Gumgum's opir tanz på dåliga annonser och bra ai

På veckans utställning satte jag mig ned med Ophir Tanz, VD och grundare av GumGum, ett företag som började som ett datorvisionsföretag och snabbt blir ett fullstabilt vertikalt AI-lösningsföretag. Vi talade om den nuvarande uppsvingen av artificiell intelligens och dess potential att förändra alla företag den berör. GumGum erbjuder för närvarande en mängd AI-driven lösningar inom reklam och det är precis igång.

Du är i stan för Advertising Week. Du har ett antal AI-baserade reklamapplikationer. Låt oss börja där. Hur använder du AI idag i reklamutrymmet?

GumGum är i grunden ett datorvisionsföretag. Vi uttrycker den tekniken på olika sätt. Vår största affärsenhet är vår annonseringsenhet, och vi uppfann ett reklamformat som heter In-Image Advertising, där vi för närvarande arbetar med cirka 70% av Fortune 100-varumärkena och många av de största förläggarna i världen. Det vi gör är att vi kontextuellt placerar marknadsföringsmeddelanden i linje med innehåll som användare aktivt engagerar sig i. Vi identifierar sammanhanget för bilder i det här fallet och faktiskt anpassar marknadsföringsmeddelanden till det.

Du har ett antal exempel på detta på din webbplats. Det är riktigt coolt. Jag tror inte att de flesta vet att det händer när de faktiskt stöter på en webbplats och de ser den här typen av. De tror att det kan ha programmerats på det sättet, men du tar faktiskt innehållet på fotot och levererar sedan en annons som är baserad på fotot, inte nödvändigtvis webbplatsen eller ens artikeln.

Korrekt. Tanken är att användare besöker webbplatser och foton är vanligtvis hjälteenheten på en given webbsida. Om du tittar på någon ögonspårande studie ser du att det mesta av värmen är centrerad kring foton. Tanken är att skapa en mycket inhemsk placering, men också visa den ordentligt. Det tenderar att vara relativt påverkande, och det har riktigt fina egenskaper i och med att vi inte är skyldiga att fylla varje enskilt lagermöjlighet.

Vad vi kan göra är att ladda upp annonser när de är relevanta för den användaren i rätt sammanhang när som helst. Det har också den stora effekten av att producera en mycket bättre användarupplevelse eftersom du ser våra annonser mycket sällan, men när du gör det är de mer påverkande. Det har också den ytterligare fördelen att ge utgivare, i många fall, att ta bort andra standardformat från sina fastigheter och returnera fastigheter till de utgivarsidorna som kan användas för innehåll.

I studierna som jag har sett är det inte så att folk hatar annonserna. De hatar volymen.

Ja.

De hatar volymen, de hatar påträngande, de hatar pop-ups. Att se annonsen stör inte dem, så länge det inte avbryter upplevelsen.

Jag tror att det är ett riktigt stort problem i branschen idag. Om du tittar på dina traditionella IAB-annonsformat har du ett antal problem. Den ena är att de måste ladda 100% av tiden, så oavsett vad, en annons laddas. Du har uppenbarligen enorma synbarhetsproblem i samband med det. När webbsidan laddas laddas 100% av IAB-annonserna på den sidan och du kanske bara rullar en tredjedel av vägen ner. Annonsörer betalar för dessa intryck, men de får aldrig se. De skapar inget värde. Det är faktiskt motsvarande, tror jag att förra gången vi beräknade det, 10 eller 12 miljarder dollar per år bara förbränns, går upp i rök.

Det är ett enormt problem. Vi laddar bara våra format när det relevanta innehållet syns i webbläsaren. Det finns nästan inga slösade intryck alls. Jag tror verkligen att framtiden för reklam, särskilt när du flyttar till olika enheter som surfplattor och telefoner, kommer att bli en mycket mer integrerad och selektiv upplevelse. Tanken med reklam är att få ett meddelande till en användare som har fördelen att folk tjänar pengar så att de i många fall kan fortsätta att leverera gratis innehåll. Vårt perspektiv är "Låt oss se annonserna. Låt oss göra det mycket respektfullt, men låt oss visa det sällan", och vi tror att det i slutändan är bättre för alla berörda intressenter.

