TED2018
Kai-Fu Lee: How AI can save our humanity
કાઇ-એફ યુ લી: એઆઈ આપણા માનવતાને કેવી રીતે બચાવી શકે છે
Filmed:
Readability: 4.7
3,583,197 views
એઆઈ આપણા વિશ્વમાં મોટા પ્રમાણમાં પરિવર્તન લાવી રહ્યું છે, પરંતુ એક વસ્તુ તે કરી શકતી નથી: પ્રેમ. સ્વપ્નદ્રષ્ટાની વાતોમાં, કમ્પ્યુટર વૈજ્ .ાનિક કૈ-ફુ લી વિગતો આપે છે કે યુ.એસ. અને ચીન કેવી રીતે learningંડા અધ્યયન ક્રાંતિ ચલાવી રહ્યા છે - અને કરુણા અને સર્જનાત્મકતાનો ઉપયોગ કરીને એ.આઈ. યુગમાં મનુષ્ય કેવી રીતે વિકસિત થઈ શકે છે તે અંગેનો બ્લુપ્રિન્ટ શેર કરે છે. લી કહે છે, "એઆઈ એ સેરન્ડિપિટી છે." "અહીં આપણને નિત્યક્રમની નોકરીઓથી મુક્તિ અપાવવા માટે છે, અને તે અહીં અમને યાદ અપાવે છે કે તે અમને શું બનાવે છે."
Kai-Fu Lee - Investor, computer scientist
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
At Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to talk about
how AI and mankind can coexist,
how AI and mankind can coexist,
0
640
4536
હું વિશે વાત કરવા જઇ રહ્યો છું
એઆઈ અને માનવજાત કેવી રીતે એક સાથે રહી શકે છે,
એઆઈ અને માનવજાત કેવી રીતે એક સાથે રહી શકે છે,
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
પરંતુ પ્રથમ, આપણે ફરીથી વિચાર કરવો પડશે
આપણા માનવ મૂલ્યો વિશે.
આપણા માનવ મૂલ્યો વિશે.
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
તો ચાલો પહેલા હું કબૂલાત કરું
મારા મૂલ્યોમાંની ભૂલો વિશે.
મારા મૂલ્યોમાંની ભૂલો વિશે.
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
16 ડિસેમ્બર, 1991 ના 11 વાગ્યા હતા.
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
હું પિતા બનવાનો હતો
પ્રથમ વખત.
પ્રથમ વખત.
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
મારી પત્ની, શેન-લિંગ,
હોસ્પિટલના પલંગ પર પડેલી
હોસ્પિટલના પલંગ પર પડેલી
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
ખૂબ જ મુશ્કેલમાંથી પસાર થવું
12 કલાકની મજૂરી.
12 કલાકની મજૂરી.
00:40
I sat by her bedside
7
28280
2296
હું તેના બેડસાઇડ પાસે બેઠો
00:42
but looked anxiously at my watch,
8
30600
2376
પરંતુ મારી ઘડિયાળ પર બેચેનતાથી જોયું,
00:45
and I knew something that she didn't.
9
33000
1800
અને હું કંઈક જાણતી હતી જે તેણીને ન હતી.
00:47
I knew that if in one hour,
10
35440
1800
હું જાણું છું કે જો એક કલાકમાં,
00:50
our child didn't come,
11
38360
1936
અમારું બાળક આવ્યું નથી
00:52
I was going to leave her there
12
40320
1936
હું તેને ત્યાં જતો રહ્યો
00:54
and go back to work
13
42280
1656
અને પાછા કામ પર જાઓ
00:55
and make a presentation about AI
14
43960
2576
અને એઆઈ વિશે રજૂઆત કરો
00:58
to my boss, Apple's CEO.
15
46560
2200
મારા બોસ, એપલના સીઈઓ.
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
સદનસીબે, મારી પુત્રીનો જન્મ
11:30 વાગ્યે થયો હતો -
11:30 વાગ્યે થયો હતો -
01:07
(Laughter)
17
55080
1936
(હાસ્ય)
01:09
(Applause)
18
57040
1936
(તાળીઓ)
01:11
sparing me from doing the unthinkable,
19
59000
4336
મને કલ્પના કરવાથી બચાવ્યું,
01:15
and to this day, I am so sorry
20
63360
2496
અને આજ સુધી, મને માફ કરશો
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
મારા કાર્ય નીતિ માટે
મારા કુટુંબ પ્રત્યેના પ્રેમ ઉપર અગ્રતા રાખો
મારા કુટુંબ પ્રત્યેના પ્રેમ ઉપર અગ્રતા રાખો
01:22
(Applause)
22
70560
5736
(તાળીઓ)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
મારી એઆઈ વાતો, જોકે, તેજસ્વી થઈ.
01:30
(Laughter)
24
78960
2736
(હાસ્ય)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
Appleને મારું કામ ગમ્યું
અને તેની જાહેરાત કરવાનું નક્કી કર્યું
અને તેની જાહેરાત કરવાનું નક્કી કર્યું
01:36
at TED1992,
26
84880
2696
TED1992 પર,
01:39
26 years ago on this very stage.
27
87600
3016
26 વર્ષ પહેલાં આ ખૂબ જ સ્ટેજ પર.
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
મેં વિચાર્યું કે મેં એક સૌથી મોટું બનાવ્યું છે,
એ.આઇ. માં સૌથી મહત્વપૂર્ણ શોધો,
એ.આઇ. માં સૌથી મહત્વપૂર્ણ શોધો,
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
અને તેથી "વોલ સ્ટ્રીટ જર્નલ" કર્યું
બીજા દિવસે.
બીજા દિવસે.
