TEDxSiliconValley
Damon Horowitz: We need a "moral operating system"
ดามอน โฮโรวิทซ์ ประกาศเรียก "ระบบปฏิบัติการณ์ทางศีลธรรม"
Filmed:
Readability: 3.2
795,617 views
ที่งานประชุม เท๊ด เอ็กส์ ซิลาคอนวาเลย์. ดามอน โฮโรวิทช์ ได้บรรยายถึงพลังอำนาจมหาศาลของเทคโนโลยีได้มอบให้กับเรา : เพื่อที่จะเรียนรู้มากขึ้น --โดยเฉพาะเรียนรู้กันและกัน -- มากกว่าแต่เก่าก่อน. ดามอน โฮโรวิทซ์ ได้นำผู้ฟังเข้าสู่การอภิปรายทางปรัชญา เชื้อเชิญให้พวกเราให้ความสนใจกันใหม่กับปรัชญาพื้นฐาน - หลักการทางจริยศาสตร์ - ที่อยู่เบื้องหลังการเบ่งบานของโลกของเราซึ่งถูกสร้างใหม่โดยสิ่งประดิษฐ์ มันอยู่ที่ไหนกันนะระบบปฏิบัติการณ์ทางศีลธรรมที่จะทำให้เราเข้าใจถึงมัน
Damon Horowitz - Philosopher, entrepreneur
Damon Horowitz explores what is possible at the boundaries of technology and the humanities. Full bio
Damon Horowitz explores what is possible at the boundaries of technology and the humanities. Full bio
Double-click the English transcript below to play the video.
00:15
Power.
0
0
2000
พลัง
00:17
That is the word that comes to mind.
1
2000
2000
คำนี้เข้ามาในความคิดผม
00:19
We're the new technologists.
2
4000
2000
พวกเราเป็นนักเทคโนโลยียุคใหม่
00:21
We have a lot of data, so we have a lot of power.
3
6000
3000
พวกเรา มีข้อมูลมากมาย ดังนั้น พวกเรามีจึงมีพลังอำนาจสูง
00:24
How much power do we have?
4
9000
2000
เรามีพลังอำนาจมากแค่ไหนกัน?
00:26
Scene from a movie: "Apocalypse Now" -- great movie.
5
11000
3000
ฉากนึงจากภาพยนต์เรื่อง "กองทัพอำมหิต" -- เรื่องนี้ดีนะครับ
00:29
We've got to get our hero, Captain Willard, to the mouth of the Nung River
6
14000
3000
ในฉากนี้ พระเอกของเรา กัปตัน วิลยาร์ต จะต้องไปให้ถึงปากแม่น้ำนุง
00:32
so he can go pursue Colonel Kurtz.
7
17000
2000
เพื่อตามล่า ผู้พัน เคอร์ซ
00:34
The way we're going to do this is fly him in and drop him off.
8
19000
2000
และวิธีเดินทางก็คือ บินไปแล้วหย่อนเขาลง
00:36
So the scene:
9
21000
2000
ในฉากนั้น :
00:38
the sky is filled with this fleet of helicopters carrying him in.
10
23000
3000
ท้องฟ้าก็เต็มไปด้วยฝูงบินเฮลิคอปเตอร์นำเขาเข้าไป
00:41
And there's this loud, thrilling music in the background,
11
26000
2000
และขณะนั้น ก็มีเสียงดนตรี เสียงดัง และ ตื่นเต้น บรรเลงเป็นประกอบ
00:43
this wild music.
12
28000
2000
ให้อารมณ์ดุดัน
00:45
♫ Dum da ta da dum ♫
13
30000
2000
♫ ปัม ปั่ม ปัม ปั๊ม ปาม ♫
00:47
♫ Dum da ta da dum ♫
14
32000
2000
♫ปัม ปั่ม ปัม ป้าม ป่าม♫
00:49
♫ Da ta da da ♫
15
34000
3000
♫ปัม ปั่ม ปาม ป้าม♫
00:52
That's a lot of power.
16
37000
2000
ทรงพลังมาก
00:54
That's the kind of power I feel in this room.
17
39000
2000
นั่นเป็นรูปแบบพลังที่ผมรู้สึกได้ภายในห้องนี้
00:56
That's the kind of power we have
18
41000
2000
เป็นรูปแบบพลังที่เรามี
00:58
because of all of the data that we have.
19
43000
2000
เพราะว่าข้อมูลทั้งหมดที่เรามี
01:00
Let's take an example.
20
45000
2000
ลองมาดูตัวอย่าง
01:02
What can we do
21
47000
2000
เราทำอะไรได้บ้าง
01:04
with just one person's data?
22
49000
3000
ถ้ามีข้อมูลจากคนๆนึง?
01:07
What can we do
23
52000
2000
เราทำอะไรได้บ้าง
01:09
with that guy's data?
24
54000
2000
กับข้อมูลของคนๆนั้น?
01:11
I can look at your financial records.
25
56000
2000
ผมดูข้อมูลทางการเงินคุณได้
01:13
I can tell if you pay your bills on time.
26
58000
2000
บอกได้ว่าคุณจ่ายเงินตรงเวลาไหม
01:15
I know if you're good to give a loan to.
27
60000
2000
รู้ว่าควรให้คุณกู้เงินหรือเปล่า
01:17
I can look at your medical records; I can see if your pump is still pumping --
28
62000
3000
ผมสามารถดูประวัติทางการแพทย์ของคุณ ดูว่าปั๊มยังทำงานดีอยู่หรือเปล่า
01:20
see if you're good to offer insurance to.
29
65000
3000
จะได้รู้ว่าควรออกประกันสุขภาพให้คุณไหม
01:23
I can look at your clicking patterns.
30
68000
2000
ผมสามารถดูว่าคุณมักคลิ๊กดูอะไร
01:25
When you come to my website, I actually know what you're going to do already
31
70000
3000
เมื่อคุณเข้ามาที่เว็บไซต์ผม จริงๆผมก็รู้แล้วว่าคุณกำลังจะทำอะไร
01:28
because I've seen you visit millions of websites before.
32
73000
2000
เพราะผมเห็นว่า คุณไปดูเว็บอะไรมาก่อนเป็นล้านๆเว็บ
01:30
And I'm sorry to tell you,
33
75000
2000
และขอโทษด้วยที่ต้องบอกคุณว่า
01:32
you're like a poker player, you have a tell.
34
77000
2000
คุณก็เหมือนคนเล่นโป๊กเกอร์ คุณล่วงรู้ก่อนได้
01:34
I can tell with data analysis what you're going to do
35
79000
2000
ผมบอกได้จากการวิเคราะห์ข้อมูล ว่าคุณกำลังจะทำอะไร
01:36
before you even do it.
36
81000
2000
ก่อนที่คุณจะทำเสียอีก
01:38
I know what you like. I know who you are,
37
83000
3000
ผมรู้ว่าคุณชอบอะไร รู้ว่าคุณเป็นใคร
01:41
and that's even before I look at your mail
38
86000
2000
ก่อนจะเห็นจดหมาย หรือโทรศัพท์ ของคุณ
01:43
or your phone.
