Zawody, w których zastąpią nas maszyny - i gdzie się to nie uda
-
0:01 - 0:02Oto moja siostrzenica.
-
0:03 - 0:04Ma na imię Yahli.
-
0:04 - 0:06Ma dziewięć miesięcy.
-
0:06 - 0:09Jej tata jest lekarzem,
a mama prawnikiem. -
0:09 - 0:11Zanim pójdzie na studia
-
0:11 - 0:15zawody jej rodziców
będą wyglądać zupełnie inaczej. -
0:15 - 0:20W 2013 roku naukowcy z Oksfordu
badali przyszłość rynku pracy. -
0:21 - 0:25Stwierdzono, że 50% zawodów
-
0:25 - 0:27grozi zastąpienie przez komputery.
-
0:28 - 0:30Samouczenie się maszyn to technologia
-
0:30 - 0:33głównie odpowiedzialna za tę sytuację.
-
0:33 - 0:35To najważniejsza dziedzina
sztucznej inteligencji. -
0:35 - 0:37Pozwala maszynom uczyć się z danych
-
0:37 - 0:40i naśladować niektóre umiejętności ludzi.
-
0:40 - 0:43Moja firma, Kaggle, działa
w awangardzie uczenia maszynowego. -
0:43 - 0:46Gromadzimy setki tysięcy ekspertów,
-
0:46 - 0:49żeby rozwiązywali ważne
problemy przemysłu i nauki. -
0:49 - 0:51Daje nam to wyjątkowy wgląd w to,
-
0:51 - 0:54co potrafią i czego nie potrafią maszyny,
-
0:54 - 0:57i jakie zawody mogą
zautomatyzować, a jakim zagrozić. -
0:57 - 1:00Uczenie maszynowe zaczęło się w latach 90.
-
1:00 - 1:04Zaczęło się od stosunkowo prostych zadań:
-
1:04 - 1:08oceny ryzyka finansowego
wniosków o kredyty, -
1:08 - 1:12sortowania poczty przez sczytywanie
ręcznie napisanego kodu pocztowego. -
1:12 - 1:16W ostatnich latach, dokonaliśmy
wielkiego przełomu. -
1:16 - 1:19Samouczące się maszyny umieją
wykonywać bardziej złożone zadania. -
1:20 - 1:23W 2012 firma Kaggle rzuciła wyzwanie
społeczności użytkowników, -
1:23 - 1:26żeby stworzyli algorytm do oceniania
wypracowań uczniów liceum. -
1:27 - 1:31Zwycięskie algorytmy dawały
takie same oceny co nauczyciele. -
1:31 - 1:34W zeszłym roku podnieśliśmy poprzeczkę.
-
1:34 - 1:38Czy da się zdiagnozować retinopatię
cukrzycową na podstawie zdjęć? -
1:39 - 1:42Tu znów zwycięskie algorytmy
-
1:43 - 1:44odpowiadały diagnozie okulistów.
-
1:45 - 1:47Mając odpowiednie dane,
-
1:47 - 1:50maszyny wykonują takie zadania
lepiej niż ludzie. -
1:50 - 1:54Nauczyciel może przeczytać
10 000 wypracowań przez 40 lat nauczania. -
1:54 - 1:57Okulista zobaczy 50 000 oczu.
-
1:57 - 2:01Komputer przeczyta miliony wypracowań,
przeanalizuje miliony oczu -
2:01 - 2:02w mgnieniu oka.
-
2:02 - 2:05Nie mamy szans w starciu z maszyną,
-
2:05 - 2:08w wykonywaniu powtarzalnych zadań
z dużą ilością danych. -
2:09 - 2:12Ale są rzeczy, które my potrafimy,
a maszyny nie. -
2:13 - 2:16Maszyny nie zaszły zbyt daleko
-
2:16 - 2:17w rozwiązywaniu nowych problemów.
