TED@IBM
Grady Booch: Don't fear superintelligent AI
Grady Booch: Nie bójcie się superinteligentnej sztucznej inteligencji
Filmed:
Readability: 4.7
2,866,438 views
Nowe technologie budzą nowe obawy, mówi naukowiec i filozof Grady Booch, ale nie musimy bać się wszechmocnej, bezdusznej sztucznej inteligencji. Booch rozwiewa nasze największe (wywołane przez science fiction) lęki związane z superinteligentnymi komputerami, wyjaśniając, jak nauczymy, a nie zaprogramujemy je, by podzielały nasze wartości. Zamiast zamartwiać się nad mało prawdopodobnymi zagrożeniami egzystencjalnymi, zachęca nas, by zastanowić się, jak sztuczna inteligencja polepszy ludzkie życie.
Grady Booch - Scientist, philosopher
IBM's Grady Booch is shaping the future of cognitive computing by building intelligent systems that can reason and learn. Full bio
IBM's Grady Booch is shaping the future of cognitive computing by building intelligent systems that can reason and learn. Full bio
Double-click the English transcript below to play the video.
00:12
When I was a kid,
I was the quintessential nerd.
I was the quintessential nerd.
0
760
3840
Jako dziecko byłem typowym nerdem.
00:17
I think some of you were, too.
1
5320
2176
Niektórzy z was pewnie też.
00:19
(Laughter)
2
7520
1216
(Śmiech)
00:20
And you, sir, who laughed the loudest,
you probably still are.
you probably still are.
3
8760
3216
Pan, który zaśmiał się najgłośniej,
pewnie nadal nim jest.
pewnie nadal nim jest.
00:24
(Laughter)
4
12000
2256
(Śmiech)
00:26
I grew up in a small town
in the dusty plains of north Texas,
in the dusty plains of north Texas,
5
14280
3496
Dorastałem w małym miasteczku
w zakurzonym północnym Teksasie.
w zakurzonym północnym Teksasie.
00:29
the son of a sheriff
who was the son of a pastor.
who was the son of a pastor.
6
17800
3336
Syn szeryfa, który był synem pastora.
00:33
Getting into trouble was not an option.
7
21160
1920
Nie mogłem sprawiać kłopotów.
00:36
And so I started reading
calculus books for fun.
calculus books for fun.
8
24040
3256
Dla zabawy zacząłem czytać
podręczniki do matematyki.
podręczniki do matematyki.
00:39
(Laughter)
9
27320
1536
(Śmiech)
00:40
You did, too.
10
28880
1696
Pan też.
00:42
That led me to building a laser
and a computer and model rockets,
and a computer and model rockets,
11
30600
3736
Dzięki temu zbudowałem
laser, komputer, modele rakiet
laser, komputer, modele rakiet
00:46
and that led me to making
rocket fuel in my bedroom.
rocket fuel in my bedroom.
12
34360
3000
i stworzyłem paliwo rakietowe
domowej roboty.
domowej roboty.
00:49
Now, in scientific terms,
13
37960
3656
Mówiąc naukowo,
00:53
we call this a very bad idea.
14
41640
3256
to był bardzo zły pomysł.
00:56
(Laughter)
15
44920
1216
(Śmiech)
00:58
Around that same time,
16
46160
2176
Mniej więcej w tym samym czasie
01:00
Stanley Kubrick's "2001: A Space Odyssey"
came to the theaters,
came to the theaters,
17
48360
3216
weszła do kin "2001: Odyseja Kosmiczna"
Stanleya Kubricka,
Stanleya Kubricka,
01:03
and my life was forever changed.
18
51600
2200
która zmieniła moje życie.
01:06
I loved everything about that movie,
19
54280
2056
Wszystko mi się w tym filmie podobało,
01:08
especially the HAL 9000.
20
56360
2536
a szczególnie HAL 9000.
01:10
Now, HAL was a sentient computer
21
58920
2056
HAL to inteligentny komputer.
01:13
designed to guide the Discovery spacecraft
22
61000
2456
Zaprojektowany, żeby kierować
statkiem Discovery
statkiem Discovery
01:15
from the Earth to Jupiter.
23
63480
2536
w misji z Ziemi na Jowisza.
01:18
HAL was also a flawed character,
24
66040
2056
Ale HAL nie był bez skazy,
01:20
for in the end he chose
to value the mission over human life.
to value the mission over human life.
