TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: Büyümenin kilidi? Makinelerle yarışmak
Filmed:
Readability: 4.6
1,321,770 views
Makineler daha çok işi yapabilir hale geldikçe, pek çok insan kendisini işsiz ya da maaşla birlikte süresiz olarak tecil edilmiş buluyorlar. Gelişimin sonu mudur? Erik Brynjolfsoon; 'Hayır, bu tamamen kökten tekrar organize edilmiş ekonominin büyüme sancılarıdır. Büyük buluşların neden bizim önümüzde olduğu merak uyandırıcı bir durum... bilgisayarları takım arkadaşlarımız gibi düşündüğümüz takdirde... Robert Gordon'ın muhalif bakış açısını seyrettiğinize emin olun.
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
Yaşlanmak ölü demek değildir.
00:14
(Applause)
1
2877
1386
(Alkışlar)
00:16
Let's start the story 120 years ago,
2
4263
3963
120 yıl önceki hikayeye başlayalım.
00:20
when American factories began to electrify their operations,
3
8226
3632
Amerikan fabrikalarının İkinci Sanayi devrimini ateşleyen
00:23
igniting the Second Industrial Revolution.
4
11858
3344
manevralarını başlattığı zamanki hikayeye...
00:27
The amazing thing is
5
15202
1111
Harika şey şu ki
00:28
that productivity did not increase in those factories
6
16313
2777
bu fabrikalarda 30 yıl boyunca verimlilik
00:31
for 30 years. Thirty years.
7
19090
3256
artmadı. Otuz yıl.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Bu bir nesil yöneticinin emekli olması için yeterince uzun bir zaman.
00:37
You see, the first wave of managers
9
25820
2222
Görüyorsunuz ki yöneticilerin birinci dalgası
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
buhar makinelerini elektrik motorlarla değiştirdiler,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
fakat fabrikaları, elektriklerin esnekliğinden faydalanmak için
00:46
of electricity's flexibility.
12
34469
2341
yeniden tasarlamadılar.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Yeni iş yöntemi icat etme görevi, bir sonraki nesle düştü
00:52
and then productivity soared,
14
40794
2727
ve sonra bu fabrikalardaki üretkenlik sıklıkla
00:55
often doubling or even tripling in those factories.
15
43521
3665
iki ya da üç katına çıkarak arttı.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
Ondan önceki buhar makinesi gibi elektrik,
01:03
like the steam engine before it.
17
51909
2230
her amaca uygun teknolojinin bir örneğidir.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Her amaca uygun teknoloji en çok ekonomik gelişimi sağlar,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
çünkü birbirini tamamlayan yeniliklerin basamaklarını serbest bırakırlar--
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
elektrik lambası, evet, fabrikanın yeniden tasarımı gibi.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Çağımızın her amaca uygun bir teknolojisi var mı?
01:20
Sure. It's the computer.
22
68251
2508
Elbette. O, bilgisayar.
01:22
But technology alone is not enough.
23
70759
2659
Ancak tek başına teknoloji yeterli değildir.
01:25
Technology is not destiny.
24
73418
2766
Teknoloji, kader değildir.
01:28
We shape our destiny,
25
76184
1580
Kaderimizi kendimiz şekillendiririz
01:29
and just as the earlier generations of managers
26
77764
2516
ve yöneticilerin daha önceki kuşakları gibi
01:32
needed to redesign their factories,
27
80280
2298
fabrikalarını yeniden inşa etmeleri gerekliydi.
01:34
we're going to need to reinvent our organizations
28
82578
2229
Kuruluşlarımızı ve hatta tüm ekonomik sistemimizi
01:36
and even our whole economic system.
29
84807
2555
yeniden oluşturmamız gerekecek.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Olması gerektiği kadar iyi bir iş yapmıyoruz.
01:42
As we'll see in a moment,
31
90964
1230
Hemen şimdi göreceğimiz gibi
01:44
productivity is actually doing all right,
32
92194
2722
üretkenlik aslında yolunda,
01:46
but it has become decoupled from jobs,
33
94916
3862
ancak o, mesleklerden ayrıştırıldı
01:50
and the income of the typical worker is stagnating.
