機械に奪われる仕事 — そして残る仕事
-
0:01 - 0:03この子は私の姪で
-
0:03 - 0:04名前をヤーリといいます
-
0:04 - 0:06生まれて９カ月です
-
0:06 - 0:09母親は医者で
父親は弁護士ですが -
0:09 - 0:11ヤーリが大学に行く頃には
-
0:11 - 0:15両親の仕事の様子は
劇的に変わっていることでしょう -
0:15 - 0:212013年オックスフォード大学の研究者達が
未来の仕事についての研究を行いました -
0:21 - 0:25職の２つに１つは
機械により自動化されるリスクが高いと -
0:25 - 0:27彼らは結論付けました
-
0:28 - 0:30機械学習の技術こそ
-
0:30 - 0:33そのような変化の
主な原因となるものです -
0:33 - 0:35これは人工知能分野の中でも
最も有力な領域です -
0:35 - 0:37この技術により
機械がデータから学習して -
0:37 - 0:40ある種のことを
人間のようにできるようになります -
0:40 - 0:43私の会社Kaggleでは
最先端の機械学習技術に取り組んでいて -
0:43 - 0:47産業や学問上の重要な問題を
解決するために -
0:47 - 0:49何十万というエキスパートを
集めています -
0:49 - 0:51そのお陰で
独特な知見が得られます -
0:51 - 0:54機械には何ができ
何ができないのか？ -
0:54 - 0:57どんな仕事に 自動化や
消失の怖れがあるのか？ -
0:57 - 1:01機械学習が産業界で使われ出したのは
1990年代前半です -
1:01 - 1:03まずは比較的単純な
タスクから始まりました -
1:03 - 1:08ローン申し込みに対する
信用リスクの評価や -
1:08 - 1:12手書きの郵便番号を読み取って
手紙を仕分けるといったことです -
1:12 - 1:16ここ数年の間に
飛躍的な進歩がありました -
1:16 - 1:20機械学習が はるかに複雑なタスクを
こなせるようになったのです -
1:20 - 1:232012年 Kaggleは
高校生の書いた小論文を採点できる -
1:23 - 1:26アルゴリズムを作るという課題を
専門家コミュニティに提示しました -
1:26 - 1:29優勝したアルゴリズムは
人間の教師の採点と -
1:29 - 1:31一致する評価を
することができました -
1:31 - 1:34昨年には さらに難しい
課題を出しました -
1:34 - 1:38「眼球の写真から
糖尿病性網膜症の診断をできるか？」 -
1:38 - 1:39というものです
-
1:39 - 1:41この時も 優勝した
アルゴリズムは -
1:41 - 1:45人間の眼科医の診断と
一致する結果を出せました -
1:45 - 1:48適切なデータが与えられれば
このようなタスクで -
1:48 - 1:50機械は人間より優れた結果を
出し始めています -
1:50 - 1:54教師は40年の経歴において
小論文を１万本読むかもしれません -
1:54 - 1:57眼科医は眼を５万個
診断するかもしれません -
1:57 - 2:00しかし 機械なら数分のうちに
数百万の小論文を読み -
2:00 - 2:02数百万の眼を診ることができます
-
2:02 - 2:05頻度が高く 多量のデータを
処理するタスクでは -
2:05 - 2:08人間が機械に勝てる見込みはありません
-
2:09 - 2:13しかし 我々に出来て
機械に出来ないことがあります -
2:13 - 2:15機械の技術が
ほとんど進歩していないのは -
2:15 - 2:17経験のない状況で
判断する技術です -
2:17 - 2:21機械は前にほとんど見たことがない状況を
うまく処理できないのです -
2:21 - 2:24機械学習に根本的な限界があるのは
-
2:24 - 2:27大量の過去データから
学ぶ必要があるという点です -
2:27 - 2:29人間は違います
-
2:29 - 2:32我々は ほとんど共通点のない
手掛かりを繋ぎ合わせ -
2:32 - 2:35見たことのない問題を
解決することができます -
2:35 - 2:39パーシー・スペンサーは第２次世界大戦中
レーダー開発の任務に就いていた物理学者で -
2:39 - 2:43その時 マグネトロンがチョコバーを
溶かすことに気づきました -
2:43 - 2:48電磁波に関する理解と
料理に関する知識を結びつけることで -
2:48 - 2:50彼の発明したのが —
何か分かりますか？ -
2:50 - 2:51電子レンジです
-
