ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Matt Beane | Speaker | TED.com
TED Salon Zebra Technologies

Matt Beane: How do we learn to work with intelligent machines?

Matt Beane: Akıllı makinelerle çalışmayı nasıl öğreniriz?

Filmed:
1,770,815 views

Tüm dünyada yeteneğe giden yol binlerce yıldır hiç değişmedi: Bir uzmanın altında eğitim al, daha zor ve riskli işler almadan önce küçük, kolay adımlar at. Ancak bugün, yapay zekâyla ilgilenme şeklimiz bu yolu tıkıyor ve üretken olmaya yönelik ilerleyişimizi feda ediyoruz. Bunlar örgütsel etnografikçi Matt Beane'in sözleri. Ne yapılabilir? Beane, yeteneklerimizi geliştirirken aynı anda yapay zekânın tüm kabiliyetlerinden tamamen yararlanabileceğimiz makineli ve dağılımlı bir mentorluk hikâyesine dönüşen bir vizyon paylaşıyor.
- 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

Double-click the English transcript below to play the video.

00:13
It’s 6:30 in the morningsabah,
0
1292
1875
Sabah saat 6:30
00:15
and KristenKristen is wheelingWheeling
her prostateprostat patienthasta into the OR.
1
3583
4875
ve Kristen prostat hastasını
ameliyathaneye götürüyor.
00:21
She's a residentoturan, a surgeoncerrah in trainingEğitim.
2
9500
2250
Kendisi asistan doktor,
cerrahi eğitimi devam ediyor.
00:24
It’s her job to learnöğrenmek.
3
12333
2167
Öğrenmek onun işi.
00:27
TodayBugün, she’s really hopingumut to do
some of the nerve-sparingsinir-koruyucu,
4
15292
3351
Bugün, sinir koruyucu prostatektominin
bir kısmını kendisi yapmayı umuyor;
00:30
extremelyson derece delicatenarin dissectiondiseksiyon
that can preservekorumak erectileErektil functionfonksiyon.
5
18667
3875
erektil fonksiyonu koruyabilen
inanılmaz hassas bir disseksiyon.
00:35
That'llBu olacak be up to the attendingkatılıyor surgeoncerrah,
thoughgerçi, but he's not there yethenüz.
6
23500
3338
Tabii bu uzman cerraha bağlı,
ama kendi orada değil.
00:39
She and the teamtakım put the patienthasta underaltında,
7
27625
2393
Kristen, ekibiyle birlikte
hastayı uyutuyor
00:42
and she leadspotansiyel müşteriler the initialilk eight-inchsekiz inç
incisionkesi in the loweralt abdomenkarın.
8
30042
3708
ve alt karında 20 cm.lik
ilk insizyonu açıyor.
00:47
OnceBir kez she’s got that clampedKenetlenmiş back,
she tellsanlatır the nursehemşire to call the attendingkatılıyor.
9
35042
3586
Ameliyat yerini güvenli kılar kılmaz
hemşireden uzmanı çağırmasını istiyor.
00:51
He arrivesgeldiğinde, gownsönlük up,
10
39583
2292
Uzman doktor gelip önlüğünü giyiyor,
00:54
And from there on in, theironların fourdört handseller
are mostlyçoğunlukla in that patienthasta --
11
42458
5792
sonra da birlikte hastayla ilgileniyorlar,
01:00
with him guidingrehberlik
but KristinKristin leadingönemli the way.
12
48708
2917
işi Kristen yapıyor
ama uzman doktor onu yönlendiriyor.
01:04
When the prostatesAyrıca birlikte prostat out (and, yes,
he let KristenKristen do a little nervesinir sparingtutumlu),
13
52875
4643
Prostatlar çıktığında -- ve uzman,
bir kısmını onun yapmasına izin verdi --
01:09
he ripsyüksek düzeyli off his scrubsScrubs.
14
57542
1226
doktor önlüğünü çıkarıyor.
01:10
He startsbaşlar to do paperworkevrak.
15
58792
1375
Belgelerle ilgilenmeye başlıyor.
01:12
KristenKristen closeskapanır the patienthasta by 8:15,
16
60833
5375
Saatler 8:15'i gösterdiğinde
Kristen insizyonu kapatmış oluyor,
01:18
with a juniorJunior residentoturan
looking over her shoulderomuz.
17
66583
2435
daha yeni bir asistan da
bu esnada onu izliyor.