34
98778
4419
ve tipik çalışan gelirleri hiç ilerlemiyor.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Yenilikçiliğin sonu olduğu için bazen bu sorunlara
01:57
as the end of innovation,
36
105716
3712
yanlış tanı konuluyor.
02:01
but they are actually the growing pains
37
109428
2129
Fakat aslında onlar, Andrew McAfee ve benim
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
"yeni makine çağı" olarak adlandırdığımız şeyin büyüme sancılarıdır.
02:09
Let's look at some data.
39
117147
1882
Bazı verilere bakalım.
02:11
So here's GDP per person in America.
40
119029
2902
İşte buradaki Amerika'da adam başına düşen gayri safi yurtiçi hasıla.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Yol boyunca bazı çıkıntılar var, ancak büyük hikaye şu ki
02:16
is you could practically fit a ruler to it.
42
124697
2715
siz hakikaten burada net bir eğilim yakalayabilirsiniz.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Bu logaritma ölçeğinde, yani istikrarlı büyüme gibi görünen şey
02:22
is actually an acceleration in real terms.
44
130688
3043
aslında gerçek anlamda bir ivmelenme.
02:25
And here's productivity.
45
133731
2160
Ve işte üretkenlik.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Orada 70'lerin ortalarında birazcık durgunluk görebilirsiniz.
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
Ancak fabrikalar faaliyetlerini nasıl hızlandıracaklarını öğrendikleri zaman
02:34
when factories were learning how to electrify their operations.
48
142300
2691
İkinci Endüstri Devrimi ile oldukça çok birbirine uydular.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Bir duraklamadan sonra, üretkenlik tekrar ivme kazandı.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Yani, belki "tarih tekerrür etmez,
02:43
but sometimes it rhymes."
51
151691
2568
ancak bazen kafiye yapar".
02:46
Today, productivity is at an all-time high,
52
154259
3136
Bugün üretkenlik en üst seviyede
02:49
and despite the Great Recession,
53
157395
1977
ve Küresel Kriz'e rağmen, üretkenlik
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
2000'li yıllarda 1990'lı yıllarda olduğundan daha hızlı gelişiyor.
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
Oysa 1990'lar, 70'ler ve ya 80'lerden çok daha başarılı.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
İkinci Sanayi Devrimi boyunca olduğundan daha hızlı gelişiyor.
03:03
And that's just the United States.
57
171434
1743
Ve bu sadece Amerika Birleşik Devletleri.
03:05
The global news is even better.
58
173177
3248
Küresel haberler daha da iyi.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Dünya çapındaki gelirler, geçtiğimiz 10 yılda tarihte olduğundan
03:10
in the past decade than ever in history.
60
178785
2496
daha hızlı bir oranda arttı.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Aksine, tüm bu numaralar aslında gelişimimizi olduğundan az gösteriyor.
03:18
because the new machine age
62
186332
1912
Çünkü yeni makine çağı,
03:20
is more about knowledge creation
63
188244
1664
sadece fiziksel üretkenlikten çok
03:21
than just physical production.
64
189908
2331
bilgi üretmekle ilgilidir.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
O, kafa, beyin ve fikirler hakkındadır;
03:27
ideas not things.
66
195177
2062
cisim, kas ya da objeler değil.
03:29
That creates a problem for standard metrics,
67
197239
2570
Bu standart ölçümler için problem oluşturur,
03:31
because we're getting more and more stuff for free,
68
199809
3502
çünkü biz çok daha fazla şeyi bedavaya elde ediyoruz;
03:35
like Wikipedia, Google, Skype,
69
203311
2641
Vikipedi, Google, Skype
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
ve web'e koyarlarsa, hatta bu TED konuşması gibi şeyleri.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Şimdi, bedavaya bunları elde etmek iyi bir şey, değil mi?
03:44
Sure, of course it is.
