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

604,026 views ・ 2016-08-31

TED


वीडियो चलाने के लिए कृपया नीचे दिए गए अंग्रेजी उपशीर्षक पर डबल-क्लिक करें।

Translator: Surabhi Athalye Reviewer: Omprakash Bisen
00:12
So this is my niece.
0
12968
1262
तो यह मेरी भतीजी है
00:14
Her name is Yahli.
1
14644
1535
उसका नाम याहली है
00:16
She is nine months old.
2
16203
1511
उसकी उम्र नौ महीने है
00:18
Her mum is a doctor, and her dad is a lawyer.
3
18201
2528
उसकी माँ डाॅक्टर है, और पिता वकील है
00:21
By the time Yahli goes to college,
4
21269
2006
जब तक याहली काॅलेज जाने लगेगी,
00:23
the jobs her parents do are going to look dramatically different.
5
23299
3253
उसके माँ-बाप के पेशे का रुख काफी अलग होगा
00:27
In 2013, researchers at Oxford University did a study on the future of work.
6
27347
5073
2013 में, ऑक्सफोर्ड यूनिवर्सिटी के शोधकर्ताओं ने काम के भविष्य का अध्ययन किया था
00:32
They concluded that almost one in every two jobs have a high risk
7
32766
4139
उसका निष्कर्ष निकला कि लगभग दो में से एक पेशे को
00:36
of being automated by machines.
8
36929
1824
मशीनों द्वारा स्वचालित होने का खतरा है
00:40
Machine learning is the technology
9
40388
1905
मशीन शिक्षा की टेकनोलोजी
00:42
that's responsible for most of this disruption.
10
42317
2278
इस व्यवधान के लिए ज़िम्मेदार है
00:44
It's the most powerful branch of artificial intelligence.
11
44619
2790
यह आर्टिफ़िशियल इंटेलिजेन्स की सबसे ताकतवर शाखा है,
00:47
It allows machines to learn from data
12
47433
1882
जो मशीनों को जानकारी द्वारा शिक्षा देती है
00:49
and mimic some of the things that humans can do.
13
49339
2592
व इंसानों द्वारा किए गए कार्यों की नकल करना सिखाती है
00:51
My company, Kaggle, operates on the cutting edge of machine learning.
14
51955
3415
मेरी कंपनी, कागल, आधुनिक मशीन शिक्षा पर काम करती है
00:55
We bring together hundreds of thousands of experts
15
55394
2386
हम हज़ारों विशेषज्ञों को इकट्ठा करते हैं
00:57
to solve important problems for industry and academia.
16
57804
3118
उद्योग और शिक्षा की महत्वपूर्ण समस्याएँ सुलझाने के लिए
01:01
This gives us a unique perspective on what machines can do,
17
61279
3222
इससे हमें अनोखा नज़रिया मिल जाता है, कि मशीनें क्या कर सकती हैं
01:04
what they can't do
18
64525
1235
और क्या नही
01:05
and what jobs they might automate or threaten.
19
65784
2939
और किस पेशे को वे स्वचालित बनाने का खतरा देंगे
01:09
Machine learning started making its way into industry in the early '90s.
20
69316
3550
मशीन शिक्षा ने उद्योग में अपना स्थान 1990-2000 की शुरुआत में बनाया
01:12
It started with relatively simple tasks.
21
72890
2124
इसकी शुरुआत ज़्यादतर आसान कार्यों से हुई
01:15
It started with things like assessing credit risk from loan applications,
22
75406
4115
पहले-पहले इससे कर्ज़ की अर्ज़ी में उधारी के खतरे आंके जाते थे,
01:19
sorting the mail by reading handwritten characters from zip codes.
23
79545
4053
हस्तलिखित ज़िप कोड के वर्ण को पढ़कर पत्रों को छाँटा जाता था
01:24
Over the past few years, we have made dramatic breakthroughs.
24
84036
3169
पिछले कुछ सालों में, हमने बहुत उन्नति की है
01:27
Machine learning is now capable of far, far more complex tasks.
25
87586
3916
मशीन शिक्षा अब इससे कई गुना ज़्यादा जटिल कार्य कर सकती है
01:31
In 2012, Kaggle challenged its community
26
91860
3231
2012 में, केगल ने अपनी बिरादरी को चुनौती दी
01:35
to build an algorithm that could grade high-school essays.
27
95115
3189
कि वे ऐसा एल्गोरिथम बनाए जो उच्च विद्यालय के लेखों को जाँच सके
01:38
The winning algorithms were able to match the grades
28
98328
2604
जीतने वाले एल्गोरिथमों के दिए गए अंक, मानव शिक्षकों
01:40
given by human teachers.
29
100956
1665
के दिए गए अंकों से मिल रहे थे
