ABOUT THE SPEAKER
Anthony Goldbloom - Machine learning expert
Anthony Goldbloom crowdsources solutions to difficult problems using machine learning.

Why you should listen

Anthony Goldbloom is the co-founder and CEO of Kaggle. Kaggle hosts machine learning competitions, where data scientists download data and upload solutions to difficult problems. Kaggle has a community of over 600,000 data scientists and has worked with companies ranging Facebook to GE on problems ranging from predicting friendships to flight arrival times.

Before Kaggle, Anthony worked as an econometrician at the Reserve Bank of Australia, and before that the Australian Treasury. In 2011 and 2012, Forbes named Anthony one of the 30 under 30 in technology; in 2013 the MIT Tech Review named him one of top 35 innovators under the age of 35, and the University of Melbourne awarded him an Alumni of Distinction Award. He holds a first call honors degree in Econometrics from the University of Melbourne.  

More profile about the speaker
Anthony Goldbloom | Speaker | TED.com
TED2016

Anthony Goldbloom: The jobs we'll lose to machines -- and the ones we won't

Anthony Goldbloom: Meseriile pe care le vor prelua mașinile - și cele pe care nu le vor prelua

Filmed:
2,568,213 views

Învățarea automatizată nu mai acoperă doar sarcini simple precum analiza riscurilor de creditare și sortarea corespondenței - astăzi e capabilă să facă lucruri mult mai complexe, ca evaluarea referatelor și diagnosticarea bolilor. Odată cu acest progres vine și o întrebare incomodă: va fi oare slujba ta preluată de un robot în viitor?
- Machine learning expert
Anthony Goldbloom crowdsources solutions to difficult problems using machine learning. Full bio

