Erik Brynjolfsson: The key to growth? Race with the machines

152,427 views ・ 2013-04-23

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Tłumaczenie: Justyna Szumiło Korekta: Barbara Olszewska
00:12
Growth is not dead.
1
12605
2272
Rozwój nie umarł.
00:14
(Applause)
2
14877
1386
(Brawa)
00:16
Let's start the story 120 years ago,
3
16263
3963
Historię zacznijmy od cofnięcia się o 120 lat,
00:20
when American factories began to electrify their operations,
4
20226
3632
kiedy amerykańskie fabryki zaczęły wykorzystywać energię elektryczną,
00:23
igniting the Second Industrial Revolution.
5
23858
3344
rozpoczynając drugą rewolucję przemysłową.
00:27
The amazing thing is
6
27202
1111
Niesamowite jest to,
00:28
that productivity did not increase in those factories
7
28313
2777
że wydajność w tych fabrykach nie wzrosła
00:31
for 30 years. Thirty years.
8
31090
3256
przez trzydzieści lat.
00:34
That's long enough for a generation of managers to retire.
9
34346
3474
To wystarczająco długo, aby pokolenie kierowników mogło przejść na emeryturę.
00:37
You see, the first wave of managers
10
37820
2222
Pierwsza fala kierowników
00:40
simply replaced their steam engines with electric motors,
11
40042
3417
po prostu zastąpiła silniki parowe silnikami elektrycznymi,
00:43
but they didn't redesign the factories to take advantage
12
43459
3010
ale nie przekonstruowali fabryk tak,
00:46
of electricity's flexibility.
13
46469
2341
aby mogli skorzystać z elastyczności elektryczności.
00:48
It fell to the next generation to invent new work processes,
14
48810
3984
To nowe pokolenie opracowało nowe procesy pracy
00:52
and then productivity soared,
15
52794
2727
i wtedy wydajność w tych fabrykach wzrosła,
00:55
often doubling or even tripling in those factories.
16
55521
3665
często dwukrotnie lub nawet trzykrotnie.
00:59
Electricity is an example of a general purpose technology,
17
59186
4723
Elektryczność jest przykładem technologii ogólnego zastosowania,
01:03
like the steam engine before it.
18
63909
2230
tak jak wcześniej silnik parowy.
01:06
General purpose technologies drive most economic growth,
19
66139
3416
Technologie ogólnego zastosowanie napędzają wzrost gospodarczy,
01:09
because they unleash cascades of complementary innovations,
20
69555
3454
ponieważ wiążą się z masą dodatkowych innowacji,
01:13
like lightbulbs and, yes, factory redesign.
21
73009
3632
takich jak żarówki i właśnie przeprojektowywanie fabryk.
01:16
Is there a general purpose technology of our era?
22
76641
3610
Czy w naszej erze istnieje technologia ogólnego zastosowania?
01:20
Sure. It's the computer.
23
80251
2508
Pewnie. Komputer.
01:22
But technology alone is not enough.
24
82759
2659
Jednak sama technologia nie wystarczy.
01:25
Technology is not destiny.
25
85418
2766
Technologia to nie przeznaczenie.
01:28
We shape our destiny,
26
88184
1580
Sami kształtujemy swoje przeznaczenie
01:29
and just as the earlier generations of managers
27
89764
2516
i tak jak wcześniejsze pokolenia kierowników
01:32
needed to redesign their factories,
28
92280
2298
musiały przeprojektować fabryki,
01:34
we're going to need to reinvent our organizations
29
94578
2229
tak my musimy zreformować nasze organizacje,
01:36
and even our whole economic system.
30
96807
2555
a nawet cały system gospodarczy.
01:39
We're not doing as well at that job as we should be.
31
99362
3602
Nie radzimy sobie z tym tak dobrze, jak powinniśmy.
01:42
As we'll see in a moment,
32
102964
1230
Jak za chwilę zobaczymy,
01:44
productivity is actually doing all right,
33
104194
2722
wydajność ma się dobrze,
01:46
but it has become decoupled from jobs,
34
106916
3862
ale stała się niezależna od prac.
01:50
and the income of the typical worker is stagnating.
35
110778
4419
Dochód przeciętnego pracownika tkwi w zastoju.
