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.
Mối lo về tự động hóa đã lan rộng trong thời gian gần đây, nỗi lo sợ rằng trong tương lai, nhiều việc làm sẽ được thực hiện bởi máy móc thay cho con người, những tiến bộ đáng chú ý đang diễn ra trong lĩnh vực trí tuệ nhân tạo và nghiên cứu người máy. Điều rõ ràng ở đây là sẽ có sự thay đổi đáng kể. Điều chưa rõ ở đây là thay đổi đó sẽ trông như thế nào. Theo nghiên cứu của tôi thì tương lai sẽ vừa khó khăn lại vừa thú vị. Mối đe dọa về nạn thất nghiệp gây ra bởi công nghệ là có thật, nhưng nó là một vấn đề tốt mà ta cần có. Và để giải thích bằng cách nào tôi đi đến kết luận đó, Tôi muốn đương đầu với 3 quan niệm sai lầm mà tôi nghĩ hiện đang che khuất tầm nhìn của chúng ta về tương lai của tự động hóa.
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.
Một hình ảnh mà ta thấy trên các màn hình tivi, trong sách, phim, bản tin hàng ngày là một đội quân robot bất ngờ tràn vào nơi làm việc với một mục tiêu trong đầu: thay thế con người làm công việc của họ. Tôi gọi đây là lầm tưởng Kẻ hủy diệt. Vâng, máy móc thay thế con người làm những việc nhất định, nhưng chúng không chỉ thay thế loài người. Chúng còn bổ sung cho họ ở các việc khác, làm cho công việc đó trở nên quan trọng và có giá trị hơn. Đôi khi chúng trực tiếp hỗ trợ cho con người, giúp họ làm việc có năng suất hay hiệu quả hơn trong những việc cụ thể. Một tài xế taxi có thể dùng hệ thống định vị vệ tinh trên những con đường lạ. Một kiến trúc sư có thể sử dụng phần mềm thiết kế được máy tính hỗ trợ để thiết kế những tòa nhà to lớn hơn, phức tạp hơn.
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.
Nhưng sự phát triển kỹ thuật không chỉ trực tiếp bổ sung cho con người. Nó cũng bổ trợ họ một cách gián tiếp, và nó làm điều này theo hai cách. Đầu tiên là nếu ta xem nền kinh tế như một cái bánh, thì tiến bộ kỹ thuật làm cái bánh to hơn. Khi năng suất tăng, thu nhập và nhu cầu cũng nhiều hơn. Ví dụ như chiếc bánh của nước Anh, có kích thước gấp hàng trăm lần so với 300 năm trước. Và vì thế những ai đã rời khỏi các công việc ở chiếc bánh cũ có thể tìm các công việc thay thế trong chiếc bánh mới. Nhưng tiến bộ kỹ thuật không chỉ làm chiếc bánh to hơn. Nó cũng thay đổi các thành phần trong chiếc bánh. Theo thời gian, con người sử dụng thu nhập theo những cách khác nhau, thay đổi cách mà họ chi tiêu qua các mặt hàng hiện hữu, và cũng phát triển thị hiếu cho các mặt hàng hoàn toàn mới nữa. Các ngành mới được tạo ra, các nhiệm vụ mới phải được thực hiện có nghĩa là các vai trò mới cũng phải được đáp ứng. Trở lại chiếc bánh nước Anh: 300 năm trước, hầu hết người ta làm ở nông trại, 150 năm trước, thì trong các nhà máy, và ngày nay, hầu hết người ta làm việc trong văn phòng. Một lần nữa, những người bị thay thế khỏi các công việc ở chiếc bánh cũ thay vào đó có thể lao vào công việc ở mẩu bánh mới.
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.
Các nhà kinh tế học gọi những hiệu ứng này là nguyên tắc bổ sung, nhưng thực sự đó chỉ là một mỹ từ để diễn tả theo một cách khác những gì tiến bộ kỹ thuật giúp loài người. Giải quyết sự lầm tưởng Kẻ hủy diệt này cho chúng ta thấy rằng có hai sức mạnh hiện hữu: một là, việc thay thế bằng máy móc gây thiệt hại cho người lao động, nhưng các nguyên tắc bổ sung lại có tác động ngược lại.
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.
