3 myths about the future of work (and why they're not true) | Daniel Susskind

Translator: Hooman Hosseini Zahraee Reviewer: Leila Ataei

Automation anxiety has been spreading lately,

اخیرا اضطراب ماشینی شدن رو به افزایش بوده است،

a fear that in the future,

ترس از اینکه در آینده،

many jobs will be performed by machines

شغل‌های زیادی به جای انسان‌ها با ماشین‌ها

rather than human beings,

انجام خواهد شد،

given the remarkable advances that are unfolding

با توجه به پیشرفت‌های قابل توجهی که

in artificial intelligence and robotics.

در هوش مصنوعی و رباتیک شاهد هستیم.

What's clear is that there will be significant change.

چیزی که واضح است تغییرات چشم گیری است که وجود خواهد داشت.

What's less clear is what that change will look like.

چیزی که کمتر مشخص است شکلی است که آن تغییرات خواهند داشت.

My research suggests that the future is both troubling and exciting.

تحقیقات من نشان می‌دهد که آینده هم دردسرساز و هم هیجان‌انگیز است.

The threat of technological unemployment is real,

تهدید بیکاری حاصل از فناوری‌ها واقعی است،

and yet it's a good problem to have.

با این حال این مشکل خوبی است که داریم.

And to explain how I came to that conclusion,

و برای اینکه نشان بدهم چطور به این نتیجه رسیدم،

I want to confront three myths

می‌خواهم با سه افسانه روبرو شویم

that I think are currently obscuring our vision of this automated future.

که به نظر من درحال حاضر تصویر ما از آینده را مخدوش می‌کنند.

A picture that we see on our television screens,

تصویری که روی صفحه نمایش مشاهده می‌کنیم،

in books, in films, in everyday commentary

در کتاب‌ها، فیلم‌ها، تفسیرهای روزانه

is one where an army of robots descends on the workplace

این است که یک ارتش از ربات‌ها به محل‌های کار سرازیر می‌شوند:

with one goal in mind:

با داشتن تنها یک هدف:

to displace human beings from their work.

تا انسان‌ها را از کارشان برکنار کنند.

And I call this the Terminator myth.

و من به این می‌گویم افسانه نابودگر.

Yes, machines displace human beings from particular tasks,

بله، ماشین‌ها انسان‌ها را از کارهای خاصی برکنار می‌کنند،

but they don't just substitute for human beings.

اما آن‌ها فقط جایگزین انسان‌ها نمی‌شوند.

بلکه آن‌ها در کارهای دیگر انسان را کامل می‌کنند،

They also complement them in other tasks,

making that work more valuable and more important.

که آن کار را با ارزش‌‌تر و مهم‌‌تر می‌کند.

Sometimes they complement human beings directly,

گاهی اوقات به طور مستقیم انسان‌ها را کامل می‌کنند،

making them more productive or more efficient at a particular task.

آن‌ها را در کار خاصی سازنده‌تر یا پر بازده‌تر می‌کنند.

پس یک راننده تاکسی می‌تواند از راهیابی ماهواره‌ای

So a taxi driver can use a satnav system to navigate on unfamiliar roads.

برای پیدا کردن مسیر در جاده ناآشنا استفاده کند.

An architect can use computer-assisted design software

یک معمار می‌تواند از نرم افزار طراحی رایانه‌ای استفاده کند

to design bigger, more complicated buildings.

تا طرح بزرگتر و پیچیده تری برای ساختمان‌ها ارائه کند.

But technological progress doesn't just complement human beings directly.

اما پیشرفت فناوری فقط به طور مستقیم انسان‌ها را کامل تر نمی‌کند.

It also complements them indirectly, and it does this in two ways.

بلکه به طور غیر مستقیم نیز این کار را به دو صورت انجام می‌دهد.

The first is if we think of the economy as a pie,

روش اول به این صورت است که اگر ما اقتصاد را مثل کیکی در نظر بگیریم،

technological progress makes the pie bigger.

پیشرفت فناوری این کیک را بزرگتر می‌کند.

As productivity increases, incomes rise and demand grows.

وقتی که سازندگی افزایش می‌یابد، درآمد بیشتر شده و تقاضا افزایش می‌یابد.

The British pie, for instance,

برای مثال، کیک بریتانیا،

is more than a hundred times the size it was 300 years ago.

بیشتر از صد برابر بزرگتر از ۳۰۰ سال پیش شده است.

And so people displaced from tasks in the old pie

و مردم زیادی که از کارهای خود در کیک قدیمی برکنار شده‌اند

could find tasks to do in the new pie instead.

