How Artificial Intelligence change the world as we know it | Foteini Agrafioti | TEDxAcademy - YouTube How Artificial Intelligence change the world as we know it | Foteini Agrafioti | TEDxAcademy - YouTube Cómo la Inteligencia Artificial cambiará el mundo tal y como lo conocemos | Foteini Agrafioti | TEDxAcademy - YouTube Comment l'intelligence artificielle change le monde tel que nous le connaissons | Foteini Agrafioti | TEDxAcademy - YouTube Как искусственный интеллект изменит мир, каким мы его знаем | Фотейни Аграфьоти | TEDxAcademy - YouTube

Μετάφραση: Aggeliki Ximeraki Επιμέλεια: Natalia Savvidi

Θα πάμε λίγο πίσω στον χρόνο πρώτα. We'll go back in time a little bit first. Вначале давайте отправимся немного назад во времени.

Το 1775 στη Γλασκώβη, ο Τζέιμς ήταν τότε 20 ετών. В 1775 год, в Глазго — Джеймсу было тогда 20 лет.

Είχε μόλις τελειώσει το σχολείο και το όνειρό του ήταν να γίνει He had just finished school and his dream was to become Он только что окончил школу, и его мечтой было

ο πρώτος κατασκευαστής μαθηματικών οργάνων στη Σκωτία. the first manufacturer of mathematical instruments in Scotland. стать первым изготовителем математических приборов в Шотландии.

Ήταν πολύ καλός στη δουλειά του. Он очень хорошо разбирался в своём деле.

Είχε κλίση στο να κατασκευάζει και να συντηρεί συσκευές, He had an aptitude for building and maintaining appliances, Ему нравилось изготовлять и ремонтировать такие приборы,

όπως είναι το βαρόμετρο, το τηλεσκόπιο, η ζυγαριά, как барометр, телескоп, весы,

και το πλάνο του ήταν να ξεκινήσει τη δική του επιχείρηση. and his plan was to start his own business. и он планировал открыть для этого собственное предприятие.

Όμως ο Δήμος της Γλασκώβης, But the City of Glasgow, Однако мэрия Глазго

που εκείνη την περίοδο δεν πολυκαταλάβαινε who at the time didn't really understand в то время не очень-то понимала,

γιατί αυτό που κάνει ο Τζέιμς είναι διαφορετικό από έναν απλό σιδερά, because what James does is different from a blacksmith, чем отличается деятельность Джеймса от того, что делает простой кузнец,

του αρνήθηκε την άδεια για την επιχείρησή του, denied him a license for his business, и отказала ему в разрешении на такое предприятие.

με τη δικαιολογία, πως δεν έχει συμπληρώσει on the grounds that he has not completed В качестве причины было указано,

τα απαιτούμενα χρόνια πρακτικής εργασίας. the required years of practical work experience. что он не имеет требуемого стажа.

Ο Τζέιμς απογοητεύτηκε, αλλά δεν το έβαλε κάτω. James was disappointed, but he didn't give up. Джеймс был разочарован, но не сдался.

Πήγε και ζήτησε δουλειά He went and asked for a job Он попросился работать

από δύο καθηγητές στο πανεπιστήμιο της Γλασκώβης. у двух профессоров Университета Глазго.

Και τώρα ο μύθος λέει, ότι κάποια χρόνια μετά, And now the legend says that some years later, Согласно легенде, несколько лет спустя,

καθώς μια μέρα έβραζε νερό για να φτιάξει τσάι, while one day he was boiling water to make tea, кипятя воду для чая,

παρατήρησε για πρώτη φορά, πως ο ατμός μέσα στην τσαγιέρα noticed for the first time that the steam in the teapot он впервые заметил, что пар в чайнике

ανάγκαζε, είχε τη δύναμη forced, had the power имеет достаточную силу для того,

να σπρώχνει το καπάκι της τσαγιέρας και να το ανεβάζει ψηλά. pushing the lid of the teapot and lifting it up. чтобы приподнимать крышку чайника.