25
68120
4280
bo postawił powodzenie misji
ponad ludzkie życie.
ponad ludzkie życie.
01:24
Now, HAL was a fictional character,
26
72840
2096
HAL był postacią fikcyjną,
01:26
but nonetheless he speaks to our fears,
27
74960
2656
ale odzwierciedla nasze obawy,
01:29
our fears of being subjugated
28
77640
2096
strach przed zniewoleniem
01:31
by some unfeeling, artificial intelligence
29
79760
3016
przez bezduszną sztuczną inteligencję,
01:34
who is indifferent to our humanity.
30
82800
1960
obojętną na nasze człowieczeństwo.
01:37
I believe that such fears are unfounded.
31
85880
2576
Uważam, że taki strach jest bezzasadny.
01:40
Indeed, we stand at a remarkable time
32
88480
2696
Żyjemy w niezwykłym okresie
01:43
in human history,
33
91200
1536
w historii ludzkości,
01:44
where, driven by refusal to accept
the limits of our bodies and our minds,
the limits of our bodies and our minds,
34
92760
4976
w którym, chcąc przezwyciężyć
ograniczenia ciała i umysłu,
ograniczenia ciała i umysłu,
01:49
we are building machines
35
97760
1696
budujemy maszyny
01:51
of exquisite, beautiful
complexity and grace
complexity and grace
36
99480
3616
zachwycająco skomplikowane,
01:55
that will extend the human experience
37
103120
2056
pozwalające rozszerzyć ludzkie doznania
01:57
in ways beyond our imagining.
38
105200
1680
w niewyobrażalny sposób.
01:59
After a career that led me
from the Air Force Academy
from the Air Force Academy
39
107720
2576
Pracowałem w Akademii Lotniczej.
02:02
to Space Command to now,
40
110320
1936
Teraz jestem w Dowództwie Kosmicznym.
02:04
I became a systems engineer,
41
112280
1696
Pracuję jako inżynier systemów.
02:06
and recently I was drawn
into an engineering problem
into an engineering problem
42
114000
2736
Obecnie zajmuję się problemem
02:08
associated with NASA's mission to Mars.
43
116760
2576
związanym z misją NASA na Marsa.
02:11
Now, in space flights to the Moon,
44
119360
2496
Podczas lotów na Księżyc
02:13
we can rely upon
mission control in Houston
mission control in Houston
45
121880
3136
można polegać na kontroli w Houston,
02:17
to watch over all aspects of a flight.
46
125040
1976
skąd nadzoruje się wszystkie aspekty lotu.
02:19
However, Mars is 200 times further away,
47
127040
3536
Mars jest 200 razy dalej,
02:22
and as a result it takes
on average 13 minutes
on average 13 minutes
48
130600
3216
dlatego potrzeba 13 minut,
02:25
for a signal to travel
from the Earth to Mars.
from the Earth to Mars.
49
133840
3136
żeby sygnał z Ziemi dotarł do Marsa.
02:29
If there's trouble,
there's not enough time.
there's not enough time.
50
137000
3400
W razie problemów brakuje czasu.
02:32
And so a reasonable engineering solution
51
140840
2496
Rozsądnym rozwiązaniem byłoby
02:35
calls for us to put mission control
52
143360
2576
umieszczenie centrum dowodzenia
02:37
inside the walls of the Orion spacecraft.
53
145960
3016
wewnątrz statku Orion.
02:41
Another fascinating idea
in the mission profile
in the mission profile
54
149000
2896
Inny fascynujący pomysł
02:43
places humanoid robots
on the surface of Mars
on the surface of Mars
55
151920
2896
to umieszczenie humanoidalnych
robotów na powierzchni Marsa,
robotów na powierzchni Marsa,
02:46
before the humans themselves arrive,
56
154840
1856
zanim dotrą tam ludzie,
02:48
first to build facilities
57
156720
1656
żeby przygotowały zaplecze,
02:50
and later to serve as collaborative
members of the science team.
members of the science team.
58
158400
3360
a później współtworzyły zespół naukowców.
02:55
Now, as I looked at this
from an engineering perspective,
from an engineering perspective,
59
163400
2736
Podchodząc do tego
z perspektywy inżyniera,
z perspektywy inżyniera,
02:58
it became very clear to me
that what I needed to architect
that what I needed to architect
60
166160
3176
oczywiste było, że muszę zaprojektować
03:01
was a smart, collaborative,
61
169360
2176
sprytną, współpracującą,
03:03
socially intelligent
artificial intelligence.
artificial intelligence.
