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

Erik Brynjolfsson: Der Schlüssel zum Wachstum? Teamwork mit den Maschinen.

152,189 views

2013-04-23 ・ TED


New videos

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

Erik Brynjolfsson: Der Schlüssel zum Wachstum? Teamwork mit den Maschinen.

152,189 views ・ 2013-04-23

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Übersetzung: Philipp Markl Lektorat: Marcel Grille
00:12
Growth is not dead.
1
12605
2272
Wachstum ist nicht tot.
00:14
(Applause)
2
14877
1386
(Applaus)
00:16
Let's start the story 120 years ago,
3
16263
3963
Lassen Sie uns die Geschichte vor 120 Jahren beginnen,
00:20
when American factories began to electrify their operations,
4
20226
3632
als Amerikas Fabriken begannen, ihre Arbeiten zu elektrifizieren
00:23
igniting the Second Industrial Revolution.
5
23858
3344
und sich die zweite industrielle Revolution entzündete.
00:27
The amazing thing is
6
27202
1111
Das Erstaunliche ist,
00:28
that productivity did not increase in those factories
7
28313
2777
dass sich die Produktivität in diesen Fabriken nicht gesteigert hat --
00:31
for 30 years. Thirty years.
8
31090
3256
in dreißig Jahren. Dreißig Jahre.
00:34
That's long enough for a generation of managers to retire.
9
34346
3474
Das reicht, um eine ganze Generation Manager in Rente zu schicken.
00:37
You see, the first wave of managers
10
37820
2222
Die erste Welle von Managern
00:40
simply replaced their steam engines with electric motors,
11
40042
3417
ersetzte einfach ihre Dampfmaschinen mit elektrischen Motoren,
00:43
but they didn't redesign the factories to take advantage
12
43459
3010
aber sie gestalteten keine neuen Fabriken,
00:46
of electricity's flexibility.
13
46469
2341
um die Flexibilität der Elektrizität auszunutzen.
00:48
It fell to the next generation to invent new work processes,
14
48810
3984
Es fiel der nächsten Generation zu, neue Arbeitsprozesse zu gestalten,
00:52
and then productivity soared,
15
52794
2727
dann stieg auch die Produktivität,
00:55
often doubling or even tripling in those factories.
16
55521
3665
häufig verdoppelte oder verdreifachte diese sich sogar.
00:59
Electricity is an example of a general purpose technology,
17
59186
4723
Elektrizität ist das Beispiel einer Technologie für den allgemeinen Nutzen,
01:03
like the steam engine before it.
18
63909
2230
wie die Dampfmaschine davor.
01:06
General purpose technologies drive most economic growth,
19
66139
3416
Technologien für den allgemeinen Nutzen treiben meistens das ökonomische Wachstum,
01:09
because they unleash cascades of complementary innovations,
20
69555
3454
weil sie zahlreiche ergänzende Erfindungen freisetzen,
01:13
like lightbulbs and, yes, factory redesign.
21
73009
3632
wie Glühbirnen und, ja, die Umgestaltung von Fabriken.
01:16
Is there a general purpose technology of our era?
22
76641
3610
Gibt es eine Allzweck-Technologie unserer Ära?
01:20
Sure. It's the computer.
23
80251
2508
Klar. Es ist der Computer.
01:22
But technology alone is not enough.
24
82759
2659
Aber die Technologie allein ist nicht genug.
01:25
Technology is not destiny.
25
85418
2766
Technologie ist nicht gleich Schicksal.
01:28
We shape our destiny,
26
88184
1580
Wir gestalten unsere Schicksale.
01:29
and just as the earlier generations of managers
27
89764
2516
Und so wie die früheren Generationen von Managern
01:32
needed to redesign their factories,
28
92280
2298
ihre Fabriken umgestalten mussten,
01:34
we're going to need to reinvent our organizations
29
94578
2229
werden wir unsere Organisationen neu erfinden müssen
01:36
and even our whole economic system.
30
96807
2555
und sogar unser gesamtes Wirtschaftssystem.
