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

Translator: Awais Ali Reviewer: Syed Irteza Ubaid

So this is my niece.

دیکھیے! یہ میری بھتیجی ہے۔

Her name is Yahli.

اس کا نام یہلی ہے۔

She is nine months old.

یہ نو مہینے کی ہے۔

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

اس کی امی ایک ڈاکٹر ہیں اور ابو وکیل ہیں۔

By the time Yahli goes to college,

جب یہلی کے کالج جانے کا دور آئے گا،

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

تو جو کام اس کے والدین اب کرتے ہیں، ان کی نوعیت ڈرامائی طور پر بدل جائے گی۔

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

سن 2013 میں، آکسفورڈ یونیورسٹی کے تحقیق کاروں نے "کام کے مستقبل" کے بارے میں ایک مطالعہ کیا۔

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

انہوں نے اخذ کیا کہ ہر دو میں سے ایک پیشہ

of being automated by machines.

خودکار مشینوں کی وجہ سے بیت خطرے میں ہے۔

Machine learning is the technology

"مشین لرننگ" ایک ایسی ٹیکنالوجی ہے

that's responsible for most of this disruption.

جو اس تبدیلی کا بڑا سبب ہے۔

It's the most powerful branch of artificial intelligence.

یہ مصنوعی ذہانت کا انتہائی طاقتور شعبہ ہے۔

It allows machines to learn from data

یہ مشینوں کو اعدادوشمار کے ذریعے سکھاتا ہے

and mimic some of the things that humans can do.

کہ وہ انسانوں کی طرح بہت سے کام کر سکیں۔

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

میری کمپنی، کیگل، مشین لرننگ کےاگلے محاذوں پہ کام کرتی ہے۔

We bring together hundreds of thousands of experts

ہم لاکھوں ماہرین کی مدد سے

to solve important problems for industry and academia.

صنعت اور تعلیم کے اہم مسائل کوحل کرتے ہیں۔

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

اس سے ہمیں ایک انوکھا اندازِ نظر ملتا ہے

what they can't do

کہ مشینیں کیا کر سکتی ہیں اور کیا نہیں۔

and what jobs they might automate or threaten.

اور کن کاموں کو وہ خودکار یا ختم کر دیں گی۔

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

شعبہ صنعت میں مشین لرننگ کا ظہور نوے کی دہائی کے آغاز میں ہوا۔

It started with relatively simple tasks.

شروع میں اس نے چھوٹے چحوٹے کام کیے۔

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

مثلا قرضے کی درخواستوں میں سے رقم واپسی کے امکان کا اندازہ،

sorting the mail by reading handwritten characters from zip codes.

اور ڈاک کے لفافوں پہ ہاتھ سے لکھے ہوئے ڈاکخانہ نمبر پڑھ کر۔

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

گزشتہ کچھ سالوں میں ہم نے بڑی کامیابیاں سمیٹی ہیں۔

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

مشین لرننگ اب بہت زیادہ پیچیدہ کام کر سکتی ہے۔

In 2012, Kaggle challenged its community

2012 میں کیگل نے اپنے ماہرین کو ایسا الگرتھم بنانے کاچیلنج دیا

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

کہ وہ ہائی سکول کے طلباء کےمضامین کی درجہ بندی کریں۔

The winning algorithms were able to match the grades

جیتنے والے الگرتھم کے نتائج انسانی

given by human teachers.

اساتذہ کے نتائج کی طرح کے تھے۔

Last year, we issued an even more difficult challenge.

پچھلے سال ہم نے اس سے بھی مشکل چیلنج دیا۔

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

کیا آپ آنکھ کی تصویر لے کر اس کی بیماری کی تشخیص کر سکتے ہیں

called diabetic retinopathy?

جس کا نام زیابیطسی ریٹنوپیتھی ہے؟

Again, the winning algorithms were able to match the diagnoses

اس بار بھی جیتنے والے الگرتھم کے نتائج

given by human ophthalmologists.

انسانی ماہرِ چشم سے ملتے جلتے تھے۔

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

اور اب تو ڈیٹا کی مدد سے مشینیں ایسے کاموں میں

at tasks like this.

انسانوں سےاچھی کارکردگی دینے لگی ہیں۔

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

ایک استاد شاید اپنی چالیس سالہ پیشہ ورانہ زندگی میں 10,000 مضامین پڑھ سکے۔

An ophthalmologist might see 50,000 eyes.

اور آنکھوں کا ڈاکٹر شاید 50,000 آنکھیں دیکھ سکے۔

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

مگر ایک مشین چند منٹوں میں لاکھوں مضامین پڑھ سکتی ہے،

within minutes.

یا لاکھوں آنکھوں کا معائنہ کر سکتی ہے۔

We have no chance of competing against machines

ہم کسی طور بھی بار بار کیے جانے والے ضخیم کاموں میں

on frequent, high-volume tasks.

مشینوں کا مقابلہ نہیں کر سکتے۔

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

مگر کچھ کام ایسے ہیں جو ہم کر سکتے ہیں مگر مشینیں نہیں۔

Where machines have made very little progress

جن کاموں میں مشینوں نے کم ترقی کی ہے

is in tackling novel situations.

