TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
マット・ビーン: 知能機械の時代に、どう仕事のスキルを身に付けるか？
Filmed:
Readability: 4.2
1,770,815 views
何千年もの間、世界中でスキルを身に付ける方法は変わってきませんでした。熟練者の下で訓練し、まずはちょっとした容易な作業をやり、次にリスクが高く難しい作業へと進みます。でも昨今、私たちはそのやり方を阻むような形でAIを使っており、生産性を追求するあまり学習を犠牲にしているのだ、と組織エスノグラファーのマット・ビーンは説きます。何ができるのでしょうか？ ビーンは、現状を転換し、分散型かつ機械強化型のメンターシップという形でAIの優れた能力を最大限に活用し、私たちのスキルも同時に高めるというビジョンを紹介します。
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. Full bio
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 morning,
0
1292
1875
午前6時30分
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
クリスティンは担当の前立腺患者を
手術室に連れて行くところでした
手術室に連れて行くところでした
00:21
She's a resident, a surgeon in training.
2
9500
2250
彼女は研修医で
外科専門医を目指しています
外科専門医を目指しています
00:24
It’s her job to learn.
3
12333
2167
今は学ぶことが仕事です
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
今日行われる 勃起機能を残すための
非常に繊細な神経温存の摘出手術を
非常に繊細な神経温存の摘出手術を
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
彼女はぜひとも自ら
執刀したいと望んでいます
執刀したいと望んでいます
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
しかし それができるかは指導医次第で
その指導医はまだ来ていません
その指導医はまだ来ていません
00:39
She and the team put the patient under,
7
27625
2393
彼女と手術スタッフは患者を麻酔で眠らせ
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
最初の20センチの下腹部切開を
彼女が主導します
彼女が主導します
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
切開部をクランプで固定すると
彼女は看護師に指導医を呼ぶように指示します
彼女は看護師に指導医を呼ぶように指示します
00:51
He arrives, gowns up,
10
39583
2292
彼が到着し 手術着に着替えると
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
その時点から クリスティンと指導医の
４本の手はほとんど患者の体内で
４本の手はほとんど患者の体内で
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
指導医の下でクリスティンが
進めていきます
進めていきます
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
前立腺の摘出が終わると―
指導医は神経温存術を少しさせてくれましたー
指導医は神経温存術を少しさせてくれましたー
01:09
he rips off his scrubs.
14
57542
1226
彼は術衣を脱ぎ
01:10
He starts to do paperwork.
15
58792
1375
書類を書き始めます
01:12
Kristen closes the patient by 8:15,
16
60833
5375
8時15分には
クリスティンは縫合にかかります
クリスティンは縫合にかかります
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
それを肩越しに覗き込んでいた
若手研修医に
若手研修医に
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
彼女は縫合の最後を任せます
01:24
Kristen feels great.
19
72833
3042
クリスティンは満足です
01:28
Patient’s going to be fine,
20
76250
1559
患者も容態を回復するでしょう
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
そして外科医として彼女は
6時30分時点より明らかに成長しています
6時30分時点より明らかに成長しています
01:34
Now this is extreme work.
22
82208
2834
これは極端な事例でしたが
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
仕事の覚え方は多くの場合
クリスティンと同じでしょう
クリスティンと同じでしょう
01:41
watching an expert for a bit,
24
89625
1893
熟練者を少し観察し
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
仕事の中でも
簡単でリスクの少ないことをやってみて
簡単でリスクの少ないことをやってみて
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
熟練者が指導して
もう大丈夫と判断したら
もう大丈夫と判断したら
01:48
as they guide and decide she’s ready.
