Anthony Goldbloom: The jobs we'll lose to machines -- and the ones we won't
Άντονι Γκόλντμπλουμ: Οι δουλειές που θα χάσουμε από τις μηχανές - και αυτές που όχι
Anthony Goldbloom crowdsources solutions to difficult problems using machine learning. Full bio
Double-click the English transcript below to play the video.
και o μπαμπάς της δικηγόρος.
and her dad is a lawyer.
are going to look dramatically different.
θα είναι πολύ διαφορετικά.
did a study on the future of work.
στο πανεπιστήμιο της Οξφόρδης
πάνω στο μέλλον της εργασίας.
in every two jobs have a high risk
στα δύο επαγγέλματα κινδυνεύουν
of this disruption.
για αυτήν την αναστάτωση.
of artificial intelligence.
της τεχνητής νοημοσύνης.
να μάθουν από δεδομένα
that humans can do.
που κάνουν οι άνθρωποι.
on the cutting edge of machine learning.
στην αιχμή της μηχανικής μάθησης.
hundreds of thousands of experts
και ακαδημαϊκά προβλήματα.
for industry and academia.
on what machines can do,
automate or threaten.
αυτοματοποιήσουν ή απειλήσουν.
στη βιομηχανία αρχές της δεκαετίας του 90.
into industry in the early '90s.
credit risk from loan applications,
πιστωτικού κινδύνου από αιτήσεις δανείων,
handwritten characters from zip codes.
χειρόγραφους ταχυδρομικούς κώδικες.
dramatic breakthroughs.
κάναμε σημαντική πρόοδο.
of far, far more complex tasks.
να αναλάβει πολύ πιο περίπλοκα έργα.
that could grade high-school essays.
που θα διόρθωνε εργασίες λυκείου.
were able to match the grades
όπως οι καθηγητές.
an even more difficult challenge.
μια ακόμη δυσκολότερη δοκιμασία.
όπως η διαβητική ρετινοπάθεια,
and diagnose an eye disease
were able to match the diagnoses
που έδωσαν και οι οφθαλμίατροι.
machines are going to outperform humans
θα ξεπεράσουν τους ανθρώπους
over a 40-year career.
θα διαβάσει πάνω από 10.000 εκθέσεις.
περίπου 50.000 μάτια.
or see millions of eyes
εργασίες ή να δει εκατομμύρια μάτια
against machines
να ανταγωνιστούμε τις μηχανές
that machines can't do.
που μόνο εμείς μπορούμε να κάνουμε.
very little progress
they haven't seen many times before.
που δεν έχουν δει ήδη πολλές φορές.
of machine learning
της μηχανικής μάθησης
from large volumes of past data.
δεδομένα για να μάθει από αυτά.
seemingly disparate threads
φαινομενικά γνωρίσματα
working on radar during World War II,
κατά τον Β' Παγκόσμιο Πόλεμο
was melting his chocolate bar.
έλιωνε τη σοκολάτα του.
of electromagnetic radiation
στην ηλεκτρομαγνητική ακτινοβολία
the microwave oven.
example of creativity.
λαμπρό παράδειγμα δημιουργικότητας.
happens for each of us in small ways
στις ιδέες μας συμβαίνουν σε όλους μας,
novel situations,
για τέτοιου είδους προβλήματα,
on the human tasks
θα αυτοματοποιήσουν οι μηχανές.
για το μέλλον της εργασίας;
for the future of work?
in the answer to a single question:
στην απάντηση αυτής της ερώτησης;
to frequent, high-volume tasks,
από συχνές εργασίες μεγάλου όγκου,
tackling novel situations?
πρωτόγνωρα προβλήματα;
machines are getting smarter and smarter.
οι μηχανές γίνονται όλο και εξυπνότερες.
They diagnose certain diseases.
διαγιγνώσκουν ορισμένες ασθένειες.
they're going to conduct our audits,
λογιστικούς ελέγχους
from legal contracts.
από νομικά συμβόλαια.
φορολογικές δηλώσεις
for complex tax structuring,
on novel situations.
σε πρωτόγνωρα προβλήματα.
needs to grab consumers' attention.
πρέπει να τραβήξει το ενδιαφέρον.
finding gaps in the market,
βρίσκει κενά στην αγορά
the copy behind our marketing campaigns,
τις διαφημιστικές καμπάνιες
our business strategy.
την επιχειρηματική στρατηγική.
να αντιμετωπίζεις μια καινούρια πρόκληση.
ένα βήμα μπροστά από τις μηχανές.
ahead of the machines.
ABOUT THE SPEAKER
Anthony Goldbloom - Machine learning expertAnthony 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.
Anthony Goldbloom | Speaker | TED.com