TED2003
Marvin Minsky: Health and the human mind
Marvin Minsky over gezondheid en de menselijke geest
Filmed:
Readability: 3.5
606,909 views
Luister goed - Marvin Minsky's olijke, eclectische, charmant spontane praatje over gezondheid, overbevolking en de menselijke geest bulkt van de subtiliteiten: geestigheid, wijsheid en een snuifje sluw - meent-hij't? - advies.
Marvin Minsky - AI pioneer
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Double-click the English transcript below to play the video.
00:18
If you ask people about what part of psychology do they think is hard,
0
0
6000
Als je mensen vraagt welk deel van de psychologie ze moeilijk vinden,
00:24
and you say, "Well, what about thinking and emotions?"
1
6000
3000
en je zegt: "Wat dacht je van denken en emoties?"
00:27
Most people will say, "Emotions are terribly hard.
2
9000
3000
dan zullen de meeste mensen zeggen: "Emoties zijn verschrikkelijk lastig.
00:30
They're incredibly complex. They can't -- I have no idea of how they work.
3
12000
6000
Ze zijn ongelooflijk complex, ze kunnen niet - Ik heb er geen idee van hoe ze werken."
00:36
But thinking is really very straightforward:
4
18000
2000
Maar denken is echt heel eenvoudig:
00:38
it's just sort of some kind of logical reasoning, or something.
5
20000
4000
het is gewoon soort van een soort van logisch redeneren of iets dergelijks.
00:42
But that's not the hard part."
6
24000
3000
Maar dat is niet het moeilijkste deel.
00:45
So here's a list of problems that come up.
7
27000
2000
Dus hier is een lijst van problemen die naar boven komen.
00:47
One nice problem is, what do we do about health?
8
29000
3000
Een leuk probleem is: wat doen we met gezondheid?
00:50
The other day, I was reading something, and the person said
9
32000
4000
Op een dag zat ik iets te lezen, en iemand zei:
00:54
probably the largest single cause of disease is handshaking in the West.
10
36000
6000
waarschijnlijk is handen geven de grootste oorzaak van de ziekte in het Westen.
01:00
And there was a little study about people who don't handshake,
11
42000
4000
Er was een kleine studie over mensen die geen handen geven,
01:04
and comparing them with ones who do handshake.
12
46000
3000
vergeleken met degenen die wel handen geven
01:07
And I haven't the foggiest idea of where you find the ones that don't handshake,
13
49000
5000
en ik heb geen flauw idee waar je die mensen vindt die geen handen geven,
01:12
because they must be hiding.
14
54000
3000
die zitten waarschijnlijk ondergedoken.
01:15
And the people who avoid that
15
57000
4000
Mensen die dat niet doen,
01:19
have 30 percent less infectious disease or something.
16
61000
4000
hebben 30 procent minder besmettelijke ziektes of iets dergelijks.
01:23
Or maybe it was 31 and a quarter percent.
17
65000
3000
Of misschien was het 31 en een kwart procent.
01:26
So if you really want to solve the problem of epidemics and so forth,
18
68000
4000
Dus als je het probleem van de epidemieën enzovoort echt wil oplossen,
01:30
let's start with that. And since I got that idea,
19
72000
4000
moet je daarmee beginnen. En sinds ik dat idee kreeg,
01:34
I've had to shake hundreds of hands.
20
76000
4000
heb ik honderden handen te schudden gehad.
01:38
And I think the only way to avoid it
21
80000
5000
Ik denk dat de enige manier om het te vermijden,
01:43
is to have some horrible visible disease,
22
85000
2000
is om een zichtbare vreselijke ziekte te hebben,
01:45
and then you don't have to explain.
23
87000
3000
dan hoef je niets uit te leggen.
01:48
Education: how do we improve education?
24
90000
4000
Onderwijs: hoe kunnen we het onderwijs verbeteren?
01:52
Well, the single best way is to get them to understand
25
94000
4000
Nou, de beste manier is om ze te laten begrijpen
01:56
that what they're being told is a whole lot of nonsense.
26
98000
3000
dat wat ze verteld wordt, een hele hoop onzin is.
01:59
And then, of course, you have to do something
27
101000
2000
Dan moet je bedenken
02:01
about how to moderate that, so that anybody can -- so they'll listen to you.
