TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: La chiave della crescita? Competere insieme alle macchine
Filmed:
Readability: 4.6
1,321,770 views
Mentre le macchine prendono sempre più lavori, molti si trovano senza lavoro o con aumenti rimandati indefinitamente. È la fine della crescita? No, dice Erik Brynjolfsson -- sono semplicemente i dolori crescenti di un'economia radicalmente riorganizzata. Un caso affascinante del motivo per cui le innovazioni sono così avanti a noi... se pensiamo ai computer come a compagni di squadra. Assicuratevi di guardare il punto di vista opposto di Robert Gordon.
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
La crescita non è morta.
00:14
(Applause)
1
2877
1386
(Applausi)
00:16
Let's start the story 120 years ago,
2
4263
3963
Cominciamo la storia 120 anni fa,
00:20
when American factories began to electrify their operations,
3
8226
3632
quando le fabbriche americane iniziarono
a elettrificare la propria attività,
a elettrificare la propria attività,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
dando inizio alla Seconda Rivoluzione Industriale.
00:27
The amazing thing is
5
15202
1111
La cosa fantastica è
00:28
that productivity did not increase in those factories
6
16313
2777
che la produttività in quelle fabbriche non è cresciuta
00:31
for 30 years. Thirty years.
7
19090
3256
per 30 anni. Trenta anni.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Abbastanza perché una generazione di dirigenti
andasse in pensione.
andasse in pensione.
00:37
You see, the first wave of managers
9
25820
2222
Vedete, la prima ondata di dirigenti
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
ha semplicemente sostituito le macchine a vapore
con motori elettrici,
con motori elettrici,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
ma non ha riprogettato le fabbriche
per sfruttare i vantaggi
per sfruttare i vantaggi
00:46
of electricity's flexibility.
12
34469
2341
della flessibilità dell'elettricità.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
È ricaduto sulla generazione successiva
inventare nuovi processi lavorativi,
inventare nuovi processi lavorativi,
00:52
and then productivity soared,
14
40794
2727
e poi la produttività ha preso il volo,
00:55
often doubling or even tripling in those factories.
15
43521
3665
spesso raddoppiando o triplicando in quelle fabbriche.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
L'elettricità è un esempio di tecnologia multiuso,
01:03
like the steam engine before it.
17
51909
2230
come lo era prima di lei la macchina a vapore.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Le tecnologie multiuso guidano la maggior parte
delle crescite economiche,
delle crescite economiche,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
perché scatenano innovazioni complementari a cascata,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
come le lampadine e la riprogettazione
delle fabbriche.
delle fabbriche.
01:16
Is there a general purpose technology of our era?
21
64641
3610
C'è una tecnologia multiuso della nostra era?
01:20
Sure. It's the computer.
22
68251
2508
Certo. È il computer.
01:22
But technology alone is not enough.
23
70759
2659
Ma la tecnologia da sola non è sufficiente.
01:25
Technology is not destiny.
24
73418
2766
La tecnologia non è il destino.
01:28
We shape our destiny,
25
76184
1580
Siamo noi a modellare il nostro destino,
01:29
and just as the earlier generations of managers
26
77764
2516
e così come le prime generazioni di manager
01:32
needed to redesign their factories,
27
80280
2298
dovevano riprogettare le loro fabbriche,
01:34
we're going to need to reinvent our organizations
28
82578
2229
noi dovremo reinventare le nostre organizzazioni
01:36
and even our whole economic system.
29
84807
2555
e persino il nostro intero sistema economico.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Questo lavoro non lo stiamo facendo bene
come dovremmo.
come dovremmo.
01:42
As we'll see in a moment,
31
90964
1230
Come vedremo tra un attimo,
01:44
productivity is actually doing all right,
32
92194
2722
la produttività in realtà va bene,
01:46
but it has become decoupled from jobs,
33
94916
3862
ma si è scollegata dal lavoro,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
e il reddito di un tipico lavoratore è stagnante.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Questi problemi vengono talvolta male interpretati
01:57
as the end of innovation,
36
105716
3712
come la fine dell'innovazione,
02:01
but they are actually the growing pains
37
109428
2129
ma sono in realtà i dolori crescenti
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
di quello che Andrew McAfee e io chiamiamo
l'era delle nuove macchine.
l'era delle nuove macchine.
02:09
Let's look at some data.
39
117147
1882
Guardiamo qualche dato.
02:11
So here's GDP per person in America.
