TED@Merck KGaA, Darmstadt, Germany
Daniel Susskind: 3 myths about the future of work (and why they're not true)
دانيل سسكيند: ثلاث خرافات عن مستقبل العمل ولماذا ليست صحيحة
Filmed:
Readability: 4.5
1,519,249 views
هل ستستبدل الآلات الناس؟ هذا السؤال في ذهن أي شخص يواجه احتمالية خسارة عمله. يواجه دانيل سسكيند هذا التساؤل وثلاثة معتقدات خاطئة أخرى لدينا عن مستقبل الأتمتة في المستقبل، ويقترح أن علينا أن نسأل سؤالا آخر: كيف ستتقسم الثروة في العالم عندما ستكون فرص الوظائق قليلة أو حتى معدومة؟
Daniel Susskind - Economist
Daniel Susskind explores the impact of technology, particularly artificial intelligence, on work and society. Full bio
Daniel Susskind explores the impact of technology, particularly artificial intelligence, on work and society. Full bio
Double-click the English transcript below to play the video.
00:12
Automation anxiety
has been spreading lately,
has been spreading lately,
0
760
3376
انتشر الخوف من الأتمتة مؤخرًا،
00:16
a fear that in the future,
1
4160
2656
خوفا من أنه في المستقبل
00:18
many jobs will be performed by machines
2
6840
2456
ستقوم الآلات بالعديد من الوظائف
00:21
rather than human beings,
3
9320
1336
بدلًا من الناس،
00:22
given the remarkable advances
that are unfolding
that are unfolding
4
10680
2936
بالنظر إلى التقدم الملحوظ الذي يستمر
00:25
in artificial intelligence and robotics.
5
13640
2776
في مجال الذكاء الاصطناعي
والروبوتات.
والروبوتات.
00:28
What's clear is that
there will be significant change.
there will be significant change.
6
16440
2816
ما هو واضح على نحو جلي
سيكون هناك تغيير كبير.
سيكون هناك تغيير كبير.
00:31
What's less clear
is what that change will look like.
is what that change will look like.
7
19280
3616
ما هو غير واضح
كيف سيبدو هذا التغيير.
كيف سيبدو هذا التغيير.
00:34
My research suggests that the future
is both troubling and exciting.
is both troubling and exciting.
8
22920
4936
ترجح أبحاثي أن المستقبل
سيكون مليئا بالتشويق والمشكلات.
سيكون مليئا بالتشويق والمشكلات.
00:39
The threat of technological
unemployment is real,
unemployment is real,
9
27880
3736
تهديد البطالة بسبب التكنولوجيا
00:43
and yet it's a good problem to have.
10
31640
2056
ومع ذلك فإنها مشكلة جيدة في نفس الوقت.
00:45
And to explain
how I came to that conclusion,
how I came to that conclusion,
11
33720
3216
وللتوضيح كيف وصلت لهذه النتيجة،
00:48
I want to confront three myths
12
36960
2536
أريد أن أدحض ثلاث خرافات
00:51
that I think are currently obscuring
our vision of this automated future.
our vision of this automated future.
13
39520
4280
أظن أنها أصبحت تشوش علينا
رؤيتنا لهذه المستقبل الأتوماتيكي.
رؤيتنا لهذه المستقبل الأتوماتيكي.
00:56
A picture that we see
on our television screens,
on our television screens,
14
44880
2336
صورة رأيناها على شاشات التلفزة لدينا،
00:59
in books, in films, in everyday commentary
15
47240
2216
وفي الكتب والأفلام وفي أحاديثنا اليومية
01:01
is one where an army of robots
descends on the workplace
descends on the workplace
16
49480
3696
حيث فيها جيش من الرجال الآليين ينزلون
من مقرات العمل
من مقرات العمل
01:05
with one goal in mind:
17
53200
1376
بهدف واحد في أذهانهم:
01:06
to displace human beings from their work.
18
54600
2496
لأخذ الوظائف والأعمال من البشر.
01:09
And I call this the Terminator myth.
19
57120
2696
وأسمي هذه بخرافات الإبادة.
01:11
Yes, machines displace
human beings from particular tasks,
human beings from particular tasks,
20
59840
3976
نعم، الآلات تأخذ من البشر مهام معينة،
01:15
but they don't just
substitute for human beings.
substitute for human beings.
21
63840
2256
ولكنها لا يمكن إحلالها مكان البشر.
01:18
They also complement them in other tasks,
22
66120
1976
إنهم يكملونهم أيضًا في مهام أخرى،
01:20
making that work more valuable
and more important.
and more important.
23
68120
3616
جاعلين من ذلك العمل أكثر قيمة
وأكثر أهمية.
وأكثر أهمية.
01:23
Sometimes they complement
human beings directly,
human beings directly,
24
71760
3336
أحيانًا يكملون البشر بشكل مباشر،
01:27
making them more productive
or more efficient at a particular task.
or more efficient at a particular task.
25
75120
4016
جاعلين منهم أكثر إنتاجية أو أكثر كفاءة
في مهام معينة.
في مهام معينة.
01:31
So a taxi driver can use a satnav system
to navigate on unfamiliar roads.
to navigate on unfamiliar roads.
26
79160
4616
يستطيع سائق التاكسي استخدام "ساتناف"
للذهاب إلى طرق غير معروفة.
للذهاب إلى طرق غير معروفة.
01:35
An architect can use
computer-assisted design software
computer-assisted design software
27
83800
3336
يستطيع المهندس استخدام
برنامج كمبيوتر مساعد للتصميم
برنامج كمبيوتر مساعد للتصميم
01:39
to design bigger,
more complicated buildings.
more complicated buildings.
28
87160
3096
لتصميم أبنية أكبر وأكثر تعقيدًا.
01:42
But technological progress doesn't
just complement human beings directly.
just complement human beings directly.
29
90280
3696
ولكن عملية التطور التكنولوجي لا تكمل
الإنسان بشكل مباشر فحسب،
الإنسان بشكل مباشر فحسب،
01:46
It also complements them indirectly,
and it does this in two ways.
and it does this in two ways.
30
94000
3336
بل أنها تكملهم بشكل غير مباشر أيضًا
وتقوم بهذا بطريقتين.
وتقوم بهذا بطريقتين.
01:49
The first is if we think
of the economy as a pie,
of the economy as a pie,
31
97360
3336
الأولى: إذا تخيلنا الاقتصاد كفطيرة،
01:52
technological progress
makes the pie bigger.
makes the pie bigger.
32
100720
2896
يجعل التطور التكنولوجي الفطيرة أكبر حجمًا.
01:55
As productivity increases,
incomes rise and demand grows.
incomes rise and demand grows.
33
103640
3856
وكلما تزداد الإنتاجية،
وترتفع الدخول وترتفع القوة الشرائية.
وترتفع الدخول وترتفع القوة الشرائية.
01:59
The British pie, for instance,
34
107520
1776
الفطيرة البريطانية على سبيل المثال،
02:01
is more than a hundred times
the size it was 300 years ago.
the size it was 300 years ago.
35
109320
3960
أكبر بمئات المرات
مما كانت عليه قبل 300 سنة
مما كانت عليه قبل 300 سنة
02:05
And so people displaced
from tasks in the old pie
from tasks in the old pie
36
113920
3216
وهكذا الناس الذين طردوا
من المهام في الفطيرة القديمة
من المهام في الفطيرة القديمة
02:09
could find tasks to do
in the new pie instead.
in the new pie instead.