01:43
Last year, we issued an even more difficult challenge.
30
103092
2984
पिछले साल हमने एक और भी मुश्किल चुनौती रख दी
01:46
Can you take images of the eye and diagnose an eye disease
31
106100
2953
क्या आप आँखों की तस्वीर ले कर उस रोग का निदान कर सकते हैं
01:49
called diabetic retinopathy?
32
109077
1694
जिसका नाम है डायबेटिक रेटिनोपैथी ?
01:51
Again, the winning algorithms were able to match the diagnoses
33
111164
4040
इस बार फिर, जीतने वाले एल्गोरिथमों का निष्कर्ष, मानव नेत्र चिकित्सकों
01:55
given by human ophthalmologists.
34
115228
1825
के किए गए निदान से मिल रहा था
01:57
Now, given the right data, machines are going to outperform humans
35
117561
3212
अब, सही जानकारी देने पर, मशीने इंसानों को मात देंगी
02:00
at tasks like this.
36
120797
1165
जब ऐसे कामों की बात हो
02:01
A teacher might read 10,000 essays over a 40-year career.
37
121986
3992
एक शिक्षक को 10,000 लेख पढ़ने में शायद 40 साल लग जाए
02:06
An ophthalmologist might see 50,000 eyes.
38
126407
2360
इतने वक्त में एक डॉक्टर शायद 50,000 आँखें देखे
02:08
A machine can read millions of essays or see millions of eyes
39
128791
3913
एक मशीन लाखों लेख पढ़ सकती है और लाखों आँखें देख सकती है
02:12
within minutes.
40
132728
1276
वो भी चुटकियों में
02:14
We have no chance of competing against machines
41
134456
2858
हम मशीनों के सामने कुछ भी नहीं है
02:17
on frequent, high-volume tasks.
42
137338
2321
बार-बार होनेवाले, भारी मात्रा के कार्यों में
02:20
But there are things we can do that machines can't do.
43
140665
3724
पर ऐसी भी चीज़ें हैं, जो हम कर सकते हैं, और मशीने नही कर सकती
02:24
Where machines have made very little progress
44
144791
2200
और जहाँ मशीनों ने, नवीन स्थितियाँ संभालने में,
02:27
is in tackling novel situations.
45
147015
1854
ज़्यादा प्रगति नहीं की
02:28
They can't handle things they haven't seen many times before.
46
148893
3899
जो चीज़ें उन्होंने ज़्यादा बार देखी नही है, उन्हे वे संभाल नही पाते
02:33
The fundamental limitations of machine learning
47
153321
2584
मूल रूप से, मशीन शिक्षा की सीमा यह है कि
02:35
is that it needs to learn from large volumes of past data.
48
155929
3394
सीखने के लिए उन्हें भारी मात्रा में पिछली जानकारी की ज़रुरत है
02:39
Now, humans don't.
49
159347
1754
अब इंसानों को इसकी ज़रूरत नही
02:41
We have the ability to connect seemingly disparate threads
50
161125
3030
हममें यह काबिलियत है कि हम असमान धागों को जोड़कर
02:44
to solve problems we've never seen before.
51
164179
2238
पहले न देखी हुई समस्याओं को भी सुलझा सकते
02:46
Percy Spencer was a physicist working on radar during World War II,
52
166808
4411
पर्सी स्पेंसर एक भौतिकज्ञ था जो दूसरे विश्व युद्ध के दौरान रेडार पर काम कर रहा था
02:51
when he noticed the magnetron was melting his chocolate bar.
53
171243
3013
जब उसने देखा कि मैग्नेट्राॅन के कारण उसका चॉकलेट पिघल रहा है
02:54
He was able to connect his understanding of electromagnetic radiation
54
174970
3295
वह अपनी विद्युत चुम्बकीय विकिरण की समझ को
02:58
with his knowledge of cooking
55
178289
1484
खाना बनाने की समझ से जोड़ पाया
02:59
in order to invent -- any guesses? -- the microwave oven.
56
179797
3258
और आविष्कार कर पाया - अंदाज़ा लगाइए किसका - माइक्रोवेव ओवन का
03:03
Now, this is a particularly remarkable example of creativity.
57
183444
3073
अब यह सृजनात्मकता का अद्भुत उदाहरण है
03:06
But this sort of cross-pollination happens for each of us in small ways
58
186541
3664
पर इस किस्म का परागण हमारे लिए छोटे तरीकों में
03:10
thousands of times per day.
59
190229
1828
दिन में हज़ार बार होता है
03:12
Machines cannot compete with us
60
192501
1661
मशीने हमसे मुकाबला नही कर सकती
03:14
when it comes to tackling novel situations,
61
194186
2251
