كيف تتعلم الحواسيب لتصبح مبدعة؟
-
0:01 - 0:04حسنا، أقود فريقاً في غوغل
يعمل في مجال الذكاء الاصطناعي؛ -
0:04 - 0:09بعبارة أخرى،
النظام الهندسي لصنع الحواسيب والأجهزة -
0:09 - 0:11القادرة علي القيام ببعض الأمور
التي يفعلها الدماغ. -
0:11 - 0:15وهذا مايجعلنا مهتمين بالدماغ الطبيعي
-
0:15 - 0:16وعلم الأعصاب علي حد سواء،
-
0:16 - 0:20ونهتم بشكل خاص
بالأمور التي تقوم بها أدمغتنا -
0:20 - 0:24والتي ما تزال متفوقة جداُ
علي أداء الحواسيب. -
0:25 - 0:29تاريخياً، كان الإدراك أحد تلك الأشياء،
-
0:29 - 0:32وهي العملية التي من خلالها
يمكن للأشياء المحيطة -- -
0:32 - 0:33كالأصوات والصور --
-
0:34 - 0:36أن تتحول إلي أفكار في العقل.
-
0:36 - 0:39وهذا أساسي لأدمغتنا،
-
0:39 - 0:41وأيضاً مفيد جداً في الحواسيب.
-
0:42 - 0:45خوارزميات الإدراك الآليه،
على سبيل المثال، التي يصنعها فريقنا، -
0:45 - 0:49هي مايجعل صورك على محرك بحث غوغل للصور
قابلة للبحث، -
0:49 - 0:50بناءً علي محتوياتها.
-
0:52 - 0:55الوجة الآخر للإدراك هو الإبداع:
-
0:55 - 0:58أن تحول مفهوماً ما إلى شئ
ملموس يهم العالم. -
0:58 - 1:02لذك خلال العام الماضي،
فإن عملنا في الإدراك الإصطناعي -
1:02 - 1:07قد اقترن على نحو غير متوقع
بالإبداع الآلي -
1:07 - 1:08والفن الآلي.
-
1:09 - 1:12أعتقد أن (مايكل أنجلو) كان يملك
بصيرةً نافذة -
1:12 - 1:16في هذه العلاقة الثنائية
بين الإدراك والإبداع. -
1:16 - 1:18هذه مقولة مشهورة نقلاً عنه:
-
1:18 - 1:21"كل كتلة حجرية تحمل في داخها تمثالاً
-
1:22 - 1:25ومهمة النحات هي أن يكتشفه".
-
1:26 - 1:29لذا أعتقد أن مايرمي اليه (مايكل أنجلو) هو
-
1:29 - 1:32أننا نبدع بمدى استيعابنا،
-
1:32 - 1:35وأن الإدراك ذاته هو عملية تخيل
-
1:36 - 1:38وهو أيضاً أداة الإبداع.
-
1:39 - 1:43العضو الذي يقوم
بكل التفكير والإستيعاب والتخيّل، -
1:43 - 1:44هو بالطبع، الدماغ.
-
1:45 - 1:48و أودّ أن أبدأ بنبذه تاريخية قصيرة
-
1:48 - 1:50عن ما نعرفه عن الدماغ.
-
1:50 - 1:53لأنه، خلافاً لمثلاً، القلب أو الأمعاء.
-
1:53 - 1:56لا يمكنك قول الكثير عن الدماغ
بمجرد النظر اليه، -
1:56 - 1:58على الأقل بالعين المجردة.
-
1:58 - 2:00علماء التشريج الأوائل
الذين نظروا في الدماغ -
2:00 - 2:04منحوا البنى السطحية للدماغ جميع
المصطلحات المبهرجة، -
2:04 - 2:07مثل الحصين، الذي يعني "الجمبري الصغير."
-
2:07 - 2:09وبالطبع هذا النمط من الأمور
لا يخبرنا بالكثير -
2:09 - 2:12عن ما يحدث في الداخل.
-
2:13 - 2:16أعتقد بحق، أن أول من قام بتكوين
نوع من البصيرة -
2:16 - 2:18عما يحدث داخل الدماغ
-
2:18 - 2:22كان عالم تشريح الأعصاب العظيم
(سانتياغو رامون كاخال)، -
2:22 - 2:24في القرن التاسع عشر،
-
2:24 - 2:28و الذي استخدم المجهر وأصبغة خاصة
-
2:28 - 2:32و التي كان بإمكانها أن تملأ الخلايا
المفردة في الدماغ -
2:32 - 2:34بتباينٍ شديد الوضوح،
-
2:34 - 2:37من أجل البدء بفهم تكوينها الشكلي.