40
119029
2902
Questo è il PIL pro capite in America.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Ci sono alcuni ostacoli sul percorso, ma il fatto è che
02:16
is you could practically fit a ruler to it.
42
124697
2715
è dritto come un righello.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Questa è una scala logaritmica,
quindi ciò che sembra una crescita stabile
quindi ciò che sembra una crescita stabile
02:22
is actually an acceleration in real terms.
44
130688
3043
è in realtà un'accelerazione in termini reali.
02:25
And here's productivity.
45
133731
2160
E questa è la produttività.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Vedete un piccolo rallentamento
a metà degli anni '70,
a metà degli anni '70,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
ma coincide abbastanza con la
Seconda Rivoluzione Industriale,
Seconda Rivoluzione Industriale,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
quando le fabbriche stavano imparando
come elettrificare la propria operatività.
come elettrificare la propria operatività.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Dopo un rallentamento,
la produttività accelera di nuovo.
la produttività accelera di nuovo.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Magari "la storia non si ripete,
02:43
but sometimes it rhymes."
51
151691
2568
ma qualche volta fa rima."
02:46
Today, productivity is at an all-time high,
52
154259
3136
Oggi, la produttività è alta più che mai,
02:49
and despite the Great Recession,
53
157395
1977
e nonostante la Grande Recessione,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
è cresciuta più rapidamente negli anni 2000
di quanto non abbia fatto negli anni '90,
di quanto non abbia fatto negli anni '90,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
i ruggenti anni '90, che erano più veloci
degli anni '70 o '80.
degli anni '70 o '80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Cresce più rapidamente di quanto non facesse
durante la Seconda Rivoluzione Industriale.
durante la Seconda Rivoluzione Industriale.
03:03
And that's just the United States.
57
171434
1743
E questi sono solo gli Stati Uniti.
03:05
The global news is even better.
58
173177
3248
A livello globale è anche meglio.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
I redditi mondiali sono cresciuti al tasso più elevato
03:10
in the past decade than ever in history.
60
178785
2496
della storia nell'ultimo decennio.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Eppure, tutti questi numeri sottostimano
i nostri progressi,
i nostri progressi,
03:18
because the new machine age
62
186332
1912
perché l'era delle nuove macchine
03:20
is more about knowledge creation
63
188244
1664
è più legata alla creazione di conoscenza
03:21
than just physical production.
64
189908
2331
che alla semplice produzione fisica.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
Si tratta di mente, non di materia,
di cervello, non di muscoli,
di cervello, non di muscoli,
03:27
ideas not things.
66
195177
2062
idee, non cose.
03:29
That creates a problem for standard metrics,
67
197239
2570
Questo crea un problema per gli standard
di misurazione,
di misurazione,
03:31
because we're getting more and more stuff for free,
68
199809
3502
perché otteniamo sempre più cose gratuitamente,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
come Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
e se lo pubblicano sul sito, anche questo discorso.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Avere cose gratuite è una bella cosa, vero?
03:44
Sure, of course it is.
72
212318
1765
Certo che lo è.
03:46
But that's not how economists measure GDP.
73
214083
3868
Ma non è così che gli economisti misurano il PIL.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Prezzo uguale a zero significa zero
nelle statistiche del PIL.
nelle statistiche del PIL.
03:55
According to the numbers, the music industry
75
223543
2112
Secondo i numeri, l'industria della musica
03:57
is half the size that it was 10 years ago,
76
225655
3000
è la metà di quello che era 10 anni fa,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
ma ascolto sempre più musica e di migliore qualità.
04:04
You know, I bet you are too.
78
232311
2192
Scommetto anche voi.
04:06
In total, my research estimates
79
234503
2723
Nel complesso, la mia ricerca stima
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
che i numeri del PIL non tengono in considerazione
300 miliardi di dollari all'anno
300 miliardi di dollari all'anno
04:13
in free goods and services on the Internet.
81
241980
3346
in merce e servizi gratuiti su Internet.
04:17
Now let's look to the future.
82
245326
1789
Vediamo il futuro.
04:19
There are some super smart people
83
247115
2263
Ci sono persone molto intelligenti
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
che sostengono che abbiamo raggiunto
la fine della crescita,
la fine della crescita,
04:26
but to understand the future of growth,
85
254397
3558
ma per capire il futuro della crescita,
04:29
we need to make predictions
86
257955
2683
dobbiamo fare previsioni
04:32
about the underlying drivers of growth.
