Automation anxiety has been spreading lately, a fear that in the future, many jobs will be performed by machines rather than human beings, given the remarkable advances that are unfolding in artificial intelligence and robotics. What's clear is that there will be significant change. What's less clear is what that change will look like. My research suggests that the future is both troubling and exciting. The threat of technological unemployment is real, and yet it's a good problem to have. And to explain how I came to that conclusion, I want to confront three myths that I think are currently obscuring our vision of this automated future.
A ansiedade em relação à automatização tem-se espalhado ultimamente. Um medo de que, no futuro, muitos empregos sejam desempenhados por máquinas e não por seres humanos, dados os notáveis avanços em curso em inteligência artificial e robótica. É certo que haverá mudanças significativas. O que é menos claro é como será essa mudança. A minha pesquisa sugere que o futuro é preocupante e entusiasmante. O desemprego tecnológico é uma ameaça real. Ainda assim é um bom problema. Para explicar como cheguei a essa conclusão, quero confrontar três mitos que penso que estão a obscurecer a nossa visão do futuro automatizado.
A picture that we see on our television screens, in books, in films, in everyday commentary is one where an army of robots descends on the workplace with one goal in mind: to displace human beings from their work. And I call this the Terminator myth. Yes, machines displace human beings from particular tasks, but they don't just substitute for human beings. They also complement them in other tasks, making that work more valuable and more important. Sometimes they complement human beings directly, making them more productive or more efficient at a particular task. So a taxi driver can use a satnav system to navigate on unfamiliar roads. An architect can use computer-assisted design software to design bigger, more complicated buildings.
Uma imagem que vemos nos nossos televisores, em livros, filmes e comentários do dia-a-dia é a de um exército de robôs a chegar aos locais de trabalho com um objetivo em mente: retirar o trabalho aos seres humanos. A isto eu chamo o Mito do Exterminador. Sim, as máquinas afastam os humanos de determinadas tarefas, mas não se limitam a substituir os seres humanos, também os complementam noutras tarefas, tornando o trabalho mais valioso e mais importante. Por vezes, complementam os seres humanos de forma direta, tornando-os mais produtivos ou eficientes numa tarefa específica. Um motorista de táxi pode usar o GPS para conduzir por estradas desconhecidas. Um arquiteto pode usar "software" de "design" para projetar edifícios maiores e mais complicados.
But technological progress doesn't just complement human beings directly. It also complements them indirectly, and it does this in two ways. The first is if we think of the economy as a pie, technological progress makes the pie bigger. As productivity increases, incomes rise and demand grows. The British pie, for instance, is more than a hundred times the size it was 300 years ago. And so people displaced from tasks in the old pie could find tasks to do in the new pie instead. But technological progress doesn't just make the pie bigger. It also changes the ingredients in the pie. As time passes, people spend their income in different ways, changing how they spread it across existing goods, and developing tastes for entirely new goods, too. New industries are created, new tasks have to be done and that means often new roles have to be filled. So again, the British pie: 300 years ago, most people worked on farms, 150 years ago, in factories, and today, most people work in offices. And once again, people displaced from tasks in the old bit of pie could tumble into tasks in the new bit of pie instead.
O progresso tecnológico não complementa os seres humanos apenas de forma direta, também os complementa indiretamente, fazendo-o de duas maneiras. Em primeiro, se pensarmos na economia como uma tarte, o progresso tecnológico torna a tarte maior. À medida que a produtividade aumenta, o lucro sobe e a procura cresce. A tarte britânica, por exemplo, é mais de cem vezes maior do que há 300 anos. As pessoas afastadas de tarefas na antiga tarte encontraram tarefas na nova tarte. O progresso tecnológico não só torna a tarte maior, também muda os ingredientes da tarte. Com o passar do tempo, as pessoas gastam o dinheiro de forma diferente, mudando a forma como o dividem entre os bens existentes e desenvolvendo gostos por bens inteiramente novos. Criam-se novas indústrias. Aparecem novas tarefas. Quer dizer que é preciso preencher novas funções. Voltando à tarte britânica, há 300 anos, a maioria das pessoas trabalhava em quintas. Há 150 anos, em fábricas. Hoje, a maioria das pessoas trabalha em escritórios. Novamente, as pessoas afastadas de tarefas na velha tarte encontraram tarefas na nova tarte.
