021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

چگونه هوش مصنوعی می تواند منجر به دومین انقلاب صنعتی شود؟

Kevin Kelly

How AI can bring on a second Industrial Revolution

"The actual path of a raindrop as it goes down the valley is unpredictable, but the general direction is inevitable," says digital visionary Kevin Kelly -- and technology is much the same, driven by patterns that are surprising but inevitable. Over the next 20 years, he says, our penchant for making things smarter and smarter will have a profound impact on nearly everything we do. Kelly explores three trends in AI we need to understand in order to embrace it and steer its development. "The most popular AI product 20 years from now that everyone uses has not been invented yet," Kelly says. "That means that you're not late."


تگ های مرتبط :

AI, Algorithm, Collaboration
می‌خواهم کمی درمورد مقصد نهایی تکنولوژی صحبت کنم. و گاهی که تکنولوژی به طرف ما می‌آید، مارو با داشته‌هایش غافلگیر می‌کند. ولی در واقع، جنبه‌های زیادی از تکنولوژی وجود دارد که بسیار هم قابل پیش‌بینی است. و به همین علت سیستمهای تکنولوژیکی ازهر نوعی گرایشات خاصی دارند، ضرورت‌ها و گرایش هایی دارند. و این گرایش‌ها دقیقا از طبیعت علم فیزیک نشأت می‌گیرن، از شیمی اتصالات، (مدارهای) سوئیچی، و الکترون ها، و این علوم، مدام الگوهایی تکرارشونده می‌سازند. و این الگوها، این گرایشات و زمینه‌ها رو شکل می‌دهند. می‌توانید به نوعی مثل جاذبه به آن فکر کنید.
قطرات بارون رو تصور کنین که روی یه دره می‌بارن. مسیر هر قطره تا به داخل دره می‌رسد غیرقابل‌ پیش‌بینی است. نمی‌تونیم ببینیم به کجا می‌رود، ولی جهت حرکتش کاملا مشخص است: رو به پایین. بنابراین، این گرایشات و الزامات بالفطره در سیستم‌های تکنولوژیکی در مقیاس بزرگ سرنخ‌هایی از مقصد نهایی به ما می‌دهند. خب در یک مقیاس کلی، ساخت تلفن اجتناب‌ناپذیر بود، ولی (موبایل) آی‌فون، نه. اینترنت اجتناب‌ناپذیر بود، ولی توییتر نه.
بنابراین، ما درحال‌حاضر تمایلات و گرایشات زیادی داریم، و فکر می‌کنم مهم‌ترین این نیازها گرایش به هوشمندسازی هرچه بیش‌تر اشیا است. من بهش می‌گم ادراک‌سازی -- ساخت ادراک و شناخت-- که همون هوش مصنوعی یا AI است. و من فکر میکنم که این یکی از تأثیرگذارترین تحولات، روندها و پیشرفت‌های جامعه ما در ۲۰ سال آینده خواهد بود. و البته که همین حالا هم انجام شده. همین حالا هم هوش مصنوعی داریم، که غالبا، در پشت صحنه فعالیت می‌کند، پشت پرده بیمارستان‌ها، که در تشخیص نتایج اشعه اکس بهتر از پزشک‌های انسانی عمل می‌کند. در دفاتر قانونی،
برای بررسی مدارک قانونی بهتر از متخصصان حقوق انسانی ظاهر می‌شود. هوش مصنوعی عامل پرواز هواپیمایی است که شما را به اینجا آورده است. خلبان‌های انسان فقط ۷ تا ۸ دقیقه پرواز رو کنترل می‌کنند. بقیه عملیات را هوش مصنوعی به عهده دارد. و صدالبته در نت‌فلیکس و آمازون هوش مصنوعی ست که در پشت‌صحنه آن پیشنهادها را می‌دهد. این ها چیزهایی است که امروز داریم. والبته مثال محسوس تری نیز داریم: شکست قهرمان انسانی بازی گو، توسط رقیب هوش مصنوعی اش آلفا-گو می باشد. اما این بیشتر از این چیزهاست. اگر بازی کامپیوتری میکنید درواقع با هوش مصنوعی رقابت می‌کنید.