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

00:12
So this is my niecenepoată.
0
968
1262
Acesta e nepoata mea.
00:14
Her nameNume is YahliYahli.
1
2644
1535
O cheamă Yahli.
00:16
She is ninenouă monthsluni oldvechi.
2
4203
1511
Are nouă luni.
00:18
Her mumMama is a doctordoctor,
and her dadtata is a lawyeravocat.
3
6201
2528
Mama ei e medic,
iar tatăl avocat.
00:21
By the time YahliYahli goesmerge to collegecolegiu,
4
9269
2006
Când Yahli va ajunge la facultate,
00:23
the jobslocuri de munca her parentspărinţi do
are going to look dramaticallydramatic differentdiferit.
5
11299
3253
meseriile părinților ei
vor arăta foarte diferit.
00:27
In 2013, researcherscercetători at OxfordOxford UniversityUniversitatea
did a studystudiu on the futureviitor of work.
6
15347
5073
În 2013, cercetătorii de la Oxford
au făcut un studiu despre viitorul muncii.
00:32
They concludedîncheiat that almostaproape one
in everyfiecare two jobslocuri de munca have a highînalt riskrisc
7
20766
4139
Au concluzionat că aproape
una din două meserii e în pericol
00:36
of beingfiind automatedAutomated by machinesmaşini.
8
24929
1824
să fie înlocuită de mașini.
00:40
MachineMasina learningînvăţare is the technologytehnologie
9
28388
1905
Învățarea automatizată e tehnologia
responsabilă pentru această problemă.
00:42
that's responsibleresponsabil for mostcel mai
of this disruptionperturbare.
10
30317
2278
00:44
It's the mostcel mai powerfulputernic branchramură
of artificialartificial intelligenceinteligență.
11
32619
2790
E cea mai puternică ramură
a inteligenței artificiale.
00:47
It allowspermite machinesmaşini to learnînvăța from datadate
12
35433
1882
Ajută mașinile
să învețe din statistici
00:49
and mimicimita some of the things
that humansoameni can do.
13
37339
2592
și să imite o parte
din acțiunile oamenilor.
00:51
My companycompanie, KaggleKaggle, operatesopereaza
on the cuttingtăiere edgemargine of machinemaşină learningînvăţare.
14
39955
3415
Firma mea, Kaggle, activează
în domeniul de vârf al învățării automate.
00:55
We bringaduce togetherîmpreună
hundredssute of thousandsmii of expertsexperți
15
43394
2386
Reunim sute de mii de experți
ca să rezolvăm probleme importante
pentru industrie și mediul academic.
00:57
to solverezolva importantimportant problemsProbleme
for industryindustrie and academiamediul academic.
16
45804
3118
01:01
This gives us a uniqueunic perspectiveperspectivă
on what machinesmaşini can do,
17
49279
3222
Asta ne dă o perspectivă unică
cu privire la ce pot face mașinile,
01:04
what they can't do
18
52525
1235
ce nu pot face
01:05
and what jobslocuri de munca they mightar putea
automateautomatiza or threatenameninţă.
19
53784
2939
și ce munci pot automatiza sau amenința.
01:09
MachineMasina learningînvăţare starteda început makingluare its way
into industryindustrie in the earlydin timp '90s.
20
57316
3550
Învățarea automatizată și-a croit drum
în industrie la începutul anilor 90.
01:12
It starteda început with relativelyrelativ simplesimplu taskssarcini.
21
60890
2124
A început cu sarcini relativ simple.
01:15
It starteda început with things like assessingevaluarea
creditcredit riskrisc from loanîmprumut applicationsaplicații,
22
63406
4115
A început cu lucruri ca evaluarea
riscului pentru cereri de împrumut,
01:19
sortingtriere the mailPoștă by readingcitind
handwrittenscris de mana characterscaractere from zipzip codescoduri.
23
67545
4053
sortarea scrisorilor citind
coduri poștale scrise de mână.
01:24
Over the pasttrecut fewpuțini yearsani, we have madefăcut
dramaticdramatic breakthroughsdescoperiri.
24
72036
3169
În ultimii câțiva ani,
am făcut progrese uimitoare.
01:27
MachineMasina learningînvăţare is now capablecapabil
of fardeparte, fardeparte more complexcomplex taskssarcini.
25
75586
3916
Învățarea automatizată e acum capabilă
de sarcini mult, mult mai complexe.
01:31
In 2012, KaggleKaggle challengedcontestate its communitycomunitate
26
79860
3231
În 2012, Kaggle și-a provocat comunitatea
01:35
to buildconstrui an algorithmAlgoritmul
that could gradecalitate high-schoolliceu essayseseuri.
27
83115
3189
să creeze un algoritm
care să noteze referatele liceenilor.
01:38
The winningcâștigător algorithmsalgoritmi
were ablecapabil to matchMeci the gradesnote
28
86328
2604
Algoritmii câștigători
puteau să dea aceleași note
01:40
givendat by humanuman teachersprofesori.
29
88956
1665
ca și profesorii umani.
01:43
Last yearan, we issuedemis
an even more difficultdificil challengeprovocare.
30
91092
2984
Anul trecut, am lansat
o provocare și mai dificilă.
01:46
Can you take imagesimagini of the eyeochi
and diagnosediagnostica an eyeochi diseaseboală
31
94100
2953
Poți analiza imagini ale ochiului
și să diagnostichezi o boală
01:49