39
88000
2000
ด้วยซ้ำไป
01:45
Those are the kinds of things we can do
40
90000
2000
นั่นเป็นสิ่งที่เราสามารถทำได้
01:47
with the data that we have.
41
92000
3000
ด้วยข้อมูลที่เรามี
01:50
But I'm not actually here to talk about what we can do.
42
95000
3000
แต่ผมไม่ได้มาที่นี่ เพื่อจะบอกว่า เราทำอะไรได้
01:56
I'm here to talk about what we should do.
43
101000
3000
ผมมาที่นี่เพื่อจะพูดเกี่ยวกับสิ่งที่เราควรทำ
02:00
What's the right thing to do?
44
105000
3000
อะไรเป็นการกระทำที่ถูกต้อง?
02:04
Now I see some puzzled looks
45
109000
2000
ตอนนี้ผมเห็นหลายคนส่งสายตาสงสัย
02:06
like, "Why are you asking us what's the right thing to do?
46
111000
3000
แบบว่า "มาถามเราทำไมเนี่ย ว่าการกระทำอะไรเป็นสิ่งที่ถูกต้อง
02:09
We're just building this stuff. Somebody else is using it."
47
114000
3000
เราก็แค่สร้างสิ่งนี้ขึ้นมา คนอื่นต่างหากที่ใช้มัน"
02:12
Fair enough.
48
117000
3000
ก็จริงอยู่ครับ
02:15
But it brings me back.
49
120000
2000
แต่มันทำให้ผม
02:17
I think about World War II --
50
122000
2000
กลับมานึกถึงสงครามโลกครั้งที่ 2
02:19
some of our great technologists then,
51
124000
2000
ผู้สร้างนวัตกรรมผู้ยิ่งใหญ่บางท่าน
02:21
some of our great physicists,
52
126000
2000
นักฟิสิกส์ผู้ยิ่งใหญ่บางท่าน
02:23
studying nuclear fission and fusion --
53
128000
2000
ศึกษานิวเคลียร์ฟิชชั่นและฟิวส์ชั่น
02:25
just nuclear stuff.
54
130000
2000
ก็แค่เรื่องเกี่ยวกับนิวเคลียร์
02:27
We gather together these physicists in Los Alamos
55
132000
3000
เรานำนักฟิสิกส์เหล่านี้มารวมตัวกันที่ ลอส อลามอส
02:30
to see what they'll build.
56
135000
3000
ดูว่าพวกเขาจะสร้างอะไรออกมา
02:33
We want the people building the technology
57
138000
3000
เราต้องการเห็นคนสร้างสรรค์นวัตกรรม
02:36
thinking about what we should be doing with the technology.
58
141000
3000
เราคิดถึงว่า เราเป็นอย่างไร เมื่อมีนวัตกรรมเหล่านี้
02:41
So what should we be doing with that guy's data?
59
146000
3000
แล้ว เราควรทำอย่างไรกับข้อมูลของคนพวกนี้หล่ะ
02:44
Should we be collecting it, gathering it,
60
149000
3000
เราควรเก็บ และทำการรวบรวมมันไหม
02:47
so we can make his online experience better?
61
152000
2000
เพื่อที่เราจะได้ทำให้ประสบการณ์ท่องโลกไซเบอร์ดีขึ้น
02:49
So we can make money?
62
154000
2000
เพื่อที่เราจะได้ทำเงินหรือเปล่า?
02:51
So we can protect ourselves
63
156000
2000
เพื่อที่เราจะได้ป้องกันพวกเราเอง
02:53
if he was up to no good?
64
158000
2000
ถ้าคนๆนี้กำลังจะก่อเหตุร้าย
02:55
Or should we respect his privacy,
65
160000
3000
หรือ เราควรให้ความเคารพกับสิทธิส่วนตัวเขา
02:58
protect his dignity and leave him alone?
66
163000
3000
ปกป้องเกียรติของเขา แล้วอย่างไปยุ่งกับเขา?
03:02
Which one is it?
67
167000
3000
อย่างไหนดีหล่ะ?
03:05
How should we figure it out?
68
170000
2000
แล้วเราจะรู้ได้อย่างไร?
03:07
I know: crowdsource. Let's crowdsource this.
69
172000
3000
ผมรู้: ข้อมูลจากมหาชน ครับมาสำรวจกัน
03:11
So to get people warmed up,
70
176000
3000
เพื่อเป็นการอุ่นเครื่อง
03:14
let's start with an easy question --
71
179000
2000
เรามาเริ่มกันที่คำถามง่ายๆ
03:16
something I'm sure everybody here has an opinion about:
72
181000
3000
อะไรที่ผมมั่นใจว่าทุกคนที่นี่จะต้องมีความเห็นหล่ะ :
03:19
iPhone versus Android.
73
184000
2000
ไอโฟน ปะทะ แอนดรอยด์
03:21
Let's do a show of hands -- iPhone.
74
186000
3000
ไหนยกมือครับ -- ไอโฟน
03:24
Uh huh.
75
189000
2000
อ่าฮ่า
03:26
Android.
76
191000
3000
แอนดรอยด์
03:29
You'd think with a bunch of smart people
77
194000
2000
คุณคิดใช่ไหม คนฉลาดพวกนี้
03:31
we wouldn't be such suckers just for the pretty phones.
78
196000
2000
เราไม่น่าเป็นพวกไม่ได้เรื่องเพียงแค่มีมือถือสวยๆใช้หรอกเนอะ
03:33
(Laughter)
79
198000
2000
(เสียงหัวเราะ)
03:35
Next question,
80
200000
2000
คำถามถัดไป
03:37
a little bit harder.
81
202000
2000
ยากขึ้นอีกนิด
03:39
Should we be collecting all of that guy's data
82
204000
2000
เราควรเก็บข้อมูลของชายคนนั้น
03:41
to make his experiences better
83
206000
2000
เพื่อทำให้เขาได้รับประสบการณ์ที่ดีขึ้น
03:43
and to protect ourselves in case he's up to no good?
84
208000
3000
และเพื่อปกป้องพวกเรา ในกรณีที่คนๆนี้กำลังคิดแผนร้าย?
03:46
Or should we leave him alone?
85
211000
2000
หรือว่า เราไม่ควรไปจุ้นจ้านกับเขา?
03:48
Collect his data.
86
213000
3000
เก็บข้อมูลของเขาไป
03:53
Leave him alone.
87
218000
3000
อย่าไปยุ่งกะเขา
03:56
You're safe. It's fine.
88
221000
2000
คุณปลอดภัยครับ ดีครับ
03:58
(Laughter)
89
223000
2000
(เสียงหัวเราะ)
04:00
Okay, last question --
90
225000
2000
โอเค คำถามสุดท้าย
04:02
harder question --
91
227000
2000
ยากขึ้นไปอีก
04:04
when trying to evaluate
92
229000
3000
เมื่อทำการประเมินผล
04:07
what we should do in this case,
93
232000
3000
ในกรณีนี้เราควรทำอย่างไร
04:10
should we use a Kantian deontological moral framework,
94
235000
4000
เราควรใช้ กรอบความคิด หลักศีลธรรม หน้าที่นิยมที่ตายตัว แบบ คานท์
04:14
or should we use a Millian consequentialist one?
