은 레이저
도표입니다.
04:41
where you see obstacles장애물 like trees나무
and so on depicted묘사 된 by the laser원자 램프.
96
269111
3200
나무 등의 장애물을 레이저로
그린 것을 보실 수 있습니다.
04:44
But almost거의 all the interesting재미있는 work
is centering센터링 on the camera카메라 image영상 now.
97
272335
3436
하지만 정말 재밌는 건
카메라 영상 쪽 입니다.
04:47
We're really shifting이동 over from precision정도
sensors센서 like radars레이다 and lasers레이저
98
275795
3476
레이더나 레이저 같은 정밀 감지기를
04:51
into very cheap, commoditized상품화 된 sensors센서.
99
279295
1842
값싸고 상용화된 감지기로
바꾸는 중입니다.
04:53
A camera카메라 costs소송 비용 less적게 than eight여덟 dollars불화.
100
281161
1987
이제 8달러도 안되는 카메라를 씁니다.
04:55
CA캘리포니아 주: And that green녹색 dot
on the left thing, what is that?
101
283172
2793
크리스: 그런데 왼쪽에
초록점은 뭔가요?
04:57
Is that anything meaningful의미있는?
102
285989
1371
뭔가 의미있는 건가요?
04:59
ST: This is a look-ahead미리 보기 point포인트
for your adaptive적응 형의 cruise크루즈 control제어,
103
287384
3668
세바스찬: 앞 차와의 거리에 따라
속도를 조절하는 적응형 순항 장치가
05:03
so it helps도움이된다. us understand알다
how to regulate규제하다 velocity속도
104
291076
2477
어디를 앞 차라고 인식하고
있는지 표시한 겁니다.
05:05
based기반 on how far멀리
the cars자동차 in front of you are.
105
293577
2634
우리가 보고 속도 조절 기재를
이해하도록 말이죠.
05:08
CA캘리포니아 주: And so, you've also또한
got an example, I think,
106
296235
2716
크리스: 제가 듣기로, 기계가
어떻게 학습을 하는지에 대한
05:10
of how the actual실제의
learning배우기 part부품 takes place장소.
107
298975
2381
예시도 오늘 준비하셨죠?
05:13
Maybe we can see that. Talk about this.
108
301380
2458
거기에 대해 듣고 싶군요.
05:15
ST: This is an example where we posed제기 된
a challenge도전 to Udacity우디 시티 students재학생
109
303862
3643
세바스찬: 유다시티에 자율주행
자동차 '나노디그리'라고 부르는
05:19
to take what we call
a self-driving자가 운전 car NanodegreeNanodegree.
110
307529
3131
교육과정을 듣는 학생들이 있는데요.
05:22
We gave them this dataset데이터 세트
111
310684
1495
준비된 데이터셋을 주고
05:24
and said "Hey, can you guys figure그림 out
how to steer수송아지 this car?"
112
312203
3054
"이 차가 어떻게 방향을 조절하는지
알아낼 수 있겠니?" 라고 물었습니다.
05:27
And if you look at the images이미지들,
113
315281
1624
영상을 보시면 아시겠지만
05:28
it's, even for humans인간, quite아주 impossible불가능한
to get the steering조타 right.
114
316929
4073
사실 사람도 제대로
방향을 맞추기 힘듭니다.
05:33
And we ran달렸다 a competition경쟁 and said,
"It's a deep깊은 learning배우기 competition경쟁,
115
321026
3591
작은 대회를 열고, "이건 딥러닝
대회이고, AI 대회야."
05:36
AIAI competition경쟁,"
116
324641
1173
라고 얘기하고
05:37
and we gave the students재학생 48 hours시간.
117
325838
1887
학생들에게 48시간을 주었습니다.
05:39
So if you are a software소프트웨어 house
like GoogleGoogle or Facebook페이스 북,
118
327749
4172
구글이나 페이스북같은
기업에서 같은 작업을 했다면
05:43
something like this costs소송 비용 you
at least가장 작은 six months개월 of work.
119
331945
2717
최소한 여섯 달 정도는 걸렸을 겁니다.
05:46
So we figured문채 있는 48 hours시간 is great.
120
334686
2202
48시간이면 대단한거죠.
05:48
And within이내에 48 hours시간, we got about
100 submissions제출 from students재학생,
121
336912
3467
결국 48시간 안에 100명의 학생들이
답안을 제출하였습니다.
05:52
and the top상단 four got it perfectly아주 right.
122
340403
3370
그중 가장 우수한 4명의
답안은 거의 완벽에 가까웠습니다.
05:55
It drives드라이브 better than I could
drive드라이브 on this imagery형상,
123
343797
2640
제가 운전한다고 해도
05:58
using~을 사용하여 deep깊은 learning배우기.
124
346461
1189
딥러닝 보다 못할 겁니다.
05:59
And again, it's the same같은 methodology방법론.
125
347674
1799
다시 한 번 말씀드리지만
같은 방법론입니다.
06:01
It's this magical마법 같은 thing.
126
349497
1164
정말 마법같아요.
06:02
When you give enough충분히 data데이터
to a computer컴퓨터 now,
127
350685
2085
이제 컴퓨터에게 충분한 데이터를 주고
06:04
and give enough충분히 time
to comprehend이해하다 the data데이터,
128
352794
2140
데이터를 파악할 시간을 충분히 주면
06:06
it finds발견하다 its own개인적인 rules규칙들.
129
354958
1445
자신만의 규칙을 찾아냅니다.
06:09
CA캘리포니아 주: And so that has led to the development개발
of powerful강한 applications응용 프로그램
130
357339
4845
크리스: 이 기술이 좋은 서비스들이
많이 개발되는 데에
06:14
in all sorts종류 of areas지역.
131
362208
1525
동력원이 되고 있군요.
06:15
You were talking말하는 to me
the other day about cancer.
132
363757
2668
암에 관련해서 얘기하실
게 있다고 하셨죠.
06:18
Can I show보여 주다 this video비디오?
133
366449
1189
영상을 같이 볼까요?
06:19
ST: Yeah, absolutely전혀, please.
CA캘리포니아 주: This is cool시원한.
134
367662
2354
세바스찬: 네, 그러죠.
크리스: 대단한 영상이에요.
06:22
ST: This is kind종류 of an insight통찰력
into what's happening사고
135
370040
3534
세바스찬: 완전히 다른 분야에서는
어떻게 인공지능이 활용 되는지
06:25
in a completely완전히 different다른 domain도메인.
136
373598
2429
이해를 돕는 영상입니다.
06:28
This is augmenting증강시키는, or competing경쟁하는 --
137
376051
3752
증가하고 경합하는 것들이 보입니다.
06:31
it's in the eye of the beholder보는 사람 --
138
379827
1749
보는 사람의 눈에는
06:33
with people who are being존재 paid유료
400,000 dollars불화 a year,
139
381600
3454
40만달러씩 연봉을 받는
06:37
dermatologists피부과 의사,
140
385078
1237
피부과 전문의의 작업처럼 보이죠.
06:38
highly고도로 trained훈련 된 specialists전문가.
141
386339
1983
고도로 훈련받은 전문가들 말입니다.
06:40
It takes more than a decade로사리오 염주 of training훈련
to be a good dermatologist피부과 전문의.
142
388346
3561
제대로 된 피부과전문의가
되려면 10년이 넘게 걸립니다.
06:43
What you see here is
the machine기계 learning배우기 version번역 of it.
143
391931
3196
지금 보시는 것은 사실
머신러닝의 결과물 입니다.
06:47
It's called전화 한 a neural신경 network회로망.
144
395151
1841
전문용어로 인공신경망이라고 하죠.
06:49
"Neural신경계 networks네트워크" is the technical전문인 term기간
for these machine기계 learning배우기 algorithms알고리즘.
145
397016
3742
이런 기계학습
알고리즘을 부르는 말입니다.
06:52
They've그들은 been around since이후 the 1980s.
146
400782
1789
이 개념은 1980년대부터 있었죠.
06:54
This one was invented발명 된 in 1988
by a Facebook페이스 북 Fellow사람 called전화 한 Yann LeCun르쿤,
147
402595
4640
이 프로그램은 1988년도 얀 르쿤
이라는 페이스북 개발자의 작품입니다.
06:59
and it propagates전파하다 data데이터 stages단계들
148
407259
3558
여러 단계에 걸쳐 데이터를 전달합니다.
07:02
through...을 통하여 what you could think of
as the human인간의 brain.
149
410841
2578
마치 사람의 뇌가 하듯이 말이죠.