01:55
These troubles are sometimes misdiagnosed
36
115197
2519
Te problemy często błędnie interpretuje się
01:57
as the end of innovation,
37
117716
3712
jako kres innowacji,
02:01
but they are actually the growing pains
38
121428
2129
ale w rzeczywistości to początkowe trudności
02:03
of what Andrew McAfee and I call the new machine age.
39
123557
5590
związane z tym, co z Andrew McAfeem nazywamy nową erą maszyn.
02:09
Let's look at some data.
40
129147
1882
Przyjrzyjmy się danym.
02:11
So here's GDP per person in America.
41
131029
2902
To wskaźnik PKB na osobę w Ameryce.
02:13
There's some bumps along the way, but the big story
42
133931
2766
Po drodze natrafiamy na pewne wyboje,
02:16
is you could practically fit a ruler to it.
43
136697
2715
ale ogólnie jest praktycznie równy jak od linijki.
02:19
This is a log scale, so what looks like steady growth
44
139412
3276
To skala logarytmiczna, dlatego to, co wygląda jak stały wzrost,
02:22
is actually an acceleration in real terms.
45
142688
3043
to zwiększenie w rzeczywistych warunkach.
02:25
And here's productivity.
46
145731
2160
Tutaj mamy wydajność.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
47
147891
2671
Widać lekkie spowolnienie w połowie lat 70.,
02:30
but it matches up pretty well with the Second Industrial Revolution,
48
150562
3738
ale bardzo dobrze dopasowuje się do drugiej rewolucji przemysłowej,
02:34
when factories were learning how to electrify their operations.
49
154300
2691
kiedy fabryki uczyły się, jak elektryfikować działanie.
02:36
After a lag, productivity accelerated again.
50
156991
4129
Po zastoju ponownie nastąpił wzrost wydajności.
02:41
So maybe "history doesn't repeat itself,
51
161120
2571
Może "historia się nie powtarza,
02:43
but sometimes it rhymes."
52
163691
2568
ale czasami się rymuje".
02:46
Today, productivity is at an all-time high,
53
166259
3136
Obecnie wydajność osiąga rekordową wartość
02:49
and despite the Great Recession,
54
169395
1977
i pomimo wielkiej recesji
02:51
it grew faster in the 2000s than it did in the 1990s,
55
171372
4252
i w pierwszej dekadzie XXI w. wzrosła szybciej niż w latach 90. XX w.,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
56
175624
4136
a wzrost był szybszy niż w latach 70. i 80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
57
179760
3674
Wzrasta szybciej niż podczas drugiej rewolucji przemysłowej.
03:03
And that's just the United States.
58
183434
1743
A to tylko Stany Zjednoczone.
03:05
The global news is even better.
59
185177
3248
Wiadomości światowe są nawet lepsze.
03:08
Worldwide incomes have grown at a faster rate
60
188425
2360
Światowe dochody wzrosły szybciej
03:10
in the past decade than ever in history.
61
190785
2496
przez ostatnie 10 lat niż kiedykolwiek wcześniej.
03:13
If anything, all these numbers actually understate our progress,
62
193281
5051
Jeśli już to te wszystkie liczby pomniejszają nasz postęp,
03:18
because the new machine age
63
198332
1912
ponieważ nowa era maszyn
03:20
is more about knowledge creation
64
200244
1664
bardziej wiąże się z tworzeniem wiedzy
03:21
than just physical production.
65
201908
2331
niż z fizyczną produkcją.
03:24
It's mind not matter, brain not brawn,
66
204239
2938
Chodzi o umysł, a nie materię. O mózg, a nie mięśnie.
03:27
ideas not things.
67
207177
2062
Idee, a nie rzeczy.
03:29
That creates a problem for standard metrics,
68
209239
2570
Stwarza to problem dla standardowym metryk,
03:31
because we're getting more and more stuff for free,
69
211809
3502
ponieważ coraz więcej rzeczy mamy za darmo,
03:35
like Wikipedia, Google, Skype,
70
215311
2641
takich jak Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
71
217952
3063
i jeżeli umieszczą mnie w sieci, nawet tę prelekcję.
03:41
Now getting stuff for free is a good thing, right?
72
221015
3303
Lubicie dostawać gratisy?
03:44
Sure, of course it is.
73
224318
1765
Oczywiście, że tak.
03:46
But that's not how economists measure GDP.
74
226083
3868
Ale nie tak ekonomiści mierzą PKB.
03:49
Zero price means zero weight in the GDP statistics.
