TEDSummit
Kevin Kelly: How AI can bring on a second Industrial Revolution
Κέβιν Κέλι: Πώς μπορεί να φέρει η τεχνητή νοημοσύνη μια δεύτερη Βιομηχανική Επανάσταση
Filmed:
Readability: 3.8
1,739,624 views
«Η πορεία της σταγόνας καθώς κατεβαίνει στην κοιλάδα είναι απρόβλεπτη, αλλά η γενική της κατεύθυνση είναι αναπόφευκτη», λέει ο οραματιστής της ψηφιακής εποχής Κέβιν Κέλι - και η τεχνολογία είναι το ίδιο, οδηγούμενη από μοτίβα απρόσμενα αλλά και αναπόφευκτα. Τα επόμενα 20 χρόνια, λέει, η επιθυμία μας να κάνουμε τα πράγματα όλο και πιο έξυπνα θα έχει ένα ριζικό αντίκτυπο σε σχεδόν οτιδήποτε κάνουμε. Ο Κέλι εξετάζει τρεις τάσεις στην τεχνητή νοημοσύνη που πρέπει όλοι να κατανοήσουμε για να την αποδεχτούμε και να καθοδηγήσουμε την ανάπτυξή της. «Το πιο δημοφιλές προϊόν τεχνητής νοημοσύνης σε 20 χρόνια από τώρα, που όλοι θα χρησιμοποιούν, δεν έχει εφευρεθεί ακόμα», λέει ο Κέλι. «Αυτό σημαίνει ότι δεν έχετε αργήσει».
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:14
I'm going to talk a little bit
about where technology's going.
about where technology's going.
0
2966
3817
Θα πω δυο λόγια σχετικά
με το πού πηγαίνει η τεχνολογία.
με το πού πηγαίνει η τεχνολογία.
00:19
And often technology comes to us,
1
7509
2671
Συχνά η τεχνολογία έρχεται σε εμάς,
00:22
we're surprised by what it brings.
2
10566
1865
και μας εκπλήσσει με αυτά που φέρνει.
00:24
But there's actually
a large aspect of technology
a large aspect of technology
3
12455
3683
Αλλά ένα μεγάλο μέρος της τεχνολογίας
00:28
that's much more predictable,
4
16162
1802
είναι πολύ πιο προβλέψιμο
00:29
and that's because technological systems
of all sorts have leanings,
of all sorts have leanings,
5
17988
4088
διότι κάθε είδους
τεχνολογικό σύστημα έχει κλίσεις,
τεχνολογικό σύστημα έχει κλίσεις,
00:34
they have urgencies,
6
22100
1175
έχει ανάγκες,
00:35
they have tendencies.
7
23299
1561
έχει τάσεις.
00:36
And those tendencies are derived
from the very nature of the physics,
from the very nature of the physics,
8
24884
4932
Κι αυτές οι τάσεις προέρχονται
από τη φύση της φυσικής,
από τη φύση της φυσικής,
00:41
chemistry of wires
and switches and electrons,
and switches and electrons,
9
29840
3150
της χημείας, των καλωδίων,
των διακοπτών και των ηλεκτρονίων,
των διακοπτών και των ηλεκτρονίων,
00:45
and they will make reoccurring
patterns again and again.
patterns again and again.
10
33659
3602
και φτιάχνουν επαναλαμβανόμενα
μοτίβα ξανά και ξανά.
μοτίβα ξανά και ξανά.
00:49
And so those patterns produce
these tendencies, these leanings.
these tendencies, these leanings.
11
37745
4874
Κι έτσι, αυτά τα μοτίβα παράγουν
αυτές τις τάσεις, αυτές τις κλίσεις.
αυτές τις τάσεις, αυτές τις κλίσεις.
00:54
You can almost think of it
as sort of like gravity.
as sort of like gravity.
12
42643
2831
Σκεφτείτε το σαν τη βαρύτητα.
00:57
Imagine raindrops falling into a valley.
13
45498
2319
Φανταστείτε σταγόνες βροχής
να πέφτουν σε μια κοιλάδα.
να πέφτουν σε μια κοιλάδα.
00:59
The actual path of a raindrop
as it goes down the valley
as it goes down the valley
14
47841
3088
Η πορεία της σταγόνας
καθώς κατεβαίνει στην κοιλάδα
καθώς κατεβαίνει στην κοιλάδα
01:02
is unpredictable.
15
50953
1169
είναι απρόβλεπτη.
01:04
We cannot see where it's going,
16
52651
1518
Δεν μπορούμε να δούμε πού πάει,
01:06
but the general direction
is very inevitable:
is very inevitable:
17
54193
2277
αλλά η γενική της κατεύθυνση
είναι αναπόφευκτη:
είναι αναπόφευκτη:
01:08
it's downward.
18
56494
1234
είναι καθοδική.
01:10
And so these baked-in
tendencies and urgencies
tendencies and urgencies
19
58377
4572
Κι έτσι αυτές οι ενσωματωμένες
τάσεις και ανάγκες
τάσεις και ανάγκες
01:14
in technological systems
20
62973
1476
στα τεχνολογικά συστήματα
01:17
give us a sense of where things
are going at the large form.
are going at the large form.
21
65051
3609
μας δίνουν την αίσθηση του πού πηγαίνουν
τα πράγματα σε μια ευρύτερη κλίμακα.
τα πράγματα σε μια ευρύτερη κλίμακα.
01:21
So in a large sense,
22
69149
1401
Έτσι σε μια ευρύτερη έννοια,
01:22
I would say that telephones
were inevitable,
were inevitable,
23
70574
3361
θα έλεγα ότι τα τηλέφωνα
ήταν αναπόφευκτα,
ήταν αναπόφευκτα,
01:27
but the iPhone was not.
24
75005
1342
αλλά τα iPhone δεν ήταν.
01:29
The Internet was inevitable,
25
77094
1478
Το Διαδίκτυο ήταν αναπόφευκτο,
01:31
but Twitter was not.
26
79274
1286
αλλά το Twitter δεν ήταν.
01:33
So we have many ongoing
tendencies right now,
tendencies right now,
27
81036
3928
Έχουμε πολλές τρέχουσες τάσεις
αυτή τη στιγμή
αυτή τη στιγμή
01:36
and I think one of the chief among them
28
84988
2720
και πιστεύω ότι η κυριότερη από αυτές
01:39
is this tendency to make things
smarter and smarter.
smarter and smarter.
29
87732
3722
είναι η τάση να κάνουμε τα πράγματα
όλο και πιο έξυπνα.
