TED@BCG Milan
Margaret Mitchell: How we can build AI to help humans, not hurt us
ماركارات ميشال: كيف يتم تطوير الذكاء الاصطناعي لمساعدة البشر، لا لإيذائهم
Filmed:
Readability: 4.6
1,154,210 views
مارغريت ميشال، عالمة وباحثة في جوجل تساعد لتطوير الحواسيب فيما ترى وتفهم. وهي تتحدث قصة إنذارية عن الفجوات، والأمكنة، والانحيازات التي نترمزها بدون وعي الى الذكاء الاصطناعي... وهي تطلب منا التفكير فيما ستصبح عليه التكنلوجيا التي نصعنها اليوم في المستقبل "كل ما نراه الآن هو لمحة من تطور الذكاء الاصطناعي،" كما تقول ميشال. اذا أردنا تطور الذكاء الاصطناعي بالطريقة التي تخدم البشر، عندئذ نحتاج لتعريف الأهداف والاستراتيجيات التي تمكننا من المضي في ذلك الطريق الآن.
Margaret Mitchell - AI research scientist
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Margaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence. Full bio
Double-click the English transcript below to play the video.
00:13
I work on helping computers
communicate about the world around us.
communicate about the world around us.
0
1381
4015
أعمل لأساعد الحواسب للتواصل مع العالم حولنا.
00:17
There are a lot of ways to do this,
1
5754
1793
هناك طرق كثيرة لعمل ذلك،
00:19
and I like to focus on helping computers
2
7571
2592
وأحب أن أركز على مساعدة الحواسب
00:22
to talk about what they see
and understand.
and understand.
3
10187
2874
للتحدث عما ترى وتفهم.
00:25
Given a scene like this,
4
13514
1571
فعلى سبيل المثال،
00:27
a modern computer-vision algorithm
5
15109
1905
إن آلخوارزمية المعاصرة الحاسوبية الإبصار
00:29
can tell you that there's a woman
and there's a dog.
and there's a dog.
6
17038
3095
بإمكانها إخبارك ان كانت هناك امرأة و كلب.
00:32
It can tell you that the woman is smiling.
7
20157
2706
وتستطيع أن تخبرك أن كانت تبتسم ام لا.
00:34
It might even be able to tell you
that the dog is incredibly cute.
that the dog is incredibly cute.
8
22887
3873
وربما تستطيع أن تخبرك أن
الكلب محبوبة للغاية.
الكلب محبوبة للغاية.
أنا أعمل على هذه المشكلة
00:38
I work on this problem
9
26784
1349
00:40
thinking about how humans
understand and process the world.
understand and process the world.
10
28157
4212
افكر كيف يفهم البشر ويتعامل مع العالم.
00:45
The thoughts, memories and stories
11
33577
2952
الأفكار، الذكريات، والقصص
00:48
that a scene like this
might evoke for humans.
might evoke for humans.
12
36553
2818
التي صُورها ممكن أن تثيرهم.
00:51
All the interconnections
of related situations.
of related situations.
13
39395
4285
جميع الترابط في الظروف ذات الصلة.
00:55
Maybe you've seen
a dog like this one before,
a dog like this one before,
14
43704
3126
ربما رأيت كلبا مثل هذا من قبل،
00:58
or you've spent time
running on a beach like this one,
running on a beach like this one,
15
46854
2969
أو قد أنفقت أوقاتا تجري في شاطئ مثل هذا.
01:01
and that further evokes thoughts
and memories of a past vacation,
and memories of a past vacation,
16
49847
4778
وهذا أيضا يثير أفكارك وذكرياتك
للإجازات الماضية،
للإجازات الماضية،
01:06
past times to the beach,
17
54649
1920
الأوقات المنصرمة في الشواطئ،
01:08
times spent running around
with other dogs.
with other dogs.
18
56593
2603
أزمنة قضيتها مع كلاب أخرى.
