Video: Ophir Tanz, founder and CEO of artificial intelligence company GumGum on AI changing advertising (Oktober 2024)
På denne ukens show satte jeg meg ned med Ophir Tanz, administrerende direktør og grunnlegger av GumGum, et firma som startet som et datavisjonsselskap og raskt blir et fullstabilt vertikalt AI-løsningsfirma. Vi snakket om dagens boom av kunstig intelligens og potensialet for å endre enhver virksomhet den berører. GumGum tilbyr for tiden en rekke AI-drevne løsninger innen reklame, og det er akkurat i gang.
GumGum er kjernen i et datavisjonsselskap. Vi uttrykker den teknologien på en rekke måter. Vår største forretningsenhet er vår annonseenhet, og vi fant opp et annonseringsformat kalt In-Image Advertising, der vi i dag jobber med rundt 70% av Fortune 100-merker og mange av de største utgiverne i verden. Det vi gjør er at vi kontekst plasserer markedsføringsmeldinger i tråd med innhold brukere bruker aktivt med. Vi identifiserer konteksten til bilder, i dette tilfellet, og faktisk justerer markedsføringsmeldinger til det.
Du har en rekke eksempler på dette på nettstedet ditt. Det er veldig kult. Jeg tror ikke de fleste vet at det skjer når de faktisk møter et nettsted og ser denne typen. De tror det kan ha blitt programmert på den måten, men du tar faktisk innholdet på bildet og leverer deretter en annonse som er basert på bildet, ikke nødvendigvis nettstedet eller artikkelen.
Riktig. Tanken er at brukere besøker nettsteder og bilder er vanligvis heltenheten på en gitt webside. Hvis du ser på noen øyesporingsstudier, vil du se at mesteparten av varmen er sentrert rundt bilder. Tanken er å lage en veldig naturlig plassering, men også vise den ordentlig. Det har en tendens til å være relativt slagkraftig, og det har veldig fine egenskaper ved at vi ikke er pålagt å fylle hver eneste inventarmulighet.
Det vi kan gjøre er å laste inn annonser når de er relevante for den brukeren i riktig sammenheng når som helst. Det har også den store effekten av å produsere en mye bedre brukeropplevelse fordi du ser annonsene våre mye sjeldnere, men når du gjør det, er de mer effektive. Det har også den ekstra fordelen ved å gi utgivere mulighet til, i mange tilfeller, å fjerne andre standardformater fra eiendommene sine og returnere eiendommer til de utgivernettstedene de kan bruke til innhold.
I studiene som jeg har sett, er det ikke slik at folk hater annonsene. De hater volumet.
Ja.
De hater volumet, de hater påtrengende, de hater pop-ups. Å se annonsen plager dem faktisk ikke, så lenge det ikke avbryter opplevelsen.
Jeg tror det er et veldig stort problem i bransjen i dag. Hvis du ser på de tradisjonelle IAB-annonseformatene, har du en rekke problemer. Det ene er at de trenger å laste inn 100% av tiden, så uansett hva, lastes det inn en annonse. Du har tydeligvis enorme synlighetsproblemer knyttet til det. Når nettsiden lastes inn, vil 100% av IAB-annonsene på den siden lastes inn, og du kan bare bla en tredjedel av veien ned. Annonsører betaler for inntrykkene, men de blir aldri sett. De skaper ingen verdi. Det tilsvarer effektivt, tror jeg sist vi beregnet det, 10 eller 12 milliarder dollar i året som bare ble brent, opp i røyk.
Det er et enormt problem. Vi laster inn formatene våre bare når det aktuelle innholdet kommer i syn på nettleseren. Det er nesten ingen bortkastede inntrykk overhodet. Jeg tror virkelig at fremtiden for annonsering, spesielt når du flytter til forskjellige enheter som nettbrett og telefoner, kommer til å bli en mye mer integrert og selektiv opplevelse. Tanken med reklame er å få en melding til en bruker som har fordelen av at folk tjener penger slik at de kan fortsette å levere, i mange tilfeller, gratis innhold. Perspektivet vårt er "La oss få annonsene sett. La oss gjøre det veldig respekt, men la oss vise det sjelden, " og vi tror at det til slutt er bedre for alle relevante interessenter.