می‌توانند کارهایی را در کیک جدید پیدا کنند.

But technological progress doesn't just make the pie bigger.

اما پیشرفت فناوری فقط این کیک را بزرگتر نمی‌کند.

It also changes the ingredients in the pie.

بلکه اجزای این کیک را نیز تغییر می‌دهد.

As time passes, people spend their income in different ways,

با گذشت زمان، مردم درآمد خود را به گونه‌های مختلفی خرج می‌کنند،

changing how they spread it across existing goods,

با تغییردادن چگونگی خرج کردن آن‌ روی کالاهای موجود،

and developing tastes for entirely new goods, too.

و همینطور با بوجود آمدن اشتیاق برای کالاهای کاملا جدید،

New industries are created,

صنایع جدیدی ساخته شده‌ است،

new tasks have to be done

وظایف جدیدی باید انجام داده شوند

and that means often new roles have to be filled.

و این به این معنی است که نقشهای جدیدی باید اجرا شود.

So again, the British pie:

پس دوباره، همان کیک بریتانیا:

300 years ago, most people worked on farms,

۳۰۰ سال قبل، بیشتر مردم درمزارع کار می‌کردند،

150 years ago, in factories,

۱۵۰ سال پیش، در کاخانه‌ها کار می‌کردند،

and today, most people work in offices.

و امروزه بیشتر مردم در اداره‌ها کار می‌کنند.

And once again, people displaced from tasks in the old bit of pie

و بار دیگر، مردم بیکار شده در کیک قدیمی

could tumble into tasks in the new bit of pie instead.

می‌توانند در وظایف جدید در قسمت‌های جدید کیک مشغول شوند.

Economists call these effects complementarities,

اقتصاددان‌ها این اثرها را کامل کننده‌‌ها می‌نامند،

but really that's just a fancy word to capture the different way

اما در حقیقت کلمه شیکی است که نشان‌دهنده راه‌های مختلفی است که

that technological progress helps human beings.

پیشرفت فناوری به انسان‌ها می‌کند.

Resolving this Terminator myth

حل این افسانه ترمیناتور (نابود کننده)

shows us that there are two forces at play:

نشان می‌دهد که دو نیرو در این ماجرا نقش دارند:

one, machine substitution that harms workers,

یک، جایگزینی ماشین‌ها که به کارگران آسیب می‌زند،

but also these complementarities that do the opposite.

اما این تکمیل کننده‌ها برعکس عمل می‌کنند.

Now the second myth,

حالا افسانه دوم،

what I call the intelligence myth.

که من به آن افسانه هوش میگویم.

What do the tasks of driving a car, making a medical diagnosis

چه اشتراک‌هایی بین راندن یک ماشین، تشخیص‌ پزشکی

and identifying a bird at a fleeting glimpse have in common?

و شناسایی یک پرنده در یک لحظه وجود دارد؟

Well, these are all tasks that until very recently,

خب، انجام تمام این وظایف تا همین اواخر،

leading economists thought couldn't readily be automated.

در نظر اقتصاددانان قابل خودکار شدن نبودند.

And yet today, all of these tasks can be automated.

و امروز، تمامی این کارها را می‌توان به صورت خودکار انجام داد.

You know, all major car manufacturers have driverless car programs.

می‌دانید که، تمام تولید کنندگان بزرگ خودرو برنامه خوردروهای بدون راننده دارند.

There's countless systems out there that can diagnose medical problems.

تعداد زیادی سیستم وجود دارد که می‌توانند بیماری های پزشکی را تشخیص بدهند

And there's even an app that can identify a bird

و حتی یک برنامه وجود دارد که می‌تواند

at a fleeting glimpse.

یک پرنده را در لحظه شناسایی کند.

Now, this wasn't simply a case of bad luck on the part of economists.

این فقط یک بد شانسی ساده برای اقتصاددان‌ها نبود.

They were wrong,

آن‌ها اشتباه می‌کردند،

and the reason why they were wrong is very important.

و دلیل این اشتباه آن‌ها بسیار مهم است.

They've fallen for the intelligence myth,

آن‌ها در افسانه هوش گیر افتاده بودند،

the belief that machines have to copy the way

باوری که می‌گوید ماشین‌ها باید طرز فکر

that human beings think and reason

و دلیل آوردن انسانها را تقلید کنند.

in order to outperform them.

تا بتوانند از آنها پیشی بگیرند.