01:39
We're not doing as well at that job as we should be.
31
99362
3602
Wir sind nicht so gut in dieser Aufgabe, wie wir es sein sollten.
01:42
As we'll see in a moment,
32
102964
1230
Wie wir in einem Moment sehen werden,
01:44
productivity is actually doing all right,
33
104194
2722
ist mit unserer Produktivität alles in Ordnung,
01:46
but it has become decoupled from jobs,
34
106916
3862
aber sie hat sich losgelöst von den Arbeitsplätzen,
01:50
and the income of the typical worker is stagnating.
35
110778
4419
und das Einkommen des normalen Arbeitnehmers stagniert.
01:55
These troubles are sometimes misdiagnosed
36
115197
2519
Diese Probleme werden manchmal fehldiagnostiziert
01:57
as the end of innovation,
37
117716
3712
als das Ende der Innovation,
02:01
but they are actually the growing pains
38
121428
2129
aber sie sind tatsächlich die Wachstumsschmerzen
02:03
of what Andrew McAfee and I call the new machine age.
39
123557
5590
von dem, was Andrew McAfee und ich "Das neue Zeitalter der Maschinen" nennen.
02:09
Let's look at some data.
40
129147
1882
Schauen wir uns einige Daten an.
02:11
So here's GDP per person in America.
41
131029
2902
Hier ist also das Bruttoinlandsprodukt (BIP) eines Menschen in Amerika.
02:13
There's some bumps along the way, but the big story
42
133931
2766
Da sind ein paar Beulen im Verlauf, aber im großen und ganzen
02:16
is you could practically fit a ruler to it.
43
136697
2715
könnte man an diese Linie ein Lineal anlegen.
02:19
This is a log scale, so what looks like steady growth
44
139412
3276
Dies ist eine Log-Skala. Das, was so aussieht wie stetiges Wachstum,
02:22
is actually an acceleration in real terms.
45
142688
3043
ist tatsächlich eine Beschleunigung in realen Werten.
02:25
And here's productivity.
46
145731
2160
Und hier ist die Produktivität.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
47
147891
2671
Sie sehen hier eine kleine Verlangsamung in der Mitte der 70er Jahre,
02:30
but it matches up pretty well with the Second Industrial Revolution,
48
150562
3738
aber die Produktivität entspricht ziemlich genau der der zweiten industriellen Revolution,
02:34
when factories were learning how to electrify their operations.
49
154300
2691
als Fabriken lernten, ihre Arbeitsgänge zu elektrifizieren.
02:36
After a lag, productivity accelerated again.
50
156991
4129
Nach einiger Verzögerung beschleunigte sich die Produktivität wieder.
02:41
So maybe "history doesn't repeat itself,
51
161120
2571
Vielleicht wiederholt sich Geschichte nicht,
02:43
but sometimes it rhymes."
52
163691
2568
aber manchmal reimt sie sich.
02:46
Today, productivity is at an all-time high,
53
166259
3136
Heute ist die Produktivität auf einem Allzeithoch,
02:49
and despite the Great Recession,
54
169395
1977
und trotz der großen Rezession
02:51
it grew faster in the 2000s than it did in the 1990s,
55
171372
4252
wuchs sie in den 2000ern schneller als noch in den 90er Jahren,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
56
175624
4136
den tosenden 90ern, die schneller als die 70er oder 80er waren.
02:59
It's growing faster than it did during the Second Industrial Revolution.
57
179760
3674
Sie wächst schneller als noch während der zweiten industriellen Revolution.
03:03
And that's just the United States.
58
183434
1743
Und das hier sind nur die Vereinigten Staaten.
03:05
The global news is even better.
59
185177
3248
Global gesehen ist alles noch besser.
03:08
Worldwide incomes have grown at a faster rate
60
188425
2360
Weltweit sind Einkommen schneller gewachsen in den letzten zehn Jahren
03:10
in the past decade than ever in history.
61
190785
2496
als jemals zuvor in der Geschichte.
