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

Переводчик: Anna Pecot Редактор: Alena Chernykh

Automation anxiety has been spreading lately,

В последнее время в обществе растёт беспокойство

a fear that in the future,

по поводу автоматизации жизнедеятельности человека,

many jobs will be performed by machines

страх, что в будущем многие задачи, выполняемые сегодня человеком,

rather than human beings,

возьмут на себя машины, —

given the remarkable advances that are unfolding

это неудивительно, учитывая колоссальный прогресс

in artificial intelligence and robotics.

в области искусственного интеллекта и робототехники.

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

Уже ясно, что в будущем нас ждут значительные перемены.

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

Но менее ясным остаётся характер перемен.

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

Мои исследования показывают, что нас ждёт тревожное и увлекательное будущее.

The threat of technological unemployment is real,

Угроза технологической безработицы существует на самом деле,

and yet it's a good problem to have.

но этой проблеме нам стоило бы радоваться.

And to explain how I came to that conclusion,

А чтобы объяснить вам, как я пришёл к этому выводу,

I want to confront three myths

я хотел бы развеять три мифа,

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

которые, я считаю, мешают нам трезво оценить это самое будущее.

A picture that we see on our television screens,

В книгах, кинофильмах и новостях

in books, in films, in everyday commentary

нам показывают,

is one where an army of robots descends on the workplace

как армия роботов вторгается в наше рабочее пространство

with one goal in mind:

с единственной целью:

to displace human beings from their work.

вытеснить человека с его рабочего места.

And I call this the Terminator myth.

Я называю это мифом Терминатора.

Yes, machines displace human beings from particular tasks,

Да, машины освободили человека от выполнения определённых задач.

but they don't just substitute for human beings.

Но они не столько сместили людей,

They also complement them in other tasks,

сколько дополнили наш труд,

making that work more valuable and more important.

делая его более ценным и важным.

Sometimes they complement human beings directly,

Зачастую машины напрямую дополняют деятельность человека,

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

помогают нам достичь большей продуктивности и эффективности в работе.

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

Так, в незнакомой местности таксист может воспользоваться спутниковой навигацией.

An architect can use computer-assisted design software

Благодаря системам автоматизированного проектирования архитектор может

to design bigger, more complicated buildings.

разработать более сложный и замысловатый дизайн сооружения.

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

Но технологический прогресс дополняет человека не только напрямую.

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

Это может происходить косвенно двумя способами.

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

Для начала давайте представим экономику в качестве пирога.

technological progress makes the pie bigger.

Благодаря технологическому прогрессу этот пирог становится больше.

As productivity increases, incomes rise and demand grows.

По мере того как растёт продуктивность, повышаются доходы и спрос.

The British pie, for instance,

К примеру, пирог Великобритании

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

сегодня в более чем 100 раз крупнее своего аналога 300-летней давности.

And so people displaced from tasks in the old pie

А люди, потерявшие работу в экономике старого пирога,

could find tasks to do in the new pie instead.

могут трудоустроиться в рамках нового пирога.

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

Но благодаря технологическому прогрессу пирог становится не только крупнее.

It also changes the ingredients in the pie.

Меняются и его ингредиенты.

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

Со временем люди начинают тратить свои доходы по-другому.

changing how they spread it across existing goods,

Меняется структура затрат на существующие товары,

and developing tastes for entirely new goods, too.

и появляется потребность в совершенно новых товарах.

New industries are created,

Появляются новые отрасли хозяйства,

new tasks have to be done

возникает потребность в новых профессиях,

and that means often new roles have to be filled.

а значит, открываются позиции, которые необходимо заполнить.

So again, the British pie:

И снова о пироге Великобритании:

300 years ago, most people worked on farms,

300 лет назад большинство британцев зарабатывали на жизнь на фермах,

150 years ago, in factories,

150 лет назад — на заводах,

and today, most people work in offices.

а сегодня большинство жителей трудятся в офисах.

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

Опять же — те, кто потерял работу в старом пироге,

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

могут трудоустроиться в рамках нового пирога.

Economists call these effects complementarities,

Экономисты называют это явление комплементарностью.

