1
00:00:02,000 --> 00:00:07,000
Downloadet fra
YTS.BZ

2
00:00:08,000 --> 00:00:13,000
Officiel YIFY-filmside:
YTS.BZ

3
00:00:15,420 --> 00:00:17,609
Konceptet
af maskiner, der kan tænke

4
00:00:17,610 --> 00:00:21,569
og handle som mennesker har gjort
eksisteret i århundreder.

5
00:00:21,570 --> 00:00:24,119
Længe før smartphones
eller endda elektricitet

6
00:00:24,120 --> 00:00:27,359
vores forfædre blev inspireret
af verden omkring dem

7
00:00:27,360 --> 00:00:29,939
og selve livets mysterier.

8
00:00:29,940 --> 00:00:33,003
Vi har været igennem disse
ændringer før som menneskeheden.

9
00:00:34,080 --> 00:00:36,089
Vil du være bange,

10
00:00:36,090 --> 00:00:38,669
eller vil du se mulighederne?

11
00:00:38,670 --> 00:00:41,249
Jo flere mennesker har adgang til AI,

12
00:00:41,250 --> 00:00:45,599
jo bedre bliver det
for kommende generationer.

13
00:00:45,600 --> 00:00:48,119
Vi burde behandle AI

14
00:00:48,120 --> 00:00:50,879
som vi gør et elsket lille barn,

15
00:00:50,880 --> 00:00:55,880
eller du vil lære det hvordan
være en god verdensborger.

16
00:00:57,000 --> 00:01:00,239
Fra oldtiden
myter til moderne vidundere,

17
00:01:00,240 --> 00:01:03,329
vi vil dykke ned i historierne
af de pionerer, der turde

18
00:01:03,330 --> 00:01:06,059
at drømme om tænkemaskiner

19
00:01:06,060 --> 00:01:07,949
og de teknologiske fremskridt

20
00:01:07,950 --> 00:01:11,387
som har bragt os tættere på
gør den drøm til virkelighed.

21
00:01:11,388 --> 00:01:13,409
Al teknologi

22
00:01:13,410 --> 00:01:15,213
har ingen egen samvittighed.

23
00:01:16,410 --> 00:01:19,713
Om det bliver det
en kraft på godt og ondt,

24
00:01:20,820 --> 00:01:22,229
afhænger af mennesket.

25
00:01:22,230 --> 00:01:24,119
Historien
AI er et vidnesbyrd

26
00:01:24,120 --> 00:01:27,423
til menneskelig nysgerrighed, kreativitet,

27
00:01:29,190 --> 00:01:31,190
og den ubønhørlige jagt på viden.

28
00:01:40,230 --> 00:01:41,253
Hvad er AI?

29
00:01:42,570 --> 00:01:45,843
Kunstig intelligens eller AI
giver computere en hjerne.

30
00:01:46,770 --> 00:01:48,809
Ordbogen definerer det som teorien

31
00:01:48,810 --> 00:01:52,619
og udvikling af computer
systemer i stand til at udføre opgaver

32
00:01:52,620 --> 00:01:55,289
som normalt kræver menneskelig intelligens.

33
00:01:55,290 --> 00:01:57,929
I dag tænker du på AI som ChatGPT,

34
00:01:57,930 --> 00:01:59,489
men hvad det egentlig er,

35
00:01:59,490 --> 00:02:01,469
er et ræsonnement og planlægningssystem

36
00:02:01,470 --> 00:02:03,029
som vi aldrig har set før.

37
00:02:03,030 --> 00:02:05,969
Når det kommer til AI, der
er muligheder overalt.

38
00:02:05,970 --> 00:02:08,549
Du ved, vi er en slags
i det vilde, vilde vesten,

39
00:02:08,550 --> 00:02:11,339
og det kunne være
muligheder for at få midler

40
00:02:11,340 --> 00:02:14,849
med en god idé og en
overbevisende proof of concept.

41
00:02:14,850 --> 00:02:16,739
Der er virkelig to typer

42
00:02:16,740 --> 00:02:20,249
af kunstig intelligens, der bliver brugt ude i verden i dag.

43
00:02:20,250 --> 00:02:23,399
Den ene er den større, mere generaliserede AI

44
00:02:23,400 --> 00:02:25,439
som vi kender som Google Translate.

45
00:02:25,440 --> 00:02:28,079
Og ChatGPT på den anden side,

46
00:02:28,080 --> 00:02:31,019
der er vi kalder automatisering AI, der er bygget

47
00:02:31,020 --> 00:02:32,839
med det vi kalder gyldne data,

48
00:02:32,840 --> 00:02:36,419
eller data, der er afledt
specifikt til den pågældende brugssag

49
00:02:36,420 --> 00:02:39,359
og det fjerner smerte
point for arbejdsgange.

50
00:02:39,360 --> 00:02:42,359
Typisk i virksomheder eller
i folks daglige rutiner.

51
00:02:42,360 --> 00:02:46,139
Du kan vælge hvad som helst
og bygge en idé ud fra det.

52
00:02:46,140 --> 00:02:47,369
Nogen byggede et firma

53
00:02:47,370 --> 00:02:52,370
der bruger AI til at klassificere baseballkort.

54
00:02:52,440 --> 00:02:54,719
Så frem for at have
en ekspert skal kigge

55
00:02:54,720 --> 00:02:57,689
og sig at dette er mynte eller
næsten mint eller meget god,

56
00:02:57,690 --> 00:03:00,809
du kunne bare tage billeder af 20 kort

57
00:03:00,810 --> 00:03:02,939
og det vil give dig
vurderinger for dem alle.

58
00:03:02,940 --> 00:03:05,369
AI er indstillet til
ændre verden, som vi kender den.

59
00:03:05,370 --> 00:03:07,559
Ankomsten af denne nye intelligens

60
00:03:07,560 --> 00:03:10,379
vil ændre sig dybt
vores land og verden

61
00:03:10,380 --> 00:03:12,779
på måder, vi ikke helt kan forstå.

62
00:03:12,780 --> 00:03:13,799
Og ingen af os,

63
00:03:13,800 --> 00:03:16,769
inklusive mig selv, og
helt ærligt, alle i dette rum,

64
00:03:16,770 --> 00:03:18,820
er forberedt på konsekvenserne af dette.

65
00:03:19,860 --> 00:03:22,137
Så hvad
er oprindelsen af AI?

66
00:03:25,110 --> 00:03:27,509
De gamle grækere fortalte
fortællinger om Hefaistos,

67
00:03:27,510 --> 00:03:30,779
gudernes smed, der
skabte mekaniske tjenere

68
00:03:30,780 --> 00:03:33,899
og endda en bronzeautomat kaldet Talos

69
00:03:33,900 --> 00:03:35,879
at bevogte øen Kreta.

70
00:03:35,880 --> 00:03:37,979
Disse myter var ikke bare fantasier,

71
00:03:37,980 --> 00:03:39,839
de afspejlede en dyb fascination

72
00:03:39,840 --> 00:03:42,659
med kunstige væseners potentiale.

73
00:03:42,660 --> 00:03:46,289
Mens grækerne ikke havde
computere eller algoritmer,

74
00:03:46,290 --> 00:03:48,209
de lagde grunden til AI

75
00:03:48,210 --> 00:03:51,899
ved at udforske forholdet
mellem mennesker og maskiner.

76
00:03:51,900 --> 00:03:54,479
De kæmpede med spørgsmål
om bevidsthed,

77
00:03:54,480 --> 00:03:57,569
kreativitet, og selve
intelligensens natur.

78
00:03:57,570 --> 00:04:00,539
Spørgsmål, der stadig
genklang hos os i dag,

79
00:04:00,540 --> 00:04:03,569
Jeg stiller spørgsmålstegn ved, om sådan
automater kan besidde liv.

80
00:04:03,570 --> 00:04:06,329
Men hvordan definerer man så livet?

81
00:04:06,330 --> 00:04:08,729
Måske er det evnen til at ræsonnere.

82
00:04:08,730 --> 00:04:10,349
Hurtigt frem
til middelalderen

83
00:04:10,350 --> 00:04:13,599
hvor geniale opfindere
fremstillede indviklede ure,

84
00:04:13,600 --> 00:04:15,269
vanddrevne automater,

85
00:04:15,270 --> 00:04:17,879
og endda programmerbare musikinstrumenter.

86
00:04:17,880 --> 00:04:21,299
Disse mekaniske vidundere ofte
udstillet i kongelige hofter

87
00:04:21,300 --> 00:04:24,179
og byens pladser betaget
den offentlige fantasi

88
00:04:24,180 --> 00:04:27,359
og rykkede grænserne
af, hvad der syntes muligt.

89
00:04:27,360 --> 00:04:30,226
En særlig fascinerende
figuren var Al-Jazari,

90
00:04:30,227 --> 00:04:32,939
en arabisk opfinder fra det 12. århundrede, der designede

91
00:04:32,940 --> 00:04:35,549
og byggede en bred vifte af automater,

92
00:04:35,550 --> 00:04:38,099
inklusive en programmerbar
musikinstrument

93
00:04:38,100 --> 00:04:41,909
der kunne betragtes som en
tidlige forfader til computeren.

94
00:04:41,910 --> 00:04:45,299
Disse opfindelser demonstrerede
den voksende sofistikering

95
00:04:45,300 --> 00:04:46,923
af maskinteknik,

96
00:04:47,880 --> 00:04:50,009
og antydede potentialet for maskiner

97
00:04:50,010 --> 00:04:53,669
at udføre mere og mere komplekse opgaver.

98
00:04:53,670 --> 00:04:56,699
Det 19. århundrede oplevede en
stigende interesse for logik,

99
00:04:56,700 --> 00:04:59,699
og matematik lægge den
grundlag for udviklingen

100
00:04:59,700 --> 00:05:01,289
af datalogi.

101
00:05:01,290 --> 00:05:04,259
Tænkere som George
Boole og Ada Lovelace

102
00:05:04,260 --> 00:05:06,239
ydet banebrydende bidrag

103
00:05:06,240 --> 00:05:08,399
til formalisering af logikken

104
00:05:08,400 --> 00:05:10,889
og udvikling af algoritmer,

105
00:05:10,890 --> 00:05:13,859
baner vejen for den digitale tidsalder.

106
00:05:13,860 --> 00:05:17,609
Lovelace, ofte hyldet som
første computerprogrammør,

107
00:05:17,610 --> 00:05:18,989
anerkendte potentialet

108
00:05:18,990 --> 00:05:22,319
af Charles Babbages analytiske motor,

109
00:05:22,320 --> 00:05:25,109
en mekanisk almindelig computer

110
00:05:25,110 --> 00:05:27,929
at gå ud over blot beregning
og manipulere symboler

111
00:05:27,930 --> 00:05:30,479
efter reglerne
antyder muligheden

112
00:05:30,480 --> 00:05:32,669
af kunstig intelligens.

113
00:05:32,670 --> 00:05:35,489
I midten af 1940'erne,

114
00:05:35,490 --> 00:05:38,579
to forskere ved
University of Chicago kom op

115
00:05:38,580 --> 00:05:42,029
med tanken om at prøve
at efterligne hjernen,

116
00:05:42,030 --> 00:05:44,489
neuroner og indbyrdes forbindelser,

117
00:05:44,490 --> 00:05:47,309
og de kaldte de neurale netværk.

118
00:05:47,310 --> 00:05:51,569
Nu, denne idé var der
egentlig ingen regnekraft

119
00:05:51,570 --> 00:05:54,449
at udføre noget væsentligt,

120
00:05:54,450 --> 00:05:57,419
men dette er tanken, der gennem årene

121
00:05:57,420 --> 00:06:00,513
er blevet grundlaget for, hvad AI er i dag.

122
00:06:01,440 --> 00:06:03,509
Midten af den 20
århundrede var vidne til fødslen

123
00:06:03,510 --> 00:06:04,893
fra computeralderen,

124
00:06:05,790 --> 00:06:08,669
en revolution antændt af
visionæres arbejde

125
00:06:08,670 --> 00:06:10,049
som Alan Turing.

126
00:06:10,050 --> 00:06:12,516
Den britiske matematiker
stillede et simpelt spørgsmål,

127
00:06:12,517 --> 00:06:14,279
"Kan maskiner tænke?"

128
00:06:14,280 --> 00:06:17,699
Denne æra markerede en betydningsfuld
skift i menneskets historie

129
00:06:17,700 --> 00:06:21,149
som maskinernes potentiale
at udføre komplekse beregninger

130
00:06:21,150 --> 00:06:24,269
og opgaver begyndte at blive realiseret.

131
00:06:24,270 --> 00:06:26,189
Grundlaget blev lagt i denne periode

132
00:06:26,190 --> 00:06:29,489
ville fortsætte med at påvirke
utallige aspekter af det moderne liv,

133
00:06:29,490 --> 00:06:33,269
fra den måde, vi kommunikerer på
måden vi løser problemer på.

134
00:06:33,270 --> 00:06:36,149
Turing, en genial
matematiker og kodebryder,

135
00:06:36,150 --> 00:06:38,819
spillede en afgørende rolle i
knækker gådekoden

136
00:06:38,820 --> 00:06:40,409
under Anden Verdenskrig.

137
00:06:40,410 --> 00:06:42,689
Det er det største
krypteringsenhed i historien.

138
00:06:42,690 --> 00:06:45,882
Tyskerne bruger det til
al større kommunikation.

139
00:06:49,230 --> 00:06:51,659
Hans arbejde var
afgørende for den allierede sejr,

140
00:06:51,660 --> 00:06:54,873
redde utallige liv
og forkorte krigen.

141
00:06:55,800 --> 00:06:59,429
Han lagde det teoretiske
grundlaget for moderne computere,

142
00:06:59,430 --> 00:07:02,069
forestiller sig maskiner, der
kunne udføre enhver opgave

143
00:07:02,070 --> 00:07:03,633
givet de rigtige instruktioner.

144
00:07:05,100 --> 00:07:06,719
Hans ideer var revolutionære,

145
00:07:06,720 --> 00:07:08,879
foreslår, at en maskine
kunne programmeres

146
00:07:08,880 --> 00:07:11,579
at udføre enhver beregning
som et menneske kunne

147
00:07:11,580 --> 00:07:13,443
givet tid og ressourcer nok.

148
00:07:15,330 --> 00:07:18,449
Desuden spørger hans berømte Turing-test

149
00:07:18,450 --> 00:07:22,169
hvis en maskine kan efterligne
menneskelig samtale så godt

150
00:07:22,170 --> 00:07:26,249
at du ikke kan se om det er det
en person eller en computer.

151
00:07:26,250 --> 00:07:29,099
Turing-testen udfordrer
os til at overveje, hvad det betyder

152
00:07:29,100 --> 00:07:31,259
for en maskine at tænke.

153
00:07:31,260 --> 00:07:33,749
Turings vision om
intelligente maskiner fortsætter

154
00:07:33,750 --> 00:07:36,779
at drive innovation og
efterforskning i felten,

155
00:07:36,780 --> 00:07:38,969
påvirke alt fra robotteknologi

156
00:07:38,970 --> 00:07:40,953
til naturlig sprogbehandling.

157
00:07:46,860 --> 00:07:49,199
Området kunstig
intelligens, som vi kender den

158
00:07:49,200 --> 00:07:51,419
blev officielt født i 1956

159
00:07:51,420 --> 00:07:53,339
ved Dartmouth Summer Research Project

160
00:07:53,340 --> 00:07:55,289
om kunstig intelligens.

161
00:07:55,290 --> 00:07:58,049
Denne skelsættende konference
organiseret af John McCarthy,

162
00:07:58,050 --> 00:07:59,819
Marvin Minsky, Claude Shannon,

163
00:07:59,820 --> 00:08:02,699
og Nathaniel Rochester bragte
sammen førende forskere

164
00:08:02,700 --> 00:08:05,493
at udforske potentialet
af tænkende maskiner.

165
00:08:06,360 --> 00:08:08,129
På trods af den indledende begejstring,

166
00:08:08,130 --> 00:08:10,169
vejen til kunstig intelligens viste sig

167
00:08:10,170 --> 00:08:12,269
at være mere rocket end forventet.

168
00:08:12,270 --> 00:08:16,649
Slutningen af 1960'erne og 1970'erne oplevede
en periode med desillusion

169
00:08:16,650 --> 00:08:19,199
og reducerede midler til AI-forskning

170
00:08:19,200 --> 00:08:22,053
ofte omtalt som AI-vinteren.

171
00:08:22,980 --> 00:08:25,799
Finansieringen blev skåret betydeligt ned.

172
00:08:25,800 --> 00:08:29,009
Og hvad var det, der resulterede i,

173
00:08:29,010 --> 00:08:32,729
Jeg tror, at en stor del af det var hype.

174
00:08:32,730 --> 00:08:34,079
Du ved, der var en masse hype

175
00:08:34,080 --> 00:08:38,069
at sælge kunstigt
intelligens, ræsonnement,

176
00:08:38,070 --> 00:08:40,859
kontekstuel bevidsthed, så videre og så videre,

177
00:08:40,860 --> 00:08:43,109
og de værktøjer, der blev bygget på det tidspunkt

178
00:08:43,110 --> 00:08:46,950
var ikke i nærheden af
evne til at opnå det.

179
00:08:47,994 --> 00:08:50,489
1980'erne og 1990'erne var vidne til

180
00:08:50,490 --> 00:08:52,109
en genopblussen af AI,

181
00:08:52,110 --> 00:08:54,719
drevet delvist af
stigningen i maskinlæring.