La oss snakke litt om sportsdivisjonen du opererer i. Det er en veldig interessant måte å åpne opp inventar og gjøre noe med datasyn som bare ikke ville være praktisk hvis du gjør det for hånd eller av mennesker.
Vel, slik det er gjort de siste tiårene har vært for hånd og av mennesker. Det er en massivt feilutsatt tilnærming, fordi det som vanligvis skjer er at du tar, for eksempel, 10 minutter eller et eller annet segment av et flere timers spill. Du sender den til et sted, vanligvis utenlands. Du vil ha folk bokstavelig talt manuelt der de sponsorene vises og den relative kvaliteten på hver enkelt eksponering. Så ekstrapolerer de det i en svart boks til totalverdien.
Så det er noen som ser på båndet, identifiserer Coca-Cola-logoen på utmarkstegnet, og så sier hvor lang tid, hvor mange sekunder den var i sikte.
Ja, og kvaliteten på den videoen. Var er tilslørt? Var det uskarpt? Hvor stor var den? Ting som det. Det vi har gjort er at vi faktisk har tatt den samme metodikken, stort sett, men vi gjør det hele programmatisk ved hjelp av datahelter. Det er en veldig elegant implementering av denne teknologien, fordi vi kan se på ting omfattende. Vi ser på hvert eneste øyeblikk av hver video, hvert høydepunktvideo, hvert samfunnsbilde og identifiserer hvor alle disse eksponeringene vises, men også kvaliteten på eksponeringene. Så lar vi alle de relative interessentene, i dette tilfellet rettighetshavere og merkevarer, grave
Sponsing er en stor virksomhet. Det er mye penger brukt på disse tingene, og det er mye forhandlinger som må på for å komme til et passende gebyr. Dette tar mye gjetting ut av den innsatsen.
Jeg tenker på WB Mason-skiltet på Yankee Stadium. Det er der i utmarka, og hvis du går til spillet, ser du det, men det er noe som må kvantifiseres og har en viss verdi knyttet til det, og verktøyet ditt hjelper deg med å skape og finne ut den verdien.
Det gjør det. Vi hjelper til og med med rettighetshavere med å omplassere kameravinkler og gjøre ting av den art for å maksimere sponsoreksponeringen. Sosialt er et element som egentlig aldri ble sett på før GumGum, på en omfattende måte. Det viser seg at størstedelen av verdien som produseres på sosiale medier fra et sponsorperspektiv skjer på eide og drevne eiendommer.
Uten å bruke datamaskinvisjon, er det umulig å se på det sosiale universet og faktisk identifisere hvor alle disse eksponeringene er. Det har vært en enorm løft som vi har kunnet vise i den faktiske verdien som skapes, og i økende grad er det også slik folk kommuniserer sine opplevelser, slik at verdien i forhold til TV også stiger.
Det som styrker begge disse applikasjonene, er egentlig datamaskinvisjonen. Den har algoritmer som kan identifisere hva som er i et bilde, hva som er i et videobilde, og så gjenkjenne det, legge det i en boks og klassifisere det. Det er virkelig kjerneteknologien som du bygde selskapet rundt.
Ja.
Hvor går det? Du har disse to applikasjonene. Hva kommer så?
Som du nevnte i introduksjonen din, er vi et fullstabilt, vertikal AI-løsningsfirma, og hva det betyr er, til syvende og sist har vi denne veldig kraftige teknologien. Det er relativt nytt i forhold til å faktisk kunne bruke det på praktiske brukssaker i verden. Når vi ser på verden, ser vi en enorm mengde næringer som virkelig kan dra nytte av denne muligheten. På dette tidspunktet har veldig få faktisk hatt fordelen av å dra nytte av den muligheten.
Hvis du ser på hvordan alternativene i forhold til implementering av disse løsningene, har du skybaserte løsninger, har du ting som Watson og Google cloud vision, og Amazon og lignende. Problemet er at for å faktisk løse et reelt forretningsbehov, tror vi at du må ha både virksomhetens kompetanse internt, men også den tekniske kompetansen for å spesifikt bygge en løsning for det aktuelle problemet. Jeg har aldri sett et selskap eller egentlig et vellykket produkt bygges av å ta skybaserte AI-løsninger og integrere dem i et produkt.
