TED@Merck KGaA, Darmstadt, Germany
Daniel Susskind: 3 myths about the future of work (and why they're not true)
Daniel Susskind: 3 sự lầm tưởng về tương lai của việc làm (và vì sao chúng không đúng)
Filmed:
Readability: 4.5
1,519,249 views
"Máy móc sẽ thay thế con người?" Câu hỏi này nằm trong tâm trí của bất kỳ ai có một công việc để mất. Daniel Susskind đối mặt giải quyết câu hỏi này và ba quan niệm sai lầm của chúng ta về tương lai tự động hoá, đề xuất chúng ta nên hỏi một câu hỏi khác : Chúng ta sẽ phân phối sự thịnh vượng trong một thế giới mà sẽ có ít hơn -- hay thậm chí không còn -- công việc như thế nào?
Daniel Susskind - Economist
Daniel Susskind explores the impact of technology, particularly artificial intelligence, on work and society. Full bio
Daniel Susskind explores the impact of technology, particularly artificial intelligence, on work and society. Full bio
Double-click the English transcript below to play the video.
00:12
Automation anxiety
has been spreading lately,
has been spreading lately,
0
760
3376
Mối lo về tự động hóa đã
lan rộng trong thời gian gần đây,
lan rộng trong thời gian gần đây,
00:16
a fear that in the future,
1
4160
2656
nỗi lo sợ rằng trong tương lai,
00:18
many jobs will be performed by machines
2
6840
2456
nhiều việc làm
sẽ được thực hiện bởi máy móc
sẽ được thực hiện bởi máy móc
00:21
rather than human beings,
3
9320
1336
thay cho con người,
00:22
given the remarkable advances
that are unfolding
that are unfolding
4
10680
2936
những tiến bộ đáng chú ý đang diễn ra
00:25
in artificial intelligence and robotics.
5
13640
2776
trong lĩnh vực trí tuệ nhân tạo
và nghiên cứu người máy.
và nghiên cứu người máy.
00:28
What's clear is that
there will be significant change.
there will be significant change.
6
16440
2816
Điều rõ ràng ở đây là
sẽ có sự thay đổi đáng kể.
sẽ có sự thay đổi đáng kể.
00:31
What's less clear
is what that change will look like.
is what that change will look like.
7
19280
3616
Điều chưa rõ ở đây là
thay đổi đó sẽ trông như thế nào.
thay đổi đó sẽ trông như thế nào.
00:34
My research suggests that the future
is both troubling and exciting.
is both troubling and exciting.
8
22920
4936
Theo nghiên cứu của tôi thì
tương lai sẽ vừa khó khăn lại vừa thú vị.
tương lai sẽ vừa khó khăn lại vừa thú vị.
00:39
The threat of technological
unemployment is real,
unemployment is real,
9
27880
3736
Mối đe dọa về nạn thất nghiệp
gây ra bởi công nghệ là có thật,
gây ra bởi công nghệ là có thật,
00:43
and yet it's a good problem to have.
10
31640
2056
nhưng nó là một vấn đề tốt mà ta cần có.
00:45
And to explain
how I came to that conclusion,
how I came to that conclusion,
11
33720
3216
Và để giải thích
bằng cách nào tôi đi đến kết luận đó,
bằng cách nào tôi đi đến kết luận đó,
00:48
I want to confront three myths
12
36960
2536
Tôi muốn đương đầu với 3 quan niệm sai lầm
00:51
that I think are currently obscuring
our vision of this automated future.
our vision of this automated future.
13
39520
4280
mà tôi nghĩ hiện đang che khuất tầm nhìn
của chúng ta về tương lai của tự động hóa.
của chúng ta về tương lai của tự động hóa.
00:56
A picture that we see
on our television screens,
on our television screens,
14
44880
2336
Một hình ảnh mà ta thấy
trên các màn hình tivi,
trên các màn hình tivi,
00:59
in books, in films, in everyday commentary
15
47240
2216
trong sách, phim, bản tin hàng ngày
01:01
is one where an army of robots
descends on the workplace
descends on the workplace
16
49480
3696
là một đội quân robot bất ngờ
tràn vào nơi làm việc
tràn vào nơi làm việc
01:05
with one goal in mind:
17
53200
1376
với một mục tiêu trong đầu:
01:06
to displace human beings from their work.
18
54600
2496
thay thế con người làm công việc của họ.
01:09
And I call this the Terminator myth.
19
57120
2696
Tôi gọi đây là lầm tưởng Kẻ hủy diệt.
01:11
Yes, machines displace
human beings from particular tasks,
human beings from particular tasks,
20
59840
3976
Vâng, máy móc thay thế con người
làm những việc nhất định,
làm những việc nhất định,
01:15
but they don't just
substitute for human beings.
substitute for human beings.
21
63840
2256
nhưng chúng không chỉ thay thế loài người.
01:18
They also complement them in other tasks,
22
66120
1976
Chúng còn bổ sung cho họ ở các việc khác,
01:20
making that work more valuable
and more important.
and more important.
23
68120
3616
làm cho công việc đó trở nên
quan trọng và có giá trị hơn.
quan trọng và có giá trị hơn.
01:23
Sometimes they complement
human beings directly,
human beings directly,
24
71760
3336
Đôi khi chúng trực tiếp
hỗ trợ cho con người,
hỗ trợ cho con người,
01:27
making them more productive
or more efficient at a particular task.
or more efficient at a particular task.
25
75120
4016
giúp họ làm việc có năng suất hay
hiệu quả hơn trong những việc cụ thể.
hiệu quả hơn trong những việc cụ thể.
01:31
So a taxi driver can use a satnav system
to navigate on unfamiliar roads.
to navigate on unfamiliar roads.
26
79160
4616
Một tài xế taxi có thể dùng hệ thống
định vị vệ tinh trên những con đường lạ.
định vị vệ tinh trên những con đường lạ.
01:35
An architect can use
computer-assisted design software
computer-assisted design software
27
83800
3336
Một kiến trúc sư có thể sử dụng
phần mềm thiết kế được máy tính hỗ trợ
phần mềm thiết kế được máy tính hỗ trợ
01:39
to design bigger,
more complicated buildings.
more complicated buildings.
28
87160
3096
để thiết kế những tòa nhà
to lớn hơn, phức tạp hơn.
to lớn hơn, phức tạp hơn.
01:42
But technological progress doesn't
just complement human beings directly.
just complement human beings directly.
29
90280
3696
Nhưng sự phát triển kỹ thuật
không chỉ trực tiếp bổ sung cho con người.
không chỉ trực tiếp bổ sung cho con người.
01:46
It also complements them indirectly,
and it does this in two ways.
and it does this in two ways.
30
94000
3336
Nó cũng bổ trợ họ một cách gián tiếp,
và nó làm điều này theo hai cách.
và nó làm điều này theo hai cách.
01:49
The first is if we think
of the economy as a pie,
of the economy as a pie,
31
97360
3336
Đầu tiên là nếu ta xem nền kinh tế
như một cái bánh,
như một cái bánh,
01:52
technological progress
makes the pie bigger.
makes the pie bigger.
32
100720
2896
thì tiến bộ kỹ thuật làm cái bánh to hơn.
01:55
As productivity increases,
incomes rise and demand grows.
incomes rise and demand grows.
33
103640
3856
Khi năng suất tăng,
thu nhập và nhu cầu cũng nhiều hơn.
thu nhập và nhu cầu cũng nhiều hơn.
