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

Translator: Khoa Nguyen Reviewer: Dan Nguyen

Automation anxiety has been spreading lately,

Mối lo về tự động hóa đã lan rộng trong thời gian gần đây,

a fear that in the future,

nỗi lo sợ rằng trong tương lai,

many jobs will be performed by machines

nhiều việc làm sẽ được thực hiện bởi máy móc

rather than human beings,

thay cho con người,

given the remarkable advances that are unfolding

những tiến bộ đáng chú ý đang diễn ra

in artificial intelligence and robotics.

trong lĩnh vực trí tuệ nhân tạo và nghiên cứu người máy.

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

Điều rõ ràng ở đây là sẽ có sự thay đổi đáng kể.

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

Điều chưa rõ ở đây là thay đổi đó sẽ trông như thế nào.

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

Theo nghiên cứu của tôi thì tương lai sẽ vừa khó khăn lại vừa thú vị.

The threat of technological unemployment is real,

Mối đe dọa về nạn thất nghiệp gây ra bởi công nghệ là có thật,

and yet it's a good problem to have.

nhưng nó là một vấn đề tốt mà ta cần có.

And to explain how I came to that conclusion,

Và để giải thích bằng cách nào tôi đi đến kết luận đó,

I want to confront three myths

Tôi muốn đương đầu với 3 quan niệm sai lầm

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

mà tôi nghĩ hiện đang che khuất tầm nhìn của chúng ta về tương lai của tự động hóa.

A picture that we see on our television screens,

Một hình ảnh mà ta thấy trên các màn hình tivi,

in books, in films, in everyday commentary

trong sách, phim, bản tin hàng ngày

is one where an army of robots descends on the workplace

là một đội quân robot bất ngờ tràn vào nơi làm việc

with one goal in mind:

với một mục tiêu trong đầu:

to displace human beings from their work.

thay thế con người làm công việc của họ.

And I call this the Terminator myth.

Tôi gọi đây là lầm tưởng Kẻ hủy diệt.

Yes, machines displace human beings from particular tasks,

Vâng, máy móc thay thế con người làm những việc nhất định,

but they don't just substitute for human beings.

nhưng chúng không chỉ thay thế loài người.

They also complement them in other tasks,

Chúng còn bổ sung cho họ ở các việc khác,

making that work more valuable and more important.

làm cho công việc đó trở nên quan trọng và có giá trị hơn.

Sometimes they complement human beings directly,

Đôi khi chúng trực tiếp hỗ trợ cho con người,

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

giúp họ làm việc có năng suất hay hiệu quả hơn trong những việc cụ thể.

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

Một tài xế taxi có thể dùng hệ thống định vị vệ tinh trên những con đường lạ.

An architect can use computer-assisted design software

Một kiến trúc sư có thể sử dụng phần mềm thiết kế được máy tính hỗ trợ

to design bigger, more complicated buildings.

để thiết kế những tòa nhà to lớn hơn, phức tạp hơn.

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

Nhưng sự phát triển kỹ thuật không chỉ trực tiếp bổ sung cho con người.

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

Nó cũng bổ trợ họ một cách gián tiếp, và nó làm điều này theo hai cách.

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

Đầu tiên là nếu ta xem nền kinh tế như một cái bánh,

technological progress makes the pie bigger.

thì tiến bộ kỹ thuật làm cái bánh to hơn.

As productivity increases, incomes rise and demand grows.

Khi năng suất tăng, thu nhập và nhu cầu cũng nhiều hơn.

The British pie, for instance,

Ví dụ như chiếc bánh của nước Anh,

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

có kích thước gấp hàng trăm lần so với 300 năm trước.

And so people displaced from tasks in the old pie

Và vì thế những ai đã rời khỏi các công việc ở chiếc bánh cũ

could find tasks to do in the new pie instead.

có thể tìm các công việc thay thế trong chiếc bánh mới.

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

Nhưng tiến bộ kỹ thuật không chỉ làm chiếc bánh to hơn.

It also changes the ingredients in the pie.

Nó cũng thay đổi các thành phần trong chiếc bánh.

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

Theo thời gian, con người sử dụng thu nhập theo những cách khác nhau,

changing how they spread it across existing goods,

thay đổi cách mà họ chi tiêu qua các mặt hàng hiện hữu,

and developing tastes for entirely new goods, too.

và cũng phát triển thị hiếu cho các mặt hàng hoàn toàn mới nữa.