Αυτό αποτέλεσε έμπνευση για τον Τζέιμς This was an inspiration for James Это вдохновило Джеймса

και τον οδήγησε στην εφεύρεση της ατμομηχανής. and led him to the invention of the steam engine. на изобретение паровой машины.

Αυτός λοιπόν είναι ο Τζέιμς Βατ, So that's James Watt, Это был Джеймс Уатт,

και η ατμομηχανή του άλλαξε για πάντα and his locomotive changed forever и его паровая машина навсегда изменила

τον τρόπο με τον οποίο γίνονται η μαζικές μεταφορές the way in which mass transport is carried out то, как осуществляются массовые перевозки

και η παραγωγή στη βιομηχανία and production in the industry и работает промышленность,

και οδήγησε στην 1η Βιομηχανική Επανάσταση. что привело к первой промышленной революции.

Πάμε τώρα 100 χρόνια αργότερα. Теперь перенесёмся на 100 лет вперёд.

Αυτός είναι ο Τόμας Έντισον. Это Томас Эдисон.

Ένα πολύ ανήσυχο πνεύμα. A very restless spirit. Очень неспокойная душа.

Όταν αυτός ήταν 20 ετών Когда ему было 20 лет,

έπιασε δουλειά στη Western Union. он получил работу в Western Union.

Ζήτησε να δουλεύει τη βραδινή βάρδια He asked to work the night shift Он попросился работать в вечернюю смену,

διότι ήθελε να δουλεύει τα προσωπικά του πρότζεκτ because he wanted to work on his personal projects потому что хотел работать над личными проектами

και δεν ήθελε να τον πάρουν χαμπάρι τα αφεντικά του. and he didn't want his bosses to notice him. и не хотел, чтобы об этом узнало его начальство.

Όμως για κακή του τύχη, But unfortunately for him, Однако, к несчастью,

ένα βράδυ, καθώς πειραματιζόταν με μια μπαταρία, однажды вечером, экспериментируя с батареей,

έριξε κατά λάθος στο πάτωμα οξύ. accidentally spilled acid on the floor. он по ошибке пролил на пол кислоту.

Και αυτό έτυχε να είναι από αυτά τα πολύ διαβρωτικά οξέα, And this happened to be one of those very corrosive acids, Эта кислота оказалась очень агрессивной,

το οποίο πέρασε μέσα από το πάτωμα, она просочилась сквозь пол

και προσγειώθηκε πάνω στο γραφείο του αφεντικού του, στον από κάτω όροφο. и попала на письменный стол его начальника этажом ниже.

Όπως φαντάζεστε, το επόμενο πρωί απολύθηκε. Как и можно было ожидать, утром его уволили.

Όμως εκ των υστέρων αποδείχτηκε, Задним числом оказалось,

πως αυτή ήταν μια κακή κίνηση για τη Western Union. что для Western Union это было неразумным шагом.

Διότι στη συνέχεια ο Έντισον Потому что впоследствии Эдисон стал

έγινε ένας από τους πιο μεγάλους εφευρέτες όλων των εποχών.

Ακόμα και σήμερα κατέχει το παγκόσμιο ρεκόρ σε αριθμό πατεντών, Даже по состоянию на настоящий день

που έχουν κατοχυρωθεί σε έναν μόνο άνθρωπο.

Έχει πάνω από 1.000 πατέντες. У него более тысячи патентов.

Κατά την άποψή μου, μία από τις πιο σημαντικές εφευρέσεις του По-моему, одно из его важнейших изобретений

ήταν το 1880, было сделано в 1880 году —

μια τεχνολογία για παραγωγή και διανομή ηλεκτρικής ενέργειας это технология производства и распределения электрической энергии

σε σπίτια και βιομηχανίες, в домах и промышленных предприятиях,

η οποία οδήγησε ουσιαστικά στη 2η Βιομηχανική Επανάσταση. что по существу привело ко второй индустриальной революции.

Και η τελευταία ιστορία που θέλω να σας πω Последняя история, которую я хочу вам рассказать, —

είναι για τον Κλοντ Σάνον. о Клоде Шенноне,

Έναν σπουδαίο μαθηματικό, κρυπτογράφο, φιλόσοφο, θεωρητικό великом математике, кодировщике, философе, теоретике

και πολύ ενδιαφέρουσα προσωπικότητα. и очень интересной личности.