01:59
The British pie, for instance,
34
107520
1776
Ví dụ như chiếc bánh của nước Anh,
02:01
is more than a hundred times
the size it was 300 years ago.
the size it was 300 years ago.
35
109320
3960
có kích thước gấp hàng trăm lần
so với 300 năm trước.
so với 300 năm trước.
02:05
And so people displaced
from tasks in the old pie
from tasks in the old pie
36
113920
3216
Và vì thế những ai đã rời khỏi
các công việc ở chiếc bánh cũ
các công việc ở chiếc bánh cũ
02:09
could find tasks to do
in the new pie instead.
in the new pie instead.
37
117160
2720
có thể tìm các công việc thay thế
trong chiếc bánh mới.
trong chiếc bánh mới.
02:12
But technological progress
doesn't just make the pie bigger.
doesn't just make the pie bigger.
38
120800
3936
Nhưng tiến bộ kỹ thuật
không chỉ làm chiếc bánh to hơn.
không chỉ làm chiếc bánh to hơn.
02:16
It also changes
the ingredients in the pie.
the ingredients in the pie.
39
124760
2856
Nó cũng thay đổi
các thành phần trong chiếc bánh.
các thành phần trong chiếc bánh.
02:19
As time passes, people spend
their income in different ways,
their income in different ways,
40
127640
3456
Theo thời gian, con người sử dụng thu nhập
theo những cách khác nhau,
theo những cách khác nhau,
02:23
changing how they spread it
across existing goods,
across existing goods,
41
131120
2816
thay đổi cách mà họ chi tiêu
qua các mặt hàng hiện hữu,
qua các mặt hàng hiện hữu,
02:25
and developing tastes
for entirely new goods, too.
for entirely new goods, too.
42
133960
3216
và cũng phát triển thị hiếu
cho các mặt hàng hoàn toàn mới nữa.
cho các mặt hàng hoàn toàn mới nữa.
02:29
New industries are created,
43
137200
1776
Các ngành mới được tạo ra,
02:31
new tasks have to be done
44
139000
1816
các nhiệm vụ mới phải được thực hiện
02:32
and that means often
new roles have to be filled.
new roles have to be filled.
45
140840
2536
có nghĩa là các vai trò mới
cũng phải được đáp ứng.
cũng phải được đáp ứng.
02:35
So again, the British pie:
46
143400
1496
Trở lại chiếc bánh nước Anh:
02:36
300 years ago,
most people worked on farms,
most people worked on farms,
47
144920
2976
300 năm trước,
hầu hết người ta làm ở nông trại,
hầu hết người ta làm ở nông trại,
02:39
150 years ago, in factories,
48
147920
2336
150 năm trước, thì trong các nhà máy,
02:42
and today, most people work in offices.
49
150280
2856
và ngày nay, hầu hết người ta
làm việc trong văn phòng.
làm việc trong văn phòng.
02:45
And once again, people displaced
from tasks in the old bit of pie
from tasks in the old bit of pie
50
153160
4056
Một lần nữa, những người bị thay thế khỏi
các công việc ở chiếc bánh cũ
các công việc ở chiếc bánh cũ
02:49
could tumble into tasks
in the new bit of pie instead.
in the new bit of pie instead.
51
157240
2800
thay vào đó có thể lao vào công việc
ở mẩu bánh mới.
ở mẩu bánh mới.
02:52
Economists call these effects
complementarities,
complementarities,
52
160720
3336
Các nhà kinh tế học gọi những hiệu ứng này
là nguyên tắc bổ sung,
là nguyên tắc bổ sung,
02:56
but really that's just a fancy word
to capture the different way
to capture the different way
53
164080
3256
nhưng thực sự đó chỉ là một mỹ từ
để diễn tả theo một cách khác
để diễn tả theo một cách khác
02:59
that technological progress
helps human beings.
helps human beings.
54
167360
3136
những gì tiến bộ kỹ thuật giúp loài người.
03:02
Resolving this Terminator myth
55
170520
2096
Giải quyết sự lầm tưởng Kẻ hủy diệt này
03:04
shows us that there are
two forces at play:
two forces at play:
56
172640
2336
cho chúng ta thấy rằng
có hai sức mạnh hiện hữu:
có hai sức mạnh hiện hữu:
03:07
one, machine substitution
that harms workers,
that harms workers,
57
175000
3536
một là, việc thay thế bằng máy móc
gây thiệt hại cho người lao động,
gây thiệt hại cho người lao động,
03:10
but also these complementarities
that do the opposite.
that do the opposite.
58
178560
2880
nhưng các nguyên tắc bổ sung
lại có tác động ngược lại.
lại có tác động ngược lại.
03:13
Now the second myth,
59
181960
1376
Giờ là lầm tưởng thứ hai,
03:15
what I call the intelligence myth.
60
183360
2280
điều mà tôi gọi là lầm tưởng
về sự thông minh.
về sự thông minh.
03:18
What do the tasks of driving a car,
making a medical diagnosis
making a medical diagnosis
61
186440
4896
Điểm chung của việc lái một chiếc xe hơi,
thực hiện một chẩn đoán y học,
thực hiện một chẩn đoán y học,
03:23
and identifying a bird
at a fleeting glimpse have in common?
at a fleeting glimpse have in common?
62
191360
2920
và xác định một con chim
khi nhìn thoáng qua là gì?
khi nhìn thoáng qua là gì?
03:27
Well, these are all tasks
that until very recently,
that until very recently,
63
195280
2976
Đây là tất cả các công việc
mà cho đến rất gần đây,
mà cho đến rất gần đây,
03:30
leading economists thought
couldn't readily be automated.
couldn't readily be automated.
64
198280
3336
các nhà kinh tế học hàng đầu đã nghĩ
là chưa sẵn sàng để tự động hóa.
là chưa sẵn sàng để tự động hóa.
03:33
And yet today, all of these tasks
can be automated.
can be automated.
65
201640
3176
Nhưng đến hôm nay, tất cả những
việc này có thể tự động hóa.
việc này có thể tự động hóa.
03:36
You know, all major car manufacturers
have driverless car programs.
have driverless car programs.
66
204840
3496
Bạn biết đấy, các nhà sản xuất xe hơi lớn
đều có dự án xe không người lái.
đều có dự án xe không người lái.
03:40
There's countless systems out there
that can diagnose medical problems.
that can diagnose medical problems.
67
208360
3976
Có vô số hệ thống ngoài kia
có thể chẩn đoán các vấn đề y tế.
có thể chẩn đoán các vấn đề y tế.
03:44
And there's even an app
that can identify a bird
that can identify a bird
68
212360
2416
Và còn có cả ứng dụng
có thể xác định một con chim
có thể xác định một con chim
03:46
at a fleeting glimpse.
69
214800
1200
trong một cái liếc mắt.
03:48
Now, this wasn't simply a case of bad luck
on the part of economists.
on the part of economists.
70
216920
4376
Đây không đơn giản là một trường hợp
thiếu may mắn của các nhà kinh tế học.
thiếu may mắn của các nhà kinh tế học.
03:53
They were wrong,
71
221320
1296
Họ đã sai,
03:54
and the reason why
they were wrong is very important.
they were wrong is very important.
72
222640
2496
và lý do tại sao họ đã sai
là rất quan trọng.
là rất quan trọng.
03:57
They've fallen for the intelligence myth,
73
225160
2256
Họ bị rơi vào lầm tưởng về sự thông minh,
03:59
the belief that machines
have to copy the way
have to copy the way
74
227440
2896
niềm tin rằng các máy móc phải bắt chước
04:02
that human beings think and reason
75
230360
2056
cách mà con người suy nghĩ và lý luận
04:04
in order to outperform them.
