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

Перекладач: Олена Васильєва Утверджено: Khrystyna Romashko

Automation anxiety has been spreading lately,

Останнім часом ми все більше переймаємось через автоматизацію,

a fear that in the future,

боїмося, що в майбутньому

many jobs will be performed by machines

роботу виконуватимуть машини,

rather than human beings,

а не люди,

given the remarkable advances that are unfolding

бо бачимо значні успіхи у сферах

in artificial intelligence and robotics.

штучного інтелекту та роботизації.

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

Зрозуміло, що на нас очікують значні зміни.

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

Але не дуже зрозуміло які.

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

Мої розвідки показують, що зміни принесуть і турботи, і натхнення.

The threat of technological unemployment is real,

Загроза технологічного безробіття небезпідставна,

and yet it's a good problem to have.

але це корисна проблема.

And to explain how I came to that conclusion,

Щоб пояснити, як я дійшов цього висновку,

I want to confront three myths

хочу розібрати три міфи,

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

які, на мій погляд, викривляють наше розуміння роботизованого майбутнього.

A picture that we see on our television screens,

В уявленні, сформованому телебаченням,

in books, in films, in everyday commentary

книжками, фільмами, передачами,

is one where an army of robots descends on the workplace

армія роботів захоплює робочі місця

with one goal in mind:

з єдиною метою:

to displace human beings from their work.

позбавити людей роботи.

And I call this the Terminator myth.

Я називаю це міфом про Термінатора.

Yes, machines displace human beings from particular tasks,

Звичайно, якісь завдання виконуватимуть машини,

but they don't just substitute for human beings.

але вони не зможуть просто замінити людину.

They also complement them in other tasks,

Вони доповнять людину,

making that work more valuable and more important.

аби її робота стала ціннішою і важливішою.

Sometimes they complement human beings directly,

Іноді машини й люди працюватимуть разом,

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

що зробить їх більш продуктивними і корисними для певних завдань.

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

Так таксист може використати навігатор на невідомих дорогах.

An architect can use computer-assisted design software

Архітектор може залучити програмне забезпечення

to design bigger, more complicated buildings.

до проектування великих, складних споруд.

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

Але технічний прогрес додає до людських можливостей не тільки безпосередньо,

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

але й опосередковано, причому двома способами.

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

По-перше, якщо уявити економіку як пиріг,

technological progress makes the pie bigger.

то технічний прогрес робить пиріг більшим.

As productivity increases, incomes rise and demand grows.

Оскільки продуктивність росте, ростуть прибуток і потреби.

The British pie, for instance,

Наприклад, британський пиріг

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

став у 100 разів більшим, ніж 300 років тому.

And so people displaced from tasks in the old pie

Тож ті, хто позбувся роботи у старому пирогу,

could find tasks to do in the new pie instead.

можуть знайти роботу в новому.

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

Але технічний прогрес не просто робить пиріг більшим.

It also changes the ingredients in the pie.

Він змінює його інгредієнти.

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

З часом люди починають витрачати заробіток на різні речі,

changing how they spread it across existing goods,

змінюючи звички по відношенню до знайомих товарів

and developing tastes for entirely new goods, too.

і набуваючи смаку до зовсім нових.

New industries are created,

Зараз створюються нові виробництва,

new tasks have to be done

треба виконувати нові завдання,

and that means often new roles have to be filled.

і це часто вимагає заповнення нових вакансій.

So again, the British pie:

І знову британський пиріг:

300 years ago, most people worked on farms,

300 років тому більшість населення працювала на фермах,

150 years ago, in factories,

150 років тому – на фабриках,

and today, most people work in offices.

сьогодні більшість працює в офісах.

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

І знову ті, чиї місця зникли у старому шматку пирога,

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

можуть раптово знайти місце в новому шматку.

Economists call these effects complementarities,

Економісти називають це принципом компліментарності,

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

і, дійсно, у цьому чудернацькому слові схоплене те,

that technological progress helps human beings.

як іще технічний прогрес допомагає людям.

Resolving this Terminator myth

Спростування міфу про Термінатора

shows us that there are two forces at play:

демонструє, що тут є дві складові:

one, machine substitution that harms workers,

одна – заміна людей машинами, яка шкодить робітникам,

but also these complementarities that do the opposite.

інша – використання машин на додаток, що є корисним.

Now the second myth,

Тепер другий міф,

what I call the intelligence myth.

який я називаю міфом про інтелект.

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

Що спільного мають управління автомобілем, визначення діагнозу

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

і миттєве розпізнавання птаха?

Well, these are all tasks that until very recently,

Донедавна провідні економісти вважали,

leading economists thought couldn't readily be automated.