07:05
It's not quite아주 the same같은 thing,
but it emulates에뮬레이트하다 the same같은 thing.
150
413443
2966
엄밀하게 말하면 다르지만,
비슷하게 모방한 것이죠.
07:08
It goes간다 stage단계 after stage단계.
151
416433
1302
여러 단계를 거칩니다.
07:09
In the very first stage단계, it takes
the visual시각적 인 input입력 and extracts추출물 edges가장자리
152
417759
3637
맨 처음 단계에서는 시각 자료를
입력받은 후 그 안에서
07:13
and rods막대 and dots도트.
153
421420
2612
모서리, 선, 점 등을 구분합니다.
07:16
And the next다음 것 one becomes된다
more complicated복잡한 edges가장자리
154
424056
3037
다음 단계에서는 더 복잡한 모서리나
07:19
and shapes도형 like little half-moonshalf-moons.
155
427117
3191
작은 반달 같은 모양이 되죠.
07:22
And eventually결국, it's able할 수 있는 to build짓다
really complicated복잡한 concepts개념들.
156
430332
4443
그리고 마침내 정말 복잡한
개념들을 다룰 수 있어요.
07:26
Andrew앤드류 NgNg has been able할 수 있는 to show보여 주다
157
434799
2048
앤드류 응은 인공신경망을 이용해
07:28
that it's able할 수 있는 to find
cat고양이 faces얼굴들 and dog faces얼굴들
158
436871
3480
많은 사진 속에서
고양이와 개의 얼굴을
07:32
in vast거대한 amounts금액 of images이미지들.
159
440375
1661
구별해 낼 수 있다는 것을 보여줬죠.
07:34
What my student학생 team
at Stanford스탠포드 has shown표시된 is that
160
442060
2724
스탠퍼드 대학교에 제가
데리고있는 학생들은
07:36
if you train기차 it on 129,000 images이미지들
of skin피부 conditions정황,
161
444808
6073
흑색종과 피부암을 포함한 12만
9천 장의 피부 사진을 가지고
07:42
including포함 melanoma흑색 종 and carcinomascarcinomas,
162
450905
2565
인공지능을 훈련시키면
07:45
you can do as good a job
163
453494
3301
현존하는 최고의 실력을 가진
피부과 전문의 만큼의
07:48
as the best베스트 human인간의 dermatologists피부과 의사.
164
456819
2197
실력을 갖추게 할 수 있다는
것을 보여줬습니다.
07:51
And to convince납득시키다 ourselves우리 스스로
that this is the case케이스,
165
459040
2549
이 프로그램 또한 그만큼 실력이
있다는 것을 증명하기 위해
07:53
we captured포착 된 an independent독립적 인 dataset데이터 세트
that we presented제시된 to our network회로망
166
461613
3990
인공지능 프로그램에서 뽑아낸
독립적인 데이터셋과
07:57
and to 25 board-certified이사회 인증
Stanford-level스탠포드 수준 dermatologists피부과 의사,
167
465627
4342
스탠포드 수준으로 실력이 증명된
피부과 전문의들의 데이타셋을 모아서
08:01
and compared비교하다 those.
168
469993
1672
결과를 비교 했습니다.
08:03
And in most가장 cases사례,
169
471689
1504
대부분의 경우에
08:05
they were either어느 한 쪽 on par평가 or above위에
the performance공연 classification분류 accuracy정확성
170
473217
3875
인공지능의 결과가 피부과 전문의가 내린
결과와 비슷하거나 더 뛰어난
08:09
of human인간의 dermatologists피부과 의사.
171
477116
1467
분류 정확도를 보였습니다.
08:10
CA캘리포니아 주: You were telling말함 me an anecdote일화.
172
478607
1746
크리스: 할 이야기가 있으시죠.
08:12
I think about this image영상 right here.
173
480377
1957
여기 있는 사진에 관한건데
08:14
What happened일어난 here?
174
482358
1484
어떤 얘기 였죠?
08:15
ST: This was last Thursday목요일.
That's a moving움직이는 piece조각.
175
483866
4008
세바스찬: 지난 목요일이었어요.
08:19
What we've우리는 shown표시된 before and we published출판 된
in "Nature자연" earlier일찍이 this year
176
487898
3600
이전에 공개했고 올해 초 네이쳐
지에도 실린 내용인데요.
08:23
was this idea생각 that we show보여 주다
dermatologists피부과 의사 images이미지들
177
491522
2484
피부과 의사와 컴퓨터에게
08:26
and our computer컴퓨터 program프로그램 images이미지들,
178
494030
1539
이미지를 보여준 뒤
08:27
and count카운트 how often자주 they're right.
179
495593
1627
둘 중 누가 더 정확도가 높았는지
측정해보았죠.
08:29
But all these images이미지들 are past과거 images이미지들.
180
497244
1778
이 사진들은 모두
분류가 끝난 것들입니다.
08:31
They've그들은 all been biopsiedbiopsied to make sure
we had the correct옳은 classification분류.
181
499046
3460
정확한 분류를 위해 이미
생체 검사가 끝난 것들만 모았죠.
08:34
This one wasn't아니었다..
182
502530
1172
이 한 장만 빼고요.
08:35
This one was actually사실은 done끝난 at Stanford스탠포드
by one of our collaborators공동 작업자.
183
503726
3179
이 사진은 우리 중 한 명이
스탠포드에서 찍은 사진이에요.
08:38
The story이야기 goes간다 that our collaborator협력자,
184
506929
2314
어떻게 된거냐면 우리 팀원 중 한 명이
피부과 의사인데요.
08:41
who is a world-famous세계적으로 유명한 dermatologist피부과 전문의,
one of the three best베스트, apparently분명히,
185
509267
3391
전 세계에서 유명한,
세 손가락 중에 하나에 드는 사람이죠.
08:44
looked보았다 at this mole and said,
"This is not skin피부 cancer."
186
512682
2935
이 반점을 보고는
"피부암이 아니다"고 했어요.
08:47
And then he had
a second둘째 moment순간, where he said,
187
515641
2476
하지만 잠시 뒤에 다시 이렇게 말했어요.
08:50
"Well, let me just check검사 with the app."
188
518141
1866
"잠깐, 어플로 확인해보고 싶은데"
08:52
So he took~했다 out his iPhoneiPhone
and ran달렸다 our piece조각 of software소프트웨어,
189
520031
2699
그리고는 자기 아이폰을 꺼내서
우리가 만든 소프트웨어
08:54
our "pocket포켓 dermatologist피부과 전문의," so to speak말하다,
190
522754
2121
말하자면 "주머니 속 피부 전문의"죠.
08:56
and the iPhoneiPhone said: cancer.
191
524899
2994
그것을 꺼내서 확인해보니
암이라고 진단했어요.
08:59
It said melanoma흑색 종.
192
527917
1306
흑색종이라고 했죠.
09:01
And then he was confused혼란스러워하는.
193
529849
1233
친구는 망설이다가 이렇게 말했죠.
09:03
And he decided결정적인, "OK, maybe I trust믿음
the iPhoneiPhone a little bit비트 more than myself자기,"
194
531106
4551
"좋아, 아이폰을 한 번 믿어봐야겠어."
09:07
and he sent보낸 it out to the lab
to get it biopsiedbiopsied.
195
535681
2735
그리고 조직검사를 하기 위해
사진을 연구소로 보냈습니다.
09:10
And it came왔다 up as an aggressive적극적인 melanoma흑색 종.
196
538440
2469
그 결과 악성 흑색종으로 판명되었죠.
09:13
So I think this might be the first time
that we actually사실은 found녹이다,
197
541545
3067
이것이 우리가 딥러닝 기술을 적용해
09:16
in the practice연습 of using~을 사용하여 deep깊은 learning배우기,
198
544636
2487
흑색종이 발생했지만 놓칠 뻔했던 환자를
09:19
an actual실제의 person사람 whose누구의 melanoma흑색 종
would have gone지나간 unclassified분류 되지 않은,
199
547147
3372
딥러닝을 통해 찾아낸
09:22
had it not been for deep깊은 learning배우기.
200
550543
2115
첫 번째 사례입니다.
09:24
CA캘리포니아 주: I mean, that's incredible놀랄 만한.
201
552682
1560
크리스: 정말 대단하네요.
09:26
(Applause박수 갈채)
202
554266
1769
(박수)
09:28
It feels느낀다. like there'd거기 있었습니까? be an instant즉시 demand수요
for an app like this right now,
203
556059
3600
이 어플을 출시하자마자
어마어마한 숫자의 사람들이
09:31
that you might freak변덕 out a lot of people.