28
103000
5000
hoe je dat kan afzwakken, zodat iedereen naar jou gaat luisteren.
02:06
Pollution, energy shortage, environmental diversity, poverty.
29
108000
4000
Vervuiling, energietekorten, milieu-diversiteit, armoede -
02:10
How do we make stable societies? Longevity.
30
112000
4000
Hoe maken we stabiele samenlevingen? Lange levensduur.
02:14
Okay, there're lots of problems to worry about.
31
116000
3000
Oké, er zijn veel problemen om je zorgen over te maken.
02:17
Anyway, the question I think people should talk about --
32
119000
2000
Hoe dan ook, waarover mensen volgens mij moeten praten, is -
02:19
and it's absolutely taboo -- is, how many people should there be?
33
121000
5000
en het is absoluut taboe - is, hoeveel mensen zouden er moeten zijn?
02:24
And I think it should be about 100 million or maybe 500 million.
34
126000
7000
Volgens mij ongeveer 100 miljoen of misschien 500 miljoen.
02:31
And then notice that a great many of these problems disappear.
35
133000
5000
Je zult merken dat er dan een groot aantal van deze problemen verdwijnen.
02:36
If you had 100 million people
36
138000
2000
Als je 100 miljoen mensen hebt,
02:38
properly spread out, then if there's some garbage,
37
140000
6000
goed gespreid, dan kan je je vuilnis
02:44
you throw it away, preferably where you can't see it, and it will rot.
38
146000
7000
weggooien, bij voorkeur waar je het niet kunt zien, en het zal wegrotten.
02:51
Or you throw it into the ocean and some fish will benefit from it.
39
153000
5000
Of je gooit het in de oceaan en sommige vissen zullen ervan profiteren.
02:56
The problem is, how many people should there be?
40
158000
2000
Het probleem is: hoeveel mensen zouden er moeten zijn?
02:58
And it's a sort of choice we have to make.
41
160000
3000
Het is een keuze die we moeten maken.
03:01
Most people are about 60 inches high or more,
42
163000
3000
De meeste mensen zijn ongeveer 1,5 m groot, of meer.
03:04
and there's these cube laws. So if you make them this big,
43
166000
4000
Er bestaat zoiets als de kubusregel, waardoor ze, als je ze zo klein maakt,
03:08
by using nanotechnology, I suppose --
44
170000
3000
door gebruik te maken van nanotechnologie, veronderstel ik -
03:11
(Laughter)
45
173000
1000
(Gelach)
03:12
-- then you could have a thousand times as many.
46
174000
2000
- Dan kun je er duizend keer meer hebben.
03:14
That would solve the problem, but I don't see anybody
47
176000
2000
Dat zou het probleem oplossen, maar ik zie niemand
03:16
doing any research on making people smaller.
48
178000
3000
onderzoek doen naar het kleiner maken van mensen.
03:19
Now, it's nice to reduce the population, but a lot of people want to have children.
49
181000
5000
Bevolkingsvermindering is leuk, maar vele mensen willen kinderen.
03:24
And there's one solution that's probably only a few years off.
50
186000
3000
Er is een oplossing die waarschijnlijk maar een paar jaar van ons verwijderd is.
03:27
You know you have 46 chromosomes. If you're lucky, you've got 23
51
189000
5000
Je weet dat je 46 chromosomen heb. Als je geluk hebt, heb je er 23
03:32
from each parent. Sometimes you get an extra one or drop one out,
52
194000
6000
van elke ouder, soms krijg je een extra of valt er een uit -
03:38
but -- so you can skip the grandparent and great-grandparent stage
53
200000
4000
maar - je kunt het stadium van grootouders en overgrootouders overslaan
03:42
and go right to the great-great-grandparent. And you have 46 people
54
204000
5000
en recht naar de betovergrootouders gaan. Neem 46 mensen,
03:47
and you give them a scanner, or whatever you need,
55
209000
3000
geef ze een scanner, of wat je nodig hebt,
03:50
and they look at their chromosomes and each of them says
56
212000
4000
en laat ze kijken ze naar hun chromosomen, en elk van hen mag zeggen
03:54
which one he likes best, or she -- no reason to have just two sexes
57
216000
5000
welke hij of zij verkiest - we hoeven ons zelfs niet meer tot 2 geslachten
03:59
any more, even. So each child has 46 parents,
58
221000
5000
te beperken. Dus ieder kind heeft 46 ouders,
04:04
and I suppose you could let each group of 46 parents have 15 children.