New industries are created,

Các ngành mới được tạo ra,

new tasks have to be done

các nhiệm vụ mới phải được thực hiện

and that means often new roles have to be filled.

có nghĩa là các vai trò mới cũng phải được đáp ứng.

So again, the British pie:

Trở lại chiếc bánh nước Anh:

300 years ago, most people worked on farms,

300 năm trước, hầu hết người ta làm ở nông trại,

150 years ago, in factories,

150 năm trước, thì trong các nhà máy,

and today, most people work in offices.

và ngày nay, hầu hết người ta làm việc trong văn phòng.

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

Một lần nữa, những người bị thay thế khỏi các công việc ở chiếc bánh cũ

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

thay vào đó có thể lao vào công việc ở mẩu bánh mới.

Economists call these effects complementarities,

Các nhà kinh tế học gọi những hiệu ứng này là nguyên tắc bổ sung,

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

nhưng thực sự đó chỉ là một mỹ từ để diễn tả theo một cách khác

that technological progress helps human beings.

những gì tiến bộ kỹ thuật giúp loài người.

Resolving this Terminator myth

Giải quyết sự lầm tưởng Kẻ hủy diệt này

shows us that there are two forces at play:

cho chúng ta thấy rằng có hai sức mạnh hiện hữu:

one, machine substitution that harms workers,

một là, việc thay thế bằng máy móc gây thiệt hại cho người lao động,

but also these complementarities that do the opposite.

nhưng các nguyên tắc bổ sung lại có tác động ngược lại.

Now the second myth,

Giờ là lầm tưởng thứ hai,

what I call the intelligence myth.

điều mà tôi gọi là lầm tưởng về sự thông minh.

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

Điểm chung của việc lái một chiếc xe hơi, thực hiện một chẩn đoán y học,

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

và xác định một con chim khi nhìn thoáng qua là gì?

Well, these are all tasks that until very recently,

Đây là tất cả các công việc mà cho đến rất gần đây,

leading economists thought couldn't readily be automated.

các nhà kinh tế học hàng đầu đã nghĩ là chưa sẵn sàng để tự động hóa.

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

Nhưng đến hôm nay, tất cả những việc này có thể tự động hóa.

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

Bạn biết đấy, các nhà sản xuất xe hơi lớn đều có dự án xe không người lái.

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

Có vô số hệ thống ngoài kia có thể chẩn đoán các vấn đề y tế.

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

Và còn có cả ứng dụng có thể xác định một con chim

at a fleeting glimpse.

trong một cái liếc mắt.

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

Đây không đơn giản là một trường hợp thiếu may mắn của các nhà kinh tế học.

They were wrong,

Họ đã sai,

and the reason why they were wrong is very important.

và lý do tại sao họ đã sai là rất quan trọng.

They've fallen for the intelligence myth,

Họ bị rơi vào lầm tưởng về sự thông minh,

the belief that machines have to copy the way

niềm tin rằng các máy móc phải bắt chước

that human beings think and reason

cách mà con người suy nghĩ và lý luận

in order to outperform them.

để làm tốt hơn họ.

When these economists were trying to figure out

Khi những nhà kinh tế học này đang cố tìm ra

what tasks machines could not do,

những việc mà máy móc không thể làm,

they imagined the only way to automate a task

họ nghĩ cách duy nhất để tự động hóa nhiệm vụ

was to sit down with a human being,

là ngồi cùng với một con người,

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

để họ giải thích cho bạn cách họ thực hiện một nhiệm vụ,

and then try and capture that explanation

thử nắm bắt và ánh xạ cách giải thích đó

in a set of instructions for a machine to follow.

vào một tập hợp các chỉ dẫn để một máy tính làm theo.

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

Quan điểm này cũng đã được phổ biến trong trí tuệ nhân tạo tại một thời điểm.

I know this because Richard Susskind,

Tôi biết điều này nhờ Richard Susskind,

who is my dad and my coauthor,

bố tôi và cũng là đồng tác giả của tôi,

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

đã viết luận án tiến sĩ vào những năm 1980 về trí thông minh nhân tạo và luật

at Oxford University,

tại Đại học Oxford,

and he was part of the vanguard.

và ông ấy thuộc nhóm tiên phong.

