TEDxBoston 2012
Andrew McAfee: Are droids taking our jobs?
Andrew McAfee: A droidok elveszik a munkánkat?
Filmed:
Readability: 4.4
1,061,603 views
A robotok és algoritmusok egyre jobbak munkákban, mint például autók építése, cikkek írása, fordítás -- munkákban amelyek korábban embereket igényeltek. Tehát mit fognak az emberek dolgozni? Andrew McAfee átnézi a legutóbbi munkaerő adatokat és azt mondja: Még semmit sem láttunk. De aztán hátralép, hogy megnézze a nagy történelmi fejleményeket, és egy meglepő és annál is izgalmasabb nézettel áll elő azzal kapcsolatban, hogy mi jön még.
(Rögzítve: TEDxBoston.)
Andrew McAfee - Management theorist
Andrew McAfee studies how information technology affects businesses and society. Full bio
Andrew McAfee studies how information technology affects businesses and society. Full bio
Double-click the English transcript below to play the video.
00:16
As it turns out, when tens of millions of people
0
519
2752
Mint kiderül, amikor több tíz millió ember
00:19
are unemployed or underemployed,
1
3271
2328
munkanélküli, vagy alulfoglalkoztatott,
00:21
there's a fair amount of interest in what technology might be doing to the labor force.
2
5599
4127
elég nagy az érdeklődés az iránt, mit tesz a technológia a munkaerővel.
00:25
And as I look at the conversation, it strikes me
3
9726
2719
És ahogy nézem ezt az eszmecserét, úgy tűnik,
00:28
that it's focused on exactly the right topic,
4
12445
2952
hogy pontosan a megfelelő témára összpontosít
00:31
and at the same time, it's missing the point entirely.
5
15397
2978
és ugyanakkor, teljesen elvéti a lényeget.
00:34
The topic that it's focused on, the question is whether or not
6
18375
3008
A téma, amire fókuszál, a kérdés az, vajon
00:37
all these digital technologies are affecting people's ability
7
21383
3655
ezek a digitális technológiák hatással vannak-e az emberek
00:40
to earn a living, or, to say it a little bit different way,
8
25038
3020
megélhetésére, vagy másképp kifejezve
00:43
are the droids taking our jobs?
9
28058
2278
a droidok elveszik a munkánkat?
00:46
And there's some evidence that they are.
10
30336
1968
És van némi bizonyíték arra, hogy igen.
00:48
The Great Recession ended when American GDP resumed
11
32304
4353
A nagy recesszió véget ért amikor az amerikai GDP visszatért
00:52
its kind of slow, steady march upward, and some other
12
36657
3429
a lassú, egyenletes növekedéshez, és néhány más
00:56
economic indicators also started to rebound, and they got
13
40101
2934
gazdasági mutató is kezdett helyreállni, és
00:58
kind of healthy kind of quickly. Corporate profits
14
43035
2862
viszonylag gyorsan egészséges értéket vett fel. A vállalati nyereség
01:01
are quite high. In fact, if you include bank profits,
15
45897
3276
egész magas. Valójában, ha belevesszük a banki nyereséget,
01:05
they're higher than they've ever been.
16
49173
2112
magasabbak, mint valaha.
01:07
And business investment in gear, in equipment
17
51285
3272
És az üzleti befektetések felszerelésbe, berendezésekbe,
01:10
and hardware and software is at an all-time high.
18
54557
3107
hardverbe és a szoftverbe minden idők legmagasabb szintjén áll.
01:13
So the businesses are getting out their checkbooks.
19
57664
3381
Azaz a vállalkozások előveszik a csekkfüzeteiket.
01:16
What they're not really doing is hiring.
20
61045
2261
Amit nem igazán csinálnak, az a toborzás.
01:19
So this red line is the employment-to-population ratio,
21
63306
3701
Tehát a piros vonal a foglalkoztatás / népesség aránya
01:22
in other words, the percentage of working age people
22
67007
3381
más szóval a munkaképes korúak százaléka
01:26
in America who have work.
23
70388
1891
Amerikában, akiknek van munkájuk.
01:28
And we see that it cratered during the Great Recession,
24
72279
3700
És látjuk, hogy a nagy recesszió idején érte el a mélypontot,
01:31
and it hasn't started to bounce back at all.
25
75979
2864
és még egyáltalán nem kezdett el visszatérni.
01:34
But the story is not just a recession story.
26
78843
2507
De a történet nem csak egy recesszió történet.
