Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: Học cách làm việc với thiết bị thông minh
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.
her prostate patient into the OR.
tuyến tiền liệt vào phòng phẫu thuật.
đang học việc phẫu thuật.
some of the nerve-sparing,
thực hiện một ca phẫu thuật
that can preserve erectile function.
giúp duy trì chức năng cương dương.
though, but he's not there yet.
vẫn chưa tới.
gây mê bệnh nhân,
incision in the lower abdomen.
đường mổ 20 cm dưới rốn.
she tells the nurse to call the attending.
cô bảo y tá gọi bác sĩ chính tới.
are mostly in that patient --
hầu như chỉ ở bên trong bệnh nhân,
Kristin thực hiện ca mổ.
but Kristin leading the way.
he let Kristen do a little nerve sparing),
để Kristen thực hiện bảo vệ thần kinh)
đang quan sát cô qua vai.
looking over her shoulder.
the final line of sutures.
khâu những đường cuối cùng.
than she was at 6:30.
của chính mình vào lúc 6:30 sáng.
the way that most of us do:
của hầu hết chúng ta:
safe parts of the work
và nguy hiểm hơn
and harder tasks
by this kind of learning.
cách học này thật tuyệt diệu.
part of what makes us human.
tạo nên con người chúng ta.
coaching, mentorship, on the job training.
học việc, huấn luyện, kèm cặp, dạy nghề.
“see one, do one, teach one.”
"nhìn một, làm một, dạy một"
around the globe for thousands of years.
từ hàng ngàn năm qua, trên khắp thế giới.
in a way that blocks that path.
trí tuệ nhân tạo (AI) hiện nay
để theo đuổi năng suất.
in our quest for productivity.
trong công việc phẫu thuật khi ở MIT,
while I was at MIT,
it’s happening all over,
nó xuất hiện ở khắp nơi,
and with very different kinds of AI.
với các loại AI khác nhau.
are going to hit a brick wall
hàng triệu người sẽ gặp trở ngại
is wheeling another prostate patient in,
đang đưa một bệnh nhân tuyến tiền liệt,
phòng phẫu thuật robot.
nặng hơn 450kg vào người bệnh nhân.
robot to the patient.
10 or 15 feet away,
cách đó 3-5 mét
tự làm toàn bộ thủ tục,
to do the whole procedure himself,
and make more mistakes,
làm chậm và mắc lỗi nhiều hơn,
near those nerves during this rotation.
được giải phẫu suốt ca phẫu thuật đó.
15 minutes during a four-hour procedure.
suốt ca mổ bốn tiếng thì đó là may mắn.
and she’ll be watching again,
và cô sẽ lại chỉ đứng xem,
with a dunce cap.
đứng trong góc phòng.
I’ve done in the last eight years,
và các công trình trong tám năm qua,
with a big, open question:
with intelligent machines?
với thiết bị thông minh?
observing dozens of residents and surgeons
hàng tá bác sĩ nội trú và phẫu thuật,
interviewing them
và phẫn thuật robot, phỏng vấn họ
with the residents as they tried to learn.
nội trú khi họ đang học việc.
US teaching hospitals,
dạy tốt nhất,
đều ở trong trường hợp của Kristen.
and they weren’t learning.
và vì thế, không học hỏi được gì.
I needed to know how widespread it was:
với bác sĩ phẫu thuật
tình trạng này phổ biến đến mức nào:
blocking learning on the job?
làm cản trở việc học việc?
but growing group of young researchers
các nhà nghiên cứu trẻ đang lên,
trong các ngành liên quan đến AI
of work involving AI
như khởi nghiệp, chính trị
like start-ups, policing,
và giáo dục trực tuyến.
and many hundreds of hours observing,
và hàng trăm giờ đồng hồ để quan sát,
side-by-side with the people they studied.
bên cạnh đối tượng nghiên cứu.
và tôi tìm các kiểu mẫu.
the AI, the story was the same.
thì câu chuyện về AI là như nhau.
để thu quả ngọt từ AI,
and harder to get results from AI,
expert work as they did it.
ra khỏi các công việc chuyên môn.
their customer contact.
thuê ngoài dịch vụ kết nối khách hàng.
forecasts without experts support.
mà không có sự trợ giúp của chuyên gia.
cut out of complex analysis,
bị loại bỏ khỏi những phân tích phức tạp,
online courses without help.
xây dựng những khoá học online.
was the same as in surgery.
giống như trong ngành phẫu thuật.
was getting much harder.
ngày càng trở nên khó khăn.
a billion and a billion of us
tới một tỉ người trong số chúng ta
in our daily work by 2030.
trong công việc hằng ngày vào năm 2030
việc học hỏi từ việc làm
that on-the-job learning
nếu ta còn cố gắng.
that most workers learned key skills
cho thấy hầu hết họ học kĩ năng mấu chốt
việc đào tạo chính thống.
potential future impact,
về ảnh hưởng tiềm tàng trong tương lai,
về AI
that may matter most right now
that blocks learning on the job
gây cản trở việc học việc
a small minority found a way to learn.
đã tìm ra được cách để tiếp tục học hỏi.
và bẻ gãy quy tắc.
so they bent and broke rules
nên họ phá vỡ và bẻ gãy quy tắc
in robotic surgery in medical school
xem việc thực hành phẫu thuật robot
of their generalist education.
with simulators and recordings of surgery,
và đoạn ghi hình ca phẫu thuật,
they found ways to struggle
họ tìm ra cách để chật vật thực hành
with limited expert supervision.
because it bends the rules
vì nó phá vỡ tất cả các quy tắc
thực hiện nó một cách thầm lặng.
because it gets results.
vì nó mang lại kết quả.
the star pupils of the bunch.
and it’s not sustainable.
và không vững bền.
để được học hỏi,
they need to do their job.
cần trong công việc.
từ những người này
struggle and challenge in their work
sự chật vật và thách thức trong công việc
to tackle hard problems
xử lí các vấn đề khó
với khả năng hiểu biết của mình.
there was an expert nearby
có một chuyên gia kề cận
against catastrophe.
of struggle and expert support
sự đấu tranh và sự giúp đỡ chuyên môn
I could get of this on the ground.
tôi có thể đưa ra về vấn đề này.
you dealt with an IED by walking up to it.
bằng cách đến gần nó.
đứng cách đó hàng trăm mét,
hundreds of feet away,
if you decided it was safe
khi được phép,
để họ xử lí cùng.
in a bomb-proof truck.
trong xe tải thử bom.
and you guide the work out loud.
và bạn chỉ dẫn cho họ thành tiếng.
so với thời chưa có robot.
did before robots.
start-ups, policing,
sang phẫu thuật, khởi nghiệp, cảnh sát,
online education and beyond.
và hơn thế nữa.
we’ve got new tools to do it.
để làm điều này.
always need one expert for every trainee,
một kèm một,
or even to be in the same organization.
hoặc thậm chí phải trong cùng một tổ chức.
to coach experts as they coach
huấn luyện chuyên gia khi họ huấn luyện
in smart ways.
một cách thông minh.
trên các hệ thống như vậy,
on systems like this,
on formal training.
sự đào tạo thông thường.
gặp khủng hoảng lớn hơn.
is in on-the-job learning.
yêu cầu ta làm tốt hơn
of AI’s amazing capabilities
khả năng tuyệt vời của AI
khi thực hiện công việc.
I dreamed of as a kid.
mà tôi mơ ước khi còn là một đứa trẻ.
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