27
96917
2333
リスクが高く困難な作業に進むのです
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
私はずっと こうした学びに
魅了されてきました
魅了されてきました
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
私たちを人間たらしめる
根本的なものと感じていたのです
根本的なものと感じていたのです
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
見習い コーチング メンターシップ
OJTなど呼び方は様々です
OJTなど呼び方は様々です
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
外科医の間では「見る、する、教える」
と言われています
と言われています
02:09
But the process is the same,
32
117625
1344
どれもプロセスは同じで
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
もう何千年も世界中でスキル習得は
主にその方法でされてきました
主にその方法でされてきました
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
でも今 私たちは
それを阻むような形でAIを使っています
それを阻むような形でAIを使っています
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
生産性向上のため
自らの学びを犠牲にしているのです
自らの学びを犠牲にしているのです
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
MIT研究時代に外科で
この事象を初めて確認しました
この事象を初めて確認しました
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
しかし現在では様々な産業で
様々なAIにより
様々なAIにより
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
どこででも起きているとの
確証を得ています
確証を得ています
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
もし何もしなかったら
AIを扱おうとしている
ほとんどの人が壁にぶつかります
ほとんどの人が壁にぶつかります
02:40
as we try to learn to deal with AI.
40
148958
2417
02:45
Let’s go back to surgery to see how.
41
153125
1772
先ほどの外科手術で考えてみましょう
02:47
Fast forward six months.
42
155708
1935
６か月後
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
同じ午前6時30分に クリスティンが
別の前立腺患者を運び込む先は
別の前立腺患者を運び込む先は
02:55
but this time to the robotic OR.
44
163167
3166
ロボット化された手術室です
02:59
The attending leads attaching
45
167667
1684
指導医の主導で
４本のアームがある数百キロのロボットを
患者に取り付けます
患者に取り付けます
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
03:04
They both rip off their scrubs,
47
172750
2434
指導医とクリスティンは２人とも術衣を脱ぎ
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
３、４メートル離れた制御台に向かいます
03:11
and Kristen just watches.
49
179167
3750
クリスティンは見ているだけです
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
このロボットがあれば 指導医は
すべての処置を単独でできますので
すべての処置を単独でできますので
03:19
so he basically does.
51
187452
1583
基本的に彼がすべてを行います
03:21
He knows she needs practice.
52
189917
2101
彼女に練習が必要なことは分かっています
03:24
He wants to give her control.
53
192042
1583
彼女にさせたいのですが
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
彼女にさせると時間もかかり
ミスが増えるため
ミスが増えるため
03:29
and his patient comes first.
55
197667
1500
患者を優先しているのです
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
この担当割では神経近傍の執刀をできる望みは
クリスティンにはありませんでした
クリスティンにはありませんでした
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
４時間の手術で15分操作できれば
ラッキーと言ったところです
ラッキーと言ったところです
03:42
And she knows that when she slips up,
58
210250
2625
彼女がうっかり間違えると
指導医が画面にタッチして
指導医が画面にタッチして
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
また ただ見るだけになってしまい
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
教室の隅に立たされたような
気分になるのです
気分になるのです
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
ロボットと仕事に関する
過去８年に行ったすべての研究は
過去８年に行ったすべての研究は
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
この重大で未解決の問題に
端を発しています
端を発しています
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
知能機械の時代に働く方法を
どのように習得するのか？
どのように習得するのか？
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
これを探るため ２年半の間
何十人もの研修医と外科医が
何十人もの研修医と外科医が
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
従来の手術とロボット支援手術を
するのを観察して聴取し
するのを観察して聴取し
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
技術習得を目指す研修医と
色々話をしました
色々話をしました
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
全米のトップ18の教育病院を調べましたが
04:19
and the story was the same.
68
247625
1458
どこでも話は一緒でした
04:21
Most residents were in Kristen's shoes.
69
249875
2542
ほとんどの研修医は
クリスティンと同じ状況でした
クリスティンと同じ状況でした
04:24
They got to “see one” plenty,
70
252958
1792
「見る」機会は多いものの
04:27
but the “do one” was barely available.
71
255583
2292
「する」機会はほとんどありませんでした
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
実際に苦闘することができず
習得できていなかったのです
習得できていなかったのです
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
これは外科医にはとても重大な事実ですが
一般的な広がりも知る必要がありました
一般的な広がりも知る必要がありました
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
AIの利用が仕事の学習を阻害する例は
他にもあるのでしょうか？
他にもあるのでしょうか？
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
それを見出すため 私は小規模ながら拡大中の
若手研究者グループと連携しました
若手研究者グループと連携しました
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
彼らは AIが使われる仕事について
現場調査をしていました
現場調査をしていました
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
スタートアップ企業や警備
投資銀行 オンライン教育など
投資銀行 オンライン教育など
04:53
investment banking and online education.