When these economists were trying to figure out

زمانی که این اقتصاددانان تلاش می‌کردند کشف کنند

what tasks machines could not do,

که ماشین‌ها چه کارهایی را نمی‌توانند انجام بدهند،

they imagined the only way to automate a task

تصور می‌کردند تنها راه برای خودکار انجام دادن یک کار،

was to sit down with a human being,

این بود که با یک انسان بنشینند،

get them to explain to you how it was they performed a task,

و آن‌ها رو مجبور کنند تا به آن‌ها توضیح بدهند که چگونه کاری را انجام می‌دهد،

and then try and capture that explanation

و سپس سعی کنند آن توضیح را در قالب

in a set of instructions for a machine to follow.

یک سری دستورات به ماشین بدهند که تقلید کند.

This view was popular in artificial intelligence at one point, too.

این دیدگاه در حوزه هوش مصنوعی نیز رایج بود،

I know this because Richard Susskind,

من این را می‌دانم چون ریچارد سوزکیند،

who is my dad and my coauthor,

که پدر و مولف همکار من است،

wrote his doctorate in the 1980s on artificial intelligence and the law

پروژه دکترا خود را در سالهای ۱۹۸۰ روی هوش مصنوعی و قانون

at Oxford University,

در دانشگاه آکسفورد انجام داد،

and he was part of the vanguard.

و او یکی از پیشگامان این حوزه بود.

And with a professor called Phillip Capper

و به همراه پرفسوری به نام فیلیپ کوپر

and a legal publisher called Butterworths,

و یک ناشر قانونی به نام باترورث،

they produced the world's first commercially available

آن‌ها اولین سیستم هوش مصنوعی دنیا را طبق قانون ساختند

artificial intelligence system in the law.

که برای خرید در دسترس بود.

This was the home screen design.

این طرح صفحه اصلی بود،

He assures me this was a cool screen design at the time.

و او به من اطمینان داد که در آن زمان این طرح جالبی بود.

(Laughter)

I've never been entirely convinced.

(خنده) و من هیچوقت کاملا قانع نشدم.

He published it in the form of two floppy disks,

او به وسیله دو فلاپی دیسک این موضوع را منتشر کرد،

at a time where floppy disks genuinely were floppy,

در زمانی که فلاپی دیسک‌ها واقعا فلاپی (مسخره) بودند!

and his approach was the same as the economists':

و رویکرد او همان رویکرد اقتصاددانان بود:

sit down with a lawyer,

با یک وکیل صحبت کرد،

get her to explain to you how it was she solved a legal problem,

تا به شما توضیح بدهد چگونه یک مشکل قانونی را حل کرد،

and then try and capture that explanation in a set of rules for a machine to follow.

و بعد آن توضیح را به صورت قوانینی برای ماشین‌ها درآورد تا از آن پیروی کنند.

In economics, if human beings could explain themselves in this way,

در اقتصاد، انسان‌ها به این روش می‌توانند خود را توضیح بدهند،

the tasks are called routine, and they could be automated.

که به آن وظایف روال گفته می‌شود و می‌توانند خودکار انجام بشوند.

But if human beings can't explain themselves,

اما اگر انسان‌ها نتوانند خود را توضیح دهند،

the tasks are called non-routine, and they're thought to be out reach.

به آن کارها غیر عادی گفته می‌شود، و آنها فکر می‌کنند که خارج از دسترس می‌باشد.

Today, that routine-nonroutine distinction is widespread.

امروز، تمایز بین معمول و غیر معمول گسترده شده است.

Think how often you hear people say to you

فکر کنید که چقدر مردم به شما می‌گویند

machines can only perform tasks that are predictable or repetitive,

ماشین‌ها فقط کارهای تکراری و قابل پیش‌بینی را می‌توانند انجام دهند،

rules-based or well-defined.

کارهایی که بر اساس قانون یا مشخص هستند.

Those are all just different words for routine.

این‌ها فقط کلمات متفاوتی برای معمولی هستند.

And go back to those three cases that I mentioned at the start.

و به آن سه موردی که درابتدا اشاره کردم برگردید و نگاهی بندازید.

Those are all classic cases of nonroutine tasks.

آن‌ها همه مواردی کلاسیک از کارهای غیر معمول هستند.

Ask a doctor, for instance, how she makes a medical diagnosis,

برای مثال از یک دکتر بپرسید چگونه یک تشخیص پزشکی را می‌دهد،

and she might be able to give you a few rules of thumb,

و او ممکن است بتواند به شما تعدادی قاعده بگوید،

but ultimately she'd struggle.

اما در نهایت نخواهد توانست.

She'd say it requires things like creativity and judgment and intuition.

او خواهد گفت این چیزها نیازمند خلاقیت، قضاوت و مشاهده است.