Economists call these effects complementarities, but really that's just a fancy word to capture the different way that technological progress helps human beings. Resolving this Terminator myth shows us that there are two forces at play: one, machine substitution that harms workers, but also these complementarities that do the opposite.
Os economistas designam estes efeitos de complementaridades, mas essa é apenas uma palavra cara para entender o modo diferente pelo qual o progresso tecnológico ajuda os seres humanos. Resolver o Mito do Exterminador mostra-nos que há duas forças em jogo. A primeira, a substituição por máquinas que prejudica os trabalhadores, mas também estas complementaridades que fazem o oposto.
Now the second myth, what I call the intelligence myth. What do the tasks of driving a car, making a medical diagnosis and identifying a bird at a fleeting glimpse have in common? Well, these are all tasks that until very recently, leading economists thought couldn't readily be automated. And yet today, all of these tasks can be automated. You know, all major car manufacturers have driverless car programs. There's countless systems out there that can diagnose medical problems. And there's even an app that can identify a bird at a fleeting glimpse.
Agora, o segundo mito, a que eu chamo Mito da Inteligência. O que é que há de comum entre conduzir um carro, fazer um diagnóstico médico e identificar um pássaro de imediato? Bem, todas são tarefas que, até há muito pouco tempo, os economistas de topo pensavam que não podiam ser automatizadas. Porém, hoje, todas estas tarefas podem ser automatizadas. Todos os maiores produtores de carros têm programas de condução autónoma. Há incontáveis sistemas que conseguem diagnosticar problemas médicos. Até há uma aplicação que identifica um pássaro de forma imediata.
Now, this wasn't simply a case of bad luck on the part of economists. They were wrong, and the reason why they were wrong is very important. They've fallen for the intelligence myth, the belief that machines have to copy the way that human beings think and reason in order to outperform them. When these economists were trying to figure out what tasks machines could not do, they imagined the only way to automate a task was to sit down with a human being, get them to explain to you how it was they performed a task, and then try and capture that explanation in a set of instructions for a machine to follow. This view was popular in artificial intelligence at one point, too. I know this because Richard Susskind, who is my dad and my coauthor, wrote his doctorate in the 1980s on artificial intelligence and the law at Oxford University, and he was part of the vanguard. And with a professor called Phillip Capper and a legal publisher called Butterworths, they produced the world's first commercially available artificial intelligence system in the law. This was the home screen design. He assures me this was a cool screen design at the time.
Isto não foi simplesmente um caso de má sorte dos economistas. Eles estavam errados e a razão para isso é muito importante. Eles foram enganados pelo Mito da Inteligência, a crença de que as máquinas têm de copiar a maneira como os seres humanos pensam e raciocinam de forma a superá-los. Quando estes economistas tentavam descobrir o que as máquinas não podiam fazer, pensaram que o modo de automatizar uma tarefa era sentar-se com um ser humano, saber como ele desempenha a tarefa e tentar entender essa explicação numa série de instruções para a máquina seguir. Esta visão foi a certa altura popular na inteligência artificial. Sei disto porque Richard Susskind, que é meu pai e meu coautor, escreveu a sua tese na década de 1980 sobre inteligência artificial e a lei, na universidade de Oxford. Ele fez parte da vanguarda. Com um professor chamado Phillip Capper e um editor legal chamado Butterworths, produziram o primeiro sistema de inteligência artificial na lei, disponível de forma comercial no mundo. Este era o "design" do ecrã inicial. Ele garante-me que era um "design" fixe para a altura.
