TED2003
Marvin Minsky: Health and the human mind
Marvin Minsky o zdrowiu i ludzkim umyśle
Filmed:
Readability: 3.5
606,909 views
Słuchajcie uważnie - łobuzerski, eklektyczny, czarująco zaimprowizowany wykład Marvina Minsky'ego o zdrowiu, przeludnieniu i ludzkim umyśle iskrzy się od subtelnych żarcików i mądrości, a doprawiony jest szczyptą nie do końca niepoważnych porad.
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
Jeśli zapytać ludzi, co w psychologii jest ich zdaniem trudne,
00:24
and you say, "Well, what about thinking and emotions?"
1
6000
3000
jeśli porównać myślenie i emocje,
00:27
Most people will say, "Emotions are terribly hard.
2
9000
3000
większość powie: "Emocje są strasznie trudne.
00:30
They're incredibly complex. They can't -- I have no idea of how they work.
3
12000
6000
Są niezmiernie złożone - nie mam pojęcia, jak działają.
00:36
But thinking is really very straightforward:
4
18000
2000
A myślenie jest naprawdę proste:
00:38
it's just sort of some kind of logical reasoning, or something.
5
20000
4000
to takie jakby logiczne rozumowanie, czy coś w tym rodzaju.
00:42
But that's not the hard part."
6
24000
3000
Ale to nie to jest trudne".
00:45
So here's a list of problems that come up.
7
27000
2000
I tu pojawia się szereg problemów.
00:47
One nice problem is, what do we do about health?
8
29000
3000
Na przykład - co robimy dla zdrowia?
00:50
The other day, I was reading something, and the person said
9
32000
4000
Parę dni temu czytałem coś, gdzie autor stwierdził,
00:54
probably the largest single cause of disease is handshaking in the West.
10
36000
6000
że prawdopodobnie najważniejszym źródłem chorób na Zachodzie jest uścisk dłoni.
01:00
And there was a little study about people who don't handshake,
11
42000
4000
Zrobiono nieduże badanie o ludziach, którzy nie podają ręki,
01:04
and comparing them with ones who do handshake.
12
46000
3000
porównując ich z tymi, którzy podają,
01:07
And I haven't the foggiest idea of where you find the ones that don't handshake,
13
49000
5000
choć nie mam bladego pojęcia, gdzie można znaleźć tych, co nie podają,
01:12
because they must be hiding.
14
54000
3000
bo chyba muszą się ukrywać.
01:15
And the people who avoid that
15
57000
4000
Ludzie, którzy tego unikają,
01:19
have 30 percent less infectious disease or something.
16
61000
4000
zapadają na choroby zakaźne około 30% rzadziej.
01:23
Or maybe it was 31 and a quarter percent.
17
65000
3000
A może to było 31 i jedna czwarta procenta.
01:26
So if you really want to solve the problem of epidemics and so forth,
18
68000
4000
Więc jeśli naprawdę chcemy rozwiązać problem epidemii,
01:30
let's start with that. And since I got that idea,
19
72000
4000
zacznijmy od tego. Odkąd wpadłem na ten pomysł,
01:34
I've had to shake hundreds of hands.
20
76000
4000
musiałem uścisnąć setki dłoni.
01:38
And I think the only way to avoid it
21
80000
5000
Chyba jedynym sposobem, by tego uniknąć,
01:43
is to have some horrible visible disease,
22
85000
2000
jest zapaść na okropną, dobrze widoczną chorobę,
01:45
and then you don't have to explain.
23
87000
3000
i wtedy nie trzeba się tłumaczyć.
01:48
Education: how do we improve education?
24
90000
4000
Edukacja: jak poprawić edukację?
01:52
Well, the single best way is to get them to understand
25
94000
4000
Najlepszym sposobem jest sprawić, by ludzie zrozumieli,
01:56
that what they're being told is a whole lot of nonsense.
26
98000
3000
że to, co im się wmawia, to wielki stek bzdur.
01:59
And then, of course, you have to do something
27
101000
2000
I wtedy, oczywiście, trzeba coś zrobić,
02:01
about how to moderate that, so that anybody can -- so they'll listen to you.