01:11
One of my guiding principles
is that by helping computers to understand
is that by helping computers to understand
19
59688
5207
أن من موجهاتي الأساسية هي أن
أساعد الحواسيب لفهم
أساعد الحواسيب لفهم
01:16
what it's like to have these experiences,
20
64919
2896
أشياء تتشابه تجارب.
ولفهم ما ننقل ونعتقد ونشعر
01:19
to understand what we share
and believe and feel,
and believe and feel,
21
67839
5176
01:26
then we're in a great position
to start evolving computer technology
to start evolving computer technology
22
74094
4310
إذن،نحن في مرتبة أعلى للبدء بتكنولوجيا
الحاسوبية المتطورة
الحاسوبية المتطورة
01:30
in a way that's complementary
with our own experiences.
with our own experiences.
23
78428
4587
بطريقة لزومية تتناسب مع تجاربنا.
01:35
So, digging more deeply into this,
24
83539
3387
لذا، فبعمق التفكير في الأمر،
01:38
a few years ago I began working on helping
computers to generate human-like stories
computers to generate human-like stories
25
86950
5905
بدأت عملي هذا قبل سنوات قليلة
لبناء حواسيب تشتبه الإنسان
لبناء حواسيب تشتبه الإنسان
01:44
from sequences of images.
26
92879
1666
من خلال صور متسلسلة.
01:47
So, one day,
27
95427
1904
لذا، ذات يوم،
01:49
I was working with my computer to ask it
what it thought about a trip to Australia.
what it thought about a trip to Australia.
28
97355
4622
لقد كنت أعمل مع حاسوبي أسأله عما
فكر عن رحلة إلى أستراليا.
فكر عن رحلة إلى أستراليا.
01:54
It took a look at the pictures,
and it saw a koala.
and it saw a koala.
29
102768
2920
وأخذ نظرة إلى تلك الصور، ورأى كوالا،
01:58
It didn't know what the koala was,
30
106236
1643
ولم يعلم ما هو كوالا،
01:59
but it said it thought
it was an interesting-looking creature.
it was an interesting-looking creature.
31
107903
2999
لكنه قال إنه مخلوق مثير للاهتمام.
02:04
Then I shared with it a sequence of images
about a house burning down.
about a house burning down.
32
112053
4004
ثم شاركت معه بعض الصور عن منزل يتحرق.
02:09
It took a look at the images and it said,
33
117704
3285
ونظرت إليه فقال،
02:13
"This is an amazing view!
This is spectacular!"
This is spectacular!"
34
121013
3500
إنه منظر رائع ! هذا مذهل !"
02:17
It sent chills down my spine.
35
125450
2095
لقد اصبت بقشعريره أسفل عمودي الفقري
02:20
It saw a horrible, life-changing
and life-destroying event
and life-destroying event
36
128983
4572
لقد رأى أحداث درامية،
أثرت على حياة الآخرين
أثرت على حياة الآخرين
02:25
and thought it was something positive.
37
133579
2382
و اعتقد انه شيء ايجابي.
02:27
I realized that it recognized
the contrast,
the contrast,
38
135985
3441
انا ادركت انه رأى تباين الألوان
02:31
the reds, the yellows,
39
139450
2699
الأحمر و الأصفر
02:34
and thought it was something
worth remarking on positively.
worth remarking on positively.
40
142173
3078
و اعتقد انه شيء جدير بالذكر في الإيجابية
02:37
And part of why it was doing this
41
145928
1615
وجزء من لماذا كانت تفعل هذا
02:39
was because most
of the images I had given it
of the images I had given it
42
147577
2945
كان بسبب معظم الصور التي حصلت عليها
02:42
were positive images.
43
150546
1840
كانوا صور ايجابية
02:44
That's because people
tend to share positive images
tend to share positive images
44
152903
3658
وذلك لان الناس تميل إلى
مشاركة الصور الأيجابية
مشاركة الصور الأيجابية
02:48
when they talk about their experiences.
45
156585
2190
عندما يتحدثون عن خبراتهم.
02:51
When was the last time
you saw a selfie at a funeral?
you saw a selfie at a funeral?
