TED Salon Zebra Technologies
Matt Beane: How do we learn to work with intelligent machines?
Мэтт Бэйн: Как мы учимся работать с «умными» машинами?
Filmed:
Readability: 4.2
1,770,815 views
Путь к мастерству по всей Земле тысячи лет был одинаковым: учиться под руководством эксперта и выполнять маленькие, лёгкие задачи, пока не достигнешь такого уровня, когда сможешь взяться за что-то более рискованное и сложное. Но сейчас с появлением ИИ этот путь становится невозможным, и обучение приносится в жертву продуктивности, говорит организационный антрополог Мэтт Бэйн. Что с этим можно сделать? Бэйн разделяет точку зрения, согласно которой компьютеризированное обучение даст нам возможность извлечь максимум пользы из удивительных возможностей ИИ и одновременно улучшить наши навыки.
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.
Сейчас 6:30 утра,
00:13
It’s 6:30 in the morning,
0
1292
1875
и Кристен везёт в операционную пациента,
у которого проблемы с простатой.
у которого проблемы с простатой.
00:15
and Kristen is wheeling
her prostate patient into the OR.
her prostate patient into the OR.
1
3583
4875
Она врач-ординатор, хирург на практике.
00:21
She's a resident, a surgeon in training.
2
9500
2250
Её работа — учиться.
00:24
It’s her job to learn.
3
12333
2167
Сегодня она рассчитывает
провести нервосберегающую,
провести нервосберегающую,
00:27
Today, she’s really hoping to do
some of the nerve-sparing,
some of the nerve-sparing,
4
15292
3351
крайне деликатную диссекцию, которая
позволит сохранить эректильную функцию.
позволит сохранить эректильную функцию.
00:30
extremely delicate dissection
that can preserve erectile function.
that can preserve erectile function.
5
18667
3875
Это будет зависеть от наблюдающего
пациента хирурга, но его ещё нет на месте.
пациента хирурга, но его ещё нет на месте.
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
00:39
She and the team put the patient under,
7
27625
2393
Она с командой вводит пациента в наркоз,
00:42
and she leads the initial eight-inch
incision in the lower abdomen.
incision in the lower abdomen.
8
30042
3708
и она делает первый надрез
в 20 сантиметров в нижней части живота.
в 20 сантиметров в нижней части живота.
Наложив зажимы, она просит медсестру
позвать лечащего врача-хирурга.
позвать лечащего врача-хирурга.
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
Он приходит, переодевается,
00:51
He arrives, gowns up,
10
39583
2292
и с этого момента они работают
над пациентом в четыре руки —
над пациентом в четыре руки —
00:54
And from there on in, their four hands
are mostly in that patient --
are mostly in that patient --
11
42458
5792
он даёт указания, а Кристен им следует.
01:00
with him guiding
but Kristin leading the way.
but Kristin leading the way.
12
48708
2917
После извлечения простаты — Кристен дают
провести нервосберегающую операцию, —
провести нервосберегающую операцию, —
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
он снимает хирургический костюм
01:09
he rips off his scrubs.
14
57542
1226
01:10
He starts to do paperwork.
15
58792
1375
и приступает к бумажной работе.
Кристен зашивает пациента в 8:15,
01:12
Kristen closes the patient by 8:15,
16
60833
5375
младший ординатор
заглядывает ей через плечо.
заглядывает ей через плечо.
01:18
with a junior resident
looking over her shoulder.
looking over her shoulder.
17
66583
2435
Она позволяет ему наложить
последнюю линию швов.
последнюю линию швов.
01:21
And she lets him do
the final line of sutures.
the final line of sutures.
18
69042
3083
01:24
Kristen feels great.
19
72833
3042
Кристен отлично себя чувствует.
Пациент пойдёт на поправку,
01:28
Patient’s going to be fine,
20
76250
1559
и нет сомнений, что сейчас она
более опытный хирург, чем была в 6:30.
более опытный хирург, чем была в 6:30.
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
Это работа в экстремальных условиях.
01:34
Now this is extreme work.
22
82208
2834
Но Кристен учится работать так же,
как это делает большинство из нас:
как это делает большинство из нас:
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
наблюдает за работой эксперта,
01:41
watching an expert for a bit,
24
89625
1893
подключается к работе
на лёгких и безопасных этапах
на лёгких и безопасных этапах
01:43
getting involved in easy,
safe parts of the work
safe parts of the work
25
91542
3142
и растёт, чтобы приступить
к более сложным задачам,
к более сложным задачам,
01:46
and progressing to riskier
and harder tasks
and harder tasks
26
94708
2185
01:48
as they guide and decide she’s ready.
