Video: Marnik & SMACK - Gam Gam (Official Audio) (November 2024)
Op de show van deze week ging ik zitten met Ophir Tanz, CEO en oprichter van GumGum, een bedrijf dat begon als een computer-vision bedrijf en snel een full-stack verticale AI-oplossingsbedrijf wordt. We spraken over de huidige boom van kunstmatige intelligentie en het potentieel ervan om elk bedrijf dat het raakt te veranderen. GumGum biedt momenteel een verscheidenheid aan AI-aangedreven oplossingen in advertenties en het is nog maar net begonnen.
GumGum is in de kern een computervisiebedrijf. We drukken die technologie op verschillende manieren uit. Onze grootste business unit is onze advertentie-eenheid, en we hebben een advertentie-indeling bedacht genaamd In-Image Advertising, waar we momenteel werken met ongeveer 70% van de Fortune 100-merken en veel van de grootste uitgevers ter wereld. Wat we doen, is dat we marketingberichten contextueel plaatsen in lijn met inhoud waarmee gebruikers actief bezig zijn. We identificeren in dit geval de context van afbeeldingen en stemmen marketingberichten hierop af.
Je hebt een aantal voorbeelden hiervan op je website. Het is echt cool. Ik denk niet dat de meeste mensen weten dat het gebeurt wanneer ze daadwerkelijk een website tegenkomen en ze dit soort zien. Ze denken dat het op die manier is geprogrammeerd, maar je neemt eigenlijk de inhoud van de foto en levert vervolgens een advertentie die is gebaseerd op de foto, niet noodzakelijkerwijs de site of zelfs het artikel.
Correct. Het idee is dat gebruikers sites bezoeken en foto's zijn meestal de held-eenheid van een bepaalde webpagina. Als je naar een eye-trackingonderzoek kijkt, zie je dat de meeste hitte rond foto's is gecentreerd. Het idee is om een zeer native plaatsing te maken, maar deze ook correct weer te geven. Het heeft de neiging om relatief impactvol te zijn, en het heeft echt mooie kenmerken dat we niet elke inventarismogelijkheid hoeven te vervullen.
Wat we kunnen doen, is op elk gewenst moment advertenties laden wanneer deze relevant zijn voor die gebruiker in de juiste context. Dat heeft ook het grote effect dat het een veel betere gebruikerservaring oplevert omdat u onze advertenties veel minder vaak ziet, maar wanneer u dat doet, zijn ze effectiever. Het heeft ook het extra voordeel dat uitgevers in veel gevallen andere standaardindelingen uit hun eigenschappen kunnen verwijderen en onroerend goed aan die sites van uitgevers kunnen retourneren om te gebruiken voor inhoud.
In de studies die ik heb gezien, is het niet dat mensen de advertenties haten. Ze haten het volume.
Ja.
Ze haten het volume, ze haten de opdringerigheid, ze haten de pop-ups. Het zien van de advertentie stoort hen eigenlijk niet, zolang het de ervaring niet onderbreekt.
Ik denk dat dat tegenwoordig een heel groot probleem is in de industrie. Als u naar uw traditionele IAB-advertentie-indelingen kijkt, heeft u een aantal problemen. De ene is dat ze 100% van de tijd moeten laden, dus wat er ook gebeurt, een advertentie wordt geladen. Je hebt duidelijk enorme problemen met de zichtbaarheid. Wanneer de webpagina wordt geladen, wordt 100% van de IAB-advertenties op die pagina geladen en kunt u slechts een derde naar beneden scrollen. Adverteerders betalen voor die indrukken, maar ze worden nooit gezien. Ze creëren geen waarde. Het is effectief gelijk aan, ik denk dat de vorige keer dat we het berekenden, 10 of 12 miljard dollar per jaar wordt verbrand en in rook opgaat.
