مشاغلی که ما به ماشین ها می بازیم -- و اونهایی که ما برنده ایم
-
0:01 - 0:02این خواهرزاده من است.
-
0:03 - 0:04نام او یاهلی است.
-
0:04 - 0:06نُه ماهه است.
-
0:06 - 0:09مادر او دکتر،
و پدرش وکیل است. -
0:09 - 0:11تا زمان کالج رفتن یاهلی،
-
0:11 - 0:15شغل پدر و مادرش بطور چشمگیری متفاوت به نظرخواهد رسید.
-
0:15 - 0:20در سال ۲۰۱۳، محققان دانشگاه آکسفورد
مطالعه ای در مورد آینده کار انجام دادند. -
0:21 - 0:25آنها نتیجه گرفتند که تقریبا از هر دو شغل یکی در
معرض ریسک بالایی است -
0:25 - 0:27که توسط ماشین آلات بصورت اتوماتیک انجام می شود.
-
0:28 - 0:30دانش ماشین، فن آوری است
-
0:30 - 0:33که مسئول اغلب این اختلال است.
-
0:33 - 0:35این قوی ترین شاخه هوش مصنوعی است.
-
0:35 - 0:37به ماشین آلات اجازه می دهد که از داده ها یاد بگیرند
-
0:37 - 0:40و برخی چیزهایی که انسان می تواند انجام دهد
را تقلید کنند. -
0:40 - 0:43شرکت من، کاگل،
بر روی آخرین فن آوریهای دانش ماشین کار می کند. -
0:43 - 0:46صدها هزار کارشناس را گرد هم آوردیم
-
0:46 - 0:49برای حل مشکلات مهم صنعت و دانشگاه.
-
0:49 - 0:53این دیدگاه منحصر به فردی به ما می دهد
از آنچه ماشین آلات می توانند انجام دهند، -
0:53 - 0:54آنچه نمی توانند انجام دهند،
-
0:54 - 0:57و چه شغل هایی احتمالا بطور اتوماتیک انجام شده و یا
در معرض خطرند. -
0:57 - 1:01دانش ماشین در اوایل دهه ۹۰ راه خود را به سوی
صنعت بازکرد. -
1:01 - 1:03با وظایف نسبتا ساده آغاز شد.
-
1:03 - 1:08چیزهایی مانند ارزیابی ریسک اعتباری درخواست وام،
-
1:08 - 1:12مرتب سازی نامه ها با خواندن
کد پستی هایی که با دست نوشته شدند. -
1:12 - 1:15در طول چند سال گذشته،
پیشرفت های چشمگیری را ایجاد کرده ایم. -
1:16 - 1:20در حال حاضر دانش ماشین آلات در حد انجام امور
خیلی پیچیده تری است. -
1:20 - 1:23در سال ۲۰۱۲، کاگل ، گروهش را
-
1:23 - 1:26برای ساخت یک الگوریتم
که بتواند مقالات دبیرستان را رتبه بندی کند به چالش کشید. -
1:26 - 1:29الگوریتم های برنده
قادر به مطابقت با نمراتی بودند -
1:29 - 1:31که توسط معلم های شخصی داده شده بود.
-
1:31 - 1:34سال گذشته، چالشی سخت تر منتشر کردیم.
-
1:34 - 1:37می تونید از چشم عکس هایی گرفته
و بیماری چشمی -
1:37 - 1:39بنام رتینوپاتی دیابتی را تشخیص دهید؟
-
1:39 - 1:43باز هم، الگوریتم های برنده
قادر به مطابقت با تشخیص -
1:43 - 1:45ارایه شده توسط چشم پزشکان انسان بودند.
-
1:46 - 1:49در حال حاضر، با ارایه داده های صحیح،
ماشین ها در انجام وظایفی این چنین -
1:49 - 1:50از انسانها بهتر عمل خواهند کرد.
-
1:50 - 1:54یک معلم ممکن است ۱۰,۰۰۰ مقاله را
در طول ۴۰ سال حرفه ای خود بخواند. -
1:54 - 1:57چشم پزشکی ممکن است ۵۰,۰۰۰ چشم ببیند.
-
1:57 - 1:59ماشین می تواند در یک دقیقه میلیون ها مقالات بخواند
-
1:59 - 2:02و یا میلیون ها چشم ببیند.
-
2:02 - 2:06هیچ شانسی برای رقابت با ماشین
-
2:06 - 2:09در تکرار و وظایفی با حجم بالا نداریم.
-
2:09 - 2:12اما چیزهایی هست که ما می توانیم انجام دهیم
ولی ماشین ازانجام آن ناتوان است. -
2:13 - 2:15جایی که ماشین ها پیشرفت چندانی نداشته اند،
-
2:15 - 2:17در مقابله با موقعیت های جدید است.
-
2:17 - 2:21آنها نمی توانند
از پس چیزهای که قبلا چندین بار مشاهده نکردند بربیایند. -
2:21 - 2:24یکی از محدودیت های اساسی
دانش ماشین -
2:24 - 2:27نیاز به حجم بالای اطلاعات گذشته برای یادگیری است.
