WEBVTT

00:00:09.627 --> 00:00:13.424
Antigamente se você quisesse 
que um computador fizesse algo novo,

00:00:13.424 --> 00:00:15.256
você teria que programar.

00:00:15.256 --> 00:00:18.542
Então, para quem aqui que nunca fez isso,

00:00:18.566 --> 00:00:21.645
programação é algo que requer 
estabelecer com riqueza de detalhe

00:00:21.645 --> 00:00:25.234
cada passo do que você quer 
que o computador faça

00:00:25.234 --> 00:00:27.481
para atingir o seu objetivo.

00:00:27.481 --> 00:00:31.126
Se quiser fazer algo que você
ainda não sabe fazer por conta própria,

00:00:31.126 --> 00:00:33.132
isso se torna um grande desafio.

00:00:33.132 --> 00:00:36.682
E este foi o desafio enfrentado 
por este homem, Arthur Samuel.

00:00:36.682 --> 00:00:42.775
Em 1956 ele quis que este computador fosse
capaz de jogar damas com ele e vencê-lo.

00:00:42.775 --> 00:00:44.532
Como escrever um programa,

00:00:44.532 --> 00:00:48.820
estabelecer com riqueza de detalhe,
e jogar damas melhor que você?

00:00:48.820 --> 00:00:50.527
Então teve uma ideia:

00:00:50.527 --> 00:00:54.370
fez o computador jogar
contra si próprio milhares de vezes

00:00:54.370 --> 00:00:56.826
para aprender a jogar damas.

00:00:56.826 --> 00:00:59.774
E realmente funcionou, de fato em 1962

00:00:59.774 --> 00:01:02.707
este computador venceu
o campeão estadual de Connecticut.

00:01:03.416 --> 00:01:06.859
Arthur Samuel foi o pai 
do aprendizado de máquina,

00:01:06.859 --> 00:01:08.441
e devo muito a ele,

00:01:08.441 --> 00:01:11.279
porque sou um profissional
de aprendizado de máquina.

00:01:11.279 --> 00:01:13.014
Fui presidente da Kaggle,

00:01:13.014 --> 00:01:16.162
uma comunidade de mais de 200 mil
profissionais dessa área.

00:01:16.162 --> 00:01:18.447
A Kaggle organiza competições

00:01:18.447 --> 00:01:21.893
para tentar resolver problemas
até então sem solução,

00:01:22.071 --> 00:01:24.732
e tem sido bem sucedida centenas de vezes.

00:01:25.727 --> 00:01:28.118
Então desse ponto de vista,
pude descobrir muito

00:01:28.118 --> 00:01:32.169
do que o aprendizado de máquina
conseguiu no passado, hoje,

00:01:32.169 --> 00:01:34.367
e o que poderá fazer no futuro.

00:01:34.367 --> 00:01:36.605
Talvez o primeiro grande sucesso comercial


00:01:36.605 --> 00:01:39.209
de aprendizado de máquina foi o Google.

00:01:39.209 --> 00:01:41.835
O Google mostrou que é possível
encontrar informação

00:01:41.835 --> 00:01:44.131
usando um algoritmo de computador,

00:01:44.131 --> 00:01:46.945
e este algoritmo é baseado
no aprendizado de máquina.

00:01:46.945 --> 00:01:50.661
Desde então houve muitos casos de sucesso
comercial de aprendizado de máquina.

00:01:50.661 --> 00:01:52.676
Empresas como Amazon e Netflix

00:01:52.676 --> 00:01:55.901
usam aprendizado de máquina para sugerir
produtos que possa querer,

00:01:55.901 --> 00:01:58.147
filmes que você possa querer assistir.

00:01:58.147 --> 00:02:00.091
Às vezes é quase assustador.

00:02:00.091 --> 00:02:01.915
Empresas como LinkedIn e Facebook

00:02:01.915 --> 00:02:04.490
às vezes dirão quem deveria ser seu amigo

00:02:04.490 --> 00:02:06.361
e você nem imagina como,

00:02:06.361 --> 00:02:09.410
e isso porque está usando
o poder do aprendizado de máquina.

00:02:09.410 --> 00:02:12.619
São algoritmos que aprenderam
como fazer isso a partir de dados

00:02:12.619 --> 00:02:15.386
em vez de serem programados à mão.

00:02:15.860 --> 00:02:18.444
Foi assim que a IBM
foi bem sucedida em fazer

00:02:18.444 --> 00:02:21.286
o Watson vencer dois campeões 
mundiais em Jeopardy,

00:02:21.311 --> 00:02:24.438
respondendo questões incrivelmente
sutis e complexas como essa:

00:02:24.463 --> 00:02:28.203
["O antigo 'Leão de Nimrud' desapareceu
do museu nacional dessa cidade em 2003]

00:02:28.203 --> 00:02:31.344
Também por isso podemos ver
os primeiros carros autônomos.