37
117160
2720
تمكنوا من إيجاد مهام جديدة
ليقوموا بها في الفطيرة الجديدة.
ليقوموا بها في الفطيرة الجديدة.
02:12
But technological progress
doesn't just make the pie bigger.
doesn't just make the pie bigger.
38
120800
3936
ولكن التطور التكنولوجي لا يقوم فقط
بجعل الفطيرة أكبر حجمًا.
بجعل الفطيرة أكبر حجمًا.
02:16
It also changes
the ingredients in the pie.
the ingredients in the pie.
39
124760
2856
إنه يغير أيضًا المكونات داخل الفطيرة.
02:19
As time passes, people spend
their income in different ways,
their income in different ways,
40
127640
3456
بمضي الوقت، ينفق الناس دخولهم
في أشياء مختلفة،
في أشياء مختلفة،
02:23
changing how they spread it
across existing goods,
across existing goods,
41
131120
2816
التغير في كيفية إنفاقهم
على مختلف المنتجات الموجودة،
على مختلف المنتجات الموجودة،
02:25
and developing tastes
for entirely new goods, too.
for entirely new goods, too.
42
133960
3216
وكذلك ظهور الرغبة
لشراء منتجات جديدة تمامًا.
لشراء منتجات جديدة تمامًا.
02:29
New industries are created,
43
137200
1776
ظهرت صناعات جديدة،
02:31
new tasks have to be done
44
139000
1816
ووظائف جديدة للقيام بها
02:32
and that means often
new roles have to be filled.
new roles have to be filled.
45
140840
2536
وغالبًا ما يعني ذلك أدوارا جديدة لشغلها.
02:35
So again, the British pie:
46
143400
1496
مرةً أخرى، الفطيرة البريطانية:
02:36
300 years ago,
most people worked on farms,
most people worked on farms,
47
144920
2976
قبل 300 سنة،
عمل معظم الناس في المزارع،
عمل معظم الناس في المزارع،
02:39
150 years ago, in factories,
48
147920
2336
قبل 150 سنة، في المصانع،
02:42
and today, most people work in offices.
49
150280
2856
واليوم، يعمل معظم الناس في مكاتب.
02:45
And once again, people displaced
from tasks in the old bit of pie
from tasks in the old bit of pie
50
153160
4056
ومرةً أخرى، الناس الذين انتقلوا من المهام
في الفطيرة القديمة
في الفطيرة القديمة
02:49
could tumble into tasks
in the new bit of pie instead.
in the new bit of pie instead.
51
157240
2800
استطاعوا أن يجدوا مهاما أخرى
في الفطيرة الجديدة.
في الفطيرة الجديدة.
02:52
Economists call these effects
complementarities,
complementarities,
52
160720
3336
يسمي الاقتصاديون هذه التأثيرات
بـ "المكملات"
بـ "المكملات"
02:56
but really that's just a fancy word
to capture the different way
to capture the different way
53
164080
3256
ولكن تلك الكلمة حقًا عبارة عن وهم
لتصوير الطريقة الختلفة
لتصوير الطريقة الختلفة
02:59
that technological progress
helps human beings.
helps human beings.
54
167360
3136
التي يساعد بها التطور التكنولوجي البشر.
03:02
Resolving this Terminator myth
55
170520
2096
للقضاء على خرافة الإبادة
03:04
shows us that there are
two forces at play:
two forces at play:
56
172640
2336
أظهر لنا عاملين مؤثرين:
03:07
one, machine substitution
that harms workers,
that harms workers,
57
175000
3536
الأول: استبدال الآلات يضر بالعمال،
03:10
but also these complementarities
that do the opposite.
that do the opposite.
58
178560
2880
ولكن أيضًا هذه المكملات التي تقوم بالعكس.
03:13
Now the second myth,
59
181960
1376
الآن الخرافة الثانية،
03:15
what I call the intelligence myth.
60
183360
2280
وهي ما أسميها "خرافة الذكاء الاصطناعي".
03:18
What do the tasks of driving a car,
making a medical diagnosis
making a medical diagnosis
61
186440
4896
ما المشترك بين مهام مثل قيادة السيارة،
والتشخيص الطبي
والتشخيص الطبي
03:23
and identifying a bird
at a fleeting glimpse have in common?
at a fleeting glimpse have in common?
62
191360
2920
والتعرف على طير يحلق سريعًا بلمح البصر؟
03:27
Well, these are all tasks
that until very recently,
that until very recently,
63
195280
2976
حسنًا، هذه المهام جميعًا
والتي كانت حتى وقت متأخر
والتي كانت حتى وقت متأخر
03:30
leading economists thought
couldn't readily be automated.
couldn't readily be automated.
64
198280
3336
تدفع الاقتصاديين للتفكير
بأنها لا تزال صعبة الأتمتة.
بأنها لا تزال صعبة الأتمتة.
03:33
And yet today, all of these tasks
can be automated.
can be automated.
65
201640
3176
ومع ذلك اليوم، كل هذه المهام
يمكن أن تصبح أتوماتيكية.
يمكن أن تصبح أتوماتيكية.
03:36
You know, all major car manufacturers
have driverless car programs.
have driverless car programs.
66
204840
3496
تعرفون، تملك كل مصانع السيارات الكبرى
برامج قيادة ذاتية للسيارات.
برامج قيادة ذاتية للسيارات.
03:40
There's countless systems out there
that can diagnose medical problems.
that can diagnose medical problems.
67
208360
3976
هناك عدد لايحصى من الأنظمة
التي تستطيع تشخيص المشاكل الطبية.
التي تستطيع تشخيص المشاكل الطبية.
03:44
And there's even an app
that can identify a bird
that can identify a bird
68
212360
2416
وهناك حتى تطبيق يستطيع التعرف على الطائر
03:46
at a fleeting glimpse.
69
214800
1200
يحلق سريعًا بلمح البصر.
03:48
Now, this wasn't simply a case of bad luck
on the part of economists.
on the part of economists.
70
216920
4376
الآن، لم يكن ذلك مجرد مثال من الحظ العاثر
من قبل الاقتصاديين،
من قبل الاقتصاديين،
03:53
They were wrong,
71
221320
1296
لقد كانوا مخطئين.
03:54
and the reason why
they were wrong is very important.
they were wrong is very important.
72
222640
2496
والسبب وراء كونهم
مخطئين مهمٌ جدًا.
مخطئين مهمٌ جدًا.
03:57
They've fallen for the intelligence myth,
73
225160
2256
لقد أحبوا خرافة الذكاء الاصطناعي،
03:59
the belief that machines
have to copy the way
have to copy the way
74
227440
2896
فكرة أن الآلات تستطيع أن تقلد
04:02
that human beings think and reason
75
230360
2056
الطريقة التي يفكر ويحلل بها البشر
04:04
in order to outperform them.
76
232440
1776
حتى تتفوق عليهم.
