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

604,026 views ・ 2016-08-31

TED


ဗီဒီယိုကိုဖွင့်ရန် အောက်ပါ အင်္ဂလိပ်စာတန်းများကို နှစ်ချက်နှိပ်ပါ။

Translator: sann tint Reviewer: Myo Aung
00:12
So this is my niece.
0
12968
1262
ဒါက ကျွန်တော့ တူမပါ။
00:14
Her name is Yahli.
1
14644
1535
သူမရဲ့ အမည်က Yahli ပါ။
00:16
She is nine months old.
2
16203
1511
အသက်က ကိုး လပါ။
00:18
Her mum is a doctor, and her dad is a lawyer.
3
18201
2528
သူမရဲ့ အမေက ဆရာဝန်၊ အဖေက ရှေ့နေပါ။
00:21
By the time Yahli goes to college,
4
21269
2006
Yahli ကောလိပ်တက်ချိန်မှာ
00:23
the jobs her parents do are going to look dramatically different.
5
23299
3253
သူမရဲ့ မိဘတွေလုပ်တဲ့ အလုပ်တွေဟာ အံ့မခန်း ပြောင်းလဲတော့မယ့်ပုံပါ။
00:27
In 2013, researchers at Oxford University did a study on the future of work.
6
27347
5073
၂၀၁၃ မှာ Oxford တက္ကသိုလ်က သုတေသီတွေ ဟာ အလုပ်ရဲ့ အနာဂတ်ကို လေ့လာခဲ့တယ်။
00:32
They concluded that almost one in every two jobs have a high risk
7
32766
4139
သူတို့ ကောက်ချက်ချတာက အလုပ်နှစ်ခုတိုင်း မှာ တစ်ခုနီးပါးက စက်တွေနဲ့ အစားထိုးတာ
00:36
of being automated by machines.
8
36929
1824
ခံရမယ့် မြင်မားတဲ့ အန္တရာယ်ရှိတယ်။
00:40
Machine learning is the technology
9
40388
1905
စက်သညာဟာ ဒီအနှောက်အယှက်
00:42
that's responsible for most of this disruption.
10
42317
2278
အများစုအတွက် တရားခံဖြစ်တဲ့ နည်းပညာပါ။
00:44
It's the most powerful branch of artificial intelligence.
11
44619
2790
ဉာဏ်ရည်တုရဲ့ စွမ်းအား အကောင်ဆုံး ကိုင်းခွဲပါ။
00:47
It allows machines to learn from data
12
47433
1882
စက်တွေက ဒေတာကနေ သင်ယူ၊ လူတွေလုပ်နိုင်တဲ့
00:49
and mimic some of the things that humans can do.
13
49339
2592
တစ်ချို့ အရာတွေကို အသွင်တုခွင့် ပေးပါတယ်။
00:51
My company, Kaggle, operates on the cutting edge of machine learning.
14
51955
3415
ကျွန်တော့ ကုမ္ပဏီ Kaggle ဟာ စက်သညာရဲ့ နောက်ဆုံးပေါ်မှာ လည်ပတ်ပါတယ်။
00:55
We bring together hundreds of thousands of experts
15
55394
2386
စက်မှုနဲ့ ပညာရပ်အတွက် အရေးပါတဲ့ ပြဿနာဖြေရှင်းဖို့
00:57
to solve important problems for industry and academia.
16
57804
3118
သိန်းချီတဲ့ ကျွမ်းကျင်ပညာရှင်တွေကို စုစည်းပါတယ်။
01:01
This gives us a unique perspective on what machines can do,
17
61279
3222
ဒါက ပေးတဲ့ ထူးခြားတဲ့ အမြင်တစ်ရပ်က စက်တွေ လုပ်ဆောင်နိုင်တာ၊
01:04
what they can't do
18
64525
1235
မလုပ်နိုင်တာ၊ ဘာအလုပ်တွေ
01:05
and what jobs they might automate or threaten.
