TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Эрик Бринолфссон: Ключ к росту? Гонка вместе с машинами
Filmed:
Readability: 4.6
1,321,770 views
Пока машины осваивают всё новые специальности, многие лишаются работы, или же повышение их зарплаты откладывается на неопределённое время. Означает ли это конец роста? Нет, говорит Эрик Бринолфссон, это просто издержки роста радикально преобразованной экономики. Захватывающие факты, иллюстрирующие, что грядёт эра больших инноваций... если мы возьмём компьютеры в свою команду.
Не забудьте посмотреть противоположную точку зрения Роберта Гордона.
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
Рост не мёртв.
00:14
(Applause)
1
2877
1386
(Аплодисменты)
00:16
Let's start the story 120 years ago,
2
4263
3963
Начнём с истории 120-летней давности,
00:20
when American factories began to electrify their operations,
3
8226
3632
когда американские заводы стали снабжать
свои производства электричеством,
свои производства электричеством,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
что привело ко Второй промышленной революции.
00:27
The amazing thing is
5
15202
1111
Удивительно то,
00:28
that productivity did not increase in those factories
6
16313
2777
что производительность этих заводов
не увеличивалась
не увеличивалась
00:31
for 30 years. Thirty years.
7
19090
3256
в течение 30 лет. Тридцати лет.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Этого времени достаточно, чтобы сменилось
целое поколение управленцев.
целое поколение управленцев.
00:37
You see, the first wave of managers
9
25820
2222
Видите ли, первая волна управленцев
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
просто заменяла паровые двигатели
на электромоторы —
на электромоторы —
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
но они модернизировали предприятия не для того,
чтобы с умом пользоваться
чтобы с умом пользоваться
00:46
of electricity's flexibility.
12
34469
2341
гибкостью электричества.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
На плечи уже следующего поколения перепало
изобретение новых технологических процессов.
изобретение новых технологических процессов.
00:52
and then productivity soared,
14
40794
2727
Именно тогда производительность предприятий
00:55
often doubling or even tripling in those factories.
15
43521
3665
стала резко увеличиваться,
часто в два или три раза.
часто в два или три раза.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
Электричество — это пример
технологии общего назначения,
технологии общего назначения,
01:03
like the steam engine before it.
17
51909
2230
какой до этого был паровой двигатель.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Технологии общего назначения
стимулируют экономический рост,
стимулируют экономический рост,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
так как они высвобождают потоки
сопутствующих инноваций,
сопутствующих инноваций,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
таких, как лампы накаливания и,
да, модернизация предприятий.
да, модернизация предприятий.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Есть ли технология общего назначения
для нашего времени?
для нашего времени?
01:20
Sure. It's the computer.
22
68251
2508
Разумеется. Это компьютер.
01:22
But technology alone is not enough.
23
70759
2659
Но одних технологий недостаточно.
01:25
Technology is not destiny.
24
73418
2766
Технологии — это не судьба.
01:28
We shape our destiny,
25
76184
1580
Мы сами творцы своей судьбы,
01:29
and just as the earlier generations of managers
26
77764
2516
и так же, как и ранние поколения управленцев,
01:32
needed to redesign their factories,
27
80280
2298
которым нужно было
модернизировать производства,
модернизировать производства,
01:34
we're going to need to reinvent our organizations
28
82578
2229
нам понадобится обновить
наши организации
наши организации
01:36
and even our whole economic system.
29
84807
2555
и даже целую экономическую систему.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Мы не справляемся с этим так,
как надо было бы.
как надо было бы.
01:42
As we'll see in a moment,
31
90964
1230
Как мы сейчас увидим,
01:44
productivity is actually doing all right,
32
92194
2722
с само́й производительностью всё в порядке,
01:46
but it has become decoupled from jobs,
33
94916
3862
но она отделилась от рабочих мест,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
и доходы типичного работника стагнируют.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Эти проблемы иногда неверно принимают
01:57
as the end of innovation,
36
105716
3712
за конец инноваций,
02:01
but they are actually the growing pains
37
109428
2129
хотя на самом деле
это издержки роста того,
это издержки роста того,
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
что мы с Эндрю Макафи
называем новой машинной эрой.