01:21
And she letsHaydi him do
the finalnihai linehat of suturesDikiş.
18
69042
3083
Kristen son dikişleri
onun halletmesine izin veriyor.
01:24
KristenKristen feelshissediyor great.
19
72833
3042
Kristen harika hissediyor.
01:28
PatientHasta’s going to be fine,
20
76250
1559
Hasta iyiye gidiyor,
01:29
and no doubtşüphe she’s a better surgeoncerrah
than she was at 6:30.
21
77833
3167
Saat 6.30'da olduğundan
daha iyi bir cerrah olduğuna şüphe yok.
01:34
Now this is extremeaşırı work.
22
82208
2834
Bu ekstrem bir iş.
01:37
But KristinKristin’s learningöğrenme to do her job
the way that mostçoğu of us do:
23
85417
3833
Ancak Kristen hepimizin yaptığı gibi
işini yapmayı öğreniyor:
01:41
watchingseyretme an expertuzman for a bitbit,
24
89625
1893
Bir uzmanı bir süre izliyor,
01:43
gettingalma involvedilgili in easykolay,
safekasa partsparçalar of the work
25
91542
3142
işin kolay ve güvenli
kısımlarına dâhil oluyor
01:46
and progressingilerliyor to riskierriskli
and harderDaha güçlü tasksgörevler
26
94708
2185
ve giderek daha zorlu ve riskli
görevler alıyor,
01:48
as they guidekılavuz and decidekarar ver she’s readyhazır.
27
96917
2333
bu esnada ona rehberlik ediyor,
hazır olmasını sağlıyorlar.
01:52
My wholebütün life I’veve been fascinatedbüyülenmiş
by this kindtür of learningöğrenme.
28
100042
2892
Tüm hayatım boyunca
bu öğrenme şekli çok ilgimi çekti.
01:54
It feelshissediyor elementalElemental,
partBölüm of what makesmarkaları us humaninsan.
29
102958
3667
Çok temel bir his,
bizi insan yapan şeyin bir parçası.
01:59
It has differentfarklı namesisimler: apprenticeshipçıraklık,
coachingkoçluk, mentorshiprehberlik, on the job trainingEğitim.
30
107750
5417
Farklı isimleri var: çıraklık,
koçluk, mentorluk, saha eğitimi.
02:05
In surgerycerrahlık, it’s calleddenilen
“see one, do one, teachöğretmek one.”
31
113542
3291
Cerrahlıkta bunun adı
"birini gör, birini yap, birine öğret"
02:09
But the processsüreç is the sameaynı,
32
117625
1344
Ama süreç hep aynı
02:10
and it’s been the mainana pathyol to skillbeceri
around the globeküre for thousandsbinlerce of yearsyıl.
33
118993
4174
ve dünya çapında yeteneğe giden yol
binlerce yıldır hiç değişmedi.
02:16
Right now, we’reRe handlingkullanma AIAI
in a way that blocksbloklar that pathyol.
34
124333
4500
Bugün yapay zekâyla bu yolu tıkayacak
bir şekilde ilgileniyoruz.
02:21
We’reRe sacrificingödün learningöğrenme
in our questQuest for productivityverimlilik.
35
129625
2690
Üretken olma yolunda
öğrenmeyi feda ediyoruz.
02:25
I foundbulunan this first in surgerycerrahlık
while I was at MITMIT,
36
133292
2809
MIT'deyken buna ilk cerrahide tanık oldum
02:28
but now I’veve got evidencekanıt
it’s happeningolay all over,
37
136125
2476
ama her yerde olduğuna dair
artık kanıtlarım var,
02:30
in very differentfarklı industriesEndüstriyel
and with very differentfarklı kindsçeşit of AIAI.
38
138625
3875
çok farklı sektörlerde
ve çok farklı türde yapay zekâlarla.
02:35
If we do nothing, millionsmilyonlarca of us
are going to hitvurmak a bricktuğla wallduvar
39
143083
5851
Bir şey yapmazsak milyonlarca kişi
bununla başa çıkmayı öğrenirken
02:40
as we try to learnöğrenmek to dealanlaştık mı with AIAI.
40
148958
2417
büyük bir engelle karşılaşacak.
02:45
Let’s go back to surgerycerrahlık to see how.
41
153125
1772
Cerrahiye geri dönüp görelim.
02:47
FastHızlı forwardileri sixaltı monthsay.