calleddenumit diabeticdiabetic retinopathyRetinopatia?
32
97077
1694
numită retinopatie diabetică?
01:51
Again, the winningcâștigător algorithmsalgoritmi
were ablecapabil to matchMeci the diagnosesdiagnostice
33
99164
4040
Iarăși, algoritmii câștigători
puteau da aceleași diagnostice
01:55
givendat by humanuman ophthalmologistsoftalmologi.
34
103228
1825
ca și oftalmologii umani.
01:57
Now, givendat the right datadate,
machinesmaşini are going to outperformperformant humansoameni
35
105561
3212
Dacă primesc datele potrivite,
mașinile vor depăși oamenii
02:00
at taskssarcini like this.
36
108797
1165
la sarcini ca acestea.
02:01
A teacherprofesor mightar putea readcitit 10,000 essayseseuri
over a 40-year-an careerCarieră.
37
109986
3992
Un profesor poate citi 10.000 de lucrări
într-o carieră de 40 de ani.
02:06
An ophthalmologistoftalmolog mightar putea see 50,000 eyesochi.
38
114407
2360
Un oftalmolog poate vedea 50.000 de ochi.
02:08
A machinemaşină can readcitit millionsmilioane of essayseseuri
or see millionsmilioane of eyesochi
39
116791
3913
O mașină poate citi milioane de lucrări
sau poate vedea milioane de ochi
02:12
withinîn minutesminute.
40
120728
1276
în câteva minute.
02:14
We have no chanceşansă of competingconcurent
againstîmpotriva machinesmaşini
41
122456
2858
Nu putem concura cu mașinile
02:17
on frequentfrecvent, high-volumevolum ridicat taskssarcini.
42
125338
2321
la sarcini repetate, cu volum mare.
02:20
But there are things we can do
that machinesmaşini can't do.
43
128665
3724
Dar sunt lucruri pe care
noi le putem face, iar mașinile nu.
02:24
Where machinesmaşini have madefăcut
very little progressprogres
44
132791
2200
Mașinile au făcut progrese foarte mici
02:27
is in tacklingabordarea novelroman situationssituații.
45
135015
1854
în abordarea situațiilor noi.
02:28
They can't handlemâner things
they haven'tnu au seenvăzut manymulți timesori before.
46
136893
3899
Nu pot gestiona lucruri pe care
nu le-au văzut de multe ori înainte.
02:33
The fundamentalfundamental limitationslimitări
of machinemaşină learningînvăţare
47
141321
2584
Limitarea principală
a învățării automatizate
02:35
is that it needsare nevoie to learnînvăța
from largemare volumesvolume of pasttrecut datadate.
48
143929
3394
e că trebuie să învețe
dintr-un volum mare de date stocate.
02:39
Now, humansoameni don't.
49
147347
1754
Oamenii, nu.
02:41
We have the abilityabilitate to connectconectați
seeminglyaparent disparatedisparat threadsfire
50
149125
3030
Avem capacitatea de a conecta
lucruri aparent fără legătură.
02:44
to solverezolva problemsProbleme we'vene-am never seenvăzut before.
51
152179
2238
ca să rezolvăm probleme nemaiîntâlnite.
02:46
PercyPercy SpencerSpencer was a physicistfizician
workinglucru on radarradar duringpe parcursul WorldLumea WarRăzboi IIAL II-LEA,
52
154808
4411
Percy Spencer era un fizician care lucra
la un radar în Al Doilea Război Mondial,
02:51
when he noticeda observat the magnetronmagnetron
was meltingtopire his chocolateciocolată barbar.
53
159243
3013
când a observat că magnetronul
îi topea ciocolata.
02:54
He was ablecapabil to connectconectați his understandingînţelegere
of electromagneticelectromagnetice radiationradiație
54
162970
3295
A putut conecta cunoștințele sale
despre radiații electromagnetice
02:58
with his knowledgecunoştinţe of cookinggătire
55
166289
1484
cu cele despre gătit
02:59
in orderOrdin to inventinventa -- any guessesGhiceste? --
the microwavecuptor cu microunde ovencuptor.
56
167797
3258
pentru a inventa - ghiciți? -
cuptorul cu microunde.
03:03
Now, this is a particularlyîn special remarkableremarcabil
exampleexemplu of creativitycreativitate.
57
171444
3073
Acesta e un remarcabil
exemplu de creativitate.
03:06
But this sortfel of cross-pollinationpolenizare încrucişată
happensse întâmplă for eachfiecare of us in smallmic waysmoduri
58
174541
3664
Dar genul ăsta de polenizare încrucișată
ni se întâmplă tuturor la scară mică
03:10
thousandsmii of timesori perpe day.
59
178229
1828
de mii de ori pe zi.
03:12
MachinesMasini cannotnu poti competeconcura with us
60
180501
1661
Mașinile nu pot concura cu noi
03:14
when it comesvine to tacklingabordarea
novelroman situationssituații,
61
182186
2251
când e vorba de abordarea situațiilor noi,
03:16
and this putsputs a fundamentalfundamental limitlimită
on the humanuman taskssarcini
62
184461
3117
iar asta trasează o limită fundamentală
privind sarcinile umane
03:19
that machinesmaşini will automateautomatiza.
63
187602
1717
pe care mașinile le vor automatiza.
03:22
So what does this mean
for the futureviitor of work?
64
190041
2405
Ce înseamnă asta
pentru meseriile viitorului?
03:24
The futureviitor statestat of any singlesingur jobloc de munca liesminciuni