Låt oss prata lite om idrottsavdelningen som du driver i. Det är ett riktigt intressant sätt att öppna inventering och göra något med datorsyn som bara inte skulle vara praktiskt om du gör det för hand eller av människor.

Tja, hur det har gjorts under de senaste decennierna har varit för hand och av människor. Det är ett massivt felbenäget tillvägagångssätt eftersom det som normalt händer är att du tar, säger, 10 minuter eller någon del av ett fler timmarsspel. Du skickar det till en plats, vanligtvis utomlands. Du kommer att ha folk bokstavligen manuellt tagg där dessa sponsorer visas och den relativa kvaliteten på varje exponering. Sedan extrapolerar de det i en svart ruta till det totala värdet.

Så det är någon som tittar på bandet, identifierar Coca-Cola-logotypen på fältskylten och sedan säger hur länge, hur många sekunder det var i sikte.

Ja, och kvaliteten på den videon. Var är dumt? Var det suddigt? Hur stor var den? Saker sånt. Vad vi har gjort är att vi faktiskt har tagit samma metod, till stor del, men vi gör allt programmatiskt med hjälp av datorsyn. Det är en riktigt elegant implementering av den tekniken, eftersom vi kan titta på saker helt och hållet. Vi tittar på varje enskilt ögonblick i varje video, varje höjdpunktsvideo, varje social bild och identifierar var alla dessa exponeringar visas, men också kvaliteten på dessa exponeringar. Sedan gör vi det möjligt för alla relativa intressenter, i detta fall rättighetsinnehavare och varumärken, att gräva in i när som helst så att det inte finns någon tvist om vad den faktiska kvalitetsmätningen är.

Sponsring är ett stort företag. Det finns mycket pengar som spenderas på dessa saker, och det finns mycket förhandlingar som måste pågå för att komma fram till lämplig avgift. Detta tar mycket av gissningen ur den ansträngningen.

Jag tänker på WB Mason-skylt på Yankee Stadium. Det är där i utmarken och om du går till spelet ser du det, men det är något som måste kvantifieras och har ett visst värde kopplat till det, och ditt verktyg hjälper till att skapa och räkna ut det värdet.

Det gör det. Vi hjälper till och med rättighetsinnehavare att faktiskt flytta kameravinklar och göra saker av den typen för att maximera sponsringsexponeringen. Socialt är ett element som aldrig sågs verkligen innan GumGum på ett omfattande sätt. Det visar sig att huvuddelen av värdet som produceras på sociala medier ur ett sponsringsperspektiv sker på ägda och drivna fastigheter.

Utan att använda datorsyn är det omöjligt att titta på det sociala universum och faktiskt identifiera var alla dessa exponeringar är. Det har skett en enorm höjning som vi har kunnat visa i det verkliga värdet som skapas, och allt mer, det är också hur folk kommunicerar sina upplevelser, så att värdet i förhållande till tv också ökar.

Det som driver båda dessa applikationer är verkligen datorsynen. Den har algoritmer som kan identifiera vad som finns i en bild, vad som finns i en videobild och sedan känna igen den, lägga den i en ruta och klassificera den. Det är verkligen kärntekniken som du byggde företaget runt.

Ja.

Var går det? Du har dessa två applikationer. Vad kommer härnäst?

Som du nämnde i din introduktion är vi ett fullstapel-vertikalt AI-lösningsföretag, och vad det betyder är, till slut, vi har denna mycket kraftfulla teknik. Det är relativt nytt när det gäller att faktiskt kunna tillämpa det i praktiska användningsfall i världen. När vi tittar på världen ser vi en enorm mängd industrier som verkligen kan dra nytta av denna kapacitet. Vid denna tidpunkt har väldigt få faktiskt haft fördelen att dra nytta av denna kapacitet.

Om du tittar på hur alternativen i förhållande till implementeringen av dessa lösningar har du molnbaserade lösningar, har du saker som Watson och Google molnsyn och Amazon och liknande. Problemet är att för att verkligen lösa ett verkligt affärsbehov tror vi att du måste ha både företagskompetensen internt, men också den tekniska expertisen för att specifikt bygga en lösning för det specifika problemet. Jag har aldrig sett ett företag eller egentligen ens en framgångsrik produkt byggd av att ta molnbaserade AI-lösningar och integrera dem i en produkt.

