TED2018
Kai-Fu Lee: How AI can save our humanity
Kai-Fu Lee: Jak sztuczna inteligencja może ocalić człowieczeństwo
Filmed:
Readability: 4.7
3,583,197 views
Sztuczna inteligencja zmienia oblicze naszego świata, jednak jednego zrobić nie może: nie może kochać. W swojej wizjonerskiej prelekcji informatyk Kai-Fu Lee ukazuje jak USA i Chiny rewolucjonizują świat dzięki głębokiemu uczeniu. Dzieli się również projektem wykorzystania ludzkiej kreatywności i zdolności do współczucia w epoce sztucznej inteligencji. „Sztuczna inteligencja to szczęśliwy traf” twierdzi Lee. „Pojawiła się, by uwolnić nas od rutynowych prac oraz przypomina o tym, co czyni nas ludźmi”.
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
Opowiem o tym, jak ludzie
i sztuczna inteligencja mogą współistnieć,
i sztuczna inteligencja mogą współistnieć,
00:17
but first, we have to rethink
about our human values.
about our human values.
1
5200
3816
najpierw jednak zastanówmy się
nad naszymi ludzkimi wartościami.
nad naszymi ludzkimi wartościami.
00:21
So let me first make a confession
about my errors in my values.
about my errors in my values.
2
9040
4320
Pozwólcie, że przyznam się
do swoich błędów tej dziedzinie.
do swoich błędów tej dziedzinie.
00:25
It was 11 o'clock, December 16, 1991.
3
13920
4256
Był 16 grudnia 1991, godzina 11:00.
00:30
I was about to become a father
for the first time.
for the first time.
4
18200
2680
Właśnie miałem zostać ojcem
po raz pierwszy.
po raz pierwszy.
00:33
My wife, Shen-Ling,
lay in the hospital bed
lay in the hospital bed
5
21480
2856
Moja żona, Shen-Ling,
leżała w szpitalnym łóżku
leżała w szpitalnym łóżku
00:36
going through a very difficult
12-hour labor.
12-hour labor.
6
24360
3080
i przechodziła przez bardzo ciężki,
12-godzinny poród.
12-godzinny poród.
00:40
I sat by her bedside
7
28280
2296
Siedziałem przy niej,
00:42
but looked anxiously at my watch,
8
30600
2376
ale pełen niepokoju
wpatrywałem się w zegarek,
wpatrywałem się w zegarek,
00:45
and I knew something that she didn't.
9
33000
1800
wiedząc coś, o czym ona nie miała pojęcia.
00:47
I knew that if in one hour,
10
35440
1800
Wiedziałem, że jeśli w ciągu godziny
00:50
our child didn't come,
11
38360
1936
nasze dziecko nie przyjdzie na świat,
00:52
I was going to leave her there
12
40320
1936
zostawię ją
00:54
and go back to work
13
42280
1656
i wrócę do pracy,
00:55
and make a presentation about AI
14
43960
2576
by przeprowadzić prezentację
o sztucznej inteligencji
o sztucznej inteligencji
00:58
to my boss, Apple's CEO.
15
46560
2200
dla mojego szefa,
dyrektora generalnego Apple.
dyrektora generalnego Apple.
01:03
Fortunately, my daughter
was born at 11:30 --
was born at 11:30 --
16
51160
3896
Na szczęście córka urodziła się o 11:30.
01:07
(Laughter)
17
55080
1936
(Śmiech)
01:09
(Applause)
18
57040
1936
(Brawa)
01:11
sparing me from doing the unthinkable,
19
59000
4336
Uniknąłem najgorszego.
01:15
and to this day, I am so sorry
20
63360
2496
Do dziś jest mi jednak bardzo przykro,
01:17
for letting my work ethic
take precedence over love for my family.
take precedence over love for my family.
21
65880
4656
że pozwoliłem, by zobowiązania zawodowe
wzięły górę nad miłością do rodziny.
wzięły górę nad miłością do rodziny.
01:22
(Applause)
22
70560
5736
(Brawa)
01:28
My AI talk, however, went off brilliantly.
23
76320
2616
Jeśli chodzi o prezentację
- wyszła świetnie.
- wyszła świetnie.
01:30
(Laughter)
24
78960
2736
(Śmiech)
01:33
Apple loved my work
and decided to announce it
and decided to announce it
25
81720
3136
Moja praca spodobała się Apple,
które ogłosiło ją w czasie TED1992,
01:36
at TED1992,
26
84880
2696
01:39
26 years ago on this very stage.
27
87600
3016
26 lat temu, na tej właśnie scenie.
01:42
I thought I had made one of the biggest,
most important discoveries in AI,
most important discoveries in AI,
28
90640
5056
Myślałem, że dokonałem
jednego z największych odkryć,
jednego z największych odkryć,
01:47
and so did the "Wall Street Journal"
on the following day.
on the following day.
29
95720
2920
tak myślał też zresztą Wall Street Journal
następnego dnia.
następnego dnia.
01:51
But as far as discoveries went,
30
99440
2536
Ale im większy następował postęp,
01:54
it turned out,
31
102000
1336
stopniowo okazywało się,
01:55
I didn't discover India, or America.
32
103360
2776
że nie odkryłem ani Ameryki, ani Indii.
01:58
Perhaps I discovered
a little island off of Portugal.
a little island off of Portugal.
33
106160
3080
Być może odkryłem niewielką wyspę
gdzieś u wybrzeży Portugalii.
gdzieś u wybrzeży Portugalii.
02:02
But the AI era of discovery continued,
34
110720
3256
Tymczasem odkrycia w dziedzinie
sztucznej inteligencji postępowały,
sztucznej inteligencji postępowały,
02:06
and more scientists
poured their souls into it.
poured their souls into it.
35
114000
3216
a badaniom poświęcało się
coraz więcej naukowców.
coraz więcej naukowców.
02:09
About 10 years ago, the grand AI discovery
36
117240
2616
Ponad 10 lat temu wielkiego odkrycia
02:11
was made by three
North American scientists,
North American scientists,
37
119880
3176
dokonali trzej naukowcy
z Ameryki Północnej:
z Ameryki Północnej:
02:15
and it's known as deep learning.
38
123080
1600
mowa o głębokim uczeniu.
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
Głębokie uczenie to technologia,
która używa ogromnych ilości danych
która używa ogromnych ilości danych
02:21
within one single domain
40
129120
1736
w obrębie jednej domeny
02:22
and learn to predict or decide
at superhuman accuracy.
at superhuman accuracy.
41
130880
4936
i uczy się przewidywać oraz decydować
z nadludzką dokładnością.
z nadludzką dokładnością.
02:27
For example, if we show
the deep learning network
the deep learning network
42
135840
2776
Na przykład: jeśli pokażemy
sieci neuronowej
sieci neuronowej
02:30
a massive number of food photos,
43
138640
2816
dużą liczbę zdjęć jedzenia,
02:33
it can recognize food
44
141480
1576
może rozróżnić
02:35
such as hot dog or no hot dog.
45
143080
3296
między hot-dogiem oraz czymś,
co hot-dogiem nie jest.
co hot-dogiem nie jest.
02:38
(Applause)
46
146400
3136
(Brawa)
02:41
Or if we show it many pictures
and videos and sensor data
and videos and sensor data
47
149560
5016
Jeśli natomiast pokażemy zdjęcia,
filmy i dane z czujników
filmy i dane z czujników
02:46
from driving on the highway,
48
154600
2536
zebrane podczas jazdy po autostradzie,
02:49
it can actually drive a car
as well as a human being
as well as a human being
49
157160
3280
może być w stanie prowadzić samochód
równie dobrze jak człowiek.
02:53
on the highway.
50
161360
1656
02:55
And what if we showed
this deep learning network
this deep learning network
51
163040
2816
A co, jeśli pokażemy sieci neuronowej
02:57
all the speeches made by President Trump?
52
165880
2400
wszystkie przemówienia prezydenta Trumpa?
03:01
Then this artificially
intelligent President Trump,
intelligent President Trump,
53
169680
3000
Wtedy ten sztucznie inteligentny
prezydent Trump,
prezydent Trump,
03:05
actually the network --
54
173600
2216
właściwie sieć...
03:07
(Laughter)
55
175840
1656
(Śmiech)
03:09
can --
56
177520
1216
...może...
03:10
(Applause)
57
178760
4056
(Brawa)
03:14
You like double oxymorons, huh?
58
182840
2336
Wyborny oksymoron, prawda?
03:17
(Laughter)
59
185200
3856
(Śmiech)
03:21
(Applause)
60
189080
6096
(Brawa)
03:27
So this network, if given the request
to make a speech about AI,
to make a speech about AI,
61
195200
5256
Wówczas ta sieć, po otrzymaniu
polecenia wygłoszenia przemówienia,
polecenia wygłoszenia przemówienia,
03:32
he, or it, might say --
62
200480
2640
może powiedzieć:
03:36
(Recording) Donald Trump:
It's a great thing
It's a great thing
63
204280
2096
Donald Trump: "To cudowne
03:38
to build a better world
with artificial intelligence.
with artificial intelligence.
64
206400
2936
budować lepszy świat
z pomocą sztucznej inteligencji".
z pomocą sztucznej inteligencji".
03:41
Kai-Fu Lee: And maybe in another language?
65
209360
2016
A w innym języku?
03:43
DT: (Speaking Chinese)
66
211400
1816
DT: (Chiński)
03:45
(Laughter)
67
213240
1496
(Śmiech)
03:46
KFL: You didn't know
he knew Chinese, did you?
he knew Chinese, did you?
68
214760
2160
Nie wiedzieliście, że zna chiński, prawda?
03:50
So deep learning has become the core
in the era of AI discovery,
in the era of AI discovery,
69
218120
5016
Głębokie uczenie stało się podstawą
w erze doskonalenia sztucznej inteligencji
w erze doskonalenia sztucznej inteligencji
03:55
and that's led by the US.
70
223160
1816
głównie za sprawą USA.
03:57
But we're now in the era
of implementation,
of implementation,
71
225000
3256
Obecnie znajdujemy się
w epoce wdrażania rozwiązań,
w epoce wdrażania rozwiązań,
04:00
where what really matters is execution,
product quality, speed and data.
product quality, speed and data.
72
228280
5536
teraz znaczenie ma wykonanie,
jakość produktu, szybkość i dane.
jakość produktu, szybkość i dane.
04:05
And that's where China comes in.
73
233840
2096
Tutaj na arenę wkraczają Chiny.
04:07
Chinese entrepreneurs,
74
235960
1576
Chińscy przedsiębiorcy,
04:09
who I fund as a venture capitalist,
75
237560
1896
z którymi współpracuję jako inwestor,
04:11
are incredible workers,
76
239480
1736
są świetnymi pracownikami,
04:13
amazing work ethic.
77
241240
1936
mają doskonałą etykę pracy.
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
To, jak ciężko pracują Chińczycy,
zaćmiewa moją historię o porodówce.
zaćmiewa moją historię o porodówce.
04:20
As an example, one startup
tried to claim work-life balance:
tried to claim work-life balance:
79
248520
3696
Jeden ze startupów chwalił się równowagą
między życiem prywatnym i zawodowym:
między życiem prywatnym i zawodowym:
04:24
"Come work for us because we are 996."
80
252240
3696
"Przyjdźcie do nas, pracujemy 996".
04:27
And what does that mean?
81
255960
1256
Co to oznacza?
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
To znaczy, że pracują między 9 rano
a 9 wieczorem przez 6 dni w tygodniu.
a 9 wieczorem przez 6 dni w tygodniu.
04:34
That's contrasted
with other startups that do 997.
with other startups that do 997.
83
262960
3280
Wypadają dobrze na tle
startupów pracujących 997.
startupów pracujących 997.
04:39
And the Chinese product quality
has consistently gone up
has consistently gone up
84
267320
3096
Dodatkowo jakość chińskich produktów
konsekwentnie rosła
konsekwentnie rosła
04:42
in the past decade,
85
270440
1696
w ciągu ostatniej dekady,
04:44
and that's because of
a fiercely competitive environment.
a fiercely competitive environment.
86
272160
4120
wszystko dzięki wysoce
konkurencyjnemu środowisku.
konkurencyjnemu środowisku.
04:48
In Silicon Valley, entrepreneurs
compete in a very gentlemanly fashion,
compete in a very gentlemanly fashion,
87
276760
5896
W Dolinie Krzemowej przedsiębiorcy
konkurują ze sobą po dżentelmeńsku,
konkurują ze sobą po dżentelmeńsku,
04:54
sort of like in old wars
in which each side took turns
in which each side took turns
88
282680
3896
na kształt dawnych wojen,
kiedy to strony konfliktu
kiedy to strony konfliktu
na przemian prowadziły ostrzał.
04:58
to fire at each other.
89
286600
1256
04:59
(Laughter)
90
287880
1056
(Śmiech)
05:00
But in the Chinese environment,
91
288960
2016
W chińskich realiach
05:03
it's truly a gladiatorial
fight to the death.
fight to the death.
92
291000
2880
stają się raczej gladiatorami
i walczą na śmierć.
i walczą na śmierć.
05:06
In such a brutal environment,
entrepreneurs learn to grow very rapidly,
entrepreneurs learn to grow very rapidly,
93
294920
6096
W tym brutalnym otoczeniu
przedsiębiorcy uczą się szybko rozwijać,
przedsiębiorcy uczą się szybko rozwijać,
05:13
they learn to make their products
better at lightning speed,
better at lightning speed,
94
301040
3936
uczą się poprawiać produkty
z szybkością światła,
z szybkością światła,
05:17
and they learn
to hone their business models
to hone their business models
95
305000
2336
uczą się doskonalić modele biznesowe
05:19
until they're impregnable.
96
307360
1400
i stają się niepokonani.
05:21
As a result, great Chinese products
like WeChat and Weibo
like WeChat and Weibo
97
309400
3856
Dlatego wielkie chińskie marki
jak WeChat i Weibo
jak WeChat i Weibo
05:25
are arguably better
98
313280
1416
są bezsprzecznie lepsze
05:26
than the equivalent American products
from Facebook and Twitter.
from Facebook and Twitter.
99
314720
3480
niż ich amerykańskie odpowiedniki
dostarczone przez Facebook i Twitter.
dostarczone przez Facebook i Twitter.
05:31
And the Chinese market
embraces this change
embraces this change
100
319920
3096
Chiński rynek potrafi
wykorzystywać tę zmianę,
wykorzystywać tę zmianę,
05:35
and accelerated change
and paradigm shifts.
and paradigm shifts.
101
323040
3016
przyspieszone tempo
i zmiany paradygmatów.
i zmiany paradygmatów.
05:38
As an example, if any of you go to China,
102
326080
2096
Jeśli ktoś z was pojedzie do Chin,
05:40
you will see it's almost cashless
and credit card-less,
and credit card-less,
103
328200
4016
zauważy, że gotówki i kart kredytowych
właściwie się nie używa.
właściwie się nie używa.
05:44
because that thing that we all
talk about, mobile payment,
talk about, mobile payment,
104
332240
2736
Płatności mobilne, o których
tyle się ostatnio mówi,
tyle się ostatnio mówi,
05:47
has become the reality in China.
105
335000
2416
to w Chinach rzeczywistość.
05:49
In the last year,
106
337440
1296
W ciągu ostatniego roku
05:50
18.8 trillion US dollars
were transacted on mobile internet,
were transacted on mobile internet,
107
338760
5936
dokonano za pośrednictwem internetu
transakcji na kwotę 18,8 bilionów dolarów.
transakcji na kwotę 18,8 bilionów dolarów.
05:56
and that's because
of very robust technologies
of very robust technologies
108
344720
2936
Wszystko dzięki solidnym technologiom,
05:59
built behind it.
109
347680
1256
które za tym stoją.
06:00
It's even bigger than the China GDP.
110
348960
2440
Suma transakcji przerosła chińskie PKB.
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
Możecie zapytać: jak to możliwe?
06:07
Because it includes all transactions:
112
355760
1976
Obejmuje wszystkie kanały:
06:09
wholesale, channels,
retail, online, offline,
retail, online, offline,
113
357760
3776
hurt, detal, online, offline,
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
zakupy w centrum handlowym
czy zakupy w warzywniaku.
czy zakupy w warzywniaku.
06:18
The technology is used
by 700 million people
by 700 million people
115
366640
3376
Ta technologia jest używana
przez 700 milionów ludzi
przez 700 milionów ludzi
06:22
to pay each other, not just merchants,
116
370040
2056
także do przelewów między sobą,
06:24
so it's peer to peer,
117
372120
1416
na zasadzie "każdy z każdym",
06:25
and it's almost transaction-fee-free.
118
373560
2680
niemalże bez opłat transakcyjnych.
06:29
And it's instantaneous,
119
377720
2376
Ponadto jest natychmiastowa
06:32
and it's used everywhere.
120
380120
1440
i używana wszędzie.
06:34
And finally, the China market is enormous.
121
382320
3376
Na koniec: chiński rynek jest gigantyczny.
06:37
This market is large,
122
385720
1976
Ten rynek jest ogromny,
06:39
which helps give entrepreneurs
more users, more revenue,
more users, more revenue,
123
387720
4496
co zapewnia przedsiębiorcom
więcej użytkowników, więcej dochodów,
więcej użytkowników, więcej dochodów,
06:44
more investment, but most importantly,
124
392240
2336
więcej inwestycji,
ale, co najistotniejsze,
ale, co najistotniejsze,
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
pozwala przedsiębiorcom
zebrać znaczne ilości danych,
zebrać znaczne ilości danych,
06:51
which becomes rocket fuel
for the AI engine.
for the AI engine.
126
399160
2960
co jest siłą napędową
sztucznej inteligencji.
sztucznej inteligencji.
06:54
So as a result, the Chinese AI companies
127
402960
2936
Skutkiem tego wszystkie chińskie spółki
06:57
have leaped ahead
128
405920
1736
umknęły konkurencji
06:59
so that today, the most valuable companies
129
407680
3096
sprawiając, że dziś
najbardziej znaczące firmy
najbardziej znaczące firmy
07:02
in computer vision, speech recognition,
130
410800
2616
w dziedzinie cyfrowego
rozpoznawania obrazu i mowy,
rozpoznawania obrazu i mowy,
07:05
speech synthesis,
machine translation and drones
machine translation and drones
131
413440
3416
syntezy mowy, dronów
i automatycznego tłumaczenia
i automatycznego tłumaczenia
07:08
are all Chinese companies.
132
416880
1920
to firmy chińskie.
07:11
So with the US leading
the era of discovery
the era of discovery
133
419400
3216
Po tym, jak USA stały
na czele epoki odkryć,
na czele epoki odkryć,
07:14
and China leading
the era of implementation,
the era of implementation,
134
422640
3136
a Chiny epoki wdrożenia,
07:17
we are now in an amazing age
135
425800
2256
znaleźliśmy się w fascynującym okresie,
07:20
where the dual engine
of the two superpowers
of the two superpowers
136
428080
3256
gdy te supermocarstwa
tworzą podwójny silnik
tworzą podwójny silnik
07:23
are working together
137
431360
1680
i pracują razem,
07:25
to drive the fastest
revolution in technology
revolution in technology
138
433960
3656
by zapewnić najszybszą
rewolucję technologiczną,
rewolucję technologiczną,
07:29
that we have ever seen as humans.
139
437640
2360
jakiej kiedykolwiek doświadczył człowiek.
07:32
And this will bring tremendous wealth,
140
440640
2496
Przyniesie to ze sobą ogromne bogactwo,
07:35
unprecedented wealth:
141
443160
1776
niespotykane wcześniej:
07:36
16 trillion dollars, according to PwC,
142
444960
3896
16 bilionów dolarów, według szacunków PwC,
07:40
in terms of added GDP
to the worldwide GDP by 2030.
to the worldwide GDP by 2030.
143
448880
5376
wyniesie do 2030 roku
wzrost światowego PKB.
wzrost światowego PKB.
07:46
It will also bring immense challenges
144
454280
2616
Pojawią się również ogromne wyzwania
07:48
in terms of potential job replacements.
145
456920
3576
dla rynków pracy.
07:52
Whereas in the Industrial Age
146
460520
2160
W czasie epoki przemysłowej
07:55
it created more jobs
147
463880
1536
tworzono nowe miejsca pracy
07:57
because craftsman jobs were being
decomposed into jobs in the assembly line,
decomposed into jobs in the assembly line,
148
465440
5776
w związku z zastąpieniem produkcji
rzemieślniczej linią montażową
rzemieślniczej linią montażową
i zapotrzebowaniem
na większą liczbę robotników.
na większą liczbę robotników.
08:03
so more jobs were created.
149
471240
1976
08:05
But AI completely replaces
the individual jobs
the individual jobs
150
473240
4936
Sztuczna inteligencja
umożliwi zastąpienie pracowników
umożliwi zastąpienie pracowników
08:10
in the assembly line with robots.
151
478200
2256
linii montażowej robotami.
08:12
And it's not just in factories,
152
480480
1936
Oprócz pracowników fabryk,
08:14
but truckers, drivers
153
482440
2056
zmiany dotkną kierowców,
także ciężarówek.
także ciężarówek.
08:16
and even jobs like telesales,
customer service
customer service
154
484520
4096
Również telemarketerzy,
pracownicy działów obsługi klienta,
pracownicy działów obsługi klienta,
08:20
and hematologists as well as radiologists
155
488640
2976
hematolodzy i radiolodzy
08:23
over the next 15 years
156
491640
2096
na przestrzeni następnych 15 lat
08:25
are going to be gradually replaced
157
493760
2536
będą stopniowo zastępowani
08:28
by artificial intelligence.
158
496320
1440
przez sztuczną inteligencję.
08:30
And only the creative jobs --
159
498360
2056
Jedynie pracownicy kreatywni...
08:32
(Laughter)
160
500440
1976
(Śmiech)
08:34
I have to make myself safe, right?
161
502440
2200
Muszę się bronić, prawda?
08:38
Really, the creative jobs
are the ones that are protected,
are the ones that are protected,
162
506960
2976
Tak naprawdę bezpieczni są
tylko pracownicy kreatywni,
tylko pracownicy kreatywni,
08:41
because AI can optimize but not create.
163
509960
3040
ponieważ sztuczna inteligencja
optymalizuje, ale nie tworzy.
optymalizuje, ale nie tworzy.
08:45
But what's more serious
than the loss of jobs
than the loss of jobs
164
513960
3575
Czymś poważniejszym
niż utrata miejsc pracy
niż utrata miejsc pracy
08:49
is the loss of meaning,
165
517559
1777
jest jednak utrata znaczenia,
08:51
because the work ethic
in the Industrial Age
in the Industrial Age
166
519360
3136
bo etyka zawodowa
wykształcona w epoce industrialnej
wykształcona w epoce industrialnej
08:54
has brainwashed us into thinking
that work is the reason we exist,
that work is the reason we exist,
167
522520
5616
sprawiła, że uznaliśmy pracę
za sens naszego istnienia,
za sens naszego istnienia,
09:00
that work defined
the meaning of our lives.
the meaning of our lives.
168
528160
2936
że nadaje znaczenie naszemu życiu.
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
Byłem jedną z dobrowolnych ofiar
tego myślenia właściwego pracoholikom.
tego myślenia właściwego pracoholikom.
09:09
I worked incredibly hard.
170
537440
1616
Pracowałem niewiarygodnie ciężko.
09:11
That's why I almost left
my wife in the delivery room,
my wife in the delivery room,
171
539080
3576
To dlatego prawie zostawiłem
żonę na porodówce,
żonę na porodówce,
09:14
that's why I worked 996
alongside my entrepreneurs.
alongside my entrepreneurs.
172
542680
4176
dlatego pracowałem 996
przy boku moich kolegów.
przy boku moich kolegów.
09:18
And that obsession that I had with work
173
546880
4416
Cała ta obsesja, jaką była moja praca,
09:23
ended abruptly a few years ago
174
551320
3056
gwałtownie skończyła się kilka lat temu,
09:26
when I was diagnosed
with fourth stage lymphoma.
with fourth stage lymphoma.
175
554400
3920
gdy zdiagnozowano u mnie
chłoniaka w czwartym stadium.
chłoniaka w czwartym stadium.
09:31
The PET scan here shows
over 20 malignant tumors
over 20 malignant tumors
176
559480
4136
Widać na skanie PET
ponad 20 złośliwych zmian,
ponad 20 złośliwych zmian,
09:35
jumping out like fireballs,
177
563640
2176
które pojawiły się jak kule ogniowe,
09:37
melting away my ambition.
178
565840
2576
by odebrać mi ambicję.
09:40
But more importantly,
179
568440
1456
Co jednak ważniejsze,
09:41
it helped me reexamine my life.
180
569920
2736
pomogły mi przewartościować życie.
09:44
Knowing that I may only have
a few months to live
a few months to live
181
572680
3096
Wiedząc, że może zostało mi
tylko kilka miesięcy życia,
tylko kilka miesięcy życia,
09:47
caused me to see how foolish it was
182
575800
2936
zobaczyłem głupotę opierania
09:50
for me to base my entire self-worth
183
578760
3576
całego poczucia wartości na ciężkiej pracy
09:54
on how hard I worked
and the accomplishments from hard work.
and the accomplishments from hard work.
184
582360
4040
i osiągnięciach, które przyniosła.
09:59
My priorities were
completely out of order.
completely out of order.
185
587320
2976
Wszystkie moje priorytety
były nie po kolei.
były nie po kolei.
10:02
I neglected my family.
186
590320
1600
Zaniedbałem rodzinę.
10:05
My father had passed away,
187
593000
1416
Mój ojciec zmarł,
10:06
and I never had a chance
to tell him I loved him.
to tell him I loved him.
188
594440
2800
a ja nigdy nie miałem szansy
powiedzieć mu, że go kocham.
powiedzieć mu, że go kocham.
10:10
My mother had dementia
and no longer recognized me,
and no longer recognized me,
189
598120
3736
Matka miała demencję
i przestała mnie rozpoznawać,
i przestała mnie rozpoznawać,
10:13
and my children had grown up.
190
601880
1920
moje dzieci dorosły.
10:16
During my chemotherapy,
191
604400
1656
W czasie chemioterapii
10:18
I read a book by Bronnie Ware
192
606080
2456
przeczytałem książkę Bronnie Ware,
10:20
who talked about dying wishes and regrets
of the people in the deathbed.
of the people in the deathbed.
193
608560
5496
która opowiadała o życzeniach
i żalach ludzi na łożu śmierci.
i żalach ludzi na łożu śmierci.
10:26
She found that facing death,
194
614080
2256
Odkryła, że stojąc w obliczu śmierci,
10:28
nobody regretted that they didn't
work hard enough in this life.
work hard enough in this life.
195
616360
3600
nikt nie żałował, że pracował za mało.
Umierający żałowali wyłącznie tego,
że nie spędzili wystarczająco dużo czasu
że nie spędzili wystarczająco dużo czasu
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
z tymi, których kochali,
10:38
and that they didn't spread their love.
197
626080
2760
i że nie dawali miłości od siebie.
10:42
So I am fortunately today in remission.
198
630400
4536
Na szczęście dziś jestem w fazie remisji.
10:46
(Applause)
199
634960
6856
(Brawa)
10:53
So I can be back at TED again
200
641840
1976
Mam możliwość, by znów być tu, na TED,
10:55
to share with you
that I have changed my ways.
that I have changed my ways.
201
643840
3376
by powiedzieć wam, że się zmieniłem.
10:59
I now only work 965 --
202
647240
2760
Teraz pracuję tylko 965,
11:03
occasionally 996, but usually 965.
203
651200
3976
czasami 996, ale zazwyczaj 965.
Przeprowadziłem się,
by mieszkać bliżej mamy,
by mieszkać bliżej mamy,
11:07
I moved closer to my mother,
204
655200
1896
11:09
my wife usually travels with me,
205
657120
2456
żona najczęściej podróżuje ze mną,
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
a gdy dzieci mają wakacje
i nie wracają do domu, ja jadę do nich.
i nie wracają do domu, ja jadę do nich.
11:15
So it's a new form of life
207
663440
2456
To całkiem nowy sposób życia,
11:17
that helped me recognize
208
665920
1816
dzięki któremu uświadomiłem sobie,
11:19
how important it is that love is for me,
209
667760
3176
jak ważne jest dla mnie bycie kochanym.
11:22
and facing death
helped me change my life,
helped me change my life,
210
670960
3416
Znalezienie się w obliczu śmierci
pomogło mi zmienić życie,
pomogło mi zmienić życie,
11:26
but it also helped me see a new way
211
674400
2456
ale również pomogło mi odkryć sposób,
11:28
of how AI should impact mankind
212
676880
3776
w jaki sztuczna inteligencja
powinna wpływać na ludzkość,
powinna wpływać na ludzkość,
11:32
and work and coexist with mankind,
213
680680
2480
pracować i współistnieć z ludźmi.
11:36
that really, AI is taking away
a lot of routine jobs,
a lot of routine jobs,
214
684680
4496
Sztuczna inteligencja
przejmuje wiele rutynowych prac,
przejmuje wiele rutynowych prac,
11:41
but routine jobs are not what we're about.
215
689200
3656
ale one nie są tym, co reprezentujemy.
11:44
Why we exist is love.
216
692880
2256
Celem naszego istnienia jest miłość.
11:47
When we hold our newborn baby,
217
695160
2096
Nowo narodzone dziecko w ramionach,
11:49
love at first sight,
218
697280
1496
miłość od pierwszego wejrzenia,
11:50
or when we help someone in need,
219
698800
1776
pomoc znajdującym się w potrzebie...
11:52
humans are uniquely able
to give and receive love,
to give and receive love,
220
700600
4256
Tylko ludzie są zdolni do tego,
by dawać i otrzymywać miłość.
by dawać i otrzymywać miłość.
11:56
and that's what differentiates us from AI.
221
704880
2800
To właśnie odróżnia nas
od sztucznej inteligencji.
od sztucznej inteligencji.
12:00
Despite what science fiction may portray,
222
708800
2696
Być może science fiction
pokazuje coś innego,
pokazuje coś innego,
12:03
I can responsibly tell you
that AI has no love.
that AI has no love.
223
711520
3736
ja jednak z całą pewnością twierdzę,
że sztuczna inteligencja nie zna miłości.
że sztuczna inteligencja nie zna miłości.
12:07
When AlphaGo defeated
the world champion Ke Jie,
the world champion Ke Jie,
224
715280
3536
Kiedy AlphaGo pokonało
mistrza świata Ke Jie,
mistrza świata Ke Jie,
12:10
while Ke Jie was crying
and loving the game of go,
and loving the game of go,
225
718840
3096
Ke Jie płakał, ale też kochał grę go,
12:13
AlphaGo felt no happiness from winning
226
721960
3176
AlphaGo nie czuł szczęścia z wygranej
12:17
and certainly no desire
to hug a loved one.
to hug a loved one.
227
725160
4480
i z pewnością nie miał potrzeby,
by przytulić bliską osobę.
by przytulić bliską osobę.
12:23
So how do we differentiate ourselves
228
731600
2656
W jaki sposób wyróżniamy się, będąc ludźmi
12:26
as humans in the age of AI?
229
734280
2536
w epoce sztucznej inteligencji?
12:28
We talked about the axis of creativity,
230
736840
3096
Widzieliśmy już oś kreatywności,
12:31
and certainly that is one possibility,
231
739960
2856
to z pewnością jeden z wyróżników,
12:34
and now we introduce a new axis
232
742840
2296
teraz natomiast zaznaczmy coś innego:
12:37
that we can call compassion,
love, or empathy.
love, or empathy.
233
745160
3616
oś współczucia, miłości lub empatii.
Tego wszystkiego nie potrafi
sztuczna inteligencja.
sztuczna inteligencja.
12:40
Those are things that AI cannot do.
234
748800
2576
12:43
So as AI takes away the routine jobs,
235
751400
2816
Wraz z odejściem rutynowych prac
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
myślę, że możemy, powinniśmy i musimy
stworzyć nowe, związane ze współczuciem.
stworzyć nowe, związane ze współczuciem.
Może wątpicie, czy można
stworzyć wiele takich zajęć,
stworzyć wiele takich zajęć,
12:51
You might ask how many of those there are,
237
759800
2336
12:54
but I would ask you:
238
762160
1616
ja jednak zapytam was:
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
czy nie sądzicie, że potrzeba będzie
wielu pracowników socjalnych,
wielu pracowników socjalnych,
12:59
to help us make this transition?
240
767640
1600
którzy ułatwią etap przejściowy?
13:01
Do you not think we need
a lot of compassionate caregivers
a lot of compassionate caregivers
241
769960
3256
Czy nie myślicie, że potrzeba
wielu empatycznych opiekunów
wielu empatycznych opiekunów
do pomocy medycznej
dla większej liczby ludzi?
dla większej liczby ludzi?
13:05
to give more medical care to more people?
242
773240
2696
13:07
Do you not think we're going to need
10 times more teachers
10 times more teachers
243
775960
3256
Czy nie sądzicie, że będziemy
potrzebowali 10 razy więcej nauczycieli,
potrzebowali 10 razy więcej nauczycieli,
13:11
to help our children find their way
244
779240
2776
by pomagać dzieciom odnaleźć drogę
13:14
to survive and thrive
in this brave new world?
in this brave new world?
245
782040
3256
do sukcesu w tym nowym,
wspaniałym świecie?
wspaniałym świecie?
13:17
And with all the newfound wealth,
246
785320
2440
Z całym tym nowo odkrytym bogactwem,
13:19
should we not also make
labors of love into careers
labors of love into careers
247
787800
4536
czy nie powinniśmy
dawać miłości zawodowo
dawać miłości zawodowo
13:24
and let elderly accompaniment
248
792360
2696
i pozwolić opiece nad starszymi
13:27
or homeschooling become careers also?
249
795080
3496
czy nauczaniu domowemu
stać się karierą?
stać się karierą?
13:30
(Applause)
250
798600
5280
(Brawa)
13:36
This graph is surely not perfect,
251
804800
2256
Wykres na pewno nie jest doskonały,
13:39
but it points at four ways
that we can work with AI.
that we can work with AI.
252
807080
3536
ale pokazuje cztery sposoby
współpracy ze sztuczną inteligencją.
współpracy ze sztuczną inteligencją.
Po pierwsze, rutynowe prace
przestaną istnieć,
przestaną istnieć,
13:42
AI will come and take away
the routine jobs
the routine jobs
253
810640
3576
za co będziemy wdzięczni
we właściwym czasie.
we właściwym czasie.
13:46
and in due time, we will be thankful.
254
814240
2040
13:49
AI will become great tools
for the creatives
for the creatives
255
817000
3096
Stanie się też świetnym narzędziem
dla pracowników kreatywnych,
dla pracowników kreatywnych,
13:52
so that scientists, artists,
musicians and writers
musicians and writers
256
820120
3656
dzięki czemu naukowcy,
artyści, muzycy i pisarze
artyści, muzycy i pisarze
13:55
can be even more creative.
257
823800
1600
będą mogli tworzyć więcej.
13:58
AI will work with humans
as analytical tools
as analytical tools
258
826120
5376
Sztuczna inteligencja
stanie się narzędziem analitycznym,
stanie się narzędziem analitycznym,
14:03
that humans can wrap their warmth around
259
831520
2696
które w połączeniu z ciepłem
właściwym naturze ludzkiej,
właściwym naturze ludzkiej,
14:06
for the high-compassion jobs.
260
834240
1896
wykorzystamy w pracach
wymagających empatii.
wymagających empatii.
14:08
And we can always differentiate ourselves
261
836160
2656
Możemy zawsze aspirować
do prac wymagających
wyjątkowych zdolności,
wyjątkowych zdolności,
14:10
with the uniquely capable jobs
262
838840
1816
14:12
that are both compassionate and creative,
263
840680
3616
tak kreatywności,
jak i zdolności współodczuwania,
jak i zdolności współodczuwania,
14:16
using and leveraging
our irreplaceable brains and hearts.
our irreplaceable brains and hearts.
264
844320
5176
oraz wykorzystujących
niezastępowalne umysły i serca.
niezastępowalne umysły i serca.
14:21
So there you have it:
265
849520
1296
W ten sposób poznaliście
14:22
a blueprint of coexistence
for humans and AI.
for humans and AI.
266
850840
3640
projekt współistnienia ludzi
oraz sztucznej inteligencji.
oraz sztucznej inteligencji.
14:27
AI is serendipity.
267
855400
1816
To wspaniałe odkrycie
14:29
It is here to liberate us
from routine jobs,
from routine jobs,
268
857240
2976
umożliwi nam porzucenie rutynowych prac
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
i przypomina o tym, co czyni nas ludźmi.
14:36
So let us choose to embrace AI
and to love one another.
and to love one another.
270
864440
3976
Bądźmy gotowi przyjąć sztuczną
inteligencję i kochać siebie nawzajem.
inteligencję i kochać siebie nawzajem.
14:40
Thank you.
271
868440
1216
Dziękuję.
14:41
(Applause)
272
869680
6160
(Brawa)
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