TEDxBeaconStreet
Alex Wissner-Gross: A new equation for intelligence
Alex Wissner-Gross: Zekâ için yeni bir denklem
Filmed:
Readability: 5.9
2,098,891 views
Zekâ için bir denklem var mıdır? Evet. İşte budur: F = T ∇ Sτ. Fizikçi ve bilgisayar bilimcisi Alex Wissner-Gross, bu etkileyici ve öğretici konuşmasında bu denklemin ne olduğunu açıklıyor. (TEDxBeaconStreet'te filme alınmıştır.)
Alex Wissner-Gross - Scientist, entrepreneur, inventor
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio
Double-click the English transcript below to play the video.
00:12
Intelligence -- what is it?
0
899
3667
Zekâ nedir?
00:16
If we take a look back at the history
1
4566
2291
Eğer zekânın nasıl algılandığı konusunda
00:18
of how intelligence has been viewed,
2
6857
2624
tarihe göz atarsak,
00:21
one seminal example has been
3
9481
3618
yaratıcı bir örnek,
00:25
Edsger Dijkstra's famous quote that
4
13099
3477
Edsger Dijkstra'nın şu ünlü deyişidir:
00:28
"the question of whether a machine can think
5
16576
3111
"Bir makinenin düşünüp düşünemeyeceği sorusu,
00:31
is about as interesting
6
19687
1310
hemen hemen bir denizaltının
00:32
as the question of whether a submarine
7
20997
2971
yüzüp yüzemeyeceği sorusu
00:35
can swim."
8
23968
1790
kadar ilginçtir."
00:37
Now, Edsger Dijkstra, when he wrote this,
9
25758
3844
Edsger Dijkstra bunu
00:41
intended it as a criticism
10
29602
2054
Alan Turing gibi,
00:43
of the early pioneers of computer science,
11
31656
3000
bilgisayar biliminin öncülerine
yönelik bir eleştiri olarak yazmıştı.
00:46
like Alan Turing.
12
34656
1747
00:48
However, if you take a look back
13
36403
2499
Ancak, geriye dönüp bakar
00:50
and think about what have been
14
38902
1965
ve yüzen yapay makineler
00:52
the most empowering innovations
15
40867
1996
ile uçan yapay makineleri
00:54
that enabled us to build
16
42863
1879
yapmamızı sağlayan
00:56
artificial machines that swim
17
44742
2234
en faydalı buluşların
00:58
and artificial machines that [fly],
18
46976
2573
neler olduğunu düşünürseniz,
01:01
you find that it was only through understanding
19
49549
3547
yalnızca yüzme ve uçmanın altında yatan
01:05
the underlying physical mechanisms
20
53096
2608
fiziksel mekanizmaları anlayabilmemiz
01:07
of swimming and flight
21
55704
2779
sebebiyle bu makineleri
01:10
that we were able to build these machines.
22
58483
3172
yapabildiğimizi görürsünüz.
01:13
And so, several years ago,
23
61655
2256
Ben de birkaç yıl önce
01:15
I undertook a program to try to understand
24
63911
3249
zekânın altında yatan
temel fiziksel mekanizmaları anlayabilmek için
01:19
the fundamental physical mechanisms
25
67160
2634
01:21
underlying intelligence.
26
69794
2768
bir program üstlendim.
01:24
Let's take a step back.
27
72562
1860
Bir durup düşünelim.
01:26
Let's first begin with a thought experiment.
28
74422
3149
Önce bir düşünce deneyiyle başlayalım.
01:29
Pretend that you're an alien race
29
77571
2854
Dünya biyolojisi, dünya nöroloji bilimi veya
01:32
that doesn't know anything about Earth biology
30
80425
3041
dünya zekâsı hakkında hiçbir şey
01:35
or Earth neuroscience or Earth intelligence,
31
83466
3116
bilmeyen bir uzaylı olduğunuzu düşünün.