Anledningen till det är att du inte har förmågan att finjustera dessa saker nästan så mycket du kan. Det finns verkligen mycket konstnärskap associerat med att utveckla framgångsrika AI-system, åtminstone idag, och det är mer ett fel, inte en funktion. I slutändan kommer det här att bli mer kommersiellt, vilket är bra och vi arbetar också mot det. men också, det är bara riktigt dyrt. Det vi gör för bråkdelar av ett öre skulle kosta dig var som helst mellan 40 cent och en dollar och 50 cent på CPM-basis från dessa molnföretag. Det är helt enkelt inte genomförbart att göra något i skala med dessa lösningar.

Nu finns det fall där du kan utnyttja vissa typer av AI, som naturligt språkbearbetning, och en del textanalys, från molnet; men det är verkligen begränsat till dessa områden. Det är där vi ser vår försäljning spela en stor roll, det är som vi har, kompetensen ur ett tekniskt perspektiv och vi kan integrera kompetensen på affärsnivå så att vi kan bygga en full-stack-lösning. Hittills har vi reklam inom sport, vi har en social division och vi tittar på ett antal andra möjligheter.

Vikten av klagomålet som jag har hört med IBM Watson är att du får verktyget, men innan du faktiskt kan göra något med det måste du träna det och du måste veta vad du utbildar för att göra. Då har många småföretag inte den kompetensen. De måste anställa en konsult för att sedan utbilda AI. Hur skulle du göra det annorlunda?

Vi arbetar alla med samma arkitektur. Om du använder nervnät, vilket till stor del är vad jag tror Watson använder idag, och säkert vad vi använder också. Det finns ett utbildningselement i samband med det. När du arbetar i skala, blir det lika utmaningen för den algoritmiska sidan av ekvationen.

Att kunna sätta ihop märkta, stora, opartiska datasätt är ett krav. Återigen skulle jag kalla det felet, inte en funktion. Det har vi gjort i många år och vi kan göra mycket bra. I slutändan kommer kvaliteten på ditt neurala nätverk att vara en funktion av kvaliteten på data som du kan mata den, så det är inte så att vi är befriade från det. Det är bara att jag tror att vi nu måste skaffa och märka dessa uppsättningar snabbt och kostnadseffektivt .

Det verkar för mig som att en av fördelarna med dessa stora, jättestarka teknikföretag - Amazon, Google, Facebook - är att de har enorma datamängder. De är verkligen oöverträffade i datavetenskapens historia, och bara ha tillgång till dessa datasätt ger dem en fördel när vi går in i denna artificiella intelligensålder.

Är det en hållbar fördel eller tror du att uppstartare och mindre företag kommer att kunna tävla?

Det är en enorm fördel, så du har rätt i det antagandet. Titta, data är kung, och så länge dessa saker behöver tränas med data, så är enheterna med de mest relevanta uppgifterna för vad applikationen är, i en fördelaktig position. Det som är intressant är att vi är stora bidragsgivare till rörelsen med öppen källkod. Så är alla dessa andra företag. Vi delar faktiskt i den kunskapen, men vi delar inte lika mycket i uppgifterna. Det finns öppna datasätt som vi bidrar till. Vi har också mycket proprietär information, och de stora killarna har verkligen också, men det är verkligen problemspecifikt.

En av de saker vi gör, till exempel - och detta är inte en kärnverksamhet, men vi gör det mer för samhället - är att vi samlar den största samlingen av tandröntgenbilder i världen. Om vi ​​vill bygga upp ett företag som till exempel är det inte något som Google eller Amazon skulle ha tillgång till. De har ingen anledning att. De har en viss typ av data. De har UGC-bilder, till exempel UGC-video, mycket platsdata, mycket riktigt värdefull insikt på alla typer av sätt, men om du försöker identifiera sprickor och rörledningar eller om du försöker optimera grödan- dammande, det finns en oändlig mängd applikationer här. Jag skulle säga att de har en fördel på vissa sätt, och det varierar företag till företag.

När du går tillbaka till tanduppgifterna, vad ska du göra med den jätte databasen med tandbild?