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

Но на самом деле это просто красивое слово для обозначения

that technological progress helps human beings.

технологического прогресса, находящегося на службе у человека.

Resolving this Terminator myth

Развенчивая миф Терминатора,

shows us that there are two forces at play:

мы понимаем, что тут противоборствуют две силы:

one, machine substitution that harms workers,

первая сила — замещение машинами, которое вредит человеку,

but also these complementarities that do the opposite.

вторая сила — комплементарность — оказывает положительный эффект.

Now the second myth,

Поговорим о втором мифе,

what I call the intelligence myth.

который я обозначил как интеллектуальный миф.

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

Вождение автомобиля, постановка диагноза

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

и распознавание птиц — что общего между всеми этими задачами?

Well, these are all tasks that until very recently,

Объединяет их то, что до недавнего времени

leading economists thought couldn't readily be automated.

их нельзя было автоматизировать, как полагали ведущие экономисты.

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

И тем не менее сегодня все эти задачи могут быть автоматизированы.

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

Все ведущие производители автомобилей сегодня разрабатывают беспилотные авто.

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

Медики уже располагают множеством диагностических аппаратов.

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

Что же касается птиц, существует приложение,

at a fleeting glimpse.

позволяющее определять их на расстоянии.

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

Не будем утверждать, что экономистам просто не повезло.

They were wrong,

Они оказались неправы,

and the reason why they were wrong is very important.

но причина, по которой они ошибались, имеет большое значение.

They've fallen for the intelligence myth,

Они стали жертвами интеллектуального мифа,

the belief that machines have to copy the way

считая, что машины должны имитировать

that human beings think and reason

людей в том, как мы мыслим и рассуждаем,

in order to outperform them.

если хотим, чтобы машины стали умнее нас.

When these economists were trying to figure out

Когда экономисты попытались разобраться,

what tasks machines could not do,

какие задачи машинам будут не под силу,

they imagined the only way to automate a task

они думали, что единственный способ автоматизировать задачу —

was to sit down with a human being,

организовать встречу специалистов с программистами,

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

попросить специалистов описать алгоритм выполнения задачи,

and then try and capture that explanation

а затем попытаться формализовать этот алгоритм

in a set of instructions for a machine to follow.

в виде инструкций, которым машина будет следовать.

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

Одно время такой подход был популярен и в области искусственного интеллекта.

I know this because Richard Susskind,

Знаю я об этом потому, что Ричард Сюскинд —

who is my dad and my coauthor,

мой отец и соавтор книги, — будучи студентом Оксфорда,

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

в 1980-х написал докторскую диссертацию

at Oxford University,

на тему искусственного интеллекта и права,

and he was part of the vanguard.

а был он тогда в авангарде науки.

And with a professor called Phillip Capper

Вместе с профессором Филлипом Кэппером

and a legal publisher called Butterworths,

и издательством правовой литературы Butterworths

they produced the world's first commercially available

они выпустили в продажу первую в мире

artificial intelligence system in the law.

систему искусственного интеллекта в области права.

This was the home screen design.

Так выглядела заставка программы на компьютере.

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

Отец говорит, что она считалась очень крутой по тем временам.

(Laughter)

(Смех)

I've never been entirely convinced.

Не очень-то верится.

He published it in the form of two floppy disks,

Опубликовали они эту программу на двух гибких дисках.

at a time where floppy disks genuinely were floppy,

В то время гибкие диски на самом деле были очень гибкими.

and his approach was the same as the economists':

Тогда они подошли к вопросу, как те самые экономисты:

sit down with a lawyer,

встретились с юристом,

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

попросили его описать алгоритм решения правовой проблемы

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

и затем попытались написать программу для решения поставленной задачи.

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

В экономике, если человек может описать задачу таким вот образом,

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

задача считается рутинной и её можно автоматизировать.

But if human beings can't explain themselves,

Но если человек не может описать процесс,

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

задача считается творческой, то есть нерутинной, и часто неразрешимой.

Сегодня классификация задач на рутинные и творческие встречается повсеместно.