in the answerRăspuns to a singlesingur questionîntrebare:
65
192804
4532
Viitorul fiecărei meserii depinde
de răspunsul la o singură întrebare:
03:29
To what extentmăsură is that jobloc de munca reduciblereductibila
to frequentfrecvent, high-volumevolum ridicat taskssarcini,
66
197360
4981
în ce măsură poate fi redusă acea slujbă
la un volum mare de sarcini frecvente
03:34
and to what extentmăsură does it involveimplica
tacklingabordarea novelroman situationssituații?
67
202365
3253
și în ce măsură implică
abordarea de noi situații?
03:37
On frequentfrecvent, high-volumevolum ridicat taskssarcini,
machinesmaşini are gettingobtinerea smartermai inteligent and smartermai inteligent.
68
205975
4035
La sarcini frecvente, cu volum mare,
mașinile devin din ce în ce mai bune.
03:42
TodayAstăzi they gradecalitate essayseseuri.
They diagnosediagnostica certainanumit diseasesboli.
69
210034
2714
Acum notează referate.
Diagnostichează anumite boli.
03:44
Over comingvenire yearsani,
they're going to conductconduita our auditsaudituri,
70
212772
3157
În anii ce vin, vor face audit
03:47
and they're going to readcitit boilerplateşabloane
from legallegal contractscontracte.
71
215953
2967
și vor citi formulare din contracte.
03:50
AccountantsContabili and lawyersavocați are still neededNecesar.
72
218944
1997
Economiștii și avocații
tot vor fi necesari
03:52
They're going to be neededNecesar
for complexcomplex taxfiscale structuringstructurarea,
73
220965
2682
pentru structurarea taxelor complexe,
03:55
for pathbreakingpathbreaking litigationlitigiu.
74
223671
1357
pentru litigii neobișnuite.
03:57
But machinesmaşini will shrinkse contracta theiral lor ranksrândurile
75
225052
1717
Dar mașinile le vor scădea ponderea
și le vor face
mai greu de obținut.
03:58
and make these jobslocuri de munca harderMai tare to come by.
76
226793
1872
04:00
Now, as mentionedmenționat,
77
228689
1151
Așa cum am menționat,
04:01
machinesmaşini are not makingluare progressprogres
on novelroman situationssituații.
78
229864
2949
mașinile nu evoluează
în privința situațiilor neobișnuite.
04:04
The copycopie behindin spate a marketingmarketing campaigncampanie
needsare nevoie to grabapuca consumers'consumatorilor attentionAtenţie.
79
232837
3457
Sloganul unei campanii de marketing
trebuie să atragă atenția clienților.
Trebuie să iasă în evidență.
04:08
It has to standstand out from the crowdmulţimea.
80
236318
1715
04:10
BusinessAfaceri strategystrategie meansmijloace
findingdescoperire gapslacune in the marketpiaţă,
81
238057
2444
Strategia de afaceri însemnă
să vezi nișa din piață,
04:12
things that nobodynimeni elsealtfel is doing.
82
240525
1756
lucruri pe care nu le fac alții.
04:14
It will be humansoameni that are creatingcrearea
the copycopie behindin spate our marketingmarketing campaignscampanii,
83
242305
4118
Oamenii vor fi cei ce vor crea sloganurile
campaniilor noastre de marketing,
04:18
and it will be humansoameni that are developingîn curs de dezvoltare
our businessAfaceri strategystrategie.
84
246447
3517
oamenii vor fi cei ce ne vor dezvolta
strategiile de afaceri.
04:21
So YahliYahli, whateverindiferent de you decidea decide to do,
85
249988
2817
Deci Yahli, orice vei decide să faci,
04:24
let everyfiecare day bringaduce you a newnou challengeprovocare.
86
252829
2361
fie ca fiecare zi să-ți aducă
o nouă provocare.
04:27
If it does, then you will staystau
aheadînainte of the machinesmaşini.
87
255587
2809
Dacă va fi așa, vei rămâne
înaintea mașinilor.
04:31
Thank you.
88
259126
1176
Mulțumesc.
04:32
(ApplauseAplauze)
89
260326
3104
(Aplauze)
Translated by Razvan Cristian Duia
Reviewed by Cristina Nicolae

▲Back to top

ABOUT THE SPEAKER
Anthony Goldbloom - Machine learning expert
Anthony Goldbloom crowdsources solutions to difficult problems using machine learning.

Why you should listen

Anthony Goldbloom is the co-founder and CEO of Kaggle. Kaggle hosts machine learning competitions, where data scientists download data and upload solutions to difficult problems. Kaggle has a community of over 600,000 data scientists and has worked with companies ranging Facebook to GE on problems ranging from predicting friendships to flight arrival times.

Before Kaggle, Anthony worked as an econometrician at the Reserve Bank of Australia, and before that the Australian Treasury. In 2011 and 2012, Forbes named Anthony one of the 30 under 30 in technology; in 2013 the MIT Tech Review named him one of top 35 innovators under the age of 35, and the University of Melbourne awarded him an Alumni of Distinction Award. He holds a first call honors degree in Econometrics from the University of Melbourne.  

More profile about the speaker
Anthony Goldbloom | Speaker | TED.com