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.
Энэ миний зээ дүү. Түүнийг Яали гэдэг. Тэр есөн сартай. Түүний ээж эмч, харин аав нь хуульч. Яалиг коллежид орох үед аав ээжийнх нь ажил мэргэжил эрс өөрчлөгдөж хувирсан байх болно.
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 онд Оксфордын их сургуулийн судлаачид ирээдүйн мэргэжлийн талаар судалжээ. Тэд 2 мэргэжлийн нэг нь бүрэн автоматжиж, машинаар гүйцэтгэх эрсдэлд орно гэсэн дүгнэлтэд хүрчээ. "Машин сургалт" хэмээх технологи ийм өөрчлөлтийг авчрах гол түлхүүр болох юм. Энэ бол хиймэл оюун ухааны судлалын хамгийн хүчтэй салбар. Машинууд тоон өгөгдлийн тусламжтайгаар хүмүүсийн зарим үйлдлийг дуурайх чадвартай болдог. Манай Каggle компани орчин үеийн машин сургалтын технологийг ашигладаг. Бид судалгааны болон аж үйлдвэрийн чухал асуудлыг шийдэхийн тулд олон мянган мэргэжилтнүүдтэй хамтран ажилладаг. Хамтын ажиллагааны үр дүнд бид машин юу хийж чадах, юуг чадахгүйг, мөн ямар ажлын байрыг автоматжуулж болохыг хэлж чадахаар болсон.
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.
Машин сургалтыг аж үйлдвэрийн салбарт анх 90-ээд оны эхээр ашиглаж эхэлсэн. Эхэндээ хялбар даалгавар гүйцэтгэдэг байв. Зээлийн эрсдэлийг зээлийн өргөдөл дээр тулгуурлан үнэлэх, гараар бичсэн бүсийн кодын дүрсийг танин, захиаг ангилах зэрэг ажлыг хийж эхэлсэн. Сүүлийн хэдэн жилд бид асар их шинэчлэлийг хийж чадсан. Одоо машин сургалт хамаагүй төвөгтэй даалгавруудыг гүйцэтгэх чадамжтай болсон. 2012 онд Kaggle компани ахлах сургуулийн сурагчдын эссeнд дүн тавьж чадах алгоритм зохиох уралдаан зарласан. Шалгарсан алгоритмын тавьсан дүн багш хүний тавьсан үнэлгээтэй адилхан байлаа. Өнгөрсөн жилийн уралдааны даалгавар бүр хэцүү байсан. Хүний нүдний зургийг шинжилж чихрийн шижингийн ретинопат гэх нүдний өвчнийг оношлох юм. Уралдаанд түрүүлсэн алгоритмын тавьсан онош нүдний эмч нарын оноштой таарч байв.
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.
Тоон өгөгдөл хангалттай байгаа цагт машин ийм даалгавар биелүүлэхдээ хүмүүсээс хавь илүү. Багш хүн 40 жил ажиллах хугацаандаа ойролцоогоор 10,000 эссe унших байх. Нүдний эмч 50,000 нүд үзэж магадгүй. Харин машин хэдхэн минутын дотор сая сая эссэ уншиж эсвэл сая сая нүд оношилж чадна. Өндөр давтамжтай, их хэмжээний өгөгдөлтэй даалгаврыг гүйцэтгэх тал дээр хүн машинтай өрсөлдөж чадахгүй.
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.
Гэхдээ бидний хийж чадах ч машинуудын хийж чадахгүй зүйлүүд бас бий. Цоо шинэ асуудлыг шийдэх тал дээр машинууд маш бага дэвшил гаргасан. Тэд өмнө нь тулгарч байгаагүй асуудлыг шийдэж чаддаггүй. Машин судлалын үндсэн дутагдал нь суралцахын тулд тэдэнд өмнөх үеийн өгөгдөл маш их хэмжээгээр хэрэг болдог. Харин энэ нь хүмүүст шаардлагагүй. Огт хамааралгүй мэт өгөгдлүүдийн уялдаа холбоог тогтоон шинэ асуудлыг шийдвэрлэх чадвар хүнд байдаг.
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.
Дэлхийн хоёрдугаар дайны үед радар дээр ажиллаж байсан физикч Перси Спенсер соронзон гэрлийн хажууд байсан шоколад хайлж буйг анзаарчээ. Тэрбээр цахилгаан соронзон цацрагийн талаарх мэдлэгээ хоолны мэдлэгтэйгээ холбож зохион бүтээсэн зүйл бол...Мэдэх үү? Богино долгионы зуух.
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.
Энэ бол бүтээлч сэтгэлгээний гайхалтай жишээ. Гэхдээ ийм төрлийн харилцан баяжуулалт бид бүхэнд бага хэмжээгээр ч гэсэн өдөрт мянга мянган удаа тохиолддог. Цоо шинэ асуудал шийдэх тал дээр машинууд бидэнтэй өрсөлдөж чадахгүй. Энэ нь ажлыг машинаар автоматжуулах үйл хэргийг хязгаарлах гол шалтгаан болж байна.
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.
Энэ бүхэн ирээдүйн ажил мэргэжилд яаж нөлөөлөх вэ? Ажил мэргэжил бүрийн ирээдүй доорх асуултын хариултаас хамаарна: Ажил дээр олон давтагддаг ажиллагаа ихтэй үйлдэл хэр их байдаг вэ? Мөн цоо шинэ асуудлыг шийдвэрлэх шаардлага хэр олон тохиолддог вэ? Олон давтамжтай, ажиллагаа ихтэй үйлдлийг хийх тусам машинууд улам ухаалаг болно. Өнөөдөр тэд эссe шалгаж, зарим нэг өвчнийг оношилж байна. Ойрын ирээдүйд машинууд хяналт, шалгалтын ажлыг хийж гүйцэтгэнэ. Мөн тэд стандарт гэрээг хянаж, хуулийн дүгнэлт гаргана. Нягтлан, хуульчийн хэрэгцээ байсаар байна. Тэд иж бүрэн татварын бүтцийн учрыг олж, шүүхээр маргаан шийдвэрлэхэд хэрэг болно. Гэсэн ч машинууд тэдний тоог цөөлж, эдгээр ажлын байрны олдцыг бууруулна.
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.
Түрүүн дурдсанчлан, машинууд цоо шинэ асуудал шийдэх тал дээр ахиц гаргахгүй байна. Маркетингийн сурталчилгаа бүр хэрэглэгчийн анхаарлыг татах хэрэгтэй. Бусдаас ялгарах хэрэгтэй. Бизнес стратеги гэдэг нь зах зээлд орон зайг олж, хэний ч хийгээгүйг хийхэд оршдог. Хүмүүс л маркетингийн кампанит ажлыг зохиож, хүмүүс л бизнесийн стратегийг боловсруулж чадна.
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.
Тэгэхээр Яали, чи юу ч хийхээр шийдсэн бай тэр зүйл чинь өдөр бүр чамд шинэ сорилтыг авч ирэх болтугай. Хэрвээ тэгж чадвал чи машинуудаас үргэлж урд алхах болно.
Thank you.
Баярлалаа.
(Applause)
(Алга ташилт)