Today, that routine-nonroutine distinction is widespread.

Think how often you hear people say to you

Вспомните, как часто вы слышите о том,

machines can only perform tasks that are predictable or repetitive,

что машины могут выполнять только предсказуемые и повторяющиеся задачи,

rules-based or well-defined.

те, что следуют правилам, и которые легко определить.

Those are all just different words for routine.

Всё это лишь синонимы рутинных задач.

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

Давайте вернёмся к трём примерам, которые я привёл ранее.

Those are all classic cases of nonroutine tasks.

Все три являются классическими примерами творческих задач.

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

Задайте вопрос врачам, как, например, они ставят диагнозы.

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

Скорее всего, они приведут несколько общих правил,

but ultimately she'd struggle.

но в целом точного ответа не дадут.

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

Скажут, например, что постановка диагноза требует

творческого подхода, правильного суждения и интуиции.

And these things are very difficult to articulate,

Но такие вещи бывает очень трудно описать, поэтому считалось,

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

If a human being can't explain themselves,

что автоматизировать их также будет нелегко.

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

Если человек не может объяснить какой-то процесс, как он составит

for a machine to follow?

инструкции для машины?

Thirty years ago, this view was right,

Тридцать лет назад такое мнение считалось правильным,

but today it's looking shaky,

сегодня это утверждение можно подвергнуть сомнению,

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

а завтра оно окажется совершенно неправильным.

Advances in processing power, in data storage capability

Колоссальная вычислительная мощность, огромные хранилища данных

and in algorithm design

и усовершенствованные алгоритмы

mean that this routine-nonroutine distinction

являются показателем того, что граница между рутинными

is diminishingly useful.

и творческими задачами начинает стираться.

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

Давайте вернёмся к примеру c постановкой диагноза.

Earlier in the year,

Несколько месяцев назад

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

исследователи Стэнфордского университета объявили, что они разработали

which can tell you whether or not a freckle is cancerous

систему распознавания раковых клеток на веснушках человека

as accurately as leading dermatologists.

и что эта система ставит диагноз так же точно, как ведущие дерматологи.

How does it work?

Как им это удалось?

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

Машина не запрограммирована копировать ход суждения или интуицию врачей.

It knows or understands nothing about medicine at all.

Более того, машина вообще ничего не смыслит в медицине.

Instead, it's running a pattern recognition algorithm

На самом деле она следует алгоритму распознавания,

through 129,450 past cases,

выискивая среди 129 450 наборов данных

случаи, схожие с исследуемой патологией кожи.

hunting for similarities between those cases

and the particular lesion in question.

Делается это методом, на который не способен ни один человек.

It's performing these tasks in an unhuman way,

based on the analysis of more possible cases

Машина анализирует такое количество наборов данных,

than any doctor could hope to review in their lifetime.

которое ни один врач не сможет просмотреть за всю свою жизнь.

It didn't matter that that human being,

В данном случае машина ставит диагноз

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

без учёта того, как к этому вопросу

подошёл бы врач-специалист.

Now, there are those who dwell upon that the fact

Многие, безусловно, согласятся с тем,

that these machines aren't built in our image.

что эти машины строились не по образу и подобию человека.

As an example, take IBM's Watson,

Например, Watson — суперкомпьютер компании IBM,

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

принявший в 2011 году участие в американской игре-викторине «Jeopardy!»

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

и одержавший победу над человеком — двумя сильнейшими соперниками.

The day after it won,

На следующий день после игры

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

в газете Wall Street Journal появилась заметка философа Джона Сёрла,

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

озаглавленная «Watson понятия не имеет, что он победил в викторине "Jeopardy!"».

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

Блестящее и очень верное замечание.

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

Watson ведь не закричал от радости.

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

Он не позвонил родителям, чтобы рассказать им о своей победе.

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

И он не отправился в паб, чтобы выпить стаканчик.

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

Эта машина не пыталась копировать соперников-людей,

but it didn't matter.

но это не имело значения.

It still outperformed them.

Машина всё равно их обыграла.