Λέγεται ότι έφτιαξε μια ολόκληρη περιουσία στα καζίνο του Λας Βέγκας, Говорят, что он сколотил себе состояние в казино Лас-Вегаса,

με το να χρησιμοποιεί θεωρία παιγνίων για να κοροϊδέψει το Μπλακτζάκ. используя теорию игр, чтобы обыгрывать в блек-джеке.

Είναι επίσης ο εφευρέτης της λεγόμενης «Άχρηστης μηχανής». Он изобрёл также так называемую бесполезную машину,

Μιας μηχανής, η οποία έχει μία λειτουργία имеющую только одну функцию

και καμία απολύτως χρηστικότητα. и не приносящую никакой пользы.

Και αν είστε περίεργοι, Если вам интересно знать,

είναι ένα κουτί με έναν διακόπτη. это коробка с переключателем.

Και όταν το πατάς ανοίγει το κουτί, βγαίνει ένα χέρι, Когда его нажимают, коробка открывается и из неё вылезает рука,

σβήνει τον διακόπτη και ξαναμπαίνει μέσα. которая выключает переключатель и задвигается обратно в коробку.

(Γέλια)

Μόνο αυτό κάνει. Это всё, что происходит.

Ωραίος τύπος, έτσι; Замечательный человек, не так ли?

Όταν έκανε το μεταπτυχιακό του στο ΜΙΤ Когда он учился в аспирантуре в ΜΙΤ, он опубликовал труд,

δημοσίευσε μια εργασία ορόσημο στον τομέα της πληροφορικής,

κάτι το οποίο αποτέλεσε τη βάση για τους μικροεπεξεργαστές и послуживший основой для создания микропроцессоров

και του προσωπικού υπολογιστή, όπως τον ξέρουμε σήμερα. и персональных компьютеров, какими мы их знаем сегодня.

Οι ανακαλύψεις του, Его открытия,

μαζί με άλλες ανακαλύψεις τη δεκαετία του '50 και του '60, наряду с другими открытиями 1950-х и 1960-х годов,

όπως είναι το ίντερνετ, такими как Интернет,

οδήγησαν στην 3η Βιομηχανική Επανάσταση, привели к третьей индустриальной революции —

την ψηφιακή επανάσταση. цифровой революции.

Και εδώ είμαστε σήμερα. Тут мы и находимся сейчас.

Κάθε φορά που γίνεται μια καινούργια ανακάλυψη, Каждое новое открытие

αυτή συνήθως πυροδοτεί άλλες ανακαλύψεις. обычно приводит к новым открытиям.

Και αυτές με τη σειρά τους πυροδοτούν άλλες. А те, в свою очередь, побуждают к новым открытиям.

Και έτσι κάποια στιγμή περνάμε αυτή τη διαχωριστική γραμμή Так наступает момент, когда мы пересекаем черту,

η οποία ορίζει μια εποχή определяющую данную эпоху,

και μια καινούργια επανάσταση ξεκινάει. и начинается новая революция.

Αυτό που ήρθα να μοιραστώ μαζί σας σήμερα, Я хочу рассказать вам сегодня о том,

είναι το τι γίνεται εδώ και τώρα στον τομέα των υπολογιστών что происходит сейчас в компьютерной области

και ποιος βρίσκεται πίσω από αυτό. и кто за этим стоит.

Και θα αφήσω σε εσάς, στη συνέχεια να αποφασίσετε από μόνοι σας, И предоставлю вам самим судить,

αν θεωρείτε ότι βρισκόμαστε στο κατώφλι της 4ης Βιομηχανικής Επανάστασης ή όχι. находимся ли мы на пороге четвёртой промышленной революции.

Λοιπόν, ένα από το μεγαλύτερα προβλήματα στην πληροφορική Итак, одна из труднейших задач в области информатики —

είναι η αυτόματη αναγνώριση αντικειμένων από εικόνες. это автоматическое распознавание образов.

Κάτι το οποίο είναι τόσο εύκολο για τον άνθρωπο να κάνει. Для человека это совсем не сложно.