19
65784
2939
စက်နဲ့အစားထိုးတာ (သို့) ခြိမ်းခြောက် နိုင်လောက်တာပါ။
01:09
Machine learning started making its way into industry in the early '90s.
20
69316
3550
စက်သညာဟာ ၉၀ နှစ်လွန်အစောပိုင်းက ၎င်းရဲ့ လမ်းကို စဖောက်ခဲ့တာပါ။
01:12
It started with relatively simple tasks.
21
72890
2124
အတော် ရိုးစင်းတဲ့ လုပ်ရပ်တွေနဲ့ စခဲ့တာပါ။
01:15
It started with things like assessing credit risk from loan applications,
22
75406
4115
ချေးငွေ လျှောက်လွှာတွေကနေ ခရက်ဒစ် ဘေးရန်ကို ဝင်ကြည့်တာ၊
01:19
sorting the mail by reading handwritten characters from zip codes.
23
79545
4053
စာပို့သကေင်္တတွေကနေ လက်ရေးကို ဖတ်ခြင်း နဲ့ စာရွေးတာမျတတွေနဲ့ စခဲ့ပါတယ်။
01:24
Over the past few years, we have made dramatic breakthroughs.
24
84036
3169
နှစ်အနည်းငယ်လွန်တော့ ထူးခြားတဲ့ တိုးတက်မှုတွေ လုပ်ခဲ့တယ်။
01:27
Machine learning is now capable of far, far more complex tasks.
25
87586
3916
စက်သညာဟာ အခုဆို အလွန် ပိုရှုပ်ထွေးတဲ့ လုပ်ဆောင်ချက်တွေကို တတ်နိုင်စွမ်းပါတယ်။
01:31
In 2012, Kaggle challenged its community
26
91860
3231
၂၀၁၂မှာ Kaggle က လူထုကို စိန်ခေါ် လိုက်တာက အထက်တန်းဆင့်
01:35
to build an algorithm that could grade high-school essays.
27
95115
3189
အက်ဆေးတွေကို အဆင့်သတ်မှတ်နိုင်တဲ့ အယ်ဂိုရီသမ်တစ်ခု တည်ဆောက်ဖို့ပါ။
01:38
The winning algorithms were able to match the grades
28
98328
2604
နှစ်လိုဖွယ် အယ်ဂိုရီသမ်ဟာ လူသား ဆရာတွေပေးတဲ့ အဆင့်
01:40
given by human teachers.
29
100956
1665
သတ်မှတ်ချက်တွေနဲ့ ယှဉ်နိုင်ခဲ့တယ်။
01:43
Last year, we issued an even more difficult challenge.
30
103092
2984
မနှစ်က ပိုတောင် ခက်ခဲတဲ့ စိန်ခေါ်မှု တစ်ရပ်ကို ထုတ်ပြန်ခဲ့တယ်။
01:46
Can you take images of the eye and diagnose an eye disease
31
106100
2953
မျက်စိကို ပုံရိပ်ဖမ်းပြီး ဆီးချို မျက်စိကွယ်တာလို့ခေါ်တဲ့
01:49
called diabetic retinopathy?
32
109077
1694
မျက်စိရောဂါကို ရှာဖွေနိုင်လား။
01:51
Again, the winning algorithms were able to match the diagnoses
33
111164
4040
ထပ်ပြီး နှစ်လိုဖွယ် အယ်ဂိုရီသမ်ဟာ မျက်စိဆရာဝန်တွေပေးတဲ့
01:55
given by human ophthalmologists.
34
115228
1825
ရှာဖွေမှုတွေနဲ့ ယှဉ်နိုင်ခဲ့ပါတယ်။
01:57
Now, given the right data, machines are going to outperform humans
35
117561
3212
အခု မှန်ကန်တဲ့ ဒေတာကိုထောက်ဆလျှင် စက်တွေဟာ ဒီလိုအလုပ်တွေမှာ
02:00
at tasks like this.
36
120797
1165
လူတွေထက် သာတော့မှာပါ။
02:01
A teacher might read 10,000 essays over a 40-year career.
