ABOUT THE SPEAKERS
Sebastian Thrun - Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us.

Why you should listen

Sebastian Thrun is an educator, entrepreneur and troublemaker. After a long life as a professor at Stanford University, Thrun resigned from tenure to join Google. At Google, he founded Google X, home to self-driving cars and many other moonshot technologies. Thrun also founded Udacity, an online university with worldwide reach, and Kitty Hawk, a "flying car" company. He has authored 11 books, 400 papers, holds 3 doctorates and has won numerous awards.

More profile about the speaker
Sebastian Thrun | Speaker | TED.com
Chris Anderson - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading.

Why you should listen

Chris Anderson is the Curator of TED, a nonprofit devoted to sharing valuable ideas, primarily through the medium of 'TED Talks' -- short talks that are offered free online to a global audience.

Chris was born in a remote village in Pakistan in 1957. He spent his early years in India, Pakistan and Afghanistan, where his parents worked as medical missionaries, and he attended an American school in the Himalayas for his early education. After boarding school in Bath, England, he went on to Oxford University, graduating in 1978 with a degree in philosophy, politics and economics.

Chris then trained as a journalist, working in newspapers and radio, including two years producing a world news service in the Seychelles Islands.

Back in the UK in 1984, Chris was captivated by the personal computer revolution and became an editor at one of the UK's early computer magazines. A year later he founded Future Publishing with a $25,000 bank loan. The new company initially focused on specialist computer publications but eventually expanded into other areas such as cycling, music, video games, technology and design, doubling in size every year for seven years. In 1994, Chris moved to the United States where he built Imagine Media, publisher of Business 2.0 magazine and creator of the popular video game users website IGN. Chris eventually merged Imagine and Future, taking the combined entity public in London in 1999, under the Future name. At its peak, it published 150 magazines and websites and employed 2,000 people.

This success allowed Chris to create a private nonprofit organization, the Sapling Foundation, with the hope of finding new ways to tackle tough global issues through media, technology, entrepreneurship and, most of all, ideas. In 2001, the foundation acquired the TED Conference, then an annual meeting of luminaries in the fields of Technology, Entertainment and Design held in Monterey, California, and Chris left Future to work full time on TED.

He expanded the conference's remit to cover all topics, including science, business and key global issues, while adding a Fellows program, which now has some 300 alumni, and the TED Prize, which grants its recipients "one wish to change the world." The TED stage has become a place for thinkers and doers from all fields to share their ideas and their work, capturing imaginations, sparking conversation and encouraging discovery along the way.

In 2006, TED experimented with posting some of its talks on the Internet. Their viral success encouraged Chris to begin positioning the organization as a global media initiative devoted to 'ideas worth spreading,' part of a new era of information dissemination using the power of online video. In June 2015, the organization posted its 2,000th talk online. The talks are free to view, and they have been translated into more than 100 languages with the help of volunteers from around the world. Viewership has grown to approximately one billion views per year.

Continuing a strategy of 'radical openness,' in 2009 Chris introduced the TEDx initiative, allowing free licenses to local organizers who wished to organize their own TED-like events. More than 8,000 such events have been held, generating an archive of 60,000 TEDx talks. And three years later, the TED-Ed program was launched, offering free educational videos and tools to students and teachers.

More profile about the speaker
Chris Anderson | Speaker | TED.com
TED2017

Sebastian Thrun and Chris Anderson: What AI is -- and isn't

Sebastian Thrun és Chris Anderson: A számítógépek új nemzedéke önmagát programozza

Filmed:
1,575,780 views

Sebastian Thrun tanár és vállalkozó szeretné, ha a mesterséges intelligenciát az emberiség monoton munka alóli fölszabadítására és kreativitásának kibontakoztatására használnánk. Chris Anderson TED-kurátorral folytatott elgondolkodtató és informatív beszélgetésében Thrun megtárgyalja a mély tanulás fejlődését, azt is, miért nem kell félnünk, hogy elszabadul az MI, és mennyiben tesz jót a társadalomnak, ha az unalmas munkavégzésnek gépek segítségével vethetünk véget. "Egyelőre az érdekes dolgok 1%-a van fölfedezve – mondja Thrun. Meggyőződésem, hogy mindnyájan őrülten kreatívak vagyunk... [Az MI] képessé teszi a kreativitást, hogy tettekben öltsön testet" – teszi hozzá.
- Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us. Full bio - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading. Full bio

Double-click the English transcript below to play the video.

