TED2015
Nick Bostrom: What happens when our computers get smarter than we are?
นิค บอสตรอม (เสียงหัวเราะ): จะเกิดอะไรขึ้นเมื่อคอมพิวเตอร์ฉลาดกว่าพวกเรา?
Filmed:
Readability: 4.4
4,632,705 views
ระบบปัญญาประดิษฐ์กำลังพัฒนาความฉลาดขึ้นอย่างไม่หยุดยั้ง ผลการวิจัยระบุว่า ภายในศตวรรษนี้ ระบบปัญญาประดิษฐ์จะมีความ "ฉลาด" เทียบเท่ามนุษย์ และนิค บอสตรอมได้กล่าวไว้ว่า เมื่อนั้น มันจะแซงหน้ามนุษยชาติไป "ความฉลาดของเครื่องจักร จะเป็นสิ่งประดิษฐ์สุดท้าย ที่มนุษยชาติจำเป็นต้องพัฒนาขึ้น" บอสตรอม ซึ่งเป็นทั้งนักเทคโนโลยีและนักปรัชญา ได้เรียกร้องให้พวกเราคิดอย่างจริงจังถึงโลกที่เรากำลังสร้างอยู่ในขณะนี้ โลกที่ถูกขับเคลื่อนด้วยเครื่องจักรที่คิดเป็น จักรกลอัจฉริยะเหล่านั้น จะดำรงรักษามนุษยชาติและคุณค่าต่างๆ ของพวกเราไว้ หรือมันจะสร้างคุณค่าของพวกมันเอง?
Nick Bostrom - Philosopher
Nick Bostrom asks big questions: What should we do, as individuals and as a species, to optimize our long-term prospects? Will humanity’s technological advancements ultimately destroy us? Full bio
Nick Bostrom asks big questions: What should we do, as individuals and as a species, to optimize our long-term prospects? Will humanity’s technological advancements ultimately destroy us? Full bio
Double-click the English transcript below to play the video.
00:12
I work with a bunch of mathematicians,
philosophers and computer scientists,
philosophers and computer scientists,
0
570
4207
ผมทำงานกับนักวิทยาศาสตร์,นักปรัชญา
และนักคอมพิวเตอร์
00:16
and we sit around and think about
the future of machine intelligence,
the future of machine intelligence,
1
4777
5209
และเรามานั่งคิดกัน
เกี่ยวกับอนาคตสติปัญญาของจักรกล และเรื่องอื่นๆ
00:21
among other things.
2
9986
2044
00:24
Some people think that some of these
things are sort of science fiction-y,
things are sort of science fiction-y,
3
12030
4725
บางคนคิดว่าสิ่งเหล่านี้
เป็นเรื่องมาจาก นิยายวิทยาศาสตร์
00:28
far out there, crazy.
4
16755
3101
ซึ่งห่างไกลจากเราและบ้า
00:31
But I like to say,
5
19856
1470
แต่ผมอยากจะบอกว่า
00:33
okay, let's look at the modern
human condition.
human condition.
6
21326
3604
เราลองมาดูถึงเงื่อนไขการใช้ชีวิต
ของมนุษย์สมัยใหม่
(เสียงหัวเราะ) นี่คือสิ่งที่ โดยปกติมันควรจะเป็น
00:36
(Laughter)
7
24930
1692
00:38
This is the normal way for things to be.
8
26622
2402
และถ้าเราลองคิดดูดีๆ
00:41
But if we think about it,
9
29024
2285
00:43
we are actually recently arrived
guests on this planet,
guests on this planet,
10
31309
3293
ก็จะรู้ว่าเราเพิ่งมาอยู่อาศัยตั้งรกรากบนโลก
มนุษยชาติของเรา
00:46
the human species.
11
34602
2082
ลองคิดดูว่าถ้าโลกเพิ่งเกิดเมื่อปีที่แล้ว
00:48
Think about if Earth
was created one year ago,
was created one year ago,
12
36684
4746
00:53
the human species, then,
would be 10 minutes old.
would be 10 minutes old.
13
41430
3548
มนุษย์ก็จะเพิ่งเกิดเมื่อ 10 นาทีที่แล้ว
00:56
The industrial era started
two seconds ago.
two seconds ago.
14
44978
3168
ยุคอุตสาหกรรมเพิ่งเกิดเมื่อ 2 วินาทีที่แล้ว
01:01
Another way to look at this is to think of
world GDP over the last 10,000 years,
world GDP over the last 10,000 years,
15
49276
5225
หรืออีกวิธีนึงคือดู GDP ของโลก
ตลอด 10000 ปี ที่ผ่านมา
01:06
I've actually taken the trouble
to plot this for you in a graph.
to plot this for you in a graph.
16
54501
3029
ซึ่งผมมีปัญหากับการพล็อตกราฟนี้
01:09
It looks like this.
17
57530
1774
ดูนี่สิครับ (เสียงหัวเราะ)
01:11
(Laughter)
18
59304
1363
01:12
It's a curious shape
for a normal condition.
for a normal condition.
19
60667
2151
รูปร่างประหลาดมาก สำหรับสภาวะที่ปกติ
01:14
I sure wouldn't want to sit on it.
20
62818
1698
ผมมั่นใจว่าเราคงไม่อยากนั่งทับมันหรอก
01:16
(Laughter)
21
64516
2551
(เสียงหัวเราะ)
01:19
Let's ask ourselves, what is the cause
of this current anomaly?
of this current anomaly?
22
67067
4774
ลองถามตัวเราเอง ว่าอะไรทำให้เกิดสิ่งผิดปกตินี้
01:23
Some people would say it's technology.
23
71841
2552
บางคนบอกว่า เพราะเทคโนโลยี
01:26
Now it's true, technology has accumulated
through human history,
through human history,
24
74393
4668
ถูกสำหรับตอนนี้ เทคโนโลยีได้พัฒนามาตลอด
01:31
and right now, technology
advances extremely rapidly --
advances extremely rapidly --
25
79061
4652
และตอนนี้ เทคโนโลยีได้ก้าวหน้าอย่างรวดเร็ว
01:35
that is the proximate cause,
26
83713
1565
นั่นเป็นสาเหตุที่ใกล้เคียง
01:37
that's why we are currently
so very productive.
so very productive.
27
85278
2565
นั่นคือเหตุผลที่ทำให้เรามีผลงานมากมายในปัจจุบัน
01:40
But I like to think back further
to the ultimate cause.
to the ultimate cause.
28
88473
3661
แต่ผมอยากให้เรากลับไปคิดถึงสาเหตุ
ที่ใหญ่กว่านั้น
01:45
Look at these two highly
distinguished gentlemen:
distinguished gentlemen:
29
93114
3766
กรุณาดูสุภาพบุรุษที่สุดแสนจะแตกต่างกันสองท่านนี้
01:48
We have Kanzi --
30
96880
1600
ท่านแรกคือ Kanzi
01:50
he's mastered 200 lexical
tokens, an incredible feat.
tokens, an incredible feat.
31
98480
4643
เขาสามารถแยกแยะสัญลักษณ์ได้ถึง 200 แบบ
ช่างน่าทึ่ง
ท่านที่สอง Ed Witten ผู้ทำให้เกิดการปฎิวัติ superstring
01:55
And Ed Witten unleashed the second
superstring revolution.
superstring revolution.