42
155708
1935
Altı ay ileri alalım.
02:49
It’s 6:30am again, and KristenKristen
is wheelingWheeling anotherbir diğeri prostateprostat patienthasta in,
43
157667
5476
Saat yine 6:30 ve Kristen,
başka bir prostat hastasını içeri alıyor
02:55
but this time to the roboticrobotik OR.
44
163167
3166
fakat bu sefer robotik ameliyathaneye.
02:59
The attendingkatılıyor leadspotansiyel müşteriler attachingtakılarak
45
167667
1684
Uzman cerrahın önderliğiyle
03:01
a four-armedDört kollu, thousand-poundbin Lirası
robotrobot to the patienthasta.
46
169375
2833
hasta, 400 küsur kiloluk
dört kollu bir robota bağlanıyor.
03:04
They bothher ikisi de ripHuzur içinde yatsın off theironların scrubsScrubs,
47
172750
2434
Önlüklerini çıkartıyorlar,
03:07
headkafa to controlkontrol consoleskonsolları
10 or 15 feetayaklar away,
48
175208
3125
Üç veya dört metre ilerideki
konsollara yöneliyorlar
03:11
and KristenKristen just watchessaatler.
49
179167
3750
ve Kristen sadece izliyor.
03:16
The robotrobot allowsverir the attendingkatılıyor
to do the wholebütün procedureprosedür himselfkendisi,
50
184375
3053
Robot tüm prosedürü
uzman cerrahın yapmasına izin veriyor,
03:19
so he basicallytemel olarak does.
51
187452
1583
yani temelde cerrah yapıyor.
03:21
He knowsbilir she needsihtiyaçlar practiceuygulama.
52
189917
2101
Kristen'in pratiğe ihtiyacı
olduğunu biliyor.
03:24
He wants to give her controlkontrol.
53
192042
1583
Kontrolü ona vermek istiyor.
03:26
But he alsoAyrıca knowsbilir she’d be slowerYavaş
and make more mistakeshatalar,
54
194250
3393
Ancak onun çok yavaş olacağını
ve daha fazla hata yapacağını da biliyor,
03:29
and his patienthasta comesgeliyor first.
55
197667
1500
hastalar önce gelir.
03:32
So KristinKristin has no hopeumut of gettingalma anywhereherhangi bir yer
nearyakın those nervessinirler duringsırasında this rotationdöndürme.
56
200250
4625
Bu şekilde Kristen'in ameliyatın kritik
noktalarına müdahale etme umudu yok.
03:37
She’llll be luckyşanslı if she operatesfaaliyet more than
15 minutesdakika duringsırasında a four-hourdört saat procedureprosedür.
57
205417
4375
Dört saatlik bir prosedürün 15 dk.sını
bile kendisi idare etse şanslı olacak.
03:42
And she knowsbilir that when she slipspaket fişi up,
58
210250
2625
Şunu da biliyor ki eğer hata yaparsa
03:45
he’llll tapmusluk a touchdokunma screenekran,
and she’llll be watchingseyretme again,
59
213458
3042
uzman, dokunmatik ekrana dokunacak
ve kendi yine izliyor olacak,
03:48
feelingduygu like a kidçocuk in the cornerköşe
with a dunceçok fazla capkapak.
60
216917
2625
köşeye oturtulmuş cezalı çocuk gibi.
03:53
Like all the studiesçalışmalar of robotsrobotlar and work
I’veve donetamam in the last eightsekiz yearsyıl,
61
221583
3501
Son sekiz yılda yaptığım
tüm robot ve iş çalışmaları gibi
03:57
I startedbaşladı this one
with a bigbüyük, openaçık questionsoru:
62
225108
2118
buna da büyük
ve açık bir soruyla başladım:
03:59
How do we learnöğrenmek to work
with intelligentakıllı machinesmakineler?
63
227250
2792
Akıllı makinelerle çalışmayı
nasıl öğrenebiliriz?
04:02
To find out, I spentharcanmış two and a halfyarım yearsyıl
observinggözleme dozensonlarca of residentssakinleri and surgeonscerrahlar
64
230792
5809
Cevabı bulmak için iki buçuk yıl boyunca
onlarca asistan ve cerrah gözlemledim,
hem geleneksel hem robotik cerrahi
yapan doktorlar, onlarla bizzat görüştüm,
04:08
doing traditionalgeleneksel and roboticrobotik surgerycerrahlık,
interviewinggörüşme them
65
236625
3476
04:12
and in generalgenel hangingasılı out
with the residentssakinleri as they trieddenenmiş to learnöğrenmek.