95
239000
3000
หรือว่า เราควรใช้ แนวผลลัพธ์นิยม แบบ มิลล์?
04:19
Kant.
96
244000
3000
(อิมมานูเอล) คานท์
04:22
Mill.
97
247000
3000
(จอห์น สจ๊วต) มิลล์
04:25
Not as many votes.
98
250000
2000
คนโหวตไม่เยอะแฮะ
04:27
(Laughter)
99
252000
3000
(เสียงหัวเราะ)
04:30
Yeah, that's a terrifying result.
100
255000
3000
อืม ผลลัพธ์น่าสะพรึงกลัวครับ
04:34
Terrifying, because we have stronger opinions
101
259000
4000
มันน่ากลัว เพราะว่าเรามีแนวคิดที่ชัดเจน
04:38
about our hand-held devices
102
263000
2000
ที่มีต่อเครื่องมือเครื่องใช้
04:40
than about the moral framework
103
265000
2000
มากกว่าที่มีต่อ กรอบความคิดทางจริยธรรม
04:42
we should use to guide our decisions.
104
267000
2000
ที่เราควรใช้มันเป็นแนวทางการตัดสินใจ
04:44
How do we know what to do with all the power we have
105
269000
3000
เราจะรู้ได้อย่างไร ว่าเราต้องทำอย่างไรกับอำนาจที่เรามี
04:47
if we don't have a moral framework?
106
272000
3000
ถ้าเราไม่มี กรอบความคิดทางจริยธรรม
04:50
We know more about mobile operating systems,
107
275000
3000
เรารู้มากขึ้นเกี่ยวกับระบบปฏิบัติการของโทรศัพท์มือถือ
04:53
but what we really need is a moral operating system.
108
278000
3000
แต่ที่เราต้องการจริงๆคือ ระบบปฏิบัติการทางจริยธรรม
04:58
What's a moral operating system?
109
283000
2000
แล้ว ระบบปฏิบัติการทางจริยธรรม มันคืออะไรกัน?
05:00
We all know right and wrong, right?
110
285000
2000
พวกเรารู้ว่าอะไร ถูก และ ผิด ใช่ไหมครับ ?
05:02
You feel good when you do something right,
111
287000
2000
คุณรู้สึกดี เมื่อเราทำสิ่งที่ถูก
05:04
you feel bad when you do something wrong.
112
289000
2000
คุณรู้สึกแย่ เมื่อทำอะไรที่มันผิด
05:06
Our parents teach us that: praise with the good, scold with the bad.
113
291000
3000
พ่อแม่เราสอนว่า จงสรรเสริญการกระทำดี ตำหนิการกระทำชั่ว
05:09
But how do we figure out what's right and wrong?
114
294000
3000
แต่ เรารู้ได้อย่างไร ว่าอะไรผิด และ ถูก?
05:12
And from day to day, we have the techniques that we use.
115
297000
3000
และทุกวันนี้ เรามีเทคนิคต่างๆที่เราใช้
05:15
Maybe we just follow our gut.
116
300000
3000
บางทีเราเชื่อกึ๋นเรา
05:18
Maybe we take a vote -- we crowdsource.
117
303000
3000
บางทีเราใช้วิธีโหวต -- เราทำประชานิยม
05:21
Or maybe we punt --
118
306000
2000
หรือบางที เราก็เสี่ยงเอา
05:23
ask the legal department, see what they say.
119
308000
3000
ลองถามแผนกกฎหมาย ดูซิว่าพวกเขาจะว่าอย่างไร
05:26
In other words, it's kind of random,
120
311000
2000
หรือพูดอีกอย่างคือ มันก็เหมือนจะสุ่มๆ
05:28
kind of ad hoc,
121
313000
2000
ทำแบบเฉพาะกิจ
05:30
how we figure out what we should do.
122
315000
3000
เราจะรู้ได้อย่างไร ว่าเราควรทำอย่างไร
05:33
And maybe, if we want to be on surer footing,
123
318000
3000
และบางที ถ้าเราต้องการหลักยืนที่มันคงกว่านี้
05:36
what we really want is a moral framework that will help guide us there,
124
321000
3000
สิ่งที่เราต้องการจริงๆก็คือ กรอบความคิดทางจริยธรรมที่จะช่วยแนะแนวเรา
05:39
that will tell us what kinds of things are right and wrong in the first place,
125
324000
3000
ซึ่งมันจะบอกเราแต่แรกว่า สิ่งแบบไหนที่ถูก และผิด
05:42
and how would we know in a given situation what to do.
126
327000
4000
แล้ว รู้ว่าในสถานการณ์ที่ถูกมอบหมายให้นั้น เราต้องทำอย่างไร
05:46
So let's get a moral framework.
127
331000
2000
ฉะนั้น เรามาสร้างกรอบจริยธรรมกันเถอะ
05:48
We're numbers people, living by numbers.
128
333000
3000
พวกเราเป็นมนุษย์ตัวเลข อยู่กันด้วยตัวเลข
05:51
How can we use numbers
129
336000
2000
เราจะสามารถใช้ตัวเลขได้อย่างไร
05:53
as the basis for a moral framework?
130
338000
3000
เพื่อเป็นรากฐานสำหรับกรอบจริยธรรม?
05:56
I know a guy who did exactly that.
131
341000
3000
ผมรู้จักคนที่ทำแบบนั้นเป๊ะๆ
05:59
A brilliant guy --
132
344000
3000
เป็นคนที่ยอดเยี่ยม
06:02
he's been dead 2,500 years.
133
347000
3000
เขาเพิ่งเสียชีวิตไป 2,500 ปีเอง
06:05
Plato, that's right.
134
350000
2000
พลาโต้ ใช่แล้ว
06:07
Remember him -- old philosopher?
135
352000
2000
จำเขาได้ไหมครับ? นักปรัชญาแก่ๆท่านนี้
06:09
You were sleeping during that class.
136
354000
3000
คุณคงหลับปุ๋ยในชั่วโมงเรียนนั้น
06:12
And Plato, he had a lot of the same concerns that we did.
137
357000
2000
และพลาโต้ เขาก็ตระหนักถึงอะไรหลายๆอย่างเหมือนกันเรา
06:14
He was worried about right and wrong.
138
359000
2000
เขาเป็นห่วงเรื่องสิ่งที่ถูก และ ผิด
06:16
He wanted to know what is just.
139
361000
2000
เขาต้องการรู้ว่ามันคืออะไรแน่
06:18
But he was worried that all we seem to be doing
140
363000
2000
แต่เขาเป็นห่วงว่า ที่พวกเราทุกคนทำๆกันอยู่
06:20
is trading opinions about this.
141
365000
2000
ก็เป็นแค่การแลกเปลี่ยนความคิดกันไปมา
06:22
He says something's just. She says something else is just.
