Return to Video

Οι απίστευτες εφευρέσεις της διαισθητικής τεχνητής νοημοσύνης

  • 0:01 - 0:03
    Πόσοι από εσάς είστε δημιουργοί,
  • 0:03 - 0:07
    σχεδιαστές, μηχανικοί,
    επιχειρηματίες, καλλιτέχνες,
  • 0:07 - 0:09
    ή έχετε απλώς πολύ μεγάλη φαντασία;
  • 0:09 - 0:11
    Σηκώστε τα χέρια! (Επευφημίες)
  • 0:11 - 0:13
    Οι περισσότεροι από σας.
  • 0:13 - 0:16
    Έχω νέα για εμάς τους δημιουργούς.
  • 0:17 - 0:19
    Μέσα στα επόμενα 20 χρόνια
  • 0:21 - 0:25
    ο τρόπος με τον οποίο δουλεύουμε
    θα αλλάξει πολύ περισσότερο
  • 0:25 - 0:28
    απ' ό,τι άλλαξε
    μέσα στα τελευταία 2.000 χρόνια.
  • 0:29 - 0:33
    Πράγματι, νομίζω ότι ανατέλλει
    μια νέα εποχή της ανθρώπινης ιστορίας.
  • 0:34 - 0:38
    Ο τρόπος που δουλεύουμε ορίζεται
    σε τέσσερις περιόδους.
  • 0:39 - 0:43
    Η εποχή του Κυνηγού-Τροφοσυλλέκτη
    διήρκεσε αρκετά εκατομμύρια χρόνια.
  • 0:43 - 0:47
    Και μετά η εποχή της Γεωργοκαλλιέργειας
    διήρκεσε αρκετές χιλιάδες χρόνια.
  • 0:47 - 0:51
    Η Βιομηχανική εποχή διήρκεσε
    κάνα δυο αιώνες.
  • 0:51 - 0:55
    Τώρα πλέον, η εποχή της Πληροφορίας
    έχει διάρκεια μόλις μερικών δεκαετιών.
  • 0:55 - 1:00
    Σήμερα, βρισκόμαστε στο μεταίχμιο
    της επομένης εποχής μας ως είδος.
  • 1:01 - 1:04
    Καλωσορίσατε στην Επαυξημένη Εποχή.
  • 1:04 - 1:08
    Σε αυτή τη νέα εποχή, οι φυσικές σας
    ανθρώπινες δεξιότητες θα ενισχυθούν
  • 1:08 - 1:11
    μέσω υπολογιστικών συστημάτων
    που θα σας βοηθούν να σκέφτεστε,
  • 1:11 - 1:13
    ρομποτικά συστήματα
    θα σας επιτρέπουν να κατασκευάζετε,
  • 1:13 - 1:15
    και ένα ψηφιακό νευρικό σύστημα
  • 1:15 - 1:18
    θα σας συνδέει με τον κόσμο
    πολύ πέρα από τις φυσικές σας αισθήσεις.
  • 1:19 - 1:21
    Ας ξεκινήσουμε με τη γνωστική ενίσχυση.
  • 1:21 - 1:24
    Πόσοι από εσάς είστε επαυξημένα σάιμποργκ;
  • 1:24 - 1:27
    (Γέλια)
  • 1:27 - 1:30
    Θα έλεγα ότι στην πραγματικότητα
    ήδη είμαστε επαυξημένοι.
  • 1:30 - 1:32
    Φανταστείτε ότι είστε σε ένα πάρτι
  • 1:32 - 1:35
    και κάποιος σας κάνει μια ερώτηση
    που δεν ξέρετε να απαντήσετε.
  • 1:35 - 1:39
    Αν έχετε ένα από αυτά, σε μερικά δεύτερα
    θα γνωρίζετε την απάντηση.
  • 1:40 - 1:42
    Αυτό είναι μόνο η αρχή.
  • 1:43 - 1:46
    Ακόμη και η Σίρι είναι απλώς
    ένα παθητικό εργαλείο.
  • 1:47 - 1:50
    Στην πραγματικότητα, τα τελευταία
    τρεισήμισι εκατομμύρια χρόνια
  • 1:50 - 1:53
    τα εργαλεία που είχαμε
    ήταν εντελώς παθητικά.
  • 1:54 - 1:58
    Κάνουν ακριβώς ό,τι τους λέμε
    και τίποτα παραπάνω.
  • 1:58 - 2:01
    Το πρώτο πρώτο μας εργαλείο
    απλώς έκοβε εκεί που το χτυπούσαμε.
  • 2:02 - 2:05
    Η σμίλη σμιλεύει
    εκεί που την οδηγεί ο καλλιτέχνης.