называем новой машинной эрой.
02:09
Let's look at some data.
39
117147
1882
Посмотрим на кое-какие данные.
02:11
So here's GDP per person in America.
40
119029
2902
Вот ВВП на душу населения в США.
02:13
There's some bumps along the way, but the big story
41
121931
2766
В разных местах наблюдаются
неровности, но в общем и целом
неровности, но в общем и целом
02:16
is you could practically fit a ruler to it.
42
124697
2715
тренд можно прочертить по линейке.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Этот график в логарифмах, так что то,
что выглядит как стационарный рост,
что выглядит как стационарный рост,
02:22
is actually an acceleration in real terms.
44
130688
3043
в реальных величинах
является ростом ускоряющимся.
является ростом ускоряющимся.
02:25
And here's productivity.
45
133731
2160
А вот производительность.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
В середине 70-х можно было
наблюдать некоторое замедление,
наблюдать некоторое замедление,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
но в общем график хорошо соотносится
со Второй промышленной революцией,
со Второй промышленной революцией,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
когда предприятия учились
электрификации производств.
электрификации производств.
02:36
After a lag, productivity accelerated again.
49
144991
4129
После задержки рост производительности
снова ускорился.
снова ускорился.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Так что, возможно, «история не повторяется,
02:43
but sometimes it rhymes."
51
151691
2568
но иногда она рифмуется».
02:46
Today, productivity is at an all-time high,
52
154259
3136
Сейчас производительность находится
на историческом максимуме,
на историческом максимуме,
02:49
and despite the Great Recession,
53
157395
1977
и, несмотря на Великий Спад,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
она росла в 2000-х быстрее, чем в 90-х,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
в бурных 90-х; а тогда она росла
быстрее, чем в 70-х или 80-х.
быстрее, чем в 70-х или 80-х.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Она растёт быстрее, чем во времена
Второй промышленной революции.
Второй промышленной революции.
03:03
And that's just the United States.
57
171434
1743
И это только в США.
03:05
The global news is even better.
58
173177
3248
Новости остального мира ещё лучше.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Доходы по всему миру росли быстрее
03:10
in the past decade than ever in history.
60
178785
2496
за последнее десятилетие,
чем когда-либо в истории.
чем когда-либо в истории.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Пожалуй, эти данные
даже преуменьшают прогресс,
даже преуменьшают прогресс,
03:18
because the new machine age
62
186332
1912
так как суть новой машинной эры
03:20
is more about knowledge creation
63
188244
1664
скорее в создании знаний,
03:21
than just physical production.
64
189908
2331
нежели в простом физическом производстве;
03:24
It's mind not matter, brain not brawn,
65
192239
2938
в разуме, а не в материи;
в мозге, а не в мускулах;
в мозге, а не в мускулах;
03:27
ideas not things.
66
195177
2062
в идеях, а не в вещах.
03:29
That creates a problem for standard metrics,
67
197239
2570
Это является проблемой
для стандартных систем показателей:
для стандартных систем показателей:
03:31
because we're getting more and more stuff for free,
68
199809
3502
появляется всё больше бесплатных продуктов,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
таких как Википедия, Гугл, Скайп,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
и даже это выступление,
если его выложат в сеть.
если его выложат в сеть.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Бесплатные вещи — это здорово, правда?
03:44
Sure, of course it is.
72
212318
1765
Разумеется, да.
03:46
But that's not how economists measure GDP.
73
214083
3868
Но это не вписывается
в концепцию измерения ВВП.
в концепцию измерения ВВП.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Нулевая цена означает
отсутствие веса в статистике ВВП.