46
159267
2541
متي أخر مره رأيت فيها صورة
سيلفي في جنازة ؟
سيلفي في جنازة ؟
02:55
I realized that,
as I worked on improving AI
as I worked on improving AI
47
163434
3095
انا ادركت هذا كمطورة للذكاء الاصطناعي
02:58
task by task, dataset by dataset,
48
166553
3714
مهمة بمهمة ، وبيانات بعد بيانات
03:02
that I was creating massive gaps,
49
170291
2897
انا كنت اخلق ثغرات كبيرة،
03:05
holes and blind spots
in what it could understand.
in what it could understand.
50
173212
3999
حفر و نقاط عمياء في الاشياء
التي يمكن فهمها
التي يمكن فهمها
03:10
And while doing so,
51
178307
1334
واثناء فعل ذلك،
03:11
I was encoding all kinds of biases.
52
179665
2483
كنت اشفر جميع انواع التحيزات.
03:15
Biases that reflect a limited viewpoint,
53
183029
3318
التحيزات التي تعكس وجهه نظر محدودة،
03:18
limited to a single dataset --
54
186371
2261
محدوده في بيانات من نوع واحد
03:21
biases that can reflect
human biases found in the data,
human biases found in the data,
55
189283
3858
التحيزات التي يمكن أن تعكس
التحيز البشري الموجود في البيانات،
التحيز البشري الموجود في البيانات،
03:25
such as prejudice and stereotyping.
56
193165
3104
مثل التحامل و الصورة النمطية.
03:29
I thought back to the evolution
of the technology
of the technology
57
197554
3057
فكرت مره اخرى في تطوير التكنولوجيا
03:32
that brought me to where I was that day --
58
200635
2502
التي جعلتني هكذا اليوم
03:35
how the first color images
59
203966
2233
كيف الصور الملونة الأولى
03:38
were calibrated against
a white woman's skin,
a white woman's skin,
60
206223
3048
يتم معايرتها ضد المرأه ذات البشره البيضاء
03:41
meaning that color photography
was biased against black faces.
was biased against black faces.
61
209665
4145
بمعني ان اللون الفوتغرافي انشئ
ضد الوجوه السوداء.
ضد الوجوه السوداء.
03:46
And that same bias, that same blind spot
62
214514
2925
وهذا الانحياز هذه النقطة العمياء
03:49
continued well into the '90s.
63
217463
1867
استمرت جيدا حتى التسعينات
03:51
And the same blind spot
continues even today
continues even today
64
219701
3154
و نفس النقطه العمياء استمرت لليوم
03:54
in how well we can recognize
different people's faces
different people's faces
65
222879
3698
كيف ندرك جيدا وجوه الناس المختلفة
03:58
in facial recognition technology.
66
226601
2200
في تكنولوجيا نظام التعرف على الوجه
04:01
I though about the state of the art
in research today,
in research today,
67
229323
3143
فكرت في مثال رائع من الفن في بحث اليوم
04:04
where we tend to limit our thinking
to one dataset and one problem.
to one dataset and one problem.
68
232490
4514
حيث نميل إلي الحد من تفكيرنا إلى
مجموعة بيانات واحدة و مشكلة واحدة
مجموعة بيانات واحدة و مشكلة واحدة
04:09
And that in doing so, we were creating
more blind spots and biases
more blind spots and biases
69
237688
4881
و بهذا كنا نخلق المزيد من
النقط العمياء و التحيزات
النقط العمياء و التحيزات
04:14
that the AI could further amplify.
70
242593
2277
يمكن أن يضخمها الذكاء الاصطناعي
04:17
I realized then
that we had to think deeply
that we had to think deeply
71
245712
2079
ادركت ذالك الحين ان علينا التفكير بعمق
04:19
about how the technology we work on today
looks in five years, in 10 years.
looks in five years, in 10 years.
