TED2013
Erik Brynjolfsson: The key to growth? Race with the machines
Erik Brynjolfsson: A chave para o crescimento? A corrida com as máquinas.
Filmed:
Readability: 4.6
1,321,770 views
Enquanto as máquinas assumem postos de trabalho, muitos se encontram sem emprego ou com aumentos salariais adiados indefinidamente. Seria este o fim do crescimento? Não, diz Erik Brynjolfsson -- são simplesmente as dores crescentes de uma economia reorganizada radicalmente. Um fascinante caso sobre o porquê de grandes inovações estarem à nossa frente… se pensarmos nos computadores como nossos colegas de trabalho. Não perca também a visão oposicionista de Robert Gordon.
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
O crescimento não está morto.
00:14
(Applause)
1
2877
1386
(Aplausos)
00:16
Let's start the story 120 years ago,
2
4263
3963
Vamos começar a história 120 anos atrás,
00:20
when American factories began to electrify their operations,
3
8226
3632
quando as fábricas americanas começaram a usar a energia elétrica em suas operações,
00:23
igniting the Second Industrial Revolution.
4
11858
3344
dando início a Segunda Revolução Industrial.
00:27
The amazing thing is
5
15202
1111
O fascinante é
00:28
that productivity did not increase in those factories
6
16313
2777
que a produtividade não aumentou naquelas fábricas
00:31
for 30 years. Thirty years.
7
19090
3256
por 30 anos. Trinta anos.
00:34
That's long enough for a generation of managers to retire.
8
22346
3474
Isso é tempo suficiente para uma geração de gerentes se aposentar.
00:37
You see, the first wave of managers
9
25820
2222
Vejam, a primeira onda de gerentes
00:40
simply replaced their steam engines with electric motors,
10
28042
3417
simplesmente substituiu suas máquinas a vapor
por máquinas elétricas,
por máquinas elétricas,
00:43
but they didn't redesign the factories to take advantage
11
31459
3010
porém não replanejaram as fábricas para tirar proveito
00:46
of electricity's flexibility.
12
34469
2341
da flexibilidade da energia elétrica.
00:48
It fell to the next generation to invent new work processes,
13
36810
3984
Recaiu sobre a próxima geração inventar novos processos de trabalho,
00:52
and then productivity soared,
14
40794
2727
e então a produtividade subiu,
00:55
often doubling or even tripling in those factories.
15
43521
3665
dobrando ou até mesmo triplicando nessas fábricas.
00:59
Electricity is an example of a general purpose technology,
16
47186
4723
A eletricidade é um exemplo de uma tecnologia de utilidade geral,
01:03
like the steam engine before it.
17
51909
2230
como o máquina a vapor antes dela.
01:06
General purpose technologies drive most economic growth,
18
54139
3416
As tecnologias de utilidade geral conduzem ao crescimento econômico,
01:09
because they unleash cascades of complementary innovations,
19
57555
3454
porque desencadeiam cascatas de inovações complementares,
01:13
like lightbulbs and, yes, factory redesign.
20
61009
3632
como as lâmpadas e, sim, a reestruturação das fábricas.
01:16
Is there a general purpose technology of our era?
21
64641
3610
Existe uma tecnologia de utilidade geral na nossa era?
01:20
Sure. It's the computer.
22
68251
2508
Claro. É o computador.
01:22
But technology alone is not enough.
23
70759
2659
Mas a tecnologia sozinha não é suficiente.
01:25
Technology is not destiny.
24
73418
2766
Tecnologia não é destino.
01:28
We shape our destiny,
25
76184
1580
Nós moldamos nosso destino,
01:29
and just as the earlier generations of managers
26
77764
2516
e assim como as antigas gerações de gerentes
01:32
needed to redesign their factories,
27
80280
2298
precisavam reestruturar suas fábricas,
01:34
we're going to need to reinvent our organizations
28
82578
2229
precisaremos reinventar nossas organizações
01:36
and even our whole economic system.
29
84807
2555
e até mesmo todo nosso sistema econômico.
01:39
We're not doing as well at that job as we should be.
30
87362
3602
Não estamos realizando essa tarefa tão bem quanto deveríamos.
01:42
As we'll see in a moment,
31
90964
1230
Como veremos daqui a pouco,
01:44
productivity is actually doing all right,
32
92194
2722
na verdade a produtividade está indo bem,
01:46
but it has become decoupled from jobs,
33
94916
3862
mas se tornou dissociada dos empregos,
01:50
and the income of the typical worker is stagnating.