Årsaken til det er at du ikke har muligheten til å finpusse disse tingene nesten så mye du kan. Det er virkelig mye kunstnerskap knyttet til å utvikle vellykkede AI-systemer, i det minste i dag, og det er mer en feil, ikke en funksjon. Til syvende og sist vil disse tingene bli mer kommodiserte, noe som er bra, og vi jobber også mot det; men også, det er bare veldig dyrt. De tingene vi gjør for brøkdeler av en krone, vil koste deg hvor som helst mellom 40 cent og en dollar, og 50 cent på CPM-basis fra disse skyselskapene. Det er bare ikke gjennomførbart å gjøre noe i skala ved å bruke disse løsningene.
Nå er det tilfeller der du kan utnytte bestemte typer AI, som naturlig språkbehandling og tekstanalyse, utenfor skyen; men det er virkelig begrenset til de områdene. Det er der vi ser at salget vårt spiller en stor rolle, og det er det vi har, ekspertisen fra et teknisk perspektiv, og vi er i stand til å integrere ekspertisen på forretningsnivå slik at vi kan bygge en full-stack løsning. Så langt har vi reklame innen sport, vi har en sosial inndeling, og vi ser på en rekke andre muligheter.
Betydningen av klagen jeg har hørt med IBM Watson, er at du får verktøyet, men før du faktisk kan gjøre noe med det, må du trene det og du må vite hva du trener for å gjøre. Da har ikke mange små bedrifter det ferdighetssettet. De må ansette en konsulent for deretter å trene AI. Hvordan ville du gjort det annerledes?
Vi bruker alle den samme arkitekturen. Hvis du bruker nevrale nett, er det stort sett det jeg tror Watson bruker i dag, og absolutt det vi bruker også. Det er et treningselement knyttet til det. Når du har jobbet i skala, blir det den samme utfordringen for den algoritmiske siden av ligningen.
Det å være i stand til å sette sammen merkede, betydelige, objektive datasett er et krav. Igjen, jeg vil kalle det en feil, ikke en funksjon. Det er noe vi har gjort i mange år, og vi kan gjøre det veldig bra. Til syvende og sist kommer kvaliteten på det nevrale nettverket til å være en funksjon av kvaliteten på dataene du kan mate dem, så det er ikke slik at vi er unntatt det. Det er bare det at jeg tror vi nå må skaffe og merke disse settene raskt og
Det virker som om en av fordelene med disse store, gigantiske tech-selskapene - Amazon, Google, Facebook - er at de har enorme datasett. De er virkelig uten sidestykke i datavitenskapens historie, og bare å ha tilgang til disse datasettene gir dem en fordel når vi går over i denne kunstige intelligensalderen.
Er det en bærekraftig fordel, eller tror du at upstarts og mindre selskaper kommer til å kunne konkurrere?
Det er en enorm fordel, så du har rett i den antagelsen. Se, data er konge, og så lenge disse tingene trenger å bli opplært med data, er enhetene med de mest relevante dataene uansett hva applikasjonen er i en fordelaktig posisjon. Det interessante er at vi er store bidragsytere til bevegelsen med åpen kildekode. Det samme er alle disse andre selskapene. Vi deler faktisk i den kunnskapen, men vi deler ikke så mye data. Det er åpne datasett som vi bidrar til. Vi har også mye proprietær data, og sikkert gjør de store gutta det også, men det er virkelig problemspesifikt.
Noe av det vi gjør, for eksempel - og dette er ikke en kjernevirksomhet, men vi gjør dette mer for samfunnet - er at vi samler den største samlingen av dental røntgenbilder i verden. Hvis vi ville bygge en virksomhet som for eksempel, er det ikke noe Google eller Amazon ville ha tilgang til. Det har de ingen grunn til. De har en viss type data. De har UGC-bilder, for eksempel UGC-video, mye stedsdata, mye virkelig verdifull innsikt i alle typer måter, men hvis du prøver å identifisere sprekker og rørledninger eller hvis du prøver å optimalisere avlings- dusting, det er en uendelig mengde applikasjoner her. Jeg vil si at de har en fordel på visse måter, og det varierer selskap til selskap.
