Runa par zināšanām

—

Ar šo runu Aravinds Srinivass (Aravind Srinivas) uzstājās 2026. gada 3. oktobrī Kembridžas Savienībā (Cambridge Union Society). Kembridžas Savienība ir Kembridžas Universitātes lielākā studentu biedrība un pasaulē vecākā debašu biedrība, kas darbojas nepārtraukti.

—

Sveiki un paldies. Man ir liels gods būt šeit.

Viena no lietām, ko negaidīju, dibinot uzņēmumu, ir tas, cik daudz laika man sanāk pavadīt universitātēs. Man tas patīk. No visām auditorijām, kuru priekšā runāju kā izpilddirektors, tikai universitātēs klausītāji mēdz man iebilst. Tāpēc diskusijai atvēlēsim vairāk laika, nekā plānoju runāt.

Sāksim.

Parasti, kad mani aicina kaut kur uzstāties, man lūdz nolasīt prognozējošu runu ar kādu vispārīgu nosaukumu, piemēram, „MI nākotne.” Es nerunāšu par MI nākotni. Tā vietā es runāšu par jūsu nākotni. Jūsu nākotne man šķiet interesantāka, un, visticamāk, arī jums tā šķiet interesantāka.

Vispirms mazliet par pagātni. Kembridža ir ideāla vieta, kur runāt par pagātni un vienlaikus arī par jūsu nākotni, jo šeit ir gan viena, gan otra.

Kā vēsta stāsts, to, ko mēs tagad saucam par zinātniskās recenzēšanas sistēmu, izgudroja šeit, Kembridžā. Precīzāk sakot, tas bija tikai viens Kembridžas profesors, un viņš to ierosināja Londonas Karaliskajā biedrībā, nevis šeit, universitātē. Tas bija 1831. gadā. Mūsdienās zinātniskās recenzēšanas sistēmā katru gadu tiek publicēti vairāk nekā 3,5 miljoni zinātnisko rakstu.

Aptuveni 160 gadus vēlāk divi Stenfordas doktoranti strādāja ar tīklu struktūrām un datizraci. Tas bija laikā, kad tikko sākās 20. gadsimta 90. gadu interneta uzplaukums. Visi runāja tikai par globālo tīmekli (World Wide Web). Līdzīgi kā šodien par „MI”.

Tāpat kā šodien, lielākā daļa no tiem, kas runāja par šo uzplaukumu, bija investori un mediji. „Tehnoloģiju kopiena” toreiz bija telekomunikāciju nozare. Diskusijā nebija daudz akadēmiķu. (Daži bija, bet ne daudz.) Un šie divi doktoranti nebūt nebija interneta uzplaukuma iekšējā loka cilvēki.

Taču viņi zināja kādu lietu, par kuru cilvēki ārpus universitāšu sistēmas īsti neinteresējās.

Tāpat kā lielākā daļa akadēmiķu, viņi saprata universitātes mērķi. Universitātes mērķis ir attīstīt zināšanas.

Tāpēc mēs izmantojam zinātnisko recenzēšanu. Tāpēc arī akadēmiskajos darbos ir tik daudz atsauču. Un šie divi studenti zināja, ka zināšanu apjoms pasaulē (ko aptuveni var novērtēt pēc recenzētu zinātnisko rakstu skaita) tikai pieaug. Tāpēc viņiem bija viegli saprast, ka arī tīmeklis tikai augs līdz ar cilvēces zināšanām.

Viņiem bija arī pieredze ar kādu senu problēmu, kas tīmeklim bija „jauna”: kā atrast pareizās jeb labākās zināšanas, ja to apjoms nepārtraukti pieaug. Vecajā modelī akadēmiķi spriež, vai kāda pētījums ir noderīgs vai uzticams, pēc tā, cik reižu tas ir citēts.

Tāpēc viņiem radās ideja izveidot algoritmu, kas novērtē katru vietni internetā pēc tā, cik daudz citu vietņu to citē jeb uz to norāda ar saitēm, saistībā ar šo vietņu saturu.

Viņi nosauca šo sistēmu par „Page Rank”, jo viņi ranžēja katru tīmekļa lapu un jo vienu no šiem doktorantiem sauca Lerijs Peidžs (Larry Page).

Lerijs un viņa partneris (Sergejs Brins) paņēma šo vienu nelielo akadēmisko principu un padarīja to pieejamu plašai sabiedrībai. Google kļuva par vienu no noderīgākajiem rīkiem vēsturē un vienu no veiksmīgākajiem uzņēmumiem, jo Lerijs Peidžs vienkārši pielāgoja to, ko universitātes jau bija darījušas simts gadus.