отсутствие веса в статистике ВВП.
03:55
According to the numbers, the music industry
75
223543
2112
Данные показывают,
что оборот музыкальной индустрии
что оборот музыкальной индустрии
03:57
is half the size that it was 10 years ago,
76
225655
3000
сократился в два раза
за последние десять лет.
за последние десять лет.
04:00
but I'm listening to more and better music than ever.
77
228655
3656
Но я слушаю всё больше и больше
музыки лучшего качества.
музыки лучшего качества.
04:04
You know, I bet you are too.
78
232311
2192
Держу пари, и вы тоже.
04:06
In total, my research estimates
79
234503
2723
Моё исследование показывает,
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
что всего в цифрах ВВП не учитывается
около 300 миллиардов долларов
около 300 миллиардов долларов
04:13
in free goods and services on the Internet.
81
241980
3346
бесплатных товаров и услуг Интернета ежегодно.
04:17
Now let's look to the future.
82
245326
1789
Заглянем в будущее.
04:19
There are some super smart people
83
247115
2263
Некоторые очень умные люди
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
заявляют, что росту пришёл конец,
04:26
but to understand the future of growth,
85
254397
3558
но, чтобы понять будущее роста,
04:29
we need to make predictions
86
257955
2683
нужны прогнозы относительно
04:32
about the underlying drivers of growth.
87
260638
3290
факторов, лежащих в его основе.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Я оптимистичен, потому что
новой машинной эре присущи
новой машинной эре присущи
04:39
is digital, exponential and combinatorial.
89
267734
5030
цифровой формат, экспоненциальные
тренды и комбинаторность.
тренды и комбинаторность.
04:44
When goods are digital, they can be replicated
90
272764
2264
Цифровые товары могут быть тиражированы
04:47
with perfect quality at nearly zero cost,
91
275028
4509
в идеальном качестве
с практически нулевыми издержками
с практически нулевыми издержками
04:51
and they can be delivered almost instantaneously.
92
279537
4018
и могут быть доставлены
практически мгновенно.
практически мгновенно.
04:55
Welcome to the economics of abundance.
93
283555
2800
Добро пожаловать в экономику изобилия.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Но есть ещё одно неуловимое
преимущество цифрового мира.
преимущество цифрового мира.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Измерения — источник жизненной силы
науки и прогресса.
науки и прогресса.
05:06
In the age of big data,
96
294645
2148
В эпоху больших массивов данных
05:08
we can measure the world in ways we never could before.
97
296793
4286
мы можем измерять мир
невиданными ранее способами.
невиданными ранее способами.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Во-вторых, новая Машинная эра
экспоненциальна.
экспоненциальна.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Компьютеры улучшаются быстрее,
чем когда-либо что-либо ещё.
чем когда-либо что-либо ещё.
05:23
A child's Playstation today is more powerful
100
311109
3568
Приставка Playstation сегодня мощнее,
05:26
than a military supercomputer from 1996.
101
314677
4056
чем военный суперкомпьютер 1996 года.
05:30
But our brains are wired for a linear world.
102
318733
3207
Но наш мозг привык к линейному миру.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
В результате экспоненциальные тренды
застают нас врасплох.
застают нас врасплох.
05:37
I used to teach my students that there are some things,
104
325828
2602
Я раньше учил своих студентов,
что есть занятия,
что есть занятия,
05:40
you know, computers just aren't good at,
105
328430
1934
в которых от компьютеров мало толку,
05:42
like driving a car through traffic.
106
330364
2385
например, вождение машины в пробке.
05:44
(Laughter)
107
332749
2013
(Смех)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Верно. Вот Энди и я с улыбками до ушей,
05:50
because we just rode down Route 101
109
338253
2384
потому что мы только что проехали
по Шоссе 101
по Шоссе 101
05:52
in, yes, a driverless car.