And with a professor called Phillip Capper

Và cùng với một vị giáo sư là Phillp Capper

and a legal publisher called Butterworths,

và một nhà xuất bản về luật Butterworths,

they produced the world's first commercially available

họ đã chế tạo ra hệ thống trí thông minh nhân tạo mang tính thương mại

artificial intelligence system in the law.

đầu tiên trên thế giới về luật pháp.

This was the home screen design.

Đây là thiết kế giao diện màn hình chính.

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

Ông cam đoan đây là thiết kế màn hình tuyệt nhất thời đó.

(Laughter)

(Cười)

I've never been entirely convinced.

Tôi chưa bị thuyết phục hoàn toàn.

He published it in the form of two floppy disks,

Ông đã phát hành nó dưới dạng hai đĩa mềm,

at a time where floppy disks genuinely were floppy,

vào cái thời mà đĩa mềm thực sự mềm,

and his approach was the same as the economists':

và cách ông ấy tiếp cận giống như các nhà kinh tế:

sit down with a lawyer,

ngồi cùng với một luật sư,

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

để cô ấy giải thích cho bạn cách cô ấy giải quyết vấn đề pháp lý,

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

rồi thử nắm bắt lời giải thích đó vào một bộ quy tắc cho một cái máy làm theo.

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

Trong kinh tế học, nếu con người có thể tự giải thích theo cách này,

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

các nhiệm vụ được gọi là các trình tự, và chúng có thể tự động hóa.

But if human beings can't explain themselves,

Nhưng nếu con người không thể tự giải thích,

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

các nhiệm vụ được gọi là phi trình tự, và chúng được cho là không thể tiếp cận.

Today, that routine-nonroutine distinction is widespread.

Ngày nay, sự phân biệt trình tự - phi trình tự này rất phổ biến.

Think how often you hear people say to you

Hãy nghĩ mọi người thường nói với bạn

machines can only perform tasks that are predictable or repetitive,

máy móc chỉ có thể thực hiện các tác vụ có thể dự đoán hoặc lặp lại,

rules-based or well-defined.

dựa trên quy tắc hoặc được xác định rõ.

Those are all just different words for routine.

Tất cả chúng chỉ là những từ khác nhau chỉ thủ tục trình tự.

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

Và trở lại với ba tình huống tôi đã đề cập từ lúc đầu.

Those are all classic cases of nonroutine tasks.

Đây đều là các ví dụ kinh điển của các tác vụ phi trình tự.

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

Hỏi một bác sĩ, ví dụ, cách cô ấy đưa ra một chẩn đoán y tế,

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

và cô ấy có thể sẽ đưa cho bạn một vài kinh nghiệm,

but ultimately she'd struggle.

mà sau cùng cô ấy phải nghĩ lại.

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

Cô ấy sẽ nói nó đòi hỏi những thứ như sự sáng tạo, óc phán đoán và trực giác.

And these things are very difficult to articulate,

Và những điều này rất khó để nói rõ,

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

và do đó, các nhiệm vụ này được cho là sẽ rất khó để tự động hóa.

If a human being can't explain themselves,

Nếu con người không thể tự giải thích,

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

thì bằng cách nào chúng ta có thể bắt đầu viết ra bộ chỉ dẫn,

for a machine to follow?

cho máy móc làm theo?

Thirty years ago, this view was right,

Ba mươi năm về trước, quan điểm này là đúng,

but today it's looking shaky,

nhưng ngày nay quan điểm này đang lung lay,

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

và trong tương lai, nó đơn giản là sai lầm.

Advances in processing power, in data storage capability

Những tiến bộ trong năng lực xử lý, trong khả năng lưu trữ dữ liệu

and in algorithm design

và trong thiết kế thuật toán

mean that this routine-nonroutine distinction

nghĩa là sự khác biệt giữa có trình tự - phi trình tự

is diminishingly useful.

không còn ý nghĩa nhiều.

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

Để thấy được điều này, hãy trở lại với trường hợp chẩn đoán y tế.

Earlier in the year,

Đầu năm nay,

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

nhóm các nhà nghiên cứu ở Stanford tuyên bố họ đã phát triển hệ thống

which can tell you whether or not a freckle is cancerous

có thể cho bạn biết vết tàn nhang có phải là ung thư hay không

as accurately as leading dermatologists.

chính xác như các bác sĩ da liễu hàng đầu.

How does it work?

Nó hoạt động như thế nào?

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

Nó không cố gắng để sao chép óc phán đoán hoặc trực giác của một bác sĩ.