32
103123
3694
ครั้งที่ 2
01:58
If we look under the hood,
this is what we find:
this is what we find:
33
106817
2324
ถ้าเราดูกลไกที่ถูกซ่อนไว้ นี่คือสิ่งที่เราจะเจอ
02:01
basically the same thing.
34
109141
1570
โดยพื้นฐานแล้วมันคือสิ่งเดียวกัน
02:02
One is a little larger,
35
110711
1813
หนึ่งในนั้นใหญ่กว่าเล็กน้อย
02:04
it maybe also has a few tricks
in the exact way it's wired.
in the exact way it's wired.
36
112524
2758
มันอาจจะมีทริกบางอย่างในด้านการเชื่อมโยงของมัน
02:07
These invisible differences cannot
be too complicated, however,
be too complicated, however,
37
115282
3812
อย่างไรก็ตาม ความแตกต่างที่มองไม่เห็นเหล่านี้
ไม่น่าจะซับซ้อนมากนัก
02:11
because there have only
been 250,000 generations
been 250,000 generations
38
119094
4285
เพราะว่ามันเพิ่งผ่านมาเพียง 250,000 รุ่น
02:15
since our last common ancestor.
39
123379
1732
หลังจากบรรพบุรุษที่เรามีร่วมกัน
02:17
We know that complicated mechanisms
take a long time to evolve.
take a long time to evolve.
40
125111
3849
เรารู้ว่าจักรกลที่ซับซ้อนนั้น
ใช้เวลานานในการพัฒนา
02:22
So a bunch of relatively minor changes
41
130000
2499
นั่นคือ การเปลี่่ยนแปลง
ที่เทียบแล้วถือว่าเล็กน้อยจำนวนหนึ่ง
02:24
take us from Kanzi to Witten,
42
132499
3067
ทำให้เราห่างจาก Kanzi และเข้าใกล้ Witten
02:27
from broken-off tree branches
to intercontinental ballistic missiles.
to intercontinental ballistic missiles.
43
135566
4543
จากกิ่งไม้หักๆ ไปสู่ขีปนาวุธข้ามทวีป
02:32
So this then seems pretty obvious
that everything we've achieved,
that everything we've achieved,
44
140839
3935
ค่อนข้างเห็นได้ชัดว่า ทุกอย่างที่เราสร้างขึ้น
02:36
and everything we care about,
45
144774
1378
และทุกๆ อย่างที่เราสนใจ
02:38
depends crucially on some relatively minor
changes that made the human mind.
changes that made the human mind.
46
146152
5228
ขึ้นอยู่กับความเปลี่ยนแปลงแค่เพียงเล็กน้อย
ที่เกิดขึ้นในความคิดของของมนุษย์
02:44
And the corollary, of course,
is that any further changes
is that any further changes
47
152650
3662
ผลที่ตามมาก็คือ ความเปลี่ยนแปลงใดๆ หลังจากนี้
02:48
that could significantly change
the substrate of thinking
the substrate of thinking
48
156312
3477
ที่สามารถเปลี่ยนพื้นฐานของความคิดไปได้
02:51
could have potentially
enormous consequences.
enormous consequences.
49
159789
3202
ก็อาจจะมีผลลัพธ์ที่ใหญ่หลวงตามมา
02:56
Some of my colleagues
think we're on the verge
think we're on the verge
50
164321
2905
เพื่อนร่วมงานผมบางคนคิดว่า เรากำลังเข้าใกล้
02:59
of something that could cause
a profound change in that substrate,
a profound change in that substrate,
51
167226
3908
อะไรบางอย่างที่ทำให้เกิด
ความเปลี่ยนแปลงครั้งใหญ่ของวิธีคิด
ความเปลี่ยนแปลงครั้งใหญ่ของวิธีคิด
03:03
and that is machine superintelligence.
52
171134
3213
ซึ่งก็คือ เครื่องจักรทรงภูมิปัญญา
(Machine Superintelligence)
(Machine Superintelligence)
03:06
Artificial intelligence used to be
about putting commands in a box.
about putting commands in a box.
53
174347
4739
ปัญญาประดิษฐ์เคยเป็นแค่เรื่องของการป้อนคำสั่ง
03:11
You would have human programmers
54
179086
1665
คุณมีนักเขียนโปรแกรมเป็นมนุษย์
03:12
that would painstakingly
handcraft knowledge items.
handcraft knowledge items.
55
180751
3135
ที่จะคอยใส่ความรู้เข้าไปอย่างระมัดระวัง
03:15
You build up these expert systems,
56
183886
2086
คุณสร้างระบบผู้เชี่ยวชาญขึ้นมา
03:17
and they were kind of useful
for some purposes,
for some purposes,
57
185972
2324
ซึ่งมันก็ค่อนข้างจะมีประโยชน์สำหรับบางเรื่อง
03:20
but they were very brittle,
you couldn't scale them.
you couldn't scale them.
58
188296
2681
แต่มันก็ยังเปราะบาง
คุณไม่สามารถขยายมันออกไปอีกได้
คุณไม่สามารถขยายมันออกไปอีกได้
03:22
Basically, you got out only
what you put in.
what you put in.
59
190977
3433
สิ่งที่คุณได้ออกมาก็เป็นแค่สิ่งที่คุณใส่เข้าไป
03:26
But since then,
60
194410
997
ตั้งแต่ตอนนั้น
03:27
a paradigm shift has taken place
in the field of artificial intelligence.
in the field of artificial intelligence.
61
195407
3467
ความเปลี่ยนแปลงก็ได้เกิดขึ้น
ในสายงานปัญญาประดิษฐ์หรือเอไอ (AI)
ในสายงานปัญญาประดิษฐ์หรือเอไอ (AI)
03:30
Today, the action is really
around machine learning.
around machine learning.
62
198874
2770
ทุกวันนี้ เรากำลังสนใจเรื่องการเรียนรู้ของเครื่องจักร
03:34
So rather than handcrafting knowledge
representations and features,
representations and features,
63
202394
5387
แทนที่จะค่อยๆ ป้อนข้อมูลหรือความรู้ต่างๆ
03:40
we create algorithms that learn,
often from raw perceptual data.
often from raw perceptual data.
64
208511
5554
เราสร้างขั้นตอนวิธีในการเรียน
โดยมาก ด้วยข้อมูลที่ได้จากการรับรู้
โดยมาก ด้วยข้อมูลที่ได้จากการรับรู้
03:46
Basically the same thing
that the human infant does.
that the human infant does.
65
214065
4998
เหมือนกับสิ่งที่ทารกของมนุษย์ทำ
03:51
The result is A.I. that is not
limited to one domain --
limited to one domain --
66
219063
4207
ผลก็คือ ระบบเอไอที่ไม่ได้ถูกจำกัดอยู่เพียงสาขาเดียว
03:55
the same system can learn to translate
between any pairs of languages,
between any pairs of languages,
67
223270
4631
ระบบเดียวกันสามารถเรียนรู้
ที่จะแปลระหว่างคู่ภาษาใดๆ ก็ได้
ที่จะแปลระหว่างคู่ภาษาใดๆ ก็ได้
03:59
or learn to play any computer game
on the Atari console.
on the Atari console.
68
227901
5437
หรือเรียนที่จะเล่นเกมคอมพิวเตอร์ใดๆ ด้วย
เครื่อง Atari
เครื่อง Atari
04:05
Now of course,
69
233338
1779
แน่นอนว่า ในตอนนี้
04:07
A.I. is still nowhere near having
the same powerful, cross-domain
the same powerful, cross-domain
70
235117
3999
เอไอยังห่างไกลจากความสามารถอันทรงพลัง
04:11
ability to learn and plan
as a human being has.
as a human being has.
71
239116
3219
ในการเรียนรู้หรือวางแผนข้ามสาขาของมนุษย์
04:14
The cortex still has some
algorithmic tricks
algorithmic tricks
72
242335
2126
เนื้อเยื่อสมองส่วนนอกยังมีลูกเล่นบางอย่าง
04:16
that we don't yet know
how to match in machines.
how to match in machines.
73
244461
2355
ที่เรายังไม่รู้ว่า เครื่องจักรจะทำตามอย่างไร
04:19
So the question is,
74
247886
1899
คำถามก็คือ
04:21
how far are we from being able
to match those tricks?
to match those tricks?
75
249785
3500
เรายังห่างไกลจากการเลียนแบบลูกเล่นพวกนั้นแค่ไหน
04:26
A couple of years ago,
76
254245
1083
ไม่กี่ปีที่แล้ว
04:27
we did a survey of some of the world's
leading A.I. experts,
leading A.I. experts,
77
255328
2888
เราได้ทำการสำรวจผู้เชี่ยวชาญด้านปัญญาประดิษฐ์
ชั้นนำของโลกจำนวนหนึ่ง
ชั้นนำของโลกจำนวนหนึ่ง
04:30
to see what they think,
and one of the questions we asked was,
and one of the questions we asked was,
78
258216
3224
เพื่อที่จะดูว่าพวกเขาคิดอย่างไร
และหนึ่งในคำถามของเราก็คือ
และหนึ่งในคำถามของเราก็คือ
04:33
"By which year do you think
there is a 50 percent probability
there is a 50 percent probability
79
261440
3353
ปีไหนที่คุณคิดว่าเรามีโอกาส 50%
04:36
that we will have achieved
human-level machine intelligence?"
human-level machine intelligence?"
80
264793
3482
ที่จะสร้างเครื่องจักรที่มีสติปัญญาระดับมนุษย์
04:40
We defined human-level here
as the ability to perform
as the ability to perform
81
268785
4183
เรานิยาม "ระดับมนุษย์" ว่าความสามารถที่จะทำ
04:44
almost any job at least as well
as an adult human,
as an adult human,
82
272968
2871
งานเกือบทุกอย่างได้ดีเทียบเท่ากับมนุษย์ผู้ใหญ่เป็นอย่างน้อย
04:47
so real human-level, not just
within some limited domain.
within some limited domain.
83
275839
4005
นั่นคือระดับมนุษย์จริงๆ ไม่ใช่แค่จำกัดอยู่ภายในสาขาเดียว
04:51
And the median answer was 2040 or 2050,
84
279844
3650
คำตอบกลางๆ อยู่ในช่วง 2040-2050
04:55
depending on precisely which
group of experts we asked.
group of experts we asked.
85
283494
2806
ขึ้นอยู่กับว่าเราถามผู้เชี่ยวชาญกลุ่มไหน
04:58
Now, it could happen much,
much later, or sooner,
much later, or sooner,
86
286300
4039
แต่มันก็อาจจะเกิดขึ้นหลังจากนั้น หรือก่อนหน้านั้น
05:02
the truth is nobody really knows.
87
290339
1940
ความจริงก็คือ ไม่มีใครรู้หรอก
05:05
What we do know is that the ultimate
limit to information processing
limit to information processing
88
293259
4412
แต่สิ่งที่เรารู้แน่ๆ ก็คือข้อจำกัดในการประมวลข้อมูล
05:09
in a machine substrate lies far outside
the limits in biological tissue.
the limits in biological tissue.
89
297671
4871
ของเครื่องจักรนั้น
อยู่นอกเหนือข้อจำกัดของเนื้อเยื่อชีวภาพ
อยู่นอกเหนือข้อจำกัดของเนื้อเยื่อชีวภาพ
05:15
This comes down to physics.
90
303241
2378
มันกลับมาที่ฟิสิกส์
05:17
A biological neuron fires, maybe,
at 200 hertz, 200 times a second.
at 200 hertz, 200 times a second.
91
305619
4718
เซลล์ประสาทนั้นอาจจะส่งสัญญาณ
ด้วยความถี่ 200 เฮิร์ตซ์ หรือ 200 ครั้งต่อวินาที
ด้วยความถี่ 200 เฮิร์ตซ์ หรือ 200 ครั้งต่อวินาที
05:22
But even a present-day transistor
operates at the Gigahertz.
operates at the Gigahertz.
92
310337
3594
แต่ในปัจจุบัน แม้กระทั่งทรานซิสเตอร์
ยังทำงานด้วยความถี่ระดับพันล้านเฮิร์ตซ์
ยังทำงานด้วยความถี่ระดับพันล้านเฮิร์ตซ์
05:25
Neurons propagate slowly in axons,
100 meters per second, tops.
100 meters per second, tops.
93
313931
5297
สัญญาณเดินทางอย่างเชื่องช้าในแอกซอน
100 เมตรต่อวินาทีเป็นอย่างมาก
100 เมตรต่อวินาทีเป็นอย่างมาก
05:31
But in computers, signals can travel
at the speed of light.
at the speed of light.
94
319228
3111
แต่ในคอมพิวเตอร์ สัญญาณเดินทางเท่าความเร็วแสง
05:35
There are also size limitations,
95
323079
1869
นอกจากนี้ยังมีข้อจำกัดด้านขนาด
05:36
like a human brain has
to fit inside a cranium,
to fit inside a cranium,
96
324948
3027
เหมือนกับที่สมองมนุษย์ต้องบรรจุในกะโหลกได้
05:39
but a computer can be the size
of a warehouse or larger.
of a warehouse or larger.
97
327975
4761
แต่คอมพิวเตอร์อาจมีขนาดใหญ่เท่าโกดัง หรือกว่าน้้น
05:44
So the potential for superintelligence
lies dormant in matter,
lies dormant in matter,
98
332736
5599
แสดงว่าศักยภาพของ superintelligence ยังคงหลบซ่อนอยู่
05:50
much like the power of the atom
lay dormant throughout human history,
lay dormant throughout human history,
99
338335
5712
คล้ายๆ กับพลังของอะตอม ที่ไม่มีใครรู้ในอดีต
05:56
patiently waiting there until 1945.
100
344047
4405
รอคอยให้ถูกค้นพบ ในปี 1945
06:00
In this century,
101
348452
1248
ในศตวรรษนี้ นักวิทยศาสตร์อาจเรียนรู้ที่จะ
06:01
scientists may learn to awaken
the power of artificial intelligence.
the power of artificial intelligence.
102
349700
4118
ปลุกพลังของปัญญาประดิษฐ์
06:05
And I think we might then see
an intelligence explosion.
an intelligence explosion.