00:02:31.344 --> 00:02:33.946
Se você quiser saber dizer
a diferença entre, digamos,

00:02:33.946 --> 00:02:37.188
uma árvore e um pedestre, 
bem, isso é muito importante.

00:02:37.188 --> 00:02:39.865
Não sabemos como escrever
esses programas à mão,

00:02:39.865 --> 00:02:42.502
mas com o aprendizado de máquina
isso agora é possível.

00:02:42.502 --> 00:02:45.410
De fato este carro já dirigiu
mais de um milhão de quilômetros

00:02:45.410 --> 00:02:48.823
sem qualquer acidente 
em estradas públicas.

00:02:48.823 --> 00:02:52.390
Pois bem, agora sabemos que 
computadores conseguem aprender,

00:02:52.390 --> 00:02:54.550
e podem aprender a fazer coisas

00:02:54.550 --> 00:02:57.305
que mesmo nós não sabemos fazer,

00:02:57.305 --> 00:03:00.062
ou então fazer melhor que nós.

00:03:00.062 --> 00:03:04.332
Um dos exemplos mais surpreendentes
de aprendizado de máquina que já vi

00:03:04.332 --> 00:03:06.863
aconteceu num projeto 
que organizei na Kaggle

00:03:06.863 --> 00:03:10.401
no qual um time coordenado 
por Geoffrey Hinton,

00:03:10.401 --> 00:03:12.036
da Universidade de Toronto,

00:03:12.036 --> 00:03:14.618
venceu a competição
de pesquisa automática de fármacos.

00:03:14.618 --> 00:03:17.453
O extraordinário aqui não é apenas 
que eles bateram

00:03:17.453 --> 00:03:21.089
todos os algoritmos desenvolvidos
pela Merck ou a comunidade acadêmica,

00:03:21.089 --> 00:03:26.496
mas que ninguém no time tinha qualquer 
conhecimento em biologia ou química,

00:03:26.496 --> 00:03:28.800
e fizeram isso em duas semanas.

00:03:28.800 --> 00:03:31.003
Como eles fizeram isso?

00:03:31.003 --> 00:03:34.008
Usaram um algoritmo singular
chamado aprendizado profundo.

00:03:34.008 --> 00:03:36.782
Isso foi tão importante que de fato
o sucesso foi noticiado

00:03:36.782 --> 00:03:39.949
no The New York Times em artigo
de primeira página semanas depois.

00:03:39.949 --> 00:03:42.267
Este é Geoffrey Hinton,
aqui no lado esquerdo.

00:03:42.267 --> 00:03:46.738
Aprendizado profundo é um algoritmo
inspirado no cérebro humano,

00:03:46.738 --> 00:03:48.349
ou seja, é um algoritmo

00:03:48.349 --> 00:03:52.108
que não tem limitações teóricas
para o que pode fazer.

00:03:52.108 --> 00:03:55.159
Quanto mais dados e tempo você der a ele,

00:03:55.159 --> 00:03:56.756
melhor ele fica.

00:03:56.756 --> 00:03:59.861
O The New York Times também mostrou 
neste artigo outro resultado

00:03:59.861 --> 00:04:01.684
extraordinário de aprendizado profundo

00:04:01.684 --> 00:04:03.928
que vou mostrar para vocês agora.

00:04:03.928 --> 00:04:07.872
Mostra que os computadores
conseguem escutar e entender.

00:04:08.654 --> 00:04:11.018
(Vídeo) Richard Rashid: 
Agora, o último passo

00:04:11.018 --> 00:04:13.993
que pretendo dar nesse processo

00:04:13.993 --> 00:04:17.334
é na verdade falar a vocês em chinês.

00:04:19.394 --> 00:04:21.910
A chave aqui é que

00:04:21.910 --> 00:04:26.531
conseguimos levantar uma vasta quantidade
de informação de muitos falantes do chinês

00:04:26.531 --> 00:04:29.641
e produzir um sistema
de conversão texto-fala

00:04:29.641 --> 00:04:33.772
que pega o texto em chinês
e o converte para a linguagem chinesa,

00:04:35.428 --> 00:04:38.952
e então pegamos mais ou menos uma hora
da minha própria voz

00:04:38.952 --> 00:04:41.218
e usamos para modular

00:04:41.218 --> 00:04:44.944
o sistema texto-fala padrão
para que possa parecer a minha voz.

00:04:45.188 --> 00:04:47.726
O resultado não é perfeito.

00:04:47.726 --> 00:04:50.554
Na verdade há alguns erros.

00:04:50.554 --> 00:04:52.880
(Em chinês)

00:04:52.880 --> 00:04:56.573
(Aplausos)

00:04:58.179 --> 00:05:00.990
Há muito trabalho pela frente nessa área.

00:05:01.449 --> 00:05:04.893
(Em chinês)

00:05:04.893 --> 00:05:08.420
(Aplausos)

00:05:10.462 --> 00:05:14.244
J. Howard: Isso foi num congresso 
de aprendizado de máquina na China.