It knows or understands nothing about medicine at all.

Nó không có bất kỳ nhận thức hay hiểu biết gì về y học cả.

Instead, it's running a pattern recognition algorithm

Thay vào đó, nó đang chạy một thuật toán nhận dạng mẫu

through 129,450 past cases,

trên 129.450 trường hợp trong quá khứ,

hunting for similarities between those cases

tìm kiếm sự tương đồng giữa các trường hợp

and the particular lesion in question.

và thương tổn cụ thể trong câu hỏi.

It's performing these tasks in an unhuman way,

Nó thực hiện những nhiệm vụ này không theo cách của con người,

based on the analysis of more possible cases

mà dựa trên phân tích các trường hợp có thể xảy ra

than any doctor could hope to review in their lifetime.

nhiều hơn bất kỳ bác sĩ nào có thể xem hết trong đời.

It didn't matter that that human being,

Nó không quan trọng là con người đó,

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

bác sĩ đó, không thể giải thích cô ấy làm như thế nào.

Now, there are those who dwell upon that the fact

Bây giờ, có nhiều người sống với thực tế rằng

that these machines aren't built in our image.

máy móc không tạo dựng theo bản chất con người.

As an example, take IBM's Watson,

Lấy IBM's Watson làm ví dụ,

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

siêu máy tính đã tham gia chương trình đố vui của Mỹ "Jeopardy!" trong năm 2011,

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

và nó đã đánh bại hai nhà vô địch tại "Jeopardy!"

The day after it won,

Một ngày sau chiến thắng của nó,

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

Tờ nhật báo phố Wall xuất bản tác phẩm của nhà triết học John Searle

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

với tiêu đề "Watson không biết rằng nó đã chiến thắng tại 'Jeopardy!'"

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

Phải, nó rất tài giỏi, và đó là sự thật.

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

Bạn biết đấy, Watson không bật khóc vì phấn khích.

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

Nó đã không gọi bố mẹ của nó để nói nó đã làm tốt như thế nào.

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

Nó cũng không đi đến quán rượu để uống.

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

Hệ thống này đã không cố gắng bắt chước cái cách mà các đối thủ tham gia đã chơi,

but it didn't matter.

nhưng không thành vấn đề.

It still outperformed them.

Nó vẫn vượt trội so với họ.

Resolving the intelligence myth

Hoá giải lầm tưởng về thông minh

shows us that our limited understanding about human intelligence,

cho thấy sự hạn chế trong hiểu biết của chúng ta về trí tuệ con người,

about how we think and reason,

về cách mà chúng ta tư duy và suy luận,

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

ít bị ràng buộc hơn về sự tự động hoá so với trong quá khứ.

What's more, as we've seen,

Hơn nữa, như chúng ta đã thấy,

when these machines perform tasks differently to human beings,

khi máy móc thực hiện các nhiệm vụ một cách khác biệt so với con người,

there's no reason to think

không có lý do gì để nghĩ

that what human beings are currently capable of doing

rằng những điều mà con người hiện tại có thể làm được

represents any sort of summit

đại diện cho bất cứ đỉnh cao nào

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

mà các máy móc có khả năng thực hiện trong tương lai.

Now the third myth,

Giờ là lầm tưởng thứ ba,

what I call the superiority myth.

cái mà tôi gọi là lầm tưởng về tính ưu việt.

It's often said that those who forget

Mọi người thường nói rằng những người quên đi

about the helpful side of technological progress,

khía cạnh hữu ích của tiến bộ công nghệ,

those complementarities from before,

những sự bổ trợ từ trước đây,

are committing something known as the lump of labor fallacy.

đang phạm vào cái gọi là sai lầm về nguồn nhân lực.

Now, the problem is the lump of labor fallacy

Giờ thì, vấn đề là sai lầm về nguồn nhân lực

is itself a fallacy,

bản thân nó là sự sai lầm,

and I call this the lump of labor fallacy fallacy,

và tôi gọi nó là sai lầm của sai lầm về nguồn nhân lực,

or LOLFF, for short.

hay ngắn gọn là LOLFF.

Let me explain.

Hãy để tôi giải thích.

The lump of labor fallacy is a very old idea.

Sai lầm về nguồn nhân lực là khái niệm cũ.

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

Nhà kinh tế học người Anh David Schloss đã đặt ra khái niệm này vào năm 1892.