Giờ là lầm tưởng thứ hai, điều mà tôi gọi là lầm tưởng về sự thông minh. Điểm chung của việc lái một chiếc xe hơi, thực hiện một chẩn đoán y học, và xác định một con chim khi nhìn thoáng qua là gì? Đây là tất cả các công việc mà cho đến rất gần đây, các nhà kinh tế học hàng đầu đã nghĩ là chưa sẵn sàng để tự động hóa. Nhưng đến hôm nay, tất cả những việc này có thể tự động hóa. Bạn biết đấy, các nhà sản xuất xe hơi lớn đều có dự án xe không người lái. Có vô số hệ thống ngoài kia có thể chẩn đoán các vấn đề y tế. Và còn có cả ứng dụng có thể xác định một con chim trong một cái liếc mắt.
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.
Đây không đơn giản là một trường hợp thiếu may mắn của các nhà kinh tế học. Họ đã sai, và lý do tại sao họ đã sai là rất quan trọng. Họ bị rơi vào lầm tưởng về sự thông minh, niềm tin rằng các máy móc phải bắt chước cách mà con người suy nghĩ và lý luận để làm tốt hơn họ. Khi những nhà kinh tế học này đang cố tìm ra những việc mà máy móc không thể làm, họ nghĩ cách duy nhất để tự động hóa nhiệm vụ là ngồi cùng với một con người, để họ giải thích cho bạn cách họ thực hiện một nhiệm vụ, thử nắm bắt và ánh xạ cách giải thích đó vào một tập hợp các chỉ dẫn để một máy tính làm theo. Quan điểm này cũng đã được phổ biến trong trí tuệ nhân tạo tại một thời điểm. Tôi biết điều này nhờ Richard Susskind, bố tôi và cũng là đồng tác giả của tôi, đã viết luận án tiến sĩ vào những năm 1980 về trí thông minh nhân tạo và luật tại Đại học Oxford, và ông ấy thuộc nhóm tiên phong. Và cùng với một vị giáo sư là Phillp Capper và một nhà xuất bản về luật Butterworths, họ đã chế tạo ra hệ thống trí thông minh nhân tạo mang tính thương mại đầu tiên trên thế giới về luật pháp. Đây là thiết kế giao diện màn hình chính. Ông cam đoan đây là thiết kế màn hình tuyệt nhất thời đó.
(Laughter)
(Cười)
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?
Tôi chưa bị thuyết phục hoàn toàn. Ông đã phát hành nó dưới dạng hai đĩa mềm, vào cái thời mà đĩa mềm thực sự mềm, và cách ông ấy tiếp cận giống như các nhà kinh tế: ngồi cùng với một luật sư, để cô ấy giải thích cho bạn cách cô ấy giải quyết vấn đề pháp lý, rồi thử nắm bắt lời giải thích đó vào một bộ quy tắc cho một cái máy làm theo. Trong kinh tế học, nếu con người có thể tự giải thích theo cách này, các nhiệm vụ được gọi là các trình tự, và chúng có thể tự động hóa. Nhưng nếu con người không thể tự giải thích, các nhiệm vụ được gọi là phi trình tự, và chúng được cho là không thể tiếp cận. Ngày nay, sự phân biệt trình tự - phi trình tự này rất phổ biến. Hãy nghĩ mọi người thường nói với bạn máy móc chỉ có thể thực hiện các tác vụ có thể dự đoán hoặc lặp lại, dựa trên quy tắc hoặc được xác định rõ. Tất cả chúng chỉ là những từ khác nhau chỉ thủ tục trình tự. Và trở lại với ba tình huống tôi đã đề cập từ lúc đầu. Đây đều là các ví dụ kinh điển của các tác vụ phi trình tự. Hỏi một bác sĩ, ví dụ, cách cô ấy đưa ra một chẩn đoán y tế, và cô ấy có thể sẽ đưa cho bạn một vài kinh nghiệm, mà sau cùng cô ấy phải nghĩ lại. Cô ấy sẽ nói nó đòi hỏi những thứ như sự sáng tạo, óc phán đoán và trực giác. Và những điều này rất khó để nói rõ, và do đó, các nhiệm vụ này được cho là sẽ rất khó để tự động hóa. Nếu con người không thể tự giải thích, thì bằng cách nào chúng ta có thể bắt đầu viết ra bộ chỉ dẫn, cho máy móc làm theo?
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.
Ba mươi năm về trước, quan điểm này là đúng, nhưng ngày nay quan điểm này đang lung lay, và trong tương lai, nó đơn giản là sai lầm. Những tiến bộ trong năng lực xử lý, trong khả năng lưu trữ dữ liệu và trong thiết kế thuật toán nghĩa là sự khác biệt giữa có trình tự - phi trình tự không còn ý nghĩa nhiều.