72
247815
5519
في التكنولوجيا التي نعمل بها اليوم
في الخمس أو العشر سنين القادمة
في الخمس أو العشر سنين القادمة
04:25
Humans evolve slowly,
with time to correct for issues
with time to correct for issues
73
253990
3142
مع الوقت يتطور البشر ببطء لتصحيح القضايا
04:29
in the interaction of humans
and their environment.
and their environment.
74
257156
3534
في التفاعل بين البشر و البيئة
04:33
In contrast, artificial intelligence
is evolving at an incredibly fast rate.
is evolving at an incredibly fast rate.
75
261276
5429
في المقابل، الذكاء الاصطناعي
يتطور بمعدل سريع لا يصدق.
يتطور بمعدل سريع لا يصدق.
04:39
And that means that it really matters
76
267013
1773
وهذا يعني انه أمر مهم حقا.
04:40
that we think about this
carefully right now --
carefully right now --
77
268810
2317
أن نفكر في هذا الآن بعناية
04:44
that we reflect on our own blind spots,
78
272180
3008
اننا نفكر في البقع العمياء الخاصة بنا،
04:47
our own biases,
79
275212
2317
التحيز الخاص بنا،
04:49
and think about how that's informing
the technology we're creating
the technology we're creating
80
277553
3857
والتفكير في كيفية تغذية التكنولوجيا
التي نخلقها
التي نخلقها
04:53
and discuss what the technology of today
will mean for tomorrow.
will mean for tomorrow.
81
281434
3902
و مناقشة كيف ستفيد تكنولوجيا اليوم غدا
04:58
CEOs and scientists have weighed in
on what they think
on what they think
82
286593
3191
الرئيس التنفيذي و العلماء قد اثقلوا
على ما يفكرون به
على ما يفكرون به
05:01
the artificial intelligence technology
of the future will be.
of the future will be.
83
289808
3325
تقنية الذكاء الاصطناعي ستحدث في المستقبل
05:05
Stephen Hawking warns that
84
293157
1618
ستيفن هوكنج حذر من ذلك
05:06
"Artificial intelligence
could end mankind."
could end mankind."
85
294799
3007
"الذكاء الاصطناعي يمكن ان يقضي
على الجنس البشري".
على الجنس البشري".
05:10
Elon Musk warns
that it's an existential risk
that it's an existential risk
86
298307
2683
ايلون مسك حذر من انه خطر وجودي
05:13
and one of the greatest risks
that we face as a civilization.
that we face as a civilization.
87
301014
3574
وواحد من اكبر المخاطر التي
سنواجهها كحضارة.
سنواجهها كحضارة.
05:17
Bill Gates has made the point,
88
305665
1452
قدم بيل غيتس هذه النقطة
05:19
"I don't understand
why people aren't more concerned."
why people aren't more concerned."
89
307141
3185
"انا لا افهم لماذا الناس ليسوا اكثر قلقا".
05:23
But these views --
90
311412
1318
ولكن هذه الآراء--
05:25
they're part of the story.
91
313618
1734
انهم جزء من القصة.
05:28
The math, the models,
92
316079
2420
الرياضيات، النماذج
05:30
the basic building blocks
of artificial intelligence
of artificial intelligence
93
318523
3070
القواعد الاساسية للذكاء إلإصطناعي
05:33
are something that we call access
and all work with.
and all work with.
94
321617
3135
هو شيء نستطيع كلنا الوصول إليه و العمل به
05:36
We have open-source tools
for machine learning and intelligence
for machine learning and intelligence
95
324776
3785
لدينا ادوات مفتوحة المصدر
للتعلم الآلي و الذكاء
للتعلم الآلي و الذكاء
05:40
that we can contribute to.
96
328585
1734
التي يمكننا المساهمة فيها.
05:42
And beyond that,
we can share our experience.
we can share our experience.
97
330919
3340
و بعد ذلك، يمكننا ان نشارك تجربتنا
05:46
We can share our experiences
with technology and how it concerns us
with technology and how it concerns us
98
334760
3468
يمكننا ان نشارك تجاربنا مع التكنولوجيا
و كيف تقلقنا
و كيف تقلقنا
05:50
and how it excites us.
