TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: Erik Brynjolfsson: De sleutel tot groei? Race met de machine
Filmed:
Readability: 4.6
1,321,770 views
Nu machines steeds meer werk doen, komen steeds meer mensen zonder baan te zitten, of wordt opslag voor onbepaalde tijd uitgesteld. Is dit het einde van de groei? Erik Brynjolfsson zegt van niet -- Het zijn groeipijnen van een totaal anders georganiseerde economie. Een klinkende reden waarom grote innovaties in het verschiet liggen... als we computers als onze teamgenoten zien. Kijk ook zeker naar de Robert Gordon, die daar anders over denkt.
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
Het einde van de groei is niet bereikt.
00:14
(Applause)
1
2877
1386
(Applaus)
00:16
Let's start the story 120 years ago,
2
4263
3963
Laten we 120 jaar geleden beginnen,
00:20
when American factories began to electrify their operations,
3
8226
3632
toen Amerikaanse fabrieken
overgingen op elektriciteit
overgingen op elektriciteit
00:23
igniting the Second Industrial Revolution.
4
11858
3344
en hiermee de Tweede
Industriële Revolutie ontketenden.
Industriële Revolutie ontketenden.
00:27
The amazing thing is
5
15202
1111
Het bijzondere is
00:28
that productivity did not increase in those factories
6
16313
2777
dat de productiviteit van deze fabrieken
00:31
for 30 years. Thirty years.
7
19090
3256
dertig jaar lang niet toenam. Dertig jaar.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Dat is lang genoeg voor een generatie managers
om met pensioen te gaan.
om met pensioen te gaan.
00:37
You see, the first wave of managers
9
25820
2222
Deze eerste groep managers
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
verving simpelweg hun stoommachines
door elektrische motoren
door elektrische motoren
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
maar pasten hun fabrieken niet aan
00:46
of electricity's flexibility.
12
34469
2341
om de flexibiliteit
van elektriciteit te benutten.
van elektriciteit te benutten.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Het was aan de volgende generatie
om nieuwe werkprocessen te ontwikkelen
om nieuwe werkprocessen te ontwikkelen
00:52
and then productivity soared,
14
40794
2727
en toen steeg de productiviteit in deze fabrieken
00:55
often doubling or even tripling in those factories.
15
43521
3665
vaak met een factor twee of zelfs drie.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
Elektriciteit is een voorbeeld van
een algemeen toepasbare technologie,
een algemeen toepasbare technologie,
01:03
like the steam engine before it.
17
51909
2230
zoals daarvoor de stoommachine.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Algemeen toepasbare technologieën zijn de grootste
drijvende kracht achter economische groei,
drijvende kracht achter economische groei,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
omdat ze een opeenstapeling
van aanvullende innovaties veroorzaken
van aanvullende innovaties veroorzaken
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
zoals gloeilampen en ja, herontwerp van fabrieken.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Kent de huidige tijd zijn
algemeen toepasbare technologie?
algemeen toepasbare technologie?
01:20
Sure. It's the computer.
22
68251
2508
Natuurlijk. Dat is de computer.
01:22
But technology alone is not enough.
23
70759
2659
Maar met alleen technologie ben je er niet.
01:25
Technology is not destiny.
24
73418
2766
De technologie is niet het lot.
01:28
We shape our destiny,
25
76184
1580
Wij scheppen ons lot
01:29
and just as the earlier generations of managers
26
77764
2516
en net zoals de vorige generaties van managers
01:32
needed to redesign their factories,
27
80280
2298
hun fabrieken moesten herontwerpen,
01:34
we're going to need to reinvent our organizations
28
82578
2229
moeten wij onze organisaties
01:36
and even our whole economic system.
29
84807
2555
en zelfs onze hele economie opnieuw uitvinden.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Dat doen we niet zo goed als zou moeten.
01:42
As we'll see in a moment,
31
90964
1230
Zoals we zo zullen merken,
01:44
productivity is actually doing all right,
32
92194
2722
is de productiviteit eigenlijk oké,
01:46
but it has become decoupled from jobs,
33
94916
3862
maar is die losgekoppeld van banen
01:50
and the income of the typical worker is stagnating.
