TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: Miten oppia työskentelemään tekoälyn kanssa?
Filmed:
Readability: 4.2
1,770,815 views
Tie ammattitaitoiseksi on ollut samanlainen ympäri maailmaa tuhansia vuosia: harjoittele asiantuntijan alaisuudessa ja aloita pienillä, helpoilla tehtävillä ennen kuin etenet riskialttiimpiin, vaikeampiin tehtäviin. Mutta parastaikaa käsittelemme tekoälyä tavalla, joka tukkii tuon tien - ja uhraamme oppimisen pyrkiessämme tuottavampaan toimintaan, kertoo organisaatioetnografi Matt Beane. Mitä voidaan tehdä? Beane tuo esiin näkemyksen, joka kääntää nykyisen tilanteen sellaiseksi, jossa koneellisesti tehostettu opetusmeneltemä hyödyntää täysin tekoälyn hämmästyttävät kyvyt kehittäen samalla meidän omaa osaamistamme.
Matt Beane - Organizational ethnographer
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
00:13
It’s 6:30 in the morning,
0
1292
1875
Kello on puoli seitsemän aamulla,
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
kun Kristen kuljettaa
eturauhaspotilasta leikkaussaliin.
eturauhaspotilasta leikkaussaliin.
Hän on erikoistuva lääkäri,
työharjoittelussa oleva kirurgi.
työharjoittelussa oleva kirurgi.
00:21
She's a resident, a surgeon in training.
2
9500
2250
00:24
It’s her job to learn.
3
12333
2167
Hänen tehtävänsä on oppia.
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
Hän todella toivoo tekevänsä
tänään hermot säästävän,
tänään hermot säästävän,
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
erittäin riskialttiin leikkauksen,
joka voi säilyttää erektiokyvyn.
joka voi säilyttää erektiokyvyn.
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
Se on valvovan kirurgin päätettävissä,
mutta tämä ei ole vielä paikalla.
mutta tämä ei ole vielä paikalla.
00:39
She and the team put the patient under,
7
27625
2393
Kristen asettaa potilaan
ryhmänsä kanssa paikoilleen
ryhmänsä kanssa paikoilleen
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
ja vetää 20 senttimetriä pitkän
esiviillon alavatsaan.
esiviillon alavatsaan.
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
Kun hän saa puristettua viillon yhteen,
hän pyytää hoitajaa kutsumaan valvojan.
hän pyytää hoitajaa kutsumaan valvojan.
00:51
He arrives, gowns up,
10
39583
2292
Valvoja tulee paikalle
ja pukee suojakaavun ylleen
ja pukee suojakaavun ylleen
ja pian heidän kätensä ovat potilaassa.
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
Valvoja antaa ohjeita,
mutta Kristen tekee työn.
mutta Kristen tekee työn.
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
Kun eturauhanen on poistettu, ja kyllä,
valvoja antoi Kristenin "säästää hermot."
valvoja antoi Kristenin "säästää hermot."
Valvoja riisuu suoja-asunsa
01:09
he rips off his scrubs.
14
57542
1226
01:10
He starts to do paperwork.
15
58792
1375
ja alkaa tehdä paperihommia.
01:12
Kristen closes the patient by 8:15,
16
60833
5375
Kristen sulkee leikkaushaavan kello 8:15
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
nuoremman harjoittelijan
seuratessa työtä olan yli.
seuratessa työtä olan yli.
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
Kristen antaa nuoremman harjoittelijan
ommella viimeiset tikit.
ommella viimeiset tikit.
01:24
Kristen feels great.
19
72833
3042
Kristenistä tuntuu upealta.
01:28
Patient’s going to be fine,
20
76250
1559
Potilas tulee olemaan kunnossa,
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
eikä epäilystäkään, etteikö Kristen olisi
parempi kirurgi nyt kuin aamulla klo 6:30.
parempi kirurgi nyt kuin aamulla klo 6:30.
01:34
Now this is extreme work.
22
82208
2834
Tämä on vaativaa työtä.
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
Mutta Kristen opiskelee työhönsä
samoin kuin useimmat meistä:
samoin kuin useimmat meistä:
01:41
watching an expert for a bit,
24
89625
1893
katsoo mallia kokeneemmalta,
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
pääsee mukaan työhön
helpoissa ja turvallisissa kohdissa
helpoissa ja turvallisissa kohdissa
ja kehittyy vaarallisempiin
ja vaikeampiin tehtäviin
ja vaikeampiin tehtäviin
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
01:48
as they guide and decide she’s ready.
27
96917
2333
ohjaajien neuvoessa ja todetessa
hänet riittävän päteväksi.
hänet riittävän päteväksi.
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
Minua on kiehtonut koko elämäni
tämän kaltainen oppiminen.
tämän kaltainen oppiminen.
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
Se tuntuu olennaiselta osalta sitä,
mikä tekee meistä ihmisiä.
mikä tekee meistä ihmisiä.
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
Sillä on eri nimiä: oppisopimuskoulutus,
valmennus, mentorointi ja työssäoppiminen.
valmennus, mentorointi ja työssäoppiminen.
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
Kirurgiassa sitä kutsutaan nimellä
"näe kerran, tee kerran, opeta kerran."
"näe kerran, tee kerran, opeta kerran."
02:09
But the process is the same,
32
117625
1344
Meneltemä on silti sama.
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
Se on ollut ympäri maailmaa tärkein tapa
saavuttaa ammattitaito jo tuhansia vuosia.
saavuttaa ammattitaito jo tuhansia vuosia.
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
Tällä hetkellä käytämme tekoälyä siten,
että se sulkee kyseisen tavan pois.
että se sulkee kyseisen tavan pois.
Me uhraamme itse oppimisen
pyrkiessämme tehokkaampaan toimintaan.
pyrkiessämme tehokkaampaan toimintaan.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
Törmäsin tähän ensin kirurgiassa
ollessani MIT:ssä Yhdysvalloissa,
ollessani MIT:ssä Yhdysvalloissa,
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
mutta nyt voin osoittaa,
että sitä tapahtuu kaikkialla.
että sitä tapahtuu kaikkialla.
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
Hyvin erilaisilla toimialoilla
ja erityyppisten tekoälyjen kanssa.
ja erityyppisten tekoälyjen kanssa.
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
Jos emme tee mitään, niin miljoonat
meistä kohtaavat ongelmia,
meistä kohtaavat ongelmia,
02:40
as we try to learn to deal with AI.
40
148958
2417
kun yritämme oppia käsittelemään tekoälyä.
Palataan kirurgiaan nähdäksemme
miten tämä toimii.
miten tämä toimii.
02:45
Let’s go back to surgery to see how.
41
153125
1772
02:47
Fast forward six months.
42
155708
1935
Pikakelaus kuusi kuukautta eteenpäin.
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
Kello on jälleen 6:30 ja Kristen
kuljettaa toista eturauhaspotilasta,
kuljettaa toista eturauhaspotilasta,
02:55
but this time to the robotic OR.
44
163167
3166
mutta tällä kertaa
robotisoituun leikkaussaliin.
robotisoituun leikkaussaliin.
02:59
The attending leads attaching
45
167667
1684
Valvoja ohjeistaa,
miten nelikätinen, 450-kiloinen robotti
kiinnitetään potilaaseen.
kiinnitetään potilaaseen.
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
03:04
They both rip off their scrubs,
47
172750
2434
He molemmat riisuvat kirurgin asunsa
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
ja menevät ohjauspöydälle
muutaman metrin päähän.
muutaman metrin päähän.
03:11
and Kristen just watches.
49
179167
3750
Kristen ainoastaan katsoo.
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
Robotti antaa valvojan suorittaa
toimenpiteen kokonaan itse,
toimenpiteen kokonaan itse,
03:19
so he basically does.
51
187452
1583
jonka hän periaatteessa tekee.
Robotti tietää Kristenin
tarvitsevan harjoitusta.
tarvitsevan harjoitusta.
03:21
He knows she needs practice.
52
189917
2101
03:24
He wants to give her control.
53
192042
1583
Se haluaisi antaa ohjat hänelle.
Robotti tietää myös, että Kristen olisi
hitaampi ja tekisi enemmän virheitä
hitaampi ja tekisi enemmän virheitä
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
03:29
and his patient comes first.
55
197667
1500
ja potilas on tärkeämpi.
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
Kristenillä ei ole toivoakaan päästä
lähellekään hermoja tällä kertaa.
lähellekään hermoja tällä kertaa.
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
Hän on onnekas,
jos pääsee operoimaan yli vartiksi
jos pääsee operoimaan yli vartiksi
neljätuntisessa toimenpiteessä.