78
281000
2601
多彩な職場環境を対象としたものです
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
私のように最低でも１年間
何百時間もの観察と聴取を行い
何百時間もの観察と聴取を行い
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
調査対象者のそばで一緒に
働くこともしばしばでした
働くこともしばしばでした
05:06
We shared data, and I looked for patterns.
81
294458
2417
互いのデータを共有し
私は規則性がないか調べました
私は規則性がないか調べました
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
業界や職種やAIの種類に拠らず
話は一緒でした
話は一緒でした
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
組織はAIで成果を出そうと
熱心に試みていますが
熱心に試みていますが
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
結果として学ぼうとする人を
熟練者の仕事から引き剥がしていました
熟練者の仕事から引き剥がしていました
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
スタートアップのマネージャーは
顧客対応を外部委託しています
顧客対応を外部委託しています
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
警察官は犯罪予測をどう扱うかを
熟練者の支援なしに学ばねばなりませんでした
熟練者の支援なしに学ばねばなりませんでした
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
若手の銀行員は
複雑な分析から切り離され
複雑な分析から切り離され
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
教授はオンライン講座を
何の助けもなく作らねばなりませんでした
何の助けもなく作らねばなりませんでした
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
これらすべての効果が
外科手術と同様でした
外科手術と同様でした
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
実務を通じて学ぶことが
より難しくなっているのです
より難しくなっているのです
05:48
This can’t last.
91
336958
1417
そしてこれで話は終わりません
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
マッキンゼーの推定では
2030年までに５～10億人が
2030年までに５～10億人が
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
日常業務でAIを活用しないと
いけなくなるとしています
いけなくなるとしています
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
それまでの間しばらくは
実地での学びも継続するでしょう
実地での学びも継続するでしょう
06:03
will be there for us as we try.
95
351035
1917
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
アクセンチュアの最新の労働者調査では
ほとんどの労働者は正式な訓練ではなく
ほとんどの労働者は正式な訓練ではなく
06:09
on the job, not in formal training.
97
357792
2291
実務をこなしながら
重要なスキルを学んでいます
重要なスキルを学んでいます
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
将来への潜在的な影響について
多く語られますが
多く語られますが
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
AIについて 現時点で
一番大きな影響があると思われるのは
一番大きな影響があると思われるのは
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
実地での学習が一番必要であるにもかかわらず
それを妨げる形で
それを妨げる形で
06:24
just when we need it most.
101
372375
1625
AIを使っているということです
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
どこでも 仕事を学ぶ方法を
見出している人は ごく少数でした
見出している人は ごく少数でした
06:35
They did it by breaking and bending rules.
103
383625
3042
彼らはルールを破るか
曲げるかして学んでいます
曲げるかして学んでいます
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
認められた方法が実効的でないから
ルールを曲げるなり破るなりして
ルールを曲げるなり破るなりして
06:43
to get hands-on practice with experts.
105
391750
1976
熟練者との実地訓練を
成し遂げているのです
成し遂げているのです
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
私の例で言えば 医大で
ロボット支援手術をする研修医は
ロボット支援手術をする研修医は
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
総合診療医となるための教育を
犠牲にしていました
犠牲にしていました
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
彼らはシミュレータや手術の記録に
何百時間も余分な時間をかけていますが
何百時間も余分な時間をかけていますが
07:02
when you were supposed to learn in the OR.
109
410292
2541
本来は手術室で学ぶべきことです
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
そして最も大切なことは
熟練者の限られた監督の下で
熟練者の限られた監督の下で
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
苦心して実際の手技をやってみる方法を
見つけていることです
見つけていることです
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
そのやり方は ルールを曲げ
表舞台には出ないことから
表舞台には出ないことから
07:18
and learner’s do it out of the limelight.