110
340637
3669
на беспилотном автомобиле.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
В-третьих, новая машинная эра комбинаторна.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Сторонники теории стагнации
считают, что идеи истощаются
считают, что идеи истощаются
06:02
like low-hanging fruit,
113
350937
1856
подобно низко висящим фруктам.
06:04
but the reality is that each innovation
114
352793
3163
Но в действительности каждая инновация
06:07
creates building blocks for even more innovations.
115
355956
3256
закладывает фундамент новых инноваций.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Вот пример. Всего за несколько недель
06:14
an undergraduate student of mine
117
362557
2072
один из моих студентов-бакалавров
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
разработал приложение
для 1,3 миллиона пользователей.
для 1,3 миллиона пользователей.
06:20
He was able to do that so easily
119
368740
1699
Ему это так просто удалось,
06:22
because he built it on top of Facebook,
120
370439
1827
потому что приложение написано для Фейсбук,
06:24
and Facebook was built on top of the web,
121
372266
1933
а Фейсбук был когда-то создан
на основе всемирной паутины,
на основе всемирной паутины,
06:26
and that was built on top of the Internet,
122
374199
1698
которая была создана на основе Интернета,
06:27
and so on and so forth.
123
375897
2418
и так далее.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
По отдельности цифровой формат,
экспоненциальный рост и комбинаторность
экспоненциальный рост и комбинаторность
06:35
would each be game-changers.
125
383080
2350
уже изменили бы правила игры.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Соединённые воедино,
они позволяют нам наблюдать
они позволяют нам наблюдать
06:39
of astonishing breakthroughs,
127
387620
1393
волну ошеломляющих открытий,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
таких как роботы, выполняющие конвейерную работу,
или бегущие быстрее гепарда,
или бегущие быстрее гепарда,
06:44
or leap tall buildings in a single bound.
129
392073
2796
или перескакивающие высокие здания
в один прыжок.
в один прыжок.
06:46
You know, robots are even revolutionizing
130
394869
2232
Роботы в корне меняют даже
06:49
cat transportation.
131
397101
1829
процесс передвижения котов.
06:50
(Laughter)
132
398930
2270
(Смех)
06:53
But perhaps the most important invention,
133
401200
2732
Но, возможно, самое важное изобретение,
06:55
the most important invention is machine learning.
134
403932
5065
самое важное изобретение —
машинное обучение.
машинное обучение.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Возьмём проект IBM — суперкомпьютер Watson.
07:04
These little dots here,
136
412373
1589
Эти маленькие точки на графике —
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
чемпионы телевикторины Jeopardy.
[процент точности их ответов]
[процент точности их ответов]
07:10
At first, Watson wasn't very good,
138
418822
2544
Сначала Watson мало что удавалось,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
но он совершенствовался
в разы быстрее, чем любой человек,
в разы быстрее, чем любой человек,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
и вскоре после того, как Дейв Ферруччи
показал этот график
показал этот график
07:21
to my class at MIT,
141
429675
1652
на моей паре в MIT,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson побил рекорд чемпиона
по игре в Jeopardy.
по игре в Jeopardy.
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
Семилетний возраст для Watson —
возраст ребёнка.
возраст ребёнка.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Недавно его учителя позволили ему
безнадзорно побродить по просторам Интернета.
безнадзорно побродить по просторам Интернета.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
На следующий день он стал отвечать
на вопросы нецензурной бранью.
на вопросы нецензурной бранью.
07:42
Damn. (Laughter)
146
450122
2274
Чёрт возьми. (Смех)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Но Watson растёт очень быстро.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Он пытается устроиться на работу в колл-центрах,
и его берут.
и его берут.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Он ищет работу в юриспруденции,
банковской и медицинской сфере
банковской и медицинской сфере
07:54
and getting some of them.
