TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: Jak nauczyć się pracować ze sztuczną inteligencją?
Filmed:
Readability: 4.2
1,770,815 views
Droga wiodąca do doskonalenia umiejętności wyglądała tak samo przez tysiące lat na całym świecie: uczeń najpierw pracował pod okiem eksperta nad małymi, prostymi zadaniami, a dopiero potem zabierał się za cięższe, wymagające większej odpowiedzialności prace. Obecnie musimy radzić sobie ze sztuczną inteligencją, która blokuje nam drogę do sukcesu, a tym samym poświęcamy naukę w imię produktywności. Takiego zdania jest etnograf Matt Beane. Co zatem można zrobić? Beane dzieli się wizją, w której zmienia dotychczasową historię w ulepszony maszynowo mentoring, który działa na szeroką skalę, wykorzystując niesamowite możliwości sztucznej inteligencji przy jednoczesnym rozwijaniu naszych umiejętności.
Matt Beane - Organizational ethnographer
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
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.
00:13
It’s 6:30 in the morning,
0
1292
1875
Poranek 6.30.
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
Kristen wprowadza pacjenta
z chorą prostatą na salę operacyjną.
z chorą prostatą na salę operacyjną.
Jest lekarzem na stażu
na oddziale chirurgii.
na oddziale chirurgii.
00:21
She's a resident, a surgeon in training.
2
9500
2250
00:24
It’s her job to learn.
3
12333
2167
Pracuje, żeby nauczyć się profesji.
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
Wierzy, że dziś pomoże przy zabiegu
zachowania nerwów erekcyjnych,
zachowania nerwów erekcyjnych,
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
czyli bardzo precyzyjnej dysekcji,
która daje szanse na zachowanie erekcji.
która daje szanse na zachowanie erekcji.
00:35
That'll be up to the attending surgeon,
though, but he's not there yet.
though, but he's not there yet.
6
23500
3338
Będzie to jednak zależeć od chirurga,
nieobecnego jeszcze na sali.
nieobecnego jeszcze na sali.
Kristen wraz z zespołem
podaje choremu znieczulenie
podaje choremu znieczulenie
00:39
She and the team put the patient under,
7
27625
2393
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
i dokonuje pierwszego cięcia
na 20 centymetrów w dolnej części brzucha.
na 20 centymetrów w dolnej części brzucha.
Po założeniu klamry,
pielęgniarka prosi chirurga na salę.
pielęgniarka prosi chirurga na salę.
00:47
Once she’s got that clamped back,
she tells the nurse to call the attending.
she tells the nurse to call the attending.
9
35042
3586
Chirurg wchodzi, zakłada fartuch
00:51
He arrives, gowns up,
10
39583
2292
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
i od teraz czwórka ich rąk
będzie znajdowała się głównie w pacjencie.
będzie znajdowała się głównie w pacjencie.
On wskazuje drogę, ale to ona prowadzi.
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
Wyciągnęli prostatę, Kristen pomogła
przy zabiegu zachowania pęczków nerwowych,
przy zabiegu zachowania pęczków nerwowych,
01:04
When the prostates out (and, yes,
he let Kristen do a little nerve sparing),
he let Kristen do a little nerve sparing),
13
52875
4643
chirurg odrzucił fartuch na bok
01:09
he rips off his scrubs.
14
57542
1226
01:10
He starts to do paperwork.
15
58792
1375
i zabrał się za papierkową robotę.
01:12
Kristen closes the patient by 8:15,
16
60833
5375
To Kristen zaszywa pacjenta o 8.15,
a młodszy stażysta stoi za nią
i obserwuje jej zmagania.
i obserwuje jej zmagania.
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
Kristen pozwala mu zakończyć
ostatnie szwy.
ostatnie szwy.
01:24
Kristen feels great.
19
72833
3042
Ogarnia ją zadowolenie.
Pacjent wyzdrowieje,
a Kristen jest bez wątpienia
a Kristen jest bez wątpienia
01:28
Patient’s going to be fine,
20
76250
1559
01:29
and no doubt she’s a better surgeon
than she was at 6:30.
than she was at 6:30.
21
77833
3167
lepszym chirurgiem niż była o 6.30.
To praca ekstremalna,
01:34
Now this is extreme work.
22
82208
2834
ale Kristen uczy się profesji
w ten sam sposób, co większość z nas:
w ten sam sposób, co większość z nas:
01:37
But Kristin’s learning to do her job
the way that most of us do:
the way that most of us do:
23
85417
3833
obserwuje pracę specjalisty,
01:41
watching an expert for a bit,
24
89625
1893
powoli przejmuje pałeczkę,
realizując bezpieczne zadania,
realizując bezpieczne zadania,
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
a potem wykonuje
coraz trudniejsze czynności,
coraz trudniejsze czynności,
01:48
as they guide and decide she’s ready.