01:38
but you have amazing telescopes
32
86582
2192
Ancak inanılmaz teleskoplarınız var
01:40
and you're able to watch the Earth,
33
88774
2362
ve dünyayı seyredebiliyorsunuz.
01:43
and you have amazingly long lives,
34
91136
2332
Aynı zamanda çok uzun hayatlarınız var,
01:45
so you're able to watch the Earth
35
93468
1499
böylece dünyayı milyonlarca, hatta milyarlarca
01:46
over millions, even billions of years.
36
94967
3442
yıl seyredebiliyorsunuz.
01:50
And you observe a really strange effect.
37
98409
3015
Ve çok garip bir sonuç gözlemliyorsunuz.
01:53
You observe that, over the course of the millennia,
38
101424
4312
Şunu gözlemliyorsunuz: 1000 yıl boyunca
01:57
Earth is continually bombarded with asteroids
39
105736
4285
dünya sürekli göktaşı yağmuru altındayken
02:02
up until a point,
40
110021
2087
bir an geliyor ve
kabaca bizim zamanımızdaki,
02:04
and that at some point,
41
112108
1531
02:05
corresponding roughly to our year, 2000 AD,
42
113639
4192
M.S.2000 senesindeki o andan itibaren,
02:09
asteroids that are on
43
117831
1716
yörüngesi Dünya'nın
02:11
a collision course with the Earth
44
119547
1931
yörüngesi ile çakışan, dolayısıyla
02:13
that otherwise would have collided
45
121478
1975
çarpması beklenen göktaşları
02:15
mysteriously get deflected
46
123453
2415
dünyaya çarpmadan, esrarengiz bir şekilde
02:17
or they detonate before they can hit the Earth.
47
125868
3072
yön değiştiriyor veya patlıyorlar.
02:20
Now of course, as earthlings,
48
128940
2083
Elbette, dünyalılar olarak
02:23
we know the reason would be
49
131023
1544
biz biliyoruz ki, bunun nedeni
02:24
that we're trying to save ourselves.
50
132567
1756
kendimizi korumaya çalışıyor olmamız.
02:26
We're trying to prevent an impact.
51
134323
3080
Bir çarpışmayı engellemeye çalışıyoruz.
Ama eğer bunların hiçbirinden haberdar olmayan,
02:29
But if you're an alien race
52
137403
1711
02:31
who doesn't know any of this,
53
139114
1146
dünya zekâsı ile ilgili hiçbir fikre sahip olmayan
02:32
doesn't have any concept of Earth intelligence,
54
140260
2514
bir uzaylı iseniz,
02:34
you'd be forced to put together
55
142774
1728
belli bir noktaya kadar
02:36
a physical theory that explains how,
56
144502
2918
bir gezegenin yüzeyini tahrip eden göktaşlarının
02:39
up until a certain point in time,
57
147420
2538
esrarengiz bir şekilde bundan vazgeçmesi üzerine,
02:41
asteroids that would demolish the surface of a planet
58
149958
4449
bunun nasıl olduğunu açıklayan fiziksel bir kuram
02:46
mysteriously stop doing that.
59
154407
3231
ortaya koymaya mecbur olursunuz.
02:49
And so I claim that this is the same question
60
157638
4204
Ben de, bu sorunun zekânın fiziki yapısını
02:53
as understanding the physical nature of intelligence.
61
161842
3998
anlamakla aynı soru olduğunu iddia ediyorum.
02:57
So in this program that I
undertook several years ago,
undertook several years ago,
62
165840
3882
İşte yıllar önce başladığım bu programda,
03:01
I looked at a variety of different threads
63
169722
2765
bilimdeki, çeşitli dsiplinlerdeki
03:04
across science, across a variety of disciplines,
64
172487
3162
farklı bağlantı çeşitlerine baktım
03:07
that were pointing, I think,
65
175649
1892
ki bence bunlar
03:09
towards a single, underlying mechanism
66
177541
2548
zekânın altyapısını oluşturan tek bir mekanizmaya
03:12
for intelligence.