87
260638
3290
sui motori alla base della crescita.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Sono ottimista, perché la nuova era delle macchine
04:39
is digital, exponential and combinatorial.
89
267734
5030
è digitale, esponenziale e combinatoria.
04:44
When goods are digital, they can be replicated
90
272764
2264
Quando la merce è digitale, la si può replicare
04:47
with perfect quality at nearly zero cost,
91
275028
4509
con una qualità perfetta a costo quasi nullo,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
e la si può consegnare quasi istantaneamente.
04:55
Welcome to the economics of abundance.
93
283555
2800
Benvenuti nell'economia dell'abbondanza.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Ma c'è un sottile beneficio nella
digitalizzazione del mondo.
digitalizzazione del mondo.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Le misure sono la linfa della scienza e del progresso.
05:06
In the age of big data,
96
294645
2148
Nell'era dei grandi dati,
05:08
we can measure the world in ways we never could before.
97
296793
4286
possiamo misurare il mondo come
non abbiamo mai fatto prima.
non abbiamo mai fatto prima.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
In secondo luogo, la nuova era delle macchine
è esponenziale.
è esponenziale.
05:17
Computers get better faster than anything else ever.
99
305174
5935
I computer migliorano a una velocità incredibile.
05:23
A child's Playstation today is more powerful
100
311109
3568
Oggi una Playstation è più potente
05:26
than a military supercomputer from 1996.
101
314677
4056
di un supercomputer militare del 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Ma i nostri cervelli sono predisposti
per un mondo lineare.
per un mondo lineare.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Di conseguenza, i trend esponenziali ci sorprendono.
05:37
I used to teach my students that there are some things,
104
325828
2602
Insegnavo ai miei studenti che ci sono alcune cose
05:40
you know, computers just aren't good at,
105
328430
1934
che i computer non sanno fare,
05:42
like driving a car through traffic.
106
330364
2385
come guidare un'auto in mezzo al traffico.
05:44
(Laughter)
107
332749
2013
(Risate)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Esatto, questi siamo io e Andy
che ridiamo come dei matti
che ridiamo come dei matti
05:50
because we just rode down Route 101
109
338253
2384
perché abbiamo appena viaggiato sulla Route 101
05:52
in, yes, a driverless car.
110
340637
3669
in un'auto senza conducente.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
In terzo luogo, la nuova era delle macchine
è combinatoria.
è combinatoria.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Chi crede nella stagnazione pensa
che le idee si esauriscano,
che le idee si esauriscano,
06:02
like low-hanging fruit,
113
350937
1856
come le cose a portata di mano,
06:04
but the reality is that each innovation
114
352793
3163
ma la realtà è che ogni innovazione
06:07
creates building blocks for even more innovations.
115
355956
3256
crea le basi per altre innovazioni.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Ecco un esempio. In qualche settimana,
06:14
an undergraduate student of mine
117
362557
2072
un mio laureando
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
ha progettato una app che ora ha 1,3 milioni di utenti.
06:20
He was able to do that so easily
119
368740
1699
È stato in grado di farlo così facilmente
06:22
because he built it on top of Facebook,
120
370439
1827
perché l'ha costruita sulla piattaforma di Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
e Facebook è stato costruito sul web,
06:26
and that was built on top of the Internet,
122
374199
1698
che a sua volta è stato costruito su Internet,
06:27
and so on and so forth.
123
375897
2418
e così via.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Individualmente, l'aspetto digitale,
esponenziale e combinatorio
esponenziale e combinatorio
06:35
would each be game-changers.
125
383080
2350
sono tutti motori del cambiamento.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Metteteli insieme e vedrete arrivare un'ondata
06:39
of astonishing breakthroughs,
127
387620
1393
di scoperte sbalorditive,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
come i robot che lavorano nelle fabbriche
o corrono veloci come scimmie
o corrono veloci come scimmie
06:44
or leap tall buildings in a single bound.
129
392073
2796
o scavalcano interi edifici con un singolo balzo.
06:46
You know, robots are even revolutionizing
130
394869
2232
I robot stanno anche rivoluzionando
06:49
cat transportation.
131
397101
1829
il trasporto dei gatti.
06:50
(Laughter)
132
398930
2270
(Risate)
06:53
But perhaps the most important invention,
133
401200
2732
Ma forse l'invenzione più importante,
06:55
the most important invention is machine learning.