75
229951
5592
W statystykach PKB cena zerowa oznacza wagę zerową.
03:55
According to the numbers, the music industry
76
235543
2112
Zgodnie z liczbami przemysł muzyczny
03:57
is half the size that it was 10 years ago,
77
237655
3000
jest o połowę mniejszy niż 10 lat temu,
04:00
but I'm listening to more and better music than ever.
78
240655
3656
ale ja słucham więcej i lepszej muzyki niż kiedykolwiek.
04:04
You know, I bet you are too.
79
244311
2192
Wy pewnie też.
04:06
In total, my research estimates
80
246503
2723
Według moich badań
04:09
that the GDP numbers miss over 300 billion dollars per year
81
249226
4754
liczby PKB pomijają ponad 300 mld dolarów rocznie
04:13
in free goods and services on the Internet.
82
253980
3346
w darmowych dobrach i usługach w Internecie.
04:17
Now let's look to the future.
83
257326
1789
Spójrzmy w przyszłość.
04:19
There are some super smart people
84
259115
2263
Jest trochę super mądrych ludzi,
04:21
who are arguing that we've reached the end of growth,
85
261378
5019
którzy twierdzą, że dotarliśmy do końca rozwoju,
04:26
but to understand the future of growth,
86
266397
3558
ale aby zrozumieć przyszłość rozwoju,
04:29
we need to make predictions
87
269955
2683
musimy sformułować prognozy
04:32
about the underlying drivers of growth.
88
272638
3290
na temat czynników leżących u podstaw rozwoju.
04:35
I'm optimistic, because the new machine age
89
275928
3806
Jestem optymistą, ponieważ nowa era maszyn
04:39
is digital, exponential and combinatorial.
90
279734
5030
jest cyfrowa, wykładnicza i kombinatoryczna.
04:44
When goods are digital, they can be replicated
91
284764
2264
Kiedy dobra są cyfrowe, można je pomnażać.
04:47
with perfect quality at nearly zero cost,
92
287028
4509
Są idealnej jakości i prawie nic nie kosztują.
04:51
and they can be delivered almost instantaneously.
93
291537
4018
I mogą być dostarczone niemalże natychmiastowo.
04:55
Welcome to the economics of abundance.
94
295555
2800
Witajcie w ekonomii obfitości.
04:58
But there's a subtler benefit to the digitization of the world.
95
298355
3690
Ale istnieje subtelniejsza korzyść z digitalizacji świata.
05:02
Measurement is the lifeblood of science and progress.
96
302045
4600
Miarą jest siła napędowa nauki i postępu.
05:06
In the age of big data,
97
306645
2148
W erze dużych ilości danych
05:08
we can measure the world in ways we never could before.
98
308793
4286
możemy zmierzyć świat na sposoby niemożliwe wcześniej.
05:13
Secondly, the new machine age is exponential.
99
313079
4095
Po drugie nowa era maszyn jest wykładnicza.
05:17
Computers get better faster than anything else ever.
100
317174
5935
Komputery stają się lepsze, szybsze niż cokolwiek innego wcześniej.
05:23
A child's Playstation today is more powerful
101
323109
3568
Playstation dziecka ma obecnie większą moc
05:26
than a military supercomputer from 1996.
102
326677
4056
niż wojskowy superkomputer z 1996 roku.
05:30
But our brains are wired for a linear world.
103
330733
3207
Ale nasze mózgi są dostosowane do linearnego świata.
05:33
As a result, exponential trends take us by surprise.
104
333940
3888
W wyniku trendy wykładnicze nas zaskakują.
05:37
I used to teach my students that there are some things,
105
337828
2602
Kiedyś uczyłem moich uczniów, że istnieją pewne rzeczy,
05:40
you know, computers just aren't good at,
106
340430
1934
w których komputery nie są dobre,
05:42
like driving a car through traffic.
107
342364
2385
np. prowadzenie samochodu na zatłoczonych ulicach.
05:44
(Laughter)
108
344749
2013
(Śmiech)
05:46
That's right, here's Andy and me grinning like madmen
109
346762
3491
Tak, to Andy i ja szczerzący się jak głupi,
05:50
because we just rode down Route 101
110
350253
2384
ponieważ właśnie przejechaliśmy przez autostradę 101
05:52
in, yes, a driverless car.
111
352637
3669
w samochodzie bez kierowcy.
05:56
Thirdly, the new machine age is combinatorial.
