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

Why you should listen

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

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

Why you should listen

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

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

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

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

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

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

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

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

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

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

Sebastian Thrun ve Chris Anderson: Kendini programlayan yeni nesil bilgisayarlar

Filmed:
1,575,780 views

Eğitimci ve girişimci Sebastian Thrun, insanlığı tekrar eden çalışmalardan kurtarmak ve yaratıcılığımızı ortaya çıkarmak için yapay zekâyı kullanmak istiyor. TED Yöneticisi Chris Anderson'la ilham verici ve bilgilendirici bir konuşmada Thrun, derin öğrenmenin ilerlemesini, kontrolden çıkacak olan yapay zekadan neden korkmamamız gerektiğini ve makinelerin yardımıyla sıkıcı ve yorucu çalışmalar olmadığında toplumun nasıl daha iyi olacağını tartışıyor. Thrun "İlginç şeylerin sadece yüzde birinin icat edildi" diyor. "Hepimizin son derece yaratıcı olduğumuza inanıyorum ... [Yapay Zekâ] yaratıcılığı eyleme dönüştürmeyi sağlayacak."
- Educator, entrepreneur
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us. Full bio - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading. Full bio

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

Chris Anderson: Makine öğrenimini
anlamamıza yardımcı ol
00:12
ChrisChris AndersonAnderson: Help us understandanlama
what machinemakine learningöğrenme is,
0
904
2886
çünkü yapay zekâ etrafında dönüp duran
00:15
because that seemsgörünüyor to be the keyanahtar driversürücü
1
3814
2054
00:17
of so much of the excitementheyecan
and alsoAyrıca of the concernilgilendirmek
2
5892
2737
heyecanın ve ilginin çoğunun
temel etkeni bu gibi gözüküyor.
00:20
around artificialyapay intelligencezeka.
3
8653
1494
Makine öğrenimi nasıl çalışır?
00:22
How does machinemakine learningöğrenme work?
4
10171
1643
Sebastian Thrun: Yapay zekâ
ve makine öğrenimi, ortalama
00:23
SebastianSebastian ThrunThrun: So, artificialyapay
intelligencezeka and machinemakine learningöğrenme
5
11838
3896
00:27
is about 60 yearsyıl oldeski
6
15758
2002
60 yıllık şeyler
00:29
and has not had a great day
in its pastgeçmiş untila kadar recentlyson günlerde.
7
17784
4269
ve yakın zamana kadar, geçmişte
güzel günler geçirmediler.
00:34
And the reasonneden is that todaybugün,
8
22077
2924
Bunun nedeni günümüzde
00:37
we have reachedulaştı a scaleölçek
of computingbilgi işlem and datasetsveri kümeleri
9
25025
3973
makineleri zeki hale getirmek için
gerekli olan hesaplama ve
00:41
that was necessarygerekli to make machinesmakineler smartakıllı.
10
29022
2637
veri seti ölçeğine ulaşmış olmamız.
00:43
So here'sburada how it worksEserleri.
11
31683
1751
İşler şu şekilde yürüyor.
00:45
If you programprogram a computerbilgisayar todaybugün,
say, your phonetelefon,
12
33458
3497
Bugün diyelim ki telefonunuzu
programlayacak olsanız,
00:48
then you hirekiralama softwareyazılım engineersmühendisler
13
36979
2335
yazılım mühendislerini işe alırsınız
00:51
that writeyazmak a very,
very long kitchenmutfak recipeyemek tarifi,
14
39338
3854
ve onlar da şunun gibi
çok uzun bir tarif yazmaya başlarlar:
00:55
like, "If the waterSu is too hotSıcak,
turndönüş down the temperaturesıcaklık.
15
43216
3132
"Eğer su çok sıcaksa, ısıyı düşür.
00:58
If it's too coldsoğuk, turndönüş up
the temperaturesıcaklık."
16
46372
2279
Eğer çok soğuksa, ısıyı yükselt."
01:00
The recipesyemek tarifleri are not just 10 lineshatlar long.
17
48675
2849
Bu tarifler 10 satır uzunluğunda değildir.
01:03
They are millionsmilyonlarca of lineshatlar long.
18
51548
2603
Milyonlarca satır uzunluğundadır.
01:06
A modernmodern cellhücre phonetelefon
has 12 millionmilyon lineshatlar of codekod.
19
54175
4084
Modern bir cep telefonunun
12 milyon kod satırı vardır.
01:10
A browserTarayıcı has fivebeş millionmilyon lineshatlar of codekod.
20
58283
2646
İnternet tarayıcısında
beş milyon satır kod var.
01:12
And eachher bugböcek in this recipeyemek tarifi
can causesebeb olmak your computerbilgisayar to crashkaza.
21
60953
4969
Ve bu tarifteki her bir hata
bilgisayarın çökmesine neden olabilir.
01:17
That's why a softwareyazılım engineermühendis
makesmarkaları so much moneypara.
22
65946
3075
O yüzden bir yazılım mühendisi
çok para kazanır.
01:21
The newyeni thing now is that computersbilgisayarlar
can find theironların ownkendi ruleskurallar.
23
69953
3660
Yeni olan şey bilgisayarların
kendi kurallarını bulabiliyor olması.
01:25
So insteadyerine of an expertuzman
decipheringdeşifre, stepadım by stepadım,
24
73637
3606
Yani bir uzmanın adım adım
şifre çözmesi,
01:29
a rulekural for everyher contingencyolasılık,
25
77267
2148
her olasılık için
bir kural koyması yerine,
01:31
what you do now is you give
the computerbilgisayar examplesörnekler
26
79439
3074
artık bilgisayara örnekler veriyorsunuz
ve o da kendi kurallarını çıkartıyor.
01:34
and have it infersonucuna its ownkendi ruleskurallar.
27
82537
1581
01:36
A really good exampleörnek is AlphaGoAlphaGo,
whichhangi recentlyson günlerde was wonwon by GoogleGoogle.
28
84142
4306
Yakın zamanda Google'nin kazandığı
AlphaGo çok iyi bir örnek.
01:40
NormallyNormalde, in gameoyun playingoynama,
you would really writeyazmak down all the ruleskurallar,
29
88472
3687
Normalde, oyun oynamada,
tüm kuralları oturup yazardınız
01:44
but in AlphaGo'sAlphaGo'nın casedurum,
30
92183
1785
ama AlphaGo konusunda,
01:45
the systemsistem lookedbaktı over a millionmilyon gamesoyunlar
31
93992
2066
sistem bir milyon oyunu inceledi
01:48
and was ableyapabilmek to infersonucuna its ownkendi ruleskurallar
32
96082
2192
ve kendi kurallarını üreterek
01:50
and then beatdövmek the world'sDünyanın en
residingikamet eden Go championşampiyon.
33
98298
2738
Go dünya şampiyonunu yendi.
01:53
That is excitingheyecan verici, because it relievesrahatlatır
the softwareyazılım engineermühendis
34
101853
3509
Bu heyecan verici bir şey çünkü
böylece yazılım mühendisi
01:57
of the need of beingolmak superSüper smartakıllı,
35
105386
1819
çok zeki olması gerektiği düşünmüyor
01:59
and pushesiter the burdenyük towardskarşı the dataveri.
36
107229
2325
ve yükü veriye yüklüyor.
02:01
As I said, the inflectiondönüm pointpuan
where this has becomeolmak really possiblemümkün --
37
109578
4534
Dediğim gibi, bunun mümkün olduğu
bükülme noktası --
02:06
very embarrassingutanç verici, my thesistez
was about machinemakine learningöğrenme.
38
114136
2746
çok utanç verici, tezim
makine öğrenimi hakkındaydı.
Ehemmiyetsiz bir şey, okumayın
02:08
It was completelytamamen
insignificantönemsiz, don't readokumak it,
39
116906
2205
çünkü bu 20 yıl önceydi
02:11
because it was 20 yearsyıl agoönce
40
119135
1350
ve o zamanlar, bilgisayarlar
hamamböceği beyni kadar büyüktü.
02:12
and back then, the computersbilgisayarlar
were as bigbüyük as a cockroachHamam böceği brainbeyin.
41
120509
2907
Şimdi ise bir tür özelleştirilmiş
insan düşüncesini
02:15
Now they are powerfulgüçlü enoughyeterli
to really emulatetaklit
42
123440
2331
02:17
kindtür of specializeduzman humaninsan thinkingdüşünme.
43
125795
2076
taklit edecek kadar güçlüler.
02:19
And then the computersbilgisayarlar
take advantageavantaj of the factgerçek
44
127895
2313
Ve bilgisayarlar insanlardan
çok daha fazla veriye
02:22
that they can look at
much more dataveri than people can.
45
130232
2500
bakabiliyor olmalarından yararlanıyorlar.
02:24
So I'd say AlphaGoAlphaGo lookedbaktı at
more than a millionmilyon gamesoyunlar.
46
132756
3080
AlphaGo'nun bir milyondan fazla
oyunu incelediğini söyleyeyim.
02:27
No humaninsan expertuzman can ever
studyders çalışma a millionmilyon gamesoyunlar.
47
135860
2839
Hiçbir uzman bir milyon oyuna çalışamaz.
02:30
GoogleGoogle has lookedbaktı at over
a hundredyüz billionmilyar web pagessayfalar.
48
138723
3182
Google bir milyardan fazla
web sayfasını inceledi.
02:33
No personkişi can ever studyders çalışma
a hundredyüz billionmilyar web pagessayfalar.
49
141929
2650
Hiçbir insan bir milyar
web sayfasını inceleyemez.
02:36
So as a resultsonuç,
the computerbilgisayar can find ruleskurallar
50
144603
2714
Sonuç olarak, bilgisayarlar
insanların bile bulamayacağı
02:39
that even people can't find.
51
147341
1755
kuralları bulabilirler.
02:41
CACA: So insteadyerine of looking aheadönde
to, "If he does that, I will do that,"
52
149120
4312
CA: Yani "O şunu yaparsa,
ben de şöyle yapacağım." yerine
02:45
it's more sayingsöz, "Here is what
looksgörünüyor like a winningkazanan patternmodel,
53
153456
3072
daha çok: "İşte bu işe yarar