27
96917
2333
когда эксперты решат, что она готова.
Всю жизнь меня очень интересовал
такой способ обучения.
такой способ обучения.
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
Он кажется чем-то само собой
разумеющимся, свойственным людям.
разумеющимся, свойственным людям.
Ученичество, коучинг, наставничество,
обучение на рабочем месте.
обучение на рабочем месте.
01:59
It has different names: apprenticeship,
coaching, mentorship, on the job training.
coaching, mentorship, on the job training.
30
107750
5417
В хирургии это называется
«наблюдай, выполняй, обучай».
«наблюдай, выполняй, обучай».
02:05
In surgery, it’s called
“see one, do one, teach one.”
“see one, do one, teach one.”
31
113542
3291
Но сам процесс всё тот же,
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
и тысячи лет это был во всём мире
главный путь к мастерству.
главный путь к мастерству.
Сейчас появился ИИ, и этот способ
больше не действует.
больше не действует.
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
Мы принесли обучение
в жертву продуктивности.
в жертву продуктивности.
02:21
We’re sacrificing learning
in our quest for productivity.
in our quest for productivity.
35
129625
2690
Впервые я столкнулся с этим
в хирургии, когда учился в МТИ,
в хирургии, когда учился в МТИ,
02:25
I found this first in surgery
while I was at MIT,
while I was at MIT,
36
133292
2809
02:28
but now I’ve got evidence
it’s happening all over,
it’s happening all over,
37
136125
2476
но есть свидетельства,
что это происходит повсюду
что это происходит повсюду
02:30
in very different industries
and with very different kinds of AI.
and with very different kinds of AI.
38
138625
3875
в разных сферах и с разными типами ИИ.
Если мы ничего не сделаем, миллионы людей
столкнутся с непреодолимыми трудностями,
столкнутся с непреодолимыми трудностями,
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
02:40
as we try to learn to deal with AI.
40
148958
2417
пытаясь научиться управляться с ИИ.
Посмотрим, как это происходит в хирургии.
02:45
Let’s go back to surgery to see how.
41
153125
1772
Прошло шесть месяцев.
02:47
Fast forward six months.
42
155708
1935
Снова 6:30 утра, и Кристен
везёт нового пациента с простатой,
везёт нового пациента с простатой,
02:49
It’s 6:30am again, and Kristen
is wheeling another prostate patient in,
is wheeling another prostate patient in,
43
157667
5476
но в этот раз на операцию с роботом.
02:55
but this time to the robotic OR.
44
163167
3166
Лечащий хирург оперирует, управляя
02:59
The attending leads attaching
45
167667
1684
03:01
a four-armed, thousand-pound
robot to the patient.
robot to the patient.
46
169375
2833
четвероруким роботом весом в полтонны.
На них нет хирургических костюмов,
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
они находятся у панели управления
в трёх–пяти метрах от пациента,
в трёх–пяти метрах от пациента,
и Кристен только наблюдает.
03:11
and Kristen just watches.
49
179167
3750
Благодаря роботу лечащий хирург
может провести всю операцию сам,
может провести всю операцию сам,
03:16
The robot allows the attending
to do the whole procedure himself,
to do the whole procedure himself,
50
184375
3053
что он и делает.
03:19
so he basically does.
51
187452
1583
Он знает, что Кристен нужна практика.
03:21
He knows she needs practice.
52
189917
2101
Он хочет передать ей управление.
03:24
He wants to give her control.
53
192042
1583
Но он знает, что она будет работать
медленнее и сделает больше ошибок,
медленнее и сделает больше ошибок,
03:26
But he also knows she’d be slower
and make more mistakes,
and make more mistakes,
54
194250
3393
03:29
and his patient comes first.
55
197667
1500
а пациент — прежде всего.
Так что у Кристен нет шансов поближе
взглянуть на этот нерв во время операции.
взглянуть на этот нерв во время операции.
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
Ей повезёт, если ей удастся оперировать
15 минут из четырёхчасовой процедуры.
15 минут из четырёхчасовой процедуры.
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
И она знает, что когда она ошибётся,
03:42
And she knows that when she slips up,
58
210250
2625
хирург коснётся сенсорного экрана
и она снова будет наблюдать,
и она снова будет наблюдать,
03:45
he’ll tap a touch screen,
and she’ll be watching again,
and she’ll be watching again,
59
213458
3042
чувствуя себя как ребёнок,
которого поставили в угол.
которого поставили в угол.