150
462612
1950
и тоже получает некоторые места.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Не иронично ли то, что в тот самый момент,
07:58
we are building intelligent machines,
152
466451
2234
когда мы конструируем машины
с искусственным интеллектом —
с искусственным интеллектом —
08:00
perhaps the most important invention in human history,
153
468685
3449
возможно, самое главное
изобретение человечества —
изобретение человечества —
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
некоторые заявляют,
что инновации стагнируют?
что инновации стагнируют?
08:08
Like the first two industrial revolutions,
155
476109
2419
Как и в двух первых промышленных революциях
08:10
the full implications of the new machine age
156
478528
3134
все последствия новой машинной эры
08:13
are going to take at least a century to fully play out,
157
481662
2682
в полной мере раскроются только
спустя по крайней мере век,
спустя по крайней мере век,
08:16
but they are staggering.
158
484344
3032
но они уже потрясают.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Означает ли это,
что нам не о чем волноваться?
что нам не о чем волноваться?
08:22
No. Technology is not destiny.
160
490712
3680
Нет. Технологии не судьба.
08:26
Productivity is at an all time high,
161
494392
2569
Производительность находится
на историческом максимуме,
на историческом максимуме,
08:28
but fewer people now have jobs.
162
496961
2983
но у меньшего количества людей есть работа.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
За последние десять лет мы аккумулировали
больше богатства, чем когда бы то ни было,
больше богатства, чем когда бы то ни было,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
но доходы большинства американцев упали.
08:38
This is the great decoupling
165
506968
2312
Это великое отделение
08:41
of productivity from employment,
166
509280
2976
производительности от занятости,
08:44
of wealth from work.
167
512256
3104
богатства от работы.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Неудивительно, что миллионы людей
08:49
have become disillusioned by the great decoupling,
169
517706
2846
разочарованы в этом великом отделении.
08:52
but like too many others,
170
520552
1747
Но, как и многие другие,
08:54
they misunderstand its basic causes.
171
522299
3097
они неправильно понимают
его основные причины.
его основные причины.
08:57
Technology is racing ahead,
172
525396
2610
Технологии мчатся впереди
09:00
but it's leaving more and more people behind.
173
528006
3550
и оставляют всё больше людей позади.
09:03
Today, we can take a routine job,
174
531556
3519
Сейчас мы можем закодировать
механически выполняемую работу
механически выполняемую работу
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
в последовательность инструкций,
понятных машинам,
понятных машинам,
09:10
and then replicate it a million times.
176
538166
2827
и размножить её миллионы раз.
09:12
You know, I recently overheard a conversation
177
540993
2279
Недавно я подслушал разговор,
09:15
that epitomizes these new economics.
178
543272
1952
который резюмирует
новое экономическое устройство.
новое экономическое устройство.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Один парень сказал: «Нет, я больше не пользуюсь
услугами H&R Block [для подготовки деклараций] —
услугами H&R Block [для подготовки деклараций] —
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
[программа] TurboTax делает всё,
что делала та компания,
что делала та компания,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
но она быстрее, дешевле и точнее».
09:28
How can a skilled worker
182
556427
1799
Как квалифицированный работник
09:30
compete with a $39 piece of software?
183
558226
3009
может конкурировать с программой
стоимостью 39 долларов?
стоимостью 39 долларов?
09:33
She can't.
184
561235
1967
Никак.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Сегодня для миллионов американцев
процесс подготовки деклараций
процесс подготовки деклараций
09:37
cheaper, more accurate tax preparation,
186
565982
2387
стал быстрее, дешевле, точнее,
09:40
and the founders of Intuit
187
568369
1486
а основатели Intuit
09:41
have done very well for themselves.
188
569855
2493
живут припеваючи.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Но 17% людей, занимавшихся
налоговыми декларациями, потеряли работу.
налоговыми декларациями, потеряли работу.
