Ophir tanz Gumgum di iklan yang buruk dan bagus ai

Pada acara minggu ini saya duduk dengan Ophir Tanz, CEO dan Pendiri GumGum, sebuah perusahaan yang dimulai sebagai perusahaan visi komputer dan dengan cepat menjadi perusahaan solusi AI-stack vertikal penuh. Kami berbicara tentang ledakan kecerdasan buatan saat ini dan potensinya untuk mengubah setiap bisnis yang disentuhnya. GumGum saat ini menawarkan berbagai solusi berbasis AI dalam periklanan dan baru saja dimulai.

Anda berada di kota untuk Pekan Periklanan. Anda sudah mendapat sejumlah aplikasi periklanan berbasis AI. Ayo mulai dari sana. Bagaimana Anda menggunakan AI hari ini di ruang iklan?

GumGum, pada intinya, adalah perusahaan visi komputer. Kami mengungkapkan teknologi itu dalam berbagai cara. Unit bisnis terbesar kami adalah unit iklan kami, dan kami menemukan format iklan bernama In-Image Advertising, di mana saat ini kami bekerja dengan sekitar 70% merek Fortune 100 dan banyak penerbit terbesar di dunia. Apa yang kami lakukan adalah kami menempatkan pesan pemasaran secara kontekstual sesuai dengan konten yang secara aktif digunakan pengguna. Kami akan mengidentifikasi konteks gambar, dalam hal ini, dan benar-benar menyelaraskan pesan pemasaran dengan itu.

Anda punya sejumlah contoh ini di situs web Anda. Sangat keren. Saya tidak berpikir kebanyakan orang tahu bahwa itu terjadi ketika mereka benar-benar menemukan sebuah situs web dan mereka melihat jenis ini. Mereka pikir itu mungkin telah diprogram seperti itu, tetapi Anda benar-benar mengambil konten foto dan kemudian mengirimkan iklan yang didasarkan pada foto, belum tentu situs atau bahkan artikel.

Benar. Idenya adalah bahwa pengguna mengunjungi situs dan foto biasanya unit pahlawan dari halaman web yang diberikan. Jika Anda melihat studi pelacakan mata apa pun, Anda akan melihat bahwa sebagian besar panas terpusat di sekitar foto. Idenya adalah untuk membuat penempatan yang sangat asli, tetapi juga menampilkannya dengan benar. Ini cenderung relatif berdampak, dan memiliki karakteristik yang sangat bagus karena kami tidak diharuskan mengisi setiap peluang inventaris.

Apa yang dapat kami lakukan adalah memuat iklan ketika relevan dengan pengguna itu dalam konteks yang tepat setiap saat. Itu juga memiliki efek besar menghasilkan pengalaman pengguna yang jauh lebih baik karena Anda melihat iklan kami jauh lebih jarang, tetapi ketika Anda melakukannya, mereka lebih berdampak. Ini juga memiliki manfaat tambahan untuk memberdayakan penerbit, dalam banyak kasus, untuk menghapus format standar lainnya dari properti mereka dan mengembalikan real estat ke situs-situs penerbit untuk digunakan untuk konten.

Dalam penelitian yang saya lihat, bukan karena orang membenci iklan. Mereka membenci volume.

Iya.

Mereka membenci volume, mereka membenci gangguan, mereka membenci pop-up. Melihat iklan sebenarnya tidak mengganggu mereka, asalkan tidak mengganggu pengalaman.

Saya pikir itu masalah yang sangat besar di industri saat ini. Jika Anda melihat format iklan IAB tradisional Anda, Anda memiliki sejumlah masalah. Salah satunya adalah mereka perlu memuat 100% dari waktu, jadi tidak peduli apa pun, iklan memuat. Anda jelas memiliki masalah keterlihatan yang sangat besar terkait dengan itu. Saat laman web dimuat, 100% iklan IAB pada halaman itu akan dimuat dan Anda mungkin hanya menggulir sepertiga dari jalan ke bawah. Pengiklan membayar tayangan itu, tetapi tidak pernah terlihat. Mereka tidak menciptakan nilai. Ini setara dengan, saya pikir terakhir kali kita menghitungnya, 10 atau 12 miliar dolar setahun hanya dibakar, naik dalam asap.