134
403932
5065
l'invenzione più importante
è l'apprendimento delle macchine.
è l'apprendimento delle macchine.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Considerate un progetto: Watson della IBM.
07:04
These little dots here,
136
412373
1589
Questi puntini qui,
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
sono tutti i campioni del programma televisivo "Jeopardy".
07:10
At first, Watson wasn't very good,
138
418822
2544
All'inizio Watson non era molto bravo,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
ma migliorò molto più velocemente
di un qualunque essere umano.
di un qualunque essere umano.
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
Dave Ferrucci mostrò questo grafico
alla mia classe all'MIT
alla mia classe all'MIT
07:21
to my class at MIT,
141
429675
1652
e poco dopo,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson battè il campione di "Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
A sette anni, Watson è ancora un bambino.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Di recente, i suoi insegnanti
lo hanno lasciato navigare su Internet
senza sorveglianza.
lo hanno lasciato navigare su Internet
senza sorveglianza.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Il giorno dopo ha cominciato a rispondere alle domande con parolacce.
07:42
Damn. (Laughter)
146
450122
2274
Accidenti.
(Risate)
(Risate)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Ma sapete, Watson sta crescendo rapidamente.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Viene messo alla prova per lavorare
nei call center e ce la fa.
nei call center e ce la fa.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Fa domanda per lavori legali, medici o in banca,
07:54
and getting some of them.
150
462612
1950
e ne ottiene qualcuno.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Non è ironico che nello stesso momento
07:58
we are building intelligent machines,
152
466451
2234
in cui costruiamo macchine intelligenti,
08:00
perhaps the most important invention in human history,
153
468685
3449
probabilmente la più importante invenzione
della storia umana,
della storia umana,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
qualcuno sostenga che l'innovazione
sia in fase stagnante?
sia in fase stagnante?
08:08
Like the first two industrial revolutions,
155
476109
2419
Come le prime due rivoluzioni industriali,
08:10
the full implications of the new machine age
156
478528
3134
le implicazioni complete della nuova era
delle macchine
delle macchine
08:13
are going to take at least a century to fully play out,
157
481662
2682
si vedranno completamente tra almeno un secolo,
08:16
but they are staggering.
158
484344
3032
ma sono sconvolgenti.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Questo vuol dire che non abbiamo niente
di cui preoccuparci?
di cui preoccuparci?
08:22
No. Technology is not destiny.
160
490712
3680
No. La tecnologia non è il destino.
08:26
Productivity is at an all time high,
161
494392
2569
La produttività è più alta che mai,
08:28
but fewer people now have jobs.
162
496961
2983
ma sempre meno persone hanno un lavoro.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Abbiamo creato più ricchezza che mai
nell'ultimo decennio,
nell'ultimo decennio,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
ma, per la maggioranza degli americani,
i redditi sono crollati.
i redditi sono crollati.
08:38
This is the great decoupling
165
506968
2312
Questo è il grande scollamento
08:41
of productivity from employment,
166
509280
2976
della produttività dall'occupazione,
08:44
of wealth from work.
167
512256
3104
della ricchezza dal lavoro.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Non sorprende che milioni di persone
08:49
have become disillusioned by the great decoupling,
169
517706
2846
si siano sentite disilluse dal grande scollamento,
08:52
but like too many others,
170
520552
1747
ma, come molti altri,
08:54
they misunderstand its basic causes.
171
522299
3097
fraintendono le cause fondamentali.
08:57
Technology is racing ahead,
172
525396
2610
La tecnologia avanza rapidamente,
09:00
but it's leaving more and more people behind.
173
528006
3550
ma lascia indietro sempre più persone.
09:03
Today, we can take a routine job,
174
531556
3519
Oggi possiamo prendere un lavoro di routine,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
codificarlo in una serie di istruzioni leggibili
da una macchina
da una macchina
09:10
and then replicate it a million times.
176
538166
2827
e replicarlo un milione di volte.
09:12
You know, I recently overheard a conversation
177
540993
2279
Di recente ho sentito per caso una conversazione
09:15
that epitomizes these new economics.
178
543272
1952
che riassume questa nuova economia.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Il tizio dice: "Nah, non vado più dal commercialista.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboTax fa tutto quello che faceva
prima il mio commercialista
prima il mio commercialista
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
ma è più veloce, più economico e più preciso."
09:28
How can a skilled worker
182
556427
1799
Come può un lavoratore preparato
09:30
compete with a $39 piece of software?