  • 2:05 - 2:07
    Ακόμη και τα πιο εξελιγμένα μας εργαλεία
  • 2:07 - 2:11
    δεν κάνουν τίποτα
    χωρίς τις ακριβείς μας οδηγίες.
  • 2:11 - 2:14
    Στην πραγματικότητα, ως σήμερα,
    και αυτό είναι κάτι που με απελπίζει,
  • 2:14 - 2:16
    ήμασταν πάντα περιορισμένοι
  • 2:16 - 2:19
    από αυτή την ανάγκη να επιβάλουμε
    τη θέλησή μας στα εργαλεία μας
  • 2:19 - 2:21
    χειρωνακτικά, κυριολεκτικά
    με τα ίδια μας τα χέρια,
  • 2:21 - 2:23
    ακόμη και με τους υπολογιστές.
  • 2:24 - 2:27
    Εγώ είμαι όμως πιο πολύ
    σαν τον Σκότι στο Σταρ Τρεκ.
  • 2:27 - 2:28
    (Γέλια)
  • 2:28 - 2:31
    Θέλω να μπορώ να συζητάω
    με έναν υπολογιστή.
  • 2:31 - 2:33
    Να λέω: «Υπολογιστή,
    ας σχεδιάσουμε ένα αυτοκίνητο»,
  • 2:33 - 2:35
    και ο υπολογιστής να μου το δείχνει.
  • 2:35 - 2:38
    Να λέω: «Όχι, να είναι πιο γρήγορο
    και λιγότερο γερμανικό»
  • 2:38 - 2:40
    και μπαμ, να μου δείχνει ένα τέτοιο.
  • 2:40 - 2:42
    (Γέλια)
  • 2:42 - 2:44
    Η συζήτηση μπορεί να είναι
    λίγο παρατραβηγμένη,
  • 2:44 - 2:47
    πιθανόν λιγότερο απ' όσο πολλοί
    από εμάς νομίζουμε,
  • 2:47 - 2:50
    αυτή τη στιγμή όμως
    δουλεύουμε πάνω σ' αυτό.
  • 2:50 - 2:54
    Τα εργαλεία μας θα κάνουν αυτό το άλμα
    και από παθητικά θα γίνουν δημιουργικά.
  • 2:55 - 2:57
    Τα δημιουργικά σχεδιαστικά εργαλεία,
  • 2:57 - 3:01
    με έναν υπολογιστή και αλγορίθμους
    συνθέτουν γεωμετρία,
  • 3:01 - 3:04
    και εφευρίσκουν νέα σχέδια
    εντελώς από μόνα τους.
  • 3:04 - 3:07
    Το μόνο που μένει είναι να θέσετε
    στόχους και περιορισμούς.
  • 3:07 - 3:08
    Θα σας δώσω ένα παράδειγμα.
  • 3:08 - 3:11
    Για τον σκελετό αυτού
    του ιπτάμενου τηλεκατευθυνόμενου
  • 3:11 - 3:14
    το μόνο που χρειάζεται είναι
    να του πείτε κάτι όπως:
  • 3:14 - 3:17
    θέλω να έχει τέσσερις προπέλες,
    να είναι όσο πιο ελαφρύ γίνεται
  • 3:17 - 3:19
    και να είναι αεροδυναμικό.
  • 3:19 - 3:24
    Στη συνέχεια ο υπολογιστής μελετά
    όλο το φάσμα των πιθανών λύσεων:
  • 3:24 - 3:28
    όλες τις πιθανές παραλλαγές που επιλύουν
    και ανταποκρίνονται στα κριτήρια,
  • 3:28 - 3:30
    δηλαδή εκατομμύρια επιλογές.
  • 3:30 - 3:32
    Χρειάζονται μεγάλοι υπολογιστές γι' αυτό.
  • 3:32 - 3:34
    Αλλά μας βγάζει σχέδια
  • 3:34 - 3:37
    που εμείς από μόνοι μας
    ποτέ δεν θα είχαμε φανταστεί.
  • 3:37 - 3:40
    Και ο υπολογιστής τα σκέφτεται
    όλα αυτά από μόνος του,
  • 3:40 - 3:44
    κανένας δεν σχεδίασε τίποτα
    και ξεκίνησε εντελώς από το μηδέν.
  • 3:45 - 3:47
    Παρεμπιπτόντως, δεν είναι τυχαίο
  • 3:47 - 3:51
    ότι το σώμα του τηλεκατευθυνόμενου μοιάζει
    με την πύελο ενός ιπτάμενου σκίουρου.
  • 3:51 - 3:53
    (Γέλια)
  • 3:54 - 3:58
    Είναι γιατί οι αλγόριθμοι σχεδιάστηκαν
    για να λειτουργούν όπως η εξέλιξη.