-
2:38 - 2:41و هذه هي أنواع الرسومات التي ابتكرها من
الخلايا العصبية -
2:41 - 2:42في القرن التاسع عشر.
-
2:42 - 2:44هذا من دماغ طائر.
-
2:44 - 2:47ويمكنك رؤية التنوع الرائع لمختلف
أنواع الخلايا، -
2:47 - 2:51حتى النظرية الخلوية نفسها كانت حديثة العهد
في تلك المرحلة. -
2:51 - 2:52وهذه البنى،
-
2:52 - 2:54هذه الخلايا التي لديها هذه التغصنات
النهائية، -
2:54 - 2:57هذه التفرعات التي يمكنها أن تتمدد لمسافات
طويلة جداً جداً -
2:57 - 2:59كان أمراً غير مألوف في تلك الحقبة.
-
2:59 - 3:02بالطبع، إنها أسلاك حافلة بالذكريات،.
-
3:02 - 3:05قد يبدو الأمر واضحاً للبعض في القرن 19؛
-
3:05 - 3:10ثورة الأسلاك و الكهرباء كانت
لا تزال قيد البناء. -
3:10 - 3:11لكن في العديد من النواحي،
-
3:11 - 3:14كانت هذه الرسومات المجهرية ل(رامون كاخال)
كهذه الرسمة، -
3:15 - 3:17كانت لا تزال بشكل ما متعثرة الخطى.
-
3:17 - 3:19ولا نزال بعد أكثر من قرن،
-
3:19 - 3:22نحاول إنهاء المهمة التي بدأها
(رامون كاخال). -
3:22 - 3:25هذه بيانات خام من مساعدينا
-
3:25 - 3:28في معهد ماكس بلانك لعلم الأعصاب.
-
3:28 - 3:29وما فعله مساعدونا
-
3:29 - 3:34هو رسم أجزاء صغيرة من نسيج دماغي.
-
3:34 - 3:38حجم العينة الكاملة هنا حوالي ميليميتر
مكعب واحد، -
3:38 - 3:40هنا أريكم جزءاً صغيراً جداً جداً منها.
-
3:40 - 3:43طول الخط الموجود إلى اليسار
حوالي مايكرون واحد. -
3:43 - 3:45البنى التي ترونها هي الجسيمات الكوندرية
(ميتوكوندريا) -
3:45 - 3:47و هي بحجم الباكتريا.
-
3:47 - 3:49و هذه شرائح متلاحقة
-
3:49 - 3:52خلال كتلة النسيج هذه المتناهية في الصغر.
-
3:52 - 3:55و على سبيل المقارنة فقط،
-
3:55 - 3:58فإن قطر خصلة شعر عادية حوالي 100 مايكرون.
-
3:58 - 4:01و بهذا فإننا ننظر إلى شئ أصغر بكثيرٍ جداً
-
4:01 - 4:02من خصلة شعر واحدة.
-
4:02 - 4:06و من خلال هذه الأنواع من الشرائح
المأخوذة بمجهر إلكتروني تسلسلي، -
4:06 - 4:11يمكن للمرء أن يبدأ العمل على إعادة بناء
نموذج ثلاثي الأبعاد لخلية عصبية تبدو كهذه. -
4:11 - 4:14إذاً هذه أنماط مشابهة نوعاً ما لتلك التي
لدى (رامون كاخال). -
4:14 - 4:16و قد ظهرت بضع خلايا عصبية فقط،
-
4:16 - 4:19و إلا ما كنا لنستطيع أن نرى أي شيء هنا.
-
4:19 - 4:20كانت لتبدو شديدة الإزدحام،
-
4:20 - 4:21غنية بالتركيب،
-
4:21 - 4:24و الوصلات التي تربط الخلايا العصبية
ببعضها البعض. -
4:25 - 4:28بهذا كان (رامون كاخال) سابقاً
لعصره بعض الشيء، -
4:28 - 4:31و متقدماً في فهمه للدماغ
-
4:31 - 4:33تابع ببطئ خلال العقود اللاحقة.