Itu masalah besar. Kami hanya memuat format kami ketika konten yang relevan muncul di browser. Hampir tidak ada kesan yang sia-sia sama sekali. Saya benar-benar percaya bahwa masa depan periklanan, terutama ketika Anda pindah ke perangkat yang berbeda seperti tablet dan telepon, akan menjadi pengalaman yang lebih terintegrasi dan selektif. Gagasan beriklan adalah menyampaikan pesan kepada pengguna yang bermanfaat bagi orang-orang yang menghasilkan uang sehingga mereka dapat terus mengirimkan, dalam banyak kasus, konten gratis. Perspektif kami adalah "Mari kita buat iklan terlihat. Mari kita buat itu sangat hormat, tapi mari kita tunjukkan itu jarang, " dan kami pikir pada akhirnya lebih baik untuk semua pemangku kepentingan yang relevan.

Mari kita bicara sedikit tentang divisi olahraga tempat Anda beroperasi. Ini adalah cara yang sangat menarik untuk membuka inventaris dan melakukan sesuatu dengan visi komputer yang tidak akan praktis jika Anda melakukannya dengan tangan atau oleh manusia.

Nah, cara itu dilakukan selama beberapa dekade terakhir adalah dengan tangan dan oleh manusia. Itu adalah pendekatan rawan kesalahan besar-besaran karena apa yang biasanya terjadi adalah Anda akan mengambil, katakanlah, 10 menit atau segmen permainan multi-jam. Anda akan mengirimkannya ke suatu tempat, biasanya, di luar negeri. Anda akan memiliki orang yang secara manual menandai di mana sponsor tersebut muncul dan kualitas relatif dari setiap paparan tunggal. Kemudian mereka memperkirakan itu dalam kotak hitam dengan nilai keseluruhan.

Jadi seseorang melihat rekaman itu, mengidentifikasi logo Coca-Cola di papan iklan, dan kemudian mengatakan berapa lama, berapa detik yang terlihat.

Ya, dan kualitas video itu. Apakah dikaburkan? Apakah buram? Seberapa besar itu? Hal-hal seperti itu. Apa yang kami lakukan adalah kami telah mengambil, sebenarnya, metodologi yang sama, sebagian besar, tapi kami melakukan semuanya secara terprogram menggunakan visi komputer. Ini implementasi yang sangat elegan dari teknologi itu, karena kami dapat melihat berbagai hal secara komprehensif. Kami melihat setiap momen dari setiap video, setiap video sorotan, setiap gambar sosial, dan mengidentifikasi di mana semua eksposur itu muncul, tetapi juga kualitas eksposur tersebut. Kemudian kami memungkinkan semua pemangku kepentingan relatif, dalam hal ini, pemegang hak dan merek untuk menggali ke setiap saat sehingga tidak ada perselisihan tentang apa metrik kualitas yang sebenarnya.

Pensponsoran adalah bisnis besar. Ada banyak uang yang dihabiskan untuk hal-hal ini, dan ada banyak negosiasi yang harus dilakukan untuk sampai pada biaya yang sesuai. Ini mengeluarkan banyak dugaan dari upaya itu.

Saya berpikir tentang tanda WB Mason di Yankee Stadium. Itu ada di lapangan dan jika Anda pergi ke permainan, Anda melihatnya, tetapi itu adalah sesuatu yang harus dikuantifikasi dan memiliki nilai tertentu yang melekat padanya, dan alat Anda membantu menciptakan dan mengetahui nilai itu.

Itu benar. Kami bahkan membantu pemegang hak untuk mengubah posisi sudut kamera dan melakukan hal-hal seperti itu untuk memaksimalkan paparan sponsor. Sosial adalah elemen yang tidak pernah dilihat, benar-benar, sebelum GumGum, secara komprehensif. Ternyata mayoritas nilai yang dihasilkan di media sosial dari perspektif sponsor terjadi pada properti yang dimiliki dan dioperasikan.

Tanpa menggunakan visi komputer, tidak mungkin untuk melihat alam semesta sosial dan benar-benar mengidentifikasi di mana semua paparan itu berada. Ada peningkatan besar yang kami dapat tunjukkan dalam nilai aktual yang sedang dibuat, dan semakin, itulah bagaimana orang-orang mengomunikasikan pengalaman mereka, sehingga nilai, relatif terhadap televisi juga meningkat.

Hal yang menggerakkan kedua aplikasi ini adalah benar-benar visi komputer. Ini memiliki algoritma yang dapat mengidentifikasi apa yang ada dalam gambar, apa yang ada dalam gambar video, dan kemudian mengenalinya, memasukkannya ke dalam kotak, dan mengklasifikasikannya. Itu benar-benar teknologi inti tempat Anda membangun perusahaan.

Iya.

Kemana itu pergi? Anda punya dua aplikasi ini. Apa yang terjadi selanjutnya?