34
98778
4419
e a renda do trabalhador comum está estagnando.
01:55
These troubles are sometimes misdiagnosed
35
103197
2519
Às vezes, estes problemas são mal diagnosticados
01:57
as the end of innovation,
36
105716
3712
como o fim da inovação,
02:01
but they are actually the growing pains
37
109428
2129
mas eles são, na verdade, as dores crescentes
02:03
of what Andrew McAfee and I call the new machine age.
38
111557
5590
do que eu e Andrew McAfee chamamos de "a Nova Era da Máquina".
02:09
Let's look at some data.
39
117147
1882
Vejamos alguns dados.
02:11
So here's GDP per person in America.
40
119029
2902
Aqui está o PIB per capita dos Estados Unidos.
02:13
There's some bumps along the way, but the big story
41
121931
2766
Existem alguns percalços ao longo da caminho, mas no fim da história
02:16
is you could practically fit a ruler to it.
42
124697
2715
você pode passar praticamente uma régua por ele.
02:19
This is a log scale, so what looks like steady growth
43
127412
3276
Esta é uma escala logarítmica, então o que parece ser um crescimento estável
02:22
is actually an acceleration in real terms.
44
130688
3043
é, na verdade, uma aceleração em termos reais.
02:25
And here's productivity.
45
133731
2160
E aqui está a produtividade.
02:27
You can see a little bit of a slowdown there in the mid-'70s,
46
135891
2671
Podem ver um pouco de desaceleração
na metade dos anos 70,
na metade dos anos 70,
02:30
but it matches up pretty well with the Second Industrial Revolution,
47
138562
3738
mas corresponde muito bem à Segunda Revolução Industrial,
02:34
when factories were learning how to electrify their operations.
48
142300
2691
quando as fábricas estavam aprendendo como usar a energia elétrica em suas operações.
02:36
After a lag, productivity accelerated again.
49
144991
4129
Depois de um período de defasagem, a produtividade voltou a acelerar.
02:41
So maybe "history doesn't repeat itself,
50
149120
2571
Então talvez "a história não se repita,
02:43
but sometimes it rhymes."
51
151691
2568
mas algumas vezes ela rima."
02:46
Today, productivity is at an all-time high,
52
154259
3136
Hoje a produtividade está em seu máximo histórico,
02:49
and despite the Great Recession,
53
157395
1977
e apesar da Grande Recessão,
02:51
it grew faster in the 2000s than it did in the 1990s,
54
159372
4252
cresceu mais rápido nos anos 2000
do que nos anos 90,
do que nos anos 90,
02:55
the roaring 1990s, and that was faster than the '70s or '80s.
55
163624
4136
e nos estrondosos anos 90, mais rápido que nos anos 70 e 80.
02:59
It's growing faster than it did during the Second Industrial Revolution.
56
167760
3674
Está crescendo mais rápido do que durante a Segunda Revolução industrial.
03:03
And that's just the United States.
57
171434
1743
E isto somente nos Estados Unidos.
03:05
The global news is even better.
58
173177
3248
As notícias mundiais são ainda melhores.
03:08
Worldwide incomes have grown at a faster rate
59
176425
2360
As rendas ao redor do mundo cresceram
a um índice mais rápido
a um índice mais rápido
03:10
in the past decade than ever in history.
60
178785
2496
na década passada do que em toda história.
03:13
If anything, all these numbers actually understate our progress,
61
181281
5051
No mínimo, todos esses números subestimam
nosso progresso,
nosso progresso,
03:18
because the new machine age
62
186332
1912
porque a Nova Era da Máquina
03:20
is more about knowledge creation
63
188244
1664
está mais relacionada com a criação do conhecimento
03:21
than just physical production.
64
189908
2331
do que com a produção física.
03:24
It's mind not matter, brain not brawn,
65
192239
2938
É mente e não matéria, cérebro e não músculos,
03:27
ideas not things.
66
195177
2062
ideias e não coisas.
03:29
That creates a problem for standard metrics,
67
197239
2570
Isto traz um problema para os padrões métricos,
03:31
because we're getting more and more stuff for free,
68
199809
3502
porque temos cada vez mais coisas de graça,
03:35
like Wikipedia, Google, Skype,
69
203311
2641
como Wikipedia, Google, Skype
03:37
and if they post it on the web, even this TED Talk.
70
205952
3063
e, se postada na internet, até mesmo esta apresentação TED.
