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

Translator: Sodgerel Chinburen Reviewer: Munkhbaatar Lkhagvaa

So this is my niece.

Энэ миний зээ дүү.

Her name is Yahli.

Түүнийг Яали гэдэг.

She is nine months old.

Тэр есөн сартай.

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

Түүний ээж эмч, харин аав нь хуульч.

By the time Yahli goes to college,

Яалиг коллежид орох үед

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

аав ээжийнх нь ажил мэргэжил эрс өөрчлөгдөж хувирсан байх болно.

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

2013 онд Оксфордын их сургуулийн судлаачид ирээдүйн мэргэжлийн талаар судалжээ.

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

Тэд 2 мэргэжлийн нэг нь бүрэн автоматжиж, машинаар гүйцэтгэх эрсдэлд орно

of being automated by machines.

гэсэн дүгнэлтэд хүрчээ.

Machine learning is the technology

"Машин сургалт" хэмээх технологи

that's responsible for most of this disruption.

ийм өөрчлөлтийг авчрах гол түлхүүр болох юм.

It's the most powerful branch of artificial intelligence.

Энэ бол хиймэл оюун ухааны судлалын хамгийн хүчтэй салбар.

It allows machines to learn from data

Машинууд тоон өгөгдлийн тусламжтайгаар

and mimic some of the things that humans can do.

хүмүүсийн зарим үйлдлийг дуурайх чадвартай болдог.

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

Манай Каggle компани орчин үеийн машин сургалтын технологийг ашигладаг.

We bring together hundreds of thousands of experts

Бид судалгааны болон аж үйлдвэрийн чухал асуудлыг

to solve important problems for industry and academia.

шийдэхийн тулд олон мянган мэргэжилтнүүдтэй хамтран ажилладаг.

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

Хамтын ажиллагааны үр дүнд бид машин юу хийж чадах, юуг чадахгүйг,

what they can't do

мөн ямар ажлын байрыг

and what jobs they might automate or threaten.

автоматжуулж болохыг хэлж чадахаар болсон.

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

Машин сургалтыг аж үйлдвэрийн салбарт анх 90-ээд оны эхээр ашиглаж эхэлсэн.

It started with relatively simple tasks.

Эхэндээ хялбар даалгавар гүйцэтгэдэг байв.

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

Зээлийн эрсдэлийг зээлийн өргөдөл дээр тулгуурлан үнэлэх,

sorting the mail by reading handwritten characters from zip codes.

гараар бичсэн бүсийн кодын дүрсийг танин, захиаг ангилах зэрэг ажлыг хийж эхэлсэн.

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

Сүүлийн хэдэн жилд бид асар их шинэчлэлийг хийж чадсан.

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

Одоо машин сургалт хамаагүй төвөгтэй даалгавруудыг гүйцэтгэх чадамжтай болсон.

In 2012, Kaggle challenged its community

2012 онд Kaggle компани ахлах сургуулийн сурагчдын эссeнд

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

дүн тавьж чадах алгоритм зохиох уралдаан зарласан.

The winning algorithms were able to match the grades

Шалгарсан алгоритмын тавьсан дүн багш хүний тавьсан

given by human teachers.

үнэлгээтэй адилхан байлаа.

Last year, we issued an even more difficult challenge.

Өнгөрсөн жилийн уралдааны даалгавар бүр хэцүү байсан.

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

Хүний нүдний зургийг шинжилж чихрийн шижингийн ретинопат гэх

called diabetic retinopathy?

нүдний өвчнийг оношлох юм.

Again, the winning algorithms were able to match the diagnoses

Уралдаанд түрүүлсэн алгоритмын тавьсан онош

нүдний эмч нарын оноштой таарч байв.

given by human ophthalmologists.

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

Тоон өгөгдөл хангалттай байгаа цагт машин ийм даалгавар биелүүлэхдээ

at tasks like this.

хүмүүсээс хавь илүү.

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

Багш хүн 40 жил ажиллах хугацаандаа ойролцоогоор 10,000 эссe унших байх.

An ophthalmologist might see 50,000 eyes.

Нүдний эмч 50,000 нүд үзэж магадгүй.

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

Харин машин хэдхэн минутын дотор сая сая эссэ уншиж эсвэл сая сая

within minutes.

нүд оношилж чадна.

We have no chance of competing against machines

Өндөр давтамжтай, их хэмжээний өгөгдөлтэй даалгаврыг

on frequent, high-volume tasks.

гүйцэтгэх тал дээр хүн машинтай өрсөлдөж чадахгүй.

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

Гэхдээ бидний хийж чадах ч машинуудын хийж чадахгүй зүйлүүд бас бий.

Where machines have made very little progress

Цоо шинэ асуудлыг шийдэх тал дээр машинууд

is in tackling novel situations.