03:13
If anything, all these numbers actually understate our progress,
62
193281
5051
Wenn überhaupt, untertreiben diese Zahlen tatsächlich unseren Fortschritt,
03:18
because the new machine age
63
198332
1912
denn im neuen Maschinen-Zeitalter
03:20
is more about knowledge creation
64
200244
1664
geht es mehr um die Schaffung neuen Wissens,
03:21
than just physical production.
65
201908
2331
als nur der körperlichen Produktion.
03:24
It's mind not matter, brain not brawn,
66
204239
2938
Es geht um Geist, nicht Substanz, Gehirn, nicht Muskeln,
03:27
ideas not things.
67
207177
2062
Ideen, nicht Dinge.
03:29
That creates a problem for standard metrics,
68
209239
2570
Das schafft ein Problem für Standard-Metriken,
03:31
because we're getting more and more stuff for free,
69
211809
3502
da wir immer mehr Sachen kostenlos bekommen,
03:35
like Wikipedia, Google, Skype,
70
215311
2641
wie Wikipedia, Google, Skype.
03:37
and if they post it on the web, even this TED Talk.
71
217952
3063
Und wenn sie ihn im Web veröffentlichen, sogar diesen TED-Talk.
03:41
Now getting stuff for free is a good thing, right?
72
221015
3303
Aber Zeugs kostenlos zu bekommen, ist eine gute Sache, richtig?
03:44
Sure, of course it is.
73
224318
1765
Natürlich ist es das.
03:46
But that's not how economists measure GDP.
74
226083
3868
Aber so messen Ökonomen nicht das BIP.
03:49
Zero price means zero weight in the GDP statistics.
75
229951
5592
Null Preis heißt null Bedeutung in den BIP-Statistiken.
03:55
According to the numbers, the music industry
76
235543
2112
Den Zahlen nach ist die Musikindustrie
03:57
is half the size that it was 10 years ago,
77
237655
3000
nur noch halb so groß wie vor 10 Jahren.
04:00
but I'm listening to more and better music than ever.
78
240655
3656
aber ich höre mehr und bessere Musik als je zuvor.
04:04
You know, I bet you are too.
79
244311
2192
Ich wette, dass auch Sie das tun.
04:06
In total, my research estimates
80
246503
2723
Insgesamt schätzt meine Forschung,
04:09
that the GDP numbers miss over 300 billion dollars per year
81
249226
4754
dass den BIP-Zahlen über 300 Milliarden Dollar pro Jahr fehlen,
04:13
in free goods and services on the Internet.
82
253980
3346
auf Grund freier Waren und Dienstleistungen im Internet.
04:17
Now let's look to the future.
83
257326
1789
Schauen wir in die Zukunft.
04:19
There are some super smart people
84
259115
2263
Es gibt einige superschlaue Menschen,
04:21
who are arguing that we've reached the end of growth,
85
261378
5019
die behaupten, wir hätten das Ende des Wachstums erreicht.
04:26
but to understand the future of growth,
86
266397
3558
Aber um die Zukunft des Wachstums zu verstehen,
04:29
we need to make predictions
87
269955
2683
müssen wir Vorhersagen über die zugrunde liegenden Antreiber des Wachstums machen.
04:32
about the underlying drivers of growth.
88
272638
3290
04:35
I'm optimistic, because the new machine age
89
275928
3806
Ich bin optimistisch, denn das neue Maschinen-Zeitalter
04:39
is digital, exponential and combinatorial.
90
279734
5030
ist digital, exponentiell und kombinatorisch.
04:44
When goods are digital, they can be replicated
91
284764
2264
Wenn Güter digital sind, können sie in perfekter Qualität kopiert werden.
04:47
with perfect quality at nearly zero cost,
92
287028
4509
Fast ohne jegliche Kosten.
04:51
and they can be delivered almost instantaneously.
93
291537
4018
Und sie können praktisch sofort geliefert werden.
04:55
Welcome to the economics of abundance.
94
295555
2800
Willkommen in der Wirtschaft des Überflusses.
