Erik Brynjolfsson: The key to growth? Race with the machines

152,427 views ・ 2013-04-23

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Překladatel: Marek Vanžura Korektor: Tereza Mandakova
00:12
Growth is not dead.
1
12605
2272
Růst není mrtev.
00:14
(Applause)
2
14877
1386
(Potlesk)
00:16
Let's start the story 120 years ago,
3
16263
3963
Začněme náš příběh před 120 lety,
00:20
when American factories began to electrify their operations,
4
20226
3632
kdy americké továrny zahájily elektrifikaci,
00:23
igniting the Second Industrial Revolution.
5
23858
3344
čímž zažehly druhou průmyslovou revoluci.
00:27
The amazing thing is
6
27202
1111
Úžasnou věcí je,
00:28
that productivity did not increase in those factories
7
28313
2777
že v těchto továrnách nevzrostla produktivita
00:31
for 30 years. Thirty years.
8
31090
3256
po dobu následujících 30 let. Třiceti let.
00:34
That's long enough for a generation of managers to retire.
9
34346
3474
Je to dost dlouhá doba na to, aby generace ředitelů odešla do důchodu.
00:37
You see, the first wave of managers
10
37820
2222
Rozumíte, první vlna ředitelů
00:40
simply replaced their steam engines with electric motors,
11
40042
3417
jednoduše nahradila své parní motory elektrickými motory,
00:43
but they didn't redesign the factories to take advantage
12
43459
3010
ale nijak přitom nezměnili továrny, aby zároveň využili
00:46
of electricity's flexibility.
13
46469
2341
výhod z flexibility elektřiny.
00:48
It fell to the next generation to invent new work processes,
14
48810
3984
Záviselo to na další generaci, aby přišla s novými procesy,
00:52
and then productivity soared,
15
52794
2727
čímž se produktivita továren prudce zvedla,
00:55
often doubling or even tripling in those factories.
16
55521
3665
často dvojnásobně, někdy dokonce trojnásobně.
00:59
Electricity is an example of a general purpose technology,
17
59186
4723
Elektřina je příkladem univerzální technologie,
01:03
like the steam engine before it.
18
63909
2230
podobně jako byl předtím parní motor.
01:06
General purpose technologies drive most economic growth,
19
66139
3416
Univerzální technologie řídí nejekonomičtější růst,
01:09
because they unleash cascades of complementary innovations,
20
69555
3454
protože rozpoutávají kaskády doplňkových inovací,
01:13
like lightbulbs and, yes, factory redesign.
21
73009
3632
jako jsou žárovky a – ano – přestavba továrny.
01:16
Is there a general purpose technology of our era?
22
76641
3610
Existuje nějaká univerzální technologie naší doby?
01:20
Sure. It's the computer.
23
80251
2508
Jistě. Počítač.
01:22
But technology alone is not enough.
24
82759
2659
Ale samotná technologie nestačí.
01:25
Technology is not destiny.
25
85418
2766
Technologie není úděl.
01:28
We shape our destiny,
26
88184
1580
My sami určujeme náš úděl
01:29
and just as the earlier generations of managers
27
89764
2516
stejně jako předchozí generace ředitelů,
01:32
needed to redesign their factories,
28
92280
2298
kteří potřebovali přestavět své továrny,
01:34
we're going to need to reinvent our organizations
29
94578
2229
i my budeme potřebovat přeorganizovat své společnosti
01:36
and even our whole economic system.
30
96807
2555
a dokonce i celý náš ekonomický systém.
01:39
We're not doing as well at that job as we should be.
31
99362
3602
Nejsme v této práci tak dobří, jak bychom měli být.
01:42
As we'll see in a moment,
32
102964
1230
Jak uvidíme za chvíli,
01:44
productivity is actually doing all right,
33
104194
2722
s produktivitou je vše v pořádku,
01:46
but it has become decoupled from jobs,
34
106916
3862
ale ta se odděluje od pracovních míst,
01:50
and the income of the typical worker is stagnating.
35
110778
4419
takže příjem běžného pracovníka klesá.
01:55
These troubles are sometimes misdiagnosed
36
115197
2519
Tyto problémy jsou občas špatně určeny
01:57
as the end of innovation,
37
117716
3712
jako konec inovací,
02:01
but they are actually the growing pains
38
121428
2129
ale ve skutečnosti jsou rostoucími bolestmi
02:03
of what Andrew McAfee and I call the new machine age.