що ці речі не можна автоматизувати.

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

Але сьогодні можна.

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

Усі провідні автомобілебудівники використовують програми автопілота.

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

Є безліч програм для діагностування проблем зі здоров'ям.

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

Навіть є програми миттєвого

at a fleeting glimpse.

розпізнавання пташок.

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

Тож економісти не просто виявилися недалекоглядними.

They were wrong,

Вони помилились,

and the reason why they were wrong is very important.

І важливо, чому вони помилились.

They've fallen for the intelligence myth,

Вони опинились у тенетах міфу про інтелект –

the belief that machines have to copy the way

віри в те, що, аби випередити людину,

that human beings think and reason

машини мають копіювати

in order to outperform them.

людське мислення.

When these economists were trying to figure out

Коли економісти намагались з'ясувати,

what tasks machines could not do,

чого машина не могла б зробити,

they imagined the only way to automate a task

вони вважали, що єдиний шлях автоматизації

was to sit down with a human being,

полягав у тім, щоб людина

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

пояснила, як вона виконує завдання,

and then try and capture that explanation

а потім ці пояснення лягли в основу

in a set of instructions for a machine to follow.

інструкцій для виконання машинами.

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

Колись цей погляд був популярним і в штучному інтелекті.

I know this because Richard Susskind,

Я це знаю, тому що Річард Сасскінд,

who is my dad and my coauthor,

мій батько і мій співавтор,

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

у 1980-х написав докторську дисертацію зі штучного інтелекту і права

at Oxford University,

в Оксфордському університеті.

and he was part of the vanguard.

Він був в авангарді.

And with a professor called Phillip Capper

З професором Філіпом Каппером

and a legal publisher called Butterworths,

і довідково-правовою системою «Butterworths»

they produced the world's first commercially available

він розробив першу в світі доступну на комерційній основі

artificial intelligence system in the law.

систему штучного інтелекту в юриспруденції.

This was the home screen design.

Таким був дизайн її заставки.

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

Він запевняє, що тоді це був крутий дизайн.

(Laughter)

(Сміх)

I've never been entirely convinced.

Я ніколи не був упевненим повністю.

He published it in the form of two floppy disks,

Він видав систему на двох дискетах,

at a time where floppy disks genuinely were floppy,

гнучких магнітних дисках,

and his approach was the same as the economists':

і його підхід був такий самий, як у економістів:

sit down with a lawyer,

посади́ юриста поруч,

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

хай пояснить, яким чином можна вирішити правову проблему,

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

а потім перетвори ці пояснення на алгоритм для машини.

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

В економіці, якщо людина може щось пояснити у такий спосіб,

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

завдання називають шаблонними, їх можна автоматизувати.

But if human beings can't explain themselves,

Але якщо вона чогось не може пояснити таким чином,

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

завдання називають нешаблонними і вважають, що їх не можна автоматизувати.

Today, that routine-nonroutine distinction is widespread.

Наразі шаблонна-нешаблонна відмінність дуже розповсюджена.

Think how often you hear people say to you

Часто ми чуємо, що люди кажуть:

machines can only perform tasks that are predictable or repetitive,

машини можуть виконувати прогнозовані чи повторювані завдання,

rules-based or well-defined.

за правилом чи при чіткому формулюванні.

Those are all just different words for routine.

Це все шаблон, названий різними словами.

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

А візьмемо три приклади, які я навів на початку.

Those are all classic cases of nonroutine tasks.

Усі вони є класичними прикладами нешаблонних завдань.

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

Запитайте, наприклад, лікаря, як він визначає діагнози,

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

можливо, з вами поділяться декількома правилами,

but ultimately she'd struggle.

але це точно буде нелегко.

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

Ви почуєте про щось на кшталт творчості, оцінки, інтуїції.

And these things are very difficult to articulate,

Ці речі дуже важко сформулювати,

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

і тому вважалося, що ці завдання буде важко автоматизувати.

If a human being can't explain themselves,

Якщо людині важко навіть висловитися,

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

звідки взагалі починати писати алгоритм

for a machine to follow?

для машини?

Thirty years ago, this view was right,

30 років тому цей погляд був вірним,

but today it's looking shaky,

сьогодні він справедливий, але не завжди,

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

у майбутньому він стане хибним.

Advances in processing power, in data storage capability

Прогрес у сферах обробки і зберігання даних,

and in algorithm design

а також розробки алгоритмів

mean that this routine-nonroutine distinction

означає, що шаблонна-нешаблонна відмінність

is diminishingly useful.

виявляється все менш корисною.