Seperti yang Anda sebutkan di intro Anda, kami adalah perusahaan solusi AI-stack penuh, dan apa artinya, pada akhirnya, kami memiliki teknologi yang sangat kuat ini. Ini relatif baru dalam hal benar-benar bisa menerapkannya pada kasus penggunaan praktis di dunia. Ketika kita melihat dunia, kita melihat sejumlah besar industri yang benar-benar dapat mengambil manfaat dari kemampuan ini. Pada titik ini, sangat sedikit yang benar-benar mendapat manfaat dari memanfaatkan kemampuan itu.

Jika Anda melihat bagaimana opsi relatif untuk mengimplementasikan solusi ini, Anda memiliki solusi berbasis cloud, Anda memiliki hal-hal seperti Watson dan Google cloud vision, dan Amazon dan sejenisnya. Masalahnya adalah bahwa untuk benar-benar menyelesaikan kebutuhan bisnis yang nyata, kami percaya bahwa Anda perlu memiliki kedua keahlian tingkat bisnis di rumah, tetapi juga keahlian teknis untuk secara khusus membangun solusi untuk masalah khusus itu. Saya belum pernah melihat perusahaan atau, sungguh, bahkan produk yang sukses dibangun untuk mengambil solusi AI berbasis cloud dan mengintegrasikannya ke dalam produk.

Alasannya adalah Anda tidak memiliki kemampuan untuk mengubah hal-hal ini sebanyak yang Anda bisa. Benar-benar ada banyak seni yang terkait dengan pengembangan sistem AI yang sukses, setidaknya hari ini, dan itu lebih merupakan bug, bukan fitur. Pada akhirnya, barang-barang ini akan menjadi lebih komoditas, yang merupakan hal yang baik dan kami sedang mengusahakannya juga; tetapi juga, itu benar-benar mahal. Hal-hal yang kami lakukan untuk sepersekian sen akan dikenakan biaya antara 40 sen dan satu dolar, dan 50 sen atas dasar CPM dari perusahaan cloud ini. Hanya saja tidak layak untuk dilakukan, sungguh, apa pun pada skala menggunakan solusi ini.

Sekarang, ada beberapa contoh di mana Anda dapat memanfaatkan jenis AI tertentu, seperti pemrosesan bahasa alami, dan beberapa analisis tekstual, di luar cloud; tapi itu benar-benar terbatas pada area itu. Di situlah kami melihat penjualan kami memainkan peran besar, yaitu keahlian yang kami miliki, dari sudut pandang teknis dan kami dapat mengintegrasikan keahlian tingkat bisnis sehingga kami dapat membangun solusi tumpukan penuh. Sejauh ini, kami memiliki iklan dalam olahraga, kami memiliki divisi sosial, dan kami sedang melihat sejumlah peluang lain.

Pentingnya keluhan yang saya dengar dengan IBM Watson adalah Anda mendapatkan alat itu, tetapi kemudian, sebelum Anda benar-benar dapat melakukan apa pun dengannya, Anda harus melatihnya dan Anda harus tahu apa yang Anda latih untuk melakukannya. Maka banyak usaha kecil tidak memiliki keahlian itu. Mereka perlu menyewa konsultan untuk kemudian melatih AI. Bagaimana Anda melakukannya secara berbeda?

Kita semua beroperasi dengan arsitektur yang sama. Jika Anda menggunakan jaring saraf, yang sebagian besar menurut saya digunakan Watson hari ini, dan tentu saja apa yang kami gunakan juga. Ada elemen pelatihan yang terkait dengan itu. Setelah Anda beroperasi pada skala, itu menjadi tantangan yang sama dengan sisi algoritmik persamaan.

Mampu menyatukan dataset yang berlabel, besar, dan tidak bias adalah persyaratan. Sekali lagi, saya menyebutnya bug, bukan fitur. Itu adalah sesuatu yang telah kami lakukan selama bertahun-tahun dan kami dapat melakukannya dengan sangat baik. Pada akhirnya, kualitas jaringan saraf Anda akan menjadi fungsi dari kualitas data yang dapat Anda berikan, jadi bukan berarti kami terbebas dari itu. Hanya saja saya pikir kita sekarang harus mendapatkan dan memberi label set itu dengan cepat dan biaya efektif .

Menurut saya, salah satu keunggulan perusahaan teknologi besar dan raksasa ini - Amazon, Google, Facebook - adalah bahwa mereka memiliki kumpulan data yang sangat besar. Mereka benar-benar tak tertandingi dalam sejarah ilmu komputer, dan hanya memiliki akses ke kumpulan data ini memberi mereka keuntungan saat kita memasuki era kecerdasan buatan ini.

