The jobs we'll lose to machines -- and the ones we won't | Anthony Goldbloom

Translator: Aari Lemmik Reviewer: Kaisa-Kitri Niit

So this is my niece.

See on mu nõbu.

Her name is Yahli.

Tema nimi on Yahli.

She is nine months old.

Ta on 9-kuune.

Her mum is a doctor, and her dad is a lawyer.

Tema ema on arst ja isa advokaat.

By the time Yahli goes to college,

Selleks ajaks, kui Yahli läheb ülikooli,

the jobs her parents do are going to look dramatically different.

on tööd, mida teevad tema vanemad, hoopis teistsugused.

In 2013, researchers at Oxford University did a study on the future of work.

2013. aastal uurisid Oxfordi ülikooli teadlased tuleviku ameteid.

They concluded that almost one in every two jobs have a high risk

Uuringust selgus, et iga teine töökoht

of being automated by machines.

on suure tõenäosusega võetud üle masinate poolt.

Machine learning is the technology

Masinõpe on tehnoloogia,

that's responsible for most of this disruption.

mis on selle murrangulise muudatuse taga.

It's the most powerful branch of artificial intelligence.

Tegu on tehisintellekti kõige võimsama haruga,

It allows machines to learn from data

mis võimaldab masinatel andmetest õppida

and mimic some of the things that humans can do.

ja imiteerida mitmeid inimese tegevusi.

My company, Kaggle, operates on the cutting edge of machine learning.

Minu firma, Kaggle, tegevus põhineb masinõppe kõige uuemal tehnoloogial.

We bring together hundreds of thousands of experts

Kaasame sadu tuhandeid eksperte

to solve important problems for industry and academia.

et leida lahendusi tööstuse ja teaduse olulistele teemadele.

Seeläbi saame erakordselt hea pildi, milleks masinad on võimelised

This gives us a unique perspective on what machines can do,

ja milleks nad ei ole võimelised,

what they can't do

and what jobs they might automate or threaten.

ja milliseid töid võivad masinad üle võtta või kasutuks kuulutada.

Machine learning started making its way into industry in the early '90s.

Masinõpe hakkas esile kerkima 1990ndatel.

It started with relatively simple tasks.

Alguses tegeleti suhteliselt lihtsate ülesannetega.

It started with things like assessing credit risk from loan applications,

Esimeste tööde hulgas oli näiteks laenutaotluste krediidiriski hindamine

sorting the mail by reading handwritten characters from zip codes.

ja postisaadetiste sorteerimine käsitsikirjutatud suunanumbrite järgi.

Järgnevate aastate jooksul on aga toimunud erakordselt võimas edasiminek.

Over the past few years, we have made dramatic breakthroughs.

Machine learning is now capable of far, far more complex tasks.

Masinõpe on praeguseks võimeline olulisemalt keerukamateks ülesanneteks.

In 2012, Kaggle challenged its community

2012. esitas Kaggle erialaringkondadele väljakutse

koostada programm, mis suudaks hinnata keskkooli kirjandeid.

to build an algorithm that could grade high-school essays.

The winning algorithms were able to match the grades

Kõige edukamad programmid suutsid anda samu hindeid,

given by human teachers.

mida andsid päris õpetajad.

Eelmisel aastal kuulutasime välja veelgi keerukama ülesande:

Last year, we issued an even more difficult challenge.

teha silmast ülesvõtteid, et diagnoosida silmahaigust,

Can you take images of the eye and diagnose an eye disease

mille nimi on diabeetiline retinopaatia.

called diabetic retinopathy?

Taas juhtus, et parimad programmid suutsid panna sama diagnoosi

Again, the winning algorithms were able to match the diagnoses

given by human ophthalmologists.

kui päris oftalmoloogid.

Now, given the right data, machines are going to outperform humans

On selge, et kui on olemas õiged andmed, suudavad masinad tulevikus

at tasks like this.

selliste ülesannete puhul inimesest mööda minna.

A teacher might read 10,000 essays over a 40-year career.

Õpetaja võib lugeda 40-aastase karjääri jooksul 10 000 esseed.

An ophthalmologist might see 50,000 eyes.

Oftalmoloog võib vaadata 50 000 silma.

A machine can read millions of essays or see millions of eyes

Masin suudab aga lugeda miljoneid esseesid

ja vaadata miljoneid silmi

within minutes.

vaid mõne minuti jooksul.

We have no chance of competing against machines

Meil ei ole mingit võimalust masinatega võistelda

on frequent, high-volume tasks.

suuri mahte ja korduvaid tegevusi hõlmavate ülesannete puhul.

But there are things we can do that machines can't do.

Siiski on asju, mida inimene suudab, aga masin mitte.