Dat is een enorm probleem. We laden onze formaten alleen wanneer de relevante inhoud in het zicht van de browser komt. Er zijn bijna geen verspilde indrukken. Ik geloof echt dat de toekomst van adverteren, vooral als je naar verschillende apparaten zoals tablets en telefoons gaat, een veel meer geïntegreerde en selectieve ervaring zal zijn. Het idee van adverteren is om een boodschap over te brengen aan een gebruiker die het voordeel heeft dat mensen geld verdienen, zodat ze in veel gevallen gratis content kunnen blijven leveren. Ons perspectief is "Laten we de advertenties zichtbaar maken. Laten we het zeer respectvol maken, maar laten we het maar zelden weergeven", en we denken dat dit uiteindelijk beter is voor alle relevante belanghebbenden.
Laten we het even hebben over de sportafdeling waarin u actief bent. Het is een heel interessante manier om inventaris te openen en iets te doen met computer vision dat gewoon niet praktisch zou zijn als u het met de hand of door mensen zou doen.
Nou, de manier waarop het de afgelopen decennia is gedaan, is met de hand en door mensen geweest. Dat is een enorm foutgevoelige aanpak, want wat meestal gebeurt, is dat je bijvoorbeeld 10 minuten of een deel van een spel van meerdere uren neemt. Je verzendt dat naar een plaats, meestal overzee. Je zult mensen letterlijk handmatig taggen waar die sponsors verschijnen en de relatieve kwaliteit van elke afzonderlijke blootstelling. Vervolgens extrapoleren ze dat in een zwart vak naar de totale waarde.
Dus het is iemand die naar de band kijkt, het Coca-Cola-logo op het bord in het veld identificeert en vervolgens zegt hoe lang, hoeveel seconden het in beeld was.
Ja, en de kwaliteit van die video. Was is verduisterd? Was het wazig? Hoe groot was het? Dat soort dingen. Wat we hebben gedaan, is dat we in feite grotendeels dezelfde methode hebben gebruikt, maar we doen het allemaal programmatisch met behulp van computer vision. Het is een echt elegante implementatie van die technologie, omdat we dingen volledig kunnen bekijken. We kijken naar elk moment van elke video, elke video met hoogtepunten, elk sociaal beeld en identificeren waar al die belichtingen verschijnen, maar ook de kwaliteit van die belichtingen. Vervolgens laten we alle relatieve belanghebbenden, in dit geval rechthebbenden en merken, graven
Sponsoring is een groot bedrijf. Er wordt veel geld aan deze dingen uitgegeven en er moet veel worden onderhandeld om tot de juiste vergoeding te komen. Dit neemt veel giswerk uit die inspanning.
Ik denk aan het WB Mason-bord in het Yankee Stadium. Het is er in het buitenveld en als je naar de game gaat, zie je het, maar dat is iets dat moet worden gekwantificeerd en waaraan een bepaalde waarde is verbonden, en je tool helpt die waarde te creëren en te achterhalen.
Het doet. We helpen zelfs rechthebbenden om camerahoeken daadwerkelijk te verplaatsen en dingen van die aard te doen om de blootstelling aan sponsoring te maximaliseren. Sociaal is een element dat nooit echt uitgebreid naar GumGum is gekeken. Het blijkt dat de meerderheid van de waarde die op sociale media wordt geproduceerd vanuit een sponsorperspectief gebeurt op eigendommen in eigendom en beheer.
Zonder computer vision in te zetten, is het onmogelijk om naar het universum van social te kijken en daadwerkelijk te identificeren waar al die exposures zijn. Er is een enorme stijging opgetreden die we hebben kunnen laten zien in de werkelijke waarde die wordt gecreëerd, en in toenemende mate is dat ook hoe mensen hun ervaringen communiceren, zodat die waarde ten opzichte van televisie ook toeneemt.
Wat deze beide toepassingen aandrijft, is echt de computervisie. Het heeft algoritmen die kunnen identificeren wat zich in een afbeelding bevindt, wat zich in een videobeeld bevindt, en het vervolgens herkennen, in een doos plaatsen en classificeren. Dat is echt de kerntechnologie waarmee u het bedrijf hebt opgebouwd.
Ja.
