TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
اریک برینجولفسون، کلید پیشرفت، مسابقه به کمک ماشین ها
Filmed:
Readability: 4.6
1,321,770 views
ماشین ها کار های بیشتر و بیشتری را به خود اختصاص می دهند، و افراد بیشتری بی کار می شوند یا بدون هیچ پیشرفتی در کار می مانند. آیا این پایان پیشرفت است؟ نه، اریک برینجولفسون پاسخ می دهد -- به طور خیلی ساده این درد های رشد اقتصادی است که به سرعت جهش می یابد. یک سخنرانی شگفت انگیز درباره ی این که چرا نوآوری های بزرگ پیش روی ما هستند ... اگر ما به کامپیوتر ها به عنوان هم تیمی های خود نگاه کنیم. حتماً دیدگاه مخالف آن را در سخنرانی رابرت گوردون ببینید.
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Double-click the English transcript below to play the video.
00:12
Growth is not dead.
0
605
2272
پیشرفت بشر پایان نیافته است.
00:14
(Applause)
1
2877
1386
(تشویق حاضرین)
00:16
Let's start the story 120 years ago,
2
4263
3963
اجازه بدهید داستان را از ۱۲۰ سال قبل شروع کنیم،
00:20
when American factories began to electrify their operations,
3
8226
3632
یعنی از وقتی که کارخانه های آمریکایی شروع کردند به استفاده از برق در سیستم هایشان،
00:23
igniting the Second Industrial Revolution.
4
11858
3344
و دومین انقلاب صنعتی را شروع کردند.
00:27
The amazing thing is
5
15202
1111
نکته ی جالب این جاست که
00:28
that productivity did not increase in those factories
6
16313
2777
میزان بهره وری در این کارخانه ها طی 30 سال گذشته افزایش پیدا نکرده است.
00:31
for 30 years. Thirty years.
7
19090
3256
۳۰ سال گذشته. ۳۰ سال.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
این زمان آن قدر طولانیست که نسلی از مدیران صنعتی در آن جایگزین شوند.
00:37
You see, the first wave of managers
9
25820
2222
می بینید، اولین نسل مدیران صنعتی
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
خیلی ساده موتور های بخارشان را با موتور های الکتریکی جایگزین کردند،
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
اما آن ها کارخانه ها را برای استفاده ی بهینه از قابلیت ها و انعطاف انرژی الکتریکی،
00:46
of electricity's flexibility.
12
34469
2341
از نو طراحی نکردند.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
بنابراین طراحی سیستم های جدید مناسب الکتریسیته به نسل بعدی واگذار شد،
00:52
and then productivity soared,
14
40794
2727
و پس از آن ناگهان بهره وری افزایش یافت،
00:55
often doubling or even tripling in those factories.
15
43521
3665
و در آن کارخانه ها به دو یا حتی سه برابر قبل رسید.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
الکتریسیته مثالی از تکنولوژی اساسی است،
01:03
like the steam engine before it.
17
51909
2230
مانند موتور بخار، پیش از آن.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
تکنولوژی های اساسی، باعث بزرگ ترین پیشرفت های اقتصادی هستند،
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
زیرا سیلی از نو آوری های وابسته به خود را وارد صنعت می کنند،
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
مانند لامپ ها، و البته باز-طراحی کارخانه ها.
01:16
Is there a general purpose technology of our era?
21
64641
3610
آیا تکنولوژی اساسی در دوره ی ما نیز وجود دارد؟
01:20
Sure. It's the computer.
22
68251
2508
البته. این تکنولوژی کامپیوتر است.
01:22
But technology alone is not enough.
23
70759
2659
اما تکنولوژی به تنهایی کافی نیست.
01:25
Technology is not destiny.
24
73418
2766
تکنولوژی آینده ی ما نیست.
01:28
We shape our destiny,
25
76184
1580
ما آینده ی خودمان را رقم می زنیم،
01:29
and just as the earlier generations of managers
26
77764
2516
و همان طور که نسل اولیه ی مدیران
01:32
needed to redesign their factories,
27
80280
2298
نیاز پیدا کردند که کارخانه هایشان را از نو طراحی کنند،
01:34
we're going to need to reinvent our organizations
28
82578
2229
ما هم نیاز داریم تا سازمان هایمان، و حتی تمام سیستم اقتصادیمان را،
01:36
and even our whole economic system.