113
426125
2000
「影の学習(Shadow Learning)」
と呼んでいます
と呼んでいます
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
成果が上がるので
周りの人も黙認します
周りの人も黙認します
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
彼らは選りすぐりの優等生であることを
忘れないでください
忘れないでください
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
明らかにこれは良くないことで
ずっと続けられるものでもありません
ずっと続けられるものでもありません
07:33
No one should have to risk getting fired
117
441708
2185
仕事上で必要な技術を学ぶために
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
解雇のリスクを抱えるべきではありません
07:38
But we do need to learn from these people.
119
446792
2056
一方でそのような人たちから
学ぶ必要があります
学ぶ必要があります
07:41
They took serious risks to learn.
120
449917
2250
彼らは学ぶために
重大なリスクを取りました
重大なリスクを取りました
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
仕事の中でもがき 挑戦することを
続ける必要性を理解し
続ける必要性を理解し
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
自分の能力をわずかに超えるような
困難な問題に
困難な問題に
07:52
right near the edge of their capacity.
123
460083
1959
立ち向かえるようにすべきと
考えたのです
考えたのです
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
彼らはまた熟練者に
そばにいてもらうようにし
そばにいてもらうようにし
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
ヒントをもらったり
大惨事を防ぐようにしていました
大惨事を防ぐようにしていました
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
苦闘と熟練者の支援という組み合わせを
08:04
into each AI implementation.
127
472708
2750
AIを導入した職場に築きましょう
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
分かりやすい実例をご紹介します
08:12
Before robots,
129
480125
1226
ロボットの出現前は
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
爆発物処理技術者は
簡易爆発物を処理すべく近付きます
簡易爆発物を処理すべく近付きます
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
若手職員は数十メートル離れたところで
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
ただ見守っていて 技術者が安全を確認し
危険区域への立ち入りを
危険区域への立ち入りを
08:24
and invited them downrange.
133
492833
1417
許可して初めて支援に出ます
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
現在では爆発物処理車に
２人は隣同士で座ります
２人は隣同士で座ります
08:31
You both watched the video feed.
135
499125
1809
一緒に映像を見て
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
離れた場所にいるロボットを操作し
技術者は口頭で作業を誘導します
技術者は口頭で作業を誘導します
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
学習者はロボット出現前より
良く学べます
良く学べます
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
この方法は外科やスタートアップ 警備
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
投資銀行 オンライン教育
それ以外にも広げられます
それ以外にも広げられます
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
幸いなことに そのための
新たな道具があります
新たな道具があります
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
インターネットやクラウドにより
学習者に１人ずつ熟練者がつく必要はなくなり
学習者に１人ずつ熟練者がつく必要はなくなり
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
物理的にそばにいなくても
同じ組織にいなくても良くなりました
同じ組織にいなくても良くなりました
09:01
And we can build AI to help:
143
529292
3041
また手助けできるAIを作ることもできます
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
学習者が苦闘できるようにコーチし
熟練者がコーチできるようにコーチし
熟練者がコーチできるようにコーチし
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
それらの２つのグループを
ネットワークで繋ぐのです
ネットワークで繋ぐのです
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
この様なシステムを
使っている人もいますが
使っている人もいますが
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
大抵は正式なトレーニングばかりでした
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
でも もっと危機的なのは
実地での学習のほうです
実地での学習のほうです
09:24
We must do better.
149
552417
1851
改善できるはずです
09:26
Today’s problems demand we do better
150
554292
2583
今 求められているのは
私たちがAIの驚くべき能力を
私たちがAIの驚くべき能力を
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
最大限に生かせる仕事を
もっとうまく創っていくと共に
もっとうまく創っていくと共に
09:35
while enhancing our skills as we do it.
152
563042
2750
それと同時に
自らのスキルも高めることです
自らのスキルも高めることです
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
これこそ 私が子供の頃に
夢見ていた未来です
夢見ていた未来です
そして それを創り出すのは今なのです
09:41
And the time to create it is now.
154
569458
2167
09:44
Thank you.
155
572333
1226
ありがとうございました
09:45
(Applause)
156
573583
3625
（拍手）
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt 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.
Matt Beane | Speaker | TED.com