όλο και πιο έξυπνα.
01:44
I call it cognifying -- cognification --
30
92041
2212
Το αποκαλώ «δίνω αντίληψη»,
01:46
also known as artificial
intelligence, or AI.
intelligence, or AI.
31
94783
2782
γνωστό και ως τεχνική νοημοσύνη, ή ΤΝ.
01:50
And I think that's going to be one
of the most influential developments
of the most influential developments
32
98025
3746
Και νομίζω ότι θα γίνει
μια από τις πιο σημαντικές εξελίξεις
μια από τις πιο σημαντικές εξελίξεις
01:53
and trends and directions and drives
in our society in the next 20 years.
in our society in the next 20 years.
33
101795
5575
και τάσεις και κατευθύνσεις και πορείες
στην κοινωνία μας τα επόμενα 20 χρόνια.
στην κοινωνία μας τα επόμενα 20 χρόνια.
02:00
So, of course, it's already here.
34
108021
1985
Φυσικά, είναι ήδη εδώ.
02:02
We already have AI,
35
110030
2204
Ήδη έχουμε ΤΝ,
02:04
and often it works in the background,
36
112258
2398
και συχνά παίζει στο παρασκήνιο,
02:06
in the back offices of hospitals,
37
114680
1586
στα πίσω γραφεία νοσοκομείων,
02:08
where it's used to diagnose X-rays
better than a human doctor.
better than a human doctor.
38
116290
4686
όπου χρησιμοποιείται για να διαγνώσει
ακτινογραφίες καλύτερα από τους γιατρούς.
ακτινογραφίες καλύτερα από τους γιατρούς.
02:13
It's in legal offices,
39
121000
1726
Είναι σε νομικά γραφεία.
02:14
where it's used to go
through legal evidence
through legal evidence
40
122750
2368
όπου χρησιμοποιείται
για να ψάξει αποδείξεις
για να ψάξει αποδείξεις
02:17
better than a human paralawyer.
41
125142
1855
καλύτερα από έναν νομικό βοηθό.
02:19
It's used to fly the plane
that you came here with.
that you came here with.
42
127506
3656
Χρησιμοποιείται για να πετάξει
το αεροπλάνο με το οποίο ήρθατε εδώ.
το αεροπλάνο με το οποίο ήρθατε εδώ.
02:24
Human pilots only flew it
seven to eight minutes,
seven to eight minutes,
43
132165
2381
Οι πιλότοι το οδήγησαν
εφτά με οκτώ λεπτά,
εφτά με οκτώ λεπτά,
02:26
the rest of the time the AI was driving.
44
134570
1953
την υπόλοιπη ώρα οδηγούσε η ΤΝ.
02:28
And of course, in Netflix and Amazon,
45
136547
2173
Και φυσικά, στο Netflix και στο Amazon
02:30
it's in the background,
making those recommendations.
making those recommendations.
46
138744
2530
βρίσκεται στο παρασκήνιο,
κάνοντάς σας προτάσεις.
κάνοντάς σας προτάσεις.
02:33
That's what we have today.
47
141298
1261
Αυτό έχουμε σήμερα.
02:34
And we have an example, of course,
in a more front-facing aspect of it,
in a more front-facing aspect of it,
48
142583
4801
Κι έχουμε ένα παράδειγμα, φυσικά,
σε κάτι πιο προφανές,
σε κάτι πιο προφανές,
02:39
with the win of the AlphaGo, who beat
the world's greatest Go champion.
the world's greatest Go champion.
49
147408
6629
με τη νίκη του AlphaGo, που νίκησε
τον παγκόσμιο πρωταθλητή στο Go.
τον παγκόσμιο πρωταθλητή στο Go.
02:46
But it's more than that.
50
154478
4053
Αλλά δεν είναι μόνο αυτό.
02:50
If you play a video game,
you're playing against an AI.
you're playing against an AI.
51
158555
2642
Όταν παίζετε βιντεοπαιχνίδια,
παίζετε εναντίον ΤΝ.
παίζετε εναντίον ΤΝ.
02:53
But recently, Google taught their AI
52
161221
4538
Αλλά πρόσφατα, η Google δίδαξε την ΤΝ της
02:57
to actually learn how to play video games.
53
165783
2412
να μαθαίνει πώς να παίζει βιντεοπαιχνίδια.
03:00
Again, teaching video games
was already done,
was already done,
54
168686
2709
Και πάλι, η διδασκαλία
βιντεοπαιχνιδιών είχε ήδη γίνει,
βιντεοπαιχνιδιών είχε ήδη γίνει,
03:03
but learning how to play
a video game is another step.
a video game is another step.
55
171419
3897
αλλά η εκμάθηση του πώς να παίζεις
ένα βιντεοπαιχνίδι είναι ένα άλλο βήμα.
ένα βιντεοπαιχνίδι είναι ένα άλλο βήμα.
03:07
That's artificial smartness.
56
175340
1678
Αυτό είναι τεχνητή ευφυΐα.
03:10
What we're doing is taking
this artificial smartness
this artificial smartness
57
178571
4522
Αυτό που κάνουμε είναι να πάρουμε
αυτή την τεχνητή ευφυΐα
αυτή την τεχνητή ευφυΐα
03:15
and we're making it smarter and smarter.
58
183117
2423
και να την κάνουμε όλο και πιο έξυπνη.
03:18
There are three aspects
to this general trend
to this general trend
59
186710
3895
Υπάρχουν τρεις πλευρές
σε αυτή τη γενική τάση
σε αυτή τη γενική τάση
03:22
that I think are underappreciated;
60
190629
1689
και νομίζω ότι είναι υποτιμημένες.
03:24
I think we would understand
AI a lot better
AI a lot better
61
192342
2277
Νομίζω ότι θα καταλαβαίναμε
την ΤΝ πολύ καλύτερα,
την ΤΝ πολύ καλύτερα,
03:26
if we understood these three things.
62
194643
2301
αν καταλαβαίναμε αυτά τα τρία πράγματα.
03:28
I think these things also would
help us embrace AI,
help us embrace AI,
63
196968
3283
Νομίζω ότι αυτά τα πράγματα
θα μας βοηθούσαν να αποδεχτούμε την ΤΝ,
θα μας βοηθούσαν να αποδεχτούμε την ΤΝ,
03:32
because it's only by embracing it
that we actually can steer it.
that we actually can steer it.
64
200275
3008
γιατί μόνο αν την αποδεχτούμε
θα μπορέσουμε να την κατευθύνουμε.