01:51
But as far as discoveries went,
30
99440
2536
પરંતુ જ્યાં સુધી શોધ થઈ,
01:54
it turned out,
31
102000
1336
તે બહાર આવ્યું,
01:55
I didn't discover India, or America.
32
103360
2776
મેં ભારત કે અમેરિકાની શોધ કરી નથી.
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
કદાચ મેં શોધી કાઢયુ
પોર્ટુગલથી થોડું ટાપુ.
પોર્ટુગલથી થોડું ટાપુ.
02:02
But the AI era of discovery continued,
34
110720
3256
પરંતુ શોધનો એઆઈ યુગ ચાલુ રહ્યો,
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
અને વધુ વૈજ્ઞાનીકો
તેમાં તેમના આત્મા રેડ્યા.
તેમાં તેમના આત્મા રેડ્યા.
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
લગભગ 10 વર્ષ પહેલાં, ભવ્ય એઆઈ શોધ
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
ત્રણ દ્વારા બનાવવામાં આવી હતી
ઉત્તર અમેરિકાના વૈજ્ઞાનીકો
ઉત્તર અમેરિકાના વૈજ્ઞાનીકો
02:15
and it's known as deep learning.
38
123080
1600
અને તે ઊંડા શિક્ષણ તરીકે ઓળખાય છે.
02:17
Deep learning is a technology
that can take a huge amount of data
that can take a huge amount of data
39
125400
3696
ડીપ લર્નિંગ એ ટેકનોલોજી છે
જે ડેટાની વિશાળ માત્રા લઈ શકે છે
જે ડેટાની વિશાળ માત્રા લઈ શકે છે
02:21
within one single domain
40
129120
1736
એક જ ડોમેનની અંદર
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
અને આગાહી અથવા નિર્ણય કરવાનું શીખો
અતિમાનુષ્ય ચોકસાઈ પર.
અતિમાનુષ્ય ચોકસાઈ પર.
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
ઉદાહરણ તરીકે, જો આપણે બતાવીશું ઊંડા
learning શિક્ષણ નેટવર્ક
learning શિક્ષણ નેટવર્ક
02:30
a massive number of food photos,
43
138640
2816
ખાદ્યપદાર્થોની વિશાળ સંખ્યામાં ફોટા,
02:33
it can recognize food
44
141480
1576
તે ખોરાકને ઓળખી શકે છે
02:35
such as hot dog or no hot dog.
45
143080
3296
જેમ કે હોટ ડોગ અથવા હોટ ડોગ નહીં.
02:38
(Applause)
46
146400
3136
(તાળીઓ)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
અથવા જો આપણે તેને ઘણાં ચિત્રો બતાવીએ
અને વિડિઓઝ અને સેન્સર ડેટા
અને વિડિઓઝ અને સેન્સર ડેટા
02:46
from driving on the highway,
48
154600
2536
હાઇવે પર ડ્રાઇવિંગ કરવાથી,
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
તે ખરેખર કાર ચલાવી શકે છે
તેમજ માનવી
તેમજ માનવી
02:53
on the highway.
50
161360
1656
હાઇવે પર
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
અને જો આપણે બતાવ્યું
આ ઊંડા શિક્ષણ નેટવર્ક
આ ઊંડા શિક્ષણ નેટવર્ક
02:57
all the speeches made by President Trump?
52
165880
2400
રાષ્ટ્રપતિ ટ્રમ્પે કરેલા બધા ભાષણો?
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
પછી આ કૃત્રિમ રીતે
બુદ્ધિશાળી પ્રમુખ ટ્રમ્પ,
બુદ્ધિશાળી પ્રમુખ ટ્રમ્પ,
03:05
actually the network --
54
173600
2216
ખરેખર નેટવર્ક -
03:07
(Laughter)
55
175840
1656
(હાસ્ય)
03:09
can --
56
177520
1216
કરી શકો છો -
03:10
(Applause)
57
178760
4056
(તાળીઓ)
03:14
You like double oxymorons, huh?
58
182840
2336
તમને ડબલ ઓક્સીમોરોન્સ ગમે છે, હહ?
03:17
(Laughter)
59
185200
3856
(હાસ્ય)
03:21
(Applause)
60
189080
6096
(તાળીઓ)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
તેથી આ નેટવર્ક, જો વિનંતી આપવામાં આવે
એઆઈ વિશે ભાષણ કરવા માટે,
એઆઈ વિશે ભાષણ કરવા માટે,
03:32
he, or it, might say --
62
200480
2640
તે, અથવા તે, કહી શકે છે -
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
(રેકોર્ડિંગ) ડોનાલ્ડ ટ્રમ્પ:
તે એક મહાન વસ્તુ છે
તે એક મહાન વસ્તુ છે
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
વધુ સારી દુનિયા બનાવવા માટે
કૃત્રિમ બુદ્ધિ સાથે.
કૃત્રિમ બુદ્ધિ સાથે.
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
કાઈ-ફુ લી: અને કદાચ બીજી ભાષામાં?
03:43
DT: (Speaking Chinese)
66
211400
1816
ડીટી: (ચાઇનીઝ બોલતા)
03:45
(Laughter)
67
213240
1496
(હાસ્ય)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
કેએફએલ: તમે જાણતા ન હતા
તે ચિની જાણતો હતો, તમે?
તે ચિની જાણતો હતો, તમે?
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
તેથી ઊંડા શિક્ષણ મુખ્ય બન્યું છે
એઆઈ શોધના યુગમાં,
એઆઈ શોધના યુગમાં,
03:55
and that's led by the US.
70
223160
1816
અને તે યુ.એસ. દ્વારા સંચાલિત છે.
