Erik Brynjolfsson Quotes

चूँकि नवाचार यानी इनोवेशन की प्रक्रिया अक्सर पिछले आविष्कारों को मिलाने और दोबारा जोड़ने पर बहुत हद तक निर्भर करती है, इसलिए सुलभ विचारों और लोगों का दायरा जितना बड़ा और गहरा होगा, नवाचार के उतने ही ज़्यादा अवसर पैदा होंगे।

Because the process of innovation often relies heavily on the combining and recombining of previous innovations, the broader and deeper the pool of accessible ideas and individuals, the more opportunities there are for innovation.

सूचना क्रांति से पहले, जीवन स्तर लगभग एक समान था। उसके बाद से उनमें हर साल 2 प्रतिशत की वृद्धि हुई है और हम लगभग 30 गुना ज़्यादा अमीर हो गए हैं। इसलिए, अगर जीवन स्तर की बात करें तो तकनीक और मशीनें सचमुच, यकीनन इंसानी इतिहास में घटी सबसे महत्वपूर्ण घटना हैं। इसके लिए आप 1950 के दशक में डिजिटल कंप्यूटर के आने को देख सकते हैं।

Before information age, living standards basically were flat. Since then, they've been growing 2 percent a year were about 30 times richer. So technology, machines is really, you know, arguably the most important thing that's happened to humanity in terms of our living standards. You could look to the introduction of digital computers in the 1950s.

लेकिन पहली औद्योगिक क्रांति का मुख्य सबक जॉन हेनरी (इंसान बनाम मशीन की लड़ाई) से ज़्यादा इंडी 500 (रेसिंग) जैसा है: आर्थिक प्रगति लगातार होने वाले उन नवाचारों से मिलती है जिनमें लोग मशीनों के साथ दौड़ लगाते हैं। इंसान और मशीन मिलकर ज़्यादा उत्पादन करने, बाज़ार पर कब्ज़ा करने और इंसानों व मशीनों की दूसरी टीमों को पछाड़ने की होड़ में साथ काम करते हैं।

But the broader lesson of the first Industrial Revolution is more like the Indy 500 than John Henry: economic progress comes from constant innovation in which people race with machines. Human and machine collaborate together in a race to produce more, to capture markets, and to beat other teams of humans and machines.

कंप्यूटर बाकी किसी भी चीज़ की तुलना में बहुत ज़्यादा तेज़ी से बेहतर होते हैं।

Computers get better faster than anything else ever.

कंप्यूटर बाकी किसी भी चीज़ की तुलना में बहुत ज़्यादा तेज़ी से बेहतर होते हैं। आज के एक बच्चे का प्लेस्टेशन 1996 के किसी भी सैन्य सुपरकंप्यूटर से ज़्यादा शक्तिशाली है।

Computers get better faster than anything else ever. A child's PlayStation today is more powerful than a military supercomputer from 1996.

बिजली एक आम इस्तेमाल वाली तकनीक का एक उदाहरण है, ठीक वैसे ही जैसे उससे पहले भाप का इंजन था। इस तरह की तकनीकें ज़्यादातर आर्थिक विकास को गति देती हैं, क्योंकि वे अपने साथ कई अन्य आविष्कारों की झड़ी लगा देती हैं, जैसे कि बल्ब और हाँ, कारखानों का नए सिरे से डिज़ाइन होना।

Electricity is an example of a general purpose technology, like the steam engine before it. General purpose technologies drive most economic growth, because they unleash cascades of complementary innovations, like lightbulbs and, yes, factory redesign.

लंबे समय तक इंसान मशीनों से बेहतर रहेंगे और इसलिए काम के अलग-अलग हिस्सों में उनकी खूबियों का इस्तेमाल किया जाएगा। सदियों से ऐसा ही होता आया है और हमने खुद को उसके अनुसार ढाल लिया है। जिन लोगों के काम के कुछ हिस्सों का ऑटोमेशन हुआ है, यह तकनीक उनके लिए इतनी मददगार साबित हुई है कि वे और अधिक मूल्यवान और उत्पादक बन गए हैं, क्योंकि वे अपने काम के बाकी हिस्सों के लिए अनिवार्य हैं।

For a long time, the humans are going to be better than the machines and so different parts of the job will be leveraged. In a way that's happened for centuries, and we've adapted. And it's made the people who had parts of their jobs automated more valuable and more productive to the extent that they are essential for the other components of their jobs.

जी.डी.पी. इस बात का पैमाना नहीं है कि उपभोक्ताओं के लिए कितना मूल्य पैदा किया गया है। हर किसी को यह समझना चाहिए कि जी.डी.पी. कल्याण का पैमाना नहीं है।

G.D.P. is not a measure of how much value is produced for consumers. Everybody should recognize that G.D.P. is not a welfare metric.