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

Щоб переконатися, ще раз поглянемо, як медики визначають діагноз.

Earlier in the year,

У цьому році

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

група вчених у Стенфорді заявила про розробку системи,

which can tell you whether or not a freckle is cancerous

яка визначає, чи є родимка злоякісною,

as accurately as leading dermatologists.

так само точно, як провідні дерматологи.

How does it work?

Як вона працює?

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

Вона не імітує спосіб мислення чи інтуїцію лікаря.

It knows or understands nothing about medicine at all.

Вона нічого не розуміє в медицині.

Instead, it's running a pattern recognition algorithm

Навпаки, вона виконує алгоритм розпізнавання патернів,

through 129,450 past cases,

обробляючи дані 129 450 випадків,

hunting for similarities between those cases

відшукуючи подібності між цими випадками

and the particular lesion in question.

і заданими порушеннями норми.

It's performing these tasks in an unhuman way,

Система виконує завдання не так, як людина,

based on the analysis of more possible cases

аналізуючи стільки випадків хвороби,

than any doctor could hope to review in their lifetime.

скільки лікар не може проаналізувати і за життя.

It didn't matter that that human being,

І не має значення, що людина,

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

лікар, не зміг би пояснити, як він виконує це завдання.

Now, there are those who dwell upon that the fact

Дехто аналізує особливості того,

that these machines aren't built in our image.

що ці машини не побудовані за зразком людини.

As an example, take IBM's Watson,

Як приклад візьмемо IBM Watson,

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

суперкомп'ютер, що у 2011 взяв участь в американській вікторині «Jeopardy!»

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

і переміг двох її попередніх переможців-чоловіків.

The day after it won,

Наступного після тієї перемоги дня

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

газета «Wall Street Journal» надрукувала статтю філософа Джона Серля

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

під назвою «Watson не знає, що виграв вікторину «Jeopardy!»».

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

Так. І це чудово, і це правда.

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

І Watson не кричав від щастя, що переміг.

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

Він не зателефонував батькам, щоб похвалитися, який він розумник.

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

Він не пішов до пабу, щоб випити.

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

Ця система не намагалася копіювати своїх суперників,

but it didn't matter.

Але це не мало значення.

It still outperformed them.

Вона все одно в них виграла.

Resolving the intelligence myth

Спростовуючи міф про інтелект,

shows us that our limited understanding about human intelligence,

ми бачимо, що наше недостатнє розуміння людського інтелекту,

about how we think and reason,

нашої здатності думати й обмірковувати,

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

є зараз набагато меншим обмеженням для автоматизації, аніж раніше.

What's more, as we've seen,

Крім того, як бачимо,

when these machines perform tasks differently to human beings,

коли машини діють, не як люди,

there's no reason to think

немає підстав думати,

that what human beings are currently capable of doing

що є такі людські здатності,

represents any sort of summit

які є планкою,

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

яку машини не перестрибнуть у майбутньому.

Now the third myth,

Тепер третій міф,

what I call the superiority myth.

який я називаю міфом про вищість.

It's often said that those who forget

Часто кажуть, що ті, хто забуває про

about the helpful side of technological progress,

користь від технічного прогресу,

those complementarities from before,

того, що ним додається,

are committing something known as the lump of labor fallacy.

хибно впевнені у незмінності обсягу праці.

Now, the problem is the lump of labor fallacy

Але помилка щодо незмінності обсягу праці

is itself a fallacy,

є сама собою хибою.

and I call this the lump of labor fallacy fallacy,

Я називаю це хибною помилкою щодо незмінності обсягу праці.

or LOLFF, for short.

Коротко ХПЩНОП.

Let me explain.

Дайте поясню.

The lump of labor fallacy is a very old idea.

Помилка щодо незмінності обсягу праці стара.

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

Їй дав ім'я британський економіст Девід Шлосс у 1892 році.

He was puzzled to come across a dock worker

Його спантеличило, що портовий робітник

who had begun to use a machine to make washers,

почав застосовувати пристрій, щоб робити шайби,

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

маленькі металеві диски, які одягають на гвинти.

And this dock worker felt guilty for being more productive.

І цей робітник відчув себе винним у тому, що продуктивність його праці зросла.

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

Зараз ми у більшості чекаємо на протилежне,

that people feel guilty for being unproductive,

на почуття провини через меншу продуктивність,

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

коли хтось у робочий час пересидів у Фейсбуці чи Твіттері.

But this worker felt guilty for being more productive,

Але в того працівника продуктивність праці зросла,

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

і на запитання чому, він сказав: «Я знаю, погано

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

відбирати роботу в інших».