03:48
feeling like a kid in the corner
with a dunce cap.
with a dunce cap.
60
216917
2625
Как все мои исследования работы
с роботами за последние восемь лет,
с роботами за последние восемь лет,
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
это исследование я начал
с большого открытого вопроса:
с большого открытого вопроса:
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
как мы будем учиться работать
с «умными» машинами?
с «умными» машинами?
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
Я провёл два с половиной года,
наблюдая массу ординаторов и хирургов
наблюдая массу ординаторов и хирургов
04:08
doing traditional and robotic surgery,
interviewing them
interviewing them
65
236625
3476
во время традиционной и роботизированной
хирургии, интервьюируя их
хирургии, интервьюируя их
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
и следя за тем, как ординаторы
пытаются учиться.
пытаются учиться.
Я побывал в 18 лучших
учебных госпиталях США,
учебных госпиталях США,
04:16
I covered 18 of the top
US teaching hospitals,
US teaching hospitals,
67
244250
3351
и везде одна и та же история.
04:19
and the story was the same.
68
247625
1458
Большинство ординаторов
были в положении Кристен.
были в положении Кристен.
04:21
Most residents were in Kristen's shoes.
69
249875
2542
У них была возможность наблюдать,
04:24
They got to “see one” plenty,
70
252958
1792
04:27
but the “do one” was barely available.
71
255583
2292
но практики почти не было.
Поэтому они не могли ничему научиться.
04:30
So they couldn’t struggle,
and they weren’t learning.
and they weren’t learning.
72
258333
2528
Важная новость для хирургов, но я хотел
знать, как широко это распространено.
знать, как широко это распространено.
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
04:37
Where else was using AI
blocking learning on the job?
blocking learning on the job?
74
265125
3833
Где ещё использование ИИ
мешает обучению на рабочем месте?
мешает обучению на рабочем месте?
Чтобы выяснить это, я связался
с группой молодых исследователей,
с группой молодых исследователей,
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
которые изучали, как происходит
работа с привлечением ИИ
работа с привлечением ИИ
04:46
who’ve done boots-on-the-ground studies
of work involving AI
of work involving AI
76
274542
3434
в таких разных областях,
как стартапы, работа полиции,
как стартапы, работа полиции,
04:50
in very diverse settings
like start-ups, policing,
like start-ups, policing,
77
278000
2976
04:53
investment banking and online education.
78
281000
2601
инвестиционный банкинг
и онлайн-образование.
и онлайн-образование.
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
Как и я, они потратили минимум год
и много сотен часов на наблюдения,
и много сотен часов на наблюдения,
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
интервьюирования и работы бок о бок
с людьми, которых они изучали.
с людьми, которых они изучали.
Мы обменялись данными
и стали искать общие схемы.
и стали искать общие схемы.
05:06
We shared data, and I looked for patterns.
81
294458
2417
О какой бы сфере, работе или ИИ
ни шла речь — везде одна и та же история.
ни шла речь — везде одна и та же история.
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
Организации пытались выжать максимум
из ИИ ради достижения результатов
из ИИ ради достижения результатов
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
и отстраняли практикантов
от экспертной работы.
от экспертной работы.
Менеджеры стартапов передавали
свои дела на аутсорсинг.
свои дела на аутсорсинг.
05:24
Start-up managers were outsourcing
their customer contact.
their customer contact.
85
312333
2875
Копы осваивали криминологическое
прогнозирование без поддержки экспертов.
прогнозирование без поддержки экспертов.
05:27
Cops had to learn to deal with crime
forecasts without experts support.
forecasts without experts support.
86
315833
4042
Молодые банкиры не могли
заниматься комплексным анализом,
заниматься комплексным анализом,
05:32
Junior bankers were getting
cut out of complex analysis,
cut out of complex analysis,
87
320875
3250
а профессора разрабатывали
онлайн-курсы без помощников.
онлайн-курсы без помощников.
05:36
and professors had to build
online courses without help.
online courses without help.
88
324500
3083
Эффект во всех этих сферах
был такой же, как в хирургии.
был такой же, как в хирургии.
05:41
And the effect of all of this
was the same as in surgery.
was the same as in surgery.
89
329125
3226
Обучаться на рабочем месте
стало намного сложнее.
стало намного сложнее.
05:44
Learning on the job
was getting much harder.
was getting much harder.
90
332375
2917
05:48
This can’t last.
91
336958
1417
Так не может продолжаться.