اما اخیرا، گوگل به هوش مصنوعی اش آموزش داد که نحوه بازی کردن بازی های کامپیوتری را فراگیرد. درواقع، آموزش بازیهای کامپیوتری انجام شده بود، اما آموزش به هوش مصنوعی جهت یادگیری اینکه چگونه آن را بازی کند، قدم بعدی بود. این هوشمندگرایی مصنوعی است. کاری که ما انجام میدهیم این است که هوشمندگرایی مصنوعی را هرروز باهوش تر می کنیم. سه جنبه بر این روند کلی وجود دارد که من فکر می کنم ناشناخته مانده اند؛ من فکرمیکنم ما در صورتی بهتر خواهیم فهمید که این سه چیز را خوب بفهمیم. فکر میکنم این چیزها باعث می شود که هوش مصنوعی را بهتر پذیرا باشیم
زیرا تنها با پذیرفتن هوش مصنوعی است که می شود هدایتش کرد. در واقع می توانیم با استقبال از روند کلی، جزئیات را هدایت کنیم. خوب بگذارید به آن سه جنبه مختلف بپردازم. اول اینکه: هوش خودمان درک بسیار کمی از اینکه هوش چیست دارد. ما متمایلیم که به هوش از منظر تک بعدی بنگریم، این شبیه یک صداست که پیوسته بلند تر می شود. آن با مقیاس های آی کیو شروع میشود. شاید با یک آی کیوی پایین در موش شروع می شود و شاید آی کیوی شامپانزه ها بیشتر باشد و شاید آی کیوی یک انسان احمق بیشتر از شامپانزه باشد و شاید یک انسان معمولی مثل من و بعد شاید یک نابغه.
و این واحد هوش آی کیو بزرگتر و بزرگتر می شود. وکاملا اشتباه است آن معنی هوش نیست -- در هرصورت معنای هوش انسانی هم نیست. هوش ما مانند یک سمفونی از نوت های مختلف موسیقی است و هر یک از این نوت ها در یک ساز مختلفی از شناخت نواخته می شوند. گونه های زیادی از هوش در ذهن ما وجود دارد. ما استدلال استقرایی داریم، هوش هیجانی داریم، هوش فضایی داریم؛ ما شاید ۱۰۰ نوع مختلف هوش داریم که باهم در یکجا جمع می شوند، و از نظر قوت در افراد مختلف با هم فرق می کنند. و البته اگر به حیوانات بپردازیم آنها نیز شرایط دیگری دارند سمفونی متفاوت دیگری از نوع دیگری هوش
و گاهی آن سازهای یکسان، جزو اشتراکات ما با آنهاست. آنها می توانند به طور یکسان فکر کنند، اما شاید آرایش آنها متفاوت باشد، و شاید آنها در بعضی موارد از ما انسانها بهترند، مثل حافظه بلند مدت در سنجاب که شگفت انگیز است که می تواند به یاد بیاورد که کجا دانه هایش را پنهان کرده است. اما در موارد دیگری شاید از ما ضعیف تر باشند. زمانی که ما بسراغ ماشینی کردن (هوش) می رویم، ما آنها را به نحوه یکسانی مهندسی خواهیم کرد، طوری که گونه هوش آنها را از خودمان بهتر خواهیم کرد و خیلی ازآنها به حد ما هم نخواهند رسید چون به آنها احتیاجی نیست. خب ما این چیزها رو می گیریم،
این خوشه های مصنوعی را و تنوع بیشتری از شناخت مصنوعی را به هوش مصنوعی اضافه خواهیم کرد. ما آنها را خیلی خاص خواهیم ساخت. خب ماشین شما در علم حساب از شما باهوش تر است، جی پی اس شما در جهت یابی فضایی از شما باهوشتر است، گوگل و بینگ در زمینه حافظه درازمدت از شما باهوشترند. و ما دوباره این گونه ها با افکار مختلف را میگیریم و آنها را در چیزی چون خودرو می گذاریم. علت اینکه می خواهیم آنها را در خودرو جاسازی کنیم تا خودش را براند، به این خاطراست که مثل یک انسان رانندگی نخواهد کرد. ماشین خودران مثل ما فکر نمیکند. این ویژگی کلی آن است.