01:37
The decade that we've just been through had relatively
27
81350
2997
Az évtized, amit éppencsak magunk mögött hagytunk, viszonylag
01:40
anemic job growth all throughout, especially when we
28
84347
3393
vérszegény volt munkahely növekedés tekintetében, különösen, ha
01:43
compare it to other decades, and the 2000s
29
87740
2935
más évtizedekkel hasonlítjuk össze, és a 2000-es évek
01:46
are the only time we have on record where there were
30
90675
2290
az egyetlenek a feljegyzéseink során, ahol
01:48
fewer people working at the end of the decade
31
92965
3203
kevesebb ember dolgozik az évtized végén
01:52
than at the beginning. This is not what you want to see.
32
96168
3060
mint az elején. Ez nem az, amit látni szeretnénk.
01:55
When you graph the number of potential employees
33
99228
3639
Ha ábrázoljuk a potenciális munkavállalók számát
01:58
versus the number of jobs in the country, you see the gap
34
102867
3604
az ország munkahelyeinek számával szemben, látjuk ahogy
02:02
gets bigger and bigger over time, and then,
35
106471
3578
a rés egyre nagyobb és nagyobb az idő múltával, majd
02:05
during the Great Recession, it opened up in a huge way.
36
110049
2400
a nagy válság során óriásira nyílik.
02:08
I did some quick calculations. I took the last 20 years of GDP growth
37
112449
4410
Végeztem némi gyors számítást. Vettem az elmúlt 20 év GDP-növekedését
02:12
and the last 20 years of labor productivity growth
38
116859
3296
és az elmúlt 20 év a munkaerő-termelékenység növekedését
02:16
and used those in a fairly straightforward way
39
120155
2742
és egy viszonylag egyszerű módon használtam,
02:18
to try to project how many jobs the economy was going
40
122897
2626
hogy a kivetítsem, mennyi munkahelyre lesz szüksége a gazdaságnak,
02:21
to need to keep growing, and this is the line that I came up with.
41
125523
3659
hogy folytassa növekedését, és ez az a vonal, amire jutottam.
02:25
Is that good or bad? This is the government's projection
42
129182
3446
Ez vajon jó, vagy rossz? Ez a kormány előrejelezése
02:28
for the working age population going forward.
43
132628
3853
a munkaképes korú lakosság alakulására a jövőben.
02:32
So if these predictions are accurate, that gap is not going to close.
44
136481
4771
Tehát, ha ezek a jóslatok pontosak, az a rés nem fog bezárulni.
02:37
The problem is, I don't think these projections are accurate.
45
141252
3401
A probléma az, hogy nem hiszem, ezek az előrejelzések pontosak.
02:40
In particular, I think my projection is way too optimistic,
46
144653
3356
Különösen az én előrejelzésemről gondolom, hogy optimista,
02:43
because when I did it, I was assuming that the future
47
148009
3356
mert amikor ezt készítettem, feltételeztem, hogy a jövő
02:47
was kind of going to look like the past
48
151365
2448
valahogy úgy fog alakulni, mint a múlt,
02:49
with labor productivity growth, and that's actually not what I believe,
49
153813
3439
munkaerő-termelékenység növekedéssel, és valójában nem hiszek ebben,
02:53
because when I look around, I think that we ain't seen nothing yet
50
157252
3759
mert amikor körülnézek, azt hiszem eddig még semmit sem láttunk
02:56
when it comes to technology's impact on the labor force.
51
161011
3285
amikor arról van szó, milyen hatása van a technológiának a munkaerőre.
03:00
Just in the past couple years, we've seen digital tools
52
164296
3998
Csak az elmúlt pár évben, láttunk digitális eszközöket
03:04
display skills and abilities that they never, ever had before,
53
168294
4406
olyan készségekkel és képességekkel, mint még soha korábban,
03:08
and that, kind of, eat deeply into what we human beings
54
172700
3788
és, hogy ezek mélyen beleássák magukat abba amit mi emberi lények
03:12
do for a living. Let me give you a couple examples.
55
176488
3256
a megélhetésként teszünk. Hadd mondjak egy pár példát.
03:15
Throughout all of history, if you wanted something
56
179744
2011
Az egész történelem során, ha le akartunk
03:17
translated from one language into another,
57
181755
2924
fordítani valamit egyik nyelvről a másikra,
03:20
you had to involve a human being.
58
184679
1664
be kellett vonnunk egy emberi lényt.
03:22
Now we have multi-language, instantaneous,
59
186343
3416
Most már van nekünk több-nyelvű, azonnali,
03:25
automatic translation services available for free
60
189759
4218
automatikus fordító szolgáltatásunk, ami szabadon elérhető
03:29
via many of our devices all the way down to smartphones.
61
193977
3389
számos készülékünkön keresztül, egészen az okostelefonokig.
03:33
And if any of us have used these, we know that
62
197366
2384
És, ha bármelyikünk használta már ezeket, tudjuk, hogy
03:35
they're not perfect, but they're decent.