Apakah itu keuntungan yang berkelanjutan atau apakah Anda berpikir bahwa pemula dan perusahaan kecil akan mampu bersaing?

Ini keuntungan besar, jadi Anda benar dalam anggapan itu. Lihatlah, data adalah raja dan selama hal-hal ini perlu dilatih dengan data, maka entitas dengan data yang paling relevan untuk apa pun aplikasi berada dalam posisi yang menguntungkan. Yang menarik adalah kita adalah kontributor besar bagi pergerakan open-source. Begitu juga semua perusahaan lain ini. Kami sebenarnya berbagi dalam pengetahuan itu, tetapi kami tidak berbagi dalam data sebanyak itu. Ada kumpulan data terbuka yang kami berkontribusi. Kami juga memiliki banyak data hak milik, dan tentu saja orang-orang besar juga, tetapi itu benar-benar masalah khusus.

Salah satu hal yang kami lakukan, misalnya - dan ini bukan bisnis inti, tapi kami melakukan ini lebih untuk masyarakat - adalah kami mengumpulkan koleksi pencitraan sinar-X gigi terbesar di dunia. Jika kami memang ingin membangun bisnis, misalnya, itu bukanlah sesuatu yang dapat diakses oleh Google atau Amazon. Mereka tidak punya alasan untuk itu. Mereka memiliki tipe data tertentu. Mereka memiliki citra UGC, misalnya, video UGC, banyak data lokasi, banyak wawasan yang sangat berharga dalam semua jenis cara, tetapi jika Anda mencoba mengidentifikasi celah dan jalur pipa atau jika Anda mencoba mengoptimalkan pemangkasan- debu, ada banyak sekali aplikasi di sini. Saya akan mengatakan bahwa mereka memiliki manfaat dengan cara tertentu, dan itu bervariasi dari perusahaan ke perusahaan.

Kembali ke data gigi, apa yang akan Anda lakukan dengan database pencitraan gigi raksasa itu?

Apa yang ingin kami lakukan adalah menyelenggarakan kompetisi di seluruh dunia, mirip dengan ImageNet, kompetisi yang diadakan Stanford setiap tahun untuk melihat perusahaan mana yang paling akurat dan bijaksana mengurutkan dataset label. Kami ingin melakukan sesuatu yang mirip dengan itu.

Ini benar-benar hanya proyek klasifikasi lebih dari produk komersial.

Hari ini ya.

Mari kita bicara sedikit tentang salah satu hal yang membuat orang gelisah tentang AI - mereka merasa bahwa ini adalah teknologi yang akan digunakan oleh pemerintah. Ini akan digunakan oleh perusahaan-perusahaan besar, tetapi konsumen individu benar-benar akan ditindaklanjuti oleh AI ini sebagai lawan untuk dapat mengambil keuntungan dari mereka sendiri. Apakah Anda pikir itu asumsi yang adil atau apakah akan berubah pada titik tertentu?

Saya akan mengatakan ya dan tidak. Anda dapat berargumen bahwa individu sedang ditindaklanjuti dan menjadi mangsa setiap produk bisnis di luar sana, bahkan sesuatu seperti Waze.

Saya pikir Bernie Sanders membuat argumen itu sepanjang waktu.

Tetapi saya berpikir bahwa konsumen akhir juga merupakan penerima manfaat terbesar pada akhirnya karena setidaknya perusahaan berusaha mengembangkan produk yang menambah nilai bagi kehidupan masyarakat dan juga bisnis lainnya. Saya pikir pemerintah memiliki sendiri… Saya tidak tahu apakah saya harus menyebutnya jahat atau hanya bukan nilai tambah langsung, kecuali jika Anda ingin melihatnya dari sudut pandang keamanan, mungkin. Lihat, hal ini sulit dilakukan. Itu tidak murah untuk dicapai. Dengan kata lain, bahkan hanya untuk memperoleh dataset dibutuhkan sumber daya. Entitas yang lebih besar yang sangat berkomitmen pada upaya ini akan memilikinya, pada akhirnya.

Hal lain yang muncul sepanjang waktu adalah AI dan agen otomatisasi. Menggunakan divisi olahraga GumGum sebagai contoh, itu sesuatu yang dilakukan sekarang melalui perangkat lunak yang dulu dilakukan, meskipun di luar negeri, tetapi oleh manusia yang melihat rekaman dan mengklasifikasikan hal-hal. Bagaimana Anda melihat kehilangan pekerjaan yang akan dikaitkan dengan tipe-tipe ini otomatisasi ?