(Laughter)
(Risos)
I've never been entirely convinced. He published it in the form of two floppy disks, at a time where floppy disks genuinely were floppy, and his approach was the same as the economists': sit down with a lawyer, get her to explain to you how it was she solved a legal problem, and then try and capture that explanation in a set of rules for a machine to follow. In economics, if human beings could explain themselves in this way, the tasks are called routine, and they could be automated. But if human beings can't explain themselves, the tasks are called non-routine, and they're thought to be out reach. Today, that routine-nonroutine distinction is widespread. Think how often you hear people say to you machines can only perform tasks that are predictable or repetitive, rules-based or well-defined. Those are all just different words for routine. And go back to those three cases that I mentioned at the start. Those are all classic cases of nonroutine tasks. Ask a doctor, for instance, how she makes a medical diagnosis, and she might be able to give you a few rules of thumb, but ultimately she'd struggle. She'd say it requires things like creativity and judgment and intuition. And these things are very difficult to articulate, and so it was thought these tasks would be very hard to automate. If a human being can't explain themselves, where on earth do we begin in writing a set of instructions for a machine to follow?
Nunca fiquei totalmente convencido. Ele publicou-o na forma de duas disquetes, numa altura em que as disquetes ainda eram realmente achatadas. A abordagem dele era a mesma da dos economistas. Falar com uma advogada, saber como ela resolvia um problema legal e tentar entender a explicação numa série de regras para uma máquina seguir. Na economia, se os seres humanos conseguissem explicar-se desta maneira, as tarefas seriam chamadas rotinas e poderiam ser automatizadas. Se os seres humanos não podem explicar-se a si mesmos, as tarefas não são rotinas e pensa-se estarem fora de alcance. Hoje, a distinção entre o que é e não é rotina é amplamente difundida. Pensem em quanto ouvem as pessoas dizer-vos que as máquinas só podem executar tarefas previsíveis ou repetitivas, baseadas em regras ou bem definidas. Todas essas são apenas diferentes palavras para rotina. Voltemos aos três casos que mencionei no início. Todos são casos de tarefas não rotineiras. Perguntem a uma doutora como ela faz um diagnóstico médico. Ela poderá ser capaz de dar-vos algumas regras básicas, mas, no fundo, terá dificuldades. Ela diria que requer criatividade, critério e intuição. Estas são coisas muito difíceis de articular. Então pensava-se que seriam muito difíceis de automatizar. Se um ser humano não consegue explicar-se a si mesmo, por onde começaremos a escrever uma série de instruções para uma máquina seguir?
Thirty years ago, this view was right, but today it's looking shaky, and in the future it's simply going to be wrong. Advances in processing power, in data storage capability and in algorithm design mean that this routine-nonroutine distinction is diminishingly useful.
Há 30 anos, esta visão estava certa, mas hoje parece instável e no futuro estará simplesmente errada. Avanços no processamento de energia, no armazenamento de dados e no "design" de algoritmos mostram que a distinção entre o que é ou não é rotina é cada vez menos útil.
To see this, go back to the case of making a medical diagnosis. Earlier in the year, a team of researchers at Stanford announced they'd developed a system which can tell you whether or not a freckle is cancerous as accurately as leading dermatologists. How does it work? It's not trying to copy the judgment or the intuition of a doctor. It knows or understands nothing about medicine at all. Instead, it's running a pattern recognition algorithm through 129,450 past cases, hunting for similarities between those cases and the particular lesion in question. It's performing these tasks in an unhuman way, based on the analysis of more possible cases than any doctor could hope to review in their lifetime. It didn't matter that that human being, that doctor, couldn't explain how she'd performed the task.
