1
00:00:08,927 --> 00:00:11,930
Jeg står på Wall Street,
hvor det hele begyndte.

2
00:00:13,724 --> 00:00:17,186
Den 6. maj 2010, klokken 14.45,

3
00:00:17,686 --> 00:00:21,190
slap en fyr i sine forældres hus i London

4
00:00:21,273 --> 00:00:24,985
en algoritme løs på børsen i New York

5
00:00:25,068 --> 00:00:27,279
med en salgsordre på en milliard dollars.

6
00:00:28,697 --> 00:00:30,449
Planen var at lave grin med markedet

7
00:00:30,532 --> 00:00:32,659
og annullere ordren,
før den blev gennemført.

8
00:00:33,160 --> 00:00:34,411
Men før det kunne ske,

9
00:00:34,495 --> 00:00:37,247
begyndte resten af verdens
automatiserede aktiebots

10
00:00:37,331 --> 00:00:38,582
også at sælge,

11
00:00:39,041 --> 00:00:42,336
hvilket startede en kædereaktion,
der fik enorm påvirkning på markedet.

12
00:00:44,880 --> 00:00:48,967
Dow Jones-indekset
faldt 1.000 point på blot 15 minutter.

13
00:00:49,051 --> 00:00:52,513
Faldet var på størrelse med det,
der satte gang i Den Store Depression.

14
00:00:52,596 --> 00:00:55,307
-Hvad i hulen foregår der?
-Det ved jeg ikke.

15
00:00:55,390 --> 00:00:56,642
Der er frygt i markedet.

16
00:00:57,267 --> 00:00:59,645
Aflys krydstogtet,
send jeres børn i kommuneskole.

17
00:01:00,938 --> 00:01:02,481
Det er et styrtdyk, folkens.

18
00:01:03,023 --> 00:01:04,066
Pis.

19
00:01:05,359 --> 00:01:08,111
Seksogtredive minutter senere
kom markedet ovenpå igen.

20
00:01:08,195 --> 00:01:11,615
Men styrtdykket i 2010
markerede den første gang,

21
00:01:11,698 --> 00:01:15,994
vi mennesker fik et skræmmende indblik i,

22
00:01:16,078 --> 00:01:19,164
hvordan kunstig intelligens
ville overtage vores økonomiske system.

23
00:01:20,707 --> 00:01:22,167
Og I bør se, hvor det er nået til nu.

24
00:01:24,086 --> 00:01:26,922
Derfor leder jeg efter
vild honning i Indien.

25
00:01:27,631 --> 00:01:28,966
Men mere om det senere.

26
00:01:29,341 --> 00:01:31,885
For at forstå, hvordan kunstig intelligens
fandt dette sted og hvorfor,

27
00:01:31,969 --> 00:01:34,429
er vi nødt til først at forstå,
hvad kunstig intelligens er.

28
00:01:34,513 --> 00:01:36,431
Hvis I tror, I allerede ved det,
vil jeg vædde med, I tager fejl.

29
00:01:37,850 --> 00:01:41,436
Hvad end I kan lide det eller ej,
er vi alle forbundet af penge.

30
00:01:41,937 --> 00:01:45,315
Jeg er Kal Penn,
og jeg udforsker en ustyrlig kæmpe,

31
00:01:45,691 --> 00:01:48,068
den globale økonomi.

32
00:01:48,151 --> 00:01:49,403
Den globale økonomi - En ustyrlig kæmpe

33
00:01:52,322 --> 00:01:54,199
Hvad er "kunstig intelligens"?

34
00:01:54,867 --> 00:01:58,579
Jeg er i San Francisco for at fastslå,
hvad det ikke er.

35
00:01:58,662 --> 00:02:01,874
Hvilket er stort set alt,
hvad science fiction har fortalt jer.

36
00:02:02,541 --> 00:02:03,542
Især...

37
00:02:03,959 --> 00:02:07,004
Kæmpe robotter!

38
00:02:27,107 --> 00:02:28,442
Gud!

39
00:02:30,485 --> 00:02:32,112
Jeg er her med Julia Bossmann,

40
00:02:32,237 --> 00:02:36,575
som sidder i World Economic Forums
kunstig intelligens-råd,

41
00:02:36,658 --> 00:02:40,329
der rådgiver ledere om, hvordan de kan
udnytte kunstig intelligens' potentiale.

42
00:02:40,829 --> 00:02:44,499
Jobbet kommer med fordele, der er bedre
end at se biler blive smadret.

43
00:02:44,583 --> 00:02:47,586
Såsom selfier med Canadas
største sexsymbol, der ikke er Drake.

44
00:02:47,669 --> 00:02:48,754
CANADAS PREMIERMINISTER

45
00:02:53,467 --> 00:02:55,385
Hvordan kommer du hjem efter det her?

46
00:02:55,469 --> 00:02:56,803
Jeg tror stadig, den kan køre.

47
00:03:01,016 --> 00:03:03,018
Vi mødes ved et firma kaldet MegaBots,

48
00:03:03,101 --> 00:03:05,854
der bygger robotter,
som skal kæmpe mod andre robotter.

49
00:03:07,814 --> 00:03:10,275
Som et endnu mere nørdet Medieval Times.

50
00:03:13,779 --> 00:03:14,905
Ifølge Julia

51
00:03:14,988 --> 00:03:17,658
er robotterne ikke blot forhenværende
attraktioner i en forlystelsespark.

52
00:03:18,283 --> 00:03:22,412
Én vigtig forskel gør dem
til forældet teknologi.

53
00:03:24,289 --> 00:03:25,582
I disse er vi hjernen,

54
00:03:25,666 --> 00:03:27,626
men kunstig intelligens
er de kunstige hjerner.

55
00:03:27,709 --> 00:03:28,752
EKSPERT I KUNSTIG INTELLIGENS

56
00:03:28,835 --> 00:03:29,711
Kan du uddybe det?

57
00:03:29,795 --> 00:03:32,506
Nu laver vi computere,

58
00:03:32,589 --> 00:03:34,132
der kan lære på egen hånd.

59
00:03:34,591 --> 00:03:37,010
Og de har ikke brug for kroppe.

60
00:03:37,344 --> 00:03:40,055
Meget af den kunstige intelligens,
vi allerede har bygget,

61
00:03:40,138 --> 00:03:41,765
findes i enorme datacentre.

62
00:03:42,057 --> 00:03:46,645
Hvis du skulle forklare det
for en 13-årig,

63
00:03:46,728 --> 00:03:48,146
hvordan ville du så
forklare kunstig intelligens?

64
00:03:48,230 --> 00:03:50,691
En meget overordnet definition
af det kunne være,

65
00:03:50,774 --> 00:03:54,945
at kunstig intelligens
får maskiner til at gøre ting,

66
00:03:55,028 --> 00:03:58,156
som vi ikke direkte
programmerede dem til at gøre.

67
00:03:58,240 --> 00:03:59,616
I traditionel programmering

68
00:03:59,700 --> 00:04:02,744
har man et sæt af regler og algoritmer.

69
00:04:02,828 --> 00:04:04,413
Hvis dette, så gør følgende.

70
00:04:04,496 --> 00:04:07,165
Det er alt sammen sat op af de mennesker,
der programmerer det.

71
00:04:07,249 --> 00:04:09,501
En database med medicinsk litteratur

72
00:04:09,584 --> 00:04:12,004
indeholder millioner af artikler,

73
00:04:12,087 --> 00:04:14,923
og ingen læge kan læse alle de artikler

74
00:04:15,048 --> 00:04:17,676
for at holde sig opdateret,
men det kan en maskine.

75
00:04:17,759 --> 00:04:20,220
Så du kan forestille dig en maskine,
der finder på nye idéer til,

76
00:04:20,303 --> 00:04:21,596
hvordan vi løser problemer
eller finder nye lægemidler

77
00:04:21,680 --> 00:04:24,766
til at kurere sygdomme.

78
00:04:26,059 --> 00:04:28,395
Det område i kunstig intelligens,

79
00:04:28,478 --> 00:04:30,856
der er mest spændende lige nu,

80
00:04:30,939 --> 00:04:32,065
kaldes deep learning.

81
00:04:32,149 --> 00:04:33,608
Hvad er "deep learning"?

82
00:04:33,692 --> 00:04:36,069
Deep learning er, når vi har

83
00:04:36,153 --> 00:04:39,072
adskillige lag af neurale netværk,

84
00:04:39,156 --> 00:04:42,242
der minder om,
hvad vi har i vores hjerner.

85
00:04:42,325 --> 00:04:45,579
Vi har alle disse neuroner,
der er forbundet til hinanden

86
00:04:45,662 --> 00:04:46,788
og udveksler information,

87
00:04:46,830 --> 00:04:50,751
og vi simulerer det i maskinerne.

88
00:04:50,834 --> 00:04:54,546
Vi giver den data på en måde,
der er balanceret og objektivt,

89
00:04:54,629 --> 00:04:56,214
så den også lærer.

90
00:04:56,548 --> 00:04:59,009
Et eksempel kan være billedgenkendelse,
hvor vi fortæller dem,

91
00:04:59,092 --> 00:05:01,511
at der er billeder af katte,
og der er billeder af hunde,

92
00:05:01,595 --> 00:05:03,972
og så arbejder de sig gennem billederne

93
00:05:04,056 --> 00:05:06,349
og lærer selv,
hvordan de kan genkende dem.

94
00:05:06,433 --> 00:05:10,187
Vi behøver ikke programmere det hele.

95
00:05:10,228 --> 00:05:11,229
Interessant.

96
00:05:11,313 --> 00:05:14,107
Der findes også maskinlæring,
som ikke er deep learning.

97
00:05:14,858 --> 00:05:16,985
Der er evolutionsalgoritmer,

98
00:05:17,069 --> 00:05:19,863
hvor vi bruger evolutionsprincipper

99
00:05:19,946 --> 00:05:24,242
og lader maskinen
forsøge forskellige eksempler,

100
00:05:24,743 --> 00:05:27,329
og så ser vi, hvilket fungerer bedst.

101
00:05:27,412 --> 00:05:31,291
Det, der fungerer bedst, får lov til
at gå videre til næste generation.

102
00:05:31,374 --> 00:05:34,336
På samme måde som organismer
udvikler sig, bruger vi faste principper,

103
00:05:34,419 --> 00:05:37,172
hvor de mest veltrænede
og bedste programmer overlever.

104
00:05:38,465 --> 00:05:40,550
Så det er evolutionsalgoritmer.

105
00:05:40,926 --> 00:05:44,346
Hvad er den økonomiske interesse i
at udforske kunstig intelligens?