Waar gaat dat heen? Je hebt deze twee applicaties. Wat volgt?
Zoals u in uw inleiding al zei, zijn we een full-stack, verticaal AI-oplossingenbedrijf, en wat dat betekent is uiteindelijk dat we deze zeer krachtige technologie hebben. Het is relatief nieuw in termen van het daadwerkelijk kunnen toepassen op praktische gebruikssituaties in de wereld. Als we naar de wereld kijken, zien we een enorm aantal industrieën die echt van deze mogelijkheid kunnen profiteren. Op dit moment hebben maar weinigen het voordeel gehad dat ze van die mogelijkheid gebruik hebben gemaakt.
Als je kijkt hoe de opties met betrekking tot de implementatie van deze oplossingen, je hebt cloud-gebaseerde oplossingen, je hebt dingen zoals Watson en Google cloud vision, en Amazon en dergelijke. Het probleem is dat we, om een echte zakelijke behoefte daadwerkelijk op te lossen, geloven dat u zowel de expertise op bedrijfsniveau in huis moet hebben, maar ook de technische expertise om specifiek een oplossing voor dat specifieke probleem te bouwen. Ik heb nog nooit een bedrijf of echt een succesvol product zien bouwen op basis van cloudgebaseerde AI-oplossingen en deze te integreren in een product.
De reden daarvoor is dat je niet in staat bent om deze dingen bijna zo goed mogelijk aan te passen. Er is echt heel wat vakmanschap geassocieerd met het ontwikkelen van succesvolle AI-systemen, tenminste vandaag, en dat is meer een bug, geen functie. Uiteindelijk zullen deze dingen meer commoditized worden, wat een goede zaak is en daar werken we ook aan; maar ook, het is gewoon heel duur. De dingen die we doen voor fracties van een cent kost je ergens tussen de 40 cent en een dollar, en 50 cent op CPM-basis van deze cloudbedrijven. Het is gewoon niet haalbaar om echt iets op schaal te doen met deze oplossingen.
Nu zijn er gevallen waarin u bepaalde typen AI, zoals natuurlijke taalverwerking en wat tekstanalyse, buiten de cloud kunt benutten; maar het is echt beperkt tot die gebieden. Dat is waar we onze verkoop een grote rol zien spelen, namelijk dat we de expertise hebben vanuit een technisch perspectief en we zijn in staat om de expertise op bedrijfsniveau te integreren zodat we een full-stack oplossing kunnen bouwen. Tot nu toe hebben we reclame in de sport, we hebben een sociale divisie en we kijken naar een aantal andere mogelijkheden.
Het belang van de klacht die ik bij IBM Watson heb gehoord, is dat je de tool krijgt, maar voordat je er echt iets mee kunt doen, moet je hem trainen en moet je weten waarvoor je hem traint. Dan hebben veel kleine bedrijven die vaardigheden niet. Ze moeten een consultant inhuren om vervolgens de AI te trainen. Hoe zou u dat anders doen?
We werken allemaal met dezelfde architectuur. Als je neurale netten gebruikt, dat is grotendeels wat ik denk dat Watson vandaag gebruikt, en zeker ook wat we gebruiken. Er is een trainingselement aan verbonden. Als je eenmaal op schaal werkt, wordt dat de gelijke uitdaging voor de algoritmische kant van de vergelijking.
Het is een vereiste om gelabelde, omvangrijke, onbevooroordeelde datasets samen te stellen. Nogmaals, ik zou dat een bug noemen, geen functie. Het is iets dat we al jaren doen en we kunnen het heel goed doen. Uiteindelijk zal de kwaliteit van uw neurale netwerk een functie zijn van de kwaliteit van de gegevens die u kunt voeden, dus het is niet dat we daarvan zijn vrijgesproken. Ik denk alleen dat we die sets nu snel moeten aanschaffen en labelen
Het lijkt me dat een van de voordelen van deze grote, gigantische technologiebedrijven - Amazon, Google, Facebook - is dat ze enorme datasets hebben. Ze zijn echt ongeëvenaard in de geschiedenis van de informatica, en alleen toegang hebben tot deze datasets geeft hen een voordeel als we ons in dit tijdperk van kunstmatige intelligentie begeven.