142
367000
3000
เขาบอกว่าอันนี้ถูก หล่อนบอกว่าอีกอย่างนึงถูก
06:25
It's kind of convincing when he talks and when she talks too.
143
370000
2000
มันฟังดูน่าเชื่อถือเมื่อเขาพูด และเมื่อหล่อนพูด ก็ด้วยเหมือนกัน
06:27
I'm just going back and forth; I'm not getting anywhere.
144
372000
2000
ผมแค่เดินหน้าแล้วก็ถอยกลับมา ผมไม่ได้ไปไหนเลย
06:29
I don't want opinions; I want knowledge.
145
374000
3000
ผมไม่ต้องการความเห็นครับ ผมต้องการความรู้
06:32
I want to know the truth about justice --
146
377000
3000
ต้องการรู้ความจริงเกี่ยวกับความเป็นธรรม
06:35
like we have truths in math.
147
380000
3000
เหมือนกับที่เรารู้ความจริงทางคณิตศาสตร์
06:38
In math, we know the objective facts.
148
383000
3000
ในวิชาคณิตศาสตร์ เรารู้ในเชิงวัตถุวิสัย
06:41
Take a number, any number -- two.
149
386000
2000
เลือกมาสักค่าหนึ่ง เลขอะไรก็ได้ สอง ละกัน
06:43
Favorite number. I love that number.
150
388000
2000
เลขโปรดผมเลย ผมชอบเลขนี้
06:45
There are truths about two.
151
390000
2000
มันมีความจริงเกี่ยวกับค่าที่เท่ากับสองครับ
06:47
If you've got two of something,
152
392000
2000
ถ้าคุณมีอะไรสองอย่าง
06:49
you add two more, you get four.
153
394000
2000
เพิ่มมันเข้าไปอีกสอง คุณจะได้สี่
06:51
That's true no matter what thing you're talking about.
154
396000
2000
มันเป็นจริงเสมอ ไม่ว่าสิ่งที่คุณพูดถึงคืออะไร
06:53
It's an objective truth about the form of two,
155
398000
2000
มันเป็นความจริงเชิงวัตถุวิสัยของเลขสอง
06:55
the abstract form.
156
400000
2000
ในทางทฤษฎี (ที่มองไม่เห็น)
06:57
When you have two of anything -- two eyes, two ears, two noses,
157
402000
2000
เมื่อคุณมีของสองสิ่ง -- สองตา สองหู สองจมูก
06:59
just two protrusions --
158
404000
2000
อะไรสักอย่างสองหน่วย --
07:01
those all partake of the form of two.
159
406000
3000
ทั้งหมดนั่นเป็นส่วนที่เข้าร่วมเป็นคุณสมบัติของ สอง
07:04
They all participate in the truths that two has.
160
409000
4000
มันทั้งหมด เข้าร่วมเป็นส่วนของความจริงที่สองเป็น
07:08
They all have two-ness in them.
161
413000
2000
ความเป็น สอง อยู่ในพวกมันทั้งหมด
07:10
And therefore, it's not a matter of opinion.
162
415000
3000
ดังนั้น มันไม่ใช่เรื่องของความเห็น
07:13
What if, Plato thought,
163
418000
2000
พลาโต้คิด ถ้าหากว่า
07:15
ethics was like math?
164
420000
2000
จริยศาสตร์เป็นเหมือนคณิตศาสตร์หล่ะ
07:17
What if there were a pure form of justice?
165
422000
3000
ถ้ามันมีรูปแบบความเป็นธรรมที่บริสุทธิ์
07:20
What if there are truths about justice,
166
425000
2000
ถ้ามันมีความจริงเกี่ยวกับความเป็นธรรม
07:22
and you could just look around in this world
167
427000
2000
และคุณก็แค่มองไปรอบๆ ในโลกนี้
07:24
and see which things participated,
168
429000
2000
ดูซิ ว่าสิ่งไหนที่เข้าร่วมด้วย
07:26
partook of that form of justice?
169
431000
3000
เป็นส่วนร่วมของความเป็นธรรม
07:29
Then you would know what was really just and what wasn't.
170
434000
3000
แล้วคุณก็จะทราบว่า อะไรที่เป็นสิ่งที่ใช่ และอะไรที่ไม่ใช่
07:32
It wouldn't be a matter
171
437000
2000
มันจะไม่ได้เป็นเพียงแค่
07:34
of just opinion or just appearances.
172
439000
3000
ความเห็น หรือ แค่รูปลักษณ์ที่ปรากฎ
07:37
That's a stunning vision.
173
442000
2000
นั่นช่างเป็นความเห็นที่น่าทึ่ง
07:39
I mean, think about that. How grand. How ambitious.
174
444000
3000
ผมหมายถึง ลองคิดดูสิ มันช่างยิ่งใหญ่ ช่างทะเยอทะยาน
07:42
That's as ambitious as we are.
175
447000
2000
แสนจะทะเยอทะยาน ไม่ต่างจากพวกเรา
07:44
He wants to solve ethics.
176
449000
2000
เขาต้องการที่จะไขปัญหาทางจริยศาสตร์
07:46
He wants objective truths.
177
451000
2000
เขาต้องการ ความจริงเชิงวัตถุวิสัย
07:48
If you think that way,
178
453000
3000
ถ้าคุณคิดในแนวนั้น
07:51
you have a Platonist moral framework.
179
456000
3000
คุณมีกรอบความคิดทางศีลธรรมแบบพลาโต้
07:54
If you don't think that way,
180
459000
2000
ถ้าคุณไม่ได้คิดแบบนั้น
07:56
well, you have a lot of company in the history of Western philosophy,
181
461000
2000
เอาหล่ะ คุณก็มีพรรคพวกมากมายเลยในประวัติศาสตร์ปรัชญาตะวันตก
07:58
because the tidy idea, you know, people criticized it.
182
463000
3000
เพราะว่าความคิดที่เป็นระเบียบแบบแผน -- คุณก็รู้ คนมันจะวิจารณ์มัน
08:01
Aristotle, in particular, he was not amused.
183
466000
3000
โดยเฉพาะ อริสโตเติล เขาไม่ขำด้วยครับ
08:04
He thought it was impractical.
184
469000
3000
เขาคิดว่า มันเป็นไปไม่ได้ในทางปฏิบัติ
08:07
Aristotle said, "We should seek only so much precision in each subject
185
472000
4000
อริสโตเติลกล่าวว่า "เราควรค้นหาความแม่นตรงในแต่ละวิชา
08:11
as that subject allows."
186
476000
2000
ตราบแต่ที่วิชานั้นจะเอื้ออำนวย"
08:13
Aristotle thought ethics wasn't a lot like math.
187
478000
3000
อริสโตเติลคิดว่า จริยศาสตร์ ไม่ได้เหมือนคณิตศาสตร์มากนัก
08:16
He thought ethics was a matter of making decisions in the here-and-now
188
481000
3000
เขาคิดว่า จริยศาสตร์ เป็นเรื่องของการตัดสินใจ ในสถาณการณ์ต่างๆ
08:19
using our best judgment
189
484000
2000
โดยใช้การวินิจฉัยที่ดีที่สุดของเรา
08:21
to find the right path.