28
103000
5000
by kontrolować te bzdury i by każdy zaczął słuchać ciebie.
02:06
Pollution, energy shortage, environmental diversity, poverty.
29
108000
4000
Zanieczyszczenie, niedobór energii, bioróżnorodność, bieda...
02:10
How do we make stable societies? Longevity.
30
112000
4000
Jak stworzyć stabilne społeczeństwo? Długowieczność.
02:14
Okay, there're lots of problems to worry about.
31
116000
3000
Mamy więc sporo problemów na głowie.
02:17
Anyway, the question I think people should talk about --
32
119000
2000
Pytanie, o którym moim zdaniem powinno się rozmawiać,
02:19
and it's absolutely taboo -- is, how many people should there be?
33
121000
5000
jednak to temat tabu - "Ilu powinno być ludzi na świecie?"
02:24
And I think it should be about 100 million or maybe 500 million.
34
126000
7000
Myślę, że około 100 milionów, albo może 500 milionów.
02:31
And then notice that a great many of these problems disappear.
35
133000
5000
Wtedy większość takich problemów zniknie.
02:36
If you had 100 million people
36
138000
2000
Gdyby żyło tu 100 milionów ludzi,
02:38
properly spread out, then if there's some garbage,
37
140000
6000
odpowiednio rozproszonych, śmieci wyrzucało by się,
02:44
you throw it away, preferably where you can't see it, and it will rot.
38
146000
7000
najlepiej gdzieś, gdzie ich nie widać, i by sobie gniły.
02:51
Or you throw it into the ocean and some fish will benefit from it.
39
153000
5000
Albo można wrzucić je do oceanu i jakieś ryby skorzystają.
02:56
The problem is, how many people should there be?
40
158000
2000
Ale problemem jest, ilu ludzi powinno żyć?
02:58
And it's a sort of choice we have to make.
41
160000
3000
To wybór, którego musimy dokonać.
03:01
Most people are about 60 inches high or more,
42
163000
3000
Większość ludzi ma 150 cm wzrostu lub więcej,
03:04
and there's these cube laws. So if you make them this big,
43
166000
4000
więc jeśli zmieni się ich rozmiar do takiego...
03:08
by using nanotechnology, I suppose --
44
170000
3000
Za pomocą nanotechnologii, jak sądzę...
03:11
(Laughter)
45
173000
1000
(Śmiech)
03:12
-- then you could have a thousand times as many.
46
174000
2000
...możemy ich mieć tysiąc razy więcej.
03:14
That would solve the problem, but I don't see anybody
47
176000
2000
To by rozwiązało problem, ale nie słyszałem,
03:16
doing any research on making people smaller.
48
178000
3000
żeby ktoś prowadził badania nad zmniejszaniem ludzi.
03:19
Now, it's nice to reduce the population, but a lot of people want to have children.
49
181000
5000
Bardzo fajnie jest ograniczyć populację, ale wielu ludzi chce mieć dzieci.
03:24
And there's one solution that's probably only a few years off.
50
186000
3000
I jest tylko jedno rozwiązanie, które możemy wkrótce osiągnąć.
03:27
You know you have 46 chromosomes. If you're lucky, you've got 23
51
189000
5000
Mamy 46 chromosomów. Jeśli masz szczęście, dostajesz po 23
03:32
from each parent. Sometimes you get an extra one or drop one out,
52
194000
6000
od każdego z rodziców, czasami jeden mniej lub więcej,
03:38
but -- so you can skip the grandparent and great-grandparent stage
53
200000
4000
ale można przeskoczyć etap dziadków i pradziadków
03:42
and go right to the great-great-grandparent. And you have 46 people
54
204000
5000
i zabrać się od razu do prapradziadków. Mamy więc 46 osób,
03:47
and you give them a scanner, or whatever you need,
55
209000
3000
dajemy im skaner, czy co tam trzeba,
03:50
and they look at their chromosomes and each of them says
56
212000
4000
a oni patrzą na swoje chromosomy i każdy mówi
03:54
which one he likes best, or she -- no reason to have just two sexes
57
216000
5000
który mu lub jej się podoba, nawet nie ma powodu ograniczać się do 2 płci.