39
123557
5590
toho, co Andrew McAfee nazval novým věkem strojů.
02:09
Let's look at some data.
40
129147
1882
Podívejme se na nějaké údaje.
02:11
So here's GDP per person in America.
41
131029
2902
Tady je HDP na osobu v Americe.
02:13
There's some bumps along the way, but the big story
42
133931
2766
Jsou tam určité výkyvy, ale podstatné je,
02:16
is you could practically fit a ruler to it.
43
136697
2715
že roste prakticky jako podle pravítka.
02:19
This is a log scale, so what looks like steady growth
44
139412
3276
Je to logaritmická stupnice, takže to, co vypadá jako souvislý růst,
02:22
is actually an acceleration in real terms.
45
142688
3043
je ve skutečnosti zrychlováním.
02:25
And here's productivity.
46
145731
2160
A zde je produktivita.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
47
147891
2671
Můžete vidět drobné zpomalení v polovině 70. let,
02:30
but it matches up pretty well with the Second Industrial Revolution,
48
150562
3738
ale to odpovídá až docela dobře druhé průmyslové revoluci,
02:34
when factories were learning how to electrify their operations.
49
154300
2691
kdy se továrny teprve učily, jak elektrifikovat své procesy.
02:36
After a lag, productivity accelerated again.
50
156991
4129
Po prodlevě zase začala produktivita zrychlovat.
02:41
So maybe "history doesn't repeat itself,
51
161120
2571
Takže možná „historie neopakuje sebe sama,
02:43
but sometimes it rhymes."
52
163691
2568
ale občas se rýmuje."
02:46
Today, productivity is at an all-time high,
53
166259
3136
Dnes je produktivita na svém historickém vrcholu,
02:49
and despite the Great Recession,
54
169395
1977
a navzdory velké recesi
02:51
it grew faster in the 2000s than it did in the 1990s,
55
171372
4252
rostla na začátku tisíciletí rychleji než v 90. letech,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
56
175624
4136
těch bouřlivých 90. letech, které byly rychlejší než 70. a 80. léta.
02:59
It's growing faster than it did during the Second Industrial Revolution.
57
179760
3674
Roste rychleji než během druhé průmyslové revoluce.
03:03
And that's just the United States.
58
183434
1743
A to hovoříme jen o Spojených státech.
03:05
The global news is even better.
59
185177
3248
Z globálního hlediska je to ještě lepší.
03:08
Worldwide incomes have grown at a faster rate
60
188425
2360
Světové příjmy stoupaly rychlejším tempem
03:10
in the past decade than ever in history.
61
190785
2496
během posledních deseti let, než kdykoli v dějinách předtím.
03:13
If anything, all these numbers actually understate our progress,
62
193281
5051
Pokud vůbec něco, tak všechna tato čísla ve skutečnosti podhodnocují náš pokrok,
03:18
because the new machine age
63
198332
1912
protože nový věk strojů
03:20
is more about knowledge creation
64
200244
1664
se týká více vytváření znalostí
03:21
than just physical production.
65
201908
2331
než pouhé fyzické produkce.
03:24
It's mind not matter, brain not brawn,
66
204239
2938
Je to mysl, nikoli hmota, mozek, nikoli sval,
03:27
ideas not things.
67
207177
2062
myšlenky, nikoli věci.
03:29
That creates a problem for standard metrics,
68
209239
2570
To ale vytváří problém pro standardní měření,
03:31
because we're getting more and more stuff for free,
69
211809
3502
protože získáváme stále více a více věcí zadarmo,
03:35
like Wikipedia, Google, Skype,
70
215311
2641
příkladem jsou Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
71
217952
3063
a pokud ji zveřejní na webu, tak i tato TED přednáška.
03:41
Now getting stuff for free is a good thing, right?
72
221015
3303
Dostávat věci zadarmo je skvělé, ne?
03:44
Sure, of course it is.
73
224318
1765
Jistě, bezpochyby ano.
03:46
But that's not how economists measure GDP.
74
226083
3868
To ovšem není způsob, jakým ekonomové měří HDP.
03:49
Zero price means zero weight in the GDP statistics.
75
229951
5592
Nulová cena znamená nulovou roli ve statistikách HDP.