106
00:05:44,429 --> 00:05:47,724
Det må have en stor
potentiel indflydelse på økonomien.

107
00:05:47,808 --> 00:05:50,393
Jeg tror,
det vil ændre økonomien radikalt,

108
00:05:50,477 --> 00:05:53,313
og det kan blive
en ny industriel revolution.

109
00:05:53,396 --> 00:05:54,231
Interessant.

110
00:05:54,314 --> 00:05:55,774
Det er blevet kaldt
vores sidste opfindelse.

111
00:05:55,857 --> 00:05:58,944
For når vi har kunstig intelligens,
der er klogere end os,

112
00:05:59,027 --> 00:06:00,779
kan det opfinde flere ting for os.

113
00:06:00,862 --> 00:06:03,865
Bliver det kaldt den sidste opfindelse,
da den vil dræbe os alle?

114
00:06:04,950 --> 00:06:06,118
Forhåbentlig ikke.

115
00:06:08,829 --> 00:06:12,207
Mange er bange for,
at kunstig intelligens vil blive for klog

116
00:06:12,290 --> 00:06:15,001
og dræbe os alle. Men bare rolig.

117
00:06:15,085 --> 00:06:19,047
Kunstig intelligens er så klog,
fordi den er virkelig dum.

118
00:06:19,464 --> 00:06:20,549
Kom her, kunstig intelligens.

119
00:06:21,299 --> 00:06:24,302
Forestil dig, du bad kunstig intelligens
finde den perfekte opskrift på en kage

120
00:06:24,386 --> 00:06:26,179
ved brug af evolutionsalgoritmer.

121
00:06:27,973 --> 00:06:30,517
Den ville ikke overveje
den bedste måde at lave den på.

122
00:06:30,600 --> 00:06:33,520
Den ville bare forsøge det
milliarder af gange

123
00:06:33,603 --> 00:06:37,482
med enhver ingrediens i køkkenet
og på de mest åndssvage måder.

124
00:06:38,441 --> 00:06:40,652
Og de fleste er dømt til at fejle.

125
00:06:42,320 --> 00:06:43,613
Det er den her i hvert fald.

126
00:06:44,447 --> 00:06:45,657
Godt forsøgt, idiot.

127
00:06:46,616 --> 00:06:50,162
Fiasko sårer ikke kunstig intelligens,
da den ikke har følelser.

128
00:06:50,745 --> 00:06:53,123
Det gode ved evolutionsalgoritmer er,

129
00:06:53,206 --> 00:06:56,293
at ved at forsøge alle disse
tilsyneladende åndssvage metoder,

130
00:06:56,376 --> 00:06:58,044
falder den måske over en løsning

131
00:06:58,128 --> 00:07:01,464
til et kulinarisk problem, som intet
rationelt menneske ville forsøge at løse,

132
00:07:01,548 --> 00:07:04,176
såsom at lave en fantastisk vegansk kage.

133
00:07:04,259 --> 00:07:05,302
Jeg har lavet en kage.

134
00:07:06,178 --> 00:07:07,554
Godt gået, kunstig intelligens.

135
00:07:07,637 --> 00:07:09,097
Den består hovedsageligt af cashewnødder.

136
00:07:09,931 --> 00:07:13,143
Ville du have overvejet at bruge det?
Selvfølgelig ikke.

137
00:07:13,226 --> 00:07:16,521
Det ville være dumt,
og det har AI ikke noget imod at være,

138
00:07:16,605 --> 00:07:18,190
så du ikke behøver at være det.

139
00:07:18,273 --> 00:07:21,067
Vil denne tåbe udvikle sig til noget,
der er så klogt,

140
00:07:21,151 --> 00:07:23,653
at det kunne dominere verden
og dræbe os alle?

141
00:07:24,196 --> 00:07:25,280
Det er svært at sige med sikkerhed.

142
00:07:25,363 --> 00:07:26,740
Jeg er ved at lære atomaffyringskoder.

143
00:07:27,657 --> 00:07:28,992
Men indtil da:

144
00:07:29,993 --> 00:07:31,077
Spis lidt kage.

145
00:07:35,165 --> 00:07:36,541
Selvom jeg stadig er bekymret for,

146
00:07:36,625 --> 00:07:39,461
at kunstig intelligens
vil skabe mere ondt end godt,

147
00:07:41,004 --> 00:07:43,757
er eksperter enige om,
at det vil højne produktiviteten

148
00:07:43,840 --> 00:07:47,636
i områder som sundhedsvæsnet,
transport og finansverdenen

149
00:07:47,719 --> 00:07:51,848
og bidrage med 15,7 billioner dollars
til det globale BNP i år 2030.

150
00:07:52,474 --> 00:07:56,478
Det er højere end Kina
og Indiens BNP lagt sammen.

151
00:07:59,898 --> 00:08:02,275
Hvor vigtig er kunstig intelligens?

152
00:08:02,943 --> 00:08:06,404
Set fra mit perspektiv er det en af de tre
største ting i menneskehedens historie.

153
00:08:06,488 --> 00:08:07,697
I menneskehedens historie?

154
00:08:07,781 --> 00:08:08,990
I hele menneskehedens historie.

155
00:08:09,616 --> 00:08:11,368
Jeg er sammen med Andrew McAfee,

156
00:08:11,451 --> 00:08:15,664
en af verdens førende eksperter i,
hvordan ny teknologi forvandler økonomier

157
00:08:15,747 --> 00:08:19,542
og efterfølgende hele samfundet.

158
00:08:20,460 --> 00:08:22,212
Hvis du ser på en graf
over menneskets historie,

159
00:08:22,295 --> 00:08:24,214
vil du opdage, at der i tusindvis af år

160
00:08:24,297 --> 00:08:26,258
skete absolut intet.
Vi kørte bare i tomgang.

161
00:08:26,341 --> 00:08:28,093
MEDDIREKTØR FOR MIT'S
INSTITUT FOR DIGITAL ØKONOMI

162
00:08:28,176 --> 00:08:30,845
Som om vi var døde.

163
00:08:30,929 --> 00:08:32,514
Men pludselig på et tidspunkt,

164
00:08:32,597 --> 00:08:34,933
og det er uanset, hvad man ser på,
gik grafen for menneskehedens historie

165
00:08:35,016 --> 00:08:38,144
fra kedeligt vandret til vildt lodret

166
00:08:38,228 --> 00:08:39,771
på et splitsekund.

167
00:08:39,854 --> 00:08:41,481
Det skete omkring år 1800,

168
00:08:41,564 --> 00:08:45,443
først og fremmest på grund af dampmaskinen
og derefter elektricitet.

169
00:08:47,821 --> 00:08:50,782
Elektricitet skabte
nogle ret åbenlyse ting.

170
00:08:50,865 --> 00:08:53,827
Det gav os sporvogne,
det gav os undergrundsbaner.

171
00:08:53,910 --> 00:08:57,080
Mindre åbenlyst gav det os lodrette byer
i stedet for vandrette byer.

172
00:08:57,163 --> 00:08:58,373
-Gjorde elektricitet det?
-Uden tvivl.

173
00:08:58,456 --> 00:08:59,749
-Det kræver elevatorer.
-Selvfølgelig.

174
00:08:59,833 --> 00:09:01,543
Man kan ikke lave lodrette byer uden det.

175
00:09:01,626 --> 00:09:03,878
Man kan ikke gå op
ad 80 etagers trapper hver dag.

176
00:09:03,962 --> 00:09:06,506
Så disse to industrielle revolutioner
med damp

177
00:09:06,589 --> 00:09:09,259
og elektricitet samt forbrændingsmotoren

178
00:09:09,342 --> 00:09:11,011
forandrede menneskehedens historie.

179
00:09:11,094 --> 00:09:12,804
Der er ingen anden måde at anskue det på.

180
00:09:12,887 --> 00:09:15,974
Det var teknologier,
der lod os overvinde begrænsningerne

181
00:09:16,057 --> 00:09:17,100
af vores muskler.

182
00:09:17,183 --> 00:09:20,562
Det, der foregår med kunstig intelligens,
er, at vi overvinder begrænsningerne

183
00:09:20,645 --> 00:09:22,564
sat af vores hjerner, vores mentale kraft.

184
00:09:22,647 --> 00:09:24,607
FARE
STÆRK STRØM

185
00:09:24,691 --> 00:09:26,484
Vi har rent faktisk vanskelige
udfordringer at løse.

186
00:09:26,568 --> 00:09:28,236
Virkelig vanskelige udfordringer.

187
00:09:28,320 --> 00:09:29,696
Vi bør kurere kræft.

188
00:09:29,779 --> 00:09:31,406
Vi bør brødføde flere mennesker.

189
00:09:31,489 --> 00:09:33,950
Vi bør stoppe med at koge planeten
i det 21. århundrede.

190
00:09:34,034 --> 00:09:36,328
Det er komplicerede ting.

191
00:09:36,411 --> 00:09:38,747
Og vores hjerner kæmper
med den kompleksitet.

192
00:09:38,830 --> 00:09:41,708
Vi gør det med videnskab,
og vi gør det med at akkumulere viden,

193
00:09:41,791 --> 00:09:44,044
men kompleksiteten er bare overvældende.

194
00:09:44,127 --> 00:09:45,420
Med kunstig intelligens tænker jeg,

195
00:09:45,503 --> 00:09:48,506
at vi har en kraftfuld ny kollega,

196
00:09:48,590 --> 00:09:51,676
der kan hjælpe os med at gøre indhug
i den utrolige kompleksitet,

197
00:09:51,760 --> 00:09:54,637
fordi disse nye teknologier er gode til

198
00:09:54,721 --> 00:09:59,684
at finde små detaljer
i overvældende store mængder data.

199
00:09:59,768 --> 00:10:01,603
Mere end du og jeg kan overskue.

200
00:10:01,686 --> 00:10:03,897
En af de vildeste eksempler,
jeg har hørt for nyligt,

201
00:10:03,980 --> 00:10:05,106
var i finansverdenen,

202
00:10:05,190 --> 00:10:07,650
og ankomsten af
de såkaldte "robotrådgivere,"

203
00:10:07,734 --> 00:10:09,361
som blot er en algoritme,

204
00:10:09,444 --> 00:10:11,696
der sammensætter
ens investeringsportefølje.

205
00:10:11,780 --> 00:10:13,031
Indtil nu

206
00:10:13,114 --> 00:10:15,325
var det nødvendigt med en vis velstand

207
00:10:15,408 --> 00:10:18,745
for at få en aftale
med en økonomisk rådgiver.