103
353818
4008
ซึ่งผมก็คิดว่า เราอาจจะได้เห็นการเปลี่ยนแปลงครั้งใหญ่ในด้านนี้
06:10
Now most people, when they think
about what is smart and what is dumb,
about what is smart and what is dumb,
104
358406
3957
สำหรับคนทั่วไป เมื่อคิดว่าอะไรฉลาดหรือโง่
06:14
I think have in mind a picture
roughly like this.
roughly like this.
105
362363
3023
ผมว่าเขามีภาพคร่าวๆ ในใจอย่างนี้ครับ
06:17
So at one end we have the village idiot,
106
365386
2598
ปลายด้านนึงเรามีภาพคนซื่อบื้อบ้านนอกๆ
06:19
and then far over at the other side
107
367984
2483
ส่วนด้านนู้น ของอีกฝั่งนึง
06:22
we have Ed Witten, or Albert Einstein,
or whoever your favorite guru is.
or whoever your favorite guru is.
108
370467
4756
เราก็มี Ed Witten หรือ Albert Einstein
หรืออัจฉริยะสุดโปรดคนไหนก็ตาม
หรืออัจฉริยะสุดโปรดคนไหนก็ตาม
06:27
But I think that from the point of view
of artificial intelligence,
of artificial intelligence,
109
375223
3834
แต่ผมคิดว่า หากมองในมุมของปัญญาประดิษฐ์
06:31
the true picture is actually
probably more like this:
probably more like this:
110
379057
3681
ภาพจริงๆ อาจจะใกล้เคียงกับแบบนี้มากกว่าครับ
06:35
AI starts out at this point here,
at zero intelligence,
at zero intelligence,
111
383258
3378
เอไอเริ่มจากจุดนี้ มีความฉลาดเป็นศูนย์
06:38
and then, after many, many
years of really hard work,
years of really hard work,
112
386636
3011
หลังจากการทำงานหนักหลายๆ ปี
06:41
maybe eventually we get to
mouse-level artificial intelligence,
mouse-level artificial intelligence,
113
389647
3844
สุดท้าย เราอาจจะเลื่อนขั้นไปสู่ความฉลาดระดับหนู
06:45
something that can navigate
cluttered environments
cluttered environments
114
393491
2430
บางอย่างที่สามารถหาทางเดิน
รอบๆสิ่งแวดล้อมที่ยุ่งเหยิง
รอบๆสิ่งแวดล้อมที่ยุ่งเหยิง
06:47
as well as a mouse can.
115
395921
1987
ได้ดีพอๆกับหนู
06:49
And then, after many, many more years
of really hard work, lots of investment,
of really hard work, lots of investment,
116
397908
4313
หลังจากนั้น ก็ต้องทำงานหนักอีกหลายปี
และการลงทุนจำนวนมาก
และการลงทุนจำนวนมาก
06:54
maybe eventually we get to
chimpanzee-level artificial intelligence.
chimpanzee-level artificial intelligence.
117
402221
4639
สุดท้าย เราอาจจะไปถึงความฉลาดระดับชิมแปนซี
06:58
And then, after even more years
of really, really hard work,
of really, really hard work,
118
406860
3210
จากนั้นก็ทำงานต่ออีกนาน
07:02
we get to village idiot
artificial intelligence.
artificial intelligence.
119
410070
2913
เราอาจจะเลื่อนระดับไปสู่คนซื่อบื้อบ้านนอก
07:04
And a few moments later,
we are beyond Ed Witten.
we are beyond Ed Witten.
120
412983
3272
แล้วอีกแป๊ปเดียวหลังจากนั้น
เราก็จะนำหน้า Ed Witten ไปแล้ว
เราก็จะนำหน้า Ed Witten ไปแล้ว
07:08
The train doesn't stop
at Humanville Station.
at Humanville Station.
121
416255
2970
รถไฟไม่ได้หยุดวิ่งที่สถานีหมู่บ้านมนุษย์
07:11
It's likely, rather, to swoosh right by.
122
419225
3022
แต่มันน่าจะวิ่งหวือผ่านไปเลยมากกว่า
07:14
Now this has profound implications,
123
422247
1984
ซึ่งนี่ มีนัยยะที่ลึกซึ้ง
07:16
particularly when it comes
to questions of power.
to questions of power.
124
424231
3862
โดยเฉพาะเมื่อมันเกี่ยวกับคำถามเรื่องพลัง
07:20
For example, chimpanzees are strong --
125
428093
1899
ตัวอย่างเช่น ชิมแปนซีนั้นแข็งแรง
07:21
pound for pound, a chimpanzee is about
twice as strong as a fit human male.
twice as strong as a fit human male.
126
429992
5222
เทียบกันแล้ว อาจจะแกร่งเป็นสองเท่า
ของมนุษย์ผู้ชายที่แข็งแรง
ของมนุษย์ผู้ชายที่แข็งแรง
07:27
And yet, the fate of Kanzi
and his pals depends a lot more
and his pals depends a lot more
127
435214
4614
แต่ถึงอย่างนั้น ชะตาของ Kanzi
และพวกพ้องกลับขึ้นอยู่กับ
และพวกพ้องกลับขึ้นอยู่กับ
07:31
on what we humans do than on
what the chimpanzees do themselves.
what the chimpanzees do themselves.
128
439828
4140
สิ่งที่มนุษย์อย่างพวกเราทำมากกว่า
สิ่งที่ชิมแปนซีด้วยกันเองทำ
สิ่งที่ชิมแปนซีด้วยกันเองทำ
07:37
Once there is superintelligence,
129
445228
2314
เมื่อ superintelligence ได้เกิดขึ้น
07:39
the fate of humanity may depend
on what the superintelligence does.
on what the superintelligence does.
130
447542
3839
ชะตาของมนุษยชาติอาจขึ้นอยู่กับสิ่งที่พวกมันทำ
07:44
Think about it:
131
452451
1057
ลองคิดดูนะครับ
07:45
Machine intelligence is the last invention
that humanity will ever need to make.
that humanity will ever need to make.
132
453508
5044
ความฉลาดของเครื่องจักร จะเป็นสิ่งประดิษฐ์
ชิ้นสุดท้ายที่เราได้สร้างขึ้นมา
ชิ้นสุดท้ายที่เราได้สร้างขึ้นมา
07:50
Machines will then be better
at inventing than we are,
at inventing than we are,
133
458552
2973
เครื่องจักรจะประดิษฐ์สิ่งต่างๆ ได้ดีกว่าเรา
07:53
and they'll be doing so
on digital timescales.
on digital timescales.
134
461525
2540
และพวกมันจะทำอย่างนั้น
ด้วยสเกลเวลาแบบดิจิตอล
(digital time scale)
ด้วยสเกลเวลาแบบดิจิตอล
(digital time scale)
07:56
What this means is basically
a telescoping of the future.
a telescoping of the future.
