TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Έρικ Μπρινγιολφσόν: Το κλειδί της ανάπτυξης; Ο αγώνας μαζί με τις μηχανές
Filmed:
Readability: 4.6
1,321,770 views
Ενώ οι μηχανές κάνουν όλο και περισσότερες δουλειές, πολλοί μένουν χωρίς εργασία ή ο μισθός τους παραμένει στάσιμος επ’ αόριστον. Είναι αυτό το τέλος της ανάπτυξης; Όχι, λέει ο Έρικ Μπρινγιολφσόν. Είναι απλά οι πόνοι ανάπτυξης μιας ταχύτατα εξελισσόμενης οικονομίας. Μια συναρπαστική υπόθεση για τις καινοτομίες που έρχονται...αν βλέπουμε τους υπολογιστές σαν συμπαίκτες. Βεβαιωθείτε ότι θα παρακολουθήσετε και την αντίθετη άποψη από τον Ρόμπερτ Γκόρντον.
Erik Brynjolfsson - Innovation researcher
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Erik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment. Full bio
Double-click the English transcript below to play the video.
00:12
Growth is not dead.
0
605
2272
Η ανάπτυξη δεν πέθανε.
00:14
(Applause)
1
2877
1386
(Χειροκρότημα)
00:16
Let's start the story 120 years ago,
2
4263
3963
Ας ξεκινήσουμε αυτή την ιστορία πριν από 120 χρόνια,
00:20
when American factories began to electrify their operations,
3
8226
3632
όταν τα αμερικανικά εργοστάσια ξεκίνησαν να εξηλεκτρίζουν τις λειτουργίες τους
00:23
igniting the Second Industrial Revolution.
4
11858
3344
πυροδοτώντας τη Δεύτερη Βιομηχανική Επανάσταση
00:27
The amazing thing is
5
15202
1111
Το εκπληκτικό είναι
00:28
that productivity did not increase in those factories
6
16313
2777
ότι η παραγωγικότητα δεν αυξήθηκε στα εργοστάσια αυτά
00:31
for 30 years. Thirty years.
7
19090
3256
για τριάντα χρόνια. Τριάντα χρόνια.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Αρκετός χρόνος για μια γενιά διευθυντών να αφυπηρετήσει.
00:37
You see, the first wave of managers
9
25820
2222
Βλέπετε, το πρώτο κύμα διευθυντών
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
απλώς αντικατέστησε τις ατμομηχανές με ηλεκτροκινητήρες
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
αλλά δεν ξανασχεδίασαν τα εργοστάσια για να εκμεταλλευτούν
00:46
of electricity's flexibility.
12
34469
2341
την ευελιξία του ηλεκτρικού ρεύματος.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Ανέλαβε η επόμενη γενιά να εφεύρει νέες μεθόδους εργασίας
00:52
and then productivity soared,
14
40794
2727
και τότε η παραγωγικότητα ανέβηκε στα ύψη,
00:55
often doubling or even tripling in those factories.
15
43521
3665
συχνά διπλασιάστηκε ή ακόμα τριπλασιάστηκε σε αυτά τα εργοστάσια.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
Ο ηλεκτρισμός είναι ένα παράδειγμα τεχνολογίας γενικής χρήσης,
01:03
like the steam engine before it.
17
51909
2230
όπως ήταν η ατμομηχανή πριν απ' αυτόν.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Οι τεχνολογίες γενικής χρήσης οδηγούν στη μεγαλύτερη οικονομική ανάπτυξη,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
γιατί απελευθερώνουν αλυσιδωτά συμπληρωματικές καινοτομίες,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
όπως τους λαμπτήρες, και τον επανασχεδιασμό των εργοστασίων.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Υπάρχει τεχνολογία γενικής χρήσης στις μέρες μας;
01:20
Sure. It's the computer.
22
68251
2508
Σίγουρα. Είναι ο υπολογιστής.
01:22
But technology alone is not enough.
23
70759
2659
Αλλά η τεχνολογία από μόνη της δεν είναι αρκετή.
01:25
Technology is not destiny.
24
73418
2766
Η τεχνολογία δεν είναι πεπρωμένο.