जब नई परिस्थितियों को संभालने की बात हो
03:16
and this puts a fundamental limit on the human tasks
62
196461
3117
और यह उन मानवी कार्य पर सीमा डालती है
03:19
that machines will automate.
63
199602
1717
जो मशीनों के कारण स्वचलित हो सकती है
03:22
So what does this mean for the future of work?
64
202041
2405
तो इसका काम के भविष्य के संदर्भ में क्या मतलब है ?
03:24
The future state of any single job lies in the answer to a single question:
65
204804
4532
किसी भी नौकरी के भविष्य की दशा इस सवाल के जवाब से जुड़ी है :
03:29
To what extent is that job reducible to frequent, high-volume tasks,
66
209360
4981
वह नौकरी में किस हद तक बार-बार होनेवाले और भारी मात्रा के कार्य है
03:34
and to what extent does it involve tackling novel situations?
67
214365
3253
और किस हद तक नए हालातों का सामना करना पड़ता हैं?
03:37
On frequent, high-volume tasks, machines are getting smarter and smarter.
68
217975
4035
बार-बार होनेवाले व भारी मात्रा के कार्यों में मशीनें और होशियार होती जा रही हैं
03:42
Today they grade essays. They diagnose certain diseases.
69
222034
2714
आज वे लेखों को अंक देते हैं, रोगों का निदान करते हैं
03:44
Over coming years, they're going to conduct our audits,
70
224772
3157
आने वाले सालों में वे हमारी लेखा परीक्षा लेंगे
03:47
and they're going to read boilerplate from legal contracts.
71
227953
2967
और कानूनी अनुबंधों के बॉयलरप्लेट पढ़ेंगे
03:50
Accountants and lawyers are still needed.
72
230944
1997
मुनीम और वकील की ज़रूरत फिर भी होगी
03:52
They're going to be needed for complex tax structuring,
73
232965
2682
कर की जटिल संरचना के लिए उनकी आवश्यकता होगी,
03:55
for pathbreaking litigation.
74
235671
1357
अग्रणी मुकदमों के लिए
03:57
But machines will shrink their ranks
75
237052
1717
पर मशीनों के कारण उनके पद कम होंगे
03:58
and make these jobs harder to come by.
76
238793
1872
और ऐसी नौकरियाँ पाना मुश्किल होगा
04:00
Now, as mentioned,
77
240689
1151
अब, जैसा मैं कह चुका हूँ
04:01
machines are not making progress on novel situations.
78
241864
2949
नई परिस्थितियों में मशीन ज़्यादा प्रगति नहीं कर रही
04:04
The copy behind a marketing campaign needs to grab consumers' attention.
79
244837
3457
विपणन अभियान के नमूने को ग्राहकों का ध्यान आकर्षित करना होगा
04:08
It has to stand out from the crowd.
80
248318
1715
उसे बाकि सब से हट के होना चाहिए
व्यापार की रणनीति मतलब बाज़ार में कमी ढ़ूँडना
04:10
Business strategy means finding gaps in the market,
81
250057
2444
04:12
things that nobody else is doing.
82
252525
1756
चीज़ें जो कोई और नहीं कर रहा हो
04:14
It will be humans that are creating the copy behind our marketing campaigns,
83
254305
4118
विपणन अभियान के नमूने का निर्माण करने वाले इंसान होंगे
और हमारी व्यापार रणनीति बनाने वाले भी इंसान होंगे
04:18
and it will be humans that are developing our business strategy.
84
258447
3517
04:21
So Yahli, whatever you decide to do,
85
261988
2817
तो याहली, तुम जो भी करने का फ़ैसला लो,
04:24
let every day bring you a new challenge.
86
264829
2361
हर दिन को एक नई चुनौती लाने दो
अगर ऐसा हुआ, तो तुम मशीनों से आगे ही रहोगी
04:27
If it does, then you will stay ahead of the machines.
87
267587
2809
04:31
Thank you.
88
271126
1176
धन्यवाद
04:32
(Applause)
89
272326
3104
( तालियाँ )
इस वेबसाइट के बारे में

यह साइट आपको YouTube वीडियो से परिचित कराएगी जो अंग्रेजी सीखने के लिए उपयोगी हैं। आप दुनिया भर के शीर्षस्थ शिक्षकों द्वारा पढ़ाए जाने वाले अंग्रेजी पाठ देखेंगे। वहां से वीडियो चलाने के लिए प्रत्येक वीडियो पृष्ठ पर प्रदर्शित अंग्रेजी उपशीर्षक पर डबल-क्लिक करें। उपशीर्षक वीडियो प्लेबैक के साथ सिंक में स्क्रॉल करते हैं। यदि आपकी कोई टिप्पणी या अनुरोध है, तो कृपया इस संपर्क फ़ॉर्म का उपयोग करके हमसे संपर्क करें।

https://forms.gle/WvT1wiN1qDtmnspy7