bir hamleye benziyor."
02:48
here is what looksgörünüyor like
a winningkazanan patternmodel."
54
156552
2079
gibi bir inceleme yapıyor.
ST: Yani, çocukları
nasıl yetiştirdiğinizi düşünün.
02:50
STST: Yeah. I mean, think about
how you raiseyükseltmek childrençocuklar.
55
158655
2517
İlk 18 yıl, çocuğa her olasılık için
bir kural vererek özgür bırakayım da
02:53
You don't spendharcamak the first 18 yearsyıl
givingvererek kidsçocuklar a rulekural for everyher contingencyolasılık
56
161196
3644
o da bu büyük programla
yaşasın demezsiniz.
02:56
and setset them freeücretsiz
and they have this bigbüyük programprogram.
57
164864
2347
Tökezlerler, düşerler, kalkarlar,
yanağa veya popoya şaplak yerler
02:59
They stumbleyanılmak, falldüşmek, get up,
they get slappedtokatladı or spankedşaplak,
58
167235
2719
03:01
and they have a positivepozitif experiencedeneyim,
a good gradesınıf in schoolokul,
59
169978
2884
ve olumlu bir deneyim yaşar,
okulda iyi notlar alır
03:04
and they figureşekil it out on theironların ownkendi.
60
172886
1834
ve olayları kendileri hallederler.
03:06
That's happeningolay with computersbilgisayarlar now,
61
174744
1737
Şimdi bilgisayarlarla da olan bu.
Böylece bilgisayar programlama
birden çok daha kolay bir hâl aldı.
03:08
whichhangi makesmarkaları computerbilgisayar programmingprogramlama
so much easierDaha kolay all of a suddenani.
62
176505
3029
03:11
Now we don't have to think anymoreartık.
We just give them lots of dataveri.
63
179558
3175
Artık düşünmemiz gerekmiyor.
Sadece onlara yığınla veri veriyoruz.
03:14
CACA: And so, this has been keyanahtar
to the spectacularmuhteşem improvementgelişme iyilesme duzelme ilerleme
64
182757
3422
CA: Ve bu, sürücüsüz araçların
gücündeki olağanüstü gelişimde
03:18
in powergüç of self-drivingkendi kendine sürüş carsarabalar.
65
186203
3064
kilit rol oynuyor.
03:21
I think you gaveverdi me an exampleörnek.
66
189291
1739
Bana bir örnek vermiştin.
03:23
Can you explainaçıklamak what's happeningolay here?
67
191054
2685
Burada ne olduğunu açıklayabilir misin?
03:25
STST: This is a drivesürücü of a self-drivingkendi kendine sürüş cararaba
68
193763
3564
ST: Bu, Udacity'de gerçekleşen
03:29
that we happenedolmuş to have at UdacityUdacity
69
197351
1957
sürücüsüz aracın sürüşü
ve yakın zamanda
03:31
and recentlyson günlerde madeyapılmış
into a spin-offspin-off calleddenilen VoyageYolculuk.
70
199332
2398
Voyage adında bir alt şirkete dönüştü.
03:33
We have used this thing
calleddenilen deepderin learningöğrenme
71
201754
2574
Derin öğrenme denen şeyi
bir aracın sürüşünü
03:36
to traintren a cararaba to drivesürücü itselfkendisi,
72
204352
1623
geliştirmesi için kullandık.
03:37
and this is drivingsürme
from MountainDağ ViewGörünüm, CaliforniaCalifornia,
73
205999
2387
Bu araç yağmurlu bir günde,
Mountain View, Kaliforniya'dan çıkarak
03:40
to SanSan FranciscoFrancisco
74
208410
1168
El Camino Real yolu üzerinden
03:41
on ElEl CaminoCamino RealGerçek on a rainyYağmurlu day,
75
209602
2259
San Francisco'ya gidiyor.
03:43
with bicyclistsbicyclists and pedestriansyayalar
and 133 traffictrafik lightsışıklar.
76
211885
3524
Yolda bisikletli, yaya ve
133 trafik lambası bulunuyor.
03:47
And the novelyeni thing here is,
77
215433
2636
Ve burada ilginç olan şey,
03:50
manyçok, manyçok moonsuyduları agoönce, I startedbaşladı
the GoogleGoogle self-drivingkendi kendine sürüş cararaba teamtakım.
78
218093
3120
çok uzun zaman önce, Google
sürücüsüz araç takımını kurdum.
03:53
And back in the day, I hiredkiralanmış
the world'sDünyanın en besten iyi softwareyazılım engineersmühendisler
79
221237
3181
Ve o zaman, dünyanın
en iyi kurallarını bulmak için
dünyanın en iyi yazılım
mühendislerini işe aldım.
03:56
to find the world'sDünyanın en besten iyi ruleskurallar.
80
224442
1607
03:58
This is just trainedeğitilmiş.
81
226073
1754
Bu eğitimli bir araç.
03:59
We drivesürücü this roadyol 20 timeszamanlar,
82
227851
3336
Bu yolu 20 kez turladık,
04:03
we put all this dataveri
into the computerbilgisayar brainbeyin,
83
231211
2447
tüm veriyi bilgisayarın beynine koyduk
04:05
and after a fewaz hourssaatler of processingişleme,
84
233682
2082
ve birkaç saatlik işlemden sonra
04:07
it comesgeliyor up with behaviordavranış
that oftensık sık surpassesaşan humaninsan agilityçeviklik.
85
235788
3926
çoğu zaman insan kıvraklığını aşan
davranışlar ortaya koydu.
Onu programlamak çok kolay oldu.
04:11
So it's becomeolmak really easykolay to programprogram it.
86
239738
2017
Yüzde 100 otonom olarak yaklaşık
50 kilometre, bir buçuk saat yol aldı.
04:13
This is 100 percentyüzde autonomousözerk,
about 33 milesmil, an hoursaat and a halfyarım.
87
241779
3803
04:17
CACA: So, explainaçıklamak it -- on the bigbüyük partBölüm
of this programprogram on the left,
88
245606
3630
CA: Açıklar mısın, soldaki
bu programın büyük kısmında
04:21
you're seeinggörme basicallytemel olarak what
the computerbilgisayar seesgörür as truckskamyonlar and carsarabalar
89
249260
3257
bilgisayar kamyon ve arabalar yerine
04:24
and those dotsnoktalar overtakingsollama it and so forthileri.
90
252541
2886
bu noktaların onu solladığını görüyor.
04:27
STST: On the right sideyan, you see the camerakamera
imagegörüntü, whichhangi is the mainana inputgiriş here,
91
255451
3762
ST: Sağ tarafta, ana bilgi olan
kamera görüntüsünü görüyorsunuz
ve bunu şeritleri, diğer araçları,
trafik ışıklarını bulmada kullanılıyor.
04:31
and it's used to find lanesşerit,
other carsarabalar, traffictrafik lightsışıklar.
92
259237
2676
04:33
The vehiclearaç has a radarradar
to do distancemesafe estimationtahmin.
93
261937
2489
Araçta uzaklık tahmini için
bir radar bulunuyor.
04:36
This is very commonlyçoğunlukla used
in these kindtür of systemssistemler.
94
264450
2621
Bu tür sistemlerde çok sık kullanılıyor.
04:39
On the left sideyan you see a laserlazer diagramdiyagram,
95
267095
1992
Sol tarafta lazer grafiği görüyorsunuz,
04:41
where you see obstaclesengeller like treesağaçlar
and so on depictedtasvir by the laserlazer.
96
269111
3200
orada ise lazerin tarif ettiği
ağaç gibi engelleri görüyorsunuz.
04:44
But almostneredeyse all the interestingilginç work
is centeringmerkezleme on the camerakamera imagegörüntü now.
97
272335
3436
Fakat çoğu ilginç iş kamera
görüntüsünde toplanıyor.
Radar ve lazer gibi
hassas algılayıcılardan
04:47
We're really shiftingdeğişken over from precisionhassas
sensorssensörler like radarsRadarlar and laserslazerler
98
275795
3476
çok ucuz, normal algılayıcılara
geçiş yapıyoruz.
04:51
into very cheapucuz, commoditizedHammaddeleşti sensorssensörler.
99
279295
1842
Bir kameranın maliyeti
sekiz dolardan daha az.
04:53
A camerakamera costsmaliyetler lessaz than eightsekiz dollarsdolar.
100
281161
1987
04:55
CACA: And that greenyeşil dotnokta
on the left thing, what is that?
101
283172
2793
CA: Ve soldaki o yeşil nokta nedir?
04:57
Is that anything meaningfulanlamlı?
102
285989
1371
Anlamlı bir şey mi?
04:59
STST: This is a look-aheadileriye bakarak pointpuan
for your adaptiveadaptif cruiseCruise controlkontrol,
103
287384
3668
ST: Bu, uyarlanabilir seyir kontrolünüz
için bir ileri bakış noktasıdır
05:03
so it helpsyardım eder us understandanlama
how to regulatedüzenleyen velocityhız
104
291076
2477
ve önünüzdeki arabaların ne kadar
uzakta olduğuna bağlı olarak
05:05
basedmerkezli on how faruzak
the carsarabalar in frontön of you are.
105
293577
2634
hızı ayarlamamıza yardımcı olur.
05:08
CACA: And so, you've alsoAyrıca
got an exampleörnek, I think,
106
296235
2716
CA: Öğrenme kısmının
nasıl olduğu ile alakalı da
05:10
of how the actualgerçek
learningöğrenme partBölüm takes placeyer.
107
298975
2381
bir örneğin vardır diye düşünüyorum.
Belki bunu da görebiliriz.
Bundan bahset.
05:13
Maybe we can see that. Talk about this.
108
301380
2458
ST: Bu, Udacity'nin Nanodegree
sürücüsüz araç programında
05:15
STST: This is an exampleörnek where we posedpoz verdi
a challengemeydan okuma to UdacityUdacity studentsöğrencilerin
109
303862
3643
05:19
to take what we call
a self-drivingkendi kendine sürüş cararaba NanodegreeNanodegree.
110
307529
3131
öğrencileri zorlamak için
yaptığımız bir örnek.
05:22
We gaveverdi them this datasetveri kümesi
111
310684
1495
Onlara veri setini verdik ve:
"Hey, bu arabayı nasıl idare
edeceğinizi bulabilir misiniz?" dedik.
05:24
and said "Hey, can you guys figureşekil out
how to steerSteer this cararaba?"
112
312203
3054
05:27
And if you look at the imagesGörüntüler,
113
315281
1624
Görüntüye bakacak olursanız,
05:28
it's, even for humansinsanlar, quiteoldukça impossibleimkansız
to get the steeringyönetim right.
114
316929
4073
insanlar için bile direksiyon hâkimiyetini
halletmek oldukça imkânsız.
05:33
And we ranran a competitionyarışma and said,
"It's a deepderin learningöğrenme competitionyarışma,
115
321026
3591
Bir yarışma düzenledik ve
"Bu bir derin öğrenme yarışması,
Yapay Zekâ yarışması." dedik
05:36
AIAI competitionyarışma,"
116
324641
1173
05:37
and we gaveverdi the studentsöğrencilerin 48 hourssaatler.