59
226000
6000
en ik veronderstel dat je elke groep van 46 ouders 15 kinderen zou kunnen geven -
04:10
Wouldn't that be enough? And then the children
60
232000
2000
zou dat niet genoeg zijn? Dan zouden de kinderen
04:12
would get plenty of support, and nurturing, and mentoring,
61
234000
4000
veel steun en verzorging en begeleiding krijgen
04:16
and the world population would decline very rapidly
62
238000
2000
en de wereldbevolking zou zeer snel dalen
04:18
and everybody would be totally happy.
63
240000
3000
en iedereen zou helemaal gelukkig zijn.
04:21
Timesharing is a little further off in the future.
64
243000
3000
Timesharing is een beetje verder af in de toekomst.
04:24
And there's this great novel that Arthur Clarke wrote twice,
65
246000
3000
Er is de grote roman die Arthur Clarke twee keer schreef,
04:27
called "Against the Fall of Night" and "The City and the Stars."
66
249000
4000
"Against the Fall of Night" en "The City and the Stars".
04:31
They're both wonderful and largely the same,
67
253000
3000
Ze zijn allebei prachtig en grotendeels gelijklopend,
04:34
except that computers happened in between.
68
256000
2000
behalve dat er intussen computers kwamen.
04:36
And Arthur was looking at this old book, and he said, "Well, that was wrong.
69
258000
5000
Arthur keek naar dit oude boek, en hij zei, nou, dat was verkeerd.
04:41
The future must have some computers."
70
263000
2000
De toekomst moet een aantal computers hebben.
04:43
So in the second version of it, there are 100 billion
71
265000
5000
Dus in de tweede versie zijn er 100 miljard
04:48
or 1,000 billion people on Earth, but they're all stored on hard disks or floppies,
72
270000
8000
of 1.000 miljard mensen op aarde, maar ze zijn allemaal opgeslagen op harde schijven of diskettes,
04:56
or whatever they have in the future.
73
278000
2000
of wat ze ook maar hebben in de toekomst.
04:58
And you let a few million of them out at a time.
74
280000
4000
Je laat ze eruit in groepen van een paar miljoen.
05:02
A person comes out, they live for a thousand years
75
284000
4000
Mensen komen uit, ze leven duizend jaar,
05:06
doing whatever they do, and then, when it's time to go back
76
288000
6000
doen wat ze doen, en dan, wanneer het tijd is om terug te gaan
05:12
for a billion years -- or a million, I forget, the numbers don't matter --
77
294000
4000
voor een miljard jaar - of een miljoen, ik weet het niet meer - de cijfers doen er niet toe -
05:16
but there really aren't very many people on Earth at a time.
78
298000
4000
maar er zijn echt niet zo veel mensen op aarde op een bepaald moment.
05:20
And you get to think about yourself and your memories,
79
302000
2000
Je moet nadenken over jezelf en je herinneringen,
05:22
and before you go back into suspension, you edit your memories
80
304000
5000
en voordat je terug geschorst wordt, bewerk je je herinneringen
05:27
and you change your personality and so forth.
81
309000
3000
verander je je persoonlijkheid enzovoort.
05:30
The plot of the book is that there's not enough diversity,
82
312000
6000
De plot van het boek is dat er niet genoeg diversiteit is,
05:36
so that the people who designed the city
83
318000
3000
zodat de mensen die de stad ontwierpen,
05:39
make sure that every now and then an entirely new person is created.
84
321000
4000
zo nu en dan een geheel nieuwe persoon creëren.
05:43
And in the novel, a particular one named Alvin is created. And he says,
85
325000
6000
In het boek wordt een zekere Alvin gemaakt. Hij zegt:
05:49
maybe this isn't the best way, and wrecks the whole system.
86
331000
4000
"Misschien is dit niet de beste manier," en hij helpt het systeem om zeep.
05:53
I don't think the solutions that I proposed
87
335000
2000
Ik denk niet dat de oplossingen die ik voorstel
05:55
are good enough or smart enough.
