ABOUT THE SPEAKER
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.

Why you should listen

Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.

Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.

Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.

More profile about the speaker
Matt Beane | Speaker | TED.com
TED Salon Zebra Technologies

Matt Beane: How do we learn to work with intelligent machines?

Ματ Μπιν: Πώς θα μάθουμε να δουλεύουμε με έξυπνες μηχανές;

Filmed:
1,770,815 views

Σε ολόκληρο τον πλανήτη, ο δρόμος προς τη γνώση έχει παραμείνει απαράλλαχτος για χιλιάδες χρόνια: εκπαιδευόμαστε δίπλα σ' έναν ειδικό και αναλαμβάνουμε μικρά και εύκολα καθήκοντα, πριν προχωρήσουμε στα πιο επικίνδυνα και δύσκολα. Όμως αυτή τη στιγμή, χειριζόμαστε την Τεχνητή Νοημοσύνη μ' έναν τρόπο που παρεμποδίζει αυτό τον δρόμο και θυσιάζει τη γνώση στον βωμό της παραγωγικότητας, ισχυρίζεται ο Εθνογράφος Ματ Μπιν. Τι μπορούμε να κάνουμε; Ο Μπιν μοιράζεται ένα όραμα που ανατρέπει την παρούσα κατάσταση, σε μία κατανεμημένη, εμπλουτισμένη καθοδήγηση που εκμεταλλεύεται στο έπακρο τις απίστευτες δυνατότητες της ΤΝ, ενώ παράλληλα εμπλουτίζει και τις δικές μας δεξιότητες.
- Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio

Double-click the English transcript below to play the video.