He was puzzled to come across a dock worker

Ông ngạc nhiên khi đi qua thấy một công nhân bến tàu

who had begun to use a machine to make washers,

bắt đầu dùng máy móc tạo ra vòng đệm,

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

loại đĩa kim loại nhỏ giúp giữ chặt đầu đinh ốc.

And this dock worker felt guilty for being more productive.

Rồi người công nhân bến tàu này cảm thấy tội lỗi vì làm việc năng suất hơn.

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

Giờ, hầu hết, ta lại mong điều ngược lại

that people feel guilty for being unproductive,

là con người mặc cảm vì làm việc không hiệu quả

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

bạn biết đấy, như lướt Facebook hay Twitter ở chỗ làm quá nhiều.

But this worker felt guilty for being more productive,

Nhưng người này lại thấy mặc cảm khi làm việc hiệu quả

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

khi được hỏi, anh nói "Tôi biết tôi đang làm sai.

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

Tôi sẽ khiến người khác mất việc."

In his mind, there was some fixed lump of work

Trong tâm trí mình, anh nghĩ có một khối lượng việc cố định

to be divided up between him and his pals,

để chia cho anh và đồng nghiệp,

so that if he used this machine to do more,

vì thế nếu dùng cỗ máy này để làm nhiều hơn

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

thì sẽ không còn việc cho đồng nghiệp nữa.

Schloss saw the mistake.

Và Schloss thấy được sai lầm.

The lump of work wasn't fixed.

Khối lượng công việc không hề cố định.

As this worker used the machine and became more productive,

Khi công nhân này dùng máy móc và trở nên năng suất hơn,

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

giá vòng đệm sẽ giảm, nhu cầu cho vòng đệm sẽ tăng,

more washers would have to be made,

cần sản xuất nhiều vòng đệm hơn,

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

và có nhiều việc hơn cho đồng nghiệp của anh

The lump of work would get bigger.

Khối lượng công việc sẽ nhiều hơn.

Schloss called this "the lump of labor fallacy."

Schloss gọi đây là "sai lầm về nguồn nhân lực."

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

Và hôm nay bạn nghe người ta nói về sai lầm về nguồn nhân lực

to think about the future of all types of work.

để nghĩ tới tương lai của mọi loại công việc.

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

Không có một khối lượng công việc cố định được chia đều

between people and machines.

giữa con người và máy móc.

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

Đúng vậy, máy móc thay thế con người khiến khối lượng công việc ban đầu nhỏ lại

but they also complement human beings,

nhưng chúng cũng bổ trợ cho con người,

and the lump of work gets bigger and changes.

nên khối lượng việc lớn hơn và thay đổi.

But LOLFF.

Thế nhưng LOLFF.

Here's the mistake:

Sai lầm chính là đây:

it's right to think that technological progress

Tư duy cho rằng tiến bộ công nghệ

makes the lump of work to be done bigger.

khiến việc được hoàn tất nhiều hơn là đúng

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

Giờ đây nhiệm vụ trở nên giá trị hơn. Nhiệm vụ mới cần được làm.

But it's wrong to think that necessarily,

Nhưng tư duy rằng con người sẽ là tốt nhất

human beings will be best placed to perform those tasks.

để thực hiện những nhiệm vụ đó là sai.

And this is the superiority myth.

Và đây là lầm tưởng về sự ưu việt.

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

Đúng vậy, khối lượng công việc có thể trở nên lớn hơn,

but as machines become more capable,

nhưng máy móc cũng trở nên năng lực hơn,

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

Nhiều khả năng chúng sẽ tự lấy thêm phần công việc khác.

Technological progress, rather than complement human beings,

Tiến bộ công nghệ, thay vì bổ trợ con người,

complements machines instead.

thay vào đó sẽ bổ trợ cho máy móc.

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

Để hiểu điều này, quay lại việc lái một chiếc xe.

Today, satnav systems directly complement human beings.

Ngày nay, hệ thống định vị vệ tinh bổ trợ con người một cách trực tiếp.

They make some human beings better drivers.

Chúng làm cho một số người thành tài xế tốt hơn.

But in the future,

Nhưng trong tương lai,

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

phần mềm sẽ thay thế con người ở ghế lái,

and these satnav systems, rather than complement human beings,

và những hệ thống định vị vệ tinh, thay vì bổ trợ con người,

will simply make these driverless cars more efficient,

sẽ đơn giản làm cho xe tự lái hiệu quả hơn,

helping the machines instead.

giúp máy móc hiệu quả hơn.