Kā jau teicu, universitātes mērķis ir attīstīt zināšanas. Šajā runā es jums pastāstīšu trīs lietas par zināšanām. Ceru, ka, pārdomājot arī mūsu pašu intelektu, mēs nonāksim pie labākas praktiskas izpratnes par mākslīgo intelektu.

1.

Pirmkārt, zināšanām ir dzīve. Tās piedzimst, noveco un mirst.

Tām ir dzīves cikls. Un, tā kā tām ir dzīves cikls, zināšanas piedzīvo evolūciju.

Mūsu zināšanām attīstoties, mēs visi kļūstam gudrāki. To sauc par Flinna efektu. Flinna efekts ir novērojums, ka cilvēce ik desmitgadi kļūst gudrāka aptuveni par 3 IQ punktiem.

IQ testi tiek pastāvīgi pārnormēti, lai vidējais rādītājs paliktu 100, tāpēc Flinna efektu ir viegli iztēloties procentiļu izteiksmē. 1950. gadā cilvēks, kura intelekts atbilda 92. procentilei, šodien būtu tikai 50. procentilē. Mēs visi kļuvām gudrāki.

1950. gadā tika izgudrots arī Tjūringa tests. Tas bija pirmais tests, ar kuru noteikt, vai un kad mašīna ir gudrāka par cilvēkiem. Tas nozīmē, ka 1950. gadā mašīnai bija daudz vieglāk izturēt Tjūringa testu. Jo „cilvēka” intelekta latiņa bija zemāka.

Un tāds ir evolūcijas spēks. Zināšanas vienmēr rada vēl vairāk zināšanu.

Negatīvā puse ir tā, ka pasaule var kļūt gudrāka, bet jūs kā indivīds varat kļūt muļķīgāks. Zināšanas sabrūk. Iedomājieties to kā pussabrukšanas periodu. Radioaktīva elementa pussabrukšanas periods ir laiks, kurā sabrūk puse no tā. Zināšanu pussabrukšanas periods ir laiks, kurā puse no tām kļūst novecojušas.

Lūk, daži piemēri tepat no Kembridžas.

1978. gadā sers Rojs Kalns (Roy Calne) palīdzēja ieviest ciklosporīnu transplantoloģijā. Tas bija svarīgi, lai novērstu orgānu atgrūšanu. Pirmie klīniskie pētījumi notika Kembridžā. Līdz 2001. gadam cits medikaments, takrolims, bija kļuvis par galveno savas klases līdzekli nieru transplantācijā Amerikā. Tātad var teikt, ka medicīnisko zināšanu par ārstēšanu ar ciklosporīnu pussabrukšanas periods bija 23 gadi.

Tas nav ideāls mērījums, taču tas ir noderīgs modelis, lai vērtētu inženierus strauji mainīgās jomās. Tehnoloģiju nozarē mēs tā darām. Būtībā jautājums ir šāds: „kurā šī inženiera karjeras brīdī puse no tā, ko viņš zina, ir pilnībā novecojusi?”

Kurā jūsu karjeras brīdī tas notiks ar jums? Atbilde ir atkarīga no tā, cik daudz laika jūs veltāt jaunu lietu apguvei.

Diemžēl retos gadījumos zināšanas arī mirst. Ir valodas, kurās vairs nerunā neviens. Ir gudrība, kas aiziet līdz ar kādu sirmgalvi.

Tieši tāpēc cilvēki vairāk nekā 4000 gadu ir būvējuši bibliotēkas. Un, kad parādījās tīmeklis, mēs tajā ievietojām bezgala daudz vairāk no tā, ko zinām. Tātad zināšanas mirst, taču tām tā nav jānotiek. Iespējams, kādas iedzimtas cilvēka dabas iezīmes dēļ cilvēki ir jutuši nepieciešamību saglabāt zināšanas. Mēs tās nepārtraukti saglabājam un vairojam pasaules kopējās zināšanas. Tā ir laba lieta.

Jāpiebilst: zināšanas ir kā dzīva būtne, taču tās nav dzīvas. Dzīvi esat tikai jūs. Es vienkārši domāju, ka jūs esat dzīvāki, kad mācāties kaut ko jaunu.

Starp citu, tieši tāpēc pastāv Perplexity. Taču es šeit neesmu, lai runātu par Perplexity. Es esmu šeit, lai runātu par jums un zināšanu ekonomiku. Kas mani noved pie otrās tēzes.

2.

Otrkārt, zināšanas nav nauda. Taču tās uzvedas kā nauda.

