מקומות העבודה שנאבד לטובת המכונות - ואלו שלא
-
0:01 - 0:02זאת אחייניתי.
-
0:03 - 0:04שמה יאלי.
-
0:04 - 0:06היא בת תשעה חודשים.
-
0:06 - 0:09אימה רופאה, אביה עורך-דין.
-
0:09 - 0:11כשיאלי תלך לקולג',
-
0:11 - 0:15מקומות העבודה של הוריה
ייראו אחרת לגמרי. -
0:15 - 0:20ב-2013, חוקרים באוניברסיטת אוקספורד
חקרו את עתיד העבודה. -
0:21 - 0:25הם הסיקו שכמעט משרה אחת
מכל שתיים מצויה בסיכון גבוה -
0:25 - 0:28לעבור לאוטומציה ממוכנת.
-
0:28 - 0:32למידת מכונה היא הטכנולוגיה
שאחראית לעיקר השיבוש הזה. -
0:32 - 0:35זה הענף בעל העוצמה הרבה ביותר
בתבונה המלאכותית. -
0:35 - 0:37הוא מאפשר למכונות
ללמוד מתוך נתונים -
0:37 - 0:40ולחקות חלק מהדברים
שעושים בני-אדם. -
0:40 - 0:43החברה שלי, "קאגל",
פועלת בחוד החנית של למידת המכונה. -
0:43 - 0:46אנו מקבצים מאות אלפי מומחים
-
0:46 - 0:49במטרה לפתור בעיות
עבור התעשיה והאקדמיה. -
0:49 - 0:52זה מקנה לנו נקודת מבט ייחודית
על מה שמכונות מסוגלות לעשות, -
0:52 - 0:54מה שהן לא מסוגלות לעשות
-
0:54 - 0:57ואילו מקומות עבודה
יעברו אוטומציה או יימצאו בסיכון. -
0:57 - 1:01למידת המכונה החלה לחדור לתעשיה
בתחילת שנות ה-90 של המאה ה-20. -
1:01 - 1:03תחילה במטלות פשוטות יחסית,
-
1:03 - 1:08דברים כמו הערכת סיכוני אשראי
בבקשות להלוואות, -
1:08 - 1:12מיון דואר ע"י קריאת
מיקוד כתוב ביד. -
1:12 - 1:15בשנים האחרונות השגנו
פריצות-דרך דרמטיות. -
1:15 - 1:20למידת המכונה מסוגלת כיום
למטלות מורכבות בהרבה. -
1:20 - 1:23ב-2012, "קאגל" הציבה
לקהילה שלה אתגר: -
1:23 - 1:26לבנות אלגוריתם שיכול לתת ציונים
לחיבורים ברמת בי"ס תיכון. -
1:26 - 1:29האלגוריתמים הזוכים הצליחו
לתת ציונים מקבילים -
1:29 - 1:31לאלו של מורים אנושיים.
-
1:31 - 1:34בשנה הקודמת הצבנו אתגר
עוד יותר קשה. -
1:34 - 1:37האם אפשר לקחת צילומי עיניים
ולאבחן מחלת עיניים -
1:37 - 1:39בשם רטינופתיה סוכרתית?
-
1:39 - 1:43שוב, האלגוריתמים הזוכים
הצליחו להקביל באבחוניהם -
1:43 - 1:45לאלו של רופאי-עיניים אנושיים.
-
1:46 - 1:47כיום, עם הנתונים הנכונים,
-
1:47 - 1:50המכונות מסוגלות לעלות בביצועיהן
על בני-אדם במטלות כאלה. -
1:50 - 1:54מורה עשוי לקרוא 10,000 חיבורים
בקריירה בת 40 שנה. -
1:54 - 1:57רופא-עיניים יכול אולי לבדוק
50,000 עיניים. -
1:57 - 2:01מכונה מסוגלת לקרוא מיליוני חיבורים
או לבדוק מיליוני עיניים -
2:01 - 2:02תוך דקות.
-
2:02 - 2:05אין לנו סיכוי להתחרות נגד המכונות
-
2:05 - 2:08בביצוע מטלות תכופות
בעלות נפח גבוה. -
2:09 - 2:13אבל יש דברים שאנו יכולים לעשות
והמכונות - לא. -
2:13 - 2:17המכונות התקדמו מעט מאד
בהתמודדות עם מצבים חדשים. -
2:17 - 2:21הן לא יכולות לטפל בדברים
שלא הרבו לראות בעבר. -
2:21 - 2:24מגבלות היסוד של למידת המכונה
-
2:24 - 2:27נעוצות בצורך שלה ללמוד
מנפחים גדולים של נתונים קודמים. -
2:27 - 2:29לא כך בני האדם.
