Return to Video

Humans Need Not Apply

  • 0:00 - 0:04
    Humans Need Not Apply
  • 0:04 - 0:07
    Κάθε άνθρωπος έπρεπε να κυνηγάει ή να μαζεύει καρπούς για να επιβιώσει.
  • 0:07 - 0:12
    Αλλά οι άνθρωποι είμαστε έξυπνοι...και λίγο τεμπέληδες οπότε φτιάξαμε εργαλεία για να κάνουμε τη δουλειά μας ευκολότερη.
  • 0:12 - 0:17
    Από τα ξύλινα ραβδιά στα άροτρα και από κει στα τρακτέρ φτάσαμε απο την εποχή που όλοι έπρεπε να παράγουν φαγητό στη σύγχρονη γεωργία
  • 0:17 - 0:21
    όπου σχεδόν κανένας δε χρειάζεται να παράγει φαγητό και όμως έχουμε αφθονία.
  • 0:21 - 0:23
    Φυσικά, αυτό δεν εφαρμόζεται μόνο στη γεωργία αλλά παντού.
  • 0:23 - 0:28
    Περάσαμε τις τελευταίες χιλιετίες φτιάχνοντας εργαλεία για να μειώσουμε τη φυσική εργασία σε όλους τους τομείς.
  • 0:28 - 0:34
    Αυτοί είναι μηχανικοί μυς - πιο δυνατοί, πιο αξιόπιστοι και ακούραστοι σε αντίθεση με τους ανθρώπινους.
  • 0:34 - 0:39
    Και αυτό είναι καλό. Αντικαθιστώντας την ανθρώπινη εργασία με μηχανικούς μυς αφήνουμε τους ανθρώπους ελεύθερους να εξειδικεύτούν
  • 0:39 - 0:43
    και όλοι είναι καλύτερα, ακόμα και αυτοί που κάνουν ακόμα φυσική εργασία.
  • 0:43 - 0:46
    Με αυτόν τον τρόπο αναπτύσσονται οι οικονομίες και αυξάνεται το βιωτικό επίπεδο.
  • 0:46 - 0:52
    Κάποιοι άνθρωποι εξειδικεύτηκαν στον προγραμματισμό και την μηχανική και η δουλειά τους είναι να φτιάχνουν μηχανικά μυαλά.
  • 0:52 - 0:55
    Όπως οι μηχανικοί μύες ελάττωσαν τη ζήτηση για ανθρώπινη εργασία
  • 0:55 - 0:59
    έτσι και τα μηχανικά μυαλά ελαττώνουν τη ζήτηση για ανθρώπινη εγκεφαλική εργασία.
  • 0:59 - 1:03
    Αυτή είναι μια οικονομική επανάσταση. Μπορεί να νομίζεται ότι έχουμε ξαναβρεθεί σε αυτή τη κατάσταση αλλά κάνετε λάθος.
  • 1:03 - 1:05
    Αυτή τη φορά τα πράγματα είναι διαφορετικά.
  • 1:05 - 1:07
    «Φυσική Εργασία»
  • 1:07 - 1:10
    Όταν σκέφτεστε αυτοματοποίηση, πιθανών το μυαλό σας να πηγαίνει σε αυτό:
  • 1:10 - 1:16
    Τεράστια, προκατασκευασμένα, ακριβά, αποδοτικά αλλά πραγματικά ηλίθια ρομπότ, προσηλωμένα στην εργασία τους.
  • 1:16 - 1:20
    Ήταν ένα τρομακτικό είδος αυτοματοποίησης, αλλά δε κατέλαβαν τον κόσμο
  • 1:20 - 1:25
    επειδή είναι οικονομικά αποδοτικά σε πολύ συγκεκριμένες περιπτώσεις. Αλλά αυτό είναι το παλιό είδος αυτοματοποίησης.
  • 1:25 - 1:28
    Αυτό είναι το νέο είδος. Σας παρουσιάζω τον Baxter.
  • 1:28 - 1:32
    Σε αντίθεση με αυτά τα μηχανήματα, τα οποία χρειάζονται επιδέξιους χειριστές και τεχνικούς όπως επίσης και εκατομμύρια δολάρια
  • 1:32 - 1:37
    ο Baxter έχει όραμα και μπορεί να μάθει ότι θέλετε να κάνει παρακολουθώντας σας να το κάνετε.
  • 1:37 - 1:41
    Και κοστίζει λιγότερο απο τον ετήσιο μισθό ενός ανθρώπου εργάτη.
  • 1:41 - 1:45
    Σε αντίθεση με τα παλιότερα αδέρφια του, δεν είναι προγραμματισμένος εκ των προτέρων για μια συγκεκριμένη εργασία.
  • 1:45 - 1:48
    Μπορεί να κάνει οποιαδήποτε εργασία αρκεί να φτάνουν τα χέρια του μέχρι εκεί.
  • 1:48 - 1:53
    Ο Baxter είναι αυτό που θα μπορούσε να ονομαστεί «ρομπότ γενικής χρήσης» και η «γενική χρήση» είναι μεγάλη υπόθεση.