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
પરંતુ અમે હવે યુગમાં છીએ
અમલીકરણ,
અમલીકરણ,
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
ખરેખર જે મહત્વનું છે તે અમલ છે,
ઉત્પાદન ગુણવત્તા, ઝડપ અને ડેટા.
ઉત્પાદન ગુણવત્તા, ઝડપ અને ડેટા.
04:05
And that's where China comes in.
73
233840
2096
અને ત્યાં જ ચીન આવે છે.
04:07
Chinese entrepreneurs,
74
235960
1576
ચિની ઉદ્યમીઓ
04:09
who I fund as a venture capitalist,
75
237560
1896
હું સાહસ મૂડીવાદક તરીકે કોને ભંડોળ આપું છું,
04:11
are incredible workers,
76
239480
1736
અતુલ્ય કામદારો છે,
04:13
amazing work ethic.
77
241240
1936
આશ્ચર્યજનક કામ નીતિમત્તા.
04:15
My example in the delivery room is nothing
compared to how hard people work in China.
compared to how hard people work in China.
78
243200
5296
ડિલિવરી રૂમમાં મારું ઉદાહરણ કંઈ નથી
ચીનમાં લોકો સખત મહેનત કરે તેની તુલના કરો.
ચીનમાં લોકો સખત મહેનત કરે તેની તુલના કરો.
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
ઉદાહરણ તરીકે, એક સ્ટાર્ટઅપ
વર્ક-લાઇફ બેલેન્સનો દાવો કરવાનો પ્રયાસ કર્યો:
વર્ક-લાઇફ બેલેન્સનો દાવો કરવાનો પ્રયાસ કર્યો:
04:24
"Come work for us because we are 996."
80
252240
3696
"આવો અમારા માટે કામ કરો કારણ કે આપણે 996."
04:27
And what does that mean?
81
255960
1256
અને તેનો અર્થ શું છે?
04:29
It means the work hours
of 9am to 9pm, six days a week.
of 9am to 9pm, six days a week.
82
257240
4400
તેનો અર્થ કામના કલાકોનો છે
સવારે 9 થી 9 સુધી, અઠવાડિયાના છ દિવસ.
સવારે 9 થી 9 સુધી, અઠવાડિયાના છ દિવસ.
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
તે વિરોધાભાસી છે
997 કરતા અન્ય સ્ટાર્ટઅપ્સ સાથે.
997 કરતા અન્ય સ્ટાર્ટઅપ્સ સાથે.
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
અને ચાઇનીઝ ઉત્પાદનની ગુણવત્તા
સતત ઉપર ગયો છે
સતત ઉપર ગયો છે
04:42
in the past decade,
85
270440
1696
પાછલા દાયકામાં,
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
અને તે કારણે છે
ઉગ્ર સ્પર્ધાત્મક વાતાવરણ.
ઉગ્ર સ્પર્ધાત્મક વાતાવરણ.
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
સિલિકોન વેલીમાં, ઉદ્યમીઓ
ખૂબ જ સજ્જનતાથી ફેશનમાં ભાગ લેવો,
ખૂબ જ સજ્જનતાથી ફેશનમાં ભાગ લેવો,
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
જૂના યુદ્ધો જેવા પ્રકારની
જેમાં દરેક બાજુએ વારા લીધા હતા
જેમાં દરેક બાજુએ વારા લીધા હતા
04:58
to fire at each other.
89
286600
1256
એક બીજા પર ગોળીબાર
04:59
(Laughter)
90
287880
1056
(હાસ્ય)
05:00
But in the Chinese environment,
91
288960
2016
પરંતુ ચીની વાતાવરણમાં
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
તે ખરેખર આનંદકારક છે
મૃત્યુ લડવા.
મૃત્યુ લડવા.
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
આવા નિર્દય વાતાવરણમાં,
ઉદ્યમીઓ ખૂબ ઝડપથી વિકાસ કરવાનું શીખે છે,
ઉદ્યમીઓ ખૂબ ઝડપથી વિકાસ કરવાનું શીખે છે,
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
તેઓ તેમના ઉત્પાદનો બનાવવાનું શીખે છે
વીજળી ઝડપે વધુ સારું,
વીજળી ઝડપે વધુ સારું,
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
અને તેઓ શીખે છે
તેમના વ્યવસાયિક મોડેલોને સળગાવી
તેમના વ્યવસાયિક મોડેલોને સળગાવી
05:19
until they're impregnable.
96
307360
1400
જ્યાં સુધી તેઓ અભેદ્ય હોય ત્યાં સુધી.
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
પરિણામે, મહાન ચાઇનીઝ ઉત્પાદનો
WeChat અને Weibo જેવા
WeChat અને Weibo જેવા
05:25
are arguably better
98
313280
1416
દલીલ કરતાં વધુ સારા છે
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
સમાન અમેરિકન ઉત્પાદનો કરતાં
ફેસબુક અને ટ્વિટર પરથી.
ફેસબુક અને ટ્વિટર પરથી.
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
અને ચીની બજાર
આ પરિવર્તનને ભેટે છે
આ પરિવર્તનને ભેટે છે
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
અને ઝડપી ફેરફાર
અને દાખલાની પાળી.
અને દાખલાની પાળી.
05:38
As an example, if any of you go to China,
102
326080
2096
ઉદાહરણ તરીકે, જો તમારામાંથી કોઈ ચીન જાય છે,
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
તમે જોશો કે તે લગભગ કેશલેસ છે
અને ક્રેડિટ કાર્ડ ઓછું,
અને ક્રેડિટ કાર્ડ ઓછું,
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
કારણ કે તે વસ્તુ જે આપણે બધાં જ કરીએ છીએ
વિશે વાત, મોબાઇલ ચુકવણી,
વિશે વાત, મોબાઇલ ચુકવણી,
05:47
has become the reality in China.