66
240125
3338
genellikle öğrenme çabasında olan
asistan doktorlarla vakit geçiriyorlar.
04:16
I coveredkapalı 18 of the topüst
US teachingöğretim hospitalshastaneler,
67
244250
3351
ABD'nin en önde gelen
18 eğitim hastanesini inceledim
04:19
and the storyÖykü was the sameaynı.
68
247625
1458
ve hikâye aynıydı.
04:21
MostÇoğu residentssakinleri were in Kristen'sKristen 'ın shoesayakkabı.
69
249875
2542
Çoğu asistan doktor
Kristen'ın durumunda olmuştu.
04:24
They got to “see one” plentybol,
70
252958
1792
"Birini gör" kısmı çok kez deneyimlenmiş
04:27
but the “do one” was barelyzar zor availablemevcut.
71
255583
2292
fakat "birini yap" kısmı
neredeyse hiç olmamıştı.
04:30
So they couldnbulamamalarıdır’t strugglemücadele,
and they werenördekle’t learningöğrenme.
72
258333
2528
Zorluklarla karşılaşmadıkları
sürece öğrenemezlerdi.
04:33
This was importantönemli newshaber for surgeonscerrahlar, but
I neededgerekli to know how widespreadyaygın it was:
73
261291
3810
Cerrahlar için bu önemli bir haberdi
ama ne kadar yayıldığını bilmem gerekti.
04:37
Where elsebaşka was usingkullanma AIAI
blockingengelleme learningöğrenme on the job?
74
265125
3833
Sahada öğrenmeyi engelleyen
yapay zekâ kullanımı başka nerede vardı?
04:42
To find out, I’veve connectedbağlı with a smallküçük
but growingbüyüyen groupgrup of younggenç researchersaraştırmacılar
75
270208
4310
Bunun cevabı için küçük ama büyüyen
bir grup genç araştırmacıya ulaştım,
04:46
who’veve donetamam boots-on-the-groundçizme-on-the-zemin studiesçalışmalar
of work involvingiçeren AIAI
76
274542
3434
yapay zekâyla ilgili
temel alan araştırmaları yapmışlardı
ve çalışmaları çok çeşitli
alanları kapsıyordu; mesela startup'lar
04:50
in very diverseçeşitli settingsAyarlar
like start-upsstart-up, policingPolislik,
77
278000
2976
04:53
investmentyatırım bankingBankacılık and onlineinternet üzerinden educationEğitim.
78
281000
2601
poliçeler, yatırım bankacılığı
ve çevrimiçi eğitim.
04:55
Like me, they spentharcanmış at leasten az a yearyıl
and manyçok hundredsyüzlerce of hourssaatler observinggözleme,
79
283625
5851
Benim gibi en az bir yıl harcayarak
yüzlerce saat gözlem yaptılar,
05:01
interviewinggörüşme and oftensık sık workingçalışma
side-by-sideyan yana with the people they studiedokudu.
80
289500
3917
araştırdıkları insanlarla birlikte
çalıştılar ve bizzat mülakat yaptılar.
05:06
We sharedpaylaşılan dataveri, and I lookedbaktı for patternsdesenler.
81
294458
2417
Verileri paylaştık
ve bir şablon bulmaya çalıştık.
05:09
No mattermadde the industrysanayi, the work,
the AIAI, the storyÖykü was the sameaynı.
82
297917
5208
Sektör ne olursa olsun,
iş, yapay zekâ, hikaye aynıydı.
Organizasyonlar yapay zekâdan sonuç
almak için giderek daha çok uğraşıyorlardı
05:16
OrganizationsKuruluşlar were tryingçalışıyor harderDaha güçlü
and harderDaha güçlü to get resultsSonuçlar from AIAI,
83
304042
3642
05:19
and they were peelingpeeling learnersöğrenenler away from
expertuzman work as they did it.
84
307708
3542
ve bunu yaparken öğrencileri
uzman işinden uzaklaştırıyorlardı.
05:24
Start-upBaşlangıç managersyöneticileri were outsourcingdış kaynak
theironların customermüşteri contacttemas.
85
312333
2875
Startup'lar, müşteri hizmetlerini
dış kaynaklara yaptırıyordu.