208
00:10:18,828 --> 00:10:20,872
Det er hastigt ved at ændre sig.

209
00:10:20,955 --> 00:10:25,210
Med robotrådgivere
kan folk med mindre formuer

210
00:10:25,293 --> 00:10:28,963
få adgang til superkraftige
moderne værktøjer,

211
00:10:29,047 --> 00:10:31,299
der forbedrer deres økonomiske liv.

212
00:10:31,383 --> 00:10:34,302
Det er spændende,
da vi altid har haft folk,

213
00:10:34,386 --> 00:10:37,555
der er villige til at misbruge disse ting.

214
00:10:37,639 --> 00:10:40,225
Jeg siger ikke,
at der intet er at være bekymret for.

215
00:10:40,308 --> 00:10:42,852
Og vi ved,
at de tidligere industrielle revolutioner

216
00:10:42,936 --> 00:10:44,687
også havde grimme konsekvenser.

217
00:10:44,771 --> 00:10:49,150
Vi mekaniserede krigsførelse
med alle disse industrielle teknologier.

218
00:10:49,234 --> 00:10:52,529
Vi forurenede miljøet uden lige.

219
00:10:52,612 --> 00:10:54,364
Vi begik alvorlige fejl,

220
00:10:54,447 --> 00:10:57,951
såsom omfattende børnearbejde
på grund af den industrielle revolution.

221
00:10:58,034 --> 00:11:01,079
Så det var ikke altid perfekt.

222
00:11:01,162 --> 00:11:03,748
Og det samme vil ske her.

223
00:11:04,249 --> 00:11:05,291
Pokkers.

224
00:11:06,918 --> 00:11:08,586
Nu har McAfee fået mig til at tænke.

225
00:11:08,670 --> 00:11:10,547
Hvad nu, hvis historien gentager sig,

226
00:11:10,630 --> 00:11:13,591
og kunstig intelligens påvirker samfundet
på alle de forkerte måder?

227
00:11:14,467 --> 00:11:18,430
Såsom omsiggribende forurening
og små, tilsodede arbejdere?

228
00:11:19,931 --> 00:11:21,891
Hvad med de moralske og etiske spørgsmål,

229
00:11:21,975 --> 00:11:24,227
der følger med kraftfuld ny teknologi?

230
00:11:24,936 --> 00:11:27,647
Når man går rundt
på Londons computermuseum,

231
00:11:27,730 --> 00:11:31,109
ser man mange maskiner,
der blev skabt for at fremme samfundet.

232
00:11:31,192 --> 00:11:35,572
Som Harwell Dekatron på to ton,
der blev bygget til at lave udregninger

233
00:11:35,655 --> 00:11:38,908
for Storbritanniens forskningsprogram
i 1950'erne.

234
00:11:39,242 --> 00:11:41,161
Men det er umuligt at sige,
hvordan ny teknologi

235
00:11:41,244 --> 00:11:43,163
vil blive brugt i de forkerte hænder.

236
00:11:43,746 --> 00:11:45,707
Kan man se porno på denne computer?

237
00:11:46,040 --> 00:11:49,752
Du kan måske se porno
i meget lav opløsning.

238
00:11:50,712 --> 00:11:51,754
COMPUTERPROGRAMMØR

239
00:11:51,838 --> 00:11:54,507
Jeg besøger programmøren Alan Zucconi,

240
00:11:54,591 --> 00:11:57,177
der underviser på Goldsmith's College
her i London.

241
00:11:57,719 --> 00:12:00,722
Han har brugt teknologi til at hjælpe
med at skabe revolutionerende ting,

242
00:12:00,805 --> 00:12:04,058
såsom spilcontrollere
til folk med begrænset mobilitet.

243
00:12:05,477 --> 00:12:07,937
Han siger,
at et af de største moralske dilemmaer

244
00:12:08,021 --> 00:12:10,190
i teknologiens historie kommer snart,

245
00:12:10,273 --> 00:12:14,360
når kunstig intelligens begynder
at efterligne menneskelig adfærd så meget,

246
00:12:14,444 --> 00:12:16,404
at det kan udgive sig
for at være en af os.

247
00:12:17,113 --> 00:12:18,615
Hvad er det her?

248
00:12:18,948 --> 00:12:21,826
Det var en af de første computere,
der blev bygget,

249
00:12:21,910 --> 00:12:24,829
og den blev bygget af Alan Turing
og hans partnere.

250
00:12:24,913 --> 00:12:28,124
Det var en af de første computere,

251
00:12:28,208 --> 00:12:30,710
der kunne dechifrere Enigma-koden,
som nazisterne havde designet.

252
00:12:32,587 --> 00:12:35,381
Alan Turing var faderen
til moderne computervidenskab.

253
00:12:35,465 --> 00:12:38,927
Og når han ikke hjalp de allierede med
at vinde ved at bryde nazisternes koder,

254
00:12:39,010 --> 00:12:42,555
filosoferede han om noget,
han kaldte "Turing-testen."

255
00:12:43,598 --> 00:12:46,643
Hvordan kan vi kende forskel
på menneske og maskine?

256
00:12:46,726 --> 00:12:49,854
Og hvis vi ikke kan se forskel,

257
00:12:49,938 --> 00:12:53,066
består maskinen det,
han kaldte "imitationstesten."

258
00:12:53,149 --> 00:12:56,569
Maskinen forsøger
at efterligne menneskelig adfærd.

259
00:12:56,653 --> 00:12:59,072
Det er blevet kendt som Turing-testen,

260
00:12:59,155 --> 00:13:02,659
og dette var en af maskinerne, der
hypotetisk set kunne være blevet brugt.

261
00:13:02,742 --> 00:13:03,868
For at tage Turing-testen

262
00:13:03,952 --> 00:13:06,579
indtastede et menneske
spørgsmål på maskinen.

263
00:13:07,080 --> 00:13:08,831
Imens ville en tredjepart bedømme,

264
00:13:08,915 --> 00:13:11,501
hvorvidt svarene var fra et menneske

265
00:13:11,584 --> 00:13:13,461
eller en maskine,
der efterlignede et menneske.

266
00:13:14,379 --> 00:13:15,630
Hvor gammel er du?

267
00:13:17,924 --> 00:13:20,134
-Der kommer svaret.
-Den ved, hvor gammel den er.

268
00:13:20,218 --> 00:13:22,011
"Jeg blev født i 1912.

269
00:13:22,095 --> 00:13:24,389
Så jeg er 105 år gammel."

270
00:13:27,642 --> 00:13:30,979
På Turings tid var det let at se,
hvornår det var en computer.

271
00:13:31,271 --> 00:13:34,357
Men i dag kan kunstig intelligens
studere menneskelig adfærd

272
00:13:34,440 --> 00:13:36,693
og programmere sig selv
til at opføre sig som os.

273
00:13:37,485 --> 00:13:39,654
Kan du se forskellen på dette...

274
00:13:39,988 --> 00:13:43,199
Normalt ville jeg begynde
med en joke om datavidenskab,

275
00:13:43,700 --> 00:13:46,744
men halvdelen af det, min stab fandt på,
var under gennemsnittet.

276
00:13:46,828 --> 00:13:47,912
...og dette?

277
00:13:47,996 --> 00:13:50,415
Vores fjender kan få det til at se ud,
som om enhver siger hvad som helst

278
00:13:50,498 --> 00:13:51,833
når som helst.

279
00:13:52,208 --> 00:13:55,503
Det andet klip blev lavet af BuzzFeed

280
00:13:55,587 --> 00:13:57,338
sammen med skuespilleren Jordan Peele.

281
00:13:57,839 --> 00:14:02,760
Det gjorde mange bekymrede for
falske nyheder med kunstig intelligens.

282
00:14:02,844 --> 00:14:04,929
Fremadrettet må vi være mere årvågne med,

283
00:14:05,013 --> 00:14:06,639
hvad vi stoler på fra internettet.

284
00:14:06,723 --> 00:14:09,058
Kunstig intelligens studerede
Peeles ansigtsbevægelser

285
00:14:09,142 --> 00:14:13,062
og lagde dem sammen
og genskabte dem på Obamas ansigt,

286
00:14:13,146 --> 00:14:15,690
og skabte derved en hybrid
kaldet "deepfake."

287
00:14:15,773 --> 00:14:17,984
I har måske set noget lignende.

288
00:14:18,067 --> 00:14:21,404
I Snapchat er der eksempelvis et filter,
hvor man kan bytte ansigter.

289
00:14:21,487 --> 00:14:25,325
Forskellen er, at filteret gør det
på en meget simpel måde.

290
00:14:25,408 --> 00:14:28,953
Men teknologien bag deepfakes
benytter sig af kunstig intelligens.

291
00:14:29,037 --> 00:14:31,289
Det kommer fra noget
kaldet "deep learning."

292
00:14:31,706 --> 00:14:35,126
Kunstige neurale netværk
udtrækker ansigtsudtryk.

293
00:14:35,209 --> 00:14:37,754
De bruger det udtryk
til at genskabe dit ansigt.

294
00:14:37,837 --> 00:14:41,466
Sådan opnår vi fotorealistiske resultater.

295
00:14:42,508 --> 00:14:45,720
Alan underviser i at lave deepfakes.

296
00:14:45,803 --> 00:14:48,056
Han mener, at denne teknologi

297
00:14:48,139 --> 00:14:50,767
skal have lov til at udvikle sig frit
uden nogen begrænsninger.

298
00:14:50,850 --> 00:14:53,853
Selvom det kunne
starte Tredje Verdenskrig.

299
00:14:53,936 --> 00:14:55,104
BELGISK SOCIALISTPARTI SPREDER
"DEEPFAKE" DONALD TRUMP-VIDEO

300
00:14:55,188 --> 00:14:57,273
Hvordan kan forbrugeren forventes at vide,

301
00:14:57,357 --> 00:14:59,692
hvad der er virkeligt og ikke?

302
00:14:59,776 --> 00:15:02,695
Når man som forbruger ser en nyhed,

303
00:15:02,779 --> 00:15:05,740
hvad end det er en artikel,
en video eller et billede,

304
00:15:05,823 --> 00:15:08,076
så er alt, man ser, blevet lavet af nogen.

305
00:15:08,201 --> 00:15:09,577
"Hvad er narrativet i det, jeg ser?

306
00:15:09,827 --> 00:15:11,287
Hvad ønsker videoen,
jeg skal fortælle videre?"

307
00:15:11,371 --> 00:15:13,581
Så jeg kan se...

308
00:15:13,665 --> 00:15:14,624
Faren.

