< Return to Video

A munkák, amelyekben vesztésre állunk a gépekkel szemben – és amelyekben nem

  • 0:01 - 0:02
    Ő itt az unokahúgom.
  • 0:03 - 0:04
    Yahlinak hívják.
  • 0:04 - 0:06
    Yahli kilenc hónapos.
  • 0:06 - 0:09
    Az édesanyja orvos, az édesapja ügyvéd.
  • 0:09 - 0:11
    Mire Yahli egyetemista lesz,
  • 0:11 - 0:15
    A munka, amit a szülei végeznek,
    teljesen másként fest majd.
  • 0:15 - 0:20
    Az Oxfordi Egyetem tudósai 2013-ban
    kutatást végeztek a munka jövőjéről.
  • 0:21 - 0:25
    Arra jutottak, hogy szinte minden második
    foglalkozást az a veszély fenyegeti,
  • 0:25 - 0:27
    hogy gépek veszik át az emberek helyét.
  • 0:28 - 0:30
    Ezért a nyugtalanító fejleményért
  • 0:30 - 0:33
    leginkább a gépi tanulás
    technológiája felelős.
  • 0:33 - 0:35
    A gépi tanulás a mesterséges értelem
    legfejlettebb ága:
  • 0:35 - 0:37
    lehetővé teszi, hogy a gépek tanuljanak
  • 0:37 - 0:40
    és utánozzanak
    bizonyos emberi tevékenységeket.
  • 0:40 - 0:43
    A cégem, a Kaggle, a gépi tanulás
    világának élvonalába tartozik.
  • 0:43 - 0:46
    A Kaggle közössége szakértők
    százezreit tömöríti,
  • 0:46 - 0:49
    akik az ipar és a tudomány
    nagy problémáinak megoldásán dolgoznak.
  • 0:49 - 0:53
    Kivételes rálátásunk van tehát arra,
    hogy mire képesek a gépek,
  • 0:53 - 0:54
    és mire nem,
  • 0:54 - 0:57
    és hogy mely munkákat
    automatizálhatnak és veszélyeztethetnek.
  • 0:57 - 1:01
    A gépi tanulás a 90-es évek elején
    kezdett teret hódítani.
  • 1:01 - 1:03
    Egyszerű feladatokkal indult az egész.
  • 1:03 - 1:08
    Például gépek bírálták el
    a hitelkérelmek kockázatát,
  • 1:08 - 1:12
    vagy kézzel írt irányítószámok alapján
    szortírozták a leveleket.
  • 1:12 - 1:15
    Az elmúlt néhány évben aztán
    sorra jöttek a nagy áttörések.
  • 1:16 - 1:20
    A gépi tanulás technológiája ma már jóval
    összetettebb feladatokkal is megbirkózik.
  • 1:20 - 1:23
    A Kaggle 2012-ben azt a kihívást állította
    a közösség elé,
  • 1:23 - 1:26
    hogy írjanak egy programot,
    amely iskolai fogalmazásokat osztályoz.
  • 1:26 - 1:29
    A győztes programok
    ugyanolyan osztályzatokat adtak,
  • 1:29 - 1:31
    mint a középiskolai tanárok.
  • 1:31 - 1:34
    2015-ben még nehezebb feladattal
    álltunk elő:
  • 1:34 - 1:37
    Képes-e egy program
    fényképek alapján diagnosztizálni
  • 1:37 - 1:39
    a diabéteszes retinopátiát?
  • 1:39 - 1:43
    A nyertes programok képesek voltak
    ugyanazt a diagnózist felállítani,
  • 1:43 - 1:45
    mint a szemész szakorvosok.
  • 1:46 - 1:49
    A megfelelő adatok birtokában
    a gépek jobban teljesítenek nálunk
  • 1:49 - 1:50
    az efféle feladatokban.
  • 1:50 - 1:54
    Tegyük fel, hogy egy tanár elolvas
    10 000 fogalmazást a pályafutása során,
  • 1:54 - 1:57
    egy szemorvos pedig
    megvizsgál 50 000 szemet.
  • 1:57 - 2:01
    Egy gép esszék millióit képes elolvasni,
    és szemek millióit képes megvizsgálni
  • 2:01 - 2:02
    alig néhány perc alatt.
  • 2:02 - 2:05
    Gyakori és nagy volumenű feladatok
    esetében
  • 2:05 - 2:08
    nincs esélyünk a gépekkel szemben
  • 2:09 - 2:12
    De van, amire csak mi, emberek
    vagyunk képesek, a gépek viszont nem.
  • 2:13 - 2:15
    A gépek nagyon keveset fejlődtek
  • 2:15 - 2:17
    az új helyzetek kezelésében,
  • 2:17 - 2:21
    és nem tudnak mit kezdeni olyasmivel,
    amivel nem találkoztak korábban sokszor.
  • 2:21 - 2:24
    A gépi tanulás alapvető korlátja az,
  • 2:24 - 2:27
    hogy a gépek csak a korábbi adatok
    tömkelegéből képesek tanulni.
  • 2:27 - 2:29
    Az embereknél ez nem így van.
  • 2:29 - 2:32