29
84807
2555
از نو طراحی کنیم.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
اما ما آن طور که شایسته است به این کار نمی پردازیم.
01:42
As we'll see in a moment,
31
90964
1230
اگر دقت کنید،
01:44
productivity is actually doing all right,
32
92194
2722
می بینید که بهره وری به خوبی بالا می رود،
01:46
but it has become decoupled from jobs,
33
94916
3862
اما مفهوم آن از اشتغال زایی جدا شده است،
01:50
and the income of the typical worker is stagnating.
34
98778
4419
و حقوق یک کارگر معمولی هیچ افزایشی پیدا نکرده است.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
این مشکلات گاهی اوقات به اشتباه، پایان بخش عمر یک نو آوری تشخیص داده می شوند،
01:57
as the end of innovation,
36
105716
3712
این مشکلات گاهی اوقات به اشتباه، پایان بخش عمر یک نو آوری تشخیص داده می شوند،
02:01
but they are actually the growing pains
37
109428
2129
اما این ها درد های رو به وخامت زخمی هستند،
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
که من و اندرو مکافی (سخنران دیگری در TED همین سال با موضوع مشابه) به آن "عصر ماشینی جدید" می گوییم.
02:09
Let's look at some data.
39
117147
1882
اجازه بدهید به این اطلاعات نگاهی بیندازیم.
02:11
So here's GDP per person in America.
40
119029
2902
این ارزش کلی برآورد شده ی ثروت های موجود در آمریکا به ازای هر نفر است.
02:13
There's some bumps along the way, but the big story
41
121931
2766
پرش هایی در این خط وجود دارند،
02:16
is you could practically fit a ruler to it.
42
124697
2715
اما نکته ی قابل توجه این جاست که شما می توانید این نمودار را یک خط راست تصور کنید.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
اما این نمودار بر مقیاس لگاریتمی است، بنابراین می توان نتیجه گرفت که پیشرفت در آمریکا
02:22
is actually an acceleration in real terms.
44
130688
3043
نه تنها وجود دارد، بلکه با شتاب در حال افزایش است.
02:25
And here's productivity.
45
133731
2160
و این بهره وری است.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
شما می توانید کمی کاهش بهره وری را در اواسط دهه ی 70 ببینید،
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
اما کاملاً با انقلاب صنعتی دوم تطبیق دارد،
02:34
when factories were learning how to electrify their operations.
48
142300
2691
یعنی وقتی کارخانه ها یاد می گرفتند چطور موتور های الکتریکی را جایگزین کنند.
02:36
After a lag, productivity accelerated again.
49
144991
4129
و بعد از یک تأخیر، بهره وری دوباره شتاب گرفت.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
بنابراین شاید، "تاریخ خودش را تکرار نمی کند،
02:43
but sometimes it rhymes."
51
151691
2568
اما گاهی اوقات تکرار می شود."
02:46
Today, productivity is at an all-time high,
52
154259
3136
امروزه، بهره وری از هر زمان دیگری بیشتر است،
02:49
and despite the Great Recession,
53
157395
1977
و بر خلاف بحران بزرگ اقتصادی،
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
بهره وری در اوایل هزاره ی بیستم بیشتر از دهه ی ۹۰ رشد داشته است،
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
و دهه ی ۹۰ با آن همه های و هوی، رشد سریع تری نسبت به دهه ی ۷۰ یا ۸۰ داشت.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
رشد در آن زمان سریع تر از انقلاب صنعتی دوم بود.
03:03
And that's just the United States.
57
171434
1743
و تازه این تنها ایالات متحده بود.
03:05
The global news is even better.
58
173177
3248
رشد جهانی حتی از آن هم بهتر است.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
درآمد های جهانی در دهه ی گذشته با سرعت بیشتری
03:10
in the past decade than ever in history.