135
464065
4901
ก็เหมือนกับการย่นเวลาให้อนาคตมาถึงเร็วขึ้น
08:00
Think of all the crazy technologies
that you could have imagined
that you could have imagined
136
468966
3558
ลองคิดถึงทุกเทคโนโลยีบ้าๆ เท่าที่คุณจะจินตนาการได้
08:04
maybe humans could have developed
in the fullness of time:
in the fullness of time:
137
472524
2798
บางทีมนุษย์อาจจะพัฒนาพวกมันได้ถ้ามีเวลามากพอ
08:07
cures for aging, space colonization,
138
475322
3258
ยาชะลอความแก่ การย้ายไปอยู่ในอวกาศ
08:10
self-replicating nanobots or uploading
of minds into computers,
of minds into computers,
139
478580
3731
หุ่นนาโนบอทที่จำลองตัวเองได้
หรือการอัพโหลดจิตใจขึ้นไปสู่คอมพิวเตอร์
หรือการอัพโหลดจิตใจขึ้นไปสู่คอมพิวเตอร์
08:14
all kinds of science fiction-y stuff
140
482311
2159
ทุกอย่างที่ดูเหมือนจะหลุดมาจากนิยายวิทยาศาสตร์
08:16
that's nevertheless consistent
with the laws of physics.
with the laws of physics.
141
484470
2737
แต่ก็ยังเป็นไปตามกฎฟิสิกส์
08:19
All of this superintelligence could
develop, and possibly quite rapidly.
develop, and possibly quite rapidly.
142
487207
4212
ทุกอย่างที่พูดมานี้ superintelligence
อาจสามารถพัฒนาขึ้นมาได้ค่อนข้างรวดเร็ว
อาจสามารถพัฒนาขึ้นมาได้ค่อนข้างรวดเร็ว
08:24
Now, a superintelligence with such
technological maturity
technological maturity
143
492449
3558
การที่เรามี superintelligence ที่เก่งด้านเทคโนโลยีขนาดนี้
08:28
would be extremely powerful,
144
496007
2179
คงเป็นสิ่งที่ทรงพลังมากๆ
08:30
and at least in some scenarios,
it would be able to get what it wants.
it would be able to get what it wants.
145
498186
4546
และอย่างน้อยในบางกรณี มันคงจะได้ในสิ่งที่มันต้องการ
08:34
We would then have a future that would
be shaped by the preferences of this A.I.
be shaped by the preferences of this A.I.
146
502732
5661
เราก็จะมีอนาคตที่ขึ้นอยู่กับความต้องการของเอไอ
08:41
Now a good question is,
what are those preferences?
what are those preferences?
147
509855
3749
คำถามก็คือ ความต้องการพวกนั้นคืออะไร?
08:46
Here it gets trickier.
148
514244
1769
ตรงนี้เป็นส่วนที่ยุ่งยาก
08:48
To make any headway with this,
149
516013
1435
เพื่อที่จะคืบหน้าไปได้
08:49
we must first of all
avoid anthropomorphizing.
avoid anthropomorphizing.
150
517448
3276
ก่อนอื่น เราจะต้องหลีกเลี่ยงการคิดว่าพวกนั้นจะเหมือนเรา
08:53
And this is ironic because
every newspaper article
every newspaper article
151
521934
3301
ซึ่งมันก็ย้อนแย้ง เพราะบทความในหนังสือพิมพ์
08:57
about the future of A.I.
has a picture of this:
has a picture of this:
152
525235
3855
เกี่ยวกับอนาคตของเอไอ เป็นแบบนี้
09:02
So I think what we need to do is
to conceive of the issue more abstractly,
to conceive of the issue more abstractly,
153
530280
4134
ดังนั้นผมเลยคิดว่าเราน่าจะต้อง
คิดในเชิงนามธรรมมากขึ้น
คิดในเชิงนามธรรมมากขึ้น
09:06
not in terms of vivid Hollywood scenarios.
154
534414
2790
ไม่ใช่เหมือนฉากในหนังฮอลลีวู้ด
09:09
We need to think of intelligence
as an optimization process,
as an optimization process,
155
537204
3617
เราต้องคิดถึงความฉลาดในฐานะ
กระบวนการเพิ่มประสิทธิภาพ
กระบวนการเพิ่มประสิทธิภาพ
09:12
a process that steers the future
into a particular set of configurations.
into a particular set of configurations.
156
540821
5649
กระบวนการที่คุมให้อนาคตเป็นไปตามรูปแบบเฉพาะหนึ่งๆ
09:18
A superintelligence is
a really strong optimization process.
a really strong optimization process.
157
546470
3511
Superintelligence ก็คือกระบวนการ
เพิ่มประสิทธิภาพที่แข็งแกร่งมากๆ
เพิ่มประสิทธิภาพที่แข็งแกร่งมากๆ
09:21
It's extremely good at using
available means to achieve a state
available means to achieve a state
158
549981
4117
เก่งในการใช้วิธีต่างๆ เพื่อให้ได้มาซึ่ง
09:26
in which its goal is realized.
159
554098
1909
สภาวะที่เป็นไปตามเป้าหมาย
09:28
This means that there is no necessary
conenction between
conenction between
160
556447
2672
หมายความว่า มันไม่จำเป็นที่จะมีความเชื่อมโยง
09:31
being highly intelligent in this sense,
161
559119
2734
ระหว่างมีความฉลาดมากตามความหมายนี้
09:33
and having an objective that we humans
would find worthwhile or meaningful.
would find worthwhile or meaningful.
162
561853
4662
กับการมีเป้าหมายที่มนุษย์อย่างเราๆ
มองว่าคุ้มค่าหรือมีความหมาย
มองว่าคุ้มค่าหรือมีความหมาย
09:39
Suppose we give an A.I. the goal
to make humans smile.
to make humans smile.
163
567321
3794
สมมติว่าเราตั้งเป้าหมายให้เอไอทำให้มนุษย์ยิ้ม
09:43
When the A.I. is weak, it performs useful
or amusing actions
or amusing actions
164
571115
2982
ถ้าเอไอยังอ่อนแอ มันอาจทำการกระทำที่มีประโยชน์
09:46
that cause its user to smile.
165
574097
2517
และทำให้ผู้ใช้ยิ้ม
09:48
When the A.I. becomes superintelligent,
166
576614
2417
แต่ถ้าเอไอกลายเป็น superintelligence
09:51
it realizes that there is a more
effective way to achieve this goal:
effective way to achieve this goal:
167
579031
3523
มันจะรู้ว่ามีวิธีที่มีประสิทธิภาพดีกว่า
ในการบรรลุเป้าหมาย
ในการบรรลุเป้าหมาย
09:54
take control of the world
168
582554
1922
คือขึ้นครองโลก
09:56
and stick electrodes into the facial
muscles of humans
muscles of humans
169
584476
3162
แล้วติดขั้วไฟฟ้าไปที่กล้ามเนื้อบริเวณหน้าของคน
09:59
to cause constant, beaming grins.
170
587638
2941
เพื่อทำให้เกิดรอยยิ้มกว้างไม่เปลี่ยนแปลง
10:02
Another example,
171
590579
1035
ตัวอย่างต่อมานะครับ สมมติว่า
10:03
suppose we give A.I. the goal to solve
a difficult mathematical problem.
a difficult mathematical problem.
172
591614
3383
เป้าหมายที่เราให้เอไอคือแก้โจทย์คณิตศาสตร์ที่ยากมาก
10:06
When the A.I. becomes superintelligent,
173
594997
1937
เมื่อเอไอเป็น superintelligence
10:08
it realizes that the most effective way
to get the solution to this problem
to get the solution to this problem
174
596934
4171
มันอาจตระหนักว่าวิธีที่มีประสิทธิภาพที่สุดในการแก้โจทย์
10:13
is by transforming the planet
into a giant computer,
into a giant computer,
175
601105
2930
คือการเปลี่ยนดาวเคราะห์ให้กลายเป็นคอมพิวเตอร์ยักษ์
10:16
so as to increase its thinking capacity.
