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.
دیکھیے! یہ میری بھتیجی ہے۔ اس کا نام یہلی ہے۔ یہ نو مہینے کی ہے۔ اس کی امی ایک ڈاکٹر ہیں اور ابو وکیل ہیں۔ جب یہلی کے کالج جانے کا دور آئے گا، تو جو کام اس کے والدین اب کرتے ہیں، ان کی نوعیت ڈرامائی طور پر بدل جائے گی۔
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.
سن 2013 میں، آکسفورڈ یونیورسٹی کے تحقیق کاروں نے "کام کے مستقبل" کے بارے میں ایک مطالعہ کیا۔ انہوں نے اخذ کیا کہ ہر دو میں سے ایک پیشہ خودکار مشینوں کی وجہ سے بیت خطرے میں ہے۔ "مشین لرننگ" ایک ایسی ٹیکنالوجی ہے جو اس تبدیلی کا بڑا سبب ہے۔ یہ مصنوعی ذہانت کا انتہائی طاقتور شعبہ ہے۔ یہ مشینوں کو اعدادوشمار کے ذریعے سکھاتا ہے کہ وہ انسانوں کی طرح بہت سے کام کر سکیں۔ میری کمپنی، کیگل، مشین لرننگ کےاگلے محاذوں پہ کام کرتی ہے۔ ہم لاکھوں ماہرین کی مدد سے صنعت اور تعلیم کے اہم مسائل کوحل کرتے ہیں۔ اس سے ہمیں ایک انوکھا اندازِ نظر ملتا ہے کہ مشینیں کیا کر سکتی ہیں اور کیا نہیں۔ اور کن کاموں کو وہ خودکار یا ختم کر دیں گی۔
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.
شعبہ صنعت میں مشین لرننگ کا ظہور نوے کی دہائی کے آغاز میں ہوا۔ شروع میں اس نے چھوٹے چحوٹے کام کیے۔ مثلا قرضے کی درخواستوں میں سے رقم واپسی کے امکان کا اندازہ، اور ڈاک کے لفافوں پہ ہاتھ سے لکھے ہوئے ڈاکخانہ نمبر پڑھ کر۔ گزشتہ کچھ سالوں میں ہم نے بڑی کامیابیاں سمیٹی ہیں۔ مشین لرننگ اب بہت زیادہ پیچیدہ کام کر سکتی ہے۔ 2012 میں کیگل نے اپنے ماہرین کو ایسا الگرتھم بنانے کاچیلنج دیا کہ وہ ہائی سکول کے طلباء کےمضامین کی درجہ بندی کریں۔ جیتنے والے الگرتھم کے نتائج انسانی اساتذہ کے نتائج کی طرح کے تھے۔ پچھلے سال ہم نے اس سے بھی مشکل چیلنج دیا۔ کیا آپ آنکھ کی تصویر لے کر اس کی بیماری کی تشخیص کر سکتے ہیں جس کا نام زیابیطسی ریٹنوپیتھی ہے؟ اس بار بھی جیتنے والے الگرتھم کے نتائج انسانی ماہرِ چشم سے ملتے جلتے تھے۔
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.
اور اب تو ڈیٹا کی مدد سے مشینیں ایسے کاموں میں انسانوں سےاچھی کارکردگی دینے لگی ہیں۔ ایک استاد شاید اپنی چالیس سالہ پیشہ ورانہ زندگی میں 10,000 مضامین پڑھ سکے۔ اور آنکھوں کا ڈاکٹر شاید 50,000 آنکھیں دیکھ سکے۔ مگر ایک مشین چند منٹوں میں لاکھوں مضامین پڑھ سکتی ہے، یا لاکھوں آنکھوں کا معائنہ کر سکتی ہے۔ ہم کسی طور بھی بار بار کیے جانے والے ضخیم کاموں میں مشینوں کا مقابلہ نہیں کر سکتے۔
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.
