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

Переводчик: Natalia Ost Редактор: Inna Kobylnik

So this is my niece.

Это моя племянница.

Her name is Yahli.

Её зовут Йали.

She is nine months old.

Ей девять месяцев.

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

Её мама врач, а папа — юрист.

By the time Yahli goes to college,

Когда Йали пойдёт в колледж,

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

профессии её родителей принципиально изменятся.

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

В 2013 году в Оксфордском университете провели исследование будущего работы.

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

Оно показало, что почти каждой второй специальности грозит автоматизация.

of being automated by machines.

Machine learning is the technology

Машинное обучение — это технология,

that's responsible for most of this disruption.

стоя́щая за подрывом существующей системы.

It's the most powerful branch of artificial intelligence.

Это самое мощное направление искусственного интеллекта,

It allows machines to learn from data

где машины учатся на имеющихся данных

and mimic some of the things that humans can do.

и подражают некоторым аспектам деятельности человека.

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

Моя компания Kaggle работает в авангарде машинного обучения.

We bring together hundreds of thousands of experts

Мы объединяем усилия сотен тысяч экспертов

to solve important problems for industry and academia.

для решения важных проблем производства и науки.

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

Так мы получаем уникальное ви́дение того, на что машины способны,

what they can't do

а на что — нет,

and what jobs they might automate or threaten.

на какой работе они грозят нас заменить, а на какой — нет.

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

Машинное обучение началó проникать в производство в начале 1990 годов.

It started with relatively simple tasks.

Сначала роботы выполняли несложную работу:

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

оценивали кредитные риски по заявлениям на получения кредита,

sorting the mail by reading handwritten characters from zip codes.

сортировали корреспонденцию, считывая написанные от руки индексы.

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

За последние несколько лет мы совершили серьёзный прорыв,

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

и сегодня машинное обучение способно на решение гораздо более сложных задач.

In 2012, Kaggle challenged its community

В 2012 году Kaggle бросило своим участникам вызов:

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

разработать алгоритм оценивания школьных сочинений.

The winning algorithms were able to match the grades

Лучшие алгоритмы выставляли ученикам те же оценки,

given by human teachers.

что и учителя́.

Last year, we issued an even more difficult challenge.

В прошлом году задание было ещё сложнее:

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

диагностировать по фотографиям глазную болезнь —

called diabetic retinopathy?

диабетическую ретинопатию.

Again, the winning algorithms were able to match the diagnoses

И снова лучшие алгоритмы ставили те же диагнозы,

given by human ophthalmologists.

что и настоящие офтальмологи.

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

При наличии достаточной информации машины превзойдут людей

at tasks like this.

в решении таких задач.

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

За сорокалетнюю карьеру учитель читает порядка 10 000 сочинений,

An ophthalmologist might see 50,000 eyes.

а офтальмолог осматривает 50 000 глаз.

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

Компьютер «прочитает» миллион сочинений или «увидит» миллионы глаз

within minutes.

всего за несколько минут.

We have no chance of competing against machines

В соревнованиях с машинами у нас нет шансов,

on frequent, high-volume tasks.

если залог победы — частота повторения и объём.

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

Но всё же есть то, в чём нам нет равных.

Where machines have made very little progress

С чем машины справляются плохо,

is in tackling novel situations.

так это с непривычными ситуациями.

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

Они не справляются с тем, с чем раньше не сталкивались многократно.

The fundamental limitations of machine learning

Главная проблема машинного обучения в том,

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

что для него нужны больши́е массивы уже накопленных данных.

Now, humans don't.

А люди справляются и без этого.

We have the ability to connect seemingly disparate threads

Мы способны соединять казалось бы разрозненные идеи,

to solve problems we've never seen before.

решать задачи, с которыми сталкиваемся впервые.

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

Перси Спенсер, физик, работавший в годы Второй мировой войны над созданием радара,

when he noticed the magnetron was melting his chocolate bar.

однажды заметил, что от магнетрона его шоколадка растаяла.

He was able to connect his understanding of electromagnetic radiation

Он соединил своё понимание электромагнитной радиации

with his knowledge of cooking

и навыки кулинарии

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

и в итоге изобрёл — угадаете? — микроволновую печь.

Now, this is a particularly remarkable example of creativity.

Это особенно занятный пример творческого подхода,

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

но такое взаимное обогащение случается с каждым из нас в мелочах

thousands of times per day.

тысячи раз в день.

Machines cannot compete with us

Машины, в отличие от нас,

when it comes to tackling novel situations,

не могут справляться с уникальными ситуациями,

and this puts a fundamental limit on the human tasks

это накладывает фундаментальное ограничение на круг работ,

that machines will automate.

где машины могут заменить людей.

So what does this mean for the future of work?

Что всё это значит для будущего работы?

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

Будущее любой работы или специальности заключается в ответе на один лишь вопрос:

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

в какой мере эта работа сводится к часто повторяющимся, объёмным заданиям,

and to what extent does it involve tackling novel situations?

и в какой мере на ней приходится решать уникальные задачи?

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

Машины всё лучше справляются с выполнением часто повторяющихся, объёмных заданий.

Today they grade essays. They diagnose certain diseases.

Сейчас они оценивают сочинения. Диагностируют ряд болезней.

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

Со временем они будут проводить аудит,

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

проводить юридическую экспертизу типовых договоров.

Accountants and lawyers are still needed.

Нам всё ещё нужны бухгалтеры и юристы,

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

например, для сложной оптимизации налогообложения,

for pathbreaking litigation.

представительства в суде.

Но машины сократят их численность,

But machines will shrink their ranks

and make these jobs harder to come by.

и эти профессии будут встречаться реже.

Now, as mentioned,

Как уже было отмечено,

machines are not making progress on novel situations.

в решении новаторских задач машины не преуспели.

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

В маркетинговой кампании реклама должна привлекать внимание потребителей,

It has to stand out from the crowd.

выделяться среди других.

Business strategy means finding gaps in the market,

Бизнес-стратегия заключается в том,

чтобы находить на рынке пустующие, не освоенные ниши.

things that nobody else is doing.

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

Только люди могут создавать рекламные кампании

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

и бизнес-стратегии.

So Yahli, whatever you decide to do,

Йали, чем бы ты ни решила заниматься,

let every day bring you a new challenge.

пусть каждый день ставит перед тобой новые задачи.

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

В этом случае ты всегда будешь справляться лучше машин.

Thank you.

Спасибо.

(Applause)

(Аплодисменты)