105
335000
2416
ચીનમાં વાસ્તવિકતા બની છે.
05:49
In the last year,
106
337440
1296
છેલ્લા વર્ષમાં,
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
18.8 ટ્રિલિયન યુએસ ડોલર
મોબાઇલ ઇન્ટરનેટ પર ટ્રાન્ઝેક્શન કરવામાં આવ્યા હતા,
મોબાઇલ ઇન્ટરનેટ પર ટ્રાન્ઝેક્શન કરવામાં આવ્યા હતા,
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
અને તે કારણ છે
ખૂબ જ મજબૂત તકનીકીઓ
ખૂબ જ મજબૂત તકનીકીઓ
05:59
built behind it.
109
347680
1256
તેની પાછળ બાંધવામાં.
06:00
It's even bigger than the China GDP.
110
348960
2440
તે ચાઇના જીડીપી કરતા પણ મોટો છે.
06:04
And this technology, you can say,
how can it be bigger than the GDP?
how can it be bigger than the GDP?
111
352120
3616
અને આ તકનીક, તમે કહી શકો છો,
તે જીડીપી કરતા વધારે કેવી રીતે હોઈ શકે?
તે જીડીપી કરતા વધારે કેવી રીતે હોઈ શકે?
06:07
Because it includes all transactions:
112
355760
1976
કારણ કે તેમાં તમામ વ્યવહારો શામેલ છે:
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
જથ્થાબંધ, ચેનલો,
છૂટક, , ઓનલાઇન, ઓફલાઇન,
છૂટક, , ઓનલાઇન, ઓફલાઇન,
06:13
going into a shopping mall
or going into a farmers market like this.
or going into a farmers market like this.
114
361560
5056
એક શોપિંગ મોલમાં જવું
અથવા આ રીતે ખેડુતોના બજારમાં જવું.
અથવા આ રીતે ખેડુતોના બજારમાં જવું.
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
ટેકનોલોજીનો ઉપયોગ થાય છે
700 મિલિયન લોકો દ્વારા
700 મિલિયન લોકો દ્વારા
06:22
to pay each other, not just merchants,
116
370040
2056
દરેક વેપારીઓને નહીં, પણ એક બીજાને ચુકવવા
06:24
so it's peer to peer,
117
372120
1416
તેથી તે પીઅર પીઅર છે,
06:25
and it's almost transaction-fee-free.
118
373560
2680
અને તે લગભગ ટ્રાન્ઝેક્શન-ફી-મુક્ત છે.
06:29
And it's instantaneous,
119
377720
2376
અને તે ત્વરિત છે,
06:32
and it's used everywhere.
120
380120
1440
અને તેનો દરેક જગ્યાએ ઉપયોગ થાય છે
06:34
And finally, the China market is enormous.
121
382320
3376
અને અંતે, ચાઇનાનું બજાર પ્રચંડ છે.
06:37
This market is large,
122
385720
1976
આ બજાર મોટું છે,
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
જે સાહસિકોને આપવામાં મદદ કરે છે
વધુ વપરાશકર્તાઓ, વધુ આવક,
વધુ વપરાશકર્તાઓ, વધુ આવક,
06:44
more investment, but most importantly,
124
392240
2336
વધુ રોકાણ, પરંતુ સૌથી અગત્યનું,
06:46
it gives the entrepreneurs a chance
to collect a huge amount of data
to collect a huge amount of data
125
394600
4536
તે ઉદ્યોગસાહસિકોને તક આપે છે
મોટી માત્રામાં ડેટા એકત્રિત કરવા
મોટી માત્રામાં ડેટા એકત્રિત કરવા
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
જે રોકેટ ઇંધણ બને છે
એઆઈ એન્જિન માટે.
એઆઈ એન્જિન માટે.
06:54
So as a result, the Chinese AI companies
127
402960
2936
તેથી પરિણામે, ચીની એઆઇ કંપનીઓ
06:57
have leaped ahead
128
405920
1736
આગળ કૂદકો લગાવ્યો છે
06:59
so that today, the most valuable companies
129
407680
3096
જેથી આજે, સૌથી કિંમતી કંપનીઓ
07:02
in computer vision, speech recognition,
130
410800
2616
કમ્પ્યુટર દ્રષ્ટિ, વાણી માન્યતા,
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
ભાષણ સંશ્લેષણ,
મશીન અનુવાદ અને drones
મશીન અનુવાદ અને drones
07:08
are all Chinese companies.
132
416880
1920
બધી ચીની કંપનીઓ છે.
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
તેથી યુ.એસ. અગ્રણી સાથે
શોધ યુગ
શોધ યુગ
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
અને ચાઇના અગ્રણી છે
અમલીકરણ યુગ,
અમલીકરણ યુગ,
07:17
we are now in an amazing age
135
425800
2256
અમે હવે એક સુંદર યુગમાં છીએ
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
જ્યાં ડ્યુઅલ એન્જિન
બે મહાસત્તા
બે મહાસત્તા
07:23
are working together
137
431360
1680
સાથે કામ કરી રહ્યા છે
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
ઝડપી ચલાવવા માટે
તકનીકીમાં ક્રાંતિ
તકનીકીમાં ક્રાંતિ
07:29
that we have ever seen as humans.
139
437640
2360
કે આપણે ક્યારેય માણસો તરીકે જોયા છે.