05:27
CopsPolis had to learnöğrenmek to dealanlaştık mı with crimesuç
forecaststahminleri withoutolmadan expertsuzmanlar supportdestek.
86
315833
4042
Polisler suç tahminleriyle uzman desteği
olmadan baş etmek zorunda kalıyorlardı.
05:32
JuniorJunior bankersbankacılar were gettingalma
cutkesim out of complexkarmaşık analysisanaliz,
87
320875
3250
Genç bankacıların karmaşık analiz
yapmasına izin verilmiyordu
05:36
and professorsprofesörler had to buildinşa etmek
onlineinternet üzerinden coursesdersler withoutolmadan help.
88
324500
3083
ve akademisyenler yardımsız
çevrimiçi dersler oluşturuyordu.
05:41
And the effectEfekt of all of this
was the sameaynı as in surgerycerrahlık.
89
329125
3226
Tüm bunların etkisi
cerrahide olanın aynısı.
05:44
LearningÖğrenme on the job
was gettingalma much harderDaha güçlü.
90
332375
2917
Sahada öğrenme giderek zorlaşıyor.
05:48
This can’t last.
91
336958
1417
Bu böyle süremez.
05:51
McKinseyMcKinsey estimatestahminler that betweenarasında halfyarım
a billionmilyar and a billionmilyar of us
92
339542
4267
McKinsey'nin tahminine göre
yarım milyar ve bir milyar arası kişi
05:55
are going to have to adaptuyarlamak to AIAI
in our dailygünlük work by 2030.
93
343833
4125
2030'a kadar günlük yaşamda
kendimizi yapay zekâya uyarlayacağız.
06:01
And we’reRe assumingvarsayarak
that on-the-jobiş üstü learningöğrenme
94
349000
2011
Ve ben öyle sanıyorum ki
sahada öğrenme
06:03
will be there for us as we try.
95
351035
1917
biz denedikçe orada olacak.
06:05
AccentureAccenture’s latestson workersişçiler surveyanket showedgösterdi
that mostçoğu workersişçiler learnedbilgili keyanahtar skillsbecerileri
96
353500
4268
Accenture'ın son personel anketine göre
çoğu çalışan önemli yetileri
sahada edindi, resmi eğitimde değil.
06:09
on the job, not in formalbiçimsel trainingEğitim.
97
357792
2291
06:13
So while we talk a lot about its
potentialpotansiyel futuregelecek impactdarbe,
98
361292
3517
Bu yüzden bunun potansiyel geleceği
hakkında konuşurken
06:16
the aspectGörünüş of AIAI
that mayMayıs ayı mattermadde mostçoğu right now
99
364833
3685
yapay zekânın bizi ilgilendiren
en önemli kısmı,
06:20
is that we’reRe handlingkullanma it in a way
that blocksbloklar learningöğrenme on the job
100
368542
3375
onu kullanış şeklimizin
sahada öğrenmeyi engellemesi,
06:24
just when we need it mostçoğu.
101
372375
1625
en çok ihtiyacımız olan da bu.
06:27
Now acrosskarşısında all our sitesSiteler,
a smallküçük minorityazınlık foundbulunan a way to learnöğrenmek.
102
375458
6042
Tüm sahalarımızda
küçük bir grup öğrenmeye bir yol buldu.
06:35
They did it by breakingkırma and bendingbükme ruleskurallar.
103
383625
3042
Bunu kuralları yıkarak buldular.
06:39
ApprovedOnaylı methodsyöntemleri werenördekle’t workingçalışma,
so they bentbükülmüş and brokekırdı ruleskurallar
104
387083
4643
Kabul edilen yöntemler işe yaramıyordu,
bu yüzden kuralları ihlal ettiler,
sırf uzmanlarla
deneyimli pratik yapmak için.
06:43
to get hands-oneller practiceuygulama with expertsuzmanlar.
105
391750
1976
06:45
In my settingayar, residentssakinleri got involvedilgili
in roboticrobotik surgerycerrahlık in medicaltıbbi schoolokul
106
393750
5601
Benim alanımda, tıp fakültesinde
asistanlar robotik cerrahiye dâhil oldu,
06:51
at the expensegider
of theironların generalistkültürlü educationEğitim.
107
399375
3583
çok yönlü eğitimleri pahasına.
06:56
And they spentharcanmış hundredsyüzlerce of extraekstra hourssaatler
with simulatorssimülatörleri and recordingskayıtları of surgerycerrahlık,
108
404417
5851
Simülator ve ameliyat video kayıtlarına
yüzlerce ekstra saat harcıyorlar;
07:02
when you were supposedsözde to learnöğrenmek in the OR.