-
4:33 - 4:36و لكننا علمنا أن الخلايا العصبية
استخدمت الكهرباء، -
4:36 - 4:39و بحلول الحرب العالمية الثانية، تطورت
تقنياتنا على نحو كافٍ -
4:39 - 4:42للبدء بإجراء تجارب كهربائية فعلية على
خلايا عصبية حية -
4:42 - 4:44من أجل زيادة فهمنا لكيفية عملها.
-
4:45 - 4:49و في ذات الفترة تماماً بدأ
اختراع الحواسيب. -
4:49 - 4:52و قد اعتمدت الفكرة إلى حد كبير على نمذجة
الدماغ -- -
4:52 - 4:55"الآلة الذكية،" كما أطلق
عليها (ألان تورينغ)، -
4:55 - 4:57أحد آباء علم الحاسوب.
-
4:58 - 5:03اتطلع (وارن ماكولوكش) و(والتر بيتس) على
رسومات (رامون كاخال) -
5:03 - 5:04لمنطقة القشرة البصرية،
-
5:04 - 5:05التي أعرضها هنا.
-
5:06 - 5:10هذه هي القشرة التي تقوم بمعالجة
الصور القادمة من العين. -
5:10 - 5:14و بالنسبة لهما، بدا هذا كمخطط
دارة كهربائية. -
5:14 - 5:18و بهذا ثمة الكثير من التفاصيل في مخطط
الدارة لكل من (ماكولوتش) و(بيتس) -
5:18 - 5:20ليست صحيحة تماماً.
-
5:20 - 5:21لكن هذه الفكرة الأساسية
-
5:21 - 5:25أن القشرة الدماغية البصرية تعمل كسلسلة من
العناصر الحاسوبية -
5:25 - 5:28التي تمرر المعلومات من عنصر إلى التالي
بتسلسل، -
5:28 - 5:29هي فكرة صحيحة أساساً.
-
5:29 - 5:32دعونا نتكلم لبرهة
-
5:32 - 5:36عن النموذج المطلوب من أجل معالجة
المعلومات البصرية. -
5:36 - 5:39المهمة الأساسية للإدراك
-
5:39 - 5:43هي أخذ صورة كهذه والقول،
-
5:43 - 5:44"ذلك طائر،"
-
5:44 - 5:47و هو أمر في غاية السهولة بالنسبة لنا
باستخدام أدمغتنا. -
5:47 - 5:51و لكن ما عليكم أن تفهموه هو
أنه بالنسبة لحاسوب، -
5:51 - 5:54فإن هذا الأمر كان من المحال تحقيقه قبل
بضعة سنوات قليلة. -
5:54 - 5:56لم يكن نموذج الحاسوب التقليدي
-
5:56 - 5:58واحداً يمكن من خلاله تحقيق هذه المهمة
بسهولة. -
5:59 - 6:02إذاً إن ما يحدث بين نقاط البيكسل،
-
6:02 - 6:06بين صورة الطائر، و كلمة "طائر،"
-
6:06 - 6:09أساساً هو مجموعة من العصبونات
المرتبطة ببعضها -
6:09 - 6:10ضمن شبكة عصبونية،
-
6:10 - 6:11كما أعرضها هنا.
-
6:11 - 6:15يمكن لهذه الشبكة العصبونية أن تكون حيوية،
ضمن القشرة الدماغية البصرية، -
6:15 - 6:17أو، حالياً، نبدأ العمل على إمكانية
-
6:17 - 6:19نمذجة شبكات عصبونية مماثلة في الحاسوب.
-
6:20 - 6:22و سوف أريكم حقيقة كيف تبدو تلك الشبكات.
-
6:22 - 6:26إذاً يمكنك تصور نقاط البيكسل كطبقة أولى من
العصبونات، -
6:26 - 6:28و هذا، في الواقع، كيفية عملها في العين --
-
6:28 - 6:30تلك هي العصبونات في الشبكية.
-
6:30 - 6:31و تلك العصبونات تلقم الإشارة
-
6:31 - 6:35داخل طبقة بعد طبقة أخرى، بعد طبقة أخرى
من العصبونات، -
6:35 - 6:38جميعها مرتبطة بواسطة مشابك ذات أوزان
مختلفة. -
6:38 - 6:39إن سلوك هذه الشبكة
-
6:39 - 6:42تتميز عن طريق قوة جميع تلك المشابك.