63
199750
3321
nem tökéletesek, de egészen megfelelőek.
03:38
Throughout all of history, if you wanted something written,
64
203071
3151
Az egész történelem során ha szerettünk volna valamit leírva,
03:42
a report or an article, you had to involve a person.
65
206222
3415
egy jelentést vagy egy cikket, be kellett vonnunk egy embert.
03:45
Not anymore. This is an article that appeared
66
209637
2252
Most már nem. Ez egy olyan cikk, amely megjelent
03:47
in Forbes online a while back about Apple's earnings.
67
211889
3230
nemrég a Forbes online kiadásában az Apple jövedelmezőségéről.
03:51
It was written by an algorithm.
68
215119
2527
Egy algoritmus által íródott.
03:53
And it's not decent, it's perfect.
69
217646
3255
És ez nem megfelelő, ez tökéletes.
03:56
A lot of people look at this and they say, "Okay,
70
220901
2962
Egy csomó ember megnézi ez, és azt mondják, "oké,
03:59
but those are very specific, narrow tasks,
71
223863
2349
de ezek nagyon konkrét, szűkre szabott feladatok,
04:02
and most knowledge workers are actually generalists,
72
226212
2633
és a legtöbb tudás-munkás valójában generalista,
04:04
and what they do is sit on top of a very large body
73
228845
2529
és amit ők csinálnak az az, hogy ülnek egy nagy halom
04:07
of expertise and knowledge and they use that
74
231374
2656
a szakértelem és tudás tetején, és ezt használják
04:09
to react on the fly to kind of unpredictable demands,
75
234030
3073
hogy menet közben reagáljanak, bármilyen kiszámíthatatlan igényre,
04:13
and that's very, very hard to automate."
76
237103
2488
és ezt nagyon, nagyon nehéz automatizálni."
04:15
One of the most impressive knowledge workers
77
239591
1977
Az utóbbi idők egyik legmegkapóbb tudás-munkása
04:17
in recent memory is a guy named Ken Jennings.
78
241568
2409
egy Ken Jennings nevű fickó.
04:19
He won the quiz show "Jeopardy!" 74 times in a row,
79
243977
5058
Ő nyerte a "Jeopardy!" vetélkedőt 74-szer egymás után,
04:24
took home three million dollars.
80
249035
2628
és vitt haza három millió dollárt.
04:27
That's Ken on the right getting beat three to one by
81
251663
3850
Ez Ken a jobb oldalon, ahogy három az egyhez veri
04:31
Watson, the "Jeopardy!"-playing supercomputer from IBM.
82
255513
4804
Watson, a "Jeopardy!"-t játszó szuperszámítógép az IBM-től.
04:36
So when we look at what technology can do
83
260317
1864
Tehát, ha megnézzük, mit tehet a technológia
04:38
to general knowledge workers, I start to think
84
262181
2873
az általános tudás-munkásokkal, elkezdek gondolkodni
04:40
there might not be something so special about this idea
85
265054
2599
nem is lehet olyan különleges az a gondolat
04:43
of a generalist, particularly when we start doing things
86
267653
2888
a generalistáról, különösen akkor, olyan dolgokat kezdünk csinálni,
04:46
like hooking Siri up to Watson and having technologies
87
270541
3988
mint összekötni Siri-t Watsonnal, és olyan technológiát
04:50
that can understand what we're saying
88
274529
1896
birtokolni ami megérti, amit mondasz
04:52
and repeat speech back to us.
89
276425
2081
és elismétli nekünk a beszédet.
04:54
Now, Siri is far from perfect, and we can make fun
90
278506
2838
Namármost, Siri messze nem tökéletes, és jól szórakozhatunk
04:57
of her flaws, but we should also keep in mind that
91
281344
3019
a hibáin, de azt is szem előtt kell tartanunk,
05:00
if technologies like Siri and Watson improve
92
284363
2676
ha a technológiák, mint a Siri és Watson
05:02
along a Moore's Law trajectory, which they will,
93
287039
3781
a Moore törvény pályája mentén fejlődnek, amit meg is tesznek,
05:06
in six years, they're not going to be two times better
94
290820
2584
akkor hat év alatt nem 2-szer lesznek jobbak
05:09
or four times better, they'll be 16 times better than they are right now.
95
293404
4818
vagy 4-szer jobbak, hanem 16-szor jobbak lesznek, mint most.
05:14
So I start to think that a lot of knowledge work is going to be affected by this.
96
298222
3683
Tehát kezdem úgy gondolni, hogy egy csomó tudás-munka lesz érintve ez által.
05:17
And digital technologies are not just impacting knowledge work.
97
301905
3554
És a digitális technológiák nem csak a tudás munkát befolyásolják.