109
410292
2541
ameliyathanede öğrenmeleri gereken işi.
07:05
And maybe mostçoğu importantlyönemlisi,
they foundbulunan waysyolları to strugglemücadele
110
413375
3476
Ve belki de en önemlisi,
kısıtlı uzman rehberliğinde
07:08
in livecanlı proceduresyordamlar
with limitedsınırlı expertuzman supervisiongözetim.
111
416875
3750
gerçek prosedürlerle
mücadele etmenin yolunu buldular.
07:13
I call all this “shadowGölge learningöğrenme,”
because it bendsvurgun the ruleskurallar
112
421792
4309
Ben bunu "gölge öğrenme" olarak
adlandırıyorum çünkü kuralları esnetiyor
07:18
and learneröğrenci’s do it out of the limelightsahne ışığı.
113
426125
2000
ve öğrenen bunu
ilgi odağı dışında yapıyor.
07:21
And everyoneherkes turnsdönüşler a blindkör eyegöz
because it getsalır resultsSonuçlar.
114
429542
4101
Herkes bunu görmezden geliyor
çünkü sonuç veriyor.
07:25
RememberHatırlıyorum, these are
the starstar pupilsöğrenciler of the bunchDemet.
115
433667
3166
Unutmayın, bunlar
grubun yıldızlı öğrencileri.
07:29
Now, obviouslybelli ki, this is not OK,
and it’s not sustainablesürdürülebilir.
116
437792
3208
Apaçık belli ki bu böyle olmaz
ve sürdürebilir değil.
07:33
No one should have to riskrisk gettingalma firedateş
117
441708
2185
Hiç kimse işini yapmak için
gereken yetileri öğrenmek adına
07:35
to learnöğrenmek the skillsbecerileri
they need to do theironların job.
118
443917
2150
işten kovulma riskini almamalı.
07:38
But we do need to learnöğrenmek from these people.
119
446792
2056
Ama bu insanlardan öğrenmemiz gerek.
07:41
They tookaldı seriousciddi risksriskler to learnöğrenmek.
120
449917
2250
Öğrenmek için ciddi riskler aldılar.
07:44
They understoodanladım they neededgerekli to protectkorumak
strugglemücadele and challengemeydan okuma in theironların work
121
452792
4351
İşlerinde mücadele ve zorluğun
önemini anladılar,
07:49
so that they could pushit themselveskendilerini
to tackleele almak hardzor problemssorunlar
122
457167
2892
böylece zor sorunlara doğru
kendilerini zorlayabileceklerdi,
07:52
right nearyakın the edgekenar of theironların capacitykapasite.
123
460083
1959
tüm kapasitelerini kullanabileceklerdi.
07:54
They alsoAyrıca madeyapılmış sure
there was an expertuzman nearbyyakında
124
462458
2216
Yakınlarda bir uzman
olduğundan emin oldular,
07:56
to offerteklif pointersIşaretçi and to backstopatış siperi
againstkarşısında catastropheafet.
125
464698
3094
bir felakete karşı
kendilerine yol göstersin diye.
08:00
Let’s buildinşa etmek this combinationkombinasyon
of strugglemücadele and expertuzman supportdestek
126
468875
3458
Bu mücadele ve uzman desteği
kombinasyonunu
08:04
into eachher AIAI implementationuygulama.
127
472708
2750
tüm yapay zekâ uygulamasına dâhil edelim.
08:08
Here’s one clearaçık exampleörnek
I could get of this on the groundzemin.
128
476375
2828
Buna dair hâlihazırda
çok net bir örneğim var.
08:12
Before robotsrobotlar,
129
480125
1226
Robotlardan önce
08:13
if you were a bombbomba disposalelden çıkarma technicianteknisyen,
you dealtele with an IEDBUBİ TUZAĞI by walkingyürüme up to it.
130
481375
4792
bomba imha teknisyeni olsaydınız
el yapımı patlayıcı kullanırdınız.
08:19
A juniorJunior officersubay was
hundredsyüzlerce of feetayaklar away,
131
487333
2143
Yeni bir görevli yüzlerce metre ileride,
08:21
so could only watch and help
if you decidedkarar it was safekasa
132
489500
3309
sadece izleyebilir ve güvenli olduğuna
karar verip ana bölgeye çağırırsanız
08:24
and inviteddavet them downrangedownrange.