03:55
According to the numbers, the music industry
76
235543
2112
A s poukazem na čísla, hudební průmysl
03:57
is half the size that it was 10 years ago,
77
237655
3000
je poloviční než byl před deseti lety,
04:00
but I'm listening to more and better music than ever.
78
240655
3656
ale poslouchám více hudby a lepší hudbu než předtím.
04:04
You know, I bet you are too.
79
244311
2192
Vsadím se, že vy taky.
04:06
In total, my research estimates
80
246503
2723
Celkově můj výzkum odhaduje,
04:09
that the GDP numbers miss over 300 billion dollars per year
81
249226
4754
že v hodnotách HDP chybí přes 300 miliard dolarů za rok,
04:13
in free goods and services on the Internet.
82
253980
3346
které pochází z věcí a služeb na internetu.
04:17
Now let's look to the future.
83
257326
1789
Podívejme se nyní do budoucnosti.
04:19
There are some super smart people
84
259115
2263
Je několik mimořádně chytrých lidí,
04:21
who are arguing that we've reached the end of growth,
85
261378
5019
kteří tvrdí, že jsme dosáhli vrcholu růstu,
04:26
but to understand the future of growth,
86
266397
3558
ale abychom pochopili budoucnost růstu,
04:29
we need to make predictions
87
269955
2683
potřebujeme udělat nějaké předpovědi
04:32
about the underlying drivers of growth.
88
272638
3290
o tom, co jsou základní hybné síly růstu.
04:35
I'm optimistic, because the new machine age
89
275928
3806
Jsem optimistický, protože nový věk strojů
04:39
is digital, exponential and combinatorial.
90
279734
5030
je digitální, exponenciální a kombinatorický.
04:44
When goods are digital, they can be replicated
91
284764
2264
Když je zboží digitální, může být replikováno
04:47
with perfect quality at nearly zero cost,
92
287028
4509
v mimořádné kvalitě s téměř nulovými náklady,
04:51
and they can be delivered almost instantaneously.
93
291537
4018
a může být dopraveno prakticky okamžitě.
04:55
Welcome to the economics of abundance.
94
295555
2800
Vítejte v ekonomice hojnosti.
04:58
But there's a subtler benefit to the digitization of the world.
95
298355
3690
Ale je tu i rafinovanější výhoda digitalizace světa.
05:02
Measurement is the lifeblood of science and progress.
96
302045
4600
Měření jsou životní silou vědy a pokroku.
05:06
In the age of big data,
97
306645
2148
Ve věku velkých dat
05:08
we can measure the world in ways we never could before.
98
308793
4286
můžeme poměřovat svět hledisky, jakými jsme nikdy dříve nemohli.
05:13
Secondly, the new machine age is exponential.
99
313079
4095
Za druhé, nový věk strojů je exponenciální.
05:17
Computers get better faster than anything else ever.
100
317174
5935
Počítače jsou lepší a rychlejší než bylo cokoli dříve.
05:23
A child's Playstation today is more powerful
101
323109
3568
Dětský Playstation je dnes výkonnější
05:26
than a military supercomputer from 1996.
102
326677
4056
než byl vojenský superpočítač v roce 1996.
05:30
But our brains are wired for a linear world.
103
330733
3207
Ale naše mozky jsou uzpůsobeny pro lineární svět.
05:33
As a result, exponential trends take us by surprise.
104
333940
3888
V důsledku toho nás exponenciální trendy překvapují.
05:37
I used to teach my students that there are some things,
105
337828
2602
Přednášel jsem svým studentům o tom, že existují věci,
05:40
you know, computers just aren't good at,
106
340430
1934
ve kterých počítače nejsou až tak dobré,
05:42
like driving a car through traffic.
107
342364
2385
například v řízení auta.
05:44
(Laughter)
108
344749
2013
(Smích)
05:46
That's right, here's Andy and me grinning like madmen
109
346762
3491
Opravdu. Tady se Andy a já zubíme jako blázni,
05:50
because we just rode down Route 101
110
350253
2384
protože jsme právě jeli po silnici 101 –
05:52
in, yes, a driverless car.
111
352637
3669
ano – v autě bez řidiče.
05:56
Thirdly, the new machine age is combinatorial.
112
356306
2583
Za třetí, nový věk strojů je kombinatorický.