04:06
When these economists
were trying to figure out
were trying to figure out
77
234240
2216
عندما كان هؤلاء الاقتصاديون
يحاولون التوصل إلى
يحاولون التوصل إلى
04:08
what tasks machines could not do,
78
236480
1856
ما لا تستطيع أن تقوم الآلات بعمله،
04:10
they imagined the only way
to automate a task
to automate a task
79
238360
2136
تخيلوا أن السبيل الوحيد لمهمة أتوماتيكية
04:12
was to sit down with a human being,
80
240520
1816
هو الجلوس مع الكائن البشري،
04:14
get them to explain to you
how it was they performed a task,
how it was they performed a task,
81
242360
3536
وجعلهم يشرحون لك
كيف يقومون بمهمة ما،
كيف يقومون بمهمة ما،
04:17
and then try and capture that explanation
82
245920
2656
ومن ثم محاولة نسخ ذلك الشرح
04:20
in a set of instructions
for a machine to follow.
for a machine to follow.
83
248600
2776
في مجموعة من الأوامر لتتبعها الآلة.
04:23
This view was popular in artificial
intelligence at one point, too.
intelligence at one point, too.
84
251400
4176
هذه الرؤية كانت رائجة في مجال
الذكاء الاصطناعي في فترة من الزمن أيضًا.
الذكاء الاصطناعي في فترة من الزمن أيضًا.
04:27
I know this because Richard Susskind,
85
255600
2176
أعرف هذا لأن "ريشارد سسكيند"
04:29
who is my dad and my coauthor,
86
257800
2856
وهو والدي ومساعدي في البحوث،
04:32
wrote his doctorate in the 1980s
on artificial intelligence and the law
on artificial intelligence and the law
87
260680
4056
كتب بحثه في الدكتوراه في الثمانينات
حول الذكاء الاصطناعي والتشريعات
حول الذكاء الاصطناعي والتشريعات
04:36
at Oxford University,
88
264760
1416
في جامعة أوكسفورد،
04:38
and he was part of the vanguard.
89
266200
1576
وكان جزء من شركة "فين جارد".
04:39
And with a professor called Phillip Capper
90
267800
2256
ومع البروفسور "فيليب كابر"
04:42
and a legal publisher called Butterworths,
91
270080
2096
والناشر الرسمي "بوترورثز"،
04:44
they produced the world's first
commercially available
commercially available
92
272200
5896
قاموا بإنتاج أول نظام عالمي تجاري
04:50
artificial intelligence system in the law.
93
278120
2776
للذكاء الاصطناعي في القانون.
04:52
This was the home screen design.
94
280920
2616
هذا هو شكل الشاشة الرئيسية.
04:55
He assures me this was
a cool screen design at the time.
a cool screen design at the time.
95
283560
2696
يؤكد لي أن هذا كان تصميما حديثا
في ذلك الوقت.
في ذلك الوقت.
04:58
(Laughter)
96
286280
1016
(ضحك)
04:59
I've never been entirely convinced.
97
287320
1696
لم أقتنع كليًا بما قاله أبدًا.
05:01
He published it
in the form of two floppy disks,
in the form of two floppy disks,
98
289040
2616
قام بنشره في شكل قرصين مرنين،
05:03
at a time where floppy disks
genuinely were floppy,
genuinely were floppy,
99
291680
3536
في وقت كانت فيه الأقراص المرنة
مرنةً فعلًا،
مرنةً فعلًا،
05:07
and his approach was the same
as the economists':
as the economists':
100
295240
2336
وكان منهجه مشابها للاقتصاديين:
05:09
sit down with a lawyer,
101
297600
1256
استشارة محامية،
05:10
get her to explain to you
how it was she solved a legal problem,
how it was she solved a legal problem,
102
298880
3176
طلب منها شرح أبعاد الأمر
كيفية حل مشكلة قانونية،
كيفية حل مشكلة قانونية،
05:14
and then try and capture that explanation
in a set of rules for a machine to follow.
in a set of rules for a machine to follow.
103
302080
5376
ومن ثم محاولة تصوره وشرحه من خلال
مجموعة من القوانين التي تتبعها الآلات.
مجموعة من القوانين التي تتبعها الآلات.
05:19
In economics, if human beings
could explain themselves in this way,
could explain themselves in this way,
104
307480
3616
في الاقتصاد، إذا استطاع البشر
التعبير عن أنفسهم بنفس هذه الطريقة،
التعبير عن أنفسهم بنفس هذه الطريقة،
05:23
the tasks are called routine,
and they could be automated.
and they could be automated.
105
311120
3296
فإن المهام التي تسمى روتينية
يمكن أن تصبح أتوماتيكية.
يمكن أن تصبح أتوماتيكية.
05:26
But if human beings
can't explain themselves,
can't explain themselves,
106
314440
2336
ولكن إذا لم يستطع البشر
التعبير عن أنفسهم،
التعبير عن أنفسهم،
05:28
the tasks are called non-routine,
and they're thought to be out reach.
and they're thought to be out reach.
107
316800
4256
فتسمى هذه بالمهام غير الروتينية
ويعتقد بأنها صعبة الأتمتة.
ويعتقد بأنها صعبة الأتمتة.
05:33
Today, that routine-nonroutine
distinction is widespread.
distinction is widespread.
108
321080
3296
اليوم، يتلاشى ذلك الفاصل
بين الروتيني وغير الروتيني.
بين الروتيني وغير الروتيني.
05:36
Think how often you hear people say to you
109
324400
2056
تذكر كم من المرات قد سمعت الناس يقولوا لك:
05:38
machines can only perform tasks
that are predictable or repetitive,
that are predictable or repetitive,
110
326480
3256
يمكن أن تقوم الآلات بالمهام
المتوقعة والمكررة،
المتوقعة والمكررة،
05:41
rules-based or well-defined.
111
329760
1896
والتي تعتمد على قواعد معينة أو محددة.
05:43
Those are all just
different words for routine.
different words for routine.
112
331680
2936
كل هذا هو مجرد أوصاف مختلفة
لمصطلح روتيني.
لمصطلح روتيني.
05:46
And go back to those three cases
that I mentioned at the start.
that I mentioned at the start.
113
334640
3976
وبالنظر مرة أخرى إلى هذه الثلاث الأمثلة
التي ذكرتها في البداية،
التي ذكرتها في البداية،
05:50
Those are all classic cases
of nonroutine tasks.
of nonroutine tasks.
114
338640
2896
كلها تعتبر أمثلة نموذجية
للمهام غير-الروتينية.
للمهام غير-الروتينية.
05:53
Ask a doctor, for instance,
how she makes a medical diagnosis,
how she makes a medical diagnosis,
115
341560
2976
أسأل الطبيب مثلًا،
كيف تقوم بعمل تشخيص طبي،
كيف تقوم بعمل تشخيص طبي،
05:56
and she might be able
to give you a few rules of thumb,
to give you a few rules of thumb,
116
344560
2656
وربما تستطيع أن تعطيك
بعض الإرشادات المفيدة،
بعض الإرشادات المفيدة،
05:59
but ultimately she'd struggle.
117
347240
1656
ولكنها بالنهاية ستجد صعوبة في ذلك.
06:00
She'd say it requires things like
creativity and judgment and intuition.
creativity and judgment and intuition.
118
348920
4816
ستقول أنه يتطلب أشياء مثل
الإبداع وحسن الحكم والبديهة.
الإبداع وحسن الحكم والبديهة.
06:05
And these things are
very difficult to articulate,
very difficult to articulate,
119
353760
2376
وكل هذه الأشياء
يصعب التعبير عنها بالكلمات،
يصعب التعبير عنها بالكلمات،
06:08
and so it was thought these tasks
would be very hard to automate.
would be very hard to automate.
