0:00:03.286,0:00:06.178
Θέλω να σας δείξω κάτι.

0:00:06.178,0:00:10.260
(Βίντεο) Κορίτσι: [br]ΟΚ, μια γάτα που κάθεται στο κρεβάτι.

0:00:10.260,0:00:14.300
Το αγόρι χαϊδεύει τον ελέφαντα.

0:00:14.300,0:00:18.654
Οι άνθρωποι ανεβαίνουν στο αεροπλάνο.

0:00:18.654,0:00:21.464
Είναι ένα μεγάλο αεροπλάνο.

0:00:21.464,0:00:23.670
Φέι Φέι Λι:[br]Αυτό είναι ένα τρίχρονο κορίτσι

0:00:23.670,0:00:27.349
που περιγράφει τι βλέπει σε μια σειρά [br]από φωτογραφίες.

0:00:27.349,0:00:30.194
Μπορεί να έχει να μάθει [br]πολλά ακόμα για τον κόσμο,

0:00:30.194,0:00:34.743
αλλά είναι ήδη ειδική [br]σε μια πολύ σημαντική εργασία:

0:00:34.743,0:00:38.059
να καταλαβαίνει τι βλέπει.

0:00:38.059,0:00:42.455
Η κοινωνία μας τεχνολογικά[br]είναι πιο προηγμένη από ποτέ.

0:00:42.455,0:00:46.084
Στέλνουμε ανθρώπους στο φεγγάρι,[br]έχουμε τηλέφωνα που μας μιλάνε

0:00:46.084,0:00:51.030
ή ρυθμίζουμε ραδιοφωνικούς σταθμούς[br]να παίζουν μόνο τη μουσική που μας αρέσει.

0:00:51.030,0:00:55.085
Κι όμως, οι πιο προηγμένες μηχανές[br]και υπολογιστές μας

0:00:55.085,0:00:57.988
δυσκολεύονται ακόμα σε αυτή την εργασία.

0:00:57.988,0:01:01.447
Έτσι λοιπόν, είμαι εδώ σήμερα[br]για να σας δώσω μια αναφορά προόδου

0:01:01.447,0:01:05.494
σχετικά με τις πρόσφατες εξελίξεις[br]στον τομέα της μηχανικής όρασης,

0:01:05.494,0:01:09.655
μια από τις πιο σημαντικές[br]και πιθανότατα επαναστατικές

0:01:09.655,0:01:12.161
τεχνολογίες της πληροφορικής.

0:01:12.861,0:01:17.412
Ναι, έχουμε πρωτότυπα αυτοκίνητα[br]που οδηγούν αυτόνομα,

0:01:17.412,0:01:21.265
αλλά χωρίς «έξυπνη» όραση[br]δεν μπορούν να καταλάβουν τη διαφορά

0:01:21.265,0:01:25.235
μεταξύ μιας τσαλακωμένης σακούλας[br]στο δρόμο, που μπορούν να «πατήσουν»,

0:01:25.235,0:01:28.575
και μιας πέτρας με το ίδιο μέγεθος,[br]που πρέπει να αποφύγουν.

0:01:29.415,0:01:32.805
Έχουμε εκπληκτικές κάμερες[br]με ανάλυση μεγαπίξελ,

0:01:32.805,0:01:35.940
αλλά δεν έχουμε δώσει όραση στους τυφλούς.

0:01:36.390,0:01:39.725
Τηλεκατευθυνόμενα αεροσκάφη μπορούν[br]να πετάξουν πάνω από τεράστια εδάφη

0:01:39.725,0:01:41.859
αλλά δεν έχουν αρκετή τεχνολογία όρασης

0:01:41.859,0:01:45.320
για να μας βοηθήσουν να παρακολουθήσουμε[br]τις αλλαγές στα τροπικά δάση.

0:01:45.320,0:01:48.270
Κάμερες ασφαλείας είναι παντού,

0:01:48.270,0:01:53.337
αλλά δεν μας προειδοποιούν[br]όταν ένα παιδί πνίγεται στην πισίνα.

0:01:54.167,0:01:59.762
Φωτογραφίες και βίντεο γίνονται ολοένα[br]πιο σημαντικό κομμάτι της παγκόσμιας ζωής.

0:01:59.762,0:02:03.849
Δημιουργούνται με τέτοιο ρυθμό[br]που είναι πέρα απ' ότι ένας άνθρωπος

0:02:03.849,0:02:06.632
ή μια ομάδα ανθρώπων μπορούν να δουν,

0:02:06.632,0:02:10.553
και εσείς και εγώ συνεισφέρουμε σε αυτό,[br]εδώ στο TED.

