< Return to Video

機器能夠或不能夠取代我哋嘅工作

  • 0:01 - 0:02
    呢個係我嘅姪女/外甥女
  • 0:03 - 0:04
    佢叫做 Yahli
  • 0:04 - 0:06
    佢依家 9 個月大
  • 0:06 - 0:09
    佢嘅媽咪係醫生，爹哋係律師
  • 0:09 - 0:11
    等到 Yahli 去返大學嗰時
  • 0:11 - 0:15
    佢父母依家做嘅工作將會有巨變
  • 0:15 - 0:18
    牛津大學嘅研究人員喺2013年
  • 0:18 - 0:21
    做咗一個關於未來工作嘅研究
  • 0:21 - 0:24
    佢哋推斷差不多每兩份工作
  • 0:24 - 0:27
    就有一份會面臨畀機器取代嘅危險
  • 0:28 - 0:30
    「機器學習」科技就係呢種威脅嘅元兇
  • 0:33 - 0:35
    佢係人工智能最強勁嘅學科分支
  • 0:35 - 0:37
    佢令到機器可以從數據中學習
  • 0:37 - 0:40
    模仿有啲人類會做嘅事
  • 0:40 - 0:43
    我間公司 Kaggle 企喺機器學習嘅最前線
  • 0:43 - 0:46
    我哋匯聚咗成千上萬嘅專家
  • 0:46 - 0:49
    嚟解決工業、學術嘅重大問題
  • 0:49 - 0:51
    因為咁樣令我哋對機器有獨特嘅見解
  • 0:51 - 0:53
    知道乜嘢機器可以做
  • 0:53 - 0:54
    同乜嘢唔可以做
  • 0:54 - 0:57
    乜嘢工可以自動化同乜嘢工受到威脅
  • 0:57 - 1:01
    機器學習喺90年代初期喺工業起步
  • 1:01 - 1:03
    一開始做啲比較簡單嘅任務
  • 1:03 - 1:08
    例如評估貸款申請嘅信用風險
  • 1:08 - 1:12
    識別手寫嘅郵政編碼嚟揀信
  • 1:12 - 1:15
    喺過去幾年，我哋取得驚人嘅突破
  • 1:16 - 1:20
    依家機器學習已經做到更加複雜嘅任務
  • 1:20 - 1:23
    2012 年， Kaggle 考驗佢嘅團隊
  • 1:23 - 1:26
    要佢哋設計一條批改高中習作嘅算法
  • 1:26 - 1:28
    獲勝算法嘅打分
  • 1:28 - 1:31
    能夠同人類老師嘅打分相符
  • 1:31 - 1:34
    舊年，我哋提出咗更難嘅挑戰
  • 1:34 - 1:37
    你可唔可以僅憑眼睛嘅圖像就診斷出
  • 1:37 - 1:39
    病人患有「糖尿病視網膜病變」？
  • 1:39 - 1:42
    同樣，勝出嘅算法做嘅診斷結果
  • 1:42 - 1:45
    可以同人類眼科醫生嘅診斷結果符合
  • 1:46 - 1:48
    依家只要輸入正確數據，機器就可以
  • 1:48 - 1:50
    比人類做好似呢啲工作更加出色
  • 1:50 - 1:51
    喺 40 職業生涯入面
  • 1:51 - 1:54
    一位老師可以批改一萬份習作
  • 1:54 - 1:57
    一位眼科醫生可以為五萬雙眼睛診斷
  • 1:57 - 2:00
    而一部機器可以喺幾分鐘之內
  • 2:00 - 2:01
    批改成千上萬份習作
  • 2:01 - 2:02
    或者檢查數以百萬對嘅眼睛
  • 2:02 - 2:05
    對於頻繁、大量嘅工作
  • 2:05 - 2:08
    我哋簡直無可能同機器競爭
  • 2:09 - 2:12
    但係有啲嘢係機器無法取代我哋嘅
  • 2:13 - 2:15
    就係當要處理新嘅情況時
  • 2:15 - 2:17
    機器往往一籌莫展
  • 2:17 - 2:21
    佢哋只可以處理多次出現嘅情況
