So, I lead a team at Google that works on machine intelligence; in other words, the engineering discipline of making computers and devices able to do some of the things that brains do. And this makes us interested in real brains and neuroscience as well, and especially interested in the things that our brains do that are still far superior to the performance of computers.
ผมเป็นหัวหน้าทีมที่กูเกิล ซึ่งทำงานเกี่ยวกับปัญญาประดิษฐ์ ซึ่งก็คือ สาขาหนึ่งทางวิศวกรรม ที่สร้างคอมพิวเตอร์ และอุปกรณ์ต่าง ๆ ให้สามารถทำสิ่งที่สมองทำได้ และมันจึงทำให้พวกเรา รู้สึกสนใจสมองจริง ๆ แล้วก็ประสาทวิทยาศาสตร์ด้วย และโดยเฉพาะอย่างยิ่ง เราสนใจสิ่งที่สมองของพวกเราทำ ที่ยังคงมีสมรรถนะเหนือกว่า คอมพิวเตอร์อย่างเทียบไม่ได้
Historically, one of those areas has been perception, the process by which things out there in the world -- sounds and images -- can turn into concepts in the mind. This is essential for our own brains, and it's also pretty useful on a computer. The machine perception algorithms, for example, that our team makes, are what enable your pictures on Google Photos to become searchable, based on what's in them. The flip side of perception is creativity: turning a concept into something out there into the world. So over the past year, our work on machine perception has also unexpectedly connected with the world of machine creativity and machine art.
ในอดีต หนึ่งในนั้นคือการรับรู้ กระบวนการที่ซึ่ง สิ่งต่าง ๆ ในโลกแห่งความเป็นจริง อย่างเช่น เสียงและภาพ สามารถแปรเปลี่ยน เป็นแนวคิดต่าง ๆ ในจิตใจ นี่คือสิ่งสำคัญสำหรับสมองของพวกเรา และมันยังค่อนข้างมีประโยชน์ ต่อคอมพิวเตอร์อีกด้วย อัลกอริธึมการรับรู้ของจักรกล อย่างเช่นที่ทีมของเราสร้างนั้น เป็นอะไรที่ทำให้ภาพของคุณ สามารถถูกค้นหาได้บน Google Photos ขึ้นอยู่กับว่าในภาพนั้นมีอะไรอยู่ อีกแง่มุมหนึ่งของการรับรู้ ก็คือความคิดสร้างสรรค์ ซึ่งเป็นการเปลี่ยนแนวคิด ให้เป็นบางสิ่งที่เกิดขึ้นจริง ช่วงปีที่ผ่านมา งานของพวกเรา เกี่ยวกับการรับรู้ของเครื่องจักร จึงมีความเชื่อมโยงอย่างไม่คาดคิด กับโลกของความสร้างสรรค์ของเครื่องจักร และศิลปะของเครื่องจักรอีกด้วย
I think Michelangelo had a penetrating insight into to this dual relationship between perception and creativity. This is a famous quote of his: "Every block of stone has a statue inside of it, and the job of the sculptor is to discover it." So I think that what Michelangelo was getting at is that we create by perceiving, and that perception itself is an act of imagination and is the stuff of creativity.
ผมคิดว่าไมเคิลเเองเจลโล มีวิสัยทัศน์ที่เฉียบแหลม ในเรื่องความสัมพันธ์ระหว่าง การรับรู้และความคิดสร้างสรรค์ นี่คือถ้อยคำที่โด่งดังของเขา "ในหินทุกก้อนมีรูปปั้นอยู่ภายใน และหน้าที่ของปฏิมากร ก็คือการค้นหามันให้เจอ" ดังนั้น ผมคิดว่า สิ่งที่ไมเคิลเเองเจลโลหมายถึงก็คือ เราสร้างสรรค์จากการรับรู้ และการรับรู้นั้นเอง ก็เป็นผลลัพธ์จากการจินตนาการ และความคิดสร้างสรรค์
The organ that does all the thinking and perceiving and imagining, of course, is the brain. And I'd like to begin with a brief bit of history about what we know about brains. Because unlike, say, the heart or the intestines, you really can't say very much about a brain by just looking at it, at least with the naked eye. The early anatomists who looked at brains gave the superficial structures of this thing all kinds of fanciful names, like hippocampus, meaning "little shrimp." But of course that sort of thing doesn't tell us very much about what's actually going on inside.