0:02:10.553,0:02:15.785
Κι όμως, το πιο προηγμένο λογισμικό μας[br]δυσκολεύεται ακόμα να καταλάβει

0:02:15.785,0:02:19.661
και να διαχειριστεί αυτές τις τεράστιες[br]ποσότητες περιεχομένου.

0:02:19.661,0:02:24.483
Με άλλα λόγια, συλλογικά σαν κοινωνία,

0:02:24.483,0:02:26.679
είμαστε βασικά τυφλοί,

0:02:26.679,0:02:30.376
γιατί οι πιο «έξυπνες» μηχανές μας[br]είναι ακόμα τυφλές.

0:02:31.526,0:02:34.082
«Γιατί είναι τόσο δύσκολο;»[br]μπορεί να ρωτήσετε.

0:02:34.082,0:02:37.145
Οι κάμερες μπορούν να τραβήξουν [br]φωτογραφίες όπως αυτή

0:02:37.145,0:02:41.139
μετατρέποντας το φως[br]σε δισδιάστατους πίνακες αριθμών

0:02:41.139,0:02:42.789
που λέγονται πίξελ,

0:02:42.789,0:02:45.040
αλλά αυτοί είναι άψυχοι αριθμοί.

0:02:45.040,0:02:48.151
Δεν έχουν νόημα από μόνοι τους.

0:02:48.151,0:02:52.494
Όπως το να αντιλαμβάνεσαι έναν ήχο[br]δεν είναι σαν να τον καταλαβαίνεις,

0:02:52.494,0:02:56.534
το να βγάζεις φωτογραφίες[br]δεν είναι το ίδιο με το να βλέπεις,

0:02:56.534,0:03:00.363
και λέγοντας «βλέπω»[br]εννοούμε «καταλαβαίνω».

0:03:01.293,0:03:07.470
Πράγματι, η Φύση χρειάστηκε[br]540 εκατομμύρια χρόνια σκληρής δουλειάς

0:03:07.470,0:03:09.443
για να καταφέρει αυτό το έργο,

0:03:09.443,0:03:11.324
και η περισσότερη προσπάθεια

0:03:11.324,0:03:16.595
αφιερώθηκε στην ανάπτυξη του οπτικού[br]μηχανισμού του εγκεφάλου μας

0:03:16.595,0:03:19.242
και όχι στα ίδια τα μάτια.

0:03:19.242,0:03:21.989
Η όραση λοιπόν ξεκινάει με τα μάτια,

0:03:21.989,0:03:25.507
αλλά πραγματικά λαμβάνει χώρα[br]στον εγκέφαλο.

0:03:26.287,0:03:31.347
Εδώ και 15 χρόνια, από το διδακτορικό μου[br]στο Πανεπιστήμιο της Καλιφόρνια

0:03:31.347,0:03:34.273
και ύστερα ως επικεφαλής[br]του κέντρου όρασης του Στάνφορντ,

0:03:34.273,0:03:38.669
δουλεύω με τους μέντορες, [br]συνεργάτες και φοιτητές μου

0:03:38.669,0:03:41.328
προσπαθώντας να μάθω [br]τους υπολογιστές να βλέπουν.

0:03:42.348,0:03:45.952
Το ερευνητικό μας πεδίο λέγεται[br]υπολογιστική όραση και μηχανική μάθηση.

0:03:45.952,0:03:49.830
Είναι κομμάτι του γενικότερου πεδίου[br]της τεχνητής νοημοσύνης.

0:03:51.000,0:03:56.493
Τελικά, θέλουμε να διδάξουμε τις μηχανές[br]να δουν ακριβώς όπως εμείς:

0:03:56.493,0:04:01.665
να ονομάζουν αντικείμενα, να αναγνωρίζουν[br]ανθρώπους και αντικείμενα στον χώρο,

0:04:01.665,0:04:07.428
να καταλαβαίνουν σχέσεις, συναισθήματα,[br]δράσεις και προθέσεις.

0:04:07.428,0:04:13.721
Εσείς και εγώ συνυφαίνουμε ολόκληρες[br]ιστορίες ανθρώπων, τόπων και πραγμάτων

0:04:13.721,0:04:15.885
τη στιγμή που τα πρωτοβλέπουμε.

0:04:16.955,0:04:22.538
Το πρώτο βήμα προς αυτό το στόχο είναι[br]να μάθουμε τον υπολογιστή να δει πράγματα,

0:04:22.538,0:04:25.906
τα δομικά στοιχεία του οπτικού μας κόσμου.