72
212318
1765
Elbette, tabi ki öyle.
03:46
But that's not how economists measure GDP.
73
214083
3868
Fakat bu, iktisatçıların Gayri Safi Yurtiçi Hasılayı belirleme tarzı değil.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Gayri Safi Yurtiçi Hasıla istatistiklerinde sıfır fiyat, sıfır ağırlık anlamına gelir.
03:55
According to the numbers, the music industry
75
223543
2112
Rakamlara göre, müzik piyasası
03:57
is half the size that it was 10 years ago,
76
225655
3000
10 yıl önceki hacminin yarısı kadar.
04:00
but I'm listening to more and better music than ever.
77
228655
3656
Ancak her zamankinden daha fazla ve daha iyi müzik dinliyorum.
04:04
You know, I bet you are too.
78
232311
2192
Bahse girerim siz de öylesiniz.
04:06
In total, my research estimates
79
234503
2723
Toplamda, araştırmalarım ücretsiz
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
mal ve hizmetlerle Gayri Safi Yurtiçi Hasıla rakamlarının
04:13
in free goods and services on the Internet.
81
241980
3346
300 milyar doların üstünü ıskaladığını tahmin etmektedir.
04:17
Now let's look to the future.
82
245326
1789
Şimdi geleceğe bakalım.
04:19
There are some super smart people
83
247115
2263
Gelişimin sonuna ulaştığımızı
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
öne süren süper zeki insanlar var.
04:26
but to understand the future of growth,
85
254397
3558
Fakat, gelişimin geleceğini anlamak için
04:29
we need to make predictions
86
257955
2683
gelişimin altında yatan
04:32
about the underlying drivers of growth.
87
260638
3290
faktörler hakkında tahmin yapmamız gerekir.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Ben iyimserim, çünkü yeni makine çağı
04:39
is digital, exponential and combinatorial.
89
267734
5030
rakamsal, üstel ve birleşimsel.
04:44
When goods are digital, they can be replicated
90
272764
2264
Hizmetler rakamsal olduğu zaman,
04:47
with perfect quality at nearly zero cost,
91
275028
4509
mükemmel kaliteyle neredeyse sıfır maliyete üretilebilir.
04:51
and they can be delivered almost instantaneously.
92
279537
4018
Ve neredeyse hemen dağıtımı yapılabilir.
04:55
Welcome to the economics of abundance.
93
283555
2800
Bolluk ekonomisine hoş geldiniz.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Fakat, dünyanın dijitalleşmesinin daha farklı bir yararı var.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Ölçüm, ilerlemenin ve bilimin canıdır.
05:06
In the age of big data,
96
294645
2148
Büyük veri çağında,
05:08
we can measure the world in ways we never could before.
97
296793
4286
dünyayı daha önce hiç yapmadığımız yollarla ölçebiliriz.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
İkinci olarak, yeni makine çağı üsteldir.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Bilgisayarlar gelmiş geçmiş her bir şeyden daha hızlı şekilde ileriye gidiyor.
05:23
A child's Playstation today is more powerful
100
311109
3568
Bugün bir çocuğun Playstation'u 1996'dan kalan
05:26
than a military supercomputer from 1996.
101
314677
4056
askeri üstün bilgisayardan daha güçlüdür.
05:30
But our brains are wired for a linear world.
102
318733
3207
Fakat beyinlerimiz doğrusal bir dünya için ayarlanmıştır.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Sonuç olarak, üstel eğilimler bizi şaşırtıyor.
05:37
I used to teach my students that there are some things,
104
325828
2602
Öğrencilerime bazı şeylerin olduğunu öğretirdim-
05:40
you know, computers just aren't good at,
105
328430
1934
bilirsiniz bilgisayarlar bazı konularda tam olarak iyi değildirler--
05:42
like driving a car through traffic.
106
330364
2385
trafikte araba sürmek gibi şeylerde.
05:44
(Laughter)
107
332749
2013
(Kahkahalar)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Bu doğru, işte Andy ve ben deli gibi gülüyoruz.
