TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: Podmínka růstu? Spolupráce se stroji
Filmed:
Readability: 4.6
1,321,770 views
Stejně jako stroje vykonávají více práce, přichází stále více lidí o svá zaměstnání. Je to koncem růstu? Ne, říká Erik Brynjolfsson – je to pouze narůstající bolest radikálně překonstruované ekonomiky. Je to přelomový okamžik pro nadcházející velké inovace, které nás čekají... ovšem pouze pokud začneme počítače brát jako své spolupracovníky. Určitě se taky podívejte na opačné stanovisko v přednášce Roberta Gordona.
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
Růst není mrtev.
00:14
(Applause)
1
2877
1386
(Potlesk)
00:16
Let's start the story 120 years ago,
2
4263
3963
Začněme náš příběh před 120 lety,
00:20
when American factories began to electrify their operations,
3
8226
3632
kdy americké továrny zahájily elektrifikaci,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
čímž zažehly druhou průmyslovou revoluci.
00:27
The amazing thing is
5
15202
1111
Úžasnou věcí je,
00:28
that productivity did not increase in those factories
6
16313
2777
že v těchto továrnách nevzrostla produktivita
00:31
for 30 years. Thirty years.
7
19090
3256
po dobu následujících 30 let. Třiceti let.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Je to dost dlouhá doba na to,
aby generace ředitelů odešla do důchodu.
aby generace ředitelů odešla do důchodu.
00:37
You see, the first wave of managers
9
25820
2222
Rozumíte, první vlna ředitelů
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
jednoduše nahradila své parní motory
elektrickými motory,
elektrickými motory,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
ale nijak přitom nezměnili továrny,
aby zároveň využili
aby zároveň využili
00:46
of electricity's flexibility.
12
34469
2341
výhod z flexibility elektřiny.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Záviselo to na další generaci,
aby přišla s novými procesy,
aby přišla s novými procesy,
00:52
and then productivity soared,
14
40794
2727
čímž se produktivita továren prudce zvedla,
00:55
often doubling or even tripling in those factories.
15
43521
3665
často dvojnásobně, někdy dokonce trojnásobně.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
Elektřina je příkladem univerzální technologie,
01:03
like the steam engine before it.
17
51909
2230
podobně jako byl předtím parní motor.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
Univerzální technologie řídí nejekonomičtější růst,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
protože rozpoutávají kaskády doplňkových inovací,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
jako jsou žárovky a – ano – přestavba továrny.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Existuje nějaká univerzální technologie naší doby?
01:20
Sure. It's the computer.
22
68251
2508
Jistě. Počítač.
01:22
But technology alone is not enough.
23
70759
2659
Ale samotná technologie nestačí.
01:25
Technology is not destiny.
24
73418
2766
Technologie není úděl.
01:28
We shape our destiny,
25
76184
1580
My sami určujeme náš úděl
01:29
and just as the earlier generations of managers
26
77764
2516
stejně jako předchozí generace ředitelů,
01:32
needed to redesign their factories,
27
80280
2298
kteří potřebovali přestavět své továrny,
01:34
we're going to need to reinvent our organizations
28
82578
2229
i my budeme potřebovat
přeorganizovat své společnosti
přeorganizovat své společnosti
01:36
and even our whole economic system.
29
84807
2555
a dokonce i celý náš ekonomický systém.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Nejsme v této práci tak dobří, jak bychom měli být.
01:42
As we'll see in a moment,
31
90964
1230
Jak uvidíme za chvíli,
01:44
productivity is actually doing all right,
32
92194
2722
s produktivitou je vše v pořádku,
01:46
but it has become decoupled from jobs,
33
94916
3862
ale ta se odděluje od pracovních míst,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
takže příjem běžného pracovníka klesá.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Tyto problémy jsou občas špatně určeny
01:57
as the end of innovation,
36
105716
3712
jako konec inovací,
02:01
but they are actually the growing pains
37
109428
2129
ale ve skutečnosti jsou rostoucími bolestmi
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
toho, co Andrew McAfee nazval
novým věkem strojů.
novým věkem strojů.
02:09
Let's look at some data.
39
117147
1882
Podívejme se na nějaké údaje.
02:11
So here's GDP per person in America.
40
119029
2902
Tady je HDP na osobu v Americe.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Jsou tam určité výkyvy, ale podstatné je,
02:16
is you could practically fit a ruler to it.
42
124697
2715
že roste prakticky jako podle pravítka.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Je to logaritmická stupnice, takže to,
co vypadá jako souvislý růst,
co vypadá jako souvislý růst,
02:22
is actually an acceleration in real terms.
44
130688
3043
je ve skutečnosti zrychlováním.
02:25
And here's productivity.
45
133731
2160
A zde je produktivita.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Můžete vidět drobné zpomalení v polovině 70. let,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
ale to odpovídá až docela dobře druhé průmyslové revoluci,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
kdy se továrny teprve učily,
jak elektrifikovat své procesy.
jak elektrifikovat své procesy.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Po prodlevě zase začala produktivita zrychlovat.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Takže možná „historie neopakuje sebe sama,
02:43
but sometimes it rhymes."
51
151691
2568
ale občas se rýmuje."
02:46
Today, productivity is at an all-time high,
52
154259
3136
Dnes je produktivita na svém historickém vrcholu,
02:49
and despite the Great Recession,
53
157395
1977
a navzdory velké recesi
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
rostla na začátku tisíciletí rychleji než v 90. letech,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
těch bouřlivých 90. letech,
které byly rychlejší než 70. a 80. léta.
které byly rychlejší než 70. a 80. léta.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Roste rychleji než během
druhé průmyslové revoluce.
druhé průmyslové revoluce.
03:03
And that's just the United States.
57
171434
1743
A to hovoříme jen o Spojených státech.
03:05
The global news is even better.
58
173177
3248
Z globálního hlediska je to ještě lepší.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
Světové příjmy stoupaly rychlejším tempem
03:10
in the past decade than ever in history.
60
178785
2496
během posledních deseti let,
než kdykoli v dějinách předtím.
než kdykoli v dějinách předtím.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
Pokud vůbec něco, tak všechna tato čísla ve skutečnosti podhodnocují náš pokrok,
03:18
because the new machine age
62
186332
1912
protože nový věk strojů
03:20
is more about knowledge creation
63
188244
1664
se týká více vytváření znalostí
03:21
than just physical production.
64
189908
2331
než pouhé fyzické produkce.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
Je to mysl, nikoli hmota, mozek, nikoli sval,
03:27
ideas not things.
66
195177
2062
myšlenky, nikoli věci.
03:29
That creates a problem for standard metrics,
67
197239
2570
To ale vytváří problém pro standardní měření,
03:31
because we're getting more and more stuff for free,
68
199809
3502
protože získáváme stále více a více věcí zadarmo,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
příkladem jsou Wikipedia, Google, Skype,
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
a pokud ji zveřejní na webu,
tak i tato TED přednáška.
tak i tato TED přednáška.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Dostávat věci zadarmo je skvělé, ne?
03:44
Sure, of course it is.
72
212318
1765
Jistě, bezpochyby ano.
03:46
But that's not how economists measure GDP.
73
214083
3868
To ovšem není způsob, jakým ekonomové měří HDP.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Nulová cena znamená nulovou roli
ve statistikách HDP.
ve statistikách HDP.
03:55
According to the numbers, the music industry
75
223543
2112
A s poukazem na čísla, hudební průmysl
03:57
is half the size that it was 10 years ago,
76
225655
3000
je poloviční než byl před deseti lety,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
ale poslouchám více hudby
a lepší hudbu než předtím.
a lepší hudbu než předtím.
04:04
You know, I bet you are too.
78
232311
2192
Vsadím se, že vy taky.
04:06
In total, my research estimates
79
234503
2723
Celkově můj výzkum odhaduje,
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
že v hodnotách HDP chybí přes 300 miliard dolarů
za rok,
za rok,
04:13
in free goods and services on the Internet.
81
241980
3346
které pochází z věcí a služeb na internetu.
04:17
Now let's look to the future.
82
245326
1789
Podívejme se nyní do budoucnosti.
04:19
There are some super smart people
83
247115
2263
Je několik mimořádně chytrých lidí,
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
kteří tvrdí, že jsme dosáhli vrcholu růstu,
04:26
but to understand the future of growth,
85
254397
3558
ale abychom pochopili budoucnost růstu,
04:29
we need to make predictions
86
257955
2683
potřebujeme udělat nějaké předpovědi
04:32
about the underlying drivers of growth.
87
260638
3290
o tom, co jsou základní hybné síly růstu.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Jsem optimistický, protože nový věk strojů
04:39
is digital, exponential and combinatorial.
89
267734
5030
je digitální, exponenciální a kombinatorický.
04:44
When goods are digital, they can be replicated
90
272764
2264
Když je zboží digitální, může být replikováno
04:47
with perfect quality at nearly zero cost,
91
275028
4509
v mimořádné kvalitě s téměř nulovými náklady,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
a může být dopraveno prakticky okamžitě.
04:55
Welcome to the economics of abundance.
93
283555
2800
Vítejte v ekonomice hojnosti.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Ale je tu i rafinovanější výhoda digitalizace světa.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
Měření jsou životní silou vědy a pokroku.
05:06
In the age of big data,
96
294645
2148
Ve věku velkých dat
05:08
we can measure the world in ways we never could before.
97
296793
4286
můžeme poměřovat svět hledisky,
jakými jsme nikdy dříve nemohli.
jakými jsme nikdy dříve nemohli.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Za druhé, nový věk strojů je exponenciální.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Počítače jsou lepší a rychlejší než bylo cokoli dříve.
05:23
A child's Playstation today is more powerful
100
311109
3568
Dětský Playstation je dnes výkonnější
05:26
than a military supercomputer from 1996.
101
314677
4056
než byl vojenský superpočítač v roce 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Ale naše mozky jsou uzpůsobeny pro lineární svět.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
V důsledku toho nás exponenciální
trendy překvapují.
trendy překvapují.
05:37
I used to teach my students that there are some things,
104
325828
2602
Přednášel jsem svým studentům o tom,
že existují věci,
že existují věci,
05:40
you know, computers just aren't good at,
105
328430
1934
ve kterých počítače nejsou až tak dobré,
05:42
like driving a car through traffic.
106
330364
2385
například v řízení auta.
05:44
(Laughter)
107
332749
2013
(Smích)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Opravdu.
Tady se Andy a já zubíme jako blázni,
Tady se Andy a já zubíme jako blázni,
05:50
because we just rode down Route 101
109
338253
2384
protože jsme právě jeli po silnici 101 –
05:52
in, yes, a driverless car.
110
340637
3669
ano – v autě bez řidiče.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Za třetí, nový věk strojů je kombinatorický.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
Stagnacionistický pohled říká,
že myšlenky se chovají
že myšlenky se chovají
06:02
like low-hanging fruit,
113
350937
1856
jako nízko visicí ovoce,
06:04
but the reality is that each innovation
114
352793
3163
ale ve skutečnosti tomu je tak, že každá inovace
06:07
creates building blocks for even more innovations.
115
355956
3256
vytváří základy pro mnohem víc dalších inovací.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Uvedu vám příklad. Je to pouze pár týdnů,
06:14
an undergraduate student of mine
117
362557
2072
co jeden z mých vysokoškolských studentů
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
vytvořil aplikaci, kterou nyní
používá 1,3 milionu uživatelů.
používá 1,3 milionu uživatelů.
06:20
He was able to do that so easily
119
368740
1699
Dokázal toho dosáhnout tak snadno proto,
06:22
because he built it on top of Facebook,
120
370439
1827
že ji vystavěl na Facebooku,
06:24
and Facebook was built on top of the web,
121
372266
1933
přičemž Facebook je vystavěn na vrcholku webu,
06:26
and that was built on top of the Internet,
122
374199
1698
a ten je zase vystavěn na vršku internetu,
06:27
and so on and so forth.
123
375897
2418
a tak dále.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Digitalizace, exponencialita a kombinatorika
mohou být
mohou být
06:35
would each be game-changers.
125
383080
2350
i jednotlivě převratnými elementy.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Složte je ale dohromady a uvidíme smršť
06:39
of astonishing breakthroughs,
127
387620
1393
neuvěřitelných průlomů,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
jako jsou roboty, které vykonávají práci v továrnách nebo běhají rychle jako gepard
06:44
or leap tall buildings in a single bound.
129
392073
2796
nebo jedním skokem vyskočí na vysokou budovu.
06:46
You know, robots are even revolutionizing
130
394869
2232
Jak asi víte, roboty dokonce revolučně zasáhly
06:49
cat transportation.
131
397101
1829
i do přepravy koček.
06:50
(Laughter)
132
398930
2270
(Smích)
06:53
But perhaps the most important invention,
133
401200
2732
Ale patrně nejdůležitějším vynálezem,
06:55
the most important invention is machine learning.
134
403932
5065
nejdůležitějším vynálezem je strojové učení.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Uvažte jeden projekt: počítač Watson od IBM.
07:04
These little dots here,
136
412373
1589
Tyhle malé tečky
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
jsou všichni vítězové v soutěžní hře „Jeopardy".
07:10
At first, Watson wasn't very good,
138
418822
2544
Zpočátku nebyl Watson příliš dobrý,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
ale zlepšoval se rychleji než jakýkoli člověk,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
a krátce po tom, co Dave Ferrucci ukázal tento graf
07:21
to my class at MIT,
141
429675
1652
v mém kurzu na MIT,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson porazil nejlepšího soutěžícího v „Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
V sedmi letech je Watson stále ještě v období dětství.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Před nedávnem mu jeho učitelé povolili
brouzdat internetem bez vedení.
brouzdat internetem bez vedení.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
Druhý den začal odpovídat na lechtivé otázky.
07:42
Damn. (Laughter)
146
450122
2274
Zatraceně. (Smích)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Jak vidíte, Watson roste velice rychle.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Ucházel se o pozice v call centrech a uspěl.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Uchází se o bankovní a lékařské pozice
07:54
and getting some of them.
150
462612
1950
a některá z nich získává.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Není ironií, že pokaždé,
07:58
we are building intelligent machines,
152
466451
2234
když vytvoříme inteligentní stroje,
08:00
perhaps the most important invention in human history,
153
468685
3449
pravděpodobně nejdůležitější vynález
v lidské historii,
v lidské historii,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
najdou se lidé, kteří začnou tvrdit,
že inovace stagnují?
že inovace stagnují?
08:08
Like the first two industrial revolutions,
155
476109
2419
Podobně jako v prvních dvou průmyslových revolucích,
08:10
the full implications of the new machine age
156
478528
3134
plné důsledky nového věku strojů
08:13
are going to take at least a century to fully play out,
157
481662
2682
se plně projeví až po uplynutí století.
08:16
but they are staggering.
158
484344
3032
Každopádně jsou ale závratné.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Znamená to tedy, že se nemáme čeho bát?
08:22
No. Technology is not destiny.
160
490712
3680
Ne. Technologie není úděl.
08:26
Productivity is at an all time high,
161
494392
2569
Produktivita je na svém historickém vrcholu,
08:28
but fewer people now have jobs.
162
496961
2983
ale zaměstnaných je méně lidí.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Za posledních deset let jsme vytvořili
větší bohatství než kdy dříve,
větší bohatství než kdy dříve,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
ale příjmy většiny Američanů klesly.
08:38
This is the great decoupling
165
506968
2312
Je to závažné odtržení
08:41
of productivity from employment,
166
509280
2976
produktivy od zaměstnanosti,
08:44
of wealth from work.
167
512256
3104
bohatství od práce.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Jak víte, není překvapující, že miliony lidí
08:49
have become disillusioned by the great decoupling,
169
517706
2846
ztratili iluze vlivem tohoto velkého odtržení,
08:52
but like too many others,
170
520552
1747
ale podobně jako mnoho jiných,
08:54
they misunderstand its basic causes.
171
522299
3097
špatně porozuměli základním příčinám.
08:57
Technology is racing ahead,
172
525396
2610
Technologie se řítí kupředu,
09:00
but it's leaving more and more people behind.
173
528006
3550
ale zanechává za sebou stále více a více lidí.
09:03
Today, we can take a routine job,
174
531556
3519
Dnes můžeme provádět rutinní práci tím,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
že ji zakódujeme do souboru intrukcí,
které stroj přečte,
které stroj přečte,
09:10
and then replicate it a million times.
176
538166
2827
a pak je milionkrát zopakuje.
09:12
You know, I recently overheard a conversation
177
540993
2279
Nedávno jsem zaslechl rozhovor,
09:15
that epitomizes these new economics.
178
543272
1952
který ztělesňuje tyto nové ekonomiky.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Ten chlapík říkal:
„Kdepak, už k ničemu nepoužívám H&R Block.
„Kdepak, už k ničemu nepoužívám H&R Block.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
TurboTax dělá všchno, co dělal můj správce daní,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
a to rychleji, levněji a přesněji."
09:28
How can a skilled worker
182
556427
1799
Jak může zkušený pracovník
09:30
compete with a $39 piece of software?
183
558226
3009
soupeřit s programem za 39 dolarů?