อวัยวะที่ทำทั้ง การคิด และ การรับรู้ และการจินตนาการ แน่นอน มันคือสมอง และผมอยากที่จะเริ่มต้น ด้วยการพูดถึงประวัติศาสตร์คร่าว ๆ เกี่ยวกับสิ่งที่พวกเรารู้เกี่ยวกับสมอง เนื่องมันต่างจากหัวใจหรือลำไส้ เราไม่สามารถบอกอะไรได้มากนัก เกี่ยวกับสมองโดยแค่มองดูจากภายนอก อย่างน้อยก็การมองด้วยตาเปล่า นักกายวิภาคศาสตร์รุ่นบุกเบิกผู้ศึกษาสมอง ได้ตั้งชื่อประหลาด ๆ ให้กับ เหล่าโครงสร้างภายนอก เช่น ฮิปโปแคมปัส แปลว่า กุ้งจิ๋ว แต่แน่นอนว่าสิ่งเหล่านั้น ไม่ได้บอกอะไรเรามากนัก เกี่ยวกับสิ่งที่เกิดขึ้นจริง ๆ ภายในสมอง
The first person who, I think, really developed some kind of insight into what was going on in the brain was the great Spanish neuroanatomist, Santiago Ramón y Cajal, in the 19th century, who used microscopy and special stains that could selectively fill in or render in very high contrast the individual cells in the brain, in order to start to understand their morphologies. And these are the kinds of drawings that he made of neurons in the 19th century.
ผมคิดว่าบุคคลแรกที่ได้พัฒนา ความเข้าใจอย่างลึกซึ้ง ในสิ่งที่เกิดขึ้นจริง ๆ ในสมอง ก็คือ ซานเตียโก รามอน อี กาฮาล นักประสาทกายวิภาคศาสตร์ชาวสเปน ในศตวรรษที่ 19 เขาได้ใช้กล้องจุลทรรศน์และสีย้อมพิเศษ ที่สามารถเลือกเติมเต็ม หรือแสดงผลแต่ละเซลล์ภายในสมอง ที่ความคมชัดสูงได้ เพื่อที่จะให้เข้าใจถึงสัณฐานวิทยาของมัน และนี่คือลักษณะภาพวาดของเขา ที่สร้างขึ้นจากเซลล์ประสาท ในศตวรรษที่ 19
This is from a bird brain. And you see this incredible variety of different sorts of cells, even the cellular theory itself was quite new at this point. And these structures, these cells that have these arborizations, these branches that can go very, very long distances -- this was very novel at the time. They're reminiscent, of course, of wires. That might have been obvious to some people in the 19th century; the revolutions of wiring and electricity were just getting underway. But in many ways, these microanatomical drawings of Ramón y Cajal's, like this one, they're still in some ways unsurpassed.
ภาพนี้สร้างขึ้นจากสมองนก และคุณถึงเห็นความหลากหลาย ที่น่าเหลือเชื่อ ของเซลล์ประเภทต่าง ๆ แม้แต่ทฤษฏีเซลล์เอง ก็ยังค่อนข้างใหม่ ณ จุดนี้ และโครงสร้างเหล่านี้ เซลล์เหล่านี้ที่มีการแตกแขนง เหล่ากิ่งก้านที่สามารถแผ่ไป ได้ระยะไกลมาก ๆ สิ่งนี้เป็นเรื่องใหม่มากในเวลานั้น แน่นอนล่ะ มันทำให้นึกถึงสายไฟ นั่นอาจจะเป็นเรื่องที่เห็นได้ชัด สำหรับบางคนในศตวรรษที่ 19 การปฏิวัติสายไฟและไฟฟ้าเพิ่งเริ่มเกิดขึ้น แต่ในอีกหลายแง่ ภาพวาดจุลกายวิภาคศาสตร์เหล่านี้ ของ รามอน อี กาฮาล อย่างภาพนี้ ในบางแง่มุม พวกเขาก็ยังคง ไม่สามารถเข้าใจได้ทุกอย่าง
We're still more than a century later, trying to finish the job that Ramón y Cajal started. These are raw data from our collaborators at the Max Planck Institute of Neuroscience. And what our collaborators have done is to image little pieces of brain tissue. The entire sample here is about one cubic millimeter in size, and I'm showing you a very, very small piece of it here. That bar on the left is about one micron. The structures you see are mitochondria that are the size of bacteria. And these are consecutive slices through this very, very tiny block of tissue. Just for comparison's sake, the diameter of an average strand of hair is about 100 microns. So we're looking at something much, much smaller than a single strand of hair.