03:41
Now getting stuff for free is a good thing, right?
71
209015
3303
Ter coisas de graça é algo bom, certo?
03:44
Sure, of course it is.
72
212318
1765
Claro que sim.
03:46
But that's not how economists measure GDP.
73
214083
3868
Mas não é assim que os economistas medem o PIB.
03:49
Zero price means zero weight in the GDP statistics.
74
217951
5592
Preço zero significa peso zero nas estatísticas do PIB.
03:55
According to the numbers, the music industry
75
223543
2112
De acordo com os números, a indústria de música
03:57
is half the size that it was 10 years ago,
76
225655
3000
tem metade do tamanho de 10 anos atrás,
04:00
but I'm listening to more and better music than ever.
77
228655
3656
mas eu escuto mais e melhores músicas
do que antes.
do que antes.
04:04
You know, I bet you are too.
78
232311
2192
Sabe, acho que vocês também.
04:06
In total, my research estimates
79
234503
2723
No total, minha pesquisa estima
04:09
that the GDP numbers miss over 300 billion dollars per year
80
237226
4754
que os números do PIB deixam de fora mais de 300 bilhões de dólares por ano
04:13
in free goods and services on the Internet.
81
241980
3346
em produtos e serviços gratuitos na internet.
04:17
Now let's look to the future.
82
245326
1789
Agora vamos olhar para o futuro.
04:19
There are some super smart people
83
247115
2263
Existem algumas pessoas muito inteligentes
04:21
who are arguing that we've reached the end of growth,
84
249378
5019
que argumentam que alcançamos
o fim do crescimento,
o fim do crescimento,
04:26
but to understand the future of growth,
85
254397
3558
mas para entender o futuro do crescimento,
04:29
we need to make predictions
86
257955
2683
precisamos fazer previsões
04:32
about the underlying drivers of growth.
87
260638
3290
sobre as causas implícitas do crescimento.
04:35
I'm optimistic, because the new machine age
88
263928
3806
Sou otimista, porque a Nova Era da Máquina
04:39
is digital, exponential and combinatorial.
89
267734
5030
é digital, exponencial e combinatória.
04:44
When goods are digital, they can be replicated
90
272764
2264
Quando os produtos são digitais,
podem ser reproduzidos
podem ser reproduzidos
04:47
with perfect quality at nearly zero cost,
91
275028
4509
com perfeita qualidade e custo quase zero,
04:51
and they can be delivered almost instantaneously.
92
279537
4018
e podem ser entregues quase instantaneamente.
04:55
Welcome to the economics of abundance.
93
283555
2800
Bem-vindo à economia da abundância.
04:58
But there's a subtler benefit to the digitization of the world.
94
286355
3690
Mas existe um benefício sutil na
digitalização do mundo.
digitalização do mundo.
05:02
Measurement is the lifeblood of science and progress.
95
290045
4600
A medição é a força vital da ciência e do progresso.
05:06
In the age of big data,
96
294645
2148
Na era dos grandes dados,
05:08
we can measure the world in ways we never could before.
97
296793
4286
podemos medir o mundo de maneiras que nunca pudemos anteriormente.
05:13
Secondly, the new machine age is exponential.
98
301079
4095
Segundo, a Nova Era da Máquina é exponencial.
05:17
Computers get better faster than anything else ever.
99
305174
5935
Os computadores estão se tornando mais rápidos do que qualquer outra coisa.
05:23
A child's Playstation today is more powerful
100
311109
3568
O "Playstation" hoje é mais poderoso
05:26
than a military supercomputer from 1996.
101
314677
4056
do que um supercomputador militar de 1996.
05:30
But our brains are wired for a linear world.
102
318733
3207
Mas nossos cérebros são programados para um mundo linear.
05:33
As a result, exponential trends take us by surprise.
103
321940
3888
Consequentemente, as tendências exponenciais nos surpreendem.
05:37
I used to teach my students that there are some things,
104
325828
2602
Eu costumava ensinar aos meus alunos
que existem certas coisas,
que existem certas coisas,
05:40
you know, computers just aren't good at,
105
328430
1934
sabe, nas quais os computadores não são tão bons,
05:42
like driving a car through traffic.
106
330364
2385
como dirigir um carro no meio do trânsito.
05:44
(Laughter)
107
332749
2013
(Risos)
05:46
That's right, here's Andy and me grinning like madmen
108
334762
3491
Isso mesmo, aqui eu e o Andy sorrindo feitos loucos
05:50
because we just rode down Route 101
109
338253
2384
porque tínhamos percorrido a Rota 101
05:52
in, yes, a driverless car.