04:58
But there's a subtler benefit to the digitization of the world.
95
298355
3690
Aber die Digitalisierung der Welt hat noch einen dezenteren Nutzen.
05:02
Measurement is the lifeblood of science and progress.
96
302045
4600
Messungen sind das Lebenselixier der Wissenschaft und des Fortschritts.
05:06
In the age of big data,
97
306645
2148
Im Zeitalter der großen Daten
05:08
we can measure the world in ways we never could before.
98
308793
4286
können wir die Welt auf Weisen messen, wie es uns vorher nicht möglich war.
05:13
Secondly, the new machine age is exponential.
99
313079
4095
Zweitens ist das neue Computer-Zeitalter exponentiell.
05:17
Computers get better faster than anything else ever.
100
317174
5935
Computer werden schneller besser als alles jemals zu vor.
05:23
A child's Playstation today is more powerful
101
323109
3568
Die Playstation eines Kindes hat heutzutage mehr Power
05:26
than a military supercomputer from 1996.
102
326677
4056
als ein militärischer Supercomputer von 1996.
05:30
But our brains are wired for a linear world.
103
330733
3207
Aber unsere Gehirne sind für eine lineare Welt ausgelegt.
05:33
As a result, exponential trends take us by surprise.
104
333940
3888
Infolgedessen überrumpeln uns exponentielle Trends.
05:37
I used to teach my students that there are some things,
105
337828
2602
Ich habe meine Studenten gelehrt, dass Computer nicht in allem gut sind,
05:40
you know, computers just aren't good at,
106
340430
1934
05:42
like driving a car through traffic.
107
342364
2385
wie ein Auto durch den Verkehr zu bringen.
05:44
(Laughter)
108
344749
2013
(Gelächter)
05:46
That's right, here's Andy and me grinning like madmen
109
346762
3491
So ist es. Das sind Andy und ich, grinsend wie Verrückte,
05:50
because we just rode down Route 101
110
350253
2384
weil wir gerade die Route 101 in einem,
05:52
in, yes, a driverless car.
111
352637
3669
ja, fahrerlosen Auto entlanggefahren sind.
05:56
Thirdly, the new machine age is combinatorial.
112
356306
2583
Drittens ist das neue Maschinenzeitalter kombinatorisch.
05:58
The stagnationist view is that ideas get used up,
113
358889
4048
Aus Sicht von Stagnationisten brauchen Ideen sich auf.
06:02
like low-hanging fruit,
114
362937
1856
So wie niedrig hängende Früchte.
06:04
but the reality is that each innovation
115
364793
3163
Aber in Wahrheit schafft jede Innovation
06:07
creates building blocks for even more innovations.
116
367956
3256
Bausteine für noch weitere Innovationen.
06:11
Here's an example. In just a matter of a few weeks,
117
371212
3345
Hier ist ein Beispiel. In nur wenigen Wochen
06:14
an undergraduate student of mine
118
374557
2072
hat ein Student in seinen ersten Semestern
06:16
built an app that ultimately reached 1.3 million users.
119
376629
4111
eine App geschrieben, die letztlich 1,3 Millionen Nutzer erreicht hat.
06:20
He was able to do that so easily
120
380740
1699
Er konnte das so einfach tun,
06:22
because he built it on top of Facebook,
121
382439
1827
weil er sie auf Facebook aufgebaut hat,
06:24
and Facebook was built on top of the web,
122
384266
1933
und Facebook wurde auf das Web gebaut, und dieses wurde auf das Internet gebaut,
06:26
and that was built on top of the Internet,
123
386199
1698
06:27
and so on and so forth.
124
387897
2418
und so weiter und so fort.
06:30
Now individually, digital, exponential and combinatorial
125
390315
4765
Einzeln betrachtet, wären digital, exponentiell und kombinatorisch
06:35
would each be game-changers.
126
395080
2350
an sich bereits Richtungswechsler.