Når du går tilbake til tannhelsedataene, hva skal du gjøre med den gigantiske databasen med tannbilde?
Det vi kunne tenke oss å gjøre er å være vertskap for en verdensomspennende konkurranse, lik ImageNet, en konkurranse som Stanford arrangerer årlig for å se hvilket selskap som mest nøyaktig og hensiktsmessig kan sortere etikettdatasett. Vi vil gjerne gjøre noe lignende.
Det er egentlig bare et klassifiseringsprosjekt mer enn et kommersielt produkt.
I dag, ja.
La oss snakke litt om noe av det som gjør at folk blir nervøse for AI - de føler at dette er en teknologi som vil bli distribuert av myndigheter. Det vil bli distribuert av store selskaper, men individuelle forbrukere vil virkelig bli utøvd av disse AI-ene i motsetning til å kunne dra nytte av dem selv. Tror du det er en rettferdig antagelse eller kommer det til å endre seg på et tidspunkt?
Jeg skal si ja og nei. Du kan hevde at enkeltpersoner blir handlet og er byttet for hvert forretningsprodukt der ute, til og med noe som Waze.
Jeg tror Bernie Sanders kommer med det argumentet hele tiden.
Men jeg tror at sluttforbrukeren også er den største mottakeren på slutten av dagen fordi i det minste selskaper prøver å utvikle produkter som tilfører verdi til folks liv og også til annen virksomhet. Jeg tror regjeringen har sin egen… Jeg vet ikke om jeg skal kalle det skumlest eller bare ikke et direkte verdiskapning, med mindre du vil se på det fra et sikkerhetsperspektiv, kanskje. Dette er vanskelig å gjøre. Det er ikke billig å oppnå. Med andre ord, til og med bare for å skaffe datasett tar det ressurser. Større enheter som er veldig opptatt av denne innsatsen, vil til slutt eie den.
Den andre tingen som kommer opp hele tiden er AI-er og agent for automatisering. Ved å bruke GumGums sportsdivisjon som eksempel, er det noe som gjøres nå gjennom programvare som tidligere ble gjort, om enn i utlandet, men av mennesker som ser på tape og klassifiserer ting. Hvordan ser du jobbtapet som kommer til å bli assosiert med disse typene
Det angår meg mye. Hos GumGum har jeg sett det skje. Vi utvikler automatiserte løsninger og som fortrenger folk som pleide å merke bilder eller video, og du kan hevde at det er prisen for automatisering. Jeg tror at folk ofte prøver å smerte et veldig rosenrødt bilde rundt det, og si: "All den nye teknologien genererer nye arbeidsplasser. Se på den industrielle revolusjonen." Jeg kjøper bare ikke det argumentet. Jeg tror at ikke all teknologi er skapt like og at ikke all teknologi som standard skaper nye arbeidsplasser. Jeg tror at det er en enorm mengde nye arbeidsplasser som er skapt i denne forstand.
For eksempel kan folk som kanskje har gjort merkingen nå merke og merke bilder for oss, og det kan være de samme menneskene, men til syvende og sist bekymrer det meg mye. Jeg tror det er noe som vi på lang sikt må ta opp som samfunn. Universell grunninntekt er noe som har blitt diskutert stadig mer utstrakt, på regjeringsnivå og andre steder. Jeg tror ikke det er en dårlig idé. Jeg tror det kan være en veldig god ide.
Jeg tror at det har andre implikasjoner for samfunnet og individuell lykke at vi bare ikke har svarene på ennå. Jeg synes det er et utfordrende problem, og jeg skulle ønske at vår nåværende administrasjon og også fremtidige administrasjoner vil betale litt mer oppmerksomhet for å prøve å finne opp og, hvor det er nødvendig, til og med subsidiere fremtidens verden i stedet for å prøve å få tilbake kulljobber, hvorav det er 70 000 i USA. Det gir ikke mye mening.
De kommer sannsynligvis ikke tilbake.
De skulle ikke være tilbake. Det er dårlig for miljøet. Det er ikke en høy livskvalitet for disse individene, og det er ikke en langsiktig bærekraftig løsning.
Greit. La oss få et spørsmål fra publikum: Hvor sannsynlig tror du en grunnleggende universell inntekt er?
