TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
אריק בריניולפסון: המפתח לצמיחה? תחרות ביחד עם המכונות.
Filmed:
Readability: 4.6
1,321,770 views
בעידן שבו המכונות מחליפות יותר ויותר ידיים עובדות, רבים מוצאים את עצמם ללא עבודה או להעלאת שכר שדורכת במקום עד להודעה חדשה. האם זהו העידן של סוף הצמיחה? לא, אומר אריק בריניולפסון - אלה הם פשוט כאבי ההתהוות של הכלכלה המשנה צורה באופן רדיקלי. מסמך מרתק מדוע המצאות גדולות עדיין לפנינו... אם אנחנו בונים על מחשבים כשותפים לדרך. וודאו שאתם צופים בהרצאה הנגדית של רוברט גורדון.
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
הצמיחה לא מתה.
00:14
(Applause)
1
2877
1386
(מחיאות כפיים)
00:16
Let's start the story 120 years ago,
2
4263
3963
בואו נתחיל בסיפור לפני 120 שנה
00:20
when American factories began to electrify their operations,
3
8226
3632
כשמפעלים אמריקניים החלו להשתמש בחשמל,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
והתחילו את המהפכה התעשייתית השנייה.
00:27
The amazing thing is
5
15202
1111
הדבר המדהים הוא
00:28
that productivity did not increase in those factories
6
16313
2777
שהתפוקה לא השתפרה במפעלים הללו
00:31
for 30 years. Thirty years.
7
19090
3256
במשך שלושים שנה. שלושים שנה.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
זה זמן ארוך מספיק לדור שלם של מנהלים לפרוש.
00:37
You see, the first wave of managers
9
25820
2222
אתם רואים, הגל הראשון של מנהלים
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
פשוט החליף את מנועי הקיטור במנועים חשמליים,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
אך הם לא עיצבו מחדש את המפעלים לנצל בחוכמה
00:46
of electricity's flexibility.
12
34469
2341
את הגמישות של החשמל.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
זה נפל על הדור הבא, להמציא תהליכי עבודה חדשים,
00:52
and then productivity soared,
14
40794
2727
ואז התפוקה נסקה,
00:55
often doubling or even tripling in those factories.
15
43521
3665
לעתים הוכפלה או אפילו שולשה במפעלים הללו.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
חשמל הוא דוגמא לטכנולוגיה המיועדת לכל מטרה,
01:03
like the steam engine before it.
17
51909
2230
כמו מנוע הקיטור לפניו.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
טכנולוגיות לכל מטרה מניעות את רוב הצמיחה הכלכלית
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
מפני שהן משחררות המוני המצאות משלימות,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
כגון נורות וכן, עיצוב מחדש של מפעלים.
01:16
Is there a general purpose technology of our era?
21
64641
3610
האם ישנה טכנולוגיה לכל מטרה בתקופתנו?
01:20
Sure. It's the computer.
22
68251
2508
בוודאי. זה המחשב.
01:22
But technology alone is not enough.
23
70759
2659
אבל טכנולוגיה לבדה אינה מספיקה.
01:25
Technology is not destiny.
24
73418
2766
טכנולוגיה אינה יעוד.
01:28
We shape our destiny,
25
76184
1580
אנחנו מעצבים את היעוד שלנו,
01:29
and just as the earlier generations of managers
26
77764
2516
וממש כמו הדורות הקודמים של מנהלים
01:32
needed to redesign their factories,
27
80280
2298
היו זקוקים לעיצוב מחדש של מפעליהם,
01:34
we're going to need to reinvent our organizations
28
82578
2229
אנחנו עומדים להידרש להמציא מחדש את הארגונים שלנו
01:36
and even our whole economic system.
29
84807
2555
ואפילו את כל המערכת הכלכלית.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
אנחנו לא מבצעים את העבודה הזו טוב כמו שאנחנו אמורים.