03:59
any more, even. So each child has 46 parents,
58
221000
5000
Każde dziecko ma więc 46 rodziców.
04:04
and I suppose you could let each group of 46 parents have 15 children.
59
226000
6000
Załóżmy, że pozwolimy każdej grupie 46 rodziców mieć 15 dzieci,
04:10
Wouldn't that be enough? And then the children
60
232000
2000
czy to nie wystarczy?
04:12
would get plenty of support, and nurturing, and mentoring,
61
234000
4000
Dzieci dostawałyby mnóstwo wsparcia, wychowania i opieki,
04:16
and the world population would decline very rapidly
62
238000
2000
a światowa populacja zmniejszałaby się bardzo szybko
04:18
and everybody would be totally happy.
63
240000
3000
i wszyscy byliby całkowicie zadowoleni.
04:21
Timesharing is a little further off in the future.
64
243000
3000
Dzielenie się czasem to kwestia nieco odleglejszej przyszłości.
04:24
And there's this great novel that Arthur Clarke wrote twice,
65
246000
3000
Jest taka świetna powieść, którą Arthur Clarke napisał dwukrotnie,
04:27
called "Against the Fall of Night" and "The City and the Stars."
66
249000
4000
pod tytułem "Przeciw nadejściu nocy" oraz "Miasto i gwiazdy".
04:31
They're both wonderful and largely the same,
67
253000
3000
Obie są wspaniałe i prawie takie same,
04:34
except that computers happened in between.
68
256000
2000
poza tym, że w międzyczasie wynaleziono komputery.
04:36
And Arthur was looking at this old book, and he said, "Well, that was wrong.
69
258000
5000
Arthur spojrzał na starszą książkę i uznał, że czegoś jej brak.
04:41
The future must have some computers."
70
263000
2000
W przyszłości muszą znaleźć się komputery.
04:43
So in the second version of it, there are 100 billion
71
265000
5000
Więc w drugiej wersji jest 100 miliardów,
04:48
or 1,000 billion people on Earth, but they're all stored on hard disks or floppies,
72
270000
8000
czy 1000 miliardów ludzi na Ziemi, ale wszyscy są zarchiwizowani na dyskach, dyskietkach,
04:56
or whatever they have in the future.
73
278000
2000
czy co tam mają w przyszłości.
04:58
And you let a few million of them out at a time.
74
280000
4000
I wypuszcza się tylko po kilka milionów ludzi naraz.
05:02
A person comes out, they live for a thousand years
75
284000
4000
Osoba wychodzi, żyje przez tysiąc lat,
05:06
doing whatever they do, and then, when it's time to go back
76
288000
6000
robiąc co tam ma do zrobienia, a potem czas wracać,
05:12
for a billion years -- or a million, I forget, the numbers don't matter --
77
294000
4000
na miliard lat, albo milion, zapomniałem, liczby nie są tu ważne.
05:16
but there really aren't very many people on Earth at a time.
78
298000
4000
Ale dzięki temu na Ziemi nie ma naraz zbyt wielu ludzi.
05:20
And you get to think about yourself and your memories,
79
302000
2000
Możesz przemyśleć siebie i swoje wspomnienia,
05:22
and before you go back into suspension, you edit your memories
80
304000
5000
a zanim cię znów zawieszą, możesz przeredagować wspomnienia,
05:27
and you change your personality and so forth.
81
309000
3000
zmienić osobowość i tak dalej.
05:30
The plot of the book is that there's not enough diversity,
82
312000
6000
Myślą przewodnią książki jest to, że za mało tam różnorodności
05:36
so that the people who designed the city
83
318000
3000
i ludzie, którzy zaprojektowali miasto
05:39
make sure that every now and then an entirely new person is created.
84
321000
4000
dbają o to, by co jakiś czas tworzona była zupełnie nowa osoba.
05:43
And in the novel, a particular one named Alvin is created. And he says,
85
325000
6000
Powstaje szczególny osobnik, nazwany Alvinem.
05:49
maybe this isn't the best way, and wrecks the whole system.