00:12
ChrisChris AndersonAnderson: Help us understandmegért
what machinegép learningtanulás is,
0
904
2886
Chris Anderson: Segítsen megérteni,
mi a gépi tanulás,
00:15
because that seemsÚgy tűnik, to be the keykulcs driversofőr
1
3814
2054
mert az a fő hajtóereje
a mesterséges intelligenciáért való
nagy lelkesedésünknek,
00:17
of so much of the excitementizgalom
and alsois of the concernvonatkozik
2
5892
2737
de idegeskedésünknek is.
00:20
around artificialmesterséges intelligenceintelligencia.
3
8653
1494
Hogy működik a gépi tanulás?
00:22
How does machinegép learningtanulás work?
4
10171
1643
Sebastian Thrun: A mesterséges
intelligencia és a gépi tanulás
00:23
SebastianSebastian ThrunThrun: So, artificialmesterséges
intelligenceintelligencia and machinegép learningtanulás
5
11838
3896
00:27
is about 60 yearsévek oldrégi
6
15758
2002
kb. 60 éves,
de az utóbbi időkig nem jutott szerephez.
00:29
and has not had a great day
in its pastmúlt untilamíg recentlymostanában.
7
17784
4269
00:34
And the reasonok is that todayMa,
8
22077
2924
Ennek oka, hogy mára a számítástechnika
00:37
we have reachedelért a scaleskála
of computingszámítástechnika and datasetsadatkészletek
9
25025
3973
és az adattömeg olyan szintet ért el,
amely szükségessé tette
okos gépek létrehozását.
00:41
that was necessaryszükséges to make machinesgépek smartOkos.
10
29022
2637
00:43
So here'sitt how it worksművek.
11
31683
1751
Így működik.
Ha ma számítógépet,
pl. mobiltelefont kell programozni,
00:45
If you programprogram a computerszámítógép todayMa,
say, your phonetelefon,
12
33458
3497
programozókat fogadunk föl,
00:48
then you hirebérel softwareszoftver engineersmérnökök
13
36979
2335
akik hosszú-hosszú ételreceptet írnak,
00:51
that writeír a very,
very long kitchenkonyha reciperecept,
14
39338
3854
00:55
like, "If the watervíz is too hotforró,
turnfordulat down the temperaturehőmérséklet.
15
43216
3132
pl. "Ha a víz túl forró, hűtsd le.
00:58
If it's too coldhideg, turnfordulat up
the temperaturehőmérséklet."
16
46372
2279
Ha túl hideg, emeld a hőmérsékletét."
01:00
The recipesreceptek are not just 10 linesvonalak long.
17
48675
2849
A receptek nem tízsorosak.
01:03
They are millionsTöbb millió of linesvonalak long.
18
51548
2603
Több millió sorból állnak.
01:06
A modernmodern cellsejt phonetelefon
has 12 millionmillió linesvonalak of codekód.
19
54175
4084
Egy modern mobiltelefon programja
12 millió sorból áll.
01:10
A browserböngésző has fiveöt millionmillió linesvonalak of codekód.
20
58283
2646
Egy böngészőé ötmillió soros.
01:12
And eachminden egyes bugbogár in this reciperecept
can causeok your computerszámítógép to crashcsattanás.
21
60953
4969
Ha hiba kerül a receptbe,
összeomolhat a számítógépünk.
01:17
That's why a softwareszoftver engineermérnök
makesgyártmányú so much moneypénz.
22
65946
3075
Azért keresnek olyan jól
a szoftvermérnökök.
01:21
The newúj thing now is that computersszámítógépek
can find theirazok ownsaját rulesszabályok.
23
69953
3660
Az újdonság, hogy a számítógépek
megtalálják maguknak a szabályaikat.
01:25
So insteadhelyette of an expertszakértő
decipheringmegfejtése, steplépés by steplépés,
24
73637
3606
Nem a szakember dolgozza ki
minden előadódó esetre
01:29
a ruleszabály for everyminden contingencyeshetőség,
25
77267
2148
lépésenként a szabályokat,
01:31
what you do now is you give
the computerszámítógép examplespéldák
26
79439
3074
hanem mi adunk példákat a számítógépnek,
s a szabályok kikövetkeztetését ráhagyjuk.
01:34
and have it inferkövetkeztetni its ownsaját rulesszabályok.
27
82537
1581
01:36
A really good examplepélda is AlphaGoAlphaGo,
whichmelyik recentlymostanában was wonnyerte by GoogleGoogle.
28
84142
4306
Jó példa rá az AlphaGo,
amelyet nemrég a Google fejlesztett ki.
01:40
NormallyÁltalában, in gamejátszma, meccs playingjátszik,
you would really writeír down all the rulesszabályok,
29
88472
3687
Rendszerint játéknál
a szabályokat lejegyezzük,
01:44
but in AlphaGo'sAlphaGo barátait caseügy,
30
92183
1785
ám az AlphaGo esetében
01:45
the systemrendszer lookednézett over a millionmillió gamesjátékok
31
93992
2066
a rendszer nézett át milliónyi játszmát,
01:48
and was ableképes to inferkövetkeztetni its ownsaját rulesszabályok
32
96082
2192
s következtette ki a szabályait.
01:50
and then beatüt the world'svilág
residinglakó Go championbajnok.
33
98298
2738
Aztán legyőzte a go-világbajnokot.
01:53
That is excitingizgalmas, because it relievesenyhíti a
the softwareszoftver engineermérnök
34
101853
3509
Ez lenyűgöző, mert szükségtelenné válik,
hogy a szoftveres szuper okos legyen;
01:57
of the need of beinglény superszuper smartOkos,
35
105386
1819
és a lényeg az adatokra tevődik át.
01:59
and pusheskitolja the burdenteher towardsfelé the dataadat.
36
107229
2325
02:01
As I said, the inflectioninflexiós pointpont
where this has becomeválik really possiblelehetséges --
37
109578
4534
Mondottam, a fordulópont,
ahol ez lehetségessé válik, zavarba ejtő;
disszertációtémám a gépi tanulás volt.
02:06
very embarrassingkínos, my thesistézis
was about machinegép learningtanulás.
38
114136
2746
Teljesen felejtős volt, ne olvassák,
02:08
It was completelyteljesen
insignificantjelentéktelen, don't readolvas it,
39
116906
2205
mert 20 éve írtam.
02:11
because it was 20 yearsévek agoezelőtt
40
119135
1350
akkoriban a számítógépek
annyit tudtak, mint a csótány agya.
02:12
and back then, the computersszámítógépek
were as bignagy as a cockroachcsótány brainagy.
41
120509
2907
Ma már elég nagy teljesítményűek,
02:15
Now they are powerfulerős enoughelég
to really emulateversenyez
42
123440
2331
hogy versenyre keljenek
az emberi gondolkozással.
02:17
kindkedves of specializedspecializált humanemberi thinkinggondolkodás.
43
125795
2076
02:19
And then the computersszámítógépek
take advantageelőny of the facttény
44
127895
2313
A számítógép előnye,
hogy sokkal több adatot
kezelhet, mint az ember.
02:22
that they can look at
much more dataadat than people can.
45
130232
2500
Az AlphaGo több mint
egymillió játszmát nézett át.
02:24
So I'd say AlphaGoAlphaGo lookednézett at
more than a millionmillió gamesjátékok.
46
132756
3080
Nincs az a szakember,
aki ennyit áttanulmányozna.
02:27
No humanemberi expertszakértő can ever
studytanulmány a millionmillió gamesjátékok.
47
135860
2839
02:30
GoogleGoogle has lookednézett at over
a hundredszáz billionmilliárd, ezermillió webháló pagesoldalak.
48
138723
3182
A Google több mint százmilliárd
weboldalt nézett át.
02:33
No personszemély can ever studytanulmány
a hundredszáz billionmilliárd, ezermillió webháló pagesoldalak.
49
141929
2650
Ember képtelen rá.
Ennek eredményeként
a gép találhat olyan szabályokat,
02:36
So as a resulteredmény,
the computerszámítógép can find rulesszabályok
50
144603
2714
02:39
that even people can't find.
51
147341
1755
amelyeket még az ember sem.
02:41
CACA: So insteadhelyette of looking aheadelőre
to, "If he does that, I will do that,"
52
149120
4312
CA: Tehát a "Ha ő ezt lépi,
arra én ezt lépem" helyett
02:45
it's more sayingmondás, "Here is what
looksúgy néz ki, like a winningnyerő patternminta,
53
153456
3072
a gép inkább így fogja föl:
"Ez látszik nyerő kombinációnak."
02:48
here is what looksúgy néz ki, like
a winningnyerő patternminta."
54
156552
2079
ST: Gondoljunk a gyereknevelésre.
02:50
STST: Yeah. I mean, think about
how you raiseemel childrengyermekek.
55
158655
2517
Nem azzal töltjük az első 18 évét,
hogy szabályt adjunk minden esetre;
02:53
You don't spendtölt the first 18 yearsévek
givingígy kidsgyerekek a ruleszabály for everyminden contingencyeshetőség
56
161196
3644
hagyjuk őt kibontakozni,
s kialakítja a szabályait.
02:56
and setkészlet them freeingyenes
and they have this bignagy programprogram.
57
164864
2347
Botladozik, elesik, fölkel, megüti magát,
02:59
They stumblemegbotlik, fallesik, get up,
they get slappedcsapott or spankedspanked,
58
167235
2719
okul belőlük, járja az élet iskoláját,
03:01
and they have a positivepozitív experiencetapasztalat,
a good gradefokozat in schooliskola,
59
169978
2884
önmaga rájön sok mindenre.
03:04
and they figureábra it out on theirazok ownsaját.
60
172886
1834
Ez megy végbe ma a számítógépekkel,
03:06
That's happeningesemény with computersszámítógépek now,
61
174744
1737
amelyek a programozást
hirtelen megkönnyítették.
03:08
whichmelyik makesgyártmányú computerszámítógép programmingprogramozás
so much easierkönnyebb all of a suddenhirtelen.
62
176505
3029
Nem kell törnünk a fejünket.
Csak rengeteg adatot adunk nekik.
03:11
Now we don't have to think anymoretöbbé.
We just give them lots of dataadat.
63
179558
3175
CA: Ez magyarázza
03:14
CACA: And so, this has been keykulcs
to the spectacularlátványos improvementjavulás
64
182757
3422
az önvezető autó látványos fejlődését.
03:18
in powererő of self-drivingönálló vezetés carsautók.
65
186203
3064
03:21
I think you gaveadott me an examplepélda.
66
189291
1739
Példát említett.
Elmagyarázná, mi történik ott?
03:23
Can you explainmegmagyarázni what's happeningesemény here?
67
191054
2685
03:25
STST: This is a drivehajtás of a self-drivingönálló vezetés carautó
68
193763
3564
ST: Ez az önvezető autó, történetesen
03:29
that we happenedtörtént to have at UdacityUdacity
69
197351
1957
vele dolgoztunk az Udacitynél,
s nemrég ezt fejlesztettük
tovább Voyage néven.
03:31
and recentlymostanában madekészült
into a spin-offspin-off calledhívott VoyageVoyage.
70
199332
2398
03:33
We have used this thing
calledhívott deepmély learningtanulás
71
201754
2574
Az ún. mély tanulással tanítottuk
az autókat önmagukat vezetni,
03:36
to trainvonat a carautó to drivehajtás itselfmaga,
72
204352
1623
ez pedig autózás
a kaliforniai Mountain Viewból
03:37
and this is drivingvezetés
from MountainHegyi ViewNézet, CaliforniaCalifornia,
73
205999
2387
San Franciscóba
03:40
to SanSan FranciscoFrancisco
74
208410
1168
az El Camino Realon esős napon,
03:41
on ElEl CaminoCamino RealIgazi on a rainyesős day,
75
209602
2259
bringások és gyalogosok között,
az úton 133 közlekedési lámpával.
03:43
with bicyclistsbiciklisták and pedestriansgyalogosok
and 133 trafficforgalom lightsLámpák.
76
211885
3524
03:47
And the novelregény thing here is,
77
215433
2636
Az újdonság ebben,
hogy amikor sok hónapja élére álltam
a Google önvezetőautó-csoportjának,
03:50
manysok, manysok moonsholdak agoezelőtt, I startedindult
the GoogleGoogle self-drivingönálló vezetés carautó teamcsapat.
78
218093
3120
03:53
And back in the day, I hiredbérelt
the world'svilág bestlegjobb softwareszoftver engineersmérnökök
79
221237
3181
aznap fölvettem a világ legjobb
szoftverfejlesztő mérnökeit,
hogy megtalálják a legjobb szabályokat.
03:56
to find the world'svilág bestlegjobb rulesszabályok.
80
224442
1607
03:58
This is just trainedkiképzett.
81
226073
1754
Ez már kitanulta.
Hússzor megtettük vele ezt az utat,
03:59
We drivehajtás this roadút 20 timesalkalommal,
82
227851
3336
04:03
we put all this dataadat
into the computerszámítógép brainagy,
83
231211
2447
betápláltuk az adatokat a számítógépbe,
s néhány órás földolgozás után
04:05
and after a fewkevés hoursórák of processingfeldolgozás,
84
233682
2082
04:07
it comesjön up with behaviorviselkedés
that oftengyakran surpassesfelülmúlja humanemberi agilityAgility.
85
235788
3926
a gép olyan viselkedést mutat,
amely gyakran felülmúlja az emberét.
Nagyon könnyű lett programozni.