34
98778
4419
en is het inkomen van de gemiddelde
werknemer gestagneerd.
werknemer gestagneerd.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Soms wordt ten onrechte gedacht
dat deze problemen
dat deze problemen
01:57
as the end of innovation,
36
105716
3712
het einde betekenen van innovatie,
02:01
but they are actually the growing pains
37
109428
2129
maar het zijn eigenlijk de groeipijnen
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
van het 'tijdperk van de nieuwe machine',
zoals Andrew McAfee en ik deze noemen.
zoals Andrew McAfee en ik deze noemen.
02:09
Let's look at some data.
39
117147
1882
Laten we wat gegevens bekijken.
02:11
So here's GDP per person in America.
40
119029
2902
Hier zie je het BNP van Amerika per persoon.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Er zitten wat hobbels in, maar het mooie is
02:16
is you could practically fit a ruler to it.
42
124697
2715
dat je er haast een liniaal naast kunt leggen.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Dit is een logaritmische schaal,
dus wat een gelijkmatige groei lijkt
dus wat een gelijkmatige groei lijkt
02:22
is actually an acceleration in real terms.
44
130688
3043
is in feite een versnelling van de groei.
02:25
And here's productivity.
45
133731
2160
Dit is de productiviteit.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Je ziet een kleine vertraging
in het midden van de jaren zeventig,
in het midden van de jaren zeventig,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
toch volgt het redelijk dezelfde lijn als
die van de Tweede Industriële Revolutie,
die van de Tweede Industriële Revolutie,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
toen fabrieken omschakelden naar elektriciteit.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Na een vertraging ging de productiviteit
weer versneld omhoog.
weer versneld omhoog.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Dus misschien 'herhaalt de geschiedenis zich niet,
02:43
but sometimes it rhymes."
51
151691
2568
maar rijmt die soms'.
02:46
Today, productivity is at an all-time high,
52
154259
3136
Op dit moment is de productiviteit het hoogste ooit,
02:49
and despite the Great Recession,
53
157395
1977
en ondanks de Grote Recessie,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
is ze harder gegroeid in de jaren 2000
dan in de jaren negentig,
dan in de jaren negentig,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
de woelige jaren negentig, waarin de groei
sneller was dan in de jaren 70 en 80.
sneller was dan in de jaren 70 en 80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
De productiviteit groeit sneller
dan tijdens de Tweede Industriële Revolutie.
dan tijdens de Tweede Industriële Revolutie.
03:03
And that's just the United States.
57
171434
1743
En dat is alleen nog maar in de VS.
03:05
The global news is even better.
58
173177
3248
Het mondiale nieuws is nog beter.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
De inkomens zijn wereldwijd
in het laatste decennium
in het laatste decennium
03:10
in the past decade than ever in history.
60
178785
2496
sneller gestegen dan ooit.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Eigenlijk doen deze cijfers
onze vooruitgang tekort,
onze vooruitgang tekort,
03:18
because the new machine age
62
186332
1912
omdat het nieuwe machinetijdperk
03:20
is more about knowledge creation
63
188244
1664
niet slechts gaat over fysieke productie,
03:21
than just physical production.
64
189908
2331
maar nog meer over het scheppen van kennis.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
Het is de geest en niet de materie,
de hersenen en niet de spierkracht,
de hersenen en niet de spierkracht,
03:27
ideas not things.
66
195177
2062
de ideeën en niet de dingen.
03:29
That creates a problem for standard metrics,
67
197239
2570
Standaardmetingen gaan hier op stuk,
03:31
because we're getting more and more stuff for free,
68
199809
3502
want we krijgen steeds meer dingen gratis,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
zoals Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
en als ze haar op internet zetten
zelfs deze TED-lezing.
zelfs deze TED-lezing.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Het is toch mooi om iets gratis te krijgen, niet?
03:44
Sure, of course it is.
72
212318
1765
Natuurlijk, zeker.