01:42
As we'll see in a moment,
31
90964
1230
כפי שנראה בעוד רגע,
01:44
productivity is actually doing all right,
32
92194
2722
התפוקה למעשה טובה,
01:46
but it has become decoupled from jobs,
33
94916
3862
אבל היא הפכה למנותקת מהמשרות,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
וההכנסה של העובד הטיפוסי דורכת במקום.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
הצרות הללו לעתים מאובחנות לא נכון
01:57
as the end of innovation,
36
105716
3712
כסופה של החדשנות,
02:01
but they are actually the growing pains
37
109428
2129
אבל הן למעשה הכאבים הגדלים
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
של מה שאנדרו מק'אפי ואני מכנים "עידן המכונה החדש".
02:09
Let's look at some data.
39
117147
1882
הבה נסתכל על קצת נתונים.
02:11
So here's GDP per person in America.
40
119029
2902
אז הנה התוצר הלאומי הגולמי לנפש באמריקה.
02:13
There's some bumps along the way, but the big story
41
121931
2766
יש כמה מהמורות לאורך הדרך, אבל הסיפור הגדול
02:16
is you could practically fit a ruler to it.
42
124697
2715
הוא שמעשית אתה יכול להצמיד לו סרגל.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
זהו קנה מידה לוגריתמי, אז מה שנראה כגדילה יציבה
02:22
is actually an acceleration in real terms.
44
130688
3043
היא בעצם האצה במונחים ריאליים.
02:25
And here's productivity.
45
133731
2160
והנה התפוקה.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
אתם יכולים לראות קצת האטה באמצע שנות ה-70',
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
אך היא מתיישבת די טוב עם המהפכה התעשייתית השנייה,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
כשמפעלים למדו איך להתאים את הביצועים שלהם לחשמל.
02:36
After a lag, productivity accelerated again.
49
144991
4129
לאחר פיגור קל, התפוקה האיצה שוב.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
אז אולי "היסטוריה לא חוזרת על עצמה,
02:43
but sometimes it rhymes."
51
151691
2568
"אך לפעמים היא מתחרזת עם עצמה".
02:46
Today, productivity is at an all-time high,
52
154259
3136
היום, התפוקה היא בשיא כל הזמנים,
02:49
and despite the Great Recession,
53
157395
1977
ולמרות השפל הגדול,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
היא גדלה מהר יותר בשנות האלפיים מאשר היא גדלה בשנות ה-90' של המאה העשרים,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
שנות התשעים הרועמות, והיא הייתה מהירה יותר מאשר בשנות ה-70' או ה-80'.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
היא גדלה מהר יותר משהיא גדלה במהפכה התעשייתית השנייה.
03:03
And that's just the United States.
57
171434
1743
וזה רק בארצות הברית.
03:05
The global news is even better.
58
173177
3248
החדשות הגלובליות טובות יותר.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
ההכנסה הגלובלית גדלה בקצב מהיר יותר
03:10
in the past decade than ever in history.
60
178785
2496
בעשור האחרון מאשר בכל זמן אחר בהיסטוריה.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
בכל מקרה, המספרים האלה למעשה ממעיטים בערכה של ההתקדמות,
03:18
because the new machine age
62
186332
1912
בגלל שעידן המכונה החדשה
03:20
is more about knowledge creation
63
188244
1664
הוא יותר יצירת ידע
03:21
than just physical production.
64
189908
2331
מאשר רק ייצור פיסי.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
זו התובנה - לא החומר, המוח - לא הגשמיות,
03:27
ideas not things.
66
195177
2062
רעיונות - לא דברים.
03:29
That creates a problem for standard metrics,
67
197239
2570
זה יוצר בעיה למדידה המקובלת,
03:31
because we're getting more and more stuff for free,
68
199809
3502
בגלל שאנחנו מקבלים יותר ויותר דברים בחינם,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
כמו ויקיפדיה, גוגל, סקייפ,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
ואפילו אם הוא מפורסם ברשת, כמו הרצאת TED הזו.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
עכשיו לקבל דברים בחינם זה דבר טוב, נכון?
03:44
Sure, of course it is.
72
212318
1765
בטח, בוודאי שכן.
03:46
But that's not how economists measure GDP.
