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.
Đây là cháu tôi. Bé tên là Yahli. Bé được 9 tháng tuổi. Mẹ bé là bác sỹ, và bố bé là luật sư. Đến lúc Yahli học đại học, nghề nghiệp bố mẹ cháu làm sẽ thay đổi rất đáng kể.
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.
Năm 2013, các nhà nghiên cứu ở ĐH Oxford đã nghiên cứu về tương lai của việc làm Họ kết luận rằng cứ 2 việc thì có 1 việc có rủi ro cao sẽ bị thay thế bởi máy móc. Học máy (machine learning) là công nghệ có trách nhiệm lớn trong sự thay đổi này. Nó là ngành có tác động mạnh nhất trong trí tuệ nhân tạo. Nó cho phép máy móc học từ dữ liệu và bắt chước một vài điều mà con người có thể làm Công ty của tôi, Kaggle, hoạt động dựa trên sự vượt trội của học máy. Chúng tôi tập hợp hàng trăm nghìn chuyên gia để giải quyết những vấn đề quan trọng cho công nghiệp và học viện Nó cho chúng tôi một góc nhìn độc đáo về điều máy tính có thể làm và không thể làm và những công việc có thể bị tự động hóa và bị đe dọa
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.
Học máy bắt đầu xâm nhập ngành công nghiệp những năm đầu thập niên 90 Nó bắt đầu với những việc đơn giản. Những việc như đánh giá rủi ro tín dụng của các đơn xin vay vốn sắp xếp hộp thư bằng cách đọc các ký tự viết tay từ mã bưu điện. Vài năm qua, chúng ta đã có những bước nhảy vượt bậc Học máy giờ có khả năng xử lý những việc cực kì phức tạp Năm 2012, Kraggle đã thử thách cộng đồng tạo ra một thuật toán biết chấm điểm các bài luận cấp 3. Thuật toán thắng cuộc đã chấm điểm được như điểm của thầy cô giáo. Năm ngoái, chúng tôi đưa ra một thử thách còn khó hơn. Qua các bức ảnh về mắt, bạn có thể chẩn đoán một bệnh về mắt tên là võng mạc tiểu đường? Một lần nữa, thuật toán thắng cuộc có chẩn đoán đúng như kết quả của bác sỹ khoa mắt.
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.
Nên với những dữ liệu thích hợp, máy móc sẽ làm tốt hơn cả con người trong những việc như vậy Một giáo viên có thể đọc 10 000 luận án trong sự nghiệp 40 năm. Một bác sỹ khoa mắt có thể khám 50 000 đôi mắt. Máy có thể đọc hàng triệu bài luận án hoặc khám hàng triệu đôi mắt trong vòng vài phút. Chúng ta không có cơ hội nào để chiến thắng máy móc ở những việc có khối lượng lớn và tần suất cao.
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.
Nhưng có những việc ta được nhưng máy móc thì không. Việc mà máy móc tiến bộ rất chậm là giải quyết những tình huống mới. Chúng không thể giải quyết những việc chưa từng gặp thường xuyên Những hạn chế cơ bản của máy học là nó cần phải học từ nguồn dữ liệu khổng lồ trước đó Con người thì không như vậy. Chúng ta có khả năng kết nối các sợi chỉ gần như không liên quan để giải quyết các vấn đề ta chưa gặp phải bao giờ.
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 là một nhà vật lý làm việc với radar trong thế chiến thứ 2, khi anh nhận thấy magnetron làm chảy thanh sôcôla của anh. Anh đã biết kết nối hiểu biết về sóng điện từ và những hiểu biết về nấu ăn để có thể phát minh -- đoán xem ? lò vi sóng.
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.
Đây là một ví dụ khá xuất sắc về sự sáng tạo Nhưng những sự thụ phấn này xảy ra với chúng ta từ những điều nhỏ hàng nghìn lần mỗi ngày. Máy móc không thể cạnh tranh trong việc giải quyết các tình huống mới, Và điều này đặt ra giới hạn cơ bản về những việc sẽ bị máy móc hóa
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.
Điều này có ý nghĩa gì với tương lai công việc ? Tương lai của bất cứ nghề nào nằm ở câu trả lời của một câu hỏi duy nhất: Công việc đó đơn giản, hay lặp lại và có khối lương lớn thế nào Và liên quan đến giải quyết các vấn đề mới như thế nào? Những công việc lặp lại với khối lương lớn máy móc sẽ ngày càng thành thạo Hôm nay chúng chấm điểm tiểu luận chẩn đoán một số bệnh Vài năm tiếp theo, chúng sẽ kiểm soát quản lý sổ sách chúng sẽ đọc các thủ tục trong các hợp đồng pháp lý Chúng ta vẫn cần kế toán và luật sư Họ sẽ thực hiện các các khoản thuế phức tạp các vụ kiện tụng mới Máy móc sẽ thu hẹp vai trò của họ và khiến khó kiếm được những việc trên
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.
Như đã đề cập Máy tính không thực hiện các tình huống mới Các bản thảo của các chiến dịch quảng cáo để thu hút ngươi tiêu dùng Cần phải khác biệt chiến lược kinh doanh là tìm kiếm các khoảng trống trên thị trường điều mà không một ai khác làm Chỉ có con người có thể tạo các bản thảo cho các chiến dịch quảng cáo và chỉ có con người có thể phát triển các chiến lược kinh doanh
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.
Nên Yahli cho dù quyết định của cháu là gì hãy đón nhận các thử thách hằng ngày Có như vậy, cháu mới có thể dẫn trước máy móc
Thank you.
Cảm ơn
(Applause)
(Vỗ tay)