-
6:42 - 6:46و هذه تميز السمات الحسابية لهذه الشبكة.
-
6:46 - 6:47وبنهاية المطاف،
-
6:47 - 6:50يغدو لديك عصبون أو مجموعة صغيرة من
العصبونات -
6:50 - 6:51التي تضيء، كلمة، "طائر."
-
6:52 - 6:55سأقوم الآن بتمثيل تلك الأمور الثلاث --
-
6:55 - 7:00المدخلات بيكسلات والمشابك في الشبكة
العصبية، -
7:00 - 7:01و طائر، المخرجات --
-
7:01 - 7:04تحدد بمتغيرات ثلاث: x وw وy
-
7:05 - 7:07ربما ثمة مليون أو نحو ذلك من المتغير x
-
7:07 - 7:09مليون بيكسل في تلك الصورة.
-
7:09 - 7:11ثمة مليونات أو ترليونات من المتغير w،
-
7:11 - 7:15التي تمثل وزن جميع هذه المشابك في الشبكة
العصبية. -
7:15 - 7:16و يوجد كم ضئيل من المتغير y،
-
7:16 - 7:18من المخرجات التي تمتلكها الشبكة.
-
7:18 - 7:20"طائر" هي كلمة من أربعة أحرف، صحيح؟
-
7:21 - 7:25إذاً دعونا نتظاهر بأن هذه مجرد معادلة
بسيطة، -
7:25 - 7:27x" x" w = y.
-
7:27 - 7:29أضع التكرار ضمن إشارتي اقتباس مخيفتين
-
7:29 - 7:31لأن ما يحدث بالفعل هناك، بالطبع،
-
7:31 - 7:34عبارة عن سلاسل معقدة من العمليات الحسابية
الرياضية. -
7:35 - 7:36تلك معادلة واحدة.
-
7:36 - 7:38يوجد ثلاثة متغيرات.
-
7:38 - 7:41و جميعنا نعلم أنه عندما يكون
لدينا معادلة واحدة، -
7:41 - 7:45يمكنكم حل أحد المتغيرات بمعرفة
المتغيرين الآخرين. -
7:45 - 7:49لذلك فإن مشكلة الاستدلال،
-
7:49 - 7:51هي أن نعلم أن صورة الطائر هي طائر،
-
7:51 - 7:53هي هذه:
-
7:53 - 7:56هي أن المتغير y مجهول، والمتغيرين w و x
معلومان. -
7:56 - 7:59أنتم تعرفون الشبكات العصبية، تعرفون
البيكسلات. -
7:59 - 8:02كما ترون، تلك هي مشكلة بسيطة نسبياً.
-
8:02 - 8:04تضاعفون مرتين بثلاث وتنتهون.
-
8:05 - 8:07سأريكم شبكة عصبية اصطناعية
-
8:07 - 8:09قمنا ببنائها مؤخراً، بنفس الأسلوب تماماً.
-
8:10 - 8:12تعمل بالزمن الحقيقي على الهاتف المحمول،
-
8:13 - 8:16و هذا، بالطبع، أمر رائع بحد ذاته،
-
8:16 - 8:19الهاتف النقال يستطيع القيام بمليارات
بل ترليونات العمليات -
8:19 - 8:21بالثانية.
-
8:21 - 8:22ما تنظر اليه هو هاتف
-
8:22 - 8:26تنظر لصورة تلو الأخرى لطائر،
-
8:26 - 8:29وفي الحقيقية، لا تقول فقط "نعم، إنه طائر"
-
8:29 - 8:32بل تميّز نوع الطائر بشبكة من هذا النوع.
-
8:33 - 8:35اذاً في تلك الصورة،
-
8:35 - 8:39ال x وw معروفان، بينما y غير معروفة.
-
8:39 - 8:41أنا أموه حول الجزء الصعب كما ترون
-
8:41 - 8:45اذاً كيف من الممكن أن نميز w،
-
8:45 - 8:47الدماغ الذي يستطيع القيام بشيء كهذا؟
-
8:47 - 8:49كيف يمكننا تعلم هذا النموذج؟
-
8:49 - 8:53إذاً عملية التعليم هذه، لحل w
-
8:53 - 8:55اذا ما كنا نقوم بهذا بمساعدة
المعادلة البسيطة -
8:55 - 8:57والتي نعامل فيها هذه الأحرف كأرقام،
-
8:57 - 9:00نستطيع فهم ذلك تماماً 6 = 2 x w
-
9:00 - 9:03حسناً نقسم على اثنين وانتهينا.