204
559683
1966
그 성능에 깜짝 놀라
이용하고 싶어할 것 같은데요.
09:33
Are you thinking생각 of doing this,
making만들기 an app that allows허락하다 self-checking자체 검사?
205
561673
3527
자가 진단이 가능한 어플을
만들 계획을 갖고 있나요?
09:37
ST: So my in-box상자에서 is flooded침수 된
about cancer apps,
206
565224
4973
세바스찬: 지금 제 이메일은 가슴
아픈 사연을 가진 사람들이 보낸
09:42
with heartbreaking가슴 아픈 stories이야기 of people.
207
570221
2303
어플 관련 메일로 폭주하는 상황인데요.
09:44
I mean, some people have had
10, 15, 20 melanomas정면 removed제거 된,
208
572548
3204
어떤 사람들은 10개, 15개, 20개의
흑색종을 제거하고도
09:47
and are scared깜짝 놀란 that one
might be overlooked간과 한, like this one,
209
575776
3952
지금처럼 놓친 흑색종이 하나라도 있을까
두려워합니다.
09:51
and also또한, about, I don't know,
210
579752
1741
또 저도 잘 모르지만
09:53
flying나는 cars자동차 and speaker스피커 inquiries문의
these days, I guess추측.
211
581517
2732
날아다니는 자동차를 비롯해서
09:56
My take is, we need more testing시험.
212
584273
2738
아직 더 많은 시행착오가 필요합니다.
09:59
I want to be very careful꼼꼼한.
213
587449
1778
신중하게 가고 싶어요.
10:01
It's very easy쉬운 to give a flashy불 같은 result결과
and impress날인 a TED테드 audience청중.
214
589251
3666
놀라운 결과로 TED의 청중들에게
깊은 인상을 심어주는 일은 쉽지만
10:04
It's much harder열심히 to put
something out that's ethical윤리적 인.
215
592941
2627
윤리적인 문제가 결부되어 있는만큼
섣불리 움직일 수 없습니다.
10:07
And if people were to use the app
216
595592
2394
만약 사람들이 의사와 상담하는 대신
10:10
and choose고르다 not to consult찾다
the assistance보조 of a doctor의사
217
598010
2797
우리 어플을 이용하고
10:12
because we get it wrong잘못된,
218
600831
1583
그 때문에 나쁜 결과가 발생한다면
10:14
I would feel really bad나쁜 about it.
219
602438
1653
저는 굉장히 불편해질 것 같아요.
10:16
So we're currently현재 doing clinical객관적인 tests검사들,
220
604115
1925
현재 우리는 임상 실험을 진행중입니다.
10:18
and if these clinical객관적인 tests검사들 commence시작하다
and our data데이터 holds보류하다 up,
221
606064
2798
임상 실험이 시작되고
10:20
we might be able할 수 있는 at some point포인트
to take this kind종류 of technology과학 기술
222
608886
2990
언젠가는 이 기술을
10:23
and take it out of the Stanford스탠포드 clinic진료소
223
611900
1892
스탠포드 병원 뿐만 아니라
10:25
and bring가져오다 it to the entire완전한 world세계,
224
613816
1658
스탠포드의 의사들이 찾아갈 수 없는
10:27
places장소들 where Stanford스탠포드
doctors의사들 never, ever set세트 foot.
225
615498
2456
전 세계에서 활용할 수 있게 되겠죠.
10:30
CA캘리포니아 주: And do I hear듣다 this right,
226
618617
2580
크리스: 제가 제대로 들은게 맞다면
10:33
that it seemed~ 같았다 like what you were saying속담,
227
621221
1966
당신 말인즉슨,
10:35
because you are working
with this army육군 of Udacity우디 시티 students재학생,
228
623211
4254
유다시티의 학생들과
함께 작업하기 때문에
10:39
that in a way, you're applying신청
a different다른 form형태 of machine기계 learning배우기
229
627489
3221
당신은 기업이나 가능할 법한,
머신 러닝 기술과 집단 지성을
10:42
than might take place장소 in a company회사,
230
630734
1735
결합해서 새로운 종류의 머신 러닝을
10:44
which어느 is you're combining결합하다 machine기계 learning배우기
with a form형태 of crowd군중 wisdom지혜.
231
632493
3484
현실 분야에 적용하려고
한다는 말인가요?
10:48
Are you saying속담 that sometimes때때로 you think
that could actually사실은 outperform실적이 좋다
232
636001
3384
당신 말대로라면 언젠가 머신 러닝이
일개 회사, 심지어는 거대 회사의
능력을 앞설 수 있다고 보십니까?
10:51
what a company회사 can do,
even a vast거대한 company회사?
233
639409
2050
10:53
ST: I believe there's now
instances인스턴스 that blow타격 my mind마음,
234
641483
2940
세바스찬: 저 스스로도 감탄하는
순간들이 있죠.
10:56
and I'm still trying견딜 수 없는 to understand알다.
235
644447
1758
아직도 이해하려고 노력해요.
10:58
What Chris크리스 is referring추천하는 to
is these competitions대회 that we run운영.
236
646229
3937
크리스는 우리가
진행하는 경연대회를 말하는 거에요.
11:02
We turn회전 them around in 48 hours시간,
237
650190
2268
제한 시간이 48시간이구요.
11:04
and we've우리는 been able할 수 있는 to build짓다
a self-driving자가 운전 car
238
652482
2252
그 시간 내에 자율 주행
자동차를 만들 수 있습니다.
11:06
that can drive드라이브 from Mountain View전망
to San FranciscoFrancisco on surface표면 streets시가.
239
654758
3387
이 차는 평면 가로에서 마운틴 뷰부터
샌프란시스코까지 주행 가능합니다.
11:10
It's not quite아주 on par평가 with GoogleGoogle
after seven일곱 years연령 of GoogleGoogle work,
240
658169
3584
7년이나 연구한 구글과
비교할 바는 아니지만
11:13
but it's getting점점 there.
241
661777
2528
꽤 성공적이에요.
11:16
And it took~했다 us only two engineers엔지니어
and three months개월 to do this.
242
664329
3084
연구원 두 명이
고작 세 달만에 완성했죠.
11:19
And the reason이유 is, we have
an army육군 of students재학생
243
667437
2856
그 이유인즉슨 우리에게는 대회에 참가한
11:22
who participate어느 정도 가지다 in competitions대회.
244
670317
1850
수 많은 학생들이 있거든요.
11:24
We're not the only ones그들
who use crowdsourcing크라우드 소싱.
245
672191
2220
크라우드소싱을 활용하는 것은
우리뿐만이 아닙니다.
11:26
Uber우버 and Didi디디 use crowdsourcecrowdsource for driving운전.
246
674435
2223
우버와 디디도 주행에
크라우드소싱을 활용하죠.
11:28
Airbnb에어 비앤비 uses용도 crowdsourcing크라우드 소싱 for hotels호텔.
247
676682
2759
에어비앤비도 크라우드소싱을
호텔에 적용했습니다.
11:31
There's now many많은 examples예제들
where people do bug-finding버그 발견 crowdsourcing크라우드 소싱
248
679465
4007
버그를 잡기 위해 크라우드소싱을
활용하는 예는 얼마든지 있습니다.
11:35
or protein단백질 folding접는, of all things,
in crowdsourcing크라우드 소싱.
249
683496
2804
단백질 중첩이나 모든 분야에서 말이죠.
11:38
But we've우리는 been able할 수 있는 to build짓다
this car in three months개월,
250
686324
2915
하지만 우리는 3달만에 차를 완성했고
11:41
so I am actually사실은 rethinking다시 생각하다
251
689263
3655
저는 회사를 어떻게 구성해야 할지
11:44
how we organize구성 corporations기업.
252
692942
2238
다시 구상중입니다.
11:47
We have a staff직원 of 9,000 people
who are never hired고용 된,
253
695204
4696
지금 우리에게는 고용한 적도 없고
해고하지도 않는 직원이
11:51
that I never fire.
254
699924
1308
9천명 있습니다.
11:53
They show보여 주다 up to work
and I don't even know.
255
701256
2362
저도 모르는 새에 사람들은 일을 하고
11:55
Then they submit제출하다 to me
maybe 9,000 answers답변.
256
703642
3058
9천 개의 응답이 저에게 전달됩니다.
11:58
I'm not obliged의무적 인 to use any of those.
257
706724
2176
그 중 어느 것을 사용해야만
한다는 규정도 없습니다.