60
178785
2496
نسبت به هر دوره ی دیگری در تاریخ افزایش پیدا کردند.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
اگر تمام این اعداد و آمار پیشرفت ما را انکار می کنند،
03:18
because the new machine age
62
186332
1912
به خاطر این است که عصر ماشینی جدید
03:20
is more about knowledge creation
63
188244
1664
بیشتر درباره ی دانش آفرینی است،
03:21
than just physical production.
64
189908
2331
تا صرف تولید فیزیکی محصولات.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
مهم ذهن است نه ماده، مهم مغز است نه ماهیچه،
03:27
ideas not things.
66
195177
2062
ایده ها و نه اشیاء.
03:29
That creates a problem for standard metrics,
67
197239
2570
این قواعد برای معیار های اساسی ما ایجاد مشکل می کنند،
03:31
because we're getting more and more stuff for free,
68
199809
3502
چون ما ابزار های رایگان بیشتر و بیشتری در دسترس خواهیم داشت،
03:35
like Wikipedia, Google, Skype,
69
203311
2641
مثل ویکی پدیا، گوگل، اسکایپ،
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
و اگر این سخنرانی در سایت آپلود شود، حتی این سخنرانی TED.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
اما ابزار های رایگان خوب هستند، نه؟
03:44
Sure, of course it is.
72
212318
1765
البته که خوب هستند.
03:46
But that's not how economists measure GDP.
73
214083
3868
اما اقتصاد داران این گونه مجموعه ها را در مجموع ثروت های جامعه را برآورد نمی کنند.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
نداشتن هزینه به معنای عدم وجود در آمار های مجموع ثروت های برآورد شده در جامعه است.
03:55
According to the numbers, the music industry
75
223543
2112
طبق آمار و ارقام، ارزش صنعت موسیقی
03:57
is half the size that it was 10 years ago,
76
225655
3000
به نصف ارزش آن در طی ۱۰ سال گذشته رسیده است،
04:00
but I'm listening to more and better music than ever.
77
228655
3656
اما امروزه ما موسیقی های بیشتر و بهتری را می شنویم.
04:04
You know, I bet you are too.
78
232311
2192
می دانید، از این بابت مطمئنم.
04:06
In total, my research estimates
79
234503
2723
تحقیقات من نشان می دهد
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
که در مجموع ارزش برآورد شده ی ابزار ها و خدمات رایگان در اینترنت بیش از ۳۰۰ میلیارد دلار در سال است.
04:13
in free goods and services on the Internet.
81
241980
3346
که در مجموع ارزش برآورد شده ی ابزار ها و خدمات رایگان در اینترنت بیش از ۳۰۰ میلیارد دلار در سال است.
04:17
Now let's look to the future.
82
245326
1789
حالا اجازه بدهید نگاهی به آینده بیندازیم.
04:19
There are some super smart people
83
247115
2263
افرادی فوق العاده باهوش وجود دارند
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
که در این باره بحث می کنند که آیا پیشرفت بشر به پایان رسیده است،
04:26
but to understand the future of growth,
85
254397
3558
اما برای درک آینده ی پیشرفت،
04:29
we need to make predictions
86
257955
2683
نیاز داریم ابتدا پیش بینی هایی در مورد عوامل بنیادی پیشرفت انجام دهیم.
04:32
about the underlying drivers of growth.
87
260638
3290
نیاز داریم ابتدا پیش بینی هایی در مورد عوامل بنیادی پیشرفت انجام دهیم.
04:35
I'm optimistic, because the new machine age
88
263928
3806
من خوش بین هستم، چون عصر ماشینی جدید
04:39
is digital, exponential and combinatorial.
89
267734
5030
دیجیتالی، پیش رونده و ترکیبی است.
04:44
When goods are digital, they can be replicated
90
272764
2264
زمانی که کالا ها دیجیتالی باشند، رقیب هایی با کیفیت تقریباً ایده آل
04:47
with perfect quality at nearly zero cost,
91
275028
4509
و هزینه ای نزدیک به صفر پیدا می کنند،
04:51
and they can be delivered almost instantaneously.
92
279537
4018
که به صورت تقریباً آنی در دسترس قرار می گیرند.