00:05:14.244 --> 00:05:16.614
Na verdade não é comum escutar aplausos

00:05:16.614 --> 00:05:18.511
espontâneos em congressos acadêmicos,

00:05:18.511 --> 00:05:22.187
apesar de obviamente às vezes acontecer
em conferências TED, fiquem à vontade.

00:05:22.187 --> 00:05:24.982
Tudo que vocês viram aconteceu
com aprendizado profundo.

00:05:24.982 --> 00:05:26.507
(Aplausos) Obrigado.

00:05:26.507 --> 00:05:28.789
A transcrição em inglês
foi aprendizado profundo.

00:05:28.789 --> 00:05:32.201
A tradução para chinês e o texto
no canto superior direito, também,

00:05:32.201 --> 00:05:35.508
e a construção da voz também
foi aprendizado profundo.

00:05:35.508 --> 00:05:38.742
Então, aprendizado profundo
é esta coisa extraordinária.

00:05:38.742 --> 00:05:41.841
É um único algoritmo
que parece fazer quase tudo,

00:05:41.841 --> 00:05:44.952
e uma ano antes descobri
que também aprendeu a ver.

00:05:44.952 --> 00:05:46.748
Nessa competição alemã desconhecida,

00:05:46.748 --> 00:05:49.695
chamada: Modelo de Reconhecimento
de Placas de Trânsito Alemãs,

00:05:49.695 --> 00:05:53.198
o aprendizado profundo aprendeu
a reconhecer placas de trânsito como este.

00:05:53.198 --> 00:05:55.214
Não apenas conseguiu reconhecer as placas

00:05:55.238 --> 00:05:56.970
melhor que qualquer outro algoritmo,

00:05:56.970 --> 00:05:59.689
o ranking na verdade mostrou
ser melhor do que as pessoas,

00:05:59.689 --> 00:06:01.541
quase duas vezes melhor.

00:06:01.541 --> 00:06:03.537
Então em 2011 tivemos o primeiro exemplo

00:06:03.537 --> 00:06:06.942
de computadores que conseguem ver 
melhor do que as pessoas.

00:06:06.942 --> 00:06:08.991
Desde então muito aconteceu.

00:06:08.991 --> 00:06:12.505
Em 2012, o Google anunciou que havia
um algoritmo de aprendizado profundo

00:06:12.505 --> 00:06:13.920
assistindo vídeos do YouTube

00:06:13.920 --> 00:06:17.357
e processando os dados em 16 mil 
computadores por um mês,

00:06:17.357 --> 00:06:21.718
e o computador aprendeu sozinho
conceitos como pessoas e gatos

00:06:21.718 --> 00:06:23.527
apenas assistindo aos vídeos.

00:06:23.527 --> 00:06:25.879
É desse jeito que os humanos aprendem.

00:06:25.879 --> 00:06:28.619
Os humanos não aprendem com alguém
explicando o que viram,

00:06:28.619 --> 00:06:31.950
aprendem por si próprios.

00:06:31.950 --> 00:06:35.319
Também em 2012, Geoffrey Hinton, 
a quem vimos antes,

00:06:35.319 --> 00:06:38.177
venceu a conhecida competição ImageNet,

00:06:38.177 --> 00:06:42.318
tentando descobrir a partir
de um milhão e meio de imagens

00:06:42.318 --> 00:06:43.756
o que elas retratam.

00:06:43.756 --> 00:06:47.289
A partir de 2014 estamos
com um percentual de erro de 6%

00:06:47.289 --> 00:06:48.742
em reconhecimento de imagem.

00:06:48.742 --> 00:06:50.768
De novo, isso é melhor que as pessoas.

00:06:50.768 --> 00:06:54.537
Então, as máquinas estão fazendo 
um ótimo trabalho

00:06:54.537 --> 00:06:56.806
e agora isso está sendo
usado na indústria.

00:06:56.806 --> 00:06:59.848
Por exemplo, o Google anunciou ano passado

00:06:59.848 --> 00:07:04.433
que mapearam cada locação da França
em duas horas,

00:07:04.433 --> 00:07:07.880
e fizeram isso fornecendo imagens das ruas

00:07:07.880 --> 00:07:12.199
para o algoritmo de aprendizado profundo
reconhecer e ler os números das ruas.

00:07:12.199 --> 00:07:14.419
Imaginem quanto levaria do jeito antigo:

00:07:14.419 --> 00:07:17.774
dúzias de pessoas, muitos anos.

00:07:17.774 --> 00:07:19.685
Também está acontecendo na China.

00:07:19.685 --> 00:07:23.721
Baidu é um Google chinês, acho,

00:07:23.721 --> 00:07:26.004
e o que vocês podem ver acima à esquerda

00:07:26.004 --> 00:07:29.978
é um exemplo de uma foto que enviei
ao sistema de aprendizado profundo deles,

00:07:29.978 --> 00:07:33.747
e abaixo você pode ver que o sistema
entendeu que foto era

00:07:33.747 --> 00:07:35.983
e encontrou imagens similares.