0:04:25.906,0:04:30.340
Στην πιο απλή της εκδοχή, φανταστείτε[br]την εκπαιδευτική διαδικασία ως εξής:

0:04:30.340,0:04:33.335
δείχνουμε στον υπολογιστή[br]μερικές εικόνες εκμάθησης

0:04:33.335,0:04:36.656
ενός συγκεκριμένου αντικειμένου,[br]ας πούμε γάτες,

0:04:36.656,0:04:41.393
και σχεδιάζουμε ένα μοντέλο[br]που μαθαίνει από αυτές τις εικόνες.

0:04:41.393,0:04:43.437
Πόσο δύσκολο μπορεί να είναι;

0:04:43.437,0:04:47.489
Στο κάτω κάτω, μια γάτα είναι απλά[br]μια συλλογή από σχήματα και χρώματα,

0:04:47.489,0:04:51.575
και αυτό ακριβώς κάναμε τα πρώτα χρόνια[br]της μοντελοποίησης αντικειμένων.

0:04:51.575,0:04:55.197
Λέγαμε στον αλγόριθμο του υπολογιστή,[br]σε μαθηματική γλώσσα,

0:04:55.197,0:04:58.540
ότι η γάτα έχει ένα στρογγυλό πρόσωπο,[br]ένα παχουλό σώμα,

0:04:58.540,0:05:00.839
δύο μυτερά αυτιά και μια μακριά ουρά,

0:05:00.839,0:05:02.249
και αυτό έμοιαζε μια χαρά.

0:05:02.859,0:05:04.972
Αλλά αυτή η γάτα;

0:05:04.972,0:05:06.063
(Γέλια)

0:05:06.063,0:05:07.689
Είναι κουλουριασμένη.

0:05:07.689,0:05:12.408
Τώρα πρέπει να προσθέσουμε άλλο ένα σχήμα[br]και άλλη μια άποψη στο μοντέλο μας.

0:05:12.408,0:05:14.403
Κι αν η γάτα κρύβεται;

0:05:15.143,0:05:17.622
Και αυτές οι χαζούλες γάτες;

0:05:19.112,0:05:21.529
Βλέπετε το πρόβλημα.

0:05:21.529,0:05:24.896
Ακόμα και κάτι τόσο απλό[br]όσο ένα κατοικίδιο

0:05:24.896,0:05:29.400
μπορεί να παρουσιάσει έναν άπειρο αριθμό[br]παραλλαγών στο μοντέλο,

0:05:29.400,0:05:31.633
και αυτό είναι μόνο ένα αντικείμενο.

0:05:32.573,0:05:35.065
Πριν από οκτώ χρόνια,

0:05:35.065,0:05:40.095
μια πολύ απλή και βαθιά παρατήρηση[br]άλλαξε τον τρόπο σκέψης μου.

0:05:41.425,0:05:44.110
Κανένας δεν λέει σε ένα παιδί πώς να δει,

0:05:44.110,0:05:46.371
κυριώς τα πρώτα χρόνια.

0:05:46.371,0:05:51.371
Μαθαίνουν μέσα από εμπειρίες και[br]παραδείγματα του πραγματικού κόσμου.

0:05:51.371,0:05:54.111
Αν σκεφτούμε τα μάτια του παιδιού

0:05:54.111,0:05:56.665
σαν ένα ζευγάρι από βιολογικές κάμερες,

0:05:56.665,0:06:00.845
βγάζουν περίπου μία φωτογραφία[br]κάθε 200 χιλιοστά του δευτερολέπτου,

0:06:00.845,0:06:03.979
που είναι ο μέσος χρόνος που χρειάζεται[br]για μια κίνηση του ματιού.

0:06:03.979,0:06:09.529
Έτσι, ένα παιδί τριών ετών θα έχει δει[br]εκατοντάδες εκατομμύρια φωτογραφίες

0:06:09.529,0:06:11.363
του πραγματικού κόσμου.

0:06:11.363,0:06:13.643
Αυτά είναι πολλά παραδείγματα εκμάθησης.

0:06:14.383,0:06:20.372
Αντί λοιπόν να εστιάζουμε μόνο σε[br]ολοένα και καλύτερους αλγόριθμους,

0:06:20.372,0:06:25.644
η ιδέα μου ήταν να δώσω στους αλγόριθμους[br]το είδος των εκπαιδευτικών δεδομένων

0:06:25.644,0:06:28.963
που ένα παιδί αποκτά μέσω εμπειρίας

0:06:28.963,0:06:32.841
τόσο σε ποσότητα όσο και σε ποιότητα.