05:21
They're starting to flex their muscles in the physical world as well.
98
305459
3992
Elkezdik izmaikat feszíteni a fizikai világban is.
05:25
I had the chance a little while back to ride in the Google
99
309451
2449
Nem is olyan régen lehetőségem volt vezetni a Google
05:27
autonomous car, which is as cool as it sounds. (Laughter)
100
311900
5526
önálló autóját, ami olyan király, mint amilyennek hangzik. (Nevetés)
05:33
And I will vouch that it handled the stop-and-go traffic
101
317426
3027
És garantálom, hogy simán kezelte a stop-and-go forgalmat
05:36
on U.S. 101 very smoothly.
102
320453
2905
a US 101-esen.
05:39
There are about three and a half million people
103
323358
1965
Körülbelül három és fél millió ember van az Egyesült Államokban,
05:41
who drive trucks for a living in the United States.
104
325323
2209
akinek a megélhetése a teherautó vezetés.
05:43
I think some of them are going to be affected by this
105
327532
2429
Úgy gondolom, egy részük érintve lesz e
05:45
technology. And right now, humanoid robots are still
106
329961
3252
technológia által. És egyelőre a humanoid robotok
05:49
incredibly primitive. They can't do very much.
107
333213
3258
hihetetlenül primitívek. Nem tudnak túl sokat.
05:52
But they're getting better quite quickly, and DARPA,
108
336471
2581
De nagyon gyorsan egyre jobbak lesznek, és a DARPA,
05:54
which is the investment arm of the Defense Department,
109
339052
3151
a Honvédelmi Minisztérium befektetési ága,
05:58
is trying to accelerate their trajectory.
110
342203
1665
próbálja felgyorsítani a pályájukat.
05:59
So, in short, yeah, the droids are coming for our jobs.
111
343868
4683
Szóval röviden, igen, a droidok jönnek a munkánkért.
06:04
In the short term, we can stimulate job growth
112
348551
3880
Rövid távon ösztönözhetjük a munkahelyek növekedését
06:08
by encouraging entrepreneurship and by investing
113
352431
2944
a vállalkozói szellem ösztönzésével és az infrastruktúrális
06:11
in infrastructure, because the robots today still aren't
114
355375
3048
beruházásokkal, mert a robotok ma még nem
06:14
very good at fixing bridges.
115
358423
1740
túl jók hidak javításában.
06:16
But in the not-too-long-term, I think within the lifetimes
116
360163
3365
De a nem túl távoli jövőben, azt hiszem, még a
06:19
of most of the people in this room, we're going to transition
117
363528
3569
a legtöbb itt ülő ember életében, egy olyan gazdasággá
06:22
into an economy that is very productive but that
118
367097
2936
alakulunk át, amely nagyon hatékony, de
06:25
just doesn't need a lot of human workers,
119
370033
2804
amely egyszerűen nem igényel túl sok emberi munkaerőt,
06:28
and managing that transition is going to be
120
372837
1555
és ennek az átmenetnek a kezelése lesz
06:30
the greatest challenge that our society faces.
121
374392
2739
a legnagyobb kihívás, amellyel a társadalmunk szembesül.
06:33
Voltaire summarized why. He said, "Work saves us
122
377131
2762
Voltaire összefoglalja miért. Azt mondta, "a munka pedig arra jó,
06:35
from three great evils: boredom, vice and need."
123
379893
5277
hogy messze tartson tőlünk három nagy bajt: az unalmat, a bűnt, a szükséget".
06:41
But despite this challenge, I'm personally,
124
385170
2571
De ezen kihívás ellenére, én személy szerint,
06:43
I'm still a huge digital optimist, and I am
125
387741
3049
még mindig egy hatalmas digitális optimista vagyok,
06:46
supremely confident that the digital technologies that we're
126
390790
3187
és roppant magabiztos vagyok abban, hogy a digitális technológiák, amelyeket
06:49
developing now are going to take us into a utopian future,
127
393977
3556
éppen fejlesztünk, egy utópisztikus jövőbe visznek bennünket,
06:53
not a dystopian future. And to explain why,
128
397533
3033
nem pedig egy disztópikus jövőbe. És hogy elmagyarázzam miért,
06:56
I want to pose kind of a ridiculously broad question.
129
400566
2522
szeretnék egy nevetségesen általános kérdést feltenni.
06:58
I want to ask what have been the most important
130
403088
2350
Azt szeretném megkérdezni, hogy mi volt a legfontosabb
07:01
developments in human history?
131
405438
2323
fejlemény az emberiség történetében?