  • 1:53 - 1:58
    Σκεφτείτε τους υπολογιστές. Και αυτοί ξεκίνησαν ως αρκετά ακριβά μηχανήματα τα οποία κατασκευάζονταν κατά παραγγελία,
  • 1:58 - 2:03
    αλλά στη συνέχεια εμφανίστηκαν σχετικά πιο φθηνοί υπολογιστές γενικής χρήσης και γρήγορα έγιναν αναγκαίοι για τα πάντα.
  • 2:03 - 2:08
    Ένας υπολογιστής γενικής χρήσης μπορεί να υπολογίσει πολύ εύκολα τα ρέστα, να καθορίσει τις θέσεις σε ένα αεροπλάνο, να παίξει ένα παιχνίδι
  • 2:08 - 2:11
    ή να κάνει οτιδήποτε αρκεί να τροποποιήσουμε το λογισμικό του ανάλογα.
  • 2:11 - 2:18
    Και αυτή η τεράστια ζήτηση για υπολογιστές όλων των ειδών είναι αυτό που τους κάνει περισσότερο ισχυρούς και φθηνούς κάθε χρόνο
  • 2:18 - 2:23
    Ο Baxter σήμερα είναι ο υπολογιστής του 1980. Δεν είναι η κορυφή αλλά η αρχή.
  • 2:23 - 2:27
    Ακόμα και αν ο Baxter είναι αργός, το ωριαίο κόστος του είναι απειροελάχιστη κατανάλωση ηλεκτρικού
  • 2:27 - 2:30
    ενώ οι ανθρώπινοι ανταγωνιστές του κοστίζουν τον κατώτερο μισθό.
  • 2:30 - 2:34
    Το ένα δέκατο της ταχύτητας εξακολουθεί να είναι οικονομικά αποδοτικό όταν συνοδεύεται απο το ένα εκατοστό της τιμής.
  • 2:34 - 2:37
    Και ενώ ο Baxter δεν είναι τόσο έξυπνος όσο κάποια απο τα πράγματα που θα συζητήσουμε παρακάτω,
  • 2:37 - 2:40
    είναι αρκετά έξυπνος για να καταλάβει πολλές θέσεις εργασίας χαμηλής εξειδίκευσης.
  • 2:40 - 2:44
    Και έχουμε δει πως ρομπότ πιο χαζά απο τον Baxter μπορούν να αντικαταστήσουν εργάτες.
  • 2:44 - 2:50
    Στα καινούργια σούπερ μάρκετ, οι 30 άνθρωποι που υπήρχαν ως προσωπικό έχουν αντικατασταθεί πλέον απο έναν άνθρωπο που επιβλέπει 30 ρομπότ.
  • 2:50 - 2:55
    Η πάρτε σαν παράδειγμα τους εκατοντάδες χιλιάδες μπαρίστες που προσλαμβάνονται ανά τον κόσμο. Έρχεται ένα ρομπότ μπαρίστας και γι' αυτούς.
  • 2:55 - 3:00
    Σίγουρα, μπορεί ο δικός σας μπαρίστας να φτιάχνει τον διπλό μόκα-ότι να ναι- τέλεια και δεν εμπιστεύεστε κανέναν άλλο,
  • 3:00 - 3:04
    αλλά εκατομμύρια άνθρωποι δεν ενδιαφέρονται και θέλουν απλά έναν αξιοπρεπή καφέ.
  • 3:04 - 3:09
    Α! Και παρεμπιπτόντως, αυτό το ρομπότ είναι στη πραγματικότητα ένα τεράστιο δίκτυο απο ρομπότ και θυμάται ποιος είστε
  • 3:09 - 3:13
    και πως πίνετε τον καφέ σας, άσχετα απο το που βρίσκετε. Αρκετά βολικό.
  • 3:13 - 3:16
    Σκεφτόμαστε τις τεχνολογικές αλλαγές σαν τα νέα εντυπωσιακά ακριβά πράγματα,
  • 3:16 - 3:20
    αλλά η πραγματική αλλαγή έρχεται απο τα πράγματα της προηγούμενης δεκαετίας τα οποία γίνονται φθηνότερα και παράγονται γρηγορότερα.
  • 3:20 - 3:26
    Αυτό συμβαίνει με τα ρομπότ σήμερα και ακριβώς επειδή τα μηχανικά μυαλά τους είναι ικανά να παίρνουν αποφάσεις
  • 3:26 - 3:31
    έχουν την ικανότητα να ανταγωνιστούν τους ανθρώπους για θέσεις εργασίας με ένα τρόπο όπου δε θα μπορούσε να το κάνει ένας απλός μηχανικός μυς.
  • 3:31 - 3:34
    «Τεχνοφοβικά Άλογα»
  • 3:34 - 3:37
    Φανταστείτε ένα ζευγάρι αλόγων στις αρχές του 1900 να μιλάνε για τη τεχνολογία.
  • 3:37 - 3:41
    Το ένα ανησυχεί επειδή όλοι αυτοί οι μηχανικοί μύες θα κάνει τα άλογα άχρηστα.
  • 3:41 - 3:45
    Το άλλο του υπενθυμίζει ότι τα πάντα μέχρι στιγμής έχουν κάνει τις ζωές τους ευκολότερες.