-
2:29 - 2:32אנו מסוגלים לקשר
בין רעיונות נטולי קשר, לכאורה, -
2:32 - 2:34כדי לפתור בעיות שטרם פגשנו.
-
2:35 - 2:39פרסי ספנסר היה פיזיקאי
שפיתח מכ"ם במלחה"ע ה-1, -
2:39 - 2:42והוא ראה שהמגנטרון ממיס
את השוקולד שלו. -
2:43 - 2:46הוא ידע לקשר בין הבנתו
בקרינה אלקטרומגנטית -
2:46 - 2:48לבין הידע שלו בבישול
-
2:48 - 2:51כדי להמציא -- מישהו יודע?
את תנור המיקרוגל. -
2:51 - 2:54זאת דוגמה יוצאת-דופן במיוחד
ליצירתיות. -
2:54 - 2:58אבל הפריה הדדית כזו
קורה לכולנו בארועים קטנים -
2:58 - 3:00אלפי פעמים ביום.
-
3:01 - 3:02המכונות לא מסוגלות להתחרות בנו
-
3:02 - 3:04כשמדובר בהתמודדות עם מצבים חדשים,
-
3:04 - 3:07וזה מגביל מיסודו
את המטלות האנושיות -
3:07 - 3:09שהמכונות עתידות לבצע באופן אוטומטי.
-
3:10 - 3:12אז מה זה אומר
מבחינת עתיד העבודה? -
3:13 - 3:17עתידה של כל משרה ומשרה
טמון בתשובה לשאלה אחת: -
3:17 - 3:22באיזו מידה משרה זו ניתנת לפירוק
למטלות תכופות בנפח גבוה, -
3:22 - 3:26ובאיזו מידה היא כרוכה
בהתמודדות עם מצבים חדשים? -
3:26 - 3:30במטלות תכופות בנפח גבוה,
המכונות הולכות ומחכימות. -
3:30 - 3:33היום הן נותנות ציונים לחיבורים,
מאבחנות מחלות מסוימות. -
3:33 - 3:36בשנים הבאות הן תנהלנה
את ביקורות הכספים שלנו, -
3:36 - 3:39ותוכלנה לקרוא קודים
של חוזים משפטיים. -
3:39 - 3:41עדיין יש צורך ברואי-חשבון
ובעורכי-דין. -
3:41 - 3:44הם עדיין יהיו נחוצים
לצרכי מיסוי מורכב וחקיקה חדשנית. -
3:44 - 3:46אבל המכונות עתידות לצמצם
את שורותיהם -
3:46 - 3:48ולהקטין את מצאי
מקומות העבודה שלהם. -
3:49 - 3:50כפי שציינתי,
-
3:50 - 3:53המכונות לא התקדמו מאד
בטיפול במצבים חדשים. -
3:53 - 3:56הכרזה של מסע השיווק
צריכה למשוך את תשומת לב הצרכן. -
3:56 - 3:58עליה לבלוט.
-
3:58 - 4:00איסטרטגיה עסקית משמעה
זיהוי פערים בשוק, -
4:00 - 4:02איתור דברים שאיש איננו עושה.
-
4:02 - 4:06בני-אדם הם שעתידים ליצור
את כרזת מסע השיווק, -
4:06 - 4:10והם גם שיפתחו
את האיסטרטגיה העסקית שלנו. -
4:10 - 4:13אז יאלי,
מה שלא תחליטי לעשות, -
4:13 - 4:15הניחי לכל יום להביא עימו
אתגר חדש. -
4:16 - 4:18אם כך יהיה,
יהיה לך יתרון על המכונות. -
4:19 - 4:20תודה לכם.
-
4:20 - 4:23(מחיאות כפיים)
- Title:
- מקומות העבודה שנאבד לטובת המכונות - ואלו שלא
- Speaker:
- אנתוני גולדבלום
- Description:
-
more » « less
מכונות לומדות כבר לא מוגבלות רק למטלות פשוטות כמו הערכת סיכונים באשראי ומיון דואר. המכונות מסוגלות כיום לבצע יישומים מורכבים בהרבה, כמו מתן ציונים לחיבורים ואבחון מחלות. לקידמה זו מתלווה שאלה שמעוררת אי-נוחות: האם בעתיד תיעשה עבודתכם בידי רובוט?
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 04:36
|
Shlomo Adam approved Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Shlomo Adam edited Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
Sigal Tifferet accepted Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Sigal Tifferet edited Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Shlomo Adam edited Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Shlomo Adam edited Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
hila scherba declined Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
hila scherba edited Hebrew subtitles for The jobs we'll lose to machines -- and the ones we won't |