04:11
So it's becomeválik really easykönnyen to programprogram it.
86
239738
2017
100%-osan önvezető,
másfél óra alatt 53 km-t tesz meg.
04:13
This is 100 percentszázalék autonomousautonóm,
about 33 milesmérföld, an houróra and a halffél.
87
241779
3803
04:17
CACA: So, explainmegmagyarázni it -- on the bignagy partrész
of this programprogram on the left,
88
245606
3630
CA: Magyarázza el, a bal oldali
program nagy részében
04:21
you're seeinglátás basicallyalapvetően what
the computerszámítógép seeslát as trucksteherautók and carsautók
89
249260
3257
azt látja, amit a számítógép:
kamionokat, autókat,
04:24
and those dotspontok overtakingelőzés it and so forthtovább.
90
252541
2886
azok a pontok ott előzik stb.
ST: Jobb oldalon látható a kamerakép
itt ez fő betáplált adat;
04:27
STST: On the right sideoldal, you see the camerakamera
imagekép, whichmelyik is the mainfő- inputbemenet here,
91
255451
3762
sávváltáshoz, más járművek
s jelzőlámpák fölismerésére kell.
04:31
and it's used to find lanessávok,
other carsautók, trafficforgalom lightsLámpák.
92
259237
2676
A járműben távolságérzékelésre
szolgáló radar van.
04:33
The vehiclejármű has a radarradar
to do distancetávolság estimationbecslés.
93
261937
2489
04:36
This is very commonlyáltalában used
in these kindkedves of systemsrendszerek.
94
264450
2621
Sűrűn használják az efféle rendszerekben.
Bal oldalon lézerdiagram látható,
04:39
On the left sideoldal you see a laserlézer diagramdiagram,
95
267095
1992
amin akadályok jelennek meg,
pl. fák, melyeket a lézer rajzol ki.
04:41
where you see obstaclesakadályok like treesfák
and so on depictedábrázolt by the laserlézer.
96
269111
3200
De a kamerakép körül forog
a legtöbb figyelemreméltó dolog.
04:44
But almostmajdnem all the interestingérdekes work
is centeringközpontosító on the camerakamera imagekép now.
97
272335
3436
Egyre inkább áttérünk
a pontos radar- és lézerérzékelőkről
04:47
We're really shiftingelmozduló over from precisionpontosság
sensorsérzékelők like radarsradarok and laserslézerek
98
275795
3476
a nagyon olcsó bolti érzékelőkre.
04:51
into very cheapolcsó, commoditizedarchitektúra sensorsérzékelők.
99
279295
1842
A kamera nem kerül még nyolc dollárba sem.
04:53
A camerakamera costskiadások lessKevésbé than eightnyolc dollarsdollár.
100
281161
1987
04:55
CACA: And that greenzöld dotpont
on the left thing, what is that?
101
283172
2793
CA: Mi az a zöld pötty?
Van jelentősége?
04:57
Is that anything meaningfuljelentőségteljes?
102
285989
1371
ST: Ez az "Előre figyelő pont"
az adaptív sebességtartó automatához.
04:59
STST: This is a look-aheadelőre tekintő pointpont
for your adaptiveadaptív cruiseCruise controlellenőrzés,
103
287384
3668
05:03
so it helpssegít us understandmegért
how to regulateszabályozzák a velocitysebesség
104
291076
2477
A jármű sebességét választja meg
az előtte haladó kocsik
távolságának függvényében.
05:05
basedszékhelyű on how farmessze
the carsautók in frontelülső of you are.
105
293577
2634
05:08
CACA: And so, you've alsois
got an examplepélda, I think,
106
296235
2716
CA: Nyilván van példája arra is,
05:10
of how the actualtényleges
learningtanulás partrész takes placehely.
107
298975
2381
a valóságban hogy folyik a tanulás.
Megnézhetnénk? Beszéljünk róla.
05:13
Maybe we can see that. Talk about this.
108
301380
2458
ST: E példában feladatot
tűztünk ki az Udacity-diákok elé:
05:15
STST: This is an examplepélda where we posedjelentett
a challengekihívás to UdacityUdacity studentsdiákok
109
303862
3643
használják az önvezető autó
Nanodegree programját.
05:19
to take what we call
a self-drivingönálló vezetés carautó NanodegreeNanodegree.
110
307529
3131
Megkapták ezt az adathalmazt azzal:
05:22
We gaveadott them this datasetadatkészlet
111
310684
1495
05:24
and said "Hey, can you guys figureábra out
how to steerSteer this carautó?"
112
312203
3054
"Fiúk, jöjjetek rá, hogyan kell
ezt az autót vezetni!"
Ha megnézzük a képeket,
05:27
And if you look at the imagesképek,
113
315281
1624
még embereknek is kemény dió
rájönni a helyes vezetési módra.
05:28
it's, even for humansemberek, quiteegészen impossiblelehetetlen
to get the steeringkormányzó right.
114
316929
4073
05:33
And we ranfutott a competitionverseny and said,
"It's a deepmély learningtanulás competitionverseny,
115
321026
3591
Versenyt rendeztünk, s azt mondtuk:
"Ez mély tanulás verseny,
05:36
AIAI competitionverseny,"
116
324641
1173
MI-verseny",
05:37
and we gaveadott the studentsdiákok 48 hoursórák.
117
325838
1887
és 48 órát kaptak a diákok.
Olyan szoftverházakban,
mint a Google vagy a Facebook,
05:39
So if you are a softwareszoftver houseház
like GoogleGoogle or FacebookFacebook,
118
327749
4172
erre legalább félévi munka rámegy.
05:43
something like this costskiadások you
at leastlegkevésbé sixhat monthshónap of work.
119
331945
2717
Mi úgy véltük, 48 óra tökéletes.
05:46
So we figuredmintás 48 hoursórák is great.
120
334686
2202
S ezalatt kb. 100 javaslat érkezett tőlük,
05:48
And withinbelül 48 hoursórák, we got about
100 submissionsbeadványok from studentsdiákok,
121
336912
3467
és a négy legjobb diák tökéletesen rájött.
05:52
and the topfelső fournégy got it perfectlytökéletesen right.
122
340403
3370
A jármű képanyag alapján
nálam jobban vezeti magát
05:55
It drivesmeghajtók better than I could
drivehajtás on this imageryképek,
123
343797
2640
mély tanulással.
05:58
usinghasználva deepmély learningtanulás.
124
346461
1189
Ismétlem, a módszertan azonos.
05:59
And again, it's the sameazonos methodologymódszertan.
125
347674
1799
Varázslatos!
06:01
It's this magicalmágikus thing.
126
349497
1164
Amikor elég adatot kap a számítógép,
06:02
When you give enoughelég dataadat
to a computerszámítógép now,
127
350685
2085
és megértésükre elég időt,
06:04
and give enoughelég time
to comprehendfelfogni the dataadat,
128
352794
2140
rájön a szabályokra.
06:06
it findsleletek its ownsaját rulesszabályok.
129
354958
1445
06:09
CACA: And so that has led to the developmentfejlődés
of powerfulerős applicationsalkalmazások
130
357339
4845
CA: Ez vezetett a minden téren
hatékony alkalmazások kifejlesztésére.
06:14
in all sortsfajta of areasnak.
131
362208
1525
06:15
You were talkingbeszél to me
the other day about cancerrák.
132
363757
2668
A napokban a rákról beszélt nekem.
06:18
Can I showelőadás this videovideó-?
133
366449
1189
Levetíthetem ezt a videót?
06:19
STST: Yeah, absolutelyteljesen, please.
CACA: This is coolmenő.
134
367662
2354
ST: Csak tessék.
CA: Elképesztő.
06:22
STST: This is kindkedves of an insightbepillantás
into what's happeningesemény
135
370040
3534
ST: Bepillantást nyerhetünk
egy teljesen más területbe.
06:25
in a completelyteljesen differentkülönböző domaindomain.
136
373598
2429
06:28
This is augmentinghatásfokozó, or competingversengő --
137
376051
3752
Hozzátesz azokhoz vagy versenyez velük –
06:31
it's in the eyeszem of the beholderBeholder --
138
379827
1749
egyéni meglátás kérdése –,
06:33
with people who are beinglény paidfizetett
400,000 dollarsdollár a yearév,
139
381600
3454
akik évente 400 000 dollárt keresnek:
bőrgyógyászokról van szó,
06:37
dermatologistsbőrgyógyászok,
140
385078
1237
06:38
highlymagasan trainedkiképzett specialistsszakemberek.
141
386339
1983
kiváló képzettségű szakemberekről.
Hogy valaki jó bőrgyógyásszá váljék,
ahhoz legalább tízéves képzés kell.
06:40
It takes more than a decadeévtized of trainingkiképzés
to be a good dermatologistbőrgyógyász.
142
388346
3561
06:43
What you see here is
the machinegép learningtanulás versionváltozat of it.
143
391931
3196
Itt a képzés gépi tanulási
változatát látjuk,
06:47
It's calledhívott a neuralideg- networkhálózat.
144
395151
1841
az ún. neurális hálózatot.
06:49
"NeuralNeurális networkshálózatok" is the technicalműszaki termkifejezés
for these machinegép learningtanulás algorithmsalgoritmusok.
145
397016
3742
A neurális hálózat szakkifejezés
a gépi tanulás algoritmusaira.
Az 1980-as évek óta ismeretesek.
06:52
They'veŐk már been around sincemivel the 1980s.
146
400782
1789
Ezt 1988-ban találta fel Yann LeCun
Facebook-munkatárs,
06:54
This one was inventedfeltalált in 1988
by a FacebookFacebook FellowA fickó calledhívott YannYann LeCunLeCun,
147
402595
4640
és szakaszosan dolgozza föl az adatokat,
06:59
and it propagatesterjed dataadat stagesszakaszában
148
407259
3558
07:02
throughkeresztül what you could think of
as the humanemberi brainagy.
149
410841
2578
mint az emberi agy.
Nem pont ugyanúgy, csak utánozza.
07:05
It's not quiteegészen the sameazonos thing,
but it emulatesverseng the sameazonos thing.
150
413443
2966
Szakaszról szakaszra.
07:08
It goesmegy stageszínpad after stageszínpad.
151
416433
1302
Az elsőben megkapja a képi bemenőjelet,
és kiválasztja a kontúrokat,
07:09
In the very first stageszínpad, it takes
the visualvizuális inputbemenet and extractskivonatok edgesélek
152
417759
3637
vonalakat és pontokat.
07:13
and rodsrudak and dotspontok.
153
421420
2612
A következőben a bonyolultabb kontúrokat
07:16
And the nextkövetkező one becomesválik
more complicatedbonyolult edgesélek
154
424056
3037
07:19
and shapesalakzatok like little half-moonsfélig holdja.
155
427117
3191
és alakokat, pl. félholdakat.
Végül képes egészen
bonyolult fogalmakat alkotni.
07:22
And eventuallyvégül is, it's ableképes to buildépít
really complicatedbonyolult conceptsfogalmak.
156
430332
4443
07:26
AndrewAndrew NgNg has been ableképes to showelőadás
157
434799
2048
Andrew Ng ki tudta mutatni,
07:28
that it's ableképes to find
catmacska facesarcok and dogkutya facesarcok
158
436871
3480
hogy a rendszer rengeteg képből
ki tudja választani
07:32
in vasthatalmas amountsösszegek of imagesképek.
159
440375
1661
macskák és kutyák pofáját.
07:34
What my studentdiák teamcsapat
at StanfordStanford has shownLátható is that
160
442060
2724
Stanfordi diákcsoportom kimutatta,
hogy ha 129 000, bőrbetegséget
ábrázoló fotón tanul,
07:36
if you trainvonat it on 129,000 imagesképek
of skinbőr conditionskörülmények,
161
444808
6073
07:42
includingbeleértve melanomamelanoma and carcinomascarcinoma,
162
450905
2565
beleértve a melanomát és a karcinómát,
olyan jó eredményt ér el,
07:45
you can do as good a jobmunka
163
453494
3301
mint a legjobb bőrgyógyász.
07:48
as the bestlegjobb humanemberi dermatologistsbőrgyógyászok.
164
456819
2197
07:51
And to convincemeggyőz ourselvesminket
that this is the caseügy,
165
459040
2549
Hogy meggyőződjünk róla,
egy független adathalmazt
tártunk rendszerünk elé
07:53
we capturedelfogott an independentfüggetlen datasetadatkészlet
that we presentedbemutatva to our networkhálózat
166
461613
3990
07:57
and to 25 board-certifiedvalamint
Stanford-levelStanford-szint dermatologistsbőrgyógyászok,
167
465627
4342
s Stanford-szakvizsgát tett
25 bőrgyógyász elé,
08:01
and comparedahhoz képest those.
168
469993
1672
és összevetettük az eredményt.
08:03
And in mosta legtöbb casesesetek,
169
471689
1504
A legtöbb esetben
08:05
they were eitherbármelyik on parpar or abovefelett
the performanceteljesítmény classificationosztályozás accuracypontosság
170
473217
3875
az osztályozás pontossága
egy szinten állt, vagy jobb volt,
mint a bőrgyógyászoké.
08:09
of humanemberi dermatologistsbőrgyógyászok.
171
477116
1467
08:10
CACA: You were tellingsokatmondó me an anecdoteanekdota.
172
478607
1746
CA: Mesélt nekem egy történetet,
08:12
I think about this imagekép right here.