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.
Để thấy được điều này, hãy trở lại với trường hợp chẩn đoán y tế. Đầu năm nay, nhóm các nhà nghiên cứu ở Stanford tuyên bố họ đã phát triển hệ thống có thể cho bạn biết vết tàn nhang có phải là ung thư hay không chính xác như các bác sĩ da liễu hàng đầu. Nó hoạt động như thế nào? Nó không cố gắng để sao chép óc phán đoán hoặc trực giác của một bác sĩ. Nó không có bất kỳ nhận thức hay hiểu biết gì về y học cả. Thay vào đó, nó đang chạy một thuật toán nhận dạng mẫu trên 129.450 trường hợp trong quá khứ, tìm kiếm sự tương đồng giữa các trường hợp và thương tổn cụ thể trong câu hỏi. Nó thực hiện những nhiệm vụ này không theo cách của con người, mà dựa trên phân tích các trường hợp có thể xảy ra nhiều hơn bất kỳ bác sĩ nào có thể xem hết trong đời. Nó không quan trọng là con người đó, bác sĩ đó, không thể giải thích cô ấy làm như thế nào.
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.
Bây giờ, có nhiều người sống với thực tế rằng máy móc không tạo dựng theo bản chất con người. Lấy IBM's Watson làm ví dụ, siêu máy tính đã tham gia chương trình đố vui của Mỹ "Jeopardy!" trong năm 2011, và nó đã đánh bại hai nhà vô địch tại "Jeopardy!" Một ngày sau chiến thắng của nó, Tờ nhật báo phố Wall xuất bản tác phẩm của nhà triết học John Searle với tiêu đề "Watson không biết rằng nó đã chiến thắng tại 'Jeopardy!'" Phải, nó rất tài giỏi, và đó là sự thật. Bạn biết đấy, Watson không bật khóc vì phấn khích. Nó đã không gọi bố mẹ của nó để nói nó đã làm tốt như thế nào. Nó cũng không đi đến quán rượu để uống. Hệ thống này đã không cố gắng bắt chước cái cách mà các đối thủ tham gia đã chơi, nhưng không thành vấn đề. Nó vẫn vượt trội so với họ.
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.
Hoá giải lầm tưởng về thông minh cho thấy sự hạn chế trong hiểu biết của chúng ta về trí tuệ con người, về cách mà chúng ta tư duy và suy luận, ít bị ràng buộc hơn về sự tự động hoá so với trong quá khứ. Hơn nữa, như chúng ta đã thấy, khi máy móc thực hiện các nhiệm vụ một cách khác biệt so với con người, không có lý do gì để nghĩ rằng những điều mà con người hiện tại có thể làm được đại diện cho bất cứ đỉnh cao nào mà các máy móc có khả năng thực hiện trong tương lai.
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."
Giờ là lầm tưởng thứ ba, cái mà tôi gọi là lầm tưởng về tính ưu việt. Mọi người thường nói rằng những người quên đi khía cạnh hữu ích của tiến bộ công nghệ, những sự bổ trợ từ trước đây, đang phạm vào cái gọi là sai lầm về nguồn nhân lực. Giờ thì, vấn đề là sai lầm về nguồn nhân lực bản thân nó là sự sai lầm, và tôi gọi nó là sai lầm của sai lầm về nguồn nhân lực, hay ngắn gọn là LOLFF. Hãy để tôi giải thích. Sai lầm về nguồn nhân lực là khái niệm cũ. Nhà kinh tế học người Anh David Schloss đã đặt ra khái niệm này vào năm 1892. Ông ngạc nhiên khi đi qua thấy một công nhân bến tàu bắt đầu dùng máy móc tạo ra vòng đệm, loại đĩa kim loại nhỏ giúp giữ chặt đầu đinh ốc. Rồi người công nhân bến tàu này cảm thấy tội lỗi vì làm việc năng suất hơn. Giờ, hầu hết, ta lại mong điều ngược lại là con người mặc cảm vì làm việc không hiệu quả bạn biết đấy, như lướt Facebook hay Twitter ở chỗ làm quá nhiều. Nhưng người này lại thấy mặc cảm khi làm việc hiệu quả khi được hỏi, anh nói "Tôi biết tôi đang làm sai. Tôi sẽ khiến người khác mất việc." Trong tâm trí mình, anh nghĩ có một khối lượng việc cố định để chia cho anh và đồng nghiệp, vì thế nếu dùng cỗ máy này để làm nhiều hơn thì sẽ không còn việc cho đồng nghiệp nữa. Và Schloss thấy được sai lầm. Khối lượng công việc không hề cố định. Khi công nhân này dùng máy móc và trở nên năng suất hơn, giá vòng đệm sẽ giảm, nhu cầu cho vòng đệm sẽ tăng, cần sản xuất nhiều vòng đệm hơn, và có nhiều việc hơn cho đồng nghiệp của anh Khối lượng công việc sẽ nhiều hơn. Schloss gọi đây là "sai lầm về nguồn nhân lực."