  • 3:45 - 3:48
    «Θυμάσαι τη δουλειά στο χωράφι; Θυμάσαι την εποχή όπου τρέχαμε απο ακτή σε ακτή για να παραδίδουμε την αλληλογραφία;
  • 3:48 - 3:51
    Θυμάσαι την εποχή όπου πηγαίναμε στις μάχες; Όλα ήταν τρομερά.»
  • 3:51 - 3:55
    Αυτές οι νέες αστικές δουλειές είναι αρκετά εύκολες και με τόσους ανθρώπους στις πόλεις
  • 3:55 - 3:57
    θα υπάρχουν περισσότερες δουλειές απο ποτέ για τα άλογα.
  • 3:57 - 4:00
    Ακόμα και αν αυτή η ιστορία με τα αμάξια λειτουργήσει,
  • 4:00 - 4:03
    θα υπάρξουν νέες δουλειές για τα άλογα που δε μπορούμε να φανταστούμε.
  • 4:03 - 4:06
    Αλλά εσύ , αγαπητέ θεατή πέρα απο το 2000 ξέρεις τι συνέβη.
  • 4:06 - 4:10
    Τα άλογα χρησιμοποιούνται ακόμα, αλλά καμία σχέση με παλαιότερα.
  • 4:10 - 4:15
    Ο πληθυσμός των αλόγων έφτασε στο ζενίθ του το 1915. Από εκεί και μετά ο πληθυσμός έπεφτε συνεχώς.
  • 4:15 - 4:20
    Δεν υπάρχει κάποιος νόμος στην οικονομία που λέει: «Οι καλύτερες τεχνολογίες δημιουργούν περισσότερες, καλύτερες δουλειές για τα άλογα».
  • 4:20 - 4:23
    Ακούγεται εντυπωσιακά ηλίθιο ακόμα και το να το λέμε δυνατά.
  • 4:23 - 4:27
    Αλλά αλλάξτε το «άλογα» με το «άνθρωποι» και ξαφνικά ο κόσμος πιστεύει ότι αυτή η λογική έχει βάση.
  • 4:27 - 4:32
    Όπως οι μηχανικοί μύες έβγαλαν τα άλογα εκτός οικονομίας, τα μηχανικά μυαλά θα κάνουν το ίδιο με τους ανθρώπους.
  • 4:32 - 4:37
    Όχι αμέσως, όχι παντού, αλλά σε αρκετά μεγάλο βαθμό και αρκετά σύντομα
  • 4:37 - 4:40
    ώστε να δημιουργηθεί τεράστιο πρόβλημα αν δεν είμαστε προετοιμασμένοι.
  • 4:40 - 4:42
    Και δεν είμαστε προετοιμασμένοι.
  • 4:42 - 4:47
    Εσείς, όπως και το δεύτερο άλογο, μπορεί να βλέπετε τη κατάσταση της τεχνολογίας τώρα και να νομίζετε ότι δε μπορεί σε καμία περίπτωση να αντικαταστήσει την δουλειά σας,
  • 4:47 - 4:52
    αλλά η τεχνολογία γίνεται όλο και καλύτερη, φθηνότερη και ταχύτερη με τέτοιο ρυθμό που δε μπορεί να την φτάσει η βιολογία.
  • 4:52 - 4:55
    Όπως το αυτοκίνητο ήταν η αρχή του τέλους για το άλογο,
  • 4:55 - 4:58
    έτσι το αυτοκίνητο μας δείχνει πλέον τα μελλούμενα.
  • 4:58 - 5:01
    «Αυτοκίνητα»
  • 5:01 - 5:05
    Τα αυτοκινούμενα οχήματα δεν είναι το μέλλον. Είναι ήδη εδώ και λειτουργούν.
  • 5:05 - 5:09
    Αυτοκινούμενα οχήματα έχουν ταξιδέψει εκατοντάδες χιλιάδες χιλιόμετρα κατά μήκος της ακτής της Καλιφόρνια
  • 5:09 - 5:12
    και μέσα απο πόλεις, χωρίς ανθρώπινη παρέμβαση.
  • 5:12 - 5:15
    Το ερώτημα δεν είναι «αν» θα αντικαταστήσουν τα τα υπάρχοντα αυτοκίνητα αλλά «πόσο γρήγορα».
  • 5:15 - 5:19
    Δε χρειάζεται να είναι τέλεια. Απλά πρέπει να είναι καλύτερα απο εμάς.
  • 5:19 - 5:25
    Οι άνθρωποι οδηγοί, παρεμπιπτόντως, σκοτώνουν 40,000 ανθρώπους το χρόνο σε αυτοκινητιστικά ατυχήματα και μόνο στις Ηνωμένες Πολιτείες.
  • 5:25 - 5:29
    Δεδομένου του ότι τα αυτοκινούμενα οχήματα δεν ανοιγοκλείνουν τα μάτια, δε γράφουν μηνύματα ενώ οδηγούν, δε κοιμούνται στο τιμόνι και δε κάνουν βλακείες,
  • 5:29 - 5:33
    είναι εύκολο να δούμε ότι θα γίνουν καλύτεροι οδηγοί απο τους ανθρώπους καθώς είναι ήδη καλύτεροι.