Det vi skulle vilja göra är att vara värd för en världsomfattande tävling, liknande ImageNet, en tävling som Stanford är värd för varje år för att se vilket företag som mest exakt och lämpligt kan sortera etikettdatasätt. Vi skulle vilja göra något liknande.

Det är egentligen bara ett klassificeringsprojekt mer än en kommersiell produkt.

I dag, ja.

Låt oss prata lite om en av de saker som gör att människor blir obehagliga över AI - de känner att det här är en teknik som kommer att användas av regeringar. Det kommer att distribueras av stora företag, men enskilda konsumenter kommer verkligen att ageras av dessa AI: er i stället för att kunna dra nytta av dem själva. Tror du att det är ett rättvist antagande eller kommer det att förändras någon gång?

Jag ska säga ja och nej. Du kan hävda att individer agerar och är bytet för varje affärsprodukt där ute, till och med något som Waze.

Jag tror att Bernie Sanders gör det argumentet hela tiden.

Men jag tror att slutkonsumenten också är den största mottagaren i slutet av dagen eftersom åtminstone företag försöker utveckla produkter som tillför mervärde till människors liv och även till andra företag. Jag tror att regeringen har sin egen… Jag vet inte om jag borde kalla det besvärliga eller bara inte ett direkt mervärde, såvida du inte kanske vill titta på det ur ett säkerhetsperspektiv. Det här är svårt att göra. Det är inte billigt att åstadkomma. Med andra ord, bara för att skaffa datasätt krävs det resurser. Större enheter som är mycket engagerade i denna ansträngning kommer att äga den i slutändan.

Den andra saken som kommer upp hela tiden är AI: er och agent för automatisering. Att använda GumGums idrottsavdelning som exempel, det är någonting som görs nu genom programvara som brukade göras, om än utomlands, men av människor som tittar på band och klassificerar saker. Hur ser du den arbetsförlust som kommer att förknippas med dessa typer av automatiseringar ?

Det berör mig mycket. På GumGum har jag sett det hända. Vi utvecklar automatiserade lösningar och som förskjuter människor som brukade tagga bilder eller video, och du kan hävda att det är priset på automatisering. Jag tror att folk ofta försöker smärta en väldigt rosa bild kring det, säger, "All den nya tekniken genererar nya jobb. Titta på den industriella revolutionen." Jag köper bara inte det argumentet. Jag tror att inte all teknik skapas lika och att inte alla teknik som standard skapar nya jobb. Jag tror att det finns en enorm mängd nya jobb som har skapats i den meningen.

Till exempel, personer som kanske har gjort taggningen kan nu märka och märka bilder för oss, och det kan vara samma folk, men i slutändan berör det mig mycket. Jag tror att det är något som vi på lång sikt måste ta upp som ett samhälle. Universell grundinkomst är något som har diskuterats allt mer långtgående, på regeringsnivåer och på annat håll. Jag tycker inte att det är en dålig idé. Jag tror att det kan vara en mycket bra idé.

Jag tror att det har andra konsekvenser för samhället och individuell lycka som vi bara inte har svar på ännu. Jag tycker att det är ett utmanande problem, och jag önskar att vår nuvarande administration och även framtida förvaltningar skulle betala lite mer för att försöka uppfinna och, när så är nödvändigt, till och med subventionera framtidens värld snarare än att försöka få tillbaka koljobb, varav det finns 70 000 i USA. Det är inte mycket meningsfullt.

De kommer förmodligen inte tillbaka.

De borde inte vara tillbaka. Det är dåligt för miljön. Det är inte en hög livskvalitet för dessa individer och det är inte en långsiktig hållbar lösning.

Okej. Låt oss få en fråga från publiken: Hur troligt tror du att en grundläggande universell inkomst är?

Ganska mycket är svaret jag just gav det bästa svaret jag kan ge just nu. Jag tror inte att vi har data eller tillräckligt med insikt i vad konsekvenserna av att göra något liknande kan ha. Jag vet att det finns några regeringar världen över som experimenterar med dessa saker. Det kommer att vara mycket intressant att vittna och lära av.

