Growth is not dead.
Rozwój nie umarł.
(Applause)
(Brawa)
Let's start the story 120 years ago, when American factories began to electrify their operations, igniting the Second Industrial Revolution. The amazing thing is that productivity did not increase in those factories for 30 years. Thirty years. That's long enough for a generation of managers to retire. You see, the first wave of managers simply replaced their steam engines with electric motors, but they didn't redesign the factories to take advantage of electricity's flexibility. It fell to the next generation to invent new work processes, and then productivity soared, often doubling or even tripling in those factories.
Historię zacznijmy od cofnięcia się o 120 lat, kiedy amerykańskie fabryki zaczęły wykorzystywać energię elektryczną, rozpoczynając drugą rewolucję przemysłową. Niesamowite jest to, że wydajność w tych fabrykach nie wzrosła przez trzydzieści lat. To wystarczająco długo, aby pokolenie kierowników mogło przejść na emeryturę. Pierwsza fala kierowników po prostu zastąpiła silniki parowe silnikami elektrycznymi, ale nie przekonstruowali fabryk tak, aby mogli skorzystać z elastyczności elektryczności. To nowe pokolenie opracowało nowe procesy pracy i wtedy wydajność w tych fabrykach wzrosła, często dwukrotnie lub nawet trzykrotnie.
Electricity is an example of a general purpose technology, like the steam engine before it. General purpose technologies drive most economic growth, because they unleash cascades of complementary innovations, like lightbulbs and, yes, factory redesign. Is there a general purpose technology of our era? Sure. It's the computer. But technology alone is not enough. Technology is not destiny. We shape our destiny, and just as the earlier generations of managers needed to redesign their factories, we're going to need to reinvent our organizations and even our whole economic system. We're not doing as well at that job as we should be. As we'll see in a moment, productivity is actually doing all right, but it has become decoupled from jobs, and the income of the typical worker is stagnating. These troubles are sometimes misdiagnosed as the end of innovation, but they are actually the growing pains of what Andrew McAfee and I call the new machine age.
Elektryczność jest przykładem technologii ogólnego zastosowania, tak jak wcześniej silnik parowy. Technologie ogólnego zastosowanie napędzają wzrost gospodarczy, ponieważ wiążą się z masą dodatkowych innowacji, takich jak żarówki i właśnie przeprojektowywanie fabryk. Czy w naszej erze istnieje technologia ogólnego zastosowania? Pewnie. Komputer. Jednak sama technologia nie wystarczy. Technologia to nie przeznaczenie. Sami kształtujemy swoje przeznaczenie i tak jak wcześniejsze pokolenia kierowników musiały przeprojektować fabryki, tak my musimy zreformować nasze organizacje, a nawet cały system gospodarczy. Nie radzimy sobie z tym tak dobrze, jak powinniśmy. Jak za chwilę zobaczymy, wydajność ma się dobrze, ale stała się niezależna od prac. Dochód przeciętnego pracownika tkwi w zastoju. Te problemy często błędnie interpretuje się jako kres innowacji, ale w rzeczywistości to początkowe trudności związane z tym, co z Andrew McAfeem nazywamy nową erą maszyn.
Let's look at some data. So here's GDP per person in America. There's some bumps along the way, but the big story is you could practically fit a ruler to it. This is a log scale, so what looks like steady growth is actually an acceleration in real terms. And here's productivity. You can see a little bit of a slowdown there in the mid-'70s, but it matches up pretty well with the Second Industrial Revolution, when factories were learning how to electrify their operations. After a lag, productivity accelerated again. So maybe "history doesn't repeat itself, but sometimes it rhymes." Today, productivity is at an all-time high, and despite the Great Recession, it grew faster in the 2000s than it did in the 1990s, the roaring 1990s, and that was faster than the '70s or '80s. It's growing faster than it did during the Second Industrial Revolution. And that's just the United States. The global news is even better. Worldwide incomes have grown at a faster rate in the past decade than ever in history.
Przyjrzyjmy się danym. To wskaźnik PKB na osobę w Ameryce. Po drodze natrafiamy na pewne wyboje, ale ogólnie jest praktycznie równy jak od linijki. To skala logarytmiczna, dlatego to, co wygląda jak stały wzrost, to zwiększenie w rzeczywistych warunkach. Tutaj mamy wydajność. Widać lekkie spowolnienie w połowie lat 70., ale bardzo dobrze dopasowuje się do drugiej rewolucji przemysłowej, kiedy fabryki uczyły się, jak elektryfikować działanie. Po zastoju ponownie nastąpił wzrost wydajności. Może "historia się nie powtarza, ale czasami się rymuje". Obecnie wydajność osiąga rekordową wartość i pomimo wielkiej recesji i w pierwszej dekadzie XXI w. wzrosła szybciej niż w latach 90. XX w., a wzrost był szybszy niż w latach 70. i 80. Wzrasta szybciej niż podczas drugiej rewolucji przemysłowej. A to tylko Stany Zjednoczone. Wiadomości światowe są nawet lepsze. Światowe dochody wzrosły szybciej przez ostatnie 10 lat niż kiedykolwiek wcześniej.