173
480377
1957
azt hiszem, pont erről a képről.
08:14
What happenedtörtént here?
174
482358
1484
Mi volt az?
ST: A múlt csütörtökön történt.
Megrendítő példa.
08:15
STST: This was last ThursdayCsütörtök.
That's a movingmozgó piecedarab.
175
483866
4008
Ezt az elképzelést mutattuk be
és 2017-ben publikáltuk a Nature-ben:
08:19
What we'vevoltunk shownLátható before and we publishedközzétett
in "NatureTermészet" earlierkorábban this yearév
176
487898
3600
a bőrgyógyászoknak fotókat mutatunk
08:23
was this ideaötlet that we showelőadás
dermatologistsbőrgyógyászok imagesképek
177
491522
2484
s a program képeit,
08:26
and our computerszámítógép programprogram imagesképek,
178
494030
1539
s figyeljük a jó diagnózis arányát.
08:27
and countszámol how oftengyakran they're right.
179
495593
1627
De ezek régi képek.
08:29
But all these imagesképek are pastmúlt imagesképek.
180
497244
1778
Azért végeztünk biopsziát,
hogy meggyőződjünk a helyes diagnózisról.
08:31
They'veŐk már all been biopsiedbiopsziát to make sure
we had the correcthelyes classificationosztályozás.
181
499046
3460
De ez a fotó más.
08:34
This one wasn'tnem volt.
182
502530
1172
Egyik partnerünk készítette a Stanfordon.
08:35
This one was actuallytulajdonképpen doneKész at StanfordStanford
by one of our collaboratorsegyüttműködők.
183
503726
3179
Partnerünk, aki világhírű bőrgyógyász,
08:38
The storysztori goesmegy that our collaboratoregyüttműködő,
184
506929
2314
kétségkívül a három legjobb egyike,
08:41
who is a world-famousvilághírű dermatologistbőrgyógyász,
one of the threehárom bestlegjobb, apparentlylátszólag,
185
509267
3391
ránézett a bőrfoltra, s azt mondta:
"Ez nem bőrrák."
08:44
lookednézett at this molevakond and said,
"This is not skinbőr cancerrák."
186
512682
2935
Majd kisvártatva azt mondta:
08:47
And then he had
a secondmásodik momentpillanat, where he said,
187
515641
2476
"Ellenőrizzük az alkalmazással!"
08:50
"Well, let me just checkjelölje be with the appapp."
188
518141
1866
Az iPhone-ján lefuttatta a szoftvert,
08:52
So he tookvett out his iPhoneiPhone
and ranfutott our piecedarab of softwareszoftver,
189
520031
2699
a "zseb-bőrgyógyászunkat",
08:54
our "pocketzseb- dermatologistbőrgyógyász," so to speakbeszél,
190
522754
2121
és az iPhone azt mondta: rák,
08:56
and the iPhoneiPhone said: cancerrák.
191
524899
2994
08:59
It said melanomamelanoma.
192
527917
1306
melanoma.
09:01
And then he was confusedzavaros.
193
529849
1233
A doki zavarba jött,
majd eldöntötte: "Jó, talán az iPhone-nak
jobban hiszek, mint magamnak",
09:03
And he decidedhatározott, "OK, maybe I trustbizalom
the iPhoneiPhone a little bitbit more than myselfmagamat,"
194
531106
4551
és a laborban elvégezték a biopsziát.
09:07
and he sentküldött it out to the lablabor
to get it biopsiedbiopsziát.
195
535681
2735
Kiderült, hogy agresszív melanoma.
09:10
And it camejött up as an aggressiveagresszív melanomamelanoma.
196
538440
2469
09:13
So I think this mightesetleg be the first time
that we actuallytulajdonképpen foundtalál,
197
541545
3067
Szerintem ez az első alkalom,
hogy mély tanulás alkalmazásával
találtuk meg valaki melanomáját,
09:16
in the practicegyakorlat of usinghasználva deepmély learningtanulás,
198
544636
2487
amelyet nem diagnosztizáltak volna,
09:19
an actualtényleges personszemély whoseakinek melanomamelanoma
would have goneelmúlt unclassifiednem besorolt,
199
547147
3372
ha nem lett volna a mély tanulás.
09:22
had it not been for deepmély learningtanulás.
200
550543
2115
09:24
CACA: I mean, that's incrediblehihetetlen.
201
552682
1560
CA: Elképesztő!
09:26
(ApplauseTaps)
202
554266
1769
(Taps)
Úgy tűnik, azonnali igény lenne
efféle alkalmazásokra,
09:28
It feelsérzi like there'da piros be an instantazonnali demandigény
for an appapp like this right now,
203
556059
3600
az emberek kezüket-lábukat törnék értük.
09:31
that you mightesetleg freakszörnyszülött out a lot of people.
204
559683
1966
Terveznek önellenőrzés
végzésére való alkalmazásokat?
09:33
Are you thinkinggondolkodás of doing this,
makinggyártás an appapp that allowslehetővé tesz self-checkingönellenőrző?
205
561673
3527
ST: A bejövő fiókom teli van
rákalkalmazásokról szóló ímélekkel,
09:37
STST: So my in-box-ban-doboz is floodedelárasztott
about cancerrák appsalkalmazások,
206
565224
4973
09:42
with heartbreakingszívszorító storiestörténetek of people.
207
570221
2303
szívfacsaró történetekkel betegekről.
09:44
I mean, some people have had
10, 15, 20 melanomasmelanoma removedeltávolított,
208
572548
3204
Egyes betegekről 10-15-20
melanomát távolítottak el,
09:47
and are scaredmegrémült that one
mightesetleg be overlookedfigyelmen kívül hagyott, like this one,
209
575776
3952
és félnek, hogy egyet nem vettek észre,
mint ezt, és tudom is én,
09:51
and alsois, about, I don't know,
210
579752
1741
repülő autókról;
fölkérések konferenciákra.
09:53
flyingrepülő carsautók and speakerhangszóró inquiriesvizsgálatok
these daysnapok, I guessTaláld ki.
211
581517
2732
Több tesztre van szükség.
09:56
My take is, we need more testingtesztelés.
212
584273
2738
Óvatos szeretnék lenni.
09:59
I want to be very carefulóvatos.
213
587449
1778
10:01
It's very easykönnyen to give a flashymutatós resulteredmény
and impresslenyűgözni a TEDTED audienceközönség.
214
589251
3666
Könnyű hivalkodó eredményekkel
lenyűgözni a TED közönségét.
Sokkal nehezebb valami
etikus dologhoz jutni.
10:04
It's much hardernehezebb to put
something out that's ethicaletikai.
215
592941
2627
10:07
And if people were to use the appapp
216
595592
2394
Ha a páciensek az alkalmazást
használva úgy döntenek,
10:10
and chooseválaszt not to consultConsult
the assistancetámogatás of a doctororvos
217
598010
2797
hogy minek orvoshoz menni,
és mi tévedünk,
10:12
because we get it wrongrossz,
218
600831
1583
szörnyen érezném magam.
10:14
I would feel really badrossz about it.
219
602438
1653
Jelenleg klinikai teszteket végzünk,
10:16
So we're currentlyjelenleg doing clinicalklinikai teststesztek,
220
604115
1925
és ha megindulnak,
s megerősítik adatainkat,
10:18
and if these clinicalklinikai teststesztek commenceakkor kezdődik
and our dataadat holdstart up,
221
606064
2798
valamikor az ilyesfajta technológiát
10:20
we mightesetleg be ableképes at some pointpont
to take this kindkedves of technologytechnológia
222
608886
2990
bevezethetjük a Stanford klinikáján,
10:23
and take it out of the StanfordStanford clinicklinika
223
611900
1892
majd az egész világon,
10:25
and bringhoz it to the entireteljes worldvilág,
224
613816
1658
olyan helyeken, ahová a Stanford
orvosai nem jutnak el.
10:27
placeshelyek where StanfordStanford
doctorsorvosok never, ever setkészlet footláb.
225
615498
2456
10:30
CACA: And do I hearhall this right,
226
618617
2580
CA: Jól hallottam,
10:33
that it seemedÚgy tűnt like what you were sayingmondás,
227
621221
1966
amit mondott,
mert egy sereg Udacity-diákkal dolgozik,
10:35
because you are workingdolgozó
with this armyhadsereg of UdacityUdacity studentsdiákok,
228
623211
4254
a gépi tanulás más formáját alkalmazza,
10:39
that in a way, you're applyingalkalmazó
a differentkülönböző formforma of machinegép learningtanulás
229
627489
3221
mint amit egy cégnél lehetne?
10:42
than mightesetleg take placehely in a companyvállalat,
230
630734
1735
Kombinálja a gépi tanulást
a csoportbölcsességgel.
10:44
whichmelyik is you're combiningkombinálásával machinegép learningtanulás
with a formforma of crowdtömeg wisdombölcsesség.
231
632493
3484
Azt állítja, hogy ez néha fölülmúlhatja
10:48
Are you sayingmondás that sometimesnéha you think
that could actuallytulajdonképpen outperformjobban teljesítenek, mint
232
636001
3384
egy cég, sőt egy nagy cég teljesítményét?
10:51
what a companyvállalat can do,
even a vasthatalmas companyvállalat?
233
639409
2050
ST: Vannak példák,
amelyektől leesik az állam,
10:53
STST: I believe there's now
instancespéldányok that blowfúj my mindelme,
234
641483
2940
és épp csak próbálok felfogni.
10:56
and I'm still tryingmegpróbálja to understandmegért.
235
644447
1758
A versenyek, amelyekre Chris hivatkozott.
10:58
What ChrisChris is referringutaló to
is these competitionsversenyek that we runfuss.
236
646229
3937
48 órát rájuk szánva
11:02
We turnfordulat them around in 48 hoursórák,
237
650190
2268
11:04
and we'vevoltunk been ableképes to buildépít
a self-drivingönálló vezetés carautó
238
652482
2252
önvezető autót tudtunk létrehozni,
11:06
that can drivehajtás from MountainHegyi ViewNézet
to SanSan FranciscoFrancisco on surfacefelület streetsutcák.
239
654758
3387
ami Mountain View-ból eljut
utcákon haladva San Franciscóba.
Nem hasonlítható a Google
hét évig fejlesztett autójához,
11:10
It's not quiteegészen on parpar with GoogleGoogle
after sevenhét yearsévek of GoogleGoogle work,
240
658169
3584
de afelé tart.
11:13
but it's gettingszerzés there.
241
661777
2528
Nekünk csak két mérnök
és háromhavi munka kellett hozzá.
11:16
And it tookvett us only two engineersmérnökök
and threehárom monthshónap to do this.
242
664329
3084
Az az oka, hogy seregnyi diák
11:19
And the reasonok is, we have
an armyhadsereg of studentsdiákok
243
667437
2856
vesz részt a versenyekben.
11:22
who participaterészt venni in competitionsversenyek.
244
670317
1850
Nem mi használunk
egyedül crowdsourcingot.
11:24
We're not the only onesazok
who use crowdsourcingcrowdsourcing.
245
672191
2220
Az Uber és a Didi is
használja a vezetéshez.
11:26
UberÜber and DidiDidi use crowdsourcecrowdsource for drivingvezetés.
246
674435
2223
Az Airbnb használja szállodákhoz.
11:28
AirbnbAirbnb usesfelhasználások crowdsourcingcrowdsourcing for hotelsszállodák.
247
676682
2759
11:31
There's now manysok examplespéldák
where people do bug-findinghiba-megállapítás crowdsourcingcrowdsourcing
248
679465
4007
Sok példa van hibakereső crowdsourcingra
vagy fehérjefelgombolyodásra
crowdsourcingban.
11:35
or proteinfehérje foldingösszecsukható, of all things,
in crowdsourcingcrowdsourcing.
249
683496
2804
De mi képesek voltunk
három hónap alatt megépíteni az autót,
11:38
But we'vevoltunk been ableképes to buildépít
this carautó in threehárom monthshónap,
250
686324
2915
és most újragondolom
11:41
so I am actuallytulajdonképpen rethinkingújragondolása
251
689263
3655
a cégek szervezését.
11:44
how we organizeszervez corporationsvállalatoknak.
252
692942
2238
9 000 fős gárdánk van,
akiket nem toboroztunk,
11:47
We have a staffszemélyzet of 9,000 people
who are never hiredbérelt,
253
695204
4696
senkit nem rúgok ki.
11:51
that I never fireTűz.
254
699924
1308
Tudtom nélkül munkába állnak,
11:53
They showelőadás up to work
and I don't even know.
255
701256
2362
11:55
Then they submitbeküldése to me
maybe 9,000 answersválaszokat.
256
703642
3058
aztán tesznek nekem vagy 9 000 javaslatot.
Nem muszáj mindet fölhasználnom.
11:58
I'm not obligedköteles to use any of those.
257
706724
2176
Végül is csak a legjobbakért fizetek,
12:00
I endvég up -- I payfizetés only the winnersnyertesek,
258
708924
1991
úgyhogy sóher alak vagyok,
lehet, hogy ez nem jó.
12:02
so I'm actuallytulajdonképpen very cheapskatecheapskate here,
whichmelyik is maybe not the bestlegjobb thing to do.
259
710939
3718
De embereim ezt tanulásnak
tekintik, ami viszont jó.
12:06
But they considerfontolgat it partrész
of theirazok educationoktatás, too, whichmelyik is niceszép.
260
714681
3185
