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

605,396 views ・ 2016-08-31

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

מתרגם: Shlomo Adam מבקר: Sigal Tifferet
00:12
So this is my niece.
0
12968
1262
זאת אחייניתי.
00:14
Her name is Yahli.
1
14644
1535
שמה יאלי.
00:16
She is nine months old.
2
16203
1511
היא בת תשעה חודשים.
00:18
Her mum is a doctor, and her dad is a lawyer.
3
18201
2528
אימה רופאה, אביה עורך-דין.
00:21
By the time Yahli goes to college,
4
21269
2006
כשיאלי תלך לקולג',
00:23
the jobs her parents do are going to look dramatically different.
5
23299
3253
מקומות העבודה של הוריה ייראו אחרת לגמרי.
00:27
In 2013, researchers at Oxford University did a study on the future of work.
6
27347
5073
ב-2013, חוקרים באוניברסיטת אוקספורד חקרו את עתיד העבודה.
00:32
They concluded that almost one in every two jobs have a high risk
7
32766
4139
הם הסיקו שכמעט משרה אחת מכל שתיים מצויה בסיכון גבוה
00:36
of being automated by machines.
8
36929
1824
לעבור לאוטומציה ממוכנת.
00:40
Machine learning is the technology
9
40388
1905
למידת מכונה היא הטכנולוגיה שאחראית לעיקר השיבוש הזה.
00:42
that's responsible for most of this disruption.
10
42317
2278
00:44
It's the most powerful branch of artificial intelligence.
11
44619
2790
זה הענף בעל העוצמה הרבה ביותר בתבונה המלאכותית.
00:47
It allows machines to learn from data
12
47433
1882
הוא מאפשר למכונות ללמוד מתוך נתונים
00:49
and mimic some of the things that humans can do.
13
49339
2592
ולחקות חלק מהדברים שעושים בני-אדם.
00:51
My company, Kaggle, operates on the cutting edge of machine learning.
14
51955
3415
החברה שלי, "קאגל", פועלת בחוד החנית של למידת המכונה.
00:55
We bring together hundreds of thousands of experts
15
55394
2386
אנו מקבצים מאות אלפי מומחים
00:57
to solve important problems for industry and academia.
16
57804
3118
במטרה לפתור בעיות עבור התעשיה והאקדמיה.
01:01
This gives us a unique perspective on what machines can do,
17
61279
3222
זה מקנה לנו נקודת מבט ייחודית על מה שמכונות מסוגלות לעשות,
01:04
what they can't do
18
64525
1235
מה שהן לא מסוגלות לעשות
01:05
and what jobs they might automate or threaten.
19
65784
2939
ואילו מקומות עבודה יעברו אוטומציה או יימצאו בסיכון.
01:09
Machine learning started making its way into industry in the early '90s.
20
69316
3550
למידת המכונה החלה לחדור לתעשיה בתחילת שנות ה-90 של המאה ה-20.
01:12
It started with relatively simple tasks.
21
72890
2124
תחילה במטלות פשוטות יחסית,
01:15
It started with things like assessing credit risk from loan applications,
22
75406
4115
דברים כמו הערכת סיכוני אשראי בבקשות להלוואות,
01:19
sorting the mail by reading handwritten characters from zip codes.
23
79545
4053
מיון דואר ע"י קריאת מיקוד כתוב ביד.
01:24
Over the past few years, we have made dramatic breakthroughs.
24
84036
3169
בשנים האחרונות השגנו פריצות-דרך דרמטיות.
01:27
Machine learning is now capable of far, far more complex tasks.
25
87586
3916
למידת המכונה מסוגלת כיום למטלות מורכבות בהרבה.
01:31
In 2012, Kaggle challenged its community
26
91860
3231
ב-2012, "קאגל" הציבה לקהילה שלה אתגר:
01:35
to build an algorithm that could grade high-school essays.
27
95115
3189
לבנות אלגוריתם שיכול לתת ציונים לחיבורים ברמת בי"ס תיכון.
01:38
The winning algorithms were able to match the grades
28
98328
2604
האלגוריתמים הזוכים הצליחו לתת ציונים מקבילים
01:40
given by human teachers.