12:00
I end종료 up -- I pay지불 only the winners승자,
258
708924
1991
답변 중 가장 좋은 것을 골라
댓가를 지불하죠.
12:02
so I'm actually사실은 very cheapskate구두 쇠 here,
which어느 is maybe not the best베스트 thing to do.
259
710939
3718
이 점에서는 꽤나 구두쇠처럼
행동하고 있습니다. 최선은 아니죠.
12:06
But they consider중히 여기다 it part부품
of their그들의 education교육, too, which어느 is nice좋은.
260
714681
3185
하지만 응답자들에게도
경험이 될 거라고 생각합니다.
12:09
But these students재학생 have been able할 수 있는
to produce생기게 하다 amazing놀랄 만한 deep깊은 learning배우기 results결과들.
261
717890
4201
학생들도 딥러닝을 이용해
놀라운 결과물을 만들 수 있죠.
12:14
So yeah, the synthesis합성 of great people
and great machine기계 learning배우기 is amazing놀랄 만한.
262
722115
3861
훌륭한 사람들과 훌륭한 머신 러닝이
만난 결과는 정말 놀랍습니다.
12:18
CA캘리포니아 주: I mean, Gary게리 Kasparov카스파로프 said on
the first day [of TED테드2017]
263
726000
2814
크리스: 개리 카스파로프가
TED2017의 첫째날 한 말인데요.
12:20
that the winners승자 of chess체스, surprisingly놀랍게도,
turned돌린 out to be two amateur아마추어 chess체스 players선수
264
728848
5412
체스 대회의 우승자가 사실은
두 명의 아마추어 체스 기사
12:26
with three mediocre-ishmediocre-ish,
mediocre-to-good좋은 평범한, computer컴퓨터 programs프로그램들,
265
734284
5371
세 가지의 중간, 혹은 중상급의
컴퓨터 프로그램을 이용하여
12:31
that could outperform실적이 좋다 one grand멋진 master석사
with one great chess체스 player플레이어,
266
739679
3163
한 명의 그랜드 마스터, 한 명의
뛰어난 체스 기사를 이겼다는 거요.
12:34
like it was all part부품 of the process방법.
267
742866
1743
이것도 역시 그 과정의 일부였던거죠.
12:36
And it almost거의 seems~ 같다 like
you're talking말하는 about a much richer더 부자 인 version번역
268
744633
3335
당신이 말하는 버전은
12:39
of that same같은 idea생각.
269
747992
1200
이보다 더 상위호환 버전 같은데요.
12:41
ST: Yeah, I mean, as you followed뒤따른
the fantastic환상적인 panels패널 yesterday어제 morning아침,
270
749216
3857
세바스찬: 어제 아침에
들으셨던 것처럼
12:45
two sessions세션들 about AIAI,
271
753097
1994
두 번의 세션을 통해 인공지능
12:47
robotic로봇 식의 overlords군주 and the human인간의 response응답,
272
755115
2167
로봇에 의한 인간 지배과
사람들의 반응 등
12:49
many많은, many많은 great things were said.
273
757306
1982
아주 훌륭한 주제들에 관해 이야기했죠.
12:51
But one of the concerns우려 is
that we sometimes때때로 confuse휘두르다
274
759312
2687
다만 사람들이 종종
우려를 표하는 부분은
12:54
what's actually사실은 been done끝난 with AIAI
with this kind종류 of overlord과부하 threat위협,
275
762023
4062
우리가 만드는 AI가
갖는 자의식이 로봇의 인간 지배라는
12:58
where your AIAI develops발전하다
consciousness의식, right?
276
766109
3424
관점에서 비춰볼 때 어느 정도
수준까지 도달했냐하는 거죠.
13:01
The last thing I want
is for my AIAI to have consciousness의식.
277
769557
2971
제 마지막 목표는 AI에
의식을 심어주는 것입니다.
13:04
I don't want to come into my kitchen부엌
278
772552
1716
저는 부엌에 들어갔을 때
13:06
and have the refrigerator냉장고 fall가을 in love
with the dishwasher식기 세척기
279
774292
4193
식기 세척기와 사랑에 빠진 냉장고가
13:10
and tell me, because I wasn't아니었다. nice좋은 enough충분히,
280
778509
2124
제가 친절하게 굴지 않아서
13:12
my food식품 is now warm따뜻한.
281
780657
1837
음식들이 녹게 내버려뒀다고
말하는 상황을 원하지 않아요.
13:14
I wouldn't~ 않을거야. buy사다 these products제작품,
and I don't want them.
282
782518
2891
이런 제품들은 사고 싶지도
않고 원하지도 않아요.
13:17
But the truth진실 is, for me,
283
785825
1802
하지만 제 생각에 한가지 확실한 것은
13:19
AIAI has always been
an augmentation증가 of people.
284
787651
2720
AI는 언제나 사람들을
돕기 위한 것이었습니다.
13:22
It's been an augmentation증가 of us,
285
790893
1676
우리를 돕기 위한 것
13:24
to make us stronger더 강한.
286
792593
1457
더 나아지도록 도움을 주는 것이죠.
13:26
And I think Kasparov카스파로프 was exactly정확하게 correct옳은.
287
794074
2831
저는 카스파로프가 한 말이
정확했다고 생각해요.
13:28
It's been the combination콤비네이션
of human인간의 smarts똑똑한 and machine기계 smarts똑똑한
288
796929
3849
인간의 지능과 기계의 지능이 만나서
13:32
that make us stronger더 강한.
289
800802
1464
더 큰 힘이 되는 것이죠.
13:34
The theme테마 of machines기계들 making만들기 us stronger더 강한
is as old늙은 as machines기계들 are.
290
802290
4587
기계가 탄생한 이후로 그 목적은 줄곧
인류를 위한 것이었습니다.
13:39
The agricultural농업의 revolution혁명 took~했다
place장소 because it made만든 steam증기 engines엔진
291
807567
3758
농업 혁명은 증기기관과
13:43
and farming농업 equipment장비
that couldn't할 수 없었다 farm농장 by itself그 자체,
292
811349
2666
농작 기계들을 만들어 냈지만
이것들은 인간을 대체하지 않았고
13:46
that never replaced대체 된 us;
it made만든 us stronger더 강한.
293
814039
2122
오히려 우리의 농업 활동을
좀 더 용이하게 해주었습니다.
13:48
And I believe this new새로운 wave웨이브 of AIAI
will make us much, much stronger더 강한
294
816185
3738
따라서 저는 지금의 새로운 인공지능
바람도 인류를 더욱
13:51
as a human인간의 race경주.
295
819947
1183
편리하게 해줄 것이라 믿습니다.
13:53
CA캘리포니아 주: We'll come on to that a bit비트 more,
296
821765
1813
크리스: 이 점에 대해
좀 더 이야기할 것이 있는데요.
13:55
but just to continue잇다 with the scary무서운 part부품
of this for some people,
297
823602
3671
이 점에 두려움을 갖고 계신
분들을 위해서 말이죠.
13:59
like, what feels느낀다. like it gets도착
scary무서운 for people is when you have
298
827297
3558
스스로 코드를 다시 만들 수
있는 컴퓨터를 만들고
14:02
a computer컴퓨터 that can, one,
rewrite고쳐 쓰기 its own개인적인 code암호,
299
830879
4618
이 컴퓨터가 자신과 동일한 컴퓨터를
재생산할 수 있는 능력은 물론
14:07
so, it can create몹시 떠들어 대다
multiple배수 copies사본들 of itself그 자체,
300
835521
3584
다른 버전의 코드를 가진
14:11
try a bunch다발 of different다른 code암호 versions버전,
301
839129
1897
컴퓨터를 여러 대 만들어 보는 거죠.
14:13
possibly혹시 even at random무작위의,
302
841050
1775
심지어 무작위로요.
14:14
and then check검사 them out and see
if a goal is achieved달성 된 and improved개선 된.
303
842849
3632
그리고 목표가 달성되고 더 향상되었는지
확인하는 겁니다.
14:18
So, say the goal is to do better
on an intelligence지성 test테스트.
304
846505
3641
그 목표란 지능 시험에서 더 좋은 성적
을 내는 것이라고 치죠.
14:22
You know, a computer컴퓨터
that's moderately알맞게 good at that,
305
850170
3894
컴퓨터는 그런 분야에서는
꽤 훌륭하잖아요.
14:26
you could try a million백만 versions버전 of that.
306
854088
2509
백만 개의 다른 버전을 시험해볼 수 있고
14:28
You might find one that was better,
307
856621
2090
좋은 것을 찾아내서
14:30
and then, you know, repeat반복.
