0:00:00.730,0:00:03.924
A Google-nál a gépi intelligenciával [br]foglalkozó részleget vezetem.

0:00:03.948,0:00:08.308
Ez a mérnöki terület számítógépeket [br]és készülékeket tesz alkalmassá arra,

0:00:08.332,0:00:11.041
hogy az emberi agyéhoz hasonló[br]tevékenységet végezzenek.

0:00:11.439,0:00:14.538
Ez sarkall bennünket arra, [br]hogy az aggyal

0:00:14.562,0:00:16.381
és az idegtudománnyal foglalkozzunk,

0:00:16.391,0:00:20.047
különösen azzal, amiben agyunk egyelőre

0:00:20.071,0:00:24.113
jócskán fölülmúlja a számítógépet.

0:00:25.209,0:00:28.818
Történetileg az egyik ilyen terület[br]az érzékelés folyamata,

0:00:28.842,0:00:31.881
amelyben a környezetünkben lévő dolgok

0:00:31.905,0:00:33.489
– hangok és képek –

0:00:33.513,0:00:35.691
agyunkban fogalommá alakulnak.

0:00:36.235,0:00:38.752
Tudatunk számára ez nélkülözhetetlen,

0:00:38.776,0:00:41.240
de igen hasznos a számítógépeknek is.

0:00:41.636,0:00:44.986
A gépi érzékelés algoritmusai[br]– csoportunk ezen dolgozik –

0:00:45.010,0:00:48.884
teszik az önök Google Photoson [br]lévő fotóit kereshetővé annak alapján,

0:00:48.908,0:00:50.305
hogy mi látható rajtuk.

0:00:51.594,0:00:55.087
Az érzékelés másik oldala [br]az alkotókészség:

0:00:55.111,0:00:58.149
az elképzelések valóra váltása.

0:00:58.173,0:01:03.108
A gépi érzékeléssel végzett munkánk[br]2015-ben váratlanul

0:01:03.122,0:01:06.611
hozzákapcsolódott a gépi alkotókészséghez

0:01:06.635,0:01:07.795
és a gépi művészethez.

0:01:08.556,0:01:11.840
Az hiszem, Michelangelo [br]nagyon is beleérzett

0:01:11.864,0:01:15.520
az érzékelés és az alkotókészség [br]közötti kettős viszonyba.

0:01:16.023,0:01:18.029
Van egy híres mondása:

0:01:18.053,0:01:21.376
"Minden kőtömb szobrot rejt a belsejében,

0:01:22.036,0:01:25.038
és a szobrász dolga, hogy kiszabadítsa."

0:01:26.029,0:01:29.245
Azt hiszem, Michelangelo ezen azt értette,

0:01:29.269,0:01:32.449
hogy érzékelés útján alkotunk,

0:01:32.473,0:01:35.496
és az érzékelés nem más, [br]mint a képzelet folyamata

0:01:35.520,0:01:37.981
és az alkotókészség terméke.

0:01:38.691,0:01:42.616
A gondolkodás, az érzékelés [br]és a képzelet irányítója

0:01:42.640,0:01:44.228
természetesen az agy.

0:01:45.089,0:01:47.634
Egy történeti áttekintéssel[br]szeretném kezdeni,

0:01:47.658,0:01:49.960
hogy mit tudunk az agyunkról.

0:01:50.496,0:01:52.942
Mert eltérően a szívtől és a belektől,

0:01:52.966,0:01:56.110
ránézésre nem sokat mondhatunk az agyról,

0:01:56.134,0:01:57.676
ha csupán szabad szemmel nézzük.

0:01:57.983,0:02:00.399
Az agyat vizsgáló első anatómusok

0:02:00.423,0:02:04.230
a felszíni képleteknek [br]furcsa neveket adtak,

0:02:04.254,0:02:06.687
pl. a hippokampusz csikóhalat jelent.

0:02:06.711,0:02:09.475
Persze a nevek nem sokat [br]árulnak el arról,

0:02:09.499,0:02:11.817
hogy mi zajlik belül.

0:02:12.780,0:02:16.393
Az első, aki valóban sokat tett azért,

0:02:16.417,0:02:18.347
hogy megtudjuk, mi történik az agyban,

0:02:18.371,0:02:22.291
Santiago Ramón y Cajal, [br]a nagy spanyol ideganatómus volt

0:02:22.315,0:02:23.859
a 19. században.