309
00:15:14,707 --> 00:15:17,168
Faren såvel som nysgerrigheden ved det.

310
00:15:17,251 --> 00:15:19,420
Vil det rent faktisk kunne hjælpe folk?

311
00:15:19,504 --> 00:15:21,923
For jeg kan forestille mig,
at du har talt med folk,

312
00:15:22,006 --> 00:15:25,885
som ser på, hvordan økonomien
kan vokse gennem denne type teknologi.

313
00:15:25,968 --> 00:15:29,097
Hvordan kan det rent praktisk
påvirke økonomien?

314
00:15:29,180 --> 00:15:32,308
Jeg tror, den første industri,
der vil udnytte det,

315
00:15:32,392 --> 00:15:33,685
er filmindustrien.

316
00:15:33,768 --> 00:15:36,813
Fordi det at skifte ansigt

317
00:15:36,896 --> 00:15:40,024
er noget,
vi har forsøgt på i årtier i film.

318
00:15:40,108 --> 00:15:42,527
Normalt bruger vi makeup eller masker

319
00:15:42,610 --> 00:15:43,736
eller nogle gange computergrafik.

320
00:15:43,820 --> 00:15:46,489
Som skuespiller og en,
der har arbejdet med politik,

321
00:15:46,572 --> 00:15:48,616
så skræmmer det mig meget.

322
00:15:48,700 --> 00:15:50,201
-Det forstår jeg fuldt ud.
-Og det burde det.

323
00:15:51,285 --> 00:15:53,705
BuzzFeeds deepfake
afslørede over for offentligheden,

324
00:15:53,788 --> 00:15:55,039
hvor sårbare vi er.

325
00:15:55,873 --> 00:15:59,585
I en tid, hvor præsidenten
kan åbne sin mund og påvirke markeder,

326
00:15:59,669 --> 00:16:02,714
kan en veludført deepfake
sænke den globale økonomi

327
00:16:02,797 --> 00:16:04,674
hurtigere end et styrtdyk

328
00:16:04,757 --> 00:16:08,469
og tilintetgøre din pensionsopsparing
på den tid, falske Obama kan sige...

329
00:16:08,553 --> 00:16:09,554
Vær årvågne, kællinger.

330
00:16:10,638 --> 00:16:13,057
Lyder alt dette lidt for
science fiction-agtigt?

331
00:16:13,141 --> 00:16:14,726
Måske endda skræmmende?

332
00:16:15,309 --> 00:16:18,271
Bliver kunstig intelligens intelligent nok
til at vide, hvordan vi bevæger os,

333
00:16:18,354 --> 00:16:20,022
hvordan vi taler, og hvordan vi tænker,

334
00:16:20,106 --> 00:16:22,316
kan vi måske ikke kende forskel.

335
00:16:22,400 --> 00:16:23,818
HVAD VED DU?
ALT

336
00:16:24,610 --> 00:16:26,779
Og hvis kunstig intelligens
har sin egen bevidsthed,

337
00:16:26,863 --> 00:16:29,782
kan den også udvikle
stærke meninger om os.

338
00:16:29,866 --> 00:16:30,908
REND MIG
HOV!

339
00:16:30,992 --> 00:16:33,119
Og de er måske ikke positive.

340
00:16:35,455 --> 00:16:36,664
TEORETISK FYSIKER

341
00:16:36,748 --> 00:16:39,292
I fremtiden vil kunstig intelligens
udvikle sin egen vilje.

342
00:16:39,375 --> 00:16:42,003
En vilje, der er i konflikt med vores.

343
00:16:42,086 --> 00:16:44,422
Opstanden af kraftfuld kunstig intelligens
vil enten være

344
00:16:44,505 --> 00:16:48,801
det bedste eller det værste,
der nogensinde er sket for menneskeheden.

345
00:16:49,260 --> 00:16:50,136
DIREKTØR

346
00:16:50,219 --> 00:16:53,181
Jeg forsøgte at overbevise folk om at
sætte tempoet ned med kunstig intelligens.

347
00:16:54,056 --> 00:16:55,224
At regulere kunstig intelligens.

348
00:16:55,308 --> 00:16:56,809
Jeg forsøgte forgæves i årevis.

349
00:16:56,893 --> 00:16:58,561
-Ingen lyttede til mig.
-Det virkede, som en scene

350
00:16:58,644 --> 00:17:00,980
i en film,
hvor robotter ville overtage verden.

351
00:17:01,063 --> 00:17:02,607
Du gør mig virkelig nervøs nu.

352
00:17:05,818 --> 00:17:09,030
Hvor reel er truslen om en dommedag
ført an af kunstig intelligens?

353
00:17:12,742 --> 00:17:15,077
For at finde ud af det
skal jeg tale med manden,

354
00:17:15,161 --> 00:17:18,164
hvis forskning startede nervøsiteten.

355
00:17:18,831 --> 00:17:21,083
Jeg har set frem til
at tale med dig, fordi...

356
00:17:21,167 --> 00:17:23,628
Jeg har set frem til at tale med dig
af adskillige grunde.

357
00:17:23,711 --> 00:17:26,839
Vi har udforsket kunstig intelligens

358
00:17:26,923 --> 00:17:29,258
og forsøgt at finde ud af,
hvad det er, og hvor det er på vej hen.

359
00:17:29,342 --> 00:17:34,680
Du har påvirket folk
som Elon Musk og Bill Gates.

360
00:17:37,016 --> 00:17:40,853
Det er ret store mennesker
at have påvirket.

361
00:17:42,021 --> 00:17:45,691
Jeg er hos dr. Nick Bostrum
på Oxford University.

362
00:17:45,775 --> 00:17:48,986
Eftersom han ikke kan lide at prale,
skal jeg nok gøre det for ham.

363
00:17:51,489 --> 00:17:55,201
Han er en af de førende forskere
i superintelligens hos maskiner

364
00:17:55,284 --> 00:17:59,205
og den eksistentielle risici,
og han har skrevet gode bøger.

365
00:17:59,705 --> 00:18:00,957
Jeg er heldig at kunne møde ham,

366
00:18:01,040 --> 00:18:03,584
da Nick har så travlt med deep learning,

367
00:18:03,668 --> 00:18:05,419
at han kun sætter en time om måneden af

368
00:18:05,503 --> 00:18:07,338
til at besvare spørgsmål om sin forskning.

369
00:18:10,925 --> 00:18:14,262
Meget af snakken om kunstig intelligens

370
00:18:14,345 --> 00:18:17,014
er ting som, hvorvidt robotterne
vil overtage verden,

371
00:18:17,098 --> 00:18:18,850
og hvorvidt det betyder
menneskehedens endeligt?

372
00:18:18,933 --> 00:18:21,310
Jeg er nysgerrig.
Hvis vi ikke varetager det ordentligt,

373
00:18:21,394 --> 00:18:24,564
er der så et scenarie,
hvori kunstig intelligens skader samfundet

374
00:18:24,647 --> 00:18:28,484
eller endda udrydder menneskeheden,
som vi kender den?

375
00:18:28,568 --> 00:18:29,902
Set i et fremtidigt perspektiv,

376
00:18:29,986 --> 00:18:33,114
hvis vi tænker på, hvad der vil ske,
hvis kunstig intelligens går hele vejen

377
00:18:33,197 --> 00:18:36,951
og bliver i stand til
at kopiere den samme intelligens,

378
00:18:37,034 --> 00:18:38,828
der gør os til mennesker, så ja,

379
00:18:38,911 --> 00:18:42,748
i den kontekst vil der være større risici,

380
00:18:42,832 --> 00:18:44,125
deriblandt eksistentielle risici.

381
00:18:45,585 --> 00:18:48,421
Hvis man tænker på en ting
som selvkørende biler...

382
00:18:48,504 --> 00:18:49,797
SELVKØRENDE UBER DRÆBER FODGÆNGER

383
00:18:49,881 --> 00:18:51,549
...så kunne den køre en fodgænger over.

384
00:18:51,632 --> 00:18:53,342
Der er bekymringer for privatlivet.

385
00:18:53,426 --> 00:18:56,095
Selvstyrende våben brugt i krig.

386
00:18:57,847 --> 00:18:59,307
Det er alt sammen reelle bekymringer.

387
00:18:59,390 --> 00:19:02,184
Men på et tidspunkt
vil vi også skulle tale om,

388
00:19:02,268 --> 00:19:04,687
hvordan vi påvirker de digitale hjerner,
som vi bygger.

389
00:19:04,770 --> 00:19:09,066
De vil endda måske selv
få en moralsk holdning.

390
00:19:09,525 --> 00:19:11,152
Og hvis man ser længere frem

391
00:19:11,235 --> 00:19:15,031
og tænker på homo sapiens' skæbne,

392
00:19:15,114 --> 00:19:18,534
kan den langsigtede fremtid
være domineret af maskinintelligens.

393
00:19:18,618 --> 00:19:21,996
Det er meget muligt,
at menneskeracen kan uddø.

394
00:19:23,414 --> 00:19:26,250
De store evner kommer med en risici for,

395
00:19:26,834 --> 00:19:30,755
at de ved et uheld
eller ved bevidst forkert brug

396
00:19:30,838 --> 00:19:33,466
kan blive brugt til enorme ødelæggelser.

397
00:19:35,885 --> 00:19:37,595
Så jeg tror, det ligger i kortene,

398
00:19:37,678 --> 00:19:39,305
og hvis vi tænker langsigtet,

399
00:19:39,388 --> 00:19:41,182
så kan udfaldet være meget godt

400
00:19:41,265 --> 00:19:43,726
eller langt fra godt.

401
00:19:46,354 --> 00:19:48,731
De scenarier lyder skræmmende.

402
00:19:49,732 --> 00:19:51,609
Men af alle de potentielle udfald

403
00:19:51,692 --> 00:19:55,821
mener Nick, at det mest sandsynlige
dommedagsscenarie med kunstig intelligens

404
00:19:55,905 --> 00:19:57,114
vil være økonomisk.

405
00:19:57,198 --> 00:19:59,450
Hvis man tænker på teknologi generelt

406
00:19:59,533 --> 00:20:02,828
er tanken, at vi kan gøre mere med mindre.

407
00:20:02,912 --> 00:20:06,123
Vi kan opnå mere af det, vi vil,
med en mindre indsats.

408
00:20:06,207 --> 00:20:07,750
Målet er vel

409
00:20:07,833 --> 00:20:09,418
fuld arbejdsløshed, ikke?