76
232440
1776
để làm tốt hơn họ.
04:06
When these economists
were trying to figure out
were trying to figure out
77
234240
2216
Khi những nhà kinh tế học này
đang cố tìm ra
đang cố tìm ra
04:08
what tasks machines could not do,
78
236480
1856
những việc mà máy móc không thể làm,
04:10
they imagined the only way
to automate a task
to automate a task
79
238360
2136
họ nghĩ cách duy nhất
để tự động hóa nhiệm vụ
để tự động hóa nhiệm vụ
04:12
was to sit down with a human being,
80
240520
1816
là ngồi cùng với một con người,
04:14
get them to explain to you
how it was they performed a task,
how it was they performed a task,
81
242360
3536
để họ giải thích cho bạn
cách họ thực hiện một nhiệm vụ,
cách họ thực hiện một nhiệm vụ,
04:17
and then try and capture that explanation
82
245920
2656
thử nắm bắt và ánh xạ cách giải thích đó
04:20
in a set of instructions
for a machine to follow.
for a machine to follow.
83
248600
2776
vào một tập hợp các chỉ dẫn
để một máy tính làm theo.
để một máy tính làm theo.
04:23
This view was popular in artificial
intelligence at one point, too.
intelligence at one point, too.
84
251400
4176
Quan điểm này cũng đã được phổ biến
trong trí tuệ nhân tạo tại một thời điểm.
trong trí tuệ nhân tạo tại một thời điểm.
04:27
I know this because Richard Susskind,
85
255600
2176
Tôi biết điều này nhờ Richard Susskind,
04:29
who is my dad and my coauthor,
86
257800
2856
bố tôi và cũng là đồng tác giả của tôi,
04:32
wrote his doctorate in the 1980s
on artificial intelligence and the law
on artificial intelligence and the law
87
260680
4056
đã viết luận án tiến sĩ vào những năm 1980
về trí thông minh nhân tạo và luật
về trí thông minh nhân tạo và luật
04:36
at Oxford University,
88
264760
1416
tại Đại học Oxford,
04:38
and he was part of the vanguard.
89
266200
1576
và ông ấy thuộc nhóm tiên phong.
04:39
And with a professor called Phillip Capper
90
267800
2256
Và cùng với một vị giáo sư
là Phillp Capper
là Phillp Capper
04:42
and a legal publisher called Butterworths,
91
270080
2096
và một nhà xuất bản về luật
Butterworths,
Butterworths,
04:44
they produced the world's first
commercially available
commercially available
92
272200
5896
họ đã chế tạo ra hệ thống trí thông minh
nhân tạo mang tính thương mại
nhân tạo mang tính thương mại
04:50
artificial intelligence system in the law.
93
278120
2776
đầu tiên trên thế giới về luật pháp.
04:52
This was the home screen design.
94
280920
2616
Đây là thiết kế giao diện màn hình chính.
04:55
He assures me this was
a cool screen design at the time.
a cool screen design at the time.
95
283560
2696
Ông cam đoan đây là thiết kế màn hình
tuyệt nhất thời đó.
tuyệt nhất thời đó.
04:58
(Laughter)
96
286280
1016
(Cười)
04:59
I've never been entirely convinced.
97
287320
1696
Tôi chưa bị thuyết phục hoàn toàn.
05:01
He published it
in the form of two floppy disks,
in the form of two floppy disks,
98
289040
2616
Ông đã phát hành nó
dưới dạng hai đĩa mềm,
dưới dạng hai đĩa mềm,
05:03
at a time where floppy disks
genuinely were floppy,
genuinely were floppy,
99
291680
3536
vào cái thời mà đĩa mềm thực sự mềm,
05:07
and his approach was the same
as the economists':
as the economists':
100
295240
2336
và cách ông ấy tiếp cận
giống như các nhà kinh tế:
giống như các nhà kinh tế:
05:09
sit down with a lawyer,
101
297600
1256
ngồi cùng với một luật sư,
05:10
get her to explain to you
how it was she solved a legal problem,
how it was she solved a legal problem,
102
298880
3176
để cô ấy giải thích cho bạn
cách cô ấy giải quyết vấn đề pháp lý,
cách cô ấy giải quyết vấn đề pháp lý,
05:14
and then try and capture that explanation
in a set of rules for a machine to follow.
in a set of rules for a machine to follow.
103
302080
5376
rồi thử nắm bắt lời giải thích đó vào
một bộ quy tắc cho một cái máy làm theo.
một bộ quy tắc cho một cái máy làm theo.
05:19
In economics, if human beings
could explain themselves in this way,
could explain themselves in this way,
104
307480
3616
Trong kinh tế học, nếu con người
có thể tự giải thích theo cách này,
có thể tự giải thích theo cách này,
05:23
the tasks are called routine,
and they could be automated.
and they could be automated.
105
311120
3296
các nhiệm vụ được gọi là các trình tự,
và chúng có thể tự động hóa.
và chúng có thể tự động hóa.
05:26
But if human beings
can't explain themselves,
can't explain themselves,
106
314440
2336
Nhưng nếu
con người không thể tự giải thích,
con người không thể tự giải thích,
05:28
the tasks are called non-routine,
and they're thought to be out reach.
and they're thought to be out reach.
107
316800
4256
các nhiệm vụ được gọi là phi trình tự,
và chúng được cho là không thể tiếp cận.
và chúng được cho là không thể tiếp cận.
05:33
Today, that routine-nonroutine
distinction is widespread.
distinction is widespread.
108
321080
3296
Ngày nay, sự phân biệt
trình tự - phi trình tự này rất phổ biến.
trình tự - phi trình tự này rất phổ biến.
05:36
Think how often you hear people say to you
109
324400
2056
Hãy nghĩ mọi người thường nói với bạn
05:38
machines can only perform tasks
that are predictable or repetitive,
that are predictable or repetitive,
110
326480
3256
máy móc chỉ có thể thực hiện các tác vụ
có thể dự đoán hoặc lặp lại,
có thể dự đoán hoặc lặp lại,
05:41
rules-based or well-defined.
111
329760
1896
dựa trên quy tắc hoặc được xác định rõ.
05:43
Those are all just
different words for routine.
different words for routine.
112
331680
2936
Tất cả chúng chỉ là những từ khác nhau
chỉ thủ tục trình tự.
chỉ thủ tục trình tự.
05:46
And go back to those three cases
that I mentioned at the start.
that I mentioned at the start.
113
334640
3976
Và trở lại với ba tình huống
tôi đã đề cập từ lúc đầu.
tôi đã đề cập từ lúc đầu.
05:50
Those are all classic cases
of nonroutine tasks.
of nonroutine tasks.
114
338640
2896
Đây đều là các ví dụ kinh điển
của các tác vụ phi trình tự.
của các tác vụ phi trình tự.
05:53
Ask a doctor, for instance,
how she makes a medical diagnosis,
how she makes a medical diagnosis,
115
341560
2976
Hỏi một bác sĩ, ví dụ,
cách cô ấy đưa ra một chẩn đoán y tế,
cách cô ấy đưa ra một chẩn đoán y tế,
05:56
and she might be able
to give you a few rules of thumb,
to give you a few rules of thumb,
116
344560
2656
và cô ấy có thể sẽ
đưa cho bạn một vài kinh nghiệm,
đưa cho bạn một vài kinh nghiệm,
05:59
but ultimately she'd struggle.
