TEDSummit
Kevin Kelly: How AI can bring on a second Industrial Revolution
เควิน เคลลี่: ปัญญาประดิษฐ์จะทำให้เกิดการปฏิวัติอุตสาหกรรมครั้งที่สองอย่างไร
Filmed:
Readability: 3.8
1,739,624 views
"เราไม่สามารถบอกเส้นทางที่แน่ชัดของสายฝนได้ แต่เรารู้แน่ว่ามันจะตกลงสู่เบื้องล่าง" เควิน แคลลี่ ผู้มีวิสัยทัศน์ทางดิจิตัล กล่าวถึงแนวทางของเทคโนโลยีในแบบเดียวกัน ในอีก 20 ปีข้างหน้า ความคลั่งใคล้ในการทำให้ทุกอย่างฉลาดขึ้นของมนุษย์จะส่งผลกระทบอย่างมากในทุกอย่างที่เราทำ เคลลี่อธิบายถึงแนวโน้มสามอย่างในปัญญาประดิษฐ์ที่เราควรจะเข้าใจเพื่อตอบรับและชี้นำการพัฒนาปัญญาประดิษฐ์ "ปัญญาประดิษฐ์ที่จะถูกใช้อย่างแพร่หลายในอนาคต ยังไม่ถูกสร้างขึ้น" "นั้นหมายความว่ายังไม่สายเกินไปสำหรับพวกคุณ"
Kevin Kelly - Digital visionary
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
There may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology. Full bio
Double-click the English transcript below to play the video.
00:14
I'm going to talk a little bit
about where technology's going.
about where technology's going.
0
2966
3817
ผมกำลังจะพูดถึงเกี่ยวกับอนาคตของเทคโนโลยี
00:19
And often technology comes to us,
1
7509
2671
บ่อยครั้งเมื่อเทคโนโลยีนั้นเดินทางมาถึง
00:22
we're surprised by what it brings.
2
10566
1865
เรามักจะประหลาดใจกับสิ่งที่เกิดขึ้น
00:24
But there's actually
a large aspect of technology
a large aspect of technology
3
12455
3683
แต่ที่จริงแล้วในหลายๆมุมมองของเทคโนโลยี
00:28
that's much more predictable,
4
16162
1802
เราสามารถคาดเดาได้
00:29
and that's because technological systems
of all sorts have leanings,
of all sorts have leanings,
5
17988
4088
เทคโนโลยีประกอบด้วยการลดความสูญเปล่า
00:34
they have urgencies,
6
22100
1175
มีความเร่งรีบ
00:35
they have tendencies.
7
23299
1561
มีแนวโน้ม
00:36
And those tendencies are derived
from the very nature of the physics,
from the very nature of the physics,
8
24884
4932
สิ่งเหล่านั้นก็มาจากธรรมชาติของฟิสิกส์
00:41
chemistry of wires
and switches and electrons,
and switches and electrons,
9
29840
3150
เกี่ยวกับขดลวด, สวิตซ์, และอิเล็คตรอน
00:45
and they will make reoccurring
patterns again and again.
patterns again and again.
10
33659
3602
และมันจะเกิดสิ่งเหล่านี้ขึ้นซ้ำเรื่อยๆ
00:49
And so those patterns produce
these tendencies, these leanings.
these tendencies, these leanings.
11
37745
4874
รูปแบบจะทำให้เกิดจุดประสงค์,ลดความสูญเปล่า
00:54
You can almost think of it
as sort of like gravity.
as sort of like gravity.
12
42643
2831
คุณสามารถเปรียบเทียบกับแรงโน้มถ่วง
00:57
Imagine raindrops falling into a valley.
13
45498
2319
ลองคิดถึงฝนตกท่ามกลางหุบเขา
00:59
The actual path of a raindrop
as it goes down the valley
as it goes down the valley
14
47841
3088
เส้นทางที่แน่นอนของสายฝนที่ตกลงในหุบเขา
01:02
is unpredictable.
15
50953
1169
ไม่สามารถคาดเดาได้
01:04
We cannot see where it's going,
16
52651
1518
เราไม่สามารถมองเห็นว่าสายฝนเดินทางยังไง
01:06
but the general direction
is very inevitable:
is very inevitable:
17
54193
2277
แต่เรารู้แน่นอนว่า
01:08
it's downward.
18
56494
1234
01:10
And so these baked-in
tendencies and urgencies
tendencies and urgencies
19
58377
4572
สายฝนต้องตกลงสู่เบื้องล่าง
01:14
in technological systems
20
62973
1476
นำไปสู่แนวโน้มและความเร่งด่วน
01:17
give us a sense of where things
are going at the large form.
are going at the large form.
21
65051
3609
ในระบบของเทคโนโลยี
01:21
So in a large sense,
22
69149
1401
เราสามารถคาดเดาทิศทางได้
ในภาพใหญ่
ในภาพใหญ่
01:22
I would say that telephones
were inevitable,
were inevitable,
23
70574
3361
ยกตัวอย่างเช่น
โทรศัพท์เป็นสิ่งที่หลีกเลี่ยงไม่ได้
01:27
but the iPhone was not.
24
75005
1342
แต่ไม่ใช่ Iphone
01:29
The Internet was inevitable,
25
77094
1478
อินเตอร์เน็ตเป็นสิ่งที่หลีกเลี่ยงไม่ได้
แต่ไม่ใช่ทวิตเตอร์
01:31
but Twitter was not.
26
79274
1286
01:33
So we have many ongoing
tendencies right now,
tendencies right now,
27
81036
3928
ดังนั้นเรามีแนวโน้มที่จะเกิดหลายสิ่งตอนนี้
01:36
and I think one of the chief among them
28
84988
2720
และสิ่งที่สำคัญที่สุดสิ่งหนึ่ง
01:39
is this tendency to make things
smarter and smarter.
smarter and smarter.