0:06:32.841,0:06:34.699
Όταν το καταλάβαμε

0:06:34.699,0:06:37.670
ξέραμε ότι έπρεπε να συλλέξουμε[br]ένα σετ δεδομένων

0:06:37.670,0:06:42.129
που περιείχε πολύ περισσότερες φωτογραφίες[br]από όσες είχαμε προηγουμένως,

0:06:42.129,0:06:44.706
ίσως χιλιάδες φορές περισσότερες,

0:06:44.706,0:06:48.817
και μαζί με τον καθηγητή Κάι Λι[br]στο Πανεπιστήμιο του Πρίνστον

0:06:48.817,0:06:52.779
ξεκινήσαμε το πρόγραμμα ImageNet το 2007.

0:06:53.569,0:06:57.407
Ευτυχώς, δε χρειάστηκε [br]να φορέσουμε κάμερες στο κεφάλι μας

0:06:57.407,0:06:59.171
και να περιμένουμε πολλά χρόνια.

0:06:59.171,0:07:00.634
Πήγαμε στο Διαδίκτυο,

0:07:00.634,0:07:05.070
το μεγαλύτερο θησαυροφυλάκιο εικόνων[br]που έχουν ποτέ κατασκευάσει οι άνθρωποι.

0:07:05.070,0:07:08.111
«Κατεβάσαμε» σχεδόν[br]ένα δισεκατομμύριο εικόνες

0:07:08.111,0:07:13.871
και χρησιμοποιήσαμε τεχνολογίες «υπηρεσιών[br]πλήθους» όπως η πλατφόρμα της Άμαζον

0:07:13.881,0:07:16.360
για να μας βοηθήσουν να ονομάσουμε[br]αυτές τις εικόνες.

0:07:16.360,0:07:21.230
Στην αιχμή του, το ImageNet ήταν[br]ένας από τους μεγαλύτερους εργοδότες

0:07:21.230,0:07:24.226
της πλατφόρμας της Άμαζον:

0:07:24.226,0:07:28.080
όλοι μαζί, σχεδόν 50.000 εργαζόμενοι

0:07:28.080,0:07:32.120
από 167 χώρες από όλο τον κόσμο

0:07:32.120,0:07:36.067
μας βοήθησαν να καθαρίσουμε,[br]να κατατάξουμε και να ονομάσουμε

0:07:36.067,0:07:39.402
σχεδόν ένα δισεκατομμύριο [br]υποψήφιες φωτογραφίες.

0:07:40.382,0:07:43.265
Τόση προσπάθεια χρειάστηκε

0:07:43.265,0:07:47.165
για να καταγράψουμε [br]ένα ψήγμα των παραστάσεων

0:07:47.165,0:07:51.336
που προσλαμβάνει το μυαλό ενός παιδιού[br]στα πρώτα χρόνια της ανάπτυξης.

0:07:52.148,0:07:56.050
Εκ των υστέρων, η ιδέα της χρήσης[br]μαζικών δεδομένων

0:07:56.050,0:08:00.600
για την εκπαίδευση υπολογιστών[br]μπορεί να μοιάζει προφανής,

0:08:00.600,0:08:04.710
αλλά το 2007 δεν ήταν τόσο προφανής.

0:08:04.710,0:08:08.588
Ήμασταν μόνοι μας σε αυτό το ταξίδι[br]για αρκετό καιρό.

0:08:08.588,0:08:13.591
Μερικοί συνάδελφοι με συμβούλευσαν να κάνω[br]κάτι πιο χρήσιμο για να πάρω μονιμότητα,

0:08:13.591,0:08:17.753
και είχαμε διαρκώς [br]προβλήματα χρηματοδότησης.

0:08:17.753,0:08:20.608
Μια φορά, είπα για πλάκα [br]στους μεταπτυχιακούς φοιτητές μου

0:08:20.608,0:08:24.481
ότι θα άνοιγα ξανά το καθαριστήριό μου [br]για να χρηματοδοτήσω το ImageNet.

0:08:24.481,0:08:28.592
Στο κάτω κάτω, [br]έτσι χρηματοδότησα τις σπουδές μου.

0:08:29.242,0:08:31.098
Έτσι λοιπόν συνεχίσαμε.

0:08:31.098,0:08:34.813
Το 2009, το ΙmageNet παρέδωσε

0:08:34.813,0:08:38.855
μια βάση δεδομένων [br]με 15 εκατομμύρια φωτογραφίες

0:08:38.855,0:08:43.660
που ανήκαν σε 22.000 κατηγορίες[br]αντικειμένων και πραγμάτων

0:08:43.660,0:08:46.980
οργανωμένες[br]με καθημερινές αγγλικές λέξεις.

0:08:46.980,0:08:49.906
Τόσο σε ποσότητα όσο και σε ποιότητα,

0:08:49.906,0:08:52.878
ήταν μια ανεπανάληπτη κλίμακα.