  • 3:59 - 4:01
    Το συναρπαστικό είναι
    ότι αυτή η τεχνολογία υπάρχει,
  • 4:01 - 4:03
    εκεί έξω στον πραγματικό κόσμο.
  • 4:03 - 4:05
    Συνεργαζόμαστε με την Airbus
    εδώ και λίγα χρόνια
  • 4:05 - 4:07
    πάνω σε μια ιδέα
    για ένα αεροπλάνο του μέλλοντος.
  • 4:07 - 4:09
    Έχουμε πολύ δρόμο ακόμα.
  • 4:09 - 4:13
    Πρόσφατα όμως χρησιμοποιήσαμε
    μια δημιουργική τεχνητή νοημοσύνη
  • 4:13 - 4:15
    που σκέφτηκε αυτό.
  • 4:15 - 4:18
    Αυτό είναι ένα διαχωριστικό καμπίνας
    από τρισδιάστατο εκτυπωτή
  • 4:18 - 4:21
    το οποίο σχεδιάστηκε από έναν υπολογιστή.
  • 4:21 - 4:24
    Είναι ανθεκτικότερο από το πρωτότυπο
    αλλά με το μισό βάρος
  • 4:24 - 4:27
    και θα πετάει με το Airbus A320
    αργότερα εντός του έτους.
  • 4:27 - 4:29
    Οι υπολογιστές μπορούν πια να δημιουργούν,
  • 4:29 - 4:34
    να βρίσκουν τις δικές τους λύσεις
    σε δικά μας σαφώς καθορισμένα προβλήματα.
  • 4:34 - 4:36
    Αλλά δεν έχουν διαίσθηση.
  • 4:36 - 4:39
    Ακόμη πρέπει να αρχίζουν
    κάθε φορά από το μηδέν,
  • 4:39 - 4:42
    επειδή ποτέ δεν μαθαίνουν.
  • 4:42 - 4:44
    Σε αντίθεση με τη Μάγκι.
  • 4:44 - 4:46
    (Γέλια)
  • 4:46 - 4:49
    Η Μάγκι είναι πράγματι πιο έξυπνη από
    τα πιο προχωρημένα σχεδιαστικά εργαλεία.
  • 4:49 - 4:51
    Τι εννοώ με αυτό;
  • 4:51 - 4:53
    Αν ο ιδιοκτήτης πιάσει αυτό το λουρί,
  • 4:53 - 4:56
    η Μάγκι ξέρει, με αρκετά μεγάλη
    βεβαιότητα, ότι είναι ώρα για βόλτα.
  • 4:56 - 4:57
    Πώς το έμαθε αυτό;
  • 4:57 - 5:00
    Λοιπόν, κάθε φορά που ο ιδιοκτήτης
    έπαιρνε το λουρί, πήγαιναν βόλτα.
  • 5:00 - 5:02
    Η Μάγκι έκανε τρια πράγματα:
  • 5:02 - 5:06
    έδινε προσοχή, θυμόταν τι είχε γίνει
    την προηγούμενη φορά,
  • 5:06 - 5:11
    και δημιουργούσε και κράταγε
    τη φόρμουλα στο μυαλό της.
  • 5:11 - 5:15
    Το ενδιαφέρον είναι πως σε αυτό ακριβώς
    προσπαθούν οι επιστήμονες
  • 5:15 - 5:18
    να εκπαιδεύσουν την τεχνητή νοημοσύνη
    για τα τελευταία 60 χρόνια.
  • 5:19 - 5:24
    Το 1952 έφτιαξαν έναν υπολογιστή
    που μπορούσε να παίζει τρίλιζα.
  • 5:25 - 5:27
    Σιγά το πράγμα.
  • 5:27 - 5:30
    Έπειτα, 45 χρόνια αργότερα, το 1997,
  • 5:30 - 5:33
    ο Deep Blue νίκησε τον Κασπάροφ στο σκάκι.
  • 5:34 - 5:39
    Το 2011 ο Γουάτσον κέρδισε δύο ανθρώπους
    στο παιχνίδι ερωτήσεων Jeopardy,
  • 5:39 - 5:42
    που είναι πολύ πιο δύσκολο από το σκάκι
    για έναν υπολογιστή.
  • 5:42 - 5:46
    Και αυτό γιατί, αντί να δουλεύει
    με προκαθορισμένες απαντήσεις,
  • 5:46 - 5:49
    ο Γουάτσον έπρεπε να νικήσει με τη λογική
    τους ανθρώπους αντιπάλους του.
  • 5:50 - 5:54
    Λίγες εβδομάδες πριν,
    ο AlphaGo της DeepMind
  • 5:54 - 5:57
    νίκησε τον καλύτερο παίκτη
    στο παιχνίδι Go,
  • 5:57 - 5:59
    το πιο δύσκολο παιχνίδι που υπάρχει.