Naudai ir laika vērtība. Procenti liek tai augt, bet inflācija – sarukt. Pietiekami ilgā laikā gan procenti, gan inflācija pieaug salikti.

Kad simt tūkstošu mārciņu pirktspēja būs tāda pati kā četrdesmit tūkstošiem (visticamāk, pēc aptuveni 23 gadiem), jums būs vajadzīgas 250 000 £, lai paliktu pa nullēm. Vēl pēc 23 gadiem jums būtu vajadzīgas 625 000 £.

Kad kaut kas aug salikti, ieguvumi vai zaudējumi laika gaitā pieaug eksponenciāli.

Tāpēc pats elementārākais finanšu princips ir tāds, ka jums vienmēr jāuzkrāj saliktie procenti ar likmi, kas pārsniedz inflāciju. Jo, ja jūs neaugat, jūs sarūkat. Ar zināšanām ir tāpat.

Tāpat kā mārciņas vērtība, arī to zināšanu vērtība, kas jums ir šodien, laika gaitā samazināsies. Un tāpat kā parasta vērtības samazināšanās, tā notiks katru dienu tikai nedaudz. Tik nedaudz, ka jūs to gandrīz nepamanīsiet. Līdz kādu dienu pamodīsieties un jums nebūs nekā. Jūsu zināšanām vairs nebūs tādas pašas tirgus vērtības. Tas ir neizbēgami. Atcerieties, ka Pitagora teorēmu kādreiz drīkstēja zināt tikai elite. Taču ikviens šeit to apguva septītajā klasē.

Mēs visi kļūstam gudrāki – uz visiem laikiem. Kā jau minēju, tieši tas ir universitātes mērķis. Ja paveiksies, kādu dienu tālā nākotnē tas, ko jūs studējāt šeit, Kembridžā, varbūt būs septītās klases mācību programma.

Ja tā notiek, tā ir laba lieta. Tas nozīmē progresu. Taču tas arī nozīmē, ka jūsu ekonomisko mērķu dēļ jūs nedrīkstat nekad beigt mācīties. Jums jāmācās ar procentu likmi, kas ir augstāka par zināšanu inflācijas līmeni.

Citiem vārdiem sakot, jums savas zināšanas jādivkāršo ātrāk, nekā paiet jūsu personīgais zināšanu pussabrukšanas periods. Tas prasa laiku. Taču, raugoties uz pasauli caur saliktās izaugsmes prizmu, uz to jāraugās ar tālu nākotnes perspektīvu.

Tāpēc labākais triks, kā vairot bagātību ar saliktajiem procentiem, ir sākt jaunam, bet otrs labākais veids ir nomirt vecam. Vorens Bafets sāka investēt 11 gadu vecumā, taču 99 % viņa bagātības uzkrājās pēc 65 gadu vecuma.

Kas norāda uz pēdējo līdzību starp zināšanām un naudu. Tās ir jātērē.

Kad jums ir kapitāls, jūs to ieguldāt, lai tas strādātu. Kad jums ir zināšanas, it īpaši izcilas zināšanas, jums tās jāliek lietā. Dariet ar tām kaut ko. Tā ir atšķirība starp izgudrojumu un inovāciju. Izgudrojums jautā: „vai tu kaut ko radīji?” Inovācija jautā: „Vai tas kaut ko mainīja?”

Un, ja vēlaties kaut ko mainīt, jums jārīkojas, balstoties uz zināšanām. Tikai rīcība rosina jaunus jautājumus, izzināšanu un jaunas zināšanas. Jums vienmēr jāmācās un vienmēr jādara.

Tieši šeit spēlē ienāk mākslīgais intelekts, un tas mani noved pie trešās un pēdējās tēzes.

3.

MI mērķis ir paātrināt cilvēces zināšanu un labklājības pieaugumu.

Padomājiet par šīm pirmajām divām lietām, ko šovakar teicu. Es teicu, ka zināšanām piemīt dzīvai būtnei līdzīgs raksturs un mums tās jālolo un jāattīsta, jo kopumā tas nāk par labu cilvēkiem. Pēc tam es teicu, ka zināšanām ir ekonomisks raksturs. Ka mums tās jākopj, jo, vispārīgi runājot, tas nāk par labu visiem cilvēkiem.

Ja jūs ticat šīm divām lietām, tad arī par MI jums jādomā mazliet citādi.

Tā vietā, lai būtu apsēsti ar vispārīgā mākslīgā intelekta (AGI) sasniegšanu vai ar vēlmi padarīt tehnoloģijas gudras pašu tehnoloģiju dēļ, jūs secinātu, ka labāku un precīzāku MI ir vērts veidot, lai kalpotu cilvēkiem.