176
604035
2246
เพื่อที่จะเพิ่มสมรรถนะในการคิด
10:18
And notice that this gives the A.I.s
an instrumental reason
an instrumental reason
177
606281
2764
เห็นได้ว่าสิ่งนี้ให้เหตุผลที่เป็นเครื่องมือให้เอไอ
10:21
to do things to us that we
might not approve of.
might not approve of.
178
609045
2516
ทำสิ่งที่เราอาจไม่เห็นชอบด้วย
10:23
Human beings in this model are threats,
179
611561
1935
มนุษย์ สำหรับแบบจำลองนี้ คือภัยคุกคาม
10:25
we could prevent the mathematical
problem from being solved.
problem from being solved.
180
613496
2921
เพราะมนุษย์อาจทำให้มันไม่สามารถแก้โจทย์นั้นได้
10:29
Of course, perceivably things won't
go wrong in these particular ways;
go wrong in these particular ways;
181
617207
3494
แน่นอนว่า เหตุการณ์อาจจะไม่เกิดตามนี้เป๊ะๆ
10:32
these are cartoon examples.
182
620701
1753
นี่เป็นแค่ตัวอย่างในการ์ตูน
10:34
But the general point here is important:
183
622454
1939
แต่ประเด็นหลักนี้สำคัญมาก
10:36
if you create a really powerful
optimization process
optimization process
184
624393
2873
ถ้าคุณสร้างกระบวนการเพิ่มประสิทธิภาพที่ทรงพลัง
10:39
to maximize for objective x,
185
627266
2234
เพื่อจะให้มันทำงานได้ดีที่สุดเพื่อเป้าหมาย x
10:41
you better make sure
that your definition of x
that your definition of x
186
629500
2276
คุณควรทำให้มั่นใจด้วยว่าคำนิยามของ x นั้น
10:43
incorporates everything you care about.
187
631776
2469
ครอบคลุมทุกๆ อย่างที่คุณสนใจ
10:46
This is a lesson that's also taught
in many a myth.
in many a myth.
188
634835
4384
นี่เป็นบทเรียนในตำนานหลายเรื่อง
10:51
King Midas wishes that everything
he touches be turned into gold.
he touches be turned into gold.
189
639219
5298
ราชาไมดาส ผู้ขอให้ทุกอย่างที่เขาแตะจะเปลี่ยนเป็นทอง
10:56
He touches his daughter,
she turns into gold.
she turns into gold.
190
644517
2861
เขาแตะลูกสาวของเขา เธอกลายเป็นทอง
10:59
He touches his food, it turns into gold.
191
647378
2553
เขาแตะอาหาร มันก็กลายเป็นทอง
11:01
This could become practically relevant,
192
649931
2589
ซึ่งนี่อาจจะเกี่ยวข้องอย่างมาก
11:04
not just as a metaphor for greed,
193
652520
2070
ไม่ใช่แค่ในฐานะการอุปมาถึงความโลภ
11:06
but as an illustration of what happens
194
654590
1895
แต่ในฐานะของสิ่งที่อาจจะเกิดขึ้น
11:08
if you create a powerful
optimization process
optimization process
195
656485
2837
หากคุณสร้างกระบวนการเพิ่มประสิทธิภาพที่ทรงพลัง
11:11
and give it misconceived
or poorly specified goals.
or poorly specified goals.
196
659322
4789
และให้เป้าหมายที่ไม่ชัดเจนหรืออาจถูกตีความผิดกับมัน
11:16
Now you might say, if a computer starts
sticking electrodes into people's faces,
sticking electrodes into people's faces,
197
664111
5189
คุณอาจจะคิดว่า "ถ้ามันเริ่มติดขั้วไฟฟ้ากับหน้าคนจริง
11:21
we'd just shut it off.
198
669300
2265
เราก็ปิดเครื่องมันซะสิ"
11:24
A, this is not necessarily so easy to do
if we've grown dependent on the system --
if we've grown dependent on the system --
199
672555
5340
หนึ่ง มันอาจจะไม่ง่ายที่จะทำอย่างนั้น
ถ้าเราต้องพึ่งพาระบบนี้อีกมาก
ถ้าเราต้องพึ่งพาระบบนี้อีกมาก
11:29
like, where is the off switch
to the Internet?
to the Internet?
200
677895
2732
เช่น... ไหนล่ะปุ่มปิดสวิตช์อินเตอร์เนต
11:32
B, why haven't the chimpanzees
flicked the off switch to humanity,
flicked the off switch to humanity,
201
680627
5120
สอง ทำไมชิมแปนซีถึงไม่ปิดสวิตช์มนุษยชาติ
11:37
or the Neanderthals?
202
685747
1551
หรือมนุษย์นีแอนเดอร์ทัล
11:39
They certainly had reasons.
203
687298
2666
พวกมันมีเหตุผลแน่นอน
11:41
We have an off switch,
for example, right here.
for example, right here.
204
689964
2795
พวกเรามีปุ่มปิดสวิตช์ ตัวอย่างเช่น ตรงนี้
11:44
(Choking)
205
692759
1554
(สำลัก)
11:46
The reason is that we are
an intelligent adversary;
an intelligent adversary;
206
694313
2925
เหตุผลนั้นก็คือพวกเราเป็นศัตรูที่มีความฉลาด
11:49
we can anticipate threats
and plan around them.
and plan around them.
207
697238
2728
เราเห็นถึงภัยคุกคามและวางแผนจัดการมัน
11:51
But so could a superintelligent agent,
208
699966
2504
เช่นเดียวกับ superintelligence ตัวนั้น
11:54
and it would be much better
at that than we are.
at that than we are.
209
702470
3254
และมันคงทำได้ดีกว่าเรา
11:57
The point is, we should not be confident
that we have this under control here.
that we have this under control here.
210
705724
7187
ประเด็นก็คือเราไม่ควรจะมั่นใจ..ว่าเราสามารถควบคุมมันได้
12:04
And we could try to make our job
a little bit easier by, say,
a little bit easier by, say,
211
712911
3447
เราอาจจะทำให้งานมันง่ายขึ้น
12:08
putting the A.I. in a box,
212
716358
1590
โดยการใส่เอไอตัวนั้นในกล่อง
12:09
like a secure software environment,
213
717948
1796
เช่นสภาพแวดล้อมทางซอฟต์แวร์แบบปิด
12:11
a virtual reality simulation
from which it cannot escape.
from which it cannot escape.
214
719744
3022
ระบบจำลองเสมือนจริง ที่มันหนีออกมาไม่ได้
12:14
But how confident can we be that
the A.I. couldn't find a bug.
the A.I. couldn't find a bug.
215
722766
4146
แต่เราจะมั่นใจได้แค่ไหนว่าเอไอจะหาช่องโหว่(Bug) ไม่เจอ
12:18
Given that merely human hackers
find bugs all the time,
find bugs all the time,
216
726912
3169
ในเมื่อคนที่เป็นแฮกเกอร์ทั่วๆ ไปยังหาบั๊กเจอได้ตลอด
12:22
I'd say, probably not very confident.