05:58
The stagnationist view is that ideas get used up,
113
358889
4048
Stagnacionistický pohled říká, že myšlenky se chovají
06:02
like low-hanging fruit,
114
362937
1856
jako nízko visicí ovoce,
06:04
but the reality is that each innovation
115
364793
3163
ale ve skutečnosti tomu je tak, že každá inovace
06:07
creates building blocks for even more innovations.
116
367956
3256
vytváří základy pro mnohem víc dalších inovací.
06:11
Here's an example. In just a matter of a few weeks,
117
371212
3345
Uvedu vám příklad. Je to pouze pár týdnů,
06:14
an undergraduate student of mine
118
374557
2072
co jeden z mých vysokoškolských studentů
06:16
built an app that ultimately reached 1.3 million users.
119
376629
4111
vytvořil aplikaci, kterou nyní používá 1,3 milionu uživatelů.
06:20
He was able to do that so easily
120
380740
1699
Dokázal toho dosáhnout tak snadno proto,
06:22
because he built it on top of Facebook,
121
382439
1827
že ji vystavěl na Facebooku,
06:24
and Facebook was built on top of the web,
122
384266
1933
přičemž Facebook je vystavěn na vrcholku webu,
06:26
and that was built on top of the Internet,
123
386199
1698
a ten je zase vystavěn na vršku internetu,
06:27
and so on and so forth.
124
387897
2418
a tak dále.
06:30
Now individually, digital, exponential and combinatorial
125
390315
4765
Digitalizace, exponencialita a kombinatorika mohou být
06:35
would each be game-changers.
126
395080
2350
i jednotlivě převratnými elementy.
06:37
Put them together, and we're seeing a wave
127
397430
2190
Složte je ale dohromady a uvidíme smršť
06:39
of astonishing breakthroughs,
128
399620
1393
neuvěřitelných průlomů,
06:41
like robots that do factory work or run as fast as a cheetah
129
401013
3060
jako jsou roboty, které vykonávají práci v továrnách nebo běhají rychle jako gepard
06:44
or leap tall buildings in a single bound.
130
404073
2796
nebo jedním skokem vyskočí na vysokou budovu.
06:46
You know, robots are even revolutionizing
131
406869
2232
Jak asi víte, roboty dokonce revolučně zasáhly
06:49
cat transportation.
132
409101
1829
i do přepravy koček.
06:50
(Laughter)
133
410930
2270
(Smích)
06:53
But perhaps the most important invention,
134
413200
2732
Ale patrně nejdůležitějším vynálezem,
06:55
the most important invention is machine learning.
135
415932
5065
nejdůležitějším vynálezem je strojové učení.
07:00
Consider one project: IBM's Watson.
136
420997
3376
Uvažte jeden projekt: počítač Watson od IBM.
07:04
These little dots here,
137
424373
1589
Tyhle malé tečky
07:05
those are all the champions on the quiz show "Jeopardy."
138
425962
4860
jsou všichni vítězové v soutěžní hře „Jeopardy".
07:10
At first, Watson wasn't very good,
139
430822
2544
Zpočátku nebyl Watson příliš dobrý,
07:13
but it improved at a rate faster than any human could,
140
433366
5622
ale zlepšoval se rychleji než jakýkoli člověk,
07:18
and shortly after Dave Ferrucci showed this chart
141
438988
2687
a krátce po tom, co Dave Ferrucci ukázal tento graf
07:21
to my class at MIT,
142
441675
1652
v mém kurzu na MIT,
07:23
Watson beat the world "Jeopardy" champion.
143
443327
3542
Watson porazil nejlepšího soutěžícího v „Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
144
446869
3989
V sedmi letech je Watson stále ještě v období dětství.
07:30
Recently, its teachers let it surf the Internet unsupervised.
145
450858
5318
Před nedávnem mu jeho učitelé povolili brouzdat internetem bez vedení.
07:36
The next day, it started answering questions with profanities.
146
456176
5946
Druhý den začal odpovídat na lechtivé otázky.
07:42
Damn. (Laughter)
147
462122
2274
Zatraceně. (Smích)
07:44
But you know, Watson is growing up fast.
148
464396
2280
Jak vidíte, Watson roste velice rychle.
07:46
It's being tested for jobs in call centers, and it's getting them.
149
466676
4212
Ucházel se o pozice v call centrech a uspěl.