  • 5:33 - 5:39
    Τώρα, το να περιγράφουμε τα αυτό-κίνητα ως αμάξια είναι σαν να λέμε τα πρώτα αυτοκίνητα «μηχανικά άλογα».
  • 5:39 - 5:43
    Τα αυτοκίνητα σε όλες τους τις μορφές είναι πολύ περισσότερα απο άλογα
  • 5:43 - 5:46
    και χρησιμοποιώντας αυτό το όνομα περιορίζετε τη φαντασία σας σχετικά με το τι μπορούν να κάνουν.
  • 5:46 - 5:50
    Ας ονομάσουμε τα αυτοκινούμενα οχήματα όπως είναι πραγματικά, «Αυτοκίνητα».
  • 5:50 - 5:53
    Η λύση στο πρόβλημα της «μεταφοράς αντικειμένων απο το σημείο Α στο σημείο Β».
  • 5:53 - 5:56
    Τα παραδοσιακά αυτοκίνητα είχαν μικρό μέγεθος για να μεταφέρουν ανθρώπους,
  • 5:56 - 6:01
    αλλά εξαιρετικά μικρά αυτοκίνητα μπορούν να δουλεύουν σε αποθήκες και τεράστια αυτοκίνητα μπορούν να δουλεύουν σε ορυχεία.
  • 6:01 - 6:08
    Η μεταφορά αντικειμένων περιλαμβάνει αμέτρητα επαγγέλματα, αλλά η βιομηχανία μεταφορών στις Ηνωμένες Πολιτείες απασχολεί περίπου 3 εκατομμύρια ανθρώπους.
  • 6:08 - 6:13
    Επεκτείνοντας αυτό το σκεπτικό σε παγκόσμιο επίπεδο, καταλήγουμε τουλάχιστον στις 70 εκατομμύρια δουλειές.
  • 6:13 - 6:15
    Αυτές οι δουλειές τελείωσαν.
  • 6:15 - 6:18
    Το σύνηθες επιχείρημα είναι ότι τα σωματεία θα το αποτρέψουν,
  • 6:18 - 6:21
    αλλά η ιστορία είναι γεμάτη απο εργαζόμενους οι οποίοι πολέμησα την τεχνολογία η οποία θα τους αντικαθιστούσε
  • 6:21 - 6:24
    και οι εργάτες χάνουν πάντα.
  • 6:24 - 6:30
    Η οικονομία κερδίζει πάντα, και υπάρχουν τεράστια κίνητρα ανάμεσα σε πολύ σε όλο το φάσμα των βιομηχανιών για την υιοθέτηση των συστημάτων αυτοματισμού.
  • 6:30 - 6:35
    Για πολλές εταιρίες μεταφορών, οι άνθρωποι είναι το 1/3 των συνολικών δαπανών τους.
  • 6:35 - 6:36
    Και αυτό είναι μόνο για τους μισθούς.
  • 6:36 - 6:39
    Οι άνθρωποι που κοιμούνται στα μεγάλα ταξίδια με φορτηγά κοστίζουν χρόνο και χρήμα.
  • 6:39 - 6:42
    Τα ατυχήματα κοστίζουν χρήμα. Η απροσεξία κοστίζει χρήμα.
  • 6:42 - 6:45
    Αν νομίζετε ότι οι ασφαλιστικές εταιρίες θα είναι ενάντια σε κάτι τέτοιο, μαντέψτε,
  • 6:45 - 6:50
    ο τέλειος οδηγός για αυτούς είναι αυτός που πληρώνει τα χαμηλά ασφάλιστρα και δε παθαίνει ποτέ ατύχημα.
  • 6:50 - 6:51
    Τα αυτοκίνητα έρχονται
  • 6:51 - 6:56
    και είναι το πρώτο βήμα όπου οι άνθρωποι θα δουν πραγματικά τα ρομπότ να αλλάζουν τη κοινωνία.
  • 6:56 - 7:01
    Αλλά υπάρχουν και πολλά άλλα σημεία στην οικονομία όπου συμβαίνει το ίδιο, απλά είναι λιγότερο εμφανές.
  • 7:01 - 7:04
    Ότι ισχύει για τα αυτοκίνητα ισχύει για τα πάντα.
  • 7:04 - 7:07
    «Τα μελλούμενα»
  • 7:07 - 7:09
    Είναι εύκολο να βλέπουμε ρομπότ σαν τον Baxter και να σκεφτόμαστε:
  • 7:09 - 7:14
    «Η τεχνολογία πάντα ξεφορτωνόταν δουλειές χαμηλής εξειδίκευσης που δε θέλαμε να κάνουμε έτσι κι αλλιώς.
  • 7:14 - 7:18
    Θα ειδικευτούν περισσότερο και θα κάνουν καλύτερες δουλειές που χρειάζονται περισσότερη εκπαίδευση όπως γινόταν πάντα.»
  • 7:18 - 7:22
    Ακόμα και αν αγνοήσουμε το πρόβλημα του να στείλουμε με το ζόρι 100 εκατομμύρια επιπλέον ανθρώπους στην ανώτατη εκπαίδευση,
  • 7:22 - 7:25
    ούτε αυτές οι δουλειές είναι ασφαλείς.