120
356160
3096
ولهذا كان يعتقد أن هذه المهام
يصعب جعلها أتوماتيكية.
يصعب جعلها أتوماتيكية.
06:11
If a human being can't explain themselves,
121
359280
2536
إذا لم يستطع البشر التعبير عن أنفسهم،
06:13
where on earth do we begin
in writing a set of instructions
in writing a set of instructions
122
361840
2896
فكيف بحق السماء سنستطيع البدء
بكتابة مجموعة من الأوامر
بكتابة مجموعة من الأوامر
06:16
for a machine to follow?
123
364760
1200
لتتبعها الآلة؟
06:18
Thirty years ago, this view was right,
124
366640
2576
قبل ثلاثين سنة، كان هذا المعتقد صحيحًا،
06:21
but today it's looking shaky,
125
369240
2136
ولكن اليوم يبدو غير صحيح،
06:23
and in the future
it's simply going to be wrong.
it's simply going to be wrong.
126
371400
2256
وفي المستقبل
سيكون بكل بساطة خاطئًا.
سيكون بكل بساطة خاطئًا.
06:25
Advances in processing power,
in data storage capability
in data storage capability
127
373680
3256
التطور في استغلال الطاقة،
في إمكانية حفظ البيانات
في إمكانية حفظ البيانات
06:28
and in algorithm design
128
376960
1656
وتصميم اللوغارتيمات
06:30
mean that this
routine-nonroutine distinction
routine-nonroutine distinction
129
378640
2496
يعني ذلك بأن هذا الفاصل
بين الروتيني وغير الروتيني
بين الروتيني وغير الروتيني
06:33
is diminishingly useful.
130
381160
1736
بدأ بالتلاشي.
06:34
To see this, go back to the case
of making a medical diagnosis.
of making a medical diagnosis.
131
382920
3256
ولرؤية هذا، لنعد إلى مثال
عمل التشخيص الطبي.
عمل التشخيص الطبي.
06:38
Earlier in the year,
132
386200
1376
في بداية هذا العام،
06:39
a team of researchers at Stanford
announced they'd developed a system
announced they'd developed a system
133
387600
3296
أعلن فريق من الباحثين في "ستانفورد"
عن تطويرهم لنظام
عن تطويرهم لنظام
06:42
which can tell you
whether or not a freckle is cancerous
whether or not a freckle is cancerous
134
390920
3056
يساعد في معرفة ما إذا كانت بقعة النمش
سرطانية أم لا
سرطانية أم لا
06:46
as accurately as leading dermatologists.
135
394000
2680
وبنفس دقة خبير الأمراض الجلدية.
06:49
How does it work?
136
397280
1256
كيف يعمل؟
06:50
It's not trying to copy the judgment
or the intuition of a doctor.
or the intuition of a doctor.
137
398560
5296
إنها لا يحاول تقليد حكمة أو حدس الطبيب.
06:55
It knows or understands
nothing about medicine at all.
nothing about medicine at all.
138
403880
3136
إنه لا يعرف أو يعي شيئًا
في الطب على الإطلاق.
في الطب على الإطلاق.
06:59
Instead, it's running
a pattern recognition algorithm
a pattern recognition algorithm
139
407040
2576
ولكنه يقوم بتشغيل
خوارزمية التعرف على الأنماط
خوارزمية التعرف على الأنماط
07:01
through 129,450 past cases,
140
409640
4656
من خلال 129450 من الحالات السابقة،
07:06
hunting for similarities
between those cases
between those cases
141
414320
3096
يبحث عن التشابهات بين تلك الحالات
07:09
and the particular lesion in question.
142
417440
2080
والمرض المحدد موضوع البحث.
07:12
It's performing these tasks
in an unhuman way,
in an unhuman way,
143
420080
3216
إنه يؤدي هذه المهام بطريقة
مختلفة عن البشر،
مختلفة عن البشر،
07:15
based on the analysis
of more possible cases
of more possible cases
144
423320
2336
معتمدًا على التحليل
للعديد من الحالات المحتملة
للعديد من الحالات المحتملة
07:17
than any doctor could hope
to review in their lifetime.
to review in their lifetime.
145
425680
2616
لا يستطيع أي طبيب أن يراجع نفس العدد
طوال فترة حياته.
طوال فترة حياته.
07:20
It didn't matter that that human being,
146
428320
1896
لم يكن مهمًا أن ذلك الإنسان،
07:22
that doctor, couldn't explain
how she'd performed the task.
how she'd performed the task.
147
430240
2800
ذلك الطبيب، إذا لم يستطع شرح
كيف بإمكانه القيام بالمهمة.
كيف بإمكانه القيام بالمهمة.
07:25
Now, there are those
who dwell upon that the fact
who dwell upon that the fact
148
433640
2336
الآن، هناك من يسهبون في تلك الحقيقة
07:28
that these machines
aren't built in our image.
aren't built in our image.
149
436000
2296
أن هذه الآلات ليست
ليست مصممة لتكون مثلنا.
ليست مصممة لتكون مثلنا.
07:30
As an example, take IBM's Watson,
150
438320
2056
كمثال، خذوا كمبيوتر "أي-بي-إم واتسون"،
07:32
the supercomputer that went
on the US quiz show "Jeopardy!" in 2011,
on the US quiz show "Jeopardy!" in 2011,
151
440400
4856
الكمبيوتر العملاق الذي أصبح في برنامج
المسابقة الأمريكي "جيوباردي" في عام 2011،
المسابقة الأمريكي "جيوباردي" في عام 2011،
07:37
and it beat the two
human champions at "Jeopardy!"
human champions at "Jeopardy!"
152
445280
3016
وتغلب على كلا البطلين في "جيوباردي"
07:40
The day after it won,
153
448320
1696
اليوم الذي تلا فوز الكمبيوتر،
07:42
The Wall Street Journal ran a piece
by the philosopher John Searle
by the philosopher John Searle
154
450040
3296
صحيفة "وال ستريت" نشرت خبرًا
بقلم الفيلسوف "جون سيرل"
بقلم الفيلسوف "جون سيرل"
07:45
with the title "Watson
Doesn't Know It Won on 'Jeopardy!'"
Doesn't Know It Won on 'Jeopardy!'"
155
453360
3376
تحت عنوان "واتسون لا يعرف
أنه فاز في"جيوباردي!"
أنه فاز في"جيوباردي!"
07:48
Right, and it's brilliant, and it's true.
156
456760
1976
مقولة صحيحة وذكية وفي محلها.
07:50
You know, Watson didn't
let out a cry of excitement.
let out a cry of excitement.
157
458760
2456
تعرفون، واتسون لم يذرف
دموع الفرح.
دموع الفرح.
07:53
It didn't call up its parents
to say what a good job it had done.
to say what a good job it had done.
158
461240
3096
لم يتصل بوالديه حتى يسمع منهم كلمة
ياله من عمل رائع قد قمت به.
ياله من عمل رائع قد قمت به.
07:56
It didn't go down to the pub for a drink.
159
464360
2336
ولم يذهب إلى الحانة ليحتفل بالنصر.
07:58
This system wasn't trying to copy the way
that those human contestants played,
that those human contestants played,
160
466720
4456
هذا النظام لم يكن يحاول نسخ
الطريقة التي يلعب بها المتسابقون البشريون،
الطريقة التي يلعب بها المتسابقون البشريون،
08:03
but it didn't matter.
161
471200
1256
ولكن لا يهم.