07:50
It's applying for legal, banking and medical jobs,
150
470888
3724
Uchází se o bankovní a lékařské pozice
07:54
and getting some of them.
151
474612
1950
a některá z nich získává.
07:56
Isn't it ironic that at the very moment
152
476562
1889
Není ironií, že pokaždé,
07:58
we are building intelligent machines,
153
478451
2234
když vytvoříme inteligentní stroje,
08:00
perhaps the most important invention in human history,
154
480685
3449
pravděpodobně nejdůležitější vynález v lidské historii,
08:04
some people are arguing that innovation is stagnating?
155
484134
3975
najdou se lidé, kteří začnou tvrdit, že inovace stagnují?
08:08
Like the first two industrial revolutions,
156
488109
2419
Podobně jako v prvních dvou průmyslových revolucích,
08:10
the full implications of the new machine age
157
490528
3134
plné důsledky nového věku strojů
08:13
are going to take at least a century to fully play out,
158
493662
2682
se plně projeví až po uplynutí století.
08:16
but they are staggering.
159
496344
3032
Každopádně jsou ale závratné.
08:19
So does that mean we have nothing to worry about?
160
499376
3336
Znamená to tedy, že se nemáme čeho bát?
08:22
No. Technology is not destiny.
161
502712
3680
Ne. Technologie není úděl.
08:26
Productivity is at an all time high,
162
506392
2569
Produktivita je na svém historickém vrcholu,
08:28
but fewer people now have jobs.
163
508961
2983
ale zaměstnaných je méně lidí.
08:31
We have created more wealth in the past decade than ever,
164
511944
3120
Za posledních deset let jsme vytvořili větší bohatství než kdy dříve,
08:35
but for a majority of Americans, their income has fallen.
165
515064
3904
ale příjmy většiny Američanů klesly.
08:38
This is the great decoupling
166
518968
2312
Je to závažné odtržení
08:41
of productivity from employment,
167
521280
2976
produktivy od zaměstnanosti,
08:44
of wealth from work.
168
524256
3104
bohatství od práce.
08:47
You know, it's not surprising that millions of people
169
527360
2346
Jak víte, není překvapující, že miliony lidí
08:49
have become disillusioned by the great decoupling,
170
529706
2846
ztratili iluze vlivem tohoto velkého odtržení,
08:52
but like too many others,
171
532552
1747
ale podobně jako mnoho jiných,
08:54
they misunderstand its basic causes.
172
534299
3097
špatně porozuměli základním příčinám.
08:57
Technology is racing ahead,
173
537396
2610
Technologie se řítí kupředu,
09:00
but it's leaving more and more people behind.
174
540006
3550
ale zanechává za sebou stále více a více lidí.
09:03
Today, we can take a routine job,
175
543556
3519
Dnes můžeme provádět rutinní práci tím,
09:07
codify it in a set of machine-readable instructions,
176
547075
3091
že ji zakódujeme do souboru intrukcí, které stroj přečte,
09:10
and then replicate it a million times.
177
550166
2827
a pak je milionkrát zopakuje.
09:12
You know, I recently overheard a conversation
178
552993
2279
Nedávno jsem zaslechl rozhovor,
09:15
that epitomizes these new economics.
179
555272
1952
který ztělesňuje tyto nové ekonomiky.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
180
557224
4197
Ten chlapík říkal: „Kdepak, už k ničemu nepoužívám H&R Block.
09:21
TurboTax does everything that my tax preparer did,
181
561421
2448
TurboTax dělá všchno, co dělal můj správce daní,
09:23
but it's faster, cheaper and more accurate."
182
563869
4558
a to rychleji, levněji a přesněji."
09:28
How can a skilled worker
183
568427
1799
Jak může zkušený pracovník
09:30
compete with a $39 piece of software?
184
570226
3009
soupeřit s programem za 39 dolarů?
09:33
She can't.
185
573235
1967
Nemůže.
09:35
Today, millions of Americans do have faster,
186
575202
2780
Takže dnes miliony Američanů mají rychlejší,
09:37
cheaper, more accurate tax preparation,
187
577982
2387
levnější a přesnější správu daní,
09:40
and the founders of Intuit
188
580369
1486
a zakladatelé společnosti Intuit
09:41
have done very well for themselves.
189
581855
2493
si velmi slušně vydělali.