  • 2:21 - 2:24
    機器學習嘅基本限制在於
  • 2:24 - 2:27
    佢需要通過以前大量嘅數據嚟學習
  • 2:27 - 2:29
    但係，人類唔需要
  • 2:29 - 2:32
    我哋有能力串連看似無關嘅線索
  • 2:32 - 2:34
    嚟解決我哋從未遇見嘅情況
  • 2:35 - 2:38
    Percy Spencer 係一名研究
    雷達嘅物理學家
  • 2:38 - 2:42
    二戰時期佢發現磁電管可以融化朱古力
  • 2:43 - 2:46
    佢將自己對電磁輻射嘅理解
  • 2:46 - 2:48
    同烹飪知識結合起嚟
  • 2:48 - 2:49
    發明咗..要唔要估下？就係微波爐
  • 2:51 - 2:55
    呢個發明嘅例子，令人拍案叫絕
  • 2:55 - 2:57
    但係呢種「異花傳粉」每一天都會
  • 2:57 - 3:00
    喺我哋生活細微處發生無數次
  • 3:01 - 3:02
    要處理未知情況嗰陣
  • 3:02 - 3:04
    機器比唔上我哋
  • 3:04 - 3:07
    咁樣做成咗機器取代
  • 3:07 - 3:09
    人類工作嘅基本限制
  • 3:10 - 3:12
    所以佢對未來工作嘅意義係乜嘢？
  • 3:13 - 3:17
    任何工作嘅前景都取決於一個問題
  • 3:17 - 3:22
    呢份工可以減輕頻密又
    大量嘅任務到乜嘢程度
  • 3:22 - 3:26
    又喺幾大程度上會遇到未知情況？
  • 3:26 - 3:30
    機器處理頻繁又大量嘅任務越來越叻
  • 3:30 - 3:33
    依家佢哋可以批改習作、診斷一啲疾病
  • 3:33 - 3:36
    幾年之後，雖然機器可以幫我哋做審計
  • 3:36 - 3:39
    閱讀法律合同中嘅樣板
  • 3:39 - 3:41
    但我哋依然需要會計師同律師
  • 3:41 - 3:43
    分析複雜嘅稅務架構
  • 3:43 - 3:44
    探索訴訟法律
  • 3:44 - 3:46
    但係機器會降低工作對人嘅要求
  • 3:46 - 3:48
    令人更難就業
  • 3:48 - 3:50
    依家，好似之前所講
  • 3:50 - 3:53
    機器喺處理未知情況方面毫無進展
  • 3:53 - 3:56
    市場營銷為了捉住消費者嘅眼球
  • 3:56 - 3:58
    需要脫穎而出
  • 3:58 - 4:00
    佢哋嘅策略係要喺市場夾縫中搵到商機
  • 4:01 - 4:02
    尋找獨一無二之處
  • 4:02 - 4:06
    只有人類才能喺幕後策劃市場營銷
  • 4:06 - 4:10
    只有人類才能不斷升級商業戰略
  • 4:10 - 4:13
    所以 Yahli，無論你決定做乜嘢
  • 4:13 - 4:15
    請你每日都要面對新挑戰
  • 4:16 - 4:18
    咁樣你就可以比機器遙遙領先
  • 4:19 - 4:20
    多謝
  • 4:20 - 4:27
    （掌聲）
Title:
機器能夠或不能夠取代我哋嘅工作
Speaker:
Anthony Goldbloom
Description:

今日機器學習已經唔再限於好似評估信用風險、分揀郵件咁簡單嘅工作。佢可以完成更加複雜嘅任務，例如評分同診斷疾病。一個難題隨著呢啲科技進步而嚟：未來機器人會唔會取代你嘅工作？
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:36

Chinese, Yue subtitles

Revisions

Our website uses cookies for analysis purposes.