Como prova, voltemos ao caso do diagnóstico médico. Este ano, uma equipa de investigadores de Stanford anunciou que desenvolveu um sistema que pode dizer se um sinal é ou não é cancerígeno de forma tão exata como os melhores dermatologistas. Como funciona? Não tenta copiar o critério ou intuição de um médico. Não sabe e não entende nada sobre medicina. Em vez disso, opera um algoritmo de reconhecimento através de 129 450 casos anteriores que recolhe semelhanças entre os casos e a lesão específica em questão. Executa estas tarefas de forma não humana com base na análise de mais casos do que qualquer doutor poderia analisar na sua vida. Não interessou que aquele ser humano, aquela doutora, não pudesse explicar como executa a tarefa.
Now, there are those who dwell upon that the fact that these machines aren't built in our image. As an example, take IBM's Watson, the supercomputer that went on the US quiz show "Jeopardy!" in 2011, and it beat the two human champions at "Jeopardy!" The day after it won, The Wall Street Journal ran a piece by the philosopher John Searle with the title "Watson Doesn't Know It Won on 'Jeopardy!'" Right, and it's brilliant, and it's true. You know, Watson didn't let out a cry of excitement. It didn't call up its parents to say what a good job it had done. It didn't go down to the pub for a drink. This system wasn't trying to copy the way that those human contestants played, but it didn't matter. It still outperformed them.
Há aqueles que insistem que as máquinas não são criadas à nossa imagem. Tomemos como exemplo o Watson da IBM, o supercomputador que foi ao concurso americano "Jeopardy!" em 2011 e derrotou os dois campeões humanos. No dia seguinte à vitória, o The Wall Street Journal publicou um artigo do filósofo John Searle com o título "O Watson não sabe que ganhou o "Jeopardy!" É brilhante e é verdade. O Watson não chorou de entusiasmo. Não telefonou aos pais para dizer o bom trabalho que tinha feito. Não foi ao bar para uma bebida. Este sistema não estava a tentar copiar o modo como os concorrentes humanos jogam, mas isso não interessou. Superou-os.
Resolving the intelligence myth shows us that our limited understanding about human intelligence, about how we think and reason, is far less of a constraint on automation than it was in the past. What's more, as we've seen, when these machines perform tasks differently to human beings, there's no reason to think that what human beings are currently capable of doing represents any sort of summit in what these machines might be capable of doing in the future.
Resolver o mito da inteligência mostra que o entendimento limitado sobre a inteligência humana, sobre como pensamos e raciocinamos, é uma restrição muito menor para a automatização do que no passado. Mais ainda, como vimos, quando as máquinas executam tarefas de forma diferente da dos humanos, não há razão para pensar que o que os humanos são atualmente capazes de fazer representa qualquer auge do que estas máquinas serão capazes de fazer no futuro.
Now the third myth, what I call the superiority myth. It's often said that those who forget about the helpful side of technological progress, those complementarities from before, are committing something known as the lump of labor fallacy. Now, the problem is the lump of labor fallacy is itself a fallacy, and I call this the lump of labor fallacy fallacy, or LOLFF, for short. Let me explain. The lump of labor fallacy is a very old idea. It was a British economist, David Schloss, who gave it this name in 1892. He was puzzled to come across a dock worker who had begun to use a machine to make washers, the small metal discs that fasten on the end of screws. And this dock worker felt guilty for being more productive. Now, most of the time, we expect the opposite, that people feel guilty for being unproductive, you know, a little too much time on Facebook or Twitter at work. But this worker felt guilty for being more productive, and asked why, he said, "I know I'm doing wrong. I'm taking away the work of another man." In his mind, there was some fixed lump of work to be divided up between him and his pals, so that if he used this machine to do more, there'd be less left for his pals to do. Schloss saw the mistake. The lump of work wasn't fixed. As this worker used the machine and became more productive, the price of washers would fall, demand for washers would rise, more washers would have to be made, and there'd be more work for his pals to do. The lump of work would get bigger. Schloss called this "the lump of labor fallacy."