117
347240
1656
mà sau cùng cô ấy phải nghĩ lại.
06:00
She'd say it requires things like
creativity and judgment and intuition.
creativity and judgment and intuition.
118
348920
4816
Cô ấy sẽ nói nó đòi hỏi những thứ như
sự sáng tạo, óc phán đoán và trực giác.
sự sáng tạo, óc phán đoán và trực giác.
06:05
And these things are
very difficult to articulate,
very difficult to articulate,
119
353760
2376
Và những điều này rất khó để nói rõ,
06:08
and so it was thought these tasks
would be very hard to automate.
would be very hard to automate.
120
356160
3096
và do đó, các nhiệm vụ này được cho là
sẽ rất khó để tự động hóa.
sẽ rất khó để tự động hóa.
06:11
If a human being can't explain themselves,
121
359280
2536
Nếu con người không thể tự giải thích,
06:13
where on earth do we begin
in writing a set of instructions
in writing a set of instructions
122
361840
2896
thì bằng cách nào chúng ta có thể
bắt đầu viết ra bộ chỉ dẫn,
bắt đầu viết ra bộ chỉ dẫn,
06:16
for a machine to follow?
123
364760
1200
cho máy móc làm theo?
06:18
Thirty years ago, this view was right,
124
366640
2576
Ba mươi năm về trước,
quan điểm này là đúng,
quan điểm này là đúng,
06:21
but today it's looking shaky,
125
369240
2136
nhưng ngày nay
quan điểm này đang lung lay,
quan điểm này đang lung lay,
06:23
and in the future
it's simply going to be wrong.
it's simply going to be wrong.
126
371400
2256
và trong tương lai,
nó đơn giản là sai lầm.
nó đơn giản là sai lầm.
06:25
Advances in processing power,
in data storage capability
in data storage capability
127
373680
3256
Những tiến bộ trong năng lực xử lý,
trong khả năng lưu trữ dữ liệu
trong khả năng lưu trữ dữ liệu
06:28
and in algorithm design
128
376960
1656
và trong thiết kế thuật toán
06:30
mean that this
routine-nonroutine distinction
routine-nonroutine distinction
129
378640
2496
nghĩa là sự khác biệt giữa
có trình tự - phi trình tự
có trình tự - phi trình tự
06:33
is diminishingly useful.
130
381160
1736
không còn ý nghĩa nhiều.
06:34
To see this, go back to the case
of making a medical diagnosis.
of making a medical diagnosis.
131
382920
3256
Để thấy được điều này,
hãy trở lại với trường hợp chẩn đoán y tế.
hãy trở lại với trường hợp chẩn đoán y tế.
06:38
Earlier in the year,
132
386200
1376
Đầu năm nay,
06:39
a team of researchers at Stanford
announced they'd developed a system
announced they'd developed a system
133
387600
3296
nhóm các nhà nghiên cứu ở Stanford
tuyên bố họ đã phát triển hệ thống
tuyên bố họ đã phát triển hệ thống
06:42
which can tell you
whether or not a freckle is cancerous
whether or not a freckle is cancerous
134
390920
3056
có thể cho bạn biết vết tàn nhang
có phải là ung thư hay không
có phải là ung thư hay không
06:46
as accurately as leading dermatologists.
135
394000
2680
chính xác như các bác sĩ da liễu hàng đầu.
06:49
How does it work?
136
397280
1256
Nó hoạt động như thế nào?
06:50
It's not trying to copy the judgment
or the intuition of a doctor.
or the intuition of a doctor.
137
398560
5296
Nó không cố gắng để sao chép óc phán đoán
hoặc trực giác của một bác sĩ.
hoặc trực giác của một bác sĩ.
06:55
It knows or understands
nothing about medicine at all.
nothing about medicine at all.
138
403880
3136
Nó không có bất kỳ nhận thức
hay hiểu biết gì về y học cả.
hay hiểu biết gì về y học cả.
06:59
Instead, it's running
a pattern recognition algorithm
a pattern recognition algorithm
139
407040
2576
Thay vào đó, nó đang chạy
một thuật toán nhận dạng mẫu
một thuật toán nhận dạng mẫu
07:01
through 129,450 past cases,
140
409640
4656
trên 129.450 trường hợp trong quá khứ,
07:06
hunting for similarities
between those cases
between those cases
141
414320
3096
tìm kiếm sự tương đồng giữa các trường hợp
07:09
and the particular lesion in question.
142
417440
2080
và thương tổn cụ thể trong câu hỏi.
07:12
It's performing these tasks
in an unhuman way,
in an unhuman way,
143
420080
3216
Nó thực hiện những nhiệm vụ này
không theo cách của con người,
không theo cách của con người,
07:15
based on the analysis
of more possible cases
of more possible cases
144
423320
2336
mà dựa trên phân tích
các trường hợp có thể xảy ra
các trường hợp có thể xảy ra
07:17
than any doctor could hope
to review in their lifetime.
to review in their lifetime.
145
425680
2616
nhiều hơn bất kỳ bác sĩ nào
có thể xem hết trong đời.
có thể xem hết trong đời.
07:20
It didn't matter that that human being,
146
428320
1896
Nó không quan trọng là con người đó,
07:22
that doctor, couldn't explain
how she'd performed the task.
how she'd performed the task.
147
430240
2800
bác sĩ đó, không thể giải thích
cô ấy làm như thế nào.
cô ấy làm như thế nào.
07:25
Now, there are those
who dwell upon that the fact
who dwell upon that the fact
148
433640
2336
Bây giờ, có nhiều người
sống với thực tế rằng
sống với thực tế rằng
07:28
that these machines
aren't built in our image.
aren't built in our image.
149
436000
2296
máy móc không tạo dựng
theo bản chất con người.
theo bản chất con người.
07:30
As an example, take IBM's Watson,
150
438320
2056
Lấy IBM's Watson làm ví dụ,
07:32
the supercomputer that went
on the US quiz show "Jeopardy!" in 2011,
on the US quiz show "Jeopardy!" in 2011,
151
440400
4856
siêu máy tính đã tham gia chương trình
đố vui của Mỹ "Jeopardy!" trong năm 2011,
đố vui của Mỹ "Jeopardy!" trong năm 2011,
07:37
and it beat the two
human champions at "Jeopardy!"
human champions at "Jeopardy!"
152
445280
3016
và nó đã đánh bại
hai nhà vô địch tại "Jeopardy!"
hai nhà vô địch tại "Jeopardy!"
07:40
The day after it won,
153
448320
1696
Một ngày sau chiến thắng của nó,
07:42
The Wall Street Journal ran a piece
by the philosopher John Searle
by the philosopher John Searle
154
450040
3296
Tờ nhật báo phố Wall xuất bản tác phẩm
của nhà triết học John Searle
của nhà triết học John Searle
07:45
with the title "Watson
Doesn't Know It Won on 'Jeopardy!'"
Doesn't Know It Won on 'Jeopardy!'"
155
453360
3376
với tiêu đề "Watson không biết rằng
nó đã chiến thắng tại 'Jeopardy!'"
nó đã chiến thắng tại 'Jeopardy!'"
07:48
Right, and it's brilliant, and it's true.
156
456760
1976
Phải, nó rất tài giỏi, và đó là sự thật.
07:50
You know, Watson didn't
let out a cry of excitement.
let out a cry of excitement.
157
458760
2456
Bạn biết đấy, Watson không
bật khóc vì phấn khích.
bật khóc vì phấn khích.
07:53
It didn't call up its parents
to say what a good job it had done.
to say what a good job it had done.