04:55
Welcome to the economics of abundance.
93
283555
2800
به اقتصاد فراوانی خوش آمدید.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
اما سودی جزئی ولی مهمی در دیجیتالی کردن جهان وجود دارد.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
سنجش شاهرگ علم و پیشرفت است.
05:06
In the age of big data,
96
294645
2148
در عصر حجم عظیم اطلاعات،
05:08
we can measure the world in ways we never could before.
97
296793
4286
ما جهان را از راه هایی می سنجیم که پیش از این هرگز نمی توانستیم.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
ثانیاً، عصر ماشینی جدید به سرعت در حال رشد است.
05:17
Computers get better faster than anything else ever.
99
305174
5935
کامپیوتر ها بهتر و سریع تر از هر چیز دیگری هستند.
05:23
A child's Playstation today is more powerful
100
311109
3568
دستگاه بازی یک بچه امروزه قدرتمند تر از یک ابرکامپیوتر نظامی از ۱۹۹۶ است.
05:26
than a military supercomputer from 1996.
101
314677
4056
دستگاه بازی یک بچه امروزه قدرتمند تر از یک ابرکامپیوتر نظامی از ۱۹۹۶ است.
05:30
But our brains are wired for a linear world.
102
318733
3207
اما ذهن ما برای دنیایی خطی و بدون تغییر ناگهانی برنامه ریزی شده است.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
در نتیجه، رشد سرسام آور جهان ما را متعجب می کند.
05:37
I used to teach my students that there are some things,
104
325828
2602
من همیشه به شاگردانم می گویم که کار هایی وجود دارند که،
05:40
you know, computers just aren't good at,
105
328430
1934
می دانید، کامپیوتر ها نمی توانند به خوبی یک خودرو را در ترافیک برانند.
05:42
like driving a car through traffic.
106
330364
2385
می دانید، کامپیوتر ها نمی توانند به خوبی یک خودرو را در ترافیک برانند.
05:44
(Laughter)
107
332749
2013
(خنده ی حاضرین)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
درسته، این اندی و من هستیم که مانند دیوانه ها نیشخند می زنیم
05:50
because we just rode down Route 101
109
338253
2384
چون توانسته بودیم از بزرگراه ۱۰۱
05:52
in, yes, a driverless car.
110
340637
3669
با یک خودروی بدون راننده رد شویم.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
سوماً، عصر ماشینی جدید ترکیبی است.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
دید بدبینانه این است که ایده ها،
06:02
like low-hanging fruit,
113
350937
1856
مانند میوه های رسیده سریع استفاده می شوند و می روند،
06:04
but the reality is that each innovation
114
352793
3163
در حالی که حقیقت این است که هر نوآوری
06:07
creates building blocks for even more innovations.
115
355956
3256
پایه ای را برای نوآوری های بیشتر می گذارد.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
این یک مثال است. در طول چند هفته،
06:14
an undergraduate student of mine
117
362557
2072
یک دانش آموز در حال تحصیل من
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
نرم افزاری ساخت که نهایتاً نزدیک به ۱/۳ میلیون کاربر پیدا کرد.
06:20
He was able to do that so easily
119
368740
1699
او توانست این کار را به راحتی انجام دهد
06:22
because he built it on top of Facebook,
120
370439
1827
چون آن نرم افزار بر پایه ی فیس بوک طراحی شده بود،
06:24
and Facebook was built on top of the web,
121
372266
1933
و فیس بوک بر پایه ی شبکه طراحی شده بود،
06:26
and that was built on top of the Internet,
122
374199
1698
و شبکه بر پایه ی اینترنت طراحی شده بود،
06:27
and so on and so forth.
123
375897
2418
و همین طور الی آخر.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
هر کدام از این عوامل دیجیتالی بودن، رشد سرسام آور و ترکیبی بودن
06:35
would each be game-changers.
125
383080
2350
به تنهایی می توانند عامل تعیین کننده ی بازی باشند.