29
87732
3722
คือแนวโน้มที่สิ่งของทุกอย่างจะฉลาดขึ้น
ผมเรียกมันว่าการทำให้มีความรู้สึกนึกคิด
01:44
I call it cognifying -- cognification --
30
92041
2212
01:46
also known as artificial
intelligence, or AI.
intelligence, or AI.
31
94783
2782
หรือเรียกกันว่าปัญญาประดิษฐ์หรือ AI
01:50
And I think that's going to be one
of the most influential developments
of the most influential developments
32
98025
3746
ผมคิดว่ามันจะเป็นการพัฒนาที่มีอิทธิพลมาก
01:53
and trends and directions and drives
in our society in the next 20 years.
in our society in the next 20 years.
33
101795
5575
และจะชี้นำเราไปในอีก 20 ปีข้างหน้า
02:00
So, of course, it's already here.
34
108021
1985
อันที่จริง มันอยู่ที่นี่แล้ว
02:02
We already have AI,
35
110030
2204
เรามี AI อยู่ทุกที่แล้ว
02:04
and often it works in the background,
36
112258
2398
โดยส่วนมากพวกมันทำงานเบื้องหลัง
02:06
in the back offices of hospitals,
37
114680
1586
อย่างเช่นในโรงพยาบาล
02:08
where it's used to diagnose X-rays
better than a human doctor.
better than a human doctor.
38
116290
4686
AI สามารถอ่านเอ็กซเรย์ได้ดีว่าแพทย์
02:13
It's in legal offices,
39
121000
1726
ในสำนักงานทนายความ
02:14
where it's used to go
through legal evidence
through legal evidence
40
122750
2368
ที่ AI สามารถรวบรวมหลักฐานคดี
02:17
better than a human paralawyer.
41
125142
1855
ได้ดีกว่าผู้ช่วยทนายความ
02:19
It's used to fly the plane
that you came here with.
that you came here with.
42
127506
3656
มันถูกใช้ขับเครื่องบินที่พาพวกคุณมาที่นี่
02:24
Human pilots only flew it
seven to eight minutes,
seven to eight minutes,
43
132165
2381
นักบินจะควบคุมเครื่องบินแค่ 7-8 นาที
02:26
the rest of the time the AI was driving.
44
134570
1953
ส่วนที่เหลือจะถูกควบคุมด้วย AI
02:28
And of course, in Netflix and Amazon,
45
136547
2173
และแน่นอน, Netflix และ Amazon
02:30
it's in the background,
making those recommendations.
making those recommendations.
46
138744
2530
มี AI คอยแนะนำสินค้า
02:33
That's what we have today.
47
141298
1261
นี่คือสิ่งที่เรามีในขณะนี้
02:34
And we have an example, of course,
in a more front-facing aspect of it,
in a more front-facing aspect of it,
48
142583
4801
และเรายังมีตัวอย่างของความสามารถของ AI
ที่อยู่เบื้องหน้ามากขึ้น
ที่อยู่เบื้องหน้ามากขึ้น
เช่น AlphaGo ชนะแชมป์หมากล้อมระดับโลกได้
02:39
with the win of the AlphaGo, who beat
the world's greatest Go champion.
the world's greatest Go champion.
49
147408
6629
02:46
But it's more than that.
50
154478
4053
ยิ่งไปกว่านั้น
หากคุณเล่นวิดีโอเกมส์ คุณกำลังเล่นกับ AI
02:50
If you play a video game,
you're playing against an AI.
you're playing against an AI.
51
158555
2642
เร็วๆนี้ Google สอน AI
02:53
But recently, Google taught their AI
52
161221
4538
ให้สามารถเรียนรู้วิธีการเล่นเกมส์
02:57
to actually learn how to play video games.
53
165783
2412
การสอนให้เล่นเกมส์ได้เกิดขึ้นแล้ว
03:00
Again, teaching video games
was already done,
was already done,
54
168686
2709
03:03
but learning how to play
a video game is another step.
a video game is another step.
55
171419
3897
การสอนให้เล่นเกมส์ถือเป็นอีกขั้น
ในความฉลาดของปัญญาประดิษฐ์
03:07
That's artificial smartness.
56
175340
1678
ที่เรากำลังทำคือทำให้ปัญญาประดิษฐ์เหล่านี้
03:10
What we're doing is taking
this artificial smartness
this artificial smartness
57
178571
4522
03:15
and we're making it smarter and smarter.
58
183117
2423
ฉลาดขึ้นและฉลาดขึ้น
03:18
There are three aspects
to this general trend
to this general trend
59
186710
3895
มีสามอย่างเกี่ยวกับแนวโน้มเหล่านี้
03:22
that I think are underappreciated;
60
190629
1689
ที่ผมคิดว่าถูกให้คุณค่าน้อยไป
03:24
I think we would understand
AI a lot better
AI a lot better
61
192342
2277
ผมคิดว่าเราจะสามารถเข้าใจ AI ได้ดีขึ้น
03:26
if we understood these three things.
62
194643
2301
ถ้าหากเราเข้าใจสามสิ่งนี้
03:28
I think these things also would
help us embrace AI,
help us embrace AI,
63
196968
3283
ผมคิดว่า 3 สิ่งเหล่านี้จะช่วย
ให้เรายอมรับ AI
ให้เรายอมรับ AI
03:32
because it's only by embracing it
that we actually can steer it.
that we actually can steer it.
64
200275
3008
เพราะการยอมรับเท่านั้น
ที่จะสามารถควบคุมทิศทางมันได้
ที่จะสามารถควบคุมทิศทางมันได้
เราสามารถควบคุมทิศทางรายละเอียดได้
โดยยอมรับเทรนด์ภาพใหญ่
โดยยอมรับเทรนด์ภาพใหญ่
03:35
We can actually steer the specifics
by embracing the larger trend.
by embracing the larger trend.