27
96917
2333
aż specjalista uzna, że jest gotowa.
Całe życie fascynował mnie
ten sposób nauki.
ten sposób nauki.
01:52
My whole life I’ve been fascinated
by this kind of learning.
by this kind of learning.
28
100042
2892
01:54
It feels elemental,
part of what makes us human.
part of what makes us human.
29
102958
3667
Wydaje się elementarny,
typowy dla natury ludzkiej.
typowy dla natury ludzkiej.
Ma wiele nazw: praktyka, trenowanie,
mentoring czy szkolenie.
mentoring czy szkolenie.
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
W chirurgii mówi się: "patrz, rób, naucz".
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
Proces jest taki sam
02:09
But the process is the same,
32
117625
1344
02:10
and it’s been the main path to skill
around the globe for thousands of years.
around the globe for thousands of years.
33
118993
4174
i na całym świecie od tysięcy lat
tak kształcono ludzi.
tak kształcono ludzi.
Zastosowanie sztucznej inteligencji
blokuje ten proces.
blokuje ten proces.
02:16
Right now, we’re handling AI
in a way that blocks that path.
in a way that blocks that path.
34
124333
4500
Poświęcamy naukę
dla większej produktywności.
dla większej produktywności.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
Zauważyłem to w chirurgii,
studiując w Instytucie MIT,
studiując w Instytucie MIT,
ale teraz mam dowody,
że tak jest wszędzie,
że tak jest wszędzie,
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
w różnych branżach
i z różnego rodzaju sztuczną inteligencją.
i z różnego rodzaju sztuczną inteligencją.
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
Jeśli nic z tym nie zrobimy,
miliony z nas natrafią na ścianę
miliony z nas natrafią na ścianę
02:35
If we do nothing, millions of us
are going to hit a brick wall
are going to hit a brick wall
39
143083
5851
podczas prób radzenia sobie
ze sztuczną inteligencją.
ze sztuczną inteligencją.
02:40
as we try to learn to deal with AI.
40
148958
2417
Wyobraźmy sobie znowu oddział chirurgii,
02:45
Let’s go back to surgery to see how.
41
153125
1772
ale sześć miesięcy później.
02:47
Fast forward six months.
42
155708
1935
Poranek 6.30 i Kristen znowu
wprowadza pacjenta z chorą prostatą,
wprowadza pacjenta z chorą prostatą,
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
ale tym razem do zautomatyzowanej
sali operacyjnej.
sali operacyjnej.
02:55
but this time to the robotic OR.
44
163167
3166
02:59
The attending leads attaching
45
167667
1684
Chirurg podłącza pacjenta
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
do robota z czterema rękoma,
ważącego pół tony.
ważącego pół tony.
Chirurg i Kristen ściągają fartuchy,
03:04
They both rip off their scrubs,
47
172750
2434
03:07
head to control consoles
10 or 15 feet away,
10 or 15 feet away,
48
175208
3125
kierują się do kontrolera
stojącego o trzy lub cztery metry dalej.
stojącego o trzy lub cztery metry dalej.
03:11
and Kristen just watches.
49
179167
3750
Zadanie Kristen sprowadza się
tylko do patrzenia.
tylko do patrzenia.
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
Robot umożliwia chirurgowi
samodzielne wykonanie pracy,
samodzielne wykonanie pracy,
03:19
so he basically does.
51
187452
1583
i tak właśnie się dzieje.
03:21
He knows she needs practice.
52
189917
2101
Lekarz wie, że Kristen
potrzebuje praktyki.
potrzebuje praktyki.
03:24
He wants to give her control.
53
192042
1583
Chce, żeby ona przejęła stery,
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
ale wie również, że będzie wolniejsza
i zrobi więcej błędów,
i zrobi więcej błędów,
03:29
and his patient comes first.
55
197667
1500
a pacjent to priorytet.
Kristen wie, że nie zbliży się nawet
do nerwów erekcyjnych.
do nerwów erekcyjnych.
03:32
So Kristin has no hope of getting anywhere
near those nerves during this rotation.
near those nerves during this rotation.
56
200250
4625
03:37
She’ll be lucky if she operates more than
15 minutes during a four-hour procedure.
15 minutes during a four-hour procedure.
57
205417
4375
Będzie dobrze, jeśli popracuje 15 minut
podczas czterogodzinnego zabiegu.
podczas czterogodzinnego zabiegu.