Is dat een duurzaam voordeel of denk je dat starters en kleinere bedrijven kunnen concurreren?
Het is een enorm voordeel, dus je hebt gelijk in die veronderstelling. Kijk, data is koning en zolang deze dingen met data moeten worden getraind, dan zijn de entiteiten met de meest relevante data voor wat de applicatie ook is in een voordelige positie. Wat interessant is, is dat we een zware bijdrage leveren aan de open-source beweging. Zo zijn al deze andere bedrijven. We delen feitelijk die kennis, maar we delen niet zoveel in de gegevens. Er zijn open datasets waaraan we bijdragen. We hebben ook veel eigen gegevens, en zeker de grote jongens ook, maar het is echt probleemspecifiek.
Een van de dingen die we bijvoorbeeld doen - en dit is geen corebusiness, maar we doen dit meer voor de gemeenschap - is dat we de grootste verzameling dentale röntgenfoto's ter wereld verzamelen. Als we daar een bedrijf van willen bouwen, is dat niet waar Google of Amazon toegang toe hebben. Daar hebben ze geen reden voor. Ze hebben een bepaald type gegevens. Ze hebben UGC-afbeeldingen, bijvoorbeeld UGC-video, veel locatiegegevens, veel echt waardevol inzicht op alle soorten manieren, maar als u kloven en pijpleidingen probeert te identificeren of als u gewas wilt optimaliseren- afstoffen, er zijn hier eindeloos veel toepassingen. Ik zou zeggen dat ze op bepaalde manieren een voordeel hebben, en dat varieert van bedrijf tot bedrijf.
Ga je terug naar de tandheelkundige gegevens, wat ga je doen met die gigantische database van tandheelkundige beelden?
Wat we graag zouden willen doen, is een wereldwijde competitie organiseren, vergelijkbaar met ImageNet, een competitie die Stanford jaarlijks organiseert om te zien welk bedrijf het meest nauwkeurig en doelmatig datasets van etiketten kan sorteren. We willen graag zoiets doen.
Het is echt meer een classificatieproject dan een commercieel product.
Ja vandaag.
Laten we een beetje praten over een van de dingen die mensen over AI irriteren - ze vinden dat dit een technologie is die door overheden zal worden geïmplementeerd. Het zal worden geïmplementeerd door grote bedrijven, maar individuele consumenten zullen echt worden opgevolgd door deze KI's in plaats van er zelf van te kunnen profiteren. Denk je dat dat een redelijke veronderstelling is of gaat dat op een gegeven moment veranderen?
Ik ga ja en nee zeggen. Je zou kunnen beweren dat individuen worden aangepakt en de prooi zijn van elk zakelijk product dat er is, zelfs zoiets als Waze.
Ik denk dat Bernie Sanders dat argument altijd aanvoert.
Maar ik denk dat de eindconsument uiteindelijk ook de grootste begunstigde is, omdat bedrijven in ieder geval proberen producten te ontwikkelen die waarde toevoegen aan het leven van mensen en ook aan andere bedrijven. Ik denk dat de overheid zijn eigen… Ik weet niet of ik het snode of gewoon geen directe toegevoegde waarde moet noemen, tenzij je het vanuit een veiligheidsperspectief wilt bekijken, misschien. Kijk, dit spul is moeilijk te doen. Het is niet goedkoop om te bereiken. Met andere woorden, zelfs voor het verkrijgen van datasets zijn middelen nodig. Grotere entiteiten die zeer toegewijd zijn aan deze inspanning, zullen het uiteindelijk bezitten.