65
203887
3157
03:39
So let me talk about
those three different aspects.
those three different aspects.
66
207467
2979
ดังนั้น ผมจะพูดถึงสามสิ่งที่กล่าวมา
อย่างแรกก็คือ: ความฉลาดของเรา
ยังเข้าใจน้อยมาก
ยังเข้าใจน้อยมาก
03:42
The first one is: our own intelligence
has a very poor understanding
has a very poor understanding
67
210470
3673
03:46
of what intelligence is.
68
214167
1490
ว่าจริงๆแล้ว อะไรคือความฉลาด
03:48
We tend to think of intelligence
as a single dimension,
as a single dimension,
69
216110
3653
เรามักจะคิดถึงความฉลาดแค่เพียงหนึ่งมิติ
03:51
that it's kind of like a note
that gets louder and louder.
that gets louder and louder.
70
219787
2750
เหมือนกับโน้ตตัวเดียวแต่เพิ่มความดังขึ้น
03:54
It starts like with IQ measurement.
71
222561
2607
เหมือนกับการวัด IQ
03:57
It starts with maybe a simple
low IQ in a rat or mouse,
low IQ in a rat or mouse,
72
225192
4092
มันเริ่มมาจากการพบว่าหนูมี IQ ต่ำ
04:01
and maybe there's more in a chimpanzee,
73
229308
2134
และสูงขึ้นในลิงชิมแปนซี
04:03
and then maybe there's more
in a stupid person,
in a stupid person,
74
231887
2191
สูงขึ้นไปอีกในคนโง่
04:06
and then maybe an average
person like myself,
person like myself,
75
234102
2096
และต่อมาก็เป็นคนกลางๆอย่างผม
04:08
and then maybe a genius.
76
236222
1290
และต่อมาก็เป็นคนที่อัจฉริยะ
04:09
And this single IQ intelligence
is getting greater and greater.
is getting greater and greater.
77
237536
4433
และ IQ อย่างเดียวก็จะสูงขึ้นๆ
04:14
That's completely wrong.
78
242516
1151
มันเป็นสิ่งที่ผิดที่สุด
04:15
That's not what intelligence is --
not what human intelligence is, anyway.
not what human intelligence is, anyway.
79
243691
3608
สิ่งเหล่านี้ไม่ใช่ความฉลาดของมนุษย์
04:19
It's much more like a symphony
of different notes,
of different notes,
80
247673
4506
ความฉลาดคล้ายเพลงที่มีการผสานของโน้ตต่างๆ
04:24
and each of these notes is played
on a different instrument of cognition.
on a different instrument of cognition.
81
252203
3609
โน้ตต่างๆถูกบรรเลงด้วยเครื่องมือ
ของการรับรู้สารที่ต่างกัน
ของการรับรู้สารที่ต่างกัน
04:27
There are many types
of intelligences in our own minds.
of intelligences in our own minds.
82
255836
3701
มีความฉลาดหลายด้านในความสามารถของเรา
04:31
We have deductive reasoning,
83
259561
3048
เรามีการให้เหตุผลแบบนิรนัย
04:34
we have emotional intelligence,
84
262633
2221
เรามีความฉลาดทางอารมณ์
04:36
we have spatial intelligence;
85
264878
1393
เรามีความฉลาดด้านมิติสัมพันธ์
04:38
we have maybe 100 different types
that are all grouped together,
that are all grouped together,
86
266295
4021
เรามีความฉลาดอาจถึง 100 ด้านที่เกี่ยวข้อง
04:42
and they vary in different strengths
with different people.
with different people.
87
270340
3905
และแต่ละคนก็มีจุดแข็งในแต่ละด้านแตกต่างกัน
04:46
And of course, if we go to animals,
they also have another basket --
they also have another basket --
88
274269
4526
หากเรามองไปยังสัตว์อื่น พวกมันก็มีความฉลาด
04:50
another symphony of different
kinds of intelligences,
kinds of intelligences,
89
278819
2541
ที่มีความแตกต่างจากความฉลาดของมนุษย์
04:53
and sometimes those same instruments
are the same that we have.
are the same that we have.
90
281384
3566
และบางด้านก็เหมือนกับความฉลาดที่เรามี
04:56
They can think in the same way,
but they may have a different arrangement,
but they may have a different arrangement,
91
284974
3561
พวกมันคิดสิ่งที่เหมือนเรา
แต่มีการจัดเรียงที่แตกต่างออกไป
แต่มีการจัดเรียงที่แตกต่างออกไป
05:00
and maybe they're higher
in some cases than humans,
in some cases than humans,
92
288559
2467
และเหนือกว่ามนุษย์ในบางด้าน
05:03
like long-term memory in a squirrel
is actually phenomenal,
is actually phenomenal,
93
291050
2837
อย่างเช่นความจำระยะยาวของกระรอก
05:05
so it can remember
where it buried its nuts.
where it buried its nuts.
94
293911
2287
ที่สามารถจำได้ว่าพวกมันฝังลูกนัทไว้ที่ใด
05:08
But in other cases they may be lower.
95
296222
1987
แต่ในด้านอื่นพวกมั้นก็ด้อยกว่าเรา
05:10
When we go to make machines,
96
298233
2730
เมื่อเราจะสร้างปัญญาประดิษฐ์
05:12
we're going to engineer
them in the same way,
them in the same way,
97
300987
2196
เรากำลังจะสร้างมันในทิศทางเดียวกัน
05:15
where we'll make some of those types
of smartness much greater than ours,
of smartness much greater than ours,
98
303207
5010
ที่เราจะสร้างให้มันฉลาดกว่าเรามากในบางด้าน
05:20
and many of them won't be
anywhere near ours,
anywhere near ours,
99
308241
2571
และจำนวนมากอาจจะ
ไม่ใกล้เคียงมนุษย์เลย
ไม่ใกล้เคียงมนุษย์เลย
05:22
because they're not needed.