In his mind, there was some fixed lump of work

Він уважав, що є фіксований обсяг роботи,

to be divided up between him and his pals,

який ділиться між ним і його товаришами,

so that if he used this machine to do more,

тож якщо завдяки машині він зробив більше,

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

іншим залишиться менше.

Schloss saw the mistake.

Шлосс побачив помилку.

The lump of work wasn't fixed.

Обсяг праці не був сталим.

As this worker used the machine and became more productive,

Якщо з використанням машини зросла продуктивність,

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

то ціна на шайби мала впасти, а попит на них зрости,

more washers would have to be made,

тож треба буде робити більше шайб,

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

і буде більше роботи для товаришів.

The lump of work would get bigger.

Обсяг праці мав зрости.

Schloss called this "the lump of labor fallacy."

Шлосс назвав це помилкою щодо обсягу праці.

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

Сьогодні ми чуємо, що якщо ми дбаємо про майбутнє професій,

to think about the future of all types of work.

слід пам'ятати про помилку щодо обсягу праці.

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

Немає сталого обсягу праці, який слід поділити

between people and machines.

між людьми і машинами.

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

Так, машини заміщують людей і роблять початковий обсяг роботи меншим,

but they also complement human beings,

але вони ще й доповнюють людей,

and the lump of work gets bigger and changes.

то обсяг праці більшає і змінюється якісно.

But LOLFF.

Але ж ХПЩНОП.

Here's the mistake:

Ось де помилка:

it's right to think that technological progress

правильно думати, що технічний прогрес

makes the lump of work to be done bigger.

збільшує обсяг роботи.

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

Якісь завдання стають ціннішими. Виникають нові завдання.

But it's wrong to think that necessarily,

Але помилкою є думати,

human beings will be best placed to perform those tasks.

що найкраще ці завдання можуть виконати люди.

And this is the superiority myth.

Це міф про вищість.

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

Так, обсяг роботи має збільшитись і якісно змінитися,

but as machines become more capable,

та в міру того, як машини досконалішають,

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

вони самі можуть виконувати більше роботи.

Technological progress, rather than complement human beings,

Технічний прогрес додає роботи не людям,

complements machines instead.

а машинам.

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

Погляньте на водіїв, наприклад.

Today, satnav systems directly complement human beings.

Сьогодні навігатори їм допомагають.

They make some human beings better drivers.

Вони роблять з них кращих водіїв.

But in the future,

Але в майбутньому

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

комп'ютери викинуть людей з водійських місць,

and these satnav systems, rather than complement human beings,

і навігатори допомагатимуть не людям,

will simply make these driverless cars more efficient,

а, зробивши автомобілі без водіїв більш ефективними,

helping the machines instead.

допомагатимуть машинам.

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

Чи візьміть інші додаткові можливості, які я згадував.

The economic pie may get larger,

Економічний пиріг може стати більшим,

but as machines become more capable,

але машини стають досконалішими,

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

і наші нові потреби можуть стати пов'язаними з товарами,

rather than human beings, are best placed to produce.

які краще виготовляють машини, а не люди.

The economic pie may change,

Економічний пиріг може мінятися якісно,

but as machines become more capable,

але машини стають досконалішими,

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

і машини можуть виявитися кращими для виконання нових завдань.

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

Коротко кажучи, попит на завдання – не те саме, що попит на робочу силу.

Human beings only stand to benefit

Люди продовжують отримувати зиск,

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

лише залишаючись кращими у виконанні додаткових завдань,

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

але машини стають досконалішими, і бути кращими за них стає все важче.

So what do these three myths tell us then?

Тож про що ці три міфи?

Well, resolving the Terminator myth

Спростування міфу про Термінатора

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

демонструє, що майбутнє праці залежить від співвідношення двох сил:

one, machine substitution that harms workers

одна – заміна людей машинами, яка шкодить робітникам,

but also those complementarities that do the opposite.

інша – використання допомоги машин, що є корисним.

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

Досі це співвідношення було на користь людей.

But resolving the intelligence myth

Але спростування міфу про інтелект

shows us that that first force, machine substitution,

показує, що перша сила, заміна людей машинами,

is gathering strength.

набирає потужності.

Machines, of course, can't do everything,

Звичайно, машини не можуть робити все,

but they can do far more,

вони можуть робити більше,

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

втручаючись усе глибше у сфери завдань, що виконуються людьми.

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

Крім того, немає підстав уважати,

that what human beings are currently capable of

що виключно людські завдання –

represents any sort of finishing line,

це та межа,

that machines are going to draw to a polite stop

яку машини не переступлять з чемності,

once they're as capable as us.

коли стануть такими ж здатними, як ми.