06:37
Put them together, and we're seeing a wave
127
397430
2190
Setzt man sie zusammen, sehen wir eine Welle
06:39
of astonishing breakthroughs,
128
399620
1393
erstaunlicher Durchbrüche, wie
06:41
like robots that do factory work or run as fast as a cheetah
129
401013
3060
Roboter, die Fabrikarbeiten verrichten oder so schnell wie Geparden rennen
06:44
or leap tall buildings in a single bound.
130
404073
2796
oder in einem einzigen Satz so hoch wie ein Hochhaus springen.
06:46
You know, robots are even revolutionizing
131
406869
2232
Wussten Sie, dass Roboter sogar Katzentransporte verändert haben?
06:49
cat transportation.
132
409101
1829
06:50
(Laughter)
133
410930
2270
(Gelächter)
06:53
But perhaps the most important invention,
134
413200
2732
Aber die vielleicht wichtigste Erfindung ist das maschinelle Lernen.
06:55
the most important invention is machine learning.
135
415932
5065
07:00
Consider one project: IBM's Watson.
136
420997
3376
Schauen Sie sich IBMs Projekt "Watson" an.
07:04
These little dots here,
137
424373
1589
Diese kleinen Punkte hier,
07:05
those are all the champions on the quiz show "Jeopardy."
138
425962
4860
das sind alle Gewinner aus der Quiz-Show "Jeopardy".
07:10
At first, Watson wasn't very good,
139
430822
2544
Anfangs war Watson nicht sehr gut,
07:13
but it improved at a rate faster than any human could,
140
433366
5622
aber er verbesserte sich mit einem Tempo schneller als jeder Mensch.
07:18
and shortly after Dave Ferrucci showed this chart
141
438988
2687
Und kurz nachdem Dave Ferrucci meiner Klasse am MIT dieses Diagramm zeigte,
07:21
to my class at MIT,
142
441675
1652
07:23
Watson beat the world "Jeopardy" champion.
143
443327
3542
schlug Watson den "Jeopardy"-Weltmeister.
07:26
At age seven, Watson is still kind of in its childhood.
144
446869
3989
Mit sieben Jahren ist Watson immer noch irgendwie in seiner Kindheit.
07:30
Recently, its teachers let it surf the Internet unsupervised.
145
450858
5318
Vor kurzem ließen die Lehrer ihn unbeaufsichtigt im Internet surfen.
07:36
The next day, it started answering questions with profanities.
146
456176
5946
Am nächsten Tag begann er, Fragen mit Obszönitäten zu beantworten.
07:42
Damn. (Laughter)
147
462122
2274
Verdammt. (Gelächter)
07:44
But you know, Watson is growing up fast.
148
464396
2280
Aber Watson reift schnell.
07:46
It's being tested for jobs in call centers, and it's getting them.
149
466676
4212
Er wird für Aufgaben in Call-Centern getestet und er versteht sie.
07:50
It's applying for legal, banking and medical jobs,
150
470888
3724
Er bewirbt sich um finanzwirtschaftliche, juristische und medizinische Arbeiten
07:54
and getting some of them.
151
474612
1950
und bekommt einige von ihnen.
07:56
Isn't it ironic that at the very moment
152
476562
1889
Ist es nicht ironisch, dass genau in dem Moment,
07:58
we are building intelligent machines,
153
478451
2234
in dem wir intelligente Maschinen bauen --
08:00
perhaps the most important invention in human history,
154
480685
3449
vielleicht die wichtigste Erfindung in der Geschichte der Menschheit --
08:04
some people are arguing that innovation is stagnating?
155
484134
3975
manche Leute behaupten, Innovation würde stagnieren?
08:08
Like the first two industrial revolutions,
156
488109
2419
Wie bei den ersten beiden industriellen Revolutionen
08:10
the full implications of the new machine age
157
490528
3134
werden sich die Auswirkungen des neuen Maschinen-Zeitalters
08:13
are going to take at least a century to fully play out,
158
493662
2682
frühestens in einem Jahrhundert gänzlich zeigen.
08:16
but they are staggering.
159
496344
3032
Aber sie sind atemberaubend.
08:19
So does that mean we have nothing to worry about?