θα μπορέσουμε να την κατευθύνουμε.
03:35
We can actually steer the specifics
by embracing the larger trend.
by embracing the larger trend.
65
203887
3157
Μπορούμε να κατευθύνουμε τις λεπτομέρειες,
αποδεχόμενοι την ευρύτερη τάση.
αποδεχόμενοι την ευρύτερη τάση.
03:39
So let me talk about
those three different aspects.
those three different aspects.
66
207467
2979
Θα μιλήσω, λοιπόν, για αυτές
τις τρεις διαφορετικές διαστάσεις.
τις τρεις διαφορετικές διαστάσεις.
03:42
The first one is: our own intelligence
has a very poor understanding
has a very poor understanding
67
210470
3673
Η πρώτη είναι: η δική μας νοημοσύνη
έχει περιορισμένη αντίληψη
έχει περιορισμένη αντίληψη
03:46
of what intelligence is.
68
214167
1490
του τι είναι η νοημοσύνη.
03:48
We tend to think of intelligence
as a single dimension,
as a single dimension,
69
216110
3653
Έχουμε την τάση να σκεφτόμαστε
τη νοημοσύνη σαν κάτι μονοδιάστατο,
τη νοημοσύνη σαν κάτι μονοδιάστατο,
03:51
that it's kind of like a note
that gets louder and louder.
that gets louder and louder.
70
219787
2750
σαν να είναι μια νότα
που δυναμώνει όλο και περισσότερο.
που δυναμώνει όλο και περισσότερο.
03:54
It starts like with IQ measurement.
71
222561
2607
Όπως με τις μετρήσεις ευφυΐας.
03:57
It starts with maybe a simple
low IQ in a rat or mouse,
low IQ in a rat or mouse,
72
225192
4092
Ξεκινάει με ένα απλό, χαμηλό IQ
σε έναν αρουραίο ή ένα ποντίκι,
σε έναν αρουραίο ή ένα ποντίκι,
και ίσως υπάρχει
κάτι περισσότερο σε ένα χιμπατζή,
κάτι περισσότερο σε ένα χιμπατζή,
04:01
and maybe there's more in a chimpanzee,
73
229308
2134
και μετά, ίσως περισσότερο
σε ένα ανόητο άτομο,
σε ένα ανόητο άτομο,
04:03
and then maybe there's more
in a stupid person,
in a stupid person,
74
231887
2191
04:06
and then maybe an average
person like myself,
person like myself,
75
234102
2096
και μετά, ίσως σ' έναν
μέσο άνθρωπο σαν εμένα
μέσο άνθρωπο σαν εμένα
04:08
and then maybe a genius.
76
236222
1290
και μετά, ίσως σε μια ιδιοφυΐα.
04:09
And this single IQ intelligence
is getting greater and greater.
is getting greater and greater.
77
237536
4433
Κι αυτό το IQ γίνεται όλο και πιο υψηλό.
Αυτό είναι τελείως λάθος.
04:14
That's completely wrong.
78
242516
1151
04:15
That's not what intelligence is --
not what human intelligence is, anyway.
not what human intelligence is, anyway.
79
243691
3608
Η νοημοσύνη δεν είναι αυτό,
τουλάχιστον όχι η ανθρώπινη νοημοσύνη.
τουλάχιστον όχι η ανθρώπινη νοημοσύνη.
04:19
It's much more like a symphony
of different notes,
of different notes,
80
247673
4506
Μοιάζει περισσότερο με μια συμφωνία
με πολλές διαφορετικές νότες
με πολλές διαφορετικές νότες
04:24
and each of these notes is played
on a different instrument of cognition.
on a different instrument of cognition.
81
252203
3609
και κάθε νότα παίζεται
σε ένα διαφορετικό όργανο γνώσης.
σε ένα διαφορετικό όργανο γνώσης.
04:27
There are many types
of intelligences in our own minds.
of intelligences in our own minds.
82
255836
3701
Υπάρχουν πολλά είδη νοημοσύνης
μέσα στο μυαλό μας.
μέσα στο μυαλό μας.
04:31
We have deductive reasoning,
83
259561
3048
Έχουμε συμπερασματική συλλογιστική,
04:34
we have emotional intelligence,
84
262633
2221
έχουμε συναισθηματική ευφυΐα,
04:36
we have spatial intelligence;
85
264878
1393
έχουμε χωρική ευφυΐα,
04:38
we have maybe 100 different types
that are all grouped together,
that are all grouped together,
86
266295
4021
έχουμε περίπου 100 διαφορετικούς τύπους
που ανήκουν στην ίδια ομάδα
που ανήκουν στην ίδια ομάδα
04:42
and they vary in different strengths
with different people.
with different people.
87
270340
3905
και ποικίλουν σε διαφορετικές δυνάμεις
με διαφορετικά άτομα.
με διαφορετικά άτομα.
04:46
And of course, if we go to animals,
they also have another basket --
they also have another basket --
88
274269
4526
Και φυσικά, όσον αφορά τα ζώα,
κι αυτά έχουν ένα άλλο καλάθι,
κι αυτά έχουν ένα άλλο καλάθι,
04:50
another symphony of different
kinds of intelligences,
kinds of intelligences,
89
278819
2541
μια άλλη συμφωνία
διαφορετικών ειδών ευφυΐας,
διαφορετικών ειδών ευφυΐας,
04:53
and sometimes those same instruments
are the same that we have.
are the same that we have.
90
281384
3566
και μερικές φορές αυτά τα ίδια όργανα
είναι ίδια με τα δικά μας.
είναι ίδια με τα δικά μας.
04:56
They can think in the same way,
but they may have a different arrangement,
but they may have a different arrangement,
91
284974
3561
Μπορούν να σκεφτούν με τον ίδιο τρόπο,
αλλά να έχουν διαφορετική οργάνωση,
αλλά να έχουν διαφορετική οργάνωση,
και σε κάποιες περιπτώσεις μπορεί
να είναι υψηλότερη από των ανθρώπων,
να είναι υψηλότερη από των ανθρώπων,
05:00
and maybe they're higher
in some cases than humans,
in some cases than humans,
92
288559
2467
05:03
like long-term memory in a squirrel
is actually phenomenal,
is actually phenomenal,
93
291050
2837
όπως η μνήμη του σκίουρου
που είναι εξαιρετική,
που είναι εξαιρετική,
05:05
so it can remember
where it buried its nuts.
where it buried its nuts.