308
858735
2004
그것들을 모아서 다시 위
과정을 반복하는 거죠.
14:32
And so the concern관심사 is that you get
some sort종류 of runaway도망자 effect효과
309
860763
3040
사람들의 우려란 컴퓨터를 통제하지
못하는 상황과 마주치지 않을까 하는
14:35
where everything is fine
on Thursday목요일 evening저녁,
310
863827
3008
건데요. 목요일 밤까지 모든 게 정상이었는데
14:38
and you come back into the lab
on Friday금요일 morning아침,
311
866859
2336
금요일 아침에 연구소에 들어오자
14:41
and because of the speed속도
of computers컴퓨터들 and so forth앞으로,
312
869219
2449
컴퓨터가 폭주하면서 문제를 일으키고
14:43
things have gone지나간 crazy미친, and suddenly갑자기 --
313
871692
1903
상황이 통제불능으로 변해버리는
14:45
ST: I would say this is a possibility가능성,
314
873619
2020
세바스찬: 가능성에 불과합니다.
14:47
but it's a very remote possibility가능성.
315
875663
1916
하지만 아주 먼 미래에
일어날 가능성이죠.
14:49
So let me just translate옮기다
what I heard들었던 you say.
316
877603
3337
제 식대로 한 번 말해보겠습니다.
14:52
In the AlphaGo알파 고 case케이스,
we had exactly정확하게 this thing:
317
880964
2704
알파고를 통해 우리는
다음 사실을 목격했습니다.
14:55
the computer컴퓨터 would play놀이
the game경기 against반대 itself그 자체
318
883692
2315
컴퓨터가 자기 자신을 상대로
바둑을 둘 수 있고
14:58
and then learn배우다 new새로운 rules규칙들.
319
886031
1250
새로운 규칙을 배울 수 있죠.
14:59
And what machine기계 learning배우기 is
is a rewriting다시 쓰기 of the rules규칙들.
320
887305
3235
하지만 머신 러닝은 이미 존재하는
규칙을 다시 사용하는 것입니다.
15:02
It's the rewriting다시 쓰기 of code암호.
321
890564
1769
원래 있던 코드를 다시 사용하는 거구요.
15:04
But I think there was
absolutely전혀 no concern관심사
322
892357
2845
저는 알파고가 지구를
지배할 거라는 걱정은
15:07
that AlphaGo알파 고 would take over the world세계.
323
895226
2426
완전히 기우라고 생각합니다.
15:09
It can't even play놀이 chess체스.
324
897676
1464
알파고는 체스도 두지 못해요.
15:11
CA캘리포니아 주: No, no, no, but now,
these are all very single-domain단일 도메인 things.
325
899164
5147
크리스: 하지만 우리는 지금 한 분야에
대해서만 이야기하고 있어요.
15:16
But it's possible가능한 to imagine상상하다.
326
904335
2879
가능할 법한 상황이라고 보는데요.
15:19
I mean, we just saw a computer컴퓨터
that seemed~ 같았다 nearly거의 capable유능한
327
907238
3089
우리는 대학 입학 시험을
통과할 수 있을 정도의
15:22
of passing통과 a university대학 entrance입구 test테스트,
328
910351
2655
컴퓨터를 목격했습니다.
15:25
that can kind종류 of -- it can't read독서
and understand알다 in the sense감각 that we can,
329
913030
3688
사람처럼 글을 읽고 이해할 수는 없지만
15:28
but it can certainly확실히 absorb없애다 all the text본문
330
916742
1987
대신 문장 자체를 통째로 흡수해버리죠.
15:30
and maybe see increased증가한
patterns패턴들 of meaning의미.
331
918753
2899
그리고 이해의 폭을 넓힐지도 모릅니다.
15:33
Isn't there a chance기회 that,
as this broadens확장하다 out,
332
921676
3694
그렇다면 그 영역을 점차 넓혀서
15:37
there could be a different다른
kind종류 of runaway도망자 effect효과?
333
925394
2466
언젠가 통제가 불가능한
상황이 생길 수 있지 않을까요?
15:39
ST: That's where
I draw무승부 the line, honestly정직하게.
334
927884
2078
세바스찬: 그렇지
않다고 생각합니다.
15:41
And the chance기회 exists존재하다 --
I don't want to downplay과소 평가하다 it --
335
929986
2643
가능성은 있겠죠.
그것까지 부정하고 싶진 않아요.
15:44
but I think it's remote, and it's not
the thing that's on my mind마음 these days,
336
932653
3672
하지만 현재로선 아주 먼 이야기이고
지금 염두에 두고 있는 문제는 아닙니다.
15:48
because I think the big revolution혁명
is something else그밖에.
337
936349
2512
저는 진짜 혁명은 다른 곳에서
일아나고 있다고 생각해요.
15:50
Everything successful성공한 in AIAI
to the present선물 date날짜
338
938885
2922
지금까지 모든 성공적인 AI는
15:53
has been extremely매우 specialized전문화 된,
339
941831
2214
극도로 특수화, 전문화된
분야에 한정되어 있구요.
15:56
and it's been thriving번성하는 on a single단일 idea생각,
340
944069
2489
엄청난 양의 데이터를 기반으로
한다는 발상에 기대어
15:58
which어느 is massive거대한 amounts금액 of data데이터.
341
946582
2739
지금까지 왔습니다.
16:01
The reason이유 AlphaGo알파 고 works공장 so well
is because of massive거대한 numbers번호 of Go plays연극,
342
949345
4147
알파고가 바둑을 잘 두는 이유는
엄청난 횟수의 대국을 두기 때문이죠.
16:05
and AlphaGo알파 고 can't drive드라이브 a car
or fly파리 a plane평면.
343
953516
3255
알파고는 자동차를 운전하거나
비행기를 몰 수 없어요.
16:08
The GoogleGoogle self-driving자가 운전 car
or the Udacity우디 시티 self-driving자가 운전 car
344
956795
3031
구글이나 유다시티의 자율주행차는
16:11
thrives번성하다 on massive거대한 amounts금액 of data데이터,
and it can't do anything else그밖에.
345
959850
3240
많은 양의 데이터를 활용할 뿐
그 이상의 것은 불가능합니다.
16:15
It can't even control제어 a motorcycle오토바이.
346
963114
1727
오토바이도 운전할 수 없어요.
16:16
It's a very specific특유한,
domain-specific도메인 특정 function기능,
347
964865
2762
정말 특정 분야에 한정되어
활용 가능하고
16:19
and the same같은 is true참된 for our cancer app.
348
967651
1907
우리가 만든 암 진단 앱도
마찬가지입니다.
16:21
There has been almost거의 no progress진행
on this thing called전화 한 "general일반 AIAI,"
349
969582
3236
인공지능에게 "상대성 이론이나
끈 이론을 만들어 봐"라고
16:24
where you go to an AIAI and say,
"Hey, invent꾸미다 for me special특별한 relativity상대성
350
972842
4000
명령할 수 있는, 통칭 "일반 AI"
라고 하는 영역에서는
16:28
or string theory이론."
351
976866
1666
거의 진전이 없는 상태입니다.
16:30
It's totally전적으로 in the infancy초기.
352
978556
1931
아직 유아기 단계죠.
16:32
The reason이유 I want to emphasize강조하다 this,
353
980511
2127
제가 이 점을 강조하는 이유는
16:34
I see the concerns우려,
and I want to acknowledge인정하다 them.
354
982662
3838
사람들의 우려가 뭔지 알기에
제대로 확인시켜 주고 싶기 때문입니다.
16:38
But if I were to think about one thing,
355
986524
2886
저는 스스로에게 이런 질문을 던져봅니다.
16:41
I would ask청하다 myself자기 the question문제,
"What if we can take anything repetitive반복적 인
356
989434
5563
"만약 우리가 어떤 반복 작업이든지
16:47
and make ourselves우리 스스로
100 times타임스 as efficient실력 있는?"
357
995021
3473
지금보다 100배 더 효율적으로
일할 수 있다면 어떻게 될까?"
16:51
It so turns회전 out, 300 years연령 ago...전에,
we all worked일한 in agriculture농업
358
999170
4249
300년 전 인류는 모두 농사를 지으며
16:55
and did farming농업 and did repetitive반복적 인 things.
359
1003443
2051
반복적인 작업을 했죠.
16:57
Today오늘, 75 percent퍼센트 of us work in offices진력
360
1005518
2556
오늘날 우리 중 75%가
사무실에서 일하고
17:00
and do repetitive반복적 인 things.