  • 7:25 - 7:28
    Αν η δουλειά σας είναι να κάθεστε μπροστά απο την οθόνη ενός υπολογιστή και να πληκτρολογείτε,
  • 7:28 - 7:31
    όπως μάλλον θα έπρεπε να κάνετε και τώρα,
  • 7:31 - 7:32
    τα ρομπότ έρχονται και για σας φιλαράκια.
  • 7:32 - 7:37
    Τα ρομπότ λογισμικού είναι άυλα, πολύ πιο γρήγορα και φθηνά απο τα φυσικά ρομπότ.
  • 7:37 - 7:40
    Δεδομένου του ότι οι υπάλληλοι γραφείου είναι απο την οπτική της εταιρίας,
  • 7:40 - 7:43
    και πολλοί και ακριβοί,
  • 7:43 - 7:46
    το κίνητρο για την αυτοματοποίηση της εργασίας τους είναι μεγαλύτερο απο αυτό που υπάρχει για την αντικατάσταση ανειδίκευτων εργατών.
  • 7:46 - 7:49
    Και ακριβώς γι αυτό υπάρχουν οι μηχανικοί αυτοματισμών.
  • 7:49 - 7:54
    Αυτοί είναι ικανοί προγραμματιστές η δουλειά των οποίων είναι να αντικαταστήσουν τη δική σας με ένα ρομπότ λογισμικού.
  • 7:54 - 7:59
    Ίσως να σκεφτείτε ότι ακόμα και οι πιο ευφυείς μηχανικοί αυτοματισμών δε θα μπορούσαν να φτιάξουν ένα ρομπότ που θα μπορούσε να κάνιε τη δουλειά σας
  • 7:59 - 8:01
    και ίσως να έχετε δίκιο,
  • 8:01 - 8:05
    αλλά η επιτομή του προγραμματισμού δεν είναι πολύ έξυπνοι προγραμματιστές που γράφουν λογισμικό για ρομπότ.
  • 8:05 - 8:08
    Είναι πολύ έξυπνοι προγραμματιστές οι οποίοι φτιάχνουν λογισμικό για ρομπότ τα οποία διδάσκουν στον εαυτό τους
  • 8:08 - 8:12
    πως να κάνουν πράγματα τα οποίοι προγραμματιστές δε θα μπορούσαν ποτέ να τους διδάξουν.
  • 8:12 - 8:15
    Το πως δουλεύει αυτό ξεφεύγει απο το πλαίσιο αυτού του βίντεο, αλλά η ουσία είναι ότι
  • 8:15 - 8:18
    υπάρχουν περιορισμένοι τρόποι για να δείξεις σε ένα ρομπότ πως να κάνει κάποια πράγματα.
  • 8:18 - 8:23
    Δείξε στο ρομπότ μερικά πράγματα που έγιναν σωστά και αυτό μπορεί να βρει πως να κάνει σωστά τη δουλειά.
  • 8:23 - 8:28
    Ακόμα και αν έχουν μόνο το στόχο και καμία γνώση για το πως να τον πετύχουν τα ρομπότ μπορούν να μάθουν.
  • 8:28 - 8:32
    Πάρτε για παράδειγμα το χρηματιστήριο, το οποίο με πολλούς τρόπους, δεν είναι πλέον μια ανθρώπινη προσπάθεια.
  • 8:32 - 8:38
    Είναι κατά κύριο λόγο ρομπότ τα οποία έμαθα να εμπορεύονται μετοχές με άλλα ρομπότ που έμαθαν το ίδιο μόνα τους.
  • 8:38 - 8:43
    Ως αποτέλεσμα το Χρηματιστήριο της Νέας Υόρκης δεν είναι πλέον γεμάτο με εμπόρους οι οποίοι κάνουν τη δουλειά τους.
  • 8:43 - 8:45
    Είναι ως επί το πλείστον μια οθόνη.
  • 8:45 - 8:48
    Τα ρομπότ έμαθαν την αγορά όπως έμαθαν και να γράφουν.
  • 8:48 - 8:52
    Αν πήρατε εφημερίδα τελευταία, πιθανόν να έχετε διαβάσει ήδη κάποιο άρθρο που γράφτηκε απο ρομπότ.
  • 8:52 - 8:57
    Υπάρχουν εταιρίες οι οποίες μαθαίνουν στα ρομπότ να γράφουν τα πάντα: Αθλητικά άρθρα, αναφορές, ακόμα και
  • 8:57 - 9:00
    αυτές τις τριμηνιαίες εκθέσεις που γράφετε στη δουλειά.
  • 9:00 - 9:04
    Έγγραφα, λήψη αποφάσεων, συγγραφή - πολλές δουλειές που γίνονται απο ανθρώπους εμπίπτουν σε αυτή τη κατηγορία.
  • 9:04 - 9:08
    Και η ζήτηση για ανθρώπινη νοητική εργασία σε αυτούς του τομείς είναι αρκετά χαμηλή.