112
356306
2583
Po trzecie nowa era maszyn jest kombinatoryczna.
05:58
The stagnationist view is that ideas get used up,
113
358889
4048
Pogląd stagnacyjny twierdzi, że pomysły się zużywają,
06:02
like low-hanging fruit,
114
362937
1856
jak nisko rosnące owoce,
06:04
but the reality is that each innovation
115
364793
3163
ale w rzeczywistości każda innowacja
06:07
creates building blocks for even more innovations.
116
367956
3256
prowadzi do kolejnych innowacji.
06:11
Here's an example. In just a matter of a few weeks,
117
371212
3345
Podam przykład. W ciągu zaledwie kilku tygodni
06:14
an undergraduate student of mine
118
374557
2072
jeden z moich studentów
06:16
built an app that ultimately reached 1.3 million users.
119
376629
4111
stworzył aplikację, z której ostatecznie skorzystało 1,3 miliona użytkowników.
06:20
He was able to do that so easily
120
380740
1699
Był w stanie to tak łatwo osiągnąć,
06:22
because he built it on top of Facebook,
121
382439
1827
ponieważ stworzył ją na Facebooku,
06:24
and Facebook was built on top of the web,
122
384266
1933
Facebook stworzono w sieci,
06:26
and that was built on top of the Internet,
123
386199
1698
sieć stworzono w Internecie
06:27
and so on and so forth.
124
387897
2418
i tak dalej.
06:30
Now individually, digital, exponential and combinatorial
125
390315
4765
Z osobna coś cyfrowego, wykładniczego i kombinatorycznego
06:35
would each be game-changers.
126
395080
2350
uważano by za przełomowe.
06:37
Put them together, and we're seeing a wave
127
397430
2190
Połączmy te cechy i widzimy falę
06:39
of astonishing breakthroughs,
128
399620
1393
zadziwiających osiągnięć,
06:41
like robots that do factory work or run as fast as a cheetah
129
401013
3060
takich jak roboty w fabryce, biegające tak szybko jak gepard
06:44
or leap tall buildings in a single bound.
130
404073
2796
lub przeskakujące wysokie budynki za pierwszym podejściem.
06:46
You know, robots are even revolutionizing
131
406869
2232
Roboty nawet rewolucjonizują
06:49
cat transportation.
132
409101
1829
transport kotów.
06:50
(Laughter)
133
410930
2270
(Śmiech)
06:53
But perhaps the most important invention,
134
413200
2732
Ale być może najważniejszym wynalazkiem
06:55
the most important invention is machine learning.
135
415932
5065
jest uczenie maszynowe.
07:00
Consider one project: IBM's Watson.
136
420997
3376
Weźmy pod uwagę jeden projekt: superkomputer Watson firmy IBM.
07:04
These little dots here,
137
424373
1589
Te małe kropki tutaj
07:05
those are all the champions on the quiz show "Jeopardy."
138
425962
4860
to wszyscy zwycięzcy teleturnieju "Jeopardy".
07:10
At first, Watson wasn't very good,
139
430822
2544
Początkowo Watson nie był zbyt dobry,
07:13
but it improved at a rate faster than any human could,
140
433366
5622
ale stawał się lepszy szybciej niż jakikolwiek człowiek
07:18
and shortly after Dave Ferrucci showed this chart
141
438988
2687
i niedługo po tym, jak Dave Ferrucci pokazał ten wykres
07:21
to my class at MIT,
142
441675
1652
moim studentom z MIT,
07:23
Watson beat the world "Jeopardy" champion.
143
443327
3542
Watson pokonał światowego mistrza "Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
144
446869
3989
W wieku 7 lat Watson nadal jest dzieckiem.
07:30
Recently, its teachers let it surf the Internet unsupervised.
145
450858
5318
Ostatnio jego nauczyciele pozwolili mu surfować po Internecie bez nadzoru.
07:36
The next day, it started answering questions with profanities.
146
456176
5946
Następnego dnia zaczął zadawać pytania zawierające przekleństwa.
07:42
Damn. (Laughter)
147
462122
2274
Cholera. (Śmiech)
07:44
But you know, Watson is growing up fast.
148
464396
2280
Watson szybko się rozwija.
07:46
It's being tested for jobs in call centers, and it's getting them.
149
466676
4212
Stara się o prace w infoliniach i je dostaje.
07:50
It's applying for legal, banking and medical jobs,
150
470888
3724
Ubiega się o stanowiska w prawie, bankowości, medycynie
07:54
and getting some of them.
151
474612
1950
i niektóre z nich dostaje.
07:56
Isn't it ironic that at the very moment
152
476562
1889
Czy ironią nie jest to, że właśnie teraz,
07:58
we are building intelligent machines,
153
478451
2234
kiedy budujemy maszyny inteligentne,
08:00
perhaps the most important invention in human history,
154
480685
3449
być może najważniejsze wynalazki w historii ludzkości,
08:04
some people are arguing that innovation is stagnating?
155
484134
3975
niektórzy twierdzą, że innowacja ulega stagnacji?
08:08
Like the first two industrial revolutions,
156
488109
2419
Jak w dwóch pierwszych rewolucjach przemysłowych,
08:10
the full implications of the new machine age
157
490528
3134
pełne skutki nowej ery maszyn
08:13
are going to take at least a century to fully play out,
158
493662
2682
widocznie będą dopiero po co najmniej 100 latach,
08:16
but they are staggering.
159
496344
3032
ale powoli je widać.
08:19
So does that mean we have nothing to worry about?
160
499376
3336
Czy to oznacza, że nie ma o co się martwić?
08:22
No. Technology is not destiny.
161
502712
3680
Nie. Technologia nie jest przeznaczeniem.
08:26
Productivity is at an all time high,
162
506392
2569
Wydajność obecnie osiąga historyczne maksimum,
08:28
but fewer people now have jobs.
163
508961
2983
ale mniej ludzi ma obecnie pracę.
08:31
We have created more wealth in the past decade than ever,
164
511944
3120
Stworzyliśmy więcej bogactwa w ostatnich 10 latach niż kiedykolwiek,
08:35
but for a majority of Americans, their income has fallen.
165
515064
3904
ale dochód większości Amerykanów zmalał.
08:38
This is the great decoupling
166
518968
2312
To wielkie rozdzielenie
08:41
of productivity from employment,
167
521280
2976
wydajności od zatrudnienia,
08:44
of wealth from work.
168
524256
3104
majątku od pracy.
08:47
You know, it's not surprising that millions of people
169
527360
2346
Nie dziwi fakt, że miliony ludzi
08:49
have become disillusioned by the great decoupling,
170
529706
2846
zostało pozbawionych złudzeń przez to wielkie rozdzielenie,
08:52
but like too many others,
171
532552
1747
ale jak wiele innych
08:54
they misunderstand its basic causes.
172
534299
3097
źle rozumie jego podstawowe przyczyn.
08:57
Technology is racing ahead,
173
537396
2610
Technologia pędzi do przodu,
09:00
but it's leaving more and more people behind.
174
540006
3550
ale zostawia w tyle coraz więcej ludzi.
09:03
Today, we can take a routine job,
175
543556
3519
Obecnie możemy wziąć pracę rutynową,
09:07
codify it in a set of machine-readable instructions,
176
547075
3091
skodyfikować ją w zestaw instrukcji do odczytu maszynowego,
09:10
and then replicate it a million times.
177
550166
2827
a następnie powielić milion razy.
09:12
You know, I recently overheard a conversation
178
552993
2279
Ostatnio usłyszałem rozmowę,
09:15
that epitomizes these new economics.
179
555272
1952
która odzwierciedlała tą nową ekonomię.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
180
557224
4197
Gość powiedział: "Nie, już nie korzystam z firmy doradztwa podatkowego.
09:21
TurboTax does everything that my tax preparer did,
181
561421
2448
TurboTax robi wszystko, co robił mój doradca podatkowy,
09:23
but it's faster, cheaper and more accurate."
182
563869
4558
ale jest szybszy, tańszy i dokładniejszy".
09:28
How can a skilled worker
183
568427
1799
Jak wykwalifikowany pracownik
09:30
compete with a $39 piece of software?
184
570226
3009
może rywalizować z oprogramowaniem za 39$?
09:33
She can't.
185
573235
1967
Nie może.
09:35
Today, millions of Americans do have faster,
186
575202
2780
Obecnie miliony Amerykanów ma szybsze,
09:37
cheaper, more accurate tax preparation,
187
577982
2387
tańsze, dokładniejsze doradztwo podatkowe,
09:40
and the founders of Intuit
188
580369
1486
a założycielom firmy Intuit
09:41
have done very well for themselves.