03:46
But that's not how economists measure GDP.
73
214083
3868
Alleen zo meten de economen het BNP niet.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Geen prijs betekent
geen invloed op de BNP statistieken.
geen invloed op de BNP statistieken.
03:55
According to the numbers, the music industry
75
223543
2112
Als je kijkt naar de cijfers
03:57
is half the size that it was 10 years ago,
76
225655
3000
dan is de muziekindustrie gehalveerd
ten opzichte van tien jaar geleden,
ten opzichte van tien jaar geleden,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
maar ik beluister meer en betere muziek dan ooit.
04:04
You know, I bet you are too.
78
232311
2192
En jij vast ook.
04:06
In total, my research estimates
79
234503
2723
In mijn onderzoek schat ik
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
dat er jaarlijks 300 miljard dollar
aan gratis goederen en diensten via internet
aan gratis goederen en diensten via internet
04:13
in free goods and services on the Internet.
81
241980
3346
niet opgenomen worden
in het cijfer van het BNP.
in het cijfer van het BNP.
04:17
Now let's look to the future.
82
245326
1789
Laten we eens naar de toekomst kijken.
04:19
There are some super smart people
83
247115
2263
Sommige hele slimme mensen stellen
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
dat we het einde van de groei hebben bereikt,
04:26
but to understand the future of growth,
85
254397
3558
maar om de toekomst van de groei te begrijpen,
04:29
we need to make predictions
86
257955
2683
moeten we voorspellingen doen
04:32
about the underlying drivers of growth.
87
260638
3290
over de onderliggende oorzaken van de groei.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Ik ben optimistisch, omdat
het nieuwe machinetijdperk
het nieuwe machinetijdperk
04:39
is digital, exponential and combinatorial.
89
267734
5030
digitaal, exponentieel en combinatorisch is.
04:44
When goods are digital, they can be replicated
90
272764
2264
Als goederen digitaal zijn,
kunnen ze worden gerepliceerd,
kunnen ze worden gerepliceerd,
04:47
with perfect quality at nearly zero cost,
91
275028
4509
perfect van kwaliteit tegen bijna geen kosten
04:51
and they can be delivered almost instantaneously.
92
279537
4018
en ze kunnen vrijwel onmiddellijk worden geleverd.
04:55
Welcome to the economics of abundance.
93
283555
2800
Welkom in de economie van overvloed.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Er is echter een subtieler voordeel
van de digitalisering van de wereld.
van de digitalisering van de wereld.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Meten is de levensader van
de wetenschap en de vooruitgang.
de wetenschap en de vooruitgang.
05:06
In the age of big data,
96
294645
2148
In het tijdperk van 'big data'
05:08
we can measure the world in ways we never could before.
97
296793
4286
kunnen we de wereld meten
op andere manieren dan vroeger.
op andere manieren dan vroeger.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Ten tweede is het nieuwe
machinetijdperk exponentieel.
machinetijdperk exponentieel.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Computers verbeteren sneller dan ooit iets anders.
05:23
A child's Playstation today is more powerful
100
311109
3568
De Playstation van een kind nu is krachtiger
05:26
than a military supercomputer from 1996.
101
314677
4056
dan een militaire supercomputer uit 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Maar onze hersenen zijn uitgerust
voor een lineaire wereld.
voor een lineaire wereld.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Exponentiële verwachtingen verrassen ons daarom.
05:37
I used to teach my students that there are some things,
104
325828
2602
Ik leerde mijn studenten altijd
05:40
you know, computers just aren't good at,
105
328430
1934
dat computers in sommige dingen
gewoon niet goed waren,
gewoon niet goed waren,
05:42
like driving a car through traffic.
106
330364
2385
zoals autorijden door het verkeer.
05:44
(Laughter)
107
332749
2013
(Gelach)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Klopt, hier grijnzen Andy en ik als een stel idioten,
05:50
because we just rode down Route 101
109
338253
2384
omdat we net Route 101 hadden afgereden
05:52
in, yes, a driverless car.