94
293911
2287
για να θυμάται που έκρυψε τα καρύδια του.
Αλλά μπορεί να είναι και χαμηλότερη.
05:08
But in other cases they may be lower.
95
296222
1987
Όταν πάμε να φτιάξουμε μηχανές,
05:10
When we go to make machines,
96
298233
2730
05:12
we're going to engineer
them in the same way,
them in the same way,
97
300987
2196
πάμε να τις κατασκευάσουμε
με τον ίδιο τρόπο,
με τον ίδιο τρόπο,
05:15
where we'll make some of those types
of smartness much greater than ours,
of smartness much greater than ours,
98
303207
5010
κάνοντας κάποιους από αυτούς τους τύπους
ευφυΐας καλύτερους από τους δικούς μας.
ευφυΐας καλύτερους από τους δικούς μας.
05:20
and many of them won't be
anywhere near ours,
anywhere near ours,
99
308241
2571
Και κάποιοι από αυτούς
δεν θα πλησιάζουν καν τη δική μας,
δεν θα πλησιάζουν καν τη δική μας,
05:22
because they're not needed.
100
310836
1544
γιατί δεν είναι αναγκαίο.
05:24
So we're going to take these things,
101
312404
2203
Οπότε θα πάρουμε αυτά τα πράγματα,
05:26
these artificial clusters,
102
314631
2081
αυτές τις τεχνητές ομάδες
05:28
and we'll be adding more varieties
of artificial cognition to our AIs.
of artificial cognition to our AIs.
103
316736
5362
και θα προσθέσουμε περισσότερα είδη
τεχνητής γνώσης σε όλες τις ΤΝ.
τεχνητής γνώσης σε όλες τις ΤΝ.
05:34
We're going to make them
very, very specific.
very, very specific.
104
322507
4071
Θα τις κάνουμε πολύ πολύ συγκεκριμένες.
05:38
So your calculator is smarter
than you are in arithmetic already;
than you are in arithmetic already;
105
326602
6542
Το κομπιουτεράκι σας είναι ήδη
πιο έξυπνο από εσάς στην αριθμητική.
πιο έξυπνο από εσάς στην αριθμητική.
05:45
your GPS is smarter
than you are in spatial navigation;
than you are in spatial navigation;
106
333168
3697
Το GPS σας είναι πιο έξυπνο
από εσάς στην πλοήγηση.
από εσάς στην πλοήγηση.
05:49
Google, Bing, are smarter
than you are in long-term memory.
than you are in long-term memory.
107
337337
4258
Το Google, το Bing είναι πιο έξυπνα
από εσάς στη μακροπρόθεσμη μνήμη.
από εσάς στη μακροπρόθεσμη μνήμη.
05:54
And we're going to take, again,
these kinds of different types of thinking
these kinds of different types of thinking
108
342339
4530
Και θα πάρουμε αυτούς
τους διαφορετικούς τρόπους σκέψης
τους διαφορετικούς τρόπους σκέψης
05:58
and we'll put them into, like, a car.
109
346893
1933
και θα τους βάλουμε, π.χ. σε ένα αμάξι.
06:00
The reason why we want to put them
in a car so the car drives,
in a car so the car drives,
110
348850
3057
Ο λόγος που θέλουμε να τους βάλουμε
σε ένα αμάξι για να οδηγήσει,
σε ένα αμάξι για να οδηγήσει,
06:03
is because it's not driving like a human.
111
351931
2302
είναι επειδή δεν οδηγεί σαν άνθρωπος.
06:06
It's not thinking like us.
112
354257
1396
Δεν σκέφτεται σαν κι έμας.
06:07
That's the whole feature of it.
113
355677
1920
Αυτό είναι το θέμα.
06:09
It's not being distracted,
114
357621
1535
Δεν διασπάται η προσοχή του,
06:11
it's not worrying about whether
it left the stove on,
it left the stove on,
115
359180
2754
δεν ανησυχεί για το αν άφησε
το μάτι της κουζίνας ανοιχτό,
το μάτι της κουζίνας ανοιχτό,
06:13
or whether it should have
majored in finance.
majored in finance.
116
361958
2138
ή αν έπρεπε να είχε σπουδάσει οικονομικά.
06:16
It's just driving.
117
364120
1153
Απλώς οδηγεί.
06:17
(Laughter)
118
365297
1142
(Γέλια)
06:18
Just driving, OK?
119
366463
1841
Απλώς οδηγεί, εντάξει;
06:20
And we actually might even
come to advertise these
come to advertise these
120
368328
2937
Μπορεί και να τα διαφημίσουμε
06:23
as "consciousness-free."
121
371289
1545
κι ως «χωρίς συνείδηση».
06:24
They're without consciousness,
122
372858
1774
Δεν έχουν συνείδηση,
06:26
they're not concerned about those things,
123
374656
2104
δεν τα απασχολούν τέτοια πράγματα,
06:28
they're not distracted.
124
376784
1156
δεν αποσπάται η προσοχή τους.
06:29
So in general, what we're trying to do
125
377964
2966
Γενικά, αυτό που προσπαθούμε να κάνουμε
06:32
is make as many different
types of thinking as we can.
types of thinking as we can.
126
380954
4500
είναι να φτιάξουμε όσους διαφορετικούς
τύπους σκέψης μπορούμε.
τύπους σκέψης μπορούμε.
06:37
We're going to populate the space
127
385804
2083
Θα γεμίσουμε τον χώρο
06:39
of all the different possible types,
or species, of thinking.
or species, of thinking.
128
387911
4159
με όλους τους πιθανούς τρόπους σκέψης.
06:44
And there actually may be some problems
129
392094
2068
Και μπορεί να υπάρξουν κάποια προβλήματα
06:46
that are so difficult
in business and science
in business and science
130
394186
2800
που είναι τόσο δύσκολα
στον επιχειρηματικό ή επιστημονικό τομέα
στον επιχειρηματικό ή επιστημονικό τομέα
06:49
that our own type of human thinking
may not be able to solve them alone.
may not be able to solve them alone.
131
397010
4042
που ο ανθρώπινος τρόπος σκέψης μας
να μην μπορεί να τα λύσει.
να μην μπορεί να τα λύσει.
06:53
We may need a two-step program,
132
401076
1992
Μπορεί να χρειαστούμε
ένα πρόγραμμα δύο βημάτων
ένα πρόγραμμα δύο βημάτων
06:55
which is to invent new kinds of thinking
133
403092
4203
που θα είναι η εφεύρεση νέων ειδών σκέψης,
06:59
that we can work alongside of to solve
these really large problems,
these really large problems,
134
407692
3734
με τα οποία θα μπορούμε να δουλέψουμε
για να λύσουμε αυτά τα μεγάλα προβλήματα,
για να λύσουμε αυτά τα μεγάλα προβλήματα,
07:03
say, like dark energy or quantum gravity.