37
121986
3992
ဆရာတစ်ဦးဟာ လုပ်သက် နှစ်လေးဆယ် ကျော်မှာ အက်ဆေး ၁၀၀၀၀ ဖတ်မိလောက်တယ်။
02:06
An ophthalmologist might see 50,000 eyes.
38
126407
2360
မျက်စိဆရာဝန်က မျက်လုံး ၅၀၀၀၀ တွေ့နိုင်တာပေါ့။
02:08
A machine can read millions of essays or see millions of eyes
39
128791
3913
စက်တစ်ခုဟာ သန်းချီတဲ့ အက်ဆေးတွေ၊ သန်းချီတဲ့ မျက်လုံးတွေကို မိနစ်ပိုင်း
02:12
within minutes.
40
132728
1276
အတွင်းမှာ ဖတ်နိုင်တယ်။
02:14
We have no chance of competing against machines
41
134456
2858
ကြိမ်ရေများကာ ထုထည်မြင့်မားတဲ့ အလုပ်တွေမှာ စက်တွေနဲ့
02:17
on frequent, high-volume tasks.
42
137338
2321
ယှဉ်ဖို့ အခွင့်မရှိပါဘူး။
02:20
But there are things we can do that machines can't do.
43
140665
3724
ဒါပေမဲ့ စက်တွေ မတတ်နိုင်ပဲ ကျွန်တော်တို့ လုပ်နိုင်တာတွေ ရှိပါတယ်။
02:24
Where machines have made very little progress
44
144791
2200
စက်တွေ တိုးတက်မှု အရမ်းနည်းတာက ဆန်းသစ်တဲ့
02:27
is in tackling novel situations.
45
147015
1854
အခြေအနေတွေကို ကိုင်တွယ်ရာမှာပါ။
02:28
They can't handle things they haven't seen many times before.
46
148893
3899
အရင်က အကြိမ်အများကြီး မမြင်ဖူးတဲ့ အရာတွေကို ၎င်းတို့ မကိုင်တွယ်နိုင်ဘူး။
02:33
The fundamental limitations of machine learning
47
153321
2584
စက်သညာရဲ့ ပဓာန ကန့်သတ်ချက်တွေက
02:35
is that it needs to learn from large volumes of past data.
48
155929
3394
စက်ဟာ အတိတ် ဒေတာရဲ့ ကြီးမားတဲ့ ပမာဏတွေကနေ သင်ယူဖို့ လိုတာပါ။
02:39
Now, humans don't.
49
159347
1754
ကဲ လူတွေကတော့ မဟုတ်ဘူး။
02:41
We have the ability to connect seemingly disparate threads
50
161125
3030
မမြင်ဖူးတဲ့ ပြဿနာကို ဖြေရှင်းဖို့ ဆိုးဝါးပုံရတဲ့ အမျှင်တွေကို
02:44
to solve problems we've never seen before.
51
164179
2238
ဆက်သွယ်ဖို့ အစွမ်း ကျွန်တော်တို့မှာ ရှိပါတယ်။
02:46
Percy Spencer was a physicist working on radar during World War II,
52
166808
4411
Percy Spencer ဟာ သံလိုက်ပြွန်က ချောကလက်ကို အရည်ပျော်စေတာ သတိပြုမိစဉ်က
02:51
when he noticed the magnetron was melting his chocolate bar.
53
171243
3013
ဒုတိယ ကမ္ဘာစစ်အတွင်းက ရေဒါမှာ လုပ်ကိုင်နေတဲ့ ရူပဗေဒညာရှင်ပါ။
02:54
He was able to connect his understanding of electromagnetic radiation
54
174970
3295
သူ့ရဲ့ သံလိုက်လျှပ်စစ် ရောင်ခြည် နားလည်မှုကို ချက်ပြုတ်ခြင်း
02:58
with his knowledge of cooking
55
178289
1484
သုတနဲ့ ဆက်စပ်နိုင်ခဲ့တယ်။
02:59
in order to invent -- any guesses? -- the microwave oven.