07:03
Now, I want to share some of the answers that I've gotten
132
407761
2733
Szeretnék megosztani néhányat a válaszok közül, amit erre
07:06
in response to this question. It's a wonderful question
133
410494
2177
a kérdésre kaptam. Ezt csodálatos megkérdezni
07:08
to ask and to start an endless debate about,
134
412671
2167
és egy vég nélküli vitát kezdeni róla,
07:10
because some people are going to bring up
135
414838
2321
mert néhány ember fel fogja hozni,
07:13
systems of philosophy in both the West and the East that
136
417159
3460
hogy a nyugati és a keleti filozófia rendszerek
07:16
have changed how a lot of people think about the world.
137
420619
3133
megváltoztatták az emberek világnézetét.
07:19
And then other people will say, "No, actually, the big stories,
138
423752
2836
És majd más emberek azt fogják mondani, "nem, valójában, a nagy történetek,
07:22
the big developments are the founding of the world's
139
426588
2423
a nagy fejlemények a világ fő
07:24
major religions, which have changed civilizations
140
429011
3282
vallásainak megalapítása, ami civilizációkat változtatott meg
07:28
and have changed and influenced how countless people
141
432293
2639
és befolyásolta, hogyan éli számtalan
07:30
are living their lives." And then some other folk will say,
142
434932
3004
ember az életét." És megint mások azt fogják mondani,
07:33
"Actually, what changes civilizations, what modifies them
143
437936
3527
"Valójában a birodalmak formálják a civilizációkat,
07:37
and what changes people's lives
144
441463
2163
és változtatják meg az emberek életét,
07:39
are empires, so the great developments in human history
145
443626
3912
így a emberi történelem legnagyobb előrelépései
07:43
are stories of conquest and of war."
146
447538
2835
hódításokról és a háborúkról szólnak."
07:46
And then some cheery soul usually always pipes up
147
450373
2590
És akkor néhány vidám lélek általában mindig felbukkan
07:48
and says, "Hey, don't forget about plagues." (Laughter)
148
452963
5688
és azt mondja: "Hé, ne feledkezzünk el a járványokról." (Nevetés)
07:54
There are some optimistic answers to this question,
149
458651
2903
Van néhány optimista válasz is erre a kérdésre,
07:57
so some people will bring up the Age of Exploration
150
461554
1897
szóval néhány ember felveti a felfedezések korát
07:59
and the opening up of the world.
151
463451
1948
és a világ megnyílását.
08:01
Others will talk about intellectual achievements
152
465399
2102
Mások a szellemi eredményekről fognak beszélni
08:03
in disciplines like math that have helped us get
153
467501
2275
a tudományágakban, mint ahogy a matematika segített abban,
08:05
a better handle on the world, and other folk will talk about
154
469776
3310
hogy jobban megértsük a világot, és megint mások
08:08
periods when there was a deep flourishing
155
473086
1697
azon időszakokról fognak beszélni amikor mélyen virágzottak
08:10
of the arts and sciences. So this debate will go on and on.
156
474783
3802
a művészetek és a tudományok. Ez a vita így fog menni tovább és tovább.
08:14
It's an endless debate, and there's no conclusive,
157
478585
2839
Ez egy vég nélküli vita, és nincs meggyőző,
08:17
no single answer to it. But if you're a geek like me,
158
481424
3252
egyedüli válasz. De ha te egy kockafej vagy, mint én,
08:20
you say, "Well, what do the data say?"
159
484676
2898
azt mondod: "Nos, mit mutatnak az adatok?"
08:23
And you start to do things like graph things that we might
160
487574
2811
És elkezdesz ábrázolni dolgokat, amelyek valószínüleg
08:26
be interested in, the total worldwide population, for example,
161
490385
4103
érdekelhetnek bennünket, a világ népessége, például,
08:30
or some measure of social development,
162
494488
2641
vagy a társadalmi fejlődés néhány mérőszáma,
08:33
or the state of advancement of a society,
163
497129
2511
vagy a társadalom fejlődésének állapota,
08:35
and you start to plot the data, because, by this approach,
164
499640
3833
és elkezded ábrázolni az adatokat, mert ezzel a megközelítéssel
08:39
the big stories, the big developments in human history,
165
503473
2617
a nagy történetek, az emberi történelem nagy fejleményei
08:41
are the ones that will bend these curves a lot.
166
506090
2861
azok, amik meggörbítik azokat a vonalakat.
08:44
So when you do this, and when you plot the data,
167
508951
1912
Tehát, ha ezt tesszük, és ábrázoljuk az adatokat,
08:46
you pretty quickly come to some weird conclusions.
168
510863
2798
akkor elég gyorsan néhány fura következtetést fogunk levonni.