And these things are very difficult to articulate,

و بیان این چیزها بسیار سخت هستند،

and so it was thought these tasks would be very hard to automate.

و فکر می‌کنند که این کارها بسیار سخت هستند تا خودکار انجام بشوند.

If a human being can't explain themselves,

اگر یک انسان نتواند خودش را توضیح بدهد،

where on earth do we begin in writing a set of instructions

چطور می‌خواهد شروع به نوشتن دستوراتی کند تا

for a machine to follow?

یک ماشین از آن پیروی کند؟

Thirty years ago, this view was right,

۳۰ سال پیش، این دیدگاه درست بود،

but today it's looking shaky,

اما امروزه تکان دهنده به نظر می‌رسد،

and in the future it's simply going to be wrong.

و در آینده این دیدگاه‌ها براحتی اشتباه خواهند بود.

Advances in processing power, in data storage capability

پیشرفت در قدرت پردازش، قابلیت ذخیره سازی داده‌ها

and in algorithm design

و طراحی الگوریتم‌ها

mean that this routine-nonroutine distinction

به این معنی است که فرق بین معمول و غیر معمول

is diminishingly useful.

کاربرد کمتری پیدا کرده است.

To see this, go back to the case of making a medical diagnosis.

برای دیدن این موضوع، به مورد تشخیص پزشکی برگردیم.

Earlier in the year,

در اوایل این سال،

a team of researchers at Stanford announced they'd developed a system

یک تیم تحقیقاتی در استنفورد اعلام کرد که سیستمی را توسعه می‌دهند

which can tell you whether or not a freckle is cancerous

که می‌تواند به شما بگوید آیا یک لکه، سرطان هست یا نه،

as accurately as leading dermatologists.

با دقتی به اندازه دقت یک متخصص پوست.

How does it work?

این چگونه کار می‌کند؟

It's not trying to copy the judgment or the intuition of a doctor.

این سیستم قضاوت و مشاهدات یک دکتر را کپی نمی‌کند.

It knows or understands nothing about medicine at all.

این سیستم اصلا چیزی درباره دارو درک نمی‌کند و نمی‌داند.

Instead, it's running a pattern recognition algorithm

درعوض، یک الگوریتم تشخیص الگو را اجرا می‌کند

through 129,450 past cases,

در ۱۲۹,۴۵۰ مورد گذشته،

hunting for similarities between those cases

به دنبال شکار شباهت‌هایی بین آن موارد

and the particular lesion in question.

و زخم‌های مشخصی بوده‌اند.

It's performing these tasks in an unhuman way,

اجرای این کارهای از طریق یک راه غیر انسانی،

based on the analysis of more possible cases

بر اساس بررسی حداکثر موردهای ‌ممکن است

than any doctor could hope to review in their lifetime.

که هر پزشکی در طول زندگی آرزوی انجامش را دارد.

It didn't matter that that human being,

اصلا مهم نیست که آن انسان، آن پزشک،

that doctor, couldn't explain how she'd performed the task.

نتواند توضیح بدهد که چگونه آن کار را انجام می‌دهد.

Now, there are those who dwell upon that the fact

در حال حاضر کسانی روی این واقعیت متمرکز هستند که

that these machines aren't built in our image.

این ماشین‌ها در تصور ما ساخته نشده‌اند.

As an example, take IBM's Watson,

برای مثال واتسون، آی‌بی‌ام را در نظر بگیرید،

the supercomputer that went on the US quiz show "Jeopardy!" in 2011,

یک اَبَر کامپیوتر که در سال ۲۰۱۱ در برنامه پرسش و پاسخ آمریکایی جئوپاردی شرکت کرد!

and it beat the two human champions at "Jeopardy!"

و دو تا از افراد قهرمان در جئوپاردی را شکست داد !

The day after it won,

روز بعد از این پیروزی،

The Wall Street Journal ran a piece by the philosopher John Searle

روزنامه وال‌ استریت متنی از جان سارل فیلسوف را منتشر کرد

with the title "Watson Doesn't Know It Won on 'Jeopardy!'"

با این عنوان که "واتسون نمی‌داند که جئوپاردی را برده است!"

Right, and it's brilliant, and it's true.

بله، و بسیار هوشمندانه و درست هم هست.

You know, Watson didn't let out a cry of excitement.

شما می‌دانید که واتسون اشک شوق نریخت.

It didn't call up its parents to say what a good job it had done.

خانواده‌اش به او برای کاری که انجام داده بود آفرین نگفت.

It didn't go down to the pub for a drink.

به بار نرفت تا شادی کند و بنوشد.