135
411450
2918
όπως η σκοτεινή ενέργεια
ή η κβαντική βαρύτητα.
ή η κβαντική βαρύτητα.
07:08
What we're doing
is making alien intelligences.
is making alien intelligences.
136
416496
2646
Αυτό που κάνουμε είναι να δημιουργούμε
εξωγήινες νοημοσύνες.
εξωγήινες νοημοσύνες.
07:11
You might even think of this
as, sort of, artificial aliens
as, sort of, artificial aliens
137
419166
4069
Μπορείτε να το θεωρήσετε
και κάτι σαν τεχνητούς εξωγήινους,
και κάτι σαν τεχνητούς εξωγήινους,
07:15
in some senses.
138
423259
1207
κατά μία έννοια.
07:16
And they're going to help
us think different,
us think different,
139
424490
2300
Και θα μας βοηθήσουν
να σκεφτούμε διαφορετικά
να σκεφτούμε διαφορετικά
07:18
because thinking different
is the engine of creation
is the engine of creation
140
426814
3632
καθώς το να σκεφτόμαστε διαφορετικά
είναι η μηχανή της δημιουργίας
είναι η μηχανή της δημιουργίας
07:22
and wealth and new economy.
141
430470
1867
και του πλούτου
και της καινούργιας οικονομίας.
και της καινούργιας οικονομίας.
07:25
The second aspect of this
is that we are going to use AI
is that we are going to use AI
142
433835
4923
Η δεύτερη πλευρά αυτού του θέματος
είναι ότι θα χρησιμοποιήσουμε την ΤΝ
είναι ότι θα χρησιμοποιήσουμε την ΤΝ
07:30
to basically make a second
Industrial Revolution.
Industrial Revolution.
143
438782
2950
για να κάνουμε, ουσιαστικά,
μια δεύτερη Βιομηχανική Επανάσταση.
μια δεύτερη Βιομηχανική Επανάσταση.
07:34
The first Industrial Revolution
was based on the fact
was based on the fact
144
442135
2773
Η πρώτη Βιομηχανική Επανάσταση
βασίστηκε στο γεγονός
βασίστηκε στο γεγονός
07:36
that we invented something
I would call artificial power.
I would call artificial power.
145
444932
3462
ότι δημιουργήσαμε κάτι
που θα αποκαλούσα τεχνητή δύναμη.
που θα αποκαλούσα τεχνητή δύναμη.
07:40
Previous to that,
146
448879
1150
Πριν από αυτό,
07:42
during the Agricultural Revolution,
147
450053
2034
κατά τη διάρκεια
της Αγροτικής Επανάστασης,
της Αγροτικής Επανάστασης,
07:44
everything that was made
had to be made with human muscle
had to be made with human muscle
148
452111
3702
ό,τι φτιαχνόταν έπρεπε
να γίνει από ανθρώπινα χέρια
να γίνει από ανθρώπινα χέρια
07:47
or animal power.
149
455837
1307
ή τη δύναμη των ζώων.
Αυτός ήταν ο μόνος τρόπος
για να γίνει το οτιδήποτε.
για να γίνει το οτιδήποτε.
07:49
That was the only way
to get anything done.
to get anything done.
150
457565
2063
07:51
The great innovation during
the Industrial Revolution was,
the Industrial Revolution was,
151
459652
2945
Η μεγάλη καινοτομία κατά τη διάρκεια
της Βιομηχανικής Επανάστασης
της Βιομηχανικής Επανάστασης
07:54
we harnessed steam power, fossil fuels,
152
462621
3109
ήταν ότι αξιοποιήσαμε τη δύναμη
του ατμού, των ορυκτών καυσίμων,
του ατμού, των ορυκτών καυσίμων,
07:57
to make this artificial power
that we could use
that we could use
153
465754
3856
για να φτιάξουμε αυτή την τεχνητή ενέργεια
που θα χρησιμοποιούσαμε
που θα χρησιμοποιούσαμε
για να κάνουμε ό,τι θέλαμε να κάνουμε.
08:01
to do anything we wanted to do.
154
469634
1669
08:03
So today when you drive down the highway,
155
471327
2772
Έτσι σήμερα όταν οδηγείτε
σε έναν αυτοκινητόδρομο,
σε έναν αυτοκινητόδρομο,
08:06
you are, with a flick of the switch,
commanding 250 horses --
commanding 250 horses --
156
474571
4525
διαχειρίζεστε 250 άλογα,
με το πάτημα ενός κουμπιού
με το πάτημα ενός κουμπιού
08:11
250 horsepower --
157
479120
1572
-ιπποδύναμη 250 ίππων-
08:12
which we can use to build skyscrapers,
to build cities, to build roads,
to build cities, to build roads,
158
480716
4692
που θα μπορούσαμε να χρησιμοποιήσουμε για
να χτίσουμε ουρανοξύστες, πόλεις, δρόμους,
να χτίσουμε ουρανοξύστες, πόλεις, δρόμους,
08:17
to make factories that would churn out
lines of chairs or refrigerators
lines of chairs or refrigerators
159
485432
5789
εργοστάσια που θα παρήγαγαν
καρέκλες ή ψυγεία
καρέκλες ή ψυγεία
08:23
way beyond our own power.
160
491245
1654
πέρα των δυνατοτήτων μας.
08:24
And that artificial power can also
be distributed on wires on a grid
be distributed on wires on a grid
161
492923
6111
Κι αυτή η τεχνητή δύναμη μπορεί
να διανεμηθεί και σε καλώδια σε ένα δίκτυο
να διανεμηθεί και σε καλώδια σε ένα δίκτυο
08:31
to every home, factory, farmstead,
162
499058
3199
για κάθε σπίτι, εργοστάσιο ή αγρόκτημα,
08:34
and anybody could buy
that artificial power,
that artificial power,
163
502281
4191
και ο καθένας θα μπορούσε
να αγοράσει αυτή την τεχνητή δύναμη,
να αγοράσει αυτή την τεχνητή δύναμη,
08:38
just by plugging something in.
164
506496
1472
απλά βάζοντας κάτι στην πρίζα.