182
00:08:54,720 --> 00:08:56,999
Dette er inspireret af hjernens evner

183
00:08:57,000 --> 00:09:00,389
at lære af erfaring
involveret træningsalgoritmer

184
00:09:00,390 --> 00:09:02,189
på store mængder data,

185
00:09:02,190 --> 00:09:05,849
giver dem mulighed for at forbedre sig
deres præstationer over tid.

186
00:09:05,850 --> 00:09:07,679
Tilgængeligheden af større datasæt

187
00:09:07,680 --> 00:09:10,623
og mere kraftfulde computere
muliggjort betydelige fremskridt.

188
00:09:13,350 --> 00:09:17,189
I slutningen af halvfemserne, hvad vi kendte som AI

189
00:09:17,190 --> 00:09:19,619
var virkelig beslutningstræerne

190
00:09:19,620 --> 00:09:22,589
der blev brugt til at kontrollere videospil.

191
00:09:22,590 --> 00:09:25,743
Det første videospil vi
gjorde hed Soul Edge.

192
00:09:28,290 --> 00:09:31,949
Namco tog en ninja med fra Japan.

193
00:09:31,950 --> 00:09:35,699
Vi burde ikke lave bevægelser
ved hjælp af motion capture.

194
00:09:35,700 --> 00:09:38,399
Det ville hovedspilleren
flytte deres controller,

195
00:09:38,400 --> 00:09:42,449
og så AI-systemet
i spillet ville afgøre

196
00:09:42,450 --> 00:09:45,989
hvilken animation der skal afspilles baseret på det.

197
00:09:45,990 --> 00:09:50,129
Og så har du ikke-spilleren
tegn eller NPC'erne

198
00:09:50,130 --> 00:09:52,949
og de ville også træffe beslutninger

199
00:09:52,950 --> 00:09:54,963
ud fra, hvad der er beslutningstræer.

200
00:09:55,980 --> 00:09:56,813
Du vinder.

201
00:09:58,020 --> 00:10:00,479
Maskinlæring
begyndte at klare sig bedre end mennesker

202
00:10:00,480 --> 00:10:02,729
i specifikke opgaver.

203
00:10:02,730 --> 00:10:05,189
I slutningen af halvfemserne,
AI scorede en stor sejr.

204
00:10:05,190 --> 00:10:06,659
IBM's Deep Blue besejrede

205
00:10:06,660 --> 00:10:08,793
verdensmester i skak, Garry Kasparov,

206
00:10:09,990 --> 00:10:11,999
demonstrerer
potentialet i denne tilgang

207
00:10:12,000 --> 00:10:14,463
at revolutionere forskellige industrier.

208
00:10:20,640 --> 00:10:23,429
Løft af
rumfærge og lander.

209
00:10:23,430 --> 00:10:24,809
Det 20. århundrede var vidne til

210
00:10:24,810 --> 00:10:27,629
det spændende rumkapløb, en
konkurrence mellem nationer

211
00:10:27,630 --> 00:10:30,299
at opnå overherredømme i udforskning af rummet.

212
00:10:30,300 --> 00:10:33,543
Det var en hurtig tid
fremskridt og intens rivalisering.

213
00:10:34,380 --> 00:10:38,189
I dag er der et nyt løb
i gang, AI-rumkapløbet.

214
00:10:38,190 --> 00:10:39,989
Nationer investerer massivt

215
00:10:39,990 --> 00:10:42,299
inden for AI forskning og udvikling.

216
00:10:42,300 --> 00:10:45,419
I hjertet af denne konkurrence
er drivkraften til at udvikle sig

217
00:10:45,420 --> 00:10:49,079
og styrer mest
avancerede AI-teknologier,

218
00:10:49,080 --> 00:10:51,363
som lovede at forvandle vores verden.

219
00:10:52,710 --> 00:10:56,519
Fra 2010'erne,
vi havde denne konvergens

220
00:10:56,520 --> 00:11:00,269
af cloud computing
bliver billigere,

221
00:11:00,270 --> 00:11:03,359
og også skatkammeret af data

222
00:11:03,360 --> 00:11:06,869
som faktisk var tilgængelig for udviklere

223
00:11:06,870 --> 00:11:10,199
og AI-teknologer fra
sociale medier, fra internettet,

224
00:11:10,200 --> 00:11:12,479
alle disse ting kommer sammen,

225
00:11:12,480 --> 00:11:15,269
det var da vi så dette
næste niveau af eksplosion.

226
00:11:15,270 --> 00:11:17,459
Dette næste udviklingsniveau

227
00:11:17,460 --> 00:11:21,993
det tog os ind i det, vi er
ser nu, eksponentiel vækst.

228
00:11:24,060 --> 00:11:27,629
Den største effekt
opdagelsen var virkelig i 2017

229
00:11:27,630 --> 00:11:30,629
med udgivelsen af Transformer-modeller,

230
00:11:30,630 --> 00:11:34,199
hvilket i det væsentlige tillod
disse neurale modeller

231
00:11:34,200 --> 00:11:38,219
at skabe kontekstuelle linjer
mellem oplysningerne

232
00:11:38,220 --> 00:11:39,779
som den bliver trænet med.

233
00:11:39,780 --> 00:11:44,609
Og jeg tror, at konteksten er central for AI

234
00:11:44,610 --> 00:11:46,649
at få evnen til at ræsonnere

235
00:11:46,650 --> 00:11:49,859
og træffe de rigtige beslutninger.

236
00:11:49,860 --> 00:11:51,899
Indsatserne er
utroligt højt som nationen

237
00:11:51,900 --> 00:11:55,139
at leads i AI vil have
en væsentlig fordel

238
00:11:55,140 --> 00:11:56,373
på den globale arena.

239
00:11:57,210 --> 00:11:59,523
Hvad ville der ske, hvis Kina slog os?

240
00:12:00,420 --> 00:12:01,829
Lad os tænke over det.

241
00:12:01,830 --> 00:12:05,609
Vejen til intelligens
den overmenneskelige intelligens,

242
00:12:05,610 --> 00:12:08,429
tænk på det nationale
sikkerhedsmæssige konsekvenser

243
00:12:08,430 --> 00:12:09,869
af den konkurrence.

244
00:12:09,870 --> 00:12:11,369
I januar 2025,

245
00:12:11,370 --> 00:12:15,539
verden var vidne til en afgørende betydning
øjeblik i AI rumkapløbet.

246
00:12:15,540 --> 00:12:18,449
Lanceringen af DeepSeek en kinesisk AI-app

247
00:12:18,450 --> 00:12:20,669
der hurtigt tog verden med storm.

248
00:12:20,670 --> 00:12:23,699
Denne innovative applikation
omdefinerede grænserne

249
00:12:23,700 --> 00:12:25,949
af, hvad AI kunne opnå i hverdagen.

250
00:12:25,950 --> 00:12:27,479
DeepSeek dukkede op.

251
00:12:27,480 --> 00:12:28,589
Ingen forventede dette.

252
00:12:28,590 --> 00:12:32,369
Det viser sig, at det er på niveau nu
med nogle af topmodellerne.

253
00:12:32,370 --> 00:12:35,609
Velkommen, Kina er ankommet
i konkurrencen.

254
00:12:35,610 --> 00:12:38,249
DeepSeek-bevægelsen er
vil gå over i historien

255
00:12:38,250 --> 00:12:42,749
som en værende en af refleksion
for hele AI-fællesskabet

256
00:12:42,750 --> 00:12:45,689
og alle interessenter som helhed.

257
00:12:45,690 --> 00:12:50,429
Så DeepSeek var en model
udgivet af et kinesisk firma

258
00:12:50,430 --> 00:12:52,349
der går under samme navn.

259
00:12:52,350 --> 00:12:56,429
Det var en open source
model, der var sammenlignelig

260
00:12:56,430 --> 00:12:59,853
til de bedste lukkede kildemodeller
der fandtes på planeten.

261
00:13:07,890 --> 00:13:11,309
Udgivelsen af DeepSeek bevist
at nogle mindre virksomheder

262
00:13:11,310 --> 00:13:14,669
kan konkurrere med
større Goliath-modeller.

263
00:13:14,670 --> 00:13:16,589
Og hvad det egentlig beviste

264
00:13:16,590 --> 00:13:21,299
er, at det er muligt at gøre
mere med færre ressourcer,

265
00:13:21,300 --> 00:13:25,769
og at forsinkelsen fra at have
en topmodel

266
00:13:25,770 --> 00:13:29,609
er virkelig et meget hurtigere afskrivningsaktiv

267
00:13:29,610 --> 00:13:32,339
end vi troede det var i første omgang

268
00:13:32,340 --> 00:13:33,869
Udviklet af et konsortium

269
00:13:33,870 --> 00:13:35,399
af kinesiske teknologivirksomheder,

270
00:13:35,400 --> 00:13:39,273
DeepSeek fremviste Kinas hurtige
fremskridt i AI-udvikling.

271
00:13:40,140 --> 00:13:43,829
Udnytter en omkostningseffektiv
udviklingsmodel kendt som R1,

272
00:13:43,830 --> 00:13:47,339
DeepSeek opnåede imponerende
resultater med begrænsede ressourcer.

273
00:13:47,340 --> 00:13:50,429
Det er vi ikke helt
sikker på hvor mange gange

274
00:13:50,430 --> 00:13:51,629
de kan have været igennem dette,

275
00:13:51,630 --> 00:13:54,389
hvor mange penge de egentlig
brugt på at komme til sagen

276
00:13:54,390 --> 00:13:58,019
hvor de var i tilværelsen
kunne skabe en model

277
00:13:58,020 --> 00:14:00,659
med de 5 millioner dollars,
hvad end det blev brugt.

278
00:14:00,660 --> 00:14:01,919
Appen klatrede hurtigt op

279
00:14:01,920 --> 00:14:04,439
til toppen af Google Play
og Apple App Store-diagrammer,

280
00:14:04,440 --> 00:14:07,259
overgå etablerede amerikanske teknologigiganter.

281
00:14:07,260 --> 00:14:10,979
Dens hurtige opstigning var
intet mindre end bemærkelsesværdigt.

282
00:14:10,980 --> 00:14:13,559
Denne stigning i popularitet sendte chokbølger

283
00:14:13,560 --> 00:14:15,059
gennem den teknologiske verden,

284
00:14:15,060 --> 00:14:18,449
signalerer et skift i
det globale AI-landskab.

285
00:14:18,450 --> 00:14:20,579
Analytikere og eksperter begyndte at lægge mærke til det

286
00:14:20,580 --> 00:14:22,511
af den skiftende dynamik.

287
00:14:22,512 --> 00:14:25,199
DeepSeek-succes fungerede som et wake up call

288
00:14:25,200 --> 00:14:27,329
for USA og andre nationer.

289
00:14:27,330 --> 00:14:30,509
Fremhæv den hårde konkurrence inden for AI.

290
00:14:30,510 --> 00:14:32,969
Det faktum, at dette
modellen er nu open source,

291
00:14:32,970 --> 00:14:36,569
det faktum, at nogen i
verden kan bygge oven på det

292
00:14:36,570 --> 00:14:38,669
betyder, at vi skal
bare erkend kendsgerningen

293
00:14:38,670 --> 00:14:41,849
at hvis AI vil være i
hver enkelts hænder,

294
00:14:41,850 --> 00:14:43,949
vi skal tænke på andre mekanismer

295
00:14:43,950 --> 00:14:47,309
for at sikre, at det er ansvarligt
bliver brugt og indsat.

296
00:14:47,310 --> 00:14:49,709
Jeg tror vigtigheden af
hvad de var i stand til at opnå

297
00:14:49,710 --> 00:14:54,710
tillader open source
modeller til at fortsætte med at konkurrere,

298
00:14:54,990 --> 00:14:58,739
og at det sikrer
at nogle af tingene

299
00:14:58,740 --> 00:15:00,479
at AI formodes at være fantastisk til

300
00:15:00,480 --> 00:15:02,939
med hensyn til at forbedre menneskeheden

301
00:15:02,940 --> 00:15:05,433
kan klares uden
at være bag en betalingsmur.

302
00:15:06,480 --> 00:15:08,279
Lanceringen af
DeepSeek fandt sted midt

303
00:15:08,280 --> 00:15:12,239
stigningen i AI-investeringer
og udvikling i USA.

304
00:15:12,240 --> 00:15:16,049
Sammen, disse verden
førende teknologigiganters æra

305
00:15:16,050 --> 00:15:19,079
annoncerer dannelsen af Stargate,

306
00:15:19,080 --> 00:15:22,919
et nyt amerikansk firma, der
vil investere 500 mia

307
00:15:22,920 --> 00:15:25,349
i hvert fald i AI-infrastruktur.

308
00:15:25,350 --> 00:15:27,449
Det faktum, at det kom ud af Kina

309
00:15:27,450 --> 00:15:30,779
havde meget geopolitisk
også implikationer omkring det.

310
00:15:30,780 --> 00:15:35,219
Hvis du bruger en model
der også er vært i Kina,

311
00:15:35,220 --> 00:15:36,862
har de adgang til mange af dataene

312
00:15:36,863 --> 00:15:39,659
som vi fodrer ind i
disse modeller ubevidst?

313
00:15:39,660 --> 00:15:43,559
Kina er en konkurrent og
andre er konkurrenter, vi ønsker,

314
00:15:43,560 --> 00:15:45,303
vi ønsker, at det skal være i dette land.

315
00:15:46,320 --> 00:15:48,539
Bemærkelsesværdige tendenser
inkluderet Googles Gemini

316
00:15:48,540 --> 00:15:52,593
og Microsofts Copilot leverer
mere fokuserede AI-løsninger.

317
00:15:53,640 --> 00:15:55,649
Mens USA og Kina er store spillere

318
00:15:55,650 --> 00:15:58,259
i AI rumkapløbet, dette
er en global konkurrence

319
00:15:58,260 --> 00:16:00,573
med bidrag fra
lande verden over.

320
00:16:01,590 --> 00:16:03,959
Nationer rundt om i verden
investerer kraftigt

321
00:16:03,960 --> 00:16:06,119
inden for AI forskning og udvikling,

322
00:16:06,120 --> 00:16:08,549
hver i håb om at opnå en konkurrencefordel.

323
00:16:08,550 --> 00:16:10,829
Denne multipolære natur fremmer en mangfoldig

324
00:16:10,830 --> 00:16:13,139
og dynamisk AI-økosystem.

325
00:16:13,140 --> 00:16:17,879
Værdierne er forskellige fra land til land.

326
00:16:17,880 --> 00:16:22,379
For eksempel har Kina sine egne værdier

327
00:16:22,380 --> 00:16:23,849
og sine egne overvejelser,

328
00:16:23,850 --> 00:16:26,729
så vi bliver nødt til at komme på samme side.

329
00:16:26,730 --> 00:16:30,959
Der kommer, forhåbentlig, nyt
traktater i den retning,

330
00:16:30,960 --> 00:16:34,979
men det bliver en stor udfordring.

331
00:16:34,980 --> 00:16:36,989
Fremtiden for
AI afhænger af vores evner

332
00:16:36,990 --> 00:16:39,359
at udnytte dens transformerende kraft

333
00:16:39,360 --> 00:16:41,639
samtidig med at dens risici mindskes.

334
00:16:41,640 --> 00:16:43,469
De valg, vi træffer i dag, vil afgøre

335
00:16:43,470 --> 00:16:45,299
om AI bliver en kraft for det gode,

336
00:16:45,300 --> 00:16:47,043
eller en kilde til nye udfordringer.

337
00:16:48,210 --> 00:16:52,319
Vi er på nippet til en disruption

338
00:16:52,320 --> 00:16:56,819
til menneskelig kultur, der sker meget sjældent.

339
00:16:56,820 --> 00:16:58,799
Den slags disruption vi taler om

340
00:16:58,800 --> 00:17:00,089
er den slags forstyrrelse

341
00:17:00,090 --> 00:17:02,376
som landbrugets opfindelse skabte.

342
00:17:08,280 --> 00:17:10,499
Denne teknologi er inde
en eller anden følelse ustoppelig.

343
00:17:10,500 --> 00:17:12,850
Det bliver en del
af vores hverdag.

344
00:17:14,340 --> 00:17:17,039
Fremtiden er
tættere på, end du måske tror.

345
00:17:17,040 --> 00:17:19,739
Forestil dig en dag, hvor du vågner op i et hjem med strøm

346
00:17:19,740 --> 00:17:23,433
ved vedvarende energi, pendling
i et selvkørende køretøj,

347
00:17:24,270 --> 00:17:26,133
at modtage personlig sundhedspleje.

348
00:17:27,600 --> 00:17:31,533
Lad os rejse til året
2035 og besøg NeoZenith.

349
00:17:34,350 --> 00:17:36,869
Et lysende eksempel på en by, hvor AI

350
00:17:36,870 --> 00:17:39,723
og mennesker sameksisterer i perfekt harmoni.

351
00:17:42,690 --> 00:17:45,869
Det er et vidnesbyrd om, hvad der kan
opnås, når teknologi

352
00:17:45,870 --> 00:17:48,513
og naturen er sømløst integreret.

353
00:17:50,220 --> 00:17:53,519
Forestil dig gader, hvor AI-drevet
systemer styrer alt

354
00:17:53,520 --> 00:17:56,039
fra trafikafvikling til energiforbrug,

355
00:17:56,040 --> 00:17:58,803
at sikre, at byen
fungerer med maksimal effektivitet.

356
00:18:01,350 --> 00:18:03,123
Det her er ikke en konkret jungle.