190
486000
2000
เพื่อที่จะหาหนทางที่ถูกต้อง
08:23
If you think that, Plato's not your guy.
191
488000
2000
ถ้าคุณคิดว่า อืม ไม่ปลื้มพลาโต้แฮะ
08:25
But don't give up.
192
490000
2000
อย่าเพิ่งถอดใจครับ
08:27
Maybe there's another way
193
492000
2000
บางที เรายังมีอีกหนทาง
08:29
that we can use numbers as the basis of our moral framework.
194
494000
3000
ที่เราจะใช้ตัวเลขเป็นรากฐานของกรอบความคิดทางศีลธรรมของเรา
08:33
How about this:
195
498000
2000
เอาอย่างนี้ไหมครับ
08:35
What if in any situation you could just calculate,
196
500000
3000
ถ้าหากว่าในสถานการณ์ได้ๆ คุณสามารถแค่ทำการคำนวณ
08:38
look at the choices,
197
503000
2000
ดูตัวเลือก
08:40
measure out which one's better and know what to do?
198
505000
3000
ทำการวัดค่าว่าอันไหนดีที่สุด แล้วรู้ว่าต้องทำอย่างไร?
08:43
That sound familiar?
199
508000
2000
คุ้นๆไหมครับ?
08:45
That's a utilitarian moral framework.
200
510000
3000
นั่นคือกรอบความคิดทางศีลธรรมแบบประโยชน์นิยม (อรรถประโยชน์นิยม)
08:48
John Stuart Mill was a great advocate of this --
201
513000
2000
จอห์น สจ๊วต มิลล์ เป็นนักสนับสนุนตัวยง สำหรับทฤษฎีนี้ --
08:50
nice guy besides --
202
515000
2000
เป็นคนน่ารักนะครับ จะว่าไป --
08:52
and only been dead 200 years.
203
517000
2000
แล้วก็ เพิ่งตายไป 200 ปีเอง
08:54
So basis of utilitarianism --
204
519000
2000
พื้นฐานแนวคิดแบบอรรถประโยชน์นิยม --
08:56
I'm sure you're familiar at least.
205
521000
2000
อย่างน้อยผมมั่นใจว่าคุณคงคุ้นเคย
08:58
The three people who voted for Mill before are familiar with this.
206
523000
2000
สามท่านที่โหวตให้ แนวคิดของ มิลล์ ก่อนหน้านี้ คงคุ้นเคยกับมันนะครับ
09:00
But here's the way it works.
207
525000
2000
แต่ มันเป็นแบบนี้ครับ
09:02
What if morals, what if what makes something moral
208
527000
3000
จะเป็นอย่างไรถ้าหากว่า ศีลธรรม หรืออะไรสักอย่างที่ทำสักสิ่งคือศีลธรรม
09:05
is just a matter of if it maximizes pleasure
209
530000
2000
เป็นเพียงแค่ เรื่องที่ว่า มันให้ความพอใจสูงสุด
09:07
and minimizes pain?
210
532000
2000
และ ให้ความเจ็บปวดน้อยที่สุด?
09:09
It does something intrinsic to the act.
211
534000
3000
มันส่งผลถึงแก่นแท้ถึงการกระทำ
09:12
It's not like its relation to some abstract form.
212
537000
2000
มันไม่เหมือนกับความสัมพันธ์ของมันกับรูปแบบทางทฤษฎี
09:14
It's just a matter of the consequences.
213
539000
2000
มันเป็นแค่เรื่องของผลลัพธ์
09:16
You just look at the consequences
214
541000
2000
คุณเพียงแค่ดูที่ผลลัพธ์
09:18
and see if, overall, it's for the good or for the worse.
215
543000
2000
แล้วพิจารณาว่า โดยรวมแล้ว มันดี หรือว่า มันแย่กว่า
09:20
That would be simple. Then we know what to do.
216
545000
2000
นั่นมันก็น่าจะง่ายดี ง่ายกว่าที่เราต้องรู้ว่าต้องทำอะไร
09:22
Let's take an example.
217
547000
2000
ลองมาดูตัวอย่างกันครับ
09:24
Suppose I go up
218
549000
2000
สมมติว่า ผมเดินเข้ามา
09:26
and I say, "I'm going to take your phone."
219
551000
2000
แล้วบอกว่า "ผมจะเอาโทรศัพท์คุณไปหล่ะนะ"
09:28
Not just because it rang earlier,
220
553000
2000
ไม่ใช่เพราะว่าตะกี้มันดังหรอกนะครับ
09:30
but I'm going to take it because I made a little calculation.
221
555000
3000
แต่เพราะว่าผมกำลังจะเอามันไป เพื่อจะเอาไปใช้ทำการคำนวณนิดหน่อย
09:33
I thought, that guy looks suspicious.
222
558000
3000
ผมคิดว่า คุณคนนั้นดูกังขาน่าสงสัย
09:36
And what if he's been sending little messages to Bin Laden's hideout --
223
561000
3000
และ ถ้าเคยใช้โทรศัพท์ส่งข้อความไปยังที่ซ่อนตัวของ บิน ลาเดน หล่ะ
09:39
or whoever took over after Bin Laden --
224
564000
2000
หรือส่งหาใครก็ตามที่ดูแล บิน ลาเดน อยู่
09:41
and he's actually like a terrorist, a sleeper cell.
225
566000
3000
แล้ว จริงๆแล้วเขาเป็นเหมือนพวกผู้ก่อการร้าย ร่วมขบวนการกันเลย
09:44
I'm going to find that out, and when I find that out,
226
569000
3000
ผมกำลังจะสืบดู และเมื่อผมทราบแล้ว
09:47
I'm going to prevent a huge amount of damage that he could cause.
227
572000
3000
ผมจะป้องกันความเสียหายอันยิ่งใหญ่ที่เขาจะก่อ
09:50
That has a very high utility to prevent that damage.
228
575000
3000
นั่นก็จะเป็นประโยชน์อย่างมากมายที่จะป้องกันการเกิดความเสียหาย
09:53
And compared to the little pain that it's going to cause --
229
578000
2000
และเมื่อเปรียบเทียบกับความเจ็บปวดเพียงเล็กน้อยที่จะเกิดขึ้น --
09:55
because it's going to be embarrassing when I'm looking on his phone
230
580000
2000
เพราะว่า มันคงจะน่าอับอายเหมือนกัน ที่ผมจะไปดูโทรศัพท์ของเขา
09:57
and seeing that he has a Farmville problem and that whole bit --
231
582000
3000
และเห็นว่าเขามีปัญหาอยู่ในเกมส์ฟาร์มวิลล์ อะไรก็แนวนั้น--
10:00
that's overwhelmed
232
585000
3000
แต่มันแพ้คว่ำเลยครับ
10:03
by the value of looking at the phone.