160
499376
3336
Bedeutet das, dass wir nichts zu befürchten haben?
08:22
No. Technology is not destiny.
161
502712
3680
Nein. Technologie ist nicht gleich Schicksal.
08:26
Productivity is at an all time high,
162
506392
2569
Produktivität ist auf einem historischen Höchststand,
08:28
but fewer people now have jobs.
163
508961
2983
aber jetzt haben weniger Menschen Arbeitsplätze.
08:31
We have created more wealth in the past decade than ever,
164
511944
3120
Wir haben in den letzten zehn Jahren mehr Reichtum als je zuvor geschaffen,
08:35
but for a majority of Americans, their income has fallen.
165
515064
3904
und dennoch ist das Einkommen der meisten Amerikaner gefallen.
08:38
This is the great decoupling
166
518968
2312
Dies ist die große Entkopplung
08:41
of productivity from employment,
167
521280
2976
der Produktivität durch Beschäftigung,
08:44
of wealth from work.
168
524256
3104
des Wohlstands durch Arbeit.
08:47
You know, it's not surprising that millions of people
169
527360
2346
Es ist nicht verwunderlich, dass Millionen von Menschen
08:49
have become disillusioned by the great decoupling,
170
529706
2846
durch die große Entkopplung desillusioniert worden sind?
08:52
but like too many others,
171
532552
1747
Aber wie zu viele andere auch
08:54
they misunderstand its basic causes.
172
534299
3097
missverstehen sie die grundlegenden Ursachen.
08:57
Technology is racing ahead,
173
537396
2610
Technologie rast voran,
09:00
but it's leaving more and more people behind.
174
540006
3550
und sie lässt mehr und mehr Menschen zurück.
09:03
Today, we can take a routine job,
175
543556
3519
Heute können wir eine Routineaufgabe herannehmen,
09:07
codify it in a set of machine-readable instructions,
176
547075
3091
sie in eine Reihe maschinenlesbare Anweisungen kodieren
09:10
and then replicate it a million times.
177
550166
2827
und sie dann millionenfach ausführen lassen.
09:12
You know, I recently overheard a conversation
178
552993
2279
Ich habe vor kurzem ein Gespräch gehört,
09:15
that epitomizes these new economics.
179
555272
1952
das diese neue Wirtschaftslehre widerspiegelte.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
180
557224
4197
So ein Typ sagte: "Nein, ich benutze den H&R-Block nicht mehr.
09:21
TurboTax does everything that my tax preparer did,
181
561421
2448
TurboTax tut alles, was meine Steuerberater getan haben,
09:23
but it's faster, cheaper and more accurate."
182
563869
4558
aber es ist schneller, billiger und genauer."
09:28
How can a skilled worker
183
568427
1799
Wie kann ein Facharbeiter
09:30
compete with a $39 piece of software?
184
570226
3009
mit einer $39-Software konkurrieren?
09:33
She can't.
185
573235
1967
Er kann es nicht.
09:35
Today, millions of Americans do have faster,
186
575202
2780
Heute haben Millionen von Amerikanern eine schnellere,
09:37
cheaper, more accurate tax preparation,
187
577982
2387
billigere und genauere Steuerberatung.
09:40
and the founders of Intuit
188
580369
1486
Und den Gründern von Intuit
09:41
have done very well for themselves.
189
581855
2493
ist es dabei ziemlich gut gegangen.
09:44
But 17 percent of tax preparers no longer have jobs.
190
584348
4214
Aber 17 Prozent der Steuerberater haben keine Arbeitsplätze mehr.
09:48
That is a microcosm of what's happening,
191
588562
2078
Das ist ein Mikrokosmos dessen, was vor sich geht.
09:50
not just in software and services, but in media and music,
192
590640
4677
Nicht nur bei Dienstleistungen und Software, auch in Medien und Musik,
09:55
in finance and manufacturing, in retailing and trade --
193
595317
3686
den Finanzen und der Fertigung, im Handel und dem Gewerbe --
09:59
in short, in every industry.