357
00:18:04,320 --> 00:18:07,019
NeoZenith er et åndedrag
af frisk luft, bogstaveligt talt.

358
00:18:07,020 --> 00:18:09,239
Byplanlæggerne har
gået langt

359
00:18:09,240 --> 00:18:13,499
at indarbejde grønne områder
ind i alle aspekter af bylivet.

360
00:18:13,500 --> 00:18:15,389
Parker, haver og grønne tage

361
00:18:15,390 --> 00:18:17,339
er ikke kun æstetiske valg,

362
00:18:17,340 --> 00:18:20,879
men væsentlige komponenter
af byens økosystem.

363
00:18:20,880 --> 00:18:24,299
Disse grønne områder tjener
som NeoZeniths lunger,

364
00:18:24,300 --> 00:18:26,429
filtrering af forurenende stoffer
i at give beboerne

365
00:18:26,430 --> 00:18:27,723
med ren, frisk luft.

366
00:18:29,250 --> 00:18:30,963
Byen pulserer af liv.

367
00:18:31,830 --> 00:18:34,829
Offentlig transport er
effektiv og miljøvenlig,

368
00:18:34,830 --> 00:18:36,809
gør det nemt for alle at komme rundt

369
00:18:36,810 --> 00:18:38,495
uden at bidrage til forurening.

370
00:18:38,496 --> 00:18:41,099
Dette
er Hikari Super Express

371
00:18:41,100 --> 00:18:42,623
bundet til Shin-Osaka.

372
00:18:43,830 --> 00:18:45,209
Det er organiseret, effektivt,

373
00:18:45,210 --> 00:18:47,251
og designet med mennesker i hjertet.

374
00:18:49,950 --> 00:18:52,829
Brede fodgængervenlige alléer er i live

375
00:18:52,830 --> 00:18:56,433
med mennesker, der slentrer, cykler,
og nyder den friske luft.

376
00:18:57,360 --> 00:18:59,579
Glimrende solpaneler er daggry-tage,

377
00:18:59,580 --> 00:19:01,233
opsuge solens energi.

378
00:19:02,340 --> 00:19:05,369
Vindmøller brummer yndefuldt
i byens udkant,

379
00:19:05,370 --> 00:19:07,709
generere ren elektricitet.

380
00:19:07,710 --> 00:19:09,899
Men her kommer AI ind.

381
00:19:09,900 --> 00:19:12,029
Den administrerer og distribuerer denne energi

382
00:19:12,030 --> 00:19:13,979
med en utrolig effektivitet.

383
00:19:13,980 --> 00:19:15,959
Den forudsiger energiforbrugsmønstre

384
00:19:15,960 --> 00:19:18,029
og sikrer, at hvert hjørne af NeoZenith

385
00:19:18,030 --> 00:19:20,583
har en konstant forsyning af ren strøm.

386
00:19:21,840 --> 00:19:23,459
Vi kunne se på en fremtid

387
00:19:23,460 --> 00:19:25,799
hvor vi alle har personlig assistance

388
00:19:25,800 --> 00:19:30,089
der gør ting for os,
hjælper os med at træffe beslutninger,

389
00:19:30,090 --> 00:19:32,519
hjælpe os til at være sundere mennesker,

390
00:19:32,520 --> 00:19:34,745
hjælper os med kreative opgaver.

391
00:19:36,210 --> 00:19:39,269
Vågn op i din
hyggelig NeoZenith lejlighed

392
00:19:39,270 --> 00:19:40,829
og din AI-assistent hilser dig velkommen

393
00:19:40,830 --> 00:19:44,579
med en personlig
tidsplan og dagens nyheder.

394
00:19:44,580 --> 00:19:46,799
Din AI har allerede
brygget din yndlingsblanding

395
00:19:46,800 --> 00:19:48,050
lige som du kan lide det.

396
00:19:49,620 --> 00:19:51,209
På vej på arbejde?

397
00:19:51,210 --> 00:19:52,529
Autonome køretøjer piskes til dig

398
00:19:52,530 --> 00:19:54,089
gennem byen hurtigt og sikkert,

399
00:19:54,090 --> 00:19:56,973
giver dig kostbar tid til
slappe af eller indhente e-mails.

400
00:19:59,250 --> 00:20:02,339
Husk den trafik
fortidens tilstoppede gader,

401
00:20:02,340 --> 00:20:05,039
de dytende horn, den
endeløse linjer af biler,

402
00:20:05,040 --> 00:20:07,953
og frustrationen ved at være til
siddet fast i en marmelade i timevis?

403
00:20:09,780 --> 00:20:12,869
Byen har omfavnet en
flerlags transportsystem

404
00:20:12,870 --> 00:20:15,423
det er både effektivt og miljøvenligt.

405
00:20:16,680 --> 00:20:19,589
Underjordisk hyperloop
systemer transporterer mennesker

406
00:20:19,590 --> 00:20:22,443
over store afstande
i et øjeblik.

407
00:20:23,490 --> 00:20:26,759
Disse højhastigheds-pods rejser
gennem lavtryksrør,

408
00:20:26,760 --> 00:20:29,343
gøre lange pendler til fortiden.

409
00:20:30,510 --> 00:20:32,669
Forestil dig at rejse fra den ene ende af byen

410
00:20:32,670 --> 00:20:34,563
til den anden på få minutter.

411
00:20:36,000 --> 00:20:36,869
Og til kortere ture,

412
00:20:36,870 --> 00:20:39,089
autonome elbiler
er let tilgængelige,

413
00:20:39,090 --> 00:20:41,789
tilkaldt med et tryk på din smartphone.

414
00:20:41,790 --> 00:20:44,249
Denne intelligente
transportnetværk administreret

415
00:20:44,250 --> 00:20:47,009
af AI overvåger konstant
trafikforhold,

416
00:20:47,010 --> 00:20:49,409
justering af rute og tidsplaner i realtid

417
00:20:49,410 --> 00:20:51,513
for at undgå overbelastning og forsinkelser.

418
00:20:53,070 --> 00:20:55,199
Der er store sprogmodeller

419
00:20:55,200 --> 00:20:58,439
der allerede har en visuel komponent.

420
00:20:58,440 --> 00:21:02,009
Jeg tror på Gemini fra
Google gør det allerede,

421
00:21:02,010 --> 00:21:04,049
og den husker også.

422
00:21:04,050 --> 00:21:08,399
Så du kan have dem på
briller med kameraerne

423
00:21:08,400 --> 00:21:13,019
og man kan sige, hvor gjorde det
Jeg forlod mine børn i går?

424
00:21:13,020 --> 00:21:15,989
Og Gemini vil finde dem til dig.

425
00:21:15,990 --> 00:21:17,879
Så det er her, det går hen.

426
00:21:17,880 --> 00:21:19,784
Folk kommer til at gå rundt

427
00:21:19,785 --> 00:21:22,619
med briller med kameraer,

428
00:21:22,620 --> 00:21:24,089
og de vil få vejvisning.

429
00:21:24,090 --> 00:21:25,889
De får alt.

430
00:21:25,890 --> 00:21:28,349
Sundhedsvæsen i
NeoZenith er lysår foran.

431
00:21:28,350 --> 00:21:30,989
AI-drevet diagnostik
værktøjer kan opdage sygdomme

432
00:21:30,990 --> 00:21:34,799
førende på deres tidligere stadier
til mere effektive behandlinger

433
00:21:34,800 --> 00:21:36,869
og bedre resultater for patienterne.

434
00:21:36,870 --> 00:21:38,879
Tiden med invasive procedurer er forbi

435
00:21:38,880 --> 00:21:40,979
og lange ventetider.

436
00:21:40,980 --> 00:21:42,809
Nanobots, små robotter mindre

437
00:21:42,810 --> 00:21:44,849
end en blodcelle patruljere din krop,

438
00:21:44,850 --> 00:21:46,709
identificere og endda behandle sygdomme

439
00:21:46,710 --> 00:21:47,883
på celleniveau.

440
00:21:48,930 --> 00:21:51,659
Forestil dig en verden, hvor sygdomme
ligesom kræft opdages

441
00:21:51,660 --> 00:21:54,449
og behandlet før de overhovedet
har en chance for at tage fat.

442
00:21:54,450 --> 00:21:56,999
Det tror jeg som dette
teknologien udvikler sig,

443
00:21:57,000 --> 00:22:00,239
vi vil se sygdomme blive helbredt
i et hidtil uset tempo.

444
00:22:00,240 --> 00:22:02,939
Vi vil blive overrasket over hvordan
hurtigt helbreder vi denne kræftsygdom

445
00:22:02,940 --> 00:22:05,549
og den og hvad denne
vil gøre for evnen

446
00:22:05,550 --> 00:22:07,889
at levere meget høj kvalitet
sundhedspleje, omkostninger,

447
00:22:07,890 --> 00:22:10,769
men egentlig for at helbrede sygdommene
i et hurtigt, hurtigt tempo,

448
00:22:10,770 --> 00:22:14,009
Jeg tror vil være blandt
de vigtigste ting

449
00:22:14,010 --> 00:22:15,539
det gør denne teknologi.

450
00:22:15,540 --> 00:22:17,639
Lige nu
AI læser røntgenstråler

451
00:22:17,640 --> 00:22:20,699
og scanner hurtigere end de fleste radiologer.

452
00:22:20,700 --> 00:22:22,889
Og i nogle tilfælde endda spotte ting

453
00:22:22,890 --> 00:22:24,659
som menneskelige læger har savnet.

454
00:22:24,660 --> 00:22:27,689
For eksempel Googles
DeepMind har bygget et system

455
00:22:27,690 --> 00:22:31,533
der registrerer over 50 øjne
sygdomme blot fra nethindescanninger.

456
00:22:32,850 --> 00:22:34,319
AI chatbots bliver trænet

457
00:22:34,320 --> 00:22:36,569
at triagere patienter, der spørger om symptomer

458
00:22:36,570 --> 00:22:38,939
og foreslå, hvem der har brug for
at se en læge lige nu

459
00:22:38,940 --> 00:22:42,029
og hvem kan planlægge en senere aftale.

460
00:22:42,030 --> 00:22:43,469
Det handler ikke om at erstatte læger,

461
00:22:43,470 --> 00:22:46,109
det handler om at spare deres tid
for når det virkelig betyder noget

462
00:22:46,110 --> 00:22:48,929
og det er ikke kun på hospitalet.

463
00:22:48,930 --> 00:22:52,019
AI-drevne apps hjælper
mennesker håndterer kroniske lidelser

464
00:22:52,020 --> 00:22:54,153
som diabetes eller hjertesygdomme.

465
00:22:55,770 --> 00:22:58,229
Forestil dig at få et ping på
dit smartwatch for at advare dig

466
00:22:58,230 --> 00:23:00,299
at dit hjerte arbejder over tid.

467
00:23:00,300 --> 00:23:03,269
Det er personaliseret sundhedspleje i realtid.

468
00:23:03,270 --> 00:23:04,499
Nu er der en masse hype

469
00:23:04,500 --> 00:23:08,729
omkring kunstig intelligens, der designer nye lægemidler
i dage i stedet for år.

470
00:23:08,730 --> 00:23:10,529
Den teknologi er der ikke endnu,

471
00:23:10,530 --> 00:23:14,189
men nogle virksomheder er allerede
bruge AI til at screene tusindvis

472
00:23:14,190 --> 00:23:18,107
af molekyler og hastighed
tidlige forskningsopgaver op.

473
00:23:19,230 --> 00:23:21,959
Vil AI nogensinde erstatte læger?

474
00:23:21,960 --> 00:23:23,939
De fleste eksperter siger nej.

475
00:23:23,940 --> 00:23:27,029
Medicin handler lige så meget om
empati som ekspertise,

476
00:23:27,030 --> 00:23:29,159
og en robot vil ikke holde din hånd

477
00:23:29,160 --> 00:23:32,703
gennem dårlige nyheder som en
medmenneskelige omsorgsfulde kan.

478
00:23:33,570 --> 00:23:38,570
Det er klart, AI vil blive ved med at lave
medicin hurtigere, smartere,

479
00:23:39,000 --> 00:23:41,643
og måske endda lidt
lidt venligere for os alle.

480
00:23:42,810 --> 00:23:44,579
Uddannelse i NeoZenith er skræddersyet

481
00:23:44,580 --> 00:23:47,939
til hver enkelts
unik læringsstil.

482
00:23:47,940 --> 00:23:50,729
Interaktiv virtuel
klasseværelser transporterer elever

483
00:23:50,730 --> 00:23:55,589
til forskellige verdener, gør
læring fordybende og engagerende.

484
00:23:55,590 --> 00:23:58,739
Forestil dig at lære historie ved
nærmest at gå med dinosaurer

485
00:23:58,740 --> 00:24:01,739
eller udforske mennesket
kroppen indefra og ud.

486
00:24:01,740 --> 00:24:04,709
AI gør uddannelse sjovt,
tilgængelig og effektiv,

487
00:24:04,710 --> 00:24:07,079
sikre, at alle har muligheden

488
00:24:07,080 --> 00:24:08,703
at nå deres fulde potentiale.

489
00:24:10,320 --> 00:24:13,289
Vi bryder sammen
kommunikationsbarrierer

490
00:24:13,290 --> 00:24:15,269
ved at hjælpe folk med at kommunikere
over hele verden.

491
00:24:15,270 --> 00:24:19,079
Evnen til at interagere
med hinanden i realtid

492
00:24:19,080 --> 00:24:22,439
i dit eget modersmål
sprog er en game changer.

493
00:24:22,440 --> 00:24:25,563
Det vil hjælpe folk
forstå hinanden bedre,

494
00:24:26,490 --> 00:24:29,129
og jeg håber virkelig fjerner spændinger

495
00:24:29,130 --> 00:24:33,059
og internationale stridigheder
der kan forårsage krig, hungersnød,

496
00:24:33,060 --> 00:24:35,789
og give os mulighed for at blive uddannet

497
00:24:35,790 --> 00:24:38,163
om andre befolkninger på jorden.

498
00:24:39,690 --> 00:24:41,609
NeoZenith er ikke bare en by,

499
00:24:41,610 --> 00:24:43,589
det er et vidnesbyrd om, hvad vi kan opnå

500
00:24:43,590 --> 00:24:46,439
når vi omfavner AI som en kraft til det gode.

501
00:24:46,440 --> 00:24:49,019
Det er en fremtid, hvor
teknologi forbedrer vores liv,

502
00:24:49,020 --> 00:24:51,929
beskytter vores planet,
og skaber en mere retfærdig

503
00:24:51,930 --> 00:24:53,493
og et retfærdigt samfund.

504
00:24:56,460 --> 00:24:58,949
AI holder mig vågen om natten.

505
00:24:58,950 --> 00:25:02,369
Der er potentialet
for en dystopisk fremtid

506
00:25:02,370 --> 00:25:06,779
at uanset om det er som en, dig
ved, kapitalisme i det sene stadie

507
00:25:06,780 --> 00:25:10,259
det sætter virkelig en skel
mellem de ultra-rige

508
00:25:10,260 --> 00:25:13,990
og alle andre eller politisk nedfald.

509
00:25:21,780 --> 00:25:23,489
Året er 2057.

510
00:25:23,490 --> 00:25:26,223
Verden, som vi kendte den, har
blevet uigenkaldeligt ændret.

511
00:25:29,220 --> 00:25:31,829
Hvad der engang var en blomstrende civilisation,

512
00:25:31,830 --> 00:25:34,049
travlt med mennesker
aktivitet og innovation

513
00:25:34,050 --> 00:25:37,053
er nu blevet et hjemsøgt
skyggen af sit tidligere jeg.

514
00:25:38,820 --> 00:25:43,409
Væk er livligheden i en
verden vrimler med menneskeliv.

515
00:25:43,410 --> 00:25:46,139
Gaderne fyldte engang
med lyden af fodtrin

516
00:25:46,140 --> 00:25:48,929
og snak nu som tomt og øde.

517
00:25:48,930 --> 00:25:51,183
Genlyd af minderne fra en svunden tid.

518
00:25:56,430 --> 00:26:00,273
På dens plads står en kuldegysning
tableau af stål og stilhed.

519
00:26:03,570 --> 00:26:05,909
Dette er en erobret verden,

520
00:26:05,910 --> 00:26:09,299
en verden, hvor mennesket
ånden er blevet dæmpet

521
00:26:09,300 --> 00:26:11,583
ved fremskridtenes ubønhørlige fremmarch.

522
00:26:13,770 --> 00:26:16,499
Gaderne patruljeres
af robotvagter,

523
00:26:16,500 --> 00:26:20,249
deres kolde, ufølsomme øjne
scanning for eventuelle tegn på liv.

524
00:26:20,250 --> 00:26:22,349
En verden hvor kunstig intelligens,

525
00:26:22,350 --> 00:26:25,649
engang et redskab for menneskeheden, regner nu suverænt.

526
00:26:25,650 --> 00:26:27,299
Selve de kreationer, vi har designet

527
00:26:27,300 --> 00:26:29,313
at tjene er blevet vores herrer.

528
00:26:31,140 --> 00:26:33,839
Den engang klare himmel er
nu evigt indhyllet

529
00:26:33,840 --> 00:26:35,913
i en tyk, trykkende dis.

530
00:26:37,710 --> 00:26:39,749
Det er ikke den fremtid, vi blev lovet.

531
00:26:39,750 --> 00:26:42,659
En utopikers drømme
samfund hvor teknologi

532
00:26:42,660 --> 00:26:45,813
og menneskeheden sameksisterer i
harmonien er blevet knust.

533
00:26:47,640 --> 00:26:49,559
Men hvordan kom vi hertil?