0:02:23.883,0:02:27.638
Mikroszkópot használt, [br]és különleges eljárást alkalmazott,

0:02:27.662,0:02:31.832
amellyel szelektíven tudta [br]megfesteni az egyes idegsejteket,

0:02:31.856,0:02:33.864
jó kontrasztot érve el a megjelenítésben,

0:02:33.888,0:02:37.042
hogy alaktanuk érthetőbb legyen.

0:02:37.972,0:02:40.863
Ilyesféle képeket készített [br]az idegsejtekről

0:02:40.887,0:02:42.096
a 19. században:

0:02:42.120,0:02:44.004
Ezt egy madár agyáról készült.

0:02:44.028,0:02:47.085
Látják, milyen hihetetlenül [br]változatosak a különféle sejtek;

0:02:47.109,0:02:50.544
ekkor még maga [br]a sejtelmélet is vadonatúj volt.

0:02:50.568,0:02:51.846
Ezek a képletek,

0:02:51.870,0:02:54.059
ezek a dendritnyúlványok a sejteken,

0:02:54.073,0:02:56.761
ezek az ágacskák, amelyek igen [br]messze ki tudnak nyúlni,

0:02:56.785,0:02:58.401
akkoriban újdonságnak számítottak.

0:02:58.779,0:03:01.682
Vezetékekre emlékeztetnek.

0:03:01.706,0:03:05.163
Ez a 19. században némelyeknek[br]kézenfekvőnek tűnt:

0:03:05.187,0:03:09.501
éppen folyamatban volt a vezetékek[br]és a villamosság forradalma.

0:03:09.964,0:03:11.142
De több vonatkozásban

0:03:11.166,0:03:14.479
Ramón y Cajal mikroanatómiai rajzai,[br]

0:03:14.503,0:03:16.835
mint ez is, fölülmúlhatatlanok.

0:03:16.859,0:03:18.713
Még most, egy bő évszázaddal később is

0:03:18.737,0:03:21.562
csak törekszünk bevégezni [br]a Cajal által megkezdett munkát.

0:03:21.586,0:03:24.524
Ezek a nyers adatok itt partnereinktől,

0:03:24.534,0:03:27.625
a Max Planck Idegtudományi [br]Intézetből származnak.

0:03:27.649,0:03:29.509
Partnereink képet készítettek

0:03:29.509,0:03:34.464
az agyszövet pirinyó részeiről.

0:03:34.488,0:03:37.814
Az itt látható minta [br]összességében is csupán 1 mm³,

0:03:37.838,0:03:40.459
én pedig ennek is [br]csak egy pici részét mutatom.

0:03:40.483,0:03:42.829
A bal oldali vonás kb. 1 mikron.

0:03:42.853,0:03:45.262
Az itt látható képletek a mitokondriumok,

0:03:45.286,0:03:47.330
ezek baktériumméretűek.

0:03:47.354,0:03:49.345
Ezek pedig a nagyon parányi szövetdarab

0:03:49.355,0:03:52.077
folytatólagos metszetei.

0:03:52.101,0:03:54.504
Csak összevetésül:

0:03:54.528,0:03:58.320
egy átlagos hajszál átmérője [br]kb. 100 mikron.

0:03:58.344,0:04:00.618
Ami szemünk előtt van, [br]az sokkal-sokkal kisebb,

0:04:00.642,0:04:02.040
mint a hajszál vastagsága.

0:04:02.064,0:04:06.095
Ha ezeknek az elektronmikroszkópos[br]metszeteknek a sorozatából

0:04:06.119,0:04:11.127
3D-ben rekonstruáljuk az idegsejteket, [br]valami ilyet kapunk.

0:04:11.151,0:04:14.308
Ezek jellegükben hasonlítanak [br]Ramón y Cajal képeire.

0:04:14.332,0:04:16.024
Csak pár idegsejt van megvilágítva,

0:04:16.064,0:04:18.629
különben nem látnánk semmit,

0:04:18.653,0:04:19.965
olyan zsúfolt lenne a kép

0:04:19.989,0:04:21.319
az egy-egy idegsejtet

0:04:21.343,0:04:23.967
a többivel összekötő vezetékgubanctól.