03:42
And she knows that when she slips up,
58
210250
2625
Ja Kristen tietää, että kun hän mokaa,
niin se on vain kosketusnäytön napautus,
ja hän on taas katsojan roolissa
ja hän on taas katsojan roolissa
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
tuntien olonsa lapseksi nurkassa
aasinhattu päässään.
aasinhattu päässään.
Tutkimuksissani roboteista
viimeisen kahdeksan vuoden ajan,
viimeisen kahdeksan vuoden ajan,
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
olen aloittanut tällä
isolla avauskysymyksellä:
isolla avauskysymyksellä:
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
miten opimme toimimaan
älylaitteiden kanssa?
älylaitteiden kanssa?
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
Tutkin yli kaksi vuotta
erikoistuvia ja valmiita kirurgeja,
erikoistuvia ja valmiita kirurgeja,
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
jotka tekivät perinteistä ja robotisoitua
kirurgiaa, haastattelin heitä
kirurgiaa, haastattelin heitä
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
ja ylipäätään oleskelin erikoistuvien
kirurgien kanssa, kun he opiskelivat.
kirurgien kanssa, kun he opiskelivat.
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
Tein tätä 18:ssa Yhdysvaltojen
parhaassa opetussairaalassa,
parhaassa opetussairaalassa,
04:19
and the story was the same.
68
247625
1458
ja kuvio oli kaikkialla sama.
04:21
Most residents were in Kristen's shoes.
69
249875
2542
Suurin osa kandidaateista oli
Kristenin tilanteessa.
Kristenin tilanteessa.
04:24
They got to “see one” plenty,
70
252958
1792
He saivat katsoa tekemistä runsaasti
04:27
but the “do one” was barely available.
71
255583
2292
mutta itse he eivät päässeet
tekemään juuri lainkaan.
tekemään juuri lainkaan.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
He eivät saaneet yrittää,
eivätkä he liioin oppineet.
eivätkä he liioin oppineet.
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
Tämä oli tärkeä uutinen kirurgeille,
mutta minun täytyi tietää ongelma laajuus.
mutta minun täytyi tietää ongelma laajuus.
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
Missä muualla käytettiin tekoälyä siten,
että se esti työharjoittelun?
että se esti työharjoittelun?
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
Liityin pieneen, mutta kasvavaan
nuorten tutkijoiden ryhmään,
nuorten tutkijoiden ryhmään,
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
joka oli tehnyt pohjatutkimuksia
tekoälyä hyödyntävästä työstä
tekoälyä hyödyntävästä työstä
hyvin erilaisissa työympäristöissä;
aloittavissa yrityksissä, poliisissa,
aloittavissa yrityksissä, poliisissa,
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
04:53
investment banking and online education.
78
281000
2601
sijoituspankkitoiminnassa
ja verkkokoulutuksessa.
ja verkkokoulutuksessa.
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
Kuten minä, he käyttivät ainakin vuoden
ajan satoja tunteja tarkkaillen,
ajan satoja tunteja tarkkaillen,
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
haastatellen ja työskennellen yhdessä
tutkimuksen ihmisten kanssa.
tutkimuksen ihmisten kanssa.
05:06
We shared data, and I looked for patterns.
81
294458
2417
Jaoimme tiedot ja aloin etsiä
toistuvia kuvioita.
toistuvia kuvioita.
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
Alasta, työstä ja tekoälystä riippumatta
tarina oli aina sama.
tarina oli aina sama.
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
Organisaatiot yrittivät yhä kovemmin
saada tuloksia tekoälyllä
saada tuloksia tekoälyllä
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
ja opiskelijat pidettiin poissa
eksperttien luota heidän työskennellessä.
eksperttien luota heidän työskennellessä.
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
Aloittavien yritysten johtajat
ulkoistivat asiakaskontaktit.
ulkoistivat asiakaskontaktit.
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
Poliisien oli opittava käsittelemään
rikosennusteita ilman asiantuntijoita.
rikosennusteita ilman asiantuntijoita.
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
Nuoremmat pankkiirit jätettiin
mutkikkaiden analyysien ulkopuolelle.
mutkikkaiden analyysien ulkopuolelle.
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
Professoreiden täytyi luoda
verkkokurssit ilman apua.
verkkokurssit ilman apua.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
Tällä kaikella oli sama vaikutus
kuin kirurgiassa.
kuin kirurgiassa.
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
Työssäoppimisesta tuli
paljon haastavampaa.
paljon haastavampaa.
05:48
This can’t last.
91
336958
1417
Tämä ei voi jatkua.
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
McKinsey arvioi, että meistä
500 miljoonaa - miljardi ihmistä
500 miljoonaa - miljardi ihmistä
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
joutuu sopeutumaan tekoälyyn osaksi
päivittäistä työtä vuoteen 2030 mennessä.
päivittäistä työtä vuoteen 2030 mennessä.
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
Ennustamme, että työssäoppiminen
06:03
will be there for us as we try.
95
351035
1917
tulee matkalla vastaan.
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
Accenturen viimeisin työntekijäkysely
osoitti useimpien oppineen avaintaidot
osoitti useimpien oppineen avaintaidot
06:09
on the job, not in formal training.
97
357792
2291
töissä, eikä varsinaisessa koulutuksessa.
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
Kun puhumme paljon sen
mahdollisista tulevista vaikutuksista,
mahdollisista tulevista vaikutuksista,
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
niin tekoälyn näkökulmasta
voi olla tärkeintä juuri nyt,
voi olla tärkeintä juuri nyt,
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
että käsittelemme sitä tavalla,
joka estää töissä oppimisen,
joka estää töissä oppimisen,
06:24
just when we need it most.
101
372375
1625
juuri kun tarvitsemme sitä eniten.
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
Tällä hetkellä kaikilla työpaikoilla
pieni vähemmistö on löytänyt tavan oppia.
pieni vähemmistö on löytänyt tavan oppia.
06:35
They did it by breaking and bending rules.
103
383625
3042
He onnistuivat siinä rikkomalla
ja taivuttamalla sääntöjä.
ja taivuttamalla sääntöjä.
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
Hyväksytyt menetelmät eivät toimineet,
joten he taivuttivat ja rikkoivat sääntöjä
joten he taivuttivat ja rikkoivat sääntöjä
päästäkseen käytännön harjoituksiin
eksperttien kanssa.
eksperttien kanssa.
06:43
to get hands-on practice with experts.
105
391750
1976
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
Valmistuvat lääkärit otettiin mukaan
robottikirurgiaan lääketieteen laitoksessa
robottikirurgiaan lääketieteen laitoksessa
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
heidän yleisen koulutuksen kustannuksella.
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
He viettivät satoja ylimääräisiä tunteja
simulaattoreiden ja tallenteiden parissa,
simulaattoreiden ja tallenteiden parissa,
07:02
when you were supposed to learn in the OR.
109
410292
2541
kun heidän olisi pitänyt
opiskella leikkaussalissa.
opiskella leikkaussalissa.
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
Kenties tärkeimpänä
he löysivät tapoja selviytyä
he löysivät tapoja selviytyä
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
aidoissa toimenpiteissä
rajallisella asiantuntijaohjauksella.
rajallisella asiantuntijaohjauksella.
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
Kutsun tätä kaikkea "varjo-oppimiseksi",
koska se taivuttaa sääntöjä
koska se taivuttaa sääntöjä
07:18
and learner’s do it out of the limelight.
113
426125
2000
ja opiskelijat tekevät sitä
valokeilojen ulkopuolella.
valokeilojen ulkopuolella.
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
Kaikki sulkevat silmänsä tältä,
koska se saa aikaan tuloksia.
koska se saa aikaan tuloksia.
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
Muistakaa, että kyseessä on
joukon kärkioppilaat.
joukon kärkioppilaat.
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
On päivänselvää, ettei sitä voida hyväksyä
eikä se ole kestävä ratkaisu.
eikä se ole kestävä ratkaisu.
Kenenkään ei pitäisi olla vaarassa
joutua erotetuksi
joutua erotetuksi
07:33
No one should have to risk getting fired
117
441708
2185
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
opiskellessaan taitoja,
joita he tarvitsevat työssään.
joita he tarvitsevat työssään.
07:38
But we do need to learn from these people.
119
446792
2056
Mutta meidän täytyy ottaa opiksi
näiltä ihmisiltä.
näiltä ihmisiltä.
07:41
They took serious risks to learn.
120
449917
2250
He ottivat merkittäviä
riskejä oppiakseen.
riskejä oppiakseen.