Jag tror inte heller att vi är på en plats nu där vi behöver inrätta något som ett universellt grundinkomstsystem. Jag tror att det här är en längre period typ av problem, och jag tror att ett alternativ är ett mycket större arsenal. Jag tror inte att någon har ett bra svar på den frågan, men om de gör det, skulle jag vara nyfiken på att höra den.

Jag tror att vi bara börjar svepa huvudet kring konsekvenserna av all denna nya teknik eftersom det är relativt ny utveckling. Det verkar som om det händer mycket snabbare än den industriella revolutionen gjorde, och vi kommer att behöva internalisera vad konsekvenserna av att ha AI-driven bilar och självkörande bilar och lastbilar är på vägarna och alla dessa olika saker. När det väl kommer hem till oss, tror jag att vi kan diskutera hur vi kompenserar.

En sak vi pratar mycket om i mitt företag är denna uppfattning om ständig och dramatisk förändring, och jag tror att det är den grundläggande sanningen i världen där vi nu lever. Om du tittar på vad det betyder i teknisk mening betyder det att du har en mängd olika tekniker som växer i kapacitet på en exponentiell kurva, och jag pratar om allt från pixelupplösningar till hårddiskkapacitet till bearbetningshastigheter, och sedan har du också mjukvaruutveckling, och du har alla dessa teknologier på olika böjningspunkter på dessa kurvor; men alla blåser upp och det är vad som faktiskt gör annonsen möjlig idag, effektivt GPU: er och bearbetningshastighet. Dessa algoritmer går tillbaka till 50- och 60-talet. Det första neurala nätverket utvecklades, tror jag, på 50-talet. Det hade 40 nervceller.

Det fantastiska med exponentiell tillväxt är denna uppfattning att till exempel, om du kommer att ta 30 linjära steg per meter per steg, så kommer du att ha korsat 30 meter efter 30 steg. Vi skulle ha gått över det här rummet, men om du tar 30 exponentiella steg, vilket i detta fall bara är en enkel fördubbling. En, två, fyra, åtta, sedan efter 30 steg kommer du ha korsat jordens omkrets 26 gånger - så ungefär en miljard meter. Det som är särskilt intressant med det är att det mesta av tillväxten sker i de senaste stegen - så vid steg 29 är du 500 miljoner meter.

Det är det som lurar så mycket om exponentiell tillväxt. Under lång tid ser det mycket ut som linjär tillväxt, och faktiskt kan det hålla sig bakom linjära tillväxtkurvor som har större tillväxt under varje linjär period - men det slutar vara något dramatiskt annorlunda. Och det gör framtiden otroligt spännande och på många sätt mystisk och otroligt svår att förutsäga. På GumGum försöker vi titta på den långsiktiga tidshorisonten - saker som AR och VR och wearables och IoT, och sådana saker - men vi försöker också planera vår verksamhet i två års steg eftersom vi tror att det är ganska mycket som så långt du kan se, och även så långt du kan bestämma och bygga en kommersialiserbar produkt, som i sig är en utmaning.

Jag tror att det är den utmaning som är att äta världen idag. Visst äldre företag upplever detta, och det är typ av den dominerande kraften. Det är inte samma situation som det var århundraden tidigare när du kunde utveckla en affärsmodell och den kunde fungera. Den förändringscykeln var mycket längre, så att du kunde skörda fördelarna på längre sikt. Nu måste du ständigt innovera och öka din förståelse för världen och försöka förstå de olika paradigmförändringar som är relevanta för ditt företag och bygga mot dem.

Att vara flexibel och kunna svara är förmodligen mer användbart än att ha rätt i vad som kommer att hända fem år från och med nu, för ingen vet vad som kommer att hända.

Det är också varför du ser sådana maniacala investeringar i alla dessa framtida tekniker eftersom företag inte är dumma. Vi pratar stora företag. De vet att de lever av gamla företag. De vet att saker och ting förändras mycket dramatiskt och de vet att de måste göra en stor insats. Vi ser väldigt stora, mycket djärva företagsinspelningar eftersom det är det enda valet de har, och det är också anledningen till att startups, tror jag, kommer att fortsätta att vara oerhört värdefulla och additiva och framgångsrika, för i slutändan när du är i en period med stasis, det är svårt, oavsett om du investerar eller om du växer ett företag, det är svårt att skapa nytt värde, men när allt förändras hela tiden, då finns det en hel del möjligheter för värdeskapande.