This system wasn't trying to copy the way that those human contestants played,

این سیستم تلاشی برای تقلید از روشی که افراد شرکت کننده داشتند نکرد،

but it didn't matter.

اما مهم هم نبود.

It still outperformed them.

این سیستم همچنان بر آنها برتری دارد.

Resolving the intelligence myth

حل این افسانه هوش

shows us that our limited understanding about human intelligence,

نشان داد درک محدود ما درباره هوش انسانی،

about how we think and reason,

درباره فکر کردن و دلیل پیدا کردن‌ها،

is far less of a constraint on automation than it was in the past.

به مراتب کمتر از محدودیت در اتوماسیونی است که در گذشته بوده است.

What's more, as we've seen,

علاوه بر این مشاهده کردیم،

when these machines perform tasks differently to human beings,

وقتی این ماشین‌ها وظایف مختلفی را برای انسان‌ها انجام می‌دهند،

there's no reason to think

دلیلی ندارد که فکر کنیم

that what human beings are currently capable of doing

کارهایی که انسان‌ها در حال حاضر توانایی انجام آن را دارند،

represents any sort of summit

نشان دهنده بالاترین کارهایی است که

in what these machines might be capable of doing in the future.

ممکن است یک ماشین در آینده بتواند انجام بدهد.

Now the third myth,

و حالا افسانه سوم،

what I call the superiority myth.

که آن را افسانه برتری می‌نامم.

It's often said that those who forget

معمولا گفته می‌شود کسانی که درباره قسمت مفید

about the helpful side of technological progress,

پیشرویی فناوری، آن تکمیل‌کننده اسبق،

those complementarities from before,

را فراموش می‌کنند،

are committing something known as the lump of labor fallacy.

مرتکب چیزی می‌شوند که "به اشتباه توده حزب کارگری" شناخته می‌شود.

Now, the problem is the lump of labor fallacy

حالا مشکل اشتباه توده حزب کارگری این است

is itself a fallacy,

که خودش یک اشتباه است،

and I call this the lump of labor fallacy fallacy,

و من به آن اشتباه اشتباه توده حزب کارگری می‌گویم،

or LOLFF, for short.

یا به اختصار LOLFF.

Let me explain.

اجازه بدید توضیح بدم.

The lump of labor fallacy is a very old idea.

اشتباه توده کارگری یک ایده بسیار قدیمی می‌باشد.

It was a British economist, David Schloss, who gave it this name in 1892.

یک اقتصاددان بریتانیایی در سال ۱۸۹۲ به اسم دیوید اِشلاس این اسم را به آن داده است.

He was puzzled to come across a dock worker

او به یک کارگر بار انداز خیره شده بود

who had begun to use a machine to make washers,

که شروع به ساخت واشر با استفاده از ماشین کرده بود،

the small metal discs that fasten on the end of screws.

دیسک‌های فلزی کوچکی که در انتهای پیچ‌ها قرار می‌گیرند.

And this dock worker felt guilty for being more productive.

و این کارگر بار انداز برای شروع تولید بیشتری که داشت، احساس گناه می‌کرد.

Now, most of the time, we expect the opposite,

حالا در بیشتر اوقات ما انتظاری برعکس داریم،

that people feel guilty for being unproductive,

که مردم از بازده نداشتن احساس گناه می‌کنند،

مثلا صرف وقت بیشتری توی فیسبوک یا توییتر در محل کار.

you know, a little too much time on Facebook or Twitter at work.

اما این کارگر از بیشتر تولید کردن ناراحت بود،

But this worker felt guilty for being more productive,

و در جواب چرا گفت "میدونم که دارم اشتباه می‌کنم،

and asked why, he said, "I know I'm doing wrong.

I'm taking away the work of another man."

"من دارم کار یک نفر دیگه رو ازش می‌گیرم".

In his mind, there was some fixed lump of work

در ذهن آن شخص یک توده کارگری ثابت برای تقسیم بین

to be divided up between him and his pals,

آن و دوستانش وجود داشت،

so that if he used this machine to do more,

پس اگر او دارد از این ماشین برای تولید بیشتر استفاده می‌کند

کار کمتری برای دوستانش وجود دارد تا انجام بدهند.

there'd be less left for his pals to do.

Schloss saw the mistake.

اِشلاس این مشکل رو دید.

The lump of work wasn't fixed.

حجم کاری که وجود دارد ثابت نیست.

As this worker used the machine and became more productive,

همانطور که این کارگر از ماشین برای تولید بیشتر استفاده می‌کند

the price of washers would fall, demand for washers would rise,

قیمت واشر افت می‌کند، درخواست برای واشر افزایش می‌یابد،

more washers would have to be made,

واشر‌های بیشتری باید ساخته شوند،

and there'd be more work for his pals to do.