06:37
Put them together, and we're seeing a wave
126
385430
2190
آن ها را در کنار یکدیگر قرار دهید، و چیزی که می بینید
06:39
of astonishing breakthroughs,
127
387620
1393
موجی از شگفتی های خیره کننده است،
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
مثل روبات هایی که کار های کارخانه را با سرعت خیره کننده ای انجام می دهند
06:44
or leap tall buildings in a single bound.
129
392073
2796
یا این که با یک جهش به روی ساختمان های بلند می پرند.
06:46
You know, robots are even revolutionizing
130
394869
2232
می دانید، روبات ها حتی نحوه ی حرکت گربه ها را نیز دچار دگرگونی کرده اند.
06:49
cat transportation.
131
397101
1829
می دانید، روبات ها حتی نحوه ی حرکت گربه ها را نیز دچار دگرگونی کرده اند.
06:50
(Laughter)
132
398930
2270
(خنده ی حاضرین)
06:53
But perhaps the most important invention,
133
401200
2732
اما شاید مهم ترین اختراع،
06:55
the most important invention is machine learning.
134
403932
5065
سیستم یادگیری روباتیک است.
07:00
Consider one project: IBM's Watson.
135
408997
3376
به این پروژه توجه کنید: سیستم "واتسون" شرکت IBM.
07:04
These little dots here,
136
412373
1589
این نقطه های کوچک که در این جا هستند،
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
برندگان مسابقه ی تلویزیونی پرسش اطلاعات عمومی "جئوپاردی" هستند.
07:10
At first, Watson wasn't very good,
138
418822
2544
در ابتدا، عملکرد واتسون آن قدر ها هم خوب نبود،
07:13
but it improved at a rate faster than any human could,
139
421366
5622
اما سرعت پیشرفت آن سریع تر از توانایی هر انسانی بود،
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
و اندکی پس از این که دیوید فروچی،
07:21
to my class at MIT,
141
429675
1652
این نمودار را در کلاس من به نمایش گذاشت،
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
واتسون در مسابقه ی "جئوپاردی" انقلابی ایجاد کرد.
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
در هفت سالگی، می توان گفت واتسون سنین کودکیش را می گذراند.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
اخیراً، معلم هایش به او اجازه دادند بدون نظارت آن ها در اینترنت جست و جو بکند.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
روز بعد، واتسون شروع به دادن پاسخ های بی ادبانه به سؤال ها کرد.
07:42
Damn. (Laughter)
146
450122
2274
لعنتی. (خنده ی حاضرین)
07:44
But you know, Watson is growing up fast.
147
452396
2280
اما می دانید، واتسون سریع بزرگ می شود.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
این دستگاه برای خدمات پاسخگویی تلفنی استفاده شد و در این زمینه هم موفق شد.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
در زمینه ی قانونی، بانکی و پزشکی هم استفاده شد،
07:54
and getting some of them.
150
462612
1950
و در بعضی از این زمینه ها موفق شد.
07:56
Isn't it ironic that at the very moment
151
464562
1889
آیا این که در زمانی که ما داریم ماشین های هوشمند را می سازیم،
07:58
we are building intelligent machines,
152
466451
2234
آیا این که در زمانی که ما داریم ماشین های هوشمند را می سازیم،
08:00
perhaps the most important invention in human history,
153
468685
3449
که شاید بتوان آن را مهم ترین اختراع انسان در تاریخ بشر نامید،
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
بعضی ها در مورد این موضوع بحث می کنند که آیا نوآوری باعث رکود و توقف رشد می شود، عجیب نیست؟
08:08
Like the first two industrial revolutions,
155
476109
2419
مانند دو انقلاب اولیه ی صنعتی،
08:10
the full implications of the new machine age
156
478528
3134
عصر ماشینی جدید حداقل یک قرن زمان می خواهد تا تمامی آثار و حواشی خود را نشان دهد،
08:13
are going to take at least a century to fully play out,
157
481662
2682
عصر ماشینی جدید حداقل یک قرن زمان می خواهد تا تمامی آثار و حواشی خود را نشان دهد،
08:16
but they are staggering.
158
484344
3032
اما آن ها از حالا دچار تردید و گیجی شده اند.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
اما این به این معناست که هیچ دلیلی برای نگرانی نیست؟
08:22
No. Technology is not destiny.