If anything, all these numbers actually understate our progress, because the new machine age is more about knowledge creation than just physical production. It's mind not matter, brain not brawn, ideas not things. That creates a problem for standard metrics, because we're getting more and more stuff for free, like Wikipedia, Google, Skype, and if they post it on the web, even this TED Talk. Now getting stuff for free is a good thing, right? Sure, of course it is. But that's not how economists measure GDP. Zero price means zero weight in the GDP statistics. According to the numbers, the music industry is half the size that it was 10 years ago, but I'm listening to more and better music than ever. You know, I bet you are too. In total, my research estimates that the GDP numbers miss over 300 billion dollars per year in free goods and services on the Internet. Now let's look to the future. There are some super smart people who are arguing that we've reached the end of growth, but to understand the future of growth, we need to make predictions about the underlying drivers of growth. I'm optimistic, because the new machine age is digital, exponential and combinatorial.
Jeśli już to te wszystkie liczby pomniejszają nasz postęp, ponieważ nowa era maszyn bardziej wiąże się z tworzeniem wiedzy niż z fizyczną produkcją. Chodzi o umysł, a nie materię. O mózg, a nie mięśnie. Idee, a nie rzeczy. Stwarza to problem dla standardowym metryk, ponieważ coraz więcej rzeczy mamy za darmo, takich jak Wikipedia, Google, Skype, i jeżeli umieszczą mnie w sieci, nawet tę prelekcję. Lubicie dostawać gratisy? Oczywiście, że tak. Ale nie tak ekonomiści mierzą PKB. W statystykach PKB cena zerowa oznacza wagę zerową. Zgodnie z liczbami przemysł muzyczny jest o połowę mniejszy niż 10 lat temu, ale ja słucham więcej i lepszej muzyki niż kiedykolwiek. Wy pewnie też. Według moich badań liczby PKB pomijają ponad 300 mld dolarów rocznie w darmowych dobrach i usługach w Internecie. Spójrzmy w przyszłość. Jest trochę super mądrych ludzi, którzy twierdzą, że dotarliśmy do końca rozwoju, ale aby zrozumieć przyszłość rozwoju, musimy sformułować prognozy na temat czynników leżących u podstaw rozwoju. Jestem optymistą, ponieważ nowa era maszyn jest cyfrowa, wykładnicza i kombinatoryczna.
When goods are digital, they can be replicated with perfect quality at nearly zero cost, and they can be delivered almost instantaneously. Welcome to the economics of abundance. But there's a subtler benefit to the digitization of the world. Measurement is the lifeblood of science and progress. In the age of big data, we can measure the world in ways we never could before.
Kiedy dobra są cyfrowe, można je pomnażać. Są idealnej jakości i prawie nic nie kosztują. I mogą być dostarczone niemalże natychmiastowo. Witajcie w ekonomii obfitości. Ale istnieje subtelniejsza korzyść z digitalizacji świata. Miarą jest siła napędowa nauki i postępu. W erze dużych ilości danych możemy zmierzyć świat na sposoby niemożliwe wcześniej.
Secondly, the new machine age is exponential. Computers get better faster than anything else ever. A child's Playstation today is more powerful than a military supercomputer from 1996. But our brains are wired for a linear world. As a result, exponential trends take us by surprise. I used to teach my students that there are some things, you know, computers just aren't good at, like driving a car through traffic. (Laughter) That's right, here's Andy and me grinning like madmen because we just rode down Route 101 in, yes, a driverless car.
Po drugie nowa era maszyn jest wykładnicza. Komputery stają się lepsze, szybsze niż cokolwiek innego wcześniej. Playstation dziecka ma obecnie większą moc niż wojskowy superkomputer z 1996 roku. Ale nasze mózgi są dostosowane do linearnego świata. W wyniku trendy wykładnicze nas zaskakują. Kiedyś uczyłem moich uczniów, że istnieją pewne rzeczy, w których komputery nie są dobre, np. prowadzenie samochodu na zatłoczonych ulicach. (Śmiech) Tak, to Andy i ja szczerzący się jak głupi, ponieważ właśnie przejechaliśmy przez autostradę 101 w samochodzie bez kierowcy.