و کار بیشتری وجود دارد تا دوستانش انجام دهند.

The lump of work would get bigger.

حجم کار بزرگ‌تر خواهد شد.

Schloss called this "the lump of labor fallacy."

اِشلاس به این "اشتباه توده کارگری" گفت.

And today you hear people talk about the lump of labor fallacy

و امروزه شما می‌شنوید که مردم درباره این اشتباه حرف می‌زنند

to think about the future of all types of work.

تا درباره آینده انواع کارها فکر کنند.

There's no fixed lump of work out there to be divided up

میزان ثابتی کار وجود ندارد که بخواهد بین

between people and machines.

مردم و ماشین‌ها تقسیم بشود.

Yes, machines substitute for human beings, making the original lump of work smaller,

بله، ماشین‌ها جایگزین انسان‌ها می‌شوند، حجم کار اصلی را کاهش می‌دهند،

but they also complement human beings,

اما در کنار آن انسان ها را کامل می‌کنند،

and the lump of work gets bigger and changes.

و میزان کار موجود تغییر کرده و بزرگتر می‌شود.

But LOLFF.

اما LOLFF.

Here's the mistake:

مشکل و اشتباه اینجاست:

it's right to think that technological progress

کاملا درست است که فکر کنیم پیشرفت فناوری

makes the lump of work to be done bigger.

حجم کار انجام شده را بزرگتر می‌کند.

Some tasks become more valuable. New tasks have to be done.

برخی کارها با ارزش‌تر می‌شوند. وظایف جدیدی باید انجام ‌شوند.

But it's wrong to think that necessarily,

اما این درست نیست که فکر کنیم لزوما انسان‌ها

human beings will be best placed to perform those tasks.

بهترین وظایف را خواهند داشت.

And this is the superiority myth.

و این افسانه برتری هست.

Yes, the lump of work might get bigger and change,

درست است، حجم کار موجود ممکن است بزرگ‌تر شود یا تغییر کند،

but as machines become more capable,

اما ماشین‌ها که توانا‌تر می‌شوند،

it's likely that they'll take on the extra lump of work themselves.

ممکن است که تمام میزان کار اضافی را خودشان پر کنند.

Technological progress, rather than complement human beings,

پیشرفت فناوری، به جای مکمل بودن برای انسان‌ها،

complements machines instead.

کار ماشین‌ها را تکمیل می‌کند.

To see this, go back to the task of driving a car.

برای دیدن این به مثال روندن ماشین برگردیم.

Today, satnav systems directly complement human beings.

امروزه سیستم راهیابی ماهواره‌ای مستقیما انسان‌های را تکمیل می‌کند

They make some human beings better drivers.

آنها انسان‌ها را راننده‌های بهتری می‌کنند.

But in the future,

اما در آینده،

software is going to displace human beings from the driving seat,

نرم‌افزار می‌خواهد راننده‌ را جایگزین کند،

and these satnav systems, rather than complement human beings,

و سیستم راه‌یابی ماهواره‌ای، به جای تکمیل انسان‌ها،

will simply make these driverless cars more efficient,

به راحتی ماشین‌های بدون راننده را کارآمدتر می‌کند،

helping the machines instead.

با کمک کردن به ماشین‌ها.

Or go to those indirect complementarities that I mentioned as well.

یا به آن تکمیل کننده‌های غیر مستقیمی که اشاره کردم دقت کنید.

The economic pie may get larger,

کیک اقتصادی بزرگتر می‌شود،

but as machines become more capable,

اما با توانمندتر شدن ماشین‌ها،

it's possible that any new demand will fall on goods that machines,

ممکن است که نیازهای جدید برای کالاهایی بهتر باشد،

rather than human beings, are best placed to produce.

که ماشین در قیاس با انسان‌ها، در تولید آن بهترین است.

The economic pie may change,

کیک اقتصاد ممکن است تغییر کند،

but as machines become more capable,

اما با توانمندتر شدن ماشین‌ها،

it's possible that they'll be best placed to do the new tasks that have to be done.

امکان دارد که آن‌ها گزینه مناسب‌تری برای قرار گرفتن در کارهای جدید باشند.

In short, demand for tasks isn't demand for human labor.

خلاصه، نیاز به کار، نیاز به نیروی انسانی نیست.

Human beings only stand to benefit

انسان‌ها تنها در صورتی نفع می‌برند

if they retain the upper hand in all these complemented tasks,

که در تمام این وظایف تکمیلی برتری خود را حفظ کنند،

but as machines become more capable, that becomes less likely.