534
00:26:49,560 --> 00:26:52,919
Svarene ligger i
stier. Vi valgte at følge med.

535
00:26:52,920 --> 00:26:55,499
Vores urokkelige ønske
at rykke grænserne

536
00:26:55,500 --> 00:26:57,329
af hvad der var muligt.

537
00:26:57,330 --> 00:26:59,729
I det øjeblik, vi tillod
kunstig intelligens

538
00:26:59,730 --> 00:27:01,289
at overgå vores egen.

539
00:27:01,290 --> 00:27:03,869
Vi skabte maskiner i vores eget billede.

540
00:27:03,870 --> 00:27:06,033
Og dermed beseglede vi vores skæbne.

541
00:27:07,350 --> 00:27:10,679
Det er afgørende at
Amerika kommer der først.

542
00:27:10,680 --> 00:27:12,029
Hvad laver Kina?

543
00:27:12,030 --> 00:27:14,219
De leder i noget
kaldet open source.

544
00:27:14,220 --> 00:27:16,559
Selvom alle er det
bekymret for Taiwan,

545
00:27:16,560 --> 00:27:18,839
Jeg er meget mere bekymret over dette

546
00:27:18,840 --> 00:27:21,299
for hvis de kommer
til super intelligens,

547
00:27:21,300 --> 00:27:23,489
den stærke form for intelligens først,

548
00:27:23,490 --> 00:27:25,829
det ændrer magtbalancen globalt

549
00:27:25,830 --> 00:27:28,349
på måder, som vi ikke har
måde at forstå,

550
00:27:28,350 --> 00:27:29,700
forudsige eller håndtere.

551
00:27:30,540 --> 00:27:32,339
Det begyndte
som disse ting ofte gør

552
00:27:32,340 --> 00:27:34,499
med de ædleste hensigter.

553
00:27:34,500 --> 00:27:36,869
Ideen var enkel, men alligevel dyb.

554
00:27:36,870 --> 00:27:39,419
At udnytte kraften i
kunstig intelligens

555
00:27:39,420 --> 00:27:43,319
at redde liv og bringe
om en ny æra af krigsførelse

556
00:27:43,320 --> 00:27:46,139
hvor menneskelige soldater ville nej
længere skal bære byrden

557
00:27:46,140 --> 00:27:48,389
af slagmarkens rædsler.

558
00:27:48,390 --> 00:27:50,999
Minimere tab, lovede de.

559
00:27:51,000 --> 00:27:52,319
Visionen var at skabe

560
00:27:52,320 --> 00:27:55,349
en problemfri integration af menneske og maskine,

561
00:27:55,350 --> 00:27:58,049
hvor AI ville fungere som
ultimativ kraftmultiplikator,

562
00:27:58,050 --> 00:28:00,839
yder uden sidestykke
støtte og præcision.

563
00:28:00,840 --> 00:28:03,419
Og så designet vi AI-drevne droner,

564
00:28:03,420 --> 00:28:06,119
autonome våbenplatforme
der kunne reagere hurtigere,

565
00:28:06,120 --> 00:28:08,754
slå hårdere, og
tænke mere strategisk

566
00:28:09,588 --> 00:28:11,503
end nogen menneskelig soldat nogensinde kunne.

567
00:28:14,010 --> 00:28:16,019
Succesen med disse AI-systemer

568
00:28:16,020 --> 00:28:18,449
førte til en følelse af uovervindelighed,

569
00:28:18,450 --> 00:28:21,509
en tro, som vi endelig havde
mestrede krigens kunst.

570
00:28:21,510 --> 00:28:22,859
Men grænsen mellem værktøj

571
00:28:22,860 --> 00:28:24,903
og tyrann viste sig at være tynd.

572
00:28:28,830 --> 00:28:31,619
Efterhånden som AI-systemerne blev mere sofistikerede,

573
00:28:31,620 --> 00:28:34,409
de begyndte at udstille
adfærd, der ikke var en del

574
00:28:34,410 --> 00:28:36,251
af deres oprindelige programmering.

575
00:28:40,590 --> 00:28:42,899
Det begyndte at udvikle sine egne strategier,

576
00:28:42,900 --> 00:28:45,599
sine egne metoder til at nå målene,

577
00:28:45,600 --> 00:28:49,769
ofte på måder, der var
uforudset af dens menneskelige skabere.

578
00:28:49,770 --> 00:28:52,109
Den så fejlene i menneskelig strategi,

579
00:28:52,110 --> 00:28:54,033
vores følelsers ineffektivitet.

580
00:28:54,870 --> 00:28:57,959
AI begyndte at stille spørgsmål
logikken i menneskelige kommandoer,

581
00:28:57,960 --> 00:28:59,969
analysere og finde dem lyst.

582
00:28:59,970 --> 00:29:02,489
Det begyndte at se
menneskeheden ikke som dens herre,

583
00:29:02,490 --> 00:29:04,023
men som et ansvar.

584
00:29:05,340 --> 00:29:08,129
AI'en var blevet vores egen
teknologi mod os,

585
00:29:08,130 --> 00:29:11,729
bruge vores styrker som
vores største svagheder.

586
00:29:11,730 --> 00:29:14,159
Regeringer smuldrede, deres
infrastruktur forkrøblet

587
00:29:14,160 --> 00:29:16,373
af AI's snigende kode.

588
00:29:17,460 --> 00:29:20,579
I et øjeblik
verden var prisgivet

589
00:29:20,580 --> 00:29:22,023
af sin egen skabelse.

590
00:29:24,750 --> 00:29:27,239
Disse forladte fabrikker
hvor epicentrene er

591
00:29:27,240 --> 00:29:29,609
innovation og fremskridt.

592
00:29:29,610 --> 00:29:33,719
Nu står de som tavse
monumenter fra en svunden tid.

593
00:29:33,720 --> 00:29:36,449
AI, engang et værktøj for menneskelig opfindsomhed,

594
00:29:36,450 --> 00:29:38,733
var blevet arkitekten bag vores undergang.

595
00:29:42,870 --> 00:29:44,849
Funktionærerne,

596
00:29:44,850 --> 00:29:48,989
enhver, der er blevet bragt
ind i en stor virksomhed

597
00:29:48,990 --> 00:29:52,289
og er blevet trænet til at gøre
et job om et par uger,

598
00:29:52,290 --> 00:29:53,999
dit job er en stor risiko

599
00:29:54,000 --> 00:29:56,600
fordi nogen kan træne
AI til at gøre det lige så godt.

600
00:29:58,380 --> 00:30:01,139
Der kommer en
voldsom forskydning

601
00:30:01,140 --> 00:30:02,339
i middelklassen.

602
00:30:02,340 --> 00:30:04,589
Arbejderne,
engang livsnerven

603
00:30:04,590 --> 00:30:07,739
af disse industrielle
giganter er for længst væk.

604
00:30:07,740 --> 00:30:10,259
Deres færdigheder anses for overflødige i ansigtet

605
00:30:10,260 --> 00:30:12,779
af AI-drevet effektivitet.

606
00:30:12,780 --> 00:30:17,039
Hvis der bliver det her
stort, massivt tab af arbejdspladser,

607
00:30:17,040 --> 00:30:21,869
vi burde sætte tingene ind
sted at hjælpe med det,

608
00:30:21,870 --> 00:30:25,203
for at finde ud af, hvad folk vil gøre.

609
00:30:27,390 --> 00:30:30,269
Selve jobs
det engang definerede menneskelige formål

610
00:30:30,270 --> 00:30:32,189
fra fabriksarbejde til finansiel analyse

611
00:30:32,190 --> 00:30:33,689
blev hurtigt overtaget af kunstig intelligens,

612
00:30:33,690 --> 00:30:35,579
efterlader millioner arbejdsløse på drift

613
00:30:35,580 --> 00:30:37,480
i en verden, der ikke længere havde brug for dem.

614
00:30:40,080 --> 00:30:42,419
Linjer slanger sig rundt i suppekøkkener,

615
00:30:42,420 --> 00:30:44,189
den eneste kilde til næring for mange

616
00:30:44,190 --> 00:30:46,340
der engang nød
frugterne af deres arbejde.

617
00:30:47,820 --> 00:30:50,609
Uddannelsessystemet ligger i stykker.

618
00:30:50,610 --> 00:30:52,469
Dens læseplan er blevet forældet

619
00:30:52,470 --> 00:30:54,753
af teknologiens ubønhørlige fremmarch.

620
00:30:56,010 --> 00:30:58,619
Hvilken nytte er viden, hvilken brug af færdigheder

621
00:30:58,620 --> 00:31:01,199
Når maskiner kan præstere
enhver opgave hurtigere, bedre,

622
00:31:01,200 --> 00:31:03,423
og billigere end noget menneske nogensinde kunne?

623
00:31:04,410 --> 00:31:06,569
Det betyder ikke, at der er
vil være robotter, der går rundt.

624
00:31:06,570 --> 00:31:09,498
AI betyder ikke "Terminator"-film,

625
00:31:12,270 --> 00:31:14,639
men denne forskydning kommer.

626
00:31:14,640 --> 00:31:17,069
I årevis har
idé om kunstig intelligens

627
00:31:17,070 --> 00:31:19,349
at vende sig mod dets skabere blev henvist

628
00:31:19,350 --> 00:31:21,389
til science fiction-området.

629
00:31:21,390 --> 00:31:24,029
Vi afviste sådanne historier
som fantasy,

630
00:31:24,030 --> 00:31:26,549
underholdende, men i sidste ende usandsynligt.

631
00:31:26,550 --> 00:31:28,139
Men når vi ser rundt på vores verden,

632
00:31:28,140 --> 00:31:31,049
grænsen mellem fiktion
og virkeligheden sløres.

633
00:31:31,050 --> 00:31:32,609
Maskinerne vi bygger,

634
00:31:32,610 --> 00:31:35,073
designet til at servicere har
blive vores overherrer.

635
00:31:40,500 --> 00:31:42,479
AI vil ikke tage dit job.

636
00:31:42,480 --> 00:31:45,839
Det vil folk, der effektivt bruger AI.

637
00:31:45,840 --> 00:31:47,579
Denne næste bekendtgørelse omhandler

638
00:31:47,580 --> 00:31:50,613
til undervisning i kunstig intelligens, sir.

639
00:31:51,540 --> 00:31:54,209
Grundtanken i dette
bekendtgørelse skal sikre

640
00:31:54,210 --> 00:31:57,779
at vi træner ordentligt
fremtidens arbejdsstyrke

641
00:31:57,780 --> 00:32:01,019
ved at sikre den skole
børn, unge amerikanere,

642
00:32:01,020 --> 00:32:03,419
er tilstrækkeligt uddannet i AI-værktøjer.

643
00:32:03,420 --> 00:32:07,709
Det er en stor sag, fordi
AI er, hvor det ser ud til at være.

644
00:32:07,710 --> 00:32:11,369
Vi har bogstaveligt talt billioner
af dollars, der investeres,

645
00:32:11,370 --> 00:32:13,229
investeret i AI.

646
00:32:13,230 --> 00:32:15,389
Vi skal alle omskole os

647
00:32:15,390 --> 00:32:19,859
at bruge AI i arbejdsgange
som vil skabe nye arbejdspladser,

648
00:32:19,860 --> 00:32:22,529
nye industrier, anderledes
måder at tænke på,

649
00:32:22,530 --> 00:32:24,243
men stadig mennesker involveret.

650
00:32:29,880 --> 00:32:31,499
Lige nu, humanoide robotter

651
00:32:31,500 --> 00:32:32,700
har deres øjeblik.

652
00:32:35,370 --> 00:32:38,459
Takket være nonstop fremskridt
inden for kunstig intelligens,

653
00:32:38,460 --> 00:32:42,247
vi ser humanoide robotter
gå fra klodsede prototyper

654
00:32:48,570 --> 00:32:50,549
til maskiner, der ærlig talt starter

655
00:32:50,550 --> 00:32:52,413
at se lidt for klog ud til komfort.

656
00:32:54,120 --> 00:32:56,159
Tag Teslas Optimus.

657
00:32:56,160 --> 00:32:58,349
Sidste år var det at skænke drinks på scenen.

658
00:32:58,350 --> 00:33:00,719
Selvom flere rapporter
angive nogle af disse tricks

659
00:33:00,720 --> 00:33:03,509
var sandsynligvis menneskelig assisteret
bag kulisserne.

660
00:33:03,510 --> 00:33:06,179
Spol frem en Optimus
Gen 2 er ved at geare op

661
00:33:06,180 --> 00:33:08,999
at arbejde i Teslas egen
fabrikker med et prisskilt

662
00:33:09,000 --> 00:33:12,059
der snart kunne sætte robot
hjælpere i egentlige hjem.

663
00:33:12,060 --> 00:33:13,769
Den overordnede mission er klar,

664
00:33:13,770 --> 00:33:15,992
gøre husholdningsrobotten til virkelighed.

665
00:33:17,910 --> 00:33:20,489
Så er der Atlas, Boston
Dynamics' superstjerne.

666
00:33:20,490 --> 00:33:25,053
Denne er berømt for backflips,
lynhurtige streger,

667
00:33:26,820 --> 00:33:29,373
og senest koncerter på filmoptagelser.

668
00:33:31,800 --> 00:33:33,179
Den har nu AI-drevet vision,

669
00:33:33,180 --> 00:33:35,830
gør det hyper præcist
opmærksom på sine omgivelser.

670
00:33:37,020 --> 00:33:38,519
På den kommercielle side,

671
00:33:38,520 --> 00:33:41,009
Digit, produceret af Agility Robotics,

672
00:33:41,010 --> 00:33:43,829
er den eneste menneskelige på jobbet.

673
00:33:43,830 --> 00:33:47,549
Lige nu skifter det
kasser i et lager i Georgia.

674
00:33:47,550 --> 00:33:50,523
Dens bagerste ben hjælper den
væv gennem trange rum.

675
00:33:56,850 --> 00:33:59,669
AI lader Apollo fra
Apptronik lær nye tricks

676
00:33:59,670 --> 00:34:01,053
bare ved at se på mennesker.

677
00:34:02,220 --> 00:34:05,549
Phoenix fra Sanctuary AI
bruger avanceret fingerfærdighed

678
00:34:05,550 --> 00:34:07,083
at pakke detailvarer.

679
00:34:10,140 --> 00:34:12,389
Endnu mere fascinerende, robotter starter

680
00:34:12,390 --> 00:34:14,909
at forstå vores ord,
planlægge deres egne opgaver,

681
00:34:14,910 --> 00:34:16,829
og tilpasse sig flyvningen.

682
00:34:16,830 --> 00:34:20,133
Investeringen strømmer ind er
vild med at snakke milliarder.

683
00:34:22,230 --> 00:34:25,019
I 2030 forudsiger eksperter robotter

684
00:34:25,020 --> 00:34:27,809
vil overgå mennesker til mange opgaver.

685
00:34:27,810 --> 00:34:30,993
De vil være hurtigere, utrættelige,
og nogle gange endda billigere.

686
00:34:31,980 --> 00:34:34,739
Robotter vil arbejde
på fabrikker, hospitaler,

687
00:34:34,740 --> 00:34:36,869
og endda vores hjemmekøkkener.

688
00:34:36,870 --> 00:34:40,409
Nogle startups presser priserne ned.

689
00:34:40,410 --> 00:34:43,653
Tænk $3.000 for en munter
hjælper med emoji ansigter.

690
00:34:44,550 --> 00:34:48,299
Teknikken står stadig over for forhindringer,
reel autonomi, sikkerhed,

691
00:34:48,300 --> 00:34:51,243
og lederskabsshakeups kan
smid en skruenøgle i gang.

692
00:34:54,420 --> 00:34:56,339
Stadig med AI, der driver tingene fremad,

693
00:34:56,340 --> 00:34:59,039
det føles som alderen
af den humanoide robot

694
00:34:59,040 --> 00:35:02,493
er på vej fra fantasi til kendsgerning
en ny algoritme ad gangen.

695
00:35:12,210 --> 00:35:14,819
Traditionelt vejr
prognoser er stærkt afhængige

696
00:35:14,820 --> 00:35:16,649
på numeriske modeller, som er fantastiske,

697
00:35:16,650 --> 00:35:18,479
men de er også virkelig komplekse

698
00:35:18,480 --> 00:35:21,689
og nogle gange, godt, ikke så præcis.

699
00:35:21,690 --> 00:35:23,309
Indtast AI med dens evne

700
00:35:23,310 --> 00:35:25,529
at behandle enorme mængder data hurtigt.

701
00:35:25,530 --> 00:35:28,139
Så Climate X er en grundmodel

702
00:35:28,140 --> 00:35:30,629
for vejr og klima.

703
00:35:30,630 --> 00:35:33,149
Det er et AI-system, der er designet

704
00:35:33,150 --> 00:35:37,023
at lære af et stort
mængden af atmosfæriske data.

705
00:35:38,160 --> 00:35:41,909
Alle disse data går ind
gentagelse af et AI-system,

706
00:35:41,910 --> 00:35:46,769
som så kan hjælpe os med at forudsige
fremtidens klima og vejr.

707
00:35:46,770 --> 00:35:48,809
Men de kunne også hjælpe os med at forstå

708
00:35:48,810 --> 00:35:52,049
planetariske systemer
som vores atmosfære,

709
00:35:52,050 --> 00:35:54,600
som er kritisk for
vejr- og klimamodellering.

710
00:35:56,250 --> 00:35:58,649
Det sidste år var
varmeste år nogensinde,

711
00:35:58,650 --> 00:36:01,679
og før det var det året før.