De a diákok ragyogó eredményt
értek el a mély tanulással.
12:09
But these studentsdiákok have been ableképes
to producegyárt amazingelképesztő deepmély learningtanulás resultstalálatok.
261
717890
4201
Igen, a ragyogó emberek s a ragyogó
gépi tanulás szintézise elképesztő.
12:14
So yeah, the synthesisszintézis of great people
and great machinegép learningtanulás is amazingelképesztő.
262
722115
3861
CA: Garry Kaszparov elmondta
a TED2017 első napján,
12:18
CACA: I mean, GaryGary KasparovKaszparov said on
the first day [of TEDTED2017]
263
726000
2814
12:20
that the winnersnyertesek of chesssakk, surprisinglymeglepően,
turnedfordult out to be two amateuramatőr chesssakk playersJátékosok
264
728848
5412
hogy meglepetésre a sakkverseny
győztese két amatőr sakkozó lett,
három közepesen jó számítógép-programmal,
12:26
with threehárom mediocre-ishmediocre-ish,
mediocre-to-goodközépszerű jó, computerszámítógép programsprogramok,
265
734284
5371
melyek teljesítménye fölülmúlta
egy nagymesterét s egy jó sakkozóét,
12:31
that could outperformjobban teljesítenek, mint one grandnagy masterfő-
with one great chesssakk playerjátékos,
266
739679
3163
12:34
like it was all partrész of the processfolyamat.
267
742866
1743
akik szintén részt vettek a versenyen.
12:36
And it almostmajdnem seemsÚgy tűnik, like
you're talkingbeszél about a much richergazdagabb versionváltozat
268
744633
3335
Úgy tűnik, hogy ön ugyanazon gondolat
sokkal szélesebb változatáról beszél.
12:39
of that sameazonos ideaötlet.
269
747992
1200
12:41
STST: Yeah, I mean, as you followedmajd
the fantasticfantasztikus panelspanelek yesterdaytegnap morningreggel,
270
749216
3857
ST: Igen, ahogy figyelte
a tegnap reggeli előadásokat,
12:45
two sessionsülés about AIAI,
271
753097
1994
az MI-ről szóló két ülésszakot:
12:47
roboticrobot overlordsurak and the humanemberi responseválasz,
272
755115
2167
a robot főurakról és a humán válaszokról,
12:49
manysok, manysok great things were said.
273
757306
1982
sok-sok érdekesség elhangzott.
12:51
But one of the concernsaggodalmak is
that we sometimesnéha confuseösszekever
274
759312
2687
De az egyik baj, hogy néha
összekeverjük az MI-vel történteket
12:54
what's actuallytulajdonképpen been doneKész with AIAI
with this kindkedves of overlordOverlord threatfenyegetés,
275
762023
4062
a főurak jelentette fenyegetéssel,
ahol MI-nk tudatot fejleszt ki.
12:58
where your AIAI developsfejleszt
consciousnessöntudat, right?
276
766109
3424
A hátam közepére sem kívánom,
hogy az MI-mnek tudata legyen.
13:01
The last thing I want
is for my AIAI to have consciousnessöntudat.
277
769557
2971
13:04
I don't want to come into my kitchenkonyha
278
772552
1716
Nem akarok arra bemenni a konyhába,
13:06
and have the refrigeratorhűtőszekrény fallesik in love
with the dishwashermosogatógép
279
774292
4193
hogy a hűtőm beleszeretett
a mosogatógépbe,
13:10
and tell me, because I wasn'tnem volt niceszép enoughelég,
280
778509
2124
és közölje: rosszul viselkedtem,
13:12
my foodélelmiszer is now warmmeleg.
281
780657
1837
ezért nem hűti a kajámat.
13:14
I wouldn'tnem buyVásárol these productsTermékek,
and I don't want them.
282
782518
2891
Nem fogok ilyen cikkeket venni,
nem akarok ilyeneket.
13:17
But the truthigazság is, for me,
283
785825
1802
De az az igazság, hogy számomra
13:19
AIAI has always been
an augmentationnagyobbodás of people.
284
787651
2720
az MI mindig az ember kiterjesztése.
13:22
It's been an augmentationnagyobbodás of us,
285
790893
1676
Azért a mi kiterjesztésünk,
hogy erősebbé tegyen bennünket.
13:24
to make us strongererősebb.
286
792593
1457
13:26
And I think KasparovKaszparov was exactlypontosan correcthelyes.
287
794074
2831
Azt hiszem, Kaszparovnak igaza volt.
Az emberi okosság
és a gépi okosság ötvözése
13:28
It's been the combinationkombináció
of humanemberi smartsész and machinegép smartsész
288
796929
3849
13:32
that make us strongererősebb.
289
800802
1464
tesz bennünket erősebbé.
13:34
The themetéma of machinesgépek makinggyártás us strongererősebb
is as oldrégi as machinesgépek are.
290
802290
4587
A minket erősebbé tevő gépek
témája egyidős a gépekkel.
A mezőgazdasági forradalom
a gőzgép föltalálásával kezdődött
13:39
The agriculturalmezőgazdasági revolutionforradalom tookvett
placehely because it madekészült steamgőz enginesmotorok
291
807567
3758
s a gépekkel, amelyek nem tudtak
önállóan földet művelni,
13:43
and farmingmezőgazdasági equipmentfelszerelés
that couldn'tnem tudott farmFarm by itselfmaga,
292
811349
2666
sosem helyettesítettek minket,
de erősebbé tettek.
13:46
that never replacedhelyébe us;
it madekészült us strongererősebb.
293
814039
2122
Meggyőződésem, hogy az MI
új hulláma minket mint emberi fajt
13:48
And I believe this newúj wavehullám of AIAI
will make us much, much strongererősebb
294
816185
3738
sokkal-sokkal erősebbé tesz.
13:51
as a humanemberi raceverseny.
295
819947
1183
13:53
CACA: We'llMi lesz come on to that a bitbit more,
296
821765
1813
CA: Erre még kitérünk.
13:55
but just to continueFolytatni with the scaryijedős partrész
of this for some people,
297
823602
3671
Folytassuk azzal, ami sokaknak rémisztő,
13:59
like, what feelsérzi like it getsjelentkeznek
scaryijedős for people is when you have
298
827297
3558
nevezetesen, ha számítógépünk
14:02
a computerszámítógép that can, one,
rewriteátír its ownsaját codekód,
299
830879
4618
át tudja írni a kódját,
több példányban előállíthatja magát,
14:07
so, it can createteremt
multipletöbbszörös copiespéldányban of itselfmaga,
300
835521
3584
kipróbálhat egy csomó kódváltozatot,
14:11
try a bunchcsokor of differentkülönböző codekód versionsváltozatok,
301
839129
1897
14:13
possiblyesetleg even at randomvéletlen,
302
841050
1775
tán még véletlenszerűen is,
majd kipróbálja őket, hogy célt
értek-e és fejlődtek-e.
14:14
and then checkjelölje be them out and see
if a goalcél is achievedelért and improvedjavított.
303
842849
3632
A cél, mondjuk, jobb eredmény
az intelligenciatesztben.
14:18
So, say the goalcél is to do better
on an intelligenceintelligencia testteszt.
304
846505
3641
14:22
You know, a computerszámítógép
that's moderatelymérsékelten good at that,
305
850170
3894
A számítógép mérsékelten jó benne,
14:26
you could try a millionmillió versionsváltozatok of that.
306
854088
2509
kipróbálhatunk milliónyi változatot.
14:28
You mightesetleg find one that was better,
307
856621
2090
Találhatunk egy jobbat,
és aztán megismételjük.
14:30
and then, you know, repeatismétlés.
308
858735
2004
A gondot az okozza,
hogy elszabadulnak a dolgok:
14:32
And so the concernvonatkozik is that you get
some sortfajta of runawayelfutni effecthatás
309
860763
3040
csütörtök este még minden rendben,
14:35
where everything is fine
on ThursdayCsütörtök eveningeste,
310
863827
3008
aztán péntek reggel bemegyünk a laborba,
14:38
and you come back into the lablabor
on FridayPéntek morningreggel,
311
866859
2336
és a számítógép sebessége
meg miegymás miatt
14:41
and because of the speedsebesség
of computersszámítógépek and so forthtovább,
312
869219
2449
a dolgok tótágast állnak, és hirtelen...
14:43
things have goneelmúlt crazyőrült, and suddenlyhirtelen --
313
871692
1903
ST: Azt mondanám,
hogy fönnáll a lehetősége,
14:45
STST: I would say this is a possibilitylehetőség,
314
873619
2020
14:47
but it's a very remotetávoli possibilitylehetőség.
315
875663
1916
de nagyon távoli.
14:49
So let me just translatefordít
what I heardhallott you say.
316
877603
3337
Talán lefordítom, amit mondott.
14:52
In the AlphaGoAlphaGo caseügy,
we had exactlypontosan this thing:
317
880964
2704
Az AlphaGóval ez a helyzet:
a számítógép önmagával játszik,
14:55
the computerszámítógép would playjáték
the gamejátszma, meccs againstellen itselfmaga
318
883692
2315
s így tanul új szabályokat.
14:58
and then learntanul newúj rulesszabályok.
319
886031
1250
A gépi tanulás a szabályok újraírása,
14:59
And what machinegép learningtanulás is
is a rewritingátírás of the rulesszabályok.
320
887305
3235
a kódok újraírása.
15:02
It's the rewritingátírás of codekód.
321
890564
1769
De egyáltalán nem kell attól tartanunk,
15:04
But I think there was
absolutelyteljesen no concernvonatkozik
322
892357
2845
15:07
that AlphaGoAlphaGo would take over the worldvilág.
323
895226
2426
hogy az AlphaGo átveszi a világhatalmat,
15:09
It can't even playjáték chesssakk.
324
897676
1464
hiszen még sakkozni sem tud.
CA: Nem, nem, de e dolgok most még
nagyon korlátozott területről származnak.
15:11
CACA: No, no, no, but now,
these are all very single-domainegyetlen tartományból things.
325
899164
5147
De elképzelhető...
15:16
But it's possiblelehetséges to imagineKépzeld el.
326
904335
2879
Arra gondolok, hogy egy program kis híján
15:19
I mean, we just saw a computerszámítógép
that seemedÚgy tűnt nearlyközel capableképes
327
907238
3089
letette az egyetemi felvételi vizsgát,
15:22
of passingelhaladó a universityegyetemi entrancebejárat testteszt,
328
910351
2655
nem volt képes abban az értelemben
olvasni és érteni, ahogy mi,
15:25
that can kindkedves of -- it can't readolvas
and understandmegért in the senseérzék that we can,
329
913030
3688
de mégis fölfogta a szöveget,
15:28
but it can certainlybiztosan absorbelnyel all the textszöveg
330
916742
1987
s lehet, hogy a szöveg értelmének
magasabb fokú mintázatát észlelte.
15:30
and maybe see increasedmegnövekedett
patternsminták of meaningjelentés.
331
918753
2899
Nincs arra esély,
hogy amint ez kiszélesedik,
15:33
Isn't there a chancevéletlen that,
as this broadensszélesíti out,
332
921676
3694
valahogy mégis elszabadulnak a dolgok?
15:37
there could be a differentkülönböző
kindkedves of runawayelfutni effecthatás?
333
925394
2466
ST: Itt meghúznám a határvonalat.
15:39
STST: That's where
I drawhúz the linevonal, honestlyőszintén.
334
927884
2078
A lehetőség fönnáll,
és nem akarom kisebbíteni,
15:41
And the chancevéletlen existslétezik --
I don't want to downplaylekicsinyelni it --
335
929986
2643
de ez igen távoli, és ma nem ez aggaszt,
15:44
but I think it's remotetávoli, and it's not
the thing that's on my mindelme these daysnapok,
336
932653
3672
mert másban tör ki nagy forradalom.
15:48
because I think the bignagy revolutionforradalom
is something elsemás.
337
936349
2512
Az MI-ben máig elért eredmények
15:50
Everything successfulsikeres in AIAI
to the presentajándék datedátum
338
938885
2922
igen egyedi téren születtek.
15:53
has been extremelyrendkívüli módon specializedspecializált,
339
941831
2214
s ez pedig egyetlen ötleten alapszik,
15:56
and it's been thrivingvirágzó on a singleegyetlen ideaötlet,
340
944069
2489
15:58
whichmelyik is massivetömeges amountsösszegek of dataadat.
341
946582
2739
a hatalmas mennyiségű adatén.
Az AlphaGo az óriási mennyiségű
gojátszma miatt működik olyan jól,
16:01
The reasonok AlphaGoAlphaGo worksművek so well
is because of massivetömeges numbersszám of Go playsjátszik,
342
949345
4147
de sem autót, sem repülőt
nem képes vezetni.
16:05
and AlphaGoAlphaGo can't drivehajtás a carautó
or flylégy a planerepülőgép.
343
953516
3255
Google önvezető autója
vagy az Udacity önvezető autója
16:08
The GoogleGoogle self-drivingönálló vezetés carautó
or the UdacityUdacity self-drivingönálló vezetés carautó
344
956795
3031
az óriási mennyiségű adat miatt fejlődik,
de semmi máshoz sem ért.
16:11
thrivesvirágzik on massivetömeges amountsösszegek of dataadat,