117
325838
1887
ve öğrencilere 48 saat verdik.
05:39
So if you are a softwareyazılım houseev
like GoogleGoogle or FacebookFacebook,
118
327749
4172
Eğer Google ve Facebook gibi
bir yazılım evi iseniz,
bunun gibi bir şey en azından
altı haftalık bir iş demektir.
05:43
something like this costsmaliyetler you
at leasten az sixaltı monthsay of work.
119
331945
2717
05:46
So we figuredanladım 48 hourssaatler is great.
120
334686
2202
Bu nedenle 48 saatin
harika olduğunu düşündük.
05:48
And withiniçinde 48 hourssaatler, we got about
100 submissionsgönderimler from studentsöğrencilerin,
121
336912
3467
Ve 48 saat içinde, öğrencilerden
yaklaşık 100 bildirim aldık
ve en iyi dört bunu
mükemmel şekilde halletti.
05:52
and the topüst fourdört got it perfectlykusursuzca right.
122
340403
3370
Bu araç, derin öğrenmeyi kullanarak
benim gidebileceğimden
05:55
It drivessürücüler better than I could
drivesürücü on this imagerygörüntüler,
123
343797
2640
05:58
usingkullanma deepderin learningöğrenme.
124
346461
1189
daha iyi gidiyor.
05:59
And again, it's the sameaynı methodologymetodoloji.
125
347674
1799
Ve tekrar ediyorum, bu aynı yöntem.
06:01
It's this magicalbüyülü thing.
126
349497
1164
Bu büyülü bir şey.
06:02
When you give enoughyeterli dataveri
to a computerbilgisayar now,
127
350685
2085
Artık bir bilgisayara yeterli veri
ve veriyi kavraması için
yeterli süre verirseniz
06:04
and give enoughyeterli time
to comprehendanlamak the dataveri,
128
352794
2140
kendi kurallarını bulur.
06:06
it findsbuluntular its ownkendi ruleskurallar.
129
354958
1445
06:09
CACA: And so that has led to the developmentgelişme
of powerfulgüçlü applicationsuygulamaları
130
357339
4845
CA: Ve bu tüm alanlarda
güçlü uygulamaların
gelişmesine neden oldu.
06:14
in all sortssıralar of areasalanlar.
131
362208
1525
06:15
You were talkingkonuşma to me
the other day about cancerkanser.
132
363757
2668
Geçen gün benimle
kanser hakkında konuşuyordun.
Videoyu gösterebilir miyim?
06:18
Can I showgöstermek this videovideo?
133
366449
1189
06:19
STST: Yeah, absolutelykesinlikle, please.
CACA: This is coolgüzel.
134
367662
2354
ST: Evet, lütfen.
CA: Harika.
06:22
STST: This is kindtür of an insightIçgörü
into what's happeningolay
135
370040
3534
ST: Tamamen farklı bir alanda
neler olduğunu göstermesi açısından
06:25
in a completelytamamen differentfarklı domaindomain.
136
373598
2429
güzel bir örnek.
06:28
This is augmentingartırmada, or competingrakip --
137
376051
3752
Bunun güçlendirdiği
veya rekabet ettiği kişiler
06:31
it's in the eyegöz of the beholderseyirci --
138
379827
1749
- nasıl ifade etmek isterseniz -
06:33
with people who are beingolmak paidödenmiş
400,000 dollarsdolar a yearyıl,
139
381600
3454
yılda 400 bin dolar ödenen insanlar olan
06:37
dermatologistsDermatologlar,
140
385078
1237
cildiye uzmanları,
06:38
highlybüyük ölçüde trainedeğitilmiş specialistsuzmanlar.
141
386339
1983
yüksek eğitimli uzmanlar.
06:40
It takes more than a decadeonyıl of trainingEğitim
to be a good dermatologistdermatolog.
142
388346
3561
İyi bir cildiye uzmanı olmak için
10 yıldan fazla deneyim gerekir.
06:43
What you see here is
the machinemakine learningöğrenme versionversiyon of it.
143
391931
3196
Burada gördüğünüz şey bunun
makine öğrenimi versiyonu.
06:47
It's calleddenilen a neuralsinirsel network.
144
395151
1841
Buna sinir ağı deniyor.
Sinir ağları makine öğrenimi algoritmaları
için kullanılan teknik terimdir.
06:49
"NeuralSinir networksağlar" is the technicalteknik termterim
for these machinemakine learningöğrenme algorithmsalgoritmalar.
145
397016
3742
1980'lerden beri varlar.
06:52
They'veOnlar ettik been around sincedan beri the 1980s.
146
400782
1789
Bu, 1988'de Facebook kurucularından olan
Yann LeCun tarafından bulundu
06:54
This one was inventedicat edildi in 1988
by a FacebookFacebook FellowAdam calleddenilen YannYann LeCunLeCun,
147
402595
4640
06:59
and it propagatesyayar dataveri stagesaşamaları
148
407259
3558
ve bunun yaptığı şey insan beyni olarak
düşünebileceğiniz şey aracılığıyla
07:02
throughvasitasiyla what you could think of
as the humaninsan brainbeyin.
149
410841
2578
veri aşamalarını üretmektir.
07:05
It's not quiteoldukça the sameaynı thing,
but it emulatesöykünür the sameaynı thing.
150
413443
2966
Pek aynı şey sayılmaz
ama aynı şeyi taklit eder.
07:08
It goesgider stageevre after stageevre.
151
416433
1302
Aşama aşama ilerler.
07:09
In the very first stageevre, it takes
the visualgörsel inputgiriş and extractsözler edgeskenarları
152
417759
3637
İlk aşamada, görsel girdiyi alır
ve kenarları,
07:13
and rodsçubuklar and dotsnoktalar.
153
421420
2612
çizgi ve noktaları çıkarır.
07:16
And the nextSonraki one becomesolur
more complicatedkarmaşık edgeskenarları
154
424056
3037
Ve bir sonraki küçük yarımay gibi
07:19
and shapesşekiller like little half-moonsHalf-Moons.
155
427117
3191
daha karmaşık kenarlar ve şekillerdir.
07:22
And eventuallysonunda, it's ableyapabilmek to buildinşa etmek
really complicatedkarmaşık conceptskavramlar.
156
430332
4443
Ve sonuç olarak çok karmaşık
kavramlar inşa edebilir.
07:26
AndrewAndrew NgNG has been ableyapabilmek to showgöstermek
157
434799
2048
Andrew Ng bunun
07:28
that it's ableyapabilmek to find
catkedi facesyüzleri and dogköpek facesyüzleri
158
436871
3480
çok büyük miktardaki resimlerden
kedi ve köpek yüzlerini
07:32
in vastgeniş amountsmiktarlar of imagesGörüntüler.
159
440375
1661
bulabildiğini gösterebildi.
07:34
What my studentÖğrenci teamtakım
at StanfordStanford has showngösterilen is that
160
442060
2724
Stanford'daki öğrenci takımım,
tümör ve ur içeren 129 bin resimle
07:36
if you traintren it on 129,000 imagesGörüntüler
of skincilt conditionskoşullar,
161
444808
6073
07:42
includingdahil olmak üzere melanomaMelanom and carcinomasKarsinoma,
162
450905
2565
sistemi eğittiğinizde
07:45
you can do as good a job
163
453494
3301
en iyi cildiye uzmanları kadar
07:48
as the besten iyi humaninsan dermatologistsDermatologlar.
164
456819
2197
iyi bir iş çıkarabileceğinizi gösterdi.
07:51
And to convinceikna etmek ourselveskendimizi
that this is the casedurum,
165
459040
2549
Durumun böyle olduğuna
kendimizi ikna etmek için
07:53
we capturedyakalanan an independentbağımsız datasetveri kümesi
that we presentedsunulan to our network
166
461613
3990
ağımıza ve 25 kurul sertifikalı,
Stanford düzeyinde
07:57
and to 25 board-certifiedonay belgeli yapay organ
Stanford-levelStanford düzeyi dermatologistsDermatologlar,
167
465627
4342
cildiye uzmanına sunduğumuz
bağımsız bir veri kümesi topladık
08:01
and comparedkarşılaştırıldığında those.
168
469993
1672
ve onları karşılaştırdık.
08:03
And in mostçoğu casesvakalar,
169
471689
1504
Ve çoğu durumda,
08:05
they were eitherya on parpar or aboveyukarıdaki
the performanceperformans classificationsınıflandırma accuracydoğruluk
170
473217
3875
insan cildiye uzmanlarıyla
ya eşit ya da daha üstün
sınıflandırma doğruluğu gösterdiler.
08:09
of humaninsan dermatologistsDermatologlar.
171
477116
1467
08:10
CACA: You were tellingsöylüyorum me an anecdoteanekdot.
172
478607
1746
CA: Bana bir olay anlatıyordun.
08:12
I think about this imagegörüntü right here.
173
480377
1957
Sanırım bu resimle ilgiliydi.
08:14
What happenedolmuş here?
174
482358
1484
Orada ne oldu?
08:15
STST: This was last ThursdayPerşembe.
That's a movinghareketli pieceparça.
175
483866
4008
ST: Bu geçen Perşembeydi.
Dokunaklı bir olay.
08:19
What we'vebiz ettik showngösterilen before and we publishedyayınlanan
in "NatureDoğa" earlierdaha erken this yearyıl
176
487898
3600
Burada gösterdiğimiz ve "Nature"
dergisinde yayınladığımız şeylerdeki fikir
cildiye uzmanlarına ve bilgisayarımıza
08:23
was this ideaFikir that we showgöstermek
dermatologistsDermatologlar imagesGörüntüler
177
491522
2484
resimler göstermek
08:26
and our computerbilgisayar programprogram imagesGörüntüler,
178
494030
1539
ve ne kadar doğru yaprıklarını saymaktı.
08:27
and countsaymak how oftensık sık they're right.
179
495593
1627
08:29
But all these imagesGörüntüler are pastgeçmiş imagesGörüntüler.
180
497244
1778
Fakat tüm bu resimler eski resimler.
08:31
They'veOnlar ettik all been biopsiedBiyopsi to make sure
we had the correctdoğru classificationsınıflandırma.
181
499046
3460
Doğru sınıflandırma yaptığımızdan
emin olmak için hepsine biyopsi yapıldı.
Buna yapılmadı.
08:34
This one wasn'tdeğildi.
182
502530
1172
08:35
This one was actuallyaslında donetamam at StanfordStanford
by one of our collaboratorsortak çalışanlar.
183
503726
3179
Bu aslında Stanford'daki iş arkadaşımız
tarafından yapıldı.
08:38
The storyÖykü goesgider that our collaboratorişbirlikçi,
184
506929
2314
Anlatılana göre,
dünya çapında ünlü, en iyi üç kişiden
biri olan cildiye uzmanı arkadaşımız
08:41
who is a world-famousdünyaca ünlü dermatologistdermatolog,
one of the threeüç besten iyi, apparentlygörünüşe göre,
185
509267
3391
08:44
lookedbaktı at this moleKöstebek and said,
"This is not skincilt cancerkanser."