भविष्य में थोड़ा आगे बढ़कर, हम सचमुच मशीनों से खुद को जोड़ने लगेंगे। MIT में मेरे कुछ सहकर्मी एक ऐसे न्यूरल मेश पर काम कर रहे हैं जो सीधे आपके दिमाग से जुड़ जाता है, और उन्होंने पहले ही कुछ विकलांग लोगों के साथ ऐसा करके यह साबित कर दिया है कि वे केवल सोचकर चीज़ों को हिला सकते हैं।

Going a little further into the future, we'll start literally connecting to machines. Some of my colleagues at MIT here - some of them are working on a neural mesh that connects directly to your brain, and they've already done it with some disabled people and allowed them to move objects just by thinking.

वैश्विक सहस्राब्दी लक्ष्यों के तहत, हम अत्यधिक गरीबी को मात देने और खत्म करने की दिशा में सही रास्ते पर हैं। इसलिए कई सकारात्मक रुझान देखने को मिल रहे हैं। मुझे लगता है कि आज से 25 साल बाद की दुनिया, हमारी आज की दुनिया से कहीं बेहतर होगी। लेकिन उस सबके केंद्र में बुनियादी तौर पर इंसानों की भूमिका ही होगी।

In the global millennium goals, we're on track to beat and eliminate severe poverty. So there are lots of positive trends. I think the world in 25 years could be a much better version of the world we have today. But the role of humans would still be fundamentally at the center of that.

नौकरियों के बारे में सोचने के बजाय कार्यों (tasks) के बारे में सोचना ज़्यादा समझदारी होगी। और किसी भी नौकरी के अंदर कई अलग-अलग तरह के काम होते हैं। उदाहरण के लिए, यदि आप एक रेडियोलॉजिस्ट हैं, तो हो सकता है कि मशीनें छवियों को पढ़ने का काम आपसे बेहतर कर सकें, लेकिन व्यापक निदान (diagnosis) करना और मरीजों से संवाद करना अब भी आपका काम रहेगा।

It's most useful to think about not jobs but tasks. And within any given job, there are lots of different tasks. If you're a radiologist maybe reading the images machines can be able to do that better, maybe making the broader diagnosis and communicating it to the patients.

किसी को प्रेरित कैसे रखना है और आपसी जुड़ाव कैसे बनाए रखना है, यह ऐसे कौशल हैं जिन्हें इंसानों ने लाखों वर्षों में सीखा और विकसित किया है। कोई रोबोट यह नहीं समझ सकता कि आप एक और पुश-अप कर सकते हैं या नहीं, या आपको ऐसा करने के लिए वास्तव में कैसे प्रेरित किया जाए।

Knowing how to keep someone motivated and how to keep a connection are skills humans have learned and evolved over hundreds of thousands of years. A robot can't figure out whether you can do one more push-up, or how to motivate you to actually do it.

मशीनें पहले से ही बहुत सी चीज़ों में हमसे कहीं ज़्यादा स्मार्ट हैं। मेरा मतलब है, दो 10-अंकों की संख्याओं को आपस में गुणा करके देख लीजिए, या फिर एक हज़ार दस्तावेजों को खंगाल लीजिए। इसलिए ऐसी कई चीज़ें हैं जिनमें मशीनें मानसिक कार्यों सहित हमसे बेहतर हैं। ऐसी और भी कई चीज़ें हैं जिनमें वे उतनी अच्छी नहीं हैं, लेकिन उनका रुझान बिल्कुल साफ है और उनकी प्रगति स्पष्ट है।

Machines already are much smarter than us at so many things. I mean, try to multiply two 10-digit numbers with each other or, you know, sift through a thousand documents. So there's lots of things that machines are better at including in mental task than us. There's many more that they're not as good at, but the direction is pretty obvious and the progress is clear.

अब मशीनों का दूसरा दौर आ गया है। कंप्यूटर और अन्य डिजिटल प्रगति मानसिक शक्ति—यानी अपने परिवेश को समझने और ढालने के लिए अपने दिमाग का उपयोग करने की क्षमता—के लिए वही काम कर रहे हैं जो भाप के इंजन और उसके वंशजों ने शारीरिक शक्ति के लिए किया था।

Now comes the second machine age. Computers and other digital advances are doing for mental power - the ability to use our brains to understand and shape our environments-what the steam engine and its descendants did for muscle power.

खुदरा व्यापार (रिटेलिंग) एक ऐसे माहौल से गुजरा है जहाँ पहले जानकारी की कमी हुआ करती थी, और अब वह जानकारी से भरपूर माहौल बन चुका है।

Retailing has gone from an information-scarce to an information-rich environment.