88
337000
3000
goed genoeg of slim genoeg zijn.
05:58
I think the big problem is that we're not smart enough
89
340000
4000
Ik denk dat het grote probleem is dat we niet slim genoeg zijn
06:02
to understand which of the problems we're facing are good enough.
90
344000
4000
om te begrijpen welke van onze problemen goed genoeg zijn.
06:06
Therefore, we have to build super intelligent machines like HAL.
91
348000
4000
Daarom moeten we superintelligente machines bouwen, zoals HAL.
06:10
As you remember, at some point in the book for "2001,"
92
352000
5000
Je weet nog wel dat HAL op een bepaald punt in het 2001-boek
06:15
HAL realizes that the universe is too big, and grand, and profound
93
357000
5000
beseft dat het universum te groot en groots en diep is
06:20
for those really stupid astronauts. If you contrast HAL's behavior
94
362000
4000
voor die oliedomme astronauten. Zet het gedrag van HAL
06:24
with the triviality of the people on the spaceship,
95
366000
4000
naast de trivialiteit van de mensen op het ruimteschip,
06:28
you can see what's written between the lines.
96
370000
3000
en je kunt zien wat er tussen de regels staat.
06:31
Well, what are we going to do about that? We could get smarter.
97
373000
3000
Nou, wat gaan we doen? We zouden slimmer kunnen worden.
06:34
I think that we're pretty smart, as compared to chimpanzees,
98
376000
5000
Ik denk dat we behoorlijk slim zijn, in vergelijking met chimpansees,
06:39
but we're not smart enough to deal with the colossal problems that we face,
99
381000
6000
maar we zijn niet slim genoeg om om te gaan met de kolossale problemen waarmee wij geconfronteerd worden,
06:45
either in abstract mathematics
100
387000
2000
of het nu in abstracte wiskunde is
06:47
or in figuring out economies, or balancing the world around.
101
389000
5000
of in het snappen van economieën of het in evenwicht houden van de wereld rondom ons.
06:52
So one thing we can do is live longer.
102
394000
3000
Dus een ding dat we kunnen doen is langer leven.
06:55
And nobody knows how hard that is,
103
397000
2000
En niemand weet hoe moeilijk dat is,
06:57
but we'll probably find out in a few years.
104
399000
3000
maar we zullen het waarschijnlijk over een paar jaar te weten komen.
07:00
You see, there's two forks in the road. We know that people live
105
402000
3000
Er is een tweesprong op de weg. We weten dat mensen
07:03
twice as long as chimpanzees almost,
106
405000
4000
bijna twee keer zo lang leven als chimpansees,
07:07
and nobody lives more than 120 years,
107
409000
4000
en niemand leeft meer dan 120 jaar,
07:11
for reasons that aren't very well understood.
108
413000
3000
om redenen die we niet erg goed begrijpen.
07:14
But lots of people now live to 90 or 100,
109
416000
3000
Maar veel mensen worden nu 90 of 100,
07:17
unless they shake hands too much or something like that.
110
419000
4000
tenzij ze teveel handen schudden of iets dergelijks.
07:21
And so maybe if we lived 200 years, we could accumulate enough skills
111
423000
5000
Als we 200 jaar leefden, zouden we misschien genoeg vaardigheden verzamelen
07:26
and knowledge to solve some problems.
112
428000
5000
en kennis om een aantal problemen op te lossen.
07:31
So that's one way of going about it.
113
433000
2000
Dus dat is een mogelijke aanpak.
07:33
And as I said, we don't know how hard that is. It might be --
114
435000
3000
Zoals ik al zei, weten we niet hoe moeilijk dat is. Het zou kunnen zijn -
07:36
after all, most other mammals live half as long as the chimpanzee,
115
438000
6000
Immers, de meeste andere zoogdieren leven half zo lang als de chimpansee,
07:42
so we're sort of three and a half or four times, have four times
116
444000
3000
dus we zijn ongeveer drie-en-een-half of vier keer - hebben vier keer
07:45
the longevity of most mammals. And in the case of the primates,
117
447000
6000
de levensduur van de meeste zoogdieren. In het geval van de primaten,
07:51
we have almost the same genes. We only differ from chimpanzees,
118
453000
4000
hebben we bijna dezelfde genen. We verschillen alleen van de chimpansees,
07:55
in the present state of knowledge, which is absolute hogwash,
119
457000
6000
volgens de huidige stand van kennis - die absolute onzin is -
08:01
maybe by just a few hundred genes.
120
463000
2000
wat betreft slechts een paar honderd genen.
08:03
What I think is that the gene counters don't know what they're doing yet.
121
465000
3000
Wat ik denk is dat het genentellers nog niet weten wat ze doen.
08:06
And whatever you do, don't read anything about genetics
122
468000
3000
Wat je ook doet, lees niets over genetica
08:09
that's published within your lifetime, or something.
123
471000
3000
dat is gepubliceerd tijdens je leven, of zoiets.
08:12
(Laughter)
124
474000
3000
(Gelach)
08:15
The stuff has a very short half-life, same with brain science.
125
477000
4000
Het spul heeft een zeer korte halfwaardetijd, hetzelfde met hersenwetenschappen.
08:19
And so it might be that if we just fix four or five genes,
126
481000
6000
En zo kan het zijn dat als we vier of vijf genen fixen,
08:25
we can live 200 years.
127
487000
2000
we 200 jaar kunnen leven.
08:27
Or it might be that it's just 30 or 40,
128
489000
3000
Of het zou kunnen zijn dat het maar 30 of 40 is,
08:30
and I doubt that it's several hundred.
129
492000
2000
en ik betwijfel dat het een paar honderd is.
08:32
So this is something that people will be discussing
130
494000
4000
Dus dit is iets dat de mensen zullen bespreken
08:36
and lots of ethicists -- you know, an ethicist is somebody
131
498000
3000
en veel ethici - je weet wel, een ethicus is iemand
08:39
who sees something wrong with whatever you have in mind.
132
501000
3000
die iets verkeerds ziet in al je gedachten.
08:42
(Laughter)
133
504000
3000
(Gelach)
08:45
And it's very hard to find an ethicist who considers any change
134
507000
4000
Het is heel moeilijk om een ethicus te vinden die vindt dat elke verandering
08:49
worth making, because he says, what about the consequences?
135
511000
4000
de moeite is, want hij vraagt altijd hoe het met de gevolgen zit.
08:53
And, of course, we're not responsible for the consequences
136
515000
3000
Natuurlijk staan we niet in voor de gevolgen
08:56
of what we're doing now, are we? Like all this complaint about clones.
137
518000
6000
van wat we nu doen, of wel? Kijk naar het geklaag over klonen.
09:02
And yet two random people will mate and have this child,
138
524000
3000
Maaar als twee willekeurige mensen seks hebben en een kind krijgen,
09:05
and both of them have some pretty rotten genes,
139
527000
4000
en zelfs als ze belabberde genen hebben,
09:09
and the child is likely to come out to be average.
140
531000
4000
zullen ze waarschijnlijk een gemiddeld kind krijgen.
09:13
Which, by chimpanzee standards, is very good indeed.
141
535000
6000
Naar chimpanseenormen is dat erg goed.
09:19
If we do have longevity, then we'll have to face the population growth
142
541000
3000
Als we lang leven, dan moeten we het probleem van de bevolkingsgroei
09:22
problem anyway. Because if people live 200 or 1,000 years,
143
544000
4000
toch het hoofd bieden. Want als mensen 200 of 1.000 jaar leven,
09:26
then we can't let them have a child more than about once every 200 or 1,000 years.
144
548000
6000
dan kunnen we ze maar om de 200 of 1.000 jaar of zo een kind laten krijgen.
09:32
And so there won't be any workforce.
145
554000
3000
En dus zullen er geen arbeidskrachten zijn.
09:35
And one of the things Laurie Garrett pointed out, and others have,
146
557000
4000
Eén van de dingen waar Laurie Garrett en anderen op wezen,
09:39
is that a society that doesn't have people
147
561000
5000
is dat een maatschappij zonder mensen op werkende leeftijd,
09:44
of working age is in real trouble. And things are going to get worse,
148
566000
3000
een probleem heeft. En het zal erger worden,
09:47
because there's nobody to educate the children or to feed the old.
149
569000
6000
want er is niemand om de kinderen op te voeden of de ouderen te voeden.