86
331000
4000
Uznaje, że nie jest to najlepszy system i go rozsadza.
05:53
I don't think the solutions that I proposed
87
335000
2000
Nie sądzę, by rozwiązania, które zaproponowałem,
05:55
are good enough or smart enough.
88
337000
3000
były dostatecznie dobre, czy mądre.
05:58
I think the big problem is that we're not smart enough
89
340000
4000
Myślę, że poważnym problemem jest to, że nie jesteśmy dość mądrzy,
06:02
to understand which of the problems we're facing are good enough.
90
344000
4000
by pojąć, które z naszych problemów są dostatecznie ważkie.
06:06
Therefore, we have to build super intelligent machines like HAL.
91
348000
4000
Dlatego musimy zbudować superinteligentne maszyny, jak HAL.
06:10
As you remember, at some point in the book for "2001,"
92
352000
5000
Jak pamiętacie, w pewnym momencie książkowej wersji "Odysei 2001",
06:15
HAL realizes that the universe is too big, and grand, and profound
93
357000
5000
HAL zdaje sobie sprawę, że wszechświat jest zbyt duży, wspaniały i głęboki
06:20
for those really stupid astronauts. If you contrast HAL's behavior
94
362000
4000
dla tych głupków, astronautów. Jeśli przeciwstawić zachowanie HAL-a
06:24
with the triviality of the people on the spaceship,
95
366000
4000
trywialności ludzi na statku kosmicznym,
06:28
you can see what's written between the lines.
96
370000
3000
widać, co się kryje między wierszami.
06:31
Well, what are we going to do about that? We could get smarter.
97
373000
3000
Co zamierzamy z tym zrobić? Moglibyśmy zmądrzeć.
06:34
I think that we're pretty smart, as compared to chimpanzees,
98
376000
5000
Myślę, że jesteśmy dość mądrzy, w porównaniu z szympansami,
06:39
but we're not smart enough to deal with the colossal problems that we face,
99
381000
6000
ale nie dość mądrzy, by uporać się z naszymi kolosalnymi problemami,
06:45
either in abstract mathematics
100
387000
2000
czy to w abstrakcyjnej matematyce,
06:47
or in figuring out economies, or balancing the world around.
101
389000
5000
czy w rozważaniach ekonomicznych, czy w poszukiwaniu równowagi w świecie.
06:52
So one thing we can do is live longer.
102
394000
3000
Możemy też żyć dłużej.
06:55
And nobody knows how hard that is,
103
397000
2000
Nikt nie wie, jakie to trudne,
06:57
but we'll probably find out in a few years.
104
399000
3000
ale pewnie dowiemy się za kilka lat.
07:00
You see, there's two forks in the road. We know that people live
105
402000
3000
Są dwie drogi. Wiemy, że ludzie żyją
07:03
twice as long as chimpanzees almost,
106
405000
4000
prawie dwa razy dłużej niż szympansy,
07:07
and nobody lives more than 120 years,
107
409000
4000
i nikt nie żyje dłużej niż 120 lat,
07:11
for reasons that aren't very well understood.
108
413000
3000
z powodów, których za dobrze nie rozumiemy.
07:14
But lots of people now live to 90 or 100,
109
416000
3000
Ale wielu ludzi żyje dziś 90 lub 100 lat,
07:17
unless they shake hands too much or something like that.
110
419000
4000
o ile nie podają zbyt często ręki, czy coś...
07:21
And so maybe if we lived 200 years, we could accumulate enough skills
111
423000
5000
Jeśli żylibyśmy 200 lat, moglibyśmy nagromadzić wystarczająco umiejętności
07:26
and knowledge to solve some problems.
112
428000
5000
i wiedzy, by rozwiązać niektóre problemy.
07:31
So that's one way of going about it.
113
433000
2000
To jedna możliwość.
07:33
And as I said, we don't know how hard that is. It might be --
114
435000
3000
I jak mówiłem, nie wiemy, jakie to trudne.