Jag tror att du gör en så bra poäng när du pratar om exponentiellt tänkande och hur svårt det är att linda huvudet runt formen på dessa kurvor. Jag stjäl från ett av dina tidigare samtal där du sa senast 2023, 1 000 dollar kommer att få dig en enhet som har datorkraften i en mänsklig hjärna. Det kommer att replikera så mycket processorkraft. År 2043, som de flesta av oss fortfarande kan leva då, har du bearbetningskraften för 1 000 dollar. Det är större än alla hjärnor på planeten.

Kombinerat, ja.

Vad gör det?

Det är en riktigt intressant punkt. Bara för att vara rättvis stal jag det från Ray Kurzweil. Han gjorde den analysen.

Vi står alla på jättarnas axlar.

Jag vill inte ta kredit för det, men det är en riktigt lärorik punkt. Återigen tror jag inte att vi är - som ett samhälle, som en art - särskilt bra på att tänka exponentiellt. Våra hjärnor är konstruerade för att tänka linjärt. Det ger i slutändan större överlevnadspotential, och det gav inte många fördelar i den afrikanska busken för tusentals år sedan, eller hur?

Konsekvenserna av detta är enorma eftersom många saker kan vara tvingade. Du har kvalitet på algoritmer och teknik - och det kan alltid bli mer elegant - men om du har tillräckligt med processorkraft kan du göra en hel del saker som aldrig var möjliga helt enkelt genom att kasta mer datorkraft på det. På vissa sätt kan du hävda att neurala nätverk - jag är säker på att vi kommer att titta tillbaka på tekniken och känna att den var ganska inelegant - och om du tittar på hur mycket processorkraft det tar i förhållande till den mänskliga hjärnan, och detta är den dåliga bilden av vad den mänskliga hjärnan faktiskt gör, hjärnan använder en liten mängd kraft som dessa maskiner gör för att göra dessa beräkningar.

Jag tror att det bara är ett bevis på att framtiden verkligen är svår att förutsäga. Det kommer att förändras mer dramatiskt än någon inser, och sedan lyssnar det också till kvaliteten på programvaran eftersom om vi kan utveckla mjukvara med tillräckligt hög kvalitet, är det tydligt att datorkraftsfrågan nu kommer att vara en begränsande faktor. Om du vill prata om generell AI eller superintelligens kommer den begränsande faktorn att vara vår förmåga att utveckla rätt programvara, för att du självklart kan köpa ett chip som har motsvarande datakraft för hela den mänskliga befolkningen för 1.000 dollar är det förmodligen mer kraft än du behöver genom kanske sju miljarder gånger.

Det finns ett gäng branscher som vi vet kommer att förvandlas. Vi kan säga att vi kommer att ha självkörande bilar. Kanske inte om fem år, kanske inte om tio, men säkert 20 år. Folk antar ganska mycket att det kommer att hända. Finns det en bransch som du tror kommer att förvandlas av konstgjord intelligens som vi inte har tänkt på ännu eller som är mycket oförberedda för den omvandlingen?

Titta, detta är ett mycket kraftfullt verktyg i ett hav av andra kraftfulla verktyg, teknik, programvara, hårdvara. Jag kan inte tänka på en bransch som inte kan dra nytta av integrationen av AI-kapaciteter. Du kan bearbeta data, bearbeta video bara bättre och varje bransch kan dra nytta av det. Det är därför jag ser så mycket kraft i att kunna bygga vertikal stack AI lösningar, för i slutändan finns det bara en oändlig mängd möjligheter här.

Jag vill ställa de frågor jag ställer alla som kommer på showen. Vilken teknologisk trend berör dig mest? Finns det något som håller dig uppe på natten?

Vapeniserad kärnenergi eller kärnkraftshuvud.

En oldie men en goodie.

Det har precis kommit tillbaka på mode.

Uppenbarligen lite angående. Finns det en teknik eller ett verktyg som du använder varje dag som inspirerar till undring på baksidan?