62
171560
2376
przystosowaną społecznie
sztuczną inteligencję.
sztuczną inteligencję.
03:05
In other words, I needed to build
something very much like a HAL
something very much like a HAL
63
173960
4296
Innymi słowy, potrzeba czegoś jak HAL,
03:10
but without the homicidal tendencies.
64
178280
2416
ale bez morderczych skłonności.
03:12
(Laughter)
65
180720
1360
(Śmiech)
03:14
Let's pause for a moment.
66
182920
1816
Zatrzymajmy się na moment.
03:16
Is it really possible to build
an artificial intelligence like that?
an artificial intelligence like that?
67
184760
3896
Czy rzeczywiście można zbudować
taką sztuczną inteligencję?
taką sztuczną inteligencję?
03:20
Actually, it is.
68
188680
1456
W zasadzie tak.
03:22
In many ways,
69
190160
1256
Pod wieloma względami
03:23
this is a hard engineering problem
70
191440
1976
to trudny problem konstruktorski
03:25
with elements of AI,
71
193440
1456
z elementami AI,
03:26
not some wet hair ball of an AI problem
that needs to be engineered.
that needs to be engineered.
72
194920
4696
a nie problem AI dla konstruktorów.
03:31
To paraphrase Alan Turing,
73
199640
2656
Parafrazując Alana Turinga,
03:34
I'm not interested
in building a sentient machine.
in building a sentient machine.
74
202320
2376
nie interesuje mnie budowa
inteligentnej maszyny,
inteligentnej maszyny,
03:36
I'm not building a HAL.
75
204720
1576
nie buduję HALa.
03:38
All I'm after is a simple brain,
76
206320
2416
Potrzebuję prostego mózgu,
03:40
something that offers
the illusion of intelligence.
the illusion of intelligence.
77
208760
3120
takiego, który daje iluzję inteligencji.
03:45
The art and the science of computing
have come a long way
have come a long way
78
213000
3136
Informatyka przebyła długą drogę,
03:48
since HAL was onscreen,
79
216160
1496
od kiedy HAL był na ekranach.
03:49
and I'd imagine if his inventor
Dr. Chandra were here today,
Dr. Chandra were here today,
80
217680
3216
Gdyby dr Chandra,
konstruktor HALa, był z nami,
konstruktor HALa, był z nami,
03:52
he'd have a whole lot of questions for us.
81
220920
2336
pewnie miałby wiele pytań.
03:55
Is it really possible for us
82
223280
2096
Czy rzeczywiście jest możliwe
03:57
to take a system of millions
upon millions of devices,
upon millions of devices,
83
225400
4016
użycie milionów urządzeń,
żeby odczytały strumienie danych,
04:01
to read in their data streams,
84
229440
1456
04:02
to predict their failures
and act in advance?
and act in advance?
85
230920
2256
przewidziały usterki i im zapobiegły?
04:05
Yes.
86
233200
1216
Tak.
04:06
Can we build systems that converse
with humans in natural language?
with humans in natural language?
87
234440
3176
Czy można stworzyć systemy
komunikujące się z ludźmi ich językiem?
komunikujące się z ludźmi ich językiem?
04:09
Yes.
88
237640
1216
Tak.
Czy można stworzyć systemy
rozpoznające obiekty i emocje,
rozpoznające obiekty i emocje,
04:10
Can we build systems
that recognize objects, identify emotions,
that recognize objects, identify emotions,
89
238880
2976
04:13
emote themselves,
play games and even read lips?
play games and even read lips?
90
241880
3376
okazujące emocje, grające w gry,
a nawet czytające z ruchu warg?
a nawet czytające z ruchu warg?
04:17
Yes.
91
245280
1216
Tak.
04:18
Can we build a system that sets goals,
92
246520
2136
A system określający cele,
04:20
that carries out plans against those goals
and learns along the way?
and learns along the way?
93
248680
3616
wdrażający plany, żeby je osiągnąć,
i jednocześnie uczący się?
i jednocześnie uczący się?
04:24
Yes.
94
252320
1216
Tak.
04:25
Can we build systems
that have a theory of mind?
that have a theory of mind?
95
253560
3336
A systemy świadome umysłu?
04:28
This we are learning to do.
96
256920
1496
Pracujemy nad tym.