133
492833
1417
yardım edebilir.
08:27
Now you sitoturmak side-by-sideyan yana
in a bomb-proofbomba dayanıklı truckkamyon.
134
495208
3893
Bugün ise bomba korumalı bir kamyonette
bombayla yan yana duruyorsunuz.
08:31
You bothher ikisi de watchedizledi the videovideo feedbesleme.
135
499125
1809
Videoyu ikiniz de izlediniz.
08:32
They controlkontrol a distantuzak robotrobot,
and you guidekılavuz the work out loudyüksek sesle.
136
500958
4310
Robotu uzaktan kontrol ediyorlar,
siz de sesli yönlendirme yapıyorosunuz.
08:37
TraineesKursiyer learnöğrenmek better than they
did before robotsrobotlar.
137
505292
3208
Eğitim alanlar, robotlardan önce
daha iyi öğreniyordu.
08:41
We can scaleölçek this to surgerycerrahlık,
start-upsstart-up, policingPolislik,
138
509125
3933
Bunu pek çok şeye ölçeklendirebiliriz;
cerrahi, startup, poliçeler,
08:45
investmentyatırım bankingBankacılık,
onlineinternet üzerinden educationEğitim and beyondötesinde.
139
513082
2625
yatırım bankacılığı, çevrimiçi eğitim
ve daha fazlası.
08:48
The good newshaber is
we’veve got newyeni toolsaraçlar to do it.
140
516375
2500
İyi haber şu ki
bunu yapacak yeni araçlarımız var.
08:51
The internetInternet and the cloudbulut mean we donDon’t
always need one expertuzman for everyher traineestajyer,
141
519750
4082
İnternet ve bulutla her öğrenci için
her zaman bir uzmana ihtiyacımız yok,
08:56
for them to be physicallyfiziksel olarak nearyakın eachher other
or even to be in the sameaynı organizationorganizasyon.
142
524167
4458
birbirlerine yakın olmak hatta aynı
organizasyonda olmak zorunda değiller.
09:01
And we can buildinşa etmek AIAI to help:
143
529292
3041
Yapay zekâya şunları yaptırabiliriz:
09:05
to coachKoç learnersöğrenenler as they strugglemücadele,
to coachKoç expertsuzmanlar as they coachKoç
144
533167
5059
öğrenciler mücadele ederken koçluk yapmak,
uzmanlar koçluk yaparken koçluk yapmak
09:10
and to connectbağlamak those two groupsgruplar
in smartakıllı waysyolları.
145
538250
2542
Bu iki grubu zekice birbirine bağlamak.
09:15
There are people at work
on systemssistemler like this,
146
543375
2542
Bunun benzeri sistemlerde
çalışan insanlar var
09:18
but they’veve been mostlyçoğunlukla focusedodaklı
on formalbiçimsel trainingEğitim.
147
546333
2792
ama genel olarak
resmi eğitime odaklanıyorlar.
09:21
And the deeperDaha derine crisiskriz
is in on-the-jobiş üstü learningöğrenme.
148
549458
2584
Asıl köklü sorun ise sahada öğrenme.
09:24
We mustşart do better.
149
552417
1851
Daha iyisini yapmalıyız.
09:26
TodayBugün’s problemssorunlar demandtalep we do better
150
554292
2583
Bugünün sorunları
bizden daha iyisini bekliyor;
09:29
to createyaratmak work that takes fulltam advantageavantaj
of AIAI’s amazingşaşırtıcı capabilitiesyetenekleri
151
557375
4875
yapay zekânın harika kabiliyetlerinden
tamamen yararlanmamızı
09:35
while enhancingartırılması our skillsbecerileri as we do it.
152
563042
2750
ve bu esnada
yeteneklerimizi geliştirmemizi.
09:38
That’s the kindtür of futuregelecek
I dreamedhayal of as a kidçocuk.
153
566333
2750
Çocukken böyle bir gelecek hayal ederdim.
09:41
And the time to createyaratmak it is now.
154
569458
2167
Şimdi bunu yaratmanın zamanı.
09:44
Thank you.
155
572333
1226
Teşekkürler.
09:45
(ApplauseAlkış)
156
573583
3625
(Alkışlar)
Translated by Cihan Ekmekçi
Reviewed by Figen Ergürbüz

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Matt Beane | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee