3 myths about the future of work (and why they're not true) | Daniel Susskind

Vertaald door: Rik Delaet Nagekeken door: Axel Saffran

Automation anxiety has been spreading lately,

Automatisatie-angst is de laatste tijd in opmars,

a fear that in the future,

de angst dat in de toekomst

many jobs will be performed by machines

veel banen door machines zullen worden gedaan

rather than human beings,

in plaats van door de mens,

given the remarkable advances that are unfolding

gezien de enorme vooruitgang

in artificial intelligence and robotics.

in kunstmatige intelligentie en robotica.

What's clear is that there will be significant change.

Duidelijk is dat er significante verandering zal zijn.

What's less clear is what that change will look like.

Minder duidelijk is hoe die verandering eruit zal zien.

My research suggests that the future is both troubling and exciting.

Mijn onderzoek suggereert dat de toekomst zowel verontrustend als spannend zal zijn.

The threat of technological unemployment is real,

De dreiging van technologische werkloosheid is reëel

and yet it's a good problem to have.

en toch is het een goed probleem om te hebben.

And to explain how I came to that conclusion,

Om uit te leggen hoe ik tot die conclusie kwam,

I want to confront three myths

wil ik drie mythen ontmaskeren

that I think are currently obscuring our vision of this automated future.

waarvan ik denk dat ze onze visie op deze geautomatiseerde toekomst vertroebelen.

A picture that we see on our television screens,

Het beeld dat we krijgen via televisieschermen,

in books, in films, in everyday commentary

boeken, films, berichtgeving

is one where an army of robots descends on the workplace

is dat een leger van robots de arbeidsmarkt binnenvalt

with one goal in mind:

met één doel voor ogen:

to displace human beings from their work.

mensen verdringen uit hun werk.

And I call this the Terminator myth.

Ik noem dat de Terminator-mythe.

Yes, machines displace human beings from particular tasks,

Ja, machines verdringen mensen van bepaalde taken,

but they don't just substitute for human beings.

maar ze nemen niet alleen hun plaats in,

They also complement them in other tasks,

ze vullen hen ook aan in andere taken,

making that work more valuable and more important.

en maken zo dat werk waardevoller en belangrijker.

Sometimes they complement human beings directly,

Soms vullen ze de mens rechtstreeks aan

making them more productive or more efficient at a particular task.

waardoor ze hem productiever en efficiënter maken voor een bepaalde taak.

So a taxi driver can use a satnav system to navigate on unfamiliar roads.

Een taxichauffeur kan met een gps-systeem navigeren op onbekende wegen.

An architect can use computer-assisted design software

Een architect kan gebruik maken van CAD-software

to design bigger, more complicated buildings.

om grotere, meer ingewikkelde gebouwen te ontwerpen.

But technological progress doesn't just complement human beings directly.

Technologische vooruitgang vult de mens niet alleen maar direct aan.

It also complements them indirectly, and it does this in two ways.

Het is ook een indirecte aanvulling en wel op twee manieren.

The first is if we think of the economy as a pie,

De eerste: als we de economie bekijken als een taart,

technological progress makes the pie bigger.

dan maakt technologische vooruitgang de taart groter.

As productivity increases, incomes rise and demand grows.

Als de productiviteit toeneemt, stijgen de inkomens en groeit de vraag.

The British pie, for instance,

Zo is de Britse taart, bijvoorbeeld,

is more than a hundred times the size it was 300 years ago.

meer dan honderd keer zo groot als 300 jaar geleden.

And so people displaced from tasks in the old pie

Mensen die taken verloren in de oude taart,

could find tasks to do in the new pie instead.

vonden andere taken in de nieuwe taart.

But technological progress doesn't just make the pie bigger.

Maar technologische vooruitgang maakt de taart niet alleen groter.

It also changes the ingredients in the pie.

Ze verandert ook de ingrediënten in de taart.

As time passes, people spend their income in different ways,

In de loop van de tijd gaan mensen hun inkomen anders besteden;

changing how they spread it across existing goods,

ze spreiden het anders over de bestaande producten

and developing tastes for entirely new goods, too.

en raken tevens geïnteresseerd in geheel nieuwe producten.

New industries are created,

Nieuwe industrieën worden gecreëerd,

new tasks have to be done

nieuwe taken moeten worden gedaan

and that means often new roles have to be filled.

en dat betekent dat vaak nieuwe rollen moeten worden ingevuld.