158
461240
3096
Nó đã không gọi bố mẹ của nó
để nói nó đã làm tốt như thế nào.
để nói nó đã làm tốt như thế nào.
07:56
It didn't go down to the pub for a drink.
159
464360
2336
Nó cũng không đi đến quán rượu để uống.
07:58
This system wasn't trying to copy the way
that those human contestants played,
that those human contestants played,
160
466720
4456
Hệ thống này đã không cố gắng bắt chước
cái cách mà các đối thủ tham gia đã chơi,
cái cách mà các đối thủ tham gia đã chơi,
08:03
but it didn't matter.
161
471200
1256
nhưng không thành vấn đề.
08:04
It still outperformed them.
162
472480
1976
Nó vẫn vượt trội so với họ.
08:06
Resolving the intelligence myth
163
474480
1576
Hoá giải lầm tưởng về thông minh
08:08
shows us that our limited understanding
about human intelligence,
about human intelligence,
164
476080
3376
cho thấy sự hạn chế trong hiểu biết
của chúng ta về trí tuệ con người,
của chúng ta về trí tuệ con người,
08:11
about how we think and reason,
165
479480
1896
về cách mà chúng ta tư duy và suy luận,
08:13
is far less of a constraint
on automation than it was in the past.
on automation than it was in the past.
166
481400
3456
ít bị ràng buộc hơn về sự tự động hoá
so với trong quá khứ.
so với trong quá khứ.
08:16
What's more, as we've seen,
167
484880
1496
Hơn nữa, như chúng ta đã thấy,
08:18
when these machines
perform tasks differently to human beings,
perform tasks differently to human beings,
168
486400
3416
khi máy móc thực hiện các nhiệm vụ
một cách khác biệt so với con người,
một cách khác biệt so với con người,
08:21
there's no reason to think
169
489840
1256
không có lý do gì để nghĩ
08:23
that what human beings
are currently capable of doing
are currently capable of doing
170
491120
2536
rằng những điều mà con người
hiện tại có thể làm được
hiện tại có thể làm được
08:25
represents any sort of summit
171
493680
1456
đại diện cho bất cứ đỉnh cao nào
08:27
in what these machines
might be capable of doing in the future.
might be capable of doing in the future.
172
495160
3000
mà các máy móc có khả năng
thực hiện trong tương lai.
thực hiện trong tương lai.
08:31
Now the third myth,
173
499040
1256
Giờ là lầm tưởng thứ ba,
08:32
what I call the superiority myth.
174
500320
2456
cái mà tôi gọi là
lầm tưởng về tính ưu việt.
lầm tưởng về tính ưu việt.
08:34
It's often said that those who forget
175
502800
2216
Mọi người thường nói rằng
những người quên đi
những người quên đi
08:37
about the helpful side
of technological progress,
of technological progress,
176
505040
2456
khía cạnh hữu ích của tiến bộ công nghệ,
08:39
those complementarities from before,
177
507520
2496
những sự bổ trợ từ trước đây,
08:42
are committing something
known as the lump of labor fallacy.
known as the lump of labor fallacy.
178
510040
3040
đang phạm vào cái gọi là
sai lầm về nguồn nhân lực.
sai lầm về nguồn nhân lực.
08:45
Now, the problem is
the lump of labor fallacy
the lump of labor fallacy
179
513840
2295
Giờ thì, vấn đề là
sai lầm về nguồn nhân lực
sai lầm về nguồn nhân lực
08:48
is itself a fallacy,
180
516159
1496
bản thân nó là sự sai lầm,
08:49
and I call this the lump
of labor fallacy fallacy,
of labor fallacy fallacy,
181
517679
2937
và tôi gọi nó là sai lầm
của sai lầm về nguồn nhân lực,
của sai lầm về nguồn nhân lực,
08:52
or LOLFF, for short.
182
520640
2320
hay ngắn gọn là LOLFF.
08:56
Let me explain.
183
524000
1416
Hãy để tôi giải thích.
08:57
The lump of labor fallacy
is a very old idea.
is a very old idea.
184
525440
2136
Sai lầm về nguồn nhân lực là khái niệm cũ.
08:59
It was a British economist, David Schloss,
who gave it this name in 1892.
who gave it this name in 1892.
185
527600
4216
Nhà kinh tế học người Anh David Schloss
đã đặt ra khái niệm này vào năm 1892.
đã đặt ra khái niệm này vào năm 1892.
09:03
He was puzzled
to come across a dock worker
to come across a dock worker
186
531840
2816
Ông ngạc nhiên khi đi qua thấy
một công nhân bến tàu
một công nhân bến tàu
09:06
who had begun to use
a machine to make washers,
a machine to make washers,
187
534680
2336
bắt đầu dùng máy móc tạo ra vòng đệm,
09:09
the small metal discs
that fasten on the end of screws.
that fasten on the end of screws.
188
537040
3320
loại đĩa kim loại nhỏ giúp giữ chặt
đầu đinh ốc.
đầu đinh ốc.
09:13
And this dock worker
felt guilty for being more productive.
felt guilty for being more productive.
189
541000
3760
Rồi người công nhân bến tàu này cảm thấy
tội lỗi vì làm việc năng suất hơn.
tội lỗi vì làm việc năng suất hơn.
09:17
Now, most of the time,
we expect the opposite,
we expect the opposite,
190
545560
2176
Giờ, hầu hết, ta lại mong điều ngược lại
09:19
that people feel guilty
for being unproductive,
for being unproductive,
191
547760
2216
là con người mặc cảm vì làm việc
không hiệu quả
không hiệu quả
09:22
you know, a little too much time
on Facebook or Twitter at work.
on Facebook or Twitter at work.
192
550000
3016
bạn biết đấy, như lướt Facebook hay
Twitter ở chỗ làm quá nhiều.
Twitter ở chỗ làm quá nhiều.
09:25
But this worker felt guilty
for being more productive,
for being more productive,
193
553040
2536
Nhưng người này lại thấy mặc cảm khi
làm việc hiệu quả
làm việc hiệu quả
09:27
and asked why, he said,
"I know I'm doing wrong.
"I know I'm doing wrong.
194
555600
2296
khi được hỏi, anh nói
"Tôi biết tôi đang làm sai.
"Tôi biết tôi đang làm sai.
09:29
I'm taking away the work of another man."
195
557920
2040
Tôi sẽ khiến người khác mất việc."
09:32
In his mind, there was
some fixed lump of work
some fixed lump of work
196
560760
2976
Trong tâm trí mình, anh nghĩ
có một khối lượng việc cố định
có một khối lượng việc cố định
09:35
to be divided up between him and his pals,
197
563760
2136
để chia cho anh và đồng nghiệp,
09:37
so that if he used
this machine to do more,
this machine to do more,
198
565920
2056
vì thế nếu dùng cỗ máy này
để làm nhiều hơn
để làm nhiều hơn
09:40
there'd be less left for his pals to do.
199
568000
2016
thì sẽ không còn việc cho đồng nghiệp nữa.
09:42
Schloss saw the mistake.
200
570040
1856
Và Schloss thấy được sai lầm.
09:43
The lump of work wasn't fixed.
201
571920
1856
Khối lượng công việc không hề cố định.