Agora o terceiro mito, a que eu chamo Mito da Superioridade. Diz-se frequentemente que aqueles que esquecem o lado útil do progresso tecnológico, as complementaridades de que falámos antes, estão a cometer algo chamado falácia da massa fixa de trabalho. O problema é que a falácia da massa fixa de trabalho é em si mesma uma falácia e eu chamo a isto a falácia da falácia da massa fixa de trabalho, ou FFMFT, para abreviar. Permitam-me explicar. Esta falácia é uma ideia muito antiga. Foi o economista britânico David Schloss que lhe deu este nome em 1892. Ele ficou intrigado ao encontrar um trabalhador na doca que começara a usar uma máquina para fazer anilhas, os pequenos discos de metal que fixam as pontas dos parafusos. Este trabalhador da doca sentia-se culpado por ser mais produtivo. Hoje, por norma, esperamos que as pessoas sintam culpa por serem improdutivas, por passarem tempo a mais no Facebook ou no Twitter, no trabalho. Este homem sentia-se culpado por ser mais produtivo. Quanto à razão, disse: "Sei que estou a errar." "Estou a tirar o trabalho a outro homem." Na mente dele, havia uma massa fixa de trabalho para ser dividido entre ele e os colegas. Se ele usasse a máquina para fazer mais, haveria menos para os colegas fazerem. Schloss viu o erro. A massa fixa de trabalho não era fixa. Quando este trabalhador se tornava mais produtivo, o preço das anilhas diminuiria, a procura por elas aumentaria, e seria preciso fazer mais anilhas. Haveria mais trabalho para os colegas. A massa fixa de trabalho aumentaria. Schloss chamou-lhe "falácia da massa fixa de trabalho".
And today you hear people talk about the lump of labor fallacy to think about the future of all types of work. There's no fixed lump of work out there to be divided up between people and machines. Yes, machines substitute for human beings, making the original lump of work smaller, but they also complement human beings, and the lump of work gets bigger and changes.
Hoje ouvimos pessoas a falar da falácia da massa fixa de trabalho para pensar no futuro de todos os tipos de trabalho. Não há uma massa fixa de trabalho para ser dividida entre pessoas e máquinas. Sim, as máquinas substituem os seres humanos e diminuem a massa fixa original de trabalho, mas também complementam os seres humanos e a massa fixa de trabalho aumenta e muda.
But LOLFF. Here's the mistake: it's right to think that technological progress makes the lump of work to be done bigger. Some tasks become more valuable. New tasks have to be done. But it's wrong to think that necessarily, human beings will be best placed to perform those tasks. And this is the superiority myth. Yes, the lump of work might get bigger and change, but as machines become more capable, it's likely that they'll take on the extra lump of work themselves. Technological progress, rather than complement human beings, complements machines instead.
Mas há a FFMPT. O erro está aqui: é correto pensar que o progresso tecnológico aumenta a massa fixa de trabalho. Algumas tarefas aumentam de valor. É preciso fazer novas tarefas. Mas é errado pensar que os seres humanos estão necessariamente em melhor posição para executar essas tarefas. Este é o mito da superioridade. Sim, a massa fixa de trabalho talvez aumente e mude, mas as máquinas tornam-se mais aptas. É provável que elas mesmas executem o pedaço adicional de trabalho. O progresso tecnológico, em vez de complementar os seres humanos, complementa as máquinas.
To see this, go back to the task of driving a car. Today, satnav systems directly complement human beings. They make some human beings better drivers. But in the future, software is going to displace human beings from the driving seat, and these satnav systems, rather than complement human beings, will simply make these driverless cars more efficient, helping the machines instead. Or go to those indirect complementarities that I mentioned as well. The economic pie may get larger, but as machines become more capable, it's possible that any new demand will fall on goods that machines, rather than human beings, are best placed to produce. The economic pie may change, but as machines become more capable, it's possible that they'll be best placed to do the new tasks that have to be done. In short, demand for tasks isn't demand for human labor. Human beings only stand to benefit if they retain the upper hand in all these complemented tasks, but as machines become more capable, that becomes less likely.