09:53
And when I'm talking about a long lifetime, of course,
150
575000
2000
Als ik het over een lang leven heb,
09:55
I don't want somebody who's 200 years old to be like our image
151
577000
6000
dan wil ik natuurlijk niet dat een 200-jarige lijkt op
10:01
of what a 200-year-old is -- which is dead, actually.
152
583000
4000
een 200-jarige van vandaag - dat wil zeggen, een dode.
10:05
You know, there's about 400 different parts of the brain
153
587000
2000
Het brein heeft ongeveer 400 verschillende onderdelen
10:07
which seem to have different functions.
154
589000
2000
die verschillende functies lijken te hebben.
10:09
Nobody knows how most of them work in detail,
155
591000
3000
Niemand kent de gedetailleerde functie van de meeste ervan,
10:12
but we do know that there're lots of different things in there.
156
594000
4000
maar we weten dat er veel verschillende dingen in zitten...
10:16
And they don't always work together. I like Freud's theory
157
598000
2000
...die niet altijd samenwerken. Ik hou wel van de theorie van Freud
10:18
that most of them are cancelling each other out.
158
600000
4000
dat de meeste ervan elkaar opheffen.
10:22
And so if you think of yourself as a sort of city
159
604000
4000
Als je denkt aan jezelf als een soort stad
10:26
with a hundred resources, then, when you're afraid, for example,
160
608000
6000
met honderd middelen, dan mag je, als je bang bent,
10:32
you may discard your long-range goals, but you may think deeply
161
614000
4000
je langetermijndoelen vergeten, maar diep nadenken
10:36
and focus on exactly how to achieve that particular goal.
162
618000
4000
en je richten op hoe je dat precieze doel zal bereiken.
10:40
You throw everything else away. You become a monomaniac --
163
622000
3000
Je gooit alles weg. Je wordt een monomaan -
10:43
all you care about is not stepping out on that platform.
164
625000
4000
het enige dat telt, is niet op dat perron stappen.
10:47
And when you're hungry, food becomes more attractive, and so forth.
165
629000
4000
Als je honger hebt, wordt voedsel aantrekkelijker enzovoort.
10:51
So I see emotions as highly evolved subsets of your capability.
166
633000
6000
Ik zie emoties als hoogontwikkelde deelverzamelingen van je vermogens.
10:57
Emotion is not something added to thought. An emotional state
167
639000
4000
Emotie is niet iets dat je aan het denken toevoegt.
11:01
is what you get when you remove 100 or 200
168
643000
4000
Je komt in een emotionele staat als je 100 of 200
11:05
of your normally available resources.
169
647000
3000
van je normaal beschikbare middelen uitschakelt.
11:08
So thinking of emotions as the opposite of -- as something
170
650000
3000
Emoties beschouwen als het omgekeerde van - als iets
11:11
less than thinking is immensely productive. And I hope,
171
653000
4000
minder dan denken, is enorm productief. Ik hoop
11:15
in the next few years, to show that this will lead to smart machines.
172
657000
4000
dat ik in de komende jaren kan aantonen dat dit tot slimme machines zal leiden.
11:19
And I guess I better skip all the rest of this, which are some details
173
661000
3000
Volgens mij sla ik de rest best over. Het zijn een paar details
11:22
on how we might make those smart machines and --
174
664000
5000
over hoe we die slimme machines zouden kunnen bouwen.
11:27
(Laughter)
175
669000
5000
(Gelach)
11:32
-- and the main idea is in fact that the core of a really smart machine
176
674000
5000
De belangrijkste idee is dat de essentie van een echt slimme machine
11:37
is one that recognizes that a certain kind of problem is facing you.
177
679000
5000
is dat ze erkent dat je een bepaald probleem hebt.
11:42
This is a problem of such and such a type,
178
684000
3000
Dit is een probleem van het type zus en zo,
11:45
and therefore there's a certain way or ways of thinking
179
687000
5000
en daarom is er een bepaalde manier of manieren van denken
11:50
that are good for that problem.
180
692000
2000
die geschikt zijn voor dat probleem.
11:52
So I think the future, main problem of psychology is to classify
181
694000
4000
Volgens mij zal het belangrijkste probleem van de psychologie in de toekomst zijn om
11:56
types of predicaments, types of situations, types of obstacles
182
698000
4000
soorten moeilijke situaties en obstakels te rangschikken
12:00
and also to classify available and possible ways to think and pair them up.