اما با کارآمدتر شدن ماشین‌ها، احتمال این موضوع کاهش پیدا می‌کند.

So what do these three myths tell us then?

حالا این سه افسانه به ما چه می‌گویند؟

Well, resolving the Terminator myth

خب، حل افسانه نابودگر

shows us that the future of work depends upon this balance between two forces:

به ما نشان می‌دهد که آینده کارها به تعادل بین این دو نیرو بستگی دارد:

one, machine substitution that harms workers

یک، جایگزینی ماشین‌ها که به کارگرها آسیب می‌زند

but also those complementarities that do the opposite.

و آن کارهای تکمیلی که برعکس این را انجام می‌دهد.

And until now, this balance has fallen in favor of human beings.

و تا الان این تعادل به نفع انسان‌ها بوده.

But resolving the intelligence myth

اما بررسی افسانه هوش

shows us that that first force, machine substitution,

به ما نشان می‌دهد که نیروی اول، جایگزینی ماشین‌ها،

is gathering strength.

نیرومندتر می‌شود.

Machines, of course, can't do everything,

با اینکه ماشین‌ها همه کارها را نمی‌توانند انجام دهند

but they can do far more,

اما قادر به انجام کارهای زیادی هستند،

encroaching ever deeper into the realm of tasks performed by human beings.

ورود به حوزه کارهایی که انسان‌ها انجام می‌دهند را عمیق‌تر می‌کند.

What's more, there's no reason to think

علاوه بر این، نیازی نیست فکر کنیم که

that what human beings are currently capable of

کارهایی که از دست انسان‌ها بر می‌آید

represents any sort of finishing line,

دلالت بر هر گونه خط پایان دارد،

that machines are going to draw to a polite stop

که ماشین‌ها با توانمند شدن در سطح انسان

once they're as capable as us.

نقطه پایان آن را ترسیم کنند.

Now, none of this matters

الان، هیچکدام این‌ها اهمیت ندارد

so long as those helpful winds of complementarity

تا زمانی که کارهای تکمیلی امیدوار کننده

blow firmly enough,

به اندازه کافی هستند،

but resolving the superiority myth

اما بررسی افسانه برتری

shows us that that process of task encroachment

به ما نشان می‌دهد که آن پیشرفت تجاوز وظایف ماشین‌ها

not only strengthens the force of machine substitution,

نه تنها نیروی جایگزینی ماشین‌ها را قوی‌تر می‌کند،

but it wears down those helpful complementarities too.

بلکه امید به وظایف تکمیلی را نیز کاهش می‌دهد.

Bring these three myths together

با کنار هم قرار دادن این سه افسانه

and I think we can capture a glimpse of that troubling future.

می‌توانیم چشم‌اندازی از مشکلات آینده داشته باشیم.

Machines continue to become more capable,

ماشین‌ها به توانمند تر شدن ادامه می‌دهند،

encroaching ever deeper on tasks performed by human beings,

تجاوز عمیق‌تر به کارهایی که انسان‌ها انجام می‌دهند بیشتر می‌شود،

strengthening the force of machine substitution,

قدرت ماشین‌ها برای جایگزینی بیشتر می‌شود،

weakening the force of machine complementarity.

ضعیف تر شدن قدرت تکمیل کنندگی ماشین‌ها برای انسان‌ها بیشتر می‌شود.

And at some point, that balance falls in favor of machines

و در بعضی جاها، تعادل مورد نظر بیشتر به نفع ماشین‌ها خواهد بود

rather than human beings.

تا به نفع انسان‌ها.

This is the path we're currently on.

این مسیری است که الان در آن قرار داریم.

I say "path" deliberately, because I don't think we're there yet,

من عمدا می‌گویم "مسیر"، زیرا هنوز به نظر من به آنجا نرسیدیم،

but it is hard to avoid the conclusion that this is our direction of travel.

اما جلوگیری کردن از این نتیجه که این جهت گیری آینده است، سخت است،

That's the troubling part.

قسمت مشکل قضیه همین جاست.

Let me say now why I think actually this is a good problem to have.

اجازه دهید بگویم چرا به نظرم مشکل خوبی است که داریم.

For most of human history, one economic problem has dominated:

در بیشتر تاریخ بشریت، یک مشکل اقتصادی حکم فرما بوده:

how to make the economic pie large enough for everyone to live on.

چگونه یک کیک اقتصادی را به اندازه کافی بزرگ کنیم تا همه بتوانند در آن زندگی کنند.