03:42
And she knows that when she slips up,
58
210250
2625
Wie, że jeśli da plamę,
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
chirurg przejmie panel dotykowy,
a ona znowu będzie tylko obserwowała,
a ona znowu będzie tylko obserwowała,
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
czując się, jakby stała za karę w kącie.
Wszystkie badania nad robotami,
które wykonuję przez ostatnie osiem lat,
które wykonuję przez ostatnie osiem lat,
03:53
Like all the studies of robots and work
I’ve done in the last eight years,
I’ve done in the last eight years,
61
221583
3501
rozpoczynałem od pytania otwartego:
03:57
I started this one
with a big, open question:
with a big, open question:
62
225108
2118
03:59
How do we learn to work
with intelligent machines?
with intelligent machines?
63
227250
2792
Jak nauczyć się pracować
ze sztuczną inteligencją?
ze sztuczną inteligencją?
04:02
To find out, I spent two and a half years
observing dozens of residents and surgeons
observing dozens of residents and surgeons
64
230792
5809
Żeby się dowiedzieć, przez dwa i pół roku
obserwowałem wielu stażystów i chirurgów,
obserwowałem wielu stażystów i chirurgów,
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
którzy operują tradycyjnie
i z pomocą robotów,
i z pomocą robotów,
przeprowadzałem wywiady
04:12
and in general hanging out
with the residents as they tried to learn.
with the residents as they tried to learn.
66
240125
3338
i przebywałem z nimi,
kiedy uczyli się profesji.
kiedy uczyli się profesji.
Byłem w 18 najlepszych szpitalach
w USA oferujących staż absolwentom
w USA oferujących staż absolwentom
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
i wszystko wyglądało tak samo.
04:19
and the story was the same.
68
247625
1458
04:21
Most residents were in Kristen's shoes.
69
249875
2542
Większość stażystów przechodziła
przez to samo co Kristen.
przez to samo co Kristen.
04:24
They got to “see one” plenty,
70
252958
1792
Owszem, widzieli dużo,
04:27
but the “do one” was barely available.
71
255583
2292
ale brakowało samego działania.
Nie było wysiłku, więc nie było też nauki.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
04:33
This was important news for surgeons, but
I needed to know how widespread it was:
I needed to know how widespread it was:
73
261291
3810
To ważna informacja dla chirurgów,
ale musiałem poznać zasięg tego problemu.
ale musiałem poznać zasięg tego problemu.
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
Gdzie jeszcze stosowanie sztucznej
inteligencji hamuje naukę przy pracy?
inteligencji hamuje naukę przy pracy?
Żeby to wyjaśnić, nawiązałem kontakt
z rozwijającą się ekipą młodych badaczy,
z rozwijającą się ekipą młodych badaczy,
04:42
To find out, I’ve connected with a small
but growing group of young researchers
but growing group of young researchers
75
270208
4310
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
którzy dokładnie przebadali
pracę ze sztuczną inteligencją
pracę ze sztuczną inteligencją
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
w wielu różnych środowiskach,
jak start-upy, policja,
jak start-upy, policja,
04:53
investment banking and online education.
78
281000
2601
banki inwestycyjne czy edukacja online.
04:55
Like me, they spent at least a year
and many hundreds of hours observing,
and many hundreds of hours observing,
79
283625
5851
Tak jak ja, spędzili przynajmniej rok
i setki godzin na obserwacjach,
i setki godzin na obserwacjach,
05:01
interviewing and often working
side-by-side with the people they studied.
side-by-side with the people they studied.
80
289500
3917
przepytując i często pracując
razem z badanymi.
razem z badanymi.
Dzieliliśmy się danymi,
a potem szukałem schematów.
a potem szukałem schematów.
05:06
We shared data, and I looked for patterns.
81
294458
2417
05:09
No matter the industry, the work,
the AI, the story was the same.
the AI, the story was the same.
82
297917
5208
Bez względu na branżę, typ pracy,
typ robota, wszystko wyglądało tak samo.
typ robota, wszystko wyglądało tak samo.
Organizacje próbowały wyciągnąć
jak najwięcej ze sztucznej inteligencji,
jak najwięcej ze sztucznej inteligencji,
05:16
Organizations were trying harder
and harder to get results from AI,
and harder to get results from AI,
83
304042
3642
05:19
and they were peeling learners away from
expert work as they did it.
expert work as they did it.
84
307708
3542
odciągając stażystów od fachowej pracy.
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
Menadżerzy start-upów
zlecali kontakt z klientem.
zlecali kontakt z klientem.