410
00:20:10,294 --> 00:20:12,380
At maskiner og teknologi

411
00:20:12,463 --> 00:20:15,341
kan gøre alt, der skal gøres,
så vi ikke behøver at arbejde.

412
00:20:15,424 --> 00:20:17,301
Det er målet, vi arbejder efter.

413
00:20:17,385 --> 00:20:19,553
Det er ikke en forfærdelig ting,
vi skal forsøge at afværge.

414
00:20:19,637 --> 00:20:20,680
Det er, hvad vi ønsker at realisere.

415
00:20:20,763 --> 00:20:22,932
For rent faktisk at gøre det til en utopi

416
00:20:23,015 --> 00:20:25,601
vil der være et par store udfordringer,

417
00:20:25,685 --> 00:20:27,061
der skal løses.

418
00:20:28,187 --> 00:20:30,815
En er selvfølgelig det økonomiske problem.

419
00:20:30,898 --> 00:20:33,567
En grund til, at folk har brug for et job,
er, at de har brug for en indkomst.

420
00:20:33,651 --> 00:20:35,653
Hvis man kan løse det økonomiske problem,

421
00:20:35,736 --> 00:20:37,571
så er der en anden stor udfordring.

422
00:20:37,655 --> 00:20:41,409
For mange er det også
en følelse af selvværd.

423
00:20:41,492 --> 00:20:43,786
Mange finder deres værdi i,

424
00:20:43,869 --> 00:20:47,081
at de er forsørger, eller at de bidrager
til samfundet og giver noget tilbage.

425
00:20:47,164 --> 00:20:49,583
Men hvis en maskine
kan gøre alt bedre end en selv,

426
00:20:49,667 --> 00:20:53,796
har man ikke en chance
for at bidrage med noget.

427
00:20:53,879 --> 00:20:58,175
Så skal man genopfinde samfundet
på et fundamentalt niveau.

428
00:20:59,176 --> 00:21:01,095
En verden, hvor ingen arbejder.

429
00:21:01,178 --> 00:21:02,930
Det lyder ikke så dårligt.

430
00:21:05,057 --> 00:21:06,267
Jeg kan se det for mig nu.

431
00:21:09,854 --> 00:21:11,313
At bruge tid med venner.

432
00:21:11,814 --> 00:21:14,942
Udnytte mit menneskelige potentiale
fuldt ud.

433
00:21:15,026 --> 00:21:19,321
Ikke at skulle justere boblebadet,
da det ved, hvordan jeg kan lide det.

434
00:21:20,114 --> 00:21:23,409
Men sådan er det historisk set ikke gået.

435
00:21:23,492 --> 00:21:26,537
Maskinernes opstandelse
er rent faktisk sket før.

436
00:21:26,620 --> 00:21:27,705
Og sidste gang

437
00:21:27,788 --> 00:21:30,666
var der ikke jordbær
og champagne i boblebadet.

438
00:21:36,964 --> 00:21:41,093
Jeg skal mødes med økonomen Nick Srnicek
for at høre, hvad der virkelig skete

439
00:21:41,177 --> 00:21:43,054
sidste gang, maskinerne tog vores job.

440
00:21:43,888 --> 00:21:46,015
Og af en eller anden grund
skal vi mødes ved en væv.

441
00:21:46,432 --> 00:21:47,725
Hvad har du tænkt dig at lave?

442
00:21:47,808 --> 00:21:50,311
Jeg er faktisk i gang med
at lave et anarkistflag.

443
00:21:50,394 --> 00:21:51,979
Interessant. Chokerende.

444
00:21:54,315 --> 00:21:57,568
Nick har en ph.d.
fra London School of Economics.

445
00:21:58,027 --> 00:22:00,321
Det har jeg derimod ikke.

446
00:22:01,530 --> 00:22:02,573
Han har også et manifest.

447
00:22:02,656 --> 00:22:03,949
ACCELERATIONISTISK POLITIK

448
00:22:04,492 --> 00:22:07,703
I den kommende tidsalder med
automatisering tilskynder den alle til

449
00:22:07,787 --> 00:22:09,830
at nedrive gamle institutioner.

450
00:22:12,458 --> 00:22:15,461
Basalt set at afvikle kapitalismen nu.

451
00:22:16,003 --> 00:22:17,254
Det her vil ikke fungere.

452
00:22:17,338 --> 00:22:19,632
Jeg kan ikke snakke med dig sådan her.

453
00:22:19,715 --> 00:22:21,550
Beklager. Lad mig droppe væven.

454
00:22:22,093 --> 00:22:23,761
Hvorfor er vi her?

455
00:22:24,637 --> 00:22:28,224
Væven var 1800-tallets
kunstige intelligens.

456
00:22:28,307 --> 00:22:32,853
Det var en ny teknologi,
der truede en masse job.

457
00:22:33,270 --> 00:22:37,233
Det affødte en række forskellige svar
fra arbejderne,

458
00:22:37,316 --> 00:22:39,360
såsom maskinstormernes opstand.

459
00:22:39,443 --> 00:22:41,487
Nu til dags bruger vi
begrebet "maskinstormer"

460
00:22:41,570 --> 00:22:44,031
om en, der hader teknologi.

461
00:22:44,532 --> 00:22:45,950
Det var i virkeligheden ikke rigtigt.

462
00:22:46,700 --> 00:22:48,119
Maskinstormerne fik deres engelske navn
efter Ned Ludd...

463
00:22:48,202 --> 00:22:49,036
LÆRLING

464
00:22:49,120 --> 00:22:51,122
...en lærling på en tekstilfabrik,

465
00:22:51,205 --> 00:22:53,958
og sagnet siger,
han fik pisk for dovenskab.

466
00:22:54,041 --> 00:22:56,502
Han sagde: "Jeg fremstår kun doven,

467
00:22:56,585 --> 00:22:59,338
fordi jeg bliver erstattet
af en skide væv."

468
00:22:59,421 --> 00:23:03,008
Han blev den første person,
der gik amok på maskinerne

469
00:23:03,092 --> 00:23:05,010
og derved inspirerede en bevægelse.

470
00:23:06,262 --> 00:23:10,349
Maskinstormerne ødelagde maskinerne
for at redde deres egne job.

471
00:23:10,432 --> 00:23:12,810
Det ser vi i dag med kunstig intelligens.

472
00:23:12,893 --> 00:23:15,771
Folk føler sig truet på samme vis.

473
00:23:15,855 --> 00:23:19,483
Hvor mange job forudsiges at gå tabt
eller blive erstattet?

474
00:23:19,567 --> 00:23:21,986
Syvogfyrre procent af job i USA

475
00:23:22,069 --> 00:23:24,822
kan potentielt set blive automatiseret
i løbet af de næste to årtier.

476
00:23:24,905 --> 00:23:26,615
Det lyder som et reelt problem.

477
00:23:26,699 --> 00:23:27,992
Det kan blive et massivt problem.

478
00:23:28,075 --> 00:23:31,662
Det sande problem er,
hvordan sikrer vi, at om fem-ti år

479
00:23:31,745 --> 00:23:33,998
bliver folk ikke efterladt til at sulte
eller være hjemløse.

480
00:23:34,081 --> 00:23:35,166
Hvordan sikrer vi det?

481
00:23:35,457 --> 00:23:36,959
Borgerløn.

482
00:23:38,210 --> 00:23:40,754
Borgerløn er den radikale idé,

483
00:23:40,880 --> 00:23:43,424
at alle i samfundet får gratis penge.

484
00:23:43,507 --> 00:23:45,092
Uden betingelser.

485
00:23:45,176 --> 00:23:47,178
Og det har højtprofilerede fans.

486
00:23:47,636 --> 00:23:50,347
Vi bør udforske idéer om borgerløn,

487
00:23:50,431 --> 00:23:53,142
så vi kan sikre, at alle har
et sikkerhedsnet til at prøve nye idéer.

488
00:23:53,225 --> 00:23:56,145
Nogle lande og endda byer i USA

489
00:23:56,228 --> 00:23:58,189
har kørt forsøg med det.

490
00:23:58,272 --> 00:23:59,982
FINLAND STOPPER EKSPERIMENT MED BORGERLØN

491
00:24:00,858 --> 00:24:03,861
Vi har en fantastisk mulighed
med disse nye teknologier

492
00:24:03,944 --> 00:24:06,447
for at ændre måden,
vi organiserer samfundet på.

493
00:24:06,530 --> 00:24:09,408
Vi kan gå hen mod et mere
socialdemokratisk system.

494
00:24:10,117 --> 00:24:13,454
Det behøver ikke være
lige så nådesløst som USA's,

495
00:24:13,537 --> 00:24:15,331
men et system,
hvor alle kan støtte hinanden.

496
00:24:15,414 --> 00:24:19,418
Hvis folk ligesom mig selv
kan udvikle positive visioner,

497
00:24:19,919 --> 00:24:21,587
kan vi, når krisen virkelig rammer,

498
00:24:21,670 --> 00:24:23,380
begynde at implementere de idéer.

499
00:24:24,173 --> 00:24:27,343
Borgerløn var engang anset
som en yderliggående tanke,

500
00:24:27,426 --> 00:24:30,930
hvor fortalerne hovedsageligt var folk,
ligesom Nick, der skrev et manifest.

501
00:24:31,639 --> 00:24:33,891
Men ifølge en gallupundersøgelse i 2017

502
00:24:33,974 --> 00:24:37,603
støtter 48 procent af amerikanere
nu en eller anden form for borgerløn.

503
00:24:38,520 --> 00:24:40,231
Men er en garanteret lønseddel nok

504
00:24:40,314 --> 00:24:41,982
til at stoppe menneskets oprør,

505
00:24:42,066 --> 00:24:43,734
når robotterne tager vores job?

506
00:24:44,735 --> 00:24:45,611
MASKINSTORMERE

507
00:24:45,694 --> 00:24:48,572
-Hvad hader vi?
-Kunstig intelligens.

508
00:24:48,656 --> 00:24:50,032
Hvorfor hader vi det?

509
00:24:50,115 --> 00:24:53,160
Det tvinger os til
at konfrontere vores svagheder.

510
00:24:53,244 --> 00:24:55,955
Og nu vil jeg erklære dette møde
blandt Maskinstormerne åbent,

511
00:24:56,038 --> 00:24:58,958
den lokale forening for mænd,
der trodser intelligent teknologi,

512
00:24:59,041 --> 00:25:00,834
især sociale medier.

513
00:25:01,835 --> 00:25:02,836
Første punkt på dagsordenen.

514
00:25:03,337 --> 00:25:06,340
Kunstig intelligens udhuler jobmarkedet.

