Професиите, които ще изгубим от машините - и онези, които няма да изгубим

Машинното самообучение не е вече само за прости задачи като оценяване на риска от кредит и разпределяне на пощата - днес то е способно на далеч по-сложни приложения като оценяване на есета и диагностициране на болести. С този напредък се появява един нелесен въпрос: Дали роботът ще върши работата ни в бъдещето?

Това е моята племенница.

Името ѝ е Яли.

Тя е на девет месеца.

Майка ѝ е лекар, а баща ѝ - адвокат.

Когато Яли отиде в колеж,

професиите на родителите ѝ
ще изглеждат коренно различни.

През 2013 г. учени от Оксфордския университет
направиха проучване върху бъдещето на професиите.

Те направиха заключението, че почти една
от всеки две професии има висок риск

да бъде автоматизирана от машини.

Машинното самообучение е
техническата наука,

която е отговорна най-вече
за този разрив.

Тя е най-мощният отрасъл
на изкуствения интелект.

Позволява на машините да се учат от данни

и да наподобяват напълно някои от нещата,
които хората правят.

Моята компания, Кагъл, функционира на
пронизващия ръб на машинното самообучение.

Ние събираме заедно
стотици хиляди експерти,

за да решаваме важни проблеми за
индустрията и академичните среди.

Това ни дава уникалната перспектива за това
какво машините могат да правят

и какво не могат

и кои професии те могат да
автоматизират или заплашат.

Машинното самообучение е започнало да
проправя пътя си в индустрията в началото на 90-те.

То е започнало с относително прости задачи

като оценяване на кредитния риск
от молбите за заем и

разпределяне на пощата чрез четене на
ръкописни букви от пощенски кодове.

През изминалите няколко години ние
направихме много важни научни открития.

Машинното самообучение сега е способно
на далеч по-сложни задачи.

През 2012 г. Кагъл предизвика своята общност

да състави алгоритъм, който да може да оценява
есета на ученици в гимназиален етап.

Печелившите алгоритми съвпаднаха с оценките,

дадени от хора преподаватели.

Миналата година ние издадохме
дори по-трудно предизвикателство.

Може ли да вземете снимки на окото и
да диагностицирате болест,

наречена диабетна ретинопатия?

Печелившите алгоритми отново
съвпаднаха с диагнозите,

дадени от хора офталмолози.

Снабдени с правилните данни,
машините ще заменят хората

в такива задачи.

Един учител може да прочете 10,000 есета
в рамките на 40-годишна кариера.

Един офталмолог може да прегледа 50,000 очи.

А една машина може да прочете милион
есета или да прегледа милион очи

за по-малко от минути.

Ние нямаме шанс да се съревноваваме
срещу машините

на често срещани задачи с голям обем информация.

Но има неща, които ние можем да правим,
а машините не могат.

Машините са направили много малък прогрес

в справянето с непознати
досега за тях ситуации.

Те не могат да боравят с неща, които не са
виждали много пъти преди това.

Основното ограничение на машинното
самообучение е,

че машините трябва да се учат от
голямо количество изтекли данни.

А ние, хората, не трябва.

Ние имаме способността да свързваме
привидно коренно различни идеи,

за да намираме решение на проблеми,
които преди никога не сме виждали.

Пърси Спенсър е бил физик, който работел
върху радар по време на Втората световна война,

когато забелязал, че магнетронът е
стопил неговото шоколадово блокче.

Пърси е бил способен да асоциира своето
разбиране от електромагнетична радиация

със своите умения по готвене,

за да изобрети - някакви предположения? -
микровълновата фурна.

Това сега е особено забележителен
пример за креативност.

Но този начин на "кръстосано опрашване"
се случва на всеки от нас

хиляди пъти на ден.

Машините не могат да се
съревновават с нас,

когато става дума за справяне с
непознати досега за тях ситуации,

и това поставя фундаментален
лимит на човешките задачи,

които машините ще автоматизират.

Та какво означава това за
бъдещето на професиите?

Бъдещото състояние на всяка една професия
лежи в отговора на един прост въпрос:

До каква степен тази професия е съкратима до
често срещани задачи с голям обем информация

и до каква степен включва справяне
с непознати досега ситуации?

При често срещани задачи с голям обем информация
машините стават умни и все по-умни.

Днес те оценяват есета и диагностицират
определени болести.

През следващите години те
ще водят нашите одити

и ще четат шаблони от законни договори.

Счетоводители и адвокати са все още необходими.

Те ще са нужни за сложно
структуриране на данъци,

за промяна на посоката на съдебния процес.

Но машините ще намалят
техния ранг

и ще направят тези работи
по-трудни за намиране.

Сега, както споменах,

машините не правят прогрес в непознати
досега за тях ситуации.

Копието зад маркетингова кампания трябва
да привлече вниманието на потребителите.

То трябва да се забелязва лесно от тълпата.

Бизнес стратегия означава да намериш
пролуки на пазара,

неща, които никой друг не прави.

Хората ще бъдат тези, които ще създадат
копието зад нашите маркетингови капмании

и те ще бъдат тези, които ще развият
нашата бизнес стратегия.

Така че, Яли, каквото и да решиш да правиш,

остави всеки ден да ти носи
ново предизвикателство.

По този начин ти ще изпревариш машините.

Благодаря.

(Аплодисменти)