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