Policjanci musieli radzić sobie
z prognozowaną przestępczością
z prognozowaną przestępczością
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
bez wsparcia ekspertów.
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
Młodsi stażem bankierzy
byli odciągani od złożonych analiz,
byli odciągani od złożonych analiz,
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
a profesorowie mieli tworzyć
kursy online bez pomocy.
kursy online bez pomocy.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
Skutek był taki sam,
jak w przypadku chirurgii.
jak w przypadku chirurgii.
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
Nauka przy pracy
stawała się coraz trudniejsza.
stawała się coraz trudniejsza.
05:48
This can’t last.
91
336958
1417
Tak dalej być nie może.
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
Spółka McKinsey szacuje,
że od pół miliarda do miliarda z nas
że od pół miliarda do miliarda z nas
05:55
are going to have to adapt to AI
in our daily work by 2030.
in our daily work by 2030.
93
343833
4125
będzie musiało przywyknąć do pracy
ze sztuczną inteligencją do 2030 roku.
ze sztuczną inteligencją do 2030 roku.
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
Przypuszczamy, że nauka przy pracy
będzie dostępna, jeśli się postaramy.
będzie dostępna, jeśli się postaramy.
06:03
will be there for us as we try.
95
351035
1917
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
Ostatnia ankieta firmy Accenture pokazuje,
że większość pracowników nauczyła się
że większość pracowników nauczyła się
06:09
on the job, not in formal training.
97
357792
2291
kluczowych umiejętności w pracy,
a nie na uczelniach.
a nie na uczelniach.
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
Myślimy o wpływie robotów na przyszłość,
ale teraz najbardziej liczy się to,
ale teraz najbardziej liczy się to,
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
że używając ich w obecny sposób,
blokujemy naukę w praktyce,
blokujemy naukę w praktyce,
06:20
is that we’re handling it in a way
that blocks learning on the job
that blocks learning on the job
100
368542
3375
a taka jest najbardziej potrzebna.
06:24
just when we need it most.
101
372375
1625
06:27
Now across all our sites,
a small minority found a way to learn.
a small minority found a way to learn.
102
375458
6042
W każdej jednostce
znalazła się grupa osób,
znalazła się grupa osób,
która wpadła na to,
jak się uczyć w takich warunkach.
jak się uczyć w takich warunkach.
Udało się, łamiąc i naginając zasady.
06:35
They did it by breaking and bending rules.
103
383625
3042
Przyjęte zasady nie sprawdziły się,
więc musieli je złamać lub nagiąć,
więc musieli je złamać lub nagiąć,
06:39
Approved methods weren’t working,
so they bent and broke rules
so they bent and broke rules
104
387083
4643
06:43
to get hands-on practice with experts.
105
391750
1976
żeby zdobyć doświadczenie od ekspertów.
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
Widziałem, jak rezydenci angażowali się
w zautomatyzowane operacje
w zautomatyzowane operacje
na studiach medycznych
kosztem podstawowej edukacji.
kosztem podstawowej edukacji.
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
Spędzili setki dodatkowych godzin,
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
pracując na symulatorach
i z nagraniami z operacji,
i z nagraniami z operacji,
07:02
when you were supposed to learn in the OR.
109
410292
2541
zamiast uczyć się na sali operacyjnej.
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
Może najważniejsze jest to,
że nauczyli się radzić sobie
że nauczyli się radzić sobie
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
przy prawdziwych zabiegach
bez nadzoru eksperckiego.
bez nadzoru eksperckiego.
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
Nazywam to "nauką w cieniu",
ponieważ nagina się zasady,
ponieważ nagina się zasady,
07:18
and learner’s do it out of the limelight.
113
426125
2000
a uczeń znajduje się poza centrum uwagi.
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
Wszyscy przymykają na to oko,
bo przecież to działa.
bo przecież to działa.
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
Pamiętajmy, że to najwybitniejsi
uczniowie w grupie.
uczniowie w grupie.
Oczywiście, to nie jest OK
i nie podziała na dłuższą metę.
i nie podziała na dłuższą metę.
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
Chęć nabycia umiejętności zawodowych
nie powinna powodować ryzyka utraty pracy.
nie powinna powodować ryzyka utraty pracy.
07:33
No one should have to risk getting fired
117
441708
2185
07:35
to learn the skills
they need to do their job.
they need to do their job.
118
443917
2150
07:38
But we do need to learn from these people.
119
446792
2056
Jednak powinniśmy się uczyć od tych osób.
Podjęli ryzyko, żeby zdobyć wiedzę.
07:41
They took serious risks to learn.