08:04
It still outperformed them.
162
472480
1976
فلقد تغلب عليهم بكل الأحول.
08:06
Resolving the intelligence myth
163
474480
1576
إن حل معضلة الذكاء الاصطناعي
08:08
shows us that our limited understanding
about human intelligence,
about human intelligence,
164
476080
3376
أظهر لنا أن فهمنا محدود للذكاء البشري،
08:11
about how we think and reason,
165
479480
1896
وأن طريقة تفكيرنا وتحليلنا،
08:13
is far less of a constraint
on automation than it was in the past.
on automation than it was in the past.
166
481400
3456
لم يعد حجر عثرة أمام الأتمتة
كما كان في الماضي.
كما كان في الماضي.
08:16
What's more, as we've seen,
167
484880
1496
ما التالي، كما رأينا،
08:18
when these machines
perform tasks differently to human beings,
perform tasks differently to human beings,
168
486400
3416
عندما تقوم هذه الآلات بالمهام
بطريقة مختلفة عن البشر،
بطريقة مختلفة عن البشر،
08:21
there's no reason to think
169
489840
1256
ليس هناك سبب للإعتقاد
08:23
that what human beings
are currently capable of doing
are currently capable of doing
170
491120
2536
أن كفاءة العمل البشري
08:25
represents any sort of summit
171
493680
1456
تمثل أي نوع من المثالية
08:27
in what these machines
might be capable of doing in the future.
might be capable of doing in the future.
172
495160
3000
مقارنة بما قد تقوم به
هذه الآلات من عمل في المستقبل.
هذه الآلات من عمل في المستقبل.
08:31
Now the third myth,
173
499040
1256
الآن الخرافة الثالثة،
08:32
what I call the superiority myth.
174
500320
2456
وهي ما أسميها بـ "خرافة التفوق "
08:34
It's often said that those who forget
175
502800
2216
عادةً ما يقال بأن هؤلاء من ينسون
08:37
about the helpful side
of technological progress,
of technological progress,
176
505040
2456
الجانب الجيد من التقدم التكنولوجي،
08:39
those complementarities from before,
177
507520
2496
تلك الكماليات من الماضي،
08:42
are committing something
known as the lump of labor fallacy.
known as the lump of labor fallacy.
178
510040
3040
يقعون في خطأ يسمى
بـ"مغالطة اجمالي الوظائف"
بـ"مغالطة اجمالي الوظائف"
08:45
Now, the problem is
the lump of labor fallacy
the lump of labor fallacy
179
513840
2295
الآن تكمن المشكلة
في "مغالطة اجمالي الوظائف"
في "مغالطة اجمالي الوظائف"
08:48
is itself a fallacy,
180
516159
1496
إنها مغالطة بحد ذاتها،
08:49
and I call this the lump
of labor fallacy fallacy,
of labor fallacy fallacy,
181
517679
2937
وأسميها بـ"مغالطة اجمالى الوظائف"،
08:52
or LOLFF, for short.
182
520640
2320
أو اختصارًا "LOLFF".
08:56
Let me explain.
183
524000
1416
دعوني أوضح.
08:57
The lump of labor fallacy
is a very old idea.
is a very old idea.
184
525440
2136
مغالطة إجمالي الوظائف مصطلح قديم.
08:59
It was a British economist, David Schloss,
who gave it this name in 1892.
who gave it this name in 1892.
185
527600
4216
الاقتصادي البريطاني "دافيد شلوس"
كان أول من استخدمه في عام 1892.
كان أول من استخدمه في عام 1892.
09:03
He was puzzled
to come across a dock worker
to come across a dock worker
186
531840
2816
لقد احتار عندما مر بجانب
عامل الرصيف
عامل الرصيف
09:06
who had begun to use
a machine to make washers,
a machine to make washers,
187
534680
2336
الذي كان قد بدأ باستخدام
الآلة في التنظيف،
الآلة في التنظيف،
09:09
the small metal discs
that fasten on the end of screws.
that fasten on the end of screws.
188
537040
3320
الأقراص المعدنية الصغيرة
التي تربط على نهاية المسامير.
التي تربط على نهاية المسامير.
09:13
And this dock worker
felt guilty for being more productive.
felt guilty for being more productive.
189
541000
3760
وكان هذا العامل يشعر بالذنب
لأنه أصبح أكثر إنتاجية.
لأنه أصبح أكثر إنتاجية.
09:17
Now, most of the time,
we expect the opposite,
we expect the opposite,
190
545560
2176
الآن، عادةً ما نتوقع ردة فعل معاكسة
09:19
that people feel guilty
for being unproductive,
for being unproductive,
191
547760
2216
أن يشعر الناس بالذنب
لأنهم أقل إنتاجية،
لأنهم أقل إنتاجية،
09:22
you know, a little too much time
on Facebook or Twitter at work.
on Facebook or Twitter at work.
192
550000
3016
تعرفون وقت أكثر بقليل على الفيسبوك
أو التويتر أثناء العمل.
أو التويتر أثناء العمل.
09:25
But this worker felt guilty
for being more productive,
for being more productive,
193
553040
2536
ولكن كان هذا العامل يشعر بالذنب
لأنه أصبح أكثر انتاجية
لأنه أصبح أكثر انتاجية
09:27
and asked why, he said,
"I know I'm doing wrong.
"I know I'm doing wrong.
194
555600
2296
وسأله لماذا، فأجابه:
"أنا أعرف أن ما أقوم به خاطئ
"أنا أعرف أن ما أقوم به خاطئ
09:29
I'm taking away the work of another man."
195
557920
2040
أنا أخذ العمل من رجل آخر."
09:32
In his mind, there was
some fixed lump of work
some fixed lump of work
196
560760
2976
من وجهة نظره، كان هناك
معدل ثابت من إجمالي الوظائف
معدل ثابت من إجمالي الوظائف
09:35
to be divided up between him and his pals,
197
563760
2136
يتم تقسيمها بينه وبين زملائه،
09:37
so that if he used
this machine to do more,
this machine to do more,
198
565920
2056
ولهذا إذا استخدم هذه الآلة
لفعل المزيد،
لفعل المزيد،
09:40
there'd be less left for his pals to do.
199
568000
2016
سيكون هناك القليل ليفعله بقية زملائه.
09:42
Schloss saw the mistake.
200
570040
1856
رأى "شلوس" هذا الخطأ.
09:43
The lump of work wasn't fixed.
201
571920
1856
لأن إجمالي حجم الوظائف لم يكن ثابتًا.
09:45
As this worker used the machine
and became more productive,
and became more productive,
202
573800
2816
فكلما استخدم هذا العامل الآلة
وأصبح أكثر انتاجية،
وأصبح أكثر انتاجية،
09:48
the price of washers would fall,
demand for washers would rise,
demand for washers would rise,
203
576640
2976
أجور المنظفين ستنخفض،
والطلب على الأيدي العاملة منهم سيرتفع،
والطلب على الأيدي العاملة منهم سيرتفع،
09:51
more washers would have to be made,
204
579640
1696
يجب إيجاد منظفين أكثر،
09:53
and there'd be more work
for his pals to do.
for his pals to do.
205
581360
2096
وسيكون هناك عمل أكثر ليقوم
به بقية زملائه.
به بقية زملائه.
09:55
The lump of work would get bigger.
206
583480
1696
إجمالي الوظائف سيرتفع.