-
2:27 - 2:28در حال حاضر، انسان نیازی ندارد.
-
2:29 - 2:32در حال حاضر ما توانایی اتصال موضوعات ظاهرا گسسته
-
2:32 - 2:35برای حل مشکلاتی که قبلا با آنها روبرو نبودیم را داریم.
-
2:35 - 2:39پرسی اسپنسر فیزیکدانی که در
طول جنگ جهانی دوم بر روی رادار کار می کرد، -
2:39 - 2:43متوجه ذوب شدن شکلاتش توسط مگنترون شد.
-
2:43 - 2:46او قادر به ارتباط درک خود ازتابش الکترومغناطیسی
-
2:46 - 2:48با دانش خود از آشپزی
-
2:48 - 2:51به منظور اختراع - حدس بزنید؟ -
اجاق مایکروویو شد. -
2:51 - 2:55در حال حاضر، نمونه ای بخصوص از خلاقیت منحصربفرد است.
-
2:55 - 2:58اما این نوع از اتفاقات
برای هر یک از ما در مقیاس های کوچکتر -
2:58 - 3:00هزاران بار در روز رخ می دهد.
-
3:01 - 3:04ماشین ها در مقابله با شرایط جدید
نمی توانند با ما رقابت کنند، -
3:04 - 3:05و این موضوع محدودیت اساسی
-
3:05 - 3:08برای انجام اتوماتیک کارهای انسانی
-
3:08 - 3:10توسط ماشین آلات بوجود می آورد.
-
3:10 - 3:12خوب برای آینده کار این به چه معنا است؟
-
3:13 - 3:17آینده هر شغل مستقلی در پاسخ به این سوال می باشد:
-
3:17 - 3:22تا چه حد این کار قابل تقلیل از نظر تکرار و
وظایف با حجم بالا می باشد، -
3:22 - 3:26و تا چه حد آن می تواند با وضعیت های نو مقابله کند؟
-
3:26 - 3:30در وضعیت های تکرار و وظایف با حجم بالا،
ماشین ها هوشمندانه تر می شوند. -
3:30 - 3:33امروزه آنها مقالات را امتیاز می دهند.
بیماری های خاص را تشخیص می دهد. -
3:33 - 3:36و در سالهای پیش رو، به سمت ممیزیها هدایت می شوند،
-
3:36 - 3:39و تکیه کلامهای قراردادهای قانونی را خواهند خواند.
-
3:39 - 3:41حسابداران و وکلا هنوز هم مورد نیاز هستند.
-
3:41 - 3:44آنها برای ساختارهای پیچیده مالی مورد نیاز خواهند بود،
-
3:44 - 3:45برای اصلاح مسیر دادخواهی.
-
3:45 - 3:47اما ماشین رتبه بندی آنها را تقلیل خواهد کرد
-
3:47 - 3:49و این کارها مشکل تر خواهند شد.
-
3:49 - 3:50در حال حاضر ، همان طور که اشاره شد،
-
3:50 - 3:53ماشین آلات در مواجهه با شرایط جدید،
پیشرفت خاصی نمی کنند. -
3:53 - 3:56عکس پشت یک کمپین بازاریابی،
نیاز به جلب توجه مصرف کنندگان دارد. -
3:56 - 3:58نیاز به خاص بودن دارد.
-
3:58 - 4:01استراتژی بازار یعنی پیدا کردن
شکاف ها در بازار، -
4:01 - 4:02چیزهایی که کسی دیگر انجام نداده است.
-
4:02 - 4:06آن انسانهایی خواهند بود که عکس
پشت کمپین بازاریابی ما را خلق می کنند، -
4:06 - 4:10و افرادی خواهند بود که در حال توسعه
استراتژی کسب و کار ما هستند. -
4:10 - 4:13پس یاهلی، هر تصمیمی که می خواهی انجام دهی،
-
4:13 - 4:15اجازه بده تورو به سمت چالشی جدید سوق دهد.
-
4:16 - 4:18اگر اینچنین باشد،
اونوقت تو همیشه از ماشین جلوتر خواهی بود. -
4:19 - 4:20متشکرم.
-
4:20 - 4:23(تشویق )
- Title:
- مشاغلی که ما به ماشین ها می بازیم -- و اونهایی که ما برنده ایم
- Speaker:
- آنتونی گلدبلوم
- Description:
-
more » « less
دانش ماشین تنها محدود به کارهای ساده نظیر ارزیابی ریسک اعتباری و مرتب سازی نامه ها نیست-- امروزه ، توانایی انجام کارهای پیچیده تر، مانند نمره دهی به مقالات و تشخیص بیماریها را دارد.
با پیشرفت های که در راه هست، یه سوال سخت؟ آیا ربات کار شما را در آینده انجام خواهند داد؟ - Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 04:36
|
b a approved Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
b a edited Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
Farnaz Saghafi accepted Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Farnaz Saghafi edited Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Farnaz Saghafi edited Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Farnaz Saghafi edited Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Farnaz Saghafi edited Persian subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
hadi oradi edited Persian subtitles for The jobs we'll lose to machines -- and the ones we won't |