  • 9:08 - 9:12
    Αλλά σίγουρα τα επαγγέλματα είναι ασφαλή, σωστά;
  • 9:12 - 9:15
    «Επαγγελματικά Ρομπότ»
  • 9:15 - 9:20
    Όταν σκέφτεστε ένα δικηγόρο είναι εύκολο να φανταστείτε δίκες αλλά το μεγαλύτερο μέρος της δουλειάς τους είναι στη πραγματικότητα
  • 9:20 - 9:24
    η σύνταξη νομικών εγγράφων, η πρόβλεψη του πιθανού αποτελέσματος και των επίπτωσεων των αγωγών,
  • 9:24 - 9:26
    και κάτι που ονομάζεται «Ανακάλυψη»,
  • 9:26 - 9:28
    το οποίο είναι η κατάσταση όπου πετάγονται ολόκληρες κούτες με έγγραφα μπροστά απο τον δικηγόρο
  • 9:28 - 9:32
    και αυτός προσπαθεί να βρει ένα μοτίβο ή μια συναλλαγή που δεν «κολλάει» ανάμεσα σε όλα αυτά τα έγγραφα.
  • 9:32 - 9:38
    Αυτό μπορεί κάλλιστα να αυτοματοποιηθεί. Συγκεκριμένα η διαδικασία της «Ανακάλυψης» δεν είναι πλέον δουλειά που κάνουν άνθρωποι σε πολλά νομικά γραφεία,
  • 9:38 - 9:42
    όχι επειδή δεν υπάρχουν έγγραφα που πρέπει να εξεταστούν, υπάρχουν περισσότερα απο ποτέ,
  • 9:42 - 9:47
    αλλά επειδή έξυπνα ρομπότ-ερευνητές εξετάζουν εκατομμύρια email, αναφορές και λογαριασμούς μέσα σε λίγες ώρες όχι εβδομάδες
  • 9:47 - 9:53
    καθιστώντας τους ανθρώπους-ερευνητές άχρηστους όχι μόνο υπό όρους δαπάνης και χρόνου αλλά ακόμη σημαντικότερα υπό όρους ακρίβειας.
  • 9:53 - 9:57
    Τα ρομπότ δεν κοιμούνται διαβάζοντας εκατομμύρια email.
  • 9:57 - 9:58
    Αλλά αυτά είναι απλά πράγματα.
  • 9:58 - 10:03
    Η ΙΒΜ έχει ένα ρομπότ που ονομάζεται Watson. Ίσως τον έχετε δει στη τηλεόραση να κερδίζει ανθρώπους στο Jeopardy (τηλεπαιχνίδι γνώσεων),
  • 10:03 - 10:05
    αλλά αυτό ήταν απλή διασκέδαση για αυτόν.
  • 10:05 - 10:09
    Η κανονική δουλειά του Watson είναι να εργάζεται ως ο καλύτερος γιατρός στον κόσμο.
  • 10:09 - 10:13
    Να καταλαβαίνει τι λένε οι άνθρωποι με δικά τους λόγια και να τους δίνει ακριβείς διαγνώσεις.
  • 10:13 - 10:17
    Αυτό κάνει ήδη στο νοσοκομείο Sloan Kettering, δίνοντας οδηγίες για θεραπείες καρκίνου του πνεύμονα.
  • 10:17 - 10:20
    Όπως τα αυτοκίνητα δε χρειάζεται να είναι τέλεια, απλά αρκεί να κάνουν λιγότερα λάθη απο τους ανθρώπους,
  • 10:20 - 10:24
    το ίδιο ισχύει και για τα ρομπότ-γιατρούς.
  • 10:24 - 10:25
    Οι άνθρωποι γιατροί δεν είναι απο καμία άποψη τέλειοι.
  • 10:25 - 10:28
    Η συχνότητα και η σοβαρότητα των λαθών στις διαγνώσεις είναι τρομακτική.
  • 10:28 - 10:34
    Και οι άνθρωποι γιατροί είναι αρκετά περιορισμένοι στο να ασχολούνται με το περίπλοκο ιατρικό ιστορικό των ασθενών τους.
  • 10:34 - 10:38
    Το να καταλαβαίνουν το κάθε φάρμακο και την αλληλεπίδραση κάθε φαρμάκου με κάθε άλλο φάρμακο
  • 10:38 - 10:40
    είναι πέραν του φάσματος της ανθρώπινης κατανόησης,
  • 10:40 - 10:46
    ιδιαίτερα όταν υπάρχουν ρομπότ-ερευνητές η δουλειά των οποίων είναι να ελέγχουν χιλιάδες νέα φάρμακα τη φορά.
  • 10:46 - 10:49
    Και οι άνθρωποι γιατροί μπορούν μόνο να βελτιωθούν μέσα απο τις δικές τους εμπειρίες.
  • 10:49 - 10:54
    Τα ρομπότ-γιατροί μπορούν να μάθουν απο τις εμπειρίες κάθε άλλου ρομπότ-γιατρού, μπορούν να διαβάσουν τις τελευταίες ιατρικές έρευνες
  • 10:54 - 10:57
    και να κρατάνε αρχείο για οτιδήποτε συμβαίνει στους ασθενείς τους παγκοσμίως
  • 10:57 - 11:01
    ενώ κάνουν συσχετίσεις που θα ήταν αδύνατον να γίνουν διαφορετικά.