73
214083
3868
אך זו לא הדרך שבה כלכלנים מודדים תל"ג.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
מחיר אפסי פירושו משקל אפסי בסטטיסטיקות התל"ג.
03:55
According to the numbers, the music industry
75
223543
2112
לפי המספרים, תעשיית המוסיקה
03:57
is half the size that it was 10 years ago,
76
225655
3000
מהווה מחצית ממה שהיא הייתה לפני עשר שנים,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
אבל אני מאזין ליותר מוזיקה, יותר טובה, יותר מאי-פעם.
04:04
You know, I bet you are too.
78
232311
2192
אתם יודעים, אני מתערב שגם אתם.
04:06
In total, my research estimates
79
234503
2723
בסך הכל, המחקר שלי מעריך
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
שמספרי התל"ג מפספסים למעלה מ-300 מיליארד דולר בשנה
04:13
in free goods and services on the Internet.
81
241980
3346
בסחורה חופשית ושירותים באינטרנט.
04:17
Now let's look to the future.
82
245326
1789
עכשיו בואו נסתכל על העתיד.
04:19
There are some super smart people
83
247115
2263
יש כמה אנשים מאוד חכמים
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
שטוענים שהגענו לקץ הצמיחה,
04:26
but to understand the future of growth,
85
254397
3558
אך בכדי להבין את העתיד של הצמיחה,
04:29
we need to make predictions
86
257955
2683
אנחנו צריכים לבצע תחזיות
04:32
about the underlying drivers of growth.
87
260638
3290
על גורמי הצמיחה שמתחת לפני השטח.
04:35
I'm optimistic, because the new machine age
88
263928
3806
אני אופטימי, משום שעידן המכונה החדש
04:39
is digital, exponential and combinatorial.
89
267734
5030
הוא דיגיטלי, מעריכי וקומבינטורי.
04:44
When goods are digital, they can be replicated
90
272764
2264
כאשר סחורות הן דיגיטליות, הן יכולות להשתכפל
04:47
with perfect quality at nearly zero cost,
91
275028
4509
באיכות מושלמת ובעלות כמעט אפסית,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
והן יכולות להישלח כמעט בבת אחת.
04:55
Welcome to the economics of abundance.
93
283555
2800
ברוכים הבאים לכלכלת השפע.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
אבל יש יתרון קל יותר לדיגיטציה של העולם.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
מדידות הן סם החיים של המדע והקדמה.
05:06
In the age of big data,
96
294645
2148
בעידן של המון נתונים,
05:08
we can measure the world in ways we never could before.
97
296793
4286
אנחנו יכולים למדוד את העולם בדרכים שלא יכולנו בעבר.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
שנית, עידן המכונה החדשה הוא מעריכי.
05:17
Computers get better faster than anything else ever.
99
305174
5935
מחשבים הופכים לטובים יותר ומהירים יותר מכל דבר אחר.
05:23
A child's Playstation today is more powerful
100
311109
3568
פלייסטיישן של ילד כיום חזק יותר
05:26
than a military supercomputer from 1996.
101
314677
4056
ממחשב-על צבאי מ-1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
אך המוח שלנו מוכוון לעולם לינארי.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
כתוצאה מכך, מגמות מעריכיות מפתיעות אותנו.
05:37
I used to teach my students that there are some things,
104
325828
2602
הייתי מלמד את הסטודנטים שלי שיש כמה דברים,
05:40
you know, computers just aren't good at,
105
328430
1934
אתם יודעים, שמחשבים לא טובים בהם,
05:42
like driving a car through traffic.
106
330364
2385
כמו נהיגה במכונית בעומס תנועה.
05:44
(Laughter)
107
332749
2013
(צחוק)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
זה נכון, הנה אנדי ואני צוחקים כמו משוגעים
05:50
because we just rode down Route 101
109
338253
2384
בגלל שבדיוק סיימנו לנהוג בכביש 101
05:52
in, yes, a driverless car.