110
340637
3669
em, sim, um carro sem motorista.
05:56
Thirdly, the new machine age is combinatorial.
111
344306
2583
Terceiro, a Nova Era da Máquina é combinatória.
05:58
The stagnationist view is that ideas get used up,
112
346889
4048
A visão de estagnação é a de que as ideias se esgotam,
06:02
like low-hanging fruit,
113
350937
1856
como uma fruta mais a mão,
06:04
but the reality is that each innovation
114
352793
3163
mas a realidade é que cada inovação
06:07
creates building blocks for even more innovations.
115
355956
3256
cria sustentação para mais inovações.
06:11
Here's an example. In just a matter of a few weeks,
116
359212
3345
Aqui está um exemplo. Em questão de semanas,
06:14
an undergraduate student of mine
117
362557
2072
um dos meus alunos de graduação
06:16
built an app that ultimately reached 1.3 million users.
118
364629
4111
construiu um aplicativo que chegou a
1,3 milhões de usuários.
1,3 milhões de usuários.
06:20
He was able to do that so easily
119
368740
1699
Eles conseguiu fazer isso tão fácil
06:22
because he built it on top of Facebook,
120
370439
1827
porque ele o construiu em cima do Facebook,
06:24
and Facebook was built on top of the web,
121
372266
1933
e o Facebook foi construído em cima da web,
06:26
and that was built on top of the Internet,
122
374199
1698
e esta foi construída em cima da internet,
06:27
and so on and so forth.
123
375897
2418
e assim por diante.
06:30
Now individually, digital, exponential and combinatorial
124
378315
4765
Agora individualmente, digital, exponencial e combinatória
06:35
would each be game-changers.
125
383080
2350
cada um seria causador de mudanças no jogo.
06:37
Put them together, and we're seeing a wave
126
385430
2190
Ao colocá-los juntos, veremos uma onda
06:39
of astonishing breakthroughs,
127
387620
1393
de descobertas surpreendentes,
06:41
like robots that do factory work or run as fast as a cheetah
128
389013
3060
como robôs que fazem as fábricas trabalharem rápido como um guepardo
06:44
or leap tall buildings in a single bound.
129
392073
2796
e saltam edifícios em um único pulo.
06:46
You know, robots are even revolutionizing
130
394869
2232
Sabe, os robôs estão revolucionando
06:49
cat transportation.
131
397101
1829
o transporte felino.
06:50
(Laughter)
132
398930
2270
(Risos)
06:53
But perhaps the most important invention,
133
401200
2732
Mas talvez a mais importante invenção,
06:55
the most important invention is machine learning.
134
403932
5065
a mais importante invenção é o aprendizado da máquina.
07:00
Consider one project: IBM's Watson.
135
408997
3376
Considerem um projeto: o Watson, da IBM.
07:04
These little dots here,
136
412373
1589
Estes pequenos pontos aqui
07:05
those are all the champions on the quiz show "Jeopardy."
137
413962
4860
são todos os campeões do programa de TV "Jeopardy".
07:10
At first, Watson wasn't very good,
138
418822
2544
No começo, o Watson não era muito bom,
07:13
but it improved at a rate faster than any human could,
139
421366
5622
mas melhorou a um índice mais rápido do que qualquer ser humano poderia,
07:18
and shortly after Dave Ferrucci showed this chart
140
426988
2687
e logo após Dave Ferrucci ter mostrado seu gráfico
07:21
to my class at MIT,
141
429675
1652
para minha classe no MIT,
07:23
Watson beat the world "Jeopardy" champion.
142
431327
3542
Watson venceu o campeão mundial de "Jeopardy".
07:26
At age seven, Watson is still kind of in its childhood.
143
434869
3989
Aos sete anos, Watson é ainda uma criança.
07:30
Recently, its teachers let it surf the Internet unsupervised.
144
438858
5318
Recentemente, seus professores deixaram-no navegar na internet sem supervisão.
07:36
The next day, it started answering questions with profanities.
145
444176
5946
No outro dia, ele começou a responder perguntas com obscenidades.
07:42
Damn. (Laughter)
146
450122
2274
Droga. (Risos)
07:44
But you know, Watson is growing up fast.
147
452396
2280
Mas Watson está crescendo rápido.
07:46
It's being tested for jobs in call centers, and it's getting them.