00:13
It’s 6:30 in the morningπρωί,
0
1292
1875
Είναι 6:30 το πρωί,
00:15
and KristenKristen is wheelingWheeling
her prostateπροστάτης patientυπομονετικος into the OR.
1
3583
4875
και η Κρίστεν μεταφέρει
έναν ασθενή με προστάτη στο χειρουργείο.
Είναι ειδικευόμενη ιατρός,
εκπαιδευόμενη χειρουργός.
00:21
She's a residentΚάτοικος, a surgeonχειρουργός in trainingεκπαίδευση.
2
9500
2250
00:24
It’s her jobδουλειά to learnμαθαίνω.
3
12333
2167
Η δουλειά της είναι να μαθαίνει.
00:27
TodayΣήμερα, she’s really hopingελπίζοντας to do
some of the nerve-sparingσυντηρητικά νεύρων,
4
15292
3351
Σήμερα, πραγματικά ελπίζει να κάνει
ένα μέρος της νευροπροστατευτικής,
00:30
extremelyεπακρώς delicateλεπτός dissectionανατομή
that can preserveδιατηρώ erectileστυτική functionλειτουργία.
5
18667
3875
εξαιρετικά λεπτής τομής που μπορεί
να προστατεύσει τη λειτουργία της στύσης.
00:35
That'llΠου θα be up to the attendingπαρακολούθηση surgeonχειρουργός,
thoughαν και, but he's not there yetΑκόμη.
6
23500
3338
Αυτό θα το αποφασίσει ο επιβλέπων
χειρουργός όμως δεν έχει φτάσει ακόμα.
00:39
She and the teamομάδα put the patientυπομονετικος underκάτω από,
7
27625
2393
Εκείνη και η ομάδα του έκαναν αναισθησία,
00:42
and she leadsοδηγεί the initialαρχικός eight-inch8 ιντσών
incisionτομή in the lowerπιο χαμηλα abdomenκοιλιά.
8
30042
3708
κι εκείνη καθοδηγεί στην αρχική τομή
των 20 εκατοστών στην κοιλιακή χώρα.
00:47
OnceΜια φορά she’s got that clampedστερεωμένο back,
she tellsλέει the nurseνοσοκόμα to call the attendingπαρακολούθηση.
9
35042
3586
Μόλις την πιάσει με τις λαβίδες, ζητάει
από τη νοσηλεύτρια να φωνάξει τον επιβλέποντα.
00:51
He arrivesφτάνει, gownsΦορέματα up,
10
39583
2292
Εκείνος έρχεται, φοράει την ποδιά του,
00:54
And from there on in, theirδικα τους fourτέσσερα handsτα χέρια
are mostlyως επί το πλείστον in that patientυπομονετικος --
11
42458
5792
κι έπειτα, τα τέσσερα χέρια τους
βρίσκονται κυρίως μέσα στον ασθενή
01:00
with him guidingκαθοδηγώντας
but KristinKristin leadingκύριος the way.
12
48708
2917
μ' εκείνον να δίνει οδηγίες,
αλλά με την Κρίστεν να προχωράει.
01:04
When the prostatesπροστάτη out (and, yes,
he let KristenKristen do a little nerveνεύρο sparingφειδωλός),
13
52875
4643
Όταν ο προστάτης χειρουργείται (και ναι,
την άφησε να κάνει λίγη νευροπροστατευτική),
01:09
he ripsσχίζει off his scrubsΑπολεπιστικά.
14
57542
1226
πετάει την ποδιά του.
01:10
He startsξεκινά to do paperworkχαρτιά.
15
58792
1375
Συμπληρώνει τα έγγραφα.
01:12
KristenKristen closesκλείνει the patientυπομονετικος by 8:15,
16
60833
5375
Η Κρίστεν κλείνει τον ασθενή στις 8:15,
01:18
with a juniorJunior residentΚάτοικος
looking over her shoulderώμος.
17
66583
2435
μ' ένα νέο ασκούμενο
να κοιτάζει τη δουλειά της.
01:21
And she letsεπιτρέπει him do
the finalτελικός lineγραμμή of suturesΡάμματα.
18
69042
3083
Και τον αφήνει να κάνει
τα τελευταία ράμματα.
01:24
KristenKristen feelsαισθάνεται great.
19
72833
3042
Η Κρίστεν νιώθει θαυμάσια.
01:28
PatientΑσθενής’s going to be fine,
20
76250
1559
Ο ασθενής θα τα πάει μια χαρά,
01:29
and no doubtαμφιβολία she’s a better surgeonχειρουργός
than she was at 6:30.
21
77833
3167
και αναμφίβολα, είναι καλύτερη χειρουργός
απ' ό,τι ήταν στις 6:30.
01:34
Now this is extremeάκρο work.
22
82208
2834
Αυτή, βέβαια, είναι μια ακραία δουλειά.
01:37
But KristinKristin’s learningμάθηση to do her jobδουλειά
the way that mostπλέον of us do:
23
85417
3833
Όμως η Κρίστεν μαθαίνει να δουλεύει
όπως και οι περισσότεροι από εμάς:
01:41
watchingβλέποντας an expertειδικός for a bitκομμάτι,
24
89625
1893
παρατηρεί έναν ειδικό για λίγο,
01:43
gettingνα πάρει involvedεμπλεγμένος in easyεύκολος,