04:30
Can we build systems that have
an ethical and moral foundation?
an ethical and moral foundation?
97
258440
3480
Czy potrafimy zbudować systemy
respektujące etyczne i moralne wartości?
respektujące etyczne i moralne wartości?
04:34
This we must learn how to do.
98
262480
2040
Musimy się tego nauczyć.
04:37
So let's accept for a moment
99
265360
1376
Przyjmijmy na razie,
04:38
that it's possible to build
such an artificial intelligence
such an artificial intelligence
100
266760
2896
że można zbudować
taką sztuczną inteligencję
taką sztuczną inteligencję
04:41
for this kind of mission and others.
101
269680
2136
dla tej i innych misji.
04:43
The next question
you must ask yourself is,
you must ask yourself is,
102
271840
2536
Kolejna kwestia to,
04:46
should we fear it?
103
274400
1456
czy powinniśmy się jej bać.
04:47
Now, every new technology
104
275880
1976
Każda nowa technologia
04:49
brings with it
some measure of trepidation.
some measure of trepidation.
105
277880
2896
budzi pewne obawy.
04:52
When we first saw cars,
106
280800
1696
Pierwsze samochody
04:54
people lamented that we would see
the destruction of the family.
the destruction of the family.
107
282520
4016
miały być zagrożeniem dla rodziny.
04:58
When we first saw telephones come in,
108
286560
2696
Pierwsze telefony
05:01
people were worried it would destroy
all civil conversation.
all civil conversation.
109
289280
2896
miały stanowić kres uprzejmej rozmowy.
05:04
At a point in time we saw
the written word become pervasive,
the written word become pervasive,
110
292200
3936
Przez popularność słowa pisanego
05:08
people thought we would lose
our ability to memorize.
our ability to memorize.
111
296160
2496
mieliśmy utracić zdolność zapamiętywania.
05:10
These things are all true to a degree,
112
298680
2056
To wszystko w pewnym stopniu prawda,
05:12
but it's also the case
that these technologies
that these technologies
113
300760
2416
ale prawdą jest też, że te technologie
05:15
brought to us things
that extended the human experience
that extended the human experience
114
303200
3376
rozszerzyły ludzkie doznania
05:18
in some profound ways.
115
306600
1880
w znaczny sposób.
05:21
So let's take this a little further.
116
309840
2280
Pójdźmy dalej.
05:25
I do not fear the creation
of an AI like this,
of an AI like this,
117
313120
4736
Nie obawiam się
takiej sztucznej inteligencji,
takiej sztucznej inteligencji,
05:29
because it will eventually
embody some of our values.
embody some of our values.
118
317880
3816
bo w końcu uosobi ona
niektóre nasze wartości.
niektóre nasze wartości.
05:33
Consider this: building a cognitive system
is fundamentally different
is fundamentally different
119
321720
3496
Budowa systemu poznawczego
to inna para kaloszy
to inna para kaloszy
05:37
than building a traditional
software-intensive system of the past.
software-intensive system of the past.
120
325240
3296
niż tworzenie zwykłych systemów
silnie opartych na oprogramowaniu.
silnie opartych na oprogramowaniu.
05:40
We don't program them. We teach them.
121
328560
2456
Nie programujemy ich, tylko uczymy.
05:43
In order to teach a system
how to recognize flowers,
how to recognize flowers,
122
331040
2656
Żeby nauczyć system rozpoznawać kwiaty,
05:45
I show it thousands of flowers
of the kinds I like.
of the kinds I like.
123
333720
3016
pokazuję mu tysiące kwiatów, które lubię.
05:48
In order to teach a system
how to play a game --
how to play a game --
124
336760
2256
Żeby nauczyć go grać w grę...
05:51
Well, I would. You would, too.
125
339040
1960
Nauczyłbym go. Wy zresztą też.
05:54
I like flowers. Come on.
126
342600
2040
Lubię kwiaty.
05:57
To teach a system
how to play a game like Go,
how to play a game like Go,
127
345440
2856
Żeby nauczyć system
grać w grę taką jak Go,
grać w grę taką jak Go,
06:00
I'd have it play thousands of games of Go,
128
348320
2056
musi rozegrać tysiące partii,
06:02
but in the process I also teach it
129
350400
1656
a ja przy okazji uczę go,
06:04
how to discern
a good game from a bad game.
a good game from a bad game.
130
352080
2416
jak odróżniać dobrą grę od złej.
06:06
If I want to create an artificially
intelligent legal assistant,
intelligent legal assistant,
131
354520
3696
Chcąc stworzyć sztucznego
asystenta prawnego,
asystenta prawnego,
06:10
I will teach it some corpus of law
132
358240
1776
uczę go prawa,
06:12
but at the same time I am fusing with it
133
360040
2856
ale zarazem zaszczepiam w nim
06:14
the sense of mercy and justice
that is part of that law.
that is part of that law.
134
362920
2880
poczucie łaski i sprawiedliwości,
które są częścią prawa.
które są częścią prawa.
06:18
In scientific terms,
this is what we call ground truth,
this is what we call ground truth,
135
366560
2976
Naukowo nazywamy to wiedzą bazową,
06:21
and here's the important point:
136
369560
2016
i tu ważna kwestia.
06:23
in producing these machines,
137
371600
1456
Produkując te maszyny,
06:25
we are therefore teaching them
a sense of our values.
a sense of our values.
138
373080
3416
uczymy ich poczucia naszych wartości.
06:28
To that end, I trust
an artificial intelligence
an artificial intelligence
139
376520
3136
Ufam sztucznej inteligencji
tak samo, jeśli nie bardziej,
tak samo, jeśli nie bardziej,
06:31
the same, if not more,
as a human who is well-trained.
as a human who is well-trained.
140
379680
3640
jak dobrze przeszkolonemu człowiekowi.
06:36
But, you may ask,
141
384080
1216
Ale możecie zapytać,
06:37
what about rogue agents,
142
385320
2616
co w przypadku wrogich agentów,
06:39
some well-funded
nongovernment organization?
nongovernment organization?
143
387960
3336
bogatej organizacji pozarządowej?
06:43
I do not fear an artificial intelligence
in the hand of a lone wolf.
in the hand of a lone wolf.
144
391320
3816
Nie boję się sztucznej inteligencji
w rękach samotnego wilka.
w rękach samotnego wilka.
06:47
Clearly, we cannot protect ourselves
against all random acts of violence,
against all random acts of violence,
145
395160
4536
Oczywiście nie można ochronić się
przed wszystkimi aktami przemocy,
przed wszystkimi aktami przemocy,
06:51
but the reality is such a system
146
399720
2136
ale taki system
06:53
requires substantial training
and subtle training
and subtle training
147
401880
3096
wymaga solidnego i misternego treningu
06:57
far beyond the resources of an individual.
148
405000
2296
wykraczającego poza możliwości jednostki.
06:59
And furthermore,
149
407320
1216
Poza tym
07:00
it's far more than just injecting
an internet virus to the world,
an internet virus to the world,
150
408560
3256
to trudniejsze niż wpuszczenie
wirusa do Internetu,
wirusa do Internetu,
07:03
where you push a button,
all of a sudden it's in a million places
all of a sudden it's in a million places
151
411840
3096
gdzie wystarczy wcisnąć guzik
i nagle w różnych częściach świata
i nagle w różnych częściach świata
07:06
and laptops start blowing up
all over the place.
all over the place.
152
414960
2456
wybuchają laptopy.
07:09
Now, these kinds of substances
are much larger,
are much larger,
153
417440
2816
Te substancje są większe
07:12
and we'll certainly see them coming.
154
420280
1715
i na pewno nie umkną uwadze.
07:14
Do I fear that such
an artificial intelligence
an artificial intelligence
155
422520
3056
Czy obawiam się,
że taka sztuczna inteligencja
że taka sztuczna inteligencja
07:17
might threaten all of humanity?
156
425600
1960
może zagrozić całej ludzkości?
07:20
If you look at movies
such as "The Matrix," "Metropolis,"
such as "The Matrix," "Metropolis,"
157
428280
4376
Filmy jak "Matrix", "Metropolis",
07:24
"The Terminator,"
shows such as "Westworld,"
shows such as "Westworld,"
158
432680
3176
"Terminator", seriale jak "Westworld",
07:27
they all speak of this kind of fear.
159
435880
2136
wszystkie traktują o tym strachu.
07:30
Indeed, in the book "Superintelligence"
by the philosopher Nick Bostrom,
by the philosopher Nick Bostrom,
160
438040
4296
W książce "Superinteligencja"
filozof Nick Bostrom
filozof Nick Bostrom
07:34
he picks up on this theme
161
442360
1536
podejmuje ten temat
07:35
and observes that a superintelligence
might not only be dangerous,
might not only be dangerous,
162
443920
4016
i zauważa, że superinteligencja
nie tylko może być niebezpieczna,
nie tylko może być niebezpieczna,
07:39
it could represent an existential threat
to all of humanity.
to all of humanity.
163
447960
3856
ale może stanowić egzystencjalne
zagrożenie dla całej ludzkości.
zagrożenie dla całej ludzkości.
07:43
Dr. Bostrom's basic argument
164
451840
2216
Dr Bostrom twierdzi, że takie systemy
07:46
is that such systems will eventually
165
454080
2736
będą miały tak bardzo
niezaspokojony głód informacji,
niezaspokojony głód informacji,
07:48
have such an insatiable
thirst for information
thirst for information
166
456840
3256
07:52
that they will perhaps learn how to learn
167
460120
2896
że nauczą się, jak się uczyć,
07:55
and eventually discover
that they may have goals
that they may have goals
168
463040
2616
a w efekcie odkryją, że ich cele
07:57
that are contrary to human needs.
169
465680
2296
mogą być sprzeczne z potrzebami ludzi.
08:00
Dr. Bostrom has a number of followers.
170
468000
1856
Dr Bostrom ma szereg zwolenników.
08:01
He is supported by people
such as Elon Musk and Stephen Hawking.
such as Elon Musk and Stephen Hawking.
171
469880
4320
Popierają go ludzie
jak Elon Musk i Stephen Hawking.
jak Elon Musk i Stephen Hawking.
08:06
With all due respect
172
474880
2400
Z całym szacunkiem
08:10
to these brilliant minds,
173
478160
2016
dla tych wybitnych umysłów,
08:12
I believe that they
are fundamentally wrong.
are fundamentally wrong.
174
480200
2256
uważam, że się mylą.
08:14
Now, there are a lot of pieces
of Dr. Bostrom's argument to unpack,
of Dr. Bostrom's argument to unpack,
175
482480
3176
Argumentacja dra Bostroma
składa się z wielu elementów,
składa się z wielu elementów,
08:17
and I don't have time to unpack them all,
176
485680
2136
nie mam czasu przybliżyć ich wszystkich,
08:19
but very briefly, consider this:
177
487840
2696
ale, w skrócie, rozważcie
następującą rzecz.
następującą rzecz.
08:22
super knowing is very different
than super doing.
than super doing.
178
490560
3736
Superwiedza bardzo
różni się od superdziałania.
różni się od superdziałania.
08:26
HAL was a threat to the Discovery crew
179
494320
1896
HAL zagrażał załodze Discovery,
08:28
only insofar as HAL commanded
all aspects of the Discovery.
all aspects of the Discovery.
180
496240
4416
bo kontrolował cały statek.
08:32
So it would have to be
with a superintelligence.
with a superintelligence.
181
500680
2496
Musiałby posiadać superinteligencję.
08:35
It would have to have dominion
over all of our world.
over all of our world.
182
503200
2496
Musiałby panować nad całym światem.
08:37
This is the stuff of Skynet
from the movie "The Terminator"
from the movie "The Terminator"
183
505720
2816
Coś jak Skynet z filmu "Terminator",
08:40
in which we had a superintelligence
184
508560
1856
w którym mieliśmy superinteligencję
08:42
that commanded human will,
185
510440
1376
kontrolującą ludzką wolę
08:43
that directed every device
that was in every corner of the world.
that was in every corner of the world.
186
511840
3856
i zarządzającą urządzeniami
w różnych zakątkach świata.
w różnych zakątkach świata.
08:47
Practically speaking,
187
515720
1456
Praktycznie rzecz biorąc,
08:49
it ain't gonna happen.
188
517200
2096
nie ma na to szans.
08:51
We are not building AIs
that control the weather,
that control the weather,
189
519320
3056
Nie budujemy AI kontrolującej pogodę,
08:54
that direct the tides,
190
522400
1336
sterującej prądami,
08:55
that command us
capricious, chaotic humans.
capricious, chaotic humans.
191
523760
3376
albo nami - kapryśnymi,
chaotycznymi ludźmi.
chaotycznymi ludźmi.