100
310836
1544
เพราะมันไม่จำเป็นต้องเหมือน
05:24
So we're going to take these things,
101
312404
2203
ดังนั้นเรากำลังจะสร้างสิ่งเหล่านี้
05:26
these artificial clusters,
102
314631
2081
กลุ่มของ AI เหล่านี้
05:28
and we'll be adding more varieties
of artificial cognition to our AIs.
of artificial cognition to our AIs.
103
316736
5362
เรากำลังเพิ่มความหลากหลายทางความคิดให้ AI.
05:34
We're going to make them
very, very specific.
very, very specific.
104
322507
4071
และเราจะทำให้มันจำเพาะเจาะจงมากขึ้น
05:38
So your calculator is smarter
than you are in arithmetic already;
than you are in arithmetic already;
105
326602
6542
เครื่องคิดเลขฉลาดเรื่องพีชคณิตกว่าเราแล้ว
05:45
your GPS is smarter
than you are in spatial navigation;
than you are in spatial navigation;
106
333168
3697
GPS ก็ฉลาดกว่าเราในด้านมิติสัมพันธ์
05:49
Google, Bing, are smarter
than you are in long-term memory.
than you are in long-term memory.
107
337337
4258
Google, Bing มีความจำระยะยาวดีกว่าเรา
05:54
And we're going to take, again,
these kinds of different types of thinking
these kinds of different types of thinking
108
342339
4530
และเรากำลังจะทำความคิดที่ต่างกัน
05:58
and we'll put them into, like, a car.
109
346893
1933
และใส่มันลงไปในสิ่งของ เช่น รถยนต์
06:00
The reason why we want to put them
in a car so the car drives,
in a car so the car drives,
110
348850
3057
ด้วยเหตุผลให้มันขับรถแทนเรา
06:03
is because it's not driving like a human.
111
351931
2302
และด้วยเหตุผลที่มันขับรถไม่เหมือนมนุษย์
06:06
It's not thinking like us.
112
354257
1396
มันไม่มีความคิดเหมือนพวกเรา
06:07
That's the whole feature of it.
113
355677
1920
และนี่คือคุณสมบัติของมันทั้งหมด
06:09
It's not being distracted,
114
357621
1535
มันไม่ถูกทำให้ไขว้เขว
06:11
it's not worrying about whether
it left the stove on,
it left the stove on,
115
359180
2754
ไม่กังวลเกี่ยวกับว่าลืมปิดเตาไฟฟ้าหรือไม่
06:13
or whether it should have
majored in finance.
majored in finance.
116
361958
2138
หรือไม่ต้องคิดว่ามันควรจะเรียนการเงินไหม
06:16
It's just driving.
117
364120
1153
มันแค่ขับรถ
06:17
(Laughter)
118
365297
1142
(หัวเราะ)
06:18
Just driving, OK?
119
366463
1841
แค่ขับรถ, ok?
06:20
And we actually might even
come to advertise these
come to advertise these
120
368328
2937
และอันที่จริงเราอาจโฆษณาได้ว่า
06:23
as "consciousness-free."
121
371289
1545
ปราศจากความตระหนักรู้
06:24
They're without consciousness,
122
372858
1774
พวกมันทำงานโดยไม่มีความตระหนักรู้
06:26
they're not concerned about those things,
123
374656
2104
พวกมันไม่กังวลเกี่ยวกับสิ่งต่างๆ
06:28
they're not distracted.
124
376784
1156
และไม่ถูกทำให้ไขว้เขว
06:29
So in general, what we're trying to do
125
377964
2966
โดยรวมแล้ว สิ่งที่เรากำลังพยายามทำ
06:32
is make as many different
types of thinking as we can.
types of thinking as we can.
126
380954
4500
คือสร้างการคิดที่แตกต่างหลายๆแบบ
ให้มากที่สุดเท่าที่ทำได้
ให้มากที่สุดเท่าที่ทำได้
06:37
We're going to populate the space
127
385804
2083
เรากำลังเดินทางเข้าไปยังที่ว่าง
06:39
of all the different possible types,
or species, of thinking.
or species, of thinking.
128
387911
4159
ของความแตกต่างของทุกสายพันธ์ุและความคิด
06:44
And there actually may be some problems
129
392094
2068
อาจจะมีปัญหาบางปัญหา
06:46
that are so difficult
in business and science
in business and science
130
394186
2800
ที่ยากมากๆ ในด้านธุรกิจและวิทยาศาสตร์
06:49
that our own type of human thinking
may not be able to solve them alone.
may not be able to solve them alone.
131
397010
4042
ปัญหาที่ปัญญาของมนุษย์ไม่สามารถหาทางออกได้
06:53
We may need a two-step program,
132
401076
1992
เราต้องการการทำงานสองขั้น
06:55
which is to invent new kinds of thinking
133
403092
4203
ซึ่งจะนำไปสู่การคิดค้นรูปแบบความคิดใหม่
06:59
that we can work alongside of to solve
these really large problems,
these really large problems,
134
407692
3734
ที่เราสามารถทำงานไปควบคู่เพื่อแก้ปัญหา
07:03
say, like dark energy or quantum gravity.
135
411450
2918
เช่น พลังงานมืดหรือความโน้มช่วงเชิงควอนตัม
ที่เราจะทำคือสร้างคือสร้าง AI ที่ฉลาดมากๆ
07:08
What we're doing
is making alien intelligences.
is making alien intelligences.
136
416496
2646
07:11
You might even think of this
as, sort of, artificial aliens
as, sort of, artificial aliens
137
419166
4069
อาจทำให้คุณนึกถึงการสร้างเอเลี่ยน
07:15
in some senses.