and it can't do anything elsemás.
345
959850
3240
Még motorbiciklit sem vezet.
16:15
It can't even controlellenőrzés a motorcyclemotorbicikli.
346
963114
1727
Nagyon egyedi, szűk tárgykörű funkció,
16:16
It's a very specifickülönleges,
domain-specificDomain-specifikus functionfunkció,
347
964865
2762
és ugyanez áll a rákalkalmazásra is.
16:19
and the sameazonos is trueigaz for our cancerrák appapp.
348
967651
1907
Szinte egyáltalán nincs fejlődés
az ún. generális MI terén,
16:21
There has been almostmajdnem no progressHaladás
on this thing calledhívott "generalTábornok AIAI,"
349
969582
3236
16:24
where you go to an AIAI and say,
"Hey, inventfeltalál for me specialkülönleges relativityrelativitás
350
972842
4000
ahol azt mondjuk az MI-nek: "Fedezd
föl a speciális relativitáselméletet,
16:28
or stringhúr theoryelmélet."
351
976866
1666
vagy a húrelméletet!"
Gyerekcipőben jár.
16:30
It's totallyteljesen in the infancycsecsemőkorban.
352
978556
1931
Ezt azért hangsúlyozom,
16:32
The reasonok I want to emphasizehangsúlyt helyez this,
353
980511
2127
mert látom az aggodalmat,
és tudomásul veszem.
16:34
I see the concernsaggodalmak,
and I want to acknowledgeelismerni them.
354
982662
3838
De gondolkozzunk el valami máson.
16:38
But if I were to think about one thing,
355
986524
2886
Fölteszem a kérdést:
16:41
I would askkérdez myselfmagamat the questionkérdés,
"What if we can take anything repetitiveismétlődő
356
989434
5563
"Mi lenne, ha bármilyen monoton
munkában százszor hatékonyabbak lennénk?"
16:47
and make ourselvesminket
100 timesalkalommal as efficienthatékony?"
357
995021
3473
16:51
It so turnsmenetek out, 300 yearsévek agoezelőtt,
we all workeddolgozott in agriculturemezőgazdaság
358
999170
4249
300 éve mind a mezőgazdaságban dolgoztunk,
földet műveltünk,
monoton munkát végeztünk.
16:55
and did farmingmezőgazdasági and did repetitiveismétlődő things.
359
1003443
2051
Ma 75%-unk irodai munkát végez,
16:57
TodayMa, 75 percentszázalék of us work in officesirodák
360
1005518
2556
eléggé monoton munkát.
17:00
and do repetitiveismétlődő things.
361
1008098
2124
Űrlapmajmokká váltunk.
17:02
We'veMost már becomeválik spreadsheettáblázatkezelő monkeysmajmok.
362
1010246
2183
17:04
And not just low-endalsókategóriás labormunkaerő.
363
1012453
2054
Nemcsak az alantas munkáról van szó.
Bőrgyógyászoknak is monoton a munkájuk,
17:06
We'veMost már becomeválik dermatologistsbőrgyógyászok
doing repetitiveismétlődő things,
364
1014531
2754
jogászoknak is monoton a munkájuk.
17:09
lawyersügyvédek doing repetitiveismétlődő things.
365
1017309
1749
17:11
I think we are at the brinkküszöbén
of beinglény ableképes to take an AIAI,
366
1019082
3823
Közel járunk ahhoz, hogy elővigyázatosan
képesek leszünk egy MI-vel
17:14
look over our shouldersvállak,
367
1022929
1718
10-50-szer hatékonyabbnak bizonyulni
valamely monoton tevékenységben.
17:16
and they make us maybe 10 or 50 timesalkalommal
as effectivehatékony in these repetitiveismétlődő things.
368
1024671
4058
Ez jár a fejemben.
17:20
That's what is on my mindelme.
369
1028753
1275
CA: Ez igencsak lelkesítőn hangzik.
17:22
CACA: That soundshangok superszuper excitingizgalmas.
370
1030052
2450
17:24
The processfolyamat of gettingszerzés there seemsÚgy tűnik,
a little terrifyingfélelmetes to some people,
371
1032526
3530
Az oda vezető folyamat
egyeseknek egy kissé rémisztő,
mert ha egyszer a monoton dolgokkal
a gép sokkal jobban boldogul,
17:28
because onceegyszer a computerszámítógép
can do this repetitiveismétlődő thing
372
1036080
3180
17:31
much better than the dermatologistbőrgyógyász
373
1039284
3434
mint a bőrgyógyász
vagy az autóvezető,
17:34
or than the driversofőr, especiallykülönösen,
is the thing that's talkedbeszélt about
374
1042742
3230
hiszen erről ma elég sokat beszéltünk,
17:37
so much now,
375
1045996
1290
17:39
suddenlyhirtelen millionsTöbb millió of jobsmunkahelyek go,
376
1047310
1958
hirtelen milliók vesztik el munkájukat,
17:41
and, you know, the country'sország in revolutionforradalom
377
1049292
2695
és az országban forradalom tör ki,
17:44
before we ever get to the more
gloriousdicsőséges aspectsszempontok of what's possiblelehetséges.
378
1052011
4329
mielőtt még a lehetőségek fényesebb
vonatkozásai föltárulhatnának.
ST: Igen, ez visszás helyzet, nagy gond,
17:48
STST: Yeah, and that's an issueprobléma,
and it's a bignagy issueprobléma,
379
1056364
2517
17:50
and it was pointedhegyes out yesterdaytegnap morningreggel
by severalszámos guestAz értékeléseket speakershangszórók.
380
1058905
4196
tegnap reggel erre több előadó utalt.
17:55
Now, priorelőzetes to me showingkiállítás up onstageszínpadra,
381
1063125
2754
Színpadra lépésem előtt bevallottam,
17:57
I confessedbevallotta I'm a positivepozitív,
optimisticoptimista personszemély,
382
1065903
3739
hogy pozitív és optimista ember vagyok,
18:01
so let me give you an optimisticoptimista pitchhangmagasság,
383
1069666
2389
ezért hadd hozzak optimista példát.
18:04
whichmelyik is, think of yourselfsaját magad
back 300 yearsévek agoezelőtt.
384
1072079
4795
Menjünk vissza úgy 300 évet!
Európa épp túlélte
a 140 éves háborús időszakot,
18:08
EuropeEurópa just survivedtúlélte 140 yearsévek
of continuousfolyamatos warháború,
385
1076898
3996
18:12
noneegyik sem of you could readolvas or writeír,
386
1080918
1711
teljes az írástudatlanság,
18:14
there were no jobsmunkahelyek that you holdtart todayMa,
387
1082653
2945
nem töltöttek be mai munkaköröket,
18:17
like investmentberuházás bankerbankár
or softwareszoftver engineermérnök or TVTV anchorhorgony.
388
1085622
4096
nem volt pl. beruházási bankár,
szoftvermérnök vagy tévébemondó.
18:21
We would all be in the fieldsmezők and farmingmezőgazdasági.
389
1089742
2414
Mind a mezőgazdaságban dolgozunk.
Megjelenik a kis Sebastian, zsebében
egy kis gőzgéppel, és azt mondja:
18:24
Now here comesjön little SebastianSebastian
with a little steamgőz enginemotor in his pocketzseb-,
390
1092180
3573
"Ide figyeljenek, emberek!
18:27
sayingmondás, "Hey guys, look at this.
391
1095777
1548
Ez a szerkentyű százszor erősebbé teszi
magukat, hogy mást csinálhassanak."
18:29
It's going to make you 100 timesalkalommal
as strongerős, so you can do something elsemás."
392
1097349
3595
Akkoriban nem volt igazi színpad,
18:32
And then back in the day,
there was no realigazi stageszínpad,
393
1100968
2470
de Chris és én a tehénistállóban időzünk,
18:35
but ChrisChris and I hanglóg out
with the cowstehenek in the stablestabil,
394
1103462
2526
s Chris fölhorkan: "Nem lesz ez jó,
18:38
and he saysmondja, "I'm really
concernedaz érintett about it,
395
1106012
2100
mert naponta fejem a tehenem,
mi lesz, ha majd gép helyettesít?"
18:40
because I milktej my cowtehén everyminden day,
and what if the machinegép does this for me?"
396
1108136
3652
Azért említem ezt,
mert mindig készséggel elismerjük
18:43
The reasonok why I mentionemlítés this is,
397
1111812
1702
18:46
we're always good in acknowledgingelismerve
pastmúlt progressHaladás and the benefithaszon of it,
398
1114360
3603
a múltbéli fejlődést
és a belőle származó előnyöket,
pl. az iPhone-t, repülőket,
villamosságot, orvosi ellátást.
18:49
like our iPhonesiPhone or our planessíkok
or electricityelektromosság or medicalorvosi supplykínálat.
399
1117987
3354
18:53
We all love to liveélő to 80,
whichmelyik was impossiblelehetetlen 300 yearsévek agoezelőtt.
400
1121365
4245
Tetszik, hogy 80 évig élhetünk,
de 300 éve ez lehetetlen volt.
18:57
But we kindkedves of don't applyalkalmaz
the sameazonos rulesszabályok to the futurejövő.
401
1125634
4156
E szabályokat nem alkalmazzuk a jövőre.
19:02
So if I look at my ownsaját jobmunka as a CEOVEZÉRIGAZGATÓ,
402
1130621
3207
Vezérigazgatói munkakörömet tekintve
19:05
I would say 90 percentszázalék
of my work is repetitiveismétlődő,
403
1133852
3140
munkám 90%-a monoton.
19:09
I don't enjoyélvez it,
404
1137016
1351
Nem élvezem.
19:10
I spendtölt about fournégy hoursórák perper day
on stupidhülye, repetitiveismétlődő emailemail.
405
1138391
3978
Nap mint nap kb. négy órát töltök
idétlen, rutin ímélek megválaszolásával.
19:14
And I'm burningégő to have something
that helpssegít me get ridmegszabadít of this.
406
1142393
3641
Égek a vágytól, hogy valami
segítsen megszabadulni tőlük.
19:18
Why?
407
1146058
1158
Miért?
Mert hiszem, hogy mindnyájan
őrülten kreatívak vagyunk;
19:19
Because I believe all of us
are insanelyőrülten creativekreatív;
408
1147240
3003
19:22
I think the TEDTED communityközösség
more than anybodybárki elsemás.
409
1150731
3194
különösen áll ez a TED-esekre.
19:25
But even blue-collarkék gallér workersmunkások;
I think you can go to your hotelszálloda maidszobalány
410
1153949
3559
De még a fizikai dolgozók is,
ha a szállóban a szobalánnyal
19:29
and have a drinkital with him or her,
411
1157532
2402
fölhajtanak egy italt,
19:31
and an houróra latera későbbiekben,
you find a creativekreatív ideaötlet.
412
1159958
2717
egy óra múlva eszükbe jut
valami kreatív ötlet.
19:34
What this will empowerképessé
is to turnfordulat this creativitykreativitás into actionakció.
413
1162699
4140
Ez képessé teszi a kreativitást,
hogy tettekben öltsön testet.
19:39
Like, what if you could
buildépít GoogleGoogle in a day?
414
1167265
3442
Mi lenne, ha máról holnapra
megcsinálhatnánk a Google-t?
19:43
What if you could sitül over beersör
and inventfeltalál the nextkövetkező SnapchatSnapchat,
415
1171221
3316
Mi lenne, ha egy pohár sör mellett
föltalálnánk egy új Snapchatot,
19:46
whatevertök mindegy it is,
416
1174561
1165
bármi legyen is az,
19:47
and tomorrowholnap morningreggel it's up and runningfutás?
417
1175750
2187
aztán holnap reggel már működne is?
Ez nem sci-fi.
19:49
And that is not sciencetudomány fictionkitalálás.
418
1177961
1773
Ami szemünk előtt zajlik,
19:51
What's going to happentörténik is,
419
1179758
1254
19:53
we are alreadymár in historytörténelem.
420
1181036
1867
már történelmünk része.
19:54
We'veMost már unleashedUnleashed this amazingelképesztő creativitykreativitás
421
1182927
3228
Azzal szabadítottuk föl
az elképesztő kreativitást,
hogy ledobtuk magunkról
a mezőgazdaság igáját,
19:58
by de-slavingde rabszolga us from farmingmezőgazdasági
422
1186179
1611
19:59
and latera későbbiekben, of coursetanfolyam, from factorygyár work
423
1187814
3363
persze később a gyári munkáét is,
20:03
and have inventedfeltalált so manysok things.
424
1191201
3162
és rengeteg mindent fölfedeztünk.
20:06
It's going to be even better,
in my opinionvélemény.
425
1194387
2178
Ez csak javul az idő előrehaladtával.
20:08
And there's going to be
great sideoldal effectshatások.
426
1196589
2072
Nagy mellékhatásai is lesznek.
20:10
One of the sideoldal effectshatások will be
427
1198685
1489
Az egyik, hogy az élelmiszer,
20:12
that things like foodélelmiszer and medicalorvosi supplykínálat
and educationoktatás and sheltermenedék
428
1200198
4795
az egészségügyi ellátás,
az oktatás, a lakhatás
20:17
and transportationszállítás
429
1205017
1177
és a közlekedés
20:18
will all becomeválik much more
affordablemegfizethető to all of us,
430
1206218
2441
sokkal inkább mindenkinek
megfizethető lesz,
nemcsak a gazdagoknak.
20:20
not just the richgazdag people.
431
1208683
1322
20:22
CACA: HmmHmm.
432
1210029
1182
CA: Hmm.
20:23
So when MartinMartin FordFord arguedérvelt, you know,
that this time it's differentkülönböző