0:04:25.293,0:04:28.097
Ramón y Cajal egy kissé megelőzte korát;

0:04:28.121,0:04:30.676
az agy megértésének folyamata [br]csak lassan haladt

0:04:30.700,0:04:32.971
a következő évtizedek során.

0:04:33.405,0:04:36.132
Tudtuk, hogy az idegsejtek az [br]elektromosságot használják,

0:04:36.132,0:04:39.358
és a II. világháború idejére [br]technológiánk elég fejlett volt ahhoz,

0:04:39.388,0:04:42.098
hogy élő idegsejteken valódi [br]kísérleteket végezzünk

0:04:42.122,0:04:44.328
villamos árammal, [br]hogy működésüket megértsük.

0:04:44.631,0:04:48.987
Ugyanebben az időben találták föl - [br]az agy működését alapul véve -

0:04:49.011,0:04:52.111
a számítógépet, avagy[br]az "értelmes szerkezetet",

0:04:52.135,0:04:55.220
[br]ahogy Alan Turing,

0:04:55.244,0:04:57.235
a számítástechnika egyik atyja nevezte,

0:04:57.923,0:05:01.829
Warren McCulloch és Walter Pitts[br]megvizsgálta

0:05:01.849,0:05:03.896
Cajalnak a látókéregről készített,

0:05:03.920,0:05:05.482
itt látható rajzát.

0:05:05.506,0:05:09.948
Ez az agykéreg dolgozza föl[br]a szemünkből érkező képeket.

0:05:10.424,0:05:13.932
Számukra ez olyan volt, [br]mint egy kapcsolási rajz.

0:05:14.353,0:05:18.188
Sok részlet McCulloch [br]és Pitts kapcsolási rajzán

0:05:18.212,0:05:19.564
nem teljesen pontos.

0:05:19.588,0:05:20.823
De az alapelv,

0:05:20.847,0:05:24.839
hogy a látókéreg úgy működik, [br]mint számítási egységek sorozata,

0:05:24.863,0:05:27.609
amelyek egymásnak adják[br]tovább az információt,

0:05:27.633,0:05:29.235
alapvetően helyes.

0:05:29.259,0:05:31.609
Beszéljünk egy kicsit arról,

0:05:31.633,0:05:35.665
hogy mit kéne csinálnia egy képi [br]információt földolgozó modellnek.

0:05:36.228,0:05:38.969
Az érzékelés fő feladata,

0:05:38.993,0:05:43.187
hogy rögzítse az ilyen képet,[br]és jelentse ki:

0:05:43.211,0:05:44.387
"ez egy madár",

0:05:44.411,0:05:47.285
ami agyunknak gyerekjáték.

0:05:47.309,0:05:50.730
De mindannyiuknak tudnunk kell,[br]hogy a számítógép számára ez

0:05:50.754,0:05:53.841
néhány éve megoldhatatlan feladat volt.

0:05:53.865,0:05:55.781
A klasszikus számítási paradigma alapján

0:05:55.805,0:05:58.312
ez nem egykönnyen megoldható feladat.

0:05:59.366,0:06:01.918
Ami a pixelek között történik,

0:06:01.942,0:06:05.970
a madár képe és a "madár" szó között, [br]lényegében annyi,

0:06:05.994,0:06:07.952
hogy az idegsejtek egy halmaza

0:06:07.972,0:06:09.987
összekapcsolódott egy ideghálózatban,

0:06:10.011,0:06:11.234
ahogy itt fölvázolom.

0:06:11.258,0:06:14.530
Ez lehet egy élő sejtekből álló[br]neuronhálózat a látókéregben,

0:06:14.554,0:06:16.716
vagy annak egy számítógépe modellje,

0:06:16.740,0:06:19.194
aminek elkészítésére ma már [br]kezdünk képesek lenni.

0:06:19.834,0:06:22.187
Megmutatom, hogy néz ez ki.

0:06:22.211,0:06:25.627
A képpontok fölfoghatók [br]az idegsejtek első rétegeként,

0:06:25.651,0:06:27.794
és valóban így működik ez a szemben;

0:06:27.814,0:06:29.491
ezek a recehártyán lévő idegsejtek.

0:06:29.491,0:06:31.381
Aztán továbbadják a következő rétegnek,

0:06:31.381,0:06:34.252
egyik a másiknak, egymás után, [br]mindegyik a következőnek,

0:06:34.252,0:06:37.585
ezek mind különböző súllyal szereplő [br]szinapszissal vannak összekötve.