Itu sangat mengkhawatirkan saya. Di GumGum saya pernah melihat itu terjadi. Kami mengembangkan solusi otomatis dan yang memindahkan orang-orang yang digunakan untuk menandai gambar atau video, dan Anda dapat berargumen bahwa itulah harga otomatisasi. Saya pikir orang-orang seringkali mencoba untuk membuat gambaran yang sangat indah tentang hal itu, katakan, "Semua teknologi baru menghasilkan pekerjaan baru. Lihatlah revolusi industri." Saya hanya tidak membeli argumen itu. Saya pikir tidak semua teknologi diciptakan sama dan tidak semua teknologi secara default menciptakan pekerjaan baru. Saya pikir ada sejumlah besar pekerjaan baru yang telah dibuat dalam pengertian ini.

Misalnya, orang-orang yang mungkin telah melakukan penandaan sekarang berpotensi memberi tag dan memberi label pada gambar untuk kita, dan itu bisa saja orang yang sama, tetapi pada akhirnya, itu sangat mengkhawatirkan saya. Saya pikir itu adalah sesuatu yang dalam jangka panjang harus kita tangani sebagai masyarakat. Penghasilan dasar universal adalah sesuatu yang telah dibicarakan semakin panjang lebar, di tingkat pemerintah dan di tempat lain. Saya tidak berpikir itu ide yang buruk. Saya pikir itu mungkin ide yang sangat bagus.

Saya pikir itu memiliki implikasi lain bagi masyarakat dan kebahagiaan individu yang kita belum punya jawabannya. Saya pikir ini adalah masalah yang menantang, dan saya berharap bahwa administrasi kita saat ini dan juga administrasi di masa depan akan membayar sedikit lebih banyak perhatian untuk mencoba menciptakan dan, jika perlu, bahkan mensubsidi dunia masa depan daripada mencoba mengembalikan pekerjaan batubara, di mana ada 70.000 di AS. Itu tidak masuk akal.

Mereka mungkin tidak akan kembali.

Mereka seharusnya tidak kembali. Ini buruk bagi lingkungan. Itu bukan kualitas hidup yang tinggi bagi individu-individu itu, dan itu bukan solusi berkelanjutan jangka panjang.

Baiklah. Mari kita dapatkan pertanyaan dari hadirin: Menurut Anda, seberapa besar penghasilan universal dasar menurut Anda?

Cukup banyak jawaban yang baru saya berikan mungkin adalah jawaban terbaik yang bisa saya berikan saat ini. Saya tidak berpikir kita memiliki data atau wawasan yang cukup tentang apa implikasi dari melakukan sesuatu seperti itu. Saya tahu bahwa ada beberapa pemerintah di seluruh dunia yang bereksperimen dengan hal-hal ini. Itu akan sangat menarik untuk disaksikan dan dipelajari.

Saya juga tidak berpikir bahwa kita berada di tempat sekarang di mana kita perlu melembagakan sesuatu seperti sistem pendapatan dasar universal. Saya pikir ini adalah jangka panjang semacam masalah, dan saya pikir satu opsi gudang yang jauh lebih besar. Saya tidak berpikir ada yang punya jawaban yang bagus untuk pertanyaan itu, tetapi jika mereka melakukannya, saya akan penasaran ingin mendengarnya.

Saya pikir kita baru mulai memikirkan konsekuensi dari semua teknologi baru ini karena ini semua perkembangan yang relatif baru. Sepertinya itu terjadi jauh lebih cepat daripada revolusi industri, dan kita perlu menginternalisasi apa konsekuensi dari memiliki mobil yang dikendarai AI dan mobil yang dikendarai sendiri serta truk yang ada di jalan dan semua hal yang berbeda ini. Setelah itu menjadi rumah bagi kita, saya pikir kita bisa berdiskusi realistis tentang bagaimana kita memberikan kompensasi.

Satu hal yang sering kita bicarakan di perusahaan saya adalah gagasan tentang perubahan yang konstan dan dramatis ini, dan saya pikir itulah satu-satunya kebenaran mendasar dunia tempat kita hidup sekarang. Jika Anda melihat apa artinya itu dalam arti teknis, itu berarti Anda memiliki berbagai teknologi yang tumbuh dalam kemampuan pada kurva eksponensial, dan saya berbicara tentang semuanya, mulai dari resolusi piksel, kapasitas hard drive hingga kecepatan pemrosesan, dan kemudian Anda juga memiliki pengembangan perangkat lunak, dan Anda memiliki semua jenis teknologi ini di berbagai titik belok pada kurva ini; tetapi, semuanya berubah dan itulah yang sebenarnya memungkinkan iklan hari ini, secara efektif GPU dan kecepatan pemrosesan. Algoritma ini kembali ke tahun 50-an dan 60-an. Jaringan saraf pertama dikembangkan, saya pikir, di tahun 50-an. Itu seperti 40 neuron.