Het andere dat constant aan de orde komt, is AI's en agent van automatisering. Met de sportdivisie van GumGum als voorbeeld, dat is iets dat nu wordt gedaan via software die vroeger werd gedaan, zij het in het buitenland, maar door mensen die naar tape kijken en dingen classificeren. Hoe zie je het banenverlies dat met dit soort van zaken gepaard gaat
Dat baart me veel zorgen. Bij GumGum heb ik dat zien gebeuren. We ontwikkelen geautomatiseerde oplossingen en dat verplaatst mensen die vroeger afbeeldingen of video tagden, en je zou kunnen beweren dat dit de prijs van automatisering is. Ik denk dat mensen vaak een heel rooskleurig beeld proberen te omzeilen, zeg maar: "Alle nieuwe technologie genereert nieuwe banen. Kijk naar de industriële revolutie." Ik koop dat argument gewoon niet. Ik denk dat niet alle technologie gelijk is en dat niet alle technologie standaard nieuwe banen creëert. Ik denk echt dat er een enorme hoeveelheid nieuwe banen is gecreëerd in deze zin.
Mensen die bijvoorbeeld de tagging hebben gedaan, zijn nu mogelijk afbeeldingen voor ons aan het taggen en labelen, en het kunnen dezelfde mensen zijn, maar uiteindelijk baart het me veel zorgen. Ik denk dat het iets is dat we op de lange termijn als samenleving moeten aanpakken. Universeel basisinkomen is iets dat steeds vaker wordt besproken, op overheidsniveau en elders. Ik vind dat geen slecht idee. Ik denk dat het een heel goed idee is.
Ik denk dat het andere implicaties heeft voor de samenleving en voor individueel geluk waar we nog geen antwoorden op hebben. Ik denk dat het een uitdagend probleem is, en ik wens dat onze huidige administratie en ook toekomstige administraties een beetje meer aandacht besteden aan het proberen de wereld van de toekomst uit te vinden en, waar nodig, zelfs te subsidiëren in plaats van te proberen kolenbanen terug te brengen, waarvan er 70.000 in de VS zijn. Het slaat nergens op.
Ze komen waarschijnlijk niet terug.
Ze zouden niet terug moeten zijn. Het is slecht voor het milieu. Dat is geen hoge kwaliteit van leven voor die individuen, en het is geen duurzame oplossing voor de lange termijn.
Oke. Laten we een vraag van het publiek krijgen: hoe waarschijnlijk is een universeel basisinkomen?
Vrijwel het antwoord dat ik zojuist gaf is waarschijnlijk het beste antwoord dat ik op dit moment kan geven. Ik denk niet dat we de gegevens of voldoende inzicht hebben in wat de implicaties van het doen van zoiets kunnen zijn. Ik weet dat er over de hele wereld regeringen zijn die met deze dingen experimenteren. Dat is erg interessant om een soort van getuige te zijn en van te leren.
Ik denk ook niet dat we nu op een plek zijn waar we zoiets moeten instellen als een universeel basisinkomensysteem. Ik denk dat dit een is
Ik denk dat we ons net beginnen te concentreren op de gevolgen van al deze nieuwe technologieën, omdat dit allemaal relatief nieuwe ontwikkelingen zijn. Het lijkt erop dat het veel sneller gebeurt dan de industriële revolutie, en we zullen moeten internaliseren wat de gevolgen zijn van het hebben van AI-aangedreven auto's en zelfrijdende auto's en vrachtwagens op de wegen en al deze verschillende dingen. Als dat eenmaal bij ons thuis is, denk ik dat we een realistische discussie kunnen voeren over hoe we dit compenseren.
Een ding waar we het in mijn bedrijf vaak over hebben, is dit idee van constante en dramatische verandering, en ik denk dat dit de enige fundamentele waarheid is van de wereld waarin we nu leven. Als je kijkt naar wat dat in technische zin betekent, betekent dit dat je een verscheidenheid aan technologieën hebt die groeien in mogelijkheden op een exponentiële curve, en ik heb het over alles, van pixelresoluties tot harde schijfcapaciteiten tot verwerkingssnelheden, en dan heb je ook softwareontwikkeling, en je hebt al deze technologieën op verschillende buigpunten op deze curven; maar ze zijn allemaal verbuigend en dat maakt de advertentie vandaag de dag mogelijk, effectief GPU's en verwerkingssnelheid. Deze algoritmen gaan terug tot de jaren '50 en '60. Ik denk dat het eerste neurale netwerk in de jaren '50 is ontwikkeld. Het had ongeveer 40 neuronen.