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
He ymmärsivät, että oli tarpeen
suojautua haasteilta työssä
suojautua haasteilta työssä
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
jotta he pystyivät pakottamaan itsensä
vaikeiden tehtävien kanssa
vaikeiden tehtävien kanssa
07:52
right near the edge of their capacity.
123
460083
1959
lähelle suorituskyvyn äärirajoja.
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
Lisäksi he varmistivat,
että ekspertti oli lähellä
että ekspertti oli lähellä
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
tarjoamassa pieniä neuvoja
ja tukea hädän hetkellä.
ja tukea hädän hetkellä.
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
Rakennetaan yrittämisen ja
asiantuntija-avun yhdistelmä
asiantuntija-avun yhdistelmä
08:04
into each AI implementation.
127
472708
2750
jokaiseen tekoälysovellukseen.
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
Tässä yksi selkeä esimerkki,
jolla voisin saada tämän alulle.
jolla voisin saada tämän alulle.
08:12
Before robots,
129
480125
1226
Aikana ennen robotteja,
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
pomminpurkaja hoiti tienvarsipommin
kävelemällä sen luo.
kävelemällä sen luo.
Nuorempi virkailija oli
kymmenien metrien päässä.
kymmenien metrien päässä.
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
Hän sai vain katsoa ja auttoi,
jos päättelit sen olevan turvallista
jos päättelit sen olevan turvallista
08:24
and invited them downrange.
133
492833
1417
ja kutsuit hänet kohteelle.
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
Nykyään istutte vierekkäin
panssaroidussa rekassa.
panssaroidussa rekassa.
08:31
You both watched the video feed.
135
499125
1809
Katsotte videosyötettä.
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
Nuoremmat ohjaavat etänä robottia,
ja sinä johdat työtä ääneen.
ja sinä johdat työtä ääneen.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
Harjoittelijat oppivat paremmin,
kuin ennen robotteja.
kuin ennen robotteja.
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
Tätä voidaan soveltaa kirurgiaan,
aloittaviin yrityksiin, poliisitoimintaan,
aloittaviin yrityksiin, poliisitoimintaan,
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
sijoituspankkitoimintaan,
verkkokoulutukseen, ynnä muuhun.
verkkokoulutukseen, ynnä muuhun.
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
Hyvä uutinen on se, että meillä on
toteutukseen uusia työkaluja.
toteutukseen uusia työkaluja.
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
Netin ja pilven ansiosta emme tarvitse
eksperttiä jokaista harjoittelijaa kohti.
eksperttiä jokaista harjoittelijaa kohti.
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
Heidän ei tarvitse olla fyysisesti lähellä
eikä edes samassa organisaatiossa.
eikä edes samassa organisaatiossa.
09:01
And we can build AI to help:
143
529292
3041
Voimme luoda tekoälyn avuksi:
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
valmentamaan sekä opiskelijoita ongelmissa
että eksperttejä heidän valmentaessaan
että eksperttejä heidän valmentaessaan
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
ja yhdistämään nämä kaksi ryhmää
älykkäillä tavoilla.
älykkäillä tavoilla.
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
Ihmisiä työskentelee
tällaisissa järjestelmissä,
tällaisissa järjestelmissä,
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
mutta he keskittyvät enimmäkseen
viralliseen koulutukseen.
viralliseen koulutukseen.
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
Merkittävämpi ongelma
on työssäoppimisessa.
on työssäoppimisessa.
09:24
We must do better.
149
552417
1851
Meidän täytyy pystyä parempaan.
09:26
Today’s problems demand we do better
150
554292
2583
Nykyhetken ongelmat vaativat
meiltä parempia suorituksia.
meiltä parempia suorituksia.
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
Työssä täytyy käyttää kaikki edut,
jotka tekoälyn uskomattomat kyvyt tarjoaa
jotka tekoälyn uskomattomat kyvyt tarjoaa
09:35
while enhancing our skills as we do it.
152
563042
2750
samalla kun kehitämme omia taitojamme.
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
Tuon kaltaisesta tulevaisuudesta
unelmoin lapsena.
unelmoin lapsena.
09:41
And the time to create it is now.
154
569458
2167
Ja nyt on aika luoda se.
09:44
Thank you.
155
572333
1226
Kiitos.
09:45
(Applause)
156
573583
3625
(Suosionosoituksia)
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com