مگر کچھ کام ایسے ہیں جو ہم کر سکتے ہیں مگر مشینیں نہیں۔ جن کاموں میں مشینوں نے کم ترقی کی ہے ان میں " نت نئی مشکلات کا سامنا کرنا" شامل ہیں۔ وہ ایسے مسئلے حل نہیں کر سکتیں، جو انہوں نے پہلے نہ دیکھے ہوں۔ مشین لرننگ کی بنیادی حدود یہ ہیں کہ انہیں سیکھنے کے لیے بہت بڑی تعداد میں ماضی کے اعداد و شمار چاہیں مگر، انسانوں کو نہیں۔ ہم میں صلاحیت ہے کہ ہم بظاہر بے تعلق دکھائی دینے والے تانے جوڑ کر نئے مسئلے حل کر لیتے ہیں۔
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.
دوسری جنگِ عظیم میں "پرسی سپینسر" نامی ماہرِ طبعیات ریڈار پر کام کر رہا تھا جب اس نے غور کیا کہ "میگنوٹرون" اس کی چاکلیٹ کو پگھلا رہا ہے۔ یوں وہ برقی-مقناطیسی شعاؤں کو سمجھنے کے قابل ہوا۔ اور اپنے کھانا پکانے کے تجربے سے وہ بھلا کیا ایجاد کرنے کے قابل ہوا؟ مائکرو ویو اوون۔۔!
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.
تو، یہ تخلیق کی انتہائی شاندار مثال ہے۔ مگر اس قسم کی کامیابی چھوٹے چھوٹے حصوں میں ہم سب کو روزانہ ہزاروں دفعہ ملتی ہے۔ مشین تب ہمارامقابلہ نہیں کرسکتیں جب نئے مسئلے سے نمٹنے کی بات آتی ہے اور اس وجہ سے ان کاموں کی حد بندی ہوتی ہے جو خود کار مشینیں کر سکتی ہوں۔
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.
تو "کام کے مستقبل" کے بارے میں کیا کہا جا سکتا ہے؟ کسی بھی پیشے کے مستقبل کا فیصلہ ایک سوال کا جواب کر سکتا ہے کہ یہ پیشہ کس حد تک بار بار کیے جانے والے ضخیم کاموں کا مجموعہ ہے اور اس میں کس حد تک نئے مسئلے حل کرنا پڑتے ہیں؟ بار بار کیے جانے والےضخیم کام کرنے میں مشینیں ہوشیار ہوتی جا رہی ہیں۔ آج کل وہ مضامین چیک کر لیتی ہیں اور کچھ امراض کی تشخیص کر سکتی ہیں۔ آنے والے سالوں میں وہ آڈٹ بھی کر سکیں گی اورقانونی معاہدوں میں عرضیاں بھی پڑھ سکیں گی۔ مگر اکاؤنٹنٹ اور وکلاء ابھی بھی چاہیں۔ وہ قانون سےمتصادم ہوتی کاروائیوں کے لیے پیچیدہ قسم کی ٹیکس سازی کر سکیں گے۔ لیکن مشینیں ان کے عہدوں کو تنگ کر کے ان کے لیے صرف مشکل کام چھوڑ دیں گی۔
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.
اب، جیسا کہ میں نے بیان کیا مشینیں نت نئے مسئلوں کو حل نہیں کر سکتیں۔ کسی بھی تشہیری مہم کا مقصد گاہک کی توجہ کھینچنا ہوتا ہے۔ اسے مجمع سے الگ دکھائی دینا ہوتا ہے۔ کاروباری پلان کا مطلب ہوتا ہے کہ منڈی میں خلا تلاش کیا جائے وہ کام، جو کوئی نہیں کر۔رہا۔ یہ انسان ہوں گے جو ہماری تشہیری مہم کا ڈھانچہ بنایا کریں گے۔ اور کاروباری پلان بھی انسان ہی بنایا کریں گے۔
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.
چنانچہ یہلی! تم جو بھی فیصلہ کرو، مگر اپنے آنے والے ہر دن میں ایک نیا ہدف قائم کرو۔ اگر ایسا ہو جائے تو تم مشینوں سے آگے رہو گی۔
Thank you.
شکریہ۔
(Applause)
(تالیاں)