  • 5:59 - 6:02
    Στο Go υπάρχουν περισσότερες
    πιθανές κινήσεις
  • 6:02 - 6:05
    απ' ό,τι άτομα στο σύμπαν.
  • 6:06 - 6:08
    Προκειμένου λοιπόν να νικήσει,
  • 6:08 - 6:11
    ο AlphaGo έπρεπε να αναπτύξει διαίσθηση.
  • 6:11 - 6:14
    Και μάλιστα, σε κάποια σημεία,
    οι προγραμματιστές του AlphaGo
  • 6:14 - 6:18
    δεν καταλάβαιναν καν γιατί ο AlphaGo
    έκανε αυτό που έκανε.
  • 6:19 - 6:21
    Άρα όλα εξελίσσονται πολύ γρήγορα.
  • 6:21 - 6:24
    Σκεφτείτε ότι, στη διάρκεια
    της ζωής ενός ανθρώπου,
  • 6:24 - 6:27
    οι υπολογιστές εξελίχθηκαν
    από παιδικό παιχνίδι
  • 6:28 - 6:31
    σε αυτό που αναγνωρίζεται ως
    το αποκορύφωμα της στρατηγικής σκέψης.
  • 6:32 - 6:34
    Αυτό που ουσιαστικά συμβαίνει
  • 6:34 - 6:37
    είναι ότι οι υπολογιστές
    εξελίσσονται από Σποκ...
  • 6:38 - 6:40
    σε Κάπτεν Κερκ.
  • 6:40 - 6:42
    (Γέλια)
  • 6:43 - 6:47
    Έτσι; Από την καθαρή λογική στη διαίσθηση.
  • 6:48 - 6:50
    Θα περνούσατε αυτή τη γέφυρα;
  • 6:51 - 6:53
    Οι περισσότεροι από σας
    θα λέγατε: «Όχι βέβαια!»
  • 6:53 - 6:54
    (Γέλια)
  • 6:54 - 6:57
    Χρειάστηκε ένα δευτερόλεπτο
    για να πάρετε αυτή την απόφαση.
  • 6:57 - 7:00
    Κατά κάποιο τρόπο ήδη ξέρατε
    ότι η γέφυρα δεν ήταν ασφαλής.
  • 7:00 - 7:02
    Αυτό ακριβώς το είδος της διαίσθησης
  • 7:02 - 7:05
    αναπτύσσουν αυτή τη στιγμή
    τα συστήματά μας που μαθαίνουν.
  • 7:06 - 7:07
    Πολύ σύντομα θα μπορείτε
  • 7:07 - 7:10
    να δείξετε σε έναν υπολογιστή
    κάτι που φτιάξατε, που σχεδιάσατε,
  • 7:10 - 7:12
    κι αυτός θα το κοιτάει και θα σας λέει:
  • 7:12 - 7:16
    «Λυπάμαι μάγκα, δεν θα λειτουργήσει,
    πρέπει να προσπαθήσεις ξανά».
  • 7:16 - 7:19
    Θα μπορείτε να ρωτήσετε αν θα αρέσει
    στον κόσμο το νέο σας τραγούδι,
  • 7:20 - 7:23
    ή η καινούρια γεύση παγωτού που φτιάξατε.
  • 7:24 - 7:27
    Ακόμη πιο σημαντικό, θα μπορούσατε
    να συνεργαστείτε με έναν υπολογιστή,
  • 7:27 - 7:30
    για να επιλύσετε ένα εντελώς
    καινούριο πρόβλημα.
  • 7:30 - 7:33
    Για παράδειγμα, η κλιματική αλλαγή:
    δεν τα καταφέρνουμε μόνοι μας,
  • 7:33 - 7:36
    όσο περισσότερη βοήθεια έχουμε,
    τόσο το καλύτερο για μας.
  • 7:36 - 7:37
    Γι' αυτό ακριβώς μιλάω,
  • 7:37 - 7:40
    πώς η τεχνολογία ενισχύει
    τις γνωστικές μας ικανότητες
  • 7:40 - 7:44
    ώστε να μπορούμε να φανταστούμε και
    να σχεδιάσουμε πράγματα απλησίαστα ως τώρα
  • 7:44 - 7:46
    σαν απλοί μη-επαυξημένοι άνθρωποι.
  • 7:48 - 7:51
    Γιατί να μη φτιάξουμε λοιπόν
    όλα αυτά τα τρελά καινούρια πράγματα
  • 7:51 - 7:53
    που πρόκειται να εφεύρουμε
    και να σχεδιάσουμε;
  • 7:54 - 7:58
    Η εποχή της επαύξησης του ανθρώπου
    τόσο για τον πραγματικό κόσμο
  • 7:58 - 8:01
    όσο και για τον εικονικό
    ανήκει στη σφαίρα της διανόησης.