183
702000
6000
tegelijk met beschikbare en mogelijke manieren van denken, en om die te koppelen.
12:06
So you see, it's almost like a Pavlovian --
184
708000
3000
Zo zie je maar, het lijkt wel een Pavloviaanse -
12:09
we lost the first hundred years of psychology
185
711000
2000
De psychologie heeft honderd jaar lang haar tijd verdaan
12:11
by really trivial theories, where you say,
186
713000
3000
met heel triviale theorieën waarbij je zegt:
12:14
how do people learn how to react to a situation? What I'm saying is,
187
716000
6000
hoe leren mensen om te reageren op een situatie? Ik bedoel:
12:20
after we go through a lot of levels, including designing
188
722000
5000
nadat we een reeks niveaus hebben afgewerkt, met inbegrip van het ontwerp
12:25
a huge, messy system with thousands of ports,
189
727000
3000
van een enorm rommelig systeem met duizenden poorten,
12:28
we'll end up again with the central problem of psychology.
190
730000
4000
komen we opnieuw uit bij het centrale probleem van de psychologie.
12:32
Saying, not what are the situations,
191
734000
3000
Zeggen - niet wat de situaties zijn,
12:35
but what are the kinds of problems
192
737000
2000
maar wat de soorten problemen zijn
12:37
and what are the kinds of strategies, how do you learn them,
193
739000
3000
en de soorten van strategie, hoe je ze leert,
12:40
how do you connect them up, how does a really creative person
194
742000
3000
hoe je ze verbindt, hoe een echt creatieve persoon
12:43
invent a new way of thinking out of the available resources and so forth.
195
745000
5000
een nieuwe denkwijze distilleert uit de aanwezige middelen enzovoort.
12:48
So, I think in the next 20 years,
196
750000
2000
Ik denk dus dat we de komende 20 jaar
12:50
if we can get rid of all of the traditional approaches to artificial intelligence,
197
752000
5000
afscheid kunnen nemen van alle traditionele benaderingen van artificiële intelligentie,
12:55
like neural nets and genetic algorithms
198
757000
2000
zoals neurale netwerken en genetische algoritmen
12:57
and rule-based systems, and just turn our sights a little bit higher to say,
199
759000
6000
en op regels gebaseerde systemen, en gewoon onze blik wat hoger richten om te zeggen:
13:03
can we make a system that can use all those things
200
765000
2000
kunnen we een systeem maken dat al die dingen kan gebruiken
13:05
for the right kind of problem? Some problems are good for neural nets;
201
767000
4000
voor het juiste soort probleem? Sommige problemen zijn goed voor neurale netwerken.
13:09
we know that others, neural nets are hopeless on them.
202
771000
3000
We weten dat neurale netwerken voor andere problemen niet deugen.
13:12
Genetic algorithms are great for certain things;
203
774000
3000
Genetische algoritmen zijn geweldig voor bepaalde dingen.
13:15
I suspect I know what they're bad at, and I won't tell you.
204
777000
4000
Ik vermoed dat ik weet wat hun zwaktes zijn, en die verklap ik niet.
13:19
(Laughter)
205
781000
1000
(Gelach)
13:20
Thank you.
206
782000
2000
Bedankt!
13:22
(Applause)
207
784000
6000
(Applaus)
ABOUT THE SPEAKER
Marvin Minsky - AI pioneerMarvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching.
Why you should listen
Marvin Minsky is the superstar-elder of artificial intelligence, one of the most productive and important cognitive scientists of the century, and the leading proponent of the Society of Mind theory. Articulated in his 1985 book of the same name, Minsky's theory says intelligence is not born of any single mechanism, but from the interaction of many independent agents. The book's sequel,The Emotion Machine (2006), says similar activity also accounts for feelings, goals, emotions and conscious thoughts.
Minsky also pioneered advances in mathematics, computational linguistics, optics, robotics and telepresence. He built SNARC, the first neural network simulator, some of the first visual scanners, and the first LOGO "turtle." From his headquarters at MIT's Media Lab and the AI Lab (which he helped found), he continues to work on, as he says, "imparting to machines the human capacity for commonsense reasoning."
Marvin Minsky | Speaker | TED.com