67
180089
1581
işaret ediyor.
03:13
In cosmology, for example,
68
181670
2546
Örneğin evrenbilimde
03:16
there have been a variety of
different threads of evidence
different threads of evidence
69
184216
2747
pek çok kanıt gösteriyor ki, evrenimiz
03:18
that our universe appears to be finely tuned
70
186963
3407
zekânın gelişmesi için, özellikle de
03:22
for the development of intelligence,
71
190370
2153
olası gelecek çeşitliliğini
03:24
and, in particular, for the development
72
192523
2389
en yüksek sayıya ulaştıracak
03:26
of universal states
73
194912
1886
evren durumlarının
03:28
that maximize the diversity of possible futures.
74
196798
4098
gelişmesi için özenle ayarlanmıştır.
03:32
In game play, for example, in Go --
75
200896
2344
Go oyunu gibi bazı oyunlarda --
03:35
everyone remembers in 1997
76
203240
3025
satrançta IBM bilgisayar Deep Blue'nun
03:38
when IBM's Deep Blue beat
Garry Kasparov at chess --
Garry Kasparov at chess --
77
206265
3951
Garry Kasparov'u yendiğini herkes hatırlar --
03:42
fewer people are aware
78
210216
1523
çok az insan farkında olsa da,
03:43
that in the past 10 years or so,
79
211739
2018
yaklaşık son 10 senedir,
03:45
the game of Go,
80
213757
1198
daha fazla sayıda
03:46
arguably a much more challenging game
81
214955
1956
dallanma olasılığına sahip olması nedeniyle
03:48
because it has a much higher branching factor,
82
216911
2425
daha zor kabul edilen Go oyunu da
03:51
has also started to succumb
83
219336
1702
bilgisayarlar karşısında
03:53
to computer game players
84
221038
1865
aynı nedenden dolayı
03:54
for the same reason:
85
222903
1573
yenik düşmeye başlamıştır:
03:56
the best techniques right now
for computers playing Go
for computers playing Go
86
224476
2800
Şu anda Go oynayan bilgisayarların en iyi teknikleri,
03:59
are techniques that try to maximize future options
87
227276
3696
oyun esnasında olası gelecek sayısını en yükseğe
04:02
during game play.
88
230972
2014
ulaştırmayı deneyen tekniklerdir.
04:04
Finally, in robotic motion planning,
89
232986
3581
Nihayet, robotik hareket planlamada,
04:08
there have been a variety of recent techniques
90
236567
2182
karmaşık görevlerin başarılması amacıyla
04:10
that have tried to take advantage
91
238749
1902
robotların becerilerini kullanarak,
04:12
of abilities of robots to maximize
92
240651
3146
gelecek hareket özgürlüğü olasılıklarını
04:15
future freedom of action
93
243797
1506
en yüksek sayıya ulaştıracak
04:17
in order to accomplish complex tasks.
94
245303
3097
çok çeşitli yeni teknikler bulunmaktadır.
04:20
And so, taking all of these different threads
95
248400
2355
Böylece, bütün bu bağlantıları alıp
04:22
and putting them together,
96
250755
1622
bir araya getirerek,
04:24
I asked, starting several years ago,
97
252377
2640
yıllar önce şu soruyu sordum:
04:27
is there an underlying mechanism for intelligence
98
255017
2850
Zekâ için bütün bu farklı bağlantıları
04:29
that we can factor out
99
257867
1673
göz önüne alabileceğimiz
04:31
of all of these different threads?
100
259540
1774
temel bir mekanizma bulunuyor mu?
04:33
Is there a single equation for intelligence?
101
261314
4593
Zekâ için tek bir denklem var mı?
04:37
And the answer, I believe, is yes.
["F = T ∇ Sτ"]
["F = T ∇ Sτ"]
102
265907
3371
Ve yanıt, bence, evettir.