Μπορεί να το κάνει και ένα τρίχρονο παιδί. Даже трёхлетний ребёнок может это делать.

Να σου πει δηλαδή, ότι να, σε αυτή τη φωτογραφία А именно, он может сказать, что на этой картинке

υπάρχει ένα δέντρο, μια καρέκλα, ένας άνθρωπος. изображено дерево, стул, человек.

Είναι όμως ένα πάρα πολύ δύσκολο πρόβλημα για τον υπολογιστή. Однако для компьютера это очень сложно.

Και πολλοί επιστήμονες αφιέρωσαν τις καριέρες τους στο να το λύσουν. Многие учёные посвятили себя решению этой проблемы.

Υπάρχει επίσης και ένας διαγωνισμός Ежедневно проводится также конкурс

ο οποίος γίνεται κάθε χρόνο, σε παγκόσμιο επίπεδο, по всему миру,

όπου ερευνητές καταθέτουν τους αλγορίθμους τους на который исследователи отправляют свои алгоритмы

και ανταγωνίζονται στο ποιος θα έχει την καλύτερη ακρίβεια и соревнуются в том, чей алгоритм

στην αναγνώριση αντικειμένων,

σε πάνω από 1 εκατομμύριο φωτογραφίες του πραγματικού κόσμου. среди более чем миллиона изображений, взятых из реального мира.

Αν δει κανείς τα αποτελέσματα του διαγωνισμού Если взглянуть на результаты этого конкурса

και την ακρίβεια που έχουμε κάθε χρόνο, и на достигаемую точность по годам,

θα παρατηρούσατε πως σιγά-σιγά можно увидеть, что мы черепашьими шагами

προοδεύαμε με αργά βήματα προς την επίλυση του προβλήματος. двигались к решению этой проблемы.

Το 2012 μια ομάδα από το Πανεπιστήμιο του Τορόντο В 2012 году группа из Торонтского университета

συμμετείχε σε αυτόν τον διαγωνισμό, участвовала в этом конкурсе,

με μια τεχνολογία την οποία ονόμασε «Deep learning». представив технологию, которую они назвали deep learning,

Δηλαδή «Βαθιά μάθηση». что означает «глубокое обучение».

Η τεχνολογία αυτή βασιζόταν στα λεγόμενα «νευρωνικά δίκτυα». Эта технология основана на «нейронных сетях».

Και η αλήθεια είναι, ότι τα νευρωνικά δίκτυα На самом деле нейронные сети

υπήρχαν για πολύ καιρό πριν το 2012. существовали задолго до 2012 года.

Πολλοί επιστήμονες είχαν προσπαθήσει να τα χρησιμοποιήσουν Многие учёные пытались использовать их

για να λύσουν κάποια από αυτά τα προβλήματα, для решения некоторых из этих проблем,

χωρίς όμως να πάρουν καλά αποτελέσματα. но результаты при этом были не особенно хорошими.

Και έτσι είχε γίνει κάπως В каком-то смысле в академических кругах

σαν ένα κοινό μυστικό στους ακαδημαϊκούς κύκλους, было известно, но не афишировалось,

πως τα νευρωνικά δίκτυα δεν δουλεύουν. что нейронные сети не работают.

Και αν θες να δεις την καριέρα σου να καταστρέφεται, Заниматься исследованиями, связанными с нейронными сетями,

τότε κάνε έρευνα στα νευρωνικά δίκτυα. означало разрушить свою карьеру.

Παρ' όλα αυτά αυτή η ομάδα πίστευε, Однако эта группа считала,

πως απλώς ακόμα δεν έχουμε βρει το σωστό τρόπο να τα εφαρμόσουμε что мы просто не нашли ещё правильного способа их применения

και πως αυτός ο τρόπος υπάρχει. и что такой способ существует.

Οπότε αξίζει να συνεχίσουμε την έρευνα. Так что стоит продолжить исследования.

Και είχαν καταλήξει να είναι το μαύρο πρόβατο της Ακαδημίας. В конце концов они стали белыми воронами среди учёных.