Go back to the turn of the first century AD,

برگردیم به اولین قرن میلادی

and if you took the global economic pie

و اگر شما کیک اقتصاد جهانی را در نظر بگیرید

and divided it up into equal slices for everyone in the world,

و آن را به اندازه‌های مساوی برای هر نفر در دنیا تقسیم کنید،

everyone would get a few hundred dollars.

به هر نفر چند صد دلار می‌رسد.

Almost everyone lived on or around the poverty line.

تقریبا هر فرد روی خط فقر یا اطراف آن قرار می‌گیرد.

And if you roll forward a thousand years,

و اگر هزار سال به جلو بیایید،

roughly the same is true.

تقریبا همین شرایط درست بوده است.

But in the last few hundred years, economic growth has taken off.

اما در این چند صد سال اخیر، رشد اقتصادی شروع شد.

Those economic pies have exploded in size.

آن کیک‌های اقتصادی بسیار بزرگ‌تر شدند.

Global GDP per head,

تولید ناخالص داخلی جهانی برای هر نفر،

the value of those individual slices of the pie today,

ارزش همان برش‌های انفرادی کیک امروز،

they're about 10,150 dollars.

حدود ۱۰,۱۵۰ دلار است.

If economic growth continues at two percent,

اگر رشد اقتصادی دو درصدی ادامه پیدا کند،

our children will be twice as rich as us.

کودکان ما دوبرابر ما ثروتمند خواهند بود.

If it continues at a more measly one percent,

اگر با نرخ ۱ درصدی ادامه پیدا کند،

our grandchildren will be twice as rich as us.

نوه‌های ما دوبرابر ما ثروت خواهند داشت.

By and large, we've solved that traditional economic problem.

به طور کلی، ما آن مشکل اقتصاد سنتی را حل کردیم.

Now, technological unemployment, if it does happen,

حال، اگر بیکاری فناوری اتفاق بیفتد،

in a strange way will be a symptom of that success,

به طور عجیبی، نشانه‌ای از موفقیت خواهد بود،

will have solved one problem -- how to make the pie bigger --

یک مشکل حل شده-- چگونه کیک را بزرگتر کنیم-

but replaced it with another --

اما دچار مسئله دیگری می‌شویم--

how to make sure that everyone gets a slice.

چگونه مطمئن شویم هر فرد یک برش دریافت می‌کند.

As other economists have noted, solving this problem won't be easy.

همانطور که دیگر اقتصاددانان اشاره می‌کنند، حل این مشکل آسان نخواهد بود.

Today, for most people,

امروزه برای بیشتر مردم،

their job is their seat at the economic dinner table,

شغل آنها، صندلی آنها سر میز شام اقتصاد است

and in a world with less work or even without work,

و در دنیایی با کار کمتر یا حتی بدون کار،

it won't be clear how they get their slice.

معلوم نیست چطور تکه خود را بدست آورند.

There's a great deal of discussion, for instance,

بحث‌های زیادی در این زمینه وجود دارد، برای مثال،

about various forms of universal basic income

درباره انواع درآمدهای پایه جهانی

as one possible approach,

بعنوان یک رویکرد محتمل،

and there's trials underway

و آزمایش‌هایی در آمریکا و

in the United States and in Finland and in Kenya.

فنلاند و کنیا در حال انجام است.

And this is the collective challenge that's right in front of us,

و این چالش جمعی در پیشروی ما است،

to figure out how this material prosperity generated by our economic system

چطور این رونق اقتصادی ایجاد شده توسط سیستم اقتصادی‌

can be enjoyed by everyone

می‌تواند موجب رضایت همه مردم

in a world in which our traditional mechanism

در دنیایی شود که مکانیزم‌های سنتی ما

for slicing up the pie,

برای تقسیم کردن کیک بین مردم،

the work that people do,

کاری که مردم انجام می‌دهند،

withers away and perhaps disappears.

ممکن است کم رنگ بشود و یا از بین برود را بفهمیم.

Solving this problem is going to require us to think in very different ways.

حل این مشکل نیازمند این است که ما راهی کاملا متفاوت را برای تفکر پیش بگیریم.

There's going to be a lot of disagreement about what ought to be done,

مخالفتهای زیادی برای کارهایی که باید انجام دهیم وجود خواهد داشت،

but it's important to remember that this is a far better problem to have

اما باید به خاطر داشته باشید که این مشکل بسیار بهتر از داشتن

than the one that haunted our ancestors for centuries:

مشکلی است که اجداد ما برای قرن‌ها آن را داشتند:

how to make that pie big enough in the first place.

چگونگی بزرگتر کردن کیک به اندازه کافی.

Thank you very much.

خیلی ممنون.

(Applause)

(تشویق )