194
599003
3895
Kurzum, in jeder Branche.
10:02
People are racing against the machine,
195
602898
3095
Menschen rennen gegen die Maschine an,
10:05
and many of them are losing that race.
196
605993
3090
und viele von ihnen verlieren das Rennen.
10:09
What can we do to create shared prosperity?
197
609083
3886
Was können wir tun, um gemeinsamen Wohlstand zu erzeugen?
10:12
The answer is not to try to slow down technology.
198
612969
3017
Die Antwort ist nicht zu versuchen, die Technologie verlangsamen.
10:15
Instead of racing against the machine,
199
615986
2557
Anstatt gegen die Maschinen anzutreten,
10:18
we need to learn to race with the machine.
200
618543
3677
müssen wir lernen, mit der Maschine anzutreten.
10:22
That is our grand challenge.
201
622220
3129
Das ist unsere große Herausforderung.
10:25
The new machine age
202
625349
2324
Das neue Computer-Zeitalter
10:27
can be dated to a day 15 years ago
203
627673
3113
kann auf einen Tag vor 15 Jahren datiert werden,
10:30
when Garry Kasparov, the world chess champion,
204
630786
2878
als Gary Kasparov, der Schach-Weltmeister,
10:33
played Deep Blue, a supercomputer.
205
633664
3706
gegen Deep Blue spielte, einen Supercomputer.
10:37
The machine won that day,
206
637370
2012
Die Maschine hat an diesem Tag gewonnen
10:39
and today, a chess program running on a cell phone
207
639382
2968
und heute kann ein Schachprogramm, das auf einem Mobiltelefon läuft,
10:42
can beat a human grandmaster.
208
642350
2296
einen menschlichen Großmeister schlagen.
10:44
It got so bad that, when he was asked
209
644646
3365
Es wurde so schlimm, dass, als man ihn fragte,
10:48
what strategy he would use against a computer,
210
648011
2563
welche Strategie er gegen einen Computer anwenden würde,
10:50
Jan Donner, the Dutch grandmaster, replied,
211
650574
4016
der niederländische Großmeister Jan Donner antwortete:
10:54
"I'd bring a hammer."
212
654590
1771
"Ich würde einen Hammer mitbringen."
10:56
(Laughter)
213
656361
3680
(Gelächter)
11:00
But today a computer is no longer the world chess champion.
214
660041
4544
Aber heute ist kein Computer mehr Schach-Weltmeister.
11:04
Neither is a human,
215
664585
2654
Aber auch kein Mensch,
11:07
because Kasparov organized a freestyle tournament
216
667239
3579
denn Kasparow organisierte ein Freestyle-Turnier
11:10
where teams of humans and computers
217
670818
1916
bei dem Teams aus Mensch und Computer
11:12
could work together,
218
672734
2099
zusammenarbeiten konnten.
11:14
and the winning team had no grandmaster,
219
674833
3157
Das Siegerteam hatte keinen Großmeister,
11:17
and it had no supercomputer.
220
677990
2465
es hatte auch keinen Supercomputer.
11:20
What they had was better teamwork,
221
680455
4175
Was sie hatten, war eine bessere Zusammenarbeit.
11:24
and they showed that a team of humans and computers,
222
684630
5016
Und sie zeigten, dass ein Team aus Mensch und Computer
11:29
working together, could beat any computer
223
689646
3048
in Zusammenarbeit jeden Computer
11:32
or any human working alone.
224
692694
3520
oder jeden allein arbeitenden Menschen schlagen kann.
11:36
Racing with the machine
225
696214
1664
Mit der Maschine anzutreten
11:37
beats racing against the machine.
226
697878
2343
schlägt gegen die Maschine anzutreten.
11:40
Technology is not destiny.
227
700221
2564
Technologie ist nicht gleich Schicksal.
11:42
We shape our destiny.
228
702785
1742
Wir gestalten unser Schicksal.
11:44
Thank you.
229
704527
1447
Vielen Dank.
11:45
(Applause)
230
705974
5016
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7