233
588000
2000
ถ้าเราเปรีบเทียบกับสิ่งที่เราจะได้ จากการดูโทรศัพท์เขา
10:05
If you feel that way,
234
590000
2000
ถ้าคุณรู้สึกเช่นนี้
10:07
that's a utilitarian choice.
235
592000
3000
นี่คือทางเลือกแบบ อรรถประโยชน์นิยม
10:10
But maybe you don't feel that way either.
236
595000
3000
แต่ บางทีคุณก็ไม่ได้คิดแบบนี้อีกเช่นกัน
10:13
Maybe you think, it's his phone.
237
598000
2000
บางที คุณคิดว่า นี่มันโทรศัพท์เขา
10:15
It's wrong to take his phone
238
600000
2000
มันผิด ที่จะไปเอาของเขามา
10:17
because he's a person
239
602000
2000
เขาเป็นคนเหมือนกันนะ
10:19
and he has rights and he has dignity,
240
604000
2000
และเขาก็มีสิทธิ เขามีศักดิ์ศรี
10:21
and we can't just interfere with that.
241
606000
2000
และไม่ใช่ว่าเราอยู่ๆเราจะไปแทรกแซงอย่างนั้นได้
10:23
He has autonomy.
242
608000
2000
เขามีอัตตานัติ (ความเป็นอิสระในการปกครองตนเอง)
10:25
It doesn't matter what the calculations are.
243
610000
2000
มันไม่สำคัญว่าการคำนวณพวกนั้นคืออะไร
10:27
There are things that are intrinsically wrong --
244
612000
3000
มันมีสิ่งที่โดยเนื้อแท้แล้ว มันผิด --
10:30
like lying is wrong,
245
615000
2000
เหมือนกับ การโกหก เป็นสิ่งที่ผิด
10:32
like torturing innocent children is wrong.
246
617000
3000
เหมือนกับการ ทรมานเด็กๆที่ไร้เดียงสา เป็นสิ่งที่ผิด
10:35
Kant was very good on this point,
247
620000
3000
คาร์ท เป็นคนที่เก่งมากในเรื่องนี้
10:38
and he said it a little better than I'll say it.
248
623000
2000
และเขากล่าวไว้ได้ดีกว่าที่ผมจะพูดนิดหน่อย
10:40
He said we should use our reason
249
625000
2000
เขากล่าวไว้ว่า เราควรใช้เหตุผลของเรา
10:42
to figure out the rules by which we should guide our conduct,
250
627000
3000
เพื่อที่จะคิดกฎระเบียบที่เราสมควรจะใช้ชี้นำพฤติกรรมของเรา
10:45
and then it is our duty to follow those rules.
251
630000
3000
และแล้วมันก็เป็นหน้าที่ของเราที่จะทำตามกฎเหล่านั้น
10:48
It's not a matter of calculation.
252
633000
3000
มันไม่ใช่เรื่องของการคำนวณ
10:51
So let's stop.
253
636000
2000
เอาหล่ะ หยุดกันก่อน
10:53
We're right in the thick of it, this philosophical thicket.
254
638000
3000
เราอยู่่ท่ามกลางจุดที่ไม่ชัดเจน เป็นความไม่ชัดเจนทางปรัชญา
10:56
And this goes on for thousands of years,
255
641000
3000
และมันเป็นมาเช่นนี้นานนับพันๆปีแล้ว
10:59
because these are hard questions,
256
644000
2000
ก็เพราะว่ามันเป็นคำถามที่ยาก
11:01
and I've only got 15 minutes.
257
646000
2000
และผมก็มีเวลาแค่15นาที
11:03
So let's cut to the chase.
258
648000
2000
ฉะนั้นผมผ่าประเด็นเลยก็แล้วกัน
11:05
How should we be making our decisions?
259
650000
4000
เราควรทำตัวอย่างไรในการตัดสินใจ?
11:09
Is it Plato, is it Aristotle, is it Kant, is it Mill?
260
654000
3000
แบบพลาโต้ อริสโตเติล แบบคาร์ท หรือว่า มิลล์?
11:12
What should we be doing? What's the answer?
261
657000
2000
เราควรจะประพฤติอย่างไร อะไรคือคำตอบ?
11:14
What's the formula that we can use in any situation
262
659000
3000
สูตรอะไรกันที่เราจะมาสามารถใช้ได้ไม่ว่าในสถาณการณ์ใด
11:17
to determine what we should do,
263
662000
2000
เพื่อที่จะตัดสินใจว่าเราควรทำเช่นไร
11:19
whether we should use that guy's data or not?
264
664000
2000
ว่าเราควรใช้ข้อมูลของคนๆนี้หรือไม่?
11:21
What's the formula?
265
666000
3000
สูตรนั้นคืออะไร?
11:25
There's not a formula.
266
670000
2000
มันไม่มีสูตรหรอกครับ
11:29
There's not a simple answer.
267
674000
2000
มันไม่มีคำตอบที่เรียบง่าย
11:31
Ethics is hard.
268
676000
3000
จริยศาสตร์เป็นเรื่องที่ยาก
11:34
Ethics requires thinking.
269
679000
3000
จริยศาสตร์ต้องการความคิด
11:38
And that's uncomfortable.
270
683000
2000
แล้วนั่นมันก็น่าลำบากใจ
11:40
I know; I spent a lot of my career
271
685000
2000
ผมทราบครับ ผมใช้เวลาส่วนมากในการทำงาน
11:42
in artificial intelligence,
272
687000
2000
ไปกับ จักรกลอัฉริยะ
11:44
trying to build machines that could do some of this thinking for us,
273
689000
3000
พยายามที่จะสร้างเครื่องยนต์ที่มีความสามารถบางส่วนเหมือนกับการคิดของเรา
11:47
that could give us answers.
274
692000
2000
นั่นมันอาจให้คำตอบเราได้
11:49
But they can't.
275
694000
2000
แต่มันทำไม่ได้ครับ
11:51
You can't just take human thinking
276
696000
2000
คุณไม่สามารถแค่เอาความคิดจากมนุษย์
11:53
and put it into a machine.
277
698000
2000
ไปใส่ให้กับเครื่องยนต์
11:55
We're the ones who have to do it.
278
700000
3000
พวกเราเป็นคนที่ต้องทำมัน
11:58
Happily, we're not machines, and we can do it.
279
703000
3000
ช่างน่ายินดี พวกเราไม่ใช่เครื่องจักร และพวกเราทำเช่นนั้นได้
12:01
Not only can we think,
280
706000
2000
ไม่ใช่เพียงแต่ว่าเราสามารถที่จะคิดได้
12:03
we must.
281
708000
2000
แต่เราต้องคิด
12:05
Hannah Arendt said,
282
710000
2000
ฮันนาห์ อเรนตท์ กล่าวว่า
12:07
"The sad truth
283
712000
2000
"เป็นเรื่องจริงที่น่าเศร้าว่า
12:09
is that most evil done in this world
284
714000
2000
การกระทำอันชั่วร้ายส่วนใหญ่ในโลกของเรา
12:11
is not done by people
285
716000
2000
ไม่ได้เกิดจากมนุษย์
12:13
who choose to be evil.