08:39
So this was a source
of innovation as well,
of innovation as well,
165
507992
2439
Έτσι κι αυτό ήταν μια πηγή καινοτομίας
08:42
because a farmer could take
a manual hand pump,
a manual hand pump,
166
510455
3418
γιατί ο κάθε αγρότης θα μπορούσε
να πάρει μια χειροκίνητη αντλία
να πάρει μια χειροκίνητη αντλία
και θα μπορούσε να προσθέσει
αυτή την τεχνητή δύναμη, τον ηλεκτρισμό,
αυτή την τεχνητή δύναμη, τον ηλεκτρισμό,
08:45
and they could add this artificial
power, this electricity,
power, this electricity,
167
513897
2916
08:48
and he'd have an electric pump.
168
516837
1497
και θα είχε μια ηλεκτρική αντλία.
08:50
And you multiply that by thousands
or tens of thousands of times,
or tens of thousands of times,
169
518358
3318
Κι αν το πολλαπλασιάσετε
εκατοντάδες ή δεκάδες χιλιάδες φορές,
εκατοντάδες ή δεκάδες χιλιάδες φορές,
08:53
and that formula was what brought us
the Industrial Revolution.
the Industrial Revolution.
170
521700
3159
θα έχετε τη φόρμουλα που έφερε
τη Βιομηχανική Επανάσταση.
τη Βιομηχανική Επανάσταση.
08:56
All the things that we see,
all this progress that we now enjoy,
all this progress that we now enjoy,
171
524883
3585
Όλα τα πράγματα που βλέπουμε,
όλη αυτή η πρόοδος που απολαμβάνουμε,
όλη αυτή η πρόοδος που απολαμβάνουμε,
09:00
has come from the fact
that we've done that.
that we've done that.
172
528492
2063
προήλθε από το γεγονός
ότι έγιναν όλα αυτά.
ότι έγιναν όλα αυτά.
09:02
We're going to do
the same thing now with AI.
the same thing now with AI.
173
530579
2348
Τώρα θα κάνουμε το ίδιο πράγμα με την ΤΝ.
09:04
We're going to distribute that on a grid,
174
532951
2075
Θα τη διανείμουμε σε ένα δίκτυο
09:07
and now you can take that electric pump.
175
535050
2374
και θα μπορείτε να πάρετε
αυτή την ηλεκτρική αντλία,
αυτή την ηλεκτρική αντλία,
09:09
You can add some artificial intelligence,
176
537448
2968
θα μπορείτε να της προσθέσετε
τεχνητή νοημοσύνη
τεχνητή νοημοσύνη
09:12
and now you have a smart pump.
177
540440
1481
και θα έχετε μια έξυπνη αντλία.
09:13
And that, multiplied by a million times,
178
541945
1928
Αν το πολλαπλασιάσετε αυτό
εκατομμύρια φορές
εκατομμύρια φορές
09:15
is going to be this second
Industrial Revolution.
Industrial Revolution.
179
543897
2363
θα γίνει η δεύτερη Βιομηχανική Επανάσταση.
09:18
So now the car is going down the highway,
180
546284
2382
Και το αμάξι στον αυτοκινητόδρομο
09:20
it's 250 horsepower,
but in addition, it's 250 minds.
but in addition, it's 250 minds.
181
548690
4294
είναι 250 ίππων, αλλά και 250 μυαλών.
09:25
That's the auto-driven car.
182
553008
1769
Είναι το αυτοοδηγούμενο αυτοκίνητο.
09:26
It's like a new commodity;
183
554801
1389
Είναι σαν μια νέα άνεση,
09:28
it's a new utility.
184
556214
1303
ένα νέο είδος πρακτικότητας.
09:29
The AI is going to flow
across the grid -- the cloud --
across the grid -- the cloud --
185
557541
3041
Η ΤΝ θα ξεχυθεί στο δίκτυο, στο «σύννεφο»,
09:32
in the same way electricity did.
186
560606
1567
με τον ίδιο τρόπο που συνέβη
με τον ηλεκτρισμό.
με τον ηλεκτρισμό.
09:34
So everything that we had electrified,
187
562197
2380
Έτσι, ό,τι έχουμε ηλεκτροδοτήσει,
09:36
we're now going to cognify.
188
564601
1723
τώρα θα του δώσουμε αντίληψη.
09:38
And I owe it to Jeff, then,
189
566693
1385
Και θα πρότεινα ότι
09:40
that the formula
for the next 10,000 start-ups
for the next 10,000 start-ups
190
568102
3732
η φόρμουλα για τις επόμενες
10.000 νεοφυείς επιχειρήσεις
10.000 νεοφυείς επιχειρήσεις
09:43
is very, very simple,
191
571858
1162
είναι πολύ, πολύ απλή,
09:45
which is to take x and add AI.
192
573044
3167
παίρνουμε το χ και προσθέτουμε ΤΝ.
09:49
That is the formula,
that's what we're going to be doing.
that's what we're going to be doing.
193
577100
2812
Αυτή είναι η φόρμουλα, αυτό θα κάνουμε.
09:51
And that is the way
in which we're going to make
in which we're going to make
194
579936
3306
Και με αυτόν τον τρόπο θα κάνουμε
09:55
this second Industrial Revolution.
195
583266
1858
τη δεύτερη Βιομηχανική Επανάσταση.
Και, παρεμπιπτόντως,
αυτή τη στιγμή, αυτό το λεπτό,
αυτή τη στιγμή, αυτό το λεπτό,
09:57
And by the way -- right now, this minute,
196
585148
2154
09:59
you can log on to Google
197
587326
1169
μπορείτε να μπείτε στο Google
10:00
and you can purchase
AI for six cents, 100 hits.
AI for six cents, 100 hits.
198
588519
3882
και να αγοράσετε ΤΝ για 6 σεντ,
100 χτυπήματα.
100 χτυπήματα.
10:04
That's available right now.
199
592758
1604
Είναι διαθέσιμη αυτή τη στιγμή.
10:06
So the third aspect of this
200
594386
2286
Η τρίτη πλευρά του θέματος
10:09
is that when we take this AI
and embody it,
and embody it,
201
597315
2678
είναι ότι όταν παίρνουμε την ΤΝ
και την ενσωματώνουμε,
και την ενσωματώνουμε,
10:12
we get robots.
202
600017
1173
φτιάχνουμε ρομπότ.
10:13
And robots are going to be bots,
203
601214
1703
Και τα ρομπότ θα γίνουν μποτ,
10:14
they're going to be doing many
of the tasks that we have already done.
of the tasks that we have already done.