  • 11:01 - 11:06
    Δε θα αντικατασταθούν όλοι οι γιατροί αλλά όταν τα ρομπότ-γιατροί θα είναι συγκρίσιμα με τους ανθρώπους
  • 11:06 - 11:10
    και είναι προσβάσιμα μέσω του κινητού σας η ανάγκη για τους γενικούς γιατρούς θα είναι πολύ μικρότερη.
  • 11:10 - 11:17
    Οπότε, οι επαγγελματίες, οι υπάλληλοι γραφείου και οι ανειδίκευτοι εργάτες έχουν λόγους να ανησυχούν απο την αυτοματοποίηση.
  • 11:17 - 11:21
    Αλλά ίσως εσείς δεν επηρεάζεστε επειδή είστε μια ξεχωριστή δημιουργική νιφάδα χιονιού.
  • 11:21 - 11:23
    Λοιπόν, μαντέψτε. Δε είστε τόσο ξεχωριστοί.
  • 11:23 - 11:27
    «Δημιουργικά Ρομπότ»
  • 11:28 - 11:32
    Η δημιουργικότητα μπορεί να μοιάζει με μαγεία αλλά δεν είναι. Ο εγκέφαλος είναι μια περίπλοκη μηχανή,
  • 11:32 - 11:35
    ίσως η πιο περίπλοκη μηχανή σε όλο το σύμπαν,
  • 11:35 - 11:38
    αλλά αυτό δε μας σταμάτησε απο το να προσπαθούμε να την εξομοιώσουμε.
  • 11:38 - 11:42
    Υπάρχει η σκέψη ότι, όπως οι μηχανικοί μύες μας επέτρεψαν να προχωρήσουμε σε εργασίες που απαιτούσαν περισσότερη σκέψη
  • 11:42 - 11:46
    τα μηχανικά μυαλά θα μας επιτρέψουν να προχωρήσουμε σε πιο δημιουργικές εργασίες.
  • 11:46 - 11:48
    Αλλά ακόμη και αν υποθέσουμε ότι ο ανθρώπινος εγκέφαλος είναι μαγικά δημιουργικός,
  • 11:48 - 11:50
    δεν είναι, αλλά το λέμε για χάρη της κουβέντας,
  • 11:50 - 11:54
    η καλλιτεχνική δημιουργικότητα δεν είναι αυτό στο οποίο στηρίζεται η πλειονότητα των εργασιών σήμερα.
  • 11:54 - 11:57
    Ο αριθμός των συγγραφέων, ποιητών, σκηνοθετών, ηθοποιών και καλλιτεχνών
  • 11:57 - 12:02
    οι οποίοι βγάζουν το ψωμί τους απο αυτό που κάνουν είναι ένα ελάχιστο ποσοστό του εργατικού δυναμικού.
  • 12:02 - 12:06
    Και δεδομένου του ότι αυτά είναι επαγγέλματα που στηρίζονται στην δημοτικότητα, θα είναι πάντα ένα μικρό ποσοστό του πληθυσμού.
  • 12:06 - 12:09
    θα είναι πάντα ένα μικρό ποσοστό του πληθυσμού.
  • 12:09 - 12:13
    Δε θα μπορούσε να υπάρξει μια οικονομία βασισμένη στη ποίηση ή τη ζωγραφική.
  • 12:13 - 12:17
    Α! Και παρεμπιπτόντως, αυτή η μουσική που ακούτε να παίζει, γράφτηκε απο ένα ρομπότ.
  • 12:17 - 12:22
    Το όνομα της είναι Emily Howell και μπορεί να γράφει άπειρο αριθμό νέας μουσικής, όλη μέρα, δωρεάν.
  • 12:22 - 12:26
    Και οι άνθρωποι δε μπορούσαν να καταλάβουν τη διαφορά μεταξύ αυτής και ενός ανθρώπου συνθέτη όταν τους βάλαμε να ακούσουν τις δυο μουσικές.
  • 12:26 - 12:31
    Το να μιλάμε για την τεχνητή δημιουργικότητα γίνεται γρήγορα περίεργο. Τι σημαίνει δημιουργικότητα εξ αρχής;
  • 12:31 - 12:35
    Αλλά όπως και να έχει, είναι ένας αναπτυσσόμενος τομέας. Οι άνθρωποι σκεφτόντουσαν ότι
  • 12:35 - 12:38
    το σκάκι ήταν μια μοναδική δημιουργική ανθρώπινη δεξιότητα την οποία δε θα μπορούσαν ποτέ να κάνουν οι μηχανές
  • 12:38 - 12:41
    μέχρι που κέρδισαν τον καλύτερο μας.
  • 12:41 - 12:43
    Και το ίδιο θα συμβεί με όλα τα ανθρώπινα ταλέντα.
  • 12:43 - 12:47
    «Συμπέρασμα»
  • 12:47 - 12:51
    Ωραία, αυτά ήταν ίσως αρκετά για να τα χωνέψετε και ίσως θέλετε να τα απορρίψετε.
  • 12:51 - 12:55
    Είναι εύκολο να είμαστε κυνικοί για τις ηλίθιες προβλέψεις για το μέλλον που δεν επιβεβαιώνονται ποτέ.