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.
Và hôm nay bạn nghe người ta nói về sai lầm về nguồn nhân lực để nghĩ tới tương lai của mọi loại công việc. Không có một khối lượng công việc cố định được chia đều giữa con người và máy móc. Đúng vậy, máy móc thay thế con người khiến khối lượng công việc ban đầu nhỏ lại nhưng chúng cũng bổ trợ cho con người, nên khối lượng việc lớn hơn và thay đổi.
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.
Thế nhưng LOLFF. Sai lầm chính là đây: Tư duy cho rằng tiến bộ công nghệ khiến việc được hoàn tất nhiều hơn là đúng Giờ đây nhiệm vụ trở nên giá trị hơn. Nhiệm vụ mới cần được làm. Nhưng tư duy rằng con người sẽ là tốt nhất để thực hiện những nhiệm vụ đó là sai. Và đây là lầm tưởng về sự ưu việt. Đúng vậy, khối lượng công việc có thể trở nên lớn hơn, nhưng máy móc cũng trở nên năng lực hơn, Nhiều khả năng chúng sẽ tự lấy thêm phần công việc khác. Tiến bộ công nghệ, thay vì bổ trợ con người, thay vào đó sẽ bổ trợ cho máy móc.
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.
Để hiểu điều này, quay lại việc lái một chiếc xe. Ngày nay, hệ thống định vị vệ tinh bổ trợ con người một cách trực tiếp. Chúng làm cho một số người thành tài xế tốt hơn. Nhưng trong tương lai, phần mềm sẽ thay thế con người ở ghế lái, và những hệ thống định vị vệ tinh, thay vì bổ trợ con người, sẽ đơn giản làm cho xe tự lái hiệu quả hơn, giúp máy móc hiệu quả hơn. Hoặc xét đến những bổ trợ gián tiếp mà tôi đã từng đề cập. Miếng bánh kinh tế trở nên lớn hơn, khi máy móc trở nên có năng lực hơn, Có khả năng những nhu cầu mới ở những loại hàng hoá mà máy móc, sản xuất tốt hơn con người. Miếng bánh kinh tế sẽ thay đổi, khi máy móc trở nên có năng lực hơn, chúng sẽ có khả năng làm nhiệm vụ mới hơn những gì chúng phải bị bắt phải làm. Nói ngắn gọn, nhu cầu cho những công việc không cần sức lao động con người. Con người chỉ cần đứng đó để hưởng lợi, nếu họ nắm được ưu thế trong tất cả những công việc được bổ trợ này, nhưng máy móc cũng trở nên năng lực hơn, do đó điều này ít khả năng xảy ra hơn.
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.