148
454676
4212
Está sendo testado para trabalhos em "call centers"
e está se saindo bem.
e está se saindo bem.
07:50
It's applying for legal, banking and medical jobs,
149
458888
3724
Está se candidatando a empregos na área jurídica, bancária e médica,
07:54
and getting some of them.
150
462612
1950
e está conseguindo alguns.
07:56
Isn't it ironic that at the very moment
151
464562
1889
Não é irônico que no momento
07:58
we are building intelligent machines,
152
466451
2234
em que construímos máquinas inteligentes,
08:00
perhaps the most important invention in human history,
153
468685
3449
talvez a mais importante invenção da história da humanidade,
08:04
some people are arguing that innovation is stagnating?
154
472134
3975
algumas pessoas argumentem que a inovação
está em estagnação?
está em estagnação?
08:08
Like the first two industrial revolutions,
155
476109
2419
Assim como as primeiras duas revoluções industriais,
08:10
the full implications of the new machine age
156
478528
3134
todas as implicações da Nova Era da Máquina
08:13
are going to take at least a century to fully play out,
157
481662
2682
levarão pelo menos um século para se exaurirem,
08:16
but they are staggering.
158
484344
3032
mas são surpreendentes.
08:19
So does that mean we have nothing to worry about?
159
487376
3336
Então isso significa que não temos nada
com que nos preocupar?
com que nos preocupar?
08:22
No. Technology is not destiny.
160
490712
3680
Não. Tecnologia não é destino.
08:26
Productivity is at an all time high,
161
494392
2569
A produtividade está no seu máximo histórico,
08:28
but fewer people now have jobs.
162
496961
2983
mas menos pessoas têm um emprego agora.
08:31
We have created more wealth in the past decade than ever,
163
499944
3120
Criamos mais riqueza do que nunca, na última década,
08:35
but for a majority of Americans, their income has fallen.
164
503064
3904
mas, para a maioria dos americanos,
a renda caiu.
a renda caiu.
08:38
This is the great decoupling
165
506968
2312
Esta é a grande dissociação
08:41
of productivity from employment,
166
509280
2976
entre produtividade e emprego,
08:44
of wealth from work.
167
512256
3104
entre riqueza e trabalho.
08:47
You know, it's not surprising that millions of people
168
515360
2346
Sabe, não é surpresa que milhões de pessoas
08:49
have become disillusioned by the great decoupling,
169
517706
2846
se desiludiram com a grande dissociação,
08:52
but like too many others,
170
520552
1747
mas como muitos outros,
08:54
they misunderstand its basic causes.
171
522299
3097
eles não compreendem bem as causas básicas.
08:57
Technology is racing ahead,
172
525396
2610
A tecnologia está correndo a frente,
09:00
but it's leaving more and more people behind.
173
528006
3550
mas está deixando cada vez mais pessoas para trás.
09:03
Today, we can take a routine job,
174
531556
3519
Hoje, podemos tomar um trabalho rotineiro,
09:07
codify it in a set of machine-readable instructions,
175
535075
3091
codificá-lo em uma série de instruções legíveis
por máquinas,
por máquinas,
09:10
and then replicate it a million times.
176
538166
2827
e reproduzi-lo milhões de vezes.
09:12
You know, I recently overheard a conversation
177
540993
2279
Sabe, recentemente eu ouvi uma conversa
09:15
that epitomizes these new economics.
178
543272
1952
que resume essa nova economia.
09:17
This guy says, "Nah, I don't use H&R Block anymore.
179
545224
4197
Este cara disse: "Não, não uso mais o serviço de contadores.
09:21
TurboTax does everything that my tax preparer did,
180
549421
2448
O TurboTax faz tudo que meu contador fazia,
09:23
but it's faster, cheaper and more accurate."
181
551869
4558
e é mais rápido, mais barato e mais preciso."
09:28
How can a skilled worker
182
556427
1799
Como um trabalhador qualificado pode
09:30
compete with a $39 piece of software?
183
558226
3009
competir com um software de 39 dólares?
09:33
She can't.
184
561235
1967
Não pode.
09:35
Today, millions of Americans do have faster,
185
563202
2780
Hoje, milhões de americanos têm
um cálculo de impostos,
um cálculo de impostos,
09:37
cheaper, more accurate tax preparation,
186
565982
2387
mais rápido, barato e preciso,
09:40
and the founders of Intuit
187
568369
1486
e os fundadores do software Intuit
09:41
have done very well for themselves.