Stort sett svaret jeg nettopp ga, er nok det beste svaret jeg kan gi på dette tidspunktet. Jeg tror ikke vi har dataene eller nok innsikt i hva implikasjonene av å gjøre noe sånt kan være. Jeg vet at det er noen regjeringer over hele verden som prøver å eksperimentere med disse tingene. Det vil være veldig interessant å vitne og lære av.
Jeg tror heller ikke at vi er på et sted der vi trenger å innføre noe som et universelt grunnleggende inntektssystem. Jeg tror dette er en
Jeg tror vi bare begynner å pakke hodet rundt konsekvensene av alle disse nye teknologiene fordi dette er relativt nye utviklinger. Det virker som om det skjer mye raskere enn den industrielle revolusjonen gjorde, og vi kommer til å trenge å internalisere hva konsekvensene av å ha AI-drevne biler og selvkjørende biler og lastebiler som er på veiene og alle disse forskjellige tingene. Når det kommer hjem til oss, tror jeg at vi kan ha en realistisk diskusjon om hvordan vi kompenserer.
En ting vi snakker om i mitt selskap er denne forestillingen om konstant og dramatisk endring, og jeg tror det er den ene grunnleggende sannheten i verden vi lever nå i. Hvis du ser på hva det betyr i teknisk forstand, betyr det at du har en rekke teknologier som vokser i evner på en eksponentiell kurve, og jeg snakker om alt fra pikseloppløsninger til harddiskkapasiteter til prosesseringshastigheter, og så har du også programvareutvikling, og du har alle disse teknologiene på forskjellige bøyningspunkter på disse kurvene; men alle sammen blåser opp, og det er det som faktisk gjør annonsen mulig i dag, effektivt GPU-er og behandlingshastighet. Disse algoritmene går tilbake til 50- og 60-tallet. Det første nevrale nettverket ble utviklet, tror jeg, på 50-tallet. Den hadde som 40 nevroner.
Det som er utrolig med eksponentiell vekst, er denne forestillingen om at for eksempel hvis du skal ta 30 lineære skritt på en meter per trinn, vil du ha krysset 30 meter etter 30 trinn. Vi ville gått over dette rommet, men hvis du tar 30 eksponentielle skritt, som i dette tilfellet bare er en enkel dobling. En, to, fire, åtte, så etter 30 trinn, vil du ha krysset jordens omkrets 26 ganger - så omtrent en milliard meter. Det som er spesielt interessant med det, er at mesteparten av at veksten skjer i løpet av de siste trinnene - så på trinn 29 er du på 500 millioner meter.
Det er det som er så bedragende med eksponentiell vekst. I lang tid ser det ut som lineær vekst, og faktisk kan det henge etter lineære vekstkurver som har større vekst i hver lineære periode - men det ender opp med å bli noe dramatisk annerledes. Og det gjør fremtiden utrolig spennende og på mange måter, mystisk og utrolig vanskelig å forutsi. Hos GumGum prøver vi å se på den langsiktige tidshorisonten - ting som AR og VR og wearables og IoT, og sånt - men vi prøver også å planlegge virksomheten vår i to år trinn fordi vi mener det er ganske så så langt du kan se, og også så langt du kan bestemme og bygge en
Jeg tror at dette er utfordringen som er å spise verden i dag. Visstnok erfarne selskaper opplever dette, og det er liksom den dominerende styrken. Det er ikke den samme situasjonen som det var århundrer før da du kunne utvikle en forretningsmodell og den kunne fungere. Den endringssyklusen var mye lenger, slik at du kunne høste gevinsten på lengre sikt. Nå må du stadig innovere og øke din forståelse av verden, og prøve å forstå de forskjellige paradigmeskiftene som er relevante for bedriften din, og bygge mot dem.
Å være fleksibel og å kunne svare er sannsynligvis mer nyttig enn å ha rett i det som kommer til å skje fem år fra
Det er også grunnen til at du ser slike maniacale investeringer i alle disse fremtidige teknologiene fordi selskaper ikke er stumme. Vi snakker store selskaper. De vet at de lever av arv virksomheter. De vet at ting endrer seg veldig dramatisk, og de vet at de trenger å gjøre en stor innsats. Vi ser veldig store, veldig dristige selskapsspill fordi det er det eneste valget de har, og det er også grunnen til at oppstart, tror jeg, kommer til å fortsette å være enormt verdifullt og additivt og vellykket, for til slutt, når du er i en periode med stase, det er vanskelig, enten du investerer eller om du vokser et selskap, det er vanskelig å skape ny verdi, men når alt forandrer seg hele tiden, så er det mye mulighet for verdiskaping.