204
602941
3328
θα κάνουν πολλές εργασίες
που κάνουμε ήδη.
που κάνουμε ήδη.
Μια δουλειά είναι διάφορες εργασίες,
10:20
A job is just a bunch of tasks,
205
608357
1528
10:21
so they're going to redefine our jobs
206
609909
1762
οπότε θα επαναπροσδιορίσουν
τις δουλειές μας
τις δουλειές μας
10:23
because they're going to do
some of those tasks.
some of those tasks.
207
611695
2259
γιατί θα κάνουν κάποιες
από αυτές τις εργασίες.
από αυτές τις εργασίες.
10:25
But they're also going to curate
whole new categories,
whole new categories,
208
613978
3197
Αλλά θα δημιουργήσουν
και καινούργιες κατηγορίες,
και καινούργιες κατηγορίες,
10:29
a whole new slew of tasks
209
617199
2247
μια νέα πληθώρα εργασιών
10:31
that we didn't know
we wanted to do before.
we wanted to do before.
210
619470
2457
που δεν ξέραμε ότι θα θέλαμε να κάνουμε.
10:33
They're going to actually
engender new kinds of jobs,
engender new kinds of jobs,
211
621951
3637
Θα δημιουργήσουν νέα είδη δουλειάς,
10:37
new kinds of tasks that we want done,
212
625612
2271
νέα είδη εργασίας
που θα θέλουμε να γίνουν
που θα θέλουμε να γίνουν
10:39
just as automation made up
a whole bunch of new things
a whole bunch of new things
213
627907
3405
ακριβώς όπως η αυτοματοποίηση
δημιούργησε ένα σωρό νέα πράγματα
δημιούργησε ένα σωρό νέα πράγματα
10:43
that we didn't know we needed before,
214
631336
1834
που δεν ξέραμε ότι χρειαζόμασταν πριν
10:45
and now we can't live without them.
215
633194
1956
και τώρα δεν μπορούμε
να ζήσουμε χωρίς αυτά.
να ζήσουμε χωρίς αυτά.
10:47
So they're going to produce
even more jobs than they take away,
even more jobs than they take away,
216
635174
3956
Οπότε θα δημιουργήσουν ακόμα περισσότερες
δουλειές από αυτές που θα πάρουν
δουλειές από αυτές που θα πάρουν
10:51
but it's important that a lot of the tasks
that we're going to give them
that we're going to give them
217
639154
3434
αλλά είναι σημαντικό οι περισσότερες
εργασίες που θα τους δώσουμε
εργασίες που θα τους δώσουμε
10:54
are tasks that can be defined
in terms of efficiency or productivity.
in terms of efficiency or productivity.
218
642612
4572
να είναι εργασίες που θα σχετίζονται με
την αποδοτικότητα και την παραγωγικότητα.
την αποδοτικότητα και την παραγωγικότητα.
10:59
If you can specify a task,
219
647676
1828
Αν προσδιορίσουμε μια εργασία,
11:01
either manual or conceptual,
220
649528
2235
είτε χειροκίνητη είτε νοητική,
11:03
that can be specified in terms
of efficiency or productivity,
of efficiency or productivity,
221
651787
4780
που μπορεί να προσδιοριστεί ως προς
την αποδοτικότητα και την παραγωγικότητα,
την αποδοτικότητα και την παραγωγικότητα,
11:08
that goes to the bots.
222
656591
1777
αυτή θα γίνεται από τα μποτ.
11:10
Productivity is for robots.
223
658758
2178
Η παραγωγικότητα είναι για τα ρομπότ.
11:12
What we're really good at
is basically wasting time.
is basically wasting time.
224
660960
3070
Αυτό στο οποίο είμαστε καλοί
είναι, ουσιαστικά, το χάσιμο χρόνου.
είναι, ουσιαστικά, το χάσιμο χρόνου.
11:16
(Laughter)
225
664054
1028
(Γέλια)
Είμαστε πολύ καλοί σε πράγματα
που είναι μη αποδοτικά.
που είναι μη αποδοτικά.
11:17
We're really good at things
that are inefficient.
that are inefficient.
226
665106
2316
11:19
Science is inherently inefficient.
227
667446
3025
Η επιστήμη είναι εγγενώς μή αποδοτική.
11:22
It runs on that fact that you have
one failure after another.
one failure after another.
228
670816
2906
Βασίζεται στο ότι
η μία αποτυχία έρχεται μετά την άλλη.
η μία αποτυχία έρχεται μετά την άλλη.
11:25
It runs on the fact that you make tests
and experiments that don't work,
and experiments that don't work,
229
673746
3424
Βασίζεται στο ότι κάνουμε
τεστ και πειράματα που δεν πετυχαίνουν,
τεστ και πειράματα που δεν πετυχαίνουν,
11:29
otherwise you're not learning.
230
677194
1442
αλλιώς δεν μαθαίνουμε.
11:30
It runs on the fact
231
678660
1162
Βασίζεται στο ότι
δεν υπάρχει αρκετή παραγωγικότητα σε αυτή.
11:31
that there is not
a lot of efficiency in it.
a lot of efficiency in it.
232
679846
2083
11:33
Innovation by definition is inefficient,
233
681953
2779
Η πρωτοπορία είναι εξ ορισμού
μη αποδοτική,
μη αποδοτική,
11:36
because you make prototypes,
234
684756
1391
επειδή φτιάχνεις πρωτότυπα,
11:38
because you try stuff that fails,
that doesn't work.
that doesn't work.
235
686171
2707
επειδή δοκιμάζεις πράγματα
που αποτυγχάνουν, που δεν λειτουργούν.
που αποτυγχάνουν, που δεν λειτουργούν.
11:40
Exploration is inherently inefficiency.
236
688902
3112
Η εξερεύνηση είναι εγγενώς μή αποδοτική.
11:44
Art is not efficient.
237
692038
1531
Η τέχνη δεν είναι αποδοτική.
11:45
Human relationships are not efficient.
238
693593
2127
Οι ανθρώπινες σχέσεις
δεν είναι αποδοτικές.
δεν είναι αποδοτικές.
11:47
These are all the kinds of things
we're going to gravitate to,
we're going to gravitate to,
239
695744
2940
Αυτά είναι όλα τα πράγματα
στα οποία θα επικεντρωθούμε
στα οποία θα επικεντρωθούμε
11:50
because they're not efficient.
240
698708
1475
επειδή δεν είναι αποδοτικά.
11:52
Efficiency is for robots.