Resolving the intelligence myth

Развенчивая интеллектуальный миф,

shows us that our limited understanding about human intelligence,

мы видим, что несмотря на то, что наши знания о человеческом разуме,

about how we think and reason,

мышлении и суждении весьма ограничены,

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

в наше время большого влияния на автоматизацию машин это не имеет.

What's more, as we've seen,

Более того, как мы отметили,

when these machines perform tasks differently to human beings,

когда эти машины выполняют задачи методом, отличным от методов человека,

there's no reason to think

не стóит полагать,

that what human beings are currently capable of doing

что возможности человека сегодня

represents any sort of summit

являются пределом того,

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

на что будут способны автоматизированные машины в будущем.

Now the third myth,

И теперь третий миф,

what I call the superiority myth.

который я называю мифом о превосходстве человека.

It's often said that those who forget

Принято считать, что те, кто забывают

about the helpful side of technological progress,

о пользе технологического прогресса,

those complementarities from before,

о комплементарности человека и машины,

are committing something known as the lump of labor fallacy.

впадают в заблуждение о неизменном объёме работ.

Now, the problem is the lump of labor fallacy

Но проблема в том, что само заблуждение

is itself a fallacy,

о неизменном объёме работ

and I call this the lump of labor fallacy fallacy,

является ошибочным,

or LOLFF, for short.

и я называю это ошибкой заблуждения.

Let me explain.

Давайте я поясню.

The lump of labor fallacy is a very old idea.

Данное заблуждение — не новая концепция.

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

Такое название в 1892 году ей дал британский экономист Дэвид Шлосс.

He was puzzled to come across a dock worker

Однажды он пришёл в недоумение, когда повстречал портового рабочего,

who had begun to use a machine to make washers,

который начал изготавливать на станке шайбы —

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

небольшие металлические пластины, которые крепятся под головку болта.

And this dock worker felt guilty for being more productive.

Этот рабочий испытывал угрызения совести, потому что стал более продуктивен.

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

Как правило, происходит обратное —

that people feel guilty for being unproductive,

люди чувствуют свою вину, если работают не очень продуктивно.

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

Например, если на работе мы много времени проводим в Facebook или Twitter.

But this worker felt guilty for being more productive,

Но рабочий чувствовал вину потому, что был слишком продуктивен.

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

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

На вопрос Шлосса почему, он ответил: «Я знаю, что поступаю неправильно.

In his mind, there was some fixed lump of work

Я лишаю другого человека работы».

Рабочий полагал, что существует фиксированный объём работы,

to be divided up between him and his pals,

so that if he used this machine to do more,

который они делят между собой, и если он начнёт делать

шайбы на станке, то произведёт их больше,

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

а остальным не останется работы.

Schloss saw the mistake.

The lump of work wasn't fixed.

Шлосс понял, в чём ошибка.

Объём работы не был фиксированным.

As this worker used the machine and became more productive,

Если благодаря станку производительность увеличится,

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

стоимость шайб снизится, а значит, увеличится спрос.

more washers would have to be made,

Рабочим надо будет вырезать больше шайб,

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

и работы прибавится для всех.

The lump of work would get bigger.

То есть объём работы в целом увеличится.

Schloss called this "the lump of labor fallacy."

Шлосс назвал эту концепцию заблуждением о неизменном объёме работ.

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

Сегодня часто вспоминают об этой теории,

to think about the future of all types of work.

когда речь заходит о работе будущего.

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

Не существует какого-то определённого объёма работ,

between people and machines.

который человек делит с машиной.

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

Да, машины замещают человека,

уменьшая исходный объём работы,

but they also complement human beings,

and the lump of work gets bigger and changes.

но они также и дополняют нас, так что в целом объём работы увеличивается,

But LOLFF.

меняется специфика работы.

Here's the mistake:

Так в чём же ошибка заблуждения? А вот в чём.

it's right to think that technological progress

Верно, что благодаря технологическому прогрессу

makes the lump of work to be done bigger.

объём работы увеличивается.

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

Некоторые специальности становятся более востребованными,

But it's wrong to think that necessarily,

появляется спрос и на новые специальности.

human beings will be best placed to perform those tasks.