01:28
We shape our destiny,
25
76184
1580
Εμείς καθορίζουμε το πεπρωμένο μας,
01:29
and just as the earlier generations of managers
26
77764
2516
και όπως και οι προηγούμενες γενιές διευθυντών
01:32
needed to redesign their factories,
27
80280
2298
έπρεπε να ξανασχεδιάσουν τα εργοστάσιά τους,
01:34
we're going to need to reinvent our organizations
28
82578
2229
εμείς χρειάζεται να επανεφεύρουμε τους οργανισμούς μας
01:36
and even our whole economic system.
29
84807
2555
ακόμα και ολόκληρο το οικονομικό μας σύστημα.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Δεν κάνουμε πολύ καλή δουλειά σ' αυτό όσο θα έπρεπε.
01:42
As we'll see in a moment,
31
90964
1230
Όπως θα δούμε τώρα
01:44
productivity is actually doing all right,
32
92194
2722
η παραγωγικότητα πάει καλά,
01:46
but it has become decoupled from jobs,
33
94916
3862
αλλά έχει αποσυνδεθεί από τις δουλειές,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
και το εισόδημα ενός μέσου εργάτη είναι στάσιμο.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Αυτά τα προβλήματα κάποτε ερμηνεύονται
01:57
as the end of innovation,
36
105716
3712
σαν το τέλος της καινοτομίας
02:01
but they are actually the growing pains
37
109428
2129
αλλά στην πραγματικότητα είναι οι πόνοι ανάπτυξης
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
αυτού που ο Άντριου Μάκαφι και εγώ ονομάζουμε η νέα εποχή της μηχανής.
02:09
Let's look at some data.
39
117147
1882
Ας δούμε μερικά δεδομένα.
02:11
So here's GDP per person in America.
40
119029
2902
Βλέπουμε το ΑΕΠ ανά άτομο στην Αμερική.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Υπάρχουν κάποιες διακυμάνσεις, αλλά η μεγάλη εικόνα δείχνει
02:16
is you could practically fit a ruler to it.
42
124697
2715
ότι μπορείς να ταιριάξεις έναν χάρακα σ' αυτόν.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Αυτή είναι λογαριθμική κλίμακα, αυτό που φαίνεται σαν σταθερή αύξηση,
02:22
is actually an acceleration in real terms.
44
130688
3043
είναι στην πραγματικότητα επιτάχυνση.
02:25
And here's productivity.
45
133731
2160
Εδώ είναι η παραγωγικότητα.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Μπορείτε να δείτε μια μικρή επιβράδυνση στα μέσα της δεκαετίας του '70,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
αλλά ταιριάζει αρκετά καλά με τη δεύτερη βιομηχανική επανάσταση,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
όταν τα εργοστάσια μάθαιναν πώς να εξηλεκτρίζουν τις λειτουργίες τους.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Μετά από λίγη καθηστέρηση, η παραγωγικότητα επιταχύνθηκε και πάλι.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Ίσως «Η ιστορία δεν επαναλαμβάνεται πάντα
02:43
but sometimes it rhymes."
51
151691
2568
αλλά κάποτε ομοιοκαταληκτεί».
02:46
Today, productivity is at an all-time high,
52
154259
3136
Σήμερα η παραγωγικότητα είναι ψηλά όσο ποτέ,
02:49
and despite the Great Recession,
53
157395
1977
και παρ' όλη τη μεγάλη ύφεση,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
αναπτύχθηκε γρηγορότερα στη δεκαετία του 2000 από ό,τι στη δεκαετία του '90.
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
Η θορυβώδης δεκαετία του '90 γρηγορότερα από τις δεκαετίες του '70 ή του '80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Αναπτύσσεται γρηγορότερα από ό,τι στη δεύτερη βιομηχανική επανάσταση.
03:03
And that's just the United States.
57
171434
1743
Και αυτό μόνο στην Αμερική.
03:05
The global news is even better.
58
173177
3248
Τα παγκόσμια νέα είναι ακόμα καλύτερα.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Τα παγκόσμια εισοδήματα έχουν αυξηθεί με ταχύτερο ρυθμό
03:10
in the past decade than ever in history.
60
178785
2496
στην προηγούμενη δεκαετία από ποτέ.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Αν μη τι άλλο, όλοι αυτοί οι αριθμοί υποτιμούν την πρόοδό μας,
03:18
because the new machine age
62
186332
1912
επειδή η νέα εποχή της μηχανής
03:20
is more about knowledge creation
63
188244
1664
είναι περισσότερο σχετική με δημιουργία γνώσης
03:21
than just physical production.
64
189908
2331
παρά με φυσική παραγωγή.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
Είναι σκέψη, όχι ύλη, μυαλό, όχι δύναμη,
03:27
ideas not things.
66
195177
2062
ιδέες, όχι πράγματα.
03:29
That creates a problem for standard metrics,
67
197239
2570
Αυτό δημιουργεί ένα πρόβλημα για τυπικές μετρήσεις,
03:31
because we're getting more and more stuff for free,
68
199809
3502
επειδή παίρνουμε όλο και περισσότερα πράγματα δωρεάν,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
όπως: Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
και αν την ανεβάσουν στο Διαδίκτυο, ακόμη και αυτή την ομιλία του TED.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
To να παίρνουμε δωρεάν πράγματα είναι καλό, σωστά;
03:44
Sure, of course it is.
72
212318
1765
Σίγουρα είναι.
03:46
But that's not how economists measure GDP.
73
214083
3868
Αλλά δεν υπολογίζουν έτσι οι οικονομολόγοι το ΑΕΠ.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Η μηδενική τιμή σημαίνει μηδέν βάρος στα στατιστικά του ΑΕΠ.
03:55
According to the numbers, the music industry
75
223543
2112
Σύμφωνα με τους αριθμούς, η μουσική βιομηχανία
03:57
is half the size that it was 10 years ago,
76
225655
3000
είναι στο μισό από ό,τι πριν από 10 χρόνια,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
αλλά ακούω περισσότερη και καλύτερη μουσική από ποτέ.
04:04
You know, I bet you are too.
78
232311
2192
Ξέρετε, είμαι σίγουρος και εσείς.
04:06
In total, my research estimates
79
234503
2723
Συνολικά, η έρευνά μου υπολογίζει
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
ότι οι αριθμοί του ΑΕΠ υπολείπονται περισσότερα από 300 δισεκατομμύρια το χρόνο
04:13
in free goods and services on the Internet.
81
241980
3346
σε δωρεάν προϊόντα και υπηρεσίες στο διαδίκτυο.
04:17
Now let's look to the future.
82
245326
1789
Τώρα ας δούμε το μέλλον.
04:19
There are some super smart people
83
247115
2263
Υπάρχουν μερικοί πανέξυπνοι
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
που υποστηρίζουν ότι φτάσαμε στο τέλος της ανάπτυξης,
04:26
but to understand the future of growth,
85
254397
3558
αλλά για να καταλάβουμε το μέλλον της ανάπτυξης,
04:29
we need to make predictions
86
257955
2683
πρέπει να κάνουμε προβλέψεις
04:32
about the underlying drivers of growth.
87
260638
3290
για τις βαθύτερες κινητήριες δυνάμεις της ανάπτυξης.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Είμαι αισιόδοξος, γιατί η νέα εποχή της μηχανής
04:39
is digital, exponential and combinatorial.
89
267734
5030
είναι ψηφιακή, εκθετική και συνδυαστική.
04:44
When goods are digital, they can be replicated
90
272764
2264
Όταν τα προϊόντα είναι ψηφιακά, μπορούν να αναπαραχθούν
04:47
with perfect quality at nearly zero cost,
91
275028
4509
με τέλεια ποιότητα και σχεδόν μηδενικό κόστος,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
και μπορούν να παραδοθούν σχεδόν στιγμιαία.
04:55
Welcome to the economics of abundance.
93
283555
2800
Καλωσορίσατε στην οικονομία της αφθονίας.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Αλλά υπάρχει ένα λιγότερο εμφανές όφελος στην ψηφιοποίηση του κόσμου.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Η μέτρηση είναι η ζωή της επιστήμης και της προόδου.
05:06
In the age of big data,
96
294645
2148
Στη εποχή των Big Data,
05:08
we can measure the world in ways we never could before.
97
296793
4286
μπορούμε να μετρήσουμε τον κόσμο με τρόπους που δεν μπορούσαμε παλιά.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Δεύτερον, η νέα εποχή της μηχανής είναι εκθετική.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Οι υπολογιστές γίνονται καλύτεροι γρηγορότερα από οτιδήποτε άλλο σε οποιαδήποτε εποχή.
05:23
A child's Playstation today is more powerful
100
311109
3568
Το playstation ενός παιδιού είναι πιο ισχυρό
05:26
than a military supercomputer from 1996.
101
314677
4056
από έναν στρατιωτικό υπερυπολογιστή του 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Οι συνδέσεις του εγκεφάλου μας όμως είναι για ένα γραμμικό κόσμο.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Σαν αποτέλεσμα, οι εκθετικές τάσεις μας εκπλήσσουν.
05:37
I used to teach my students that there are some things,
104
325828
2602
Δίδασκα κάποτε τους φοιτητές μου ότι υπάρχουν κάποια πράγματα,
05:40
you know, computers just aren't good at,
105
328430
1934
ξέρετε, όπου οι υπολογιστές δεν είναι καλοί,
05:42
like driving a car through traffic.
106
330364
2385
όπως το να οδηγήσουν ένα αυτοκίνητο στην κίνηση.
05:44
(Laughter)
107
332749
2013
(Γέλια)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Σωστά, εδώ είναι ο Άντυ και εγώ χαμογελώντας σας τρελοί
05:50
because we just rode down Route 101
109
338253
2384
επειδή οδηγήσαμε στο δρόμο Route 101
05:52
in, yes, a driverless car.
110
340637
3669
ένα αυτοκίνητο χωρίς οδηγό.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Τρίτον, η νέα εποχή της μηχανής είναι συνδυαστική.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Η στάσιμη άποψη είναι ότι οι ιδέες εξαντλήθηκαν,
06:02
like low-hanging fruit,
113
350937
1856
όπως οι εύκολες λύσεις,
06:04
but the reality is that each innovation
114
352793
3163
αλλά η πραγματικότητα είναι ότι κάθε καινοτομία
06:07
creates building blocks for even more innovations.
115
355956
3256
δημιουργεί τη δομή για περισσότερες καινοτομίες.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Εδώ είναι ένα παράδειγμα. Σε διάστημα μερικών εβδομάδων,
06:14
an undergraduate student of mine
117
362557
2072
ένας φοιτητής μου
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
ανέπτυξε μια εφαρμογή που έφτασε σε 1,3 εκατομμύρια χρήστες.
06:20
He was able to do that so easily
119
368740
1699
Μπόρεσε να το κάνει εύκολα
06:22
because he built it on top of Facebook,
120
370439
1827
γιατί το έκτισε πάνω από το Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
και το Facebook είναι κτισμένο πάνω από το web,
06:26
and that was built on top of the Internet,
122
374199
1698
και αυτό είναι κτισμένο πάνω από το διαδίκτυο,
06:27
and so on and so forth.
123
375897
2418
και ούτω καθεξής.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Τώρα η κάθε μία ξεχωριστά ψηφιακή, εκθετική και συνδυαστική
06:35
would each be game-changers.
125
383080
2350
θα ήταν ανατρεπτικές.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Αν τις βάλουμε μαζί θα δούμε ένα κύμα
06:39
of astonishing breakthroughs,
127
387620
1393
από εκπληκτικές ανακαλύψεις,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
όπως τα ρομπότ που κάνουν εργοστασιακή εργασία ή τρέχουν όσο γρήγορα όσο η λεοπάρδαλη
06:44
or leap tall buildings in a single bound.
129
392073
2796
ή πηδούν ψηλά κτήρια με τη μία.
06:46
You know, robots are even revolutionizing
130
394869
2232
Τα ρομπότ έφεραν την επανάσταση ακόμα
06:49
cat transportation.
131
397101
1829
και στη διακίνηση των γάτων.
06:50
(Laughter)
132
398930
2270
(Γέλια)
06:53
But perhaps the most important invention,
133
401200
2732
Αλλά ίσως η πιο σημαντική εφεύρεση,
06:55
the most important invention is machine learning.
134
403932
5065
η πιο σημαντική εφεύρεση είναι η μάθηση της μηχανής.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Σκεφτείτε το πρόγραμμα της IBM Watson.
07:04
These little dots here,
136
412373
1589
Αυτές οι μικρές τελείες εδώ,
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
είναι όλοι οι νικητές του τηλεπαιχνιδιού «Jeopardy».
07:10
At first, Watson wasn't very good,
138
418822
2544
Αρχικά το Watson δεν ήταν πολύ καλό,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
αλλά βελτιώθηκε με γρηγορότερο ρυθμό από οποιονδήποτε άνθρωπο,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
και αμέσως μετά που ο Ντέιβ Φερούτσι έδειξε αυτό το διάγραμμα
07:21
to my class at MIT,
141
429675
1652
στην τάξη μου στο MIT,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
το Watson κέρδισε τον παγκόσμιο πρωταθλητή του «Jeopardy».
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
Σε ηλικία 7 χρόνων το Watson είναι ακόμα στην παιδική ηλικία.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Πρόσφατα οι δάσκαλοί του το άφησαν να περιηγηθεί στο διαδίκτυο χωρίς επίβλεψη.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Την επόμενη μέρα, ξεκίνησε να απαντά ερωτήσεις με βωμολοχίες.
07:42
Damn. (Laughter)
146
450122
2274
(Γέλια)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Αλλά το Watson μεγαλώνει γρήγορα.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Δοκιμάζεται για δουλειές σε κέντρα τηλεξυπηρέτησης και τις παίρνει.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Κάνει αιτήσεις για νομικές, τραπεζικές και ιατρικές θέσεις εργασίας,
07:54
and getting some of them.
150
462612
1950
και παίρνει μερικές από αυτές.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Δεν είναι ειρωνικό ότι τη στιγμή που
07:58
we are building intelligent machines,
152
466451
2234
δημιουργούμε έξυπνες μηχανές,
08:00
perhaps the most important invention in human history,
153
468685
3449
ίσως την πιο σημαντική εφεύρεση στην ανθρώπινη ιστορία,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
μερικοί άνθρωποι ισχυρίζονται ότι η καινοτομία είναι στάσιμη;
08:08
Like the first two industrial revolutions,
155
476109
2419
Όπως και στις δύο πρώτες βιομηχανικές επαναστάσεις,
08:10
the full implications of the new machine age
156
478528
3134
οι πλήρεις επιπτώσεις της νέας εποχής της μηχανής
08:13
are going to take at least a century to fully play out,
157
481662
2682
θα χρειαστούν τουλάχιστον έναν αιώνα για να εξελιχθούν πλήρως,
08:16
but they are staggering.
158
484344
3032
αλλά είναι συγκλονιστικές.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Άρα αυτό σημαίνει ότι δεν έχουμε τίποτα να ανησυχούμε;
08:22
No. Technology is not destiny.
160
490712
3680
Όχι. Η τεχνολογία δεν είναι το πεπρωμένο.
08:26
Productivity is at an all time high,
161
494392
2569
Η παραγωγικότητα είναι σε υψηλά επίπεδα, όσο δεν ήταν ποτέ,
08:28
but fewer people now have jobs.
162
496961
2983
αλλά λιγότεροι άνθρωποι έχουν δουλειές τώρα.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Δημιουργήσαμε περισσότερο πλούτο στην προηγούμενη δεκαετία από ποτέ,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
αλλά για την πλειοψηφία των Αμερικανών, το εισόδημά τους έχει μειωθεί.
08:38
This is the great decoupling
165
506968
2312
Αυτή είναι η μεγάλη αποσύνδεση
08:41
of productivity from employment,
166
509280
2976
της παραγωγικότητας από τις θέσεις εργασίας,
08:44
of wealth from work.
167
512256
3104
του πλούτου από τη δουλειά.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Δεν προκαλεί έκπληξη ότι εκατομμύρια κόσμου
08:49
have become disillusioned by the great decoupling,
169
517706
2846
έχουν απογοητευτεί από τη μεγάλη αποσύνδεση,
08:52
but like too many others,
170
520552
1747
αλλά όπως πολλοί άλλοι,
08:54
they misunderstand its basic causes.
171
522299
3097
έχουν παρεξηγήσει τις βασικές αιτίες.
08:57
Technology is racing ahead,
172
525396
2610
Η τεχνολογία προχωρά γρήγορα,
09:00
but it's leaving more and more people behind.
173
528006
3550
αλλά αφήνει όλο και περισσότερο κόσμο πίσω.
09:03
Today, we can take a routine job,
174
531556
3519
Σήμερα, μπορούμε να πάρουμε μια τυποποιημένη δουλειά,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
να την κωδικοποιήσουμε σε μηχανοποιημένες εντολές,
09:10
and then replicate it a million times.
176
538166
2827
και να την αναπαράγουμε εκατομμύρια φορές.
09:12
You know, I recently overheard a conversation
177
540993
2279
Πρόσφατα άκουσα μια συνομιλία
09:15
that epitomizes these new economics.
178
543272
1952
η οποία είναι χαρακτηριστική των νέων οικονομικών.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Κάποιος λέει: «Όχι δεν χρησιμοποιώ πλέον την H&R Block.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
Το TurboTax κάνει τα πάντα που έκανε ο σύμβουλος προετοιμασία φόρου εισοδήματος,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
αλλά γρηγορότερα, φθηνότερα και με περισσότερη ακρίβεια».
09:28
How can a skilled worker
182
556427
1799
Πώς μπορεί ένας ειδικευμένος υπάλληλος
09:30
compete with a $39 piece of software?
183
558226
3009
να συναγωνιστεί με ένα λογισμικό πακέτο των $39;
09:33
She can't.
184
561235
1967
Δεν μπορεί.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Σήμερα, εκατομμύρια Αμερικανών έχουν γρηγορότερη,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
φθηνότερη και με ακρίβεια προετοιμασία των φορολογικών δηλώσεων,
09:40
and the founders of Intuit
187
568369
1486
και οι ιδρυτές της Intuit
09:41
have done very well for themselves.
188
569855
2493
έκαναν πολύ καλή δουλειά για τους εαυτούς τους.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Αλλά το 17% των συμβούλων προετοιμασίας φόρου εισοδήματος δεν έχουν πλέον δουλειά.
09:48
That is a microcosm of what's happening,
190
576562
2078
Αυτός είναι ο μικρόκοσμος του τι συμβαίνει,
09:50
not just in software and services, but in media and music,
191
578640
4677
όχι μόνο στο λογισμικό και στις υπηρεσίες αλλά στα μέσα και στη μουσική,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
στα οικονομικά και στην παραγωγή, στο εμπόριο
09:59
in short, in every industry.
193
587003
3895
--εν ολίγοις σε κάθε κλάδο.
10:02
People are racing against the machine,
194
590898
3095
Οι άνθρωποι ανταγωνίζονται τη μηχανή,
10:05
and many of them are losing that race.
195
593993
3090
και πολλοί από αυτούς χάνουν αυτή την κούρσα.
10:09
What can we do to create shared prosperity?
196
597083
3886
Τι μπορούμε να κάνουμε για να δημιουργήσουμε κοινή ευημερία;
10:12
The answer is not to try to slow down technology.
197
600969
3017
Η απάντηση δεν είναι να καθυστερήσουμε την τεχνολογία.
10:15
Instead of racing against the machine,
198
603986
2557
Αντί να ανταγωνιζόμαστε τη μηχανή,
10:18
we need to learn to race with the machine.
199
606543
3677
πρέπει να μάθουμε να αγωνιζόμαστε μαζί με τη μηχανή,
10:22
That is our grand challenge.
200
610220
3129
Αυτή είναι η μεγάλη μας πρόκληση.
10:25
The new machine age
201
613349
2324
Η νέα εποχή της μηχανής
10:27
can be dated to a day 15 years ago
202
615673
3113
μπορεί να χρονολογηθεί πριν από 15 χρόνια
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
όταν ο Γκάρι Κασπάρωφ, ο παγκόσμιος πρωταθλητής σκακιού,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
έπαιξε ενάντια στον Deep Blue, ένα υπερυπολογιστή.
10:37
The machine won that day,
205
625370
2012
Η μηχανή κέρδισε εκείνη τη μέρα,
10:39
and today, a chess program running on a cell phone
206
627382
2968
και σήμερα ένα πρόγραμμα σκακιού που τρέχει σε κινητό τηλέφωνο
10:42
can beat a human grandmaster.
207
630350
2296
μπορεί να κερδίσει τον πρωταθλητή.
10:44
It got so bad that, when he was asked
208
632646
3365
Τα πράγματα χειροτέρευσαν τόσο πολύ που όταν ρωτήθηκε
10:48
what strategy he would use against a computer,
209
636011
2563
ποια στρατηγική θα ακολουθούσε ενάντια στον υπολογιστή,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
ο Γιάν Ντόνερ, ο Ολλανδός πρωταθλητής, απάντησε:
10:54
"I'd bring a hammer."
211
642590
1771
«Θα φέρω ένα σφυρί».
10:56
(Laughter)
212
644361
3680
(Γέλια)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Σήμερα όμως δεν είναι υπολογιστής ο παγκόσμιος πρωταθλητής σκακιού.
11:04
Neither is a human,
214
652585
2654
Ούτε και ο άνθρωπος,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
επειδή ο Κασπάρωφ οργάνωσε ένα ελεύθερο τουρνουά
11:10
where teams of humans and computers
216
658818
1916
όπου ομάδες από ανθρώπους και υπολογιστές
11:12
could work together,
217
660734
2099
μπορούσαν να συνεργαστούν,
11:14
and the winning team had no grandmaster,
218
662833
3157
και η νικήτρια ομάδα δεν είχε πρωταθλητή,
11:17
and it had no supercomputer.
219
665990
2465
και δεν είχε ούτε υπερυπολογιστή.
11:20
What they had was better teamwork,
220
668455
4175
Αυτό που είχαν ήταν καλύτερη ομαδική εργασία,
11:24
and they showed that a team of humans and computers,
221
672630
5016
και έδειξαν ότι μια ομάδα από ανθρώπους και υπολογιστές
11:29
working together, could beat any computer
222
677646
3048
που δουλεύουν μαζί, μπορούν να κερδίσουν οποιονδήποτε υπολογιστή
11:32
or any human working alone.
223
680694
3520
ή άνθρωπο που δουλεύει μόνος του.
11:36
Racing with the machine
224
684214
1664
Ο αγώνας μαζί με τη μηχανή
11:37
beats racing against the machine.
225
685878
2343
υπερτερεί του αγώνα ενάντια στη μηχανή.
11:40
Technology is not destiny.
226
688221
2564
Η τεχνολογία δεν είναι το πεπρωμένο.
11:42
We shape our destiny.
227
690785
1742
Εμείς καθορίζουμε το πεπρωμένο μας.
11:44
Thank you.
228
692527
1447
Σας ευχαριστώ.
11:45
(Applause)
229
693974
5016
(Χειροκρότημα)
ABOUT THE SPEAKER
Erik Brynjolfsson - Innovation researcherErik Brynjolfsson examines the effects of information technologies on business strategy, productivity and employment.
Why you should listen
The director of the MIT Center for Digital Business and a research associate at the National Bureau of Economic Research, Erik Brynjolfsson asks how IT affects organizations, markets and the economy. His recent work studies data-driven decision-making, management practices that drive productivity, the pricing implications of Internet commerce and the role of intangible assets.
Brynjolfsson was among the first researchers to measure the productivity contributions of information and community technology (ICT) and the complementary role of organizational capital and other intangibles. His research also provided the first quantification of the value of online product variety, often known as the “Long Tail,” and developed pricing and bundling models for information goods.
His books include Wired for Innovation: How IT Is Reshaping the Economy and Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity and Irreversibly Transforming Employment and the Economy (with Andrew McAfee); and the recent article "Big Data: The Management Revolution" (with Andrew McAfee).
Erik Brynjolfsson | Speaker | TED.com