110
340637
3669
in, ja, een onbemande auto.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Ten derde is het nieuwe
machinetijdperk combinatorisch.
machinetijdperk combinatorisch.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Uitgaande van stilstand zijn ideeën eindig,
06:02
like low-hanging fruit,
113
350937
1856
zoals laaghangend fruit,
06:04
but the reality is that each innovation
114
352793
3163
maar in werkelijkheid creëert
elke innovatie bouwstenen
elke innovatie bouwstenen
06:07
creates building blocks for even more innovations.
115
355956
3256
voor zelfs nog meer innovaties.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Hier komt een voorbeeld.
In slechts enkele weken
In slechts enkele weken
06:14
an undergraduate student of mine
117
362557
2072
bouwde een student van me
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
een applicatie die uiteindelijk
1,3 miljoen gebruikers kreeg.
1,3 miljoen gebruikers kreeg.
06:20
He was able to do that so easily
119
368740
1699
Dat ging zo makkelijk,
06:22
because he built it on top of Facebook,
120
370439
1827
omdat hij het bouwde op Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
en Facebook was gebouwd op het web
06:26
and that was built on top of the Internet,
122
374199
1698
en dat was gebouwd op het internet,
06:27
and so on and so forth.
123
375897
2418
enzovoort enzovoort.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Elk afzonderlijk zouden ze digitaal, exponentieel
en combinatorisch het verschil maken.
en combinatorisch het verschil maken.
06:35
would each be game-changers.
125
383080
2350
Elk afzonderlijk zouden ze digitaal, exponentieel
en combinatorisch het verschil maken.
en combinatorisch het verschil maken.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Gecombineerd brengen ze
06:39
of astonishing breakthroughs,
127
387620
1393
een golf van verbazingwekkende doorbraken teweeg,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
zoals robots die in fabrieken werken,
of zo hard als een cheetah lopen,
of zo hard als een cheetah lopen,
06:44
or leap tall buildings in a single bound.
129
392073
2796
of in één keer van een hoog gebouw
naar beneden springen.
naar beneden springen.
06:46
You know, robots are even revolutionizing
130
394869
2232
Robots brengen zelfs een revolutie
teweeg in het vervoer van katten.
teweeg in het vervoer van katten.
06:49
cat transportation.
131
397101
1829
Robots brengen zelfs een revolutie
teweeg in het vervoer van katten.
teweeg in het vervoer van katten.
06:50
(Laughter)
132
398930
2270
(Gelach)
06:53
But perhaps the most important invention,
133
401200
2732
Misschien wel de meest belangrijke uitvinding,
06:55
the most important invention is machine learning.
134
403932
5065
is het leren door machines.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Beschouw één project: Watson van IBM.
07:04
These little dots here,
136
412373
1589
Deze kleine stippen
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
zijn alle winnaars van het quizprogramma 'Jeopardy'.
07:10
At first, Watson wasn't very good,
138
418822
2544
In het begin was Watson niet zo goed,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
maar het verbeterde sneller
dan een mens dit zou kunnen
dan een mens dit zou kunnen
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
en vlak nadat Dave Ferrucci deze grafiek
07:21
to my class at MIT,
141
429675
1652
aan mijn klas op het MIT liet zien,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
versloeg Watson de wereldkampioen 'Jeopardy'.
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
Op zevenjarige leeftijd zit
Watson nog in zijn kindertijd.
Watson nog in zijn kindertijd.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Pas geleden lieten zijn docenten
het zonder toezicht op internet surfen.
het zonder toezicht op internet surfen.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
De volgende dag begon het vragen
met scheldwoorden te beantwoorden.
met scheldwoorden te beantwoorden.
07:42
Damn. (Laughter)
146
450122
2274
Verdomme. (Gelach)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Maar weet je, Watson groeit snel.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Hij solliciteerde voor banen
in call centers en kreeg ze.
in call centers en kreeg ze.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Hij solliciteert voor juridische,
bancaire en medische banen,
bancaire en medische banen,
07:54
and getting some of them.