0:06:37.609,0:06:38.944
A hálózat viselkedését

0:06:38.968,0:06:42.252
a szinapszisok erőssége jellemzi.

0:06:42.276,0:06:45.564
Ezek írják le a hálózat [br]számítási tulajdonságait.

0:06:45.588,0:06:47.058
A végeredmény

0:06:47.082,0:06:49.529
egy idegsejt, vagy sejtek kis csoportja,

0:06:49.553,0:06:51.680
amelyek fölvillannak,[br]és azt mondják: madár.

0:06:51.824,0:06:54.956
Ezt a három dolgot mutatom meg:

0:06:54.980,0:06:59.676
a bemeneti képpontokat, [br]az ideghálózat szinapszisait,

0:06:59.700,0:07:01.285
és a madarat, a kimenetet,

0:07:01.309,0:07:04.366
Három változó, az x, w és y segítségével.

0:07:04.853,0:07:06.664
Talán milliónyi x,

0:07:06.688,0:07:08.641
milliónyi képpont van ezen a képen.

0:07:08.665,0:07:11.111
Milliárdnyi vagy billiónyi w létezik,

0:07:11.135,0:07:14.490
ami az ideghálózatban lévő [br]szinapszisok súlyát jellemzi.

0:07:14.490,0:07:16.455
Az y-ok - a hálózati kimenetek - száma

0:07:16.479,0:07:18.337
viszont egy elég kis szám.

0:07:18.361,0:07:20.110
A "madár" csak öt betű, ugye?

0:07:21.088,0:07:24.514
Tegyünk úgy, mintha ez [br]az egyszerű képlet létezne:

0:07:24.538,0:07:26.701
x "*" w = y

0:07:26.725,0:07:28.761
Idézőjelbe tettem a szorzásjelet,

0:07:28.785,0:07:31.065
mert persze ott egy sor

0:07:31.089,0:07:34.135
nagyon bonyolult matematikai művelet áll.

0:07:35.172,0:07:36.393
Ez egy egyenlet.

0:07:36.417,0:07:38.089
Három változója van.

0:07:38.113,0:07:40.839
Tudjuk, hogy ha van egy egyenletünk,

0:07:40.863,0:07:44.505
megoldhatjuk az egyik változóra, [br]ha ismerjük a másik kettőt.

0:07:45.158,0:07:48.538
A levezetés problémája,

0:07:48.562,0:07:51.435
azaz hogy kiderítsük,[br]hogy a madár képe egy madáré,

0:07:51.459,0:07:52.733
így foglalható össze:

0:07:52.757,0:07:56.216
az y az ismeretlen, w és x ismert.

0:07:56.240,0:07:58.699
Ismerjük az ideghálózatot [br]és a képpontokat.

0:07:58.723,0:08:02.050
Látható, hogy a feladat[br]viszonylag egyszerű.

0:08:02.074,0:08:04.260
Összeszorozzuk a kettőt [br]a hárommal, és kész.

0:08:04.862,0:08:06.985
Mutatok egy mesterséges ideghálózatot,

0:08:07.009,0:08:09.785
amit mostanában építettünk, [br]és ami pontosan ezt csinálja.

0:08:09.785,0:08:12.494
Valós időben működik mobilon,

0:08:12.518,0:08:15.831
és az már önmagában is csodálatos,

0:08:15.855,0:08:19.323
hogy a mobiltelefonok másodpercenként[br]milliárdnyi vagy billiónyi

0:08:19.347,0:08:20.595
műveletre képesek.

0:08:20.619,0:08:22.234
Előttünk egy telefon,

0:08:22.258,0:08:25.805
amely folyamatosan madárképeket pörget,

0:08:25.829,0:08:28.544
és nemcsak azt mondja,[br]hogy: "Igen, ez madár",

0:08:28.568,0:08:31.979
hanem a hálózat segítségével [br]a madárfajt is fölismeri.

0:08:32.890,0:08:34.716
A képen

0:08:34.740,0:08:38.542
x és w ismert, y az ismeretlen.

0:08:38.566,0:08:41.074
Átsiklok a legbonyolultabb [br]részeken, nevezetesen:

0:08:41.098,0:08:44.959
hogy a pokolba számoljuk ki w-t,

0:08:44.983,0:08:47.170
és hogyan képes erre az agy?