มากกว่าศตวรรษที่ผ่านมา พวกเราก็ยังคง พยายามทำงานที่ รามอน อี กาฮาล ได้เริ่มเอาไว้ให้สำเร็จ นี่เป็นข้อมูลดิบ ที่ได้จากผู้ร่วมงานของเรา ที่สถาบัน มักซ์ พลังค์ ด้านประสาทวิทยาศาสตร์ และสิ่งที่ผู้ร่วมงานได้ทำ คือถ่ายภาพเนื้อเยื่อสมองชิ้นเล็ก ๆ ภาพตัวอย่างทั้งหมดที่แสดงนี้ มีขนาดหนึ่งลูกบาศก์มิลลิเมตร และสิ่งที่ผมกำลังแสดงให้คุณดูนี้ คือชิ้นส่วนที่มีขนาดเล็กมาก ๆ แถบทางฝั่งซ้าย มีขนาดประมาณหนึ่งไมครอน โครงสร้างที่คุณเห็นคือไมโตคอนเดรีย ที่มีขนาดเท่ากับแบคทีเรีย และนี่คือภาพสไลด์ที่ต่อเนื่องกัน ของก้อนเซลล์ที่เล็กจิ๋วนี้ แค่จะลองเทียบให้เห็นภาพนะครับ เส้นผ่านศูนย์กลางเฉลี่ยของเส้นผม มีขนาด 100 ไมครอน ดังนั้น เรากำลังมองดู สิ่งที่เล็กกว่าเส้นผมมาก ๆ
And from these kinds of serial electron microscopy slices, one can start to make reconstructions in 3D of neurons that look like these. So these are sort of in the same style as Ramón y Cajal. Only a few neurons lit up, because otherwise we wouldn't be able to see anything here. It would be so crowded, so full of structure, of wiring all connecting one neuron to another.
และจากสไลด์ตามลำดับ กล้องจุลทรรศน์อิเล็กตรอนเหล่านี้ ทำให้สามารถเริ่มสร้างเซลล์ประสาท 3 มิติ ที่มีหน้าตาแบบนี้ ดังนั้น นี่ค่อนข้างจะมีรูปแบบ ที่เหมือนกับของ รามอน อิ กาฮาล มีแค่บางเซลล์ประสาทที่ถูกทำให้สว่างขึ้น เพราะไม่เช่นนั้นแล้ว เราอาจจะมองภาพอะไรไม่ออกเลย มันคงดูหนาแน่นไปหมด เต็มไปด้วยโครงสร้าง ของเส้นสายการเชื่อมต่อกัน ของเซลล์ประสาทหนึ่งไปยังอีกเซลล์
So Ramón y Cajal was a little bit ahead of his time, and progress on understanding the brain proceeded slowly over the next few decades. But we knew that neurons used electricity, and by World War II, our technology was advanced enough to start doing real electrical experiments on live neurons to better understand how they worked. This was the very same time when computers were being invented, very much based on the idea of modeling the brain -- of "intelligent machinery," as Alan Turing called it, one of the fathers of computer science.
รามอน อิ กาฮาล นั้นค่อนข้างจะ ล้ำยุคสมัยของเขา และความก้าวหน้าในการทำความเข้าใจสมอง ดำเนินไปอย่างช้า ๆ ในช่วงหลายทศวรรษถัดมา แต่เรารู้ว่าเซลล์ประสาทใช้กระแสไฟฟ้า และเมื่อถึงช่วงสงครามโลกครั้งที่ 2 เทคโนโลยีของเราก็ก้าวหน้าเพียงพอ ที่จะเริ่มทำการทดลองกระแสไฟ กับเซลล์ประสาทที่ยังมีชีวิตอยู่ เพื่อทำความเข้าใจให้มากขึ้น เกี่ยวกับการทำงานของเซลล์เหล่านั้น นี่เป็นช่วงเวลาเดียว ที่คอมพิวเตอร์ได้ถูกประดิษฐ์ขึ้น บนพื้นฐานของความคิด ที่สร้างแบบจำลองของสมอง -- ของ "จักกลปัญญา" อย่างที่ถูกเรียกโดย อลัน ทัวริง หนึ่งในบิดาแห่งวิทยาการคอมพิวเตอร์
Warren McCulloch and Walter Pitts looked at Ramón y Cajal's drawing of visual cortex, which I'm showing here. This is the cortex that processes imagery that comes from the eye. And for them, this looked like a circuit diagram. So there are a lot of details in McCulloch and Pitts's circuit diagram that are not quite right. But this basic idea that visual cortex works like a series of computational elements that pass information one to the next in a cascade, is essentially correct.