So again, the British pie:

Nogmaals de Britse taart:

300 years ago, most people worked on farms,

300 jaar geleden werkten de meeste mensen op boerderijen,

150 years ago, in factories,

150 jaar geleden in fabrieken

and today, most people work in offices.

en vandaag de dag werken de meeste mensen in kantoren.

And once again, people displaced from tasks in the old bit of pie

En nogmaals, mensen die taken verloren in het oude stukje taart

could tumble into tasks in the new bit of pie instead.

komen nu terecht in taken in het nieuwe stukje taart.

Economists call these effects complementarities,

Economen noemen deze effecten complementariteit,

but really that's just a fancy word to capture the different way

maar dat is gewoon een duur woord om te zeggen

that technological progress helps human beings.

dat technologische vooruitgang mensen helpt.

Resolving this Terminator myth

Het oplossen van de Terminator-mythe

shows us that there are two forces at play:

toont aan dat er twee krachten spelen:

one, machine substitution that harms workers,

ten eerste machinesubstitutie, die werknemers schaadt,

but also these complementarities that do the opposite.

maar ook die complementariteit, die het tegenovergestelde doet.

Now the second myth,

Nu de tweede mythe,

what I call the intelligence myth.

die ik de intelligentiemythe noem.

What do the tasks of driving a car, making a medical diagnosis

Wat hebben deze taken: een auto besturen, een medische diagnose stellen,

en razendsnel een vogel identificeren, met elkaar gemeen?

and identifying a bird at a fleeting glimpse have in common?

Well, these are all tasks that until very recently,

Het zijn allemaal taken waarvan tot voor kort

leading economists thought couldn't readily be automated.

topeconomen dachten dat ze niet gemakkelijk konden worden geautomatiseerd.

And yet today, all of these tasks can be automated.

Toch kunnen vandaag al deze taken worden geautomatiseerd.

You know, all major car manufacturers have driverless car programs.

Alle grote autofabrikanten werken aan zelfrijdende auto's.

There's countless systems out there that can diagnose medical problems.

Er bestaan talloze systemen die medische problemen kunnen diagnosticeren.

And there's even an app that can identify a bird

Er is zelfs een app die een vogel bliksemsnel kan identificeren.

at a fleeting glimpse.

Now, this wasn't simply a case of bad luck on the part of economists.

Dit was niet zomaar een geval van pech voor de economen.

They were wrong,

Ze hadden het mis

and the reason why they were wrong is very important.

en de reden waarom is erg belangrijk.

They've fallen for the intelligence myth,

Ze vielen voor de intelligentiemythe,

the belief that machines have to copy the way

de overtuiging dat machines moeten kopiëren

that human beings think and reason

hoe mensen denken en redeneren

in order to outperform them.

om hen te overtreffen.

When these economists were trying to figure out

Toen deze economen probeerden te achterhalen

what tasks machines could not do,

welke taken machines níet konden doen,

they imagined the only way to automate a task

dachten ze dat je alleen taken kon automatiseren

was to sit down with a human being,

door samen te gaan zitten met een mens,

get them to explain to you how it was they performed a task,

hem te laten uitleggen hoe hij het deed,

and then try and capture that explanation

en dan te proberen die uitleg vast te leggen

in a set of instructions for a machine to follow.

in een reeks instructies voor een machine.

This view was popular in artificial intelligence at one point, too.

Deze opvatting was ook ooit populair in de kunstmatige intelligentie.

I know this because Richard Susskind,

Ik weet dit omdat Richard Susskind,

who is my dad and my coauthor,

mijn vader en co-auteur,

wrote his doctorate in the 1980s on artificial intelligence and the law

in de jaren 80 zijn doctoraat schreef over kunstmatige intelligentie en de wet

at Oxford University,

aan de Universiteit van Oxford.

and he was part of the vanguard.

Hij was bij de eersten

And with a professor called Phillip Capper

en samen met professor Phillip Capper

and a legal publisher called Butterworths,

en de juridische uitgeverij Butterworths

they produced the world's first commercially available

produceerden ze 's werelds eerste commercieel verkrijgbare

artificial intelligence system in the law.

systeem van kunstmatige intelligentie voor de wet.

This was the home screen design.

Dit was het ontwerp van het startscherm.