  • 12:55 - 13:00
    Γι αυτό και και είναι σημαντικό να τονίσουμε ξανά, ότι αυτά δεν είναι επιστημονική φαντασία.
  • 13:00 - 13:05
    Τα ρομπότ είναι εδώ τώρα. Υπάρχει ένα τρομακτικό ποσοστό αυτοματοποιημένης εργασίας
  • 13:05 - 13:07
    σε εργαστήρια και αποθήκες ανά τον κόσμο.
  • 13:07 - 13:12
    Έχουμε ξαναπεράσει οικονομικές επαναστάσεις στο παρελθόν, αλλά η επανάσταση των ρομπότ είναι διαφορετική.
  • 13:12 - 13:16
    Τ άλογα δεν είναι άνεργα πλέον επειδή έγιναν τεμπέλικα ως είδος.
  • 13:16 - 13:18
    Δεν έχουν πλέον μέρος εφαρμογής.
  • 13:18 - 13:21
    Δεν υπάρχουν πλέον πολλές δουλειές που μπορεί να κάνει ένα άλογο για να δικαιολογήσει το κατάλυμα και τη τροφή του.
  • 13:21 - 13:26
    Και πολλοί έξυπνοι, απόλυτα ικανοί άνθρωποι θα γίνουν το νέο άλογο-
  • 13:26 - 13:28
    μη εφαρμόσιμοι χωρίς να είναι δικό τους το σφάλμα.
  • 13:28 - 13:33
    Αλλά αν νομίζετε ακόμα ότι θα μας σώσουν νέες δουλειές, ορίστε ένα τελικό σημείο προς σκέψη.
  • 13:33 - 13:37
    Η απογραφή του 1776 στις Ηνωμένες Πολιτείες βρήκε μόνο μερικά είδη εργασίας.
  • 13:37 - 13:42
    Πλέον υπάρχουν εκατοντάδες είδη εργασίας αλλά τα νέα είδη δεν αξιοποιούν σημαντικό μέρος του εργατικού δυναμικού.
  • 13:42 - 13:46
    Ορίστε η λίστα των εργασιών που τοποθετήθηκαν κατά φθίνουσα σειρά σε σχέση με τον αριθμό των ανθρώπων που απασχολούν.
  • 13:46 - 13:50
    Είναι μια απογοητευτική λίστα με τη βιομηχανία μεταφορών στη κορυφή.
  • 13:50 - 13:55
    Όσο προχωράμε προς τα κάτω, όλες αυτές οι εργασίες υπήρχαν σε κάποια μορφή πριν απο εκατό χρόνια,
  • 13:55 - 13:58
    και σχεδόν όλες είναι εύκολοι στόχοι για την αυτοματοποίηση.
  • 13:58 - 14:02
    Μόνο όταν φτάνουμε στον αριθμό 33 της λίστα, βλέπουμε κάτι καινούργιο.
  • 14:02 - 14:07
    Μη νομίζεται ότι για να δημιουργηθεί πρόβλημα πρέπει να χάσει τη δουλειά του κάθε υπάλληλος γραφείου και κάθε μπαρίστας.
  • 14:07 - 14:11
    Το ποσοστό ανεργίας κατά την Μεγάλη Ύφεση ήταν 25%.
  • 14:11 - 14:14
    Η παραπάνω λίστα αντιπροσωπεύει το 45% του εργατικού δυναμικού.
  • 14:14 - 14:18
    Μόνο αυτά για τα οποία συζητήσαμε σήμερα, αυτά που λειτουργούν ήδη,
  • 14:18 - 14:21
    μπορούν να μας στείλουν σε αυτό το νούμερο πολύ σύντομα.
  • 14:21 - 14:25
    Και δεδομένου του ότι στη σύγχρονη τεχνολογική χώρα των θαυμάτων, τα νέα είδη εργασίας
  • 14:25 - 14:29
    δεν είναι σημαντικό μέρος της οικονομίας, αυτό είναι σημαντικό πρόβλημα.
  • 14:29 - 14:32
    Αυτό το βίντεο δεν έγινε για να πει ότι η αυτοματοποίηση είναι κακή,
  • 14:32 - 14:35
    αντίθετα έγινε για να πει ότι η αυτοματοποίηση είναι αναπόφευκτη.
  • 14:35 - 14:38
    Είναι ένα εργαλείο για να παράγουμε αφθονία με ελάχιστη προσπάθεια.
  • 14:38 - 14:40
    Πρέπει να αρχίσουμε να σκεφτόμαστε τι θα κάνουμε
  • 14:40 - 14:45
    όταν μεγάλα τμήματα του πληθυσμού θα είναι άνεργα χωρίς να είναι δικό τους το σφάλμα.
  • 14:45 - 14:49
    Τι θα κάνουμε σε ένα μέλλον όπου, για τις περισσότερες δουλειές, Οι Άνθρωποι Δε Θα Έχουν Εφαρμογή.
  • 14:49 - 15:00
    Humans Need Not Apply.
Title:
Humans Need Not Apply
Description:

Περιγραφή των δυνατοτήτων που έχουν τα συστήματα αυτοματισμού και των επιπτώσεων στην ανθρώπινη εργασία.

more » « less
Video Language:
English
Duration:
15:01

Greek subtitles

Revisions