Thirdly, the new machine age is combinatorial. The stagnationist view is that ideas get used up, like low-hanging fruit, but the reality is that each innovation creates building blocks for even more innovations. Here's an example. In just a matter of a few weeks, an undergraduate student of mine built an app that ultimately reached 1.3 million users. He was able to do that so easily because he built it on top of Facebook, and Facebook was built on top of the web, and that was built on top of the Internet, and so on and so forth.
Po trzecie nowa era maszyn jest kombinatoryczna. Pogląd stagnacyjny twierdzi, że pomysły się zużywają, jak nisko rosnące owoce, ale w rzeczywistości każda innowacja prowadzi do kolejnych innowacji. Podam przykład. W ciągu zaledwie kilku tygodni jeden z moich studentów stworzył aplikację, z której ostatecznie skorzystało 1,3 miliona użytkowników. Był w stanie to tak łatwo osiągnąć, ponieważ stworzył ją na Facebooku, Facebook stworzono w sieci, sieć stworzono w Internecie i tak dalej.
Now individually, digital, exponential and combinatorial would each be game-changers. Put them together, and we're seeing a wave of astonishing breakthroughs, like robots that do factory work or run as fast as a cheetah or leap tall buildings in a single bound. You know, robots are even revolutionizing cat transportation.
Z osobna coś cyfrowego, wykładniczego i kombinatorycznego uważano by za przełomowe. Połączmy te cechy i widzimy falę zadziwiających osiągnięć, takich jak roboty w fabryce, biegające tak szybko jak gepard lub przeskakujące wysokie budynki za pierwszym podejściem. Roboty nawet rewolucjonizują transport kotów.
(Laughter)
(Śmiech)
But perhaps the most important invention, the most important invention is machine learning. Consider one project: IBM's Watson. These little dots here, those are all the champions on the quiz show "Jeopardy." At first, Watson wasn't very good, but it improved at a rate faster than any human could, and shortly after Dave Ferrucci showed this chart to my class at MIT, Watson beat the world "Jeopardy" champion. At age seven, Watson is still kind of in its childhood. Recently, its teachers let it surf the Internet unsupervised. The next day, it started answering questions with profanities. Damn. (Laughter)
Ale być może najważniejszym wynalazkiem jest uczenie maszynowe. Weźmy pod uwagę jeden projekt: superkomputer Watson firmy IBM. Te małe kropki tutaj to wszyscy zwycięzcy teleturnieju "Jeopardy". Początkowo Watson nie był zbyt dobry, ale stawał się lepszy szybciej niż jakikolwiek człowiek i niedługo po tym, jak Dave Ferrucci pokazał ten wykres moim studentom z MIT, Watson pokonał światowego mistrza "Jeopardy". W wieku 7 lat Watson nadal jest dzieckiem. Ostatnio jego nauczyciele pozwolili mu surfować po Internecie bez nadzoru. Następnego dnia zaczął zadawać pytania zawierające przekleństwa. Cholera. (Śmiech)
But you know, Watson is growing up fast. It's being tested for jobs in call centers, and it's getting them. It's applying for legal, banking and medical jobs, and getting some of them. Isn't it ironic that at the very moment we are building intelligent machines, perhaps the most important invention in human history, some people are arguing that innovation is stagnating? Like the first two industrial revolutions, the full implications of the new machine age are going to take at least a century to fully play out, but they are staggering.
Watson szybko się rozwija. Stara się o prace w infoliniach i je dostaje. Ubiega się o stanowiska w prawie, bankowości, medycynie i niektóre z nich dostaje. Czy ironią nie jest to, że właśnie teraz, kiedy budujemy maszyny inteligentne, być może najważniejsze wynalazki w historii ludzkości, niektórzy twierdzą, że innowacja ulega stagnacji? Jak w dwóch pierwszych rewolucjach przemysłowych, pełne skutki nowej ery maszyn widocznie będą dopiero po co najmniej 100 latach, ale powoli je widać.
So does that mean we have nothing to worry about? No. Technology is not destiny. Productivity is at an all time high, but fewer people now have jobs. We have created more wealth in the past decade than ever, but for a majority of Americans, their income has fallen. This is the great decoupling of productivity from employment, of wealth from work. You know, it's not surprising that millions of people have become disillusioned by the great decoupling, but like too many others, they misunderstand its basic causes. Technology is racing ahead, but it's leaving more and more people behind. Today, we can take a routine job, codify it in a set of machine-readable instructions, and then replicate it a million times.