150
462612
1950
en krijgt sommige.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Is het niet ironisch dat precies op het moment
07:58
we are building intelligent machines,
152
466451
2234
dat we intelligente machines aan het bouwen zijn,
08:00
perhaps the most important invention in human history,
153
468685
3449
misschien wel de meest belangrijke uitvinding
in de geschiedenis van de mensheid,
in de geschiedenis van de mensheid,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
sommige mensen stellen dat de innovatie stagneert?
08:08
Like the first two industrial revolutions,
155
476109
2419
Net als in de eerste twee industriële revoluties,
08:10
the full implications of the new machine age
156
478528
3134
zullen de volledige implicaties
van het nieuwe machinetijdperk
van het nieuwe machinetijdperk
08:13
are going to take at least a century to fully play out,
157
481662
2682
minstens een eeuw kosten
voor ze volledig duidelijk zijn,
voor ze volledig duidelijk zijn,
08:16
but they are staggering.
158
484344
3032
maar ze zijn duizelingwekkend.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Betekent dit dat we ons
nergens zorgen over hoeven maken?
nergens zorgen over hoeven maken?
08:22
No. Technology is not destiny.
160
490712
3680
Nee. De technologie is niet het lot.
08:26
Productivity is at an all time high,
161
494392
2569
De productiviteit is op haar hoogst,
08:28
but fewer people now have jobs.
162
496961
2983
maar minder mensen hebben een baan.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
We hebben in het afgelopen decennium
meer welvaart dan ooit gecreëerd,
meer welvaart dan ooit gecreëerd,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
maar het inkomen van de meerderheid
van de Amerikanen is gedaald.
van de Amerikanen is gedaald.
08:38
This is the great decoupling
165
506968
2312
Dit is de grote ontkoppeling
08:41
of productivity from employment,
166
509280
2976
van de productiviteit -- van de werkgelegenheid,
08:44
of wealth from work.
167
512256
3104
van rijkdom -- van werk.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Het is niet verrassend
08:49
have become disillusioned by the great decoupling,
169
517706
2846
dat miljoenen mensen gedesillusioneerd zijn
over de grote ontkoppeling
over de grote ontkoppeling
08:52
but like too many others,
170
520552
1747
maar zoals zoveel anderen
08:54
they misunderstand its basic causes.
171
522299
3097
begrijpen ze de ware oorzaken niet.
08:57
Technology is racing ahead,
172
525396
2610
Technologie snelt vooruit,
09:00
but it's leaving more and more people behind.
173
528006
3550
maar het laat steeds meer mensen achter.
09:03
Today, we can take a routine job,
174
531556
3519
Vandaag de dag zetten we een routineklus om
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
in instructies, in code die een machine kan lezen
09:10
and then replicate it a million times.
176
538166
2827
en repliceren ze dan een miljoen keer.
09:12
You know, I recently overheard a conversation
177
540993
2279
Ik hoorde laatst een gesprek
09:15
that epitomizes these new economics.
178
543272
1952
dat deze nieuwe economie
kernachtig duidelijk maakt.
kernachtig duidelijk maakt.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Deze man zegt:
'Neh, ik gebruik H&R Block niet meer.
'Neh, ik gebruik H&R Block niet meer.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboTax doet hetzelfde
als mijn belastingadviseur,
als mijn belastingadviseur,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
maar het is sneller, goedkoper en nauwkeuriger.'
09:28
How can a skilled worker
182
556427
1799
Hoe kan een vakman concurreren
09:30
compete with a $39 piece of software?
183
558226
3009
met een computerprogramma van 39 dollar?
09:33
She can't.
184
561235
1967
Dat kan hij niet.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Vandaag hebben miljoenen Amerikanen
een snellere,
een snellere,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
goedkopere, nauwkeuriger belastingaangifte,
09:40
and the founders of Intuit
187
568369
1486
en de oprichters van Intuit
09:41
have done very well for themselves.
188
569855
2493
doen goede zaken.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Maar 17% van de belastingadviseurs
verloor zijn baan.
verloor zijn baan.
09:48
That is a microcosm of what's happening,
190
576562
2078
Dat is een microkosmos van wat er
09:50
not just in software and services, but in media and music,
191
578640
4677
niet alleen in software en diensten gebeurt,
maar ook in de media en in de muziek,
maar ook in de media en in de muziek,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
in de financiële en productiebranche,
in de detailhandel en de handel --
in de detailhandel en de handel --
09:59
in short, in every industry.
193
587003
3895
kortom, in elke industrie.
10:02
People are racing against the machine,
194
590898
3095
Mensen zijn in een race tegen de machine
10:05
and many of them are losing that race.
195
593993
3090
en velen van hen verliezen die race.
10:09
What can we do to create shared prosperity?
196
597083
3886
Wat kunnen we doen om tot
een gedeelde welvaart te komen?
een gedeelde welvaart te komen?
10:12
The answer is not to try to slow down technology.
197
600969
3017
Het antwoord is niet
het vertragen van de technologie.
het vertragen van de technologie.
10:15
Instead of racing against the machine,
198
603986
2557
In plaats tegen de machine te racen,
10:18
we need to learn to race with the machine.
199
606543
3677
moeten we leren te racen mét de machine.
10:22
That is our grand challenge.
200
610220
3129
Dat is onze grote uitdaging.
10:25
The new machine age
201
613349
2324
Het nieuwe machinetijdperk
10:27
can be dated to a day 15 years ago
202
615673
3113
is 15 jaar geleden begonnen
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
toen de wereldkampioen schaken Gary Kasparov
10:33
played Deep Blue, a supercomputer.
204
621664
3706
tegen Deep Blue, een supercomputer, speelde.
10:37
The machine won that day,
205
625370
2012
De machine won die dag,
10:39
and today, a chess program running on a cell phone
206
627382
2968
en vandaag kan een schaakprogramma
op een mobiele telefoon
op een mobiele telefoon
10:42
can beat a human grandmaster.
207
630350
2296
een menselijke grootmeester verslaan.
10:44
It got so bad that, when he was asked
208
632646
3365
Het ging zo ver
10:48
what strategy he would use against a computer,
209
636011
2563
dat toen Jan Donner, de Nederlandse grootmeester,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
werd gevraagd welke strategie hij tegen
een computer zou gebruiken, hij antwoordde:
een computer zou gebruiken, hij antwoordde:
10:54
"I'd bring a hammer."
211
642590
1771
'Ik zou een hamer meebrengen.'
10:56
(Laughter)
212
644361
3680
(Gelach)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Tegenwoordig is een computer
niet meer de wereldkampioen schaken.
niet meer de wereldkampioen schaken.
11:04
Neither is a human,
214
652585
2654
En een mens ook niet,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
omdat Kasparov een freestyle wedstrijd organiseerde
11:10
where teams of humans and computers
216
658818
1916
waar teams van mensen en computers
11:12
could work together,
217
660734
2099
samen konden werken.
11:14
and the winning team had no grandmaster,
218
662833
3157
Het winnende team had geen grootmeester
11:17
and it had no supercomputer.
219
665990
2465
en ook geen supercomputer.
11:20
What they had was better teamwork,
220
668455
4175
Zij hadden beter teamwerk
11:24
and they showed that a team of humans and computers,
221
672630
5016
en lieten zien dat een team
van mensen en computers
van mensen en computers
11:29
working together, could beat any computer
222
677646
3048
dat samenwerkt, elke computer kan verslaan,
11:32
or any human working alone.
223
680694
3520
of elk alleen werkende mens.
11:36
Racing with the machine
224
684214
1664
Racen met de machine
11:37
beats racing against the machine.
225
685878
2343
verslaat racen tegen de machine.
11:40
Technology is not destiny.
226
688221
2564
De technologie is niet het lot.
11:42
We shape our destiny.
227
690785
1742
Wij maken ons lot.
11:44
Thank you.
228
692527
1447
Dank u.
11:45
(Applause)
229
693974
5016
(Applaus)
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