00:07:35.983 --> 00:07:38.719
As imagens similares de fato
têm fundos similares,

00:07:38.719 --> 00:07:42.165
direções de rostos similares,
algumas até com a língua para fora.

00:07:42.165 --> 00:07:45.195
Claramente não está olhando
para o texto da página.

00:07:45.195 --> 00:07:46.727
Tudo que carreguei foi uma foto.

00:07:46.727 --> 00:07:50.168
Agora temos computadores
que realmente entendem o que veem

00:07:50.168 --> 00:07:52.252
e podem assim buscar em bancos de dados

00:07:52.252 --> 00:07:55.806
de centenas de milhões
de fotos em tempo real.

00:07:55.806 --> 00:07:59.036
O que significa o fato dos
computadores conseguirem ver?

00:07:59.036 --> 00:08:01.053
Bem, não é só que conseguem ver.

00:08:01.053 --> 00:08:03.244
De fato, o aprendizado profundo fez mais.

00:08:03.268 --> 00:08:06.070
Frases matizadas e complexas
como esta agora são

00:08:06.070 --> 00:08:08.894
compreendidas pelo algoritmos 
de aprendizado profundo.

00:08:08.894 --> 00:08:10.197
Como podem ver aqui,

00:08:10.197 --> 00:08:12.965
este sistema de Stanford com 
o ponto vermelho acima

00:08:12.965 --> 00:08:16.884
descobriu que esta frase expressa
um sentimento negativo.

00:08:16.884 --> 00:08:20.290
Na verdade o aprendizado profundo
está alcançando a performance humana

00:08:20.302 --> 00:08:25.423
ao entender sobre o que as frases são
e o que dizem sobre as coisas.

00:08:25.423 --> 00:08:28.151
Além disso o aprendizado profundo
é usado para ler chinês,

00:08:28.151 --> 00:08:31.307
de novo no nível do falante nativo.

00:08:31.307 --> 00:08:33.475
Esse algoritmo, desenvolvido na Suíça

00:08:33.475 --> 00:08:36.831
por pessoas que não falam chinês.

00:08:36.831 --> 00:08:38.881
Como eu digo, usar aprendizado profundo

00:08:38.881 --> 00:08:41.101
é o melhor sistema no mundo para isto,

00:08:41.101 --> 00:08:45.562
até mesmo comparando
ao entendimento do humano nativo.

00:08:46.218 --> 00:08:49.182
Esse é um sistema que montamos 
na minha empresa

00:08:49.182 --> 00:08:51.230
que mostra tudo isso colocado junto.

00:08:51.254 --> 00:08:53.689
São fotos sem texto,

00:08:53.689 --> 00:08:56.041
e enquanto digito frases aqui,

00:08:56.041 --> 00:08:59.010
ele entende essas fotos em tempo real,

00:08:59.010 --> 00:09:00.689
descobre sobre o que elas são

00:09:00.689 --> 00:09:03.852
e encontra fotos similares
ao que estou escrevendo.

00:09:03.852 --> 00:09:06.608
Vocês podem ver, está realmente
entendendo minhas frases

00:09:06.608 --> 00:09:08.832
e entendendo essas imagens.

00:09:08.832 --> 00:09:11.391
Sei que vocês viram algo assim no Google,

00:09:11.391 --> 00:09:14.166
no qual você digita coisas e 
aparecem imagens,

00:09:14.166 --> 00:09:17.590
mas na verdade o que acontece é que
está buscando o texto na página.

00:09:17.590 --> 00:09:20.591
Isso é muito diferente de na verdade
entender as fotos.

00:09:20.591 --> 00:09:23.343
Isto é algo que os computadores
conseguiram fazer

00:09:23.343 --> 00:09:26.591
pela primeira vez somente
há alguns poucos meses.

00:09:26.591 --> 00:09:30.682
Vemos que agora os computadores conseguem
não apenas ver, mas ler também,

00:09:30.682 --> 00:09:34.447
e claro, mostramos aqui 
que podem entender o que escutam.

00:09:34.447 --> 00:09:37.889
Talvez não seja surpresa o que vou
dizer agora: eles sabem escrever.

00:09:37.889 --> 00:09:42.672
Aqui um texto gerado usando um algoritmo
de aprendizado profundo ontem.

00:09:42.672 --> 00:09:46.596
E aqui um texto gerado
por um algoritmo de Stanford.

00:09:46.596 --> 00:09:48.360
Cada uma dessas frases foi criada

00:09:48.360 --> 00:09:52.609
por um algoritmo de aprendizado profundo
para descrever cada uma dessas imagens.

00:09:52.609 --> 00:09:57.081
Esse algoritmo nunca tinha visto um homem
de camiseta preta tocando violão.

00:09:57.081 --> 00:09:59.301
Ele já viu um homem antes,
já viu a cor preta,

00:09:59.301 --> 00:10:00.900
já viu um violão antes,

00:10:00.900 --> 00:10:05.194
mas criou, independentemente,
essa descrição inédita para essa imagem.

