Това е моята племенница. Името ѝ е Яли. Тя е на девет месеца. Майка ѝ е лекар, а баща ѝ - адвокат. Когато Яли отиде в колеж, професиите на родителите ѝ ще изглеждат коренно различни. През 2013 г. учени от Оксфордския университет направиха проучване върху бъдещето на професиите.
So this is my niece. Her name is Yahli. She is nine months old. Her mum is a doctor, and her dad is a lawyer. By the time Yahli goes to college, the jobs her parents do are going to look dramatically different.
Те направиха заключението, че почти една от всеки две професии има висок риск да бъде автоматизирана от машини. Машинното самообучение е техническата наука, която е отговорна най-вече за този разрив. Тя е най-мощният отрасъл на изкуствения интелект. Позволява на машините да се учат от данни и да наподобяват напълно някои от нещата, които хората правят. Моята компания, Кагъл, функционира на пронизващия ръб на машинното самообучение. Ние събираме заедно стотици хиляди експерти, за да решаваме важни проблеми за индустрията и академичните среди. Това ни дава уникалната перспектива за това какво машините могат да правят и какво не могат и кои професии те могат да автоматизират или заплашат. Машинното самообучение е започнало да проправя пътя си в индустрията в началото на 90-те.
In 2013, researchers at Oxford University did a study on the future of work. They concluded that almost one in every two jobs have a high risk of being automated by machines. Machine learning is the technology that's responsible for most of this disruption. It's the most powerful branch of artificial intelligence. It allows machines to learn from data and mimic some of the things that humans can do. My company, Kaggle, operates on the cutting edge of machine learning. We bring together hundreds of thousands of experts to solve important problems for industry and academia. This gives us a unique perspective on what machines can do, what they can't do and what jobs they might automate or threaten.
То е започнало с относително прости задачи като оценяване на кредитния риск от молбите за заем и разпределяне на пощата чрез четене на ръкописни букви от пощенски кодове. През изминалите няколко години ние направихме много важни научни открития. Машинното самообучение сега е способно на далеч по-сложни задачи. През 2012 г. Кагъл предизвика своята общност да състави алгоритъм, който да може да оценява есета на ученици в гимназиален етап. Печелившите алгоритми съвпаднаха с оценките, дадени от хора преподаватели. Миналата година ние издадохме дори по-трудно предизвикателство. Може ли да вземете снимки на окото и да диагностицирате болест, наречена диабетна ретинопатия? Печелившите алгоритми отново съвпаднаха с диагнозите, дадени от хора офталмолози. Снабдени с правилните данни, машините ще заменят хората
Machine learning started making its way into industry in the early '90s. It started with relatively simple tasks. It started with things like assessing credit risk from loan applications, sorting the mail by reading handwritten characters from zip codes. Over the past few years, we have made dramatic breakthroughs. Machine learning is now capable of far, far more complex tasks. In 2012, Kaggle challenged its community to build an algorithm that could grade high-school essays. The winning algorithms were able to match the grades given by human teachers. Last year, we issued an even more difficult challenge. Can you take images of the eye and diagnose an eye disease called diabetic retinopathy? Again, the winning algorithms were able to match the diagnoses given by human ophthalmologists.
в такива задачи. Един учител може да прочете 10,000 есета в рамките на 40-годишна кариера. Един офталмолог може да прегледа 50,000 очи. А една машина може да прочете милион есета или да прегледа милион очи за по-малко от минути. Ние нямаме шанс да се съревноваваме срещу машините на често срещани задачи с голям обем информация. Но има неща, които ние можем да правим, а машините не могат.
Now, given the right data, machines are going to outperform humans at tasks like this. A teacher might read 10,000 essays over a 40-year career. An ophthalmologist might see 50,000 eyes. A machine can read millions of essays or see millions of eyes within minutes. We have no chance of competing against machines on frequent, high-volume tasks.