-
9:04 - 9:06المشكلة ستكون بهذه العملية.
-
9:07 - 9:08اذاً، القسمة --
-
9:08 - 9:11استخدمنا القسمة ، لأنها عكس الضرب،
-
9:11 - 9:13لكن كما قلت،
-
9:13 - 9:15الضرب هو كذبة صغيرة هنا.
-
9:15 - 9:18هذه العملية معقدة للغاية، وهي
عملية غير خطية -
9:18 - 9:20وليس لديها معكوس.
-
9:20 - 9:23اذاً ،علينا إيجاد طريقة لحل هذه المعادلة
-
9:23 - 9:25بدون عملية قسمة.
-
9:25 - 9:28والطريقة للقيام بذلك غير واضحة
نوعاً ما. -
9:28 - 9:30لنقل، دعونا نقوم بلعبة جبرية ما
-
9:30 - 9:33ولننقل الرقم ستة الى الجانب اليميني
من المعادلة. -
9:33 - 9:35الأن، مازلنا نستخدم عملية الضرب.
-
9:36 - 9:39وذلك الصفر -- لنفكر به كأنه خطأ ما.
-
9:39 - 9:42بعبارة أخرى، إذا حلينا المعادلة ل w
بالطريقة الصحيحة، -
9:42 - 9:43اذاً سيكون الخطأ صفراً.
-
9:43 - 9:45واذا لم نحلها حلاً صحيحاً،
-
9:45 - 9:47سيكون الخطأ أكبر من الصفر.
-
9:47 - 9:51الأن سوف نخمن حتى يكون الخطأ أصغر،
-
9:51 - 9:53وهذا هو الشيء الذي تبرع فيه
أجهزة الحاسوب جداً. -
9:53 - 9:55اذاً، لناخذ تخميناً أولياً:
-
9:55 - 9:56مائا لو w=0 ؟
-
9:56 - 9:57إذاً، الخطأ سيكون 6.
-
9:57 - 9:59ماذا لو W=1 ؟ إذاً الخطأ 4 .
-
9:59 - 10:01ومن ثم يستطيع الحاسوب أن
يلعب (ماركو بولو)، -
10:01 - 10:04حتى يقوم بإنقاص الخطأ الى الصفر.
-
10:04 - 10:07وبينما يفعل ذلك، فهو يحصل على قيمة
تقريبة متعاقبة ل w. -
10:07 - 10:11بالعادة ،لايصل الى هذه القيمة بسرعة
لكن بعد الكثير من الخطوات، -
10:11 - 10:15نصل لحوالي w = 2.999
وهي قيمة تقريبية كافية. -
10:16 - 10:18وهذه هي العملية التعليمية.
-
10:18 - 10:21اذاً تذكر ما كان يجري هنا
-
10:21 - 10:25كنا نقوم باخذ الكثير من قيم x و y
المعلومة -
10:25 - 10:29ونقوم بحل w خلال عمليات متعاقبة.
-
10:29 - 10:32تماماً هي نفس الطريقة التي نتعلم بها.
-
10:32 - 10:35تستصحب أذهاننا الكثير من صور فترة الطفولة
-
10:35 - 10:37ويُقال لنا "هذا طائر،
ليس هذا طائراً." -
10:38 - 10:40ومع مرور الوقت، ومع التكرار،
-
10:40 - 10:43نحل الw نقوم بالحل عن طريق
تلك الوصلات العصبية. -
10:43 - 10:48اذاً الأن، لدينا x و y كقيم ثابتة
لكي نحل y ، -
10:48 - 10:49هذا ككل يوم، تصور سريع.
-
10:49 - 10:51نكتشف كيف نستطيع إيجاد الحل ل w،
-
10:51 - 10:53ذلك هو التعلم، وهو الأكثر صعوبة،
-
10:53 - 10:55لأننا نحتاج إلى تصغير الخطأ،
-
10:55 - 10:57باستخدام الكثير من أمثلة التعلم،
-
10:57 - 11:00ومنذ حوالي السنة، أحد أعضاء
فريقنا (أليكس ماريفينسف)، -
11:00 - 11:04قرر أن يجرب ماذا سيحدث إذا ما حاولنا
حل المعادلة لأجل x، -
11:04 - 11:06بإعطاء قيمة معلومة ل w و y .