Como exemplo, voltemos à tarefa de conduzir um carro. Hoje, os sistemas de navegação por satélite complementam diretamente os seres humanos. Tornam alguns condutores melhores. Mas no futuro, o "software" afastará os seres humanos do assento do condutor e estes sistemas, em vez de complementarem os seres humanos, apenas tornarão os carros autónomos mais eficientes, ajudando as máquinas. Pensem nas complementaridades indiretas que também mencionei. A tarte económica poderá aumentar, mas com máquinas mais aptas é possível que a nova procura seja de produtos que as máquinas, e não os seres humanos, estejam em melhor posição de produzir. A tarte económica pode mudar, mas com a crescente aptidão das máquinas, é possível que elas sejam melhores a executar as novas tarefas necessárias. Resumindo, a procura de tarefas não é a procura de trabalho humano. Os seres humanos apenas beneficiarão se mantiverem a dianteira em todas estas tarefas complementadas. Mas ao passo que as máquinas se tornam mais aptas, isso é menos provável.
So what do these three myths tell us then? Well, resolving the Terminator myth shows us that the future of work depends upon this balance between two forces: one, machine substitution that harms workers but also those complementarities that do the opposite. And until now, this balance has fallen in favor of human beings. But resolving the intelligence myth shows us that that first force, machine substitution, is gathering strength. Machines, of course, can't do everything, but they can do far more, encroaching ever deeper into the realm of tasks performed by human beings. What's more, there's no reason to think that what human beings are currently capable of represents any sort of finishing line, that machines are going to draw to a polite stop once they're as capable as us. Now, none of this matters so long as those helpful winds of complementarity blow firmly enough, but resolving the superiority myth shows us that that process of task encroachment not only strengthens the force of machine substitution, but it wears down those helpful complementarities too. Bring these three myths together and I think we can capture a glimpse of that troubling future. Machines continue to become more capable, encroaching ever deeper on tasks performed by human beings, strengthening the force of machine substitution, weakening the force of machine complementarity. And at some point, that balance falls in favor of machines rather than human beings. This is the path we're currently on. I say "path" deliberately, because I don't think we're there yet, but it is hard to avoid the conclusion that this is our direction of travel.
Então, o que nos dizem estes três mitos? Resolver o mito do Exterminador mostra-nos que o futuro do trabalho depende do equilíbrio entre duas forças. A substituição por máquinas que prejudica os trabalhadores mas também as complementaridades que fazem o oposto. Até agora, esse equilíbrio tem beneficiado os seres humanos. Mas resolver o mito da inteligência mostra que a primeira força, a substituição, está a ganhar poder. As máquinas, claro, não podem fazer tudo, mas podem fazer mais, invadindo mais a fundo o domínio das tarefas executadas pelos seres humanos. Mais ainda, não há razão para pensar que o que os humanos conseguem atualmente fazer representa qualquer tipo de meta final na qual as máquinas marcarão um final educado uma vez que sejam tão aptas como nós. Nada disto importa desde que os ventos úteis da complementaridade soprem suficientemente firmes. Mas resolver o mito da superioridade mostra-nos que o processo de invasão de tarefas não apenas reforça o poder da substituição por máquinas como também enfraquece as complementaridades úteis. Juntemos estes três mitos e penso que podemos captar uma visão do futuro preocupante. As máquinas continuam a ficar mais aptas, invadindo mais a fundo o domínio de tarefas executadas pelos seres humanos, reforçando o poder da substituição por máquinas, enfraquecendo a força da complementaridade das máquinas. A certo ponto, esse equilíbrio favorece as máquinas em vez de os seres humanos. Este é o caminho em que estamos. Eu digo "caminho" de propósito, pois penso que ainda não estamos lá, mas é difícil evitar a conclusão de que esta é a nossa direção de viagem.