Машините са направили много малък прогрес в справянето с непознати досега за тях ситуации. Те не могат да боравят с неща, които не са виждали много пъти преди това. Основното ограничение на машинното самообучение е, че машините трябва да се учат от голямо количество изтекли данни. А ние, хората, не трябва. Ние имаме способността да свързваме привидно коренно различни идеи, за да намираме решение на проблеми, които преди никога не сме виждали. Пърси Спенсър е бил физик, който работел върху радар по време на Втората световна война,
But there are things we can do that machines can't do. Where machines have made very little progress is in tackling novel situations. They can't handle things they haven't seen many times before. The fundamental limitations of machine learning is that it needs to learn from large volumes of past data. Now, humans don't. We have the ability to connect seemingly disparate threads to solve problems we've never seen before.
когато забелязал, че магнетронът е стопил неговото шоколадово блокче. Пърси е бил способен да асоциира своето разбиране от електромагнетична радиация със своите умения по готвене, за да изобрети - някакви предположения? - микровълновата фурна. Това сега е особено забележителен пример за креативност.
Percy Spencer was a physicist working on radar during World War II, when he noticed the magnetron was melting his chocolate bar. He was able to connect his understanding of electromagnetic radiation with his knowledge of cooking in order to invent -- any guesses? -- the microwave oven.
Но този начин на "кръстосано опрашване" се случва на всеки от нас хиляди пъти на ден. Машините не могат да се съревновават с нас, когато става дума за справяне с непознати досега за тях ситуации, и това поставя фундаментален лимит на човешките задачи, които машините ще автоматизират. Та какво означава това за бъдещето на професиите?
Now, this is a particularly remarkable example of creativity. But this sort of cross-pollination happens for each of us in small ways thousands of times per day. Machines cannot compete with us when it comes to tackling novel situations, and this puts a fundamental limit on the human tasks that machines will automate.
Бъдещото състояние на всяка една професия лежи в отговора на един прост въпрос: До каква степен тази професия е съкратима до често срещани задачи с голям обем информация и до каква степен включва справяне с непознати досега ситуации? При често срещани задачи с голям обем информация машините стават умни и все по-умни. Днес те оценяват есета и диагностицират определени болести. През следващите години те ще водят нашите одити и ще четат шаблони от законни договори. Счетоводители и адвокати са все още необходими. Те ще са нужни за сложно структуриране на данъци, за промяна на посоката на съдебния процес. Но машините ще намалят техния ранг и ще направят тези работи по-трудни за намиране. Сега, както споменах,
So what does this mean for the future of work? The future state of any single job lies in the answer to a single question: To what extent is that job reducible to frequent, high-volume tasks, and to what extent does it involve tackling novel situations? On frequent, high-volume tasks, machines are getting smarter and smarter. Today they grade essays. They diagnose certain diseases. Over coming years, they're going to conduct our audits, and they're going to read boilerplate from legal contracts. Accountants and lawyers are still needed. They're going to be needed for complex tax structuring, for pathbreaking litigation. But machines will shrink their ranks and make these jobs harder to come by.
машините не правят прогрес в непознати досега за тях ситуации. Копието зад маркетингова кампания трябва да привлече вниманието на потребителите. То трябва да се забелязва лесно от тълпата. Бизнес стратегия означава да намериш пролуки на пазара, неща, които никой друг не прави. Хората ще бъдат тези, които ще създадат копието зад нашите маркетингови капмании и те ще бъдат тези, които ще развият нашата бизнес стратегия. Така че, Яли, каквото и да решиш да правиш,
Now, as mentioned, machines are not making progress on novel situations. The copy behind a marketing campaign needs to grab consumers' attention. It has to stand out from the crowd. Business strategy means finding gaps in the market, things that nobody else is doing. It will be humans that are creating the copy behind our marketing campaigns, and it will be humans that are developing our business strategy.
остави всеки ден да ти носи ново предизвикателство. По този начин ти ще изпревариш машините. Благодаря.
So Yahli, whatever you decide to do, let every day bring you a new challenge. If it does, then you will stay ahead of the machines. Thank you.
(Аплодисменти)
(Applause)