-
11:06 - 11:07بعبارة أخرى،
-
11:07 - 11:09أنت تعرف أنه طائر،
-
11:09 - 11:12وتتمتع مسبقاً بشبكة عصبية دربتها
على أن الذي أمامك طائر، -
11:12 - 11:14لكن ما الذي تبدو عليه صورة الطائر؟
-
11:15 - 11:20اتضح أنه باستخدام نفس عملية
تقليل الخطأ، -
11:20 - 11:24نستطيع فعل المثل عن طريق الشبكة المدربة
على التعرف على الطيور، -
11:24 - 11:27واتضح أن النتيجة ستكون ...
-
11:30 - 11:32صورة لطيور.
-
11:33 - 11:37هذه صورة لطائر تم توليدها كلياً
بواسطة شبكة عصبية -
11:37 - 11:38والتي دُربت لتتعرف على الطيور.
-
11:38 - 11:42فقط بحل بالنسبة ل x بدل الحل بالنسبة ل y.
-
11:42 - 11:43وبالقيام بتلك التكرارات.
-
11:44 - 11:46هنا مثال مسلي آخر.
-
11:46 - 11:49هذا العمل صنعه (مايك تايكو) من فريقنا،
-
11:49 - 11:51والذي يدعوه "موكب الحيوانات".
-
11:51 - 11:54ويذكرني قليلاً بأعمال (وليام كينتردوغ)
الفنية، -
11:54 - 11:57حيث يقوم برسم نماذج، ثم يقوم بتحريكها،
-
11:57 - 11:58يرسم النماذج، ويحركها،
-
11:58 - 12:00ويصنع فلم بهذه الطريقة.
-
12:00 - 12:01في هذه الحالة،
-
12:01 - 12:04مايقوم به (مايك) هو تغيير y عبر مساحة
متباينة من الحيوانات، -
12:04 - 12:07ضمن شبكة مصصمة، لكي تميز وتعرف
-
12:07 - 12:08الحيوانات المختلفة عن بعضها البعض.
-
12:08 - 12:12وستحصل على هذا الشكل الغريب
من حيوان لآخر، -
12:14 - 12:19هو و(ألكس) حاولا تقليل
-
12:19 - 12:22ال y الى مساحة بعدين فقط،
-
12:22 - 12:25مما سمح لهما بصنع خريطة
من مساحة كل الأشياء -
12:25 - 12:27المُتعرف عليها من قبل هذه الشبكة.
-
12:27 - 12:29بالقيام بهذا النوع من التركيب
-
12:29 - 12:31أو توليد صورة من ذلك السطح الكامل،
-
12:31 - 12:34بتغيير y عبر ذلك السطح، ستحصل على
خريطة نوعاً ما -- -
12:34 - 12:37خريطة بصرية من كل الأشياء
التي تستطيع الشبكة تمييزها. -
12:37 - 12:40الحيوانات كلها موجودة هنا، و"أرمانديلو"
في البقعة المناسبة. -
12:41 - 12:43وتستطيع القيام بذلك مع أنواع آخرى
من الشبكات أيضاً. -
12:43 - 12:46هذه الشبكة مصممة لمعرفة الوجوه،
-
12:46 - 12:48لتميز كل وجه عن الآخر.
-
12:48 - 12:52وهنا نقوم بوضع ال y التي تقول "أنا،"
-
12:52 - 12:53مقاييس وجهي الخاصة.
-
12:53 - 12:55وعندما تُحل هذه الشبكة بالنسبة لx،
-
12:55 - 12:58بالأحرى تولد هذا الجنون،
-
12:58 - 13:02صورة تكعيبية، وسريالية، وغريبة لي
-
13:02 - 13:04من عدة وجهات نظر في نفس الوقت.
-
13:04 - 13:07والسبب في تكوينها من عدة وجهات
نظر في نفس الوقت -
13:07 - 13:10هو أن هذه الشبكة صُممت
لكي تتخلص من الغموض -
13:10 - 13:13الذي يلحق بالوجوه من وضعية تصوير لآخرى،
-
13:13 - 13:16وبالنظر من وضع إضاءة الى آخر.