361
1008098
2124
역시 반복 작업을 합니다.
17:02
We've우리는 become지다 spreadsheet스프레드 시트 monkeys원숭이.
362
1010246
2183
스프레드시트만 만드는
원숭이처럼 되버렸어요.
17:04
And not just low-end로우 엔드 labor노동.
363
1012453
2054
단순히 저소득 직장 뿐만이 아니에요.
17:06
We've우리는 become지다 dermatologists피부과 의사
doing repetitive반복적 인 things,
364
1014531
2754
피부과 전문의도 같은 일을 반복하고
17:09
lawyers변호사 doing repetitive반복적 인 things.
365
1017309
1749
변호사도 같은 일을 반복하죠.
17:11
I think we are at the brink가장자리
of being존재 able할 수 있는 to take an AIAI,
366
1019082
3823
저는 우리가 AI를 이용해
17:14
look over our shoulders어깨,
367
1022929
1718
지금까지의 자신을 넘어
17:16
and they make us maybe 10 or 50 times타임스
as effective유효한 in these repetitive반복적 인 things.
368
1024671
4058
현재의 반복 작업에서 10배, 50배의
효율을 낼 수 있다고 생각합니다.
17:20
That's what is on my mind마음.
369
1028753
1275
그게 요즘 제가 하는 생각입니다.
17:22
CA캘리포니아 주: That sounds소리 super감독자 exciting흥미 진진한.
370
1030052
2450
크리스: 정말 멋진 이야기네요.
17:24
The process방법 of getting점점 there seems~ 같다
a little terrifying겁나게 하는 to some people,
371
1032526
3530
그 수준까지 가는 일이 어떤
이들에게는 두려움으로 다가올 것 같아요.
17:28
because once일단 a computer컴퓨터
can do this repetitive반복적 인 thing
372
1036080
3180
컴퓨터가 피부과 의사보다
17:31
much better than the dermatologist피부과 전문의
373
1039284
3434
반복 작업을 더 잘 할
수 있게 된다면 말이죠.
17:34
or than the driver운전사, especially특히,
is the thing that's talked말한 about
374
1042742
3230
아니면 운전 기사들도 그렇죠.
자율주행 자동차 등으로
17:37
so much now,
375
1045996
1290
많이 언급했는데요.
17:39
suddenly갑자기 millions수백만 of jobs일자리 go,
376
1047310
1958
갑자기 수백만 개의 일자리가 사라지지
않을까요?
17:41
and, you know, the country's나라의 in revolution혁명
377
1049292
2695
우리가 AI를 통해 만날 수 있는
희망찬 미래에 도달하기 전에
17:44
before we ever get to the more
glorious거룩한 aspects상들 of what's possible가능한.
378
1052011
4329
이런 일이 일어날 거 같은데요.
17:48
ST: Yeah, and that's an issue발행물,
and it's a big issue발행물,
379
1056364
2517
세바스찬: 네 문제죠.
정말 큰 문제입니다.
17:50
and it was pointed뾰족한 out yesterday어제 morning아침
by several수개 guest손님 speakers연설자.
380
1058905
4196
어제 아침에도 여러 초청 연사들이
그 점을 지적했어요.
17:55
Now, prior사전의 to me showing전시 up onstage무대 위에,
381
1063125
2754
제 의견을 말하기에 앞서
17:57
I confessed고백 한 I'm a positive,
optimistic낙관적 인 person사람,
382
1065903
3739
저는 긍정적이고 낙관적인
사람임을 고백합니다.
18:01
so let me give you an optimistic낙관적 인 pitch피치,
383
1069666
2389
자 그럼 낙관적인 이야기를 하기 위해
18:04
which어느 is, think of yourself당신 자신
back 300 years연령 ago...전에.
384
1072079
4795
300년 전으로 돌아가 보죠.
18:08
Europe유럽 just survived살아남은 140 years연령
of continuous마디 없는 war전쟁,
385
1076898
3996
유럽은 140년간 지속적으로
전쟁에 시달렸고
18:12
none없음 of you could read독서 or write쓰다,
386
1080918
1711
누구도 읽거나 쓸 수 없었으며
18:14
there were no jobs일자리 that you hold보류 today오늘,
387
1082653
2945
현재 여러분이 갖고 있는 직업 중
아무것도 존재하지 않았습니다.
18:17
like investment투자 banker은행가
or software소프트웨어 engineer기사 or TVTV anchor.
388
1085622
4096
은행 투자가나 소프트웨어 엔지니어,
TV 앵커 같은 직업이요.
18:21
We would all be in the fields전지 and farming농업.
389
1089742
2414
모두 논과 밭에 나가서 일을 했었죠.
18:24
Now here comes온다 little Sebastian세바스찬
with a little steam증기 engine엔진 in his pocket포켓,
390
1092180
3573
그 때 어린 세바스찬이 주머니 속에 있는
작은 증기 기관을 꺼내 보여주며
18:27
saying속담, "Hey guys, look at this.
391
1095777
1548
"얘들아 이것 좀 봐.
이 증기기관을 사용하면
18:29
It's going to make you 100 times타임스
as strong강한, so you can do something else그밖에."
392
1097349
3595
100배나 효율적으로 일해서
남은 시간을 활용할 수 있어."
18:32
And then back in the day,
there was no real레알 stage단계,
393
1100968
2470
다시 옛날로 돌아가서
18:35
but Chris크리스 and I hang다루는 법 out
with the cows암소 in the stable안정된,
394
1103462
2526
크리스와 제가 외양간의
소들을 둘러보는 동안
18:38
and he says말한다, "I'm really
concerned우려하는 about it,
395
1106012
2100
크리스가 말하겠죠. "요즘 생각하고
있는 게 하나 있는데
18:40
because I milk우유 my cow every...마다 day,
and what if the machine기계 does this for me?"
396
1108136
3652
만약 매일 우유 짜는 일을
기계가 대신해주면 어떨까?"
18:43
The reason이유 why I mention언급하다 this is,
397
1111812
1702
제가 이 말을 하는 이유는
18:46
we're always good in acknowledging인정하는
past과거 progress진행 and the benefit이익 of it,
398
1114360
3603
우리는 항상 과거를 돌아보며
좋은 점을 취할 줄 알았어요.
18:49
like our iPhones아이폰 or our planes비행기
or electricity전기 or medical의료 supply공급.
399
1117987
3354
아이폰이나 비행기, 전기,
의료기기 같은 것들 말이에요.
18:53
We all love to live살고 있다 to 80,
which어느 was impossible불가능한 300 years연령 ago...전에.
400
1121365
4245
우리는 모두 80세까지 살 수 있죠.
300년 전에는 불가능했던 일입니다.
18:57
But we kind종류 of don't apply대다
the same같은 rules규칙들 to the future미래.
401
1125634
4156
하지만 미래에도 지금과
똑같으리라 가정할 수는 없겠죠.
19:02
So if I look at my own개인적인 job as a CEO최고 경영자,
402
1130621
3207
CEO로서 제 일을 보면
19:05
I would say 90 percent퍼센트
of my work is repetitive반복적 인,
403
1133852
3140
일의 90%가 반복작업이고
19:09
I don't enjoy즐겨 it,
404
1137016
1351
별로 좋아하지 않습니다.
19:10
I spend보내 about four hours시간 per day
on stupid바보, repetitive반복적 인 email이메일.
405
1138391
3978
하루에 4시간을 바보같은,
똑같은 이메일 작성에 허비해요.
19:14
And I'm burning타고 있는 to have something
that helps도움이된다. me get rid구하다 of this.
406
1142393
3641
그리고 낭비하는 시간을 줄일 수
있다면 정말 좋겠다고 생각합니다.
19:18
Why?
407
1146058
1158
왜냐구요?
19:19
Because I believe all of us
are insanely미친 듯이 creative창조적 인;
408
1147240
3003
저는 우리가 모두가 놀라울 정도로
창의적이라고 믿으니까요.
19:22
I think the TED테드 community커뮤니티
more than anybody아무도 else그밖에.
409
1150731
3194
특히 TED 커뮤니티의
여러분은 그럴거라 생각합니다.
19:25
But even blue-collar블루 칼라 workers노동자;
I think you can go to your hotel호텔 maid하녀
410
1153949
3559
육체 노동자들도 마찬가지에요.
호텔의 종업원과 어울리며
19:29
and have a drink음주 with him or her,
411
1157532
2402
한 잔 할 수도 있겠죠.
19:31
and an hour시간 later후에,
you find a creative창조적 인 idea생각.