["F = T ∇ Sτ"]
["F = T ∇ Sτ"]
04:41
What you're seeing is probably
103
269278
1913
Bu gördüğünüz, muhtemelen
04:43
the closest equivalent to an E = mc²
104
271191
3294
zekâ için bir E = mc² formülüne
04:46
for intelligence that I've seen.
105
274485
2830
en yakın olandır, benim bildiğim kadarıyla.
04:49
So what you're seeing here
106
277315
1702
Bu gördüğünüz ifade
04:51
is a statement of correspondence
107
279017
2669
şuna karşılık geliyor:
04:53
that intelligence is a force, F,
108
281686
4435
Zekâ bir F kuvveti olup, etkisi
04:58
that acts so as to maximize future freedom of action.
109
286121
4650
gelecek hareket özgürlüğü sayısını yükseltmektir.
Etkisi, olası erişilebilir gelecek çeşitliliği S olmak üzere,
05:02
It acts to maximize future freedom of action,
110
290771
2375
05:05
or keep options open,
111
293146
1628
tau zamanına dek, T gücü ile
05:06
with some strength T,
112
294774
2225
gelecek hareket özgürlüğü miktarını
05:08
with the diversity of possible accessible futures, S,
113
296999
4777
en yükseğe ulaştırmak veya
05:13
up to some future time horizon, tau.
114
301776
2550
seçenekleri açık tutmaktır.
05:16
In short, intelligence doesn't like to get trapped.
115
304326
3209
Kısacası, zekâ kısıtlanmayı sevmez.
05:19
Intelligence tries to maximize
future freedom of action
future freedom of action
116
307535
3055
Zekâ, gelecekteki hareket özgürlüğünü en yükseğe çıkarmaya
05:22
and keep options open.
117
310590
2673
ve seçenekleri açık tutmaya çalışır.
05:25
And so, given this one equation,
118
313263
2433
Bu yüzden, bu denkleme bakıp
05:27
it's natural to ask, so what can you do with this?
119
315696
2532
bununla ne yapılabilir, diye sormak doğaldır.
05:30
How predictive is it?
120
318228
1351
Ne kadar öngürü sağlar?
05:31
Does it predict human-level intelligence?
121
319579
2135
İnsan düzeyindeki zekâyı mı öngörür?
05:33
Does it predict artificial intelligence?
122
321714
2818
Yapay zekâyı mı öngörür?
05:36
So I'm going to show you now a video
123
324532
2042
Şimdi size göstereceğim video
05:38
that will, I think, demonstrate
124
326574
3420
bence, bu tek denklemin
05:41
some of the amazing applications
125
329994
2288
nefes kesen uygulamalarından
05:44
of just this single equation.
126
332282
2319
bazılarını gösteriyor.
05:46
(Video) Narrator: Recent research in cosmology
127
334601
1979
(Video) Sunucu: Yeni bir evrenbilim araştırması,
05:48
has suggested that universes that produce
128
336580
2047
ömürleri boyunca daha fazla
05:50
more disorder, or "entropy," over their lifetimes
129
338627
3481
düzensizlik ya da "entropi" üreten evrenlerin
05:54
should tend to have more favorable conditions
130
342108
2478
bizim gibi akıllı varlıkların var olması için
05:56
for the existence of intelligent
beings such as ourselves.
beings such as ourselves.
131
344586
3016
daha uygun koşullara sahip olmaya yatkın olduğunu öne sürdü.
05:59
But what if that tentative cosmological connection
132
347602
2574
Ancak entropi ve zekâ arasındaki bu belirsiz
06:02
between entropy and intelligence
133
350176
1843
kozmolojik bağlantı ya daha derin
06:04
hints at a deeper relationship?
134
352019
1771
bir ilişkiye işaret ediyorsa?
06:05
What if intelligent behavior doesn't just correlate
135
353790
2564
Ya zeki davranış, uzun süreli entropi üretimi
06:08
with the production of long-term entropy,
136
356354
1844
ile sadece ilişkili olmayıp,
06:10
but actually emerges directly from it?