138
423259
1207
ในบางความรู้สึก
07:16
And they're going to help
us think different,
us think different,
139
424490
2300
และพวกมันจะช่วยทำเราการคิดในมุมที่แตกต่าง
07:18
because thinking different
is the engine of creation
is the engine of creation
140
426814
3632
เพราะการคิดต่างนั้นคือ
เครื่องจักรของการสร้างสรรค์
เครื่องจักรของการสร้างสรรค์
07:22
and wealth and new economy.
141
430470
1867
ความมั่งคั่งและระบบเศรษฐกิจแบบใหม่
มุมมองอย่างที่สองคือ เรากำลังจะใช้ AI
07:25
The second aspect of this
is that we are going to use AI
is that we are going to use AI
142
433835
4923
07:30
to basically make a second
Industrial Revolution.
Industrial Revolution.
143
438782
2950
ทำให้เกิดการปฏิวัติอุตสาหกรรมครั้งที่สอง
07:34
The first Industrial Revolution
was based on the fact
was based on the fact
144
442135
2773
การปฏิวัติอุตสาหกรรมครั้งแรกมาจากว่า
07:36
that we invented something
I would call artificial power.
I would call artificial power.
145
444932
3462
เราสร้างสิ่งที่ผมเรียกว่ากำลังประดิษฐ์
07:40
Previous to that,
146
448879
1150
ก่อนหน้านั้น
07:42
during the Agricultural Revolution,
147
450053
2034
ในช่วงการปฏิวัติเกษตรกรรม
07:44
everything that was made
had to be made with human muscle
had to be made with human muscle
148
452111
3702
ทุกอย่างถูกสร้างโดยพลังกล้ามเนื้อของมนุษย์
07:47
or animal power.
149
455837
1307
หรือพลังที่มาจากสัตว์
07:49
That was the only way
to get anything done.
to get anything done.
150
457565
2063
นั้นเป็นวิธีเดียวที่จะทำให้ทุกอย่างสำเร็จ
07:51
The great innovation during
the Industrial Revolution was,
the Industrial Revolution was,
151
459652
2945
นวัตกรรมสำคัญในช่วงปฏิวัติอุตสาหกรรมคือ
07:54
we harnessed steam power, fossil fuels,
152
462621
3109
เราใช้พลังงานไอน้ำและเชื้อเพลิงฟอสซิล
07:57
to make this artificial power
that we could use
that we could use
153
465754
3856
เพื่อสร้างพลังงานที่เราสามารถนำไปใช้
08:01
to do anything we wanted to do.
154
469634
1669
ทำในสิ่งที่เราต้องการจะทำ
08:03
So today when you drive down the highway,
155
471327
2772
ดังนั้นตอนนี้เมื่อเราขับรถไปบนถนน
08:06
you are, with a flick of the switch,
commanding 250 horses --
commanding 250 horses --
156
474571
4525
แค่คุณกดสวิตซ์ก็เหมือนควบคุมม้า 250 ตัว
08:11
250 horsepower --
157
479120
1572
250 แรงม้า
08:12
which we can use to build skyscrapers,
to build cities, to build roads,
to build cities, to build roads,
158
480716
4692
ที่เราใช้มันสร้างตึกระฟ้า, เมือง, หรือถนน
08:17
to make factories that would churn out
lines of chairs or refrigerators
lines of chairs or refrigerators
159
485432
5789
สร้างโรงงานเพื่อสร้างเก้าอี้หรือตู้เย็น
08:23
way beyond our own power.
160
491245
1654
ในวิธีที่เหนือกว่าพลังของเราเอง
08:24
And that artificial power can also
be distributed on wires on a grid
be distributed on wires on a grid
161
492923
6111
และเรายังสามารถกระจายพลังงานไปตามสายไฟ
บนระบบไฟฟ้า
บนระบบไฟฟ้า
08:31
to every home, factory, farmstead,
162
499058
3199
ไปยังทุกบ้าน, โรงงาน, ฟาร์มต่างๆ
08:34
and anybody could buy
that artificial power,
that artificial power,
163
502281
4191
และทุกคนสามารถซื้อหาพลังงานเหล่านั้นได้
08:38
just by plugging something in.
164
506496
1472
แค่เสียบสายของอุปกรณ์เข้าไป
08:39
So this was a source
of innovation as well,
of innovation as well,
165
507992
2439
ดังนั้นนวัตกรรมเหล่านี้เช่นกัน
08:42
because a farmer could take
a manual hand pump,
a manual hand pump,
166
510455
3418
เพราะเกษตรกรสามารถนำปั๊มน้ำแบบปั๊มมือ
08:45
and they could add this artificial
power, this electricity,
power, this electricity,
167
513897
2916
แล้วใส่กำลังประดิษฐ์ หรือไฟฟ้าเข้าไป
08:48
and he'd have an electric pump.
168
516837
1497
และเขาก็ได้ใช้ปั๊มน้ำไฟฟ้า
08:50
And you multiply that by thousands
or tens of thousands of times,
or tens of thousands of times,
169
518358
3318
คุณลองคูณพันหรือหมื่่นเข้าไปในสิ่งเหล่านี้
08:53
and that formula was what brought us
the Industrial Revolution.
the Industrial Revolution.
170
521700
3159
และนั่นจะเป็นสูตรที่นำมาสู่
การปฏิวัติอุตสาหกรรม
การปฏิวัติอุตสาหกรรม
08:56
All the things that we see,
all this progress that we now enjoy,
all this progress that we now enjoy,
171
524883
3585
ทุกอย่างที่เราเห็น
ทุกความก้าวหน้าที่เราเพลิดเพลินกับมัน
ทุกความก้าวหน้าที่เราเพลิดเพลินกับมัน
09:00
has come from the fact
that we've done that.
that we've done that.
172
528492
2063
มาจากความจริงที่ว่า
เราทำมันขึ้นมา
เราทำมันขึ้นมา
09:02
We're going to do
the same thing now with AI.
the same thing now with AI.