    Mi össze tudunk kötni
    látszólag különálló szálakat,
  • 2:32 - 2:34
    hogy teljesen új problémákat oldjunk meg.
  • 2:35 - 2:39
    A fizikus, Percy Spencer egy radar mellett
    dolgozott a II. világháborúban,
  • 2:39 - 2:42
    és feltűnt neki, hogy a magnetron
    megolvasztotta a csokoládéját.
  • 2:43 - 2:46
    Spencer összekapcsolta a tudását
    az elektromágneses sugárzásról
  • 2:46 - 2:48
    és a főzésről,
  • 2:48 - 2:51
    és feltalálta – vajon mit?
    A mikrohullámú sütőt.
  • 2:51 - 2:55
    Ez persze a kreativitás különösen
    figyelemreméltó példája.
  • 2:55 - 2:58
    Ám ehhez hasonló inspirációt
    naponta ezernyi alkalommal
  • 2:58 - 3:00
    tapasztalunk mindannyian.
  • 3:01 - 3:02
    A gépeknek nincs esélyük,
  • 3:02 - 3:04
    ha új helyzetek kezeléséről van szó,
  • 3:04 - 3:08
    ez pedig behatárolja azoknak
    az emberi tevékenységeknek a körét,
  • 3:08 - 3:09
    amelyeket a gépek átvesznek majd.
  • 3:10 - 3:12
    Hogy mindez mit jelent
    a munka jövőjére nézve?
  • 3:13 - 3:17
    Minden egyes foglalkozás jövője eldönthető
    egyetlen kérdés megválaszolásával:
  • 3:17 - 3:22
    Milyen mértékben áll az adott munka
    gyakori, nagy volumenű feladatokból,
  • 3:22 - 3:26
    és milyen mértékben igényli
    új helyzetek kezelését?
  • 3:26 - 3:30
    A gépek egyre ügyesebben birkóznak meg
    a gyakori, nagy volumenű feladatokkal.
  • 3:30 - 3:33
    Ma fogalmazásokat osztályoznak
    és betegségeket diagnosztizálnak.
  • 3:33 - 3:36
    Az évek múlásával gépek
    fogják végezni a felülvizsgálatokat,
  • 3:36 - 3:39
    és gépek fogják beemelni
    a szerződések szabványszövegeit.
  • 3:39 - 3:41
    De szükség lesz számvivőkre és jogászokra
  • 3:41 - 3:44
    a bonyolult adórendszerek kezeléséhez,
  • 3:44 - 3:45
    vagy új peres eljárásokhoz.
  • 3:45 - 3:47
    De egyre kevésbé lesz rájuk szükség,
  • 3:47 - 3:49
    és nehezebb lesz ilyen munkát találni.
  • 3:49 - 3:50
    Ahogy már mondtam,
  • 3:50 - 3:53
    a gépek nem jeleskednek
    az új helyzetek kezelésében.
  • 3:53 - 3:56
    Egy reklámkampány szövegének
    fel kell keltenie a fogyasztók figyelmét,
  • 3:56 - 3:58
    és ki kell tűnnie a tömegből.
  • 3:58 - 4:01
    Az üzleti tervek a piaci rések
    feltárására épülnek,
  • 4:01 - 4:02
    olyasmire, amit más még nem csinál.
  • 4:02 - 4:06
    A reklámkampányok szövegét tehát
    továbbra is emberek fogják írni,
  • 4:06 - 4:10
    és emberek fogják kidolgozni
    az üzleti terveket.
  • 4:10 - 4:13
    Így hát, Yahli, bármit is csinálsz majd,
  • 4:13 - 4:15
    hozzon minden napod új kihívást.
  • 4:16 - 4:18
    Ha így lesz, előnyben leszel
    a gépekkel szemben.
  • 4:19 - 4:20
    Köszönöm.
  • 4:20 - 4:23
    (Taps.)
Title:
A munkák, amelyekben vesztésre állunk a gépekkel szemben – és amelyekben nem
Speaker:
Anthony Goldbloom
Description:

A gépi tanulás használatával már nem csupán olyan egyszerű feladatok oldhatók meg, mint amilyen a hitelkérelmek bírálata vagy a levelek szortírozása – a gépek ma már sokkal összetettebb feladatokkal is megbirkóznak, például iskolai fogalmazásokat osztályoznak és betegségeket diagnosztizálnak. A gépek fejlődését látva adódik a kényelmetlen kérdés: elveszik-e a robotok a munkánkat?
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:36

  • Csaba Lóki

    Nagyon szép! :) Egy mondatot módosítottam. Igaz, így nem "tükörfordítás", de talán magyarul picit jobban hangzik.

  • Csaba Lóki

    Nagyon szép! :) Egy mondatot módosítottam. Igaz, így nem "tükörfordítás", de talán magyarul picit jobban hangzik.

  • Beatrix Turán

    Köszönöm! :)

Hungarian subtitles

Revisions

Our website uses cookies for analysis purposes.