  • 8:02 - 8:04
    Πώς θα μας επαυξήσει η τεχνολογία;
  • 8:04 - 8:07
    Στον πραγματικό κόσμο,
    ρομποτικά συστήματα.
  • 8:08 - 8:09
    Εντάξει, σίγουρα υπάρχει ένας φόβος
  • 8:09 - 8:12
    ότι τα ρομπότ θα πάρουν
    τις δουλειές των ανθρώπων
  • 8:12 - 8:14
    και αυτό είναι αλήθεια
    για ορισμένους τομείς.
  • 8:14 - 8:17
    Εμένα όμως μου αρέσει
    πολύ περισσότερο η ιδέα
  • 8:17 - 8:22
    ότι άνθρωποι και ρομπότ σε συνεργασία
    θα επαυξήσουν ο ένας τον άλλον
  • 8:22 - 8:24
    και θα βρεθούν σε ένα νέο πεδίο.
  • 8:24 - 8:27
    Αυτό είναι το εργαστήρι εφαρμοσμένης
    έρευνας στο Σαν Φρανσίσκο.
  • 8:27 - 8:30
    Ένα από τα πεδία της έρευνάς μας
    είναι η εξελιγμένη ρομποτική
  • 8:30 - 8:32
    και ειδικότερα η συνεργασία
    ανθρώπων και ρομπότ.
  • 8:33 - 8:36
    Αυτός είναι ο Μπίσοπ,
    ένα από τα ρομπότ μας.
  • 8:36 - 8:38
    Σε ένα πείραμα τον βάλαμε
    να βοηθήσει έναν άνθρωπο
  • 8:38 - 8:42
    που δούλευε στις οικοδομές και
    έκανε επαναλαμβανόμενες κινήσεις,
  • 8:42 - 8:46
    κινήσεις όπως να ανοίγει τρύπες για πρίζες
    ή διακόπτες πάνω σε γυψοσανίδες.
  • 8:46 - 8:49
    (Γέλια)
  • 8:50 - 8:52
    Ο άνθρωπος-συνεργάτης
    του Μπίσοπ του λέει τι να κάνει
  • 8:52 - 8:56
    σε απλά Αγγλικά και με απλές χειρονομίες,
    κάπως σαν να μιλά σε σκύλο,
  • 8:56 - 8:59
    και μετά ο Μπίσοπ εκτελεί
    αυτές τις οδηγίες με απόλυτη ακρίβεια.
  • 9:00 - 9:03
    Χρησιμοποιούμε τον άνθρωπο
    σ' αυτό που ο άνθρωπος είναι καλός:
  • 9:03 - 9:05
    επαγρύπνηση, αντίληψη και λήψη αποφάσεων.
  • 9:05 - 9:07
    Χρησιμοποιούμε το ρομπότ
    εκεί που είναι καλό:
  • 9:07 - 9:09
    ακρίβεια και επανάληψη.
  • 9:10 - 9:13
    Να άλλο ένα άλλο ωραίο πρότζεκτ
    στο οποίο δούλεψε ο Μπίσοπ.
  • 9:13 - 9:16
    Ο στόχος αυτού του πρότζεκτ
    που το λέμε HIVE, κυψέλη,
  • 9:16 - 9:20
    είναι να αναπαραστήσουμε την εμπειρία
    ανθρώπων, υπολογιστών και ρομπότ
  • 9:20 - 9:23
    που δουλεύουν όλοι μαζί για να λύσουν ένα
    ιδιαίτερα πολύπλοκο πρόβλημα σχεδιασμού.
  • 9:24 - 9:25
    Ο άνθρωποι ενέργησαν ως εργάτες.
  • 9:25 - 9:28
    Κινήθηκαν στο εργοτάξιο,
    επεξεργάστηκαν το μπαμπού,
  • 9:28 - 9:31
    το οποίο, επειδή είναι ένα
    μη-ισοφορμικό υλικό
  • 9:31 - 9:33
    είναι πολύ δύσκολο για τα ρομπότ
    να το χειριστούν.
  • 9:33 - 9:36
    Αλλά μετά τα ρομπότ έκαναν αυτό
    το δέσιμο με τις ίνες
  • 9:36 - 9:38
    που ήταν σχεδόν αδύνατο
    να το κάνει άνθρωπος.
  • 9:38 - 9:42
    Είχαμε και μια τεχνητή νοημοσύνη
    που έλεγχε τα πάντα.
  • 9:42 - 9:45
    Έλεγε στους ανθρώπους τι να κάνουν,
    έλεγε στα ρομπότ τι να κάνουν,
  • 9:45 - 9:48
    και κρατούσε λογαριασμό
    για χιλιάδες συστατικά στοιχεία.