217
730081
3036
สรุปคือ มั่นใจไม่ได้มากนั่นเอง
12:26
So we disconnect the ethernet cable
to create an air gap,
to create an air gap,
218
734237
4548
เราอาจถอดสายอีเทอร์เน็ตเพื่อให้เกิดช่องว่างขึ้น
12:30
but again, like merely human hackers
219
738785
2668
แต่ก็เหมือนเดิม แฮกเกอร์ก็ยังฝ่่ามาได้เป็นประจำ
12:33
routinely transgress air gaps
using social engineering.
using social engineering.
220
741453
3381
โดยใช้วิศวกรรมสังคม
12:36
Right now, as I speak,
221
744834
1259
ในขณะที่ผมกำลังพูดอยู่นี้
12:38
I'm sure there is some employee
out there somewhere
out there somewhere
222
746093
2389
ผมเชื่อว่า มีลูกจ้างคนนึงอยู่ซักแห่ง
12:40
who has been talked into handing out
her account details
her account details
223
748482
3346
กำลังถูกล่อให้บอกข้อมูลของเธอ
12:43
by somebody claiming to be
from the I.T. department.
from the I.T. department.
224
751828
2746
กับคนที่บอกว่าตัวเองมาจากแผนกไอที
12:46
More creative scenarios are also possible,
225
754574
2127
เหตุการณ์ที่แปลกกว่านี้ก็ยังเป็นไปได้
12:48
like if you're the A.I.,
226
756701
1315
เช่นถ้าคุณเป็นเอไอ
12:50
you can imagine wiggling electrodes
around in your internal circuitry
around in your internal circuitry
227
758016
3532
คุณอาจจะหมุนขั้วไฟฟ้าในวงจรภายใน
12:53
to create radio waves that you
can use to communicate.
can use to communicate.
228
761548
3462
เพื่อสร้างคลื่นวิทยุ คุณจะได้สื่อสารได้
12:57
Or maybe you could pretend to malfunction,
229
765010
2424
หรือคุณอาจจะแกล้งทำเป็นพัง
12:59
and then when the programmers open
you up to see what went wrong with you,
you up to see what went wrong with you,
230
767434
3497
พอโปรแกรมเมอร์มาเช็กว่ามีอะไรผิดปกติ
13:02
they look at the source code -- Bam! --
231
770931
1936
เขาก็จะดูโค้ดโปรแกรม
13:04
the manipulation can take place.
232
772867
2447
ตู้ม! การควบคุมก็สามารถเริ่มขึ้นได้
13:07
Or it could output the blueprint
to a really nifty technology,
to a really nifty technology,
233
775314
3430
หรือมันอาจจะสร้างพิมพ์เขียวของเทคโนโลยีดีๆ
13:10
and when we implement it,
234
778744
1398
แล้วพอเราสร้างตามนั้น
13:12
it has some surreptitious side effect
that the A.I. had planned.
that the A.I. had planned.
235
780142
4397
มันก็มีผลข้างเคียงลับๆ ที่เอไอวางแผนไว้
13:16
The point here is that we should
not be confident in our ability
not be confident in our ability
236
784539
3463
ประเด็นก็คือ เราไม่ควรมั่นใจในความสามารถของเรา
13:20
to keep a superintelligent genie
locked up in its bottle forever.
locked up in its bottle forever.
237
788002
3808
ว่าจะขังยักษ์จีนี่ superintelligence ไว้ในตะเกียงตลอดไปได้
13:23
Sooner or later, it will out.
238
791810
2254
ไม่ช้าก็เร็ว มันก็จะออกมาอยู่ดี
13:27
I believe that the answer here
is to figure out
is to figure out
239
795034
3103
ผมเชื่อว่า ทางออกก็คือ
13:30
how to create superintelligent A.I.
such that even if -- when -- it escapes,
such that even if -- when -- it escapes,
240
798137
5024
การหาวิธีสร้างเอไอ ที่ถึงแม้ว่ามันจะหนีออกมาได้
13:35
it is still safe because it is
fundamentally on our side
fundamentally on our side
241
803161
3277
มันก็ยังไม่เป็นภัย เพราะโดยเนื้อแท้แล้วมันอยู่ฝั่งเดียวกับเรา
13:38
because it shares our values.
242
806438
1899
เพราะเราและมันมีความเชื่อหรือค่านิยมเหมือนกัน
13:40
I see no way around
this difficult problem.
this difficult problem.
243
808337
3210
ผมไม่เห็นทางออกอื่นของปัญหานี้อีกแล้ว
13:44
Now, I'm actually fairly optimistic
that this problem can be solved.
that this problem can be solved.
244
812557
3834
ที่จริง ผมก็ค่อนข้างมั่นใจว่าเราสามารถแก้ปัญหานี้ได้
13:48
We wouldn't have to write down
a long list of everything we care about,
a long list of everything we care about,
245
816391
3903
เราคงไม่ต้องนั่งลิสต์ทุกอย่างที่เราแคร์
13:52
or worse yet, spell it out
in some computer language
in some computer language
246
820294
3643
หรือแย่ไปกว่านั้น เขียนพวกมันในภาษาคอมพิวเตอร์
13:55
like C++ or Python,
247
823937
1454
เช่น C++ หรือ Python
13:57
that would be a task beyond hopeless.
248
825391
2767
นั่นคงเป็นงานที่น่าสิ้นหวังเอามากๆ
14:00
Instead, we would create an A.I.
that uses its intelligence
that uses its intelligence
249
828158
4297
แต่เราจะสร้างเอไอที่ใช้ความฉลาดของมัน
14:04
to learn what we value,
250
832455
2771
ไปเรียนรู้สิ่งที่เราเห็นคุณค่า
14:07
and its motivation system is constructed
in such a way that it is motivated
in such a way that it is motivated
251
835226
5280
ระบบแรงจูงใจของมันจะถูกสร้าง เพื่อให้มันอยากจะ
14:12
to pursue our values or to perform actions
that it predicts we would approve of.
that it predicts we would approve of.
252
840506
5232
เรียนรู้ค่านิยมของเรา หรือทำสิ่งที่มันคาดว่าเราจะเห็นด้วย
14:17
We would thus leverage
its intelligence as much as possible
its intelligence as much as possible
253
845738
3414
ดังนั้น เราจะให้อำนาจความฉลาดของมันให้มากที่สุด
14:21
to solve the problem of value-loading.
254
849152
2745
ไปในการแก้ปัญหาเรื่องค่านิยมที่ไม่ตรงกัน
14:24
This can happen,
255
852727
1512
สิ่งนี้สามารถเป็นไปได้
14:26
and the outcome could be
very good for humanity.
very good for humanity.
256
854239
3596
และผลของมันอาจมีประโยชน์มากต่อมนุษยชาติ
14:29
But it doesn't happen automatically.
257
857835
3957
แต่มันจะไม่เกิดขึ้นอย่างอัตโนมัติ
14:33
The initial conditions
for the intelligence explosion
for the intelligence explosion
258
861792
2998
เงื่อนไขตั้งต้นของความก้าวหน้าในด้านนี้
14:36
might need to be set up
in just the right way
in just the right way
259
864790
2863
ต้องถูกวางแผนจัดการในทางที่ถูกต้อง
14:39
if we are to have a controlled detonation.