433
1211235
4341
Martin Ford jövőkutató azzal érvel,
hogy kivételes időket élünk,
20:27
because the intelligenceintelligencia
that we'vevoltunk used in the pastmúlt
434
1215600
3453
mert az új módszerek keresésére
20:31
to find newúj waysmódokon to be
435
1219077
2483
a múltban használt intelligencia
20:33
will be matchedpárosított at the sameazonos pacesebesség
436
1221584
2279
versenyre kel a számítógépével,
amely átveszi a dolgok irányítását.
20:35
by computersszámítógépek takingbevétel over those things,
437
1223887
2291
Ön szerint ez nincs teljesen így
20:38
what I hearhall you sayingmondás
is that, not completelyteljesen,
438
1226202
3078
20:41
because of humanemberi creativitykreativitás.
439
1229304
2951
az emberi kreativitás miatt.
Úgy gondolja, hogy ez alapvetően más,
20:44
Do you think that that's fundamentallyalapvetően
differentkülönböző from the kindkedves of creativitykreativitás
440
1232279
3785
mint amilyen kreativitást a gép mutat?
20:48
that computersszámítógépek can do?
441
1236088
2696
20:50
STST: So, that's my firmcég
beliefhit as an AIAI personszemély --
442
1238808
4434
ST: MI-fejlesztőként
szilárd meggyőződésem,
20:55
that I haven'tnincs seenlátott
any realigazi progressHaladás on creativitykreativitás
443
1243266
3803
hogy semmiféle előrehaladást
nem tapasztaltam kreativitásban
20:59
and out-of-the-boxout-of-the-box thinkinggondolkodás.
444
1247949
1407
s rendhagyó gondolkodásban.
21:01
What I see right now -- and this is
really importantfontos for people to realizemegvalósítani,
445
1249380
3623
Azt látom, és fontos,
hogy ez mindenkiben tudatosuljon,
mert a "mesterséges intelligencia"
kifejezés olyannyira fenyegető,
21:05
because the wordszó "artificialmesterséges
intelligenceintelligencia" is so threateningfenyegető,
446
1253027
2903
21:07
and then we have SteveSteve SpielbergSpielberg
tossingfeldobás a moviefilm in,
447
1255954
2523
és Steve Spielberg filmjéből az árad,
hogy a számítógép
egyszer csak urunkká válik,
21:10
where all of a suddenhirtelen
the computerszámítógép is our overlordOverlord,
448
1258501
2413
de ez a technológia.
21:12
but it's really a technologytechnológia.
449
1260938
1452
A technológia, amely segítségünkre
van a monoton munkában.
21:14
It's a technologytechnológia that helpssegít us
do repetitiveismétlődő things.
450
1262414
2982
21:17
And the progressHaladás has been
entirelyteljesen on the repetitiveismétlődő endvég.
451
1265420
2913
A haladás teljesen
a monoton oldalt jellemzi.
21:20
It's been in legaljogi documentdokumentum discoveryfelfedezés.
452
1268357
2228
A jogi iratok kikeresését.
21:22
It's been contractszerződés draftingmegfogalmazás.
453
1270609
1680
Szerződéstervezetek elkészítését.
21:24
It's been screeningárnyékolás X-raysX-sugarak of your chestmellkas.
454
1272313
4223
Mellkasunk röntgenátvilágítását.
21:28
And these things are so specializedspecializált,
455
1276560
1773
Ezek annyira egyedi területek.
21:30
I don't see the bignagy threatfenyegetés of humanityemberiség.
456
1278357
2391
Nem látok nagy veszélyt az emberiségre.
21:32
In facttény, we as people --
457
1280772
1794
Ami azt illeti, mi, emberek,
21:34
I mean, let's facearc it:
we'vevoltunk becomeválik superhumanemberfeletti.
458
1282590
2385
vegyük tudomásul: szuperemberek lettünk.
21:36
We'veMost már madekészült us superhumanemberfeletti.
459
1284999
1764
Azzá tettük magunkat.
21:38
We can swimúszás acrossát
the AtlanticAtlanti-óceán in 11 hoursórák.
460
1286787
2632
11 óra alatt átkelhetünk
az Atlanti óceánon.
21:41
We can take a deviceeszköz out of our pocketzseb-
461
1289443
2074
A zsebünkből előkapott készülékbe kiabálva
21:43
and shoutkiáltás all the way to AustraliaAusztrália,
462
1291541
2147
az elhallatszik Ausztráliáig,
és valós időben
a másik fél visszaszól nekünk.
21:45
and in realigazi time, have that personszemély
shoutingkiabálás back to us.
463
1293712
2600
Ez fizikai képtelenség.
Megsértjük a fizikai törvényeket.
21:48
That's physicallyfizikailag not possiblelehetséges.
We're breakingtörés the rulesszabályok of physicsfizika.
464
1296336
3624
Mindenre emlékezni fogunk,
21:51
When this is said and doneKész,
we're going to rememberemlékezik everything
465
1299984
2943
amit valaha mondtunk vagy tettünk,
21:54
we'vevoltunk ever said and seenlátott,
466
1302951
1213
21:56
you'llazt is megtudhatod rememberemlékezik everyminden personszemély,
467
1304188
1496
mindenkire emlékezni fogunk,
21:57
whichmelyik is good for me
in my earlykorai stagesszakaszában of Alzheimer'sAlzheimer-kór.
468
1305708
2626
ami jó nekem a korai Alzheimer-kórban.
Bocs, miről beszéltem? Elfelejtettem.
22:00
Sorry, what was I sayingmondás? I forgotelfelejtettem.
469
1308358
1677
CA: (Nevet)
22:02
CACA: (LaughsNevet)
470
1310059
1578
ST: Legalább ezres IQ-nk lesz
22:03
STST: We will probablyvalószínűleg have
an IQIQ of 1,000 or more.
471
1311661
3077
22:06
There will be no more
spellinghelyesírás-ellenőrzés classesosztályok for our kidsgyerekek,
472
1314762
3425
A gyerekeknek nem lesz
több helyesírás-órájuk,
22:10
because there's no spellinghelyesírás-ellenőrzés issueprobléma anymoretöbbé.
473
1318211
2086
mert a helyesírás nem lesz téma.
22:12
There's no mathmatematikai issueprobléma anymoretöbbé.
474
1320321
1832
Matektéma sem lesz.
22:14
And I think what really will happentörténik
is that we can be superszuper creativekreatív.
475
1322177
3510
A lényeg, hogy szuper kreatívak leszünk.
22:17
And we are. We are creativekreatív.
476
1325711
1857
Azok vagyunk. Kreatívak vagyunk.
22:19
That's our secrettitok weaponfegyver.
477
1327592
1552
Ez a titkos fegyverünk.
CA: A munkaköröket lassacskán elveszítjük,
22:21
CACA: So the jobsmunkahelyek that are gettingszerzés lostelveszett,
478
1329168
2153
22:23
in a way, even thoughbár
it's going to be painfulfájdalmas,
479
1331345
2494
ráadásul fájdalmak közepette;
az ember többre képes azoknál a munkáknál.
22:25
humansemberek are capableképes
of more than those jobsmunkahelyek.
480
1333863
2047
Ez az álom.
22:27
This is the dreamálom.
481
1335934
1218
22:29
The dreamálom is that humansemberek can riseemelkedik
to just a newúj levelszint of empowermentfelhatalmazas
482
1337176
4247
Az álom, hogy az ember fölnőhet
a képességek és fölfedezések új szintjére.
22:33
and discoveryfelfedezés.
483
1341447
1657
22:35
That's the dreamálom.
484
1343128
1452
Ez az álom.
ST: De gondoljunk csak erre:
22:36
STST: And think about this:
485
1344604
1643
ha az emberiség
22:38
if you look at the historytörténelem of humanityemberiség,
486
1346271
2021
kb. 60–100 ezer éves történetét nézzük,
22:40
that mightesetleg be whatevertök mindegy --
60-100,000 yearsévek oldrégi, give or take --
487
1348316
3328
majdnem minden, amit a fölfedezésekben,
22:43
almostmajdnem everything that you cherishkedvel
in termsfeltételek of inventiontalálmány,
488
1351668
3726
technológiában létrehoztunk
és becsben tartunk,
22:47
of technologytechnológia, of things we'vevoltunk builtépült,
489
1355418
2151
az utóbbi 150 év eredménye.
22:49
has been inventedfeltalált in the last 150 yearsévek.
490
1357593
3099
a könyv és a kerék egy kissé idősebb.
22:53
If you tossdobás in the bookkönyv and the wheelkerék,
it's a little bitbit olderidősebb.
491
1361756
3048
Vagy a balta.
22:56
Or the axefejsze.
492
1364828
1169
De a telefon, az edzőcipő,
22:58
But your phonetelefon, your sneakerstornacipő,
493
1366021
2790
23:00
these chairsszékek, modernmodern
manufacturinggyártás, penicillinpenicillin --
494
1368835
3551
ezek a székek,
a modern gyártás, penicillin,
a becsben tartott dolgok.
23:04
the things we cherishkedvel.
495
1372410
1714
23:06
Now, that to me meanseszközök
496
1374148
3658
Ebből arra következtetek,
23:09
the nextkövetkező 150 yearsévek will find more things.
497
1377830
3041
hogy a jövő 150 év több dolgot tartogat.
A fölfedezések üteme fölgyorsult,
nem pedig lassult.
23:12
In facttény, the pacesebesség of inventiontalálmány
has goneelmúlt up, not goneelmúlt down, in my opinionvélemény.
498
1380895
4154
23:17
I believe only one percentszázalék of interestingérdekes
things have been inventedfeltalált yetmég. Right?
499
1385073
4905
Azt hiszem, egyelőre az érdekes
dolgok 1%-a van fölfedezve.
Még nem győztük le a rákot.
23:22
We haven'tnincs curedgyógyítható cancerrák.
500
1390002
1988
23:24
We don't have flyingrepülő carsautók -- yetmég.
HopefullyRemélhetőleg, I'll changeváltozás this.
501
1392014
3718
Nincsenek repülő autóink – egyelőre.
Remélem, ezen változtatok.
23:27
That used to be an examplepélda
people laughednevetett about. (LaughsNevet)
502
1395756
3257
Korábban az emberek csak
nevettek ezen. (Nevetés)
23:31
It's funnyvicces, isn't it?
WorkingMunka secretlytitokban on flyingrepülő carsautók.
503
1399037
2992
Bájos, nem?
Titokban dolgozni a repülő autón.
23:34
We don't liveélő twicekétszer as long yetmég. OK?
504
1402053
2683
Még mindig nem élünk kétszer annyi évig.
23:36
We don't have this magicvarázslat
implantimplantátum in our brainagy
505
1404760
2785
Még nincs meg agyunk csodás implantátuma,
amellyel hozzájutunk a kívánt infóhoz.
23:39
that givesad us the informationinformáció we want.
506
1407569
1832
Lehet, hogy elborzasztja önöket,
23:41
And you mightesetleg be appalledfelháborodva by it,
507
1409425
1526
23:42
but I promiseígéret you,
onceegyszer you have it, you'llazt is megtudhatod love it.
508
1410975
2444
de ígérem, ha egyszer
megkapják, tetszeni fog.
Remélem, tetszeni fog.
23:45
I hoperemény you will.
509
1413443
1166
Tudom, hogy egy kissé ijesztő.
23:46
It's a bitbit scaryijedős, I know.
510
1414633
1909
23:48
There are so manysok things
we haven'tnincs inventedfeltalált yetmég
511
1416566
2254
Sok mindent még nem fedeztünk föl,
meglesz.
23:50
that I think we'lljól inventfeltalál.
512
1418844
1268
Nincs gravitációs pajzsunk.
23:52
We have no gravitysúly shieldspajzsok.
513
1420136
1306
Nem tudjuk még teleportálni magunkat.
23:53
We can't beamgerenda ourselvesminket
from one locationelhelyezkedés to anotheregy másik.
514
1421466
2553
Röhejesen hangzik,
de úgy 200 éve szakértők állították,
23:56
That soundshangok ridiculousnevetséges,
515
1424043
1151
23:57
but about 200 yearsévek agoezelőtt,
516
1425218
1288
hogy a repülés nem valósítható meg,
23:58
expertsszakértők were of the opinionvélemény
that flightrepülési wouldn'tnem existlétezik,
517
1426530
2667
24:01
even 120 yearsévek agoezelőtt,
518
1429221
1324
csak 120 éve állították,
24:02
and if you movedköltözött fastergyorsabb
than you could runfuss,
519
1430569
2582
hogy aki gyorsabban mozogna,
mint fut, az szörnyethal.
24:05
you would instantlyazonnal diemeghal.
520
1433175
1520
24:06
So who saysmondja we are correcthelyes todayMa
that you can't beamgerenda a personszemély
521
1434719
3569
Ki mondja, hogy igazunk van abban,
hogy nem teleportálhatunk senkit a Marsra?
24:10
from here to MarsMars?
522
1438312
2249
24:12
CACA: SebastianSebastian, thank you so much
523
1440585
1569
CA: Sebastian, nagyon köszönöm
24:14
for your incrediblyhihetetlenül inspiringinspiráló visionlátomás
and your brillianceragyogás.
524
1442178
2682
a hihetetlenül megihlető vízióját
s ragyogó előadását.
Köszönöm, Sebastian Thrun.
24:16
Thank you, SebastianSebastian ThrunThrun.
525
1444884
1323
Fantasztikus volt. (Taps)
24:18
STST: That was fantasticfantasztikus. (ApplauseTaps)
526
1446231
1895
Translated by Peter Pallós
Reviewed by Ádám Kósa