07:32
And this will bring tremendous wealth,
140
440640
2496
અને આ અતિશય સંપત્તિ લાવશે,
07:35
unprecedented wealth:
141
443160
1776
અભૂતપૂર્વ સંપત્તિ:
07:36
16 trillion dollars, according to PwC,
142
444960
3896
16 ટ્રિલિયન ડોલર, પીડબ્લ્યુસી અનુસાર,
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
ઉમેરવામાં આવેલા જીડીપીની દ્રષ્ટિએ
2030 સુધીમાં વિશ્વવ્યાપી જીડીપીમાં.
2030 સુધીમાં વિશ્વવ્યાપી જીડીપીમાં.
07:46
It will also bring immense challenges
144
454280
2616
તે પુષ્કળ પડકારો પણ લાવશે
07:48
in terms of potential job replacements.
145
456920
3576
સંભવિત જોબ રિપ્લેસમેન્ટની બાબતમાં
07:52
Whereas in the Industrial Age
146
460520
2160
જ્યારે theદ્યોગિક યુગમાં
07:55
it created more jobs
147
463880
1536
તેનાથી વધુ રોજગારી .ભી થઈ
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
કારણ કે કારીગરની નોકરી હતી
એસેમ્બલી લાઇનમાં નોકરીઓમાં વિઘટન,
એસેમ્બલી લાઇનમાં નોકરીઓમાં વિઘટન,
08:03
so more jobs were created.
149
471240
1976
તેથી વધુ નોકરીઓ બનાવવામાં આવી હતી.
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
પરંતુ એઆઈ સંપૂર્ણપણે બદલી નાખે છે
વ્યક્તિગત નોકરી
વ્યક્તિગત નોકરી
08:10
in the assembly line with robots.
151
478200
2256
રોબોટ્સ સાથે એસેમ્બલી લાઇનમાં.
08:12
And it's not just in factories,
152
480480
1936
અને તે માત્ર કારખાનામાં જ નથી,
08:14
but truckers, drivers
153
482440
2056
પરંતુ ટ્રકર્સ, ડ્રાઇવરો
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
ટેલિસેલ્સ જેવી નોકરીઓ,
ગ્રાહક સેવા
ગ્રાહક સેવા
08:20
and hematologists as well as radiologists
155
488640
2976
અને હિમેટોલોજિસ્ટ્સ તેમજ રેડિયોલોજિસ્ટ્સ
08:23
over the next 15 years
156
491640
2096
આગામી 15 વર્ષોમાં
08:25
are going to be gradually replaced
157
493760
2536
ધીમે ધીમે બદલી શકાય છે
08:28
by artificial intelligence.
158
496320
1440
કૃત્રિમ બુદ્ધિ દ્વારા
08:30
And only the creative jobs --
159
498360
2056
અને માત્ર રચનાત્મક નોકરીઓ -
08:32
(Laughter)
160
500440
1976
(હાસ્ય)
08:34
I have to make myself safe, right?
161
502440
2200
મારે મારી જાતને સુરક્ષિત કરવી છે ને?
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
ખરેખર, સર્જનાત્મક નોકરીઓ
જે સુરક્ષિત છે,
જે સુરક્ષિત છે,
08:41
because AI can optimize but not create.
163
509960
3040
કારણ કે એઆઈ ઓપ્ટિમાઇઝ કરી શકે છે પરંતુ બનાવી શકશે નહીં.
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
પરંતુ તે વધુ ગંભીર છે
નોકરી ખોટ કરતાં
નોકરી ખોટ કરતાં
08:49
is the loss of meaning,
165
517559
1777
અર્થની ખોટ છે,
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
કારણ કે કામ નીતિશાસ્ત્ર
.દ્યોગિક યુગમાં
.દ્યોગિક યુગમાં
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
વિચારસરણીમાં આપણને મગજ ધોવા દીધા છે
તે કાર્ય આપણા અસ્તિત્વનું કારણ છે,
તે કાર્ય આપણા અસ્તિત્વનું કારણ છે,
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
કામ વ્યાખ્યાયિત
આપણા જીવનનો અર્થ.
આપણા જીવનનો અર્થ.
09:03
And I was a prime and willing victim
to that type of workaholic thinking.
to that type of workaholic thinking.
169
531120
6296
અને હું એક મુખ્ય અને ઇચ્છિત પીડિત હતો
તે પ્રકારના વર્કહોલિક વિચારસરણી માટે
તે પ્રકારના વર્કહોલિક વિચારસરણી માટે
09:09
I worked incredibly hard.
170
537440
1616
મેં અતિ મહેનત કરી.
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
તેથી જ હું લગભગ નીકળી ગયો
ડિલિવરી રૂમમાં મારી પત્ની,
ડિલિવરી રૂમમાં મારી પત્ની,
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
તેથી જ મેં 996 કામ કર્યું
મારા ઉદ્યમીઓની સાથે.
મારા ઉદ્યમીઓની સાથે.
09:18
And that obsession that I had with work
173
546880
4416
અને તે મનોગ્રસ્તિ જે મને કામ સાથે મળી હતી
09:23
ended abruptly a few years ago
174
551320
3056
થોડા વર્ષો પહેલા અચાનક સમાપ્ત થઈ ગયું
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
જ્યારે મને નિદાન થયું હતું
ચોથા તબક્કાના લિમ્ફોમા સાથે.
ચોથા તબક્કાના લિમ્ફોમા સાથે.
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
પીઈટી સ્કેન અહીં બતાવે છે
20 થી વધુ જીવલેણ ગાંઠો
20 થી વધુ જીવલેણ ગાંઠો
09:35
jumping out like fireballs,
177
563640
2176
અગનગોળાની જેમ કૂદકો મારવો,
09:37
melting away my ambition.