  • 9:48 - 9:49
    Το πιο ενδιαφέρον είναι
  • 9:49 - 9:52
    ότι το να χτίσουμε αυτό το περίπτερο
    ήταν απλά αδύνατο
  • 9:52 - 9:55
    χωρίς τους ανθρώπους, τα ρομπότ
    και την τεχνητή νοημοσύνη
  • 9:55 - 9:57
    να επαυξάνουν το ένα το άλλο.
  • 9:58 - 10:01
    Εντάξει, θα μοιραστώ μαζί σας
    ένα ακόμη πρότζεκτ, λίγο τρελό.
  • 10:01 - 10:06
    Μαζί με έναν καλλιτέχνη στο Άμστερνταμ,
    τον Γιόρις Λάρμαν και την ομάδα του MX3D
  • 10:06 - 10:09
    για να σχεδιάσουμε
    και να εκτυπώσουμε ρομποτικά
  • 10:09 - 10:12
    την πρώτη αυτοκατασκευαζόμενη
    γέφυρα στον κόσμο.
  • 10:12 - 10:17
    Έτσι, ο Γιόρις και μια τεχνητή νοημοσύνη
    τη σχεδιάζουν τώρα στο Άμστερνταμ.
  • 10:17 - 10:21
    Ακολούθως θα πατήσουμε το κουμπί
    και τα ρομπότ θα αρχίσουν την εκτύπωση
  • 10:21 - 10:24
    τρισδιάστατα, σε ανοξείδωτο ατσάλι,
    και θα συνεχίσουν να εκτυπώνουν,
  • 10:24 - 10:28
    χωρίς ανθρώπινη παρέμβαση,
    μέχρι η γέφυρα να τελειώσει.
  • 10:29 - 10:32
    Καθώς λοιπόν οι υπολογιστές
    θα επαυξήσουν την ικανότητά μας
  • 10:32 - 10:34
    να φανταζόμαστε και να σχεδιάζουμε
    καινούρια πράγματα,
  • 10:34 - 10:37
    τα ρομποτικά συστήματα θα μας βοηθήσουν
    να κατασκευάσουμε πράγματα
  • 10:37 - 10:40
    που δεν θα μπορούσαμε να κάνουμε πριν.
  • 10:40 - 10:45
    Τι θα γίνει όμως με την ικανότητά μας να
    αισθανόμαστε και να τα ελέγχουμε αυτά;
  • 10:45 - 10:49
    Τι θα λέγατε για ένα νευρικό σύστημα
    για τα πράγματα που θα φτιάξουμε;
  • 10:49 - 10:51
    Το νευρικό μας σύστημα,
    το ανθρώπινο νευρικό σύστημα,
  • 10:51 - 10:53
    μας ενημερώνει για όλα
    όσα συμβαίνουν γύρω μας.
  • 10:54 - 10:58
    Αλλά το νευρικό σύστημα των πραγμάτων
    που φτιάχνουμε είναι το πολύ υποτυπώδες.
  • 10:58 - 11:01
    Για παράδειγμα, ένα αυτοκίνητο δεν λέει
    στο τμήμα δημοσίων έργων μιας πόλης
  • 11:01 - 11:05
    ότι μόλις βρήκε μια λακκούβα
    στη γωνία Μπροντγουέι και Μόρισον.
  • 11:05 - 11:07
    Ένα κτίριο δεν λέει στους σχεδιαστές του
  • 11:07 - 11:09
    αν αρέσει ή όχι στους ανθρώπους
    να ζούνε μέσα του,
  • 11:09 - 11:12
    και ο κατασκευαστής παιχνιδιών
  • 11:12 - 11:14
    δεν ξέρει αν πραγματικά
    παίζουν με κάποιο παιχνίδι,
  • 11:14 - 11:17
    πώς και πού και αν είναι διασκεδαστικό.
  • 11:18 - 11:22
    Σίγουρα οι δημιουργοί της Μπάρμπι
    ήξεραν πώς θα ήταν η ζωή της,
  • 11:22 - 11:23
    όταν την έφτιαξαν.
  • 11:23 - 11:24
    (Γέλια)
  • 11:24 - 11:27
    Αλλά τι γίνεται αν τελικά
    η Μπάρμπι νοιώθει μοναξιά;
  • 11:27 - 11:29
    (Γέλια)
  • 11:31 - 11:35
    Αν οι δημιουργοί της είχαν γνώσεις
    για τον πραγματικό κόσμο των σχεδίων τους
  • 11:35 - 11:38
    - τον δρόμο, το σπίτι, την Μπάρμπι -
    θα μπορούσαν να τις χρησιμοποιήσουν
  • 11:38 - 11:41
    για να δημιουργήσουν
    μια καλύτερη εμπειρία για τον χρήστη.