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

Hoặc xét đến những bổ trợ gián tiếp mà tôi đã từng đề cập.

The economic pie may get larger,

Miếng bánh kinh tế trở nên lớn hơn,

but as machines become more capable,

khi máy móc trở nên có năng lực hơn,

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

Có khả năng những nhu cầu mới ở những loại hàng hoá mà máy móc,

rather than human beings, are best placed to produce.

sản xuất tốt hơn con người.

The economic pie may change,

Miếng bánh kinh tế sẽ thay đổi,

but as machines become more capable,

khi máy móc trở nên có năng lực hơn,

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

chúng sẽ có khả năng làm nhiệm vụ mới hơn những gì chúng phải bị bắt phải làm.

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

Nói ngắn gọn, nhu cầu cho những công việc không cần sức lao động con người.

Human beings only stand to benefit

Con người chỉ cần đứng đó để hưởng lợi,

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

nếu họ nắm được ưu thế trong tất cả những công việc được bổ trợ này,

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

nhưng máy móc cũng trở nên năng lực hơn, do đó điều này ít khả năng xảy ra hơn.

So what do these three myths tell us then?

Vậy ba sự lầm tưởng này nói lên điều gì?

Well, resolving the Terminator myth

Giải quyết sự lầm tưởng Kẻ huỷ diệt

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

cho ta thấy tương lai của công việc phụ thuộc vào cân bằng giữa hai sức mạnh:

one, machine substitution that harms workers

một là sự thay thế của máy móc ảnh hưởng đến người lao động

but also those complementarities that do the opposite.

nhưng cũng có những sự bổ trợ ngược lại.

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

Cho đến hiện nay, sự cân bằng này đã nghiêng về phía con người.

But resolving the intelligence myth

Nhưng giải quyết lầm tưởng

shows us that that first force, machine substitution,

về sự thông minh cho ta thấy sức mạnh đầu tiên,

is gathering strength.

là máy móc đang mạnh dần.

Machines, of course, can't do everything,

Đương nhiên máy móc không thể làm mọi thứ

but they can do far more,

chúng có thể làm nhiều hơn

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

lấn sâu vào những lĩnh vực công việc được thực hiện bởi con người.

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

Còn gì hơn nữa, không có lý gì để nghĩ

that what human beings are currently capable of

rằng những gì con người đang có khả năng làm

represents any sort of finishing line,

đại diện cho bất kỳ một loại đích đến,

that machines are going to draw to a polite stop

mà máy móc chuẩn bị vẽ một đường vạch ngăn lại

once they're as capable as us.

một khi chúng có khả năng như chúng ta

Now, none of this matters

Ngay bây giờ, không có vấn đề gì

so long as those helpful winds of complementarity

miễn là những sự bổ trợ hữu ích đó

blow firmly enough,

đủ chắc chắn,

but resolving the superiority myth

nhưng giải quyết lầm tưởng về sự ưu việt

shows us that that process of task encroachment

cho chúng ta thấy sự tiến bộ của việc giành lấy công việc

not only strengthens the force of machine substitution,

không chỉ tăng thêm sức mạnh của việc thay thế bằng máy móc

but it wears down those helpful complementarities too.

mà còn làm yếu đi những sự bổ trợ hữu ích.

Bring these three myths together

Đem ba sự lầm tưởng này lại với nhau

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

và tôi nghĩ chúng ta có thể hiểu được một tương lai khó khăn.

Machines continue to become more capable,

Máy móc tiếp tục trở nên có năng lực hơn,

encroaching ever deeper on tasks performed by human beings,

lấn sâu hơn vào công việc được thực hiện bởi con người,

strengthening the force of machine substitution,

tăng sức mạnh cho việc thay thế con người bằng máy móc,

weakening the force of machine complementarity.

và làm suy yếu đi phần mà nó bổ trợ.

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

Và tại vài điểm, sự cân bằng đó lại nghiêng về phía máy móc

rather than human beings.

hơn là con người.

This is the path we're currently on.

Đây là con đường mà ta đang đi.

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

Tôi nói "con đường" chậm rãi, vì tôi không nghĩ là ta đã ở đó,

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

nhưng khó để tránh một kết cục rằng đó là phía mà ta đang hướng đến.

That's the troubling part.

Đó là phần khó khăn.