Jag har fått mycket träbearbetning och mestadels traditionellt träbearbetning under de senaste åtta månaderna. Så, många handflygplan och blockplan och talade rakar. Ärligt talat tycker jag att det är väldigt inspirerande. De är bara riktigt vackra verktyg som för mig talar mycket till människors uppfinningsrikedom. Och det är trevligt att ta itu med mycket enkla men ändå mycket kraftfulla och effektiva verktyg som människor uppfann.

Det finns förmodligen en stor automatiserad maskin som drivs av en AI som också kan göra samma typ av träbearbetningsbehandlingar.

Det finns en nivå av konstnärlighet och tillfredsställelse som jag tror att det är en del av det som utgör den mänskliga upplevelsen. Jag har faktiskt en hel del elverktyg också. Du får alltid en bättre finish och en bättre produkt i slutändan med handverktygen, men i slutändan är det en av utmaningarna. Om vi ​​faktiskt inte är de mest intelligenta arterna på planeten har det verkligen djupa konsekvenser.

Till att börja med kan vi titta på hur vi behandlar mindre slags intelligenser på jorden, och det är inte en väldigt trevlig syn. Jag tror att det verkligen ifrågasätter vad det betyder att vara en människa och vad du borde göra med ett liv, vad kvalificerar sig för lycka? Det är uppenbart ganska djupgående frågor, och jag tror att vi förr eller senare måste tävla med dem.

Jag tror inte att det här är runt hörnet. Jag tror att vi är många genombrott från allt som representerar eller till och med börjar se ut som den medvetna intelligensen, men oavsett om det är om 40 år eller 400 år, så är det en relativ, liten typ av blip på mänsklig historia. Det är värt att tala om konsekvenserna av vad dessa saker är. Ingen talar om att stoppa utvecklingen av dessa tekniker. Vi är naturligtvis väldigt nyfikna och det är bara inget alternativ. Jag tror inte att det borde vara ett alternativ heller, men med all sannolikhet kommer vi att komma dit innan vi har utvecklat rätt protokoll för att strida mot hur dessa verkligheter ser ut.

Det går tillbaka till förändringens exponentiella karaktär. Vi kommer att komma fram till vissa kapaciteter snabbare än vi är beredda på, och jag tror inte att regeringen eller byråkratin eller till och med företag idag är utrustade för att kunna sortera förändringar i den typen av takt. Nivån på förändring som kommer att vara nödvändig för att faktiskt ordentligt tendera till den kommer att skapa en viss nivå av förvirring.

Under tiden jobbar du i din träshop.

Du berättar för mig. Plan B.

Vilken typ av saker gör du, kan jag fråga?

Pallar och skålar och skedar och sånt. Det är verkligen enkelt just nu. Jag är en novis som letar efter en mentor. Det är väldigt glädjande att leva i detta digitala utrymme med bitar och bytes som jag alltid har älskat, jag har varit programmerare från en ung ålder och var alltid väldigt dragen till det och jag älskar fortfarande det lika mycket som någonsin; men det är bara motsatsen till att det är väldigt fysiskt och manuellt och som du har att göra med mestadels trä, vilket är en fin sammansättning.

Mycket organisk. Det är roligt hur många teknologer som har kommit på showen med fantastiska programmeringsförmågor och bra chops, och ändå är det de tycker om att vara de verkliga sakerna där de faktiskt arbetar med sina händer.

Ja. Det går tillbaka till den här sidan av saker är glädjande.

Om en mentor tittar på just nu och de vill komma i kontakt med dig eller bara vill följa det du och GumGum gör, hur kan de komma i kontakt med dig online?

Du kan hitta mig på Twitter @ophirtanz, LinkedIn på Ophir Tanz, på vår webbplats, Gumgum.com. Alla typer av sätt.

Excellent. Ophir, tack så mycket för att du kom till labbet.

Tack för att jag fick komma.

Jag uppskattar det.

Det var bra.

Det är snabb framåt för idag. Jag vill tacka er för att ni gick med oss. Om du vill se tillbaka avsnitt av den här serien kan du hitta dem på PCMag.com. Om du vill höra podcasten på iTunes kan du hitta den på Apple Podcast, du kan hitta den på Android Play. Du kan hitta det var som helst att fina podcast sänds bort gratis. Tack så mycket för att du gick med oss ​​idag så ser jag dig i framtiden.