173
530579
2348
เรากำลังจะทำสิ่งเดียวกันกับ AI
09:04
We're going to distribute that on a grid,
174
532951
2075
เรากำลังจะแจกจ่ายมันเหมือนระบบไฟฟ้า
09:07
and now you can take that electric pump.
175
535050
2374
ตอนนี้คุณมีปั๊มน้ำไฟฟ้า
09:09
You can add some artificial intelligence,
176
537448
2968
คุณสามารถใส่ระบบ AI เข้าไป
09:12
and now you have a smart pump.
177
540440
1481
แล้วก็จะได้ปั๊มน้ำที่มีความฉลาด
09:13
And that, multiplied by a million times,
178
541945
1928
และเมื่อคูณเข้าไปล้านเท่า
09:15
is going to be this second
Industrial Revolution.
Industrial Revolution.
179
543897
2363
ก็จะนำไปสู่การปฏิวัติอุตสาหกรรมครั้งที่สอง
09:18
So now the car is going down the highway,
180
546284
2382
ดังนั้นตอนนี้เมื่อรถขับไปบนถนน
09:20
it's 250 horsepower,
but in addition, it's 250 minds.
but in addition, it's 250 minds.
181
548690
4294
มันใช้กำลัง 250 แรงม้า
แต่นอกจากนั้น จะต้องใช้ 250 ความคิด
แต่นอกจากนั้น จะต้องใช้ 250 ความคิด
09:25
That's the auto-driven car.
182
553008
1769
นั้นคือรถที่ควบคุมโดยระบบอัตโนมัติ
09:26
It's like a new commodity;
183
554801
1389
มันก็เหมือนของใช้แบบใหม่
09:28
it's a new utility.
184
556214
1303
มันคือเครื่องมือใหม่
09:29
The AI is going to flow
across the grid -- the cloud --
across the grid -- the cloud --
185
557541
3041
AI กำลังจะอยู่ไปทุกหนแห่งบนระบบ cloud
09:32
in the same way electricity did.
186
560606
1567
เหมือนที่ไฟฟ้าอยู่ตามสายไฟฟ้า
09:34
So everything that we had electrified,
187
562197
2380
ทุกอย่างที่ทำงานด้วยไฟฟ้าได้
09:36
we're now going to cognify.
188
564601
1723
เรากำลังทำให้มันมีความรู้สึกนึกคิด
09:38
And I owe it to Jeff, then,
189
566693
1385
และผมเป็นหนี้ต่อ Jeff
09:40
that the formula
for the next 10,000 start-ups
for the next 10,000 start-ups
190
568102
3732
เมื่อใช้สูตรเหล่านั้นกับอีกหมื่น start-ups
09:43
is very, very simple,
191
571858
1162
มันง่ายมากๆ
09:45
which is to take x and add AI.
192
573044
3167
เรากำลังจะนำอะไรก็ตามรวมเข้ากับ AI
09:49
That is the formula,
that's what we're going to be doing.
that's what we're going to be doing.
193
577100
2812
นั่นคือสูตรของมัน
นั่นคือสิ่งที่เรากำลังจะทำ
นั่นคือสิ่งที่เรากำลังจะทำ
09:51
And that is the way
in which we're going to make
in which we're going to make
194
579936
3306
และนั่นคือหนทาง
ที่เรากำลังจะทำให้เกิด
ที่เรากำลังจะทำให้เกิด
09:55
this second Industrial Revolution.
195
583266
1858
การปฏิวัติอุตสาหกรรมครั้งที่สองนี้
09:57
And by the way -- right now, this minute,
196
585148
2154
อย่างก็ตามตอนนี้ เวลานี้
09:59
you can log on to Google
197
587326
1169
คุณสามารถใช้ Google
10:00
and you can purchase
AI for six cents, 100 hits.
AI for six cents, 100 hits.
198
588519
3882
เพื่อซื้อหา AI ราคา 6 เซ็นต์ ซักร้อยครั้ง
10:04
That's available right now.
199
592758
1604
มันมีอยู่แล้วในขณะนี้
10:06
So the third aspect of this
200
594386
2286
ดังนั้นในมุมมองที่สาม
10:09
is that when we take this AI
and embody it,
and embody it,
201
597315
2678
เมื่อเรานำ AI มาทำให้มีรูปร่าง
10:12
we get robots.
202
600017
1173
เราก็จะได้หุ่นยนต์
10:13
And robots are going to be bots,
203
601214
1703
และหุ่นยนต์ก็จะเป็นเครื่องมือ
10:14
they're going to be doing many
of the tasks that we have already done.
of the tasks that we have already done.
204
602941
3328
พวกมันจะทำงานหลายๆอย่างที่เราทำได้แล้ว
ทำงานที่เป็นงานหนักซ้ำๆ
10:20
A job is just a bunch of tasks,
205
608357
1528
10:21
so they're going to redefine our jobs
206
609909
1762
พวกมันจะเปลี่ยนวิถีการทำงานของเรา
10:23
because they're going to do
some of those tasks.
some of those tasks.
207
611695
2259
เพราะพวกมันจะทำงานเหล่านั้น
10:25
But they're also going to curate
whole new categories,
whole new categories,
208
613978
3197
แล้วมันจะช่วยจัดการ
งานประเภทใหม่นี้
งานประเภทใหม่นี้
10:29
a whole new slew of tasks
209
617199
2247
รูปแบบงานแบบใหม่ทั้งหมด
10:31
that we didn't know
we wanted to do before.
we wanted to do before.