05:50
because we just rode down Route 101
109
338253
2384
Çünkü biz yeni 101. yoldan geldik,
05:52
in, yes, a driverless car.
110
340637
3669
evet, hem de sürücüsüz bir arabada.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Üçüncü olarak, yeni makine çağı birleşimseldir.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Durağan görüş, fikirlerin çocuk oyuncağı gibi
06:02
like low-hanging fruit,
113
350937
1856
tükendiğini savunur,
06:04
but the reality is that each innovation
114
352793
3163
fakat gerçek şu ki her bir yenilik
06:07
creates building blocks for even more innovations.
115
355956
3256
daha çok yenilik için yapı taşı meydana getiriyor.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
İşte bir örnek: Bir kaç hafta içinde,
06:14
an undergraduate student of mine
117
362557
2072
bir lisans öğrencim
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
1.3 milyon kullanıcıya ulaşan bir uygulama oluşturdu.
06:20
He was able to do that so easily
119
368740
1699
Bunu çok kolaylıkla yapabildi.
06:22
because he built it on top of Facebook,
120
370439
1827
Çünkü onu Facebook sayfasında meydana getirdi,
06:24
and Facebook was built on top of the web,
121
372266
1933
Facebook, web'de oluşturulmuştu,
06:26
and that was built on top of the Internet,
122
374199
1698
bu da İnternet'te oluşmuş oldu,
06:27
and so on and so forth.
123
375897
2418
vesaire vesaire.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Şimdi ayrı ayrı olarak, sayısal, üstel ve birleşik kavramlarının
06:35
would each be game-changers.
125
383080
2350
her biri oyun değiştirici olacak.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Onları bir araya getirsek, fabrikada çalışan,
06:39
of astonishing breakthroughs,
127
387620
1393
ya da çita kadar hızlı koşan veya
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
gökdelenlerden tek seferde zıplayan robotlar gibi
06:44
or leap tall buildings in a single bound.
129
392073
2796
şaşırtıcı bir atılım dalgası göreceğiz.
06:46
You know, robots are even revolutionizing
130
394869
2232
Biliyorsunuz, robotlar kedileri
06:49
cat transportation.
131
397101
1829
taşımada bile çığır açıyor.
06:50
(Laughter)
132
398930
2270
(Kahkahalar)
06:53
But perhaps the most important invention,
133
401200
2732
Fakat muhtemelen en önemli yenilik-
06:55
the most important invention is machine learning.
134
403932
5065
en önemli yenilik makine öğrenimidir.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Bir projeyi düşün: IBM'nin Watson'u (yapay zeka programı).
07:04
These little dots here,
136
412373
1589
Buradaki bu küçük benekler,
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
bunların hepsi 'Jeopardy (risk)' bilgi yarışmasındaki şampiyonlar.
07:10
At first, Watson wasn't very good,
138
418822
2544
İlk olarak, Watson çok iyi değildi.
07:13
but it improved at a rate faster than any human could,
139
421366
5622
Fakat o, herhangi insanın yapabileceğinden daha hızlı bir oranda gelişti
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
ve Dave Ferucci, Massachusetts Teknoloji Enstitüsinde
07:21
to my class at MIT,
141
429675
1652
sınıfıma bu grafiği gösterdi.
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson 'Jeopardy' dünya şampiyonunu alt etti.
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
7 yaşında, Watson hala bir tür çocukluk dönemindedir.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Son zamanlarda, öğretmenleri onun internette gözetimsiz gezinmesine izin veriyor.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Ertesi gün, soruları küfürle cevaplamaya başladı.
07:42
Damn. (Laughter)
146
450122
2274
Kahretsin. (Kahkahalar)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Fakat biliyorsunuz ki Watson hızla büyümektedir.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
O, çağrı merkezlerindeki işler için test ediliyor ve bu işleri alıyor.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Kanuni, işlemsel ve tıbbi işler için müracaat ediyor
07:54
and getting some of them.