Apa yang luar biasa tentang pertumbuhan eksponensial adalah anggapan bahwa, misalnya, jika Anda akan mengambil 30 langkah linier pada meter per langkah, maka setelah 30 langkah, Anda akan melintasi 30 meter. Kami akan berjalan melintasi ruangan ini, tetapi jika Anda mengambil 30 langkah eksponensial, yang, dalam hal ini, hanya dua kali lipat sederhana. Satu, dua, empat, delapan, lalu setelah 30 langkah, Anda akan melintasi keliling Bumi 26 kali - jadi sekitar satu miliar meter. Apa yang sangat menarik tentang itu adalah sebagian besar pertumbuhan terjadi dalam beberapa langkah terakhir - jadi, pada langkah 29, Anda berada di 500 juta meter.

Itulah yang begitu menipu tentang pertumbuhan eksponensial. Untuk waktu yang lama terlihat sangat mirip dengan pertumbuhan linear, dan sebenarnya itu bisa tertinggal di belakang kurva pertumbuhan linear yang memiliki pertumbuhan lebih besar di setiap periode linear - tetapi, pada akhirnya menjadi sesuatu yang sangat berbeda. Dan, itu membuat masa depan sangat menarik dan dalam banyak hal, misterius dan sangat sulit diprediksi. Di GumGum, kami mencoba untuk melihat cakrawala waktu jangka panjang - hal-hal seperti AR dan VR dan perangkat yang dapat dikenakan dan IoT, dan hal-hal seperti itu - tetapi kami juga mencoba untuk merencanakan bisnis kami secara bertahap dua tahun karena kami percaya itu hampir sama sejauh yang Anda bisa lihat, dan juga sejauh Anda dapat menentukan dan membangun a dikomersialkan produk, yang dengan sendirinya merupakan tantangan.

Saya pikir ini adalah tantangan yang memakan dunia saat ini. Tentu saja perusahaan warisan mengalami hal ini, dan ini merupakan kekuatan yang dominan. Ini bukan situasi yang sama seperti berabad-abad sebelumnya ketika Anda bisa mengembangkan model bisnis dan itu bisa berhasil. Siklus perubahan itu jauh lebih lama, sehingga Anda bisa memetik hasil dalam jangka panjang. Sekarang Anda harus terus berinovasi dan menumbuhkan pemahaman Anda tentang dunia, dan mencoba memahami berbagai perubahan paradigma yang relevan dengan perusahaan Anda, dan membangunnya.

Menjadi fleksibel dan mampu merespons mungkin lebih bermanfaat daripada menjadi benar tentang apa yang akan terjadi lima tahun ke depan sekarang, karena tidak ada yang tahu apa yang akan terjadi.

Itu juga mengapa Anda melihat investasi gila-gilaan dalam semua teknologi masa depan ini karena perusahaan tidak bodoh. Kita bicara perusahaan besar. Mereka tahu bahwa mereka hidup dari bisnis warisan. Mereka tahu bahwa banyak hal berubah dengan sangat dramatis dan mereka tahu bahwa mereka perlu membuat taruhan besar. Kami melihat taruhan perusahaan yang sangat besar, sangat berani karena itulah satu-satunya pilihan yang mereka miliki, dan itulah mengapa startup, saya pikir, akan terus menjadi sangat berharga dan aditif dan sukses, karena pada akhirnya, ketika Anda berada dalam periode stasis, sulit, apakah Anda berinvestasi atau apakah Anda menumbuhkan perusahaan, sulit untuk menciptakan nilai baru, tetapi ketika semuanya berubah sepanjang waktu, maka ada banyak peluang untuk penciptaan nilai.

Saya pikir Anda membuat poin yang hebat ketika Anda berbicara tentang pemikiran eksponensial dan betapa sulitnya membungkus kepala Anda di sekitar bentuk kurva itu. Saya mencuri dari salah satu pembicaraan Anda sebelumnya di mana Anda mengatakan pada 2023, $ 1.000 dolar akan memberi Anda perangkat yang memiliki kekuatan komputasi otak manusia. Ini akan mereplikasi kekuatan pemrosesan sebanyak itu. Pada 2043, yang kebanyakan dari kita mungkin masih hidup saat itu, Anda akan memiliki kekuatan pemrosesan sebesar $ 1.000 dolar. Ini lebih besar dari semua otak di planet ini.

Gabungan, ya.

Apa fungsinya?