186
512682
2935
bu lekeye bakmış ve
"Bu cilt kanseri değil." demiş.
08:47
And then he had
a secondikinci momentan, where he said,
187
515641
2476
Ve sonra tekrar düşünmüş ve
"Bir de uygulama ile
kontrol edelim." demiş.
08:50
"Well, let me just checkKontrol with the appUygulamanın."
188
518141
1866
Telefonunu çıkarmış, tabiri caizse
08:52
So he tookaldı out his iPhoneiPhone
and ranran our pieceparça of softwareyazılım,
189
520031
2699
08:54
our "pocketcep dermatologistdermatolog," so to speakkonuşmak,
190
522754
2121
bizim "cep cildiye uzmanı"mızı açmış
08:56
and the iPhoneiPhone said: cancerkanser.
191
524899
2994
ve telefon kanser demiş.
08:59
It said melanomaMelanom.
192
527917
1306
Tümör olduğunu söylemiş.
Doktorun kafası karışmış.
09:01
And then he was confusedŞaşkın.
193
529849
1233
09:03
And he decidedkarar, "OK, maybe I trustgüven
the iPhoneiPhone a little bitbit more than myselfkendim,"
194
531106
4551
"Pekâlâ, belki de telefona
kendimden fazla güveniyorum." demiş
09:07
and he sentgönderilen it out to the lablaboratuvar
to get it biopsiedBiyopsi.
195
535681
2735
ve örneği biyopsi için
laboratuvara göndermiş.
09:10
And it camegeldi up as an aggressiveagresif melanomaMelanom.
196
538440
2469
Ve sonuç kötü huylu tümör çıkmış.
09:13
So I think this mightbelki be the first time
that we actuallyaslında foundbulunan,
197
541545
3067
Bence derin öğrenmeyi
09:16
in the practiceuygulama of usingkullanma deepderin learningöğrenme,
198
544636
2487
sahada uygulayarak ilk defa,
09:19
an actualgerçek personkişi whosekimin melanomaMelanom
would have gonegitmiş unclassifiedsınıflandırılmamış,
199
547147
3372
derin öğrenme olmasaydı
tümörü tespit edilememiş olacak
09:22
had it not been for deepderin learningöğrenme.
200
550543
2115
gerçek bir kişi bulmuş olduk.
09:24
CACA: I mean, that's incredibleinanılmaz.
201
552682
1560
CA: Bu inanılmaz bir şey.
09:26
(ApplauseAlkış)
202
554266
1769
(Alkışlar)
09:28
It feelshissediyor like there'dkırmızı be an instantanlık demandtalep
for an appUygulamanın like this right now,
203
556059
3600
Şu anda bunun gibi bir uygulama için
anlık bir talep olabilir gibi geliyor,
09:31
that you mightbelki freakanormal out a lot of people.
204
559683
1966
birçok insanı korkutabilirsiniz.
09:33
Are you thinkingdüşünme of doing this,
makingyapma an appUygulamanın that allowsverir self-checkingkendi kendini denetleme?
205
561673
3527
Otomatik kontrol sağlayacak bir uygulama
yapmayı düşünüyor musunuz?
ST: E-posta kutum kanser
uygulamalarıyla dolup taşıyor,
09:37
STST: So my in-box is floodedsular altında
about cancerkanser appsuygulamaların,
206
565224
4973
09:42
with heartbreakingyürek storieshikayeleri of people.
207
570221
2303
çok üzücü hikâyeler var.
09:44
I mean, some people have had
10, 15, 20 melanomasmelanomlar removedçıkarıldı,
208
572548
3204
Yani, kimisinin 10, 15, 20 tümörü alınmış
09:47
and are scaredkorkmuş that one
mightbelki be overlookedgözden kaçan, like this one,
209
575776
3952
ve bunun gibi, gözden kaçmasından
korkuyorlar
ve bundan başka
09:51
and alsoAyrıca, about, I don't know,
210
579752
1741
uçan arabalar ve bugünlerde
konuşmacı araştırmaları var.
09:53
flyinguçan carsarabalar and speakerkonuşmacı inquiriessorular
these daysgünler, I guesstahmin.
211
581517
2732
09:56
My take is, we need more testingtest yapmak.
212
584273
2738
Bana göre daha çok teste ihtiyacımız var.
09:59
I want to be very carefuldikkatli.
213
587449
1778
Çok dikkatli olmak istiyorum.
10:01
It's very easykolay to give a flashygösterişli resultsonuç
and impressetkilemek a TEDTED audienceseyirci.
214
589251
3666
Göz alıcı sonuçlar verip TED izleyicisini
etkilemek çok kolaydır.
10:04
It's much harderDaha güçlü to put
something out that's ethicalahlâki.
215
592941
2627
Etik olan bir şey ortaya koymak
çok daha zordur.
Ve eğer insanlar
10:07
And if people were to use the appUygulamanın
216
595592
2394
bu uygulamayı kullansa
ve yanlış yaptıklarını düşünerek
10:10
and chooseseçmek not to consultdanışın
the assistanceyardım of a doctordoktor
217
598010
2797
bir doktora danışmamayı seçerse
10:12
because we get it wrongyanlış,
218
600831
1583
10:14
I would feel really badkötü about it.
219
602438
1653
kendimi çok kötü hissederim.
10:16
So we're currentlyşu anda doing clinicalklinik teststestler,
220
604115
1925
Şu anda, klinik testler yapıyoruz
10:18
and if these clinicalklinik teststestler commencebaşlamak
and our dataveri holdstutar up,
221
606064
2798
ve eğer bu klinik testler başlar
ve verilerimiz dayanırsa
10:20
we mightbelki be ableyapabilmek at some pointpuan
to take this kindtür of technologyteknoloji
222
608886
2990
bir noktada bu teknolojiyi alıp
Stanford kliniklerinden dışarıya taşıyarak
10:23
and take it out of the StanfordStanford clinicklinik
223
611900
1892
ve bunu tüm dünyaya,
10:25
and bringgetirmek it to the entiretüm worldDünya,
224
613816
1658
Stanford doktorlarının hiç
ayak basmadığı yerlere götürebiliriz.
10:27
placesyerler where StanfordStanford
doctorsdoktorlar never, ever setset footayak.
225
615498
2456
10:30
CACA: And do I hearduymak this right,
226
618617
2580
CA: Doğru mu duyuyorum,
10:33
that it seemedgibiydi like what you were sayingsöz,
227
621221
1966
söylediğin şey kulağa şöyle geliyor.
10:35
because you are workingçalışma
with this armyordu of UdacityUdacity studentsöğrencilerin,
228
623211
4254
Udacity öğrenci ordusuyla çalışarak
10:39
that in a way, you're applyinguygulayarak
a differentfarklı formform of machinemakine learningöğrenme
229
627489
3221
bir bakıma bir şirkette
yer alabilecek farklı bir tür
10:42
than mightbelki take placeyer in a companyşirket,
230
630734
1735
makine öğrenimi uyguluyorsun,
10:44
whichhangi is you're combiningbirleştirme machinemakine learningöğrenme
with a formform of crowdkalabalık wisdombilgelik.
231
632493
3484
makine öğrenimini bir tür
kitle aklıyla birleştiriyorsun.
10:48
Are you sayingsöz that sometimesara sıra you think
that could actuallyaslında outperformdaha iyi performans
232
636001
3384
Bunun çok büyük bir şirketin bile
yapabildiklerinden daha iyisini
yapabileceğini mi söylüyorsun?
10:51
what a companyşirket can do,
even a vastgeniş companyşirket?
233
639409
2050
ST: Artık aklımı başımdan alan
olaylar olduğuna inanıyorum
10:53
STST: I believe there's now
instancesörnekleri that blowdarbe my mindus,
234
641483
2940
10:56
and I'm still tryingçalışıyor to understandanlama.
235
644447
1758
ve hâlâ anlamaya çalışıyorum.
10:58
What ChrisChris is referringatıfta to
is these competitionsyarışmalar that we runkoş.
236
646229
3937
Chris yaptığımız bu yarışmalara
atıfta bulunuyor.
11:02
We turndönüş them around in 48 hourssaatler,
237
650190
2268
Onlara 48 saat verdik
ve ara caddeler üzerinden
11:04
and we'vebiz ettik been ableyapabilmek to buildinşa etmek
a self-drivingkendi kendine sürüş cararaba
238
652482
2252
Mountain View'den San Francisco'ya
gidebilen sürücüsüz bir araç yapabildik.
11:06
that can drivesürücü from MountainDağ ViewGörünüm
to SanSan FranciscoFrancisco on surfaceyüzey streetssokaklar.
239
654758
3387
11:10
It's not quiteoldukça on parpar with GoogleGoogle
after sevenYedi yearsyıl of GoogleGoogle work,
240
658169
3584
Yedi yıllık bir Google çalışmasından sonra
pek Google'la eşit durumda değil
11:13
but it's gettingalma there.
241
661777
2528
ama oraya gidiyor.
11:16
And it tookaldı us only two engineersmühendisler
and threeüç monthsay to do this.
242
664329
3084
Ve bunu yapmamız iki mühendisle
üç ay sürdü.
11:19
And the reasonneden is, we have
an armyordu of studentsöğrencilerin
243
667437
2856
Ve bunun sebebi de, yarışmalarda yer alan
11:22
who participatekatılmak in competitionsyarışmalar.
244
670317
1850
bir öğrenci ordumuzun olmasıdır.
11:24
We're not the only onesolanlar
who use crowdsourcingcrowdsourcing.
245
672191
2220
Kitle kaynağı kullanan sadece biz değiliz.
11:26
UberUber and DidiDidi use crowdsourcecrowdsource for drivingsürme.
246
674435
2223
Uber ve Didi sürüş için
kitle kaynağı kullanıyor.
11:28
AirbnbAirbnb useskullanımları crowdsourcingcrowdsourcing for hotelsoteller.
247
676682
2759
Airbnb oteller için
kitle kaynağı kullanıyor.
11:31
There's now manyçok examplesörnekler
where people do bug-findinghata bulma crowdsourcingcrowdsourcing
248
679465
4007
Hata bulma veya protein katlanması gibi
11:35
or proteinprotein foldingkatlama, of all things,
in crowdsourcingcrowdsourcing.
249
683496
2804
kitle kaynağın kullanıldığı
pek çok örnek mevcut.
Fakat biz bu arabayı
üç ay içinde geliştirdik,
11:38
But we'vebiz ettik been ableyapabilmek to buildinşa etmek
this cararaba in threeüç monthsay,
250
686324
2915
11:41
so I am actuallyaslında rethinkingtekrar düşünme
251
689263
3655
o yüzden şirketleri nasıl
organize ettiğimiz üzerinde
11:44
how we organizedüzenlemek corporationsşirketler.
252
692942
2238
yeniden düşünüyorum.
11:47
We have a staffpersonel of 9,000 people
who are never hiredkiralanmış,
253
695204
4696
Asla kovmadığım, asla işe almadığım
9.000 kişiden oluşan
bir ekibimiz var.