178
565840
2576
મારી મહત્વાકાંક્ષા ઓગળી
09:40
But more importantly,
179
568440
1456
પરંતુ વધુ અગત્યનું,
09:41
it helped me reexamine my life.
180
569920
2736
તે મને મારા જીવનની સમીક્ષા કરવામાં મદદ કરશે.
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
જાણવું કે મારી પાસે ફક્ત હોઈ શકે છે
જીવવા માટે થોડા મહિના
જીવવા માટે થોડા મહિના
09:47
caused me to see how foolish it was
182
575800
2936
મને તે જોવા માટેનું કારણ બને છે કે તે કેવી મૂર્ખ છે
09:50
for me to base my entire self-worth
183
578760
3576
મારા સંપૂર્ણ સ્વાર્થ માટેના આધાર માટે
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
મેં કેટલી મહેનત કરી તેના પર
અને સખત મહેનતથી સિદ્ધિઓ.
અને સખત મહેનતથી સિદ્ધિઓ.
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
મારી પ્રાથમિકતાઓ હતી
સંપૂર્ણપણે ઓર્ડર બહાર.
સંપૂર્ણપણે ઓર્ડર બહાર.
10:02
I neglected my family.
186
590320
1600
મેં મારા પરિવારની અવગણના કરી.
10:05
My father had passed away,
187
593000
1416
મારા પિતાનું નિધન થયું હતું,
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
અને મને ક્યારેય તક નહોતી મળી
તેને કહેવા માટે હું તેને પ્રેમ કરતો હતો.
તેને કહેવા માટે હું તેને પ્રેમ કરતો હતો.
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
મારી માતાને ડિમેન્શિયા હતું
અને હવે મને ઓળખી શકશે નહીં,
અને હવે મને ઓળખી શકશે નહીં,
10:13
and my children had grown up.
190
601880
1920
અને મારા બાળકો મોટા થયા હતા.
10:16
During my chemotherapy,
191
604400
1656
મારી કીમોથેરાપી દરમિયાન
10:18
I read a book by Bronnie Ware
192
606080
2456
મેં બ્રોની વેરનું એક પુસ્તક વાંચ્યું
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
જેણે મરવાની ઇચ્છાઓ અને અફસોસની વાત કરી
મૃત્યુ પામેલા લોકોની.
મૃત્યુ પામેલા લોકોની.
10:26
She found that facing death,
194
614080
2256
તેણીએ શોધ્યું કે મૃત્યુનો સામનો કરી રહ્યો છે,
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
કોઈએ અફસોસ નથી કે તેઓ નથી
આ જીવનમાં પૂરતી મહેનત કરો.
આ જીવનમાં પૂરતી મહેનત કરો.
10:32
They only regretted that they didn't
spend enough time with their loved ones
spend enough time with their loved ones
196
620880
5176
તેઓએ ફક્ત તે બદલ ખેદ વ્યક્ત કર્યો કે તેઓ નથી
તેમના પ્રિયજનો સાથે પૂરતો સમય પસાર કરો
તેમના પ્રિયજનો સાથે પૂરતો સમય પસાર કરો
10:38
and that they didn't spread their love.
197
626080
2760
અને તેઓએ તેમનો પ્રેમ ફેલાવ્યો નહીં.
10:42
So I am fortunately today in remission.
198
630400
4536
તેથી હું સદભાગ્યે આજે ક્ષમામાં છું.
10:46
(Applause)
199
634960
6856
(તાળીઓ)
10:53
So I can be back at TED again
200
641840
1976
તેથી હું ફરીથી TED પર આવી શકું છું
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
તમારી સાથે શેર કરવા માટે
કે મેં મારી રીત બદલી નાખી છે.
કે મેં મારી રીત બદલી નાખી છે.
10:59
I now only work 965 --
202
647240
2760
હું હવે માત્ર 965 કામ કરું છું -
11:03
occasionally 996, but usually 965.
203
651200
3976
ક્યારેક ક્યારેક 996, પરંતુ સામાન્ય રીતે 965.
11:07
I moved closer to my mother,
204
655200
1896
હું મારી માતાની નજીક ગયો,
11:09
my wife usually travels with me,
205
657120
2456
મારી પત્ની સામાન્ય રીતે મારી સાથે મુસાફરી કરે છે,
11:11
and when my kids have vacation,
if they don't come home, I go to them.
if they don't come home, I go to them.
206
659600
3816
અને જ્યારે મારા બાળકો પાસે વેકેશન હોય,
જો તેઓ ઘરે ન આવે, તો હું તેમની પાસે જઉ છું.
જો તેઓ ઘરે ન આવે, તો હું તેમની પાસે જઉ છું.
11:15
So it's a new form of life
207
663440
2456
તેથી તે જીવનનું નવું સ્વરૂપ છે
11:17
that helped me recognize
208
665920
1816
જેણે મને ઓળખવામાં મદદ કરી
11:19
how important it is that love is for me,
209
667760
3176
તે કેટલું મહત્વનું છે કે પ્રેમ મારા માટે છે,
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
અને મૃત્યુનો સામનો કરવો
મારું જીવન બદલવામાં મદદ કરી,
મારું જીવન બદલવામાં મદદ કરી,
11:26
but it also helped me see a new way
211
674400
2456
પરંતુ તે મને નવી રીત જોવા માટે પણ મદદ કરશે
11:28
of how AI should impact mankind
212
676880
3776
એઆઇનો માનવજાતને કેવી અસર કરવી જોઈએ
11:32
and work and coexist with mankind,
213
680680
2480
અને કામ કરે છે અને માનવજાત સાથે સહઅસ્તિત્વ ધરાવે છે,
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
ખરેખર, એઆઈ દૂર લઈ રહ્યું છે
ઘણી નિયમિત નોકરીઓ,
ઘણી નિયમિત નોકરીઓ,
11:41
but routine jobs are not what we're about.