29
100956
1665
לאלו של מורים אנושיים.
01:43
Last year, we issued an even more difficult challenge.
30
103092
2984
בשנה הקודמת הצבנו אתגר עוד יותר קשה.
01:46
Can you take images of the eye and diagnose an eye disease
31
106100
2953
האם אפשר לקחת צילומי עיניים ולאבחן מחלת עיניים
01:49
called diabetic retinopathy?
32
109077
1694
בשם רטינופתיה סוכרתית?
01:51
Again, the winning algorithms were able to match the diagnoses
33
111164
4040
שוב, האלגוריתמים הזוכים הצליחו להקביל באבחוניהם
01:55
given by human ophthalmologists.
34
115228
1825
לאלו של רופאי-עיניים אנושיים.
01:57
Now, given the right data, machines are going to outperform humans
35
117561
3212
כיום, עם הנתונים הנכונים,
המכונות מסוגלות לעלות בביצועיהן על בני-אדם במטלות כאלה.
02:00
at tasks like this.
36
120797
1165
02:01
A teacher might read 10,000 essays over a 40-year career.
37
121986
3992
מורה עשוי לקרוא 10,000 חיבורים בקריירה בת 40 שנה.
02:06
An ophthalmologist might see 50,000 eyes.
38
126407
2360
רופא-עיניים יכול אולי לבדוק 50,000 עיניים.
02:08
A machine can read millions of essays or see millions of eyes
39
128791
3913
מכונה מסוגלת לקרוא מיליוני חיבורים או לבדוק מיליוני עיניים
02:12
within minutes.
40
132728
1276
תוך דקות.
02:14
We have no chance of competing against machines
41
134456
2858
אין לנו סיכוי להתחרות נגד המכונות
02:17
on frequent, high-volume tasks.
42
137338
2321
בביצוע מטלות תכופות בעלות נפח גבוה.
02:20
But there are things we can do that machines can't do.
43
140665
3724
אבל יש דברים שאנו יכולים לעשות והמכונות - לא.
02:24
Where machines have made very little progress
44
144791
2200
המכונות התקדמו מעט מאד בהתמודדות עם מצבים חדשים.
02:27
is in tackling novel situations.
45
147015
1854
02:28
They can't handle things they haven't seen many times before.
46
148893
3899
הן לא יכולות לטפל בדברים שלא הרבו לראות בעבר.
02:33
The fundamental limitations of machine learning
47
153321
2584
מגבלות היסוד של למידת המכונה
02:35
is that it needs to learn from large volumes of past data.
48
155929
3394
נעוצות בצורך שלה ללמוד מנפחים גדולים של נתונים קודמים.
02:39
Now, humans don't.
49
159347
1754
לא כך בני האדם.
02:41
We have the ability to connect seemingly disparate threads
50
161125
3030
אנו מסוגלים לקשר בין רעיונות נטולי קשר, לכאורה,
02:44
to solve problems we've never seen before.
51
164179
2238
כדי לפתור בעיות שטרם פגשנו.
02:46
Percy Spencer was a physicist working on radar during World War II,
52
166808
4411
פרסי ספנסר היה פיזיקאי שפיתח מכ"ם במלחה"ע ה-1,
02:51
when he noticed the magnetron was melting his chocolate bar.
53
171243
3013
והוא ראה שהמגנטרון ממיס את השוקולד שלו.
02:54
He was able to connect his understanding of electromagnetic radiation
54
174970
3295
הוא ידע לקשר בין הבנתו בקרינה אלקטרומגנטית
02:58
with his knowledge of cooking
55
178289
1484
לבין הידע שלו בבישול
02:59
in order to invent -- any guesses? -- the microwave oven.
56
179797
3258
כדי להמציא -- מישהו יודע? את תנור המיקרוגל.
03:03
Now, this is a particularly remarkable example of creativity.
57
183444
3073
זאת דוגמה יוצאת-דופן במיוחד ליצירתיות.
03:06
But this sort of cross-pollination happens for each of us in small ways
58
186541
3664
אבל הפריה הדדית כזו קורה לכולנו בארועים קטנים
03:10
thousands of times per day.