286
718000
2000
ผู้ที่เลือกที่จะเป็นคนพาล
12:15
It arises from not thinking."
287
720000
3000
แต่มันเกิดขึ้นมาจากการไม่ได้คิด"
12:18
That's what she called the "banality of evil."
288
723000
4000
นั่นเป็นสิ่งที่เธอเรียกว่า "ความไม่สร้างสรรค์ของสิ่งชั่วร้าย"
12:22
And the response to that
289
727000
2000
และการโต้ตอบต่อสิ่งนั้น
12:24
is that we demand the exercise of thinking
290
729000
2000
คือพวกเราต้องการแบบฝึกหัดสำหรับการคิด
12:26
from every sane person.
291
731000
3000
จากทุกคนที่มีสติ
12:29
So let's do that. Let's think.
292
734000
2000
เอาหล่ะลองทำดูครับ ลองคิด
12:31
In fact, let's start right now.
293
736000
3000
ที่จริงแล้ว ลองทำดูตอนนี้เลยดีกว่า
12:34
Every person in this room do this:
294
739000
3000
ทุกคนในห้องนี้ ทำอย่างนี้ครับ
12:37
think of the last time you had a decision to make
295
742000
3000
คิดถึงครั้งสุดท้ายที่คุณต้องตัดสินใจ
12:40
where you were worried to do the right thing,
296
745000
2000
ซึ่งคุณนั้นเป็นกังวลว่ามันจะเป็นสิ่งที่ถูกต้องไหม
12:42
where you wondered, "What should I be doing?"
297
747000
2000
ซึ่งคุณสงสัยว่า "แล้วอย่างนั้นฉันไปทำอะไรหล่ะเนี่ย?"
12:44
Bring that to mind,
298
749000
2000
ดึงความจำนั้นออกมาครับ
12:46
and now reflect on that
299
751000
2000
แล้วทีนี้ ไตร่ตรองดู
12:48
and say, "How did I come up that decision?
300
753000
3000
แล้วบอกว่า "การตัดสินใจนั้นเราได้มาอย่างไร"
12:51
What did I do? Did I follow my gut?
301
756000
3000
แล้วฉันทำอะไร ฉันทำตามกี๋นหรือเปล่านะ
12:54
Did I have somebody vote on it? Or did I punt to legal?"
302
759000
2000
ฉันให้คนช่วยออกความเห็น หรือว่า วิ่งรี่ไปพึ่งกฎหมาย
12:56
Or now we have a few more choices.
303
761000
3000
หรือว่า ตอนนี้ เรามีตัวเลือกมากขึ้นอีกหน่อย
12:59
"Did I evaluate what would be the highest pleasure
304
764000
2000
"ฉันประเมินหรือเปล่า ว่าอะไรจะให้ผลที่น่าพึงพอใจที่สุด
13:01
like Mill would?
305
766000
2000
เหมือนกับที่มิลล์จะทำ?
13:03
Or like Kant, did I use reason to figure out what was intrinsically right?"
306
768000
3000
หรือว่า แบบคาร์ท ฉันใช้เหตุผลในเพื่อให้ได้มาซึ่งแก่นของความถูกต้องหรือเปล่า"
13:06
Think about it. Really bring it to mind. This is important.
307
771000
3000
ลองคิดดูครับ เอาจริงๆนะครับ ดึงความคิดออกมา มันสำคัญครับ
13:09
It is so important
308
774000
2000
มันสำคัญมากๆ
13:11
we are going to spend 30 seconds of valuable TEDTalk time
309
776000
2000
เรากำลังจะใช้เวลา 30 วินาทีอันมีค่ายิ่งสำหรับการบรรยาย ณ TED
13:13
doing nothing but thinking about this.
310
778000
2000
ไม่ทำอะไรอื่น นอกจากคิดพิจารณาเกี่ยวกับสิ่งนี้
13:15
Are you ready? Go.
311
780000
2000
พร้อมหรือยังครับ เริ่ม
13:33
Stop. Good work.
312
798000
3000
หยุด เยี่ยมครับ
13:36
What you just did,
313
801000
2000
สิ่งที่คุณได้คิด
13:38
that's the first step towards taking responsibility
314
803000
2000
นั่นเป็นก้าวแรกไปสู่การมีหน้าที่รับผิดชอบ
13:40
for what we should do with all of our power.
315
805000
3000
ต่อสิ่งที่เราควรทำ ด้วยอำนาจทั้งหมดของเรา
13:45
Now the next step -- try this.
316
810000
3000
ทีนี้ ขั้นต่อไป -- ลองนี่ดู
13:49
Go find a friend and explain to them
317
814000
2000
ไปหาเพื่อน และอธิบายให้พวกเขาฟัง
13:51
how you made that decision.
318
816000
2000
ว่าคุณทำการตัดสินใจอย่างไร
13:53
Not right now. Wait till I finish talking.
319
818000
2000
ไม่ใช่ตอนนี้ครับ รอผมบรรยายจบก่อน
13:55
Do it over lunch.
320
820000
2000
ทำดูตอนพักเที่ยงก็ได้ครับ
13:57
And don't just find another technologist friend;
321
822000
3000
และอย่าไปหาแค่เพื่อนชาวเทคโนโลยีนะครับ
14:00
find somebody different than you.
322
825000
2000
หาใครสักคนที่แตกต่างจากคุณ
14:02
Find an artist or a writer --
323
827000
2000
หาศิลปิน หรือนักเขียน
14:04
or, heaven forbid, find a philosopher and talk to them.
324
829000
3000
หรือ หากสวรรค์ไม่เป็นใจ ลองคุยกับนักปรัชญาดูครับ
14:07
In fact, find somebody from the humanities.
325
832000
2000
ความจริงแล้ว หาใครสักคนที่มาจากด้านมนุษย์ศาสตร์
14:09
Why? Because they think about problems
326
834000
2000
ทำไมหรอครับ เพราะว่าคนพวกนี้คิดเกี่ยวกับปัญหา
14:11
differently than we do as technologists.
327
836000
2000
แตกต่างจากพวกเราชาวเทคโนโลยี
14:13
Just a few days ago, right across the street from here,
328
838000
3000
เมื่อไม่กี่วันก่อน อีกฝั่งหนึ่งของถนนจากตรงนี้
14:16
there was hundreds of people gathered together.
329
841000
2000
มีผู้คนเป็นร้อยๆมาชุมนุมรวมกัน
14:18
It was technologists and humanists
330
843000
2000
มีทั้งนักเทคโนโลยีและนักมนุษย์ศาสตร์
14:20
at that big BiblioTech Conference.
331
845000
2000
ที่งานประชุมวิชาการ บิบิโล เทค
14:22
And they gathered together
332
847000
2000
และพวกเขามารวมตัวกัน
14:24
because the technologists wanted to learn
333
849000
2000
เพราะว่า ชาวเทคโนโลยีต้องการที่จะเรียนรู้
14:26
what it would be like to think from a humanities perspective.