09:57
Schloss called this
"the lump of labor fallacy."
"the lump of labor fallacy."
207
585200
2680
سمى "شلوس " هذا
بـ "مغالطة إجمالي الوظائف".
بـ "مغالطة إجمالي الوظائف".
10:00
And today you hear people talk
about the lump of labor fallacy
about the lump of labor fallacy
208
588560
2936
واليوم تسمعون الناس يتحدثون
عن مغالطة إجمالي الوظائف
عن مغالطة إجمالي الوظائف
10:03
to think about the future
of all types of work.
of all types of work.
209
591520
2216
لتفكرون بالمستقبل
وبكل أنواع العمل فيه.
وبكل أنواع العمل فيه.
10:05
There's no fixed lump of work
out there to be divided up
out there to be divided up
210
593760
2656
ليس هناك معدل ثابت للوظائف
في السوق ليتم تقسيمها
في السوق ليتم تقسيمها
10:08
between people and machines.
211
596440
1376
بين الناس والآلات.
10:09
Yes, machines substitute for human beings,
making the original lump of work smaller,
making the original lump of work smaller,
212
597840
4656
نعم، الآلات تأخذ مكان الناس،
وتجعل إجمالي حجم الوظائف أصغر مما كان،
وتجعل إجمالي حجم الوظائف أصغر مما كان،
10:14
but they also complement human beings,
213
602520
1856
وكنها أيضًا تكمل عمل البشر،
10:16
and the lump of work
gets bigger and changes.
gets bigger and changes.
214
604400
2096
وبهذا يزداد حجم إجمالي الوظائف ويتغير.
10:19
But LOLFF.
215
607760
1616
لكن "مغالطة إجمالي الوظائف"
10:21
Here's the mistake:
216
609400
1376
هنا يكمن الخطأ:
10:22
it's right to think
that technological progress
that technological progress
217
610800
2216
من الصحيح التفكير
أن التقدم التكنولوجي
أن التقدم التكنولوجي
10:25
makes the lump of work to be done bigger.
218
613040
1976
يجعل معدل إجمالي الوظائف أكبر.
10:27
Some tasks become more valuable.
New tasks have to be done.
New tasks have to be done.
219
615040
3016
بعض المهمام تصبح أكثر قيمة.
ومهام جديدة للقيام بها.
ومهام جديدة للقيام بها.
10:30
But it's wrong to think that necessarily,
220
618080
2536
ولكن من الخاطئ أن نفكر
أن ذلك يعني بالضرورة
أن ذلك يعني بالضرورة
10:32
human beings will be best placed
to perform those tasks.
to perform those tasks.
221
620640
3256
أن البشر هم أفضل من يقوم بهذه المهام.
10:35
And this is the superiority myth.
222
623920
1616
وهذه هي خرافة التفوق البشري.
10:37
Yes, the lump of work
might get bigger and change,
might get bigger and change,
223
625560
3416
نعم، إجمالي الوظائف يصبح أكبر ويتغير،
10:41
but as machines become more capable,
224
629000
1976
ولكن الآلات تصبح أكثر كفاءة،
10:43
it's likely that they'll take on
the extra lump of work themselves.
the extra lump of work themselves.
225
631000
3896
فمن المرجح أنها نفسها ستستحوذ على الزيادة
في إجمالي حجم الوظائف.
في إجمالي حجم الوظائف.
10:46
Technological progress,
rather than complement human beings,
rather than complement human beings,
226
634920
3256
بدلًا من أن يكمل
التقدم التكنولوجي الإنسان،
التقدم التكنولوجي الإنسان،
10:50
complements machines instead.
227
638200
1880
فإنه يكمل الآلآت.
10:52
To see this, go back
to the task of driving a car.
to the task of driving a car.
228
640920
3016
لرؤية هذا، لنعد إلى مثال قيادة السيارة.
10:55
Today, satnav systems
directly complement human beings.
directly complement human beings.
229
643960
4096
اليوم، أصبحت أنظمة "ساتناف"
تكمل الإنسان بشكل مباشر.
تكمل الإنسان بشكل مباشر.
11:00
They make some
human beings better drivers.
human beings better drivers.
230
648080
2280
ويدربوا بعض الناس ليصبحوا
سائقين أفضل.
سائقين أفضل.
11:02
But in the future,
231
650920
1256
ولكن في المستقبل،
11:04
software is going to displace
human beings from the driving seat,
human beings from the driving seat,
232
652200
3096
فإن البرامج ستقوم بإبعاد
البشر من مقعد القيادة،
البشر من مقعد القيادة،
11:07
and these satnav systems,
rather than complement human beings,
rather than complement human beings,
233
655320
2936
وأنظمة "سات ناف" هذه
بدلًا من أن تكمل الإنسان،
بدلًا من أن تكمل الإنسان،
11:10
will simply make these
driverless cars more efficient,
driverless cars more efficient,
234
658280
2536
ستجعل هذه السيارات بدون سائق
اكثر كفاءة،
اكثر كفاءة،
11:12
helping the machines instead.
235
660840
1536
وبهذا تساعد الآلآت بدلًا عن ذلك.
11:14
Or go to those indirect complementarities
that I mentioned as well.
that I mentioned as well.
236
662400
4056
أو بالذهاب إلى تلك المكملات الغير مباشرة
التي ذكرتها سابقًا.
التي ذكرتها سابقًا.
11:18
The economic pie may get larger,
237
666480
1776
قد تصبح فطيرة الاقتصاد أكبر حجمًا،
11:20
but as machines become more capable,
238
668280
1736
ولكن الآلات ستصبح أكثر كفاءة،
11:22
it's possible that any new demand
will fall on goods that machines,
will fall on goods that machines,
239
670040
3143
من الممكن أن الطلب الجديد
على البضائع التي تقوم الآلات
على البضائع التي تقوم الآلات
11:25
rather than human beings,
are best placed to produce.
are best placed to produce.
240
673207
2649
بصنعها وليس الإنسان
ستكون هي خير من يقوم بالمهمة.
ستكون هي خير من يقوم بالمهمة.
11:27
The economic pie may change,
241
675880
1896
قد يتغير حجم الفطيرة الاقتصادية،
11:29
but as machines become more capable,
242
677800
1896
ولكن مع تحسن قدرة الآلات،
11:31
it's possible that they'll be best placed
to do the new tasks that have to be done.
to do the new tasks that have to be done.
243
679720
4856
من المحتمل أن تكون هي خير من يقوم
بالمهام الجديدة التي يجب عملها
بالمهام الجديدة التي يجب عملها
11:36
In short, demand for tasks
isn't demand for human labor.
isn't demand for human labor.
244
684600
3696
باختصار، الحاجة لمهام جديدة لا يعني
زيادة الطلب على الأيدي العاملة البشرية.
زيادة الطلب على الأيدي العاملة البشرية.
11:40
Human beings only stand to benefit
245
688320
1936
سيستفيد البشر فقط
11:42
if they retain the upper hand
in all these complemented tasks,
in all these complemented tasks,
246
690280
3816
إذا كانوا هم اليد العليا
في كل هذه المهام التكميلية،
في كل هذه المهام التكميلية،
11:46
but as machines become more capable,
that becomes less likely.
that becomes less likely.
247
694120
3720
ولكن مع تحسن كفاءة الآلآت
اصبحت فرصتنا ضعيفة.
اصبحت فرصتنا ضعيفة.