08:49
You conclude, actually, that none of these things
169
513661
2923
Arra a következtetésre jutunk, hogy valójában az előzőekből
08:52
have mattered very much. (Laughter)
170
516584
4952
egyik sem számított túl sokat. (Nevetés)
08:57
They haven't done a darn thing to the curves. (Laughter)
171
521536
4026
Rohadtul nem módosították azokat a görbéket. (Nevetés)
09:01
There has been one story, one development
172
525562
3584
Volt egy történet, egy fejlemény
09:05
in human history that bent the curve, bent it just about
173
529146
2606
az emberiség történetében, ami hajlított a görbén,
09:07
90 degrees, and it is a technology story.
174
531752
4046
kb. 90 fokkal elgörbítette, és ez egy technológia történet.
09:11
The steam engine, and the other associated technologies
175
535798
2959
A gőzmozdony, és az ipari forradalomhoz
09:14
of the Industrial Revolution changed the world
176
538757
2931
kapcsolódó technológiák változtatták meg a világot
09:17
and influenced human history so much,
177
541688
2424
és befolyásolták az emberi történelmet annyira,
09:20
that in the words of the historian Ian Morris,
178
544112
2083
hogy Ian Morris történész szavaival
09:22
they made mockery out of all that had come before.
179
546195
4077
megcsúfolnak bármit, ami azt megelőzően történt.
09:26
And they did this by infinitely multiplying the power
180
550272
2913
Tették ezt azzal, hogy végtelenül megsokszorozták
09:29
of our muscles, overcoming the limitations of our muscles.
181
553185
3137
izmaink erejét, leküzdve az izmaink korlátait.
09:32
Now, what we're in the middle of now
182
556322
2522
Aminek a közepén most vagyunk, nem más,
09:34
is overcoming the limitations of our individual brains
183
558844
2919
mint agyunk korlátainak legyőzése
09:37
and infinitely multiplying our mental power.
184
561763
3073
és szellemi erőnk végtelen megsokszorozása.
09:40
How can this not be as big a deal as overcoming
185
564836
3700
Hogyne lehetne ez olyan nagy dolog, mint
09:44
the limitations of our muscles?
186
568536
2528
izmaink korlátainak leküzdése?
09:46
So at the risk of repeating myself a little bit, when I look
187
571064
3378
Tehát önmagam ismétlésének kockáztatásával, ha megnézem
09:50
at what's going on with digital technology these days,
188
574442
2829
mi történik digitális technológia terén napjainkban,
09:53
we are not anywhere near through with this journey,
189
577271
2826
még korán sem vagyunk túl ezen az utazáson,
09:55
and when I look at what is happening to our economies
190
580097
2674
és mikor megnézzük, mi történik a gazdaságainkkal
09:58
and our societies, my single conclusion is that
191
582771
2653
és társadalmainkkal, az egyetlen következtetésem az, hogy
10:01
we ain't seen nothing yet. The best days are really ahead.
192
585424
3528
még semmit sem láttunk. A legjobb napok még előttünk állnak.
10:04
Let me give you a couple examples.
193
588952
1756
Hadd mondjak pár példát.
10:06
Economies don't run on energy. They don't run on capital,
194
590708
4228
A gazdaságokat az energia hajtja. Nem a tőke hajtja,
10:10
they don't run on labor. Economies run on ideas.
195
594936
3780
nem a munkaerő hajtja. A gazdaságokat az ötletek hajtják.
10:14
So the work of innovation, the work of coming up with
196
598716
2520
Tehát az innovációs munka, az új ötletekkel
10:17
new ideas, is some of the most powerful,
197
601236
2426
való előállás az egyike a legerőteljesebb
10:19
some of the most fundamental work that we can do
198
603662
1815
egyike a legalapvetőbb munkának, amit egy gazdaságban
10:21
in an economy. And this is kind of how we used to do innovation.
199
605477
4016
csak tehetünk. És ez az ahogy az innovációt szoktuk csinálni.
10:25
We'd find a bunch of fairly similar-looking people
200
609493
3778
Találnánk egy csomó viszonylag hasonló kinézetű embert
10:29
— (Laughter) —
201
613271
3411
– (Nevetés) –
10:32
we'd take them out of elite institutions, we'd put them into
202
616682
2529
kivennénk őket elit intézményekből, és betennénk őket
10:35
other elite institutions, and we'd wait for the innovation.
203
619211
2946
más elit intézményekbe, és várnánk az innovációt.
10:38
Now — (Laughter) —
204
622157
4010
Most, – (Nevetés) –
10:42
as a white guy who spent his whole career at MIT
205
626167
2581
mint egy fehér fickó, aki az egész karrierjét az MIT-n töltötte
10:44
and Harvard, I got no problem with this. (Laughter)
206
628748
6366
és a Harvardon, nincs is ezzel problémám. (Nevetés)
10:51
But some other people do, and they've kind of crashed
207
635114
2616
De néhány embernek van, és ők úgymond
10:53
the party and loosened up the dress code of innovation.
