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.
See on mu nõbu. Tema nimi on Yahli. Ta on 9-kuune. Tema ema on arst ja isa advokaat. Selleks ajaks, kui Yahli läheb ülikooli, on tööd, mida teevad tema vanemad, hoopis teistsugused.
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.
2013. aastal uurisid Oxfordi ülikooli teadlased tuleviku ameteid. Uuringust selgus, et iga teine töökoht on suure tõenäosusega võetud üle masinate poolt. Masinõpe on tehnoloogia, mis on selle murrangulise muudatuse taga. Tegu on tehisintellekti kõige võimsama haruga, mis võimaldab masinatel andmetest õppida ja imiteerida mitmeid inimese tegevusi. Minu firma, Kaggle, tegevus põhineb masinõppe kõige uuemal tehnoloogial. Kaasame sadu tuhandeid eksperte et leida lahendusi tööstuse ja teaduse olulistele teemadele. Seeläbi saame erakordselt hea pildi, milleks masinad on võimelised ja milleks nad ei ole võimelised, ja milliseid töid võivad masinad üle võtta või kasutuks kuulutada.
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.
Masinõpe hakkas esile kerkima 1990ndatel. Alguses tegeleti suhteliselt lihtsate ülesannetega. Esimeste tööde hulgas oli näiteks laenutaotluste krediidiriski hindamine ja postisaadetiste sorteerimine käsitsikirjutatud suunanumbrite järgi. Järgnevate aastate jooksul on aga toimunud erakordselt võimas edasiminek. Masinõpe on praeguseks võimeline olulisemalt keerukamateks ülesanneteks. 2012. esitas Kaggle erialaringkondadele väljakutse koostada programm, mis suudaks hinnata keskkooli kirjandeid. Kõige edukamad programmid suutsid anda samu hindeid, mida andsid päris õpetajad. Eelmisel aastal kuulutasime välja veelgi keerukama ülesande: teha silmast ülesvõtteid, et diagnoosida silmahaigust, mille nimi on diabeetiline retinopaatia. Taas juhtus, et parimad programmid suutsid panna sama diagnoosi kui päris oftalmoloogid.
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.
On selge, et kui on olemas õiged andmed, suudavad masinad tulevikus selliste ülesannete puhul inimesest mööda minna. Õpetaja võib lugeda 40-aastase karjääri jooksul 10 000 esseed. Oftalmoloog võib vaadata 50 000 silma. Masin suudab aga lugeda miljoneid esseesid ja vaadata miljoneid silmi vaid mõne minuti jooksul. Meil ei ole mingit võimalust masinatega võistelda suuri mahte ja korduvaid tegevusi hõlmavate ülesannete puhul.
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.
Siiski on asju, mida inimene suudab, aga masin mitte. Üks valdkondi, kus arvutid pole erilist edu saavutanud on näiteks uudsete olukordadega toimetulek. Masinad ei oska teha midagi, mida nad ei ole varem korduvalt näinud. Masinõppe põhimõtteline piiratus seisneb selles, et ta suudab õppida juba olemasoleva suure andmehulga põhjal. Inimestel selline piirang puudub. Meil suudame viia kokku esmapilgul täiesti erinevaid asju, et lahendada probleeme, millega pole varem kokku puutunud.
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.
Füüsik Percy Spencer töötas II maailmasõja ajal radarite alal ja ta märkas, et magnetron oli sulatanud üles ta šokolaaditahvli. Ta oskas viia kokku oma teadmised elektromagneetilisest kiirgusest ja teadmised toiduvalmistamisest, ja leiutas - kes arvab ära?
Mikrolaineahju.
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.
See oli nüüd üks eredamaid näiteid loovast lähenemisest, aga seda tüüpi risttolmlemist juhtub väiksemas plaanis meie kõigiga tuhandeid kordi päevas. Masinatest pole meile vastast, kui tegu on uute olukordadega ja see seab põhimõttelise piirangu, kuhu maale suudavad masinad inimese töö ülevõtmisel jõuda.
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.
Mida see aga tähendab töö tuleviku kontekstis? Iga konkreetse töö tuleviku võti peitub vastuses ühele küsimusele: Kuivõrd kujutab see töö endast korduvaid suuremahulisi tegevusi ja kui palju on selles töös vaja tegeleda uudsete olukordadega? Korduvate mahukate ülesannete puhul täiustatakse arvuteid pidevalt. Täna suudavad nad kirjandeid hinnata ja haigusi diagnoosida, lähiaastatel hakkavad nad läbiviima auditeid ja lugema juriidiliste lepingute tüüptingimusi. Raamatupidajaid ja juriste on aga endiselt vaja keerukate maksuküsimuste lahendamiseks ja uute õigusaktide väljatöötamiseks. Siiski vähendavad uued arvutid ka nende töötajate hulka ja sellist tööd on raskem leida.
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.
Nagu ütlesin, ei ole arvutid osavad uudsetes olukordades. Turunduskampaania idee peab suutma haarata tarbija tähelepanu. See peab teistest eristuma. Äristrateegia toimib, kui ta vastab turu vajadustele, ja pakub midagi, mida keegi teine ei paku. Endiselt on inimesed need, kes mõtlevad välja turunduskampaaniaid, inimesed on jätkuvalt ka meie äristrateegia väljatöötajateks.
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.
Nii et Yahli, kelleks sa ka ei otsusta saada, vaata, et iga päev tooks sulle uusi väljakutseid. Kui see nii läheb, oled sa alati masinatest ees.
Thank you.
Aitäh!
(Applause)
(Aplaus)