Where machines have made very little progress

Üks valdkondi, kus arvutid pole erilist edu saavutanud

on näiteks uudsete olukordadega toimetulek.

is in tackling novel situations.

They can't handle things they haven't seen many times before.

Masinad ei oska teha midagi, mida nad ei ole varem korduvalt näinud.

The fundamental limitations of machine learning

Masinõppe põhimõtteline piiratus seisneb selles,

is that it needs to learn from large volumes of past data.

et ta suudab õppida juba olemasoleva suure andmehulga põhjal.

Now, humans don't.

Inimestel selline piirang puudub.

Meil suudame viia kokku esmapilgul täiesti erinevaid asju,

We have the ability to connect seemingly disparate threads

et lahendada probleeme, millega pole varem kokku puutunud.

to solve problems we've never seen before.

Percy Spencer was a physicist working on radar during World War II,

Füüsik Percy Spencer töötas II maailmasõja ajal radarite alal

when he noticed the magnetron was melting his chocolate bar.

ja ta märkas, et magnetron oli sulatanud üles ta šokolaaditahvli.

He was able to connect his understanding of electromagnetic radiation

Ta oskas viia kokku oma teadmised elektromagneetilisest kiirgusest

ja teadmised toiduvalmistamisest,

with his knowledge of cooking

in order to invent -- any guesses? -- the microwave oven.

ja leiutas - kes arvab ära?

Mikrolaineahju.

Now, this is a particularly remarkable example of creativity.

See oli nüüd üks eredamaid näiteid loovast lähenemisest,

But this sort of cross-pollination happens for each of us in small ways

aga seda tüüpi risttolmlemist juhtub väiksemas plaanis meie kõigiga

thousands of times per day.

tuhandeid kordi päevas.

Machines cannot compete with us

Masinatest pole meile vastast,

when it comes to tackling novel situations,

kui tegu on uute olukordadega

and this puts a fundamental limit on the human tasks

ja see seab põhimõttelise piirangu, kuhu maale suudavad masinad

that machines will automate.

inimese töö ülevõtmisel jõuda.

So what does this mean for the future of work?

Mida see aga tähendab töö tuleviku kontekstis?

The future state of any single job lies in the answer to a single question:

Iga konkreetse töö tuleviku võti peitub vastuses ühele küsimusele:

To what extent is that job reducible to frequent, high-volume tasks,

Kuivõrd kujutab see töö endast korduvaid suuremahulisi tegevusi

and to what extent does it involve tackling novel situations?

ja kui palju on selles töös vaja tegeleda uudsete olukordadega?

On frequent, high-volume tasks, machines are getting smarter and smarter.

Korduvate mahukate ülesannete puhul täiustatakse arvuteid pidevalt.

Täna suudavad nad kirjandeid hinnata ja haigusi diagnoosida,

Today they grade essays. They diagnose certain diseases.

Over coming years, they're going to conduct our audits,

lähiaastatel hakkavad nad läbiviima auditeid

and they're going to read boilerplate from legal contracts.

ja lugema juriidiliste lepingute tüüptingimusi.

Accountants and lawyers are still needed.

Raamatupidajaid ja juriste on aga endiselt vaja

They're going to be needed for complex tax structuring,

keerukate maksuküsimuste lahendamiseks

ja uute õigusaktide väljatöötamiseks.

for pathbreaking litigation.

Siiski vähendavad uued arvutid ka nende töötajate hulka

But machines will shrink their ranks

and make these jobs harder to come by.

ja sellist tööd on raskem leida.

Now, as mentioned,

machines are not making progress on novel situations.

Nagu ütlesin, ei ole arvutid osavad uudsetes olukordades.

The copy behind a marketing campaign needs to grab consumers' attention.

Turunduskampaania idee peab suutma haarata tarbija tähelepanu.

It has to stand out from the crowd.

See peab teistest eristuma.

Äristrateegia toimib, kui ta vastab turu vajadustele,

Business strategy means finding gaps in the market,

things that nobody else is doing.

ja pakub midagi, mida keegi teine ei paku.

It will be humans that are creating the copy behind our marketing campaigns,

Endiselt on inimesed need, kes mõtlevad välja turunduskampaaniaid,

and it will be humans that are developing our business strategy.

inimesed on jätkuvalt ka meie äristrateegia väljatöötajateks.

So Yahli, whatever you decide to do,

Nii et Yahli, kelleks sa ka ei otsusta saada,

let every day bring you a new challenge.

vaata, et iga päev tooks sulle uusi väljakutseid.

If it does, then you will stay ahead of the machines.

Kui see nii läheb, oled sa alati masinatest ees.

Aitäh!

Thank you.

(Applause)

(Aplaus)