412
1159958
2717
그리고 1시간 뒤에,
창의적인 생각이 떠오르는 겁니다.
19:34
What this will empower능력을 키우다
is to turn회전 this creativity독창성 into action동작.
413
1162699
4140
AI의 도움으로 우리는 창의력을 실제
행동으로 옮길 수 있게 되는 겁니다.
19:39
Like, what if you could
build짓다 GoogleGoogle in a day?
414
1167265
3442
구글같은 회사를 하루만에
만들 수 있다면 어떨까요?
19:43
What if you could sit앉다 over beer맥주
and invent꾸미다 the next다음 것 SnapchatSnapchat,
415
1171221
3316
맥주 한 잔을 마시며 또 다른
'스냅챗'을 발명하고
19:46
whatever도대체 무엇이 it is,
416
1174561
1165
그게 무엇이든 간에
19:47
and tomorrow내일 morning아침 it's up and running달리는?
417
1175750
2187
내일 아침은 또 다가오겠죠.
19:49
And that is not science과학 fiction소설.
418
1177961
1773
그런 일은 공상과학이 아닙니다.
19:51
What's going to happen우연히 있다 is,
419
1179758
1254
앞으로 일어날 일은
19:53
we are already이미 in history역사.
420
1181036
1867
우리가 이미 역사의 일부가
될 것이라는 점입니다.
19:54
We've우리는 unleashed해방 된 this amazing놀랄 만한 creativity독창성
421
1182927
3228
우리는 농업에서 해방되면서
19:58
by de-slaving드 노예 us from farming농업
422
1186179
1611
그리고 후에는 공장 작업에서 해방되면서
19:59
and later후에, of course코스, from factory공장 work
423
1187814
3363
우리가 가진 놀라운 창의력을
해방시킬 수 있었고
20:03
and have invented발명 된 so many많은 things.
424
1191201
3162
많은 것들을 발명했습니다.
20:06
It's going to be even better,
in my opinion의견.
425
1194387
2178
저는 앞으로 더욱
나아질거라 생각합니다.
20:08
And there's going to be
great side측면 effects효과.
426
1196589
2072
물론 부작용도 만만치 않겠죠.
20:10
One of the side측면 effects효과 will be
427
1198685
1489
그 중 하나는
20:12
that things like food식품 and medical의료 supply공급
and education교육 and shelter피난처
428
1200198
4795
음식과 의료 서비스, 교육,
주거, 운송수단등이
20:17
and transportation교통
429
1205017
1177
부자들뿐만 아니라
20:18
will all become지다 much more
affordable저렴한 to all of us,
430
1206218
2441
우리 모두에게 좀 더
20:20
not just the rich풍부한 people.
431
1208683
1322
공평하게 주어질 것이라는 점입니다.
20:22
CA캘리포니아 주: Hmm.
432
1210029
1182
크리스: 으음...
20:23
So when Martin남자 이름 Ford포드 argued논쟁하는, you know,
that this time it's different다른
433
1211235
4341
마틴 포드가 이번엔 상황이 조금
다르다고 했던 것 기억하시나요?
20:27
because the intelligence지성
that we've우리는 used in the past과거
434
1215600
3453
지금까지 우리가 새로운 길을
20:31
to find new새로운 ways to be
435
1219077
2483
찾기 위해 사용한 인공지능은
20:33
will be matched일치하는 at the same같은 pace속도
436
1221584
2279
같은 속도로 컴퓨터에 의해
20:35
by computers컴퓨터들 taking취득 over those things,
437
1223887
2291
그 영역을 잃게 될 거라는 거였죠.
20:38
what I hear듣다 you saying속담
is that, not completely완전히,
438
1226202
3078
당신은 인간이 가진 창조성 때문에
20:41
because of human인간의 creativity독창성.
439
1229304
2951
완전히 빼앗기지는 않을거라는 거죠?
20:44
Do you think that that's fundamentally근본적으로
different다른 from the kind종류 of creativity독창성
440
1232279
3785
당신은 인간의 창의성이 컴퓨터의 그것과
20:48
that computers컴퓨터들 can do?
441
1236088
2696
근본적으로 다르다고 보십니까?
20:50
ST: So, that's my firm상사
belief믿음 as an AIAI person사람 --
442
1238808
4434
세바스찬: 네 그것이 인공지능을 개발
하는 사람으로서 제가 가진 신념입니다.
20:55
that I haven't~하지 않았다. seen
any real레알 progress진행 on creativity독창성
443
1243266
3803
창의력과 틀을 벗어난 독창성에서
20:59
and out-of-the-box상자 밖으로 thinking생각.
444
1247949
1407
AI는 아무런 진보도 이뤄내지 못했어요.
21:01
What I see right now -- and this is
really important중대한 for people to realize깨닫다,
445
1249380
3623
인공 지능이라는 단어가 주는
위협적인 느낌과
21:05
because the word워드 "artificial인공의
intelligence지성" is so threatening험악한,
446
1253027
2903
스티븐 스필버그가 만든 영화 속에서
21:07
and then we have Steve스티브 Spielberg스필버그
tossing외부 a movie영화 in,
447
1255954
2523
갑자기 기계가 세계를
지배하는 등의 설정 때문에
21:10
where all of a sudden갑자기
the computer컴퓨터 is our overlord과부하,
448
1258501
2413
사람들이 불안해 하는 것을 알지만
21:12
but it's really a technology과학 기술.
449
1260938
1452
지금 제가 만드는 건
단순한 '기술'입니다.
21:14
It's a technology과학 기술 that helps도움이된다. us
do repetitive반복적 인 things.
450
1262414
2982
반복 작업에 드는 수고를
덜어주는 기술적 진보죠.
21:17
And the progress진행 has been
entirely전적으로 on the repetitive반복적 인 end종료.
451
1265420
2913
AI의 진보는 반복 작업과 연관된
분야에서만 이뤄졌습니다.
21:20
It's been in legal적법한 document문서 discovery발견.
452
1268357
2228
법률 문서의 발견이나
21:22
It's been contract계약 drafting제도.
453
1270609
1680
계약서 작성
21:24
It's been screening상영 X-rays엑스레이 of your chest가슴.
454
1272313
4223
흉부 X-ray촬영 같은 분야요.
21:28
And these things are so specialized전문화 된,
455
1276560
1773
매우 전문화된 분야에
한정되어 있기 때문에
21:30
I don't see the big threat위협 of humanity인류.
456
1278357
2391
인류에게 큰 위협을 줄 정도는
아닐 것 같습니다.
21:32
In fact, we as people --
457
1280772
1794
사실상 우리들은
21:34
I mean, let's face얼굴 it:
we've우리는 become지다 superhuman초인간적 인.
458
1282590
2385
솔직히 마주하죠.
우리는 이미 초인간입니다.
21:36
We've우리는 made만든 us superhuman초인간적 인.
459
1284999
1764
우리 스스로 그 발전을 이뤄냈죠.
21:38
We can swim수영 across건너서
the Atlantic거인 아틀라스 in 11 hours시간.
460
1286787
2632
대서양을 11시간만에
가로지를 수 있습니다.
21:41
We can take a device장치 out of our pocket포켓
461
1289443
2074
주머니에서 꺼낸 기기로
21:43
and shout외침 all the way to Australia호주,
462
1291541
2147
호주에 사는 누군가와 연락할 수 있고
21:45
and in real레알 time, have that person사람
shouting외침 back to us.
463
1293712
2600
그 사람에게서 실시간으로
연락을 받는 것 역시 가능합니다.
21:48
That's physically육체적으로 not possible가능한.
We're breaking파괴 the rules규칙들 of physics물리학.
464
1296336
3624
물리적으로는 불가능한 일이지만
우리는 물리법칙을 무너뜨리고 있어요.
21:51
When this is said and done끝난,
we're going to remember생각해 내다 everything
465
1299984
2943
제가 말한 것들이 이뤄질 때
여러분은 보고 들은
21:54
we've우리는 ever said and seen,
466
1302951
1213
모든 것을 기억하게 될 것입니다.
21:56
you'll remember생각해 내다 every...마다 person사람,
467
1304188
1496
만났던 모든 사람을
기억하게 될 것이구요.
21:57
which어느 is good for me
in my early이른 stages단계들 of Alzheimer's알츠하이머 병.
468
1305708
2626
알츠하이머 초기인 저에게는
좋은 일이죠.
22:00
Sorry, what was I saying속담? I forgot잊어 버렸다.
469
1308358
1677
제가 뭐라고 말했었죠?
기억이 안 나네요.