137
358198
2318
aslında doğrudan oradan doğuyorsa?
06:12
To find out, we developed a software engine
138
360516
2406
Bunu bulmak üzere Entropica adında
06:14
called Entropica, designed to maximize
139
362922
2503
bir yazılım motoru geliştirdik.
06:17
the production of long-term entropy
140
365425
1768
İçinde bulunduğu her sistemde uzun süreli entropi
06:19
of any system that it finds itself in.
141
367193
2576
üretimini maksimize etmek üzere tasarlandı.
06:21
Amazingly, Entropica was able to pass
142
369769
2155
Şaşılacak şekilde, Entropica
06:23
multiple animal intelligence
tests, play human games,
tests, play human games,
143
371924
3456
hayvanlara yönelik birçok zekâ testini geçti, insanlara yönelik oyunlar oynadı
06:27
and even earn money trading stocks,
144
375380
2146
ve hatta hisse senetleri alıp satarak para kazandı,
06:29
all without being instructed to do so.
145
377526
2111
bunların hepsini talimat almadan yaptı.
06:31
Here are some examples of Entropica in action.
146
379637
2518
İşte Entropica iş başındayken bazı örnekler.
06:34
Just like a human standing
upright without falling over,
upright without falling over,
147
382155
3205
Tıpkı düşmeden ayakta duran bir insan gibi,
06:37
here we see Entropica
148
385360
1230
Entropica'nın tekerlekli aracı kullanarak
06:38
automatically balancing a pole using a cart.
149
386590
2885
çubuğu dengede tutmaya çalıştığını görüyoruz.
06:41
This behavior is remarkable in part
150
389475
2012
Bu davranış bir açıdan dikkate değer,
06:43
because we never gave Entropica a goal.
151
391487
2331
çünkü Entropica'ya hiç bir amaç vermemiştik.
06:45
It simply decided on its own to balance the pole.
152
393818
3157
Kendi kendine direği dengelemeye karar verdi.
06:48
This balancing ability will have appliactions
153
396975
2132
Bu dengeleme becerisinin
06:51
for humanoid robotics
154
399107
1397
insansı robotlar ve
06:52
and human assistive technologies.
155
400504
2515
insan destekleme teknolojileri için uygulamaları olacaktır.
06:55
Just as some animals can use objects
156
403019
2001
Bazı hayvanların dar alanlara
06:57
in their environments as tools
157
405020
1442
ulaşmak için çevrelerindeki nesneleri
06:58
to reach into narrow spaces,
158
406462
1987
alet olarak kullanabilmelerine benzer şekilde,
07:00
here we see that Entropica,
159
408449
1882
burada Entropica'yı
07:02
again on its own initiative,
160
410331
1838
yine kendi inisiyatifiyle,
07:04
was able to move a large
disk representing an animal
disk representing an animal
161
412169
2910
bir hayvanı temsil eden büyük disk ile,
bir aracı temsil eden küçük diski kapalı bir alana
07:07
around so as to cause a small disk,
162
415079
2345
07:09
representing a tool, to reach into a confined space
163
417424
2771
ulaşmasını sağlamak üzere hareket ettirerek,
07:12
holding a third disk
164
420195
1537
üçüncü bir diski tutup
07:13
and release the third disk
from its initially fixed position.
from its initially fixed position.
165
421732
2972
baştaki sabit pozisyonundan kurtarabildiğini görüyoruz.
07:16
This tool use ability will have applications
166
424704
2189
Bu alet kullanma becerisinin
07:18
for smart manufacturing and agriculture.
167
426893
2359
akıllı imalat ve tarım için uygulamaları olacaktır.
07:21
In addition, just as some other animals
168
429252
1944
Buna ilaveten, aynen bazı hayvanların
07:23
are able to cooperate by pulling
opposite ends of a rope
opposite ends of a rope
169
431196
2696
yiyeceği serbest bırakmak için bir halatın iki ucunu
07:25
at the same time to release food,
170
433892
2053
aynı anda tutarak işbirliği yapabilmeleri gibi,
07:27
here we see that Entropica is able to accomplish
171
435945
2295
burada Entropica'nın bu görevin model versiyonunu
07:30
a model version of that task.
