TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: A chave para o crescimento? Correr ao lado das máquinas.
Filmed:
Readability: 4.6
1,321,770 views
Com as máquinas a assumir mais postos de trabalho, muitos encontram-se sem emprego ou com aumentos salariais prorrogados indefinidamente. É esse o fim do crescimento? Não, diz Erik Brynjolfsson – são simplesmente as dificuldades de uma economia radicalmente reorganizada. Um caso fascinante do porquê de as grandes inovações estarem à nossa frente... se nós pensarmos nos computadores como membros da nossa equipa. Não deixe de assistir ao ponto de vista oposto, de 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
O crescimento não está morto.
00:14
(Applause)
1
2877
1386
(Aplausos)
00:16
Let's start the story 120 years ago,
2
4263
3963
Vamos começar a história 120 anos atrás,
00:20
when American factories began to electrify their operations,
3
8226
3632
quando fábricas americanas começaram a usar energia elétrica nas suas operações,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
dando início à Segunda Revolução Industrial.
00:27
The amazing thing is
5
15202
1111
O que é surpreendente
00:28
that productivity did not increase in those factories
6
16313
2777
é que a produtividade não aumentou naquelas indústrias
00:31
for 30 years. Thirty years.
7
19090
3256
durante 30 anos. Trinta anos.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Isso é tempo suficente para uma geração de gerentes se aposentar.
00:37
You see, the first wave of managers
9
25820
2222
Vejam, a primeira vaga de gerentes
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
simplesmente substituiu os motores a vapor por motores elétricos,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
mas eles não redesenharam as indústrias para aproveitar
00:46
of electricity's flexibility.
12
34469
2341
a flexibilidade da energia elétrica.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
A próxima geração teria de reinventar os novos processos de trabalho,
00:52
and then productivity soared,
14
40794
2727
e aí sim, a produtividade aumentou,
00:55
often doubling or even tripling in those factories.
15
43521
3665
algumas vezes duplicando ou triplicando nessas fábricas.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
A eletricidade é um exemplo de tecnologia de objetivo geral,
01:03
like the steam engine before it.
17
51909
2230
assim como foi a máquina a vapor antes dela.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
As tecnologias de objectivo geral conduzem a maior parte do crescimento económico,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
porque desencadeiam uma cascata de inovações complementares,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
tal como lâmpadas e, sim, o redesenho industrial.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Existe uma tecnologia de objectivo geral na nossa era?
01:20
Sure. It's the computer.
22
68251
2508
Claro. É o computador.
01:22
But technology alone is not enough.
23
70759
2659
Mas a tecnologia sozinha não é suficente.
01:25
Technology is not destiny.
24
73418
2766
A tecnologia não é o destino.
01:28
We shape our destiny,
25
76184
1580
Nós moldamos o nosso destino,
01:29
and just as the earlier generations of managers
26
77764
2516
e tal como a antiga geração de gerentes
01:32
needed to redesign their factories,
27
80280
2298
precisou de redesenhar as suas indústrias,
01:34
we're going to need to reinvent our organizations
28
82578
2229
nós teremos de reinventar as nossas organizações
01:36
and even our whole economic system.
29
84807
2555
e até mesmo todo o nosso sistema económico.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Nós não estamos a ir tão bem como deveríamos nesta tarefa.
01:42
As we'll see in a moment,
31
90964
1230
Como veremos daqui a um momento,
01:44
productivity is actually doing all right,
32
92194
2722
a produtividade está na verdade a ir bem,
01:46
but it has become decoupled from jobs,
33
94916
3862
mas ela foi dissociada de empregos,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
e a renda do trabalhador típico está a estagnar.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Estes problemas são algumas vezes mal diagnosticados
01:57
as the end of innovation,
36
105716
3712
como o fim da inovação,
02:01
but they are actually the growing pains
37
109428
2129
mas eles, na verdade, são as dificuldades do crescimento
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
daquilo a que eu e Andrew McAfee chamamos de
"a nova era da máquina".
"a nova era da máquina".
02:09
Let's look at some data.
39
117147
1882
Vamos ver alguns dados.
02:11
So here's GDP per person in America.
40
119029
2902
Então aqui está o PIB por pessoa na América.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Tem alguns solavancos pelo caminho, mas a grande história
02:16
is you could practically fit a ruler to it.
42
124697
2715
é que se pode praticamente encaixar uma régua nele.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Está é uma escala logarítima, então o que parece um crescimento estável
02:22
is actually an acceleration in real terms.
44
130688
3043
é na verdade uma aceleração em termos reais.
02:25
And here's productivity.
45
133731
2160
E aqui está a produtividade.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Podem ver um pequeno desaceleceramento aqui no meio dos anos 70,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
mas combina muito bem com a Segunda Revolução Industrial,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
quando as indústrias estavam a aprender a eletrificar as suas operações.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Depois de um pequeno atraso, a produtividade acelerou novamente.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Então talvez a história não se repita
02:43
but sometimes it rhymes."
51
151691
2568
mas às vezes se assemelhe.
02:46
Today, productivity is at an all-time high,
52
154259
3136
Hoje, a produtividade está constantemente alta,
02:49
and despite the Great Recession,
53
157395
1977
e apesar da Grande Recessão,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
cresceu mais rapidamente nos anos 2000
do que nos anos 90,
do que nos anos 90,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
os gritantes anos 90,
e nestes foi mais rápido do que nos anos 70 ou 80.
e nestes foi mais rápido do que nos anos 70 ou 80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Está a crescer mais depressa do que durante a Segunda Revolução Industrial.
03:03
And that's just the United States.
57
171434
1743
E isso é só nos Estados Unidos.
03:05
The global news is even better.
58
173177
3248
As notícias globais são ainda melhores.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Mundialmente, a rentabilidade cresceu
a um ritmo mais rápido
a um ritmo mais rápido
03:10
in the past decade than ever in history.
60
178785
2496
na última década do que em qualquer
outro momento da história.
outro momento da história.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
No mínimo, estes números subestimam o nosso progresso,
03:18
because the new machine age
62
186332
1912
porque a nova era da máquina
03:20
is more about knowledge creation
63
188244
1664
é mais sobre a criação do conhecimento
03:21
than just physical production.
64
189908
2331
do que somente sobre a produção física.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
É mente e não matéria, cérebro e não músculo,
03:27
ideas not things.
66
195177
2062
ideias e não coisas.
03:29
That creates a problem for standard metrics,
67
197239
2570
Isso traz um problema para as métricas padrão,
03:31
because we're getting more and more stuff for free,
68
199809
3502
porque nós vamos tendo mais e mais coisas gratuitas,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
como a Wikipédia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
e, se for publicada na web, até mesmo esta palestra TED.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Bom, ter coisas gratuitas é uma boa coisa, certo?
03:44
Sure, of course it is.
72
212318
1765
Claro, claro que é.
03:46
But that's not how economists measure GDP.
73
214083
3868
Mas não é como os economistas medem o PIB.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Preço zero significa peso zero nas estatísticas do PIB.
03:55
According to the numbers, the music industry
75
223543
2112
De acordo com os números, a indústria da música
03:57
is half the size that it was 10 years ago,
76
225655
3000
está a metade do tamanho que tinha há 10 anos.
04:00
but I'm listening to more and better music than ever.
77
228655
3656
mas eu estou a ouvir mais e melhor música do que nunca.
04:04
You know, I bet you are too.
78
232311
2192
Sabem, eu aposto que vocês também.
04:06
In total, my research estimates
79
234503
2723
No total, a minha pesquisa estima
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
que os números do PIB percam mais de
300 mil milhões de dólares por ano
300 mil milhões de dólares por ano
04:13
in free goods and services on the Internet.
81
241980
3346
em bens e serviços gratuitos na internet.
04:17
Now let's look to the future.
82
245326
1789
Agora vamos olhar para o futuro.
04:19
There are some super smart people
83
247115
2263
Há algumas pessoas super inteligentes
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
que estão a argumentar que nós já
atingimos o final do crescimento,
atingimos o final do crescimento,
04:26
but to understand the future of growth,
85
254397
3558
mas para entender o futuro do crescimento,
04:29
we need to make predictions
86
257955
2683
nós temos de fazer previsões
04:32
about the underlying drivers of growth.
87
260638
3290
sobre as causas básicas do crescimento.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Eu sou otimista, porque a nova era da máquina
04:39
is digital, exponential and combinatorial.
89
267734
5030
é digital, exponencial e combinatória.
04:44
When goods are digital, they can be replicated
90
272764
2264
Quando as coisas são digitais, elas podem ser replicadas
04:47
with perfect quality at nearly zero cost,
91
275028
4509
com perfeita qualidade e a praticamente custo zero,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
e podem ser entregues quase instantaneamente.
04:55
Welcome to the economics of abundance.
93
283555
2800
Bem-vindos à economia da abundância.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Mas existe um benefício mais subtil
devido à digitalização do mundo.
devido à digitalização do mundo.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
A medição é a alma da ciência e do progresso.
05:06
In the age of big data,
96
294645
2148
Na era dos grandes dados,
05:08
we can measure the world in ways we never could before.
97
296793
4286
nós podemos medir o mundo de maneiras
que não podíamos antes.
que não podíamos antes.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Em segundo lugar, a nova era da máquina é exponencial.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Os computadores estão a tornar-se muito mais rápidos
do que qualquer outra coisa.
do que qualquer outra coisa.
05:23
A child's Playstation today is more powerful
100
311109
3568
A Playstation de uma criança é hoje mais poderosa
05:26
than a military supercomputer from 1996.
101
314677
4056
do que um super computador militar de 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Mas os nossos cérebros estão programados
para um mundo linear.
para um mundo linear.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Assim sendo, as tendências exponenciais
apanham-nos de surpresa.
apanham-nos de surpresa.
05:37
I used to teach my students that there are some things,
104
325828
2602
Eu costumava ensinar aos meus alunos que existem algumas coisas
05:40
you know, computers just aren't good at,
105
328430
1934
nas quais os computadores simplesmente não eram bons,
05:42
like driving a car through traffic.
106
330364
2385
como conduzir um carro no trânsito.
05:44
(Laughter)
107
332749
2013
(Risos)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
É isso mesmo, aqui estamos, o Andy e eu,
a sorrir como loucos
a sorrir como loucos
05:50
because we just rode down Route 101
109
338253
2384
porque tínhamos acabado de percorrer a autoestrada 101
05:52
in, yes, a driverless car.
110
340637
3669
num carro, isso mesmo, sem motorista.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Em terceiro lugar, a nova era da máquina é combinatória.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
A visão estagnadora é a de que as ideias se consumirão,
06:02
like low-hanging fruit,
113
350937
1856
como um fruto maduro,
06:04
but the reality is that each innovation
114
352793
3163
mas a realidade é que cada inovação
06:07
creates building blocks for even more innovations.
115
355956
3256
cria blocos de construção para ainda mais inovações.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Aqui está um exemplo. Em apenas algumas semanas,
06:14
an undergraduate student of mine
117
362557
2072
um aluno meu
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
construiu uma aplicação que chegou aos
1,3 milhões de utilizadores.
1,3 milhões de utilizadores.
06:20
He was able to do that so easily
119
368740
1699
Ele foi capaz de o fazer tão facilmente
06:22
because he built it on top of Facebook,
120
370439
1827
porque o construiu com base no Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
e o Facebook foi construído com base na web,
06:26
and that was built on top of the Internet,
122
374199
1698
que foi construída com base na Internet,
06:27
and so on and so forth.
123
375897
2418
e assim por diante.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Agora, individualmente, digital, exponencial e combinatória
06:35
would each be game-changers.
125
383080
2350
seriam, cada um, modificadores do jogo.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Colocando-os juntos, veremos uma onda
06:39
of astonishing breakthroughs,
127
387620
1393
de descobertas surpreendentes,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
como robôs que fazem o trabalho de fábrica
ou correm tão rápido como uma chita
ou correm tão rápido como uma chita
06:44
or leap tall buildings in a single bound.
129
392073
2796
ou saltam entre edifícios altos num único pulo.
06:46
You know, robots are even revolutionizing
130
394869
2232
Sabem, os robôs estão até a revolucionar o
06:49
cat transportation.
131
397101
1829
transporte de gatos.
06:50
(Laughter)
132
398930
2270
(Risos)
06:53
But perhaps the most important invention,
133
401200
2732
Mas talvez a invenção mais importante,
06:55
the most important invention is machine learning.
134
403932
5065
a invenção mais importante é
a aprendizagem por parte da máquina.
a aprendizagem por parte da máquina.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Considerem um projeto: o Watson da IBM.
07:04
These little dots here,
136
412373
1589
Estes pontinhos aqui
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
são todos os campeões do programa de TV "Jeorpardy".
07:10
At first, Watson wasn't very good,
138
418822
2544
No início, o Watson não era muito bom,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
mas melhorou a um ritmo mais rápido do que qualquer humano poderia,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
e, pouco depois, Dave Ferrucci mostrou este gráfico
07:21
to my class at MIT,
141
429675
1652
à minha classe no MIT:
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
o Watson venceu o campeão mundial de "Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
Aos sete anos, o Watson ainda está
como que na sua infância.
como que na sua infância.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Recentemente, os seus professores permitiram que ele navegasse na Internet sem supervisão.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
No dia seguinte, ele começou a responder às perguntas com palavrões.
07:42
Damn. (Laughter)
146
450122
2274
Maldito. (Risos)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Mas sabem, o Watson está a crescer rápido.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Está a ser testado para trabalhos em centros de atendimento telefónico e está a consegui-los.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Está a candidatar-se para trabalhos legais,
bancários e médicos,
bancários e médicos,
07:54
and getting some of them.
150
462612
1950
e a conseguir alguns deles.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Não é irónico que, no momento
07:58
we are building intelligent machines,
152
466451
2234
em que estamos a construir máquinas inteligentes,
08:00
perhaps the most important invention in human history,
153
468685
3449
talvez a invenção mais importante na história da humanidade,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
algumas pessoas argumentem
que a inovação está a estagnar?
que a inovação está a estagnar?
08:08
Like the first two industrial revolutions,
155
476109
2419
Como nas duas primeiras revoluções industriais,
08:10
the full implications of the new machine age
156
478528
3134
todas as implicações da nova era da máquina
08:13
are going to take at least a century to fully play out,
157
481662
2682
vão levar pelo menos um século para serem cumpridas,
08:16
but they are staggering.
158
484344
3032
mas elas são impressionantes.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Isto significa então
que não há motivos para preocupações?
que não há motivos para preocupações?
08:22
No. Technology is not destiny.
160
490712
3680
Não. A tecnologia não é o destino.
08:26
Productivity is at an all time high,
161
494392
2569
A produtividade está em constante alta,
08:28
but fewer people now have jobs.
162
496961
2983
mas há agora menos pessoas com emprego.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Nós criámos mais riqueza na década passada
do que nunca,
do que nunca,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
mas, para a maioria dos americanos, o rendimento caiu.
08:38
This is the great decoupling
165
506968
2312
Esta é a grande dissociação
08:41
of productivity from employment,
166
509280
2976
entre produtividade e emprego,
08:44
of wealth from work.
167
512256
3104
entre riqueza e trabalho.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Não é de estranhar que milhões de pessoas
08:49
have become disillusioned by the great decoupling,
169
517706
2846
se tenham desiludido com esta grande dissociação,
08:52
but like too many others,
170
520552
1747
mas, como muitos outros,
08:54
they misunderstand its basic causes.
171
522299
3097
eles diagnosticaram mal as suas causas básicas.
08:57
Technology is racing ahead,
172
525396
2610
A tecnologia está a levar-nos para a frente,
09:00
but it's leaving more and more people behind.
173
528006
3550
mas deixa cada vez mais pessoas para trás.
09:03
Today, we can take a routine job,
174
531556
3519
Hoje, podemos pegar num trabalho rotineiro,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
codificá-lo num conjunto de instruções
legíveis por uma máquina
legíveis por uma máquina
09:10
and then replicate it a million times.
176
538166
2827
e, em seguida, replicá-las um milhão de vezes.
09:12
You know, I recently overheard a conversation
177
540993
2279
Ouvi recentemente uma conversa
09:15
that epitomizes these new economics.
178
543272
1952
que resume esta nova economia.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Esse indivíduo dizia
"Não, eu já não uso serviços de contabilistas.
"Não, eu já não uso serviços de contabilistas.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
O TurboTax faz tudo o que a minha contabilista fazia
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
mas é mais rápido, mais barato e mais preciso."
09:28
How can a skilled worker
182
556427
1799
Como pode uma trabalhadora qualificada
09:30
compete with a $39 piece of software?
183
558226
3009
competir com um software que custa 30 euros?
09:33
She can't.
184
561235
1967
Não pode.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Hoje, milhões de americanos têm
um cálculo de impostos mais rápido,
um cálculo de impostos mais rápido,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
mais barato, mais preciso,
09:40
and the founders of Intuit
187
568369
1486
e os fundadores da Intuit
09:41
have done very well for themselves.
188
569855
2493
têm beneficiado muito.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Mas 17% dos contabilistas já não têm emprego.
09:48
That is a microcosm of what's happening,
190
576562
2078
Isto é um microcosmo do que está a acontecer,
09:50
not just in software and services, but in media and music,
191
578640
4677
não só em software e serviços, mas também
nos meios de comunicação social e na música,
nos meios de comunicação social e na música,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
nas finanças, manufacturas, vendas e comércio –
09:59
in short, in every industry.
193
587003
3895
em suma, em todos os setores.
10:02
People are racing against the machine,
194
590898
3095
As pessoas estão a correr contra a máquina
10:05
and many of them are losing that race.
195
593993
3090
e muitos deles estão a perder essa corrida.
10:09
What can we do to create shared prosperity?
196
597083
3886
O que podemos fazer para criar
uma prosperidade partilhada?
uma prosperidade partilhada?
10:12
The answer is not to try to slow down technology.
197
600969
3017
A resposta não é tentar desacelerar a tecnologia.
10:15
Instead of racing against the machine,
198
603986
2557
Em vez de correr contra a máquina,
10:18
we need to learn to race with the machine.
199
606543
3677
precisamos de aprender a correr ao lado da máquina.
10:22
That is our grand challenge.
200
610220
3129
Este é o nosso grande desafio.
10:25
The new machine age
201
613349
2324
O início da nova era da máquina
10:27
can be dated to a day 15 years ago
202
615673
3113
pode ser datado num dia, há 15 anos,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
quando Gary Kasparov, campeão mundial de xadrez,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
jogou contra Deep Blue, um supercomputador.
10:37
The machine won that day,
205
625370
2012
A máquina ganhou naquele dia
10:39
and today, a chess program running on a cell phone
206
627382
2968
e, hoje, um programa de xadrez de um telemóvel
10:42
can beat a human grandmaster.
207
630350
2296
pode ganhar a um Grande Mestre humano.
10:44
It got so bad that, when he was asked
208
632646
3365
A situação ficou tão má que, quando foi questionado sobre
10:48
what strategy he would use against a computer,
209
636011
2563
qual a estratégia que usaria contra o computador,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
Jan Donner, o Grande Mestre holandês, respondeu:
10:54
"I'd bring a hammer."
211
642590
1771
"Eu traria um martelo".
10:56
(Laughter)
212
644361
3680
(Risos)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Mas hoje o campeão mundial de xadrez
já não é um computador.
já não é um computador.
11:04
Neither is a human,
214
652585
2654
Também não é um ser humano,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
porque Kasparov organizou um torneio de estilo livre
11:10
where teams of humans and computers
216
658818
1916
onde equipas de seres humanos e computadores
11:12
could work together,
217
660734
2099
poderiam trabalhar juntas,
11:14
and the winning team had no grandmaster,
218
662833
3157
e a equipa vencedora não tinha nenhum Grande Mestre
11:17
and it had no supercomputer.
219
665990
2465
e não tinha nenhum supercomputador.
11:20
What they had was better teamwork,
220
668455
4175
O que eles tinham era melhor trabalho de equipa,
11:24
and they showed that a team of humans and computers,
221
672630
5016
e mostraram que uma equipa de seres humanos e computadores,
11:29
working together, could beat any computer
222
677646
3048
trabalhando juntos, poderia vencer qualquer computador
11:32
or any human working alone.
223
680694
3520
ou qualquer ser humano a trabalhar sozinhos.
11:36
Racing with the machine
224
684214
1664
Correr ao lado da máquina
11:37
beats racing against the machine.
225
685878
2343
é melhor do que correr contra a máquina.
11:40
Technology is not destiny.
226
688221
2564
A tecnologia não é o destino.
11:42
We shape our destiny.
227
690785
1742
Nós moldamos o nosso destino.
11:44
Thank you.
228
692527
1447
Obrigado.
11:45
(Applause)
229
693974
5016
(Aplausos)
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