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

Để tôi giải thích thực tế vì sao đây là một vấn đề tốt cần có.

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

Trong phần lớn lịch sử con người, có một vấn đề kinh tế nổi cộm:

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

làm thế nào để tạo ra miếng bánh kinh tế đủ lớn cho tất cả mọi người.

Go back to the turn of the first century AD,

Quay lại thế kỷ thứ nhất sau Công Nguyên,

and if you took the global economic pie

nếu bạn lấy miếng bánh kinh tế toàn cầu

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

và chia đều cho tất cả mọi người trên thế giới,

everyone would get a few hundred dollars.

mỗi người sẽ nhận được vài trăm đô la.

Almost everyone lived on or around the poverty line.

Hầu hết mọi người đều sống trên hoặc quanh mức nghèo.

And if you roll forward a thousand years,

Và nếu bạn đi tới một nghìn năm sau,

roughly the same is true.

điều tương tự y như vậy.

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

Nhưng trong vài trăm năm gần đây, tốc độ phát triển kinh tế đã cất cánh.

Those economic pies have exploded in size.

Những miếng bánh kinh tế đó đã bùng nổ về kích cỡ.

Global GDP per head,

Tổng sản phẩm đầu người toàn cầu,

the value of those individual slices of the pie today,

giá trị từng mẩu bánh riêng lẻ ngày nay,

they're about 10,150 dollars.

cũng sấp sỉ 10.150 đô la.

If economic growth continues at two percent,

Nếu tốc độ phát triển kinh tế tiếp tục giữ ở mức 2% thì

our children will be twice as rich as us.

con cái chúng ta sẽ giàu gấp đôi chúng ta.

If it continues at a more measly one percent,

Nếu nó tiếp tục tăng ở mức hơn 1% thì,

our grandchildren will be twice as rich as us.

cháu chúng ta sẽ giàu gấp đôi chúng ta.

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

Nhìn chung, chúng ta đã giải được vấn đề kinh tế truyền thống đó.

Now, technological unemployment, if it does happen,

Bây giờ, vấn đề thất nghiệp do công nghệ, nếu nó xảy ra,

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

sẽ là một hội chứng của thành công theo cách kì lạ nhất,

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

sẽ giải quyết được vấn đề -- làm cho miếng bánh to hơn --

but replaced it with another --

theo cách thay thế nó bằng miếng khác

how to make sure that everyone gets a slice.

thì làm thế nào đảm bảo rằng ai cũng được một phần.

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

Theo một nhà kinh tế học từng nói, giải quyết vấn đề này không đơn giản.

Today, for most people,

Ngày nay, với đa số mọi người,

their job is their seat at the economic dinner table,

công việc như một chỗ ngồi trong bàn ăn kinh tế,

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

trong thế giới ít hoặc thậm chí không có việc làm

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

không rõ là họ sẽ có miếng bánh thế nào.

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

Ví dụ như có nhiều cuộc thảo luận,

about various forms of universal basic income

về những dạng khác nhau của thu nhập cơ bản chung

as one possible approach,

như cách tiếp cận khả dĩ,

and there's trials underway

và có những thử nghiệm đang xảy ra

in the United States and in Finland and in Kenya.

ở nước Mỹ, Phần Lan và Kenya.

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

Và đây là thử thách chung ngay trước mắt chúng ta,

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

để tìm ra cách mà sự phồn vinh vật chất được sinh ra bởi hệ thống kinh tế

can be enjoyed by everyone

có thể được tận hưởng bởi mọi người

in a world in which our traditional mechanism

trong một thế giới mà những cơ chế truyền thống

for slicing up the pie,

của việc chia miếng bánh,

the work that people do,

việc mà chúng ta làm,

withers away and perhaps disappears.

tàn lụi và có lẽ là biến mất.

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

Giải quyết vấn đề này buộc chúng ta phải suy nghĩ theo rất nhiều cách khác nhau.

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

Sẽ có rất nhiều sự phản đối về việc điều gì nên làm,

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

nhưng điều quan trọng cần nhớ là đây là một vấn đề tốt hơn nhiều

than the one that haunted our ancestors for centuries:

so với nỗi ám ảnh của tổ tiên chúng ta trong hàng thế kỷ:

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

làm cách nào để cái bánh đủ lớn ngay từ đầu.

Thank you very much.

Cám ơn rất nhiều.

(Applause)

(Vỗ tay)