172
438240
1988
başarabildiğini görüyoruz.
07:32
This cooperative ability has interesting implications
173
440228
2522
Bu işbirliği kabiliyetinin iktisadi planlama ve
07:34
for economic planning and a variety of other fields.
174
442750
3435
pek çok başka alana ilginç etkileri bulunmaktadır.
07:38
Entropica is broadly applicable
175
446185
2071
Entropica, çok çeşitli alanlara
07:40
to a variety of domains.
176
448256
1943
yaygın olarak uygulanabilir.
07:42
For example, here we see it successfully
177
450199
2442
Örneğin, burada kendi kendine
07:44
playing a game of pong against itself,
178
452641
2559
başarılı bir şekilde pinpon oynadığın görüyoruz.
07:47
illustrating its potential for gaming.
179
455200
2343
Bu da oyunlar için potansiyelini göstermektedir.
07:49
Here we see Entropica orchestrating
180
457543
1919
Burada Entropica'nın, arkadaşların
07:51
new connections on a social network
181
459462
1839
durmadan bağlantıyı kopardığı bir sosyal ağda
07:53
where friends are constantly falling out of touch
182
461301
2760
yeni bağlantılar kurmasını
07:56
and successfully keeping
the network well connected.
the network well connected.
183
464061
2856
ve ağında bağlantılarını başarılı şekilde sürdürmesini izliyoruz.
07:58
This same network orchestration ability
184
466917
2298
Bu ağ düzenleme kabiliyetinin,
08:01
also has applications in health care,
185
469215
2328
sağlık, enerji ve zekâ alanında
08:03
energy, and intelligence.
186
471543
3232
uygulamaları bulunmaktadır.
08:06
Here we see Entropica directing the paths
187
474775
2085
Burada, Entropica'nın gemi filosunun
08:08
of a fleet of ships,
188
476860
1486
rotasını ayarlamasını,
08:10
successfully discovering and
utilizing the Panama Canal
utilizing the Panama Canal
189
478346
3175
erişimini küresel olarak Atlantik'ten Pasifik'e
08:13
to globally extend its reach from the Atlantic
190
481521
2458
genişletmek için Panama Kanalı'nı
08:15
to the Pacific.
191
483979
1529
keşfedip yararlanmasını görüyoruz.
08:17
By the same token, Entropica
192
485508
1727
Bu kapsamda, Entropica
08:19
is broadly applicable to problems
193
487235
1620
otonom savunma, lojistik ve ulaşımdaki
08:20
in autonomous defense, logistics and transportation.
194
488855
5302
sorunlar için kapsamlı olarak kullanılabilir.
08:26
Finally, here we see Entropica
195
494173
2030
Son olarak burada, Entropica'yı
temsili alım satımı yapılan çeşitli hisse senetlerini
08:28
spontaneously discovering and executing
196
496203
2723
kendiliğinden keşfedip, düşük fiyata alıp yüksek fiyata satma
08:30
a buy-low, sell-high strategy
197
498926
2067
08:32
on a simulated range traded stock,
198
500993
2178
stratejisiyle değerlendirmesini,
yönetimindeki varlıkları başarılı bir şekilde
08:35
successfully growing assets under management
199
503171
2331
katlayarak büyütmesini izliyoruz.
08:37
exponentially.
200
505502
1424
08:38
This risk management ability
201
506926
1308
Bu risk yönetimi kabiliyetinin
08:40
will have broad applications in finance
202
508234
2487
finans ve sigorta alanında geniş uygulamaları
08:42
and insurance.
203
510721
3328
olacaktır.