Vậy ba sự lầm tưởng này nói lên điều gì? Giải quyết sự lầm tưởng Kẻ huỷ diệt cho ta thấy tương lai của công việc phụ thuộc vào cân bằng giữa hai sức mạnh: một là sự thay thế của máy móc ảnh hưởng đến người lao động nhưng cũng có những sự bổ trợ ngược lại. Cho đến hiện nay, sự cân bằng này đã nghiêng về phía con người. Nhưng giải quyết lầm tưởng về sự thông minh cho ta thấy sức mạnh đầu tiên, là máy móc đang mạnh dần. Đương nhiên máy móc không thể làm mọi thứ chúng có thể làm nhiều hơn lấn sâu vào những lĩnh vực công việc được thực hiện bởi con người. Còn gì hơn nữa, không có lý gì để nghĩ rằng những gì con người đang có khả năng làm đại diện cho bất kỳ một loại đích đến, mà máy móc chuẩn bị vẽ một đường vạch ngăn lại một khi chúng có khả năng như chúng ta Ngay bây giờ, không có vấn đề gì miễn là những sự bổ trợ hữu ích đó đủ chắc chắn, nhưng giải quyết lầm tưởng về sự ưu việt cho chúng ta thấy sự tiến bộ của việc giành lấy công việc không chỉ tăng thêm sức mạnh của việc thay thế bằng máy móc mà còn làm yếu đi những sự bổ trợ hữu ích. Đem ba sự lầm tưởng này lại với nhau và tôi nghĩ chúng ta có thể hiểu được một tương lai khó khăn. Máy móc tiếp tục trở nên có năng lực hơn, lấn sâu hơn vào công việc được thực hiện bởi con người, tăng sức mạnh cho việc thay thế con người bằng máy móc, và làm suy yếu đi phần mà nó bổ trợ. Và tại vài điểm, sự cân bằng đó lại nghiêng về phía máy móc hơn là con người. Đây là con đường mà ta đang đi. Tôi nói "con đường" chậm rãi, vì tôi không nghĩ là ta đã ở đó, nhưng khó để tránh một kết cục rằng đó là phía mà ta đang hướng đến.
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.
Đó là phần khó khăn. Để tôi giải thích thực tế vì sao đây là một vấn đề tốt cần có. Trong phần lớn lịch sử con người, có một vấn đề kinh tế nổi cộm: làm thế nào để tạo ra miếng bánh kinh tế đủ lớn cho tất cả mọi người. Quay lại thế kỷ thứ nhất sau Công Nguyên, nếu bạn lấy miếng bánh kinh tế toàn cầu và chia đều cho tất cả mọi người trên thế giới, mỗi người sẽ nhận được vài trăm đô la. Hầu hết mọi người đều sống trên hoặc quanh mức nghèo. Và nếu bạn đi tới một nghìn năm sau, điều tương tự y như vậy. Nhưng trong vài trăm năm gần đây, tốc độ phát triển kinh tế đã cất cánh. Những miếng bánh kinh tế đó đã bùng nổ về kích cỡ. Tổng sản phẩm đầu người toàn cầu, giá trị từng mẩu bánh riêng lẻ ngày nay, cũng sấp sỉ 10.150 đô la. Nếu tốc độ phát triển kinh tế tiếp tục giữ ở mức 2% thì con cái chúng ta sẽ giàu gấp đôi chúng ta. Nếu nó tiếp tục tăng ở mức hơn 1% thì, cháu chúng ta sẽ giàu gấp đôi chúng ta. Nhìn chung, chúng ta đã giải được vấn đề kinh tế truyền thống đó.
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.
Bây giờ, vấn đề thất nghiệp do công nghệ, nếu nó xảy ra, sẽ là một hội chứng của thành công theo cách kì lạ nhất, sẽ giải quyết được vấn đề -- làm cho miếng bánh to hơn -- theo cách thay thế nó bằng miếng khác thì làm thế nào đảm bảo rằng ai cũng được một phần. Theo một nhà kinh tế học từng nói, giải quyết vấn đề này không đơn giản. Ngày nay, với đa số mọi người, công việc như một chỗ ngồi trong bàn ăn kinh tế, trong thế giới ít hoặc thậm chí không có việc làm không rõ là họ sẽ có miếng bánh thế nào. Ví dụ như có nhiều cuộc thảo luận, về những dạng khác nhau của thu nhập cơ bản chung như cách tiếp cận khả dĩ, và có những thử nghiệm đang xảy ra ở nước Mỹ, Phần Lan và Kenya. Và đây là thử thách chung ngay trước mắt chúng ta, để tìm ra cách mà sự phồn vinh vật chất được sinh ra bởi hệ thống kinh tế có thể được tận hưởng bởi mọi người trong một thế giới mà những cơ chế truyền thống của việc chia miếng bánh, việc mà chúng ta làm, tàn lụi và có lẽ là biến mất.
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.
Giải quyết vấn đề này buộc chúng ta phải suy nghĩ theo rất nhiều cách khác nhau. Sẽ có rất nhiều sự phản đối về việc điều gì nên làm, nhưng điều quan trọng cần nhớ là đây là một vấn đề tốt hơn nhiều so với nỗi ám ảnh của tổ tiên chúng ta trong hàng thế kỷ: làm cách nào để cái bánh đủ lớn ngay từ đầu.
Thank you very much.
Cám ơn rất nhiều.
(Applause)
(Vỗ tay)