Czy to oznacza, że nie ma o co się martwić? Nie. Technologia nie jest przeznaczeniem. Wydajność obecnie osiąga historyczne maksimum, ale mniej ludzi ma obecnie pracę. Stworzyliśmy więcej bogactwa w ostatnich 10 latach niż kiedykolwiek, ale dochód większości Amerykanów zmalał. To wielkie rozdzielenie wydajności od zatrudnienia, majątku od pracy. Nie dziwi fakt, że miliony ludzi zostało pozbawionych złudzeń przez to wielkie rozdzielenie, ale jak wiele innych źle rozumie jego podstawowe przyczyn. Technologia pędzi do przodu, ale zostawia w tyle coraz więcej ludzi. Obecnie możemy wziąć pracę rutynową, skodyfikować ją w zestaw instrukcji do odczytu maszynowego, a następnie powielić milion razy.
You know, I recently overheard a conversation that epitomizes these new economics. This guy says, "Nah, I don't use H&R Block anymore. TurboTax does everything that my tax preparer did, but it's faster, cheaper and more accurate." How can a skilled worker compete with a $39 piece of software? She can't. Today, millions of Americans do have faster, cheaper, more accurate tax preparation, and the founders of Intuit have done very well for themselves. But 17 percent of tax preparers no longer have jobs. That is a microcosm of what's happening, not just in software and services, but in media and music, in finance and manufacturing, in retailing and trade -- in short, in every industry. People are racing against the machine, and many of them are losing that race.
Ostatnio usłyszałem rozmowę, która odzwierciedlała tą nową ekonomię. Gość powiedział: "Nie, już nie korzystam z firmy doradztwa podatkowego. TurboTax robi wszystko, co robił mój doradca podatkowy, ale jest szybszy, tańszy i dokładniejszy". Jak wykwalifikowany pracownik może rywalizować z oprogramowaniem za 39$? Nie może. Obecnie miliony Amerykanów ma szybsze, tańsze, dokładniejsze doradztwo podatkowe, a założycielom firmy Intuit bardzo dobrze się wiedzie. Ale 17% doradców podatkowych nie ma już pracy. To tylko mała część tego, co się dzieje, nie tylko w przypadku oprogramowań i usług, ale też w mediach, muzyce, finansach, produkcji, sprzedaży, handlu -- w skrócie, w każdym przemyśle. Ludzie ścigają się z maszynami i wielu z nich przegrywa.
What can we do to create shared prosperity? The answer is not to try to slow down technology. Instead of racing against the machine, we need to learn to race with the machine. That is our grand challenge.
Co można zrobić, aby stworzyć wspólny dobrobyt? Nie próbować spowalniać technologię. Zamiast ścigać się z maszynami musimy nauczyć się z nimi współpracować. To nasze wielkie wyzwanie.
The new machine age can be dated to a day 15 years ago when Garry Kasparov, the world chess champion, played Deep Blue, a supercomputer. The machine won that day, and today, a chess program running on a cell phone can beat a human grandmaster. It got so bad that, when he was asked what strategy he would use against a computer, Jan Donner, the Dutch grandmaster, replied, "I'd bring a hammer."
Nową erę maszyn można datować do dnia 15 lat temu, kiedy Gary Kasparov, mistrz świata w szachach, grał z superkomputerem Deep Blue. Tamtego dnia maszyna wygrała i obecnie program szachowy na komórce może pokonać człowieka-arcymistrza. Sytuacja była tak zła, że kiedy spytano Jana Donnera, duńskiego arcymistrza, jakiej strategi użyłby w grze przeciwko komputerowi, odpowiedział: "Przyniósłbym młotek".
(Laughter)
(Śmiech)
But today a computer is no longer the world chess champion. Neither is a human, because Kasparov organized a freestyle tournament where teams of humans and computers could work together, and the winning team had no grandmaster, and it had no supercomputer. What they had was better teamwork, and they showed that a team of humans and computers, working together, could beat any computer or any human working alone. Racing with the machine beats racing against the machine. Technology is not destiny. We shape our destiny.
Ale obecnie komputer nie jest już mistrzem świata w szachach. Nie jest nim też człowiek, ponieważ Kasparov zorganizował turniej freestylowy, w którym zespoły ludzi i komputerów mogły współpracować i zwycięska drużyna nie miała ani arcymistrza, ani superkomputera. Mieli za to lepszą pracę zespołową i pokazali, że zespół ludzi i komputerów pracujący razem może pokonać każdy komputer i każdego człowieka pracującego samodzielnie. Współpraca z maszyną wygrywa ze ściganiem się z maszyną. Technologia nie jest przeznaczeniem. Sami kształtujemy nasze przeznaczenie.
Thank you.
Dziękuję.
(Applause)
(Brawa)