110
340637
3669
ב - כן - מכונית ללא נהג.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
שלישית, עידן המכונה החדש הוא קומבינטורי.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
ראייה מקובעת היא שרעיונות הופכים להיות משומשים,
06:02
like low-hanging fruit,
113
350937
1856
כמו פירות התלויים נמוך,
06:04
but the reality is that each innovation
114
352793
3163
אך המציאות היא שכל חדשנות
06:07
creates building blocks for even more innovations.
115
355956
3256
יוצרת אבני בניין אפילו לעוד חדשנויות.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
הנה דוגמא. רק בתוך כמה שבועות,
06:14
an undergraduate student of mine
117
362557
2072
סטודנט שלי לתואר ראשון
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
בנה אפליקציה שהגיעה בסופו של דבר ל-1.3 מיליון משתמשים.
06:20
He was able to do that so easily
119
368740
1699
הוא יכל לבצע זאת בכזו קלות
06:22
because he built it on top of Facebook,
120
370439
1827
בגלל שהוא בנה אותה בפייסבוק,
06:24
and Facebook was built on top of the web,
121
372266
1933
ופייסבוק בנוי על הרשת,
06:26
and that was built on top of the Internet,
122
374199
1698
שנבנתה על בסיס האינטרנט,
06:27
and so on and so forth.
123
375897
2418
וכן הלאה וכן הלאה.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
עכשיו אינדיווידואלית, דיגיטלית, מעריכית וקומבינטורית
06:35
would each be game-changers.
125
383080
2350
כל אחד יכול לשנות את כללי המשחק.
06:37
Put them together, and we're seeing a wave
126
385430
2190
שימו אותם ביחד, ואנחנו רואים גל
06:39
of astonishing breakthroughs,
127
387620
1393
של פריצות דרך אדירות,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
כמו רובוטים שמבצעים עבודה של מפעל או רצים במהירות של ברדלס
06:44
or leap tall buildings in a single bound.
129
392073
2796
או מזנקים על מגדלים גבוהים בקפיצה אחת.
06:46
You know, robots are even revolutionizing
130
394869
2232
אתם יודעים, רובוטים אפילו מבצעים מהפכה
06:49
cat transportation.
131
397101
1829
בתחבורה לחתולים.
06:50
(Laughter)
132
398930
2270
(צחוק).
06:53
But perhaps the most important invention,
133
401200
2732
אך כנראה שההמצאה החשובה ביותר,
06:55
the most important invention is machine learning.
134
403932
5065
ההמצאה החשובה ביותר היא למידה ממוכנת.
07:00
Consider one project: IBM's Watson.
135
408997
3376
לדוגמא פרויקט אחד: ווטסון של IBM.
07:04
These little dots here,
136
412373
1589
הנקודות הקטנות האלה כאן,
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
כולן הן אלופים בשעשועון "ג'אופרדי" ("סיכון").
07:10
At first, Watson wasn't very good,
138
418822
2544
בהתחלה, "ווטסון" לא היה טוב כל כך,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
אך הוא השתפר בשיעור מהיר יותר מאשר כל בן-אנוש יכול היה,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
וזמן קצר אחרי שדייב פרוצ'י הראה את התרשים שלו
07:21
to my class at MIT,
141
429675
1652
לכיתה שלי ב-MIT
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
"ווטסון" הביס את אלוף העולם ב"ג'אופרדי".
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
בגיל שבע, "ווטסון" עדיין נמצא בסוג של ילדות.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
לאחרונה, המורים שלו איפשרו לו לגלוש באינטרנט ללא השגחה.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
ביום למחרת, הוא החל לענות על שאלות עם ניבולי פה.
07:42
Damn. (Laughter)
146
450122
2274
לעזאזל! (צחוק).
07:44
But you know, Watson is growing up fast.
147
452396
2280
אבל אתם יודעים, "ווטסון" גדל מהר.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
הוא נבחן למשרות במוקדים טלפונים, והוא מתקבל אליהן.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
הוא מגיש מועמדויות למשרות בתחום המשפטים, הבנקאות והבריאות,
07:54
and getting some of them.
150
462612
1950
והוא מתקבל לחלק מהן.