He assures me this was a cool screen design at the time.

Hij verzekert me dat dit toen een cool ontwerp was.

(Laughter)

(Gelach)

I've never been entirely convinced.

Ik was nooit helemaal overtuigd.

He published it in the form of two floppy disks,

Hij publiceerde het in de vorm van twee floppy disks,

at a time where floppy disks genuinely were floppy,

toen die nog echt 'floppy' waren,

en zijn aanpak was dezelfde als die van de economen:

and his approach was the same as the economists':

sit down with a lawyer,

samenzitten met een advocaat,

get her to explain to you how it was she solved a legal problem,

haar laten uitleggen hoe zij een juridisch probleem oploste

and then try and capture that explanation in a set of rules for a machine to follow.

en dan die uitleg proberen te vangen in een set regels voor een machine.

In economics, if human beings could explain themselves in this way,

Als mensen in de economie hun werk op deze manier konden uitleggen,

the tasks are called routine, and they could be automated.

werden de taken routine genoemd en konden ze worden geautomatiseerd.

But if human beings can't explain themselves,

Maar als de mensen het zelf niet kunnen uitleggen,

the tasks are called non-routine, and they're thought to be out reach.

worden de taken niet-routine genoemd, en dachten ze dat het niet kon.

Today, that routine-nonroutine distinction is widespread.

Vandaag is dat onderscheid tussen routine en niet-routine wijdverbreid.

Think how often you hear people say to you

Hoe vaak hoor je mensen niet zeggen:

machines can only perform tasks that are predictable or repetitive,

machines kunnen alleen taken uitvoeren die voorspelbaar of repetitief zijn,

rules-based or well-defined.

op basis van regels of welomschreven.

Those are all just different words for routine.

Met andere woorden: routinematig.

And go back to those three cases that I mentioned at the start.

Even terug naar die drie zaken die ik aan het begin noemde:

Those are all classic cases of nonroutine tasks.

klassieke gevallen van niet-routinematige taken.

Ask a doctor, for instance, how she makes a medical diagnosis,

Vraag een arts hoe ze een medische diagnose stelt

and she might be able to give you a few rules of thumb,

en ze kan je een aantal vuistregels geven,

maar uiteindelijk zou ze er niet uitkomen.

but ultimately she'd struggle.

She'd say it requires things like creativity and judgment and intuition.

Ze zou dingen noemen als creativiteit, oordeel en intuïtie.

And these things are very difficult to articulate,

Deze dingen zijn erg moeilijk te verwoorden.

Daarom dacht men dat deze taken zeer moeilijk zouden zijn te automatiseren.

and so it was thought these tasks would be very hard to automate.

If a human being can't explain themselves,

Als een mens het al niet kan uitleggen,

where on earth do we begin in writing a set of instructions

hoe zouden we dan een reeks instructies kunnen schrijven voor een machine?

for a machine to follow?

Thirty years ago, this view was right,

Dertig jaar geleden was deze opvatting terecht,

but today it's looking shaky,

maar vandaag staat ze op losse schroeven

and in the future it's simply going to be wrong.

en in de toekomst gaat ze gewoon fout zijn.

Advances in processing power, in data storage capability

Vooruitgang in rekenkracht,

in gegevensopslag en algoritmeontwerp

and in algorithm design

mean that this routine-nonroutine distinction

betekenen dat dit onderscheid tussen routine en niet-routine

is diminishingly useful.

steeds minder nuttig wordt.

To see this, go back to the case of making a medical diagnosis.

Denk even aan die medische diagnose.

Eerder dit jaar kondigde een team van onderzoekers

Earlier in the year,

a team of researchers at Stanford announced they'd developed a system

van Stanford aan dat ze een systeem hadden ontwikkeld

which can tell you whether or not a freckle is cancerous

dat je kan vertellen of een sproet al dan niet kwaadaardig is.

as accurately as leading dermatologists.

Even goed als vooraanstaande dermatologen.

How does it work?

Hoe werkt het?

It's not trying to copy the judgment or the intuition of a doctor.

Het probeert niet om het oordeel of de intuïtie van een arts te kopiëren.

It knows or understands nothing about medicine at all.

Het weet of begrijpt helemaal niets van geneeskunde.

Instead, it's running a pattern recognition algorithm

In plaats daarvan gebruikt het een algoritme voor patroonherkenning

through 129,450 past cases,

aan de hand van 129.450 eerdere gevallen.

hunting for similarities between those cases

Het zoekt naar gelijkenissen tussen die gevallen

and the particular lesion in question.

en de specifieke laesie in kwestie.

It's performing these tasks in an unhuman way,

Het voert deze taken uit op een niet-menselijke manier,

based on the analysis of more possible cases

gebaseerd op de analyse van meer mogelijke gevallen

than any doctor could hope to review in their lifetime.

dan enige dokter kan hopen te beoordelen tijdens haar leven.

It didn't matter that that human being,

Het maakte niet uit dat die mens,

that doctor, couldn't explain how she'd performed the task.

die dokter, niet kon uitleggen hoe ze de taak had uitgevoerd.

Now, there are those who dwell upon that the fact

Nu zijn er mensen die zich blindstaren op het feit

that these machines aren't built in our image.

dat deze machines niet op ons lijken.

As an example, take IBM's Watson,

Neem als voorbeeld IBM's Watson,

the supercomputer that went on the US quiz show "Jeopardy!" in 2011,

de supercomputer die in 2011 meedeed aan de Amerikaanse quiz 'Jeopardy!',

and it beat the two human champions at "Jeopardy!"

en hem won van de twee menselijke kampioenen van 'Jeopardy!'

The day after it won,

De dag erna stond er in The Wall Street Journal

The Wall Street Journal ran a piece by the philosopher John Searle

een stuk van de filosoof John Searle

with the title "Watson Doesn't Know It Won on 'Jeopardy!'"

met als titel "Watson Weet Niet Dat Hij Bij 'Jeopardy!' Heeft Gewonnen."

Right, and it's brilliant, and it's true.

Klopt, het is briljant en het is waar.

You know, Watson didn't let out a cry of excitement.

Watson slaakte geen kreet van vreugde.

Hij belde zijn ouders niet om te zeggen wat hij gepresteerd had.

It didn't call up its parents to say what a good job it had done.

It didn't go down to the pub for a drink.

Hij liep niet naar de kroeg voor een drankje.

This system wasn't trying to copy the way that those human contestants played,

Dit systeem probeerde niet de manier van menselijke spelers te kopiëren,

maar dat deed er niet toe.

but it didn't matter.

It still outperformed them.

Het presteerde toch beter dan zij.

Resolving the intelligence myth

Het oplossen van de intelligentiemythe

shows us that our limited understanding about human intelligence,

toont aan dat ons beperkte begrip van menselijke intelligentie,

about how we think and reason,

van hoe wij denken en redeneren,

is far less of a constraint on automation than it was in the past.

veel minder een beperking is voor de automatisering dan in het verleden.

What's more, as we've seen,

En we zagen: als deze machines taken anders uitvoeren dan de mens,

when these machines perform tasks differently to human beings,

there's no reason to think

is er geen reden om te denken

that what human beings are currently capable of doing

dat menselijke prestaties van nu

represents any sort of summit

de limiet tonen van wat deze machines in de toekomst zouden kunnen doen.

in what these machines might be capable of doing in the future.

Now the third myth,

Nu de derde mythe,

what I call the superiority myth.

die ik de superioriteitsmythe noem.

It's often said that those who forget

Vaak wordt gezegd:

wie de weldadige kant vergeet van de technologische vooruitgang,

about the helpful side of technological progress,

those complementarities from before,

die complementariteit van daarstraks,

are committing something known as the lump of labor fallacy.

maakt de 'denkfout van werkhoeveelheid'.

Now, the problem is the lump of labor fallacy

Het probleem is dat de denkfout van werkhoeveelheid

is itself a fallacy,

ook weer een denkfout is.

and I call this the lump of labor fallacy fallacy,

Ik noem dat de denkfout van werkhoeveelheid-denkfout,

or LOLFF, for short.

of DVWD afgekort.

Laat het me uitleggen.

Let me explain.

The lump of labor fallacy is a very old idea.

De denkfout van werkhoeveelheid is een zeer oud idee.

It was a British economist, David Schloss, who gave it this name in 1892.

De Britse econoom David Schloss, bedacht de naam in 1892.

He was puzzled to come across a dock worker

Een dokwerker verbaasde hem.

who had begun to use a machine to make washers,

Die ging een machine gebruiken om sluitringen te maken

the small metal discs that fasten on the end of screws.

-- die metalen afdichtschijfjes die je vastzet met schroeven --

And this dock worker felt guilty for being more productive.

en hij voelde zich schuldig omdat hij productiever werd.

Now, most of the time, we expect the opposite,

Je verwacht het tegengestelde:

mensen voelen zich schuldig omdat ze onproductief zijn

that people feel guilty for being unproductive,

door op het werk te veel tijd te Facebooken of Twitteren.

you know, a little too much time on Facebook or Twitter at work.

Hij voelde zich schuldig omdat hij productiever was.

But this worker felt guilty for being more productive,

Gevraagd waarom, zei hij: "Ik weet dat ik fout ben.

and asked why, he said, "I know I'm doing wrong.

I'm taking away the work of another man."

Ik neem een ander zijn werk af."

In his mind, there was some fixed lump of work

In zijn gedachtegang was er een vaste hoeveelheid werk

to be divided up between him and his pals,

om te verdelen tussen hem en zijn vrienden.

so that if he used this machine to do more,

Als hij deze machine gebruikte,

was er minder werk over voor zijn vrienden.

there'd be less left for his pals to do.

Schloss saw the mistake.

Schloss zag de fout.

The lump of work wasn't fixed.

Werkhoeveelheid was geen vast gegeven.

As this worker used the machine and became more productive,

Naarmate de werknemer met de machine productiever werd,

the price of washers would fall, demand for washers would rise,

zou de prijs van de sluitringen zakken en de vraag ernaar stijgen,

more washers would have to be made,

meer ringen zouden nodig zijn

and there'd be more work for his pals to do.

en dus meer werk voor zijn vrienden.

The lump of work would get bigger.

De werkhoeveelheid zou toenemen.

Schloss called this "the lump of labor fallacy."

Schloss noemde dit ‘de werkhoeveelheidsdenkfout’.

And today you hear people talk about the lump of labor fallacy

Vandaag praten mensen over die werkhoeveelheid-denkfout

to think about the future of all types of work.

in verband met de toekomst van alle soorten werk.

There's no fixed lump of work out there to be divided up

Er is geen vaste werkhoeveelheid te verdelen tussen mensen en machines.

between people and machines.

Yes, machines substitute for human beings, making the original lump of work smaller,

Machines vervangen weliswaar mensen, waardoor de werkhoeveelheid afneemt,

but they also complement human beings,

maar ze vullen de mens ook aan,

and the lump of work gets bigger and changes.

zodat de werkhoeveelheid groter wordt en verandert.

But LOLFF.

Maar DVWD.

Here's the mistake:

Hier is de fout:

it's right to think that technological progress

technologische vooruitgang vergroot inderdaad

de hoeveelheid werk die gedaan moet worden.

makes the lump of work to be done bigger.

Sommige taken worden meer waard. Nieuwe taken moeten worden gedaan.

Some tasks become more valuable. New tasks have to be done.

But it's wrong to think that necessarily,

Maar het is verkeerd om te denken dat

human beings will be best placed to perform those tasks.

de mens per se de beste keuze zal zijn om deze taken uit te voeren.

And this is the superiority myth.

En dat is de superioriteitsmythe.

Yes, the lump of work might get bigger and change,

Ja, de werkhoeveelheid kan groter worden en veranderen,

but as machines become more capable,

maar als machines vaardiger worden,

it's likely that they'll take on the extra lump of work themselves.

is het waarschijnlijk dat ze

de extra werkhoeveelheid zelf zullen gaan overnemen.

Technological progress, rather than complement human beings,

Technologische vooruitgang gaat in plaats van de mens aan te vullen,

complements machines instead.

machines aanvullen.

To see this, go back to the task of driving a car.

Denk aan de taak van het besturen van een auto.

Today, satnav systems directly complement human beings.

Vandaag de dag staan navigatiesystemen de mens bij.

They make some human beings better drivers.

Ze maken sommige mensen tot betere chauffeurs.

But in the future,

Maar in de toekomst gaat software mensen verdringen uit de bestuurdersstoel

software is going to displace human beings from the driving seat,

en gaan deze navigatiesystemen niet zozeer mensen aanvullen,

and these satnav systems, rather than complement human beings,

maar eerder die zelfrijdende auto's efficiënter maken

will simply make these driverless cars more efficient,

helping the machines instead.

en dus de machines helpen.