215
689200
3656
પરંતુ રૂટિન નોકરીઓ તે નથી જે આપણે કરી રહ્યા છીએ.
11:44
Why we exist is love.
216
692880
2256
આપણું અસ્તિત્વ કેમ છે તે પ્રેમ છે
11:47
When we hold our newborn baby,
217
695160
2096
જ્યારે આપણે અમારા નવજાત બાળકને પકડીએ છીએ,
11:49
love at first sight,
218
697280
1496
પ્રથમ દૃષ્ટિ પર પ્રેમ,
11:50
or when we help someone in need,
219
698800
1776
અથવા જ્યારે આપણે કોઈ જરૂરી વ્યક્તિને મદદ કરીએ છીએ,
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
મનુષ્ય અનન્ય રીતે સક્ષમ છે
પ્રેમ આપવા અને પ્રાપ્ત કરવા માટે,
પ્રેમ આપવા અને પ્રાપ્ત કરવા માટે,
11:56
and that's what differentiates us from AI.
221
704880
2800
અને તે જ આપણને એઆઈથી અલગ પાડે છે.
12:00
Despite what science fiction may portray,
222
708800
2696
વિજ્ઞાન સાહિત્યમાં જે રજૂ થયું છે તે છતાં
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
હું જવાબદારીપૂર્વક તમને કહી શકું છું
એઆઈ નો પ્રેમ નથી.
એઆઈ નો પ્રેમ નથી.
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
જ્યારે આલ્ફાગોએ પરાજિત કર્યું
વિશ્વ ચેમ્પિયન કે જી,
વિશ્વ ચેમ્પિયન કે જી,
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
જ્યારે કે જી રડતી હતી
અને જાઓ ની રમત પ્રેમ,
અને જાઓ ની રમત પ્રેમ,
12:13
AlphaGo felt no happiness from winning
226
721960
3176
આલ્ફાગોને જીતવામાં કોઈ ખુશી ન લાગી
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
અને ચોક્કસપણે કોઈ ઇચ્છા નથી
કોઈ પ્રિય વ્યક્તિને આલિંગવું.
કોઈ પ્રિય વ્યક્તિને આલિંગવું.
12:23
So how do we differentiate ourselves
228
731600
2656
તો આપણે પોતાને કેવી રીતે અલગ કરીએ
12:26
as humans in the age of AI?
229
734280
2536
એ.આઇ. ની યુગમાં મનુષ્ય તરીકે?
12:28
We talked about the axis of creativity,
230
736840
3096
અમે રચનાત્મકતાની અક્ષ વિશે વાત કરી
12:31
and certainly that is one possibility,
231
739960
2856
અને ચોક્કસપણે તે એક શક્યતા છે
12:34
and now we introduce a new axis
232
742840
2296
અને હવે આપણે નવી અક્ષ રજૂ કરીશું
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
જેને આપણે કરુણા કહી શકીએ,
પ્રેમ અથવા સહાનુભૂતિ.
પ્રેમ અથવા સહાનુભૂતિ.
12:40
Those are things that AI cannot do.
234
748800
2576
નળી એ એ વસ્તુઓ છે જે એઆઈ કરી શકતી નથી.
12:43
So as AI takes away the routine jobs,
235
751400
2816
તેથી જેમ કે રોજિંદા નોકરીઓ છીનવી લે છે,
12:46
I like to think we can, we should
and we must create jobs of compassion.
and we must create jobs of compassion.
236
754240
4960
મને લાગે છે કે અમે કરી શકો, ગમે છે ગમે છે
અને આપણે કરુણાની નોકરીઓ ઉભી કરવી જોઈએ.
અને આપણે કરુણાની નોકરીઓ ઉભી કરવી જોઈએ.
12:51
You might ask how many of those there are,
237
759800
2336
તમે પૂછશો કે ત્યાંના કેટલા છે,
12:54
but I would ask you:
238
762160
1616
પરંતુ હું તમને પૂછીશ:
12:55
Do you not think that we are going
to need a lot of social workers
to need a lot of social workers
239
763800
3816
શું તમને નથી લાગતું કે આપણે જઈ રહ્યા છીએ
ઘણા સામાજિક કાર્યકરોની જરૂર છે
ઘણા સામાજિક કાર્યકરોની જરૂર છે
12:59
to help us make this transition?
240
767640
1600
આ સંક્રમણ કરવામાં અમારી સહાય કરવા માટે?
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
શું તમને નથી લાગતું કે અમને જરૂર છે
દયાળુ સંભાળ રાખનારાઓ ઘણા
દયાળુ સંભાળ રાખનારાઓ ઘણા
13:05
to give more medical care to more people?
242
773240
2696
વધુ લોકોને વધુ તબીબી સંભાળ આપવા માટે?
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
શું તમને નથી લાગતું કે અમારે જરૂર પડશે
10 ગણા વધુ શિક્ષકો
10 ગણા વધુ શિક્ષકો
13:11
to help our children find their way
244
779240
2776
અમારા બાળકોને તેમના માર્ગ શોધવામાં મદદ કરવા માટે
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
ટકી અને ખીલે છે
આ બહાદુર નવી દુનિયામાં?
આ બહાદુર નવી દુનિયામાં?
13:17
And with all the newfound wealth,
246
785320
2440
અને બધી નવી સંપત્તિ સાથે,
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
શું આપણે પણ ન બનાવવું જોઈએ
કારકીર્દિમાં પ્રેમની મજૂરી
કારકીર્દિમાં પ્રેમની મજૂરી
13:24
and let elderly accompaniment
248
792360
2696
અને વૃદ્ધોને સાથે થવા દો
13:27
or homeschooling become careers also?
249
795080
3496
અથવા હોમસ્કૂલિંગ પણ કારકિર્દી બને છે?
13:30
(Applause)
250
798600
5280
(તાળીઓ)
13:36
This graph is surely not perfect,
251
804800
2256
આ ગ્રાફ ચોક્કસપણે યોગ્ય નથી
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
પરંતુ તે ચાર રીતે નિર્દેશ કરે છે
કે આપણે એઆઈ સાથે કામ કરી શકીએ.
કે આપણે એઆઈ સાથે કામ કરી શકીએ.
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
એઆઈ આવશે અને લઈ જશે
નિયમિત નોકરીઓ
નિયમિત નોકરીઓ
13:46
and in due time, we will be thankful.
254
814240
2040
અને યોગ્ય સમયમાં, અમે આભારી હોઈશું.
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
એઆઈ મહાન સાધનો બનશે
સર્જનાત્મક માટે
સર્જનાત્મક માટે
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
જેથી વૈજ્ઞાનિકો, કલાકારો,
સંગીતકારો અને લેખકો
સંગીતકારો અને લેખકો
13:55
can be even more creative.
257
823800
1600
પણ વધુ સર્જનાત્મક હોઈ શકે છે.
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
એઆઈ મનુષ્ય સાથે કામ કરશે
વિશ્લેષણાત્મક સાધનો તરીકે
વિશ્લેષણાત્મક સાધનો તરીકે
14:03
that humans can wrap their warmth around
259
831520
2696
કે મનુષ્ય તેમની હૂંફ આસપાસ લપેટી શકે છે
14:06
for the high-compassion jobs.
260
834240
1896
ઉચ્ચ કરુણાની નોકરી માટે.
14:08
And we can always differentiate ourselves
261
836160
2656
અને આપણે હંમેશાં પોતાને અલગ કરી શકીએ છીએ
14:10
with the uniquely capable jobs
262
838840
1816
અનન્ય રીતે સક્ષમ નોકરીઓ સાથે
14:12
that are both compassionate and creative,
263
840680
3616
તે બંને કરુણા અને સર્જનાત્મક છે,
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
નો ઉપયોગ કરીને અને લાભ
અમારા બદલી ન શકાય તેવા મગજ અને હૃદય.
અમારા બદલી ન શકાય તેવા મગજ અને હૃદય.
14:21
So there you have it:
265
849520
1296
તેથી ત્યાં તમારી પાસે છે:
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
સહઅસ્તિત્વનો બ્લુપ્રિન્ટ
મનુષ્ય અને એ.આઈ. માટે.
મનુષ્ય અને એ.આઈ. માટે.
14:27
AI is serendipity.
267
855400
1816
એઆઈ એ અર્ધવિરામ છે.
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
તે આપણને મુક્ત કરવા માટે અહીં છે
નિયમિત નોકરીઓથી,
નિયમિત નોકરીઓથી,
14:32
and it is here to remind us
what it is that makes us human.
what it is that makes us human.
269
860240
3680
અને તે અહીં અમને યાદ અપાવવા માટે છે
તે તે શું છે જે આપણને માનવ બનાવે છે
તે તે શું છે જે આપણને માનવ બનાવે છે
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
તો ચાલો આપણે એઆઈને સ્વીકારવાનું પસંદ કરીએ
અને એક બીજાને પ્રેમ કરવા.
અને એક બીજાને પ્રેમ કરવા.
14:40
Thank you.
271
868440
1216
આભાર.
14:41
(Applause)
272
869680
6160
(તાળીઓ)
ABOUT THE SPEAKER
Kai-Fu Lee - Investor, computer scientistAt Sinovation Ventures, Kai-Fu Lee invests in the next generation of Chinese high-tech companies.
Why you should listen
Dr. Kai-Fu Lee has a unique perspective on the global technology industry, having worked extensively between the US and China, and has been in artificial intelligence research, development and investment for more than 30 years. He is one of China's top technology investors, undertaking early pioneering work in the field of artificial intelligence and working with multiple US technology giants.
Lee is the Chairman and CEO of Sinovation Ventures, managing a $1.7 billion dual-currency investment fund. Sinovation is a leading technology-savvy investment firm focusing on developing Chinese high-tech companies. Lee also serves as president of the Sinovation Ventures Artificial Intelligence Institute.
Prior to founding Sinovation in 2009, Lee was the President of Google China. Previously, he held executive positions at Microsoft, SGI and Apple. He is a Fellow of the Institute of Electrical and Electronics Engineers (IEEE), and he was Vice Chairman of the Committee of 100 and named one of the 100 most influential people in the world by TIME Magazine. He is the author of seven best-selling books in Chinese, launching his new book AI Superpowers internationally in fall 2018, and has over 50 million followers on social media.
In the field of artificial intelligence, Lee founded Microsoft Research China, which was named as the hottest research lab by MIT Technology Review. Later renamed Microsoft Research Asia, this institute has trained the great majority of AI leaders in China, including CTOs or AI heads at Baidu, Tencent, Alibaba, Lenovo, Huawei and Haier. While with Apple, Lee led AI projects in speech and natural language, which appeared on Good Morning America on ABC Television and the front page of The Wall Street Journal. He has authored 10 US patents, and more than 100 journal and conference papers.
Kai-Fu Lee | Speaker | TED.com