07:56
Isn't it ironic that at the very moment
151
464562
1889
האין זה אירוני שבדיוק ברגע
07:58
we are building intelligent machines,
152
466451
2234
שאנחנו בונים מכונות תבוניות,
08:00
perhaps the most important invention in human history,
153
468685
3449
אולי ההמצאה החשובה ביותר בהיסטוריה האנושית,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
כמה אנשים טוענים שהחדשנות דורכת במקום?
08:08
Like the first two industrial revolutions,
155
476109
2419
כמו בשתי המהפכות התעשייתיות הראשונות,
08:10
the full implications of the new machine age
156
478528
3134
ההשלכות המלאות של עידן המכונה החדש
08:13
are going to take at least a century to fully play out,
157
481662
2682
צפויות לקחת לפחות מאה שנה למצות את עצמן,
08:16
but they are staggering.
158
484344
3032
אבל הן מדהימות.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
אז האם זה אומר שאין לנו ממה לדאוג?
08:22
No. Technology is not destiny.
160
490712
3680
לא, טכנולוגיה היא לא היעוד שלנו.
08:26
Productivity is at an all time high,
161
494392
2569
התפוקה היא בשיא כל הזמנים,
08:28
but fewer people now have jobs.
162
496961
2983
אבל לפחות אנשים היום יש עבודה.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
יצרנו יותר עושר בעשור הקודם מאז ומעולם,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
אך לרוב האמריקנים, ההכנסה שלהם צנחה.
08:38
This is the great decoupling
165
506968
2312
זהו הניתוק הגדול
08:41
of productivity from employment,
166
509280
2976
של התפוקה מהעבודה,
08:44
of wealth from work.
167
512256
3104
או של עושר מעבודה.
08:47
You know, it's not surprising that millions of people
168
515360
2346
אתם יודעים, זה לא מפתיע שמיליוני אנשים
08:49
have become disillusioned by the great decoupling,
169
517706
2846
הולכו שולל כתוצאה מהניתוק הגדול הזה
08:52
but like too many others,
170
520552
1747
אך בדומה ליותר מדי אחרים,
08:54
they misunderstand its basic causes.
171
522299
3097
הם לא מבינים את הסיבות הבסיסיות לכך.
08:57
Technology is racing ahead,
172
525396
2610
הטכנולוגיה טסה קדימה,
09:00
but it's leaving more and more people behind.
173
528006
3550
אך היא מותירה יותר ויותר אנשים מאחור.
09:03
Today, we can take a routine job,
174
531556
3519
היום, אנחנו יכולים לקחת עבודה שגרתית,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
לקודד אותה בסדרה של הוראות הניתנות לקריאה על-ידי מחשב,
09:10
and then replicate it a million times.
176
538166
2827
ואז לשכפל אותה מיליון פעמים.
09:12
You know, I recently overheard a conversation
177
540993
2279
אתם יודעים, לאחרונה שמעתי שיחה
09:15
that epitomizes these new economics.
178
543272
1952
שמגלמת בתוכה את הכלכלה החדשה הזו.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
הבחור ההוא אמר "הא, אני לא משתמש ב-H&R בלוק יותר (חברה להכנת טפסי מס בארה"ב),
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboTax עושה כל מה שמכין המס שלי עשה,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
אבל זה מהיר יותר, זול יותר, ומדויק יותר".
09:28
How can a skilled worker
182
556427
1799
איך עובדת מיומנת
09:30
compete with a $39 piece of software?
183
558226
3009
מתחרה עם תוכנה שעולה 39$?
09:33
She can't.
184
561235
1967
היא לא יכולה.
09:35
Today, millions of Americans do have faster,
185
563202
2780
היום, מיליוני אמריקנים מכינים טפסי מס
09:37
cheaper, more accurate tax preparation,
186
565982
2387
מהר יותר, זול יותר ומדויק יותר,
09:40
and the founders of Intuit
187
568369
1486
והמייסדים של אינטואיט
09:41
have done very well for themselves.
188
569855
2493
עשו טוב מאוד לביתם.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
אבל ל-17% ממכיני המס אין יותר עבודה.