22:02
CA캘리포니아 주: (Laughs웃음)
470
1310059
1578
크리스: (웃음)
22:03
ST: We will probably아마 have
an IQIQ of 1,000 or more.
471
1311661
3077
세바스찬: 우리의 아이큐는
1000이나 그 이상이 될 겁니다.
22:06
There will be no more
spelling철자 classes수업 for our kids아이들,
472
1314762
3425
아이들은 더 이상 철자
수업을 듣지 않아도 됩니다.
22:10
because there's no spelling철자 issue발행물 anymore더 이상.
473
1318211
2086
앞으로 철자 때문에 문제
생길 일이 없어질 거니까요.
22:12
There's no math수학 issue발행물 anymore더 이상.
474
1320321
1832
수학 역시 마찬가지입니다.
22:14
And I think what really will happen우연히 있다
is that we can be super감독자 creative창조적 인.
475
1322177
3510
대신 우리는 엄청나게
창의적인 인간이 될 수 있습니다.
22:17
And we are. We are creative창조적 인.
476
1325711
1857
우리는 이미 창의적이죠.
22:19
That's our secret비밀 weapon무기.
477
1327592
1552
그것이 인간의 무기입니다.
22:21
CA캘리포니아 주: So the jobs일자리 that are getting점점 lost잃어버린,
478
1329168
2153
크리스: 일자리의 상실은 어느
정도 발생할 것이고
22:23
in a way, even though그래도
it's going to be painful아픈,
479
1331345
2494
그로인한 타격이 꽤 있겠지만
22:25
humans인간 are capable유능한
of more than those jobs일자리.
480
1333863
2047
우리는 일자리의 상실보다
더 많은 것을 얻게 될 것이다.
22:27
This is the dream.
481
1335934
1218
꿈과 같은 이야기네요.
22:29
The dream is that humans인간 can rise오르기
to just a new새로운 level수평 of empowerment권한 부여
482
1337176
4247
인간에게 새로운 기회와
발견을 제공할 수 있는
22:33
and discovery발견.
483
1341447
1657
꿈입니다.
22:35
That's the dream.
484
1343128
1452
꿈이요.
22:36
ST: And think about this:
485
1344604
1643
세바스찬: 한 번 생각해 보세요.
22:38
if you look at the history역사 of humanity인류,
486
1346271
2021
인류의 역사를 돌아보면
22:40
that might be whatever도대체 무엇이 --
60-100,000 years연령 old늙은, give or take --
487
1348316
3328
6만년에서 10만년까지 거슬러 올라가지만
22:43
almost거의 everything that you cherish소중히 하다
in terms자귀 of invention발명,
488
1351668
3726
우리에게 도움이 되는 발명품들
22:47
of technology과학 기술, of things we've우리는 built세워짐,
489
1355418
2151
기술적 진보이든 건축이든간에
22:49
has been invented발명 된 in the last 150 years연령.
490
1357593
3099
거의 대부분이 지난 150년 사이에
나온 것들입니다.
22:53
If you toss던져 올림 in the book도서 and the wheel바퀴,
it's a little bit비트 older더 오래된.
491
1361756
3048
책이나 바퀴, 도끼 같은 것들은
22:56
Or the axe도끼.
492
1364828
1169
좀 오래된 발명품들이죠.
22:58
But your phone전화, your sneakers운동화,
493
1366021
2790
하지만 전화나 스니커즈 같은 신발
23:00
these chairs의자, modern현대
manufacturing조작, penicillin페니실린 --
494
1368835
3551
의자, 공산품, 페니실린
23:04
the things we cherish소중히 하다.
495
1372410
1714
우리에게 꼭 필요한 것들은 전부 최근에
탄생한 것들입니다.
23:06
Now, that to me means방법
496
1374148
3658
이는 곧 저에게
23:09
the next다음 것 150 years연령 will find more things.
497
1377830
3041
다음 150년간 인류는 더 많은
발명을 할 수 있다는 의미로 여겨집니다.
23:12
In fact, the pace속도 of invention발명
has gone지나간 up, not gone지나간 down, in my opinion의견.
498
1380895
4154
저는 발명의 속도가 계속
빨라지고 있다고 생각합니다.
23:17
I believe only one percent퍼센트 of interesting재미있는
things have been invented발명 된 yet아직. Right?
499
1385073
4905
훌륭한 물건의 발명은 아직
1%밖에 이뤄지지 않았다고 생각해요.
23:22
We haven't~하지 않았다. cured치유 된 cancer.
500
1390002
1988
우리는 아직 암을 치료할 수 없습니다.
23:24
We don't have flying나는 cars자동차 -- yet아직.
Hopefully희망을 갖고, I'll change변화 this.
501
1392014
3718
하늘을 나는 자동차도 멀었죠.
하지만 저는 계속 도전할 겁니다.
23:27
That used to be an example
people laughed웃었다 about. (Laughs웃음)
502
1395756
3257
사람들이 비웃던
발명의 전형적인 예죠. (웃음)
23:31
It's funny이상한, isn't it?
Working secretly남몰래 on flying나는 cars자동차.
503
1399037
2992
재밌는 발상 아닌가요? 남 몰래
하늘을 나는 자동차를 개발한다는 거요.
23:34
We don't live살고 있다 twice두번 as long yet아직. OK?
504
1402053
2683
우리는 아직 평균 수명의
두 배만큼 살지도 못합니다.
23:36
We don't have this magic마법
implant끼워 넣다 in our brain
505
1404760
2785
우리가 원하는 정보를
바로 취득할 수 있도록
23:39
that gives주는 us the information정보 we want.
506
1407569
1832
뇌 속에 칩을 이식하는
일도 아직 멀었죠.
23:41
And you might be appalled소름이 끼치는 by it,
507
1409425
1526
두려움을 가질 수도 있지요.
23:42
but I promise약속 you,
once일단 you have it, you'll love it.
508
1410975
2444
한 가지 약속할 수 있는 것은 여러분의
마음에 쏙 들게 될거라는 겁니다.
23:45
I hope기대 you will.
509
1413443
1166
그러길 바랍니다.
23:46
It's a bit비트 scary무서운, I know.
510
1414633
1909
조금 무서운 일일수도 있지만요.
23:48
There are so many많은 things
we haven't~하지 않았다. invented발명 된 yet아직
511
1416566
2254
제 생각에 인류가 만들어낼 수 있다고
생각하는 것들 중에
23:50
that I think we'll invent꾸미다.
512
1418844
1268
수많은 것들이 아직 발명되지 않았어요.
23:52
We have no gravity중량 shields방패.
513
1420136
1306
예를들어 중력 쉴드 라던지,
23:53
We can't beam ourselves우리 스스로
from one location위치 to another다른.
514
1421466
2553
레이저로 먼 거리를
순간이동 하는 장치 말입니다.
23:56
That sounds소리 ridiculous어리석은,
515
1424043
1151
지금으로서는 터무니없는 소리죠.
23:57
but about 200 years연령 ago...전에,
516
1425218
1288
그러나 200여년 전에 전문가들은
23:58
experts전문가 were of the opinion의견
that flight비행 wouldn't~ 않을거야. exist있다,
517
1426530
2667
사람을 태우는 비행기는
존재하지 못할거라 생각했고
24:01
even 120 years연령 ago...전에,
518
1429221
1324
120년 전 만해도 우리는
24:02
and if you moved움직이는 faster더 빠른
than you could run운영,
519
1430569
2582
사람이 달리는 것 보다
더 빠르게 움직이면
24:05
you would instantly die주사위.
520
1433175
1520
즉사할 것이라고 믿었죠.
24:06
So who says말한다 we are correct옳은 today오늘
that you can't beam a person사람
521
1434719
3569
그래서 지구에서 화성까지
순간이동을 할 수 없다 라는게
24:10
from here to Mars화성?
522
1438312
2249
사실이라고 누가 단정할 수 있죠?
24:12
CA캘리포니아 주: Sebastian세바스찬, thank you so much
523
1440585
1569
크리스: 오늘 영감을 주는
혜안과 재능을 공유해 주셔서
24:14
for your incredibly엄청나게 inspiring영감을주는 vision시력
and your brilliance광휘.
524
1442178
2682
정말 감사드립니다.
24:16
Thank you, Sebastian세바스찬 ThrunThrun.
525
1444884
1323
세바스찬 쓰런님, 감사합니다.
24:18
ST: That was fantastic환상적인. (Applause박수 갈채)
526
1446231
1895
정말 좋은 대담이었습니다. (박수)
Translated by Yoonkeun Ji
Reviewed by Jeeyong Park

▲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