07:36
after all, most other mammals live half as long as the chimpanzee,
115
438000
6000
W końcu większość innych ssaków żyje o połowę krócej niż szympansy,
07:42
so we're sort of three and a half or four times, have four times
116
444000
3000
a my żyjemy jakieś 3½ lub 4 razy dłużej,
07:45
the longevity of most mammals. And in the case of the primates,
117
447000
6000
niż większość ssaków. Jeśli chodzi o naczelne,
07:51
we have almost the same genes. We only differ from chimpanzees,
118
453000
4000
mamy prawie te same geny. Różnimy się od szympansów,
07:55
in the present state of knowledge, which is absolute hogwash,
119
457000
6000
przy obecnym stanie wiedzy, a to i tak kompletne brednie,
08:01
maybe by just a few hundred genes.
120
463000
2000
może tylko o kilkaset genów.
08:03
What I think is that the gene counters don't know what they're doing yet.
121
465000
3000
Ale genowi rachmistrze wciąż raczej nie wiedzą za dobrze, co robią.
08:06
And whatever you do, don't read anything about genetics
122
468000
3000
Cokolwiek robicie, nie czytajcie nic o genetyce,
08:09
that's published within your lifetime, or something.
123
471000
3000
co opublikowano za waszego życia.
08:12
(Laughter)
124
474000
3000
(Śmiech)
08:15
The stuff has a very short half-life, same with brain science.
125
477000
4000
To ma bardzo krótki okres półrozpadu, tak samo jak w naukach o mózgu.
08:19
And so it might be that if we just fix four or five genes,
126
481000
6000
Może jeśli naprawimy cztery czy pięć genów,
08:25
we can live 200 years.
127
487000
2000
będziemy mogli żyć 200 lat.
08:27
Or it might be that it's just 30 or 40,
128
489000
3000
A może tylko 30 lub 40,
08:30
and I doubt that it's several hundred.
129
492000
2000
ale wątpię, by miało to być kilkaset.
08:32
So this is something that people will be discussing
130
494000
4000
O tym właśnie ludzie będą dyskutować,
08:36
and lots of ethicists -- you know, an ethicist is somebody
131
498000
3000
także etycy. Wiecie, etyk to ktoś,
08:39
who sees something wrong with whatever you have in mind.
132
501000
3000
kto widzi coś złego we wszystkim, o czym myślisz.
08:42
(Laughter)
133
504000
3000
(Śmiech)
08:45
And it's very hard to find an ethicist who considers any change
134
507000
4000
Bardzo trudno znaleźć etyka, który uważałby jakiekolwiek zmiany
08:49
worth making, because he says, what about the consequences?
135
511000
4000
za warte dokonania, bo zaraz zapyta o ich konsekwencje.
08:53
And, of course, we're not responsible for the consequences
136
515000
3000
Ale oczywiście, nie jesteśmy odpowiedzialni za konsekwencje tego,
08:56
of what we're doing now, are we? Like all this complaint about clones.
137
518000
6000
co robimy teraz, prawda? Na przykład to całe narzekanie na klonowanie.
09:02
And yet two random people will mate and have this child,
138
524000
3000
A jednak dwoje przypadkowych ludzi łączy się w parę, ma dziecko,
09:05
and both of them have some pretty rotten genes,
139
527000
4000
a oboje mają dość kiepskie geny,
09:09
and the child is likely to come out to be average.
140
531000
4000
więc dziecko ma duże szanse wyjść przeciętne.
09:13
Which, by chimpanzee standards, is very good indeed.
141
535000
6000
Co jak na standardy szympansie, jest bardzo dobrym wynikiem.
09:19
If we do have longevity, then we'll have to face the population growth
142
541000
3000
Długowieczność nie usunie problemu przeludnienia.
09:22
problem anyway. Because if people live 200 or 1,000 years,
143
544000
4000
Bo jeśli ludzie będą żyć 200 lub 1000 lat,
09:26
then we can't let them have a child more than about once every 200 or 1,000 years.
144
548000
6000
nie można im pozwolić na posiadanie dziecka częściej niż raz na 200 lub 1000 lat.
09:32
And so there won't be any workforce.
145
554000
3000
Więc nie będzie siły roboczej.