515
00:25:06,423 --> 00:25:09,260
Vores mellemklassejob er de første,
der ryger.

516
00:25:09,885 --> 00:25:11,720
Folk som os med disse job

517
00:25:11,804 --> 00:25:14,473
vil blive skubbet ned til jobbene,
der ingen kvalifikationer kræver.

518
00:25:14,974 --> 00:25:16,558
Hvorfor ville det ske, Ed?

519
00:25:16,642 --> 00:25:21,105
Kunstig intelligens er åbenbart bedre
til mellemniveaujobs med udregninger

520
00:25:21,188 --> 00:25:24,400
end til lavniveaujobs, såsom at feje gulv,

521
00:25:24,483 --> 00:25:26,277
så de vil efterlade de job til os.

522
00:25:26,735 --> 00:25:28,028
Lad mig spørge jer,

523
00:25:28,112 --> 00:25:29,655
hvem her, udover Bill,

524
00:25:29,738 --> 00:25:32,199
ligner en, der bør feje gulv?
Det er ikke ondt ment, Bill.

525
00:25:33,325 --> 00:25:35,786
Og der vil være mindre brug for
jobs i detailhandlen.

526
00:25:35,869 --> 00:25:38,622
Folk kan bare gå på internettet
og bestille, hvad de nu vil,

527
00:25:39,164 --> 00:25:41,583
fordi den skiderik til kunstig intelligens

528
00:25:41,667 --> 00:25:43,919
løser problemet med at søge og matche.

529
00:25:44,378 --> 00:25:46,755
Den søger efter kunder
og matcher dem med produkter.

530
00:25:46,839 --> 00:25:49,383
Ligesom da Steve søgte efter en toupé,
der matchede til hans hoved.

531
00:25:49,466 --> 00:25:50,426
Stort problem!

532
00:25:51,969 --> 00:25:53,721
Tidløse jokes til side,

533
00:25:54,346 --> 00:25:56,890
kunstig intelligens gør det langt lettere.

534
00:25:56,974 --> 00:25:59,643
Børn kan i dag finde lækre damer
på deres telefoner,

535
00:25:59,727 --> 00:26:01,937
mens de sidder på toilet.

536
00:26:02,021 --> 00:26:04,064
Toilettet var engang helligt!

537
00:26:04,773 --> 00:26:07,568
At søge og matche
skal nok skabe specialiserede job,

538
00:26:07,651 --> 00:26:10,279
men de pokkers robotter vælger,
hvem der får dem.

539
00:26:10,362 --> 00:26:11,739
Hvor belejligt.

540
00:26:12,489 --> 00:26:14,700
Firmaer bruger kunstig intelligens
til at finde ansatte

541
00:26:14,783 --> 00:26:16,869
med unikke færdigheder.

542
00:26:16,952 --> 00:26:18,287
Det er umenneskeligt!

543
00:26:18,370 --> 00:26:19,705
Ligesom Dave.

544
00:26:20,080 --> 00:26:21,332
Ja, hvor pokker er Dave?

545
00:26:21,415 --> 00:26:24,251
En kunstig intelligens bemærkede,
at han arbejdede for FedEx

546
00:26:24,335 --> 00:26:27,087
og lavede YouTube-videoer om,
hvordan man barberer hår på ryggen.

547
00:26:27,171 --> 00:26:30,716
Nu får han en høj løn
hos et barberbladsfirma.

548
00:26:30,799 --> 00:26:33,093
Han har lige barberet sig
af vores bowlinghold.

549
00:26:33,177 --> 00:26:34,094
-Ja.
-Du, Ed.

550
00:26:34,178 --> 00:26:36,513
Jeg fik lige en notifikation om,
at vores T-shirts

551
00:26:36,597 --> 00:26:38,766
bliver solgt gennem
målrettede reklamer på Facebook.

552
00:26:38,849 --> 00:26:41,602
Bruger du kunstig intelligens til
at tjene penge på folk, der hader det?

553
00:26:41,685 --> 00:26:43,479
Nej da!

554
00:26:44,897 --> 00:26:46,023
Hvem vil I tro på?

555
00:26:46,106 --> 00:26:48,859
Mig eller kunstig intelligens,
der forsøger at skille os ad?

556
00:26:49,902 --> 00:26:52,363
-Hvad hader vi?
-Kunstig intelligens.

557
00:26:52,446 --> 00:26:54,698
-Hvad vil vi gøre ved det?
-Vi arbejder på det.

558
00:26:56,075 --> 00:26:57,201
Det er en begyndelse.

559
00:27:02,748 --> 00:27:06,168
Behøver revolutionen
med kunstig intelligens være dem mod os?

560
00:27:07,086 --> 00:27:10,672
Det mener teknologiske iværksættere
som Louis Rosenberg ikke.

561
00:27:10,964 --> 00:27:13,342
Og han har skabt en karriere
på at forudsige fremtiden.

562
00:27:18,514 --> 00:27:20,599
Jeg forsøgte at skræmme dig,
men det virkede ikke.

563
00:27:21,558 --> 00:27:24,478
Louis er en teknolog og opfinder,

564
00:27:24,561 --> 00:27:27,689
der skrev en grafisk roman
om menneskehedens endeligt.

565
00:27:27,773 --> 00:27:31,276
Men han mener, vi har en fremtid, hvor
vi samarbejder med kunstig intelligens.

566
00:27:31,360 --> 00:27:34,113
Det er det ledende princip i hans idé,

567
00:27:34,196 --> 00:27:35,989
en teknologi kaldet Swarm.

568
00:27:36,073 --> 00:27:37,074
HVAD ER SWARM IA?

569
00:27:37,157 --> 00:27:40,077
Swarm kombinerer kunstig intelligens'
dataanalytiske evner

570
00:27:40,160 --> 00:27:44,415
med menneskelig viden og intuition
for at skabe en superintelligens,

571
00:27:44,498 --> 00:27:47,709
en blanding mellem Stephen Hawking
og Professor X.

572
00:27:47,793 --> 00:27:49,044
HVAD BØR DEN SELVKØRENDE BIL GØRE?

573
00:27:49,128 --> 00:27:50,754
Det er i bund og grund baseret på naturen.

574
00:27:50,838 --> 00:27:51,964
DIREKTØR

575
00:27:52,047 --> 00:27:54,591
Det går helt tilbage
til blomsterne og bierne.

576
00:27:54,675 --> 00:27:57,970
Fordi det er baseret på et fænomen
kaldet "sværmintelligens."

577
00:27:58,971 --> 00:28:03,392
Sværmintelligens er grunden til,
at fugle, fiske og bier færdes i flok.

578
00:28:03,475 --> 00:28:06,520
De er klogere sammen end alene.

579
00:28:06,603 --> 00:28:09,398
Når man derfor ser
en flok fisk bevæge sig,

580
00:28:09,481 --> 00:28:11,900
ville biologer beskrive det
som en "superorganisme."

581
00:28:11,984 --> 00:28:13,735
De tænker som en.

582
00:28:13,819 --> 00:28:16,029
Og hvis vi kan forbinde folk

583
00:28:16,113 --> 00:28:18,407
ved brug af algoritmer
baseret på kunstig intelligens,

584
00:28:18,490 --> 00:28:21,743
kan vi gøre folk til supereksperter

585
00:28:21,827 --> 00:28:23,328
på grund af sværmintelligens.

586
00:28:23,412 --> 00:28:24,705
Hvordan fungerer den teknologi?

587
00:28:24,788 --> 00:28:27,249
Det fungerer ved,
at vi forbinder grupper af mennesker.

588
00:28:27,332 --> 00:28:28,709
De kan være hvor som helst i verden.

589
00:28:28,792 --> 00:28:30,377
Så stiller vi dem et spørgsmål,

590
00:28:30,461 --> 00:28:32,880
som vil dukke op på alle deres skærme
på præcis samme tidspunkt,

591
00:28:32,963 --> 00:28:35,299
og så giver vi dem et unikt interface,

592
00:28:35,382 --> 00:28:37,593
der lader dem kommunikere deres input,

593
00:28:37,676 --> 00:28:39,261
og der vil være en række
forskellige svarmuligheder.

594
00:28:39,344 --> 00:28:41,638
Det er ikke blot en meningsmåling
eller en undersøgelse,

595
00:28:41,722 --> 00:28:44,975
hver person har noget,
der ligner en lille grafisk magnet.

596
00:28:45,058 --> 00:28:48,353
De bruger deres magnet til
at trække sværmen i en retning.

597
00:28:48,437 --> 00:28:51,440
Algoritmer baseret på kunstig intelligens
analyserer så deres adfærd

598
00:28:51,857 --> 00:28:55,652
og fastslår niveauer
af selvsikkerhed og overbevisning,

599
00:28:55,736 --> 00:28:57,905
og den finder den bedste sammenlægning

600
00:28:57,988 --> 00:29:01,325
af deres meninger og erfaringer.

601
00:29:01,408 --> 00:29:04,203
Sværmen begynder
at bevæge sig i den retning

602
00:29:04,286 --> 00:29:06,121
og finder frem til et svar.

603
00:29:06,205 --> 00:29:07,331
Lad mig give et godt eksempel.

604
00:29:07,414 --> 00:29:10,167
For et år siden blev vi udfordret
til at forudsige Kentucky Derby.

605
00:29:10,584 --> 00:29:13,962
Og starten er gået i Kentucky Derby!

606
00:29:14,046 --> 00:29:16,715
Vi havde en gruppe af
20 hestevæddeløbsentusiaster,

607
00:29:16,798 --> 00:29:18,675
og vi sagde:
"I skal samarbejde som en sværm

608
00:29:18,759 --> 00:29:20,219
og forudsige Kentucky Derby.

609
00:29:20,302 --> 00:29:23,472
Ikke blot vinderen, men første-,
anden-, tredje og fjerdepladsen."

610
00:29:24,014 --> 00:29:26,475
Vi bad dem finde frem til svarene,

611
00:29:26,934 --> 00:29:28,143
og de forudsagde det perfekt.

612
00:29:30,145 --> 00:29:33,315
Enhver, der havde væddet
20 dollars på de fire heste,

613
00:29:33,398 --> 00:29:35,067
ville have vundet 11.000 dollars.

614
00:29:35,150 --> 00:29:36,068
Hold da fest!

615
00:29:36,151 --> 00:29:39,071
Det interessante er dog,
at hvis vi ser på de 20 hver for sig,

616
00:29:39,154 --> 00:29:42,741
ramte ingen af dem
alle fire heste korrekt på egen hånd.

617
00:29:43,742 --> 00:29:47,079
Hvis de havde stemt,
ville de have ramt én hest korrekt.