Έτσι, όταν το 2012 συμμετείχαν στον διαγωνισμό, Поэтому, когда эта группа приняла участие в конкурсе в 2012 году,

κανείς δεν πίστευε, ότι θα έπαιρναν καλά αποτελέσματα. никто не верил, что у них будут хорошие результаты.

Όταν όμως τα αποτελέσματα του διαγωνισμού βγήκαν το επόμενο πρωί, Когда на следующее утро были объявлены результаты конкурса,

η επιστημονική κοινότητα σοκαρίστηκε. научное сообщество было ошеломлено.

Όχι μόνο είχαν καταφέρει να ξεπεράσουν σε ακρίβεια Им удалось не только превзойти по точности

οποιονδήποτε άλλον αλγόριθμο υπήρχε μέχρι εκείνη τη στιγμή, все другие имевшиеся к тому моменту алгоритмы,

κατάφεραν επίσης και το ασύλληπτο, το αδιανόητο. но и нечто невообразимое.

Ξεπέρασαν την ανθρώπινη νοημοσύνη. Им удалось превзойти человеческий интеллект,

Την ανθρώπινη ακρίβεια. человеческую точность.

Μπορείτε να φανταστείτε τι σημαίνει αυτό; Вы можете представить себе, что это означает?

Πλέον ξέρουμε, ότι ένας υπολογιστής μπορεί καλύτερα από έναν άνθρωπο Мы теперь знаем, что компьютер в состоянии распознавать образы

να μας πει, τι απεικονίζει μια εικόνα. лучше, чем человек.

Και έτσι κάπως γυρίσαμε σελίδα Так начался новый этап,

και αρχίσαμε να μιλάμε για πραγματική, για ουσιαστική «τεχνητή νοημοσύνη». и мы начали говорить о настоящем искусственном интеллекте.

Βέβαια τα πράγματα από το 2012 και έπειτα κινήθηκαν με ταχύτητα φωτός. Конечно же, после 2012 года события стали развиваться со скоростью света.

Εταιρείες όπως είναι η Google, η Facebook, η Baidu, η Uber Такие компании, как Google, Facebook, Baidu и Uber

μπήκαν στο παιχνίδι πάρα πολύ γρήγορα очень быстро подключились к игре

και άρχισαν να χρησιμοποιούν νευρωνικά δίκτυα στα προϊόντα τους. и стали использовать нейтронные сети в своих приложениях.

Προβλήματα όπως είναι η αναγνώριση του προσώπου, Такие проблемы, как распознавание лиц,

η αναζήτηση εικόνας, η ανάλυση της φυσικής γλώσσας поиск изображения или анализ естественного языка

έχουν πλέον ακρίβεια την οποία δεν περιμέναμε ποτέ. решаются теперь с точностью,

Στην αγορά υπάρχει αυτή τη στιγμή ένας βοηθός τεχνητής νοημοσύνης, В настоящее время на рынке имеется

ο οποίος τι κάνει;

Ας πούμε ότι θέλετε να κλείσετε ένα ραντεβού με τους συναδέλφους σας. Допустим, вы хотите назначить встречу с коллегами.

Αντί να το κάνετε εσείς, το αναλαμβάνει ο βοηθός. Вместо вас это может сделать ваш цифровой помощник.

Συντάσσει email, τα οποία σαν να τα έχετε γράψει εσείς, Он пишет электронные сообщения от вашего имени,

δηλαδή μιλάει με τον δικό σας τρόπο. то есть он выражается так же, как и вы.

Μιλάει με τους συναδέλφους σας και κλείνει το ραντεβού. Общаясь с вашими коллегами, он назначает встречу.

Η Wall Street χρησιμοποιεί έναν άλλο βοηθό τεχνητής νοημοσύνης, Wall Street пользуется другим виртуальным цифровым помощником.

ο οποίος παρακολουθεί τα νέα των επιχειρήσεων Он следит за новостями компаний

σε παγκόσμιο επίπεδο και σε πραγματικό χρόνο. по всему миру в режиме реального времени.