00:10:05.194 --> 00:10:08.696
Ainda não chegamos ao patamar da 
performance humana, mas estamos perto.

00:10:08.696 --> 00:10:12.764
Em testes, humanos preferem a legenda
gerada por computador

00:10:12.764 --> 00:10:14.291
uma a cada quatro vezes.

00:10:14.291 --> 00:10:16.355
Agora esse sistema tem 
apenas duas semanas,

00:10:16.355 --> 00:10:18.201
então provavelmente dentro de um ano,

00:10:18.201 --> 00:10:21.062
o algoritmo de computador será
melhor que o desempenho humano

00:10:21.062 --> 00:10:22.864
no ritmo que as coisas vão.

00:10:22.864 --> 00:10:25.913
Os computadores conseguem escrever.

00:10:25.913 --> 00:10:29.388
Quando juntamos isso tudo,
aparecem oportunidades muito empolgantes.

00:10:29.388 --> 00:10:30.880
Por exemplo, na medicina,

00:10:30.880 --> 00:10:33.405
uma equipe em Boston anunciou a descoberta

00:10:33.405 --> 00:10:36.354
de dúzias de novas características 
clinicamente relevantes

00:10:36.354 --> 00:10:40.376
de tumores que ajudam os médicos
em prognósticos de câncer.

00:10:41.720 --> 00:10:44.016
De modo semelhante, em Stanford,

00:10:44.016 --> 00:10:47.679
um grupo anunciou que, examinando
os tecidos ampliados,

00:10:47.679 --> 00:10:50.060
desenvolveu um sistema
de aprendizado de máquina

00:10:50.060 --> 00:10:52.642
que de fato é melhor
que patologistas humanos

00:10:52.642 --> 00:10:56.225
ao predizer índices de sobrevivência
para pacientes de câncer.

00:10:56.729 --> 00:10:59.804
Em ambos os casos, não apenas as previsões
eram mais precisas,

00:10:59.804 --> 00:11:02.766
mas criaram uma ciência sagaz.

00:11:02.776 --> 00:11:04.281
No caso da radiologia,

00:11:04.281 --> 00:11:07.376
são indicadores clínicos novos
que os humanos conseguem entender.

00:11:07.376 --> 00:11:09.168
Nesse caso de patologia,

00:11:09.168 --> 00:11:13.668
o sistema de computador descobriu
que as células ao redor do câncer

00:11:13.668 --> 00:11:17.008
são tão importantes quanto
as próprias células cancerígenas

00:11:17.008 --> 00:11:18.760
para se fazer um diagnóstico.

00:11:18.760 --> 00:11:22.941
Isso é o oposto ao que os patologistas
tinham ensinado por décadas.

00:11:24.391 --> 00:11:27.253
Em cada um desses dois casos,
foram os sistemas desenvolvidos

00:11:27.253 --> 00:11:31.044
por um grupo de especialistas médicos
e especialistas em aprendizado de máquina,

00:11:31.044 --> 00:11:33.775
mas a partir do ano passado,
já ultrapassamos isto também.

00:11:33.775 --> 00:11:37.324
Este é um exemplo de identificação
de áreas cancerígenas

00:11:37.324 --> 00:11:39.854
em tecido humano sob um microscópio.

00:11:39.854 --> 00:11:44.467
O sistema aqui consegue identificar
essas áreas com mais precisão,

00:11:44.467 --> 00:11:47.242
ou com a mesma precisão,
do que patologistas humanos,

00:11:47.242 --> 00:11:50.634
mas foi construído com aprendizado
profundo sem conhecimento médico

00:11:50.634 --> 00:11:53.160
por pessoas sem conhecimento na área.

00:11:54.230 --> 00:11:56.785
De modo similar, aqui,
esta segmentação de neurônios.

00:11:56.785 --> 00:12:00.453
Agora podemos segmentar neurônios
tão precisamente quanto os humanos,

00:12:00.453 --> 00:12:03.170
mas este sistema foi desenvolvido
com aprendizado profundo

00:12:03.170 --> 00:12:05.501
por pessoas sem conhecimento
prévio em medicina.

00:12:06.421 --> 00:12:09.648
Então eu mesmo, que não tenho
conhecimento em medicina,

00:12:09.648 --> 00:12:13.375
pareço ser inteiramente qualificado
para iniciar uma empresa médica,

00:12:13.375 --> 00:12:15.521
que foi o que fiz.

00:12:15.521 --> 00:12:17.261
Estava meio aterrorizado,

00:12:17.261 --> 00:12:20.150
mas a teoria sugeria que era possível

00:12:20.150 --> 00:12:25.642
fazer uma medicina muito útil usando
apenas estas técnicas analíticas de dados.