0:08:47.194,0:08:49.028
Hogyan hozhatunk létre ilyen modellt?

0:08:49.418,0:08:52.651
Tehát ez tanulási folyamat:[br]megoldás keresése w-re.

0:08:52.675,0:08:55.322
Ha ezt egy egyszerű egyenletre tesszük,

0:08:55.346,0:08:57.346
ahol az ismeretleneket számnak tekintjük,

0:08:57.370,0:09:00.477
akkor pontosan tudjuk, [br]miként kell a 6 = 2 * w -t megoldani.,

0:09:00.477,0:09:03.393
mindkét oldalt 2-vel kell osztani.

0:09:04.001,0:09:06.221
A bökkenő ezzel az operátorral van.

0:09:06.823,0:09:07.974
Osztás...

0:09:07.998,0:09:11.119
Azért osztást alkalmaztunk,[br]mert ez a szorzás inverze,

0:09:11.143,0:09:12.583
de ahogy már mondtam,

0:09:12.607,0:09:15.056
itt nem igazi szorzásról van szó.

0:09:15.080,0:09:18.406
Ez itt egy igen kacifántos,[br]nemlineáris művelet;

0:09:18.430,0:09:20.134
és nincs inverze.

0:09:20.158,0:09:23.308
Rá kell jönnünk, milyen módszerrel [br]oldható meg az egyenlet

0:09:23.332,0:09:25.356
osztási művelet nélkül.

0:09:25.380,0:09:27.723
A módszer elég egyszerű.

0:09:27.747,0:09:30.418
Alkalmazzunk egy kis algebrai trükköt,

0:09:30.442,0:09:33.348
és vigyük át a 6-ost[br]az egyenlet jobb oldalára.

0:09:33.372,0:09:35.198
A szorzás továbbra is megvan.

0:09:35.675,0:09:39.255
A nullát meg tekintsük a hiba mértékének.

0:09:39.279,0:09:41.794
Azaz, ha w-re helyesen [br]oldjuk meg az egyenletet,

0:09:41.818,0:09:43.474
a hiba nulla lesz.

0:09:43.498,0:09:45.436
Ha a megoldás nem teljesen helyes,

0:09:45.460,0:09:47.209
a hiba nullánál nagyobb lesz.

0:09:47.233,0:09:50.599
Most a hiba minimalizálása végett[br]próbálgatnunk kell,

0:09:50.623,0:09:53.310
ebben pedig a számítógép igen jó.

0:09:53.334,0:09:54.927
Kiinduló becslésnek ezt vettük:

0:09:54.951,0:09:56.107
mi a helyzet, ha w = 0?

0:09:56.131,0:09:57.441
Akkor a hiba 6-tal egyenlő.

0:09:57.441,0:09:58.841
És ha w = 1? Akkor a hiba 4.

0:09:58.865,0:10:01.232
Akkor a gép játszhatja [br]a Marco Polo-játékot,

0:10:01.256,0:10:03.623
és a hibát nullához közelítheti.

0:10:03.647,0:10:07.021
Így w fokozatos közelítéseit kapjuk.

0:10:07.045,0:10:10.701
Általában nem kapunk pontos eredményt,[br]de tucatnyi lépés után

0:10:10.725,0:10:15.349
w = 2,999-et kapunk, [br]ami elég jó közelítés.

0:10:16.302,0:10:18.116
Ez tanulási folyamat.

0:10:18.140,0:10:20.870
Ne feledjük, hogy az történt,

0:10:20.894,0:10:25.272
hogy vettünk egy csomó [br]ismert x-et és ismert y-t,

0:10:25.296,0:10:28.750
és iterációs úton kerestünk [br]w-re egy megoldást.

0:10:28.774,0:10:32.330
Pontosan ilyen módszerrel [br]tanulunk mi magunk is.

0:10:32.354,0:10:34.584
Kisbabakorunkban sok képet látunk,

0:10:34.608,0:10:37.241
és valaki azt mondja:[br]"Ez madár, ez nem madár."

0:10:37.714,0:10:39.812
Idővel iteráció révén

0:10:39.836,0:10:42.764
megoldjuk w-re, megtaláljuk [br]az idegi kapcsolatokat.

0:10:43.460,0:10:47.546
Most az y kiszámolásához [br]ismert az x és a w;

0:10:47.570,0:10:49.417
ez a mindennapi, gyors érzékelés.

