Matt Beane: How do we learn to work with intelligent machines?
مت بین: چگونه کار کردن با ماشینهای هوشمند را یاد میگیریم؟
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
her prostate patient into the OR.
روی صندلی چرخدار به سوی اتاق عمل میبرد.
some of the nerve-sparing,
کار بازسازی عصب انجام دهد،
that can preserve erectile function.
توانایی نعوظ را حفظ کند.
though, but he's not there yet.
اگرچه، هنوز به آنجا نرسیده.
incision in the lower abdomen.
در ناحیه زیر شکم انجام داد.
she tells the nurse to call the attending.
به پرستار گفت تا جراح اصلی را صدا کند.
are mostly in that patient --
آنها بیشتر داخل بیمار بود --
but Kristin leading the way.
اما کریستین هدایت میکرد.
he let Kristen do a little nerve sparing),
داد تا کریستین کمی بازسازی عصب انجام دهد،)
بیمار را در ساعت ۸:۱۵،
looking over her shoulder.
از او یاد میگرفت، تمام کرد.
the final line of sutures.
بخیهها را او انجام دهد.
than she was at 6:30.
حالا جراح بهتری شده بود.
the way that most of us do:
که بیشتر ما همین مسیر را رفتهایم:
safe parts of the work
and harder tasks
که آمادهای انجام بده.
by this kind of learning.
این شیوه از آموزش بودم.
part of what makes us human.
جزیی از آنچه ما را انسان میکند.
coaching, mentorship, on the job training.
مربیگری، راهبری، آموزش در کار.
“see one, do one, teach one.”
«یکی ببین، یکی انجام بده، به یکی یاد بده».
around the globe for thousands of years.
برای هزاران سال در جهان بوده است.
in a way that blocks that path.
میکنیم که جلوی این راه را میگیرد.
in our quest for productivity.
while I was at MIT,
وقتی که در ام آی تی بودم فهمیدم،
it’s happening all over,
که همه جا اتفاق میافتد،
and with very different kinds of AI.
و با نوع متفاوتی از هوش مصنوعی.
are going to hit a brick wall
با دیواری آجری برخورد خواهند کرد
بیایید به جراحی برگردیم.
is wheeling another prostate patient in,
بیمار پروستات دیگری را برای جراحی میبرد،
robot to the patient.
به بیمار متصل میکنند.
10 or 15 feet away,
که ۳ یا ۴/۵ متر دورتر است،
to do the whole procedure himself,
خودش تمامی عمل را انجام دهد،
and make more mistakes,
و اشتباهات بیشتری خواهد کرد،
near those nerves during this rotation.
آن عصبها در این مرحله ندارد.
15 minutes during a four-hour procedure.
جراحی کند شانس آورده است.
and she’ll be watching again,
و او دوباره تماشا میکند،
with a dunce cap.
که کنار در کلاس میایستند.
I’ve done in the last eight years,
و کار در هشت سال اخیر انجام دادم،
with a big, open question:
with intelligent machines?
هوشمند را یاد میگیریم؟
observing dozens of residents and surgeons
دهها رزیدنت و جراح گذراندم
interviewing them
انجام میدادند، با آنها مصاحبه کردم
with the residents as they tried to learn.
یاد بگیرند رفت و آمد کردم.
US teaching hospitals,
در آمریکا در بررسی من بودند،
and they weren’t learning.
و چیزی هم یاد نمیگرفتند.
I needed to know how widespread it was:
میفهمیدم که این موضوع چقدر گسترده است؟
blocking learning on the job?
مانع از آموزش در کار شده؟
but growing group of young researchers
اما در حال رشدی از محققین مرتبط شدم
of work involving AI
like start-ups, policing,
استارت آپها، نیروی انتظامی،
و آموزش از راه دور انجام میدادند.
and many hundreds of hours observing,
مشاهده انجام داده بودند،
side-by-side with the people they studied.
آدمهایی که رویشان تحقیق میکردند.
و من به الگوها توجه کردم.
the AI, the story was the same.
در چه موضوعی است، داستان مشابه بود.
and harder to get results from AI,
از هوش مصنوعی نتیجه بگیرند،
expert work as they did it.
از کار تخصصی دور میکردند.
their customer contact.
مشتریانشان را برون سپاری میکردند.
forecasts without experts support.
جرایم را بدون پشتیبانی متخصصین بیاموزد.
cut out of complex analysis,
تحلیلهای پیشرفته محروم میشوند،
online courses without help.
از راه دور را بدون کمک بسازند.
was the same as in surgery.
was getting much harder.
a billion and a billion of us
بین نیم تا یک میلیارد نفر از ما
in our daily work by 2030.
در کارهای خود تا ۲۰۳۰ وارد کنیم.
that on-the-job learning
that most workers learned key skills
که بیشتر کارکنان مهارتهای اصلی خود را
potential future impact,
آینده آن صحبت میکنیم،
that may matter most right now
همین حالا خیلی مهم است
that blocks learning on the job
که مانع از آموزش در حین کار میشود
a small minority found a way to learn.
راهی برای آموزش پیدا کرده است.
قواعد انجام دادهاند.
so they bent and broke rules
پس آنها قواعد را شکستند و تغییر دادند
با متخصصین ایجاد کند.
in robotic surgery in medical school
پزشکی مشغول به عملهای رباتیک شدند
of their generalist education.
with simulators and recordings of surgery,
و بررسی نوارهای ضبط شده گذراندند،
they found ways to struggle
آنها راهی برای تلاش
with limited expert supervision.
نظارت متخصص پیدا کردند.
because it bends the rules
گذاشتهام، چون قوانین را تغییر میدهد
مخفیانه انجام میدهند.
because it gets results.
خود را به ندیدن میزنند.
the star pupils of the bunch.
همه گلهای سرسبد هستند.
and it’s not sustainable.
و مناسب هم نیست.
they need to do their job.
برای انجام کار را پیدا کند.
خطرات واقعی را پذیرفتهاند.
struggle and challenge in their work
در محیط کارشان نگهدارند
to tackle hard problems
مشکلات سخت فشار بیاورند
there was an expert nearby
که متخصصی در دسترس هست
against catastrophe.
از فاجعه جلوگیری کند.
of struggle and expert support
و پشتیبانی متخصص را
هوش مصنوعی هم استفاده کنیم.
I could get of this on the ground.
که میتوانم برایتان بیاورم.
you dealt with an IED by walking up to it.
مورد بمب غیر معمول باید به سویش میرفتید.
hundreds of feet away,
هم صدها متر دورتر ایستاده بود،
if you decided it was safe
امن است کمک میکرد
in a bomb-proof truck.
ماشین ضد بمب نشستهاید.
and you guide the work out loud.
و شما کار را با صدای بلند هدایت میکنید.
did before robots.
از قبل از ربات یاد میگیرند.
start-ups, policing,
استارت آپها، نیروی انتظامی،
online education and beyond.
و دیگر موارد انجام دهیم.
we’ve got new tools to do it.
جدیدی برای این کار داریم.
always need one expert for every trainee,
نیاز به یک متخصص برای هر کارآموز نداریم،
or even to be in the same organization.
یا حتی در یک سازمان کار کنند.
to coach experts as they coach
کند، راهنمای متخصصین در آموزش باشد
in smart ways.
on systems like this,
on formal training.
is in on-the-job learning.
of AI’s amazing capabilities
هوش مصنوعی استفاده کند
I dreamed of as a kid.
کودک بودم آرزویش را داشتم.
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com