189
581855
2493
bardzo dobrze się wiedzie.
09:44
But 17 percent of tax preparers no longer have jobs.
190
584348
4214
Ale 17% doradców podatkowych nie ma już pracy.
09:48
That is a microcosm of what's happening,
191
588562
2078
To tylko mała część tego, co się dzieje,
09:50
not just in software and services, but in media and music,
192
590640
4677
nie tylko w przypadku oprogramowań i usług, ale też w mediach, muzyce,
09:55
in finance and manufacturing, in retailing and trade --
193
595317
3686
finansach, produkcji, sprzedaży, handlu --
09:59
in short, in every industry.
194
599003
3895
w skrócie, w każdym przemyśle.
10:02
People are racing against the machine,
195
602898
3095
Ludzie ścigają się z maszynami
10:05
and many of them are losing that race.
196
605993
3090
i wielu z nich przegrywa.
10:09
What can we do to create shared prosperity?
197
609083
3886
Co można zrobić, aby stworzyć wspólny dobrobyt?
10:12
The answer is not to try to slow down technology.
198
612969
3017
Nie próbować spowalniać technologię.
10:15
Instead of racing against the machine,
199
615986
2557
Zamiast ścigać się z maszynami
10:18
we need to learn to race with the machine.
200
618543
3677
musimy nauczyć się z nimi współpracować.
10:22
That is our grand challenge.
201
622220
3129
To nasze wielkie wyzwanie.
10:25
The new machine age
202
625349
2324
Nową erę maszyn
10:27
can be dated to a day 15 years ago
203
627673
3113
można datować do dnia 15 lat temu,
10:30
when Garry Kasparov, the world chess champion,
204
630786
2878
kiedy Gary Kasparov, mistrz świata w szachach,
10:33
played Deep Blue, a supercomputer.
205
633664
3706
grał z superkomputerem Deep Blue.
10:37
The machine won that day,
206
637370
2012
Tamtego dnia maszyna wygrała
10:39
and today, a chess program running on a cell phone
207
639382
2968
i obecnie program szachowy na komórce
10:42
can beat a human grandmaster.
208
642350
2296
może pokonać człowieka-arcymistrza.
10:44
It got so bad that, when he was asked
209
644646
3365
Sytuacja była tak zła, że kiedy spytano
10:48
what strategy he would use against a computer,
210
648011
2563
Jana Donnera, duńskiego arcymistrza,
10:50
Jan Donner, the Dutch grandmaster, replied,
211
650574
4016
jakiej strategi użyłby w grze przeciwko komputerowi,
10:54
"I'd bring a hammer."
212
654590
1771
odpowiedział: "Przyniósłbym młotek".
10:56
(Laughter)
213
656361
3680
(Śmiech)
11:00
But today a computer is no longer the world chess champion.
214
660041
4544
Ale obecnie komputer nie jest już mistrzem świata w szachach.
11:04
Neither is a human,
215
664585
2654
Nie jest nim też człowiek,
11:07
because Kasparov organized a freestyle tournament
216
667239
3579
ponieważ Kasparov zorganizował turniej freestylowy,
11:10
where teams of humans and computers
217
670818
1916
w którym zespoły ludzi i komputerów
11:12
could work together,
218
672734
2099
mogły współpracować
11:14
and the winning team had no grandmaster,
219
674833
3157
i zwycięska drużyna nie miała ani arcymistrza,
11:17
and it had no supercomputer.
220
677990
2465
ani superkomputera.
11:20
What they had was better teamwork,
221
680455
4175
Mieli za to lepszą pracę zespołową
11:24
and they showed that a team of humans and computers,
222
684630
5016
i pokazali, że zespół ludzi i komputerów
11:29
working together, could beat any computer
223
689646
3048
pracujący razem może pokonać każdy komputer
11:32
or any human working alone.
224
692694
3520
i każdego człowieka pracującego samodzielnie.
11:36
Racing with the machine
225
696214
1664
Współpraca z maszyną
11:37
beats racing against the machine.
226
697878
2343
wygrywa ze ściganiem się z maszyną.
11:40
Technology is not destiny.
227
700221
2564
Technologia nie jest przeznaczeniem.
11:42
We shape our destiny.
228
702785
1742
Sami kształtujemy nasze przeznaczenie.
11:44
Thank you.
229
704527
1447
Dziękuję.
11:45
(Applause)
230
705974
5016
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7