09:48
That is a microcosm of what's happening,
190
576562
2078
Это иллюстрация процессов, происходящих
09:50
not just in software and services, but in media and music,
191
578640
4677
не только в программном обеспечении и сфере услуг,
но и в медиа- и музыкальной индустрии,
но и в медиа- и музыкальной индустрии,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
финансах и производстве,
розничной продаже и торговле —
розничной продаже и торговле —
09:59
in short, in every industry.
193
587003
3895
вкратце, во всех отраслях.
10:02
People are racing against the machine,
194
590898
3095
Люди конкурируют с машинами,
10:05
and many of them are losing that race.
195
593993
3090
и многие из них проигрывают.
10:09
What can we do to create shared prosperity?
196
597083
3886
Что можно сделать для всеобщего процветания?
10:12
The answer is not to try to slow down technology.
197
600969
3017
Ответ не в замедлении роста технологий.
10:15
Instead of racing against the machine,
198
603986
2557
Вместо того, чтобы бежать
наперегонки с машинами,
наперегонки с машинами,
10:18
we need to learn to race with the machine.
199
606543
3677
нужно научиться бежать вместе с ними.
10:22
That is our grand challenge.
200
610220
3129
Это наш главный вызов.
10:25
The new machine age
201
613349
2324
Отсчёт новой машинной эры
10:27
can be dated to a day 15 years ago
202
615673
3113
можно вести с даты 15-летней давности,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
когда Гари Каспаров,
чемпион мира по шахматам,
чемпион мира по шахматам,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
сыграл против суперкомпьютера Deep Blue.
10:37
The machine won that day,
205
625370
2012
Тогда машина выиграла,
10:39
and today, a chess program running on a cell phone
206
627382
2968
а сегодня простое мобильное
приложение для игры в шахматы
приложение для игры в шахматы
10:42
can beat a human grandmaster.
207
630350
2296
может победить гроссмейстера.
10:44
It got so bad that, when he was asked
208
632646
3365
Всё стало настолько плохо,
что, когда Яна Доннера,
что, когда Яна Доннера,
10:48
what strategy he would use against a computer,
209
636011
2563
нидерландского гроссмейстра,
спросили, какую стратегию
спросили, какую стратегию
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
он применил бы против компьютера,
он ответил:
он ответил:
10:54
"I'd bring a hammer."
211
642590
1771
«Я бы принёс с собой молоток».
10:56
(Laughter)
212
644361
3680
(Смех)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Сегодня чемпионом мира по шахматам
уже не является ни компьютер,
уже не является ни компьютер,
11:04
Neither is a human,
214
652585
2654
ни человек.
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
Каспаров организовал турнир
по фристайл-шахматам,
по фристайл-шахматам,
11:10
where teams of humans and computers
216
658818
1916
где команды людей и компьютеров
11:12
could work together,
217
660734
2099
могли работать вместе.
11:14
and the winning team had no grandmaster,
218
662833
3157
У победившей команды
не было ни гроссмейстера,
не было ни гроссмейстера,
11:17
and it had no supercomputer.
219
665990
2465
ни суперкомпьютера.
11:20
What they had was better teamwork,
220
668455
4175
У них была лучшая командная работа,
11:24
and they showed that a team of humans and computers,
221
672630
5016
и они показали,
что команда людей и компьютеров,
что команда людей и компьютеров,
11:29
working together, could beat any computer
222
677646
3048
работая вместе,
может победить любой компьютер
может победить любой компьютер
11:32
or any human working alone.
223
680694
3520
или человека, работающих поодиночке.
11:36
Racing with the machine
224
684214
1664
Гонка вместе с машинами
11:37
beats racing against the machine.
225
685878
2343
лучше, чем гонка наперегонки с машинами.
11:40
Technology is not destiny.
226
688221
2564
Технология не судьба.
11:42
We shape our destiny.
227
690785
1742
Мы сами творцы своей судьбы.
11:44
Thank you.
228
692527
1447
Спасибо вам.
11:45
(Applause)
229
693974
5016
(Аплодисменты)
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