-
2:17 - 2:21Nie radzą sobie z rzeczami, których
przedtem wielokrotnie nie widziały. -
2:21 - 2:24Programy uczące się
fundamentalnie ogranicza to, -
2:24 - 2:27że muszą uczyć się
z danych zebranych wcześniej. -
2:27 - 2:29Ludzie nie potrzebują tego.
-
2:29 - 2:32Umiemy łączyć wątki pozornie bez związku,
-
2:32 - 2:36żeby rozwiązywać nieznane dotąd problemy.
-
2:36 - 2:39Percy Spencer, fizyk pracujący z radarami
podczas II wojny światowej, -
2:39 - 2:43zauważył, że magnetron topi mu
czekoladowy batonik w kieszeni. -
2:43 - 2:46Połączył znajomość promieniowania
elektromagnetycznego -
2:46 - 2:48z doświadczeniem kulinarnym,
-
2:48 - 2:51żeby stworzyć - ktoś wie? - mikrofalówkę.
-
2:51 - 2:55To wyjątkowy przykład inwencji,
-
2:55 - 2:58ale podobne łączenie wątków
zdarza się każdemu z nas -
2:58 - 3:00tysiące razy dziennie.
-
3:01 - 3:02Komputery nie są konkurencją dla ludzi,
-
3:02 - 3:05jeśli chodzi o rozwiązywanie
nowych problemów, -
3:05 - 3:08co znacząco ogranicza liczbę zadań,
-
3:08 - 3:09które mogą wykonywać maszyny.
-
3:10 - 3:12Co znaczy to dla zawodów przyszłości?
-
3:13 - 3:17Przyszłość każdego zawodu leży
w odpowiedzi na jedno pytanie: -
3:17 - 3:22jak dalece da się go zredukować
do powtarzalnych, dużych zadań, -
3:22 - 3:26a na ile zależy od rozwiązywania
nowych problemów? -
3:26 - 3:30W pracach powtarzanych w kółko
komputery stają się coraz lepsze. -
3:30 - 3:33Dziś oceniają prace uczniów,
wykrywają niektóre choroby. -
3:33 - 3:36W przyszłości będą prowadzić audyty
-
3:36 - 3:39i czytać standardowy tekst
w dokumentach prawnych. -
3:39 - 3:41Księgowi i prawnicy nadal będą potrzebni
-
3:41 - 3:43w przypadku skomplikowanej
struktury podatków, -
3:43 - 3:45do rozstrzygania sporów sądowych.
-
3:45 - 3:49Ale komputery zdziesiątkują ich
i utrudnią znalezienie pracy. -
3:49 - 3:50Jak wspomniano wcześniej,
-
3:50 - 3:53maszyny nie robią postępów
w nieznanych sytuacjach. -
3:53 - 3:56Tekst kampanii reklamowej
musi przyciągać uwagę konsumentów, -
3:56 - 3:58musi wyróżniać się z tłumu.
-
3:58 - 4:01Strategia biznesowa
to znajdowanie niszy rynkowej, -
4:01 - 4:03rzeczy, których nie robi nikt inny.
-
4:03 - 4:06To ludzie będą pisać
teksty kampanii reklamowych -
4:07 - 4:09i to ludzie stworzą naszą strategię.
-
4:10 - 4:13Yahli, cokolwiek będziesz w życiu robić,
-
4:13 - 4:16niech każdy dzień będzie nowym wyzwaniem.
-
4:16 - 4:19Wtedy wyprzedzisz maszyny.
-
4:19 - 4:20Dziękuję 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?
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDTalks
- Duration:
- 04:36
![]() |
Rysia Wand approved Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Rysia Wand accepted Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Rysia Wand edited Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Rysia Wand edited Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Aretzki Aretzki edited Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Rysia Wand commented on Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Rysia Wand declined Polish subtitles for The jobs we'll lose to machines -- and the ones we won't | |
![]() |
Rysia Wand edited Polish subtitles for The jobs we'll lose to machines -- and the ones we won't |
Rysia Wand
Trzeba przepracować za długie linijki. Poprawiam pierwszą minutę dla przykładu http://www.amara.org/en/videos/diffing/3913163/3905602/