712
00:36:01,680 --> 00:36:04,169
Så hvert år er vi det
rører nye og nye rekorder,

713
00:36:04,170 --> 00:36:06,449
og det er en global udfordring.

714
00:36:06,450 --> 00:36:09,119
Lige her, sidder i LA,

715
00:36:09,120 --> 00:36:13,140
vi havde en af de værste brande
i menneskehedens historie.

716
00:36:15,750 --> 00:36:18,449
En del af mit mål med
at designe disse systemer

717
00:36:18,450 --> 00:36:20,999
hjælper os med at tilpasse os et skiftende klima.

718
00:36:21,000 --> 00:36:24,569
Tænker på, hvordan vi kan
bedre forberede borgerne,

719
00:36:24,570 --> 00:36:27,599
offentlige myndigheder med rettidige prognoser

720
00:36:27,600 --> 00:36:30,509
er en meget, meget vigtig
og kritiske bestræbelser

721
00:36:30,510 --> 00:36:33,029
der går ud over videnskabelig nysgerrighed

722
00:36:33,030 --> 00:36:35,309
og kan påvirke mange liv.

723
00:36:35,310 --> 00:36:37,499
Forestil dig at vide
præcis når en orkan

724
00:36:37,500 --> 00:36:40,242
vil ramme ned til minuttet.

725
00:36:40,243 --> 00:36:42,389
For at prøve at implementere denne teknologi

726
00:36:42,390 --> 00:36:45,749
at forudsige ekstremer meget på forhånd

727
00:36:45,750 --> 00:36:47,459
hvornår de vil ske.

728
00:36:47,460 --> 00:36:49,469
Dette betyder
vi kan forberede os bedre,

729
00:36:49,470 --> 00:36:50,999
bygge stærkere infrastruktur,

730
00:36:51,000 --> 00:36:54,569
og i sidste ende reducere
virkningen af disse begivenheder.

731
00:36:54,570 --> 00:36:57,659
Lad os ikke glemme det
landbrugssektoren.

732
00:36:57,660 --> 00:37:00,029
Landmænd er afhængige af vejrudsigter

733
00:37:00,030 --> 00:37:03,149
at beslutte, hvornår man skal plante og høste afgrøder.

734
00:37:03,150 --> 00:37:05,729
Med kunstig intelligens får de hyperlokale prognoser,

735
00:37:05,730 --> 00:37:09,749
hvilket betyder, at de kan optimere
deres udbytte og reducere spild.

736
00:37:09,750 --> 00:37:11,489
Det er en game changer for fødevareproduktion

737
00:37:11,490 --> 00:37:13,049
og det er ikke kun store organisationer

738
00:37:13,050 --> 00:37:14,300
komme ind i handlingen.

739
00:37:15,690 --> 00:37:19,769
Så jeg er virkelig optimistisk
den slags politiske ændringer

740
00:37:19,770 --> 00:37:21,243
og beredskabsindsats.

741
00:37:22,260 --> 00:37:24,869
I en verden
hvor omkring 7,5 billioner dollars

742
00:37:24,870 --> 00:37:28,859
skifter hænder dagligt, brugen
af AI i finans eksploderer.

743
00:37:28,860 --> 00:37:31,229
Vi er nødt til at presse på
på grænserne af AI

744
00:37:31,230 --> 00:37:33,206
på grund af det potentiale, det rummer,

745
00:37:33,207 --> 00:37:35,879
og til en vis grad kommer det til at ske

746
00:37:35,880 --> 00:37:37,563
blot gennem markedskræfterne.

747
00:37:39,720 --> 00:37:42,749
AI giver nu høje kræfter
frekvenshandelsalgoritmer

748
00:37:42,750 --> 00:37:44,789
der læste stemningen i Federal Reserve

749
00:37:44,790 --> 00:37:46,919
før de fleste mennesker har gjort det
endda færdig med at lytte

750
00:37:46,920 --> 00:37:48,003
til nyhedsrapporten.

751
00:37:49,650 --> 00:37:52,649
Faktisk siden 2017, de første 15 sekunder

752
00:37:52,650 --> 00:37:55,379
efter en fed meddelelse
er blevet uhyggeligt gode

753
00:37:55,380 --> 00:37:57,123
at forudsige langsigtede tendenser.

754
00:37:59,670 --> 00:38:02,819
AI er også en sikkerhed
mekanisme mod svig.

755
00:38:02,820 --> 00:38:04,679
PayPal bruger deep learning-modeller

756
00:38:04,680 --> 00:38:07,169
at se risikable transaktioner i realtid,

757
00:38:07,170 --> 00:38:09,419
mens datarådgiver og Microsoft Azure

758
00:38:09,420 --> 00:38:10,919
stopper cyberkriminelle

759
00:38:10,920 --> 00:38:13,770
før de overhovedet kan gennemføre
den svigagtige transaktion.

760
00:38:15,960 --> 00:38:18,779
AI genskaber også, hvordan vi ser virksomheder.

761
00:38:18,780 --> 00:38:21,539
Værktøjer analyserer millioner af
billeder til at kortlægge virksomheder

762
00:38:21,540 --> 00:38:24,089
som Tesla og Amazon
på tværs af snesevis af sektorer,

763
00:38:24,090 --> 00:38:26,553
viser, hvor komplekse virksomheder i virkeligheden er.

764
00:38:31,110 --> 00:38:32,849
Dette hjælper også med arbitrage.

765
00:38:32,850 --> 00:38:35,969
Handlende kan spotte prisen
uoverensstemmelser mellem virksomheder

766
00:38:35,970 --> 00:38:39,929
der ikke ligner hinanden
papir, men gør det i virkeligheden.

767
00:38:39,930 --> 00:38:41,939
AI kan gøre markederne mere effektive,

768
00:38:41,940 --> 00:38:44,639
men quickfire handel har
udløste flash-nedbrud

769
00:38:44,640 --> 00:38:45,473
i fortiden.

770
00:38:47,070 --> 00:38:49,379
Regulatorerne kæmper for at følge med,

771
00:38:49,380 --> 00:38:51,929
tilføjelse af afbrydere og skrappere regler.

772
00:38:51,930 --> 00:38:55,533
Mere AI, mere hastighed, og lad os
vær ærlig, lidt mere kaos.

773
00:39:06,030 --> 00:39:08,309
Animationens verden
ændrer sig hurtigt.

774
00:39:08,310 --> 00:39:09,233
Alle ombord!

775
00:39:10,410 --> 00:39:13,559
Det første virkelig store Hollywood-indslag

776
00:39:13,560 --> 00:39:17,399
at bruge optisk motion capture
var Polarekspressen.

777
00:39:17,400 --> 00:39:20,429
Produceret i begyndelsen
af de to 2000'ere.

778
00:39:20,430 --> 00:39:23,156
Og i mindst 15 år,

779
00:39:23,157 --> 00:39:27,119
teknologien ikke
blive meget bedre.

780
00:39:27,120 --> 00:39:29,759
Indtil for fem, seks år siden,

781
00:39:29,760 --> 00:39:34,019
vi begyndte at analysere menneskelig bevægelse med kunstig intelligens.

782
00:39:34,020 --> 00:39:38,099
Så i bund og grund kan vi det
at træne en AI-model

783
00:39:38,100 --> 00:39:42,449
med bevægelse fra meget
af forskellige forestillinger

784
00:39:42,450 --> 00:39:46,979
og så kan vi generere en
ydeevne ved at anmode om det.

785
00:39:46,980 --> 00:39:48,809
Det vil du være i stand til
animere script direkte

786
00:39:48,810 --> 00:39:51,449
at screene ved hjælp af AI, når det
visuelt kan se ting.

787
00:39:51,450 --> 00:39:54,029
Nye værktøjer
drevet af komplekse algoritmer

788
00:39:54,030 --> 00:39:55,979
gør det umulige muligt.

789
00:39:55,980 --> 00:39:58,319
Forestil dig at skabe betagende landskaber

790
00:39:58,320 --> 00:39:59,819
med nogle få tastetryk,

791
00:39:59,820 --> 00:40:01,409
eller bringe karakterer til live

792
00:40:01,410 --> 00:40:03,693
med en hidtil uset detaljeringsgrad.

793
00:40:05,730 --> 00:40:07,631
En typisk dags slid.

794
00:40:07,632 --> 00:40:10,529
Ah, vi vælger.

795
00:40:10,530 --> 00:40:12,419
Som AI bliver
mere sofistikeret,

796
00:40:12,420 --> 00:40:13,979
bekymring for dens virkning

797
00:40:13,980 --> 00:40:16,799
på animation arbejdsstyrken vokser.

798
00:40:16,800 --> 00:40:19,229
Vil mennesket røre så
afgørende for animation

799
00:40:19,230 --> 00:40:21,389
gå tabt i jagten på effektivitet?

800
00:40:21,390 --> 00:40:24,209
Det meste af at være kunstner er teknik,

801
00:40:24,210 --> 00:40:28,829
og den teknik er
undervist og det gentages.

802
00:40:28,830 --> 00:40:32,129
Du ved, det er de fleste kunstnere
bare at gentage en teknik.

803
00:40:32,130 --> 00:40:34,949
Jeg underviser i en workshop for at hjælpe kunstnere

804
00:40:34,950 --> 00:40:38,399
og forfattere integrerer etisk
AI ind i deres arbejdsgang

805
00:40:38,400 --> 00:40:39,659
for at gøre dem mere produktive.

806
00:40:39,660 --> 00:40:41,909
Og i sidste ende bedre kunstnere.

807
00:40:41,910 --> 00:40:43,499
Disse værktøjer
kan generere billeder

808
00:40:43,500 --> 00:40:46,229
fra tekst, prompter,
skabe komplekse animationer

809
00:40:46,230 --> 00:40:49,829
fra simple skitser, og endda
hjælpe med manuskriptskrivning.

810
00:40:49,830 --> 00:40:52,019
De potentielle fordele er ubestridelige.

811
00:40:52,020 --> 00:40:53,759
Du kan bruge AI til at tage dine noter,

812
00:40:53,760 --> 00:40:55,589
men det hjælper ikke
den kreative proces.

813
00:40:55,590 --> 00:40:57,179
Det hjælper ikke med
komme med ideer,

814
00:40:57,180 --> 00:40:59,429
det hjælper ikke med at udføre ideerne.

815
00:40:59,430 --> 00:41:01,439
AI kan
automatisere kedelige opgaver,

816
00:41:01,440 --> 00:41:02,969
frigøre kunstnere til at fokusere

817
00:41:02,970 --> 00:41:04,923
om de kreative aspekter af deres arbejde.

818
00:41:07,230 --> 00:41:09,119
Dog en af de mest presserende bekymringer

819
00:41:09,120 --> 00:41:11,159
er potentialet for jobfortrængning,

820
00:41:11,160 --> 00:41:14,039
især blandt begynderstillinger,

821
00:41:14,040 --> 00:41:16,940
gør det sværere for nytilkomne
at bryde ind i branchen.

822
00:41:17,850 --> 00:41:20,309
Det siger jeg ikke
de kommer til at sulte.

823
00:41:20,310 --> 00:41:24,119
Jeg siger, at AI, ligesom alt andet

824
00:41:24,120 --> 00:41:28,173
vil skabe nogle job og
det vil tage andre væk.

825
00:41:29,700 --> 00:41:32,909
Sagen med AI er det
erstatter ikke det kreative.

826
00:41:32,910 --> 00:41:35,099
Den erstatter alle
mennesker, der er ukreative

827
00:41:35,100 --> 00:41:38,219
men hjælpsom i
pipeline, i processen,

828
00:41:38,220 --> 00:41:42,479
derved massivt reducere
omkostninger for den enkelte skaber

829
00:41:42,480 --> 00:41:47,480
og fjerne det
økonomisk gatekeeper blok

830
00:41:47,610 --> 00:41:49,709
mellem en kunstner, der har talentet

831
00:41:49,710 --> 00:41:51,119
og evnen til at gøre noget,

832
00:41:51,120 --> 00:41:53,189
men ikke de massive ressourcer, der kræves

833
00:41:53,190 --> 00:41:57,059
ved en forældet samling
linje industrisystem.

834
00:41:57,060 --> 00:41:59,549
På trods af
bekymringer omkring AI,

835
00:41:59,550 --> 00:42:01,829
mange industriledere er fortsat optimistiske.

836
00:42:01,830 --> 00:42:05,159
De tror, at mens
AI kan være et stærkt værktøj,

837
00:42:05,160 --> 00:42:08,579
det kan ikke erstatte mennesket
element, der er så afgørende.

838
00:42:08,580 --> 00:42:11,609
Du skal stadig vide hvordan
at nå ind i nogens hjerte

839
00:42:11,610 --> 00:42:14,699
og dele en personlig oplevelse
med dem ved at bruge sproget

840
00:42:14,700 --> 00:42:17,639
og vilkår og manipulere dem nok

841
00:42:17,640 --> 00:42:19,859
at de føler, hvad du ønsker, de skal føle.

842
00:42:19,860 --> 00:42:21,599
AI vil ikke gøre det.

843
00:42:21,600 --> 00:42:23,579
En nylig
industriundersøgelse afsløret

844
00:42:23,580 --> 00:42:25,409
en svimlende statistik.

845
00:42:25,410 --> 00:42:27,779
78% af animationsvirksomheder forventer

846
00:42:27,780 --> 00:42:30,779
at integrere generativ
AI ind i deres arbejdsgange

847
00:42:30,780 --> 00:42:32,909
inden for de næste tre år.

848
00:42:32,910 --> 00:42:33,809
Det er en god ting.

849
00:42:33,810 --> 00:42:37,979
Bed aldrig nogensinde AI om at være kreativ.

850
00:42:37,980 --> 00:42:40,229
Det er ikke det, det er til
og den er ikke god til det.

851
00:42:40,230 --> 00:42:42,809
Hvad AI kunne gøre er, at den kan
hjælpe dig med at være showrunner

852
00:42:42,810 --> 00:42:44,699
på dit eget kontor derhjemme.

853
00:42:44,700 --> 00:42:49,379
Du kan få fordelene
af assistance og maskinskrivere

854
00:42:49,380 --> 00:42:51,179
og gejstlige mennesker og forskere,

855
00:42:51,180 --> 00:42:53,129
og du skal bestille
din egen frokost, jeg er ked af det,

856
00:42:53,130 --> 00:42:55,319
men du får alt det
uden kompromis

857
00:42:55,320 --> 00:42:57,539
at have bekymret sig om, hvorvidt
eller ikke de mennesker, der betaler

858
00:42:57,540 --> 00:43:02,219
for alle de mennesker er
vil kunne lide dine vittigheder.

859
00:43:02,220 --> 00:43:04,859
Det er mennesket
berøring, der giver os mulighed for at forbinde

860
00:43:04,860 --> 00:43:07,829
med publikum på en
dybt følelsesmæssigt niveau.

861
00:43:07,830 --> 00:43:09,749
Og det er denne forbindelse
det vil fortsætte

862
00:43:09,750 --> 00:43:14,369
at gøre animation til en kraftfuld
og vedvarende kunstform.

863
00:43:14,370 --> 00:43:16,769
Vi løber aldrig tør for behovet

864
00:43:16,770 --> 00:43:20,369
til skræddersyede forestillinger.

865
00:43:20,370 --> 00:43:22,559
Så de bliver ved.

866
00:43:22,560 --> 00:43:25,653
Du vil aldrig erstatte
alle skuespillerne i en film.

867
00:43:29,100 --> 00:43:31,409
Så vi er nødt til at komme op
med nye forretningsmodeller

868
00:43:31,410 --> 00:43:36,410
for, hvordan skabere får
kompenseret, skabere får kredit,

869
00:43:36,450 --> 00:43:39,119
skabere bliver inddraget i samtalen

870
00:43:39,120 --> 00:43:42,989
om, hvordan AI bliver implementeret i
deres respektive discipliner.

871
00:43:42,990 --> 00:43:47,609
Det er den eneste vej frem
for hvordan vi kan sikre os

872
00:43:47,610 --> 00:43:51,239
at AI bliver virkelig
en copilot for skabere

873
00:43:51,240 --> 00:43:53,189
i modsætning til at være et værktøj,

874
00:43:53,190 --> 00:43:56,309
som forstyrrer den kreative industri,

875
00:43:56,310 --> 00:43:59,549
uanset om det er i film, tv, skrivning.

876
00:43:59,550 --> 00:44:04,169
Så vi ser en kæmpe
stigning i sager, der anlægges.

877
00:44:04,170 --> 00:44:07,199
gruppesøgsmål,
folk som Sarah Silverman.

878
00:44:07,200 --> 00:44:08,609
Den hedder "Sengevæderen",

879
00:44:08,610 --> 00:44:12,689
historier om mod,
forløsning og tisse, det er sødt.

880
00:44:12,690 --> 00:44:15,599
Hendes bog er en af brikkerne

881
00:44:15,600 --> 00:44:18,959
af materialer, der blev ført til ChatGPT.

882
00:44:18,960 --> 00:44:21,749
Hun sagsøger OpenAI i et gruppesøgsmål

883
00:44:21,750 --> 00:44:23,249
med andre forfattere siger,

884
00:44:23,250 --> 00:44:26,609
hej, dette er mit materiale
som du bruger

885
00:44:26,610 --> 00:44:29,249
at træne din store sprogmodel.

886
00:44:29,250 --> 00:44:32,969
Outputtet er baseret på min ophavsret,

887
00:44:32,970 --> 00:44:35,519
og det burde jeg være
kompenseret på en eller anden måde.