حواسش پرت نمی شود، نگران نمیشود درباره وضعیت اینکه گاز را روشن گذاشته یا نه! یا اینکه آیا باید مدرکش را در اقتصاد می گرفت. اون فقط رانندگی می کند. (خنده حضار) فقط رانندگی.باشه؟ و ما شاید آنها را اینگونه تبلیغ کنیم یک ماشین ناخودآگاه، آنها فاقد خودآگاهی هستند آنها در مورد هیچ چیزی نگرانی ندارند، حواسشان پرت نمی شود. خب به طورکلی، کاری که میخواهیم بکنیم این است که گونه های مختلفی از تفکر را بسازیم. و ما فضا را با آنها پرخواهیم کرد
از انواع ممکن تفکرهای همه گونه. و در واقع شاید با مشکلاتی مواجه شویم که آنقدر در علم و تجارت سخت هستند که روش تفکر خود ما به عنوان انسان قادر به حل این مشکلات نخواهد بود. ممکن است به یک برنامه دو-گامی نیاز داشته باشیم، که (این برنامه)، اختراع گونه های جدید تفکر است که با استفاده از آن گونه های تفکر بتوانیم این مشکلات بزرگ را حل کنیم، مثلا (ابهامات) انرژی تاریک یا گرانش کوانتومی. کاری که داریم انجام می دهیم ساختن هوش خارجی است. حتی ممکن است به آن به عنوان بیگانه مصنوعی تفکر کنید از برخی جهات. و آنها به ما کمک خواهند که متفاوت فکر کنیم
زیرا تفکر متفاوت، موتور خلاقیت و ثروت و یک اقتصاد جدید است. جنبه دوم این است که ما از هوش مصنوعی استفاده خواهیم کرد تا اساساً دومین انقلاب صنعتی را رقم بزنیم. اولین انقلاب صنعتی براساس این واقعیت بود که ما چیزی اختراع کردیم که بهش می گم "قدرت مصنوعی" قبل از آن، در طول انقلاب کشاورزی، هر چیزی که باید توسط نیروی انسانی یا نیروی حیوانی ساخته می شد. آن تنها راه انجام کارها در آن زمان بود. بزرگترین نوآوری در زمان اتقلاب صنعتی، بدست گرفتن نیروی بخار و سوخت های فسیلی بود
که این نیروی مصنوعی را ایجاد کنیم تا بتوانیم هر کاری که میخواهیم با آن بکنیم. خب امروز وقتی درامتداد بزرگراه رانندگی میکنید، شما با تحریک یک سوئیچ به ۲۵۰ اسب فرمان میدهید -- به عبارتی ۲۵۰ اسب بخار -- که میتوانیم ازآن بهره ببریم برای ساخت آسمان خراش ها، شهرها، جاده ها، ساختن کارخانه هایی که مثل آب خوردن مقدارزیادی صندلی ویخچال تولید کنند چیزی که فراتر از قدرت و توانایی ماست. و این قدرت مصنوعی میتواند از طریق شبکه ایی از سیم ها به هر خانه، کارخانه و مزرعه توزیع شود، و هر شخصی میتواند این قدرت مصنوعس را بخرد، تنها با متصل شدن به آن.