208
637730
2536
elrontották a bulit, és lazítottak az innováció dress code-ján.
10:56
(Laughter)
209
640266
924
(Nevetés)
10:57
So here are the winners of a Top Coder programming challenge,
210
641190
3644
Tehát itt vannak a Top Coder programozási kihívás nyertesei,
11:00
and I assure you that nobody cares
211
644834
2902
és biztosítalak bennetek, hogy senkit nem érdekel
11:03
where these kids grew up, where they went to school,
212
647736
3594
hol nőttek fel ezek a gyerekek, hova jártak iskolába,
11:07
or what they look like. All anyone cares about
213
651330
2488
vagy hogy néznek ki. Mindaz amivel bárki is törődik
11:09
is the quality of the work, the quality of the ideas.
214
653818
2821
az a minőségi munka, az ötleteket minősége.
11:12
And over and over again, we see this happening
215
656639
2166
És újra és újra azt látjuk, ez történik
11:14
in the technology-facilitated world.
216
658805
2346
a technológia által támogatott a világban.
11:17
The work of innovation is becoming more open,
217
661151
2456
Az innovációs munka egyre nyitottabb,
11:19
more inclusive, more transparent, and more merit-based,
218
663607
3778
befogadóbb, átláthatóbb és jobban érdem-alapú,
11:23
and that's going to continue no matter what MIT and Harvard
219
667385
2969
és ez lesz továbbra is, nem számít, mit gondol MIT és a
11:26
think of it, and I couldn't be happier about that development.
220
670354
3680
Harvard, és nem lehetnék még ennél is boldogabb emiatt.
11:29
I hear once in a while, "Okay, I'll grant you that,
221
674034
2450
Egyszer hallottam, "oké, ezt elismerem,
11:32
but technology is still a tool for the rich world,
222
676484
3387
de a technológia még mindig a gazdag világ eszköze,
11:35
and what's not happening, these digital tools are not
223
679871
2714
és ami nem történik, az az, hogy ezek a digitális eszközök
11:38
improving the lives of people at the bottom of the pyramid."
224
682585
3355
javítanák a piramis alján levő emberek életminőségét".
11:41
And I want to say to that very clearly: nonsense.
225
685940
2664
És azt akarom mondani erre nagyon világosan: nonszensz.
11:44
The bottom of the pyramid is benefiting hugely from technology.
226
688604
3438
A piramis alján levők rendkívüli mértékben részesülnek a technológia előnyeiből.
11:47
The economist Robert Jensen did this wonderful study
227
692042
2640
A közgazdász Robert Jensen készítette ezt a csodálatos tanulmányt
11:50
a while back where he watched, in great detail,
228
694682
3168
korábban, amikor azt vizsgálta, nagy részletességgel,
11:53
what happened to the fishing villages of Kerala, India,
229
697850
3381
mi történt a kis halászfaluval, Keralával Indiában,
11:57
when they got mobile phones for the very first time,
230
701231
3013
amikor az első alkalommal mobil telefonokhoz jutottak.
12:00
and when you write for the Quarterly Journal of Economics,
231
704244
2731
És ha a Quarterly Journal of Economics-nak írsz
12:02
you have to use very dry and very circumspect language,
232
706975
2897
akkor nagyon száraz és nagyon körültekintő nyelvet használsz,
12:05
but when I read his paper, I kind of feel Jensen is trying
233
709872
2472
de a cikk olvasásakor az az érzésem támadt, hogy Jensen megpóbál
12:08
to scream at us, and say, look, this was a big deal.
234
712344
3021
üvölteni hozzánk, és azt mondja, hogy nézd, ez egy nagy dolog volt.
12:11
Prices stabilized, so people could plan their economic lives.
235
715365
4053
Az árak stabilizálódtak, így az emberek meg tudták tervezni a gazdasági életüket.
12:15
Waste was not reduced; it was eliminated.
236
719418
4123
A hulladék nem csökkent; megszűnt.
12:19
And the lives of both the buyers and the sellers
237
723541
2471
És mind a vevők és az eladók élete
12:21
in these villages measurably improved.
238
726012
2498
ezekben a falvakban mérhetően javult.
12:24
Now, what I don't think is that Jensen got extremely lucky
239
728510
3716
Amit nem hiszek, hogy Jensen rendkívül szerencsés volt
12:28
and happened to land in the one set of villages
240
732226
2354
és véletlenül került abba az egyetlen faluba
12:30
where technology made things better.
241
734580
2512
ahol a technológia jobbá tette a dolgokat.