56
179797
3258
တီထွင်ဖို့က မှန်းဆမိလား မိုက်ခရိုဝေ့ဖ် မီးဖိုပါ။
03:03
Now, this is a particularly remarkable example of creativity.
57
183444
3073
ကဲ ဒါက အတော် ထူးခြားတဲ့ မှတ်သားစရာ ဖန်တီးမှုပါ။
03:06
But this sort of cross-pollination happens for each of us in small ways
58
186541
3664
ဒါပေမဲ့ ဒီလို ဝတ်မှုံစပ်ကူးခြင်းဟာ တစ်ဦးစီမှာ နေ့စဉ် အကြိမ်ထောင်ချီတဲ့
03:10
thousands of times per day.
59
190229
1828
နည်းလမ်းလေးတွေနဲ့ ဖြစ်ပေါ်နေတာပါ။
03:12
Machines cannot compete with us
60
192501
1661
ဆန်းသစ်တဲ့ အခြေအနေတွေကို
03:14
when it comes to tackling novel situations,
61
194186
2251
ကိုင်တွယ်ရာမှာ စက်တွေဟာ လူနဲ့ မယှဉ်နိုင်ဘူး။
03:16
and this puts a fundamental limit on the human tasks
62
196461
3117
ဒါက လူသား အလုပ်တွေကို စက်တွေက အစားထိုးမယ်ဆိုတာကို
03:19
that machines will automate.
63
199602
1717
ပဓာန ကန်သတ်ချက်ပေးတာပါ။
03:22
So what does this mean for the future of work?
64
202041
2405
ဒီတော့ ဒါက အနာဂတ် အလုပ်အတွက် ဘာကိုဆိုလိုတာလဲ။
03:24
The future state of any single job lies in the answer to a single question:
65
204804
4532
အလုပ်တစ်ခုချင်းရဲ့ အနာဂတ် အခြေအနေဟာ မေးခွန်းတစ်ခုတည်းရဲ့ အဖြေမှာတည်ပါတယ်။
03:29
To what extent is that job reducible to frequent, high-volume tasks,
66
209360
4981
မကြာခဏ ထုထည်မြင့်မားတဲ့ အလုပ်တွေမှာ ဘယ်အတိုင်းအတာထိ အလုပ် ယုတ်လျော့မလဲ၊
03:34
and to what extent does it involve tackling novel situations?
67
214365
3253
ဆန်သစ်တဲ့ အခြေအနေတွေကို ကိုင် တွယ်ရာမှာ ဘယ်အတိုင်းအတာထိရှိလဲ။
03:37
On frequent, high-volume tasks, machines are getting smarter and smarter.
68
217975
4035
မကြာခဏ ပမာဏမြင့်မားတဲ့ အလုပ်တွေမှာ စက်တွေဟာ ပိုပိုပြီး တော်လာနေတယ်။
03:42
Today they grade essays. They diagnose certain diseases.
69
222034
2714
ယနေ့ အက်ဆေးတွေ အဆင့်သတ်မှတ်တယ်၊ ရောဂါတစ်ချို့ ရှာဖွေတယ်။
03:44
Over coming years, they're going to conduct our audits,
70
224772
3157
လာမယ့်နှစ်တွေမှာ ကျွန်တော်တို့ရဲ့ စာရင်းတွေကို စစ်ပြီး
03:47
and they're going to read boilerplate from legal contracts.
71
227953
2967
တရားဝင် ကန်ထရိုက်တွေနေ စံညွှန်းတွေကို ဖတ်တော့မယ်။
03:50
Accountants and lawyers are still needed.
72
230944
1997
.စာရင်းကိုင်တွေနဲ့ ရှေ့နေတွေ လိုနေဆဲပါ။
03:52
They're going to be needed for complex tax structuring,
73
232965
2682
ရှုပ်ထွေးတဲ့ အခွန် ဖွဲ့စည်းမှုတွေနဲ့ ဆန်းသစ်တဲ့ အမှုအတွက်
03:55
for pathbreaking litigation.
74
235671
1357
03:57
But machines will shrink their ranks
75
237052
1717
ဒါပေမဲ့ စက်တွေက ရာထူးတွ​ေ ချုံ့တော့
03:58
and make these jobs harder to come by.