ان میں " نت نئی مشکلات کا سامنا کرنا" شامل ہیں۔

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

وہ ایسے مسئلے حل نہیں کر سکتیں، جو انہوں نے پہلے نہ دیکھے ہوں۔

The fundamental limitations of machine learning

مشین لرننگ کی بنیادی حدود یہ ہیں کہ

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

انہیں سیکھنے کے لیے بہت بڑی تعداد میں ماضی کے اعداد و شمار چاہیں

Now, humans don't.

مگر، انسانوں کو نہیں۔

We have the ability to connect seemingly disparate threads

ہم میں صلاحیت ہے کہ ہم بظاہر بے تعلق دکھائی دینے والے

to solve problems we've never seen before.

تانے جوڑ کر نئے مسئلے حل کر لیتے ہیں۔

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

دوسری جنگِ عظیم میں "پرسی سپینسر" نامی ماہرِ طبعیات ریڈار پر کام کر رہا تھا

when he noticed the magnetron was melting his chocolate bar.

جب اس نے غور کیا کہ "میگنوٹرون" اس کی چاکلیٹ کو پگھلا رہا ہے۔

He was able to connect his understanding of electromagnetic radiation

یوں وہ برقی-مقناطیسی شعاؤں کو سمجھنے کے قابل ہوا۔

with his knowledge of cooking

اور اپنے کھانا پکانے کے تجربے سے

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

وہ بھلا کیا ایجاد کرنے کے قابل ہوا؟ مائکرو ویو اوون۔۔!

Now, this is a particularly remarkable example of creativity.

تو، یہ تخلیق کی انتہائی شاندار مثال ہے۔

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

مگر اس قسم کی کامیابی چھوٹے چھوٹے

thousands of times per day.

حصوں میں ہم سب کو روزانہ ہزاروں دفعہ ملتی ہے۔

Machines cannot compete with us

مشین تب ہمارامقابلہ نہیں کرسکتیں

when it comes to tackling novel situations,

جب نئے مسئلے سے نمٹنے کی بات آتی ہے

and this puts a fundamental limit on the human tasks

اور اس وجہ سے ان کاموں کی حد بندی ہوتی ہے

that machines will automate.

جو خود کار مشینیں کر سکتی ہوں۔

So what does this mean for the future of work?

تو "کام کے مستقبل" کے بارے میں کیا کہا جا سکتا ہے؟

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

کسی بھی پیشے کے مستقبل کا فیصلہ ایک سوال کا جواب کر سکتا ہے

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

کہ یہ پیشہ کس حد تک بار بار کیے جانے والے ضخیم کاموں کا مجموعہ ہے

and to what extent does it involve tackling novel situations?

اور اس میں کس حد تک نئے مسئلے حل کرنا پڑتے ہیں؟

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

بار بار کیے جانے والےضخیم کام کرنے میں مشینیں ہوشیار ہوتی جا رہی ہیں۔

Today they grade essays. They diagnose certain diseases.

آج کل وہ مضامین چیک کر لیتی ہیں اور کچھ امراض کی تشخیص کر سکتی ہیں۔

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

آنے والے سالوں میں وہ آڈٹ بھی کر سکیں گی

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

اورقانونی معاہدوں میں عرضیاں بھی پڑھ سکیں گی۔

Accountants and lawyers are still needed.

مگر اکاؤنٹنٹ اور وکلاء ابھی بھی چاہیں۔

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

وہ قانون سےمتصادم ہوتی کاروائیوں کے لیے

for pathbreaking litigation.

پیچیدہ قسم کی ٹیکس سازی کر سکیں گے۔

But machines will shrink their ranks

لیکن مشینیں ان کے عہدوں کو تنگ کر کے

and make these jobs harder to come by.

ان کے لیے صرف مشکل کام چھوڑ دیں گی۔

Now, as mentioned,

اب، جیسا کہ میں نے بیان کیا

machines are not making progress on novel situations.

مشینیں نت نئے مسئلوں کو حل نہیں کر سکتیں۔

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

کسی بھی تشہیری مہم کا مقصد گاہک کی توجہ کھینچنا ہوتا ہے۔

It has to stand out from the crowd.

اسے مجمع سے الگ دکھائی دینا ہوتا ہے۔

Business strategy means finding gaps in the market,

کاروباری پلان کا مطلب ہوتا ہے کہ منڈی میں خلا تلاش کیا جائے

things that nobody else is doing.

وہ کام، جو کوئی نہیں کر۔رہا۔

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

یہ انسان ہوں گے جو ہماری تشہیری مہم کا ڈھانچہ بنایا کریں گے۔

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

اور کاروباری پلان بھی انسان ہی بنایا کریں گے۔

So Yahli, whatever you decide to do,

چنانچہ یہلی! تم جو بھی فیصلہ کرو،

let every day bring you a new challenge.

مگر اپنے آنے والے ہر دن میں ایک نیا ہدف قائم کرو۔

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

اگر ایسا ہو جائے تو تم مشینوں سے آگے رہو گی۔

Thank you.

شکریہ۔

(Applause)

(تالیاں)