2:51 - 2:55これこそ創造力の
素晴らしい一例です -
2:55 - 2:57このような分野を超えた発想は
些細な形であれば -
2:57 - 3:00誰にでも毎日何千回と
ひらめいています -
3:01 - 3:02経験のない状況においては
-
3:02 - 3:04機械は人間には勝てず
-
3:04 - 3:08それが人間の行うことを
機械で自動化する際の -
3:08 - 3:10基本的な限界を与えます
-
3:10 - 3:13これが将来の仕事に
意味することは何でしょう？ -
3:13 - 3:17各々の仕事の未来の運命は
ある１つの問への答えにかかっています -
3:17 - 3:22高頻度多量データ処理に
還元できる部分がどの程度あり -
3:22 - 3:26前例無き状況への対応を求められる部分が
どの程度あるのか？ -
3:26 - 3:30高頻度多量データ処理については
機械はどんどん賢くなっていきます -
3:30 - 3:33今では 機械が小論文の採点をし
ある種の病気の診断をします -
3:33 - 3:35数年内には
監査をしたり -
3:35 - 3:39法律上の契約書から一般的な表現を
解釈出来るようになるでしょう -
3:39 - 3:41それでも会計士や弁護士が
いらなくはなりません -
3:41 - 3:43複雑な税務対策や
前例のない訴訟の対応には -
3:43 - 3:44必要とされるのです
-
3:44 - 3:46機械により
能力のある者だけが残され -
3:46 - 3:48これらの職に就くことは
難しくなります -
3:48 - 3:50さて 前にも述べましたが
-
3:50 - 3:53経験のない状況に対応する技術は
進歩していません -
3:53 - 3:56マーケティング活動における宣伝文句は
消費者の関心を引く必要があります -
3:56 - 3:58数ある中で
目立っていなければなりません -
3:58 - 4:00ビジネス戦略とは
他社がやっていない -
4:00 - 4:02市場のニッチを探り出すことです
-
4:02 - 4:06マーケティング活動における宣伝文句を
創り出すのは人間の役目であり -
4:06 - 4:10ビジネス戦略を考え出すのも
人間です -
4:10 - 4:13だからね ヤーリちゃん
どんな仕事を選ぶにせよ -
4:13 - 4:16常日頃
新しいことに挑戦することです -
4:16 - 4:19そうすれば
機械に先んじることが出来るでしょう -
4:19 - 4:20ありがとうございました
-
4:20 - 4:23（拍手）
- Title:
- 機械に奪われる仕事 — そして残る仕事
- Speaker:
- アンソニー・ゴールドブルーム
- Description:
-
more » « less
機械学習は、もはや信用リスク評価や、手紙の仕分けといった単純な仕事だけをこなすわけではありません。今では小論文の採点や病気の診断といった、ずっと複雑なこともできるようになっています。このような進歩は不安を覚える疑問を提起します ― 将来私たちの仕事はロボットに取られてしまうのでしょうか？
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 04:36
|
Yasushi Aoki approved Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Yasushi Aoki accepted Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Yasushi Aoki edited Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
Tomoyuki Suzuki edited Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Yasushi Aoki declined Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Yasushi Aoki edited Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Yasushi Aoki edited Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't | |
|
|
Yasushi Aoki edited Japanese subtitles for The jobs we'll lose to machines -- and the ones we won't |