По оценкам школы McKinsey
от полумиллиарда до миллиарда людей
от полумиллиарда до миллиарда людей
05:51
McKinsey estimates that between half
a billion and a billion of us
a billion and a billion of us
92
339542
4267
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
вынуждены будут освоиться с ИИ
в своей повседневной работе к 2030 году.
в своей повседневной работе к 2030 году.
Мы предполагаем,
что обучение на рабочем месте
что обучение на рабочем месте
06:01
And we’re assuming
that on-the-job learning
that on-the-job learning
94
349000
2011
06:03
will be there for us as we try.
95
351035
1917
пригодится нам и там, если постараться.
Последний опрос Accenture
показал, что ключевые навыки
показал, что ключевые навыки
06:05
Accenture’s latest workers survey showed
that most workers learned key skills
that most workers learned key skills
96
353500
4268
большинство получает на работе,
а не во время формального обучения.
а не во время формального обучения.
06:09
on the job, not in formal training.
97
357792
2291
Мы много говорим о том,
как ИИ повлияет на будущее,
как ИИ повлияет на будущее,
06:13
So while we talk a lot about its
potential future impact,
potential future impact,
98
361292
3517
но прямо сейчас куда большее
значение имеет то,
значение имеет то,
06:16
the aspect of AI
that may matter most right now
that may matter most right now
99
364833
3685
что, используя ИИ, мы блокируем
возможность учиться на рабочем месте
возможность учиться на рабочем месте
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
именно тогда, когда это нужнее всего.
06:24
just when we need it most.
101
372375
1625
Во всех сферах лишь немногие
находят возможность учиться.
находят возможность учиться.
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
Они делают это, нарушая правила.
06:35
They did it by breaking and bending rules.
103
383625
3042
Одобренные методы не работают,
поэтому им приходится нарушать правила,
поэтому им приходится нарушать правила,
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
чтобы практиковаться с экспертами.
06:45
In my setting, residents got involved
in robotic surgery in medical school
in robotic surgery in medical school
106
393750
5601
В моём окружении ординаторы
практикуются в роботизированной хирургии
практикуются в роботизированной хирургии
в медицинских школах
в ущерб общему образованию.
в ущерб общему образованию.
06:51
at the expense
of their generalist education.
of their generalist education.
107
399375
3583
Они тратят сотни дополнительных часов
на видеозаписи и симуляторы,
на видеозаписи и симуляторы,
06:56
And they spent hundreds of extra hours
with simulators and recordings of surgery,
with simulators and recordings of surgery,
108
404417
5851
хотя предполагается, что они должны
обучаться во время операций.
обучаться во время операций.
07:02
when you were supposed to learn in the OR.
109
410292
2541
И самое важное, что они находят
возможность поучаствовать
возможность поучаствовать
07:05
And maybe most importantly,
they found ways to struggle
they found ways to struggle
110
413375
3476
07:08
in live procedures
with limited expert supervision.
with limited expert supervision.
111
416875
3750
в реальных процедурах под ограниченным
экспертным наблюдением.
экспертным наблюдением.
07:13
I call all this “shadow learning,”
because it bends the rules
because it bends the rules
112
421792
4309
Я называю это всё «теневым обучением»,
потому что это — нарушение правил,
потому что это — нарушение правил,
07:18
and learner’s do it out of the limelight.
113
426125
2000
это делают, не привлекая внимания.
И все закрывают на это глаза,
потому что это приносит результаты.
потому что это приносит результаты.
07:21
And everyone turns a blind eye
because it gets results.
because it gets results.
114
429542
4101
07:25
Remember, these are
the star pupils of the bunch.
the star pupils of the bunch.
115
433667
3166
Помните, речь идёт о лучших учениках.
Очевидно, что это недопустимо и ненадёжно.
07:29
Now, obviously, this is not OK,
and it’s not sustainable.
and it’s not sustainable.
116
437792
3208
Никто не должен рисковать увольнением,
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
чтобы изучить навыки,
необходимые для работы.
необходимые для работы.
Но нам стоит поучиться у этих людей.
07:38
But we do need to learn from these people.
119
446792
2056
Они серьёзно рискуют, чтобы учиться.
07:41
They took serious risks to learn.
120
449917
2250
Они понимают, что связанные с работой
риски и сложности важно сохранить,
риски и сложности важно сохранить,
07:44
They understood they needed to protect
struggle and challenge in their work
struggle and challenge in their work
121
452792
4351
чтобы люди могли учиться
справляться со сложными проблемами
справляться со сложными проблемами
07:49
so that they could push themselves
to tackle hard problems
to tackle hard problems
122
457167
2892
07:52
right near the edge of their capacity.