09:45
As this worker used the machine
and became more productive,
and became more productive,
202
573800
2816
Khi công nhân này dùng máy móc
và trở nên năng suất hơn,
và trở nên năng suất hơn,
09:48
the price of washers would fall,
demand for washers would rise,
demand for washers would rise,
203
576640
2976
giá vòng đệm sẽ giảm,
nhu cầu cho vòng đệm sẽ tăng,
nhu cầu cho vòng đệm sẽ tăng,
09:51
more washers would have to be made,
204
579640
1696
cần sản xuất nhiều vòng đệm hơn,
09:53
and there'd be more work
for his pals to do.
for his pals to do.
205
581360
2096
và có nhiều việc hơn
cho đồng nghiệp của anh
cho đồng nghiệp của anh
09:55
The lump of work would get bigger.
206
583480
1696
Khối lượng công việc sẽ nhiều hơn.
09:57
Schloss called this
"the lump of labor fallacy."
"the lump of labor fallacy."
207
585200
2680
Schloss gọi đây là
"sai lầm về nguồn nhân lực."
"sai lầm về nguồn nhân lực."
10:00
And today you hear people talk
about the lump of labor fallacy
about the lump of labor fallacy
208
588560
2936
Và hôm nay bạn nghe người ta nói về
sai lầm về nguồn nhân lực
sai lầm về nguồn nhân lực
10:03
to think about the future
of all types of work.
of all types of work.
209
591520
2216
để nghĩ tới tương lai của
mọi loại công việc.
mọi loại công việc.
10:05
There's no fixed lump of work
out there to be divided up
out there to be divided up
210
593760
2656
Không có một khối lượng công việc cố định
được chia đều
được chia đều
10:08
between people and machines.
211
596440
1376
giữa con người và máy móc.
10:09
Yes, machines substitute for human beings,
making the original lump of work smaller,
making the original lump of work smaller,
212
597840
4656
Đúng vậy, máy móc thay thế con người
khiến khối lượng công việc ban đầu nhỏ lại
khiến khối lượng công việc ban đầu nhỏ lại
10:14
but they also complement human beings,
213
602520
1856
nhưng chúng cũng bổ trợ cho con người,
10:16
and the lump of work
gets bigger and changes.
gets bigger and changes.
214
604400
2096
nên khối lượng việc
lớn hơn và thay đổi.
lớn hơn và thay đổi.
10:19
But LOLFF.
215
607760
1616
Thế nhưng LOLFF.
10:21
Here's the mistake:
216
609400
1376
Sai lầm chính là đây:
10:22
it's right to think
that technological progress
that technological progress
217
610800
2216
Tư duy cho rằng tiến bộ công nghệ
10:25
makes the lump of work to be done bigger.
218
613040
1976
khiến việc được hoàn tất
nhiều hơn là đúng
nhiều hơn là đúng
10:27
Some tasks become more valuable.
New tasks have to be done.
New tasks have to be done.
219
615040
3016
Giờ đây nhiệm vụ trở nên giá trị hơn.
Nhiệm vụ mới cần được làm.
Nhiệm vụ mới cần được làm.
10:30
But it's wrong to think that necessarily,
220
618080
2536
Nhưng tư duy rằng con người sẽ là tốt nhất
10:32
human beings will be best placed
to perform those tasks.
to perform those tasks.
221
620640
3256
để thực hiện những nhiệm vụ đó là sai.
10:35
And this is the superiority myth.
222
623920
1616
Và đây là lầm tưởng về sự ưu việt.
10:37
Yes, the lump of work
might get bigger and change,
might get bigger and change,
223
625560
3416
Đúng vậy, khối lượng công việc
có thể trở nên lớn hơn,
có thể trở nên lớn hơn,
10:41
but as machines become more capable,
224
629000
1976
nhưng máy móc cũng trở nên năng lực hơn,
10:43
it's likely that they'll take on
the extra lump of work themselves.
the extra lump of work themselves.
225
631000
3896
Nhiều khả năng chúng sẽ
tự lấy thêm phần công việc khác.
tự lấy thêm phần công việc khác.
10:46
Technological progress,
rather than complement human beings,
rather than complement human beings,
226
634920
3256
Tiến bộ công nghệ,
thay vì bổ trợ con người,
thay vì bổ trợ con người,
10:50
complements machines instead.
227
638200
1880
thay vào đó sẽ bổ trợ cho máy móc.
10:52
To see this, go back
to the task of driving a car.
to the task of driving a car.
228
640920
3016
Để hiểu điều này,
quay lại việc lái một chiếc xe.
quay lại việc lái một chiếc xe.
10:55
Today, satnav systems
directly complement human beings.
directly complement human beings.
229
643960
4096
Ngày nay, hệ thống định vị vệ tinh
bổ trợ con người một cách trực tiếp.
bổ trợ con người một cách trực tiếp.
11:00
They make some
human beings better drivers.
human beings better drivers.
230
648080
2280
Chúng làm cho một số người
thành tài xế tốt hơn.
thành tài xế tốt hơn.
11:02
But in the future,
231
650920
1256
Nhưng trong tương lai,
11:04
software is going to displace
human beings from the driving seat,
human beings from the driving seat,
232
652200
3096
phần mềm sẽ thay thế con người
ở ghế lái,
ở ghế lái,
11:07
and these satnav systems,
rather than complement human beings,
rather than complement human beings,
233
655320
2936
và những hệ thống định vị vệ tinh,
thay vì bổ trợ con người,
thay vì bổ trợ con người,
11:10
will simply make these
driverless cars more efficient,
driverless cars more efficient,
234
658280
2536
sẽ đơn giản làm cho xe tự lái
hiệu quả hơn,
hiệu quả hơn,
11:12
helping the machines instead.
235
660840
1536
giúp máy móc hiệu quả hơn.
11:14
Or go to those indirect complementarities
that I mentioned as well.
that I mentioned as well.
236
662400
4056
Hoặc xét đến những bổ trợ gián tiếp
mà tôi đã từng đề cập.
mà tôi đã từng đề cập.
11:18
The economic pie may get larger,
237
666480
1776
Miếng bánh kinh tế trở nên lớn hơn,
11:20
but as machines become more capable,
238
668280
1736
khi máy móc trở nên có năng lực hơn,
11:22
it's possible that any new demand
will fall on goods that machines,
will fall on goods that machines,
239
670040
3143
Có khả năng những nhu cầu mới
ở những loại hàng hoá mà máy móc,
ở những loại hàng hoá mà máy móc,
11:25
rather than human beings,
are best placed to produce.
are best placed to produce.
240
673207
2649
sản xuất tốt hơn con người.
11:27
The economic pie may change,
241
675880
1896
Miếng bánh kinh tế sẽ thay đổi,
11:29
but as machines become more capable,
242
677800
1896
khi máy móc trở nên có năng lực hơn,
11:31
it's possible that they'll be best placed
to do the new tasks that have to be done.
to do the new tasks that have to be done.
243
679720
4856
chúng sẽ có khả năng làm nhiệm vụ mới
hơn những gì chúng phải bị bắt phải làm.
hơn những gì chúng phải bị bắt phải làm.
11:36
In short, demand for tasks
isn't demand for human labor.
isn't demand for human labor.
244
684600
3696
Nói ngắn gọn, nhu cầu cho những công việc
không cần sức lao động con người.
không cần sức lao động con người.
11:40
Human beings only stand to benefit
245
688320
1936
Con người chỉ cần đứng đó để hưởng lợi,
11:42
if they retain the upper hand
in all these complemented tasks,
in all these complemented tasks,
246
690280
3816
nếu họ nắm được ưu thế trong tất cả
những công việc được bổ trợ này,
những công việc được bổ trợ này,
11:46
but as machines become more capable,
that becomes less likely.
that becomes less likely.
247
694120
3720
nhưng máy móc cũng trở nên năng lực hơn,
do đó điều này ít khả năng xảy ra hơn.
do đó điều này ít khả năng xảy ra hơn.
11:50
So what do these three myths tell us then?
248
698760
2016
Vậy ba sự lầm tưởng này nói lên điều gì?
11:52
Well, resolving the Terminator myth
249
700800
1696
Giải quyết sự lầm tưởng Kẻ huỷ diệt
11:54
shows us that the future of work depends
upon this balance between two forces:
upon this balance between two forces:
250
702520
3696
cho ta thấy tương lai của công việc
phụ thuộc vào cân bằng giữa hai sức mạnh:
phụ thuộc vào cân bằng giữa hai sức mạnh:
11:58
one, machine substitution
that harms workers
that harms workers
251
706240
3136
một là sự thay thế của máy móc
ảnh hưởng đến người lao động
ảnh hưởng đến người lao động
12:01
but also those complementarities
that do the opposite.
that do the opposite.
252
709400
2576
nhưng cũng có những sự bổ trợ
ngược lại.
ngược lại.
12:04
And until now, this balance
has fallen in favor of human beings.
has fallen in favor of human beings.
253
712000
4040
Cho đến hiện nay, sự cân bằng này
đã nghiêng về phía con người.
đã nghiêng về phía con người.
12:09
But resolving the intelligence myth
254
717120
1736
Nhưng giải quyết lầm tưởng
12:10
shows us that that first force,
machine substitution,
machine substitution,
255
718880
2496
về sự thông minh
cho ta thấy sức mạnh đầu tiên,
cho ta thấy sức mạnh đầu tiên,
12:13
is gathering strength.
256
721400
1296
là máy móc đang mạnh dần.
12:14
Machines, of course, can't do everything,
257
722720
1976
Đương nhiên máy móc không thể làm mọi thứ
12:16
but they can do far more,
258
724720
1256
chúng có thể làm nhiều hơn
12:18
encroaching ever deeper into the realm
of tasks performed by human beings.
of tasks performed by human beings.
259
726000
4576
lấn sâu vào những lĩnh vực công việc
được thực hiện bởi con người.
được thực hiện bởi con người.
12:22
What's more, there's no reason to think
260
730600
1896
Còn gì hơn nữa, không có lý gì để nghĩ
12:24
that what human beings
are currently capable of
are currently capable of
261
732520
2216
rằng những gì con người
đang có khả năng làm
đang có khả năng làm
12:26
represents any sort of finishing line,
262
734760
1856
đại diện cho bất kỳ một loại đích đến,
12:28
that machines are going
to draw to a polite stop
to draw to a polite stop
263
736640
2256
mà máy móc chuẩn bị vẽ
một đường vạch ngăn lại
một đường vạch ngăn lại
12:30
once they're as capable as us.
264
738920
1816
một khi chúng có khả năng như chúng ta
12:32
Now, none of this matters
265
740760
1536
Ngay bây giờ, không có vấn đề gì
12:34
so long as those helpful
winds of complementarity
winds of complementarity
266
742320
2816
miễn là những sự bổ trợ hữu ích đó
12:37
blow firmly enough,
267
745160
1736
đủ chắc chắn,
12:38
but resolving the superiority myth
268
746920
1936
nhưng giải quyết lầm tưởng về sự ưu việt
12:40
shows us that that process
of task encroachment
of task encroachment
269
748880
3096
cho chúng ta thấy sự tiến bộ
của việc giành lấy công việc
của việc giành lấy công việc
12:44
not only strengthens
the force of machine substitution,
the force of machine substitution,
270
752000
3936
không chỉ tăng thêm
sức mạnh của việc thay thế bằng máy móc
sức mạnh của việc thay thế bằng máy móc
12:47
but it wears down
those helpful complementarities too.
those helpful complementarities too.
271
755960
3336
mà còn làm yếu đi những sự bổ trợ hữu ích.
12:51
Bring these three myths together
272
759320
1936
Đem ba sự lầm tưởng này lại với nhau
12:53
and I think we can capture a glimpse
of that troubling future.
of that troubling future.
273
761280
2936
và tôi nghĩ chúng ta có thể hiểu được
một tương lai khó khăn.
một tương lai khó khăn.
12:56
Machines continue to become more capable,
274
764240
2016
Máy móc tiếp tục trở nên có năng lực hơn,
12:58
encroaching ever deeper
on tasks performed by human beings,
on tasks performed by human beings,
275
766280
3656
lấn sâu hơn vào công việc
được thực hiện bởi con người,
được thực hiện bởi con người,
13:01
strengthening the force
of machine substitution,
of machine substitution,
276
769960
2576
tăng sức mạnh cho việc thay thế
con người bằng máy móc,
con người bằng máy móc,
13:04
weakening the force
of machine complementarity.
of machine complementarity.
277
772560
3616
và làm suy yếu đi phần mà nó bổ trợ.
13:08
And at some point, that balance
falls in favor of machines
falls in favor of machines
278
776200
4296
Và tại vài điểm, sự cân bằng đó
lại nghiêng về phía máy móc
lại nghiêng về phía máy móc
13:12
rather than human beings.
279
780520
2056
hơn là con người.
13:14
This is the path we're currently on.
280
782600
1736
Đây là con đường mà ta đang đi.
13:16
I say "path" deliberately,
because I don't think we're there yet,
because I don't think we're there yet,
281
784360
3176
Tôi nói "con đường" chậm rãi,
vì tôi không nghĩ là ta đã ở đó,
vì tôi không nghĩ là ta đã ở đó,
13:19
but it is hard to avoid the conclusion
that this is our direction of travel.
that this is our direction of travel.
282
787560
3640
nhưng khó để tránh một kết cục
rằng đó là phía mà ta đang hướng đến.
rằng đó là phía mà ta đang hướng đến.
13:24
That's the troubling part.
283
792640
1456
Đó là phần khó khăn.
13:26
Let me say now why I think actually
this is a good problem to have.
this is a good problem to have.
284
794120
3520
Để tôi giải thích thực tế vì sao
đây là một vấn đề tốt cần có.
đây là một vấn đề tốt cần có.
13:30
For most of human history,
one economic problem has dominated:
one economic problem has dominated:
285
798520
3536
Trong phần lớn lịch sử con người,
có một vấn đề kinh tế nổi cộm:
có một vấn đề kinh tế nổi cộm:
13:34
how to make the economic pie
large enough for everyone to live on.
large enough for everyone to live on.
286
802080
4056
làm thế nào để tạo ra miếng bánh kinh tế
đủ lớn cho tất cả mọi người.
đủ lớn cho tất cả mọi người.
13:38
Go back to the turn
of the first century AD,
of the first century AD,
287
806160
2176
Quay lại thế kỷ thứ nhất
sau Công Nguyên,
sau Công Nguyên,
13:40
and if you took the global economic pie
288
808360
2096
nếu bạn lấy miếng bánh kinh tế toàn cầu
13:42
and divided it up into equal slices
for everyone in the world,
for everyone in the world,
289
810480
3296
và chia đều cho tất cả mọi người
trên thế giới,
trên thế giới,
13:45
everyone would get a few hundred dollars.
290
813800
2136
mỗi người sẽ nhận được vài trăm đô la.
13:47
Almost everyone lived
on or around the poverty line.
on or around the poverty line.
291
815960
2760
Hầu hết mọi người đều sống trên
hoặc quanh mức nghèo.
hoặc quanh mức nghèo.