Now, none of this matters

Нічого з цього не має значення,

so long as those helpful winds of complementarity

доки рятівні вітри компліментарності

blow firmly enough,

дмуть доволі сильно,

but resolving the superiority myth

але спростування міфу про вищість

shows us that that process of task encroachment

показує, що процес втручання у сфери людських завдань

not only strengthens the force of machine substitution,

не тільки посилює заміну людей машинами,

but it wears down those helpful complementarities too.

але вихолощує рятівну компліментарність.

Bring these three myths together

Зведіть докупи усі три міфи,

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

і ми зазирнемо у те майбутнє, що нас непокоїть.

Machines continue to become more capable,

Машини стають досконалішими,

encroaching ever deeper on tasks performed by human beings,

вони зазіхають на все більше завдань, які зараз виконують люди,

strengthening the force of machine substitution,

зміцнюючи потужність заміни людини машиною

weakening the force of machine complementarity.

і знесилюючи компліментарність людини й машини.

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

І нарешті їх співвідношення зміщується на користь машин,

rather than human beings.

а не людей.

This is the path we're currently on.

Це той шлях, яким ми зараз ідемо.

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

Я кажу «шлях», бо вважаю, що ми ще не дійшли,

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

але неважко побачити, куди ми йдемо.

That's the troubling part.

Це було про те, що нас турбує.

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

Тепер дозвольте пояснити, чому я кажу, що це корисна проблема.

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

Майже всю історію людства домінувала одна економічна проблема:

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

як розтягнути економічний пиріг настільки, щоб вистачало всім.

Go back to the turn of the first century AD,

Наприкінці першого століття нашої ери

and if you took the global economic pie

економічний пиріг був таким,

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

що на кожного у світі припадав шматочок

everyone would get a few hundred dollars.

у кількасот доларів.

Almost everyone lived on or around the poverty line.

Майже всі жили біля межі бідності.

And if you roll forward a thousand years,

І якщо ви просунетесь на тисячу років уперед,

roughly the same is true.

побачите майже те саме.

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

Але в останні кількасот років, набирає оберти економічний ріст.

Those economic pies have exploded in size.

Економічний пиріг миттєво збільшився.

Global GDP per head,

Світовий ВВП на душу населення,

the value of those individual slices of the pie today,

ваш особистий шматок пирога,

they're about 10,150 dollars.

став близько 10 150 доларів.

If economic growth continues at two percent,

Якщо економіка буде далі зростати на два відсотки,

our children will be twice as rich as us.

наші діти будуть удвічі багатшими за нас.

If it continues at a more measly one percent,

Якщо економіка буде рости лише на один відсоток,

our grandchildren will be twice as rich as us.

наші онуки будуть удвічі багатшими за нас.

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

У цілому, ми вирішили цю традиційну економічну проблему.

Now, technological unemployment, if it does happen,

Тепер технологічне безробіття, якщо воно дійсно трапиться,

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

буде показником успіху,

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

але вирішивши одну проблему – як зробити пиріг більшим –

but replaced it with another --

ми зіткнулися з іншою –

how to make sure that everyone gets a slice.

як упевнитися, що всі отримали по шматку.

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

Як зазначають економісти, вирішити цю проблему буде важко.

Today, for most people,

Зараз для більшості

their job is their seat at the economic dinner table,

їх робота – це місце за столом економіки.

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

У світі з меншою кількістю робочих місць

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

не зрозуміло, як кожному дати по шматку.

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

Зараз точаться численні дискусії

about various forms of universal basic income

щодо різних форм безумовного базового доходу

as one possible approach,

як одного з рішень,

and there's trials underway

робляться спроби його запровадити

in the United States and in Finland and in Kenya.

у США, Фінляндії та Кенії.

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

Загальна проблема, яка постає перед нами, –

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

з'ясувати, як матеріальні блага, що виробляються економічною системою,

can be enjoyed by everyone

можуть розподілятися між усіма

in a world in which our traditional mechanism

у світі, де звичний механізм

for slicing up the pie,

поділу пирога,

the work that people do,

тобто робота, яку ми виконуємо,

withers away and perhaps disappears.

втрачає силу і, можливо, щезає.

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

Вирішення цієї проблеми буде вимагати зміни нашого способу мислення.

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

Буде багато протилежних думок, про те, що слід робити,

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

але важливо пам'ятати, що набагато краще мати цю проблему,

than the one that haunted our ancestors for centuries:

ніж ту, яка століттями переслідувала наших предків:

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

як спершу зробити пиріг достатньо великим.

Thank you very much.

Красно дякую.

(Applause)

(Оплески)