  • 11:41 - 11:43
    Αυτό που λείπει είναι ένα νευρικό σύστημα
  • 11:43 - 11:47
    που να μας ενώνει με όλα τα πράγματα που
    σχεδιάζουμε, κάνουμε και χρησιμοποιούμε.
  • 11:48 - 11:51
    Πώς θα ήταν αν όλοι εσείς είχατε αυτή
    την πληροφορία να ρέει προς εσάς,
  • 11:51 - 11:54
    από τα πράγματα που δημιουργείτε
    στον πραγματικό κόσμο;
  • 11:55 - 11:59
    Για όλα τα πράγματα που φτιάχνουμε
    ξοδεύουμε άπειρα χρήματα και ενέργεια,
  • 11:59 - 12:01
    πέρυσι δύο τρις δολάρια,
  • 12:01 - 12:05
    προσπαθώντας να πείσουμε τους ανθρώπους
    να αγοράσουν τα πράγματα που φτιάξαμε.
  • 12:05 - 12:08
    Αν όμως είχαμε αυτή τη σύνδεση
    με τα πράγματα που δημιουργούμε
  • 12:08 - 12:12
    αφότου βρεθούν έξω στον πραγματικό κόσμο,
    αφότου πουληθούν ή κυκλοφορήσουν,
  • 12:13 - 12:15
    θα μπορούσαμε να το αλλάξουμε αυτό:
  • 12:15 - 12:18
    αντί να κάνουμε τους ανθρώπους
    να θέλουν αυτά που φτιάχνουμε,
  • 12:18 - 12:21
    να φτιάχνουμε πράγματα που οι άνθρωποι
    θα ήθελαν έτσι κι αλλιώς.
  • 12:21 - 12:24
    Τα καλά νέα είναι ότι δουλεύουμε
    σε ψηφιακά νευρικά συστήματα
  • 12:24 - 12:27
    που μας συνδέουν με τα πράγματα
    που σχεδιάζουμε.
  • 12:28 - 12:30
    Δουλεύουμε σε ένα πρότζεκτ
  • 12:30 - 12:34
    με κάποιους εκεί στο Λος Άντζελες,
    τους αδερφούς Μπαντίτο και την ομάδα τους.
  • 12:35 - 12:39
    Ένα από αυτά που κάνουν αυτοί οι τύποι
    είναι να φτιάχνουν κάτι τρελά αυτοκίνητα
  • 12:39 - 12:42
    που κάνουν απολύτως τρελά πράγματα.
  • 12:43 - 12:44
    Είναι τρελοί αυτοί οι τύποι
  • 12:44 - 12:45
    (Γέλια)
  • 12:45 - 12:47
    με την καλή την έννοια.
  • 12:49 - 12:50
    Αυτό που κάνουμε μαζί τους
  • 12:50 - 12:53
    είναι να πάρουμε το κανονικό σασί
    ενός αγωνιστικού αυτοκινήτου
  • 12:53 - 12:55
    και να του βάζουμε ένα νευρικό σύστημα.
  • 12:55 - 12:58
    Το κατασκευάσαμε λοιπόν
    με ένα σωρό αισθητήρες,
  • 12:58 - 13:00
    βάλαμε έναν οδηγό παγκοσμίου κλάσης
    πίσω από το τιμόνι,
  • 13:00 - 13:04
    το βγάλαμε στην έρημο και το οδηγήσαμε
    όσο δεν παίρνει επί μία εβδομάδα.
  • 13:04 - 13:06
    Το νευρικό σύστημα του αυτοκινήτου
    κατέγραψε τα πάντα,
  • 13:06 - 13:08
    όλα όσα συνέβαιναν στο αυτοκίνητο.
  • 13:08 - 13:11
    Καταγράψαμε τέσσερα
    δισεκατομμύρια στοιχεία δεδομένων
  • 13:11 - 13:13
    και όλες τις δυνάμεις που υπέστη.
  • 13:13 - 13:15
    Μετά κάναμε κάτι τρελό.
  • 13:15 - 13:17
    Πήραμε όλα αυτά τα δεδομένα
  • 13:17 - 13:21
    και τα κατεβάσαμε σε μια τεχνητή νοημοσύνη
    σχεδιασμού που τη λέμε Ονειροπαγίδα.
  • 13:21 - 13:25
    Τι παίρνει κανείς λοιπόν όταν δίνει σε ένα
    σχεδιαστικό εργαλείο ένα νευρικό σύστημα,
  • 13:25 - 13:28
    και του ζητά να του φτιάξει
    το τέλειο σασί αυτοκινήτου.