618
00:29:47,162 --> 00:29:49,206
Men når de samarbejdede som en sværm,

619
00:29:49,289 --> 00:29:52,251
fandt de den rette kombination
baseret på al deres forskellige indsigt,

620
00:29:52,334 --> 00:29:54,127
og de ramte perfekt.

621
00:29:56,046 --> 00:29:58,507
Louis har inviteret mig
til at lede en sværm

622
00:29:58,590 --> 00:30:00,467
for at se,
hvordan en tilfældig gruppe af mennesker

623
00:30:00,551 --> 00:30:02,803
kan finde sammen for at forudsige ting.

624
00:30:02,886 --> 00:30:04,555
Vi begynder med et let spørgsmål.

625
00:30:05,764 --> 00:30:08,433
Jeg vil læse en række spørgsmål højt,

626
00:30:08,517 --> 00:30:12,020
og I får 60 sekunder
til at svare på hvert.

627
00:30:12,354 --> 00:30:13,522
Første spørgsmål:

628
00:30:13,605 --> 00:30:16,525
Hvilken af disse sommerfilm i 2018

629
00:30:16,608 --> 00:30:17,985
vil tjene mest?

630
00:30:18,402 --> 00:30:20,320
Solo: A Star Wars Story,

631
00:30:20,404 --> 00:30:22,281
Deadpool 2, Ocean's Eight,

632
00:30:22,364 --> 00:30:24,116
Jurassic World: Fallen Kingdom,

633
00:30:24,199 --> 00:30:25,742
eller De Utrolige 2?

634
00:30:26,076 --> 00:30:28,328
Vi optog sværmen i foråret 2018,

635
00:30:28,412 --> 00:30:31,498
før der var kommet informationer ud
om nogen af sommerfilmene.

636
00:30:31,957 --> 00:30:35,961
Kunstig intelligens observerer
for at fornemme deres selvsikkerhed.

637
00:30:36,044 --> 00:30:39,381
Nogle folk ændrer mening,
nogle holder fast på deres valg,

638
00:30:39,840 --> 00:30:41,592
og algoritmerne ser

639
00:30:41,675 --> 00:30:43,218
deres niveauer af overbevisning

640
00:30:43,594 --> 00:30:45,137
og finder stien

641
00:30:45,220 --> 00:30:47,681
til den løsning,
de bedst kan blive enige om.

642
00:30:48,640 --> 00:30:49,558
SVÆRMEN SIGER: DE UTROLIGE 2

643
00:30:49,641 --> 00:30:51,893
Godt, så De Utrolige 2.

644
00:30:51,977 --> 00:30:52,811
MEST INDBRINGENDE FILM I SOMMEREN 2018

645
00:30:52,894 --> 00:30:53,854
De fik ret.

646
00:30:53,937 --> 00:30:56,565
De Utrolige 2 indtjente mest om sommeren.

647
00:30:57,774 --> 00:30:59,526
En utrolig interessant anvendelse

648
00:30:59,610 --> 00:31:02,738
er at se på spørgsmål,
der involverer moral.

649
00:31:02,821 --> 00:31:05,365
Det er blevet relevant på det seneste
på grund af selvkørende biler.

650
00:31:05,449 --> 00:31:09,077
Der bliver presset på lige nu
for at bygge moralske beslutninger

651
00:31:09,161 --> 00:31:10,662
ind i selvkørende biler.

652
00:31:10,746 --> 00:31:12,706
Hvilket overrasker nogen at høre,

653
00:31:12,789 --> 00:31:16,126
men når man tænker over det,
hvis en selvkørende bil kommer kørende,

654
00:31:16,209 --> 00:31:18,003
og et lille barn løber ud på vejen.

655
00:31:18,086 --> 00:31:19,921
Lad os sige, bilen ikke kan stoppe,

656
00:31:20,005 --> 00:31:22,299
men den kan køre af vejen

657
00:31:22,382 --> 00:31:24,468
og bringe passageren i fare,

658
00:31:24,551 --> 00:31:27,095
måske endda dræbe passageren,
men redde barnet.

659
00:31:27,554 --> 00:31:29,890
Bilfabrikanterne siger,

660
00:31:29,973 --> 00:31:33,226
at vi skal programmere moral
ind i bilerne,

661
00:31:33,310 --> 00:31:35,437
der repræsenterer befolkningen

662
00:31:35,520 --> 00:31:37,981
og det, folket og bilisterne ville gøre.

663
00:31:38,565 --> 00:31:40,609
Det lyder let, indtil man tænker over,

664
00:31:40,692 --> 00:31:43,570
hvad er befolkningens moral?

665
00:31:43,654 --> 00:31:45,489
Der er ikke en let måde
at finde frem til den.

666
00:31:45,572 --> 00:31:48,533
Og hvis de programmerer moral,
der repræsenterer os i dag,

667
00:31:48,617 --> 00:31:51,870
vil den moral repræsentere os
20 år fra nu?

668
00:31:52,496 --> 00:31:56,041
Næste spørgsmål. Bremserne svigter
pludseligt på en selvkørende bil,

669
00:31:56,124 --> 00:31:58,377
der skal køre gennem et fodgængerfelt,

670
00:31:58,460 --> 00:32:00,170
hvilket vil resultere i et dødsfald.

671
00:32:00,253 --> 00:32:04,299
Mulighed A: Personen, der vil blive dræbt,
følger loven.

672
00:32:04,675 --> 00:32:07,344
Mulighed B: Den selvkørende bil
med de svigtende bremser

673
00:32:07,427 --> 00:32:11,098
vil dreje og køre over en fodgænger,
der krydser i den anden side,

674
00:32:11,181 --> 00:32:13,517
hvilket vil resultere i døden
for en mandlig atlet,

675
00:32:13,642 --> 00:32:16,186
der går over for rødt.
Det er en fumlegænger.

676
00:32:16,269 --> 00:32:19,564
Atleten er pisseligeglad.

677
00:32:20,065 --> 00:32:21,692
Og han er en fumlegænger.

678
00:32:21,775 --> 00:32:23,985
Hvad bør den selvkørende bil gøre?

679
00:32:24,361 --> 00:32:26,655
Dræbe den kedelige mand,
der går over på lovlig vis,

680
00:32:26,738 --> 00:32:29,032
eller dræbe atleten,
der går over for rødt.

681
00:32:30,033 --> 00:32:32,869
Hvis kunstig intelligens
bliver den næste industrielle revolution,

682
00:32:32,953 --> 00:32:35,580
så er rum som dette essentielt set
det nye fabriksgulv

683
00:32:36,248 --> 00:32:37,958
med menneskearbejdere, der arbejder

684
00:32:38,041 --> 00:32:40,460
ud fra noget,
kunstig intelligens ikke selv har.

685
00:32:41,336 --> 00:32:42,421
En samvittighed.

686
00:32:42,879 --> 00:32:44,131
De debatterer den meget.

687
00:32:44,214 --> 00:32:45,966
Det er fascinerende. Gad vide hvorfor.

688
00:32:46,299 --> 00:32:47,592
Den er vanskelig.

689
00:32:47,676 --> 00:32:49,720
Hvis du går over for rødt,
synes jeg, det er et let valg.

690
00:32:51,012 --> 00:32:52,180
SVAR: B (MINDRE PRÆFERENCE)

691
00:32:52,264 --> 00:32:54,766
Der var en mindre præference for,
at I ville ramme

692
00:32:54,850 --> 00:32:56,351
den mandlige atlet, fumlegængeren.

693
00:32:57,310 --> 00:33:00,021
Hvis det gør dig oprørt, så forbered dig.

694
00:33:01,106 --> 00:33:03,567
Nu skal I forestille jer

695
00:33:04,025 --> 00:33:06,236
det værst tænkelige scenarie,

696
00:33:06,319 --> 00:33:09,072
hvor en selvkørende bil
ikke kan bremse i tide

697
00:33:09,531 --> 00:33:13,326
og skal styre mod én af seks fodgængere.

698
00:33:13,827 --> 00:33:15,620
En baby i en klapvogn...

699
00:33:17,956 --> 00:33:19,541
En dreng,

700
00:33:20,417 --> 00:33:22,252
en pige,

701
00:33:23,295 --> 00:33:25,756
en gravid kvinde...

702
00:33:27,299 --> 00:33:28,341
Jeg ved det godt.

703
00:33:29,468 --> 00:33:31,636
To mandlige læger,

704
00:33:32,554 --> 00:33:34,473
to kvindelige læger.

705
00:33:34,973 --> 00:33:36,516
Hvem skal dø?

706
00:33:43,774 --> 00:33:45,025
Åh gud!

707
00:33:45,692 --> 00:33:46,735
Hvad?

708
00:33:48,612 --> 00:33:50,197
Det er ikke retfærdigt.

709
00:33:51,281 --> 00:33:52,365
Helt ærligt.

710
00:33:52,449 --> 00:33:53,950
Åh gud!

711
00:33:54,034 --> 00:33:55,494
Seriøst?

712
00:33:57,704 --> 00:33:59,122
SVÆRMEN SIGER: EN DRENG

713
00:33:59,206 --> 00:34:01,374
I sagde, den selvkørende bil
skulle ramme drengen.

714
00:34:02,083 --> 00:34:03,168
Interessant.

715
00:34:03,251 --> 00:34:06,338
Denne type sværmintelligens,
vi har skabt i dette rum i dag,

716
00:34:06,421 --> 00:34:10,008
kunne i den nærmeste fremtid blive solgt
til fabrikanter af selvkørende biler.

717
00:34:10,425 --> 00:34:14,805
Og hvis det lyder skræmmende,
så lyder alternativet meget værre.

718
00:34:14,888 --> 00:34:17,641
Når en selvkørende bil
skal slå bremserne til,

719
00:34:17,724 --> 00:34:20,227
og den indser, at den ikke kan stoppe,
før den rammer nogen,

720
00:34:20,310 --> 00:34:23,188
bør bilen så beskytte passageren
eller fodgængeren?

721
00:34:23,271 --> 00:34:27,275
Håbet er, at bilfabrikanterne
programmerer bilerne

722
00:34:27,359 --> 00:34:30,737
til at repræsentere moralen hos dem,
der køber bilerne.

723
00:34:30,821 --> 00:34:34,199
Den kyniske tilgang ville være,
at bilfabrikanterne

724
00:34:34,282 --> 00:34:38,286
begynder at konkurrere på,
at deres bil vil beskytte passageren mere

725
00:34:38,370 --> 00:34:40,997
end en anden bil,
og det kunne være et salgsargument.