09:48
That is a microcosm of what's happening,
190
576562
2078
זהו מיקרוקוסמוס של מה שקורה,
09:50
not just in software and services, but in media and music,
191
578640
4677
לא רק בתוכנה ושירותים, אבל גם במדיה ובמוסיקה,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
בפיננסים ובתעשייה, בקמעונאות ומסחר -
09:59
in short, in every industry.
193
587003
3895
בקצרה, בכל תעשייה.
10:02
People are racing against the machine,
194
590898
3095
אנשים מתחרים נגד המכונות,
10:05
and many of them are losing that race.
195
593993
3090
ורבים מהם מפסידים במירוץ.
10:09
What can we do to create shared prosperity?
196
597083
3886
מה אנחנו יכולים לעשות כדי ליצור שגשוג משותף?
10:12
The answer is not to try to slow down technology.
197
600969
3017
התשובה היא לא לנסות להאט את הטכנולוגיה.
10:15
Instead of racing against the machine,
198
603986
2557
במקום להתחרות נגד המכונות,
10:18
we need to learn to race with the machine.
199
606543
3677
עלינו ללמוד להתחרות ביחד עם המכונות.
10:22
That is our grand challenge.
200
610220
3129
זהו האתגר הגדול שלנו.
10:25
The new machine age
201
613349
2324
עידן המכונה החדש
10:27
can be dated to a day 15 years ago
202
615673
3113
החל לפני כ-15 שנה
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
כאשר גארי קספארוב, אלוף העולם בשחמט,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
שיחק מול "כחול עמוק", מחשב-על.
10:37
The machine won that day,
205
625370
2012
המחשב ניצח באותו היום,
10:39
and today, a chess program running on a cell phone
206
627382
2968
וכיום, תוכנת מחשב שמריץ טלפון סלולרי
10:42
can beat a human grandmaster.
207
630350
2296
יכול להביס רב-אמן אנושי.
10:44
It got so bad that, when he was asked
208
632646
3365
זה כל כך רע, שכשהוא נשאל
10:48
what strategy he would use against a computer,
209
636011
2563
באיזו אסטרטגיה הוא צריך להשתמש נגד המחשב,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
יאן דונר, הרב-אמן ההולנדי, ענה -
10:54
"I'd bring a hammer."
211
642590
1771
"הייתי מביא פטיש".
10:56
(Laughter)
212
644361
3680
(צחוק).
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
אבל היום מחשב הוא לא אלוף העולם בשח-מט יותר.
11:04
Neither is a human,
214
652585
2654
גם לא בן-אנוש,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
בגלל שקספארוב ארגן טורניר בסגנון חופשי
11:10
where teams of humans and computers
216
658818
1916
שבו קבוצה של אנשים ומחשבים
11:12
could work together,
217
660734
2099
יכולים לעבוד ביחד,
11:14
and the winning team had no grandmaster,
218
662833
3157
ולקבוצה המנצחת אין רב-אמן,
11:17
and it had no supercomputer.
219
665990
2465
ולא מחשב-על.
11:20
What they had was better teamwork,
220
668455
4175
מה שהיה להם זו עבודת צוות טובה יותר,
11:24
and they showed that a team of humans and computers,
221
672630
5016
והם הראו שקבוצה של אנשים ומחשבים,
11:29
working together, could beat any computer
222
677646
3048
שעובדים יחד, יכולים להביס כל מחשב
11:32
or any human working alone.
223
680694
3520
או כל אדם שעובד לבד.
11:36
Racing with the machine
224
684214
1664
התחרות עם המכונה
11:37
beats racing against the machine.
225
685878
2343
מנצחת תחרות נגד המכונה.
11:40
Technology is not destiny.
226
688221
2564
טכנולוגיה היא לא יעוד.
11:42
We shape our destiny.
227
690785
1742
אנחנו מעצבים את היעוד שלנו.
11:44
Thank you.
228
692527
1447
תודה.
11:45
(Applause)
229
693974
5016
(מחיאות כפיים).
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