09:44
But 17 percent of tax preparers no longer have jobs.
190
584348
4214
Ale 17 procent správců daní přišlo o svou práci.
09:48
That is a microcosm of what's happening,
191
588562
2078
Tohle je mikrokosmos toho, co se děje
09:50
not just in software and services, but in media and music,
192
590640
4677
nejen ve světě programů a služeb, ale i v médiích, hudbě,
09:55
in finance and manufacturing, in retailing and trade --
193
595317
3686
finančnictví, výrobě, maloobchodech a velkoobchodech,
09:59
in short, in every industry.
194
599003
3895
zkrátka v celém průmyslu.
10:02
People are racing against the machine,
195
602898
3095
Lidé soupeří se stroji
10:05
and many of them are losing that race.
196
605993
3090
a mnoho z nich tento závod prohrává.
10:09
What can we do to create shared prosperity?
197
609083
3886
Co můžeme udělat pro to, abychom vytvořili sdílenou prosperitu?
10:12
The answer is not to try to slow down technology.
198
612969
3017
Rozhodně ne to, že bychom se pokusili zpomalit technologii.
10:15
Instead of racing against the machine,
199
615986
2557
Namísto toho, abychom soupeřili se stroji,
10:18
we need to learn to race with the machine.
200
618543
3677
musíme se naučit, jak využívat jejich pomoci.
10:22
That is our grand challenge.
201
622220
3129
To je naše hlavní výzva.
10:25
The new machine age
202
625349
2324
Nový věk strojů
10:27
can be dated to a day 15 years ago
203
627673
3113
se zrodil před 15 lety,
10:30
when Garry Kasparov, the world chess champion,
204
630786
2878
kdy Gary Kasparov, mistr světa v šachu,
10:33
played Deep Blue, a supercomputer.
205
633664
3706
hrál proti superpočítači Deep Blue.
10:37
The machine won that day,
206
637370
2012
Stroj tehdy zvítězil,
10:39
and today, a chess program running on a cell phone
207
639382
2968
a dnes i šachový program ve vašem mobilním telefonu
10:42
can beat a human grandmaster.
208
642350
2296
dokáže porazit lidského velmistra.
10:44
It got so bad that, when he was asked
209
644646
3365
Došlo to dokonce tak daleko,
10:48
what strategy he would use against a computer,
210
648011
2563
že když se zeptali Jana Donnera, nizozemského velmistra,
10:50
Jan Donner, the Dutch grandmaster, replied,
211
650574
4016
jakou strategii proti počítači použije, odpověděl:
10:54
"I'd bring a hammer."
212
654590
1771
„Přinesu si kladivo."
10:56
(Laughter)
213
656361
3680
(Smích)
11:00
But today a computer is no longer the world chess champion.
214
660041
4544
Dnes ale není počítač světovým šampionem.
11:04
Neither is a human,
215
664585
2654
Není jím ani člověk,
11:07
because Kasparov organized a freestyle tournament
216
667239
3579
protože Kasparov zorganizoval turnaj,
11:10
where teams of humans and computers
217
670818
1916
kde soupeřily týmy složené
11:12
could work together,
218
672734
2099
z lidí a počítačů,
11:14
and the winning team had no grandmaster,
219
674833
3157
přičemž vítězný tým neměl ve svých řadách velmistra
11:17
and it had no supercomputer.
220
677990
2465
ani nedisponoval superpočítačem.
11:20
What they had was better teamwork,
221
680455
4175
Čím disponoval, byla lepší týmová práce,
11:24
and they showed that a team of humans and computers,
222
684630
5016
čímž ukázal, že tým lidí a počítačů,
11:29
working together, could beat any computer
223
689646
3048
kteří pracují společně, dokáže porazit jakýkoli počítač
11:32
or any human working alone.
224
692694
3520
i jakéhokoli člověka, když hraje sám.
11:36
Racing with the machine
225
696214
1664
Spolupráce se stroji
11:37
beats racing against the machine.
226
697878
2343
přináší lepší výsledky než soupeření se stroji.
11:40
Technology is not destiny.
227
700221
2564
Technologie není úděl.
11:42
We shape our destiny.
228
702785
1742
My sami určujeme náš úděl.
11:44
Thank you.
229
704527
1447
Děkuji.
11:45
(Applause)
230
705974
5016
(Potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7