Alex Wissner-Gross: Biraz önce gördükleriniz,
08:46
Alex Wissner-Gross: So what you've just seen
204
514049
2091
08:48
is that a variety of signature human intelligent
205
516140
4392
alet kullanımı, ayakta yürümek
ve sosyal işbirliği gibi
08:52
cognitive behaviors
206
520532
1757
08:54
such as tool use and walking upright
207
522289
2831
insana özgü zeki bilişsel davranışın
08:57
and social cooperation
208
525120
2029
çeşitli örnekleri olup,
08:59
all follow from a single equation,
209
527149
2972
tümü gelecekteki hareket özgürlüğünü
09:02
which drives a system
210
530121
1932
maksimize etme amaçlı bir sistemi yöneten
09:04
to maximize its future freedom of action.
211
532053
3911
tek bir denklemden çıkmaktadır.
09:07
Now, there's a profound irony here.
212
535964
3007
Burada derin bir ironi var.
09:10
Going back to the beginning
213
538971
2024
Robot teriminin ilk kullanıldığı zamana
09:12
of the usage of the term robot,
214
540995
3273
geri dönersek,
09:16
the play "RUR,"
215
544268
2903
yani R.U.R. oyununa,
09:19
there was always a concept
216
547171
2235
baştan beri hep şu görüş vardı:
09:21
that if we developed machine intelligence,
217
549406
3226
Eğer makine zekâsı geliştirecek olursak,
09:24
there would be a cybernetic revolt.
218
552632
3027
sibernetik bir isyan çıkacaktır.
09:27
The machines would rise up against us.
219
555659
3551
Makineler bize karşı ayaklanacaklardır.
09:31
One major consequence of this work
220
559210
2319
Bu çalışmanın en önemli sonuçlarından biri şu:
09:33
is that maybe all of these decades,
221
561529
2769
Belki de bu onlarca yıl boyunca
09:36
we've had the whole concept of cybernetic revolt
222
564298
2976
sibernetik isyan kavramının bütününü
09:39
in reverse.
223
567274
2011
tersinden alıyorduk.
09:41
It's not that machines first become intelligent
224
569285
3279
Makinelerin önce zeka sahibi olmaları
09:44
and then megalomaniacal
225
572564
2015
ve ardından megalomanyaklaşıp
09:46
and try to take over the world.
226
574579
2224
dünyayı ele geçirmeleri değildi.
09:48
It's quite the opposite,
227
576803
1434
Tam tersine, yani,
09:50
that the urge to take control
228
578237
2906
olası tüm gelecekleri
09:53
of all possible futures
229
581143
2261
kontrol etme dürtüsü,
09:55
is a more fundamental principle
230
583404
2118
zekanınkinden daha temel
09:57
than that of intelligence,
231
585522
1363
bir ilke,
09:58
that general intelligence may in fact emerge
232
586885
3700
genel anlamda zeka aslında doğrudan
10:02
directly from this sort of control-grabbing,
233
590585
3559
bu tür kontrol düşkünlüğünden doğabilir,
10:06
rather than vice versa.
234
594144
4185
tersinden ziyade.
Diğer bir önemli sonuç, amaç arayışıdır.
10:10
Another important consequence is goal seeking.
235
598329
3769
10:14
I'm often asked, how does the ability to seek goals
236
602098
4360
Bana sıkça şu soruluyor: Amaca yönelme becerisi
bu çeşit bir yapıdan nasıl ortaya çıkar?
10:18
follow from this sort of framework?