خب این یک منبع خلاقیت هم بود، زیرا یک کشاورز می توانست یک تلمبه دستی داشته باشد، و آنها با اضافه کردن این قدرت مصنوعی یا به عبارتی "الکتریسیته" میتوانستند، یک تلمبه الکترونیکی داشته باشند. و اگرشما آنرا هزاران و ده ها هزاربرابر در نظر بگیرید و این فرمولی بود که برای ما انقلاب صنعتی را به ارمغان آورد. همه چیزهایی که می بینم، تمام این پیشرفتی که از آن لذت می بریم از این واقعیت امده است که ما انجامش داده ایم. ما مثل همین کاررا با هوش مصنوعی انجام خواهیم داد. ما این نیروی جدید را در شبکه ها توزیع خواهیم کرد و حالا شما که یک تلمبه الکتریکی دارید. میتونید به (ابزارآلات خود) هوش مصنوعی اضافه کنید،
و شما حالا یک تلمبه هوشمند خواهید داشت. و آن ضرب در یک میلیون بار، عامل ایجاد دومین انقلاب صنعتی خواهد بود. خب حالا ماشینی که در امتداد بزرگراه می رود علاوه بر قدرت ۲۵۰ اسب بخار، ۲۵۰ تا مغز نیز دارد. این ماشین خودران است. این یک کالا و فایده جدیدی است. هوش مصنوعی در شبکه ها -- ابری -- جریان خواهد یافت همانطوری که الکتریسیته جریان پیدا کرد. پس هر چیزی را که برقی کردیم حالا می توانیم هوشمند بکنیم. و من پیشنهاد می دهم که فرمول (ایجاد) ۱۰,۰۰۰ استارت‌آپ بعدی
خیلی خیلی آسونه، به عبارتی شامل گرفتن هرچیزی و اضافه کردن هوش مصنوعی به آن است. این فرمولش است. این کاری ست که می خواهیم انجام دهیم. و این راهی است که از این طریق دومین انقلاب صنعتی را رقم خواهیم زد. و به هرحال، هم اکنون و در این لحظه شما می توانید به گوگل وارد شده و میتوانید هوش مصنوعی را با ۶ سنت، (یا) ۱۰۰ بازدید، بخرید. این الان موجود است. خب پس جنبه سوم این است که ما به هوش مصنوعی جسم بدهیم و ربات ها را بسازیم. و ربات ها، بات هایی (برنامه هایی) خواهند بود
که کارهای بسیاری که ما اکنون انجام داده ایم، را انجام خواهند داد. یک کار متشکل از یکسری وظایف است، پس آنها تعریف دوباره ای به شغلهای ما خواهند داد زیرا آنها قرار است که بخشی از وظایف شغلی ما را به عده بگیرند. اما آنها گروه های جدیدی تشکیل خواهند داد، گروه های کلی جدیدی از وظایف که ما قبلا نمی دانستیم که می خواهیم انجامشان دهیم. آنها درواقع شغلهای جدیدی ایجاد خواهند کرد، وظایف جدیدی که ما می خواهیم انجام شوند، مثل اوتوماسیون که دسته ای از چیزهای جدید را ایجاد کرد که ما نمی دانستیم که به آنها نیاز هست و حالا بدون آنها نمی توانیم زندگی کنیم
خب آنها نسبت به شغلهایی که در اختیار می گیرند شغلهای بیشتری تولید خواهند کرد، اما مهم این است که وظایفی که به آنها محول می کنیم وظایفی هستند که می توانند به عنوان بهره وری تعریف می شوند. اگر شما وظیفه ای را می‌توانید مشخص کنید، چه دستی باشد چه مفهومی، می تواند به عنوان بهره وری تلقی شود که به بات ها تعلق دارد. سودمندی به روبات ها تعلق دارد. تنها چیزی که ما انسانها درش خوب هستیم وقت تلف کردن است. (خنده) ما در چیزهایی که کارآمد نیستند خوب هستیم علم ذاتا ناکارآمد است. و براساس یک شکست بعد از شکست دیگری به جلو می رود.