183
558226
3009
competere con un software da 39 dollari?
09:33
She can't.
184
561235
1967
Non può.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Oggi milioni di americani fanno
una dichiarazione dei redditi
una dichiarazione dei redditi
09:37
cheaper, more accurate tax preparation,
186
565982
2387
più economica, più precisa,
09:40
and the founders of Intuit
187
568369
1486
e i fondatori di Intuit
09:41
have done very well for themselves.
188
569855
2493
hanno fatto molto bene.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Ma il 17 per cento dei commercialisti
non ha più lavoro.
non ha più lavoro.
09:48
That is a microcosm of what's happening,
190
576562
2078
Questo è solo un microcosmo di quello
che sta accadendo,
che sta accadendo,
09:50
not just in software and services, but in media and music,
191
578640
4677
non solo nei software e nei servizi,
ma nei media e nella musica,
ma nei media e nella musica,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
nella finanza e nella fabbricazione,
nel dettaglio e nel commercio --
nel dettaglio e nel commercio --
09:59
in short, in every industry.
193
587003
3895
in breve, in tutte le industrie.
10:02
People are racing against the machine,
194
590898
3095
La gente compete con le macchine,
10:05
and many of them are losing that race.
195
593993
3090
e molti stanno perdendo la gara.
10:09
What can we do to create shared prosperity?
196
597083
3886
Come possiamo creare una prosperità condivisa?
10:12
The answer is not to try to slow down technology.
197
600969
3017
La risposta è non cercare di rallentare la tecnologia.
10:15
Instead of racing against the machine,
198
603986
2557
Invece di competere con le macchine,
10:18
we need to learn to race with the machine.
199
606543
3677
dobbiamo imparare a competere insieme a loro.
10:22
That is our grand challenge.
200
610220
3129
Questa è la nostra grande sfida.
10:25
The new machine age
201
613349
2324
La nuova era delle macchine
10:27
can be dated to a day 15 years ago
202
615673
3113
si può fare risalire a un giorno di 15 anni fa
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
quando Gary Kasparov,
il campione mondiale di scacchi,
il campione mondiale di scacchi,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
giocò contro Deep Blue, un supercomputer.
10:37
The machine won that day,
205
625370
2012
Quel giorno la macchina vinse,
10:39
and today, a chess program running on a cell phone
206
627382
2968
e oggi un programma di scacchi su un cellulare
10:42
can beat a human grandmaster.
207
630350
2296
può battere un campione di scacchi umano.
10:44
It got so bad that, when he was asked
208
632646
3365
È andata così male che quando gli fu chiesto
10:48
what strategy he would use against a computer,
209
636011
2563
che strategia avrebbe usato contro un computer,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
Jan Donner, il campione olandese, rispose,
10:54
"I'd bring a hammer."
211
642590
1771
"Mi porterei un martello."
10:56
(Laughter)
212
644361
3680
(Risate)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Ma oggi il campione mondiale di scacchi
non è più un computer.
non è più un computer.
11:04
Neither is a human,
214
652585
2654
Non è neanche un umano,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
perché Kasparov ha organizzato un torneo freestyle
11:10
where teams of humans and computers
216
658818
1916
in cui squadre di umani e computer
11:12
could work together,
217
660734
2099
potevano lavorare insieme,
11:14
and the winning team had no grandmaster,
218
662833
3157
e la squadra vincente non aveva un campione,
11:17
and it had no supercomputer.
219
665990
2465
e non aveva un supercomputer.
11:20
What they had was better teamwork,
220
668455
4175
Quello che avevano era un migliore lavoro di squadra,
11:24
and they showed that a team of humans and computers,
221
672630
5016
e hanno mostrato che una squadra
di umani e computer,
di umani e computer,
11:29
working together, could beat any computer
222
677646
3048
che lavorano insieme, possono battere
qualunque computer
qualunque computer
11:32
or any human working alone.
223
680694
3520
o qualunque umano che lavora da solo.
11:36
Racing with the machine
224
684214
1664
Competere insieme alle macchine
11:37
beats racing against the machine.
225
685878
2343
batte il competere con le macchine.
11:40
Technology is not destiny.
226
688221
2564
La tecnologia non è il destino.
11:42
We shape our destiny.
227
690785
1742
Noi modelliamo il nostro destino.
11:44
Thank you.
228
692527
1447
Grazie.
11:45
(Applause)
229
693974
5016
(Applausi)
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