210
619470
2457
ซึ่งพวกเราไม่เคยรู้มาต้องทำมาก่อน
10:33
They're going to actually
engender new kinds of jobs,
engender new kinds of jobs,
211
621951
3637
ที่จริงแล้วพวกมันกำลังทำให้เกิดงานแบบใหม่
10:37
new kinds of tasks that we want done,
212
625612
2271
รูปแบบงานแบบใหม่ที่เราต้องการให้สำเร็จ
10:39
just as automation made up
a whole bunch of new things
a whole bunch of new things
213
627907
3405
เหมือนกับระบบอัตโนมัติได้สร้าง
สิ่งใหม่ทั้งกระบิมาแล้ว
สิ่งใหม่ทั้งกระบิมาแล้ว
10:43
that we didn't know we needed before,
214
631336
1834
ซึ่งเราก็ไม่เคยรู้ว่าเราต้องการมันมาก่อน
10:45
and now we can't live without them.
215
633194
1956
ตอนนี้เราไม่สามารถมีชีวิตได้หากไม่มีมัน
10:47
So they're going to produce
even more jobs than they take away,
even more jobs than they take away,
216
635174
3956
มันกำลังจะสร้างงานมากกว่าที่มันแย่งงาน
10:51
but it's important that a lot of the tasks
that we're going to give them
that we're going to give them
217
639154
3434
แต่สิ่งสำคัญคืองานที่เรากำลังให้มันทำ
10:54
are tasks that can be defined
in terms of efficiency or productivity.
in terms of efficiency or productivity.
218
642612
4572
นั้นต้องเป็นงานที่สามารถระบุ
ประสิทธิภาพและผลิตภาพได้
ประสิทธิภาพและผลิตภาพได้
10:59
If you can specify a task,
219
647676
1828
หากคุณสามารถกำหนดงาน
11:01
either manual or conceptual,
220
649528
2235
ไม่ว่าจะด้วยระบบมือหรือระบบความคิด
11:03
that can be specified in terms
of efficiency or productivity,
of efficiency or productivity,
221
651787
4780
ที่สามารถระบุประสิทธิภาพและผลิตภาพได้
11:08
that goes to the bots.
222
656591
1777
สิ่งเหล่านั้นจะถูกแทนด้วยหุ่นยนต์
11:10
Productivity is for robots.
223
658758
2178
ผลิตภาพเป็นงานสำหรับหุ่นยนต์
11:12
What we're really good at
is basically wasting time.
is basically wasting time.
224
660960
3070
สิ่งที่มนุษย์ทำได้ดีคือนั่งหายใจทิ้ง
11:16
(Laughter)
225
664054
1028
(หัวเราะ)
11:17
We're really good at things
that are inefficient.
that are inefficient.
226
665106
2316
เราทำได้ดีในสิ่งไร้ประสิทธิภาพ
11:19
Science is inherently inefficient.
227
667446
3025
วิทยาศาสตร์เป็นตัวอย่างการไร้ประสิทธิภาพ
11:22
It runs on that fact that you have
one failure after another.
one failure after another.
228
670816
2906
มันเกิดขึ้นจากความล้มเหลว
ครั้งแล้วครั้งเล่า
ครั้งแล้วครั้งเล่า
11:25
It runs on the fact that you make tests
and experiments that don't work,
and experiments that don't work,
229
673746
3424
มันเกิดจากการทดสอบ
และการทดลองต่างๆที่ใช้ไม่ได้
และการทดลองต่างๆที่ใช้ไม่ได้
11:29
otherwise you're not learning.
230
677194
1442
มิฉะนั้นคุณก็จะไม่ได้เรียนรู้
11:30
It runs on the fact
231
678660
1162
มันตั้งอยู่บนความจริงว่า
11:31
that there is not
a lot of efficiency in it.
a lot of efficiency in it.
232
679846
2083
มันไม่ได้มีประสิทธิภาพอะไรมากมาย
11:33
Innovation by definition is inefficient,
233
681953
2779
นวัตกรรมโดยนิยามแล้วคือความไร้ประสิทธิภาพ
11:36
because you make prototypes,
234
684756
1391
เพราะว่าคุณสร้างต้นแบบ
11:38
because you try stuff that fails,
that doesn't work.
that doesn't work.
235
686171
2707
เพราะคุณลองสิ่งที่ล้มเหลว สิ่งที่ไม่เวิร์ค
11:40
Exploration is inherently inefficiency.
236
688902
3112
การสำรวจก็เป็นตัวอย่างการไร้ประสิทธิภาพ
11:44
Art is not efficient.
237
692038
1531
ศิลปะไม่เกี่ยวกับประสิทธิภาพ
11:45
Human relationships are not efficient.
238
693593
2127
ความสัมพันธ์มนุษย์ไม่เกี่ยวกับประสิทธิภาพ
11:47
These are all the kinds of things
we're going to gravitate to,
we're going to gravitate to,
239
695744
2940
สิ่งเหล่านี้เป็นสิ่งที่เราควรจะมุ่งไป
11:50
because they're not efficient.
240
698708
1475
เพราะมันไม่เกี่ยวกับประสิทธิภาพ
11:52
Efficiency is for robots.
241
700207
2315
ประสิทธิภาพเป็นเรื่องของหุ่นยนต์
เรากำลังเรียนรู้ที่จะ
ทำงานร่วมกับ AI เหล่านี้
ทำงานร่วมกับ AI เหล่านี้
11:55
We're also going to learn
that we're going to work with these AIs
that we're going to work with these AIs
242
703338
4123
11:59
because they think differently than us.
243
707485
1997
เพราะว่าพวกมันคิดแตกต่างจากเรา
เมื่อ Deep Blue เอาชนะแชมป์หมากรุก
12:02
When Deep Blue beat
the world's best chess champion,
the world's best chess champion,
244
710005
4314
12:06
people thought it was the end of chess.
245
714343
1929
ผู้คนคิดว่าจะถึงจุดจบของเกมส์หมากรุก
แต่ปัจจุบัน แชมป์หมากรุกของโลก
12:08
But actually, it turns out that today,
the best chess champion in the world
the best chess champion in the world
246
716296
4402
12:12
is not an AI.
247
720722
1557
ไม่ใช่ AI
12:14
And it's not a human.