0:10:49.441,0:10:51.204
Megoldást találni w-re,

0:10:51.228,0:10:53.131
ez tanulás, ami jóval nehezebb,

0:10:53.155,0:10:55.140
mert a hibát minimalizálni kell,

0:10:55.164,0:10:56.851
sok gyakorlópélda segítségével.

0:10:56.875,0:11:00.222
Alex Mordvintsev kollégánk kb. egy éve[br]elhatározta, hogy kipróbálja,

0:11:00.222,0:11:03.636
mi van, ha x-re [br]próbálunk megoldást keresni

0:11:03.660,0:11:05.697
w és y ismeretében.

0:11:06.124,0:11:07.275
Másként fogalmazva,

0:11:07.299,0:11:08.651
tudjuk, hogy ez egy madár,

0:11:08.675,0:11:11.978
és ideghálózatunk már [br]be van tanítva madarakra,

0:11:12.002,0:11:14.346
de milyen is egy madár képe?

0:11:15.034,0:11:20.058
Kiderül, hogy ez is működik, ha ugyanazt[br]a hibaminimalizáló eljárást alkalmazzuk

0:11:20.082,0:11:23.512
a madarak fölismerésére [br]betanított hálózatra,

0:11:23.536,0:11:26.924
és az eredménye egy kép,

0:11:30.400,0:11:31.705
amelyen madarak láthatók.

0:11:32.814,0:11:36.551
Ezt a képet a madarak [br]fölismerésére betanított

0:11:36.575,0:11:38.401
neurális hálózat [br]hozta létre egyszerűen úgy,

0:11:38.425,0:11:41.963
hogy x-re, nem pedig y-ra [br]kerestük a megoldást

0:11:41.987,0:11:43.385
közelítő eljárással.

0:11:43.732,0:11:45.579
Ez pedig egy másik érdekes példa.

0:11:45.603,0:11:49.040
Ezt egyik kollégánk, Mike Tyka csinálta,

0:11:49.064,0:11:51.372
és az állatok fölvonulásának nevezte el.

0:11:51.396,0:11:54.272
Engem William Kentridge[br]műalkotásaira emlékeztet:[br]

0:11:54.296,0:11:56.785
vázlatokat készít, kitörli őket,

0:11:56.809,0:11:58.269
vázlatokat készít, kitörli,

0:11:58.293,0:11:59.691
és így készít filmet.

0:11:59.715,0:12:00.866
Ebben az esetben Mike

0:12:00.890,0:12:04.167
y-t futtatja végig különféle állatokon,

0:12:04.191,0:12:06.467
egy állatok fölismerésére

0:12:06.467,0:12:08.657
és megkülönböztetésére [br]tervezett hálózaton.

0:12:08.687,0:12:12.182
Így ilyen furcsán, Escher-szerűen [br]tűnik át egyik állat a másikba.

0:12:14.221,0:12:18.835
Itt Mike és Alex megpróbált [br]az összes y alapján

0:12:18.859,0:12:21.618
egyetlen kétdimenziós képet létrehozni,

0:12:21.642,0:12:25.080
a hálózat által felismert[br]valamennyi tárgyat

0:12:25.104,0:12:26.823
a síkba leképezve.

0:12:26.847,0:12:28.870
Efféle szintézist elvégezve,

0:12:28.894,0:12:31.276
a teljes felületet használva, [br]

0:12:31.300,0:12:34.146
y variálásával ilyesféle [br]leképezést készítünk:

0:12:34.170,0:12:37.311
a vizuális megjelenítését mindannak,[br]amit a hálózat felismer.

0:12:37.335,0:12:40.200
Minden állat itt van; [br]ez itt az armadillo, azaz a tatu.

0:12:40.919,0:12:43.398
Ugyanez megtehető [br]másfajta hálózatokkal is.

0:12:43.422,0:12:46.296
Ezt a hálózatot [br]arcfölismerésre hozták létre,

0:12:46.320,0:12:48.900
hogy képes legyen arcokat[br]megkülönböztetni egymástól.

0:12:48.930,0:12:51.593
Itt az y jelentése: "én",

0:12:51.617,0:12:53.192
az én arcom paraméterei.