76
238793
1872
ဒီအလုပ်တွေရဖို့ ပို ခက်စေလိမ့်မယ်။
04:00
Now, as mentioned,
77
240689
1151
ကဲ ဆိုခဲ့တဲ့အတိုင်း
04:01
machines are not making progress on novel situations.
78
241864
2949
စက်တွေဟာ ဆန်းသစ်တဲ့ အခြေအနေမှာ တိုးတက်မနေပါဘူး။
04:04
The copy behind a marketing campaign needs to grab consumers' attention.
79
244837
3457
စျေးကွက် စည်းရုံးပွဲနောက်က မိတ္တူက စားသုံးသူ အာရုံကို ဆွဲယူဖို့လိုတယ်။
04:08
It has to stand out from the crowd.
80
248318
1715
လူစုထဲကနေ ကွဲထွက်ဖို့လိုပါတယ်။
04:10
Business strategy means finding gaps in the market,
81
250057
2444
စီးပွားရေး ဗျူဟာက စျေးကွက်ထဲက ကွာဟချက်တွေ ရှာတာပါ။
04:12
things that nobody else is doing.
82
252525
1756
အခြား ဘယ်သူမှ လုပ်မနေတာတွေပေါ့။
04:14
It will be humans that are creating the copy behind our marketing campaigns,
83
254305
4118
စျေးကွက်ဖော် စည်းရုံးပွဲနောက်က မိတ္တူကို ဖန်တီးနေတာက လူသားတွေဖြစ်ပြီး
04:18
and it will be humans that are developing our business strategy.
84
258447
3517
စီးပွားရေး ဗျူဟာတွေကို ဖွံ့ဖြိုး အောင်လုပ်နေတာ လူသားတွေဖြစ်လိမ့်မယ်။
04:21
So Yahli, whatever you decide to do,
85
261988
2817
ဒီတော့ Yahli ရေ မင်းဘာလုပ်ဖို့ ဆုံးဖြတ်ဆုံးဖြတ်
04:24
let every day bring you a new challenge.
86
264829
2361
နေ့စဉ်တိုင်း စိမ်ခေါ်မှု အသစ်တစ်ခု ယူလာပါစေ။
04:27
If it does, then you will stay ahead of the machines.
87
267587
2809
အဲဒါဆိုရင် မင်းဟာ စက်တွေရဲ့ ရှေ့က ရှိနေမှာပါ။
04:31
Thank you.
88
271126
1176
ကျေးဇူးတင်ပါတယ်။
04:32
(Applause)
89
272326
3104
(လက်ခုပ်သံများ)
ဤဝဘ်ဆိုဒ်အကြောင်း

ဤဆိုက်သည် သင့်အား အင်္ဂလိပ်စာလေ့လာရန်အတွက် အသုံးဝင်သော YouTube ဗီဒီယိုများနှင့် မိတ်ဆက်ပေးပါမည်။ ကမ္ဘာတစ်ဝှမ်းမှ ထိပ်တန်းဆရာများ သင်ကြားပေးသော အင်္ဂလိပ်စာသင်ခန်းစာများကို သင်တွေ့မြင်ရပါမည်။ ဗီဒီယိုစာမျက်နှာတစ်ခုစီတွင် ပြသထားသည့် အင်္ဂလိပ်စာတန်းထိုးများကို နှစ်ချက်နှိပ်ပါ။ စာတန်းထိုးများသည် ဗီဒီယိုပြန်ဖွင့်ခြင်းနှင့်အတူ ထပ်တူပြု၍ လှိမ့်သွားနိုင်သည်။ သင့်တွင် မှတ်ချက်များ သို့မဟုတ် တောင်းဆိုမှုများရှိပါက ဤဆက်သွယ်ရန်ပုံစံကို အသုံးပြု၍ ကျွန်ုပ်တို့ထံ ဆက်သွယ်ပါ။

https://forms.gle/WvT1wiN1qDtmnspy7