0:08:53.608,0:08:56.339
Για παράδειγμα, όσον αφορά τις γάτες,

0:08:56.339,0:08:59.148
έχουμε περισσότερες από 62.000 γάτες

0:08:59.148,0:09:03.258
με διαφορετικές εμφανίσεις και πόζες

0:09:03.258,0:09:08.481
και όλα τα είδη, κατοικίδιες και άγριες.

0:09:08.481,0:09:11.825
Ήμασταν πανευτυχείς[br]που ολοκληρώσαμε το ImageNet,

0:09:11.825,0:09:15.563
και θέλαμε να επωφεληθεί[br]όλος ο ερευνητικός κόσμος,

0:09:15.563,0:09:19.604
κι έτσι, σύμφωνα με το πνεύμα του TED,[br]διαθέσαμε ολόκληρη τη βάση δεδομένων

0:09:19.604,0:09:23.196
στην παγκόσμια ερευνητική κοινότητα,[br]δωρεάν.

0:09:24.166,0:09:28.636
(Χειροκρότημα)

0:09:29.416,0:09:33.954
Τώρα που έχουμε τα δεδομένα για να[br]καλλιεργήσουμε το υπολογιστικό μας μυαλό,

0:09:33.954,0:09:37.691
είμαστε έτοιμοι να ξαναγυρίσουμε[br]στους αλγόριθμους.

0:09:37.691,0:09:42.869
Όπως αποδείχθηκε, ο πλούτος πληροφορίας[br]που παρέχεται από το ImageNet

0:09:42.869,0:09:47.675
ήταν το τέλειο ταίρι για μια συγκεκριμένη[br]κλάση αλγόριθμων μηχανικής μάθησης

0:09:47.675,0:09:50.090
που ονομάζονται συνελικτικά[br]νευρωνικά δίκτυα,

0:09:50.090,0:09:55.338
που αναπτύχθηκε απ' τους Τζεφ Χίντον,[br]Κουνιχίκο Φουκοσίμα και Γιάν ΛεΚούν

0:09:55.338,0:09:58.983
στις δεκαετίες του '70 και το '80.

0:09:58.983,0:10:04.602
Όπως ο εγκέφαλος αποτελείται από[br]δισεκατομμύρια διασυνδεδεμένους νευρώνες,

0:10:04.602,0:10:08.456
η βασική λειτουργική ενότητα[br]σε ένα νευρωνικό δίκτυο

0:10:08.456,0:10:10.871
είναι ένας κόμβος-νευρώνας.

0:10:10.871,0:10:13.425
Δέχεται σήματα εισόδου από άλλους κόμβους

0:10:13.425,0:10:16.143
και στέλνει σήματα εξόδου σε άλλους.

0:10:16.143,0:10:20.856
Επιπλέον, αυτοί οι εκατοντάδες χιλιάδες[br]ή εκατομμύρια κόμβοι

0:10:20.856,0:10:24.083
είναι οργανωμένοι σε ιεραρχικά στρώμματα,

0:10:24.083,0:10:26.637
επίσης παρόμοια με αυτά του εγκεφάλου.

0:10:26.637,0:10:29.880
Ένα τυπικό νευρωνικό δίκτυο [br]που χρησιμοποιούμε για να εκπαιδεύσουμε

0:10:29.880,0:10:34.601
το μοντέλο αναγνώρισης αντικειμένων,[br]έχει 24 εκατομμύρια κόμβους,

0:10:34.601,0:10:37.488
140 εκατομμύρια παραμέτρους

0:10:37.488,0:10:40.331
και 15 δισεκατομμύρια συνδέσεις.

0:10:40.331,0:10:43.076
Είναι ένα τεράστιο μοντέλο.

0:10:43.076,0:10:46.977
Ωθούμενο από τα μαζικά δεδομένα[br]του ImageNet

0:10:46.977,0:10:52.410
και από σύγχρονους μικροεπεξεργαστές[br]για την εκμάθηση αυτού του μοντέλου,

0:10:52.410,0:10:54.619
το συνελικτικό νευρωνικό δίκτυο

0:10:54.619,0:10:58.215
«άνθισε» με τρόπο που κανείς δεν περίμενε.

0:10:58.215,0:11:00.723
Έγινε η νικήτρια αρχιτεκτονική

0:11:00.723,0:11:06.063
που γέννησε συναρπαστικά αποτελέσματα[br]στην αναγνώριση αντικειμένων.

0:11:06.063,0:11:08.873
Αυτός είναι ένας υπολογιστής που μας λέει

0:11:08.873,0:11:11.173
ότι αυτή η εικόνα περιέχει μια γάτα

0:11:11.173,0:11:12.896
και πού βρίσκεται αυτή η γάτα.

