AI จะเปลี่ยนแปลงโลกอย่างไร?: บทเรียนภาษาอังกฤษ

In the coming years,

ในช่วงไม่กี่ปีข้างหน้า

artificial intelligence is probably going to change your life and likely the entire world. ไวยากรณ์

ปัญญาประดิษฐ์อาจจะเปลี่ยนชีวิตคุณ และน่าจะเปลี่ยนโลกทั้งใบด้วย

But people have a hard time agreeing on exactly how. ไวยากรณ์

แต่ผู้คนมักมีความเห็นไม่ตรงกันว่ามันจะเปลี่ยนไปอย่างไร

The following are excerpts from a World Economic Forum interview

ต่อไปนี้เป็นข้อความที่ตัดตอนมาจากการสัมภาษณ์ของสภาเศรษฐกิจโลก

where renowned computer science professor and AI expert Stuart Russell helps separate the sense from the nonsense. สำนวน

ซึ่งศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และผู้เชี่ยวชาญด้าน AI ชื่อดังอย่าง สจวร์ต รัสเซลล์ ช่วยแยกแยะสิ่งที่มีเหตุผลออกจากเรื่องไร้สาระ

There's a big difference between asking a human to do something ไวยากรณ์

มันมีความแตกต่างอย่างมากระหว่างการขอให้มนุษย์ทำอะไรบางอย่าง

and giving that as the objective to an AI system.

กับการมอบสิ่งนั้นเป็นเป้าหมายให้กับระบบ AI

When you ask a human to fetch you a cup of coffee,

เมื่อคุณขอให้คนไปซื้อกาแฟให้คุณสักแก้ว

you don't mean this should be their life's mission ลำดับความ

คุณไม่ได้หมายความว่านี่ควรเป็นภารกิจในชีวิตของเขา

and nothing else in the universe matters,

และสิ่งอื่นใดในจักรวาลนี้ไม่มีความหมายอีกแล้ว

even if they have to kill everybody else in Starbucks to get you the coffee before it closes.

แม้ว่าพวกเขาจะต้องฆ่าทุกคนในสตาร์บัคส์เพื่อเอากาแฟมาให้คุณก่อนร้านจะปิดก็ตาม

They should do that.

ว่าพวกเขาควรจะทำแบบนั้น

No, that's not what you mean, right?

ไม่ นั่นไม่ใช่สิ่งที่คุณหมายถึง ใช่ไหมล่ะ?

You mean all the other things that we mutually care about,

คุณหมายความว่าสิ่งอื่น ๆ ทั้งหมดที่เราต่างใส่ใจร่วมกัน

they should factor into your behavior as well. วลี

พวกเขาควรนำไปประกอบการพิจารณาในพฤติกรรมของตนด้วย

And the problem with the way we build AI systems now is we give them a fixed objective, right? การใช้คำ

และปัญหาของวิธีที่เราสร้างระบบ AI ในตอนนี้คือเรามอบเป้าหมายที่ตายตัวให้กับพวกมัน ใช่ไหม?

The algorithms require us to specify everything in the objective.

อัลกอริทึมต้องการให้เราระบุทุกอย่างไว้ในเป้าหมาย

And if you say,

และถ้าคุณพูดว่า

you know, can we fix the acidification of the oceans? การใช้คำ

คุณรู้ไหม เราสามารถแก้ปัญหาความเป็นกรดในมหาสมุทรได้ไหม?

Yeah, you could have a catalytic reaction that does that extremely efficiently, but,

ได้สิ คุณสามารถสร้างปฏิกิริยาเร่งปฏิกิริยาที่ทำแบบนั้นได้อย่างมีประสิทธิภาพสุด ๆ แต่

you know, it consumes a quarter of the oxygen in the atmosphere,

คุณรู้ไหม มันใช้ออกซิเจนไปถึงหนึ่งในสี่ของปริมาณออกซิเจนทั้งหมดในชั้นบรรยากาศ

which would apparently cause us to die fairly slowly and unpleasantly over the course of several hours.

ซึ่งเห็นได้ชัดว่าจะทำให้เราค่อย ๆ ตายอย่างทรมานในเวลาไม่กี่ชั่วโมง

Um, so how do we avoid this problem, right?

อืม แล้วเราจะหลีกเลี่ยงปัญหานี้ได้อย่างไร ใช่ไหม?

You might say, okay, well,

คุณอาจจะบอกว่า โอเค งั้น

just be more careful about specifying the objective, right?

ก็แค่ระมัดระวังมากขึ้นตอนที่กำหนดเป้าหมาย ใช่ไหม?

Don't forget the, you know, atmospheric oxygen.

อย่าลืมล่ะ คุณรู้ไหม ออกซิเจนในชั้นบรรยากาศน่ะ

And then, of course,

แล้วแน่นอนว่า

some side effect of the reaction in the ocean poisons all the fish.