0:12:53.216,0:12:54.922
Amikor ez megoldást keres x-re,

0:12:54.946,0:12:57.564
az eredmény az én idétlen, kubista,

0:12:57.588,0:13:02.016
szürreális és pszichedelikus képem,

0:13:02.040,0:13:03.846
egyidejűleg különböző nézőpontokból.

0:13:03.870,0:13:06.604
Az egyidejű különböző nézőpontok indoka:

0:13:06.628,0:13:10.315
a hálózatot úgy tervezték,[br]hogy megszabaduljon a félreértésektől,

0:13:10.339,0:13:12.815
amelyek az arc eltérő helyzeteiből

0:13:12.839,0:13:16.215
vagy az eltérő megvilágításból adódhatnak.

0:13:16.239,0:13:18.324
Ha ilyen rekonstrukciót végzünk,

0:13:18.348,0:13:20.652
és nem használunk támpontul[br]valamilyen képet

0:13:20.676,0:13:21.887
vagy statisztikát,

0:13:21.911,0:13:25.676
akkor a különféle nézőpontok [br]valami káosza keletkezik,

0:13:25.700,0:13:27.068
mert félreérthető.

0:13:27.786,0:13:32.009
Ez az eredmény, ha Alex támpontul[br]tulajdon arcát használja

0:13:32.033,0:13:35.354
az optimalizálás folyamán[br]az én arcom rekonstruálásához.

0:13:36.284,0:13:38.612
Láthatóan nem tökéletes.

0:13:38.636,0:13:40.510
Még sok a teendőnk

0:13:40.534,0:13:42.987
a folyamat optimalizálásában.

0:13:43.011,0:13:45.838
De a kapott arc már kivehetőbb,

0:13:45.862,0:13:47.876
ha a támpontul az én arcom szolgált.

0:13:48.892,0:13:51.393
Nem szükséges

0:13:51.417,0:13:52.573
nulláról kezdenünk.

0:13:52.597,0:13:53.901
Ha x-et keressük,

0:13:53.925,0:13:57.814
kezdhetjük egy másik képhez [br]tartozó x-szel,

0:13:57.838,0:14:00.394
ahogy ezen a kis bemutatón is látható.

0:14:00.418,0:14:04.540
E hálózat különféle tárgyak -[br]pl. állatok, ember alkotta struktúrák -

0:14:04.564,0:14:07.683
[br]osztályba sorolására készült.

0:14:07.707,0:14:10.300
Itt egyszerűen felhők képével kezdünk,

0:14:10.324,0:14:11.995
és ahogy optimalizálunk,

0:14:12.019,0:14:16.505
a hálózat eldönti, [br]hogy mit lát bele a felhőkbe.

0:14:16.931,0:14:19.251
Minél tovább nézzük,

0:14:19.275,0:14:22.028
annál több dolgot látunk beléjük.

0:14:23.004,0:14:26.379
Használhatjuk az arcfölismerő hálózatot,[br]hogy arcokat lássunk bele,

0:14:26.403,0:14:28.215
és eléggé észbontó dolgokhoz jutunk.

0:14:28.239,0:14:29.389
(Nevetés)

0:14:30.401,0:14:33.145
Mike végzett egy másik kísérletet:

0:14:33.169,0:14:37.074
vette ezt a felhős képet,

0:14:37.098,0:14:40.605
értelmeztette, zoomolt, értelmeztette, [br]zoomolt, értelmeztette, zoomolt...

0:14:40.629,0:14:41.780
Ily módon

0:14:41.804,0:14:45.479
szerintem a hálózatnak amolyan [br]disszociatív fugaállapotához jutunk,

0:14:45.503,0:14:49.183
vagy valamiféle szabad asszociációkhoz,

0:14:49.207,0:14:51.434
amelyben a hálózat saját farkába harap.

0:14:51.458,0:14:54.879
Mindegyik kép láttán az jár az eszünkben,

0:14:54.903,0:14:56.814
hogy vajon mit látok majd a következőn,

0:14:56.814,0:14:59.151
és a következőn, és a következőn.

0:14:59.487,0:15:02.423
Ezt nyilvánosan először Seattle-ben

0:15:02.447,0:15:07.884
egy Felsőoktatás c. előadáson mutattam be,

0:15:07.908,0:15:10.345
rögtön a marihuána legalizálása után.