11:51
that I never fireateş.
254
699924
1308
Birden ortaya çıkıp çalışmaya
başladılar ve haberim bile yoktu.
11:53
They showgöstermek up to work
and I don't even know.
255
701256
2362
11:55
Then they submitGönder to me
maybe 9,000 answerscevaplar.
256
703642
3058
Ve bana 9.000 cevap ibraz ettiler.
Bunların herhangi birini
kullanmak zorunda değildim.
11:58
I'm not obligedyükümlü to use any of those.
257
706724
2176
12:00
I endson up -- I payödeme only the winnerskazananlar,
258
708924
1991
Sonunda sadece kazananlara öderim,
12:02
so I'm actuallyaslında very cheapskatecimri here,
whichhangi is maybe not the besten iyi thing to do.
259
710939
3718
aslında burada çok beleşçiyim,
ki belki bu yapılacak en iyi şey değildi.
Onlar bunu eğitimlerinin bir parçası
olarak görüyorlar ki bu çok güzel.
12:06
But they considerdüşünmek it partBölüm
of theironların educationEğitim, too, whichhangi is niceGüzel.
260
714681
3185
Fakat bu öğrenciler müthiş derin öğrenme
sonuçları üretmeyi başardılar.
12:09
But these studentsöğrencilerin have been ableyapabilmek
to produceüretmek amazingşaşırtıcı deepderin learningöğrenme resultsSonuçlar.
261
717890
4201
12:14
So yeah, the synthesissentez of great people
and great machinemakine learningöğrenme is amazingşaşırtıcı.
262
722115
3861
Yani evet, harika insanların ve
harika makine öğrenimi birleşimi muhteşem.
CA: Gary Kasparov ilk gün
12:18
CACA: I mean, GaryGary KasparovKasparov said on
the first day [of TEDTED2017]
263
726000
2814
satrancı kazananların, şaşırtıcı şekilde,
üç vasat-üstü bilgisayar programı olan
12:20
that the winnerskazananlar of chesssatranç, surprisinglyşaşırtıcı biçimde,
turneddönük out to be two amateuramatör chesssatranç playersoyuncu
264
728848
5412
12:26
with threeüç mediocre-ishmediocre-ish,
mediocre-to-goodiyi vasat, computerbilgisayar programsprogramlar,
265
734284
5371
iki amatör satranç
oyuncusu olduğu söyledi.
12:31
that could outperformdaha iyi performans one grandbüyük masterana
with one great chesssatranç playeroyuncu,
266
739679
3163
Böyle bir şeyle büyük bir ustadan
üstün gelinebilir.
12:34
like it was all partBölüm of the processsüreç.
267
742866
1743
Sanki hepsi sürecin bir parçasıydı.
12:36
And it almostneredeyse seemsgörünüyor like
you're talkingkonuşma about a much richerzengin versionversiyon
268
744633
3335
Ve neredeyse aynı fikrin
daha zengin bir sürümünden
12:39
of that sameaynı ideaFikir.
269
747992
1200
bahsediyorsun gibi.
12:41
STST: Yeah, I mean, as you followedtakip etti
the fantasticfantastik panelspaneller yesterdaydün morningsabah,
270
749216
3857
ST: Evet, yani, dün sabah
harika panellerden takip ettiğin gibi,
Yapay Zekâ (AI) hakkında robot hükümdarlar
ve insan tepkisi başlığıyla
12:45
two sessionsoturumları about AIAI,
271
753097
1994
12:47
roboticrobotik overlordsOverlords and the humaninsan responsetepki,
272
755115
2167
iki oturum gerçekleşti.
12:49
manyçok, manyçok great things were said.
273
757306
1982
Çok, çok harika şeyler söylendi.
12:51
But one of the concernsendişeler is
that we sometimesara sıra confusekarıştırmayın
274
759312
2687
Fakat endişelerden biri bazen
AI ile asıl yapılan şeyleri
12:54
what's actuallyaslında been donetamam with AIAI
with this kindtür of overlordOverlord threattehdit,
275
762023
4062
bu tür insana hükmetme
tehdidi ile karıştırmamız.
12:58
where your AIAI developsgeliştirir
consciousnessbilinç, right?
276
766109
3424
Yapay zekânın
bilinç geliştirmesi, değil mi?
En son isteyeceğim şey yapay zekâmın
bilinç sahibi olmasıdır.
13:01
The last thing I want
is for my AIAI to have consciousnessbilinç.
277
769557
2971
Mutfağıma geldiğimde
13:04
I don't want to come into my kitchenmutfak
278
772552
1716
13:06
and have the refrigeratorbuzdolabı falldüşmek in love
with the dishwasherBulaşık makinesi
279
774292
4193
buzdolabının bulaşık makinesine
aşık olmuş hâlde görmek
ve nazik olmadığım için
yiyeceklerin artık sıcak olacağını
13:10
and tell me, because I wasn'tdeğildi niceGüzel enoughyeterli,
280
778509
2124
söylemesini istemem.
13:12
my foodGıda is now warmIlık, hafif sıcak.
281
780657
1837
13:14
I wouldn'tolmaz buysatın almak these productsÜrünler,
and I don't want them.
282
782518
2891
Bu ürünleri satın almak istemem,
onları istemem.
13:17
But the truthhakikat is, for me,
283
785825
1802
Ama benim için hakikat şudur;
13:19
AIAI has always been
an augmentationbüyüme of people.
284
787651
2720
AI daima insana bir takviye olmuştur.
13:22
It's been an augmentationbüyüme of us,
285
790893
1676
Bizi daha güçlü yapmak için
13:24
to make us strongergüçlü.
286
792593
1457
bir takviyedir.
13:26
And I think KasparovKasparov was exactlykesinlikle correctdoğru.
287
794074
2831
Ve bence Kasparov kesinlikle haklıydı.
Bizi güçlü kılan şey
insan ve makine zekâsının
13:28
It's been the combinationkombinasyon
of humaninsan smartsSmarts and machinemakine smartsSmarts
288
796929
3849
13:32
that make us strongergüçlü.
289
800802
1464
birleşimi olmuştur.
13:34
The themetema of machinesmakineler makingyapma us strongergüçlü
is as oldeski as machinesmakineler are.
290
802290
4587
Makinelerin bizi güçlendirmesi fikri
makineler kadar eskidir.
Tarım devriminin gerçekleşme nedeni
buhar makinelerinin
13:39
The agriculturaltarım revolutiondevrim tookaldı
placeyer because it madeyapılmış steambuhar enginesmotorlar
291
807567
3758
ve tarım aletlerinin kendi kendine
tarım yapamamasıydı
13:43
and farmingtarım equipmentekipman
that couldn'tcould farmÇiftlik by itselfkendisi,
292
811349
2666
ki bu bizi devreden çıkarmadı,
bizi daha güçlü kıldı.
13:46
that never replaceddeğiştirilir us;
it madeyapılmış us strongergüçlü.
293
814039
2122
13:48
And I believe this newyeni wavedalga of AIAI
will make us much, much strongergüçlü
294
816185
3738
Ve inanıyorum ki bu yeni AI dalgası
bizi insan ırkı olarak
çok daha güçlü kılacaktır.
13:51
as a humaninsan raceyarış.
295
819947
1183
13:53
CACA: We'llWe'll come on to that a bitbit more,
296
821765
1813
CA: Buna biraz daha deyineceğiz
13:55
but just to continuedevam et with the scarykorkutucu partBölüm
of this for some people,
297
823602
3671
fakat konunun bazı insanlar için
korkutucu olan kısmına devam edelim.
13:59
like, what feelshissediyor like it getsalır
scarykorkutucu for people is when you have
298
827297
3558
İnsanları korkutan şey şu:
Bir bilgisayar kendi
kodunu yazabildiğinde,
14:02
a computerbilgisayar that can, one,
rewriteyeniden yazmak its ownkendi codekod,
299
830879
4618
14:07
so, it can createyaratmak
multipleçoklu copieskopyalar of itselfkendisi,
300
835521
3584
kendi kopyalarını yaratabilir,
farklı kod sürümleri deneyebilir,
14:11
try a bunchDemet of differentfarklı codekod versionsversiyonları,
301
839129
1897
muhtemelen de bunu gelişigüzel yapar
14:13
possiblybelki even at randomrasgele,
302
841050
1775
14:14
and then checkKontrol them out and see
if a goalhedef is achievedelde and improvedgelişmiş.
303
842849
3632
ve bir hedefe ulaşıldığını ve
gelişimini kontrol edebilir.
14:18
So, say the goalhedef is to do better
on an intelligencezeka testÖlçek.
304
846505
3641
Diyelim ki, hedef zekâ testinden
daha iyi yapmak.
14:22
You know, a computerbilgisayar
that's moderatelyorta derecede good at that,
305
850170
3894
Bu işte kısmen iyi olan bir bilgisayarla
bunun milyonlarca çeşidini deneyebilirsin.
14:26
you could try a millionmilyon versionsversiyonları of that.
306
854088
2509
Daha iyi olan bir tane bulursun
14:28
You mightbelki find one that was better,
307
856621
2090
14:30
and then, you know, repeattekrar et.
308
858735
2004
ve sonra bunu tekrar edersin.
14:32
And so the concernilgilendirmek is that you get
some sortçeşit of runawayKaçmak effectEfekt
309
860763
3040
Buradaki endişe kontrolden çıkması.
14:35
where everything is fine
on ThursdayPerşembe eveningakşam,
310
863827
3008
Perşembe gecesi her şey yerindedir
ama Cuma sabahı laboratuvara gelirsiniz
14:38
and you come back into the lablaboratuvar
on FridayCuma morningsabah,
311
866859
2336
ve bilgisayarların hızlı olması nedeniyle
14:41
and because of the speedhız
of computersbilgisayarlar and so forthileri,
312
869219
2449
işler çığırından çıkmıştır ve birden --
14:43
things have gonegitmiş crazyçılgın, and suddenlyaniden --
313
871692
1903
ST: Bunun bir ihtimal olduğunu
söyleyebilirim
14:45
STST: I would say this is a possibilityolasılık,
314
873619
2020
14:47
but it's a very remoteuzak possibilityolasılık.
315
875663
1916
ama çok uzak bir ihtimal.
14:49
So let me just translateÇevirmek
what I heardduymuş you say.
316
877603
3337
Dediğinden ne anladığımı
tercüme etmeme müsaade et.
14:52
In the AlphaGoAlphaGo casedurum,
we had exactlykesinlikle this thing:
317
880964
2704
AlphaGo durumunda,
kesinlikle şöyle bir durum var:
bilgisayar oyunu kendisi oynar
14:55
the computerbilgisayar would playoyun
the gameoyun againstkarşısında itselfkendisi
318
883692
2315
ve yeni kurallar öğrenir.
14:58
and then learnöğrenmek newyeni ruleskurallar.
319
886031
1250
14:59
And what machinemakine learningöğrenme is
