Anthony Goldbloom: The jobs we'll lose to machines -- and the ones we won't
アンソニー・ゴールドブルーム: 機械に奪われる仕事 — そして残る仕事
Anthony Goldbloom crowdsources solutions to difficult problems using machine learning. Full bio
Double-click the English transcript below to play the video.
父親は弁護士ですが
and her dad is a lawyer.
劇的に変わっていることでしょう
are going to look dramatically different.
did a study on the future of work.
未来の仕事についての研究を行いました
機械により自動化されるリスクが高いと
in every two jobs have a high risk
主な原因となるものです
of this disruption.
最も有力な領域です
of artificial intelligence.
機械がデータから学習して
that humans can do.
人間のようにできるようになります
最先端の機械学習技術に取り組んでいて
on the cutting edge of machine learning.
hundreds of thousands of experts
解決するために
for industry and academia.
集めています
on what machines can do,
独特な知見が得られます
何ができないのか?
消失の怖れがあるのか?
automate or threaten.
1990年代前半です
into industry in the early '90s.
タスクから始まりました
credit risk from loan applications,
信用リスクの評価や
handwritten characters from zip codes.
手紙を仕分けるといったことです
dramatic breakthroughs.
飛躍的な進歩がありました
of far, far more complex tasks.
こなせるようになったのです
高校生の書いた小論文を採点できる
専門家コミュニティに提示しました
that could grade high-school essays.
were able to match the grades
人間の教師の採点と
することができました
課題を出しました
an even more difficult challenge.
and diagnose an eye disease
糖尿病性網膜症の診断をできるか?」
were able to match the diagnoses
アルゴリズムは
一致する結果を出せました
このようなタスクで
machines are going to outperform humans
出し始めています
over a 40-year career.
小論文を1万本読むかもしれません
診断するかもしれません
or see millions of eyes
数百万の小論文を読み
against machines
処理するタスクでは
機械に出来ないことがあります
that machines can't do.
ほとんど進歩していないのは
very little progress
判断する技術です
they haven't seen many times before.
うまく処理できないのです
of machine learning
from large volumes of past data.
学ぶ必要があるという点です
seemingly disparate threads
手掛かりを繋ぎ合わせ
解決することができます
working on radar during World War II,
レーダー開発の任務に就いていた物理学者で
was melting his chocolate bar.
溶かすことに気づきました
料理に関する知識を結びつけることで
of electromagnetic radiation
何か分かりますか?
the microwave oven.
素晴らしい一例です
example of creativity.
happens for each of us in small ways
些細な形であれば
ひらめいています
novel situations,
on the human tasks
機械で自動化する際の
意味することは何でしょう?
for the future of work?
ある1つの問への答えにかかっています
in the answer to a single question:
to frequent, high-volume tasks,
還元できる部分がどの程度あり
どの程度あるのか?
tackling novel situations?
machines are getting smarter and smarter.
機械はどんどん賢くなっていきます
ある種の病気の診断をします
They diagnose certain diseases.
they're going to conduct our audits,
監査をしたり
解釈出来るようになるでしょう
from legal contracts.
いらなくはなりません
for complex tax structuring,
前例のない訴訟の対応には
能力のある者だけが残され
難しくなります
on novel situations.
進歩していません
消費者の関心を引く必要があります
needs to grab consumers' attention.
目立っていなければなりません
finding gaps in the market,
他社がやっていない
the copy behind our marketing campaigns,
創り出すのは人間の役目であり
our business strategy.
人間です
どんな仕事を選ぶにせよ
新しいことに挑戦することです
機械に先んじることが出来るでしょう
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