و براساس این واقعیت که شما آزمایشاتی میسازید که کار نمی کنند پیش می رود، در غیراین صورت شما یاد نمی گیرید. توسط این واقعیت به پیش می رود که بهره وری زیادی در آن نیست. نوآوری در تعریف ناکارآمد است، زیرا ما نمونه های اولیه ای می سازیم، زیرا ما چیزهایی را آزمایش می کنیم که کار نمی کنند و شکست می خورند. اکتشاف ذاتا ناکارآمد است. هنر کارآمد نیست. روابط انسانی هم کارآمد نیستند. اینها تمام چیزهایی است که به سمتشان متمایل خواهیم شد، زیرا آنها کارآمد نیستند. کارآمدی فقط مال ربات هاست.
ما یاد خواهیم گرفت که چگونه در کنار این هوش مصنوعی کار کنیم. زیرا آنها به گونه ای متفاوت از ما فکر می کنند. زمانی که (هوش مصنوعی) deep blue، قهرمان شطرنج دنیا را شکست داد، مردم فکر کردند که کار شطرنج به پایان رسید. اما معلوم شد که امروز بهترین شطرنج باز دنیا یک هوش مصنوعی نیست و یک انسان هم نیست بلکه ترکیبی از همکاری یک انسان با هوش مصنوعی است. بهتر تشخیص پزشکی، یک پزشک (انسانی) یا یک هوش مصنوعی نیست بلکه محصول همکاری این دوتاست. ما با این هوش مصنوعی کار خواهیم کرد و من فکر می کنم که شما در آینده براساس این حقوق خواهید گرفت
که تا چه حد خوب می توانید با این بات ها کارکنید. خب این سومین هست. که آنها متفاوت هستند و سودمند هستند و چیزهایی هستند که ما قرارهست باهاشون کارکنیم نه برضدشان. ما با اونها کار خواهیم کرد نه بر ضدآنها. خب، آینده: این ما را به کجا می برد؟ فکر می کنم ۲۵سال آینده، آنها به گذشته نگاه خواهند کرد و به دانش ما از هوش مصنوعی نگاه خواهند کرد و خواهند گفت، "شما هوش مصنوعی نداشتید. در واقع، شما حتی اینترنت هم نداشتید، در مقایسه با چیزی که ما در ۲۵ سال آینده خواهیم داشت." هنوز هیچ متخصص هوش مصنوعی ای نداریم. پول زیادی صرف آن می شود،
میلیاردها دلار دارد خرج آن می شود؛ یک بیزینس بزرگ است، اما هیچ متخصصی در مقایسه با چیزی که در 20 سال آینده خواهیم دانست، نیست. خب ما هنوز در ابتدای راه هستیم، در ساعات اولیه آن. در ساعات اولیه اینترنت، در ساعت اولیه آنچیزی که خواهد آمد. محبوب ترین محصول هوش مصنوعی در ۲۰ سال آینده، که همه از ان استفاده خواهند کرد، هنوز اختراع نشده است. این به این معنی است که شما هنوز عقب مانده نیستید. ممنون. (خنده) (تشویق)
I'm going to talk a little bit about where technology's going. And often technology comes to us, we're surprised by what it brings. But there's actually a large aspect of technology that's much more predictable, and that's because technological systems of all sorts have leanings, they have urgencies, they have tendencies. And those tendencies are derived from the very nature of the physics, chemistry of wires and switches and electrons, and they will make reoccurring patterns again and again. And so those patterns produce these tendencies, these leanings.
You can almost think of it as sort of like gravity. Imagine raindrops falling into a valley. The actual path of a raindrop as it goes down the valley is unpredictable. We cannot see where it's going, but the general direction is very inevitable: it's downward. And so these baked-in tendencies and urgencies in technological systems give us a sense of where things are going at the large form. So in a large sense, I would say that telephones were inevitable, but the iPhone was not.