Itu poin yang sangat menarik. Agar adil, saya mencurinya dari Ray Kurzweil. Dia melakukan analisis itu.

Kita semua berdiri di atas bahu raksasa.

Saya tidak ingin mengambil pujian untuk itu, tetapi ini adalah poin yang sangat instruktif. Sekali lagi, saya tidak berpikir bahwa kita - sebagai masyarakat, sebagai spesies - terutama pandai berpikir secara eksponensial. Otak kita dibangun untuk berpikir secara linear. Itu pada akhirnya menawarkan lebih banyak potensi untuk bertahan hidup, dan itu tidak menawarkan banyak manfaat di semak-semak Afrika ribuan tahun yang lalu, bukan?

Implikasinya sangat besar karena banyak hal dapat dipaksakan. Anda memiliki kualitas algoritma dan teknologi - dan itu selalu bisa menjadi lebih elegan - tetapi jika Anda memiliki kekuatan pemrosesan yang cukup, maka Anda dapat melakukan banyak hal yang tidak pernah mungkin dilakukan hanya dengan melemparkan lebih banyak daya komputasi padanya. Dalam beberapa hal, Anda dapat berargumentasi bahwa jaringan saraf - saya yakin kita akan melihat kembali teknologi dan merasa seperti itu cukup tidak penting - dan jika Anda melihat jumlah kekuatan pemrosesan yang dibutuhkan relatif terhadap otak manusia, dan ini adalah citra buruk dari apa yang sebenarnya dilakukan otak manusia, otak menggunakan sejumlah kecil kekuatan yang dilakukan mesin ini untuk melakukan perhitungan ini.

Saya pikir itu hanya bukti fakta bahwa masa depan benar-benar sulit diprediksi. Ini akan berubah lebih dramatis daripada yang disadari oleh siapa pun, dan kemudian ia juga mendengarkan kualitas perangkat lunak karena jika kita mampu mengembangkan perangkat lunak berkualitas tinggi, maka jelas masalah daya komputasi sekarang akan menjadi faktor pembatas. Jika Anda ingin berbicara tentang AI umum atau kecerdasan super, faktor pembatasnya adalah kemampuan kami untuk mengembangkan perangkat lunak yang tepat karena, jelas, jika Anda dapat membeli chip yang memiliki kekuatan komputasi yang setara dengan seluruh populasi manusia untuk $ 1.000 dolar maka itu mungkin kekuatan lebih dari yang Anda butuhkan mungkin tujuh miliar kali lipat.

Ada banyak industri yang kita tahu akan diubah. Kita dapat mengatakan bahwa kita akan memiliki mobil self-driving. Mungkin tidak dalam lima tahun, mungkin tidak dalam 10, tetapi tentu saja pada 20. Orang-orang cukup banyak menganggap itu akan terjadi. Adakah industri yang menurut Anda akan diubah oleh kecerdasan buatan yang belum kita pikirkan atau yang sangat tidak siap untuk transformasi itu?

Lihat, ini adalah alat yang sangat kuat di lautan alat kuat lainnya, teknologi, perangkat lunak, perangkat keras. Saya tidak bisa memikirkan industri yang tidak dapat mengambil manfaat dari integrasi kemampuan AI. Anda dapat memproses data, memproses video dengan lebih baik, dan setiap industri dapat mengambil manfaat dari itu. Itu sebabnya saya melihat begitu banyak kekuatan untuk dapat membangun AI tumpukan vertikal solusi, karena pada akhirnya hanya ada banyak peluang di sini.

Saya ingin menanyakan pertanyaan yang saya ajukan kepada semua orang yang datang di acara itu. Tren teknologi apa yang paling Anda perhatikan? Apakah ada sesuatu yang membuat Anda terjaga di malam hari?

Senjata nuklir energi, atau hulu ledak nuklir.

Seorang oldie tapi seorang goodie.

Ini baru saja kembali dalam mode.

Jelas sedikit memprihatinkan. Apakah ada teknologi atau alat yang Anda gunakan setiap hari yang menginspirasi keajaiban, di sisi lain?

Saya sudah masuk ke bidang pertukangan, dan sebagian besar pertukangan tradisional selama sekitar delapan bulan terakhir. Jadi, banyak pesawat tangan dan memblokir pesawat, dan berbicara mencukur. Jujur, saya menemukan itu sangat menginspirasi. Itu hanya alat yang sangat indah yang, bagi saya, berbicara sangat banyak pada kecerdikan manusia. Dan menyenangkan untuk berurusan dengan alat yang sangat sederhana namun sangat kuat, dan efektif yang diciptakan manusia.