Or go to those indirect complementarities that I mentioned as well.

Of denk ook aan de indirecte complementariteit die ik noemde.

The economic pie may get larger,

De economische taart kan groeien,

but as machines become more capable,

maar als machines vaardiger worden,

it's possible that any new demand will fall on goods that machines,

kan elke nieuwe vraag gaan om goederen die machines

rather than human beings, are best placed to produce.

beter kunnen produceren dan mensen.

The economic pie may change,

De economische taart kan veranderen,

but as machines become more capable,

maar als machines vaardiger worden,

it's possible that they'll be best placed to do the new tasks that have to be done.

is het mogelijk dat zij het best die nieuwe taken zullen kunnen uitvoeren.

In short, demand for tasks isn't demand for human labor.

Kortom, de vraag naar taken is niet hetzelfde als de vraag naar mensenwerk.

Human beings only stand to benefit

De mensen zullen alleen gebaat zijn

if they retain the upper hand in all these complemented tasks,

als zij de overhand houden in al deze aanvullende taken,

but as machines become more capable, that becomes less likely.

maar naarmate machines vaardiger worden, wordt dat minder waarschijnlijk.

So what do these three myths tell us then?

Wat vertellen deze drie mythen ons dan?

Well, resolving the Terminator myth

Het oplossen van de Terminator-mythe

shows us that the future of work depends upon this balance between two forces:

toont dat de toekomst van werk

afhangt van dit evenwicht tussen twee krachten:

one, machine substitution that harms workers

machinesubstitutie die werknemers schaadt,

maar ook de complementariteit die net het tegengestelde doet.

but also those complementarities that do the opposite.

And until now, this balance has fallen in favor of human beings.

Tot nu toe draaide dit evenwicht uit in het voordeel van de mens.

But resolving the intelligence myth

Maar het oplossen van de intelligentiemythe

shows us that that first force, machine substitution,

leert ons dat de eerste kracht, machinesubstitutie, sterker wordt.

is gathering strength.

Machines, of course, can't do everything,

Machines kunnen natuurlijk niet alles,

but they can do far more,

maar ze kunnen veel meer,

encroaching ever deeper into the realm of tasks performed by human beings.

en rukken steeds verder op in het rijk van door de mens uitgevoerde taken.

What's more, there's no reason to think

Ook is er geen reden te denken

that what human beings are currently capable of

dat wat de mens momenteel kan

represents any sort of finishing line,

het eindpunt gaat zijn,

dat machines zich beleefd gaan inhouden

that machines are going to draw to a polite stop

once they're as capable as us.

zodra ze ons niveau hebben bereikt.

Now, none of this matters

Dit is allemaal niet erg

so long as those helpful winds of complementarity

zolang de nuttige winden van de complementariteit

blow firmly enough,

stevig genoeg blijven waaien,

but resolving the superiority myth

maar het oplossen van de superioriteitsmythe

shows us that that process of task encroachment

toont ons dat dat proces van taakaantasting

not only strengthens the force of machine substitution,

niet alleen de kracht van machinesubstitutie versterkt,

but it wears down those helpful complementarities too.

maar ook die behulpzame complementariteit aantast.

Bring these three myths together

Breng deze drie mythen samen

and I think we can capture a glimpse of that troubling future.

en ik denk dat we een glimp van die verontrustende toekomst kunnen opvangen.

Machines continue to become more capable,

Machines worden steeds vaardiger,

encroaching ever deeper on tasks performed by human beings,

rukken steeds verder op in de taken van de mens,

strengthening the force of machine substitution,

versterken de kracht van machinesubstitutie

weakening the force of machine complementarity.

en verzwakken de kracht van machinecomplementariteit.

And at some point, that balance falls in favor of machines

Ooit draait dat evenwicht uit in het voordeel van machines

rather than human beings.

in plaats van de mens.

This is the path we're currently on.

Die weg zijn we ingeslagen.

I say "path" deliberately, because I don't think we're there yet,

Opzettelijk zeg ik ‘weg’, want ik denk niet dat we er al zijn,

but it is hard to avoid the conclusion that this is our direction of travel.

maar het is moeilijk om de conclusie te vermijden dat dit onze rijrichting is.

That's the troubling part.

Dat is het verontrustende deel.

Let me say now why I think actually this is a good problem to have.