0:11:12.896,0:11:15.188
Υπάρχουν κι άλλα πράγματα[br]εκτός από γάτες,

0:11:15.188,0:11:17.626
εδώ ο αλγόριθμος μας λέει

0:11:17.626,0:11:20.900
ότι η εικόνα περιέχει ένα αγόρι[br]και ένα αρκουδάκι,

0:11:20.900,0:11:25.266
έναν σκύλο, έναν άνθρωπο[br]και έναν μικρό χαρταετό στο βάθος,

0:11:25.266,0:11:28.401
ή μια εικόνα με πολλά πράγματα

0:11:28.401,0:11:33.045
όπως ένας άντρας, ένα σκέιτμπορντ, [br]κάγκελα, μια κολώνα και λοιπά.

0:11:33.045,0:11:38.518
Μερικές φορές, όταν ο υπολογιστής δεν[br]είναι και τόσο σίγουρος για το τι βλέπει,

0:11:39.498,0:11:41.774
του μάθαμε να είναι αρκετά έξυπνος

0:11:41.774,0:11:45.652
ώστε να μας δίνει μια ασφαλή απάντηση[br]αντί να δεσμευτεί σε κάτι συγκεκριμένο,

0:11:45.652,0:11:48.463
όπως ακριβώς θα κάναμε και εμείς,

0:11:48.463,0:11:53.129
και άλλες φορές ο αλγόριθμος[br]είναι τόσο ικανός στο να μας λέει

0:11:53.129,0:11:55.382
ακριβώς τι είναι το κάθε αντικείμενο,

0:11:55.382,0:11:58.818
όπως τη μάρκα, το μοντέλο[br]και τη χρονιά των αυτοκινήτων.

0:11:58.818,0:12:04.204
Εφαρμόσαμε αυτόν τον αλγόριθμο σε[br]εκατομμύρια εικόνες του Google Street View

0:12:04.204,0:12:07.339
σε εκατοντάδες πόλεις της Αμερικής,

0:12:07.339,0:12:09.725
και μάθαμε κάτι πολύ ενδιαφέρον:

0:12:10.265,0:12:13.585
πρώτον, επιβεβαιώσαμε [br]κάτι που ήταν κοινώς γνωστό

0:12:13.585,0:12:16.875
ότι οι τιμές αυτοκινήτων [br]συσχετίζονται πολύ καλά

0:12:16.875,0:12:19.220
με το εισόδημα των νοικοκυριών.

0:12:19.220,0:12:23.747
Αλλά αναπάντεχα, οι τιμές των αυτοκινήτων[br]επίσης συσχετίζονται καλά

0:12:23.747,0:12:26.047
με την εγκληματικότητα στις πόλεις,

0:12:26.817,0:12:30.970
ή με την κατανομή ψήφων[br]ανά ταχυδρομικό κώδικα.

0:12:31.740,0:12:34.266
Μισό λεπτό. Αυτό είναι;

0:12:34.266,0:12:39.419
Ο υπολογιστής έφτασε ή ξεπέρασε[br]τις ανθρώπινες δυνατότητες;

0:12:39.419,0:12:41.557
Όχι τόσο γρήγορα.

0:12:41.557,0:12:46.480
Μέχρι τώρα, έχουμε μάθει στον υπολογιστή [br]μόνο να βλέπει αντικείμενα.

0:12:46.480,0:12:51.124
Είναι σαν ένα μικρό παιδί που μαθαίνει[br]να προφέρει μερικά ουσιαστικά.

0:12:51.124,0:12:53.794
Είναι ένα απίστευτο επίτευγμα,

0:12:53.794,0:12:56.254
αλλά είναι μόνο το πρώτο βήμα.

0:12:56.254,0:13:00.016
Σύντομα, θα έρθουμε σε ένα άλλο ορόσημο[br]της ανάπτυξης,

0:13:00.016,0:13:03.477
και τα παιδιά αρχίζουν[br]να επικοινωνούν με προτάσεις.

0:13:03.477,0:13:07.701
Αντί να πει ότι στην εικόνα είναι μια γάτα

0:13:07.701,0:13:12.903
ακούσατε ήδη το κοριτσάκι να μας λέει[br]ότι η γάτα είναι ξαπλωμένη στο κρεβάτι.

0:13:12.903,0:13:18.498
Για να μάθουμε τον υπολογιστή να βλέπει[br]μια εικόνα και να παράγει προτάσεις,

0:13:18.498,0:13:22.446
ο «γάμος» των μαζικών δεδομένων[br]και των αλγόριθμων μηχανικής μάθησης

0:13:22.446,0:13:24.721
πρέπει να κάνει ένα ακόμα βήμα.