  • 13:29 - 13:31
    Παίρνει αυτό.
  • 13:32 - 13:36
    Αυτό είναι κάτι που ο άνθρωπος
    δεν θα μπορούσε ποτέ να σχεδιάσει.
  • 13:37 - 13:39
    Άνθρωπος όμως το σχεδίασε αυτό,
  • 13:39 - 13:43
    μόνο που ήταν ένας άνθρωπος επαυξημένος
    από μια τεχνητή νοημοσύνη σχεδιασμού,
  • 13:43 - 13:44
    ένα ψηφιακό νευρικό σύστημα
  • 13:44 - 13:47
    και ρομπότ που μπορούν
    να φτιάξουν κάτι τέτοιο.
  • 13:48 - 13:51
    Αν αυτό είναι το μέλλον,
    η Επαυξημένη Εποχή,
  • 13:51 - 13:56
    και πρόκειται να επαυξηθούν οι γνώσεις,
    οι φυσικές και διανοητικές μας ικανότητες,
  • 13:56 - 13:57
    πώς θα μοιάζει αυτό;
  • 13:58 - 14:01
    Πώς θα είναι αυτή η χώρα των θαυμάτων;
  • 14:01 - 14:03
    Νομίζω πως θα δούμε έναν κόσμο
  • 14:03 - 14:06
    όπου θα περάσουμε από τα πράγματα
    που κατασκευάζονται
  • 14:06 - 14:08
    στα πράγματα που καλλιεργούνται.
  • 14:08 - 14:12
    Περνάμε από τα πράγματα που χτίζονται
  • 14:12 - 14:13
    σε πράγματα που αναπτύσσονται.
  • 14:14 - 14:18
    Περνάμε από την απομόνωση στη σύνδεση.
  • 14:19 - 14:21
    Απομακρυνόμαστε από την εξαγωγή
  • 14:21 - 14:23
    και αποδεχόμαστε την ενσωμάτωση.
  • 14:24 - 14:28
    Νομίζω επίσης ότι δεν θα απαιτούμε πια
    υπακοή από τα πράγματά μας
  • 14:28 - 14:30
    αλλά θα εκτιμούμε την αυτονομία.
  • 14:31 - 14:32
    Χάρη στις επαυξημένες μας δεξιότητες,
  • 14:32 - 14:35
    ο κόσμος μας θα αλλάξει δραματικά.
  • 14:35 - 14:39
    Θα έχουμε έναν κόσμο με μεγαλύτερη
    ποικιλία, μεγαλύτερη συνδεσιμότητα,
  • 14:39 - 14:41
    πιο δυναμικό, πιο πολύπλοκο,
  • 14:41 - 14:44
    πιο προσαρμόσιμο, και φυσικά πιο όμορφο.
  • 14:45 - 14:49
    Το μέλλον δε θα μοιάζει καθόλου
    με αυτά που έχουμε δει μέχρι τώρα.
  • 14:49 - 14:52
    Γιατί; Γιατί αυτό
    που θα διαμορφώσει όλα αυτά
  • 14:52 - 14:58
    είναι η νέα συνεργασία της τεχνολογίας
    με τη φύση και τον άνθρωπο.
  • 14:59 - 15:03
    Αυτό, κατά τη γνώμη μου, είναι ένα μέλλον
    που αξίζει να το περιμένει κανείς.
  • 15:03 - 15:05
    Σας ευχαριστώ όλους πάρα πολύ.
  • 15:05 - 15:07
    (Χειροκρότημα)
Title:
Οι απίστευτες εφευρέσεις της διαισθητικής τεχνητής νοημοσύνης
Speaker:
Μόρις Κόντι
Description:

Τι παίρνει κανείς όταν δίνει ένα ψηφιακό νευρικό σύστημα σε ένα σχεδιαστικό εργαλείο; Οι υπολογιστές μπορούν να βελτιώσουν την ικανότητά μας να σκεφτόμαστε και να φανταζόμαστε, ενώ τα ρομποτικά συστήματα μπορούν να συλλάβουν (και να κατασκευάσουν) ρηξικέλευθα καινούρια σχέδια για γέφυρες, αυτοκίνητα, ντρόουνς και πολλά περισσότερα, και μάλιστα εντελώς αυτόνομα. Ρίξτε μια ματιά στην Επαυξημένη Εποχή με τον φουτουριστή Μόρις Κόντι, μια ματιά σε ένα μέλλον όπου τα ρομπότ και οι άνθρωποι θα εργάζονται πλάι πλάι για να καταφέρουν πράγματα που κανείς τους δεν θα μπορούσε μόνος του.

more » « less
Video Language:
English
Team:
TED
Project:
TEDTalks
Duration:
15:23

Greek subtitles

Revisions