Jūs secinātu, ka MI augstākais un svarīgākais mērķis ir padarīt cilvēkus gudrākus un pārtikušākus.

Ja tas ļoti atgādina universitātes mērķi, nu, lūk, mēs esam šeit.

Padomājiet vēlreiz par zinātnisko recenzēšanu. Tā tika izgudrota 1831. gadā. Šogad Perplexity laida klajā ļoti vienkāršu produktu Model Council, kura pamatā ir ideja, ko izvirzīja viens no OpenAI pirmajiem pētniekiem. Jūs uzdodat vienu un to pašu jautājumu trim MI modeļiem. Katrs no tiem veic izpēti un atbild, un tad „priekšsēdētāja” modelis izvērtē, kur tie atšķiras un kur sakrīt, un spriežot nonāk pie galīgās atbildes.

Model Council neaizstāj zinātnisko recenzēšanu. Tā mērķis ir nest akadēmiskās izziņas garu vairāk cilvēkiem. Mēs varam paplašināt universitātes ētosu ārpus šīm sienām un visā pasaulē.

Mēs varētu palīdzēt vairāk cilvēkiem, lai viņiem patiešām būtu taisnība, nevis tikai šķistu vai izklausītos, ka viņiem ir taisnība. Zinātniski meklēt patiesību un zināšanas. Visuma loks tiecas uz to, lai ikvienam būtu plašāka piekļuve vairāk zināšanām. Cilvēkiem ir labi, ja viņiem ir zināšanas. Un ieguvēji ir tieši cilvēki.

Noslēgumā – īss stāsts par manu uzņēmumu.

Kad mēs sākām, mēs bijām tikai trīs MI pētnieki, kuriem bija vairāk jautājumu nekā vīzijas. Tad, kad pievienojās ceturtais cilvēks, mēs nolēmām, ka ir laiks iegādāties veselības apdrošināšanu. Veselības apdrošināšana Amerikā ir sarežģīta pat amerikāņiem. Es neesmu no Amerikas, tāpēc man tas bija vēl mulsinošāk.

Google rezultāti nepalīdzēja. Un parasti šādā gadījumā dibinātājs piezvana kādam, kurš to jau ir darījis. Piemēram, investoram vai citam dibinātājam. Taču bija vēls vakars. Es gribēju to nokārtot, tāpēc man pašam bija jāatrod vajadzīgās zināšanas.

Problēma ir tā, ka, veicot izpēti pašam, nākas ar Google pāršķirstīt SEO optimizētas apdrošināšanas vietnes, kas visas sniedz sliktus padomus un sacenšas, kura izskatīsies visuzticamākā.

Tieši tad es izveidoju pirmo Perplexity versiju.

Tā veica izpēti manā vietā. Un es liku tai atbildēs norādīt avotus. Lai es varētu tos pārbaudīt un turpināt uzdot jautājumus. Un tad es nokārtoju mūsu veselības aprūpi. Problēma bija atrisināta. Tālāk – pie nākamās problēmas. Un nākamās, un vēl nākamās. Un, lūk, kur mēs esam šodien.

Tā stāsta morāle ir tāda, ka jums vairs nav „jāpazīst īstais cilvēks”. Jūs varat vienkārši iemācīties un izdarīt. Es jums jau teicu, ka MI solījums ir tāds, ka jūs varat piekļūt jebkādām zināšanām. Šī stāsta morāle ir tāda, ka jebkurš cilvēks var piekļūt jebkādām zināšanām.

Tas ir MI galvenais solījums. Ikviens tagad var būt zinātkārs. Ikviens var uzbūvēt jebko. Ikviens tagad var ieiet zināšanu templī. Tas nāk par labu visiem.

Un tā ir laba ziņa jums. Tas nozīmē, ka vissvarīgākais, ko varat darīt visu atlikušo dzīvi, ir būt zinātkāriem. Visveiksmīgākie no jums būs tie, kuriem būs visvairāk jautājumu. Un vislabākie jautājumi.

Tāpēc mans padoms jums ir šāds: kļūstiet tik zinātkāri, cik vien varat. Neapmierinieties ar sociālo tīklu ritināšanu telefonā. Neapmierinieties ar MI aģentu, kas tikai rezervē galdiņu vakariņām, – paveiciet ar to kādu īstu darbu. Un nekad neticiet tērzētājrobotam, kas jums saka, ka jums jau ir taisnība.

Ticiet izzināšanas garam. Ticiet tam, ko varat iemācīties ar MI. Ticiet tam, ko radīsiet, kad to darīsiet. Un mūsu visu labā – radiet ko labu.

Paldies.