237
606458
1620
10:20
And the answer is, the ability to seek goals
238
608078
3028
Amaca yönelme becerisinin doğrudan
10:23
will follow directly from this
239
611106
1882
bunun sonucu oluşu
10:24
in the following sense:
240
612988
1834
şöyle açıklanabilir:
10:26
just like you would travel through a tunnel,
241
614822
2865
Sonradan pek çok başka hedefe ulaşabilir
10:29
a bottleneck in your future path space,
242
617687
2505
olmak amacıyla, önünüzdeki yollar arasındaki
10:32
in order to achieve many other
243
620192
1871
sıkıntı verici tünellerden
10:34
diverse objectives later on,
244
622063
2021
geçmeyi seçmeniz gibi,
10:36
or just like you would invest
245
624084
2372
ya da uzun vadede
10:38
in a financial security,
246
626456
1787
birikiminizi arttırmak için
10:40
reducing your short-term liquidity
247
628243
2237
kısa vadede harcamalarınızı azaltarak
10:42
in order to increase your wealth over the long term,
248
630480
2400
finansal güvence yatırımı yapmanız gibi,
10:44
goal seeking emerges directly
249
632880
2337
amaç arayışı da doğrudan,
10:47
from a long-term drive
250
635217
1729
gelecekteki hareket özgürlüğünü arttırmak amaçlı
10:48
to increase future freedom of action.
251
636946
4037
uzun vadeye yönelik bir dürtüden kaynaklanır.
10:52
Finally, Richard Feynman, famous physicist,
252
640983
3528
Son olarak, ünlü fizikçi Richard Feynman
10:56
once wrote that if human civilization were destroyed
253
644511
3672
bir zamanlar şöyle yazmıştı: Eğer insan uygarlığı
11:00
and you could pass only a single concept
254
648183
1893
yok olsaydı ve gelecek nesile uygarlığı
11:02
on to our descendants
255
650076
1371
tekrar kurmaları için sadece bir
11:03
to help them rebuild civilization,
256
651447
2307
düşünce iletilebilecek olaydı,
11:05
that concept should be
257
653754
1686
bu kavram şu olmalıydı:
11:07
that all matter around us
258
655440
1852
Çevremizdeki bütün maddeler
11:09
is made out of tiny elements
259
657292
2323
ayrıyken birbirlerini çeken,
11:11
that attract each other when they're far apart
260
659615
2508
fakat yakınken birbirlerini iten
11:14
but repel each other when they're close together.
261
662123
3330
küçük yapı taşlarından oluşmuştur.
11:17
My equivalent of that statement
262
665453
1781
Gelecek nesillerin yapay zeka
11:19
to pass on to descendants
263
667234
1268
yapılandırmasına ya da
11:20
to help them build artificial intelligences
264
668502
2712
insan zekasını anlamalarına yardımcı olmak için,
11:23
or to help them understand human intelligence,
265
671214
2949
onlara iletmek istediğim
kendi eşdeğer ifadem ise şudur:
11:26
is the following:
266
674163
1267
11:27
Intelligence should be viewed
267
675430
2053
Zekâ, gelecekteki hareket özgürlüğü miktarını
11:29
as a physical process
268
677483
1413
en yüksekte tutmaya ve
11:30
that tries to maximize future freedom of action
269
678896
2965
kısıtlamalardan kaçınmaya çalışan
11:33
and avoid constraints in its own future.
270
681861
3616
fiziksel bir süreç olarak görülmelidir.
11:37
Thank you very much.
271
685477
1358
Çok teşekkür ederim.
11:38
(Applause)
272
686835
4000
(Alkış)
ABOUT THE SPEAKER
Alex Wissner-Gross - Scientist, entrepreneur, inventorAlex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?"
Why you should listen
Alex Wissner-Gross is a serial big-picture thinker. He applies physics and computer science principles to a wide variety of topics, like human intelligence, climate change and financial trading.
Lately Wissner-Gross started wondering: Why have we searched for so long to understand intelligence? Can it really be this elusive? His latest work posits that intelligence can indeed be defined physically, as a dynamic force, rather than a static property. He explains intelligence in terms of causal entropic forces, ultimately defining it as "a force to maximize future freedom of action."
Wissner-Gross is a fellow at the Harvard Institute for Applied Computational Science and a research affiliate at the MIT Media Lab. He has a Ph.D. in physics from Harvard and bachelor's degrees in physics, electrical science and engineering, and mathematics from MIT.
Alex Wissner-Gross | Speaker | TED.com