00:12:25.642 --> 00:12:28.122
E ainda bem, a reação tem sido fantástica,

00:12:28.122 --> 00:12:30.694
não apenas da mídia,
mas da comunidade médica,

00:12:30.718 --> 00:12:32.642
que tem sido muito favorável.

00:12:32.642 --> 00:12:36.971
A teoria é que podemos pegar a parte
intermediária do processo médico

00:12:36.971 --> 00:12:39.864
e transformá-la o quanto possível
em análise de dados,

00:12:39.864 --> 00:12:42.929
deixando aos médicos
o que eles fazem de melhor.

00:12:42.929 --> 00:12:44.531
Quero dar uma exemplo a vocês.

00:12:44.531 --> 00:12:49.275
Hoje um novo teste de diagnóstico médico
leva uns 15 minutos para ser feito

00:12:49.275 --> 00:12:51.299
e vou mostrar em tempo real para vocês,

00:12:51.299 --> 00:12:52.961
mas comprimi para três minutos,

00:12:52.961 --> 00:12:54.453
cortando alguns pedaços.

00:12:54.453 --> 00:12:57.869
Em vez de um teste de diagnóstico médico,

00:12:57.869 --> 00:13:01.346
vou mostrar um teste de diagnóstico
de imagens de carros,

00:13:01.346 --> 00:13:03.568
pois é algo que todos podem entender.

00:13:03.568 --> 00:13:06.769
Então aqui estamos iniciando com 
1,5 milhão de imagens de carro,

00:13:06.769 --> 00:13:09.975
e quero criar algo que pode 
selecionar a partir do ângulo

00:13:09.975 --> 00:13:12.198
em que a foto foi tirada.

00:13:12.198 --> 00:13:16.086
Estas imagens não estão marcadas,
então preciso começar do zero.

00:13:16.086 --> 00:13:18.001
Com o algoritmo de aprendizado profundo,

00:13:18.001 --> 00:13:21.658
pode-se automaticamente identificar áreas
de estrutura nestas fotos.

00:13:21.658 --> 00:13:25.278
O legal é que o humano e o computador
agora podem trabalhar juntos.

00:13:25.278 --> 00:13:27.456
Então o humano, como podem ver,

00:13:27.456 --> 00:13:30.131
diz ao computador as áreas de interesse

00:13:30.131 --> 00:13:34.781
que o computador usa
para melhorar o algoritmo.

00:13:34.781 --> 00:13:39.077
Esses sistemas de aprendizado profundo na
verdade usa o espaço de 16 mil dimensões,

00:13:39.077 --> 00:13:42.429
então você pode ver aqui o computador
girando através do espaço,

00:13:42.429 --> 00:13:44.501
tentando encontrar novas
áreas de estrutura.

00:13:44.501 --> 00:13:46.282
E quando consegue,

00:13:46.282 --> 00:13:50.286
o humano que está no controle
aponta as áreas de interesse.

00:13:50.286 --> 00:13:52.708
Aqui o computador encontrou
as áreas com sucesso,

00:13:52.708 --> 00:13:55.270
por exemplo, ângulos.

00:13:55.270 --> 00:13:56.876
Enquanto seguimos o processo,

00:13:56.876 --> 00:13:59.016
gradualmente dizendo mais
e mais ao computador

00:13:59.016 --> 00:14:01.464
sobre os tipos de estruturas
que estamos procurando.

00:14:01.464 --> 00:14:03.106
Se fosse um teste diagnóstico,

00:14:03.106 --> 00:14:06.766
seria um patologista identificando áreas
de condição patológica, por exemplo,

00:14:06.766 --> 00:14:11.792
ou um radiologista indicando nódulos
potencialmente problemáticos.

00:14:11.792 --> 00:14:14.351
E às vezes pode ser difícil
para o algoritmo.

00:14:14.351 --> 00:14:16.315
Nesse caso, ficou um pouco confuso.

00:14:16.315 --> 00:14:18.865
As frentes e as traseiras estão
todas misturadas.

00:14:18.865 --> 00:14:20.937
Então temos que ser cuidadosos,

00:14:20.937 --> 00:14:24.169
manualmente separando as frentes
e as traseiras,

00:14:24.169 --> 00:14:29.345
e dizendo ao computador que isso é
o tipo de grupo

00:14:29.345 --> 00:14:31.023
que nos interessa.

00:14:31.023 --> 00:14:33.700
Então fizemos isso por um tempo,
adiantamos um pouco,

00:14:33.700 --> 00:14:35.946
treinamos o algoritmo de
aprendizado de máquina

00:14:35.946 --> 00:14:37.830
com base em algumas centenas de coisas,

00:14:37.830 --> 00:14:39.575
e esperamos que tenha ficado melhor.

00:14:39.575 --> 00:14:42.778
Vocês podem ver agora que algumas dessas
fotos desapareceram,

00:14:42.778 --> 00:14:47.416
mostrando que já consegue entender
algumas por si próprio.