99
338252
1467
و كيف تحمسنا.
05:52
We can discuss what we love.
100
340251
1867
يمكننا مناقشة ما نحب.
05:55
We can communicate with foresight
101
343244
2031
يمكننا التواصل مع البصيرة
05:57
about the aspects of technology
that could be more beneficial
that could be more beneficial
102
345299
4857
عن جوانب التكنولوجيا
التي سوف تكون مفيدة اكثر
التي سوف تكون مفيدة اكثر
06:02
or could be more problematic over time.
103
350180
2600
او التي قد تكون اكثر صعوبة
مع مرور الوقت.
مع مرور الوقت.
06:05
If we all focus on opening up
the discussion on AI
the discussion on AI
104
353799
4143
لو ركزنا على الانفتاح في مناقشة
الذكاء الاصطناعي
الذكاء الاصطناعي
06:09
with foresight towards the future,
105
357966
1809
مع البصيرة تجاه المستقبل،
06:13
this will help create a general
conversation and awareness
conversation and awareness
106
361093
4270
هذا سوف يساعد على خلق محادثات عامة و وعي
06:17
about what AI is now,
107
365387
2513
عن ما هو الذكاء الأصطناعي الآن،
06:21
what it can become
108
369212
2001
و ماذا سوف يكون
06:23
and all the things that we need to do
109
371237
1785
و كل الأشياء التي نحن بحاجة ان نفعلها
06:25
in order to enable that outcome
that best suits us.
that best suits us.
110
373046
3753
من أجل تحقيق هذه النتيجة، بما يناسبنا
06:29
We already see and know this
in the technology that we use today.
in the technology that we use today.
111
377490
3674
نحن نرى و نعلم بالفعل هذا في التكنولوجيا
التي نستخدمها اليوم.
التي نستخدمها اليوم.
06:33
We use smart phones
and digital assistants and Roombas.
and digital assistants and Roombas.
112
381767
3880
نحن نستخدم الهواتف الذكية
والآلات الحاسبة و المكانس الحديثة.
والآلات الحاسبة و المكانس الحديثة.
06:38
Are they evil?
113
386457
1150
هل هي مضرة؟
06:40
Maybe sometimes.
114
388268
1547
أحيانا في بعض الأوقات.
06:42
Are they beneficial?
115
390664
1333
هل هي نافعة ؟
06:45
Yes, they're that, too.
116
393005
1533
نعم، انها كذلك ايضا.
06:48
And they're not all the same.
117
396236
1761
و كلها ليست مثل بعض
06:50
And there you already see
a light shining on what the future holds.
a light shining on what the future holds.
118
398489
3540
وهناك ترى بالفعل ضوءا ساطعا يدل
على ما يحمله المستقبل.
على ما يحمله المستقبل.
06:54
The future continues on
from what we build and create right now.
from what we build and create right now.
119
402942
3619
المستقبل لا يزال مستمر بفضل
الذي نبنيه و ننشئه الآن
الذي نبنيه و ننشئه الآن
06:59
We set into motion that domino effect
120
407165
2642
نبدأ في حركة تأثير الدينامو
07:01
that carves out AI's evolutionary path.
121
409831
2600
التي تقطع الطريق التطوري للذكاء الإصطناعي
07:05
In our time right now,
we shape the AI of tomorrow.
we shape the AI of tomorrow.
122
413173
2871
في وقتنا الحالي نحن نشكل
الذكاء الاصطناعي للغد.
الذكاء الاصطناعي للغد.
07:08
Technology that immerses us
in augmented realities
in augmented realities
123
416566
3699
التكنولوجيا التي تغمرنا في الواقع المعزز
07:12
bringing to life past worlds.
124
420289
2566
يجلب الحياة لعوالم الماضي.
07:15
Technology that helps people
to share their experiences
to share their experiences
125
423844
4312
التكنولوجيا التي تساعد الناس
على مشاركة تجاربهم
على مشاركة تجاربهم
07:20
when they have difficulty communicating.
126
428180
2262
عندما يكون عندهم صعوبة في التواصل.