-
13:16 - 13:18إذاً حتى تقوم بهذا النوع من إعادة التكوين،
-
13:18 - 13:21اذا لم تستخدم نوع من الصور الدليلية
-
13:21 - 13:22أو دليل إحصائي،
-
13:22 - 13:26حينها ستحصل على قليل من الإرتباك
من نقاط مختلفة، -
13:26 - 13:27لأنه غامض.
-
13:28 - 13:32هذا ما سيحصل إذا استخدم (أليكس)
وجهه كصورة دليلية -
13:32 - 13:35خلال عملية إعادة تكوين وجهي.
-
13:36 - 13:39سترون بأنها ليست مثالية.
-
13:39 - 13:41وما يزال هناك الكثير من العمل لنقوم به
-
13:41 - 13:43لتحسين عملية إعادة التكوين هذه.
-
13:43 - 13:46لكن بدأنا بالحصول على شيء
يشبه الوجه المتماسك، -
13:46 - 13:48وذلك باستخدام وجهي كدليل.
-
13:49 - 13:51ليس عليك البدء بقماش فارغ
-
13:51 - 13:53أو ضوضاء بيضاء.
-
13:53 - 13:54بحل المعادلة بالنسبة لx
-
13:54 - 13:58تستطيع البدء بx
والتي هي نفسها صورة ما مسبقاً. -
13:58 - 14:00هذا هو هذا المنظر الصغير.
-
14:00 - 14:05هذه شبكة مُصممة لكي تصنف
-
14:05 - 14:08العديد من الأشياء المختلفة
أشخاص، أشكال، حيوانات ... -
14:08 - 14:10هنا، بدأنا بصورة للغيوم،
-
14:10 - 14:12وبينما نقوم بعملية الاستمثال،
-
14:12 - 14:17أساساً، هذه الشبكة تميز ما تراه
بين الغيوم. -
14:17 - 14:19وكلما استغرقت بالنظر الى هذا،
-
14:19 - 14:22سترى المزيد من الأشياء بين الغيوم
-
14:23 - 14:26تستطيع أيضاً استخدام شبكة الوجوه
لكي تهلوس الى هذا، -
14:26 - 14:28وستحصل على أشياء مجنونة جداً.
-
14:28 - 14:29(ضحك)
-
14:30 - 14:33أو، أجرى (مايك) تجارب أخرى
-
14:33 - 14:37حيث يأخذ صورة الغيمة هذه،
-
14:37 - 14:41يهلوسها ويكبرها، يهلوسها ويكبرها،
يهلوسها ويكبرها. -
14:41 - 14:42وبهذه الطريقة،
-
14:42 - 14:45نستطيع الحصول على حالة من الضباب
لهذه الشبكة كما أعتقد، -
14:46 - 14:49أو نوعاً ما من المجمعات الحرة،
-
14:49 - 14:51حيث تقوم الشبكات بتدمير نفسها.
-
14:51 - 14:55إذاً كل صورة هي الأساس لما
-
14:55 - 14:56"ما الذي أعتقد أني سأراه بعدها؟
-
14:56 - 14:59مالذي أعتقد أني سأراه بعدها؟
مالذي أعتقد أني سأراه بعدها؟ -
14:59 - 15:02عرضت هذا لأول مرة على الملأ
-
15:02 - 15:08لمجموعة خلال محاضرة في سياتل
تحت عوان (التعليم العالي) -- -
15:08 - 15:10كان هذا مباشرة بعد إجازة الماريجونا.
-
15:10 - 15:13(ضحك)
-
15:15 - 15:17إذاً، أريد أن أختم سريعاً
-
15:17 - 15:21بالإشارة الى أن هذه التكنولوجيا غير مقيدة
-
15:21 - 15:25لقد أريتكم أمثلة بصرية بحتة
لأنه من الممتع النظر اليها -
15:25 - 15:27لكنها ليست تقنية بصرية بحتة.
-
15:27 - 15:29الفنان المتعاون معنا، (روس غوردن)
-
15:29 - 15:33قام بتجارب، تتضمن كاميرا تقوم بأخذ صورة،
-
15:33 - 15:37ثم حاسوب في حقيبة ظهره يقوم بكتابة
قصيدة باستخدام الشبكات العصبية، -
15:37 - 15:39وذلك استناداً على محتوى الصورة.