Wat verbazingwekkend is aan exponentiële groei, is dit idee dat, als je bijvoorbeeld 30 lineaire stappen gaat nemen met een meter per stap, je na 30 stappen 30 meter hebt gepasseerd. We zouden door deze kamer zijn gelopen, maar als je 30 exponentiële stappen neemt, wat in dit geval slechts een eenvoudige verdubbeling is. Eén, twee, vier, acht, dan na 30 stappen, zult u 26 keer de omtrek van de aarde hebben doorkruist - dus ongeveer een miljard meter. Wat daar vooral interessant aan is, is dat de meeste groei in de laatste paar stappen plaatsvindt - dus bij stap 29 sta je op 500 miljoen meter.
Dat is wat zo misleidend is over exponentiële groei. Lange tijd lijkt het veel op lineaire groei, en eigenlijk kan het achterblijven bij lineaire groeicurves die een grotere groei hebben in elke lineaire periode - maar het wordt iets dramatisch anders. En dat maakt de toekomst ongelooflijk opwindend en op veel manieren mysterieus en ongelooflijk moeilijk te voorspellen. Bij GumGum proberen we te kijken naar de langere tijdshorizon - dingen zoals AR en VR en wearables en IoT, en dat soort dingen - maar we proberen ook onze activiteiten in stappen van twee jaar te plannen omdat we geloven dat dat zo ongeveer is voor zover je kunt zien, en ook voor zover je in staat bent om een te bepalen en te bouwen
Ik denk dat dit de uitdaging is die tegenwoordig de wereld opeet. Zeker oudere bedrijven ervaren dit, en het is een soort van de dominante kracht. Het is niet dezelfde situatie als eeuwen geleden, toen je een bedrijfsmodel kon ontwikkelen en het zou kunnen werken. Die veranderingscyclus was veel langer, dus je kon op langere termijn de vruchten plukken. Nu moet je constant innoveren en je begrip van de wereld vergroten, en proberen de verschillende paradigmaverschuivingen die relevant zijn voor jouw onderneming te begrijpen, en daarop bouwen.
Flexibel zijn en kunnen reageren is waarschijnlijk nuttiger dan gelijk hebben over wat er over vijf jaar gaat gebeuren
Het is ook de reden waarom u dergelijke maniakale investeringen ziet in al deze toekomstige technologieën, omdat bedrijven niet dom zijn. We hebben het over grote bedrijven. Ze weten dat ze leven van legacy-bedrijven. Ze weten dat de dingen enorm veranderen en ze weten dat ze een grote gok moeten wagen. We zien zeer grote, zeer gewaagde bedrijfsweddenschappen omdat dat de enige keuze is die ze hebben, en dat is ook de reden waarom startups, denk ik, enorm waardevol en additief en succesvol zullen blijven, want uiteindelijk, wanneer je in een periode van stilstand, het is moeilijk, of je nu investeert of een bedrijf laat groeien, het is moeilijk om nieuwe waarde te creëren, maar wanneer alles voortdurend verandert, dan is er veel gelegenheid voor waardecreatie.
Ik denk dat je zo'n geweldig punt maakt als je het hebt over exponentieel denken en hoe moeilijk het is om je hoofd rond die vorm te wikkelen. Ik steel uit een van je eerdere gesprekken waar je tegen 2023 zei dat $ 1.000 dollar je een apparaat oplevert met de rekenkracht van een menselijk brein. Het zal zoveel verwerkingskracht repliceren. Tegen 2043, wat de meesten van ons misschien nog in leven zijn, heb je de verwerkingskracht voor $ 1.000 dollar. Het is groter dan alle hersens op de planeet.
Gecombineerd, ja.
Wat doet dat
Dat is echt een interessant punt. Om eerlijk te zijn, heb ik dat van Ray Kurzweil gestolen. Hij deed die analyse.