09:33
She can't.
184
561235
1967
Nemůže.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Takže dnes miliony Američanů mají rychlejší,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
levnější a přesnější správu daní,
09:40
and the founders of Intuit
187
568369
1486
a zakladatelé společnosti Intuit
09:41
have done very well for themselves.
188
569855
2493
si velmi slušně vydělali.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Ale 17 procent správců daní přišlo o svou práci.
09:48
That is a microcosm of what's happening,
190
576562
2078
Tohle je mikrokosmos toho, co se děje
09:50
not just in software and services, but in media and music,
191
578640
4677
nejen ve světě programů a služeb,
ale i v médiích, hudbě,
ale i v médiích, hudbě,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
finančnictví, výrobě, maloobchodech a velkoobchodech,
09:59
in short, in every industry.
193
587003
3895
zkrátka v celém průmyslu.
10:02
People are racing against the machine,
194
590898
3095
Lidé soupeří se stroji
10:05
and many of them are losing that race.
195
593993
3090
a mnoho z nich tento závod prohrává.
10:09
What can we do to create shared prosperity?
196
597083
3886
Co můžeme udělat pro to,
abychom vytvořili sdílenou prosperitu?
abychom vytvořili sdílenou prosperitu?
10:12
The answer is not to try to slow down technology.
197
600969
3017
Rozhodně ne to, že bychom
se pokusili zpomalit technologii.
se pokusili zpomalit technologii.
10:15
Instead of racing against the machine,
198
603986
2557
Namísto toho, abychom soupeřili se stroji,
10:18
we need to learn to race with the machine.
199
606543
3677
musíme se naučit, jak využívat jejich pomoci.
10:22
That is our grand challenge.
200
610220
3129
To je naše hlavní výzva.
10:25
The new machine age
201
613349
2324
Nový věk strojů
10:27
can be dated to a day 15 years ago
202
615673
3113
se zrodil před 15 lety,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
kdy Gary Kasparov, mistr světa v šachu,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
hrál proti superpočítači Deep Blue.
10:37
The machine won that day,
205
625370
2012
Stroj tehdy zvítězil,
10:39
and today, a chess program running on a cell phone
206
627382
2968
a dnes i šachový program
ve vašem mobilním telefonu
ve vašem mobilním telefonu
10:42
can beat a human grandmaster.
207
630350
2296
dokáže porazit lidského velmistra.
10:44
It got so bad that, when he was asked
208
632646
3365
Došlo to dokonce tak daleko,
10:48
what strategy he would use against a computer,
209
636011
2563
že když se zeptali Jana Donnera,
nizozemského velmistra,
nizozemského velmistra,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
jakou strategii proti počítači použije, odpověděl:
10:54
"I'd bring a hammer."
211
642590
1771
„Přinesu si kladivo."
10:56
(Laughter)
212
644361
3680
(Smích)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Dnes ale není počítač světovým šampionem.
11:04
Neither is a human,
214
652585
2654
Není jím ani člověk,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
protože Kasparov zorganizoval turnaj,
11:10
where teams of humans and computers
216
658818
1916
kde soupeřily týmy složené
11:12
could work together,
217
660734
2099
z lidí a počítačů,
11:14
and the winning team had no grandmaster,
218
662833
3157
přičemž vítězný tým neměl ve svých řadách velmistra
11:17
and it had no supercomputer.
219
665990
2465
ani nedisponoval superpočítačem.
11:20
What they had was better teamwork,
220
668455
4175
Čím disponoval, byla lepší týmová práce,
11:24
and they showed that a team of humans and computers,
221
672630
5016
čímž ukázal, že tým lidí a počítačů,
11:29
working together, could beat any computer
222
677646
3048
kteří pracují společně,
dokáže porazit jakýkoli počítač
dokáže porazit jakýkoli počítač
11:32
or any human working alone.
223
680694
3520
i jakéhokoli člověka, když hraje sám.
11:36
Racing with the machine
224
684214
1664
Spolupráce se stroji
11:37
beats racing against the machine.
225
685878
2343
přináší lepší výsledky než soupeření se stroji.
11:40
Technology is not destiny.
226
688221
2564
Technologie není úděl.
11:42
We shape our destiny.
227
690785
1742
My sami určujeme náš úděl.
11:44
Thank you.
228
692527
1447
Děkuji.
11:45
(Applause)
229
693974
5016
(Potlesk)
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