Mungkin ada mesin otomatis besar yang digerakkan oleh AI yang juga bisa melakukan perawatan kayu yang sama.

Ada tingkat seni dan kepuasan yang menurut saya merupakan bagian dari apa yang membentuk pengalaman manusia. Dengar, aku sebenarnya punya banyak alat listrik juga. Anda selalu mendapatkan hasil akhir yang lebih baik dan produk yang lebih baik pada akhirnya dengan alat-alat tangan, tetapi pada akhirnya itulah salah satu tantangannya. Jika kita sebenarnya bukan spesies yang paling cerdas di planet ini, itu tentu saja memiliki implikasi mendalam.

Pertama, kita bisa melihat bagaimana kita memperlakukan jenis yang lebih rendah kecerdasan di Bumi, dan itu bukan pemandangan yang sangat menyenangkan. Saya pikir itu benar-benar mempertanyakan apa artinya menjadi manusia dan apa yang harus Anda lakukan dengan kehidupan, apa yang memenuhi syarat untuk kebahagiaan? Ini jelas pertanyaan yang sangat mendalam, dan saya pikir cepat atau lambat kita harus bersaing dengan mereka.

Saya tidak berpikir bahwa hal-hal ini sudah dekat. Saya pikir kita adalah banyak terobosan yang jauh dari apa pun yang mewakili atau bahkan mulai terlihat seperti kecerdasan sadar, tetapi apakah itu dalam 40 tahun atau 400 tahun, itu relatif, semacam blip kecil pada skala sejarah manusia. Perlu berbicara tentang implikasi dari hal-hal ini. Tidak ada yang berbicara tentang menghentikan pengembangan teknologi ini. Kami tentu saja penasaran, dan itu bukan pilihan. Saya tidak berpikir itu harus menjadi pilihan baik tetapi dalam semua kemungkinan, kita akan sampai di sana sebelum kita mengembangkan protokol yang tepat untuk bersaing dengan apa yang tampak seperti realitas.

Ini kembali ke sifat perubahan eksponensial. Kita akan sampai pada kemampuan tertentu lebih cepat daripada yang kita siapkan, dan saya tidak berpikir pemerintah atau birokrasi atau bahkan bisnis saat ini diperlengkapi untuk dapat mengelola perubahan dengan kecepatan seperti itu. Tingkat perubahan yang diperlukan untuk benar-benar cenderung cenderung akan membuat beberapa tingkat kebingungan.

Sementara itu, Anda akan bekerja di toko kayu Anda.

Kamu memberitahuku. Rencana B.

Apa jenis barang yang Anda buat, yang bisa saya tanyakan?

Kotoran dan mangkuk dan sendok dan barang-barang seperti itu. Ini sangat sederhana sekarang. Saya seorang pemula mencari seorang mentor. Sangat menyenangkan untuk hidup dalam ruang digital ini bit dan byte yang selalu saya cintai, saya telah menjadi programmer dari usia muda dan selalu sangat tertarik dengan hal itu, dan saya masih menyukainya seperti sebelumnya; tapi, itu hanya kebalikan dari itu sangat fisik dan manual dan semacam Anda berurusan dengan sebagian besar kayu, yang merupakan penjajaran yang bagus.

Sangat organik. Sungguh lucu berapa banyak teknolog yang datang ke acara itu dengan keterampilan pemrograman dan potongan daging yang hebat, namun hal yang mereka sukai cenderung adalah hal-hal dunia nyata di mana mereka sebenarnya bekerja dengan tangan mereka.

Ya. Kembali ke sisi semacam itu memuaskan.

Jika seorang mentor menonton sekarang dan mereka ingin menghubungi Anda atau mereka hanya ingin mengikuti apa yang Anda dan GumGum lakukan, bagaimana mereka dapat menghubungi Anda secara online?

Anda dapat menemukan saya di Twitter @ophirtanz, LinkedIn di Ophir Tanz, di situs web kami, Gumgum.com. Semua jenis cara.

Luar biasa. Ophir, terima kasih banyak telah datang ke lab.

Terima kasih sudah memilikinya.

Saya menghargainya.

Itu bagus.

Itu Fast Forward untuk hari ini. Saya ingin mengucapkan terima kasih untuk bergabung dengan kami. Jika Anda ingin melihat kembali episode acara ini, Anda dapat menemukannya di PCMag.com. Jika Anda ingin mendengar podcast di iTunes, Anda dapat menemukannya di Apple Podcast, Anda dapat menemukannya di Android Play. Anda dapat menemukannya di mana saja yang podcast halus diberikan secara gratis. Terima kasih banyak telah bergabung dengan kami hari ini dan sampai jumpa di masa depan.