< Return to Video

Poslovi koje će preuzeti strojevi -- i oni koje neće

  • 0:01 - 0:02
    Ovo je moja nećakinja.
  • 0:03 - 0:04
    Zove se Yahli.
  • 0:04 - 0:06
    Ima devet mjeseci.
  • 0:06 - 0:09
    Njezina mama je liječnica,
    a tata je odvjetnik.
  • 0:09 - 0:11
    Kada se Yahli upiše na fakultet,
  • 0:11 - 0:15
    poslovi koje njezini roditelji rade
    izgledat će potpuno drugačije.
  • 0:15 - 0:20
    2013. godine, znanstvenici sveučilišta
    u Oxfordu istraživali su budućnost rada.
  • 0:21 - 0:25
    Zaključili su da gotovo svaki
    drugi posao ima visok rizik
  • 0:25 - 0:27
    da bude automatiziran strojevima.
  • 0:28 - 0:30
    Strojno učenje je tehnologija
  • 0:30 - 0:33
    koja je odgovorna za većinu
    tog remećenja.
  • 0:33 - 0:35
    To je najmoćnija grana
    umjetne inteligencije.
  • 0:35 - 0:37
    Strojevi mogu učiti iz podataka
  • 0:37 - 0:40
    i oponašati neke radnje
    svojstvene ljudima.
  • 0:40 - 0:43
    Moja tvrtka Kaggle bavi se
    najnaprednijim vidom strojnog učenja.
  • 0:43 - 0:46
    Mi povezujemo
    stotine tisuća stručnjaka
  • 0:46 - 0:49
    radi rješavanja važnih
    industrijskih i akademskih problema.
  • 0:49 - 0:53
    To nam daje jedinstveni uvid
    u sposobnost strojeva,
  • 0:53 - 0:54
    njihove mogućnosti
  • 0:54 - 0:57
    i poslove koje bi mogli
    automatizirati ili ugroziti.
  • 0:57 - 1:01
    Strojno učenje postalo je
    dio industrije početkom 90-ih godina.
  • 1:01 - 1:03
    Počelo je relativno jednostavnim zadacima.
  • 1:03 - 1:08
    Počelo je procjenjivanjem
    kreditnog rizika sa zahtjeva za kredit
  • 1:08 - 1:12
    i razvrstavanjem pošte čitanjem
    ručno napisanih poštanskih brojeva.
  • 1:12 - 1:15
    Kroz proteklih nekoliko godina,
    postigli smo nevjerojatne stvari.
  • 1:16 - 1:20
    Strojno učenje sada postiže
    daleko, daleko naprednije rezultate.
  • 1:20 - 1:23
    2012. godine Kaggle je pozvao zajednicu
  • 1:23 - 1:26
    da napravi algoritam
    koji će ocjenjivati srednjoškolske eseje.
  • 1:26 - 1:29
    Najbolji algoritmi dali su istu ocjenu
  • 1:29 - 1:31
    kao i profesori.
  • 1:31 - 1:34
    Prošle smo godine zadali
    još jedan zahtjevniji zadatak.
  • 1:34 - 1:37
    Možete li pomoću snimke oka
    dijagnosticirati očnu bolest
  • 1:37 - 1:39
    zvanu dijabetička retinopatija?
  • 1:39 - 1:43
    I ponovno, najbolji algoritmi
    dali su istu dijagnozu
  • 1:43 - 1:45
    kao i oftalmolozi.
  • 1:46 - 1:49
    Pomoću pravilnih podataka,
    strojevi mogu prestići ljude
  • 1:49 - 1:50
    u zadacima poput ovih.
  • 1:50 - 1:54
    Profesor može pročitati 10.000 eseja
    kroz 40-godišnju karijeru.
  • 1:54 - 1:57
    Oftalmolog može pregledati 50.000 očiju.
  • 1:57 - 2:01
    Stroj može pročitati milijune eseja
    ili pregledati milijune očiju
  • 2:01 - 2:02
    u roku od par minuta.
  • 2:02 - 2:05
    Jednostavno se ne možemo
    natjecati protiv strojeva
  • 2:05 - 2:08
    u čestim zadacima s mnogo podataka.
  • 2:09 - 2:12
    No, postoje stvari koje mi možemo,
    a koje strojevi ne mogu.
  • 2:13 - 2:15
    Područje gdje su strojevi
    vrlo malo napredovali
  • 2:15 - 2:17
    je rješavanje novonastalih situacija.
  • 2:17 - 2:21
    Oni se ne mogu nositi sa stvarima
    koje nisu vidjeli puno puta u prošlosti.
  • 2:21 - 2:24
    Osnovno ograničenje strojnog učenja