Jeg synes du gjør et så godt poeng når du snakker om eksponentiell tenking og hvor vanskelig det er å vikle hodet rundt formen på disse kurvene. Jeg stjeler fra en av de tidligere samtalene dine der du sa innen 2023, 1 000 dollar vil skaffe deg en enhet som har datakraften til en menneskelig hjerne. Det vil kopiere så mye prosessorkraft. I 2043, som de fleste av oss fremdeles er i live da, vil du ha behandlingsstyrken for $ 1.000 dollar. Det er større enn alle hjerner på planeten.
Kombinert, ja.
Hva gjør det?
Det er et veldig interessant poeng. Bare for å være rettferdig stjal jeg det fra Ray Kurzweil. Han gjorde den analysen.
Vi står alle på skuldrene til giganter.
Jeg vil ikke ta æren for det, men det er et veldig lærerikt poeng. Igjen, jeg tror ikke at vi - som samfunn, som art - er spesielt flinke til å tenke eksponentielt. Hjernen vår er konstruert for å tenke lineært. Det gir til slutt mer overlevelsespotensial, og det ga ikke mange fordeler i den afrikanske busken for tusenvis av år siden, ikke sant?
Konsekvensene av det er enorme fordi mange ting kan være tvingende tvinge. Du har kvalitet på algoritmer og teknologi, og det kan alltid bli mer elegant - men hvis du har nok prosessorkraft, så kan du gjøre mange ting som aldri var mulig bare ved å kaste mer datakraft på det. På noen måter kan du hevde at nevrale nettverk - jeg er sikker på at vi kommer til å se tilbake på teknologien og føle at den var ganske uelegant - og hvis du ser på mengden prosessorkraft det tar i forhold til den menneskelige hjernen, og dette er det dårlige bildet av hva den menneskelige hjernen faktisk gjør, hjernen bruker en liten mengde strøm som disse maskinene gjør for å gjøre disse beregningene.
Jeg tror det bare er et bevis på at fremtiden virkelig er vanskelig å forutsi. Det kommer til å endre seg mer dramatisk enn noen er klar over, og da hører det også til poenget med kvaliteten på programvaren, fordi hvis vi klarer å utvikle programvare av høy kvalitet, så er det klart at datakraftspørsmålet nå vil være en begrensende faktor. Hvis du vil snakke om generell AI eller super intelligens, vil den begrensende faktoren være vår evne til å utvikle riktig programvare fordi det åpenbart er hvis du kan kjøpe en brikke som har den tilsvarende datakraften til hele den menneskelige befolkning for 1000 dollar da er det sannsynligvis mer krefter enn du trenger, kanskje med syv milliarder ganger.
Det er en rekke bransjer vi vet vil bli transformert. Vi kan fortelle at vi kommer til å ha selvkjørende biler. Kanskje ikke om fem år, kanskje ikke om ti år, men absolutt innen 20. Folk antar ganske mye at det kommer til å skje. Er det en bransje som du tror vil bli transformert av kunstig intelligens som vi ikke har tenkt på ennå, eller som er veldig uforberedt på den transformasjonen?
Se, dette er et veldig kraftig verktøy i et hav av andre kraftige verktøy, teknologi, programvare, maskinvare. Jeg kan ikke tenke på en bransje som ikke kan dra nytte av integrasjonen av AI-evner. Du kan behandle data, behandle video bare bedre, og alle bransjer kan dra nytte av det. Derfor ser jeg så mye kraft i å kunne bygge vertikal stabel AI
Jeg vil stille deg spørsmålene jeg stiller alle som kommer på showet. Hvilken teknologisk trend angår deg mest? Er det noe som holder deg oppe om natten?
Våpnet kjernekraft eller kjernefysiske stridshoder.
En oldie men en goodie.
Det er bare kommet tilbake på moten.