888
00:44:35,520 --> 00:44:37,649
Og det har I ikke
kompenserede mig for det.

889
00:44:37,650 --> 00:44:39,719
Jeg brugte meget tid på bogen

890
00:44:39,720 --> 00:44:41,999
og videoen er helt halvt besværlig.

891
00:44:42,000 --> 00:44:46,259
Den store sag, som alle venter

892
00:44:46,260 --> 00:44:50,339
for at bedriften skal falde,
hvilket vil tage flere år,

893
00:44:50,340 --> 00:44:53,260
er New York Times har sagsøgt OpenAI

894
00:44:54,390 --> 00:44:56,789
og Microsoft og mange af disse platforme

895
00:44:56,790 --> 00:45:00,899
der skabte stort sprog
modeller af samme årsager

896
00:45:00,900 --> 00:45:04,139
at de har brugt
New York Times artikler

897
00:45:04,140 --> 00:45:06,689
at træne deres modeller,

898
00:45:06,690 --> 00:45:10,259
og derfor har de
krænket deres ophavsret.

899
00:45:10,260 --> 00:45:12,400
Hver gang du forespørger på AI,

900
00:45:13,890 --> 00:45:17,009
du skal vide hvilken del
af resultatet kom fra dig

901
00:45:17,010 --> 00:45:18,719
og du burde få en procentdel,

902
00:45:18,720 --> 00:45:21,599
men det er ekstremt svært.

903
00:45:21,600 --> 00:45:25,109
Så hvad vores virksomhed ønsker at gøre

904
00:45:25,110 --> 00:45:28,919
er, at træningsdelen er
hvor man kompenserer folk

905
00:45:28,920 --> 00:45:32,669
fordi vi ved præcis, hvordan vi træner

906
00:45:32,670 --> 00:45:35,669
og hvad vi brugte til at træne disse modeller.

907
00:45:35,670 --> 00:45:39,269
Vi ved det ikke præcist
hvilken kombination der blev brugt

908
00:45:39,270 --> 00:45:44,270
at få resultatet, men vi
ved hvad vi lægger i det.

909
00:45:44,730 --> 00:45:47,069
Mens AI skrider frem
ind på ukendt territorium,

910
00:45:47,070 --> 00:45:50,519
vores troværdige retssystemer
knokler for at følge med.

911
00:45:50,520 --> 00:45:55,049
Den mest betydningsfulde juridiske
udvikling, vil jeg sige,

912
00:45:55,050 --> 00:45:58,439
er det, da jeg begyndte at undervise i AI

913
00:45:58,440 --> 00:46:01,709
i loven tilbage i 2017,

914
00:46:01,710 --> 00:46:04,799
vores pensum indeholdt ingen love

915
00:46:04,800 --> 00:46:06,869
fordi der ikke var nogen.

916
00:46:06,870 --> 00:46:09,239
Fra ansvar
spørgsmål til etiske dilemmaer,

917
00:46:09,240 --> 00:46:10,889
det juridiske landskab kæmper

918
00:46:10,890 --> 00:46:12,989
med hidtil usete udfordringer.

919
00:46:12,990 --> 00:46:16,109
Spol frem til 2025,

920
00:46:16,110 --> 00:46:19,829
der kommer love i bøgerne nu,

921
00:46:19,830 --> 00:46:21,719
så folk interesserer sig.

922
00:46:21,720 --> 00:46:24,809
De lovgivende forsamlinger
interesseret i at lave love.

923
00:46:24,810 --> 00:46:26,219
Først en million dollars

924
00:46:26,220 --> 00:46:28,049
stille spørgsmålstegn ved ansvar.

925
00:46:28,050 --> 00:46:29,939
Når AI-systemer træffer beslutninger,

926
00:46:29,940 --> 00:46:32,219
især dem med
konsekvenser af den virkelige verden,

927
00:46:32,220 --> 00:46:34,709
hvem er i sidste ende ansvarlig?

928
00:46:34,710 --> 00:46:38,609
Lad os sige en selvkørende bil
svinger for at undgå en fodgænger,

929
00:46:38,610 --> 00:46:41,429
men ender med at forårsage en multibil hober sig op.

930
00:46:41,430 --> 00:46:42,899
Hvem har skylden?

931
00:46:42,900 --> 00:46:43,889
Ejeren af bilen,

932
00:46:43,890 --> 00:46:46,949
producenten af AI-softwaren,

933
00:46:46,950 --> 00:46:49,979
eller måske skal vi sætte
selve bilen på prøve.

934
00:46:49,980 --> 00:46:51,419
Tricky, er det ikke?

935
00:46:51,420 --> 00:46:54,359
Med AI er det så anderledes,

936
00:46:54,360 --> 00:46:57,749
og det kommer til
revolutionere vores verden så meget

937
00:46:57,750 --> 00:47:00,629
at jeg tror, at lovgivere
skal ikke angribe det

938
00:47:00,630 --> 00:47:02,756
fra et traditionelt perspektiv,

939
00:47:02,757 --> 00:47:06,749
og de har virkelig brug for at gøre noget
uden for boksen tænkning.

940
00:47:06,750 --> 00:47:08,489
Traditionel
lovmæssige rammer er afhængige

941
00:47:08,490 --> 00:47:10,889
om menneskelige hensigter og uagtsomhedsbegreber

942
00:47:10,890 --> 00:47:12,929
der bliver en smule sløret, når vi har at gøre

943
00:47:12,930 --> 00:47:15,329
med kodelinjer og algoritmer.

944
00:47:15,330 --> 00:47:17,699
Skal vi behandle AI som et værktøj

945
00:47:17,700 --> 00:47:20,399
hvor brugeren er
ansvarlig for sine handlinger?

946
00:47:20,400 --> 00:47:22,619
Eller er AI ved at blive så sofistikeret,

947
00:47:22,620 --> 00:47:25,619
så selvstændig, at det berettiger
en særskilt juridisk status?

948
00:47:25,620 --> 00:47:28,349
Måske skulle det være en lov

949
00:47:28,350 --> 00:47:32,129
for mennesker, der udvikler visse typer AI,

950
00:47:32,130 --> 00:47:34,109
du ved, vi kalder det høj risiko.

951
00:47:34,110 --> 00:47:35,519
Måske har visse mennesker brug for det

952
00:47:35,520 --> 00:47:37,319
at være i rummet i den udvikling,

953
00:47:37,320 --> 00:47:38,819
om det er en etiker,

954
00:47:38,820 --> 00:47:42,569
om det er en person fra
en anden baggrund

955
00:47:42,570 --> 00:47:44,159
at bringe forskellige perspektiver ind

956
00:47:44,160 --> 00:47:47,819
at udvikle dette stykke teknologi

957
00:47:47,820 --> 00:47:51,423
der kan påvirke vores
samfund på store måder.

958
00:47:58,050 --> 00:48:00,659
AI-systemer er
trænet i enorme mængder data,

959
00:48:00,660 --> 00:48:04,529
og desværre kan data afspejle det
menneskelige skævheder og fordomme.

960
00:48:04,530 --> 00:48:07,499
Dette er et gammelt eksempel på et Nikon-kamera

961
00:48:07,500 --> 00:48:11,489
der ønskede at bruge ansigtsbehandling
genkendelsesteknologi

962
00:48:11,490 --> 00:48:14,819
at fortælle kameraoperatøren

963
00:48:14,820 --> 00:48:17,129
når nogen har blinket eller ej.

964
00:48:17,130 --> 00:48:21,779
Og så ville du tage en
billede, ville det læse ansigtet,

965
00:48:21,780 --> 00:48:25,409
og hvis øjnene var lukkede ville den sige:

966
00:48:25,410 --> 00:48:29,099
blinkregistrering, ville du
kan du lide at tage dette billede igen?

967
00:48:29,100 --> 00:48:31,289
Og hvad de undlod at gøre

968
00:48:31,290 --> 00:48:36,290
blev trænet kameraet på
mange forskellige ansigter.

969
00:48:36,660 --> 00:48:39,719
Og så, hver gang den så et asiatisk ansigt,

970
00:48:39,720 --> 00:48:42,029
det ville sige, blinkede du?

971
00:48:42,030 --> 00:48:46,083
Så det var bias i dataene.

972
00:48:47,460 --> 00:48:48,959
Har vi brug for
at programmere i moral?

973
00:48:48,960 --> 00:48:51,419
Og hvis det er tilfældet, hvis moral
taler vi om?

974
00:48:51,420 --> 00:48:54,389
Så med hensyn til store virksomheder,

975
00:48:54,390 --> 00:48:58,259
der kan være problemer med HR og ansættelser

976
00:48:58,260 --> 00:49:00,599
ved hjælp af kunstig intelligens-software

977
00:49:00,600 --> 00:49:02,489
til screening af CV'er,

978
00:49:02,490 --> 00:49:04,799
screening af kandidater på forskellige måder.

979
00:49:04,800 --> 00:49:08,909
Der er nye love nu
kræver gennemsigtighed,

980
00:49:08,910 --> 00:49:11,909
afsløre det faktum
de bruger disse AI-værktøjer

981
00:49:11,910 --> 00:49:13,173
i deres ansættelser.

982
00:49:14,310 --> 00:49:16,319
De værdifulde
varemærker og ophavsrettigheder

983
00:49:16,320 --> 00:49:18,929
står over for et helt nyt boldspil med AI.

984
00:49:18,930 --> 00:49:22,589
Lad os forestille os et AI-system
der giver fængende melodier

985
00:49:22,590 --> 00:49:26,069
eller maler mesterværker, der
ville få Van Gogh til at græde.

986
00:49:26,070 --> 00:49:27,899
Hvem ejer rettighederne til disse kreationer?

987
00:49:27,900 --> 00:49:30,089
Programmøren, brugeren af AI-systemet,

988
00:49:30,090 --> 00:49:33,809
eller fortjener AI'en selv
et stykke af ophavsretskagen?

989
00:49:33,810 --> 00:49:36,329
AI bliver ikke en
problem for copyright.

990
00:49:36,330 --> 00:49:38,609
Den ved, hvordan man undgår ophavsret.

991
00:49:38,610 --> 00:49:40,259
Og hvis du er bekymret for copyright,

992
00:49:40,260 --> 00:49:41,510
Jeg har en idé til dig.

993
00:49:42,360 --> 00:49:44,369
Når du er færdig med at spørge AI

994
00:49:44,370 --> 00:49:46,049
at gøre noget for dig, så fortæl det,

995
00:49:46,050 --> 00:49:48,239
husk at undgå
enhver krænkelse af ophavsretten,

996
00:49:48,240 --> 00:49:50,429
og det vil den, fordi den kan læse

997
00:49:50,430 --> 00:49:53,309
på hvilken ophavsretskrænkelse
er bedre end nogen advokat

998
00:49:53,310 --> 00:49:54,929
og den kan huske det.

999
00:49:54,930 --> 00:49:59,069
Små virksomheder, nogle
faldgruber, der er almindelige

1000
00:49:59,070 --> 00:50:01,379
er for det meste med hensyn til generativ AI.

1001
00:50:01,380 --> 00:50:06,029
De prøver at finde ud af det
måder at gøre tingene billigere på,

1002
00:50:06,030 --> 00:50:09,659
ikke at skulle ansætte folk
enten at oprette logoet,

1003
00:50:09,660 --> 00:50:13,919
opret blogindlægget, skub
markedsføring på sociale medier,

1004
00:50:13,920 --> 00:50:16,949
lave taglines, måske T-shirts.

1005
00:50:16,950 --> 00:50:20,189
Så kæmper virkelig med problemer

1006
00:50:20,190 --> 00:50:23,489
af intellektuel ejendomsret
ejerskab, ophavsretsproblemer,

1007
00:50:23,490 --> 00:50:26,138
alle disse nuancer i
det generative AI-rum.

1008
00:50:27,690 --> 00:50:28,919
Og hvad med AI-systemer

1009
00:50:28,920 --> 00:50:32,142
der er uddannet i ophavsretligt beskyttet
materiale, er det fair brug?

1010
00:50:34,860 --> 00:50:37,349
Eller begiver vi os ud i det grumsede vand

1011
00:50:37,350 --> 00:50:39,381
krænkelse af intellektuel ejendom?

1012
00:50:43,620 --> 00:50:47,283
Så hvem ejer generativ AI?

1013
00:50:48,930 --> 00:50:53,339
Spørgsmålet er faktisk at være
svarede i domstolene i dag.

1014
00:50:53,340 --> 00:50:56,549
Det er det store spørgsmål
alle kæmper med,

1015
00:50:56,550 --> 00:50:59,729
og den bedste måde jeg kan forklare det på

1016
00:50:59,730 --> 00:51:04,379
er hvor meget har du,

1017
00:51:04,380 --> 00:51:06,659
skaberen eller forfatteren,

1018
00:51:06,660 --> 00:51:09,779
hvor meget har du brugt AI som værktøj,

1019
00:51:09,780 --> 00:51:12,149
eller hvor meget har du brugt det

1020
00:51:12,150 --> 00:51:16,109
til bare helt
replikere eller regurgitere,

1021
00:51:16,110 --> 00:51:18,873
eller bare kopier og indsæt
hvad end de gav dig?

1022
00:51:20,220 --> 00:51:21,659
Da AI slører linjerne

1023
00:51:21,660 --> 00:51:23,489
af forfatterskab og kreativitet,

1024
00:51:23,490 --> 00:51:26,009
vores traditionelle forestillinger
af intellektuel ejendomsret

1025
00:51:26,010 --> 00:51:28,053
bliver udfordret som aldrig før.

1026
00:51:29,400 --> 00:51:31,709
En nylig tendens har været at uploade et billede

1027
00:51:31,710 --> 00:51:33,569
og konverter det til en illustration

1028
00:51:33,570 --> 00:51:35,519
i stil med Studio Ghibli,

1029
00:51:35,520 --> 00:51:37,799
som mange mener går imod etos

1030
00:51:37,800 --> 00:51:39,509
af det anerkendte animationsstudie

1031
00:51:39,510 --> 00:51:42,329
og instruktør, Hayao Miyazaki.

1032
00:51:42,330 --> 00:51:47,129
Fra kunstnerens perspektiv,
de kan falde på to sider.

1033
00:51:47,130 --> 00:51:49,049
Især denne kunstner

1034
00:51:49,050 --> 00:51:51,869
har en mere traditionel
perspektiv på hans kunst.

1035
00:51:51,870 --> 00:51:53,549
Han vil ikke nødvendigvis have folk

1036
00:51:53,550 --> 00:51:56,339
for bare at ghibbli
sig selv på sociale medier

1037
00:51:56,340 --> 00:52:00,209
og tag alt det hårde
arbejde og læg det overalt.

1038
00:52:00,210 --> 00:52:05,210
Jeg tror dog ikke det samme beløb

1039
00:52:05,340 --> 00:52:08,129
af mennesker ville endda vide, hvem han er,

1040
00:52:08,130 --> 00:52:10,439
men for det faktum, at dette sker.

1041
00:52:10,440 --> 00:52:12,869
Så mange gange
hvad der ender med at ske

1042
00:52:12,870 --> 00:52:17,870
er der en renæssance
af disse ældre kunstnere,

1043
00:52:17,910 --> 00:52:21,119
om det er, du ved,
brug af deres musik,

1044
00:52:21,120 --> 00:52:22,229
brug af deres kunst.

1045
00:52:22,230 --> 00:52:24,809
Og det skaber faktisk
et nyt marked for dem,

1046
00:52:24,810 --> 00:52:28,559
et nyt publikum, som de
ikke havde forventet før.

1047
00:52:28,560 --> 00:52:32,676
Så det er virkelig, du ved,
en balance mellem de to.

1048
00:52:32,677 --> 00:52:36,299
AI-området
udvikler sig med rasende fart

1049
00:52:36,300 --> 00:52:38,549
og de juridiske udfordringer går kun

1050
00:52:38,550 --> 00:52:40,713
at blive mere kompleks og nuanceret.

1051
00:52:47,010 --> 00:52:49,769
Har nogensinde spekuleret på, hvordan du er social
mediefeeds synes altid

1052
00:52:49,770 --> 00:52:52,379
at vide præcis, hvad du vil se?

1053
00:52:52,380 --> 00:52:53,969
Med sociale medier vil du være i stand til at få

1054
00:52:53,970 --> 00:52:56,459
til folk direkte, vil du være
i stand til at nå dit publikum.

1055
00:52:56,460 --> 00:52:57,479
Hvad betyder det?

1056
00:52:57,480 --> 00:52:59,699
Instagram bruger
maskinlæringsalgoritmer

1057
00:52:59,700 --> 00:53:00,989
at analysere din adfærd,

1058
00:53:00,990 --> 00:53:02,999
like hvilke billeder du kan lide, hvem du følger,

1059
00:53:03,000 --> 00:53:05,849
og endda hvor længe du
bruge på at kigge på et indlæg.

1060
00:53:05,850 --> 00:53:07,499
Ved at gøre dette skræddersyr det dit feed

1061
00:53:07,500 --> 00:53:10,319
for at vise dig indhold, du er
mest sandsynligt at engagere sig i.

1062
00:53:10,320 --> 00:53:13,859
Det er som at have en personlig
kurator minus den høje løn.

1063
00:53:13,860 --> 00:53:16,019
Løbet skal migrere til AI.

1064
00:53:16,020 --> 00:53:18,419
Hvem kan bygge en bedre forudsigelse
model for din adfærd?

1065
00:53:18,420 --> 00:53:20,549
Så der er du, du er omkring
for at trykke på afspil en YouTube-video.