188
569855
2493
têm ido muito bem.
09:44
But 17 percent of tax preparers no longer have jobs.
189
572348
4214
Mas 17% dos contadores não têm mais empregos.
09:48
That is a microcosm of what's happening,
190
576562
2078
Isso é o microcosmo do que está acontecendo,
09:50
not just in software and services, but in media and music,
191
578640
4677
não apenas com softwares e serviços,
mas na mídia e música,
mas na mídia e música,
09:55
in finance and manufacturing, in retailing and trade --
192
583317
3686
nas finanças e manufatura, no varejo e no comércio -
09:59
in short, in every industry.
193
587003
3895
em suma, em toda indústria.
10:02
People are racing against the machine,
194
590898
3095
As pessoas estão correr contra a máquina,
10:05
and many of them are losing that race.
195
593993
3090
e muitos estão perdendo essa corrida.
10:09
What can we do to create shared prosperity?
196
597083
3886
O que podemos fazer para criar
prosperidade compartilhada?
prosperidade compartilhada?
10:12
The answer is not to try to slow down technology.
197
600969
3017
A resposta é não tentar desacelerar a tecnologia.
10:15
Instead of racing against the machine,
198
603986
2557
Em vez de correr contra a máquina,
10:18
we need to learn to race with the machine.
199
606543
3677
precisamos aprender a correr com a máquina.
10:22
That is our grand challenge.
200
610220
3129
Esse é o nosso grande desafio.
10:25
The new machine age
201
613349
2324
A Nova Era da Máquina
10:27
can be dated to a day 15 years ago
202
615673
3113
pode ser datada em um dia há 15 anos,
10:30
when Garry Kasparov, the world chess champion,
203
618786
2878
quando Gary Kasparov, o campeão mundial
de xadrez,
de xadrez,
10:33
played Deep Blue, a supercomputer.
204
621664
3706
jogou contra "Deep Blue", o supercomputador.
10:37
The machine won that day,
205
625370
2012
A máquina ganhou naquele dia,
10:39
and today, a chess program running on a cell phone
206
627382
2968
e hoje, um programa de xadrez em um celular
10:42
can beat a human grandmaster.
207
630350
2296
pode derrotar um grande mestre humano.
10:44
It got so bad that, when he was asked
208
632646
3365
Isso foi tão ruim que, quando perguntado
10:48
what strategy he would use against a computer,
209
636011
2563
sobre que estratégia ele usaria contra o computador,
10:50
Jan Donner, the Dutch grandmaster, replied,
210
638574
4016
Jan Donner, um grande mestre holandês, respondeu:
10:54
"I'd bring a hammer."
211
642590
1771
"Eu traria um martelo."
10:56
(Laughter)
212
644361
3680
(Risos)
11:00
But today a computer is no longer the world chess champion.
213
648041
4544
Mas hoje, um computador não é mais um campeão mundial de xadrez.
11:04
Neither is a human,
214
652585
2654
Tampouco um humano,
11:07
because Kasparov organized a freestyle tournament
215
655239
3579
porque Kasparov organizou um torneio estilo livre
11:10
where teams of humans and computers
216
658818
1916
onde times de humanos e computadores
11:12
could work together,
217
660734
2099
podiam trabalhar juntos,
11:14
and the winning team had no grandmaster,
218
662833
3157
e o time vencedor não tinha um grande mestre,
11:17
and it had no supercomputer.
219
665990
2465
e não tinha um supercomputador.
11:20
What they had was better teamwork,
220
668455
4175
O que eles tinham eram um melhor
trabalho em equipe,
trabalho em equipe,
11:24
and they showed that a team of humans and computers,
221
672630
5016
e mostraram que um time de seres humanos e computadores,
11:29
working together, could beat any computer
222
677646
3048
trabalhando juntos, pode derrotar
qualquer computador
qualquer computador
11:32
or any human working alone.
223
680694
3520
ou ser humano trabalhando sozinho.
11:36
Racing with the machine
224
684214
1664
A corrida com a máquina
11:37
beats racing against the machine.
225
685878
2343
vence a corrida contra a máquina.
11:40
Technology is not destiny.
226
688221
2564
Tecnologia não é destino.
11:42
We shape our destiny.
227
690785
1742
Nós moldamos o nosso destino.
11:44
Thank you.
228
692527
1447
Obrigado.
11:45
(Applause)
229
693974
5016
(Aplausos)
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