< Return to Video

Zawody, w których zastąpią nas maszyny - i gdzie się to nie uda

  • 0:01 - 0:02
    Oto moja siostrzenica.
  • 0:03 - 0:04
    Ma na imię Yahli.
  • 0:04 - 0:06
    Ma dziewięć miesięcy.
  • 0:06 - 0:09
    Jej tata jest lekarzem,
    a mama prawnikiem.
  • 0:09 - 0:11
    Zanim pójdzie na studia
  • 0:11 - 0:15
    zawody jej rodziców
    będą wyglądać zupełnie inaczej.
  • 0:15 - 0:20
    W 2013 roku naukowcy z Oksfordu
    badali przyszłość rynku pracy.
  • 0:21 - 0:25
    Stwierdzono, że 50% zawodów
  • 0:25 - 0:27
    grozi zastąpienie przez komputery.
  • 0:28 - 0:30
    Samouczenie się maszyn to technologia
  • 0:30 - 0:33
    głównie odpowiedzialna za tę sytuację.
  • 0:33 - 0:35
    To najważniejsza dziedzina
    sztucznej inteligencji.
  • 0:35 - 0:37
    Pozwala maszynom uczyć się z danych
  • 0:37 - 0:40
    i naśladować niektóre umiejętności ludzi.
  • 0:40 - 0:43
    Moja firma, Kaggle, działa
    w awangardzie uczenia maszynowego.
  • 0:43 - 0:46
    Gromadzimy setki tysięcy ekspertów,
  • 0:46 - 0:49
    żeby rozwiązywali ważne
    problemy przemysłu i nauki.
  • 0:49 - 0:51
    Daje nam to wyjątkowy wgląd w to,
  • 0:51 - 0:54
    co potrafią i czego nie potrafią maszyny,
  • 0:54 - 0:57
    i jakie zawody mogą
    zautomatyzować, a jakim zagrozić.
  • 0:57 - 1:00
    Uczenie maszynowe zaczęło się w latach 90.
  • 1:00 - 1:04
    Zaczęło się od stosunkowo prostych zadań:
  • 1:04 - 1:08
    oceny ryzyka finansowego
    wniosków o kredyty,
  • 1:08 - 1:12
    sortowania poczty przez sczytywanie
    ręcznie napisanego kodu pocztowego.
  • 1:12 - 1:16
    W ostatnich latach, dokonaliśmy
    wielkiego przełomu.
  • 1:16 - 1:19
    Samouczące się maszyny umieją
    wykonywać bardziej złożone zadania.
  • 1:20 - 1:23
    W 2012 firma Kaggle rzuciła wyzwanie
    społeczności użytkowników,
  • 1:23 - 1:26
    żeby stworzyli algorytm do oceniania
    wypracowań uczniów liceum.
  • 1:27 - 1:31
    Zwycięskie algorytmy dawały
    takie same oceny co nauczyciele.
  • 1:31 - 1:34
    W zeszłym roku podnieśliśmy poprzeczkę.
  • 1:34 - 1:38
    Czy da się zdiagnozować retinopatię
    cukrzycową na podstawie zdjęć?
  • 1:39 - 1:42
    Tu znów zwycięskie algorytmy
  • 1:43 - 1:44
    odpowiadały diagnozie okulistów.
  • 1:45 - 1:47
    Mając odpowiednie dane,
  • 1:47 - 1:50
    maszyny wykonują takie zadania
    lepiej niż ludzie.
  • 1:50 - 1:54
    Nauczyciel może przeczytać
    10 000 wypracowań przez 40 lat nauczania.
  • 1:54 - 1:57
    Okulista zobaczy 50 000 oczu.
  • 1:57 - 2:01
    Komputer przeczyta miliony wypracowań,
    przeanalizuje miliony oczu
  • 2:01 - 2:02
    w mgnieniu oka.
  • 2:02 - 2:05
    Nie mamy szans w starciu z maszyną,
  • 2:05 - 2:08
    w wykonywaniu powtarzalnych zadań
    z dużą ilością danych.
  • 2:09 - 2:12
    Ale są rzeczy, które my potrafimy,
    a maszyny nie.
  • 2:13 - 2:16
    Maszyny nie zaszły zbyt daleko
  • 2:16 - 2:17
    w rozwiązywaniu nowych problemów.
  • 2:17 - 2:21
    Nie radzą sobie z rzeczami, których
    przedtem wielokrotnie nie widziały.
  • 2:21 - 2:24
    Programy uczące się
    fundamentalnie ogranicza to,
  • 2:24 - 2:27
    że muszą uczyć się
    z danych zebranych wcześniej.
  • 2:27 - 2:29