  • 2:24 - 2:27
    je to do mora učiti
    iz velike količine prijašnjih podataka.
  • 2:27 - 2:29
    Ljudi ne moraju.
  • 2:29 - 2:32
    Mi imamo sposobnost spojiti
    naizgled nepovezane niti
  • 2:32 - 2:34
    i riješiti novonastale probleme.
  • 2:35 - 2:39
    Percy Spencer bio je fizičar koji je
    radio na radaru tijekom 2. svjetskog rata
  • 2:39 - 2:42
    kada je primijetio da mu
    magnetron otapa čokoladu.
  • 2:43 - 2:46
    On je povezao svoje razumijevanje
    elektromagnetske radijacije
  • 2:46 - 2:48
    sa svojim znanjem o kuhanju
  • 2:48 - 2:51
    da bi na kraju izumio -- možete pogoditi?
    -- mikrovalnu pećnicu.
  • 2:51 - 2:55
    Ovo je jedan izvanredan
    primjer kreativnosti.
  • 2:55 - 2:58
    No, ovakva se povezivanja,
    u malim omjerima, kod svakoga od nas
  • 2:58 - 3:00
    događaju tisućama puta dnevno.
  • 3:01 - 3:02
    Strojevi se ne mogu mjeriti s nama
  • 3:02 - 3:04
    u rješavanju tih
    novonastalih situacija,
  • 3:04 - 3:08
    i to uvelike ograničava
    broj poslova u kojima
  • 3:08 - 3:09
    strojevi mogu zamijeniti ljude.
  • 3:10 - 3:12
    I što to onda znači
    za budućnost rada?
  • 3:13 - 3:17
    Budućnost bilo kojeg posla
    ovisi o odgovoru na pitanje:
  • 3:17 - 3:22
    Do koje se mjere taj posao može svesti
    na ponavljajuće zadatke s mnogo podataka,
  • 3:22 - 3:26
    a koliko uključuje
    rješavanje novonastalih situacija.
  • 3:26 - 3:30
    U čestim zadacima s mnogo podataka,
    strojevi postaju sve pametniji.
  • 3:30 - 3:33
    Danas oni ocjenjuju eseje.
    Dijagnosticiraju neke bolesti.
  • 3:33 - 3:36
    S godinama će
    biti u stanju vršiti revizije
  • 3:36 - 3:39
    i čitati standardne tekstove
    na ugovorima.
  • 3:39 - 3:41
    Računovođe i odvjetnici još su potrebni.
  • 3:41 - 3:44
    Oni će biti potrebni
    za složene porezne sustave
  • 3:44 - 3:45
    i u pravnim sporovima.
  • 3:45 - 3:47
    Međutim, strojevi će to promijeniti
  • 3:47 - 3:49
    i smanjiti dostupnost tih poslova.
  • 3:49 - 3:50
    Kao što sam spomenuo,
  • 3:50 - 3:53
    strojevi ne napreduju
    u rješavanju novonastalih situacija.
  • 3:53 - 3:56
    Marketinška kampanja
    mora privući pažnju potrošača.
  • 3:56 - 3:58
    Mora se isticati.
  • 3:58 - 4:01
    Poslovna strategija uključuje
    nalaženje rupa,
  • 4:01 - 4:02
    stvari koje nitko drugi ne radi.
  • 4:02 - 4:06
    Ljudi će biti ti koji će stvarati
    marketinške kampanje
  • 4:06 - 4:10
    i ljudi će biti ti koji će razvijati
    poslovne strategije.
  • 4:10 - 4:13
    Tako da, Yahli, što god odlučila raditi,
  • 4:13 - 4:15
    neka ti svaki dan donese neki novi izazov.
  • 4:16 - 4:18
    Ako tako bude, uvijek ćeš biti
    ispred strojeva.
  • 4:19 - 4:20
    Hvala.
  • 4:20 - 4:23
    (Pljesak)
Title:
Poslovi koje će preuzeti strojevi -- i oni koje neće
Speaker:
Anthony Goldbloom
Description:

Strojno učenje više ne uključuje samo procjenu kreditnog rizika i razvrstavanje pošte -- danas je ono sposobno za daleko složenije primjene, kao što je ocjenjivanje eseja i dijagnosticiranje bolesti. Taj napredak uključuje i jedno neugodno pitanje: Hoće li u budućnosti robot raditi vaš posao?
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:36

Croatian subtitles

Revisions

Our website uses cookies for analysis purposes.