09:35
And one of the things Laurie Garrett pointed out, and others have,
146
557000
4000
A jedną ze spraw, na które zwróciła uwagę Laurie Garrett,
09:39
is that a society that doesn't have people
147
561000
5000
jest to, że społeczeństwo, które nie ma obywateli w wieku produkcyjnym
09:44
of working age is in real trouble. And things are going to get worse,
148
566000
3000
jest w prawdziwych tarapatach. A będzie coraz gorzej,
09:47
because there's nobody to educate the children or to feed the old.
149
569000
6000
bo nie ma nikogo, kto by uczył dzieci, albo karmił starców.
09:53
And when I'm talking about a long lifetime, of course,
150
575000
2000
Kiedy mówię o długim życiu,
09:55
I don't want somebody who's 200 years old to be like our image
151
577000
6000
to oczywiście nie chcę, by osoba w wieku 200 lat wyglądała jak nasza wizja
10:01
of what a 200-year-old is -- which is dead, actually.
152
583000
4000
tego, czym jest wiek 200 lat - czyli bycie trupem.
10:05
You know, there's about 400 different parts of the brain
153
587000
2000
Istnieje około 400 różnych części mózgu,
10:07
which seem to have different functions.
154
589000
2000
które wydają się mieć różne funkcje.
10:09
Nobody knows how most of them work in detail,
155
591000
3000
Nikt nie wie, jak większość z nich dokładnie działa,
10:12
but we do know that there're lots of different things in there.
156
594000
4000
ale wiemy, że jest tam mnóstwo różnych rzeczy,
10:16
And they don't always work together. I like Freud's theory
157
598000
2000
które nie zawsze współpracują.
10:18
that most of them are cancelling each other out.
158
600000
4000
Lubię teorię Freuda mówiącą, że większość z nich wyklucza się nawzajem.
10:22
And so if you think of yourself as a sort of city
159
604000
4000
Jeśli myślisz o sobie jako o mieście,
10:26
with a hundred resources, then, when you're afraid, for example,
160
608000
6000
w którym są setki zasobów, kiedy się obawiasz, możesz
10:32
you may discard your long-range goals, but you may think deeply
161
614000
4000
porzucić swoje długoterminowe cele, ale możesz też zastanowić się
10:36
and focus on exactly how to achieve that particular goal.
162
618000
4000
i skupić na tym, jak dokładnie osiągnąć ten konkretny cel.
10:40
You throw everything else away. You become a monomaniac --
163
622000
3000
Wszystko inne odrzucasz. Stajesz się monomaniakiem,
10:43
all you care about is not stepping out on that platform.
164
625000
4000
obchodzi cię tylko, by nie wypaść z tego pociągu.
10:47
And when you're hungry, food becomes more attractive, and so forth.
165
629000
4000
Kiedy jesteś głodny, jedzenie staje się atrakcyjniejsze, itd.
10:51
So I see emotions as highly evolved subsets of your capability.
166
633000
6000
Dlatego emocje to dla mnie wyspecjalizowane moduły naszych możliwości.
10:57
Emotion is not something added to thought. An emotional state
167
639000
4000
Emocje nie są czymś dodawanym do myśli. Stan emocjonalny
11:01
is what you get when you remove 100 or 200
168
643000
4000
to coś, co zostaje, gdy usuniesz 100 lub 200 zasobów,
11:05
of your normally available resources.
169
647000
3000
do których normalnie masz dostęp.
11:08
So thinking of emotions as the opposite of -- as something
170
650000
3000
Myślenie o emocjach jako o czymś przeciwnym
11:11
less than thinking is immensely productive. And I hope,
171
653000
4000
lub mniej ważnym od myślenia jest ogromnie produktywne. Mam nadzieję,
11:15
in the next few years, to show that this will lead to smart machines.
172
657000
4000
że w najbliższych latach to doprowadzi do mądrych maszyn.
11:19
And I guess I better skip all the rest of this, which are some details
173
661000
3000
Chyba najlepiej, jeśli pominę całą resztę, bo to szczegóły tego,
11:22
on how we might make those smart machines and --
174
664000
5000
jak można by zrobić te mądre maszyny.