ผลข้างเคียงบางอย่างของปฏิกิริยาในมหาสมุทรนั้นเป็นพิษต่อปลาทั้งหมด

Okay, well, I meant don't kill the fish

โอเค งั้น ฉันหมายถึงว่าอย่าฆ่าปลา

either. And then, well, what about the seaweed?

ด้วย แล้วถ้าอย่างนั้นล่ะ สาหร่ายทะเลล่ะ?

Okay, well, don't do anything that's going to cause all the seaweed to die.

โอเค งั้น อย่าทำอะไรก็ตามที่จะทำให้สาหร่ายทะเลตายหมด

And on and on and on, right? ลำดับความ

แล้วมันก็จะเป็นแบบนี้ต่อไปเรื่อย ๆ ใช่ไหม?

And the reason that we don't have to do that with humans is that humans often know that they don't know all the things that we care about. โน้ต

และเหตุผลที่เราไม่ต้องทำแบบนั้นกับมนุษย์ก็คือ มนุษย์มักจะรู้ตัวว่าพวกเขาไม่ได้รู้ทุกสิ่งที่เราใส่ใจ

If you ask a human to get you a cup of coffee,

ถ้าคุณขอให้ใครสักคนไปซื้อกาแฟมาให้สักแก้ว

you know, and you happen to be in the Hotel George Sand in Paris,

คุณรู้ไหม แล้วคุณบังเอิญอยู่ที่โรงแรมจอร์จแซนด์ในปารีส

where the coffee is, I think, 13 Euros a cup,

ที่ซึ่งฉันคิดว่ากาแฟน่าจะแก้วละ 13 ยูโร

it's entirely reasonable to come back and say,

มันสมเหตุสมผลมากที่จะเดินกลับมาแล้วบอกว่า

well, it's 13 Euros.

เอ่อ มันตั้ง 13 ยูโรแน่ะ

Are you sure you want it or I could go next door and you know get one? น้ำเสียง/เจตนา

คุณแน่ใจนะว่าอยากได้ หรือฉันสามารถไปร้านข้าง ๆ แล้วซื้อมาให้คุณแทนไหม?

It's a perfectly normal thing for a person to do, right?

มันเป็นเรื่องที่ปกติมาก ๆ สำหรับสิ่งที่คน ๆ หนึ่งจะทำ จริงไหม?

To ask,

การที่จะถามว่า

you know, I'm going to repaint your house.

คุณรู้ไหม ฉันกำลังจะทาสีบ้านให้คุณใหม่

Is it okay if I take off the drainpipes and then put them back? น้ำเสียง/เจตนา

จะเป็นอะไรไหมถ้าฉันถอดท่อระบายน้ำออกแล้วค่อยใส่กลับเข้าไปใหม่?

We don't think of this as a terribly sophisticated capability, การใช้คำ

เราไม่ได้มองว่านี่เป็นความสามารถที่ซับซ้อนอะไรมากมายเลย

but AI systems don't have it because the way we build them now,

แต่ระบบ AI ไม่มีสิ่งนี้เพราะวิธีที่เราสร้างมันในปัจจุบัน

they have to know the full objective.

พวกมันจะต้องรู้เป้าหมายทั้งหมด

If we build systems that know that they don't know what the objective is,

ถ้าเราสร้างระบบที่รู้ตัวว่าพวกมันไม่รู้ว่าเป้าหมายคืออะไร

then they start to exhibit these behaviors like asking for permission

พวกมันก็จะเริ่มแสดงพฤติกรรมแบบนี้ เช่น การขออนุญาต

before getting rid of all the oxygen in the atmosphere. กริยาวลี

ก่อนที่จะกำจัดออกซิเจนทั้งหมดในชั้นบรรยากาศ

In all these senses,

ในแง่เหล่านี้ทั้งหมด

control over the AI system comes from the machine's uncertainty about what the true objective is. ลำดับความ

การควบคุมระบบ AI มาจากความไม่แน่นอนของเครื่องจักรเกี่ยวกับเป้าหมายที่แท้จริง

It's when you build machines that believe with certainty that they have the objective, ไวยากรณ์

เมื่อคุณสร้างเครื่องจักรที่เชื่อมั่นอย่างแน่วแน่ว่าพวกมันมีเป้าหมายแล้ว

that's when you get this sort of psychopathic behavior. การใช้คำ

นั่นคือตอนที่คุณจะได้เห็นพฤติกรรมโรคจิตแบบนี้

And I think we see the same thing in humans.

และฉันคิดว่าเราก็เห็นสิ่งเดียวกันนี้ในมนุษย์ด้วย

What happens when general purpose AI hits the real economy? การใช้คำ

จะเกิดอะไรขึ้นเมื่อ AI เอนกประสงค์ส่งผลกระทบต่อเศรษฐกิจที่แท้จริง?