123
460083
1959
на пределе своих возможностей.
И что рядом должен быть эксперт,
07:54
They also made sure
there was an expert nearby
there was an expert nearby
124
462458
2216
чтобы вовремя дать указание
и уберечь от катастрофы.
и уберечь от катастрофы.
07:56
to offer pointers and to backstop
against catastrophe.
against catastrophe.
125
464698
3094
Это сочетание экспертной поддержки
и постоянной борьбы
и постоянной борьбы
08:00
Let’s build this combination
of struggle and expert support
of struggle and expert support
126
468875
3458
должно сохраняться и при работе с ИИ.
08:04
into each AI implementation.
127
472708
2750
Вот один очевидный пример,
который я могу привести.
который я могу привести.
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
До появления роботов
08:12
Before robots,
129
480125
1226
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
техник, обезвреживающий бомбы, должен
был подойти к СВУ, чтобы сделать что-то.
был подойти к СВУ, чтобы сделать что-то.
Младший офицер был в сотнях шагов от него
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
и мог только смотреть и прийти на помощь,
если техник решит, что это безопасно,
если техник решит, что это безопасно,
08:24
and invited them downrange.
133
492833
1417
и пригласит его подойти.
Сейчас они сидят бок о бок
во взрывобезопасном грузовике.
во взрывобезопасном грузовике.
08:27
Now you sit side-by-side
in a bomb-proof truck.
in a bomb-proof truck.
134
495208
3893
Оба смотрят передающееся видео.
08:31
You both watched the video feed.
135
499125
1809
08:32
They control a distant robot,
and you guide the work out loud.
and you guide the work out loud.
136
500958
4310
Они управляют роботом на расстоянии
и комментируют работу вслух.
и комментируют работу вслух.
08:37
Trainees learn better than they
did before robots.
did before robots.
137
505292
3208
И стажёры обучаются лучше,
чем это было до появления роботов.
чем это было до появления роботов.
08:41
We can scale this to surgery,
start-ups, policing,
start-ups, policing,
138
509125
3933
Этот подход можно перенести
на хирургию, стартапы, работу полиции,
на хирургию, стартапы, работу полиции,
08:45
investment banking,
online education and beyond.
online education and beyond.
139
513082
2625
инвестиционный банкинг,
онлайн-образование и всё остальное.
онлайн-образование и всё остальное.
Хорошая новость в том, что у нас
есть для этого новые инструменты.
есть для этого новые инструменты.
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
Благодаря интернету и облачным сервисам
экспертам больше не нужно
экспертам больше не нужно
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
физически находиться рядом со стажёрами
или даже работать в той же организации.
или даже работать в той же организации.
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
Мы можем разработать ИИ,
09:01
And we can build AI to help:
143
529292
3041
09:05
to coach learners as they struggle,
to coach experts as they coach
to coach experts as they coach
144
533167
5059
который поможет и обучающимся,
и экспертам, которые их учат,
и экспертам, которые их учат,
поможет установить эффективную связь
между этими двумя группами.
между этими двумя группами.
09:10
and to connect those two groups
in smart ways.
in smart ways.
145
538250
2542
09:15
There are people at work
on systems like this,
on systems like this,
146
543375
2542
Люди, работающие в таких системах,
09:18
but they’ve been mostly focused
on formal training.
on formal training.
147
546333
2792
в основном сосредоточены
на формальном обучении.
на формальном обучении.
09:21
And the deeper crisis
is in on-the-job learning.
is in on-the-job learning.
148
549458
2584
А обучение на рабочем месте
в глубоком кризисе.
в глубоком кризисе.
09:24
We must do better.
149
552417
1851
Мы должны это исправить.
09:26
Today’s problems demand we do better
150
554292
2583
Эти проблемы нужно решить,
09:29
to create work that takes full advantage
of AI’s amazing capabilities
of AI’s amazing capabilities
151
557375
4875
если мы хотим использовать в работе
невероятные возможности ИИ
невероятные возможности ИИ
09:35
while enhancing our skills as we do it.
152
563042
2750
и одновременно улучшать наши навыки.
09:38
That’s the kind of future
I dreamed of as a kid.
I dreamed of as a kid.
153
566333
2750
Это то будущее,
о котором я мечтал ребёнком.
о котором я мечтал ребёнком.
09:41
And the time to create it is now.
154
569458
2167
И создать его мы можем сейчас.
09:44
Thank you.
155
572333
1226
Спасибо.
09:45
(Applause)
156
573583
3625
(Аплодисменты)
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