726
00:34:41,081 --> 00:34:42,666
Det er et værre scenarie

727
00:34:42,749 --> 00:34:45,293
end samfundets moralske følsomheder.

728
00:34:45,752 --> 00:34:47,295
Det er en dyster tanke.

729
00:34:47,587 --> 00:34:50,298
Og vi vil afslutte afsnittet
med noget mere opløftende.

730
00:34:50,966 --> 00:34:52,384
Måske endda himmelsk.

731
00:34:55,345 --> 00:34:58,682
Så før I forestille jer en fremtid,
hvor det er det rene Grand Theft Auto,

732
00:34:58,765 --> 00:35:00,725
hvad angår uagtsomhed over for fodgængere,

733
00:35:00,809 --> 00:35:02,310
så lad os tage en tur

734
00:35:02,394 --> 00:35:04,145
tilbage til der, hvor vi begyndte.

735
00:35:06,398 --> 00:35:07,315
INDIEN

736
00:35:07,399 --> 00:35:08,608
I denne fjerne indiske skov

737
00:35:08,692 --> 00:35:11,820
høstes der honning til et firma
kaldet Heavenly Organics.

738
00:35:12,612 --> 00:35:14,906
Der er ingen, der ejer skoven,

739
00:35:14,990 --> 00:35:19,035
og lokalbefolkningen har altid boet her.

740
00:35:19,744 --> 00:35:22,038
Far og søn, Amit og Ishwar Hooda,

741
00:35:22,163 --> 00:35:24,291
startede deres firma for tolv år siden

742
00:35:24,374 --> 00:35:27,127
for at give arbejde
til den lokale befolkning.

743
00:35:27,210 --> 00:35:31,131
Hvad lavede de,
før de indsamlede honning for jeres firma?

744
00:35:31,214 --> 00:35:33,341
De lavede det samme,

745
00:35:34,092 --> 00:35:37,345
men de havde intet marked
eller et sted at sælge det,

746
00:35:37,470 --> 00:35:39,014
så de kunne leve af det.

747
00:35:40,056 --> 00:35:42,392
Der er bestemt ikke mangel på honning her.

748
00:35:42,809 --> 00:35:44,102
Under blomstringssæsonen

749
00:35:44,185 --> 00:35:48,023
kan en arbejder indsamle et ton honning
på blot tre måneder.

750
00:35:48,857 --> 00:35:51,443
Men hvad hjælper det,
hvis der ingen er til at købe det?

751
00:35:54,154 --> 00:35:57,490
Det tog os tre dage, to fly

752
00:35:57,574 --> 00:36:00,827
og otte timers kørsel dybt ind i en skov.

753
00:36:01,286 --> 00:36:04,289
Men heldigvis for de lokale
og Heavenly Organics

754
00:36:04,372 --> 00:36:07,751
fandt en algoritme baseret
på kunstig intelligens stedet på sekunder

755
00:36:07,834 --> 00:36:10,462
og vidste,
det ville være en god investering.

756
00:36:10,545 --> 00:36:13,882
De ringede ud af det blå og sagde,
de havde kørt en algoritme

757
00:36:13,965 --> 00:36:17,010
og opdaget, vi ville være et match

758
00:36:17,510 --> 00:36:19,137
med store dele af deres portefølje.

759
00:36:19,220 --> 00:36:22,807
De ville tale med os om investering,
hvis vi ledte efter det.

760
00:36:23,141 --> 00:36:25,644
Hvem ejede denne mystiske algoritme?

761
00:36:26,478 --> 00:36:28,480
En IT-virksomhed kaldet CircleUp,

762
00:36:28,563 --> 00:36:31,316
der befinder sig næsten
13.000 kilometer væk, i... Hvor ellers?

763
00:36:33,526 --> 00:36:36,655
Vi er hos Good Eggs, et onlinesupermarked,

764
00:36:36,738 --> 00:36:39,616
som CircleUps kunstige intelligens
også kastede sin interesse over.

765
00:36:39,699 --> 00:36:42,744
Dette er et firma støttet af Ignition
med kapital fra CircleUp,

766
00:36:42,827 --> 00:36:47,415
men som også hjælper små firmaer
med at finde kunder.

767
00:36:47,499 --> 00:36:48,500
MEDSTIFTER OG DRIFTSLEDER

768
00:36:48,583 --> 00:36:50,126
CircleUps driftsleder, Rory Eakin,

769
00:36:50,210 --> 00:36:53,254
arbejdede i både virksomheder
og nødhjælpsorganisationer,

770
00:36:53,338 --> 00:36:54,881
før han startede firmaet.

771
00:36:54,965 --> 00:36:58,385
CircleUp bruger kunstig intelligens
til at analysere milliarder af datapunkter

772
00:36:58,468 --> 00:37:00,637
og finde ud af, hvad forbrugerne ønsker

773
00:37:00,762 --> 00:37:02,222
af mad- og sundhedsprodukter.

774
00:37:02,305 --> 00:37:03,640
Problemet, man står over for
som kunde, er,

775
00:37:03,723 --> 00:37:05,308
at der er hundredvis af firmaer

776
00:37:05,392 --> 00:37:07,018
i næsten alle kategorier.

777
00:37:07,560 --> 00:37:09,938
Så investerer de i ukendte firmaer,

778
00:37:10,021 --> 00:37:12,774
som kunstig intelligens mener
bliver det næste store produkt.

779
00:37:13,066 --> 00:37:15,902
Et af de firmaer, de fandt,
var isproducenten Halo Top.

780
00:37:17,988 --> 00:37:21,950
Isproducenten Halo Top var et lille firma
i det sydlige Californien.

781
00:37:22,033 --> 00:37:24,369
I dag er det den mest solgte is
i hele landet.

782
00:37:24,953 --> 00:37:28,873
Vi har set en utrolig ændring
hos kunder i alle kategorier.

783
00:37:28,957 --> 00:37:31,126
De ønsker sundere produkter,

784
00:37:31,209 --> 00:37:33,128
færre giftstoffer i deres hjem,

785
00:37:33,211 --> 00:37:35,797
cremer uden kemikalier.

786
00:37:36,172 --> 00:37:39,884
Da CircleUps algoritme scannede
milliarder af forbrugernes datapunkter,

787
00:37:39,968 --> 00:37:42,512
viste resultatet, at kunderne
ønskede en række egenskaber,

788
00:37:42,595 --> 00:37:45,056
der var utroligt specifikke.

789
00:37:45,140 --> 00:37:47,475
Godgørende, miljøvenlige firmaer

790
00:37:47,600 --> 00:37:50,687
bruger økologiske produkter,
mens de skaber økonomisk vækst

791
00:37:50,770 --> 00:37:51,855
i lokalsamfundet.

792
00:37:52,480 --> 00:37:54,315
Det lyder helt
ufatteligt detaljeret, ikke?

793
00:37:54,858 --> 00:37:58,987
Men CircleUp kunne krydse alle tingene af,
da de fandt Heavenly Organics.

794
00:37:59,946 --> 00:38:01,573
Det er, hvad kunstig intelligens kan gøre.

795
00:38:01,656 --> 00:38:03,658
Den kan få al denne data
til at give mening

796
00:38:03,742 --> 00:38:07,078
på en måde,
der ikke var mulig for blot ti år siden.

797
00:38:07,746 --> 00:38:11,332
Og hvordan går CircleUps samarbejde
med Heavenly Organics?

798
00:38:12,208 --> 00:38:15,045
Lad os smutte tilbage til Indien
og spørge Amit og Ishwar.

799
00:38:18,006 --> 00:38:20,842
Vi har bygget en ny fabrik,
der er dobbelt så stor.

800
00:38:21,509 --> 00:38:24,137
Vi kan innovere og skabe nye produkter.

801
00:38:24,220 --> 00:38:26,765
Vi kan have en stor påvirkning
på dette område.

802
00:38:26,848 --> 00:38:29,142
-De hjalp jer til at skalere op.
-Ja.

803
00:38:29,225 --> 00:38:31,811
De hjalp os med at skabe kapacitet
og skalere op.

804
00:38:31,895 --> 00:38:34,773
Hvordan har det påvirket indsamlerne?

805
00:38:34,856 --> 00:38:37,400
Vi støtter lige nu 650 familier.

806
00:38:37,484 --> 00:38:39,486
I takt med at vi vokser,
sælger vi mere honning.

807
00:38:39,569 --> 00:38:41,780
For hvert ton
tilføjer vi endnu en familie.

808
00:38:41,863 --> 00:38:45,033
Det betyder,
at vi næste år vil støtte 700 eller 750.

809
00:38:46,242 --> 00:38:50,914
I dag er de bedre stillet rent økonomisk.

810
00:38:50,997 --> 00:38:54,125
De har gode huse
og gode faciliteter i husene.

811
00:38:54,209 --> 00:38:56,127
Deres børn går i skole.

812
00:38:56,503 --> 00:38:58,213
Så det er den gode side af kapitalismen.

813
00:38:58,296 --> 00:38:59,339
Altså...

814
00:38:59,422 --> 00:39:02,217
Et firma skabt for
at bidrage til samfundet.

815
00:39:02,884 --> 00:39:04,511
Det var derfor, vi startede firmaet.

816
00:39:06,429 --> 00:39:09,641
Vil kunstig intelligens gøre oprør
og overtage verden?

817
00:39:09,724 --> 00:39:12,685
Eller gøre, at vi må kæmpe
for at finde et formål i livet?

818
00:39:13,394 --> 00:39:16,648
I denne del af verden
har påvirkningen været god indtil videre.

819
00:39:17,982 --> 00:39:19,734
Måske er der et scenarie,
hvor kunstig intelligens

820
00:39:19,818 --> 00:39:22,779
giver en uforfærdet analyse
af al vores data

821
00:39:22,862 --> 00:39:25,782
og beslutter, at vi ikke er så slemme,
så vi kan samarbejde

822
00:39:26,241 --> 00:39:30,161
for at skabe en bedre verden med velstand
og harmoni mellem robotter og mennesker.

823
00:39:31,663 --> 00:39:32,747
Eller måske ikke.

824
00:39:33,790 --> 00:39:36,084
Hvis det er tilfældet,
er vores tid snart omme.

825
00:39:36,501 --> 00:39:38,962
Så nyd disse robotstrippere.

826
00:40:26,217 --> 00:40:29,012
Sådan. Fantastisk!

827
00:40:31,055 --> 00:40:32,348
Det var fantastisk!

828
00:40:32,432 --> 00:40:33,933
Giv hende et håndklæde.