0:15:10.369,0:15:12.784
(Nevetés)

0:15:14.627,0:15:16.731
Azzal a megjegyzéssel zárnám gyorsan,

0:15:16.755,0:15:21.010
hogy a technológia lehetőségei [br]beláthatatlanok.

0:15:21.034,0:15:24.699
Csupán vizuális példákat hoztam föl,[br]mert ezek nagyon mutatósak.

0:15:24.723,0:15:27.174
Nemcsak képi technológia létezik.

0:15:27.198,0:15:29.191
Művész munkatársunk, Ross Goodwin,

0:15:29.215,0:15:32.886
kísérleteihez fényképezőgépet használ, [br]amely készít egy fölvételt,

0:15:32.910,0:15:36.538
majd a hátizsákjában lévő számítógép

0:15:36.538,0:15:39.112
e fénykép tartalmából [br]ihletet merítve verset ír.

0:15:39.136,0:15:41.957
E költői neurális hálózatot[br]a 20.századi költészet

0:15:41.997,0:15:44.341
egy terjedelmes gyűjteménye[br]alapján hozták létre.

0:15:44.365,0:15:45.864
Szerintem az így készült versek

0:15:45.888,0:15:47.802
nem is olyan rosszak.

0:15:47.826,0:15:49.210
(Nevetés)

0:15:49.234,0:15:50.393
Végezetül,

0:15:50.417,0:15:52.549
ami Michelangelót illeti,

0:15:52.573,0:15:53.807
úgy vélem, igaza volt:

0:15:53.831,0:15:57.267
az észlelés és az alkotókészség[br]szorosan összefügg.

0:15:57.611,0:16:00.245
Amiket láttunk, azok olyan [br]neurális hálózatok,

0:16:00.269,0:16:02.842
amelyeket arra tanítottak, [br]hogy megkülönböztessenek

0:16:02.872,0:16:04.838
és fölismerjenek különböző tárgyakat,

0:16:04.862,0:16:08.023
és amelyek fordított irányú működésre, [br]generálásra is képesek.

0:16:08.047,0:16:09.830
Nemcsak azért gondolom ezt,

0:16:09.854,0:16:12.252
mert Michelangelo tényleg látta

0:16:12.276,0:16:14.728
a szobrot a kőtömb belsejében,

0:16:14.752,0:16:18.390
hanem mert bármely teremtmény,[br]lény, Földön kívüli,

0:16:18.414,0:16:22.071
amely ilyen észlelésre képes,

0:16:22.095,0:16:23.470
képes alkotni is,

0:16:23.494,0:16:26.718
mert ezek mindkét esetben [br]pontosan ugyanazon műveletek.

0:16:26.742,0:16:31.274
Azt hiszem, hogy az észlelés [br]és az alkotás semmi esetre sem

0:16:31.298,0:16:32.508
korlátozódik az emberre.

0:16:32.532,0:16:36.240
Kezdenek megjelenni olyan számítógépes [br]modellek, amelyek képesek ugyanerre.

0:16:36.264,0:16:39.592
Ez nem meglepő, hiszen az agy is[br]egy sajátságos számítógép.

0:16:39.616,0:16:41.603
Végül, az informatika

0:16:41.627,0:16:45.965
a mesterséges értelem létrehozására [br]tett kísérletként indult.

0:16:45.989,0:16:48.451
Jórészt azt modellezte le,

0:16:48.475,0:16:51.488
hogy miként tehetjük a gépeket okossá.

0:16:51.512,0:16:53.674
Most kezdjük lassacskán beváltani

0:16:53.698,0:16:56.104
az útkeresők bizonyos ígéreteit:

0:16:56.128,0:16:57.841
Turingét, Neumann Jánosét,

0:16:58.944,0:17:00.402
McCullochét és Pittsét.

0:17:01.486,0:17:04.497
Azt hiszem, az informatika [br]nem korlátozódik a könyvelésre,

0:17:04.537,0:17:06.719
a Candy Crush játékra vagy ilyesmikre.

0:17:06.739,0:17:09.522
A kezdetektől fogva agyunk [br]alapján modelleztük.

0:17:09.552,0:17:11.837
Hozzájárul agyunk jobb megértéséhez,

0:17:11.887,0:17:13.754
és képességei kiterjesztéséhez.

0:17:14.614,0:17:15.907
Köszönöm szépen.

0:17:15.947,0:17:21.383
(Taps)