0:13:24.721,0:13:28.877
Τώρα, ο υπολογιστής [br]πρέπει να μάθει από εικόνες

0:13:28.877,0:13:31.733
αλλά και από προτάσεις φυσικού λόγου

0:13:31.733,0:13:34.385
που έχουν παράγει άνθρωποι.

0:13:35.055,0:13:38.908
Ακριβώς όπως ο εγκέφαλος ενσωματώνει[br]όραση και γλώσσα,

0:13:38.908,0:13:44.109
αναπτύξαμε ένα μοντέλο [br]που συνδέει μέρη οπτικών αντικειμένων,

0:13:44.109,0:13:46.013
σαν οπτικά αποσπάσματα,

0:13:46.013,0:13:50.216
με λέξεις και φράσεις προτάσεων.

0:13:50.216,0:13:52.979
Πριν από περίπου τέσσερις μήνες,

0:13:52.979,0:13:55.626
συνθέσαμε όλα αυτά τα κομμάτια

0:13:55.626,0:13:59.410
και δημιουργήσαμε ένα από τα πρώτα μοντέλα[br]υπολογιστικής όρασης

0:13:59.410,0:14:03.404
ικανό να παράγει φυσικές προτάσεις

0:14:03.404,0:14:06.910
την πρώτη φορά που βλέπει μια εικόνα.

0:14:06.910,0:14:11.554
Τώρα, είμαι έτοιμη να σας δείξω [br]τι λέει ο υπολογιστής

0:14:11.554,0:14:13.529
όταν βλέπει την εικόνα

0:14:13.529,0:14:17.359
που είδε το κορίτσι στην αρχή της ομιλίας.

0:14:19.239,0:14:22.863
(Βίντεο) Υπολογιστής: Ένας άντρας στέκεται[br]δίπλα σε έναν ελέφαντα.

0:14:24.393,0:14:28.027
Ένα μεγάλο αεροπλάνο βρίσκεται[br]πάνω σε έναν αεροδιάδρομο.

0:14:29.057,0:14:33.269
Φέι-Φέι Λι: Φυσικά, δουλεύουμε σκληρά[br]για να βελτιώσουμε τον αλγόριθμό μας,

0:14:33.269,0:14:35.865
και έχει να μάθει ακόμα πολλά.

0:14:35.865,0:14:38.156
(Χειροκρότημα)

0:14:39.556,0:14:42.747
Και ο υπολογιστής ακόμα κάνει λάθη.

0:14:42.747,0:14:46.268
(Βίντεο) Υπολογιστής: Μια γάτα είναι[br]ξαπλωμένη στο κρεβάτι με μια κουβέρτα.

0:14:46.268,0:14:48.821
Φέι-Φέι Λι: Φυσικά, αφού έχει δει [br]τόσες πολλές γάτες,

0:14:48.821,0:14:51.747
νομίζει ότι τα πάντα μοιάζουν με γάτες.

0:14:53.227,0:14:56.271
(Βίντεο) Υπολογιστής: Ένα αγόρι κρατάει[br]ένα ρόπαλο του μπέιζμπολ.

0:14:56.271,0:14:57.946
(Γέλια)

0:14:57.946,0:15:02.529
ΦΦΛ: Ή αν δεν έχει δει οδοντόβουρτσες[br]τις μπερδεύει με ρόπαλα του μπέιζμπολ.

0:15:02.969,0:15:06.823
(Βίντεο) Υπολογιστής: Ένας άντρας ιππεύει[br]ένα άλογο στο δρόμο δίπλα σε ένα κτίριο.

0:15:06.823,0:15:08.766
(Γέλια)

0:15:08.766,0:15:12.318
Φέι-Φέι Λι: Δεν έχουμε μάθει στους[br]υπολογιστές τα βασικά για τις τέχνες.

0:15:13.768,0:15:16.472
(Βίντεο) Υπολογιστής: Μια ζέβρα στέκεται[br]σε ένα λιβάδι.

0:15:16.472,0:15:20.019
Φέι-Φέι Λι: Δεν έχει μάθει να εκτιμά[br]την εκπληκτική ομορφιά της φύσης

0:15:20.019,0:15:21.657
όπως εσείς και εγώ.

0:15:22.457,0:15:25.289
Ήταν ένα μεγάλο ταξίδι.

0:15:25.289,0:15:29.205
Το να πάμε από τις ηλικίες 0 μέχρι 3[br]ήταν δύσκολο.

0:15:29.205,0:15:35.111
Η πραγματική πρόκληση είναι να πάμε[br]από τα 3 στα 13 και παραπέρα.