160
490712
3680
نه. تکنولوژی آینده ی ما نیست.
08:26
Productivity is at an all time high,
161
494392
2569
بهره وری در بالاترین مقدار خود در تمام تاریخ قرار دارد،
08:28
but fewer people now have jobs.
162
496961
2983
اما تعداد کمتری از مردم دارای شغل هستند.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
ما در دهه ی گذشته بیشتر از هر زمان دیگری ایجاد ثروت کردیم،
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
اما برای اکثریت آمریکایی ها، میزان درآمد آن ها دچار سقوط شده است.
08:38
This is the great decoupling
165
506968
2312
این بزرگ ترین جدایی
08:41
of productivity from employment,
166
509280
2976
بهره وری از اشتغال زایی،
08:44
of wealth from work.
167
512256
3104
و ثروت از کار است.
08:47
You know, it's not surprising that millions of people
168
515360
2346
می دانید، این تعجب برانگیز نیست که میلیون ها انسان
08:49
have become disillusioned by the great decoupling,
169
517706
2846
با دیدن این جدایی مفاهیم بزرگ از خواب بیدار شدند،
08:52
but like too many others,
170
520552
1747
اما مثل خیلی های دیگر،
08:54
they misunderstand its basic causes.
171
522299
3097
در تشخیص دلایل اصلی دچار خطا شدند.
08:57
Technology is racing ahead,
172
525396
2610
تکنولوژی به جلو می تازد،
09:00
but it's leaving more and more people behind.
173
528006
3550
اما افراد بیشتر و بیشتری را پشت سر می گذارد.
09:03
Today, we can take a routine job,
174
531556
3519
امروز، ما می توانیم یک شغل متداول را انتخاب کنیم،
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
آن را به صورت دستور العمل های قابل فهم برای ماشین تعریف کنیم،
09:10
and then replicate it a million times.
176
538166
2827
و بعد آن را هزاران بار بازسازی کنیم.
09:12
You know, I recently overheard a conversation
177
540993
2279
می دانید، من اخیراً خیلی شنیده ام
09:15
that epitomizes these new economics.
178
543272
1952
که اقتصاد عصر جدید ماشینی را تصور می کنند و درباره ی آن بحث می کنند.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
این یکی می گوید، "نه، من دیگر از فرم های مالیاتی شرکت "هنری و ریچارد" استفاده نمی کنم.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
سیستم توربوتکس همان کار های مالیاتی را برای من انجام می دهد،
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
اما سریع تر، ارزان تر و دقیق تر است."
09:28
How can a skilled worker
182
556427
1799
چگونه می توان یک کارمند حرفه ای را
09:30
compete with a $39 piece of software?
183
558226
3009
با یک نرم افزار ۳۹ دلاری مقایسه کرد؟
09:33
She can't.
184
561235
1967
نمی شود.
09:35
Today, millions of Americans do have faster,
185
563202
2780
امروزه، میلیون ها آمریکایی، عملیات های مالیاتی سریع تر، ارزان تر و دقیق تری را انجام می دهند،
09:37
cheaper, more accurate tax preparation,
186
565982
2387
امروزه، میلیون ها آمریکایی، عملیات های مالیاتی سریع تر، ارزان تر و دقیق تری را انجام می دهند،
09:40
and the founders of Intuit
187
568369
1486
و مؤسسان شرکت "اینتوئیت"
09:41
have done very well for themselves.
188
569855
2493
به نوبه ی خود عملکرد خیلی خوبی داشته اند.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
اما 17% مأموران مالیاتی دیگر کاری ندارند.
09:48
That is a microcosm of what's happening,
190
576562
2078
این یک مصداق از اتفاقی است که دارد می افتد،
09:50
not just in software and services, but in media and music,
191
578640
4677
نه تنها در نرم افزار ها و خدمات، بلکه رسانه ها و موسیقی،
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
در سرمایه گذاری و تولید، در فروش و تجارت --
09:59
in short, in every industry.
193
587003
3895
به طور خلاصه، در هر صنعتی.