241
700207
2315
Η αποδοτικότητα είναι για τα ρομπότ.
11:55
We're also going to learn
that we're going to work with these AIs
that we're going to work with these AIs
242
703338
4123
Επίσης θα μάθουμε
ότι θα δουλέψουμε με αυτές τις ΤΝ
ότι θα δουλέψουμε με αυτές τις ΤΝ
11:59
because they think differently than us.
243
707485
1997
επειδή σκέφτονται διαφορετικά από εμάς.
12:02
When Deep Blue beat
the world's best chess champion,
the world's best chess champion,
244
710005
4314
Όταν το Deep Blue νίκησε
τον παγκόσμιο πρωταθλητή στο σκάκι,
τον παγκόσμιο πρωταθλητή στο σκάκι,
πολλοί νόμιζαν ότι
αυτό ήταν το τέλος του σκακιού.
αυτό ήταν το τέλος του σκακιού.
12:06
people thought it was the end of chess.
245
714343
1929
12:08
But actually, it turns out that today,
the best chess champion in the world
the best chess champion in the world
246
716296
4402
Αλλά τελικά σήμερα,
ο παγκόσμιος πρωταθλητής στο σκάκι
ο παγκόσμιος πρωταθλητής στο σκάκι
12:12
is not an AI.
247
720722
1557
δεν είναι μια ΤΝ.
12:14
And it's not a human.
248
722906
1181
Και δεν είναι άνθρωπος.
12:16
It's the team of a human and an AI.
249
724111
2715
Είναι μια ομάδα ανθρώπων και μιας ΤΝ.
12:18
The best medical diagnostician
is not a doctor, it's not an AI,
is not a doctor, it's not an AI,
250
726850
4000
Τις καλύτερες διαγνώσεις δεν τις κάνει
ούτε ένας γιατρός ούτε μια ΤΝ,
ούτε ένας γιατρός ούτε μια ΤΝ,
12:22
it's the team.
251
730874
1176
αλλά η ομάδα.
12:24
We're going to be working with these AIs,
252
732074
2149
Θα δουλεύουμε με αυτές τις ΤΝ
12:26
and I think you'll be paid in the future
253
734247
1995
και νομίζω ότι θα ανταμειφθούμε στο μέλλον
12:28
by how well you work with these bots.
254
736266
2391
από το πόσο καλά
δουλεύουμε με αυτά τα μποτ.
δουλεύουμε με αυτά τα μποτ.
12:31
So that's the third thing,
is that they're different,
is that they're different,
255
739026
4257
Το τρίτο είναι ότι είναι διαφορετικά,
12:35
they're utility
256
743307
1165
είναι χρήσιμα
12:36
and they are going to be something
we work with rather than against.
we work with rather than against.
257
744496
3816
και θα είναι κάτι με το οποίο
θα δουλεύουμε μαζί, όχι ενάντια.
θα δουλεύουμε μαζί, όχι ενάντια.
12:40
We're working with these
rather than against them.
rather than against them.
258
748336
2639
Θα δουλεύουμε μαζί τους
αντί να είμαστε εναντίον τους.
αντί να είμαστε εναντίον τους.
12:42
So, the future:
259
750999
1477
Οπότε, το μέλλον:
12:44
Where does that take us?
260
752500
1420
Πού μας πηγαίνει;
12:45
I think that 25 years from now,
they'll look back
they'll look back
261
753944
3567
Πιστευώ ότι σε 25 χρόνια από τώρα,
θα κοιτάμε πίσω
θα κοιτάμε πίσω
12:49
and look at our understanding
of AI and say,
of AI and say,
262
757535
3125
και θα δούμε την αντίληψή μας
σχετικά με την ΤΝ και θα λέμε:
σχετικά με την ΤΝ και θα λέμε:
12:52
"You didn't have AI. In fact,
you didn't even have the Internet yet,
you didn't even have the Internet yet,
263
760684
3300
«Δεν είχατε ΤΝ. Βασικά,
ούτε Διαδίκτυο δεν είχατε ακόμα,
ούτε Διαδίκτυο δεν είχατε ακόμα,
12:56
compared to what we're going
to have 25 years from now."
to have 25 years from now."
264
764008
2741
σε σχέση με όσα θα έχουμε
σε 25 χρόνια από τώρα».
σε 25 χρόνια από τώρα».
12:59
There are no AI experts right now.
265
767849
3047
Δεν υπάρχουν ειδικοί στην ΤΝ
αυτή τη στιγμή.
αυτή τη στιγμή.
13:02
There's a lot of money going to it,
266
770920
1699
Πηγαίνουν πολλά λεφτά σε αυτόν τον τομέα.
13:04
there are billions of dollars
being spent on it;
being spent on it;
267
772643
2268
Ξοδεύονται δισεκατομμύρια δολάρια,
13:06
it's a huge business,
268
774935
2164
είναι μια τεράστια επιχείρηση,
13:09
but there are no experts, compared
to what we'll know 20 years from now.
to what we'll know 20 years from now.
269
777123
4272
αλλά δεν υπάρχουν ειδικοί, συγκριτικά
με όσα θα ξέρουμε σε 20 χρόνια από τώρα.
με όσα θα ξέρουμε σε 20 χρόνια από τώρα.
13:14
So we are just at the beginning
of the beginning,
of the beginning,
270
782064
2885
Είμαστε μόνο στην αρχή της αρχής,
13:16
we're in the first hour of all this.
271
784973
2163
είμαστε στην πρώτη ώρα όλου αυτού.
13:19
We're in the first hour of the Internet.
272
787160
1935
Είμαστε στην πρώτη ώρα του Διαδικτύου.
13:21
We're in the first hour of what's coming.
273
789119
2040
Είμαστε στην πρώτη ώρα των όσων έρχονται.
13:23
The most popular AI product
in 20 years from now,
in 20 years from now,
274
791183
4153
Το πιο δημοφιλές προϊόν ΤΝ
σε 20 χρόνια από τώρα,
σε 20 χρόνια από τώρα,
13:27
that everybody uses,
275
795360
1444
που όλοι θα χρησιμοποιούν,
13:29
has not been invented yet.
276
797499
1544
δεν έχει εφευρεθεί ακόμα.
13:32
That means that you're not late.
277
800464
2467
Αυτό σημαίνει ότι δεν έχετε αργήσει.
13:35
Thank you.
278
803684
1151
Ευχαριστώ.
13:36
(Laughter)
279
804859
1026
(Γέλια)
13:37
(Applause)
280
805909
2757
(Χειροκρότημα)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com