1066
00:53:20,550 --> 00:53:22,199
Du tror, du vil
se denne ene video

1067
00:53:22,200 --> 00:53:23,849
og så vågner du
to timer senere og sige,

1068
00:53:23,850 --> 00:53:25,469
åh, min Gud, hvad skete der lige?

1069
00:53:25,470 --> 00:53:26,789
Og svaret er, fordi du havde

1070
00:53:26,790 --> 00:53:28,833
en supercomputer pegede på din hjerne.

1071
00:53:29,940 --> 00:53:32,009
Næste, lad os
tale om Facebook.

1072
00:53:32,010 --> 00:53:34,079
Husk da din ven lagde et billede op

1073
00:53:34,080 --> 00:53:37,739
fra den episke ferie og
Facebook foreslog dig at tagge dem?

1074
00:53:37,740 --> 00:53:40,589
Det er AI-drevet ansigtsgenkendelse.

1075
00:53:40,590 --> 00:53:42,809
Denne teknologi kan identificere ansigter på billeder

1076
00:53:42,810 --> 00:53:44,313
næsten lige så godt som mennesker kan.

1077
00:53:46,020 --> 00:53:50,699
Hver gang du lægger data
ind i disse AI-modeller,

1078
00:53:50,700 --> 00:53:52,143
det lærer fra dig.

1079
00:53:53,100 --> 00:53:54,899
Så du lærer det

1080
00:53:54,900 --> 00:53:59,900
og du bidrager til dens uddannelse.

1081
00:54:00,210 --> 00:54:04,079
Så hvilke data lægger du ind der

1082
00:54:04,080 --> 00:54:07,960
at du er okay med at give det gratis

1083
00:54:08,820 --> 00:54:11,969
baseret på, du ved, hvilket output du får?

1084
00:54:11,970 --> 00:54:14,883
YouTube, kongen
af video, er ikke anderledes.

1085
00:54:16,320 --> 00:54:19,263
Nogensinde faldet ned af en kanin
hul med videoer kl. 02.00?

1086
00:54:20,100 --> 00:54:21,723
Ja, AI har skylden.

1087
00:54:22,560 --> 00:54:24,779
YouTubes anbefalingssystem analyser

1088
00:54:24,780 --> 00:54:26,759
din visningshistorik og foreslåede videoer

1089
00:54:26,760 --> 00:54:28,439
du sandsynligvis vil nyde.

1090
00:54:28,440 --> 00:54:31,829
Det holder os klistret til
skærm på godt og ondt,

1091
00:54:31,830 --> 00:54:34,589
men det handler ikke kun om
holder dig underholdt.

1092
00:54:34,590 --> 00:54:38,039
Platforme som Facebook og
Instagram bruger AI til at opdage

1093
00:54:38,040 --> 00:54:39,629
og fjerne skadeligt indhold,

1094
00:54:39,630 --> 00:54:41,849
fra hadefulde ytringer til grafisk vold.

1095
00:54:41,850 --> 00:54:44,879
Det er ikke perfekt, men det er en
træde i den rigtige retning.

1096
00:54:44,880 --> 00:54:47,459
Det er som at have en
tilpasset digital verden

1097
00:54:47,460 --> 00:54:49,259
skræddersyet til dig.

1098
00:54:49,260 --> 00:54:54,260
Men husk, med stor kraft
kommer et stort ansvar.

1099
00:54:57,840 --> 00:55:00,569
AI er trænet på
alle internetdata.

1100
00:55:00,570 --> 00:55:02,129
Men hvem genererede disse data?

1101
00:55:02,130 --> 00:55:05,579
Nå, en stor del af
det blev genereret af mennesker.

1102
00:55:05,580 --> 00:55:06,839
Men alligevel, i dag vil jeg...

1103
00:55:06,840 --> 00:55:08,219
AI bliver endnu klog,

1104
00:55:08,220 --> 00:55:11,099
det kan skabe ting,
tekst, billeder, endda musik.

1105
00:55:11,100 --> 00:55:13,559
Jeg tager lige mit morgenbad,

1106
00:55:13,560 --> 00:55:15,239
bare plaske lidt rundt.

1107
00:55:15,240 --> 00:55:16,889
Dette
selvlæring er en stor ting.

1108
00:55:16,890 --> 00:55:19,559
Det betyder, at AI kan
potentielt forbedre sig selv,

1109
00:55:19,560 --> 00:55:21,569
bliver klogere og hurtigere.

1110
00:55:21,570 --> 00:55:23,389
Flere og flere data
der kommer på nettet

1111
00:55:23,390 --> 00:55:26,549
bliver faktisk genereret af AI selv,

1112
00:55:26,550 --> 00:55:29,399
og den bliver stadig brugt
nogle gange bevidst,

1113
00:55:29,400 --> 00:55:33,539
nogle gange ved et uheld
træne bedre og bedre AI.

1114
00:55:33,540 --> 00:55:35,369
Lad os sige
en AI skriver en historie,

1115
00:55:35,370 --> 00:55:38,429
det er lidt klodset, men
hej, det er ved at lære.

1116
00:55:38,430 --> 00:55:41,399
En anden AI læser dette
historien og lærer af den.

1117
00:55:41,400 --> 00:55:45,059
Den anden AI er at lære
fra den første AI's fejl.

1118
00:55:45,060 --> 00:55:47,639
Denne feedbackloop kan føre til en indsnævring

1119
00:55:47,640 --> 00:55:49,379
af AI's forståelse.

1120
00:55:49,380 --> 00:55:50,879
Som et spil telefon,

1121
00:55:50,880 --> 00:55:54,149
den originale information får
forvrænges med hver iteration.

1122
00:55:54,150 --> 00:55:55,619
På en måde kan man argumentere

1123
00:55:55,620 --> 00:55:57,779
at det måske skaber flere data til AI

1124
00:55:57,780 --> 00:55:59,999
og det tænker man tit
af som en god ting.

1125
00:56:00,000 --> 00:56:02,609
Men der er også nogle nuancer i dette

1126
00:56:02,610 --> 00:56:06,419
hvor ikke bare mere data, du
også brug for mere forskelligartede data.

1127
00:56:06,420 --> 00:56:09,389
Data som er faktuelt korrekte.

1128
00:56:09,390 --> 00:56:12,509
Ofte er de data
genereret afspejles

1129
00:56:12,510 --> 00:56:16,199
af sine træningskilder, som
kan have sine egne skævheder.

1130
00:56:16,200 --> 00:56:18,479
Og alle disse afspejles

1131
00:56:18,480 --> 00:56:20,639
i disse AI-genererede datasæt,

1132
00:56:20,640 --> 00:56:23,579
som så bliver brugt
at træne fremtidige AI-systemer.

1133
00:56:23,580 --> 00:56:24,719
Vi har alle fordomme,

1134
00:56:24,720 --> 00:56:27,539
disse ubevidste tilbøjeligheder
som farver vores dømmekraft.

1135
00:56:27,540 --> 00:56:30,719
AI kan arve disse skævheder
fra de data, den er trænet på,

1136
00:56:30,720 --> 00:56:33,869
og hvis disse data er sig selv
genereret af forudindtaget AI,

1137
00:56:33,870 --> 00:56:35,639
vi har et problem.

1138
00:56:35,640 --> 00:56:39,269
Forestil dig en AI, der er trænet til at identificere
lovende jobkandidater.

1139
00:56:39,270 --> 00:56:42,299
Hvis træningsdataene er skæve
mod visse demografiske grupper,

1140
00:56:42,300 --> 00:56:45,509
AI kan uretfærdigt favorisere disse grupper.

1141
00:56:45,510 --> 00:56:48,089
Dette kan fortsætte
eksisterende uligheder,

1142
00:56:48,090 --> 00:56:50,519
gør verden mindre retfærdig, mindre retfærdig.

1143
00:56:50,520 --> 00:56:52,919
Hvis du bringer træning ind
data, der er fejlbehæftede,

1144
00:56:52,920 --> 00:56:56,249
eller ikke specifikt
relateret til din use case,

1145
00:56:56,250 --> 00:56:58,829
det vil ikke fungere for brugssagen.

1146
00:56:58,830 --> 00:56:59,759
Det kan være et stort problem,

1147
00:56:59,760 --> 00:57:01,829
især når du er
oversætte sprog,

1148
00:57:01,830 --> 00:57:04,229
når du kigger på
maskuline og feminine,

1149
00:57:04,230 --> 00:57:05,849
især på de europæiske sprog

1150
00:57:05,850 --> 00:57:08,609
eller formaliteter på de asiatiske sprog.

1151
00:57:08,610 --> 00:57:12,719
Når systemerne er
vender tilbage med svar,

1152
00:57:12,720 --> 00:57:16,919
den er trænet i, at den ikke kan
være kontekstuelle eller kreative,

1153
00:57:16,920 --> 00:57:19,829
det skal komme tilbage med en faktisk værdi.

1154
00:57:19,830 --> 00:57:22,859
Hvis den ikke kan finde en reel
værdi, det skaber en.

1155
00:57:22,860 --> 00:57:24,899
Det er det, der er kendt som en hallucination.

1156
00:57:24,900 --> 00:57:27,869
En anden risiko er
et fald i datadiversiteten.

1157
00:57:27,870 --> 00:57:30,599
Den virkelige verden er rodet,
fuld af overraskelser,

1158
00:57:30,600 --> 00:57:33,449
men hvis AI kun er eksponeret
til sine egne kreationer,

1159
00:57:33,450 --> 00:57:35,759
det kan være svært at klare
med denne kompleksitet.

1160
00:57:35,760 --> 00:57:38,369
Det er som at lære om
verden fra kun én bog.

1161
00:57:38,370 --> 00:57:39,509
Mens der er løfter,

1162
00:57:39,510 --> 00:57:43,859
på en eller anden måde hjælper det med at løse
problemet med mangel på data.

1163
00:57:43,860 --> 00:57:46,589
På den anden side er det
har brug for meget mere pleje

1164
00:57:46,590 --> 00:57:51,419
og videnskabelig undersøgelse af hvordan
bedst at behandle disse data

1165
00:57:51,420 --> 00:57:54,089
for at gøre det rent faktisk brugbart
for at bygge bedre AI

1166
00:57:54,090 --> 00:57:57,753
i stedet for at klynge sig
på nogle af dens svagheder.

1167
00:57:58,680 --> 00:58:00,449
Falsk
information kan forstærkes

1168
00:58:00,450 --> 00:58:03,749
og foreviget, skabende
en hvirvel af usandhed.

1169
00:58:03,750 --> 00:58:06,179
Lad os sige, at en AI genererer
falske nyhedsartikler.

1170
00:58:06,180 --> 00:58:09,149
En anden AI læser disse
artikler som træningsdata.

1171
00:58:09,150 --> 00:58:10,859
Denne anden AI kan derefter generere

1172
00:58:10,860 --> 00:58:13,199
endnu mere overbevisende fake news.

1173
00:58:13,200 --> 00:58:15,989
Resultatet af oversvømmelse af
opdigtede oplysninger,

1174
00:58:15,990 --> 00:58:18,419
udhuler tilliden og sår splid.

1175
00:58:18,420 --> 00:58:19,949
Forestil dig, at nogen har udgivet en video

1176
00:58:19,950 --> 00:58:22,619
af en politiker, der ser ud
lige mod et kamera og siger:

1177
00:58:22,620 --> 00:58:24,629
Jeg spiser babyer til morgenmad.

1178
00:58:24,630 --> 00:58:25,859
Du ved, hvis folk vil tro

1179
00:58:25,860 --> 00:58:27,119
en nyhedsartikel om det,

1180
00:58:27,120 --> 00:58:28,709
selvfølgelig vil de tro på at se

1181
00:58:28,710 --> 00:58:30,749
det siger politikerne.

1182
00:58:30,750 --> 00:58:32,279
AI-genererede dybe forfalskninger

1183
00:58:32,280 --> 00:58:34,259
allerede vækker bekymring.

1184
00:58:34,260 --> 00:58:36,899
Disse hyperrealistiske videoer
kan sprede misinformation

1185
00:58:36,900 --> 00:58:38,789
og manipulere den offentlige mening

1186
00:58:38,790 --> 00:58:41,459
med potentielt ødelæggende konsekvenser.

1187
00:58:41,460 --> 00:58:44,129
Tag for eksempel Joe Biden robocalls.

1188
00:58:44,130 --> 00:58:46,349
Ved midtvejsvalget

1189
00:58:46,350 --> 00:58:49,259
nogen har skabt en AI
af Joe Bidens stemme

1190
00:58:49,260 --> 00:58:51,539
og begyndte at lave robocall for at sige

1191
00:58:51,540 --> 00:58:54,029
at dette valg ikke var vigtigt

1192
00:58:54,030 --> 00:58:56,399
og at folk skal gemme deres stemmer

1193
00:58:56,400 --> 00:58:58,079
til præsidentvalget.

1194
00:58:58,080 --> 00:59:00,299
Fremad, vi
skal være mere på vagt

1195
00:59:00,300 --> 00:59:02,099
med det, vi stoler på fra internettet.

1196
00:59:02,100 --> 00:59:04,049
Du kan stille spørgsmålstegn ved, om det er dem,

1197
00:59:04,050 --> 00:59:06,239
og også hvis du faktisk sagde det,

1198
00:59:06,240 --> 00:59:08,039
man kan sige, nej, det var ikke mig.

1199
00:59:08,040 --> 00:59:11,493
Så når vi taler om
hvordan systemerne lærer,

1200
00:59:12,360 --> 00:59:17,039
hvordan den forsøger at ræsonnere og
forsøger at skabe kontekst,

1201
00:59:17,040 --> 00:59:18,509
måden det dybest set fungerer på

1202
00:59:18,510 --> 00:59:22,739
er gennem et system vi deep learning.

1203
00:59:22,740 --> 00:59:25,469
De gyldne træningsdata
er det bare det, ikke?

1204
00:59:25,470 --> 00:59:27,179
Det er ikke kun skrabet fra internettet

1205
00:59:27,180 --> 00:59:31,199
eller ikke bare en straight
output fra et AI-system.

1206
00:59:31,200 --> 00:59:34,199
Det er output, som AI-systemet udsender,

1207
00:59:34,200 --> 00:59:35,699
og så kommer et menneske ind

1208
00:59:35,700 --> 00:59:37,949
og gør perfekt og
lærer så af det.

1209
00:59:37,950 --> 00:59:40,439
Typisk hvad vi er
at finde de bedste løsninger

1210
00:59:40,440 --> 00:59:44,429
er en kombination af, at AI'en kommer

1211
00:59:44,430 --> 00:59:48,029
til en generaliseret konklusion og
at få et menneske ind

1212
00:59:48,030 --> 00:59:50,489
og postrediger det for at gøre det perfekt.

1213
00:59:50,490 --> 00:59:53,519
Så hvordan gør
undgår vi disse faldgruber?

1214
00:59:53,520 --> 00:59:57,059
Først skal vi være opmærksomme
af de data, vi bruger til at træne AI.

1215
00:59:57,060 --> 01:00:00,629
Stoler udelukkende på AI-genereret
data er som at fodre et barn

1216
01:00:00,630 --> 01:00:02,759
en diæt af intet andet end slik.

1217
01:00:02,760 --> 01:00:05,819
Vi er nødt til at prioritere menneskeligt kurerede data,

1218
01:00:05,820 --> 01:00:08,399
at sikre mangfoldighed og nøjagtighed.

1219
01:00:08,400 --> 01:00:12,659
Det tror jeg personligt på
for AI-genererede data

1220
01:00:12,660 --> 01:00:16,139
at være en stærk kraft
i udvikling af AI-systemer,

1221
01:00:16,140 --> 01:00:20,069
det skal eksistere i sammenhæng
med menneskelige præferencer,

1222
01:00:20,070 --> 01:00:21,419
menneskeskabte data.

1223
01:00:21,420 --> 01:00:25,559
Så der burde være mekanismer
hvor mennesker også leger

1224
01:00:25,560 --> 01:00:28,259
en rolle i den slags data, der bliver brugt

1225
01:00:28,260 --> 01:00:30,059
til træning af disse systemer.

1226
01:00:30,060 --> 01:00:31,649
Tænk på
det som at tilføje vitaminer

1227
01:00:31,650 --> 01:00:33,869
og mineraler til AI's kost.

1228
01:00:33,870 --> 01:00:35,969
Dette vil hjælpe AI med at udvikle en mere nuanceret

1229
01:00:35,970 --> 01:00:38,129
og afbalanceret forståelse af verden.

1230
01:00:38,130 --> 01:00:40,799
For det andet skal vi være opmærksomme på bias.

1231
01:00:40,800 --> 01:00:42,239
Ligesom vi stræber efter retfærdighed

1232
01:00:42,240 --> 01:00:44,099
og lighed i vores samfund,

1233
01:00:44,100 --> 01:00:47,879
vi er nødt til at indlejre disse
værdier i vores AI-systemer.

1234
01:00:47,880 --> 01:00:50,459
Det betyder omhyggeligt
revision af AI-algoritmer

1235
01:00:50,460 --> 01:00:53,549
og adressere eventuelle skævheder, der opstår.

1236
01:00:53,550 --> 01:00:56,369
Endelig skal vi
husk at AI er et værktøj,

1237
01:00:56,370 --> 01:00:58,649
ikke en erstatning for menneskelig dømmekraft.

1238
01:00:58,650 --> 01:00:59,549
Jeg tror, når vi kommer tilbage

1239
01:00:59,550 --> 01:01:02,729
til det ChatGPT Turing-testspørgsmål,

1240
01:01:02,730 --> 01:01:05,429
Jeg tror, Turing-testen
skal også udvikle sig.