260
867653
3530
หากเราต้องการให้ผลที่ออกมาควบคุมได้
14:43
The values that the A.I. has
need to match ours,
need to match ours,
261
871183
2618
ค่านิยมที่เอไอมีจะต้องเทียบเท่ากับของเรา
14:45
not just in the familiar context,
262
873801
1760
ไม่ใช่แค่ในบริบทเดิมๆ
14:47
like where we can easily check
how the A.I. behaves,
how the A.I. behaves,
263
875561
2438
ที่เราสามารถตรวจสอบพฤติกรรมของมันได้
14:49
but also in all novel contexts
that the A.I. might encounter
that the A.I. might encounter
264
877999
3234
แต่ยังรวมถึงบริบทใหม่ๆ ที่เอไออาจจะเจอ
14:53
in the indefinite future.
265
881233
1557
ในอนาคตอันไม่สิ้นสุด
14:54
And there are also some esoteric issues
that would need to be solved, sorted out:
that would need to be solved, sorted out:
266
882790
4737
นอกจากนี้ ยังมีปัญหาเฉพาะอื่นๆ ที่จำเป็นต้องแก้
14:59
the exact details of its decision theory,
267
887527
2089
รายละเอียดของทฤษฏีการตัดสินใจของมัน
15:01
how to deal with logical
uncertainty and so forth.
uncertainty and so forth.
268
889616
2864
วิธีการรับมือกับความไม่แน่นอน และอื่นๆ
15:05
So the technical problems that need
to be solved to make this work
to be solved to make this work
269
893330
3102
ปัญหาเฉพาะทางเหล่านี้อาจจะทำให้งานนี้ดู
15:08
look quite difficult --
270
896432
1113
ค่อนข้างยาก
15:09
not as difficult as making
a superintelligent A.I.,
a superintelligent A.I.,
271
897545
3380
ไม่ยากถึงขนาดการสร้างเอไอทรงภูมิปัญญา
15:12
but fairly difficult.
272
900925
2868
แต่ก็ยากในระดับหนึ่ง
15:15
Here is the worry:
273
903793
1695
นี่คือสิ่งที่น่าเป็นกังวล
15:17
Making superintelligent A.I.
is a really hard challenge.
is a really hard challenge.
274
905488
4684
การสร้างเอไอทรงภูมิปัญญาเป็นความท้าทายที่ยากมากๆ
15:22
Making superintelligent A.I. that is safe
275
910172
2548
การสร้างเอไอที่ทั้งทรงภูมิปัญญาและไม่เป็นภัย
15:24
involves some additional
challenge on top of that.
challenge on top of that.
276
912720
2416
นั่นเป็นความท้าทายที่ยากยิ่งกว่า
15:28
The risk is that if somebody figures out
how to crack the first challenge
how to crack the first challenge
277
916216
3487
ความเสี่ยงคือ กรณีที่มีคนแก้ปัญหาแรกได้สำเร็จ
15:31
without also having cracked
the additional challenge
the additional challenge
278
919703
3001
โดยที่ยังไม่สามารถแก้ปัญหาที่สอง
15:34
of ensuring perfect safety.
279
922704
1901
ซึ่งจะเป็นตัวรับประกันความปลอดภัยอย่างสมบูรณ์แบบได้
15:37
So I think that we should
work out a solution
work out a solution
280
925375
3331
ผมจึงคิดว่า เราควรจะหาทางออก
15:40
to the control problem in advance,
281
928706
2822
ของปัญหาด้านการควบคุมล่วงหน้าไว้
15:43
so that we have it available
by the time it is needed.
by the time it is needed.
282
931528
2660
เพื่อที่เราจะได้เตรียมพร้อมใช้ในกรณีที่จำเป็น
15:46
Now it might be that we cannot solve
the entire control problem in advance
the entire control problem in advance
283
934768
3507
ซึ่งมันก็เป็นไปได้ ที่เราจะไม่สามารถ
แก้ปัญหาทั้งหมดได้ล่วงหน้า
แก้ปัญหาทั้งหมดได้ล่วงหน้า
15:50
because maybe some elements
can only be put in place
can only be put in place
284
938275
3024
เพราะบางองค์ประกอบอาจจะแก้ได้
15:53
once you know the details of the
architecture where it will be implemented.
architecture where it will be implemented.
285
941299
3997
หลังจากที่เรารู้รายละเอียดของงานที่มันจะถูกใช้เท่านั้น
15:57
But the more of the control problem
that we solve in advance,
that we solve in advance,
286
945296
3380
แต่ยิ่งเราสามารถแก้ปัญหาล่วงหน้าได้มากเท่าไหร่
16:00
the better the odds that the transition
to the machine intelligence era
to the machine intelligence era
287
948676
4090
โอกาสที่การเปลี่ยนแปลงไปสู่
ยุคปัญญาประดิษฐ์จะเป็นไปด้วยดี
ยุคปัญญาประดิษฐ์จะเป็นไปด้วยดี
16:04
will go well.
288
952766
1540
ก็มากเท่านั้น
16:06
This to me looks like a thing
that is well worth doing
that is well worth doing
289
954306
4644
สำหรับผมแล้ว นี่เป็นสิ่งที่คู่ควรกับการลงแรงทำ
16:10
and I can imagine that if
things turn out okay,
things turn out okay,
290
958950
3332
ผมจินตนาการได้เลยว่า ถ้าผลออกมาโอเค
16:14
that people a million years from now
look back at this century
look back at this century
291
962282
4658
ผู้คนในอีกหนึ่งล้านปีข้างหน้ามองย้อนมาในศตวรรษนี้
16:18
and it might well be that they say that
the one thing we did that really mattered
the one thing we did that really mattered
292
966940
4002
เขาจะพูดกันว่าสิ่งหนึ่งที่เราทำ ซึ่งสำคัญจริงๆ
16:22
was to get this thing right.
293
970942
1567
คือการทำให้สิ่งนี้ถูกต้อง
16:24
Thank you.
294
972509
1689
ขอบคุณ
16:26
(Applause)
295
974198
2813
(เสียงปรบมือ)
ABOUT THE SPEAKER
Nick Bostrom - PhilosopherNick Bostrom asks big questions: What should we do, as individuals and as a species, to optimize our long-term prospects? Will humanity’s technological advancements ultimately destroy us?
Why you should listen
Philosopher Nick Bostrom envisioned a future full of human enhancement, nanotechnology and machine intelligence long before they became mainstream concerns. From his famous simulation argument -- which identified some striking implications of rejecting the Matrix-like idea that humans are living in a computer simulation -- to his work on existential risk, Bostrom approaches both the inevitable and the speculative using the tools of philosophy, probability theory, and scientific analysis.
Since 2005, Bostrom has led the Future of Humanity Institute, a research group of mathematicians, philosophers and scientists at Oxford University tasked with investigating the big picture for the human condition and its future. He has been referred to as one of the most important thinkers of our age.
Nick was honored as one of Foreign Policy's 2015 Global Thinkers .
His recent book Superintelligence advances the ominous idea that “the first ultraintelligent machine is the last invention that man need ever make.”
Nick Bostrom | Speaker | TED.com