11:50
So what do these three myths tell us then?
248
698760
2016
إذًا ما الذي تخبرنا هذه الثلاث الخرافات؟
11:52
Well, resolving the Terminator myth
249
700800
1696
حسنًا، بحل خرافة الإبادة
11:54
shows us that the future of work depends
upon this balance between two forces:
upon this balance between two forces:
250
702520
3696
عرفنا أن مستقبل الوظائف يعتمد
على التوازن بين عاملين:
على التوازن بين عاملين:
11:58
one, machine substitution
that harms workers
that harms workers
251
706240
3136
الأول أن استبدال الآلآت الذي يضر بالعمال
12:01
but also those complementarities
that do the opposite.
that do the opposite.
252
709400
2576
ولكن ايضًا تلك المكملات التي تقوم بالعكس.
12:04
And until now, this balance
has fallen in favor of human beings.
has fallen in favor of human beings.
253
712000
4040
وحتى الآن ، هذا التوازن تلاشى
لصالح الكائن البشري.
لصالح الكائن البشري.
12:09
But resolving the intelligence myth
254
717120
1736
ولكن كسر خرافة الذكاء الاصطناعي
12:10
shows us that that first force,
machine substitution,
machine substitution,
255
718880
2496
أثبت لنا أنا العامل الأول،
وهو استبدال الآلات،
وهو استبدال الآلات،
12:13
is gathering strength.
256
721400
1296
يحشد كامل قوته.
12:14
Machines, of course, can't do everything,
257
722720
1976
بالطبع لا تستطيع الآلات عمل كل شيء،
12:16
but they can do far more,
258
724720
1256
ولكن يمكنها العمل أكثر،
12:18
encroaching ever deeper into the realm
of tasks performed by human beings.
of tasks performed by human beings.
259
726000
4576
والتعمق أكثر في مجال
المهام التي يقوم بها البشر.
المهام التي يقوم بها البشر.
12:22
What's more, there's no reason to think
260
730600
1896
أيضًا، ليس هناك سبب للاعتقاد
12:24
that what human beings
are currently capable of
are currently capable of
261
732520
2216
أن بمقدور البشر حاليًا
12:26
represents any sort of finishing line,
262
734760
1856
على الاستمرار إلى الأمام،
12:28
that machines are going
to draw to a polite stop
to draw to a polite stop
263
736640
2256
أو أن الآلات ستترك لنا المكان
12:30
once they're as capable as us.
264
738920
1816
عند تمكنها من تنفيذ المهام مثلنا.
12:32
Now, none of this matters
265
740760
1536
الآن، لا يهم أيٌ من هذا
12:34
so long as those helpful
winds of complementarity
winds of complementarity
266
742320
2816
طالما أن رياح المساعدة المكملة تلك
12:37
blow firmly enough,
267
745160
1736
تهب بقوة كافية،
12:38
but resolving the superiority myth
268
746920
1936
لكن بدحض خرافة التفوق
12:40
shows us that that process
of task encroachment
of task encroachment
269
748880
3096
يثبت لنا هذا أن عملية تجاوز المهام
12:44
not only strengthens
the force of machine substitution,
the force of machine substitution,
270
752000
3936
لا يعزز فقط عامل
استبدال الآلات محل البشر،
استبدال الآلات محل البشر،
12:47
but it wears down
those helpful complementarities too.
those helpful complementarities too.
271
755960
3336
ولكنه يضعف هذه المكملات المساعدة أيضًا.
12:51
Bring these three myths together
272
759320
1936
إذا جمعنا هذه الثلاث الخرافات معًا
12:53
and I think we can capture a glimpse
of that troubling future.
of that troubling future.
273
761280
2936
أظن أنه بمقدورنا أخذ لمحة
عن المستقبل المتزعزع.
عن المستقبل المتزعزع.
12:56
Machines continue to become more capable,
274
764240
2016
الآلات تتحسن لتصبح أكثر كفاءة،
12:58
encroaching ever deeper
on tasks performed by human beings,
on tasks performed by human beings,
275
766280
3656
وتستولي على مهام أكثر
كان يقوم بها الإنسان،
كان يقوم بها الإنسان،
13:01
strengthening the force
of machine substitution,
of machine substitution,
276
769960
2576
مما يعزز تيار التوجه نحو الآلات،
13:04
weakening the force
of machine complementarity.
of machine complementarity.
277
772560
3616
ويضعف من التوجه نحو اتخاذ الآلات
كشيء تكميلي لدور الإنسان.
كشيء تكميلي لدور الإنسان.
13:08
And at some point, that balance
falls in favor of machines
falls in favor of machines
278
776200
4296
وفي وقت من الزمن، ذلك التوازن
سيختل لمصلحة الآلات
سيختل لمصلحة الآلات
13:12
rather than human beings.
279
780520
2056
وليس لمصلحة الإنسان.
13:14
This is the path we're currently on.
280
782600
1736
هذه هو الطريق الذي نسلكه الآن.
13:16
I say "path" deliberately,
because I don't think we're there yet,
because I don't think we're there yet,
281
784360
3176
أقول "طريق" عن قصد،
لأنني لا أعتقد أننا وصلنا لتلك المرحلة بعد
لأنني لا أعتقد أننا وصلنا لتلك المرحلة بعد
13:19
but it is hard to avoid the conclusion
that this is our direction of travel.
that this is our direction of travel.
282
787560
3640
ولكن من الصعب تجنب الخاتمة
التي تقع في نهاية الرحلة.
التي تقع في نهاية الرحلة.
13:24
That's the troubling part.
283
792640
1456
تلك هي المشكلة.
13:26
Let me say now why I think actually
this is a good problem to have.
this is a good problem to have.
284
794120
3520
دعوني أقول لما أظن
أن وجود هذه المشكلة أمر جيد
أن وجود هذه المشكلة أمر جيد
13:30
For most of human history,
one economic problem has dominated:
one economic problem has dominated:
285
798520
3536
على مدى التاريخ البشري،
لطالما تواجدت مشلكة اقتصادية وهي:
لطالما تواجدت مشلكة اقتصادية وهي:
13:34
how to make the economic pie
large enough for everyone to live on.
large enough for everyone to live on.
286
802080
4056
كيفية جعل الفطيرة الاقتصادية
كبيرة بما يكفي لنجاة الجميع.
كبيرة بما يكفي لنجاة الجميع.
13:38
Go back to the turn
of the first century AD,
of the first century AD,
287
806160
2176
وبالعودة إلى القرن الأول الميلادي،
13:40
and if you took the global economic pie
288
808360
2096
وإذا أخذنا الفطيرة الاقتصادية العالمية
13:42
and divided it up into equal slices
for everyone in the world,
for everyone in the world,
289
810480
3296
وقسمناها إلى شرائح متساوية
للجميع في العالم،
للجميع في العالم،
13:45
everyone would get a few hundred dollars.
290
813800
2136
سيحصل الجميع على بضع مئات الدولارات.
13:47
Almost everyone lived
on or around the poverty line.
on or around the poverty line.
291
815960
2760
سيعيش الجميع تقريبًا أعلى من
أو قريبًا من خط الفقر.
أو قريبًا من خط الفقر.
13:51
And if you roll forward a thousand years,
292
819320
2176
وإذا مشيت بعجلة الوقت ألف سنة،
13:53
roughly the same is true.
293
821520
1240
سنكون الحال نفسه أيضًا.