safeασφαλής partsεξαρτήματα of the work
25
91542
3142
συμμετέχει στις εύκολες
και ασφαλείς φάσεις της δουλειάς
01:46
and progressingπροχωρούν to riskierπιο επικίνδυνη
and harderπιο δυνατα tasksκαθήκοντα
26
94708
2185
και σταδιακά προχωρά
στα πιο δύσκολα καθήκοντα
01:48
as they guideοδηγός and decideαποφασίζω she’s readyέτοιμος.
27
96917
2333
καθώς την καθοδηγούν
κι αποφασίζουν ότι είναι έτοιμη.
01:52
My wholeολόκληρος life I’veve been fascinatedγοητευμένος
by this kindείδος of learningμάθηση.
28
100042
2892
Σε όλη μου τη ζωή, αυτό
το είδος μάθησης με έχει συνεπάρει.
01:54
It feelsαισθάνεται elementalστοιχειακή,
partμέρος of what makesκάνει us humanο άνθρωπος.
29
102958
3667
Φαίνεται κάτι το στοιχειώδες,
ένα κομμάτι του μας κάνει ανθρώπους.
01:59
It has differentδιαφορετικός namesονόματα: apprenticeshipμαθητείας,
coachingπροπόνηση, mentorshipσυμβουλευτική καθοδήγηση, on the jobδουλειά trainingεκπαίδευση.
30
107750
5417
Έχει διάφορα ονόματα: μαθητεία, προπόνηση,
συμβουλευτική, μάθηση στην πράξη.
02:05
In surgeryχειρουργική επέμβαση, it’s calledπου ονομάζεται
“see one, do one, teachδιδάσκω one.”
31
113542
3291
Στο χειρουργείο ονομάζεται:
«δες ένα, κάνε ένα, δίδαξε ένα».
02:09
But the processεπεξεργάζομαι, διαδικασία is the sameίδιο,
32
117625
1344
Μα είναι η ίδια διαδικασία,
02:10
and it’s been the mainκύριος pathμονοπάτι to skillεπιδεξιότητα
around the globeΣφαίρα for thousandsχιλιάδες of yearsχρόνια.
33
118993
4174
και εδώ και χιλιάδες χρόνια,
αποτελεί την πορεία προς την ικανότητα.
02:16
Right now, we’reRe handlingΧειρισμός, ή Αντιμετώπιση AIAI
in a way that blocksμπλοκ that pathμονοπάτι.
34
124333
4500
Την παρούσα στιγμή, χειριζόμαστε την ΤΝ
με τρόπο που μπλοκάρει αυτόν τον δρόμο.
02:21
We’reRe sacrificingθυσιάζοντας learningμάθηση
in our questΑναζήτηση for productivityπαραγωγικότητα.
35
129625
2690
Θυσιάζουμε τη γνώση,
στον βωμό της παραγωγικότητας.
02:25
I foundβρέθηκαν this first in surgeryχειρουργική επέμβαση
while I was at MITMIT,
36
133292
2809
Το κατάλαβα πρώτη φορά
σ' ένα χειρουργείο όσο ήμουν στο ΜΙΤ,
02:28
but now I’veve got evidenceαπόδειξη
it’s happeningσυμβαίνει all over,
37
136125
2476
μα τώρα έχω αποδείξεις
ότι συμβαίνει παντού,
02:30
in very differentδιαφορετικός industriesβιομηχανίες
and with very differentδιαφορετικός kindsείδη of AIAI.
38
138625
3875
σε πολύ διαφορετικές βιομηχανίες
και με πολλά διαφορετικά είδη ΤΝ.
02:35
If we do nothing, millionsεκατομμύρια of us
are going to hitΚτύπημα a brickτούβλο wallτείχος
39
143083
5851
Αν δεν κάνουμε κάτι γι' αυτό,
εκατομμύρια άνθρωποι
θα φτάσουμε σε αδιέξοδο,
02:40
as we try to learnμαθαίνω to dealσυμφωνία with AIAI.
40
148958
2417
προσπαθώντας να χειριστούμε
την Τεχνητή Νοημοσύνη.
Πάμε να δούμε πώς, πίσω στο χειρουργείο.
02:45
Let’s go back to surgeryχειρουργική επέμβαση to see how.
41
153125
1772
02:47
FastΓρήγορη forwardπρος τα εμπρός sixέξι monthsμήνες.
42
155708
1935
Πάμε έξι μήνες μπροστά.
02:49
It’s 6:30am again, and KristenKristen
is wheelingWheeling anotherαλλο prostateπροστάτης patientυπομονετικος in,
43
157667
5476
Και πάλι είναι 6:30, και η Κρίστεν
φέρνει άλλον έναν ασθενή με προστάτη,
02:55
but this time to the roboticρομποτικό OR.
44
163167
3166
αυτή τη φορά στο ρομποτικό χειρουργείο.
02:59
The attendingπαρακολούθηση leadsοδηγεί attachingεπισυνάπτοντας
45
167667
1684
Ο επιβλέπων ξεκινά προσαρτώντας
03:01
a four-armedτέσσερις-οπλισμένοι, thousand-poundχιλιάδες λίρες
robotρομπότ to the patientυπομονετικος.
46
169375
2833
ένα ρομπότ τεσσάρων χεριών,
πεντακοσίων κιλών στον ασθενή.
03:04
They bothκαι τα δυο ripξήλωμα off theirδικα τους scrubsΑπολεπιστικά,
47
172750