07:23
Technology built on understanding
the streaming visual worlds
the streaming visual worlds
127
431323
4532
التكنولوجيا مبنية على فهم
العوالم البصرية المتدفقة
العوالم البصرية المتدفقة
07:27
used as technology for self-driving cars.
128
435879
3079
تستخدم كتكنولوجيا للسيارات ذاتية القيادة.
07:32
Technology built on understanding images
and generating language,
and generating language,
129
440490
3413
التكنولوجيا مبنية على
فهم الصور و إخراج اللغة،
فهم الصور و إخراج اللغة،
07:35
evolving into technology that helps people
who are visually impaired
who are visually impaired
130
443927
4063
تتطور التكنولوجيا التي تساعد الناس
الذين يعانون من ضعف البصر
الذين يعانون من ضعف البصر
07:40
be better able to access the visual world.
131
448014
2800
لتكون اكثر قدرة على
الوصول للعالم المرئي.
الوصول للعالم المرئي.
07:42
And we also see how technology
can lead to problems.
can lead to problems.
132
450838
3261
و نحن ايضا نرى كيف يمكن أن تؤدي
التكنولوجيا إلى مشكلات.
التكنولوجيا إلى مشكلات.
07:46
We have technology today
133
454885
1428
لدينا تكنولوجيا اليوم
07:48
that analyzes physical
characteristics we're born with --
characteristics we're born with --
134
456337
3835
هذا يحلل الخصائص الجسمانية
التي ولدنا بها --
التي ولدنا بها --
07:52
such as the color of our skin
or the look of our face --
or the look of our face --
135
460196
3272
مثل لون بشرتنا او منظر وجهنا --
07:55
in order to determine whether or not
we might be criminals or terrorists.
we might be criminals or terrorists.
136
463492
3804
من أجل تحديد إذا كان من الممكن
أن نكون مجرمين أو إرهابين.
أن نكون مجرمين أو إرهابين.
07:59
We have technology
that crunches through our data,
that crunches through our data,
137
467688
2905
لدينا تكنولوجيا بإمكانها اختراق بياناتنا،
08:02
even data relating
to our gender or our race,
to our gender or our race,
138
470617
2896
حتى البيانات المتعلقة بنوع جنسنا
أوإثنيتنا،
أوإثنيتنا،
08:05
in order to determine whether or not
we might get a loan.
we might get a loan.
139
473537
2865
من أجل تحديد إذا كان بإمكاننا
الحصول على قرض ام لا.
الحصول على قرض ام لا.
08:09
All that we see now
140
477494
1579
كل الذي نراه الآن
08:11
is a snapshot in the evolution
of artificial intelligence.
of artificial intelligence.
141
479097
3617
هي مجرد لقطة في تطوير الذكاء الإصطناعي.
08:15
Because where we are right now,
142
483763
1778
لأننا حيث نوجد الآن،
08:17
is within a moment of that evolution.
143
485565
2238
في غضون لحظة من هذا التطور.
08:20
That means that what we do now
will affect what happens down the line
will affect what happens down the line
144
488690
3802
هذا يعني إن ما يحدث الآن سيؤثر
على ما يحدث بعده
على ما يحدث بعده
08:24
and in the future.
145
492516
1200
و في المستقبل.
08:26
If we want AI to evolve
in a way that helps humans,
in a way that helps humans,
146
494063
3951
إذا كنا نريد تطوير الذكاء الإصطناعي
بطريقة تساعد البشر،
بطريقة تساعد البشر،
08:30
then we need to define
the goals and strategies
the goals and strategies
147
498038
2801
إذن نحن بحاجة لمعرفة
الأهداف و الاستراتيجيات
الأهداف و الاستراتيجيات
08:32
that enable that path now.
148
500863
1733
التي تمكننا من هذا الطريق الآن.
08:35
What I'd like to see is something
that fits well with humans,
that fits well with humans,
149
503680
3738
الذي أرغب في رؤيته هو شيء
يتناسب بشكل جيد مع البشر،
يتناسب بشكل جيد مع البشر،
08:39
with our culture and with the environment.