120
449917
2250
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
Wiedzieli, że muszą bronić
wysiłku i wyzwań w pracy,
wysiłku i wyzwań w pracy,
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
żeby umieć zmierzyć się
z ciężkimi przypadkami
z ciężkimi przypadkami
07:52
right near the edge of their capacity.
123
460083
1959
w granicach swoich kompetencji.
Zapewnili też sobie wsparcie eksperta,
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
który miał dawać wskazówki
i zapobiegać katastrofom.
i zapobiegać katastrofom.
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
Zastosujmy połączenie wysiłku
i wsparcia specjalisty
i wsparcia specjalisty
08:04
into each AI implementation.
127
472708
2750
w każdej pracy ze sztuczną inteligencją.
08:08
Here’s one clear example
I could get of this on the ground.
I could get of this on the ground.
128
476375
2828
Podam przykład na to,
jak mogłoby to wyglądać.
jak mogłoby to wyglądać.
Przed erą robotów
08:12
Before robots,
129
480125
1226
saper rozbrajał ładunek wybuchowy,
podchodząc do niego.
podchodząc do niego.
08:13
if you were a bomb disposal technician,
you dealt with an IED by walking up to it.
you dealt with an IED by walking up to it.
130
481375
4792
Młodszy oficer znajdował się
setki metrów dalej,
setki metrów dalej,
08:19
A junior officer was
hundreds of feet away,
hundreds of feet away,
131
487333
2143
08:21
so could only watch and help
if you decided it was safe
if you decided it was safe
132
489500
3309
więc mógł tylko patrzeć
i pomóc, jeśli było to bezpieczne
i pomóc, jeśli było to bezpieczne
08:24
and invited them downrange.
133
492833
1417
i jeśli technik go zawołał.
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
Teraz siedzimy w pancernej ciężarówce.
08:31
You both watched the video feed.
135
499125
1809
Po obejrzeniu podglądu z kamery,
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
uczniowie zaczynają kontrolować robota,
a ekspert prowadzi pracę.
a ekspert prowadzi pracę.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
Teraz praktykanci uczą się lepiej
niż przed erą robotów.
niż przed erą robotów.
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
Możemy tę wiedzę przenieść
na chirurgię, start-upy, policję,
na chirurgię, start-upy, policję,
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
banki inwestycyjne, edukację online
i na inne dziedziny.
i na inne dziedziny.
08:48
The good news is
we’ve got new tools to do it.
we’ve got new tools to do it.
140
516375
2500
Dobrą wiadomością jest to,
że nowe narzędzia nam pomogą.
że nowe narzędzia nam pomogą.
08:51
The internet and the cloud mean we don’t
always need one expert for every trainee,
always need one expert for every trainee,
141
519750
4082
Dzięki Internetowi i chmurze
nie zawsze potrzebujemy
nie zawsze potrzebujemy
jednego eksperta na każdego praktykanta,
08:56
for them to be physically near each other
or even to be in the same organization.
or even to be in the same organization.
142
524167
4458
żeby fizycznie byli obok siebie i nawet
nie muszą być w tej samej organizacji.
nie muszą być w tej samej organizacji.
09:01
And we can build AI to help:
143
529292
3041
Możemy wykorzystać sztuczną inteligencję
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
do wspierania uczniów podczas nauki,
a ekspertów, kiedy monitorują uczniów,
a ekspertów, kiedy monitorują uczniów,
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
i inteligentnie połączyć te dwie grupy.
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
Są ludzie, którzy pracują
nad takimi systemami,
nad takimi systemami,
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
ale skupiają się głównie
na uczelnianej praktyce,
na uczelnianej praktyce,
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
a największy kryzys
obejmuje szkolenie w pracy.
obejmuje szkolenie w pracy.
Musimy się do tego lepiej zabrać.
09:24
We must do better.
149
552417
1851
09:26
Today’s problems demand we do better
150
554292
2583
Dzisiejsze problemy wymagają od nas tego,
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
żeby stworzyć w pracy takie środowisko,
w którym w pełni wykorzystuje się
sztuczną inteligencję,
sztuczną inteligencję,
09:35
while enhancing our skills as we do it.
152
563042
2750
jednocześnie rozwijając
nasze umiejętności.
nasze umiejętności.
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
O takiej przyszłości marzyłem za dziecka.
09:41
And the time to create it is now.
154
569458
2167
Teraz jest moment,
żeby to marzenie spełnić.
żeby to marzenie spełnić.
09:44
Thank you.
155
572333
1226
Dziękuję.
09:45
(Applause)
156
573583
3625
(Brawa)
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