12:32
What happened instead is he very carefully documented
242
737092
2603
Ehelyett az történt, hogy nagyon gondosan dokumentálta
12:35
what happens over and over again when technology
243
739695
2692
mi történik, újra és újra amikor technológia
12:38
comes for the first time to an environment and a community.
244
742387
3264
érkezik az első alkalommal egy környezetbe és közösségbe.
12:41
The lives of people, the welfares of people, improve dramatically.
245
745651
3964
Az emberek élete, az emberek jóléte, drámaian javul.
12:45
So as I look around at all the evidence, and I think about
246
749615
2356
Tehát ha megnézem az összes bizonyítékot, és arra gondolok
12:47
the room that we have ahead of us, I become a huge
247
751971
2476
mennyi minden vár ránk, úgy egy hatalmas
12:50
digital optimist, and I start to think that this wonderful
248
754447
2824
digitális optimistává válok, és kezdek arra gondolni, hogy
12:53
statement from the physicist Freeman Dyson
249
757271
3055
a fizikus Freeman Dyson csodálatos nyilatkozata
12:56
is actually not hyperbole. This is an accurate assessment of what's going on.
250
760326
4578
valójában nem is túlzás. Ez egy pontos értékelése, annak ami történik.
13:00
Our digital -- our technologies are great gifts,
251
764904
2446
A mi digitális -- a mi technológiáink nagy ajándékok,
13:03
and we, right now, have the great good fortune
252
767350
3161
és mi, most, nagyon szerencsések vagyunk
13:06
to be living at a time when digital technology is flourishing,
253
770511
3525
hogy olyan időszakban élünk, amikor a digitális technológia virágzik,
13:09
when it is broadening and deepening and
254
774036
1658
amikor szélesedik és mélyül és
13:11
becoming more profound all around the world.
255
775694
3341
egyre alaposabb lesz a világ minden táján.
13:14
So, yeah, the droids are taking our jobs,
256
779035
3218
Szóval igen, a droidok elveszik a munkánkat,
13:18
but focusing on that fact misses the point entirely.
257
782253
3813
de erre a tényre összpontosítva éppen hogy elveszítjük a lényeget.
13:21
The point is that then we are freed up to do other things,
258
786066
3253
A lényeg az, hogy akkor mi felszabadulunk, hogy más dolgokat csináljunk,
13:25
and what we are going to do, I am very confident,
259
789319
2658
és amit csinálni fogunk, nagyon biztos vagyok benne,
13:27
what we're going to do is reduce poverty and drudgery
260
791977
3063
amit csinálni fogunk, az csökkenteni a szegénységet és a robotolást
13:30
and misery around the world. I'm very confident
261
795040
2664
és a nyomorúságot a világ minden táján. Biztos vagyok benne
13:33
we're going to learn to live more lightly on the planet,
262
797704
3032
meg fogunk tanulni könnyedebben élni a bolygón,
13:36
and I am extremely confident that what we're going to do
263
800736
3481
és én nagyon biztos vagyok benne, hogy amit csinálni fogunk
13:40
with our new digital tools is going to be so profound
264
804217
2921
az új digitális eszközeinkkel, olyan beható
13:43
and so beneficial that it's going to make a mockery
265
807138
2891
és annyira előnyös lesz, hogy megcsúfol majd
13:45
out of everything that came before.
266
810029
1733
mindent, ami eddig történt.
13:47
I'm going to leave the last word to a guy who had
267
811762
2738
Az utolsó szavakat átadom annak a fickónak
13:50
a front row seat for digital progress,
268
814500
1778
aki az első sorból élvezte a digitális fejlődést,
13:52
our old friend Ken Jennings. I'm with him.
269
816278
2565
öreg barátunknak, Ken Jenningsnek. Egyetértek vele.
13:54
I'm going to echo his words:
270
818843
1361
Megismétlem szavait:
13:56
"I, for one, welcome our new computer overlords." (Laughter)
271
820204
3971
"Ami engem illet, üdvözlöm az új számítógép urainkat." (Nevetés)
14:00
Thanks very much. (Applause)
272
824175
2929
Nagyon szépen köszönöm. (Taps)
ABOUT THE SPEAKER
Andrew McAfee - Management theoristAndrew McAfee studies how information technology affects businesses and society.
Why you should listen
Andrew McAfee studies the ways that information technology (IT) affects businesses, business as a whole, and the larger society. His research investigates how IT changes the way companies perform, organize themselves and compete. At a higher level, his work also investigates how computerization affects competition, society, the economy and the workforce.
He's a principal research scientist at the Center for Digital Business at the MIT Sloan School of Management. His books include Enterprise 2.0 and Race Against the Machine (with Erik Brynjolfsson). Read more on his blog.
Andrew McAfee | Speaker | TED.com