Κάθε φορά που βγαίνει ένα καινούργιο άρθρο για κάποια επιχείρηση, При каждом появлении новой статьи о какой-нибудь компании,

ο βοηθός το διαβάζει και αποφασίζει αυτόματα, цифровой помощник читает её и автоматически решает,

ποια θα είναι η επόμενη επενδυτική κίνηση της εταιρείας. каким будет следующий инвестиционный шаг этой компании.

Για έναν άνθρωπο, να κάνει κάτι τέτοιο, Если бы это делал человек,

θα έπαιρνε τουλάχιστον δύο με τρία λεπτά, αν δεν έκανε τίποτα άλλο. ему понадобились бы как минимум две-три минуты,

Για έναν υπολογιστή, το να κάνει κάτι τέτοιο, Компьютеру же на это требуются доли секунды.

γίνεται σε κλάσματα δευτερολέπτου.

Και μη ξεχνάτε, αυτή είναι η Wall Street και ο χρόνος είναι χρήμα. Не забывайте, для Wall Street время — это деньги.

Μια άλλη πολύ ενδιαφέρουσα κατεύθυνση που παίρνει η τεχνολογία αυτή Другое интересное направление в применении этой технологии

αυτή τη στιγμή είναι στον τομέα της ιατρικής, в настоящее время — это медицина.

όπου προσπαθούμε να διαγνώσουμε ασθένειες από μαγνητικές και αξονικές τομογραφίες. Делается попытка ставить больным диагнозы

Γιατί, για έναν υπολογιστή Потому что для компьютера

το να ανιχνεύσει το είδος ενός όγκου определить тип опухоли

μέσα σε μια μαγνητική τομογραφία εγκεφάλου, при магнитной томографии мозга —

είναι ακριβώς το ίδιο πρόβλημα, με το να σου πει: это то же самое, что сказать вам:

Α, αυτή είναι μια καρέκλα σε μια απλή φωτογραφία. «Это стул на простой фотографии».

Ελπίδα όλων φυσικά είναι, ότι κάτι τέτοιο θα δουλέψει Все надеются, конечно, что это будет возможно

και θα μειώσει το ανθρώπινο λάθος στον τομέα αυτό,

το οποίο δυστυχώς σήμερα μετριέται στα 20%. В настоящее время, к сожалению, доля ошибок составляет 20%.

20%. 20%.

Προσωπική μου άποψη λοιπόν είναι πως, ναι, Лично я считаю, что мы действительно

βρισκόμαστε στο κατώφλι της 4ης Βιομηχανικής Επανάστασης. находимся на пороге четвёртой промышленной революции.

Μιας επανάστασης, η οποία θα αλλάξει για πάντα πολλές πτυχές επαγγελμάτων, Революции, которая навсегда изменит многие аспекты различных профессий,

όπως είναι ο γιατρός, ο δικηγόρος, ο δημοσιογράφος, ο επενδυτής. таких как врачей, юристов. журналистов, инвесторов.

Και δεν μπορούμε, αλλά και δεν πρέπει κιόλας, И мы не можем и не должны

να σταματήσουμε την εξέλιξη που έρχεται προς το μέρος μας. остановить то, что на нас надвигается.

Το μόνο που μπορούμε να κάνουμε είναι να προετοιμαστούμε κατάλληλα. Мы можем только подготовиться должным образом.

Και ένας τρόπος για να γίνει αυτό Один из способов —

είναι να προσαρμόσουμε την οπτική που έχουμε приспособить свой подход к образованию.

για την παιδεία και τη μόρφωση.

Γιατί η τεχνητή νοημοσύνη χρειάζεται προγραμματιστές, Потому что для искусственного интеллекта нужны программисты,

χρειάζεται μηχανικούς, χρειάζεται ποιητές, χρειάζεται δημιουργούς. инженеры, поэты, творческие личности.

Όλους τους ανθρώπους, που θα τη σπρώξουν στο επόμενο επίπεδο. Все те, кто поднимут его на новый уровень.

Έτσι, μια μόρφωση στον τομέα αυτό είναι το εισιτήριο για το μέλλον. Так что образование в этой области обеспечивает билет в будущее.

Ευχαριστώ πολύ. Большое спасибо.

(Χειροκρότημα) (Аплодисменты)