The Internet was inevitable, but Twitter was not. So we have many ongoing tendencies right now, and I think one of the chief among them is this tendency to make things smarter and smarter. I call it cognifying -- cognification -- also known as artificial intelligence, or AI. And I think that's going to be one of the most influential developments and trends and directions and drives in our society in the next 20 years. So, of course, it's already here. We already have AI, and often it works in the background, in the back offices of hospitals,
where it's used to diagnose X-rays better than a human doctor. It's in legal offices, where it's used to go through legal evidence better than a human paralawyer. It's used to fly the plane that you came here with. Human pilots only flew it seven to eight minutes, the rest of the time the AI was driving. And of course, in Netflix and Amazon, it's in the background, making those recommendations. That's what we have today. And we have an example, of course, in a more front-facing aspect of it, with the win of the AlphaGo, who beat the world's greatest Go champion.
But it's more than that. If you play a video game, you're playing against an AI. But recently, Google taught their AI to actually learn how to play video games. Again, teaching video games was already done, but learning how to play a video game is another step. That's artificial smartness. What we're doing is taking this artificial smartness and we're making it smarter and smarter. There are three aspects to this general trend that I think are underappreciated; I think we would understand AI a lot better if we understood these three things.
I think these things also would help us embrace AI, because it's only by embracing it that we actually can steer it. We can actually steer the specifics by embracing the larger trend. So let me talk about those three different aspects. The first one is: our own intelligence has a very poor understanding of what intelligence is. We tend to think of intelligence as a single dimension, that it's kind of like a note that gets louder and louder. It starts like with IQ measurement. It starts with maybe a simple low IQ in a rat or mouse, and maybe there's more in a chimpanzee, and then maybe there's more in a stupid person,
and then maybe an average person like myself, and then maybe a genius. And this single IQ intelligence is getting greater and greater. That's completely wrong. That's not what intelligence is -- not what human intelligence is, anyway. It's much more like a symphony of different notes, and each of these notes is played on a different instrument of cognition. There are many types of intelligences in our own minds. We have deductive reasoning, we have emotional intelligence, we have spatial intelligence; we have maybe 100 different types that are all grouped together,
and they vary in different strengths with different people. And of course, if we go to animals, they also have another basket -- another symphony of different kinds of intelligences, and sometimes those same instruments are the same that we have. They can think in the same way, but they may have a different arrangement, and maybe they're higher in some cases than humans, like long-term memory in a squirrel is actually phenomenal, so it can remember where it buried its nuts. But in other cases they may be lower. When we go to make machines, we're going to engineer them in the same way,
where we'll make some of those types of smartness much greater than ours, and many of them won't be anywhere near ours, because they're not needed. So we're going to take these things, these artificial clusters, and we'll be adding more varieties of artificial cognition to our AIs. We're going to make them very, very specific. So your calculator is smarter than you are in arithmetic already; your GPS is smarter than you are in spatial navigation; Google, Bing, are smarter than you are in long-term memory. And we're going to take, again, these kinds of different types of thinking and we'll put them into, like, a car.
The reason why we want to put them in a car so the car drives, is because it's not driving like a human. It's not thinking like us. That's the whole feature of it. It's not being distracted, it's not worrying about whether it left the stove on, or whether it should have majored in finance. It's just driving. (Laughter) Just driving, OK? And we actually might even come to advertise these as "consciousness-free." They're without consciousness, they're not concerned about those things,
they're not distracted. So in general, what we're trying to do is make as many different types of thinking as we can. We're going to populate the space of all the different possible types, or species, of thinking. And there actually may be some problems that are so difficult in business and science that our own type of human thinking may not be able to solve them alone. We may need a two-step program, which is to invent new kinds of thinking that we can work alongside of to solve these really large problems, say, like dark energy or quantum gravity.