0:15:35.111,0:15:39.476
Θέλω να σας υπενθυμήσω με αυτή την εικόνα[br]του παιδιού και της τούρτας.

0:15:39.476,0:15:43.540
Μέχρι τώρα, έχουμε διδάξει τον υπολογιστή[br]να βλέπει αντικείμενα

0:15:43.540,0:15:47.998
και ακόμα να μπορεί να μας πει μια ιστορία[br]όταν βλέπει μια εικόνα.

0:15:47.998,0:15:51.574
(Βίντεο) Υπολογιστής: Κάποιος κάθεται[br]σε ένα τραπέζι με ένα κέικ.

0:15:51.574,0:15:54.204
ΦΦΛ: Άλλα υπάρχουν κι άλλα[br]πράγματα σε αυτή την εικόνα

0:15:54.204,0:15:56.474
εκτός από τον άνθρωπο και το κέικ.

0:15:56.474,0:16:00.941
Αυτό που δεν βλέπει ο υπολογιστής είναι[br]ότι αυτό είναι ένα ειδικό ιταλικό κέικ

0:16:00.941,0:16:04.158
που σερβίρεται μόνο κατά την περίοδο[br]του Πάσχα.

0:16:04.158,0:16:07.363
Το αγόρι φοράει την αγαπημένη του μπλούζα

0:16:07.363,0:16:11.333
που του την έφερε ο πατέρας του[br]από ένα ταξίδι στο Σίδνεϊ,

0:16:11.333,0:16:15.141
και εμείς μπορούμε να δούμε[br]πόσο χαρούμενο είναι

0:16:15.141,0:16:18.344
και τι ακριβώς σκέφτεται αυτή τη στιγμή.

0:16:19.214,0:16:22.339
Αυτός είναι ο γιος μου, ο Λέο.

0:16:22.339,0:16:24.963
Στην αναζήτησή μου για οπτική νοημοσύνη

0:16:24.963,0:16:27.354
σκέφτομαι τον Λέο συνέχεια

0:16:27.354,0:16:30.257
και τον μελλοντικό κόσμο[br]στον οποίο θα ζήσει.

0:16:30.257,0:16:32.278
Όταν οι μηχανές θα μπορούν να δουν,

0:16:32.278,0:16:36.990
οι γιατροί και νοσοκόμοι θα έχουν[br]ένα ζευγάρι ακούραστα μάτια

0:16:36.990,0:16:41.082
να τους βοηθάνε να διαγνώσουν[br]και να φροντίσουν τους ασθενείς τους.

0:16:41.082,0:16:45.465
Τα αυτοκίνητα θα οδηγούν πιο έξυπνα[br]και πιο ασφαλή στο δρόμο.

0:16:45.465,0:16:48.159
Ρομπότ, όχι μόνο άνθρωποι,

0:16:48.159,0:16:53.448
θα μας βοηθάνε σε ζώνες καταστροφής[br]να σώσουμε εγκλωβισμένους και τραυματίες.

0:16:53.448,0:16:57.594
Θα ανακαλύψουμε καινούργια είδη,[br]καλύτερα υλικά,

0:16:57.594,0:17:02.103
και θα εξερευνήσουμε αόρατα σύνορα[br]με τη βοήθεια των μηχανών.

0:17:03.113,0:17:07.280
Σιγά-σιγά δίνουμε όραση στις μηχανές.

0:17:07.280,0:17:10.078
Πρώτα, θα τους μάθουμε να βλέπουν.

0:17:10.078,0:17:12.841
Μετά, θα μας βοηθήσουν να δούμε καλύτερα.

0:17:12.841,0:17:17.006
Για πρώτη φορά, τα ανθρώπινα μάτια[br]δεν θα είναι τα μόνα

0:17:17.006,0:17:19.940
που μελετούν και εξερευνούν τον κόσμο.

0:17:19.940,0:17:23.400
Δεν θα χρησιμοποιούμε τις μηχανές [br]μόνο για τη νοημοσύνη τους,

0:17:23.400,0:17:29.579
θα συνεργαζόμαστε με τρόπους[br]που δεν μπορούμε να φανταστούμε.

0:17:29.579,0:17:31.740
Αυτός είναι ο στόχος μου:

0:17:31.740,0:17:34.452
να δώσω στους υπολογιστές οπτική νοημοσύνη

0:17:34.452,0:17:39.583
και να φτιάξω ένα καλύτερο μέλλον [br]για τον Λέο και για τον κόσμο.

0:17:39.583,0:17:41.394
Σας ευχαριστώ.

0:17:41.394,0:17:43.339
(Χειροκρότημα)