маш бага дэвшил гаргасан.

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

Тэд өмнө нь тулгарч байгаагүй асуудлыг шийдэж чаддаггүй.

The fundamental limitations of machine learning

Машин судлалын үндсэн дутагдал нь суралцахын тулд

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

тэдэнд өмнөх үеийн өгөгдөл маш их хэмжээгээр хэрэг болдог.

Now, humans don't.

Харин энэ нь хүмүүст шаардлагагүй.

We have the ability to connect seemingly disparate threads

Огт хамааралгүй мэт өгөгдлүүдийн уялдаа холбоог тогтоон

to solve problems we've never seen before.

шинэ асуудлыг шийдвэрлэх чадвар хүнд байдаг.

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

Дэлхийн хоёрдугаар дайны үед радар дээр ажиллаж байсан физикч Перси Спенсер

when he noticed the magnetron was melting his chocolate bar.

соронзон гэрлийн хажууд байсан шоколад хайлж буйг анзаарчээ.

He was able to connect his understanding of electromagnetic radiation

Тэрбээр цахилгаан соронзон цацрагийн талаарх мэдлэгээ

with his knowledge of cooking

хоолны мэдлэгтэйгээ холбож

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

зохион бүтээсэн зүйл бол...Мэдэх үү? Богино долгионы зуух.

Now, this is a particularly remarkable example of creativity.

Энэ бол бүтээлч сэтгэлгээний гайхалтай жишээ.

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

Гэхдээ ийм төрлийн харилцан баяжуулалт бид бүхэнд бага хэмжээгээр ч гэсэн

thousands of times per day.

өдөрт мянга мянган удаа тохиолддог.

Machines cannot compete with us

Цоо шинэ асуудал шийдэх тал дээр

when it comes to tackling novel situations,

машинууд бидэнтэй өрсөлдөж чадахгүй.

and this puts a fundamental limit on the human tasks

Энэ нь ажлыг машинаар автоматжуулах үйл хэргийг

that machines will automate.

хязгаарлах гол шалтгаан болж байна.

So what does this mean for the future of work?

Энэ бүхэн ирээдүйн ажил мэргэжилд яаж нөлөөлөх вэ?

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

Ажил мэргэжил бүрийн ирээдүй доорх асуултын хариултаас хамаарна:

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

Ажил дээр олон давтагддаг ажиллагаа ихтэй үйлдэл хэр их байдаг вэ?

and to what extent does it involve tackling novel situations?

Мөн цоо шинэ асуудлыг шийдвэрлэх шаардлага хэр олон тохиолддог вэ?

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

Олон давтамжтай, ажиллагаа ихтэй үйлдлийг хийх тусам машинууд улам ухаалаг болно.

Today they grade essays. They diagnose certain diseases.

Өнөөдөр тэд эссe шалгаж, зарим нэг өвчнийг оношилж байна.

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

Ойрын ирээдүйд машинууд хяналт, шалгалтын ажлыг хийж гүйцэтгэнэ.

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

Мөн тэд стандарт гэрээг хянаж, хуулийн дүгнэлт гаргана.

Accountants and lawyers are still needed.

Нягтлан, хуульчийн хэрэгцээ байсаар байна.

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

Тэд иж бүрэн татварын бүтцийн учрыг олж, шүүхээр маргаан

for pathbreaking litigation.

шийдвэрлэхэд хэрэг болно.

But machines will shrink their ranks

Гэсэн ч машинууд тэдний тоог цөөлж,

and make these jobs harder to come by.

эдгээр ажлын байрны олдцыг бууруулна.

Now, as mentioned,

Түрүүн дурдсанчлан,

machines are not making progress on novel situations.

машинууд цоо шинэ асуудал шийдэх тал дээр ахиц гаргахгүй байна.

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

Маркетингийн сурталчилгаа бүр хэрэглэгчийн анхаарлыг татах хэрэгтэй.

It has to stand out from the crowd.

Бусдаас ялгарах хэрэгтэй.

Business strategy means finding gaps in the market,

Бизнес стратеги гэдэг нь зах зээлд орон зайг олж,

things that nobody else is doing.

хэний ч хийгээгүйг хийхэд оршдог.

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

Хүмүүс л маркетингийн кампанит ажлыг зохиож,

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

хүмүүс л бизнесийн стратегийг боловсруулж чадна.

So Yahli, whatever you decide to do,

Тэгэхээр Яали, чи юу ч хийхээр шийдсэн бай тэр зүйл чинь

let every day bring you a new challenge.

өдөр бүр чамд шинэ сорилтыг авч ирэх болтугай.

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

Хэрвээ тэгж чадвал чи машинуудаас үргэлж урд алхах болно.

Thank you.

Баярлалаа.

(Applause)

(Алга ташилт)