is a rewritingyeniden yazma of the ruleskurallar.
320
887305
3235
Makine öğrenimi ise
kuralların tekrar yazılmasıdır.
Kodun yeniden yazımıdır.
15:02
It's the rewritingyeniden yazma of codekod.
321
890564
1769
Fakat AlpaGo'nun dünyayı
ele geçirmesi gibi
15:04
But I think there was
absolutelykesinlikle no concernilgilendirmek
322
892357
2845
15:07
that AlphaGoAlphaGo would take over the worldDünya.
323
895226
2426
bir endişenin olduğunu
kesinlikle düşünmüyorum.
15:09
It can't even playoyun chesssatranç.
324
897676
1464
Satranç bile oynayamaz.
15:11
CACA: No, no, no, but now,
these are all very single-domainTek etki alanı things.
325
899164
5147
CA: Evet ama bunların hepsi
tek etki alanı olan şeyler.
15:16
But it's possiblemümkün to imaginehayal etmek.
326
904335
2879
Ama bunu hayal etmek mümkün.
Yani, üniversite giriş sınavını geçen
15:19
I mean, we just saw a computerbilgisayar
that seemedgibiydi nearlyneredeyse capableyetenekli
327
907238
3089
bir bilgisayar gördük.
15:22
of passinggeçen a universityÜniversite entranceGiriş testÖlçek,
328
910351
2655
15:25
that can kindtür of -- it can't readokumak
and understandanlama in the senseduyu that we can,
329
913030
3688
Bizim gibi okuyup anlayamayabiliyor
ama tüm metni kesinlikle kavrıyor
15:28
but it can certainlykesinlikle absorbemmek all the textMetin
330
916742
1987
ve belki anlamın
ileri kalıplarını görüyor.
15:30
and maybe see increasedartmış
patternsdesenler of meaninganlam.
331
918753
2899
15:33
Isn't there a chanceşans that,
as this broadensgenişletiyor out,
332
921676
3694
Peki bu genişledikçe farklı şekilde
kontrolden çıkma şansı yok mu?
15:37
there could be a differentfarklı
kindtür of runawayKaçmak effectEfekt?
333
925394
2466
ST: Açıkcası, orada bir sınır koyuyorum.
15:39
STST: That's where
I drawçekmek the linehat, honestlydürüstçe.
334
927884
2078
İhtimal var, bunu önemsiz
göstermek istemiyorum
15:41
And the chanceşans existsvar --
I don't want to downplayTürkiye'nin üyeliğiyle it --
335
929986
2643
fakat uzak olduğunu düşünüyorum ve
bu günlerde aklımda olan bir şey değil,
15:44
but I think it's remoteuzak, and it's not
the thing that's on my mindus these daysgünler,
336
932653
3672
çünkü büyük devrim başka bir şey.
15:48
because I think the bigbüyük revolutiondevrim
is something elsebaşka.
337
936349
2512
Günümüze kadar yapay zekâda
başarılı olan her şey
15:50
Everything successfulbaşarılı in AIAI
to the presentmevcut datetarih
338
938885
2922
15:53
has been extremelyson derece specializeduzman,
339
941831
2214
son derece özelleşmişti
15:56
and it's been thrivinggelişen on a singletek ideaFikir,
340
944069
2489
ve tek bir fikir üzerinde büyüyordu
ki o da muazzam miktarda veridir.
15:58
whichhangi is massivemasif amountsmiktarlar of dataveri.
341
946582
2739
16:01
The reasonneden AlphaGoAlphaGo worksEserleri so well
is because of massivemasif numberssayılar of Go playsoyunlar,
342
949345
4147
AlphaGO'nun çok iyi çalışmasının nedeni
muazzam sayıda Go oyunudur
16:05
and AlphaGoAlphaGo can't drivesürücü a cararaba
or flyuçmak a planeuçak.
343
953516
3255
ve AlphaGo bir araba veya uçak kullanamaz.
16:08
The GoogleGoogle self-drivingkendi kendine sürüş cararaba
or the UdacityUdacity self-drivingkendi kendine sürüş cararaba
344
956795
3031
Google'ın sürücüsüz aracı veya
Udacity sürücüsüz aracı
muazzam miktarda veriyle gelişiyor
ve başka bir şey yapamıyor.
16:11
thrivesbüyür on massivemasif amountsmiktarlar of dataveri,
and it can't do anything elsebaşka.
345
959850
3240
Bir motosikleti bile kontrol edemez.
16:15
It can't even controlkontrol a motorcyclemotosiklet.
346
963114
1727
Çok belirli, alana özel işlev
16:16
It's a very specificözel,
domain-specificetki alanına özgü functionfonksiyon,
347
964865
2762
ve aynısı kanser uygulamamız
için de geçerli.
16:19
and the sameaynı is truedoğru for our cancerkanser appUygulamanın.
348
967651
1907
16:21
There has been almostneredeyse no progressilerleme
on this thing calleddenilen "generalgenel AIAI,"
349
969582
3236
"Genel AI" denen şeyle ilgili
neredeyse hiçbir gelişme olmadı,
16:24
where you go to an AIAI and say,
"Hey, inventicat etmek for me specialözel relativityizafiyet
350
972842
4000
yani gidip şunu diyemezsiniz:
"Hey, benim için özel izafiyet
veya sicim teorisi icat et."
16:28
or stringsicim theoryteori."
351
976866
1666
16:30
It's totallybütünüyle in the infancybebeklik.
352
978556
1931
Henüz emekleme evresinde.
16:32
The reasonneden I want to emphasizevurgu yapmak this,
353
980511
2127
Bunu vurguluyorum çünkü
16:34
I see the concernsendişeler,
and I want to acknowledgekabul them.
354
982662
3838
endişeleri görüyorum ve onları anlıyorum.
16:38
But if I were to think about one thing,
355
986524
2886
Fakat eğer bir şeyi düşünecek olursam,
16:41
I would asksormak myselfkendim the questionsoru,
"What if we can take anything repetitivetekrarlayan
356
989434
5563
kendime şu soruyu sorarım:
"Tekrarlayan bir şeyi alıp
16:47
and make ourselveskendimizi
100 timeszamanlar as efficientverimli?"
357
995021
3473
kendimizi 100 kat daha verimli
yapsak nasıl olur?"
16:51
It so turnsdönüşler out, 300 yearsyıl agoönce,
we all workedişlenmiş in agriculturetarım
358
999170
4249
300 yıl önce hepimiz tarımla uğraşıyorduk
ve çiftçilik yapıyorduk ve hep
aynı şeyleri yapıyorduk.
16:55
and did farmingtarım and did repetitivetekrarlayan things.
359
1003443
2051
Bugün, %75'imiz ofiste çalışıyor
16:57
TodayBugün, 75 percentyüzde of us work in officesbürolar
360
1005518
2556
17:00
and do repetitivetekrarlayan things.
361
1008098
2124
ve hep aynı işi yapıyor.
17:02
We'veBiz ettik becomeolmak spreadsheettablo monkeysmaymunlar.
362
1010246
2183
Hesap çizelgesi maymunları haline geldik.
17:04
And not just low-enddüşük-uç laboremek.
363
1012453
2054
Alt sınıf işçiler de değil,
17:06
We'veBiz ettik becomeolmak dermatologistsDermatologlar
doing repetitivetekrarlayan things,
364
1014531
2754
aynı şeyleri yapan cildiye uzmanları,
17:09
lawyersavukatları doing repetitivetekrarlayan things.
365
1017309
1749
aynı şeyleri yapan avukatlar olduk.
17:11
I think we are at the brinkkenar
of beingolmak ableyapabilmek to take an AIAI,
366
1019082
3823
Bence kendimize bir yapay zekâ
alabiliyor olmanın eşiğindeyiz.
17:14
look over our shouldersomuzlar,
367
1022929
1718
Diken üstüne olacağız ama
17:16
and they make us maybe 10 or 50 timeszamanlar
as effectiveetkili in these repetitivetekrarlayan things.
368
1024671
4058
bizi bu tekrarlı işlerde
10-50 kat daha etkili yapacaklar.
17:20
That's what is on my mindus.
369
1028753
1275
Benim aklımdaki şey bu.
17:22
CACA: That soundssesleri superSüper excitingheyecan verici.
370
1030052
2450
CA: Bu kulağa oldukça
heyecan verici geliyor.
17:24
The processsüreç of gettingalma there seemsgörünüyor
a little terrifyingdehşet verici to some people,
371
1032526
3530
İşin bu noktalara gelmesi
bazı insanlar için korkutucu görünüyor
çünkü bir bilgisayar tekrarlı işleri
cildiye uzmanından
17:28
because oncebir Zamanlar a computerbilgisayar
can do this repetitivetekrarlayan thing
372
1036080
3180
17:31
much better than the dermatologistdermatolog
373
1039284
3434
çok daha iyi yapabildiğinde
17:34
or than the driversürücü, especiallyözellikle,
is the thing that's talkedkonuştuk about
374
1042742
3230
- veya bir şoförden, şu anda
özellikle de bu konu konuşuluyor -
17:37
so much now,
375
1045996
1290
milyonlarca iş alanı yok olacak
17:39
suddenlyaniden millionsmilyonlarca of jobsMeslekler go,
376
1047310
1958
17:41
and, you know, the country'sülkenin in revolutiondevrim
377
1049292
2695
ve mümkün olan şeylerin
muhteşem yönlerine erişmeden
17:44
before we ever get to the more
gloriousşanlı aspectsyönleri of what's possiblemümkün.
378
1052011
4329
ülkemiz devrim içerisine girecek.
ST: Evet, bu bir mesele
ve büyük bir mesele
17:48
STST: Yeah, and that's an issuekonu,
and it's a bigbüyük issuekonu,
379
1056364
2517
ve bu, dün sabah birkaç misafir konuşmacı
tarafından dile getirildi.
17:50
and it was pointedişaretlendi out yesterdaydün morningsabah
by severalbirkaç guestKonuk speakershoparlörler.
380
1058905
4196
17:55
Now, priorönceki to me showinggösterme up onstagesahnede,
381
1063125
2754
Ben sahneye çıkmadan önce,
17:57
I confesseditiraf etti I'm a positivepozitif,
optimisticiyimser personkişi,
382
1065903
3739
olumlu, iyimser bir insan
olduğumu itiraf ettim,
18:01
so let me give you an optimisticiyimser pitchzift,
383
1069666
2389
o yüzden size iyimser bir tablo çizeyim.
18:04
whichhangi is, think of yourselfkendin
back 300 yearsyıl agoönce.
384
1072079
4795
Kendinizi 300 yıl önce düşünün.
18:08
EuropeEurope just survivedhayatta 140 yearsyıl
of continuoussürekli warsavaş,
385
1076898
3996
Avrupa henüz 140 yıl süren
savaştan çıkmış,
hiçbiriniz okuyor veya yazmıyorsunuz,
18:12
noneYok of you could readokumak or writeyazmak,
386
1080918
1711
18:14
there were no jobsMeslekler that you holdambar todaybugün,
387
1082653
2945
bugün sahip olduğunuz işlerin hiçbiri yok;
18:17
like investmentyatırım bankerbankacı