150
462612
1950
ve bazılarına yerleşiyor.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Akıllı makineler yapmakta alduğumuz o anda
07:58
we are building intelligent machines,
152
466451
2234
-muhtemelen insanlık tarihindeki en önemli buluş-
08:00
perhaps the most important invention in human history,
153
468685
3449
bazı insanların buluşun hiç ilerlemediğini öne sürmesi
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
ironik değil mi?
08:08
Like the first two industrial revolutions,
155
476109
2419
İlk iki sanayi devrimi gibi
08:10
the full implications of the new machine age
156
478528
3134
yeni makine çağının komple çıkarımının
08:13
are going to take at least a century to fully play out,
157
481662
2682
tam olarak bitmesi en az bir yüzyıl alacaktır,
08:16
but they are staggering.
158
484344
3032
fakat bocalamaktadırlar.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Yani bu endişelenmemiz gereken bir şey olmadığı anlamına mı geliyor?
08:22
No. Technology is not destiny.
160
490712
3680
Hayır. Teknoloji, kader değildir.
08:26
Productivity is at an all time high,
161
494392
2569
Üretkenlik en üst seviyede
08:28
but fewer people now have jobs.
162
496961
2983
ancak şu an çok az insanın işi var.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Geçtiğimiz on yıl içinde her zamankinden daha çok zenginliğe sahibiz.
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
Fakat çoğu Amerikalılar'ın geliri düştü.
08:38
This is the great decoupling
165
506968
2312
Bu, istihdamdan üretkenliğin,
08:41
of productivity from employment,
166
509280
2976
işten istihdamın,
08:44
of wealth from work.
167
512256
3104
büyük ayrışmasıdır.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Biliyorsunuz ki; milyonlarca insanın bu büyük ayrışma yüzünden
08:49
have become disillusioned by the great decoupling,
169
517706
2846
kırgın olması şaşırtıcı değil.
08:52
but like too many others,
170
520552
1747
Ancak birçokları gibi onlar da
08:54
they misunderstand its basic causes.
171
522299
3097
onun esas nedenlerini yanlış anlıyorlar.
08:57
Technology is racing ahead,
172
525396
2610
Teknoloji ileri gitmektir,
09:00
but it's leaving more and more people behind.
173
528006
3550
ancak gitgide daha çok insanı geride bırakıyor.
09:03
Today, we can take a routine job,
174
531556
3519
Bugün, sıradan bir iş bulup
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
bir grup makinece okunur komut içinde onu bir sisteme bağlayıp
09:10
and then replicate it a million times.
176
538166
2827
sonra da milyonlarca kopyasını yapabiliriz.
09:12
You know, I recently overheard a conversation
177
540993
2279
Biliyorsunuz ki; ben yakın zamanda bu yeni ekonomileri özetleyen
09:15
that epitomizes these new economics.
178
543272
1952
bir konuşmaya kulak misafiri olmuştum.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Bu adam; 'Hayır, artık H&R Block'u kullanmayacağım.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboVergi benim finansal vergi düzenlecilerimin yaptığı her şeyi yapıyor.
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
Fakat, TurboVergi daha hızlı, daha ucuz ve daha doğru.
09:28
How can a skilled worker
182
556427
1799
Bir kalifiye işçi bir 39 dolarlık yazılım parçasıyla
09:30
compete with a $39 piece of software?
183
558226
3009
nasıl rekabet edebilir?
09:33
She can't.
184
561235
1967
Edemez.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Günümüzde milyonlarca Amerikalı daha hızlı,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
daha ucuz, daha doğru finansal vergi düzenlecisine sahip
09:40
and the founders of Intuit
187
568369
1486
ve Intuit'in kurucuları
09:41
have done very well for themselves.
188
569855
2493
kendileri için çok iyi yaptılar.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Fakat finansal vergi düzenleyicilerin yüzde 17'sinin atık bir işi yok.
