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.
Kjo është mbesa ime. Quhet Yahli. Ajo është nëntë muajshe. Nëna e saj është mjeke, ndërsa i ati jurist. Kur Yhali të shkojë në universitet, punët që bëjnë prindërit e saj do të duken dramatikisht ndryshe.
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.
Në 2013, kërkues nga Universiteti i Oxford kryen një studim mbi të ardhmen e punës. Ata dolën në përfundimin se, pothuajse një në ҫdo dy punë ka rrezik të lartë të automatizohet nga makinat. Mësimi automatik është teknologjia përgjegjese kryesisht për këtë ndërhyrje. Është dega më e fuqishme e inteligjencës artificiale. I lejon makinat të mësojnë nga të dhënat dhe imitojnë disa gjëra që njerzit s'munden. Kompania ime, Kaggle, operon në pararojën e të mësuarit automatik. Ne kemi bashkuar qindra e mijra ekspertë për të zgjidhur probleme të rëndësishme industriale dhe akademike. Kjo na jep një perspektivë unike mbi atë që mund të bëjnë makinat, ҫfarë nuk mund të bëjnë dhe cilat punë mund t'i automatizojnë apo kërcënojnë.
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.
Të mësuarit nga makinat filloi në industri në fillim të viteve 90. Filloi me detyra relativisht të thjeshta. Filloi me gjëra të tilla si matja e riskut të kredive në aplikimet për hua, Klasifikimi i postës duke lexuar gërmat e shkrimit të dorës nga kodet postale. Gjatë këtyre viteve që kanë kaluar, kemi bërë depërtime dramatike. Të mësuarit nga makinat është tashmë në gjendje për punë mjaft më komplekse. Në 2012, Kaggle e sfidoi komunitetin e vet të ndërtojë algoritme, që tu vendosin nota esseve të shkollës së mesme. Algoritmet fitues ishin të aftë t'i barazonin notat me notat e mësuesve njerëz. Vitin e kaluar, ne lanҫuam një sfidë akoma më të vështirë. A mund të merrni imazhe të syrit dhe të diagnostikoni sëmundjen e quajtur retinopatia diabetike? Përsëri, algoritmet fitues ishin të aftë t'i barazonin diagnozat me ato që vendosën Ophthalamologët njerëz.
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.
Tani, me të dhënat e duhura, makinat do t'i tejkalojnë njerzit në punë të tilla. Një mësues mund të lexojë 10,000 esse gjatë një karriere 40 vjeҫare. Një ophthalamolog mund të shikojë 50,000 sy. Një makinë mund të lexojë miliona esse apo të shikojë miliona sy brënda disa minutash. Ne nuk kemi shanse në konkurimin kundër makinave në punë frekuente dhe me volum të larte.
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.
Por ka disa gjëra që ne mund t'i bëjmë dhe makinat nuk munden. Fusha ku makinat kanë bërë shumë pak progres është në trajtimin e situatave të reja. Ato nuk mund të përballen me gjëra që nuk i kanë parë disa herë më parë. Limitimi kryesor i të mësuarit të makinave është se ju duhet të mësojnë nga një volum i madh të dhënash të mëparshme. Ndërsa njerzit, jo. Ne kemi aftësinë të lidhim tema në dukje të ndryshme të zgjidhim probleme që s'i kemi hasur më pare.
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.
Percy Spencer ish një fizikant që punonte me radarët gjatë Luftë së II Botërore, kur vuri re se magnetroni qe duke i shkrirë ҫokollatën e tij. Ai ishte i aftë të lidhte të kuptuarit e radiacionit elektromagnetik me njohuritë e tij të gatimit duke shpikur --e gjeni dot dot se ҫfarë?-- furrën me mikrovalë.
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.
Ky është veçanërisht një shembull i shquar i krijimtarisë. Por ky lloj kryqëzim-pllenimi ndodh te secili prej nesh në mënyra të vogla mijëra herë në ditë. Makinat nuk na konkurojnë dot kur bëhet fjalë për trajtimin e situatave të reja, dhe kjo vendos një limit thelbësor në detyrat e njeriut që do të automatizojnë makinat.
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.
Pra ҫfarë nënkupton kjo për të ardhmen e punës? Situata e ardhshme e ҫfarëdo pune gjendet në përgjigjen e një pyetje të vetme: Në ҫ'shkalle është e reduktueshme ajo punë, në detyra frekuente dhe me volum, dhe në ҫfarë shkalle përfshin trajtimin e situatave të reja? Në detyra frekuente, me volum të lartë makinat po bëhen gjithmonë e më të menҫura Sot ato u japin nota esseve. Diagnostikojnë disa sëmundje. Në vitet që në vijim, ato do të kryejnë auditimin tonë, dhe do të lexojnë boilerplate nga kontratat ligjore. Llogaritarët e avokatët janë ende të nevojshëm. Ata do të duhen për strukturimin kompleks të taksave, për ҫështje gjyqësore pionere. Por makinat do tju tkurrin fushën e do t'i bëjnë këto punë të vështira për tu arrirë.
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.
Siҫ e përmenda, makinat nuk po bëjnë progres në situatat e reja. Kopja e një fushate marketingu duhet të tërheqë vëmendjen e konsumatorit. Duhet të dallojë mbi turmën. Strategji Biznesi nënkupton, të gjesh hapësira në treg, gjëra që s'është duke i bërë askush. Janë njerzit ata që po krijojnë kopjen e fushatave tona të marketingut, dhe do të jenë njerzit që do të zhvillojnë strategjinë tonë të biznesit.
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.
Pra Yahli, ҫfarëdo që të vendosësh të bësh, lejo ҫdo ditë të të sjelli një sfidë të re. Nëse e bën, atëherë do të qëndrosh përpara makinave.
Thank you.
Faleminderit.
(Applause)
(Duartrokitje)