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

Translator: Adrianne Claudia Reviewer: Hafizh Alfarisi

Aku punya keponakan. Namanya Yahli.

Dia berumur sembilan bulan.

Ibunya seorang dokter dan ayahnya seorang pengacara.

So this is my niece.

Saat waktunya Yahli masuk perguruan tinggi,

Her name is Yahli.

pekerjaan orang tuanya akan terlihat sangat berbeda.

She is nine months old.

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

Pada 2013, peneliti di Universitas Oxford mengkaji masa depan dunia kerja.

By the time Yahli goes to college,

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

Mereka menyimpulkan bahwa hampir satu dari tiap dua pekerjaan

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

berisiko diotomatisasi oleh mesin.

Pemelajaran mesin adalah teknologi yang menyebabkan peralihan ini.

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

Inilah cabang kecerdasan buatan dengan pengaruh terbesar.

of being automated by machines.

Teknologi ini memungkinkan mesin mempelajari data

Machine learning is the technology

dan meniru beberapa hal yang bisa manusia lakukan.

that's responsible for most of this disruption.

Perusahaanku, Kaggle, bergerak di bidang pemelajaran mesin.

It's the most powerful branch of artificial intelligence.

Kami mengumpulkan ratusan ribu ahli

It allows machines to learn from data

and mimic some of the things that humans can do.

untuk menjawab masalah penting di sektor industri dan akademis.

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

Kami mendapat perspektif unik soal apa yang bisa diperbuat mesin,

We bring together hundreds of thousands of experts

yang tak bisa diperbuatnya,

to solve important problems for industry and academia.

dan pekerjaan yang mungkin terotomatisasi atau terancam olehnya.

Pemelajaran mesin mulai masuk ke dunia industri pada awal 90-an.

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

what they can't do

Penggunaannya dimulai dengan tugas sederhana,

and what jobs they might automate or threaten.

seperti menilai risiko kredit permohonan pinjaman

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

dan menyortir surat dengan membaca karakter kode pos yang ditulis tangan.

It started with relatively simple tasks.

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

Dalam beberapa tahun terakhir, kami membuat terobosan drastis.

Pemelajaran mesin kini mampu melakukan tugas yang jauh lebih kompleks.

sorting the mail by reading handwritten characters from zip codes.

Pada 2012, Kaggle menantang komunitasnya

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

untuk menyusun algoritma yang dapat menilai esai siswa SMA.

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

Algoritma yang unggul dapat menyamai penilaian

In 2012, Kaggle challenged its community

yang diberikan guru-guru manusia.

Tahun lalu, kami memberikan tantangan yang jauh lebih sulit.

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

Bisakah kau mengambil foto mata dan mendiagnosis penyakit mata

The winning algorithms were able to match the grades

given by human teachers.

bernama retinopati diabetik?

Lagi-lagi, algoritma yang unggul dapat menyamai diagnosis

Last year, we issued an even more difficult challenge.

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

yang diberikan dokter mata manusia.

Sekarang, dengan data yang tepat,

called diabetic retinopathy?

mesin akan melampaui manusia pada tugas seperti ini.

Again, the winning algorithms were able to match the diagnoses

Seorang guru butuh 40 tahun kariernya untuk membaca 10.000 esai

given by human ophthalmologists.

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

dan 50.000 mata yang bisa diperiksa seorang dokter mata.

at tasks like this.

Mesin dapat membaca jutaan esai atau memeriksa jutaan mata

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

dalam hitungan menit.

Kita tidak punya peluang untuk bersaing melawan mesin

An ophthalmologist might see 50,000 eyes.

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

pada tugas dengan frekuensi dan kuantitas tinggi.

Namun, ada hal yang bisa kita lakukan yang tak bisa dilakukan mesin.

within minutes.

We have no chance of competing against machines

Mesin menunjukkan kemajuan yang sangat minim

on frequent, high-volume tasks.

dalam mengatasi situasi yang baru.

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

Mesin tidak bisa mengatasi sesuatu yang belum banyak dipelajarinya.

Where machines have made very little progress

Batasan mendasar pemelajaran mesin

is in tackling novel situations.

adalah ia perlu mempelajari data lampau dalam jumlah besar.

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

Sementara, manusia tak membutuhkannya.

Kita mampu menghubungkan gagasan yang tampak tak berkaitan

The fundamental limitations of machine learning

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

untuk mengatasi kasus yang belum pernah kita hadapi.

Percy Spencer adalah fisikawan di bidang radar pada Perang Dunia II

Now, humans don't.

We have the ability to connect seemingly disparate threads

saat dia menyadari magnetron melelehkan cokelat batangannya.

to solve problems we've never seen before.

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

Dia mampu menghubungkan pemahamannya soal radiasi elektromagnetik

dengan pengetahuan memasaknya untuk membuat penemuan ... tebak apa?

when he noticed the magnetron was melting his chocolate bar.

Oven microwave.

He was able to connect his understanding of electromagnetic radiation

Inilah contoh kreativitas yang luar biasa.

Namun, perpaduan semacam ini selalu kita alami dalam lingkup kecil

with his knowledge of cooking

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

ribuan kali tiap hari.

Now, this is a particularly remarkable example of creativity.

Mesin tidak bisa menandingi kita dalam menangani situasi yang baru.

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

Di sinilah batasan mendasar dari pekerjaan manusia

thousands of times per day.

yang bisa diotomatisasi mesin.

Machines cannot compete with us

Jadi, apa artinya ini bagi masa depan dunia kerja?

when it comes to tackling novel situations,

and this puts a fundamental limit on the human tasks

Kondisi pekerjaan di masa mendatang bergantung pada pertanyaan:

that machines will automate.

sejauh apa pekerjaan itu bisa dikerucutkan dalam frekuensi dan kuantitas tinggi

So what does this mean for the future of work?

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

dan sejauh apa pekerjaan itu melibatkan penanganan siatuasi yang baru?

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

Pada tugas dengan frekuensi dan kuantitas tinggi, mesin makin pandai.

Saat ini, ia menilai esai, mendiagnosis penyakit.

and to what extent does it involve tackling novel situations?

Pada tahun-tahun mendatang, ia akan menjalankan audit

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

dan membaca klausul boilerplate dalam perjanjian kontrak.

Today they grade essays. They diagnose certain diseases.

Akuntan dan pengacara masih diperlukan.

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

Mereka akan dibutuhkan untuk menyusun pajak dan pembaruan litigasi,

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

tapi mesin akan menyusutkan posisi mereka dan membuat profesi mereka jarang muncul.

Accountants and lawyers are still needed.

Seperti disebutkan tadi, mesin tidak bisa bekerja pada situasi yang baru.

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

for pathbreaking litigation.

Tulisan di balik kampanye pemasaran butuh menangkap perhatian pelanggan

But machines will shrink their ranks

and make these jobs harder to come by.

dan menonjol di antara para pesaing.

Now, as mentioned,

machines are not making progress on novel situations.

Strategi bisnis harus mencari celah pasar, hal yang tak dilakukan orang lain.

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

Manusialah yang tetap berkarya pada tulisan di balik kampanye pemasaran

It has to stand out from the crowd.

dan manusialah yang akan mengembangkan strategi bisnis.

Business strategy means finding gaps in the market,

things that nobody else is doing.

Jadi Yahli, apa pun yang akan kau lakukan,

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

hadapilah tantangan baru setiap harinya.

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

Dengan begitu, kau akan melampaui mesin.

So Yahli, whatever you decide to do,

Terima kasih.

(Tepuk Tangan)

let every day bring you a new challenge.

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

Thank you.

(Applause)