2434
Και οι δύο βγάζουν τις ποδιές,
03:07
headκεφάλι to controlέλεγχος consolesκονσόλες
10 or 15 feetπόδια away,
48
175208
3125
και κατευθύνονται προς τα χειριστήρια
στα τρία ή τέσσερα μέτρα από εκεί,
03:11
and KristenKristen just watchesρολόγια.
49
179167
3750
και η Κρίστεν απλώς παρακολουθεί.
Το ρομπότ αφήνει τον επιβλέποντα
να κάνει όλη τη διαδικασία,
03:16
The robotρομπότ allowsεπιτρέπει the attendingπαρακολούθηση
to do the wholeολόκληρος procedureδιαδικασία himselfο ίδιος,
50
184375
3053
03:19
so he basicallyβασικα does.
51
187452
1583
οπότε και το κάνει.
03:21
He knowsξέρει she needsανάγκες practiceπρακτική.
52
189917
2101
Γνωρίζει ότι εκείνη πρέπει να εξασκηθεί.
03:24
He wants to give her controlέλεγχος.
53
192042
1583
Θέλει να της δώσει τον έλεγχο.
03:26
But he alsoεπίσης knowsξέρει she’d be slowerβραδύτερη
and make more mistakesλάθη,
54
194250
3393
Μα ξέρει επίσης ότι θα είναι πιο αργή
και θα κάνει περισσότερα λάθη,
03:29
and his patientυπομονετικος comesέρχεται first.
55
197667
1500
και πάνω απ' όλα είναι ο ασθενής.
03:32
So KristinKristin has no hopeελπίδα of gettingνα πάρει anywhereοπουδήποτε
nearκοντά those nervesνεύρα duringστη διάρκεια this rotationπεριστροφή.
56
200250
4625
Έτσι, η Κρίστεν δεν έχει καμία ελπίδα
να πλησιάσει αυτά τα νεύρα.
03:37
She’llll be luckyτυχερός if she operatesλειτουργεί more than
15 minutesλεπτά duringστη διάρκεια a four-hourτέσσερις ώρες procedureδιαδικασία.
57
205417
4375
Θα είναι τυχερή αν χειρουργήσει
πάνω από 15 λεπτά σε μια 4ωρη επέμβαση.
03:42
And she knowsξέρει that when she slipsμπόλια up,
58
210250
2625
Και ξέρει ότι με το πρώτο λάθος,
03:45
he’llll tapπαρακέντηση a touchαφή screenοθόνη,
and she’llll be watchingβλέποντας again,
59
213458
3042
εκείνος θα πατήσει μια οθόνη αφής
και θα βρεθεί πάλι να κοιτάζει,
03:48
feelingσυναισθημα like a kidπαιδί in the cornerγωνία
with a dunceτούβλο capκαπάκι.
60
216917
2625
νιώθοντας σαν τον μαθητή στη γωνία
με το καπέλο τιμωρίας.
03:53
Like all the studiesσπουδές of robotsρομπότ and work
I’veve doneΈγινε in the last eightοκτώ yearsχρόνια,
61
221583
3501
Όπως σε κάθε μελέτη για ρομπότ
και κάθε δουλειά μου εδώ και οκτώ χρόνια,
άρχισα αυτήν εδώ,
κάνοντας μια ανοικτή ερώτηση:
03:57
I startedξεκίνησε this one
with a bigμεγάλο, openΆνοιξε questionερώτηση:
62
225108
2118
03:59
How do we learnμαθαίνω to work
with intelligentέξυπνος machinesμηχανές?
63
227250
2792
Πώς μαθαίνουμε να εργαζόμαστε
μαζί με τις ευφυείς μηχανές;
04:02
To find out, I spentξόδεψε two and a halfΉμισυ yearsχρόνια
observingπαρατηρητικός dozensντουζίνες of residentsοι κατοικοι and surgeonsχειρουργοί
64
230792
5809
Για να το βρω, επί 2,5 χρόνια μελετούσα
δεκάδες ειδικευόμενους και χειρουργούς
04:08
doing traditionalπαραδοσιακός and roboticρομποτικό surgeryχειρουργική επέμβαση,
interviewingσυνέντευξη them
65
236625
3476
που χειρουργούσαν παραδοσιακά
και ρομποτικά, κάνοντας συνεντεύξεις,
04:12
and in generalγενικός hangingκρέμασμα out
with the residentsοι κατοικοι as they triedδοκιμασμένος to learnμαθαίνω.
66
240125
3338
και συζητούσα με τους ειδικευόμενους,
καθώς προσπαθούσαν να μάθουν.
04:16
I coveredσκεπαστός 18 of the topμπλουζα
US teachingδιδασκαλία hospitalsνοσοκομεία,
67
244250
3351
Κάλυψα 18 από τα κορυφαία
Πανεπιστημιακά Νοσοκομεία στις ΗΠΑ,
04:19
and the storyιστορία was the sameίδιο.
68
247625
1458
και η ιστορία επαναλαμβανόταν.
Οι πιο πολλοί ειδικευόμενοι
ήταν στην ίδια θέση με την Κρίστεν.
04:21
MostΠερισσότερα residentsοι κατοικοι were in Kristen'sΗ Κρίστεν shoesπαπούτσια.
69
249875
2542
04:24
They got to “see one” plentyαφθονία,
70
252958
1792
Αναλωνόντουσαν υπερβολικά στο «δες»,
04:27