▲Back to top

ABOUT THE SPEAKERS
Sebastian Thrun - Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us.

Why you should listen

Sebastian Thrun is an educator, entrepreneur and troublemaker. After a long life as a professor at Stanford University, Thrun resigned from tenure to join Google. At Google, he founded Google X, home to self-driving cars and many other moonshot technologies. Thrun also founded Udacity, an online university with worldwide reach, and Kitty Hawk, a "flying car" company. He has authored 11 books, 400 papers, holds 3 doctorates and has won numerous awards.

More profile about the speaker
Sebastian Thrun | Speaker | TED.com
Chris Anderson - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading.

Why you should listen

Chris Anderson is the Curator of TED, a nonprofit devoted to sharing valuable ideas, primarily through the medium of 'TED Talks' -- short talks that are offered free online to a global audience.

Chris was born in a remote village in Pakistan in 1957. He spent his early years in India, Pakistan and Afghanistan, where his parents worked as medical missionaries, and he attended an American school in the Himalayas for his early education. After boarding school in Bath, England, he went on to Oxford University, graduating in 1978 with a degree in philosophy, politics and economics.

Chris then trained as a journalist, working in newspapers and radio, including two years producing a world news service in the Seychelles Islands.

Back in the UK in 1984, Chris was captivated by the personal computer revolution and became an editor at one of the UK's early computer magazines. A year later he founded Future Publishing with a $25,000 bank loan. The new company initially focused on specialist computer publications but eventually expanded into other areas such as cycling, music, video games, technology and design, doubling in size every year for seven years. In 1994, Chris moved to the United States where he built Imagine Media, publisher of Business 2.0 magazine and creator of the popular video game users website IGN. Chris eventually merged Imagine and Future, taking the combined entity public in London in 1999, under the Future name. At its peak, it published 150 magazines and websites and employed 2,000 people.

This success allowed Chris to create a private nonprofit organization, the Sapling Foundation, with the hope of finding new ways to tackle tough global issues through media, technology, entrepreneurship and, most of all, ideas. In 2001, the foundation acquired the TED Conference, then an annual meeting of luminaries in the fields of Technology, Entertainment and Design held in Monterey, California, and Chris left Future to work full time on TED.

He expanded the conference's remit to cover all topics, including science, business and key global issues, while adding a Fellows program, which now has some 300 alumni, and the TED Prize, which grants its recipients "one wish to change the world." The TED stage has become a place for thinkers and doers from all fields to share their ideas and their work, capturing imaginations, sparking conversation and encouraging discovery along the way.

In 2006, TED experimented with posting some of its talks on the Internet. Their viral success encouraged Chris to begin positioning the organization as a global media initiative devoted to 'ideas worth spreading,' part of a new era of information dissemination using the power of online video. In June 2015, the organization posted its 2,000th talk online. The talks are free to view, and they have been translated into more than 100 languages with the help of volunteers from around the world. Viewership has grown to approximately one billion views per year.

Continuing a strategy of 'radical openness,' in 2009 Chris introduced the TEDx initiative, allowing free licenses to local organizers who wished to organize their own TED-like events. More than 8,000 such events have been held, generating an archive of 60,000 TEDx talks. And three years later, the TED-Ed program was launched, offering free educational videos and tools to students and teachers.

More profile about the speaker
Chris Anderson | Speaker | TED.com