That's the troubling part. Let me say now why I think actually this is a good problem to have. For most of human history, one economic problem has dominated: how to make the economic pie large enough for everyone to live on. Go back to the turn of the first century AD, and if you took the global economic pie and divided it up into equal slices for everyone in the world, everyone would get a few hundred dollars. Almost everyone lived on or around the poverty line. And if you roll forward a thousand years, roughly the same is true. But in the last few hundred years, economic growth has taken off. Those economic pies have exploded in size. Global GDP per head, the value of those individual slices of the pie today, they're about 10,150 dollars. If economic growth continues at two percent, our children will be twice as rich as us. If it continues at a more measly one percent, our grandchildren will be twice as rich as us. By and large, we've solved that traditional economic problem.
Essa é a parte preocupante. Deixem-me dizer agora por que penso que este é um bom problema. Na maior parte da história humana, tem havido um problema económico dominante: como fazer a tarte económica bastante grande para todos viverem. Voltemos à viragem do primeiro século da nossa era. Se dividíssemos a tarte económica global em partes iguais para todas as pessoas no mundo, todos teriam algumas centenas de dólares. Quase todas as pessoas viviam na pobreza ou perto dela. Se avançarmos mil anos o mesmo é verdade. Mas nos últimos séculos, o crescimento económico disparou. As tartes económicas explodiram em tamanho. O PIB por cabeça global, o valor das fatias individuais da tarte hoje, é cerca de 10 150 dólares. Se o crescimento continuar a 2%, os nossos filhos serão duas vezes mais ricos do que nós. Se isso continuar a um mais modesto 1%, os nossos netos serão duas vezes mais ricos do que nós. De modo geral, resolvemos o problema económico tradicional.
Now, technological unemployment, if it does happen, in a strange way will be a symptom of that success, will have solved one problem -- how to make the pie bigger -- but replaced it with another -- how to make sure that everyone gets a slice. As other economists have noted, solving this problem won't be easy. Today, for most people, their job is their seat at the economic dinner table, and in a world with less work or even without work, it won't be clear how they get their slice. There's a great deal of discussion, for instance, about various forms of universal basic income as one possible approach, and there's trials underway in the United States and in Finland and in Kenya. And this is the collective challenge that's right in front of us, to figure out how this material prosperity generated by our economic system can be enjoyed by everyone in a world in which our traditional mechanism for slicing up the pie, the work that people do, withers away and perhaps disappears.
Agora, o desemprego tecnológico, se realmente ocorrer, será de um modo estranho um sintoma de sucesso. Terá resolvido um problema — como tornar a tarte maior — mas terá substituído esse por outro — como garantir que todas as pessoas recebam uma fatia. Como outros economistas notaram, resolver este problema não será fácil. Hoje, para a maioria das pessoas, o seu emprego é o assento na mesa do jantar económico e num mundo com menos ou mesmo nenhum trabalho, não será claro como receberão a sua fatia. Há uma grande discussão, por exemplo, sobre várias formas de rendimento básico universal como possível abordagem e há testes a decorrer nos EUA, na Finlândia e no Quénia. Este é o desafio coletivo que está mesmo à nossa frente. Descobrir como esta prosperidade material gerada pelo nosso sistema económico pode ser usufruída por todas as pessoas num mundo em que o nosso mecanismo tradicional para cortar a tarte em fatias, o trabalho que as pessoas fazem, possa definhar e talvez desaparecer.
Solving this problem is going to require us to think in very different ways. There's going to be a lot of disagreement about what ought to be done, but it's important to remember that this is a far better problem to have than the one that haunted our ancestors for centuries: how to make that pie big enough in the first place.
Resolver este problema requer que pensemos de maneira muito diferente. Haverá muita discordância acerca do que deve ser feito, mas é importante relembrar que este é um problema muito melhor do que aquele que assombrou os nossos antepassados durante séculos: como tornar a tarte maior.
Thank you very much.
Muito obrigado.
(Applause)
(Aplausos)