but the “do one” was barelyμετά βίας availableδιαθέσιμος.
71
255583
2292
αλλά σχεδόν ποτέ δεν έφταναν στο «κάνε».
04:30
So they couldncouldn’t struggleπάλη,
and they werenνεφριτησ’t learningμάθηση.
72
258333
2528
Δεν πάσχιζαν, και συνεπώς δεν μάθαιναν.
04:33
This was importantσπουδαίος newsΝέα for surgeonsχειρουργοί, but
I neededαπαιτείται to know how widespreadδιαδεδομένη it was:
73
261291
3810
Ήταν σημαντικά νέα για τους χειρουργούς,
μα έπρεπε να μάθω πόσο διαδεδομένα ήταν:
04:37
Where elseαλλού was usingχρησιμοποιώντας AIAI
blockingμπλοκάρισμα learningμάθηση on the jobδουλειά?
74
265125
3833
Πού αλλού η ΤΝ που χρησιμοποιούταν
μπλόκαρε τη μάθηση στην εργασία;
04:42
To find out, I’veve connectedσυνδεδεμένος with a smallμικρό
but growingκαλλιέργεια groupομάδα of youngνεαρός researchersερευνητές
75
270208
4310
Για να το μάθω, συνδέθηκα με μια μικρή
μα ανερχόμενη ομάδα νέων ερευνητών
04:46
who’veve doneΈγινε boots-on-the-groundμπότες στο έδαφος studiesσπουδές
of work involvingμε τη συμμετοχή AIAI
76
274542
3434
που έκαναν μελέτες για το ζήτημα
της δουλειάς που περιλαμβάνει χρήση ΤΝ
04:50
in very diverseποικίλος settingsρυθμίσεις
like start-upsνεοσύστατες επιχειρήσεις, policingαστυνόμευση,
77
278000
2976
σε ένα ευρύ φάσμα,
όπως οι νέες επιχειρήσεις, η αστυνόμευση,
04:53
investmentεπένδυση bankingτραπεζική and onlineσε απευθείας σύνδεση educationεκπαίδευση.
78
281000
2601
οι τράπεζες επενδύσεις
και η διδασκαλία εξ' αποστάσεως.
04:55
Like me, they spentξόδεψε at leastελάχιστα a yearέτος
and manyΠολλά hundredsεκατοντάδες of hoursώρες observingπαρατηρητικός,
79
283625
5851
Όπως κι εγώ, πέρασαν τουλάχιστον έναν
χρόνο και εκατοντάδες ώρες παρατηρώντας,
05:01
interviewingσυνέντευξη and oftenσυχνά workingεργαζόμενος
side-by-sideδίπλα δίπλα with the people they studiedμελετημένος.
80
289500
3917
παίρνοντας συνεντεύξεις και δουλεύοντας
στο πλευρό των ατόμων που μελετούσαν.
05:06
We sharedκοινή χρήση dataδεδομένα, and I lookedκοίταξε for patternsσχέδια.
81
294458
2417
Ανταλλάξαμε στοιχεία, κι έψαξα για μοτίβα.
05:09
No matterύλη the industryβιομηχανία, the work,
the AIAI, the storyιστορία was the sameίδιο.
82
297917
5208
Ανεξάρτητα από τη βιομηχανία, την εργασία,
την ΤΝ, η ιστορία επαναλαμβανόταν.
05:16
OrganizationsΟργανισμοί were tryingπροσπαθεί harderπιο δυνατα
and harderπιο δυνατα to get resultsΑποτελέσματα from AIAI,
83
304042
3642
Οι οργανισμοί προσπαθούσαν
να δουν αποτελέσματα απ' την ΤΝ
05:19
and they were peelingξεφλούδισμα learnersτους μαθητές away from
expertειδικός work as they did it.
84
307708
3542
και κάνοντάς το, απομάκρυναν
τους μαθητευόμενους απ' τους ειδικούς.
Οι διευθυντές νεοφυών εταιριών
ανέθεταν σ' εξωτερικούς συνεργάτες
05:24
Start-upΕκκίνησης managersδιευθυντές were outsourcingεξωτερική ανάθεση
theirδικα τους customerπελάτης contactΕπικοινωνία.
85
312333
2875
την επαφή με πελάτες.
Οι αστυνομικοί χειριζόντουσαν
τις προβλέψεις εγκλήματος δίχως στήριξη.
05:27
CopsΜπάτσοι had to learnμαθαίνω to dealσυμφωνία with crimeέγκλημα
forecastsπροβλέψεις withoutχωρίς expertsειδικοί supportυποστήριξη.
86
315833
4042
Νέα τραπεζικά στελέχη
δεν είχαν πρόσβαση στη σύνθετη ανάλυση
05:32
JuniorJunior bankersτραπεζίτες were gettingνα πάρει
cutΤομή out of complexσυγκρότημα analysisανάλυση,
87
320875
3250
και οι ακαδημαϊκοί σχεδίαζαν
διαδικτυακά μαθήματα χωρίς στήριξη.
05:36
and professorsκαθηγητές had to buildχτίζω
onlineσε απευθείας σύνδεση coursesΚΥΚΛΟΣ ΜΑΘΗΜΑΤΩΝ withoutχωρίς help.
88
324500
3083
Και οι συνέπειες από όλα αυτά
ήταν ανάλογες με εκείνες στο χειρουργείο.
05:41
And the effectαποτέλεσμα of all of this
was the sameίδιο as in surgeryχειρουργική επέμβαση.
89