We staan allemaal op de schouders van reuzen.
Ik wil daar geen erkenning voor krijgen, maar het is echt een leerzaam punt. Nogmaals, ik denk niet dat we - als samenleving, als soort - bijzonder goed zijn in exponentieel denken. Onze hersenen zijn gebouwd om lineair te denken. Dat biedt uiteindelijk meer overlevingspotentieel en het heeft duizenden jaren geleden niet veel voordelen in de Afrikaanse bush geboden, toch?
De implicaties daarvan zijn enorm, omdat veel dingen bruut kunnen worden gedwongen. Je hebt de kwaliteit van algoritmen en technologie - en dat kan altijd eleganter worden - maar als je voldoende verwerkingskracht hebt, kun je veel dingen doen die nooit mogelijk waren, gewoon door er meer rekenkracht op te gooien. In sommige opzichten zou je kunnen beweren dat neurale netwerken - ik weet zeker dat we terug gaan kijken naar de technologie en het gevoel hebben dat het tamelijk onelegant was - en als je kijkt naar de hoeveelheid verwerkingskracht die nodig is ten opzichte van het menselijk brein, en dit is het slechte beeld van wat het menselijk brein eigenlijk doet, het brein gebruikt een kleine hoeveelheid van de kracht die deze machines doen om deze berekeningen te doen.
Ik denk dat dat alleen maar een bewijs is van het feit dat de toekomst echt moeilijk te voorspellen is. Het gaat dramatisch veranderen dan iemand zich realiseert, en dan luistert het ook naar de kwaliteit van software, want als we in staat zijn om software van voldoende kwaliteit te ontwikkelen, dan zal het probleem van de rekenkracht nu duidelijk een beperkende factor zijn. Als je het wilt hebben over algemene AI of superintelligentie, zal de beperkende factor ons vermogen zijn om de juiste software te ontwikkelen, omdat, uiteraard, als je een chip kunt kopen die dezelfde rekenkracht heeft als die van de hele menselijke bevolking voor $ 1.000 dollar dan is dat waarschijnlijk meer vermogen dan je nodig hebt, misschien wel zeven miljard keer.
We weten dat een aantal industrieën zullen worden getransformeerd. We kunnen zien dat we zelfrijdende auto's hebben. Misschien niet over vijf jaar, misschien niet over tien jaar, maar zeker tegen 20. Mensen gaan ervan uit dat het gaat gebeuren. Is er een industrie waarvan u denkt dat deze zal worden getransformeerd door kunstmatige intelligentie waar we nog niet aan hebben gedacht of die zeer onvoorbereid is voor die transformatie?
Kijk, dit is een zeer krachtig hulpmiddel in een zee van andere krachtige hulpmiddelen, technologie, software, hardware. Ik kan geen industrie bedenken die niet kan profiteren van de integratie van AI-mogelijkheden. U kunt gegevens beter verwerken, video nog beter verwerken en elke branche kan hiervan profiteren. Daarom zie ik zoveel kracht in het kunnen bouwen van een verticale stapel AI
Ik wil je de vragen stellen die ik iedereen stel die in de show komt. Welke technologische trend baart u het meest? Is er iets dat je 's nachts wakker houdt?
Gewapende kernenergie, of kernkoppen.
Een oudje maar een goodie.
Het is net teruggekomen in de mode.
Uiteraard een beetje zorgwekkend. Is er een technologie of tool die u elke dag gebruikt die aan de andere kant verwondering oproept?
Ik ben de afgelopen acht maanden erg bezig geweest met houtbewerking, en vooral met traditionele houtbewerking. Dus veel handvliegtuigen en blokvliegtuigen, en spaakscheerbeurten. Eerlijk gezegd vind ik dat heel inspirerend. Het zijn gewoon heel mooie tools die, voor mij, heel veel spreken tot menselijke vindingrijkheid. En het is leuk om te gaan met heel eenvoudige maar zeer krachtige en effectieve hulpmiddelen die mensen hebben uitgevonden.