How do things change?

สิ่งต่าง ๆ จะเปลี่ยนไปอย่างไร?

Can we adapt?

เราจะปรับตัวได้ไหม?

You know, this is a very old point.

คุณรู้ไหม นี่เป็นประเด็นที่เก่าแก่มาก

Amazingly,

น่าแปลกที่

Aristotle actually has a passage where he says,

อริสโตเติลมีข้อความตอนหนึ่งที่เขากล่าวไว้ว่า

look,

ดูสิ

if we had fully automated weaving machines and plectrums that could pluck the lyre and produce music without any humans, วัฒนธรรม

หากเรามีเครื่องทอผ้าอัตโนมัติเต็มรูปแบบ และมีปิ๊กที่สามารถดีดพิณและเล่นดนตรีได้โดยไม่ต้องใช้มนุษย์เลย

then we wouldn't need any workers.

เราก็คงไม่ต้องใช้คนงานเลยสักคน

That idea,

แนวคิดนั้น

which I think it was Keynes who called it technological unemployment in 1930,

ซึ่งฉันคิดว่าเป็นเคนส์ที่เรียกมันว่าการว่างงานทางเทคโนโลยีในปี 1930

is very obvious to people, right?

เป็นเรื่องที่ชัดเจนมากสำหรับผู้คน ใช่ไหม?

They think,

พวกเขาคิดว่า

yeah, of course,

ใช่ แน่นอนสิ

if the machine does the work,

ถ้าเครื่องจักรทำงานแทน

then I'm going to be unemployed.

ฉันก็จะตกงาน

If you think about the warehouses that companies like Amazon are operating for e-commerce,

หากคุณนึกถึงโกดังที่บริษัทอย่างแอมะซอนใช้สำหรับอีคอมเมิร์ซ

they are half automated.

มันเป็นแบบกึ่งอัตโนมัติ

The way it works is that on an old warehouse where you've got tons of stuff piled up all over the place ลำดับความ

วิธีที่มันทำงานก็คือ ในโกดังเก่า ๆ ที่มีข้าวของมากมายกองอยู่ทุกที่

and the humans go and rummage around and then bring it back and send it off, กริยาวลี

มนุษย์จะเข้าไปค้นหา จากนั้นก็นำมันกลับมาและส่งออกไป

there's a robot who goes and gets the shelving unit that contains the thing that you need,

แต่เดี๋ยวนี้มีหุ่นยนต์ที่ไปดึงเอาชั้นวางของที่มีสิ่งที่คุณต้องการมาให้

but the human has to pick the object out of the bin or the off the shelf because that's still too difficult. กริยาวลี

แต่มนุษย์ยังคงต้องหยิบสิ่งของนั้นออกจากกล่องหรือออกจากชั้นวาง เพราะนั่นยังเป็นสิ่งที่ยากเกินไปสำหรับหุ่นยนต์

But, you know, at the same time,

แต่คุณรู้ไหม ในขณะเดียวกัน

would you make a robot that is accurate enough to be able to pick pretty much any object ไวยากรณ์

คุณจะสร้างหุ่นยนต์ที่มีความแม่นยำมากพอที่จะสามารถหยิบสิ่งของได้แทบทุกอย่าง

within a very wide variety of objects that you can buy?

ภายในสินค้าที่หลากหลายมาก ๆ ที่คุณสามารถซื้อได้ไหม?

And that would at a stroke eliminate three or four million jobs. สำนวน

และนั่นจะเป็นการกำจัดงาน 3 หรือ 4 ล้านตำแหน่งไปในพริบตา

There's an interesting story that E.M. Forster wrote where everyone is entirely machine dependent. วัฒนธรรม

มีเรื่องราวที่น่าสนใจซึ่ง อี.เอ็ม. ฟอร์สเตอร์ เขียนไว้ ซึ่งทุกคนต้องพึ่งพาเครื่องจักรอย่างสิ้นเชิง

The story is really about the fact that if you hand over the management of your civilization to machines, กริยาวลี

เรื่องราวนี้แท้จริงแล้วพูดถึงข้อเท็จจริงที่ว่า หากคุณมอบหมายการจัดการอารยธรรมของคุณให้กับเครื่องจักร

you then lose the incentive to understand it yourself or to teach the next generation how to understand it. วลี

คุณก็จะสูญเสียแรงจูงใจในการที่จะทำความเข้าใจมันด้วยตัวเอง หรือที่จะสอนคนรุ่นต่อไปให้เข้าใจมัน

And you can see WALL-E actually as a modern version where everyone is enfeebled and infantilized by the machine. การใช้คำ

และจริง ๆ แล้วคุณสามารถมองว่า WALL-E เป็นเวอร์ชันสมัยใหม่ที่ทุกคนถูกทำให้ไร้เรี่ยวแรงและกลายเป็นเหมือนเด็กโดยเครื่องจักร

And that hasn't been possible up to now,

และนั่นยังเป็นไปไม่ได้จนถึงปัจจุบัน

right?