150
507442
2800
مع ثقافتنا و بيئتنا .
08:43
Technology that aids and assists
those of us with neurological conditions
those of us with neurological conditions
151
511435
4484
التكنولوجيا التي تساعد و تمكن هؤلاء الناس
الذين يعانون من ظروف صعبة.
الذين يعانون من ظروف صعبة.
08:47
or other disabilities
152
515943
1721
أو ذوي الإحتياجات الخاصة
08:49
in order to make life
equally challenging for everyone.
equally challenging for everyone.
153
517688
3216
من جعل الحياة تحد مساو للجميع.
08:54
Technology that works
154
522097
1421
التكنولوجيا التي تعمل
08:55
regardless of your demographics
or the color of your skin.
or the color of your skin.
155
523542
3933
بغض النظر عن خلفيتك الاقتصادية
أو لون بشرتك.
أو لون بشرتك.
09:00
And so today, what I focus on
is the technology for tomorrow
is the technology for tomorrow
156
528383
4742
و حتى اليوم ما أركز عليه هو تكنولوجيا الغد
09:05
and for 10 years from now.
157
533149
1733
ولمدة عشر سنوات من الآن .
09:08
AI can turn out in many different ways.
158
536530
2634
الذكاء الإصطناعي يمكن
أن يتحول لطرق مختلفة.
أن يتحول لطرق مختلفة.
09:11
But in this case,
159
539688
1225
ولكن في هذه الحالة
09:12
it isn't a self-driving car
without any destination.
without any destination.
160
540937
3328
أنها ليست سيارة ذاتية القيادة بدون أي هدف.
09:16
This is the car that we are driving.
161
544884
2400
هذه السيارة التي نسوقها.
09:19
We choose when to speed up
and when to slow down.
and when to slow down.
162
547953
3595
نحن نختار متى نسرع و متى نبطئ.
09:23
We choose if we need to make a turn.
163
551572
2400
نحن نختار إذا كنا نريد ان نعمل جولة.
09:26
We choose what the AI
of the future will be.
of the future will be.
164
554868
3000
نحن نختار ماذا سيكون الذكاء الإصطناعي
في المستقبل.
في المستقبل.
09:31
There's a vast playing field
165
559186
1337
هناك مجال واسع للعب
09:32
of all the things that artificial
intelligence can become.
intelligence can become.
166
560547
2965
في كل الأشياء الذي يستطيع ان يفعلها
الذكاء الإصطناعي.
الذكاء الإصطناعي.
09:36
It will become many things.
167
564064
1800
ستصبح أشياء عديدة.
09:39
And it's up to us now,
168
567694
1732
و الموضوع يرجع إلينا الآن،
09:41
in order to figure out
what we need to put in place
what we need to put in place
169
569450
3061
من أجل معرفة ما نحن بحاجة لوضعه
في المكان الصحيح
في المكان الصحيح
09:44
to make sure the outcomes
of artificial intelligence
of artificial intelligence
170
572535
3807
للتأكد من أن نتائج الذكاء الإصطناعي
09:48
are the ones that will be
better for all of us.
better for all of us.
171
576366
3066
ستكون الأفضل لنا جميعا.
09:51
Thank you.
172
579456
1150
شكرا.
09:52
(Applause)
173
580630
2187
(تصفيق)
ABOUT THE SPEAKER
Margaret Mitchell - AI research scientistMargaret Mitchell is a senior research scientist in Google's Research & Machine Intelligence group, working on artificial intelligence.
Why you should listen
Margaret Mitchell's research involves vision-language and grounded language generation, focusing on how to evolve artificial intelligence towards positive goals. Her work combines computer vision, natural language processing, social media as well as many statistical methods and insights from cognitive science. Before Google, Mitchell was a founding member of Microsoft Research's "Cognition" group, focused on advancing artificial intelligence, and a researcher in Microsoft Research's Natural Language Processing group.
Margaret Mitchell | Speaker | TED.com