59
190229
1828
אלפי פעמים ביום.
03:12
Machines cannot compete with us
60
192501
1661
המכונות לא מסוגלות להתחרות בנו
03:14
when it comes to tackling novel situations,
61
194186
2251
כשמדובר בהתמודדות עם מצבים חדשים,
03:16
and this puts a fundamental limit on the human tasks
62
196461
3117
וזה מגביל מיסודו את המטלות האנושיות
03:19
that machines will automate.
63
199602
1717
שהמכונות עתידות לבצע באופן אוטומטי.
03:22
So what does this mean for the future of work?
64
202041
2405
אז מה זה אומר מבחינת עתיד העבודה?
03:24
The future state of any single job lies in the answer to a single question:
65
204804
4532
עתידה של כל משרה ומשרה טמון בתשובה לשאלה אחת:
03:29
To what extent is that job reducible to frequent, high-volume tasks,
66
209360
4981
באיזו מידה משרה זו ניתנת לפירוק למטלות תכופות בנפח גבוה,
03:34
and to what extent does it involve tackling novel situations?
67
214365
3253
ובאיזו מידה היא כרוכה בהתמודדות עם מצבים חדשים?
03:37
On frequent, high-volume tasks, machines are getting smarter and smarter.
68
217975
4035
במטלות תכופות בנפח גבוה, המכונות הולכות ומחכימות.
היום הן נותנות ציונים לחיבורים, מאבחנות מחלות מסוימות.
03:42
Today they grade essays. They diagnose certain diseases.
69
222034
2714
03:44
Over coming years, they're going to conduct our audits,
70
224772
3157
בשנים הבאות הן תנהלנה את ביקורות הכספים שלנו,
03:47
and they're going to read boilerplate from legal contracts.
71
227953
2967
ותוכלנה לקרוא קודים של חוזים משפטיים.
03:50
Accountants and lawyers are still needed.
72
230944
1997
עדיין יש צורך ברואי-חשבון ובעורכי-דין.
03:52
They're going to be needed for complex tax structuring,
73
232965
2682
הם עדיין יהיו נחוצים לצרכי מיסוי מורכב וחקיקה חדשנית.
03:55
for pathbreaking litigation.
74
235671
1357
אבל המכונות עתידות לצמצם את שורותיהם
03:57
But machines will shrink their ranks
75
237052
1717
ולהקטין את מצאי מקומות העבודה שלהם.
03:58
and make these jobs harder to come by.
76
238793
1872
04:00
Now, as mentioned,
77
240689
1151
כפי שציינתי,
04:01
machines are not making progress on novel situations.
78
241864
2949
המכונות לא התקדמו מאד בטיפול במצבים חדשים.
04:04
The copy behind a marketing campaign needs to grab consumers' attention.
79
244837
3457
הכרזה של מסע השיווק צריכה למשוך את תשומת לב הצרכן.
עליה לבלוט.
04:08
It has to stand out from the crowd.
80
248318
1715
איסטרטגיה עסקית משמעה זיהוי פערים בשוק,
04:10
Business strategy means finding gaps in the market,
81
250057
2444
04:12
things that nobody else is doing.
82
252525
1756
איתור דברים שאיש איננו עושה.
04:14
It will be humans that are creating the copy behind our marketing campaigns,
83
254305
4118
בני-אדם הם שעתידים ליצור את כרזת מסע השיווק,
04:18
and it will be humans that are developing our business strategy.
84
258447
3517
והם גם שיפתחו את האיסטרטגיה העסקית שלנו.
04:21
So Yahli, whatever you decide to do,
85
261988
2817
אז יאלי, מה שלא תחליטי לעשות,
04:24
let every day bring you a new challenge.
86
264829
2361
הניחי לכל יום להביא עימו אתגר חדש.
04:27
If it does, then you will stay ahead of the machines.
87
267587
2809
אם כך יהיה, יהיה לך יתרון על המכונות.
04:31
Thank you.
88
271126
1176
תודה לכם.
04:32
(Applause)
89
272326
3104
(מחיאות כפיים)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7