00:14:47.416 --> 00:14:50.288
Podemos então usar esse conceito
para fotos similares,

00:14:50.288 --> 00:14:52.562
e usando fotos similares, vocês podem ver,

00:14:52.562 --> 00:14:56.411
o computador nesse ponto consegue
encontrar somente as frentes dos carros.

00:14:56.411 --> 00:14:59.689
Nesse ponto o humano pode
dizer ao computador,

00:14:59.689 --> 00:15:01.982
"Ok, sim, você fez um bom trabalho".

00:15:03.152 --> 00:15:05.337
Claro que às vezes ainda é difícil

00:15:05.337 --> 00:15:09.011
separar grupos nesse ponto.

00:15:09.011 --> 00:15:12.963
Neste caso mesmo após
o computador girar um pouco,

00:15:12.963 --> 00:15:15.944
ainda vemos que imagens do lado esquerdo

00:15:15.944 --> 00:15:17.722
e do direito estão todas misturadas.

00:15:17.722 --> 00:15:19.862
Podemos novamente
dar dicas ao computador,

00:15:19.862 --> 00:15:22.838
e dizer ok, encontre uma projeção
que separe

00:15:22.838 --> 00:15:25.445
os lados esquerdo e direito
o melhor possível

00:15:25.445 --> 00:15:27.567
usando o algoritmo
de aprendizado profundo.

00:15:27.567 --> 00:15:30.509
E dando aquela dica - ah, ok, conseguiu.

00:15:30.509 --> 00:15:33.391
Encontrou um jeito de pensar
nestes objetos

00:15:33.391 --> 00:15:35.111
que acabou agrupando-os.

00:15:36.361 --> 00:15:38.209
Vocês entendem a ideia aqui.

00:15:39.199 --> 00:15:46.448
Não é o caso de substituir o humano
pelo computador,

00:15:46.448 --> 00:15:49.046
mas sim trabalharem juntos.

00:15:49.046 --> 00:15:52.496
O que fazemos aqui é substituir algo
que costumava demandar de uma equipe

00:15:52.496 --> 00:15:54.688
de cinco ou seis pessoas
por cerca de sete anos

00:15:54.688 --> 00:15:57.203
com algo que leva apenas 15 minutos

00:15:57.203 --> 00:15:59.708
para uma pessoa só.

00:15:59.708 --> 00:16:03.658
Esse processo demanda
cerca de quatro ou cinco iterações.

00:16:03.658 --> 00:16:05.297
Podemos ver que agora temos 62%

00:16:05.297 --> 00:16:08.476
de nossas 1,5 milhão de fotos
classificadas corretamente.

00:16:08.476 --> 00:16:10.348
Neste ponto podemos rapidamente

00:16:10.348 --> 00:16:12.245
pegar seções inteiras

00:16:12.245 --> 00:16:14.804
e checar se não há erros.

00:16:14.804 --> 00:16:19.116
Ao encontramos erros, podemos deixar
o computador analisar.

00:16:19.116 --> 00:16:22.161
Usando esse tipo de processo
em cada um dos diferentes grupos,

00:16:22.161 --> 00:16:24.648
temos agora 80% de índice de sucesso

00:16:24.648 --> 00:16:27.063
classificando 1,5 milhão de fotos.

00:16:27.063 --> 00:16:29.141
Nesse ponto é só o caso de encontrar

00:16:29.141 --> 00:16:32.720
o pequeno número que ainda
não está classificado corretamente,

00:16:32.720 --> 00:16:35.608
e tentar entender o motivo.

00:16:35.608 --> 00:16:37.351
E com essa abordagem,

00:16:37.351 --> 00:16:41.472
em 15 minutos temos 97%
de índice de classificação.

00:16:41.472 --> 00:16:46.072
Então esse tipo de técnica nos permite
resolver um grande problema,

00:16:46.078 --> 00:16:49.114
que é a falta de competência
médica no mundo.

00:16:49.114 --> 00:16:52.603
O Fórum Econômico Mundial diz que há
escassez de algo entre 10 e 20 vezes

00:16:52.603 --> 00:16:55.227
de médicos no mundo em desenvolvimento,

00:16:55.227 --> 00:16:57.340
e que levaria cerca de 300 anos

00:16:57.340 --> 00:17:00.234
para treinar gente suficiente 
para resolver o problema.

00:17:00.234 --> 00:17:03.119
Imaginem conseguirmos
aumentar a eficiência

00:17:03.119 --> 00:17:05.958
usando essas abordagens 
de aprendizado profundo?

00:17:05.958 --> 00:17:08.190
Por isso estou empolgado
com as oportunidades.

00:17:08.190 --> 00:17:10.779
E estou preocupado com os problemas.

00:17:10.779 --> 00:17:13.903
O problema aqui é que cada área
em azul no mapa

00:17:13.903 --> 00:17:17.672
é um lugar onde os serviços correspondem
a mais de 80% dos empregos.

00:17:17.672 --> 00:17:19.459
O que são serviços?

00:17:19.459 --> 00:17:20.973
São estes.