Er is waarschijnlijk een grote geautomatiseerde machine aangedreven door een AI die ook hetzelfde type houtbewerkingsbehandelingen zou kunnen doen.
Er is een niveau van kunstenaarschap en bevrediging waarvan ik denk dat dat deel uitmaakt van wat de menselijke ervaring vormt. Kijk, ik heb eigenlijk ook veel elektrisch gereedschap. Uiteindelijk krijg je met het handgereedschap altijd een betere afwerking en een beter product, maar uiteindelijk is dat een van de uitdagingen. Als we eigenlijk niet de meest intelligente soort op de planeet zijn, heeft dat uiteraard diepgaande implicaties.
Ten eerste kunnen we kijken hoe we mindere soorten behandelen
Ik denk niet dat dit spul om de hoek is. Ik denk dat we veel doorbraken zijn verwijderd van iets dat de bewuste intelligentie representeert of zelfs begint te lijken, maar of het nu over 40 jaar of 400 jaar is, het is een relatief, miniem soort blip op de schaal van de menselijke geschiedenis. Het is de moeite waard om te spreken over de implicaties van wat deze dingen zijn. Niemand heeft het over het stoppen van de ontwikkeling van deze technologieën. We zijn natuurlijk erg nieuwsgierig van aard, en dat is gewoon geen optie. Ik denk dat dat ook geen optie zou moeten zijn, maar naar alle waarschijnlijkheid zullen we er zijn voordat we de juiste protocollen hebben ontwikkeld om te strijden met hoe die realiteiten eruit zien.
Het gaat terug naar de exponentiële aard van verandering. We gaan sneller tot bepaalde capaciteiten komen dan waar we op voorbereid zijn en ik denk niet dat de overheid of bureaucratie of zelfs bedrijven vandaag de dag uitgerust zijn om veranderingen in zo'n tempo te kunnen beheren. Het niveau van verandering dat nodig zal zijn om er daadwerkelijk voor te zorgen, zal voor enige verwarring zorgen.
In de tussentijd werk je in je houtwinkel.
Jij vertelt me. Plan B.
Wat voor soort dingen maak je, mag ik vragen?
Krukken en kommen en lepels en dat soort dingen. Het is nu heel eenvoudig. Ik ben een beginner die op zoek is naar een mentor. Het is heel bevredigend om te leven in deze digitale ruimte van bits en bytes waar ik altijd van heb gehouden. Ik ben van jongs af aan programmeur geweest en was daar altijd erg door aangetrokken, en ik ben er nog steeds dol op. maar het is gewoon de antithese van dat het erg fysiek en handmatig is en je hebt meestal te maken met hout, wat een mooie combinatie is.
Heel organisch. Het is grappig hoeveel technici met geweldige programmeervaardigheden en geweldige karbonades op de show zijn gekomen, en toch zijn het waar ze van genieten vaak die dingen uit de echte wereld waar ze eigenlijk met hun handen aan werken.
Ja. Het is verheugend om terug te keren naar dat soort dingen.
Als een mentor op dit moment toekijkt en ze contact met je willen opnemen of ze gewoon willen volgen wat jij en GumGum doen, hoe kunnen ze dan online contact met je opnemen?
Je kunt me vinden op Twitter @ophirtanz, LinkedIn bij Ophir Tanz, op onze website, Gumgum.com. Alle soorten manieren.
Uitstekend. Ophir, heel erg bedankt voor je komst naar het lab.
Bedankt dat je me hebt.
Ik waardeer dat.
Het was geweldig.
Dat is snel vooruit voor vandaag. Ik wil je bedanken voor je komst. Als je afleveringen van deze show wilt zien, kun je ze vinden op PCMag.com. Als je de podcast op iTunes wilt horen, kun je deze vinden op Apple Podcast, je kunt hem vinden op Android Play. Je kunt het overal vinden waar fijne podcasts gratis weggegeven worden. Heel erg bedankt voor het meedoen vandaag. Ik zie je in de toekomst.