329125
3226
05:44
LearningΜάθηση on the jobδουλειά
was gettingνα πάρει much harderπιο δυνατα.
90
332375
2917
Το να μάθεις τη δουλειά
γινόταν ολοένα και δυσκολότερο.
05:48
This can’t last.
91
336958
1417
Αυτό δεν μπορεί να συνεχιστεί.
05:51
McKinseyMcKinsey estimatesυπολογίζει that betweenμεταξύ halfΉμισυ
a billionδισεκατομμύριο and a billionδισεκατομμύριο of us
92
339542
4267
Η McKinsey υπολογίζει
ότι μισό με ένα δισεκατομμύριο από εμάς
05:55
are going to have to adaptπροσαρμόζω to AIAI
in our dailyκαθημερινά work by 2030.
93
343833
4125
θα έχουμε εφαρμόσει την ΤΝ
στην καθημερινή μας δουλειά έως το 2030.
06:01
And we’reRe assumingυποθέτοντας
that on-the-jobon-the-job learningμάθηση
94
349000
2011
Και υποθέτουμε ότι η μαθητεία στη δουλειά
06:03
will be there for us as we try.
95
351035
1917
θα είναι εφικτή, καθώς προσπαθούμε.
06:05
AccentureAccenture’s latestαργότερο workersεργαζομένων surveyεπισκόπηση showedέδειξε
that mostπλέον workersεργαζομένων learnedέμαθα keyκλειδί skillsικανότητες
96
353500
4268
Η Accenture ανακάλυψε ότι οι εργαζόμενοι
απέκτησαν βασικές δεξιότητες
06:09
on the jobδουλειά, not in formalεπίσημος trainingεκπαίδευση.
97
357792
2291
επί τω έργω, και όχι κατά την εκπαίδευση.
06:13
So while we talk a lot about its
potentialδυνητικός futureμελλοντικός impactεπίπτωση,
98
361292
3517
Άρα, καθώς μιλάμε πολύ
για το μελλοντικό αντίκτυπο της ΤΝ,
06:16
the aspectάποψη of AIAI
that mayενδέχεται matterύλη mostπλέον right now
99
364833
3685
αυτό που έχει περισσότερη σημασία
αυτή τη στιγμή
06:20
is that we’reRe handlingΧειρισμός, ή Αντιμετώπιση it in a way
that blocksμπλοκ learningμάθηση on the jobδουλειά
100
368542
3375
είναι ότι το χειριζόμαστε με τρόπο
που μπλοκάρει τη μάθηση επί τω έργω
06:24
just when we need it mostπλέον.
101
372375
1625
ακριβώς όταν τη χρειαζόμαστε περισσότερο.
06:27
Now acrossαπέναντι all our sitesιστοσελίδες,
a smallμικρό minorityμειοψηφίας foundβρέθηκαν a way to learnμαθαίνω.
102
375458
6042
Σε όλες τις τοποθεσίες που ερευνήσαμε,
ένα μικρό ποσοστό κατόρθωσε να μάθει.
06:35
They did it by breakingσπάσιμο and bendingκάμψη rulesκανόνες.
103
383625
3042
Και τα κατάφεραν
παραβιάζοντας τους κανονισμούς.
06:39
ApprovedΕγκριθεί methodsμεθόδων werenνεφριτησ’t workingεργαζόμενος,
so they bentλυγισμένα and brokeέσπασε rulesκανόνες
104
387083
4643
Οι εγκεκριμένες μέθοδοι δεν απέδωσαν,
οπότε παραβίασαν τους κανόνες
για ν' αναμειχθούν
στη δουλειά των ειδικών.
06:43
to get hands-onhands-on practiceπρακτική with expertsειδικοί.
105
391750
1976
06:45
In my settingσύνθεση, residentsοι κατοικοι got involvedεμπλεγμένος
in roboticρομποτικό surgeryχειρουργική επέμβαση in medicalιατρικός schoolσχολείο
106
393750
5601
Στον χώρο μου, οι ειδικευόμενοι
ασχολήθηκαν με τις ρομποτικές επεμβάσεις
στην Ιατρική Σχολή, σε βάρος
των γενικών τους γνώσεων.
06:51
at the expenseδαπάνη
of theirδικα τους generalistγενικού περιεχομένου educationεκπαίδευση.
107
399375
3583
06:56
And they spentξόδεψε hundredsεκατοντάδες of extraεπιπλέον hoursώρες
with simulatorsΕξομοιωτές and recordingsηχογραφήσεις of surgeryχειρουργική επέμβαση,
108
404417
5851
Και αφιέρωσαν πολλές επιπλέον ώρες
με προσομοιώσεις και καταγραφές επεμβάσεων
07:02
when you were supposedυποτιθεμένος to learnμαθαίνω in the OR.
109
410292
2541
όταν θα έπρεπε να μαθαίνουν
μέσα στο χειρουργείο.
07:05
And maybe mostπλέον importantlyείναι σημαντικό,
they foundβρέθηκαν waysτρόπους to struggleπάλη
110
413375
3476
Και το κυριότερο, ίσως,
είναι ότι μπόρεσαν να αντεπεξέλθουν
07:08
in liveζω proceduresδιαδικασίες
with limitedπεριωρισμένος expertειδικός supervisionεποπτεία.
111
416875
3750
σε ζωντανές διαδικασίες