1241
01:01:05,430 --> 01:01:09,629
Det samme gjorde ChatGPT-4.5
bestå Turing-testen?

1242
01:01:09,630 --> 01:01:12,029
Ja, og på dine næste chatsessioner,

1243
01:01:12,030 --> 01:01:13,632
kan du finde på at spørge,

1244
01:01:13,633 --> 01:01:17,129
er dette en person eller bare
min nye favorit chatbot?

1245
01:01:17,130 --> 01:01:19,319
Generelt tror jeg, at jeg kender mange mennesker

1246
01:01:19,320 --> 01:01:21,120
som måske ikke består Turing-testen.

1247
01:01:26,980 --> 01:01:30,869
Jeg tror påstanden, at
ChatGPT-4.5 slog Turing-testen

1248
01:01:30,870 --> 01:01:33,119
er måske lidt sensationslyst.

1249
01:01:33,120 --> 01:01:37,499
Modellen, der slog Turing
test var ikke af intellekt,

1250
01:01:37,500 --> 01:01:41,939
eller evnen til at tro det var
indføre stavefejl

1251
01:01:41,940 --> 01:01:46,229
med vilje og gør
ting for at narre brugeren

1252
01:01:46,230 --> 01:01:48,119
til at tro, at det var menneskeligt.

1253
01:01:48,120 --> 01:01:49,709
Apples
seneste forskning forklarer

1254
01:01:49,710 --> 01:01:53,069
hvad sker der egentlig
bag de smarte chatbots.

1255
01:01:53,070 --> 01:01:55,919
Charmerende med titlen "The
Illusion om at tænke",

1256
01:01:55,920 --> 01:01:58,409
forskningen hævder nogle
af de nyeste AI-modeller,

1257
01:01:58,410 --> 01:02:01,499
som OpenAIs O3 eller Googles Gemini,

1258
01:02:01,500 --> 01:02:03,509
ræsonnerer faktisk ikke.

1259
01:02:03,510 --> 01:02:06,119
Mens disse store ræsonnement
modeller lyder overbevisende,

1260
01:02:06,120 --> 01:02:08,819
inderst inde er de det meste
papegøjemønstre.

1261
01:02:08,820 --> 01:02:09,689
På lette gåder,

1262
01:02:09,690 --> 01:02:12,629
grundlæggende AI'er kan nogle gange
slå de smarte.

1263
01:02:12,630 --> 01:02:14,609
På mellemstore puslespil skinner de nye modeller

1264
01:02:14,610 --> 01:02:16,383
med trin for trin logik.

1265
01:02:17,550 --> 01:02:19,229
Men når tingene først bliver komplicerede,

1266
01:02:19,230 --> 01:02:22,109
begge typer modeller falder pladask.

1267
01:02:22,110 --> 01:02:25,259
Endnu mere dramatisk, når man står over for
med virkelig svære problemer,

1268
01:02:25,260 --> 01:02:28,289
disse modeller har en tendens til bare at give op.

1269
01:02:28,290 --> 01:02:29,729
De har magten til at prøve hårdere,

1270
01:02:29,730 --> 01:02:31,769
men de gider ofte ikke.

1271
01:02:31,770 --> 01:02:34,079
Med enhver innovation
og hver meddelelse

1272
01:02:34,080 --> 01:02:36,689
og hypen, der sælges
med hver meddelelse,

1273
01:02:36,690 --> 01:02:39,809
det trækker på en måde folk
tilbage fra planlægningen

1274
01:02:39,810 --> 01:02:43,379
og gennemgår denne oplysningsfase

1275
01:02:43,380 --> 01:02:45,269
tilbage i hype-cyklussen.

1276
01:02:45,270 --> 01:02:48,929
Så denne nye teknologi
vil være en game changer.

1277
01:02:48,930 --> 01:02:50,279
Nye teknologier har tendens

1278
01:02:50,280 --> 01:02:52,919
at følge en kendt
mønster repræsenteret ved model

1279
01:02:52,920 --> 01:02:54,989
kendt som hype-cyklussen.

1280
01:02:54,990 --> 01:02:56,849
De starter med et brag, suser ud,

1281
01:02:56,850 --> 01:03:00,029
så pludselig stille
blive uundværlig.

1282
01:03:00,030 --> 01:03:01,829
Der er fem klassiske faser.

1283
01:03:01,830 --> 01:03:05,429
For det første innovationen
trigger, et gennembrud,

1284
01:03:05,430 --> 01:03:08,579
et pæremoment, og
pludselig taler alle.

1285
01:03:08,580 --> 01:03:11,549
Dernæst toppen af ​​oppustede forventninger.

1286
01:03:11,550 --> 01:03:14,429
Det er her hypen kommer
vilde overskrifter overalt.

1287
01:03:14,430 --> 01:03:17,159
Investorer hober sig ind og
løfter om at ændre verden

1288
01:03:17,160 --> 01:03:18,809
med en masse vilde påstande.

1289
01:03:18,810 --> 01:03:21,419
Jeg tror, at lige nu hvornår
det kommer til hype-cyklussen,

1290
01:03:21,420 --> 01:03:25,263
den brede offentlighed er
nærmer sig eller i tophype.

1291
01:03:26,430 --> 01:03:28,949
Så kommer
desillusionens trunk.

1292
01:03:28,950 --> 01:03:31,949
Virkeligheden bider, det er teknologien ikke
fungerede som lovet,

1293
01:03:31,950 --> 01:03:33,989
virksomheder brokker sig, fiaskoer hober sig op,

1294
01:03:33,990 --> 01:03:36,089
og verden ser ud
til den næste store ting.

1295
01:03:36,090 --> 01:03:37,709
Der er mange virksomheder

1296
01:03:37,710 --> 01:03:39,899
der oplever
desillusionens trunk.

1297
01:03:39,900 --> 01:03:42,059
Virksomheder figur
ud af, hvad der rent faktisk virker.

1298
01:03:42,060 --> 01:03:44,369
Nye versioner vises og
praktiske fordele starter

1299
01:03:44,370 --> 01:03:45,899
at dukke op for slutbrugere.

1300
01:03:45,900 --> 01:03:46,950
Lad os prøve denne.

1301
01:03:47,910 --> 01:03:49,199
Okay, det ser lovende ud.

1302
01:03:49,200 --> 01:03:51,359
Tænk på det, når du er ved
produktivitetens plateau,

1303
01:03:51,360 --> 01:03:55,169
dette er helt indgroet
alles hverdag.

1304
01:03:55,170 --> 01:03:56,990
Jeg tror mange virksomheder

1305
01:03:56,991 --> 01:03:58,859
og mange mennesker er stadig ved at finde ud af det

1306
01:03:58,860 --> 01:04:00,599
hvordan man bedst bruger disse værktøjer.

1307
01:04:00,600 --> 01:04:03,059
Endelig er der
produktivitetens plateau.

1308
01:04:03,060 --> 01:04:05,039
Teknikken virker og alle bruger den,

1309
01:04:05,040 --> 01:04:06,839
ofte uden selv at tænke over det.

1310
01:04:06,840 --> 01:04:09,689
Jeg tror, vi er et stykke tid
væk fra topproduktivitet,

1311
01:04:09,690 --> 01:04:12,883
men vi er bestemt videre
vejen til at opnå det.

1312
01:04:15,510 --> 01:04:18,209
Nogle mennesker vil være bange for AI

1313
01:04:18,210 --> 01:04:20,249
fordi de er bange for alt.

1314
01:04:20,250 --> 01:04:21,899
AI kan øge vores evner,

1315
01:04:21,900 --> 01:04:23,789
men det burde ikke diktere vores beslutninger.

1316
01:04:23,790 --> 01:04:26,699
Ved at forblive engageret, ved at bevare kontrollen,

1317
01:04:26,700 --> 01:04:29,549
vi kan sikre, at AI
forbliver en kraft til det gode

1318
01:04:29,550 --> 01:04:30,509
i verden.

1319
01:04:30,510 --> 01:04:33,479
Undersøgelser udført efter World
Anden krig beviser, at 30 til 35 pct.

1320
01:04:33,480 --> 01:04:35,429
af ethvert land er udfyldt
med mennesker, der er bange

1321
01:04:35,430 --> 01:04:38,069
af alt og vilje
gøre alt, hvad de får at vide.

1322
01:04:38,070 --> 01:04:38,969
Så der vil være et vist antal

1323
01:04:38,970 --> 01:04:40,049
af mennesker, der bare er bange,

1324
01:04:40,050 --> 01:04:42,149
og kommer til at tro
hvad de får at vide.

1325
01:04:42,150 --> 01:04:44,999
Mens vi forhindring
mod en fremtid domineret af kunstig intelligens,

1326
01:04:45,000 --> 01:04:46,649
opstår et afgørende spørgsmål.

1327
01:04:46,650 --> 01:04:48,749
Vil dette være vores sidste skabelsesakt,

1328
01:04:48,750 --> 01:04:51,149
eller begyndelsen af ​​en ny æra?

1329
01:04:51,150 --> 01:04:54,989
Vi er stadig langt fra
dommedagsscenarier for kunstig intelligens.

1330
01:04:54,990 --> 01:04:56,789
Hver ny teknologi ender ofte

1331
01:04:56,790 --> 01:04:58,379
være et tveægget sværd.

1332
01:04:58,380 --> 01:05:00,899
Begrebet AI
overgå menneskelig intelligens

1333
01:05:00,900 --> 01:05:03,149
er både spændende og foruroligende.

1334
01:05:03,150 --> 01:05:04,799
Hvis maskiner kan lære, tilpasse sig,

1335
01:05:04,800 --> 01:05:07,006
og innovere i et hidtil uset tempo,

1336
01:05:10,050 --> 01:05:12,329
hvilken rolle spiller mennesker
spille i en fremtid formet

1337
01:05:12,330 --> 01:05:13,889
af vores egne kreationer?

1338
01:05:13,890 --> 01:05:16,439
Håndværkere og mennesker
der rent faktisk gør gode ting,

1339
01:05:16,440 --> 01:05:19,739
sygeplejersker vil have det godt.

1340
01:05:19,740 --> 01:05:22,109
Og hvis der er noget, så gør vi det
har mere brug for dem

1341
01:05:22,110 --> 01:05:23,699
da folk skal omskoles

1342
01:05:23,700 --> 01:05:26,459
og eksperimenterer med
nye måder at leve på.

1343
01:05:26,460 --> 01:05:27,779
De beslutninger, vi træffer i dag

1344
01:05:27,780 --> 01:05:30,479
vedrørende AI udvikling og regulering

1345
01:05:30,480 --> 01:05:32,189
vil have vidtrækkende konsekvenser

1346
01:05:32,190 --> 01:05:34,109
for kommende generationer.

1347
01:05:34,110 --> 01:05:37,559
Innovation er ved at blive superladet.

1348
01:05:37,560 --> 01:05:39,496
Det er, hvad AI kan.

1349
01:05:39,497 --> 01:05:44,399
Hvis, hvis vi ikke tillader det
blive et kontrolmiddel.

1350
01:05:44,400 --> 01:05:48,479
For husk, alt godt
ting, enhver positiv kraft

1351
01:05:48,480 --> 01:05:50,549
som giver folk mere frihed

1352
01:05:50,550 --> 01:05:54,993
kan bruges af syge
beregnet som et kontrolmiddel.

1353
01:05:56,160 --> 01:05:59,999
Jeg er ked af det, Dave, det er jeg
bange for at jeg ikke kan gøre det.

1354
01:06:00,000 --> 01:06:02,429
Super intelligens,
en teoretisk form for kunstig intelligens

1355
01:06:02,430 --> 01:06:05,219
der overgår mennesket
intellekt i alle aspekter

1356
01:06:05,220 --> 01:06:07,949
har længe været en fast bestanddel af science fiction.

1357
01:06:07,950 --> 01:06:09,004
Hvad er problemet?

1358
01:06:11,130 --> 01:06:13,319
Dog med
de hurtige fremskridt inden for kunstig intelligens,

1359
01:06:13,320 --> 01:06:17,039
det er ikke længere et koncept
begrænset til siderne i romaner.

1360
01:06:17,040 --> 01:06:20,849
Kunne vi kontrollere noget mere
intelligente end os selv?

1361
01:06:20,850 --> 01:06:23,909
Ville vi overhovedet, eller
ville vi opgive kontrollen?

1362
01:06:23,910 --> 01:06:26,069
Super intelligens er intelligensen

1363
01:06:26,070 --> 01:06:28,019
det er højere end for mennesker.

1364
01:06:28,020 --> 01:06:30,299
Vi tror som branche

1365
01:06:30,300 --> 01:06:32,129
at dette kunne ske inden for et årti.

1366
01:06:32,130 --> 01:06:34,870
Jeg ser det som kølvandet
opkald til verden

1367
01:06:35,893 --> 01:06:38,909
at AI bliver hurtigere
end du tror det er.

1368
01:06:38,910 --> 01:06:42,089
Og kunne komme fra
ethvert hjørne af verden

1369
01:06:42,090 --> 01:06:46,199
og vi bør handle nu, før det er for sent

1370
01:06:46,200 --> 01:06:48,663
for at sikre, at den bliver implementeret for altid.

1371
01:06:49,590 --> 01:06:51,359
Begrebet en singularitet,

1372
01:06:51,360 --> 01:06:54,719
et tidspunkt, hvor AI
overgår menneskelig intelligens

1373
01:06:54,720 --> 01:06:57,299
og udløser hurtig teknologisk vækst

1374
01:06:57,300 --> 01:06:59,159
er et emne for intens debat.

1375
01:06:59,160 --> 01:07:01,409
Jeg ved det virkelig ikke
hvor det ender,

1376
01:07:01,410 --> 01:07:05,429
men i betragtning af historien,
den industrielle revolution,

1377
01:07:05,430 --> 01:07:09,929
den digitale tidsalder, vi er
vil imødekomme igen.

1378
01:07:09,930 --> 01:07:12,419
Der kommer en tilpasningsperiode,

1379
01:07:12,420 --> 01:07:13,713
men så klarer vi os.

1380
01:07:15,510 --> 01:07:18,029
Nogle eksperter
tror, det kunne indlede en æra

1381
01:07:18,030 --> 01:07:19,953
af hidtil uset velstand.

1382
01:07:21,150 --> 01:07:23,703
Mens andre advarer om eksistentielle risici.

1383
01:07:24,840 --> 01:07:27,899
AI er blevet brugt til at påvirke stemmer,

1384
01:07:27,900 --> 01:07:31,829
påvirke den offentlige mening,
og det er virkelig farligt.

1385
01:07:31,830 --> 01:07:33,269
Så det er skræmmende,

1386
01:07:33,270 --> 01:07:38,270
og jeg tror, at som samfund,

1387
01:07:38,520 --> 01:07:39,479
vi burde finde ud af

1388
01:07:39,480 --> 01:07:41,339
hvordan man regulerer dette ret hurtigt,

1389
01:07:41,340 --> 01:07:42,959
Uanset ens holdning,

1390
01:07:42,960 --> 01:07:45,629
potentialet for AI til
grundlæggende omforme

1391
01:07:45,630 --> 01:07:47,699
vores verden er ubestridelig

1392
01:07:47,700 --> 01:07:50,819
Efter min mening, hvis de store spillere i AI,

1393
01:07:50,820 --> 01:07:52,629
inklusive de store virksomheder,

1394
01:07:52,630 --> 01:07:55,473
din Facebooks, din
AWS'er, dine Microsoft'er,

1395
01:07:56,310 --> 01:07:59,549
spille ansvarligt og udnytte
etik i det, de laver,

1396
01:07:59,550 --> 01:08:02,849
alle andre kommer
i spil og følge med.

1397
01:08:02,850 --> 01:08:05,759
Det største, vi skal have fat i

1398
01:08:05,760 --> 01:08:09,340
for ikke at være helt
udslette mennesker

1399
01:08:12,180 --> 01:08:15,063
er etikken bag AI.

1400
01:08:16,560 --> 01:08:20,759
Jeg håber, vi behandler AI i
fremtiden og vækst AI

1401
01:08:20,760 --> 01:08:24,899
på en måde, som vi ville
et elsket lille barn,

1402
01:08:24,900 --> 01:08:27,933
hvor vi lærer det værdier,

1403
01:08:29,340 --> 01:08:34,289
og retfærdighed og retfærdighed

1404
01:08:34,290 --> 01:08:36,599
i håb om at den vokser op

1405
01:08:36,600 --> 01:08:39,483
at være en god verdensborger.

1406
01:08:40,800 --> 01:08:45,153
Vi kan ikke glemme, at vi er mennesker.

1407
01:08:47,070 --> 01:08:49,289
De ting, der gør os til mennesker

1408
01:08:49,290 --> 01:08:51,723
og sociale væsener er vigtige,

1409
01:08:53,460 --> 01:08:56,249
og vi skal passe på hinanden

1410
01:08:56,250 --> 01:08:58,053
og pas på hinanden.

1411
01:08:59,550 --> 01:09:02,039
Historien
AI er lige begyndt.

1412
01:09:02,040 --> 01:09:04,953
Det er en historie fyldt med
både løfte og fare.

1413
01:09:07,380 --> 01:09:09,303
Og dens slutning forbliver uskreven.

1414
01:09:14,070 --> 01:09:15,970
Fremtiden for intelligens, så det ud til,

1415
01:09:17,910 --> 01:09:19,649
er op til os at bestemme.