or softwareyazılım engineermühendis or TVTV anchorÇapa.
388
1085622
4096
yatırım bankeri veya yazılım mühendisi
veya televizyon sunucusu.
18:21
We would all be in the fieldsalanlar and farmingtarım.
389
1089742
2414
Hepimiz tarlalarda tarım yapıyor olurduk.
18:24
Now here comesgeliyor little SebastianSebastian
with a little steambuhar enginemotor in his pocketcep,
390
1092180
3573
Şimdi Küçük Sebastian cebinde
küçük bir buharlı motorla gelir
ve şöyle der: "Millet, şuna bakın.
18:27
sayingsöz, "Hey guys, look at this.
391
1095777
1548
Bu sizi 100 kat güçlü kılacak,
başka şeyler de yapabileceksiniz."
18:29
It's going to make you 100 timeszamanlar
as stronggüçlü, so you can do something elsebaşka."
392
1097349
3595
Ve o zamanlar gerçek bir sahne yoktur,
18:32
And then back in the day,
there was no realgerçek stageevre,
393
1100968
2470
ama Chris ve ben ahırda
ineklerle takılıyoruzdur
18:35
but ChrisChris and I hangasmak out
with the cowsinekler in the stablekararlı,
394
1103462
2526
ve bana şöyle der: "Çok endişeleniyorum,
18:38
and he saysdiyor, "I'm really
concernedilgili about it,
395
1106012
2100
çünkü her gün inekleri sağıyorum.
Ya bunu benim yerime makineler yaparsa?"
18:40
because I milkSüt my cowinek everyher day,
and what if the machinemakine does this for me?"
396
1108136
3652
Bunu şu yüzden söylüyorum;
18:43
The reasonneden why I mentionsöz etmek this is,
397
1111812
1702
geçmiş gelişmeleri ve faydalarını
kabul etme konusunda her zaman iyiyizdir,
18:46
we're always good in acknowledgingkabul
pastgeçmiş progressilerleme and the benefityarar of it,
398
1114360
3603
iPhone'larınız veya uçaklarımız
veya elektrik, tıbbi malzeme gibi.
18:49
like our iPhonesiPhone or our planesdüzlemler
or electricityelektrik or medicaltıbbi supplyarz.
399
1117987
3354
18:53
We all love to livecanlı to 80,
whichhangi was impossibleimkansız 300 yearsyıl agoönce.
400
1121365
4245
Hepimiz 80 yaşına kadar yaşamak isteriz,
ki bu 300 yıl önce imkânsızdı.
Fakat aynı kuralları
gelecek için uygulamıyoruz gibi.
18:57
But we kindtür of don't applyuygulamak
the sameaynı ruleskurallar to the futuregelecek.
401
1125634
4156
19:02
So if I look at my ownkendi job as a CEOCEO,
402
1130621
3207
Yani eğer bir CEO olarak
kendi işime bakarsam,
19:05
I would say 90 percentyüzde
of my work is repetitivetekrarlayan,
403
1133852
3140
işimin %90'ı aynı şeyler,
19:09
I don't enjoykeyfini çıkarın it,
404
1137016
1351
bu eğlenceli değil,
19:10
I spendharcamak about fourdört hourssaatler perbaşına day
on stupidaptal, repetitivetekrarlayan emailE-posta.
405
1138391
3978
günde dört saatimi aptal,
aynı e-postalarla harcıyorum.
19:14
And I'm burningyanan to have something
that helpsyardım eder me get ridkurtulmuş of this.
406
1142393
3641
Ve bu işten beni kurtaracak
bir şeyler için yanıp tutuşuyorum.
19:18
Why?
407
1146058
1158
Neden?
19:19
Because I believe all of us
are insanelydelicesine creativeyaratıcı;
408
1147240
3003
Çünkü hepimizin acayip yaratıcı
olduğumuzu düşünüyorum;
19:22
I think the TEDTED communitytoplum
more than anybodykimse elsebaşka.
409
1150731
3194
TED topluluğunu başka her şeyden
çok düşünüyorum.
19:25
But even blue-collarMavi yakalı workersişçiler;
I think you can go to your hotelotel maidhizmetçi
410
1153949
3559
Fakat mavi yakalı işçiler olarak;
bence otel görevlisi ile oturup
19:29
and have a drinkiçki with him or her,
411
1157532
2402
onunla bir şeyler içseniz
19:31
and an hoursaat latersonra,
you find a creativeyaratıcı ideaFikir.
412
1159958
2717
bir saat sonra
yaratıcı bir fikir bulabilirsiniz.
19:34
What this will empowergüçlendirmek
is to turndönüş this creativityyaratıcılık into actionaksiyon.
413
1162699
4140
Bu yaratıcılığı eyleme dönüştürmeyi
güçlendirecektir.
19:39
Like, what if you could
buildinşa etmek GoogleGoogle in a day?
414
1167265
3442
Mesela, Google'ı bir günde
inşa edebilseydiniz nasıl olurdu?
19:43
What if you could sitoturmak over beerbira
and inventicat etmek the nextSonraki SnapchatSnapchat,
415
1171221
3316
Bir muhabbet üzerindeyken
Snapchat'i icat etseniz,
19:46
whateverher neyse it is,
416
1174561
1165
veya her ne ise
19:47
and tomorrowyarın morningsabah it's up and runningkoşu?
417
1175750
2187
ve ertesi sabah çalışmaya hazır olsa?
19:49
And that is not scienceBilim fictionkurgu.
418
1177961
1773
Bu bilim kurgu da değil.
19:51
What's going to happenolmak is,
419
1179758
1254
Olacak olan şey
19:53
we are alreadyzaten in historytarih.
420
1181036
1867
zaten tarihte yaşandı.
19:54
We'veBiz ettik unleasheddışarı çıktı this amazingşaşırtıcı creativityyaratıcılık
421
1182927
3228
Bu muhteşem yaratıcılığın
zincirlerini kırdık
19:58
by de-slavingde-köle gibi us from farmingtarım
422
1186179
1611
ve bunu kendimizi çiftçilikten
19:59
and latersonra, of coursekurs, from factoryfabrika work
423
1187814
3363
ve sonrasında da, tabii ki
fabrika işlerinden kurtararak yaptık
20:03
and have inventedicat edildi so manyçok things.
424
1191201
3162
ve bir çok şey icat ettik.
20:06
It's going to be even better,
in my opiniongörüş.
425
1194387
2178
Bence çok daha iyi bile olacaktır.
20:08
And there's going to be
great sideyan effectsetkileri.
426
1196589
2072
Ve büyük yan etkileri olacaktır.
20:10
One of the sideyan effectsetkileri will be
427
1198685
1489
Yan etkilerden birisi
20:12
that things like foodGıda and medicaltıbbi supplyarz
and educationEğitim and shelterbarınak
428
1200198
4795
gıda, tıbbi malzeme, eğitim, barınma
20:17
and transportationtaşımacılık
429
1205017
1177
ve ulaşım gibi şeylerin
20:18
will all becomeolmak much more
affordablesatın alınabilir to all of us,
430
1206218
2441
sadece zenginler için değil hepimiz için
daha az maliyetli olacak olmasıdır.
20:20
not just the richzengin people.
431
1208683
1322
20:22
CACA: HmmHmm.
432
1210029
1182
CA: Hımm.
20:23
So when MartinMartin FordFord arguedsavundu, you know,
that this time it's differentfarklı
433
1211235
4341
Martin Ford bu sefer işlerin
farklı olduğunu tartışırken,
20:27
because the intelligencezeka
that we'vebiz ettik used in the pastgeçmiş
434
1215600
3453
geçmişte yeni yollar bulmak için
20:31
to find newyeni waysyolları to be
435
1219077
2483
kullandığımız zekâ
20:33
will be matchedeşleşti at the sameaynı pacehız
436
1221584
2279
bu şeyleri devralan
bilgisayarlar tarafından
20:35
by computersbilgisayarlar takingalma over those things,
437
1223887
2291
aynı hızda karşılanacağını söylüyor.
20:38
what I hearduymak you sayingsöz
is that, not completelytamamen,
438
1226202
3078
Sen ise insan yaratıcılığı nedeniyle
tam olarak böyle olmayacağını söylüyorsun.
20:41
because of humaninsan creativityyaratıcılık.
439
1229304
2951
20:44
Do you think that that's fundamentallyesasen
differentfarklı from the kindtür of creativityyaratıcılık
440
1232279
3785
Sence bu, bilgisayarların
yapabildiği yaratıcılıktan
20:48
that computersbilgisayarlar can do?
441
1236088
2696
temel olarak farklı mı?
ST: Bir yapay zekâ insanı olarak
benim inancım bu.
20:50
STST: So, that's my firmfirma
beliefinanç as an AIAI personkişi --
442
1238808
4434
20:55
that I haven'tyok seengörüldü
any realgerçek progressilerleme on creativityyaratıcılık
443
1243266
3803
Yaratıcılık üzerine gerçek bir ilerleme
ve ezber bozan düşünme görmedim.
20:59
and out-of-the-boxOut-of--box thinkingdüşünme.
444
1247949
1407
21:01
What I see right now -- and this is
really importantönemli for people to realizegerçekleştirmek,
445
1249380
3623
Şu an bunu görüyorum ve insanların
bunun farkına varması çok önemli,
çünkü "yapay zekâ" kelimeleri
çok tehdit edici.
21:05
because the wordsözcük "artificialyapay
intelligencezeka" is so threateningtehdit,
446
1253027
2903
Sonra Steve Spielberg
ortaya bir film atıyor,
21:07
and then we have SteveSteve SpielbergSpielberg
tossingsavurma a moviefilm in,
447
1255954
2523
ve birden bilgisayar
bizim efendimiz oluyor
21:10
where all of a suddenani
the computerbilgisayar is our overlordOverlord,
448
1258501
2413
ama bu gerçek bir teknoloji.
21:12
but it's really a technologyteknoloji.
449
1260938
1452
Tekrarlayan işleri yapmamıza
yardım eden bir teknoloji.
21:14
It's a technologyteknoloji that helpsyardım eder us
do repetitivetekrarlayan things.
450
1262414
2982
21:17
And the progressilerleme has been
entirelyBaştan sona on the repetitivetekrarlayan endson.
451
1265420
2913
Ve ilerleme, tamamen tekrarlayan işlerde.
21:20
It's been in legalyasal documentbelge discoverykeşif.
452
1268357
2228
Yasal belge incelenmesi,
21:22
It's been contractsözleşme draftingçizim.
453
1270609
1680
sözleşme taslağı hazırlanması,
21:24
It's been screeningtarama X-raysX-ışınları of your chestgöğüs.
454
1272313
4223
göğüs röntgeninizin izlenmesi.
21:28
And these things are so specializeduzman,
455
1276560
1773
Bu işler o kadar özelleştirilmiş ki,
21:30
I don't see the bigbüyük threattehdit of humanityinsanlık.
456
1278357
2391
insanlık için büyük bir tehdit görmüyorum.
21:32
In factgerçek, we as people --
457
1280772
1794
Aslında, insanlar olarak --
21:34
I mean, let's faceyüz it:
we'vebiz ettik becomeolmak superhumaninsanüstü.
458
1282590
2385
Yani, bununla yüzleşelim:
İnsanüstü bir hâl aldık.
21:36
We'veBiz ettik madeyapılmış us superhumaninsanüstü.
459
1284999
1764
Kendimizi insanüstüleştirdik.
21:38
We can swimyüzmek acrosskarşısında
the AtlanticAtlantik in 11 hourssaatler.
460
1286787
2632
Atlantik'i 11 saatte geçebiliyoruz.
21:41
We can take a devicecihaz out of our pocketcep
461
1289443
2074
Cebimizdeki bir aygıtla,
21:43
and shoutNot all the way to AustraliaAvustralya,
462
1291541
2147
Avustralya'ya seslenebiliyoruz
ve aynı anda karşıdaki kişi de
bize karşılık verebiliyor.
21:45
and in realgerçek time, have that personkişi
shoutinghaykırış back to us.
463
1293712
2600
21:48
That's physicallyfiziksel olarak not possiblemümkün.
We're breakingkırma the ruleskurallar of physicsfizik.
464
1296336
3624
Bu fiziksel olarak mümkün değil.
Fizik kurallarını çiğniyoruz.
21:51
When this is said and donetamam,
we're going to rememberhatırlamak everything
465
1299984
2943
Tüm bunlardan sonra,
söylediğimiz ve gördüğümüz
her şeyi hatırlayacağız,
21:54
we'vebiz ettik ever said and seengörüldü,
466
1302951
1213
her kişiyi hatırlayacaksınız,
21:56
you'llEğer olacak rememberhatırlamak everyher personkişi,
467
1304188
1496
ki Alzheimer'in ilk aşamasında olan
benim için güzel bir şey.
21:57
whichhangi is good for me
in my earlyerken stagesaşamaları of Alzheimer'sAlzheimer.
468
1305708
2626
Pardon, ne demiştim? Unuttum.
22:00
Sorry, what was I sayingsöz? I forgotUnuttun.
469
1308358
1677
22:02
CACA: (LaughsGülüyor)
470
1310059
1578
CA: (Gülüşmeler)
22:03
STST: We will probablymuhtemelen have
an IQIQ of 1,000 or more.
471
1311661
3077
ST: Muhtemelen 1.000 veya
daha fazla IQ'ya sahip olacağız.
22:06
There will be no more
spellingYazım denetimi classessınıflar for our kidsçocuklar,
472
1314762
3425
Artık çocuklarımız için
heceleme derslerine gerek kalmayacak
22:10
because there's no spellingYazım denetimi issuekonu anymoreartık.
473
1318211
2086
çünkü heceleme sorunu kalmayacak.
22:12
There's no mathmatematik issuekonu anymoreartık.
474
1320321
1832
Matematik bir sorun olmaktan çıkacak.
22:14
And I think what really will happenolmak
is that we can be superSüper creativeyaratıcı.
475
1322177
3510
Ve süper yaratıcı olacağımızı düşünüyorum.
22:17
And we are. We are creativeyaratıcı.
476
1325711
1857
Öyleyiz de, yaratıcıyız.
22:19
That's our secretgizli weaponsilah.
477
1327592
1552
Bu bizim gizli silahımız.
22:21
CACA: So the jobsMeslekler that are gettingalma lostkayıp,
478
1329168
2153
CA: İş alanları kayboluyor,
22:23
in a way, even thoughgerçi
it's going to be painfulacı verici,
479
1331345
2494
sancılı olacak olmasına rağmen
insanlar bu işlerin
çok daha fazlasına muktedir.
22:25
humansinsanlar are capableyetenekli
of more than those jobsMeslekler.
480
1333863
2047
22:27
This is the dreamrüya.
481
1335934
1218
Hayalimiz bu.
22:29
The dreamrüya is that humansinsanlar can riseyükselmek
to just a newyeni levelseviye of empowermentgüçlenme
482
1337176
4247
Hayalimiz, insanların
yeni bir güç ve keşif seviyesine
22:33
and discoverykeşif.
483
1341447
1657
yükselebilmesi.
22:35
That's the dreamrüya.
484
1343128
1452
Hayal bu.
22:36
STST: And think about this:
485
1344604
1643
ST: Bir de şunu düşün:
22:38
if you look at the historytarih of humanityinsanlık,
486
1346271
2021
insanlık tarihine bakarsan,
22:40
that mightbelki be whateverher neyse --
60-100,000 yearsyıl oldeski, give or take --
487
1348316
3328
aşağı yukarı 60-100.000 yıl
öncesine bakarsak,
22:43
almostneredeyse everything that you cherishbeslemek
in termsşartlar of inventionicat,
488
1351668
3726
keşif, teknoloji ve inşa ettiğimiz şeyler
açısından el üstünde tuttuğumuz
22:47
of technologyteknoloji, of things we'vebiz ettik builtinşa edilmiş,
489
1355418
2151
neredeyse her şey
22:49
has been inventedicat edildi in the last 150 yearsyıl.
490
1357593
3099
son 150 yıl içinde icat edildi.
22:53
If you tossatmak in the bookkitap and the wheeltekerlek,
it's a little bitbit olderdaha eski.
491
1361756
3048
Kitap, tekerlek veya
baltayı söyleyecek olursanız
onlar biraz daha yaşlı.
22:56
Or the axebalta.
492
1364828
1169
Fakat telefonunuz, ayakkabılarınız,
22:58
But your phonetelefon, your sneakersSpor ayakkabı,
493
1366021
2790
23:00
these chairssandalye, modernmodern
manufacturingimalat, penicillinpenisilin --
494
1368835
3551
bu sandalyeler,
modern üretim, penisilin --
23:04
the things we cherishbeslemek.
495
1372410
1714
el üstünde tuttuğumuz şeyler.
23:06
Now, that to me meansanlamına geliyor
496
1374148
3658
Bu benim için sonraki 150 yılın
23:09
the nextSonraki 150 yearsyıl will find more things.
497
1377830
3041
çok daha fazla şey bulacağı
anlamına geliyor.
Esasında, bana göre
icadın temposu yükseldi, yavaşlamadı.
23:12
In factgerçek, the pacehız of inventionicat
has gonegitmiş up, not gonegitmiş down, in my opiniongörüş.
498
1380895
4154
23:17
I believe only one percentyüzde of interestingilginç
things have been inventedicat edildi yethenüz. Right?
499
1385073
4905
Ben ilginç şeylerin henüz
%1'inin icat edildiğine inanıyorum.
Kanseri tedavi edemedik.
23:22
We haven'tyok curedtedavi cancerkanser.
500
1390002
1988
Uçan arabalarımız yok -- henüz.
Umarım, bu değişir.
23:24
We don't have flyinguçan carsarabalar -- yethenüz.
HopefullyUmut verici bir biçimde, I'll changedeğişiklik this.
501
1392014
3718
23:27
That used to be an exampleörnek
people laughedgüldü about. (LaughsGülüyor)
502
1395756
3257
Bir zamanlar insanlar
bu örneğe gülerdi. (Gülüşmeler)
Komik, değil mi?
Uçan arabalar üzerinde gizlice çalışmak.
23:31
It's funnykomik, isn't it?
WorkingÇalışma secretlygizlice on flyinguçan carsarabalar.
503
1399037
2992
23:34
We don't livecanlı twiceiki defa as long yethenüz. OK?
504
1402053
2683
İki katı uzun yaşamıyoruz.
23:36
We don't have this magicsihirli
implantimplant in our brainbeyin
505
1404760
2785
Beynimizde bize istediğimiz bilgiyi veren
23:39
that givesverir us the informationbilgi we want.
506
1407569
1832
büyülü bir şey yok.
Dehşete kapılabilirsiniz,
23:41
And you mightbelki be appalleddehşete by it,
507
1409425
1526
ama sizi temin ederim, bir kere
sahip olduğunuzda, seveceksiniz.
23:42
but I promisesöz vermek you,
oncebir Zamanlar you have it, you'llEğer olacak love it.
508
1410975
2444
Umarım öyle olur.
23:45
I hopeumut you will.
509
1413443
1166
23:46
It's a bitbit scarykorkutucu, I know.
510
1414633
1909
Biraz korkutucu, biliyorum.
23:48
There are so manyçok things
we haven'tyok inventedicat edildi yethenüz
511
1416566
2254
İcat edeceğimiz
çok şey olduğunu düşünüyorum.
23:50
that I think we'lliyi inventicat etmek.
512
1418844
1268
Yer çekimi kalkanlarımız yok.
23:52
We have no gravityyerçekimi shieldsKalkanlar.
513
1420136
1306
Kendimizi başka bir noktaya
ışınlayamıyoruz.
23:53
We can't beamışın ourselveskendimizi
from one locationyer to anotherbir diğeri.
514
1421466
2553
Bu gülünç bir şey,
fakat yaklaşık 200 yıl önce,
23:56
That soundssesleri ridiculousgülünç,
515
1424043
1151
23:57
but about 200 yearsyıl agoönce,
516
1425218
1288
uzmanlar uçuşun mümkün
olmayacağı görüşündeydiler,
23:58
expertsuzmanlar were of the opiniongörüş
that flightuçuş wouldn'tolmaz existvar olmak,
517
1426530
2667
24:01
even 120 yearsyıl agoönce,
518
1429221
1324
hatta 120 yıl önce.
24:02
and if you movedtaşındı fasterDaha hızlı
than you could runkoş,
519
1430569
2582
Ve koşmanızdan daha hızlı
hareket ettiğinizde
anında öleceğinize inanılırmış.
24:05
you would instantlyanında dieölmek.
520
1433175
1520
24:06
So who saysdiyor we are correctdoğru todaybugün
that you can't beamışın a personkişi
521
1434719
3569
Buradan Mars'a insan
ışınlayamama konusunda
haklı olduğumuzu söyler?
24:10
from here to MarsMars?
522
1438312
2249
24:12
CACA: SebastianSebastian, thank you so much
523
1440585
1569
CA: Sebastian, son derece
ilham verici vizyonun
24:14
for your incrediblyinanılmaz inspiringilham verici visionvizyon
and your brillianceparlaklık.
524
1442178
2682
ve dehan için çok teşekkür ederim.
Teşekkürler, Sebastian Thrun.
24:16
Thank you, SebastianSebastian ThrunThrun.
525
1444884
1323
24:18
STST: That was fantasticfantastik. (ApplauseAlkış)
526
1446231
1895
Bu muazzamdı. (Alkışlar)
Translated by Ramazan Şen
Reviewed by Figen Ergürbüz

▲Back to top

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

Why you should listen

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

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

Why you should listen

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

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

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

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

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

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

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

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

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