Ik leg nu uit waarom ik denk dat dit een goed probleem is om te hebben.

For most of human history, one economic problem has dominated:

Eén economisch probleem domineerde bijna de hele menselijke geschiedenis:

how to make the economic pie large enough for everyone to live on.

hoe de economische koek voor iedereen groot genoeg maken om van te leven.

Go back to the turn of the first century AD,

Als je in de eerste eeuw na Christus

and if you took the global economic pie

de mondiale economische taart

and divided it up into equal slices for everyone in the world,

voor iedereen in gelijke plakjes verdeelde,

everyone would get a few hundred dollars.

kreeg iedereen een paar honderd dollar.

Almost everyone lived on or around the poverty line.

Bijna iedereen leefde op of nabij de armoedegrens.

And if you roll forward a thousand years,

Ga duizend jaar vooruit

roughly the same is true.

en je vindt ruwweg hetzelfde.

But in the last few hundred years, economic growth has taken off.

Maar in de laatste paar honderd jaar kwam de economische groei op gang.

Those economic pies have exploded in size.

De economische taarten zijn buitenmaats gegroeid.

Global GDP per head,

Het mondiale bbp per hoofd,

the value of those individual slices of the pie today,

de huidige waarde van die persoonlijke stukken taart,

they're about 10,150 dollars.

is nu ongeveer 10.150 dollar.

If economic growth continues at two percent,

Als de economische groei op twee procent blijft,

our children will be twice as rich as us.

zullen onze kinderen twee keer zo rijk zijn als wij.

If it continues at a more measly one percent,

Groeit het met een miezerige één procent,

our grandchildren will be twice as rich as us.

zullen onze kleinkinderen twee keer zo rijk zijn als wij.

By and large, we've solved that traditional economic problem.

In grote lijnen hebben we dat traditionele economisch probleem opgelost.

Now, technological unemployment, if it does happen,

Als die technologische werkloosheid zich zal voordoen,

in a strange way will be a symptom of that success,

zal ze op een vreemde manier een symptoom zijn van dat succes:

will have solved one problem -- how to make the pie bigger --

zal ze een probleem hebben opgelost, -- hoe de taart groter te maken --

but replaced it with another --

maar vervangen door een ander:

how to make sure that everyone gets a slice.

hoe ervoor te zorgen dat iedereen een stuk krijgt.

As other economists have noted, solving this problem won't be easy.

Ook andere economen zagen

dat het moeilijk zal zijn dit probleem op te lossen .

Today, for most people,

Vandaag geldt voor de meeste mensen,

their job is their seat at the economic dinner table,

dat hun werk hun plaats aan de economische tafel is.

and in a world with less work or even without work,

In een wereld met minder of zelfs zonder werk

is niet duidelijk hoe zij aan hun stuk gaan geraken.

it won't be clear how they get their slice.

There's a great deal of discussion, for instance,

Veel discussie gaat over

de verschillende vormen van universeel basisinkomen

about various forms of universal basic income

als één mogelijke benadering

as one possible approach,

and there's trials underway

en er is onderzoek aan de gang

in the United States and in Finland and in Kenya.

in de Verenigde Staten, Finland en Kenia.

And this is the collective challenge that's right in front of us,

Die collectieve uitdaging staat ons te wachten,

to figure out how this material prosperity generated by our economic system

om te weten hoe de door ons systeem gegenereerde welvaart

can be enjoyed by everyone

door iedereen kan worden genoten

in a world in which our traditional mechanism

in een wereld waarin ons traditionele mechanisme

for slicing up the pie,

om de taart te verdelen,

the work that people do,

het werk dat mensen doen,

withers away and perhaps disappears.

afkalft en misschien wel verdwijnt.

Solving this problem is going to require us to think in very different ways.

Om dit probleem op te lossen, zullen we heel anders moeten gaan denken.

There's going to be a lot of disagreement about what ought to be done,

Er gaat heel wat onenigheid zijn over wat er gedaan moet worden,

maar hou voor ogen dat dit een veel beter probleem is om te hebben

but it's important to remember that this is a far better problem to have

dan wat onze voorouders eeuwenlang kopzorgen gaf:

than the one that haunted our ancestors for centuries:

how to make that pie big enough in the first place.

hoe maak je in de eerste plaats die taart groot genoeg.

Thank you very much.

Veel dank.

(Applause)

(Applaus)