तकनीक हमेशा नई नौकरियाँ पैदा करती है। यह हमेशा नौकरियाँ खत्म भी करती है।

Technology is always creating jobs. It's always destroying jobs.

तकनीक हमेशा नई नौकरियाँ पैदा करती है। यह हमेशा नौकरियाँ खत्म भी करती है। लेकिन अभी रफ़्तार बहुत तेज़ हो गई है। इतिहास में कभी भी ऐसा नहीं हुआ, यह हमारी सोच से भी ज़्यादा तेज़ है। नतीजतन, हम उस रफ़्तार से नौकरियाँ पैदा नहीं कर पा रहे जितनी हमें ज़रूरत है।

Technology is always creating jobs. It's always destroying jobs. But right now the pace is accelerating. It's faster we think than ever before in history. So as a consequence, we are not creating jobs at the same pace that we need to.

तकनीक हमारा भविष्य तय नहीं करती। हम खुद अपना भविष्य बनाते हैं।

Technology is not destiny. We shape our destiny.

अगले 20 से 25 वर्षों में अर्थव्यवस्था उतनी नहीं बदलेगी जितनी पिछले 20-25 वर्षों में बदली थी, बल्कि उससे कहीं ज़्यादा बदलेगी। ऐसा इसलिए है क्योंकि घातीय (exponential) रुझान अर्थव्यवस्था के एक बहुत बड़े हिस्से को प्रभावित कर रहे हैं। इसलिए हमारे सामने बहुत बड़े बदलाव आने वाले हैं, और मैं यह बिल्कुल सटीक भविष्यवाणी नहीं कर सकता कि वे नए आविष्कार क्या होंगे। अगर मैं ऐसा कर पाता, तो उन्हें बहुत पहले ही बना चुका होता। लेकिन मुझे लगता है कि ये आविष्कार पिछले 20-25 वर्षों में हमने जो देखे हैं, उनके बराबर या शायद उनसे भी कहीं ज़्यादा शानदार होंगे।

The economy in the next 20 to 25 years is going to change more than they did in the last 20, 25 years. And that's because exponential trends are affecting a bigger and bigger share of the economy. So we have some huge disruptions in store, and I can't predict exactly what the innovations are going to be. If I did, I would have already invented them. But I think they'll be comparable to the innovations we saw in the past 20, 25 years if not greater.

विज्ञान का मूल आधार मापन (measurement) है।

The heart of science is measurement.

नौकरी की वह शैली जहाँ आप सुबह 9 से शाम 5 बजे तक काम करते हैं, और जहाँ कोई सारा दिन आपको बताता रहता है कि क्या करना है, अब लगातार दुर्लभ होती जा रही है।

The kind of job where you come in and work 9 to 5, and where someone tells you what to do all day is becoming scarcer and scarcer.

ऐसे रूटीन और मध्यम-कौशल वाली नौकरियों के ढेरों उदाहरण हैं जिनमें अपेक्षाकृत व्यवस्थित कार्य शामिल होते हैं, और ऐसी नौकरियाँ सबसे तेज़ी से खत्म हो रही हैं। आर्टिफिशियल इंटेलिजेंस के क्षेत्र से जुड़े हमारे दोस्तों के लिए ऐसे रोबोट डिज़ाइन करना आसान है जो इन कामों को संभाल सकें। वे सॉफ्टवेयर रोबोट भी हो सकते हैं और भौतिक रोबोट भी।

There are lots of examples of routine, middle-skilled jobs that involve relatively structured tasks, and those are the jobs that are being eliminated the fastest. Those kinds of jobs are easier for our friends in the artificial intelligence community to design robots to handle them. They could be software robots; they could be physical robots.

हम तेज़ी से एक ऐसी दुनिया में प्रवेश कर रहे हैं जहाँ हर चीज़ की निगरानी और माप की जा सकती है। लेकिन सबसे बड़ी समस्या यह होगी कि इंसान उस डेटा का उपयोग करने, उसका विश्लेषण करने और उसका सही अर्थ निकालने में कितने सक्षम हैं।

We're rapidly entering a world where everything can be monitored and measured. But the big problem is going to be the ability of humans to use, analyze and make sense of the data.

हम साझा समृद्धि कैसे पैदा कर सकते हैं? इसका जवाब तकनीक की रफ्तार को धीमा करने की कोशिश करना नहीं है। मशीन के खिलाफ दौड़ने के बजाय, हमें मशीन के साथ दौड़ना सीखना होगा।

What can we do to create shared prosperity? The answer is not to try to slow down technology. Instead of racing against the machine, we need to learn to race with the machine.