09:48
That is a microcosm of what's happening,
190
576562
2078
Bu meydana gelen şeylerin küçük bir evreni;
09:50
not just in software and services, but in media and music,
191
578640
4677
sadece yazılım ve hizmetlerde değil, aynı zamanda iletişim ve müzikte,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
maliye ve üretimde, perakende ve ticarette
09:59
in short, in every industry.
193
587003
3895
kısaca her bir endüstride görülebilir.
10:02
People are racing against the machine,
194
590898
3095
İnsanlar makinelere karşı yarışıyorlar
10:05
and many of them are losing that race.
195
593993
3090
ve çoğu, yarışı kaybediyor.
10:09
What can we do to create shared prosperity?
196
597083
3886
Ortak refahı ortaya çıkarmak için ne yapabiliriz?
10:12
The answer is not to try to slow down technology.
197
600969
3017
Cevap, teknolojinin yolunu kesmeye çalışmak değil.
10:15
Instead of racing against the machine,
198
603986
2557
Makinelere karşı yarışmak yerine,
10:18
we need to learn to race with the machine.
199
606543
3677
makinelerle yarışmayı öğrenmemiz gerekiyor.
10:22
That is our grand challenge.
200
610220
3129
Bu, bizim büyük zorlu görevimiz.
10:25
The new machine age
201
613349
2324
Yeni makine çağı,
10:27
can be dated to a day 15 years ago
202
615673
3113
15 yıl önceye kadar dayandırılabilir,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
dünya satranç şampiyonu, Gary Kasparov
10:33
played Deep Blue, a supercomputer.
204
621664
3706
Deep Blue süper bilgisayarıyla oynadığı zamana.
10:37
The machine won that day,
205
625370
2012
O gün makine kazandı,
10:39
and today, a chess program running on a cell phone
206
627382
2968
ve günümüzde, cep telefonlarında çalışan bir satranç programı,
10:42
can beat a human grandmaster.
207
630350
2296
insan satranç ustasını yenebilir.
10:44
It got so bad that, when he was asked
208
632646
3365
Durum çok vahimdi. Bilgisayara karşı
10:48
what strategy he would use against a computer,
209
636011
2563
ne tür strateji kullancağı sorulduğunda
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
Hollanda satranç ustası Jan Donner şöyle cevaplamıştı:
10:54
"I'd bring a hammer."
211
642590
1771
'Bir balyoz getireceğim.'
10:56
(Laughter)
212
644361
3680
(Kahkahalar)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Fakat günümüzde artık bir bilgisayar, ne bir dünya satranç şampiyonu değil.
11:04
Neither is a human,
214
652585
2654
[Satranç şampiyonu] Bir insan da değil.
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
Çünkü Kasparov insan ve bilgisayar takımlarının
11:10
where teams of humans and computers
216
658818
1916
birlikte çalışabildiği bir serbest stil turnuva
11:12
could work together,
217
660734
2099
organize etti;
11:14
and the winning team had no grandmaster,
218
662833
3157
ve kazanan takım, hiç satranç ustasına
11:17
and it had no supercomputer.
219
665990
2465
ve süper bilgisayara sahip değildi.
11:20
What they had was better teamwork,
220
668455
4175
Yaptıkları şey, daha iyi bir takım çalışmasıydı.
11:24
and they showed that a team of humans and computers,
221
672630
5016
Birlikte çalışan bir insan ve bilgisayar takımının tek çalışan
11:29
working together, could beat any computer
222
677646
3048
herhangi bir tek insan ya da bilgisayarı
11:32
or any human working alone.
223
680694
3520
yenebileceğini gösterdiler.
11:36
Racing with the machine
224
684214
1664
Makinelerle yarışmak,
11:37
beats racing against the machine.
225
685878
2343
makinelere karşı yarışmayı alt eder.
11:40
Technology is not destiny.
226
688221
2564
Teknoloji, kader değildir.
11:42
We shape our destiny.
227
690785
1742
Kaderimizi biz şekillendiririz.
11:44
Thank you.
228
692527
1447
Teşekkür ederim.
11:45
(Applause)
229
693974
5016
(Alkışlar)
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