11:27
(Laughter)
175
669000
5000
(Śmiech)
11:32
-- and the main idea is in fact that the core of a really smart machine
176
674000
5000
Kluczowa jest idea, że rdzeniem naprawdę mądrej maszyny
11:37
is one that recognizes that a certain kind of problem is facing you.
177
679000
5000
jest to, że rozpoznaje ona, że stajesz przed pewnym problemem.
11:42
This is a problem of such and such a type,
178
684000
3000
Jest to problem konkretnego rodzaju
11:45
and therefore there's a certain way or ways of thinking
179
687000
5000
i dlatego istnieje pewien sposób myślenia
11:50
that are good for that problem.
180
692000
2000
odpowiedni dla tego problemu.
11:52
So I think the future, main problem of psychology is to classify
181
694000
4000
Dlatego w przyszłości głównym problemem psychologii będzie klasyfikacja
11:56
types of predicaments, types of situations, types of obstacles
182
698000
4000
typów kłopotów, sytuacji, przeszkód,
12:00
and also to classify available and possible ways to think and pair them up.
183
702000
6000
oraz dostępnych i możliwych sposobów myślenia, a potem ich dopasowanie.
12:06
So you see, it's almost like a Pavlovian --
184
708000
3000
Czyli to prawie jak u Pawłowa...
12:09
we lost the first hundred years of psychology
185
711000
2000
Straciliśmy pierwsze 100 lat psychologii
12:11
by really trivial theories, where you say,
186
713000
3000
na trywialne teorie mówiące o tym,
12:14
how do people learn how to react to a situation? What I'm saying is,
187
716000
6000
jak ludzie uczą się i reagują w różnych sytuacjach.
12:20
after we go through a lot of levels, including designing
188
722000
5000
Chodzi mi o to, że przeszliśmy wiele poziomów, w tym projektowanie
12:25
a huge, messy system with thousands of ports,
189
727000
3000
wielkich niechlujnych systemów, złożonych z tysięcy części,
12:28
we'll end up again with the central problem of psychology.
190
730000
4000
a wracamy do centralnego problemu psychologii.
12:32
Saying, not what are the situations,
191
734000
3000
Rozważając nie sytuacje,
12:35
but what are the kinds of problems
192
737000
2000
ale rodzaje problemów
12:37
and what are the kinds of strategies, how do you learn them,
193
739000
3000
i rodzaje strategii, oraz jak się ich uczyć,
12:40
how do you connect them up, how does a really creative person
194
742000
3000
jak je łączyć, jak naprawdę kreatywny człowiek
12:43
invent a new way of thinking out of the available resources and so forth.
195
745000
5000
tworzy nowy sposób myślenia na podstawie dostępnych zasobów.
12:48
So, I think in the next 20 years,
196
750000
2000
Jeśli w ciągu następnych 20 lat
12:50
if we can get rid of all of the traditional approaches to artificial intelligence,
197
752000
5000
uda nam się wyzbyć tradycyjnego podejścia do sztucznej inteligencji,
12:55
like neural nets and genetic algorithms
198
757000
2000
w rodzaju sieci neuronowych, algorytmów genetycznych
12:57
and rule-based systems, and just turn our sights a little bit higher to say,
199
759000
6000
i systemów reguł decyzyjnych, a sięgniemy wzrokiem nieco dalej,
13:03
can we make a system that can use all those things
200
765000
2000
czy stworzymy system, który to wykorzysta
13:05
for the right kind of problem? Some problems are good for neural nets;
201
767000
4000
do odpowiednich problemów? Z niektórymi radzą sobie sieci neuronowe,
13:09
we know that others, neural nets are hopeless on them.
202
771000
3000
wobec innych są bezradne.
13:12
Genetic algorithms are great for certain things;
203
774000
3000
Algorytmy genetyczne mają swoje zastosowania;
13:15
I suspect I know what they're bad at, and I won't tell you.
204
777000
4000
chyba wiem, w czym są kiepskie i wam tego nie powiem.
13:19
(Laughter)
205
781000
1000
(Śmiech)
13:20
Thank you.
206
782000
2000
Dziękuję.
13:22
(Applause)
207
784000
6000
(Brawa)
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