334
851000
3000
ว่ามันจะเป็นอย่างไรที่จะคิดด้วยทัศนคติแบบชาวมนุษย์ศาสตร์
14:29
You have someone from Google
335
854000
2000
เรามีคนๆหนึ่งมาจาก กูเกิล
14:31
talking to someone who does comparative literature.
336
856000
2000
พูดคุยกับคนๆหนึ่งที่ทำงานด้านวรรณกรรมเปรียบเทียบ
14:33
You're thinking about the relevance of 17th century French theater --
337
858000
3000
คุณกำลังคิดเกี่ยวกับความสัมพันธ์รของโรงละครฝรั่งเศสยุคศตวรรษที่17
14:36
how does that bear upon venture capital?
338
861000
2000
ว่ามันยืนหยัดอยู่ท่ามกลางเมืองหลวงอันตรายนี่ได้อย่างไร?
14:38
Well that's interesting. That's a different way of thinking.
339
863000
3000
อืม นั่นก็น่าสนใจครับ เป็นแนวทางความคิดที่แตกต่าง
14:41
And when you think in that way,
340
866000
2000
และเมื่อคุณคิดในแนวทางนั้น
14:43
you become more sensitive to the human considerations,
341
868000
3000
ก็จะกลายเป็นว่าคุณมีความละเอียดอ่อนต่อเข้าอกเข้าใจเพื่อนมนุษย์
14:46
which are crucial to making ethical decisions.
342
871000
3000
ซึ่งมันเป็นสิ่งสำคัญมากต่อการตัดสินใจทางจริยธรรม
14:49
So imagine that right now
343
874000
2000
ฉะนั้น ตอนนี้ จินตนาการ สิครับ
14:51
you went and you found your musician friend.
344
876000
2000
คุณออกไปและพบเพื่อนนักดนตรีของคุณ
14:53
And you're telling him what we're talking about,
345
878000
3000
คุณบอกเล่าให้เขาฟังเกี่ยวกับสิ่งที่เราพูดคุยกัน
14:56
about our whole data revolution and all this --
346
881000
2000
เกี่ยวกับเรื่อง การปฏิวัติข้อมูลทั้งหมด และทั้งหมดนี้
14:58
maybe even hum a few bars of our theme music.
347
883000
2000
บางที คุณอาจฮัมเพลงเอกของเราสักท่อนสองท่อน
15:00
♫ Dum ta da da dum dum ta da da dum ♫
348
885000
3000
♫ปัม ป่าม ปัม ปัม ป้าม ปัม ป่าม ปัม ปัม ป้าม♫
15:03
Well, your musician friend will stop you and say,
349
888000
2000
อ้า เพื่อนนักดนตรีก็จะหยุดคุณแล้วบอกว่า
15:05
"You know, the theme music
350
890000
2000
"เธอรู้ไหม เพลงเอก
15:07
for your data revolution,
351
892000
2000
ของการปฏิวัติข้องมูลของเธอหน่ะ
15:09
that's an opera, that's Wagner.
352
894000
2000
มันเป็นอุปรากร นั่นมัน(แต่งโดย)วาร์กเนอร์ หนิ
15:11
It's based on Norse legend.
353
896000
2000
มันมีเค้าโครงเรื่องจากตำนานยุโรปเหนือ (นอร์ส)
15:13
It's Gods and mythical creatures
354
898000
2000
มันเกี่ยวกับเทพเจ้าและสรรพสัตว์ในตำนาน
15:15
fighting over magical jewelry."
355
900000
3000
ต่อสู้แย่งชิงอัญมณีวิเศษ"
15:19
That's interesting.
356
904000
3000
อืม น่าสนใจนะครับ
15:22
Now it's also a beautiful opera,
357
907000
3000
แล้วทีนี้ อุปรากรอันงดงามนี่ก็ด้วย
15:25
and we're moved by that opera.
358
910000
3000
พวกเราได้รับการดลใจจากอุปรากร
15:28
We're moved because it's about the battle
359
913000
2000
พวกเรามีความรู้สึกร่วม เพราะว่ามันเกี่ยวกับการรบ
15:30
between good and evil,
360
915000
2000
ระหว่างธรรมะและอธรรม
15:32
about right and wrong.
361
917000
2000
เกี่ยวกับสิ่งที่ถูก และ ผิด
15:34
And we care about right and wrong.
362
919000
2000
และเรา ก็ใส่ใจในสิ่งที่ถูกและผิด
15:36
We care what happens in that opera.
363
921000
3000
เรา สนใจสิ่งที่เกิดขึ้นในอุปรากร
15:39
We care what happens in "Apocalypse Now."
364
924000
3000
เรา สนใจสิ่งที่เกิดขึ้นในหนังเรื่อง "กองทัพอำมหิต"
15:42
And we certainly care
365
927000
2000
และ แน่นอนว่า เราสนใจ
15:44
what happens with our technologies.
366
929000
2000
สิ่งที่เกิดขึ้นกับนวัตกรรมของเรา
15:46
We have so much power today,
367
931000
2000
ทุกวันนี้เรามีอำนาจมากมายเหลือเกิน
15:48
it is up to us to figure out what to do,
368
933000
3000
มันขึ้นอยู่กับเราที่จะตระหนักว่าต้องทำอย่างไร
15:51
and that's the good news.
369
936000
2000
และนั่นก็เป็นข่าวดีครับ
15:53
We're the ones writing this opera.
370
938000
3000
เราเป็นผู้ซึ่งเขียนบทอุปรากรนี้
15:56
This is our movie.
371
941000
2000
นี่คือภาพยนต์ของเรา
15:58
We figure out what will happen with this technology.
372
943000
3000
เราตระหนักว่า อะไรจะเกิดขึ้นกับนวัตกรรมเหล่านี้
16:01
We determine how this will all end.
373
946000
3000
เรามีเป้าหมายแน่วแน่ ว่าทั้งหมดนี้ จะลงเอยเช่นไร
16:04
Thank you.
374
949000
2000
ขอบคุณมากครับ
16:06
(Applause)
375
951000
5000
(เสียงปรบมือ)
ABOUT THE SPEAKER
Damon Horowitz - Philosopher, entrepreneurDamon Horowitz explores what is possible at the boundaries of technology and the humanities.
Why you should listen
Damon Horowitz is a philosophy professor and serial entrepreneur. He recently joined Google as In-House Philosopher / Director of Engineering, heading development of several initiatives involving social and search. He came to Google from Aardvark, the social search engine, where he was co-founder and CTO, overseeing product development and research strategy. Prior to Aardvark, Horowitz built several companies around applications of intelligent language processing. He co-founded Perspecta (acquired by Excite), was lead architect for Novation Biosciences (acquired by Agilent), and co-founded NewsDB (now Daylife).
Horowitz teaches courses in philosophy, cognitive science, and computer science at several institutions, including Stanford, NYU, University of Pennsylvania and San Quentin State Prison.
Get more information on the Prison University Project >>
Damon Horowitz | Speaker | TED.com