ใช่ไหมล่ะ?

We put a lot of our civilization into books,

เราได้นำอารยธรรมของเราส่วนใหญ่ใส่ไว้ในหนังสือ

but the books can't run it for us. การใช้คำ

แต่หนังสือไม่สามารถบริหารงานแทนเราได้

And so we always have to teach the next generation.

และดังนั้นเราจึงต้องคอยสอนคนรุ่นต่อไปเสมอ

If you work it out,

ถ้าคุณลองคำนวณดู

it's about a trillion person years of teaching and learning in an unbroken chain ลำดับความ

รวมเป็นเวลาประมาณหนึ่งล้านล้านคน-ปีของการสอนและการเรียนรู้ในห่วงโซ่ที่ไม่ขาดสาย

that goes back tens of thousands of generations.

ย้อนกลับไปหลายหมื่นรุ่น

What happens if that chain breaks?

จะเกิดอะไรขึ้นถ้าห่วงโซ่นั้นขาดลง?

And I think that's something we have to understand as AI moves forward.

และฉันคิดว่านั่นคือสิ่งที่เราต้องเข้าใจเมื่อ AI ก้าวไปข้างหน้า

The actual date of arrival of general purpose AI you're not going to be able to pinpoint, right? การใช้คำ

วันที่มาถึงอย่างแท้จริงของ AI เอนกประสงค์นั้นคุณจะไม่สามารถระบุได้อย่างเจาะจง ใช่ไหม?

It isn't a single day.

มันไม่ใช่วันใดวันหนึ่ง

It's also not the case that it's all or nothing. สำนวน

และมันก็ไม่ใช่สิ่งที่จะเป็นแบบทั้งหมดหรือไม่มีเลย

The impact is going to be increasing.

ผลกระทบของมันจะเพิ่มขึ้นเรื่อย ๆ

So with every advance in AI,

ดังนั้นกับทุกความก้าวหน้าของ AI

it significantly expands the range of tasks. วลี

มันจะขยายขอบเขตของงานได้อย่างมีนัยสำคัญ

So in that sense,

ดังนั้นในแง่นี้

I think most experts say by the end of the century,

ฉันคิดว่าผู้เชี่ยวชาญส่วนใหญ่มักบอกว่าภายในสิ้นศตวรรษนี้

we're very very likely to have general purpose AI. ไวยากรณ์

เรามีแนวโน้มสูงมาก ๆ ที่จะมี AI เอนกประสงค์

The median is something around 2045. การใช้คำ

ค่ามัธยฐานน่าจะอยู่ราว ๆ ปี 2045

I'm a little more on the conservative side. การใช้คำ

ฉันค่อนข้างจะอยู่ฝั่งอนุรักษ์นิยมมากกว่านิดหน่อย

I think the problem is harder than we think.

ฉันคิดว่าปัญหานี้มันยากกว่าที่เราคิดไว้

I like what John McCarthy,

ฉันชอบสิ่งที่ จอห์น แมคคาร์ธีย์

who was sort of one of the founders of AI,

ผู้ซึ่งเป็นหนึ่งในผู้ก่อตั้ง AI

when he was asked this question,

เมื่อเขาถูกถามคำถามนี้

he said,

เขากล่าวว่า

well, somewhere between 5 and 500 years. สำนวน

อืม น่าจะอยู่ระหว่าง 5 ถึง 500 ปีนะ

And we're going to need,

และเราจำเป็นต้องมี

I think,

ฉันคิดว่านะ

several Einsteins to make it happen.

ไอน์สไตน์หลาย ๆ คนเพื่อที่จะทำให้มันเกิดขึ้นจริง

But how will the economy change in the meantime?

แต่เศรษฐกิจจะเปลี่ยนแปลงอย่างไรในระหว่างนี้?

Will it be able to keep growing?

มันจะสามารถเติบโตต่อไปได้หรือไม่?

Watch this video to hear economist Kate Raworth explain why growth is not always a good thing.

ชมวิดีโอนี้เพื่อฟังนักเศรษฐศาสตร์ เคท เรเวิร์ธ อธิบายว่าเหตุใดการเติบโตจึงไม่ใช่เรื่องดีเสมอไป

Or continue to expand your understanding of economics

หรือขยายความเข้าใจของคุณในด้านเศรษฐศาสตร์ต่อไป

on the World Economic Forum's YouTube channel.

บนช่อง YouTube ของสภาเศรษฐกิจโลก