10:02
People are racing against the machine,
194
590898
3095
مردم با ماشین ها مسابقه می دهند،
10:05
and many of them are losing that race.
195
593993
3090
و خیلی از آن ها در این مسابقه می بازند.
10:09
What can we do to create shared prosperity?
196
597083
3886
چه کاری می توانیم انجام دهیم تا موفقیت را بین خودمان تقسیم کنیم ؟
10:12
The answer is not to try to slow down technology.
197
600969
3017
پاسخ این نیست که سرعت پیشرفت تکنولوژی را کمتر کنیم.
10:15
Instead of racing against the machine,
198
603986
2557
به جای این که با ماشین ها مسابقه بدهیم،
10:18
we need to learn to race with the machine.
199
606543
3677
نیاز داریم که یاد بگیریم به کمک ماشین ها مسابقه بدهیم.
10:22
That is our grand challenge.
200
610220
3129
این چالش بزرگ ماست.
10:25
The new machine age
201
613349
2324
شروع عصر ماشینی جدید را
10:27
can be dated to a day 15 years ago
202
615673
3113
می توان به ۱۵ سال پیش نسبت داد،
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
زمانی که گری کاسپاروف، قهرمان مسابقات شطرنج،
10:33
played Deep Blue, a supercomputer.
204
621664
3706
با "آبی پررنگ"، یک ابرکامپیوتر بازی کرد.
10:37
The machine won that day,
205
625370
2012
آن ماشین آن روز برد،
10:39
and today, a chess program running on a cell phone
206
627382
2968
و امروز، یک نرم افزار شطرنج قابل نصب بر روی گوشی موبایل،
10:42
can beat a human grandmaster.
207
630350
2296
می تواند یک استاد بزرگ شطرنج را شکست دهد.
10:44
It got so bad that, when he was asked
208
632646
3365
قسمت جالب این بازی این جا بود که
10:48
what strategy he would use against a computer,
209
636011
2563
وقتی از جان دانر، استاد بزرگ هلندی پرسیده شد،
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
از چه استراتژی در برابر کامپیوتر استفاده می کند،
10:54
"I'd bring a hammer."
211
642590
1771
جواب داد، "یک چکش با خودم می برم."
10:56
(Laughter)
212
644361
3680
(خنده ی حاضرین)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
اما امروزه یک کامپیوتر دیگر قهرمان شطرنج جهان نیست.
11:04
Neither is a human,
214
652585
2654
حتی یک انسان هم نیست،
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
چون گری کاسپاروف یک مسابقه ی آزاد ترتیب داد،
11:10
where teams of humans and computers
216
658818
1916
که تیم هایی از انسان ها و کامپیوتر ها
11:12
could work together,
217
660734
2099
می توانستند با هم کار کنند،
11:14
and the winning team had no grandmaster,
218
662833
3157
و تیم برنده استاد بزرگ نبود،
11:17
and it had no supercomputer.
219
665990
2465
و ابر کامپیوتر هم نبود.
11:20
What they had was better teamwork,
220
668455
4175
آن ها با هم کار تیمی بهتری انجام دادند،
11:24
and they showed that a team of humans and computers,
221
672630
5016
و نشان دادند که تیم انسان ها و کامپیوتر ها،
11:29
working together, could beat any computer
222
677646
3048
اگر با هم کار کنند، می توانند هر کامپیوتر
11:32
or any human working alone.
223
680694
3520
یا هر انسانی که به تنهایی کار می کند شکست دهند.
11:36
Racing with the machine
224
684214
1664
مسابقه دادن به کمک ماشین ها
11:37
beats racing against the machine.
225
685878
2343
مسابقه با ماشین ها را شکست می دهد.
11:40
Technology is not destiny.
226
688221
2564
تکنولوژی آینده ی ما نیست.
11:42
We shape our destiny.
227
690785
1742
ما آینده ی خود را شکل می دهیم.
11:44
Thank you.
228
692527
1447
متشکرم.
11:45
(Applause)
229
693974
5016
(تشویق حاضرین)
ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcherErik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.
Why you should listen
The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.
His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).
Erik Brynjolfsson | Speaker | TED.com