με ελάχιστη επιτήρηση απ' τους ειδικούς.
07:13
I call all this “shadowσκιά learningμάθηση,”
because it bendsστροφές the rulesκανόνες
112
421792
4309
Μου αρέσει να τ' ονομάζω «πλάγια μάθηση»
επειδή παρακάμπτει τους κανόνες
07:18
and learnerμαθητής’s do it out of the limelightδημοσιότητα.
113
426125
2000
και ο μαθητής δεν βρίσκεται στο επίκεντρο.
07:21
And everyoneΟλοι turnsστροφές a blindτυφλός eyeμάτι
because it getsπαίρνει resultsΑποτελέσματα.
114
429542
4101
Και όλοι κάνουν τα στραβά μάτια,
επειδή αποδίδει καρπούς.
07:25
RememberΝα θυμάστε, these are
the starαστέρι pupilsΟι μαθητές of the bunchδέσμη.
115
433667
3166
Να θυμάστε, αυτοί είναι τα «αστέρια»
της φουρνιάς των φοιτητών.
07:29
Now, obviouslyπροφανώς, this is not OK,
and it’s not sustainableΑειφόρος.
116
437792
3208
Προφανώς, αυτό δεν είναι ούτε αποδεκτό,
μα ούτε και βιώσιμο.
07:33
No one should have to riskκίνδυνος gettingνα πάρει firedπυροβολήθηκε
117
441708
2185
Κανείς δεν θα 'πρεπε
να ρισκάρει ν' απολυθεί,
07:35
to learnμαθαίνω the skillsικανότητες
they need to do theirδικα τους jobδουλειά.
118
443917
2150
για να μάθει πώς να κάνει
σωστά τη δουλειά του.
07:38
But we do need to learnμαθαίνω from these people.
119
446792
2056
Πρέπει να παραδειγματιστούμε απ' αυτούς.
07:41
They tookπήρε seriousσοβαρός risksκινδύνους to learnμαθαίνω.
120
449917
2250
Διακινδύνευσαν πολλά για να μάθουν.
07:44
They understoodκατανοητή they neededαπαιτείται to protectπροστατεύω
struggleπάλη and challengeπρόκληση in theirδικα τους work
121
452792
4351
Κατανόησαν ότι έπρεπε ν' αντιμετωπίσουν
δυσκολίες και προκλήσεις στη δουλειά τους
για να πιέσουν τον εαυτό τους
και ν' αντιμετωπίσουν προβλήματα
07:49
so that they could pushΣπρώξτε themselvesτους εαυτούς τους
to tackleανυψωτήρ hardσκληρά problemsπροβλήματα
122
457167
2892
07:52
right nearκοντά the edgeάκρη of theirδικα τους capacityχωρητικότητα.
123
460083
1959
που τους έφερναν σχεδόν στα όριά τους.
07:54
They alsoεπίσης madeέκανε sure
there was an expertειδικός nearbyπλησίον
124
462458
2216
Ακόμα, βεβαιώνονταν
ότι ήταν κοντά ένας έμπειρος
07:56
to offerπροσφορά pointersδείκτες and to backstopbackstop
againstκατά catastropheκαταστροφή.
125
464698
3094
για να τους καθοδηγεί
και ν' αποτρέπει την καταστροφή.
08:00
Let’s buildχτίζω this combinationσυνδυασμός
of struggleπάλη and expertειδικός supportυποστήριξη
126
468875
3458
Ας εμφυτεύσουμε τον συνδυασμό
του αγώνα και της υποστήριξης των ειδικών
08:04
into eachκαθε AIAI implementationεκτέλεση.
127
472708
2750
σε κάθε εφαρμογή ΤΝ.
08:08
Here’s one clearΣαφή exampleπαράδειγμα
I could get of this on the groundέδαφος.
128
476375
2828
Εδώ έχουμε ένα σαφές παράδειγμα
για ν' αναλύσουμε.
08:12
Before robotsρομπότ,
129
480125
1226
Πριν τα ρομπότ,
08:13
if you were a bombβόμβα disposalδιάθεση technicianτεχνικός,
you dealtμοιράστηκε with an IEDIED by walkingτο περπάτημα up to it.
130
481375
4792
αν εξουδετερώνατε βόμβες, είχατε επαφή
με Ευφυείς Ηλεκτρονικές Διατάξεις.
08:19
A juniorJunior officerαξιωματικός was
hundredsεκατοντάδες of feetπόδια away,
131
487333
2143
Ένας κατώτερος αξιωματικός
ήταν σε μεγάλη απόσταση
08:21
so could only watch and help
if you decidedαποφασισμένος it was safeασφαλής
132
489500
3309
ώστε μπορούσε μόνο να βλέπει
και να βοηθάει μόνο αν το κρίνατε ασφαλές
08:24
and invitedκαλεσμένος them downrangeDownrange.
133
492833
1417
και τον καλούσατε κοντά σας.
08:27
Now you sitκαθίζω side-by-sideδίπλα δίπλα
in a bomb-proofβόμβα-απόδειξη truckφορτηγό.
134
495208
3893
Τώρα, κάθεστε δίπλα-δίπλα
σε ένα ένα ασφαλές καταφύγιο.
08:31
You bothκαι τα δυο watchedπαρακολούθησα the videoβίντεο feedταίζω.
135
499125
1809