248
722906
1181
และไม่ใช่มนุษย์
12:16
It's the team of a human and an AI.
249
724111
2715
แต่เป็นทีมระหว่างมนุษย์และ AI
12:18
The best medical diagnostician
is not a doctor, it's not an AI,
is not a doctor, it's not an AI,
250
726850
4000
กลุ่มแพทย์ที่ดีที่สุด ไม่ใช่มนุษย์หรือ AI
12:22
it's the team.
251
730874
1176
แต่เป็นทีม
12:24
We're going to be working with these AIs,
252
732074
2149
เรากำลังจะทำงานร่วมกับ AI
12:26
and I think you'll be paid in the future
253
734247
1995
และคุณกำลังจะได้ค่าตอบแทนการทำงานในอนาคต
12:28
by how well you work with these bots.
254
736266
2391
โดยคำนวณว่าคุณทำงานกับ AI ได้ดีแค่ไหน
12:31
So that's the third thing,
is that they're different,
is that they're different,
255
739026
4257
นั้นคือเรื่องที่สาม ที่ว่ามันมีความแตกต่าง
12:35
they're utility
256
743307
1165
พวกมันเป็นเครื่องมือ
12:36
and they are going to be something
we work with rather than against.
we work with rather than against.
257
744496
3816
มันจะกลายเป็นสิ่งที่เราต้องร่วมงานด้วย
แทนที่จะต่อต้าน
แทนที่จะต่อต้าน
12:40
We're working with these
rather than against them.
rather than against them.
258
748336
2639
เราต้องร่วมงานกับมันมากกว่าต่อต้าน
12:42
So, the future:
259
750999
1477
ดังนั้นในอนาคต
12:44
Where does that take us?
260
752500
1420
พวกมันจะนำเราไปยังจุดไหน
12:45
I think that 25 years from now,
they'll look back
they'll look back
261
753944
3567
ผมคิดว่าในอีก 25 ปีข้างหน้า
เมื่อพวกมันมองย้อนมา
เมื่อพวกมันมองย้อนมา
12:49
and look at our understanding
of AI and say,
of AI and say,
262
757535
3125
และมองถึงความเข้าใจใน AI ของพวกเรา
และพูดว่า
และพูดว่า
12:52
"You didn't have AI. In fact,
you didn't even have the Internet yet,
you didn't even have the Internet yet,
263
760684
3300
"คุณยังไม่มี AI เลย
ที่จริง คุณยังไม่มี Internet ด้วยซ้ำ
ที่จริง คุณยังไม่มี Internet ด้วยซ้ำ
12:56
compared to what we're going
to have 25 years from now."
to have 25 years from now."
264
764008
2741
เทียบกับสิ่งที่จะเกิดในอีก 25 ปีข้างหน้า"
ตอนนี้ เรายังไม่มีผู้เชี่ยวชาญ AI
12:59
There are no AI experts right now.
265
767849
3047
13:02
There's a lot of money going to it,
266
770920
1699
มีเม็ดเงินมากมายใช้ไปในการพัฒนา
13:04
there are billions of dollars
being spent on it;
being spent on it;
267
772643
2268
เงินเป็นพันล้านที่ใช้กับมัน
13:06
it's a huge business,
268
774935
2164
มันเป็นธุรกิจขนาดใหญ่
13:09
but there are no experts, compared
to what we'll know 20 years from now.
to what we'll know 20 years from now.
269
777123
4272
แต่ยังไม่มีผู้เชี่ยวชาญเลย
เมื่อเทียบกับสิ่งที่จะมีในอีก 20 ปีข้างหน้า
เมื่อเทียบกับสิ่งที่จะมีในอีก 20 ปีข้างหน้า
13:14
So we are just at the beginning
of the beginning,
of the beginning,
270
782064
2885
ดังนั้นเรากำลังอยู่ที่จุดเริ่มต้น
ของจุดเริ่มต้น
ของจุดเริ่มต้น
13:16
we're in the first hour of all this.
271
784973
2163
เรากำลังอยู่ในชั่วโมงแรก
13:19
We're in the first hour of the Internet.
272
787160
1935
เรากำลังอยู่ในชั่วโมงแรกของ Inernet
13:21
We're in the first hour of what's coming.
273
789119
2040
เราอยู่ในชั่วโมงแรกของสิ่งที่กำลังมาถึง
13:23
The most popular AI product
in 20 years from now,
in 20 years from now,
274
791183
4153
AI ที่จะใช้กันอย่างขว้างขวางใน 20 ปีหน้า
13:27
that everybody uses,
275
795360
1444
ที่ทุกคนใช้
13:29
has not been invented yet.
276
797499
1544
ยังไม่ถูกประดิษฐ์ขึ้น
13:32
That means that you're not late.
277
800464
2467
นั้นหมายความว่ายังไม่สายไปสำหรับพวกคุณ
13:35
Thank you.
278
803684
1151
ขอบคุณครับ
13:36
(Laughter)
279
804859
1026
(หัวเราะ)
13:37
(Applause)
280
805909
2757
(เสียงปรบมือ)
ABOUT THE SPEAKER
Kevin Kelly - Digital visionaryThere may be no one better to contemplate the meaning of cultural change than Kevin Kelly, whose life story reads like a treatise on the value and impacts of technology.
Why you should listen
Kelly has been publisher of the Whole Earth Review, executive editor at Wired magazine (which he co-founded, and where he now holds the title of Senior Maverick), founder of visionary nonprofits and writer on biology, business and “cool tools.” He’s renounced all material things save his bicycle (which he then rode 3,000 miles), founded an organization (the All-Species Foundation) to catalog all life on Earth, championed projects that look 10,000 years into the future (at the Long Now Foundation), and more. He’s admired for his acute perspectives on technology and its relevance to history, biology and society. His new book, The Inevitable, just published, explores 12 technological forces that will shape our future.
Kevin Kelly | Speaker | TED.com