13:55
But in the last few hundred years,
economic growth has taken off.
economic growth has taken off.
294
823680
3576
ولكن خلال المائة سنة الماضية،
ارتفع النمو الاقتصادي.
ارتفع النمو الاقتصادي.
13:59
Those economic pies have exploded in size.
295
827280
2376
وتضخمت تلك الفطائر الاقتصادية بالحجم.
14:01
Global GDP per head,
296
829680
2056
نصيب الفرد من إجمالي الناتج المحلي،
14:03
the value of those individual
slices of the pie today,
slices of the pie today,
297
831760
3376
قيمة هذه الأقسام الفردية من الفطيرة اليوم،
14:07
they're about 10,150 dollars.
298
835160
2816
حوالي 10,150 دولار.
14:10
If economic growth continues
at two percent,
at two percent,
299
838000
2696
إذا استمر النمو الاقتصادي
بمعدل 2 بالمائة،
بمعدل 2 بالمائة،
14:12
our children will be twice as rich as us.
300
840720
2056
سيصبح أولادنا أكثر ثراءً منا بمرتين.
14:14
If it continues
at a more measly one percent,
at a more measly one percent,
301
842800
2296
إذا استمر أقل بقليل من الاثنين بالمائة،
14:17
our grandchildren
will be twice as rich as us.
will be twice as rich as us.
302
845120
2656
سيصبح أحفادنا أكثر ثراءً منا بمرتين.
14:19
By and large, we've solved
that traditional economic problem.
that traditional economic problem.
303
847800
3680
بالنسبة والحجم، حللنا تلك المشكلة
الاقتصادية القديمة.
الاقتصادية القديمة.
14:24
Now, technological unemployment,
if it does happen,
if it does happen,
304
852200
3016
الآن، البطالة بسبب التكنولوجيا،
إن حدثت،
إن حدثت،
14:27
in a strange way will be
a symptom of that success,
a symptom of that success,
305
855240
3216
على نحو غريب ستكون
مؤشر على ذلك النجاح،
مؤشر على ذلك النجاح،
14:30
will have solved one problem --
how to make the pie bigger --
how to make the pie bigger --
306
858480
3856
وستقدم حلًا لمشكلة...
كيفية تكبير حجم الفطيرة...
كيفية تكبير حجم الفطيرة...
14:34
but replaced it with another --
307
862360
1816
ولكن استبدالها بواحدة أخرى...
14:36
how to make sure
that everyone gets a slice.
that everyone gets a slice.
308
864200
2760
كيفية التأكد من أن الجميع
حصل على نصيبه من الفطيرة.
حصل على نصيبه من الفطيرة.
14:39
As other economists have noted,
solving this problem won't be easy.
solving this problem won't be easy.
309
867840
3496
وكما لاحظ الإقتصاديين،
فإن حل هذه المشكلة لن يكون سهلًا.
فإن حل هذه المشكلة لن يكون سهلًا.
14:43
Today, for most people,
310
871360
1656
اليوم، بالنسبة لمعظم الناس،
14:45
their job is their seat
at the economic dinner table,
at the economic dinner table,
311
873040
2496
عمل مكتبي بحت
على طاولة الفطور الاقتصادية،
على طاولة الفطور الاقتصادية،
14:47
and in a world with less work
or even without work,
or even without work,
312
875560
2416
وفي عالم قليل أو معدوم الوظائف،ن
14:50
it won't be clear
how they get their slice.
how they get their slice.
313
878000
2056
غير واضح كيفية حصولهم
على نصيبهم من الفطيرة.
على نصيبهم من الفطيرة.
14:52
There's a great deal
of discussion, for instance,
of discussion, for instance,
314
880080
2336
هناك نقاش محموم
للكثير من الأشياء مثلًا،
للكثير من الأشياء مثلًا،
14:54
about various forms
of universal basic income
of universal basic income
315
882440
2696
عن النماذج المختلفة
للدخل الأساسي العالمي،
للدخل الأساسي العالمي،
14:57
as one possible approach,
316
885160
1216
كأحد النماذج المحتملة،
14:58
and there's trials underway
317
886400
1616
وهناك جلسات قانونية تعقد
15:00
in the United States
and in Finland and in Kenya.
and in Finland and in Kenya.
318
888040
2400
في الولايات المتحدة وفنلندا و كينيا.
15:03
And this is the collective challenge
that's right in front of us,
that's right in front of us,
319
891000
3176
وهذا التحدي الكلي
الذي يقف أمامنا مباشرةً،
الذي يقف أمامنا مباشرةً،
15:06
to figure out how this material prosperity
generated by our economic system
generated by our economic system
320
894200
5056
لمعرفة كيف سيتشكل هذا الرخاء المادي
من قبل النظام الاقتصادي
من قبل النظام الاقتصادي
15:11
can be enjoyed by everyone
321
899280
1976
ويستفيد منه الجميع
15:13
in a world in which
our traditional mechanism
our traditional mechanism
322
901280
2416
في حالم حيث فيه الآلية التقليدية
15:15
for slicing up the pie,
323
903720
1856
لتقسيم الفطيرة الاقتصادية،
15:17
the work that people do,
324
905600
1936
والعمل الذي يقوم به الناس،
15:19
withers away and perhaps disappears.
325
907560
2160
يتناقص وربما يختفي تمامًا.
15:22
Solving this problem is going to require
us to think in very different ways.
us to think in very different ways.
326
910280
4360
سيتطلب منا حل هذه المشكلة
التفكير بطرق مختلفة تمامًا.
التفكير بطرق مختلفة تمامًا.
15:27
There's going to be a lot of disagreement
about what ought to be done,
about what ought to be done,
327
915400
4176
سيكون هناك العديد من الخلافات
حول مالذي يجب فعله،
حول مالذي يجب فعله،
15:31
but it's important to remember
that this is a far better problem to have
that this is a far better problem to have
328
919600
3416
لكن من المهم أن نتذكر
أن هذه المشكلة أفضل بكثير
أن هذه المشكلة أفضل بكثير
15:35
than the one that haunted
our ancestors for centuries:
our ancestors for centuries:
329
923040
2816
من تلك التي استحوذت على
تفكير أجدادنا لعدة قرون ألا وهي:
تفكير أجدادنا لعدة قرون ألا وهي:
15:37
how to make that pie
big enough in the first place.
big enough in the first place.
330
925880
3376
كيف نجعل الفطيرة
أكبر حجمًا في المقام الأول.
أكبر حجمًا في المقام الأول.
15:41
Thank you very much.
331
929280
1256
شكرًا جزيلًا لكم.
15:42
(Applause)
332
930560
3840
(تصفيق)
ABOUT THE SPEAKER
Daniel Susskind - EconomistDaniel Susskind explores the impact of technology, particularly artificial intelligence, on work and society.
Why you should listen
Daniel Susskind is the co-author, with Richard Susskind, of the best-selling book, The Future of the Professions, and a Fellow in Economics at Balliol College, Oxford University. He is currently finishing his latest book, on the future of work. Previously, he worked in the British Government -- as a policy adviser in the Prime Minister's Strategy Unit, as a policy analyst in the Policy Unit in 10 Downing Street, and as a senior policy adviser in the Cabinet Office. Susskind received a doctorate in economics from Oxford University and was a Kennedy Scholar at Harvard University.
Daniel Susskind | Speaker | TED.com