What we're doing is making alien intelligences. You might even think of this as, sort of, artificial aliens in some senses. And they're going to help us think different, because thinking different is the engine of creation and wealth and new economy. The second aspect of this is that we are going to use AI to basically make a second Industrial Revolution. The first Industrial Revolution was based on the fact that we invented something I would call artificial power. Previous to that, during the Agricultural Revolution,
everything that was made had to be made with human muscle or animal power. That was the only way to get anything done. The great innovation during the Industrial Revolution was, we harnessed steam power, fossil fuels, to make this artificial power that we could use to do anything we wanted to do. So today when you drive down the highway, you are, with a flick of the switch, commanding 250 horses -- 250 horsepower -- which we can use to build skyscrapers, to build cities, to build roads, to make factories that would churn out lines of chairs or refrigerators
way beyond our own power. And that artificial power can also be distributed on wires on a grid to every home, factory, farmstead, and anybody could buy that artificial power, just by plugging something in. So this was a source of innovation as well, because a farmer could take a manual hand pump, and they could add this artificial power, this electricity, and he'd have an electric pump. And you multiply that by thousands or tens of thousands of times, and that formula was what brought us the Industrial Revolution. All the things that we see, all this progress that we now enjoy,
has come from the fact that we've done that. We're going to do the same thing now with AI. We're going to distribute that on a grid, and now you can take that electric pump. You can add some artificial intelligence, and now you have a smart pump. And that, multiplied by a million times, is going to be this second Industrial Revolution. So now the car is going down the highway, it's 250 horsepower, but in addition, it's 250 minds. That's the auto-driven car. It's like a new commodity; it's a new utility.
The AI is going to flow across the grid -- the cloud -- in the same way electricity did. So everything that we had electrified, we're now going to cognify. And I would suggest, then, that the formula for the next 10,000 start-ups is very, very simple, which is to take x and add AI. That is the formula, that's what we're going to be doing. And that is the way in which we're going to make this second Industrial Revolution. And by the way -- right now, this minute, you can log on to Google
and you can purchase AI for six cents, 100 hits. That's available right now. So the third aspect of this is that when we take this AI and embody it, we get robots. And robots are going to be bots, they're going to be doing many of the tasks that we have already done. A job is just a bunch of tasks, so they're going to redefine our jobs because they're going to do some of those tasks. But they're also going to create whole new categories, a whole new slew of tasks that we didn't know we wanted to do before.
They're going to actually engender new kinds of jobs, new kinds of tasks that we want done, just as automation made up a whole bunch of new things that we didn't know we needed before, and now we can't live without them. So they're going to produce even more jobs than they take away, but it's important that a lot of the tasks that we're going to give them are tasks that can be defined in terms of efficiency or productivity. If you can specify a task, either manual or conceptual, that can be specified in terms of efficiency or productivity, that goes to the bots.
Productivity is for robots. What we're really good at is basically wasting time. (Laughter) We're really good at things that are inefficient. Science is inherently inefficient. It runs on that fact that you have one failure after another. It runs on the fact that you make tests and experiments that don't work, otherwise you're not learning. It runs on the fact that there is not a lot of efficiency in it. Innovation by definition is inefficient, because you make prototypes, because you try stuff that fails, that doesn't work.
Exploration is inherently inefficiency. Art is not efficient. Human relationships are not efficient. These are all the kinds of things we're going to gravitate to, because they're not efficient. Efficiency is for robots. We're also going to learn that we're going to work with these AIs because they think differently than us. When Deep Blue beat the world's best chess champion, people thought it was the end of chess. But actually, it turns out that today, the best chess champion in the world is not an AI. And it's not a human.
It's the team of a human and an AI. The best medical diagnostician is not a doctor, it's not an AI, it's the team. We're going to be working with these AIs, and I think you'll be paid in the future by how well you work with these bots. So that's the third thing, is that they're different, they're utility and they are going to be something we work with rather than against. We're working with these rather than against them. So, the future: Where does that take us? I think that 25 years from now, they'll look back
and look at our understanding of AI and say, "You didn't have AI. In fact, you didn't even have the Internet yet, compared to what we're going to have 25 years from now." There are no AI experts right now. There's a lot of money going to it, there are billions of dollars being spent on it; it's a huge business, but there are no experts, compared to what we'll know 20 years from now. So we are just at the beginning of the beginning, we're in the first hour of all this. We're in the first hour of the Internet. We're in the first hour of what's coming.
The most popular AI product in 20 years from now, that everybody uses, has not been invented yet. That means that you're not late. Thank you. (Laughter) (Applause)