00:17:20.973 --> 00:17:25.136
São também exatamente
o que os computadores aprenderam a fazer.

00:17:25.136 --> 00:17:28.931
Então, 80% dos empregos
no mundo no mundo desenvolvido

00:17:28.931 --> 00:17:31.463
é algo que computadores
já aprenderam a fazer.

00:17:31.463 --> 00:17:32.733
O que isso significa?

00:17:32.733 --> 00:17:35.296
Ficaremos bem. Serão substituídos
por outros empregos.

00:17:35.296 --> 00:17:38.013
Por exemplo serão mais empregos
para cientistas de dados.

00:17:38.013 --> 00:17:39.010
Na verdade não.

00:17:39.010 --> 00:17:42.018
Não leva muito tempo para cientistas
de dados fazerem isto.

00:17:42.018 --> 00:17:45.380
Por exemplo, os quatro algoritmos
foram construídos pela mesma pessoa.

00:17:45.380 --> 00:17:47.818
Então se pensar:
"Ah, isso já aconteceu antes",

00:17:47.818 --> 00:17:51.626
já vimos isso antes, 
quando coisas novas chegam

00:17:51.626 --> 00:17:53.878
e novos empregos aparecem,

00:17:53.878 --> 00:17:55.994
como serão estes novos empregos?

00:17:55.994 --> 00:17:57.865
É muito difícil estimar isso,

00:17:57.865 --> 00:18:00.604
porque o desempenho humano cresce
neste ritmo gradual,

00:18:00.604 --> 00:18:03.166
mas agora temos um sistema,
aprendizado profundo,

00:18:03.166 --> 00:18:06.393
que sabemos crescer em ritmo exponencial.

00:18:06.393 --> 00:18:07.998
E estamos aqui.

00:18:07.998 --> 00:18:10.059
Então hoje vemos as coisas ao redor

00:18:10.059 --> 00:18:12.735
e dizemos: "Oh, os computadores 
são tão burros". Certo?

00:18:12.735 --> 00:18:16.164
Mas em cinco anos os computadores
estarão fora deste gráfico.

00:18:16.164 --> 00:18:19.699
Então precisamos começar a pensar
nesta capacidade desde já.

00:18:19.699 --> 00:18:21.789
Já vimos isso antes, claro.

00:18:21.789 --> 00:18:23.326
Na Revolução Industrial,

00:18:23.326 --> 00:18:26.317
vimos uma mudança na capacidade
graças aos motores.

00:18:27.167 --> 00:18:30.305
Acontece que, as coisas foram
se nivelando.

00:18:30.305 --> 00:18:32.007
Houve distúrbio social,

00:18:32.007 --> 00:18:35.446
mas quando os motores foram usados
para gerar força em todas as situações

00:18:35.446 --> 00:18:37.150
as coisas se acalmaram.

00:18:37.800 --> 00:18:41.582
A Revolução do Aprendizado
de Máquina será bem diferente,

00:18:41.582 --> 00:18:44.969
porque ela nunca se acalma.

00:18:44.969 --> 00:18:48.164
Quanto mais as capacidades
intelectuais dos computadores melhorarem,

00:18:48.164 --> 00:18:52.362
mais eles podem construir
outros computadores, melhores nisso,

00:18:52.362 --> 00:18:54.270
então esse será um tipo de mudança

00:18:54.270 --> 00:18:56.748
que o mundo nunca teve antes,

00:18:56.748 --> 00:19:00.054
então sua compreensão anterior
do que é possível é diferente.

00:19:00.474 --> 00:19:02.254
Isso já está nos afetando.

00:19:02.254 --> 00:19:05.860
Nos últimos 25 anos,
como a produtividade de capital aumentou,

00:19:05.860 --> 00:19:10.088
a produtividade de mão de obra estacionou,
de fato até caiu um pouco.

00:19:10.908 --> 00:19:13.649
Então quero que comecemos
esta discussão já.

00:19:13.649 --> 00:19:16.356
Sei que quando conto isso para as pessoas,

00:19:16.356 --> 00:19:18.166
elas podem acabar desdenhando:

00:19:18.166 --> 00:19:19.839
"os computadores não sabem pensar,

00:19:19.839 --> 00:19:22.867
não se emocionam, não entendem poesia,

00:19:22.867 --> 00:19:25.108
não sabemos como eles funcionam".

00:19:25.108 --> 00:19:26.484
E daí?

00:19:26.484 --> 00:19:28.638
Hoje os computadores fazem coisas

00:19:28.638 --> 00:19:31.397
que passamos a maior parte
do tempo sendo pagos para fazer,

00:19:31.397 --> 00:19:33.653
então chegou a hora de pensar

00:19:33.653 --> 00:19:37.273
em como vamos ajustar nossas
estruturas sociais e econômicas

00:19:37.273 --> 00:19:39.355
para essa nova realidade.

00:19:39.355 --> 00:19:40.888
Obrigado.

00:19:40.888 --> 00:19:43.918
(Aplausos)