    Ludzie nie potrzebują tego.
  • 2:29 - 2:32
    Umiemy łączyć wątki pozornie bez związku,
  • 2:32 - 2:36
    żeby rozwiązywać nieznane dotąd problemy.
  • 2:36 - 2:39
    Percy Spencer, fizyk pracujący z radarami
    podczas II wojny światowej,
  • 2:39 - 2:43
    zauważył, że magnetron topi mu
    czekoladowy batonik w kieszeni.
  • 2:43 - 2:46
    Połączył znajomość promieniowania
    elektromagnetycznego
  • 2:46 - 2:48
    z doświadczeniem kulinarnym,
  • 2:48 - 2:51
    żeby stworzyć - ktoś wie? - mikrofalówkę.
  • 2:51 - 2:55
    To wyjątkowy przykład inwencji,
  • 2:55 - 2:58
    ale podobne łączenie wątków
    zdarza się każdemu z nas
  • 2:58 - 3:00
    tysiące razy dziennie.
  • 3:01 - 3:02
    Komputery nie są konkurencją dla ludzi,
  • 3:02 - 3:05
    jeśli chodzi o rozwiązywanie
    nowych problemów,
  • 3:05 - 3:08
    co znacząco ogranicza liczbę zadań,
  • 3:08 - 3:09
    które mogą wykonywać maszyny.
  • 3:10 - 3:12
    Co znaczy to dla zawodów przyszłości?
  • 3:13 - 3:17
    Przyszłość każdego zawodu leży
    w odpowiedzi na jedno pytanie:
  • 3:17 - 3:22
    jak dalece da się go zredukować
    do powtarzalnych, dużych zadań,
  • 3:22 - 3:26
    a na ile zależy od rozwiązywania
    nowych problemów?
  • 3:26 - 3:30
    W pracach powtarzanych w kółko
    komputery stają się coraz lepsze.
  • 3:30 - 3:33
    Dziś oceniają prace uczniów,
    wykrywają niektóre choroby.
  • 3:33 - 3:36
    W przyszłości będą prowadzić audyty
  • 3:36 - 3:39
    i czytać standardowy tekst
    w dokumentach prawnych.
  • 3:39 - 3:41
    Księgowi i prawnicy nadal będą potrzebni
  • 3:41 - 3:43
    w przypadku skomplikowanej
    struktury podatków,
  • 3:43 - 3:45
    do rozstrzygania sporów sądowych.
  • 3:45 - 3:49
    Ale komputery zdziesiątkują ich
    i utrudnią znalezienie pracy.
  • 3:49 - 3:50
    Jak wspomniano wcześniej,
  • 3:50 - 3:53
    maszyny nie robią postępów
    w nieznanych sytuacjach.
  • 3:53 - 3:56
    Tekst kampanii reklamowej
    musi przyciągać uwagę konsumentów,
  • 3:56 - 3:58
    musi wyróżniać się z tłumu.
  • 3:58 - 4:01
    Strategia biznesowa
    to znajdowanie niszy rynkowej,
  • 4:01 - 4:03
    rzeczy, których nie robi nikt inny.
  • 4:03 - 4:06
    To ludzie będą pisać
    teksty kampanii reklamowych
  • 4:07 - 4:09
    i to ludzie stworzą naszą strategię.
  • 4:10 - 4:13
    Yahli, cokolwiek będziesz w życiu robić,
  • 4:13 - 4:16
    niech każdy dzień będzie nowym wyzwaniem.
  • 4:16 - 4:19
    Wtedy wyprzedzisz maszyny.
  • 4:19 - 4:20
    Dziękuję bardzo.
  • 4:20 - 4:23
    (Brawa)
Title:
Zawody, w których zastąpią nas maszyny - i gdzie się to nie uda
Speaker:
Anthony Goldbloom
Description:

Komputerów, które potrafią same się uczyć, nie stosuje się już do prostych prac, jak ocena ryzyka kredytowego, lub sortowanie poczty - obecnie maszyny zdolne są do bardziej skomplikowanych zadań, jak ocenianie prac uczniów i wykrywanie chorób. Z postępem techniki nadchodzi pytanie - czy w przyszłości to robot będzie wykonywał twoją pracę?

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:36
  • Trzeba przepracować za długie linijki. Poprawiam pierwszą minutę dla przykładu http://www.amara.org/en/videos/diffing/3913163/3905602/

Polish subtitles

Revisions