Åpenbart litt om. Er det en teknologi eller verktøy du bruker hver dag som inspirerer til undring, på baksiden?
Jeg har gått veldig inn i trebearbeiding og stort sett tradisjonell trebearbeiding de siste åtte månedene. Så, mange håndfly og blokkerer fly, og snakking. Ærlig talt, jeg synes det er veldig inspirerende. De er bare vakre verktøy som for meg snakker veldig til menneskelig oppfinnsomhet. Og det er hyggelig å ha å gjøre med veldig enkle, men veldig kraftige, og effektive verktøy som mennesker oppfant.
Det er sannsynligvis en stor automatisert maskin drevet av en AI som også kan gjøre samme type trebearbeidingsbehandlinger.
Det er et nivå av kunstnerskap og tilfredsstillelse som jeg tror det er en del av det som utgjør den menneskelige opplevelsen. Jeg har faktisk veldig mye verktøy også. Du får alltid en bedre finish og et bedre produkt til slutt med håndverktøyene, men til syvende og sist er det en av utfordringene. Hvis vi faktisk ikke er den mest intelligente arten på planeten, har det virkelig dyptgripende implikasjoner.
For det første kan vi se på hvordan vi behandler mindre slags
Jeg tror ikke at det er rundt hjørnet. Jeg tror at vi er mange gjennombrudd borte fra noe som helst som representerer eller til og med begynner å se ut som den bevisste intelligens, men enten det er om 40 år eller 400 år, så er det en relativ, liten form for blip i omfanget av menneskets historie. Det er verdt å snakke om implikasjonene av hva disse tingene er. Ingen snakker om å stoppe utviklingen av disse teknologiene. Vi er tydeligvis veldig nysgjerrige av natur, og det er bare ikke et alternativ. Jeg tror ikke det burde være et alternativ heller, men med all sannsynlighet kommer vi dit før vi har utviklet de rette protokollene for å kjempe mot hvordan disse realitetene ser ut.
Det går tilbake til endringens eksponentielle natur. Vi kommer til å oppnå visse evner raskere enn vi er forberedt på, og jeg tror ikke regjeringen eller byråkratiet eller til og med bedrifter i dag er utstyrt for å kunne styre endring i den slags tempo. Nivået på endring som kommer til å være nødvendig for å faktisk være i orden, vil skape en viss forvirring.
I mellomtiden jobber du i din woodshop.
Du forteller meg. Plan B.
Hva slags ting lager du, kan jeg spørre?
Avføring og skåler og skjeer og sånt. Det er veldig enkelt akkurat nå. Jeg er en nybegynner som leter etter en mentor. Det er veldig gledelig å leve i dette digitale rommet med biter og bytes som jeg alltid har vært glad i, jeg har vært programmerer fra ung alder og var alltid veldig trukket av det, og jeg elsker det like mye som alltid; men det er bare antitesen om at det er veldig fysisk og manuelt, og du har mest med tre å gjøre, noe som er en fin sammenstilling.
Veldig organisk. Det er morsomt hvor mange teknologer som har kommet på showet med gode programmeringsevner og gode koteletter, og likevel er det de tar glede av å være de virkelige tingene der de faktisk jobber med hendene.
Yeah. Det å komme tilbake til den slags side av ting er gledelig.
Hvis en mentor ser på akkurat nå, og de ønsker å komme i kontakt med deg, eller de bare vil følge det du og GumGum gjør, hvordan kan de komme i kontakt med deg på nettet?
Du kan finne meg på Twitter @ophirtanz, LinkedIn på Ophir Tanz, på vår hjemmeside, Gumgum.com. Alle typer måter.
Utmerket. Ophir, tusen takk for at du kom til laboratoriet.
Takk for at du har hatt meg.
Jeg setter pris på det.
Det var flott.
Det er raskt fremover i dag. Jeg vil takke deg for at du ble med oss. Hvis du vil se tilbake episoder av dette showet, kan du finne dem på PCMag.com. Hvis du vil høre podcasten på iTunes, kan du finne den på Apple Podcast, du kan finne den på Android Play. Du kan finne det hvor som helst at fine podcaster gis bort fra gratis. Tusen takk for at du ble med oss i dag, så ser jeg deg fremover.