Но неверно думать, что человек может выполнить какие-то задачи лучше машин.

And this is the superiority myth.

В этом суть мифа о превосходстве.

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

Да, объём работ может увеличиться и измениться,

но по мере того, как машины становятся умнее,

but as machines become more capable,

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

вероятнее всего, они возьмут на себя этот новый объём работы.

Technological progress, rather than complement human beings,

При технологическом прогрессе машины не столько дополняют человека,

complements machines instead.

сколько дополняют сами себя.

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

Чтобы убедиться в этом, возьмём для примера вождение автомобиля.

Today, satnav systems directly complement human beings.

Сегодня системы спутниковой навигации напрямую дополняют человека.

They make some human beings better drivers.

Благодаря им мы стали более эффективными и безопасными водителями.

But in the future,

В будущем, однако,

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

усовершенствованные компьютерные программы вытеснят человека с водительского кресла,

and these satnav systems, rather than complement human beings,

а системы навигации, вместо того, чтобы дополнять человека,

will simply make these driverless cars more efficient,

сделают более эффективными беспилотные автомобили,

helping the machines instead.

тем самым помогая самим машинам.

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

Вспомним о примерах косвенной комплементарности, о которых я говорил.

The economic pie may get larger,

Экономический пирог может увеличиться,

but as machines become more capable,

но по мере того, как машины становятся умнее,

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

появившийся спрос, скорее всего,

rather than human beings, are best placed to produce.

эффективнее удовлетворят машины, а не человек.

The economic pie may change,

Ингредиенты пирога тоже могут измениться,

but as machines become more capable,

но по мере того, как машины будут приобретать новые навыки,

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

возможно, именно они и займут новые рабочие места.

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

Итак, спрос на рабочую силу — не обязательно спрос на человеческий труд.

Human beings only stand to benefit

Человек может выиграть от этих перемен,

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

но только если он будет контролировать комплементарные задачи.

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

Но поскольку машины станут умнее, то и это можно поставить под сомнение.

So what do these three myths tell us then?

Какие же выводы мы можем сделать из этого?

Well, resolving the Terminator myth

Развенчивая миф Терминатора,

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

мы понимаем, что наше будущее зависит от взаимодействия двух сил:

one, machine substitution that harms workers

замещения машинами, которое вредит человеку,

but also those complementarities that do the opposite.

а также комплементарности, от которой человек только выигрывает.

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

Пока чаша весов всегда склонялась в пользу человека.

Развенчивая второй — интеллектуальный — миф,

But resolving the intelligence myth

shows us that that first force, machine substitution,

мы увидели, что первая сила — замещение машинами —

is gathering strength.

тем не менее набирает силу.

Machines, of course, can't do everything,

Машины, безусловно, не всемогущи,

but they can do far more,

но они способны на многое

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

и уже активно перенимают те специальности, которые когда-то принадлежали людям.

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

У нас нет оснований полагать,

that what human beings are currently capable of

что то, на что способен человек,

represents any sort of finishing line,

представляет предел возможностей для машин

that machines are going to draw to a polite stop

и что машины учтиво остановятся на достигнутом,

once they're as capable as us.

как только сравняются с человеком.

Now, none of this matters

На самом деле всё это не так важно,

so long as those helpful winds of complementarity

если выгодные для нас ветра комплементарности

blow firmly enough,

продолжат дуть в нужном направлении.

but resolving the superiority myth

Но развенчивая миф о превосходстве,

shows us that that process of task encroachment

мы понимаем, что постепенное вторжение машин

в профессиональную деятельность человека

not only strengthens the force of machine substitution,

не только упрочивает позиции машин при замещении человека,

but it wears down those helpful complementarities too.

но и сводит на нет выгодные для нас силы комплементарности.

Bring these three myths together

Мы рассмотрели три мифа о будущем нашей работы,

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

и картина вырисовывается довольно мрачная.

Machines continue to become more capable,

Машины становятся более способными,

encroaching ever deeper on tasks performed by human beings,

всё глубже вторгаются в профессиональную деятельность человека,

strengthening the force of machine substitution,

обретают бóльшую силу при замещении человека

weakening the force of machine complementarity.