Και οι δύο είδατε τη ροή των βίντεο.
08:32
They controlέλεγχος a distantμακρινός robotρομπότ,
and you guideοδηγός the work out loudμεγαλόφωνος.
136
500958
4310
Χειρίζονται από μακριά ένα ρομπότ,
κι εσείς τους καθοδηγείτε φωνάζοντας.
08:37
TraineesΕκπαιδευόμενοι learnμαθαίνω better than they
did before robotsρομπότ.
137
505292
3208
Οι μαθητές μαθαίνουν καλύτερα
σε σχέση με την εποχή πριν την ΤΝ.
08:41
We can scaleκλίμακα this to surgeryχειρουργική επέμβαση,
start-upsνεοσύστατες επιχειρήσεις, policingαστυνόμευση,
138
509125
3933
Μπορούμε να το επεκτείνουμε
στο χειρουργείο, τις νεοφυείς εταιρίες,
την αστυνόμευση, τις τραπεζικές
επενδύσεις, τη διδασκαλία εξ' αποστάσεως.
08:45
investmentεπένδυση bankingτραπεζική,
onlineσε απευθείας σύνδεση educationεκπαίδευση and beyondπέρα.
139
513082
2625
08:48
The good newsΝέα is
we’veve got newνέος toolsεργαλεία to do it.
140
516375
2500
Ευτυχώς, έχουμε νέα εργαλεία
για να το καταφέρουμε.
08:51
The internetΔιαδίκτυο and the cloudσύννεφο mean we donΝτον’t
always need one expertειδικός for everyκάθε traineeΑσκούμενος,
141
519750
4082
Με το διαδίκτυο, δεν χρειάζεται πάντα
να υπάρχει ένας ειδικός ανά εκπαιδευόμενο,
08:56
for them to be physicallyφυσικώς nearκοντά eachκαθε other
or even to be in the sameίδιο organizationοργάνωση.
142
524167
4458
να βρίσκεται στον ίδιο χώρο μ' εκείνον
ή και να δουλεύουν για την ίδια οργάνωση.
09:01
And we can buildχτίζω AIAI to help:
143
529292
3041
Και μπορούμε να βελτιώσουμε
την ΤΝ για να συμβάλει:
09:05
to coachπροπονητής learnersτους μαθητές as they struggleπάλη,
to coachπροπονητής expertsειδικοί as they coachπροπονητής
144
533167
5059
στην καθοδήγηση μαθητευόμενων,
στην υποστήριξη των ειδικών που διδάσκουν,
09:10
and to connectσυνδέω those two groupsομάδες
in smartέξυπνος waysτρόπους.
145
538250
2542
και να συνδέσει αυτές
τις δύο ομάδες με έξυπνο τρόπο.
09:15
There are people at work
on systemsσυστήματα like this,
146
543375
2542
Υπάρχουν άτομα που
δουλεύουν αυτά τα συστήματα,
09:18
but they’veve been mostlyως επί το πλείστον focusedεστιασμένη
on formalεπίσημος trainingεκπαίδευση.
147
546333
2792
αλλά επικεντρώνονται κυρίως
στους τίτλους εκπαίδευσης.
09:21
And the deeperβαθύτερη crisisκρίση
is in on-the-jobon-the-job learningμάθηση.
148
549458
2584
Το κυριότερο πρόβλημα
είναι η μάθηση στην εργασία.
09:24
We mustπρέπει do better.
149
552417
1851
Πρέπει να βελτιωθούμε.
09:26
TodayΣήμερα’s problemsπροβλήματα demandζήτηση we do better
150
554292
2583
Τα τωρινά προβλήματα καθιστούν
επιτακτική τη βελτίωση,
09:29
to createδημιουργώ work that takes fullγεμάτος advantageπλεονέκτημα
of AIAI’s amazingφοβερο capabilitiesικανότητες
151
557375
4875
για να εκμεταλλευτούμε στο έπακρο
τις εκπληκτικές ικανότητες της ΤΝ
09:35
while enhancingτην ενίσχυση της our skillsικανότητες as we do it.
152
563042
2750
ενώ παράλληλα εμπλουτίζουμε τη γνώση μας.
09:38
That’s the kindείδος of futureμελλοντικός
I dreamedονειρεύτηκα of as a kidπαιδί.
153
566333
2750
Αυτό είναι το μέλλον
που ονειρευόμουν, όταν ήμουν παιδί.
09:41
And the time to createδημιουργώ it is now.
154
569458
2167
Και η στιγμή για να το φτιάξουμε, έφτασε.
09:44
Thank you.
155
572333
1226
Σας ευχαριστώ.
09:45
(ApplauseΧειροκροτήματα)
156
573583
3625
(Χειροκρότημα)
Translated by Paraskevi Boura
Reviewed by Antonis Isaakidis

▲Back to top

ABOUT THE SPEAKER
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.

Why you should listen

Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.

Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.

Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.

More profile about the speaker
Matt Beane | Speaker | TED.com