-
15:39 - 15:42وقد دُربت الشبكة العصبية الشعرية
-
15:42 - 15:44على أشعار كثيرة من القرن العشرين.
-
15:44 - 15:46والشعر كما تعلمون،
-
15:46 - 15:48كما أعتقد، هذا ليس سيئاً في الواقع.
-
15:48 - 15:49(ضحك)
-
15:49 - 15:50في الختام،
-
15:50 - 15:53أعتقد أن (مايكل أنجيلو)،
-
15:53 - 15:54كان على حق،
-
15:54 - 15:57الإدراك والإبداع مرتبطان ارتباطاً وثيقاً.
-
15:58 - 16:00ما رأيناه للتو هو شبكات عصبية،
-
16:00 - 16:03مُدربة كلياً لكي تميز،
-
16:03 - 16:05أو للتعرف على الأشياء المختلفة
في هذا العالم، -
16:05 - 16:08وقادرة على العمل في الإتجاه
المعاكس، لتولد. -
16:08 - 16:10وأحد الأشياء التي اقترحت لي
-
16:10 - 16:12ليس فقط ما رأه (مايكل أنجيلو)
-
16:12 - 16:15المنحوتة في قطعة الحجر،
-
16:15 - 16:18لكن أي مخلوق، أي كائن، أي فضائي
-
16:18 - 16:22يستطيع أن يقوم بأعمال حسية من هذا النوع
-
16:22 - 16:23هو قادر أيضاً على التكوين
-
16:23 - 16:27لأنها نفس الآلية المستخدمة في الحالتين.
-
16:27 - 16:31كذلك، أعتقد أن الإدراك والإبداع
لا يعنيان بالضرورة -
16:31 - 16:33إنسان على نحو مميز.
-
16:33 - 16:36بدأنا باختراع حواسيب تقوم
بنفس هذه الأشياء. -
16:36 - 16:40ومن المفترض أن لا يكون ذلك مفاجئاً؛
فالدماغ في الأساس حسابي. -
16:40 - 16:41وأخيراً،
-
16:41 - 16:46بدأت الحوسبة كتدريب لتطويرألات ذكية.
-
16:46 - 16:48وتم تغييرها على نحو كبير بعد فكرة
-
16:48 - 16:51كيف نستطيع جعل الآلات ذكية.
-
16:52 - 16:54وأخيراً، بدأنا نوفي
-
16:54 - 16:56ببعض وعود أولئك الرعيل الأول،
-
16:56 - 16:58ل(تورينج) و(فون نيومان)
-
16:58 - 17:00و(مكولوتش) و(بيتس).
-
17:00 - 17:04وأعتقد أن الحوسبة لا تتعلق فقط بالحساب
-
17:04 - 17:06أو لعب الكاندي كراش أو شيء ما.
-
17:06 - 17:09من البداية، قمنا بأخذ أدمغتنا كنموذج.
-
17:09 - 17:12وأعطانا ذلك القابلية لفهم أدمغتنا
فهماً أفضل -
17:12 - 17:14ومدّها.
-
17:15 - 17:16شكراً جزيلاً لكم.
-
17:16 - 17:22(تصفيق)
- Title:
- كيف تتعلم الحواسيب لتصبح مبدعة؟
- Speaker:
- بليز أوغيرا إي أركاس
- Description:
-
نحن نقف على تخوم عهد جديد من الفن والإبداع -- وهو غير متعلق بالإنسان. يعمل العالم الرئيسي في غوغل (بليز أوغيرا إي أركاس) على شبكات عصبية عميقة للإدراك الصناعي والتعليم الموزّع. في هذا العرض الأسر، يعرض كيف أن الشبكات العصبية المدرّبة على التعرف على الصور يمكن جعلها تعمل على نحو عكسي لتوليد هذه الصور. النتيجة هي ملصقات فنية-وقصائد- باهرة وهذيانية والتي تتحدى التصنيف. يقول (بليز أوغيرا إي أركاس) "الإدراك والإبداع مترابطان على نحو وثيق" كما يواصل "أي مخلوق، أي كائن قادر على الإتيان بأفعال حسية، قادر كذلك على التكوين."
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 17:34
Mahmoud Aghiorly approved Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb accepted Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb edited Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb edited Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb edited Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb edited Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb edited Arabic subtitles for How we're teaching computers to be creative | ||
Riyad Altayeb edited Arabic subtitles for How we're teaching computers to be creative |