и ослабляют комплементарность.

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

И в какой-то момент перевес окажется на стороне машин,

rather than human beings.

а не людей.

This is the path we're currently on.

Сейчас мы находимся на этом пути.

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

Я сказал «пути», потому что считаю, что мы ещё не дошли до финишной прямой.

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

Но трудно не сделать вывод, что мы продолжаем двигаться в этом направлении.

That's the troubling part.

Это не может не беспокоить.

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

Теперь я расскажу, почему я считаю, что этой проблеме мы должны радоваться.

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

На протяжении почти всей истории человечества

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

доминировала экономическая проблема:

Go back to the turn of the first century AD,

как увеличить экономический пирог, чтобы его хватило всем.

and if you took the global economic pie

На рубеже первого столетия нашей эры

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

этого пирога хватило бы, чтобы каждому жителю планеты

everyone would get a few hundred dollars.

досталось ровно по несколько сотен долларов.

Almost everyone lived on or around the poverty line.

Почти все жили за чертой или около черты бедности.

And if you roll forward a thousand years,

Если перенестись на тысячу лет вперёд,

roughly the same is true.

вы увидите почти ту же картину.

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

Но именно в последние пару сотен лет стал наблюдаться устойчивый экономический рост.

Those economic pies have exploded in size.

Экономический пирог достиг небывалых размеров.

Global GDP per head,

В мировых масштабах ВВП на душу населения,

the value of those individual slices of the pie today,

то есть размер каждого отдельного кусочка пирога,

they're about 10,150 dollars.

сегодня составляет почти 10 150 долларов.

If economic growth continues at two percent,

Если рост мировой экономики продолжится на уровне 2%,

our children will be twice as rich as us.

наши дети станут в два раза богаче нас.

If it continues at a more measly one percent,

Если этот показатель составит всего 1%,

our grandchildren will be twice as rich as us.

наши внуки окажутся богаче нас вдвое.

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

То есть, по большому счёту, мы решили историческую проблему мировой экономики.

Now, technological unemployment, if it does happen,

Если технологическая безработица всё-таки станет реальностью,

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

как ни странно, она окажется симптомом этого экономического успеха.

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

Решив одну проблему: как сделать пирог больше,

but replaced it with another --

мы обзавелись новой проблемой:

how to make sure that everyone gets a slice.

как сделать так, чтобы все жители планеты получили по куску пирога.

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

Другие экономисты также заявили, что решить эту проблему будет непросто.

Today, for most people,

Сегодня, чтобы получить кусочек,

their job is their seat at the economic dinner table,

большинству населения надо лишь занять место за экономическим столом.

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

Если работы для населения станет меньше или же её не будет совсем,

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

непонятно, как распределятся эти куски.

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

Уже обсуждаются

about various forms of universal basic income

различные формы безусловного основного дохода (БОД) —

as one possible approach,

это один возможный подход.

and there's trials underway

В США, Финляндии и Кении

in the United States and in Finland and in Kenya.

даже проводятся эксперименты с БОД.

Нам всем предстоит решить вопрос о том,

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

как распределить то материальное благосостояние,

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

которое появится у нас в новой экономической системе,

чтобы его плодами могли насладиться все жители планеты.

can be enjoyed by everyone

in a world in which our traditional mechanism

В том новом мире наши традиционные механизмы

for slicing up the pie,

распределения пирога

the work that people do,

и распределения объёма работы для каждого человека

withers away and perhaps disappears.

станут неэффективны и, возможно, исчезнут совсем.

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

Чтобы решить эту проблему, нам придётся серьёзно подумать.

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

Будет много споров о том, как к этому подойти.

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

Но важно, чтобы мы помнили, что эта проблема — вовсе не проблема

than the one that haunted our ancestors for centuries:

по сравнению с той, которая преследовала наших предков тысячелетиями,

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

а именно, как сделать экономический пирог больше.

Thank you very much.

Благодарю за внимание.

(Applause)

(Аплодисменты)