13:51
And if you roll forward a thousand years,
292
819320
2176
Và nếu bạn đi tới một nghìn năm sau,
13:53
roughly the same is true.
293
821520
1240
điều tương tự y như vậy.
13:55
But in the last few hundred years,
economic growth has taken off.
economic growth has taken off.
294
823680
3576
Nhưng trong vài trăm năm gần đây,
tốc độ phát triển kinh tế đã cất cánh.
tốc độ phát triển kinh tế đã cất cánh.
13:59
Those economic pies have exploded in size.
295
827280
2376
Những miếng bánh kinh tế đó
đã bùng nổ về kích cỡ.
đã bùng nổ về kích cỡ.
14:01
Global GDP per head,
296
829680
2056
Tổng sản phẩm đầu người toàn cầu,
14:03
the value of those individual
slices of the pie today,
slices of the pie today,
297
831760
3376
giá trị từng mẩu bánh riêng lẻ ngày nay,
14:07
they're about 10,150 dollars.
298
835160
2816
cũng sấp sỉ 10.150 đô la.
14:10
If economic growth continues
at two percent,
at two percent,
299
838000
2696
Nếu tốc độ phát triển kinh tế tiếp tục
giữ ở mức 2% thì
giữ ở mức 2% thì
14:12
our children will be twice as rich as us.
300
840720
2056
con cái chúng ta sẽ giàu gấp đôi chúng ta.
14:14
If it continues
at a more measly one percent,
at a more measly one percent,
301
842800
2296
Nếu nó tiếp tục tăng ở mức hơn 1% thì,
14:17
our grandchildren
will be twice as rich as us.
will be twice as rich as us.
302
845120
2656
cháu chúng ta sẽ giàu gấp đôi chúng ta.
14:19
By and large, we've solved
that traditional economic problem.
that traditional economic problem.
303
847800
3680
Nhìn chung, chúng ta đã giải được
vấn đề kinh tế truyền thống đó.
vấn đề kinh tế truyền thống đó.
14:24
Now, technological unemployment,
if it does happen,
if it does happen,
304
852200
3016
Bây giờ, vấn đề thất nghiệp do công nghệ,
nếu nó xảy ra,
nếu nó xảy ra,
14:27
in a strange way will be
a symptom of that success,
a symptom of that success,
305
855240
3216
sẽ là một hội chứng của thành công
theo cách kì lạ nhất,
theo cách kì lạ nhất,
14:30
will have solved one problem --
how to make the pie bigger --
how to make the pie bigger --
306
858480
3856
sẽ giải quyết được vấn đề --
làm cho miếng bánh to hơn --
làm cho miếng bánh to hơn --
14:34
but replaced it with another --
307
862360
1816
theo cách thay thế nó bằng miếng khác
14:36
how to make sure
that everyone gets a slice.
that everyone gets a slice.
308
864200
2760
thì làm thế nào đảm bảo rằng
ai cũng được một phần.
ai cũng được một phần.
14:39
As other economists have noted,
solving this problem won't be easy.
solving this problem won't be easy.
309
867840
3496
Theo một nhà kinh tế học từng nói,
giải quyết vấn đề này không đơn giản.
giải quyết vấn đề này không đơn giản.
14:43
Today, for most people,
310
871360
1656
Ngày nay, với đa số mọi người,
14:45
their job is their seat
at the economic dinner table,
at the economic dinner table,
311
873040
2496
công việc như một chỗ ngồi
trong bàn ăn kinh tế,
trong bàn ăn kinh tế,
14:47
and in a world with less work
or even without work,
or even without work,
312
875560
2416
trong thế giới ít
hoặc thậm chí không có việc làm
hoặc thậm chí không có việc làm
14:50
it won't be clear
how they get their slice.
how they get their slice.
313
878000
2056
không rõ là họ sẽ có miếng bánh thế nào.
14:52
There's a great deal
of discussion, for instance,
of discussion, for instance,
314
880080
2336
Ví dụ như có nhiều cuộc thảo luận,
14:54
about various forms
of universal basic income
of universal basic income
315
882440
2696
về những dạng khác nhau
của thu nhập cơ bản chung
của thu nhập cơ bản chung
14:57
as one possible approach,
316
885160
1216
như cách tiếp cận khả dĩ,
14:58
and there's trials underway
317
886400
1616
và có những thử nghiệm đang xảy ra
15:00
in the United States
and in Finland and in Kenya.
and in Finland and in Kenya.
318
888040
2400
ở nước Mỹ, Phần Lan và Kenya.
15:03
And this is the collective challenge
that's right in front of us,
that's right in front of us,
319
891000
3176
Và đây là thử thách chung
ngay trước mắt chúng ta,
ngay trước mắt chúng ta,
15:06
to figure out how this material prosperity
generated by our economic system
generated by our economic system
320
894200
5056
để tìm ra cách mà sự phồn vinh vật chất
được sinh ra bởi hệ thống kinh tế
được sinh ra bởi hệ thống kinh tế
15:11
can be enjoyed by everyone
321
899280
1976
có thể được tận hưởng bởi mọi người
15:13
in a world in which
our traditional mechanism
our traditional mechanism
322
901280
2416
trong một thế giới mà những
cơ chế truyền thống
cơ chế truyền thống
15:15
for slicing up the pie,
323
903720
1856
của việc chia miếng bánh,
15:17
the work that people do,
324
905600
1936
việc mà chúng ta làm,
15:19
withers away and perhaps disappears.
325
907560
2160
tàn lụi và có lẽ là biến mất.
15:22
Solving this problem is going to require
us to think in very different ways.
us to think in very different ways.
326
910280
4360
Giải quyết vấn đề này buộc chúng ta phải
suy nghĩ theo rất nhiều cách khác nhau.
suy nghĩ theo rất nhiều cách khác nhau.
15:27
There's going to be a lot of disagreement
about what ought to be done,
about what ought to be done,
327
915400
4176
Sẽ có rất nhiều sự phản đối
về việc điều gì nên làm,
về việc điều gì nên làm,
15:31
but it's important to remember
that this is a far better problem to have
that this is a far better problem to have
328
919600
3416
nhưng điều quan trọng cần nhớ là
đây là một vấn đề tốt hơn nhiều
đây là một vấn đề tốt hơn nhiều
15:35
than the one that haunted
our ancestors for centuries:
our ancestors for centuries:
329
923040
2816
so với nỗi ám ảnh
của tổ tiên chúng ta trong hàng thế kỷ:
của tổ tiên chúng ta trong hàng thế kỷ:
15:37
how to make that pie
big enough in the first place.
big enough in the first place.
330
925880
3376
làm cách nào để cái bánh đủ lớn
ngay từ đầu.
ngay từ đầu.
15:41
Thank you very much.
331
929280
1256
Cám ơn rất nhiều.
15:42
(Applause)
332
930560
3840
(Vỗ tay)
ABOUT THE SPEAKER
Daniel Susskind - EconomistDaniel Susskind explores the impact of technology, particularly artificial intelligence, on work and society.
Why you should listen
Daniel Susskind is the co-author, with Richard Susskind, of the best-selling book, The Future of the Professions, and a Fellow in Economics at Balliol College, Oxford University. He is currently finishing his latest book, on the future of work. Previously, he worked in the British Government -- as a policy adviser in the Prime Minister's Strategy Unit, as a policy analyst in the Policy Unit in 10 Downing Street, and as a senior policy adviser in the Cabinet Office. Susskind received a doctorate in economics from Oxford University and was a Kennedy Scholar at Harvard University.
Daniel Susskind | Speaker | TED.com