08:59
And furthermore, if such
an artificial intelligence existed,
an artificial intelligence existed,
192
527160
3896
Nawet jakby taka sztuczna
inteligencja istniała,
inteligencja istniała,
09:03
it would have to compete
with human economies,
with human economies,
193
531080
2936
musiałaby konkurować
z ludzkimi gospodarkami,
z ludzkimi gospodarkami,
09:06
and thereby compete for resources with us.
194
534040
2520
a więc rywalizować z nami o zasoby.
09:09
And in the end --
195
537200
1216
Koniec końców,
09:10
don't tell Siri this --
196
538440
1240
nie mówcie tego Siri,
09:12
we can always unplug them.
197
540440
1376
zawsze można je wyłączyć.
09:13
(Laughter)
198
541840
2120
(Śmiech)
09:17
We are on an incredible journey
199
545360
2456
Uczestniczymy w niesamowitej wędrówce,
09:19
of coevolution with our machines.
200
547840
2496
koewoluując wspólnie z maszynami.
09:22
The humans we are today
201
550360
2496
Współcześni ludzie
09:24
are not the humans we will be then.
202
552880
2536
to nie ludzie, którymi będziemy kiedyś.
09:27
To worry now about the rise
of a superintelligence
of a superintelligence
203
555440
3136
Martwienie się rozwojem superinteligencji
09:30
is in many ways a dangerous distraction
204
558600
3056
niebezpiecznie odwraca uwagę,
09:33
because the rise of computing itself
205
561680
2336
bo sam rozwój komputerów
09:36
brings to us a number
of human and societal issues
of human and societal issues
206
564040
3016
powoduje szereg ludzkich
i społecznych problemów,
i społecznych problemów,
09:39
to which we must now attend.
207
567080
1640
które trzeba rozwiązać.
09:41
How shall I best organize society
208
569360
2816
Jak zorganizować społeczeństwo,
09:44
when the need for human labor diminishes?
209
572200
2336
kiedy zanika popyt na siłę roboczą?
09:46
How can I bring understanding
and education throughout the globe
and education throughout the globe
210
574560
3816
Jak nieść kaganek oświaty przez świat
09:50
and still respect our differences?
211
578400
1776
i szanować różnice?
09:52
How might I extend and enhance human life
through cognitive healthcare?
through cognitive healthcare?
212
580200
4256
Jak wydłużyć i poprawić życie
za sprawą kognitywnej opieki medycznej?
za sprawą kognitywnej opieki medycznej?
09:56
How might I use computing
213
584480
2856
Jak użyć informatyki,
09:59
to help take us to the stars?
214
587360
1760
żeby dosięgnąć gwiazd?
10:01
And that's the exciting thing.
215
589760
2040
To właśnie jest fascynujące.
10:04
The opportunities to use computing
216
592400
2336
Możliwości, jakie daje komputer,
10:06
to advance the human experience
217
594760
1536
żeby polepszyć ludzkie doznania,
10:08
are within our reach,
218
596320
1416
są w naszym zasięgu,
10:09
here and now,
219
597760
1856
tu i teraz,
10:11
and we are just beginning.
220
599640
1680
a to dopiero początek.
10:14
Thank you very much.
221
602280
1216
Dziękuję bardzo.
10:15
(Applause)
222
603520
4286
(Brawa)
ABOUT THE SPEAKER
Grady Booch - Scientist, philosopherIBM's Grady Booch is shaping the future of cognitive computing by building intelligent systems that can reason and learn.
Why you should listen
When he was 13, Grady Booch saw 2001: A Space Odyssey in the theaters for the first time. Ever since, he's been trying to build Hal (albeit one without the homicidal tendencies). A scientist, storyteller and philosopher, Booch is Chief Scientist for Software Engineering as well as Chief Scientist for Watson/M at IBM Research, where he leads IBM's research and development for embodied cognition. Having originated the term and the practice of object-oriented design, he is best known for his work in advancing the fields of software engineering and software architecture.
A co-author of the Unified Modeling Language (UML), a founding member of the Agile Allianc, and a founding member of the Hillside Group, Booch has published six books and several hundred technical articles, including an ongoing column for IEEE Software. He's also a trustee for the Computer History Museum, an IBM Fellow, an ACM Fellow and IEEE Fellow. He has been awarded the Lovelace Medal and has given the Turing Lecture for the BCS, and was recently named an IEEE Computer Pioneer.
Booch is currently deeply involved in the development of cognitive systems and is also developing a major trans-media documentary for public broadcast on the intersection of computing and the human experience.
Grady Booch | Speaker | TED.com