วอร์เรน แมคคัลลอช์ และ วอลเธอร์ พิทซ์ ได้มองดูภาพร่างของ รามอน อิ กาฮาล ของเปลือกสมองส่วนการมองเห็น ซึ่งผมได้แสดงให้ชมอยู่นี้ นี่คือเปลือกสมองที่ประมวลผลภาพ ที่ถูกส่งมาจากดวงตา และสำหรับพวกเขาแล้ว มันช่างดูเหมือนกับแผนภาพวงจร มันมีรายละเอียดมากมายในแผนภาพวงจร ของ แมคคัลลอช์ และ พิทซ์ ที่ยังดูไม่ค่อยถูกต้อง แต่พื้นฐานความคิดนี้ ที่ว่าเปลือกสมองส่วนการมองเห็น ทำงานเหมือนชุดองค์ประกอบเชิงคำนวณ ที่ส่งผ่านข้อมูลจากจุดหนึ่ง ไปยังลำดับถัดไปนั้น โดยพื้นฐานแล้วถูกต้อง
Let's talk for a moment about what a model for processing visual information would need to do. The basic task of perception is to take an image like this one and say, "That's a bird," which is a very simple thing for us to do with our brains. But you should all understand that for a computer, this was pretty much impossible just a few years ago. The classical computing paradigm is not one in which this task is easy to do.
เรามาคุยกันก่อนสักพัก เกี่ยวกับว่าโมเดลการประมวลข้อมูล การมองเห็นอะไรที่เราจำเป็นต้องสร้าง งานพื้นฐานของการรับรู้ คือการรับภาพอย่างภาพนี้ และบอกว่า "นั่นคือนก" ซึ่งเป็นเรื่องที่ง่ายมาก สำหรับพวกเราที่ทำได้ด้วยสมอง แต่คุณควรเข้าใจว่าสำหรับคอมพิวเตอร์ นี่เคยเป็นสิ่งที่แทบจะเป็นไปไม่ได้เลย ในไม่กี่ปีที่ผ่านมา รูปแบบการคำนวณคลาสสิค ไม่ใช่สิ่งที่จะทำงานแบบนี้ได้โดยง่าย
So what's going on between the pixels, between the image of the bird and the word "bird," is essentially a set of neurons connected to each other in a neural network, as I'm diagramming here. This neural network could be biological, inside our visual cortices, or, nowadays, we start to have the capability to model such neural networks on the computer. And I'll show you what that actually looks like.
ดังนั้นสิ่งที่เกิดขึ้นระหว่างพิกเซล ระหว่างภาพของนก กับคำว่า "นก" นั้น โดยพื้นฐานแล้วก็คือ ชุดเซลล์ประสาทที่เชื่อมต่อระหว่างกัน ในโครงข่ายประสาท อย่างที่ผมแสดงให้เห็นนี้ โครงข่ายประสาทนี้อาจเป็นลักษณะทางชีวภาพ ภายในเปลือกสมองส่วนการเห็นของเรา หรือ ปัจจุบัน เราเริ่มที่จะมีความสามารถ ในการออกแบบโครงข่ายประสาท บนคอมพิวเตอร์ และผมจะแสดงให้คุณเห็น ว่าจริง ๆ แล้วมันมีหน้าตาอย่างไร
So the pixels you can think about as a first layer of neurons, and that's, in fact, how it works in the eye -- that's the neurons in the retina. And those feed forward into one layer after another layer, after another layer of neurons, all connected by synapses of different weights. The behavior of this network is characterized by the strengths of all of those synapses. Those characterize the computational properties of this network. And at the end of the day, you have a neuron or a small group of neurons that light up, saying, "bird."
คุณสามารถพิจารณาพิกเซลว่าเป็นเหมือน ชั้นแรกของเซลล์ประสาท และนั่น จริง ๆ แล้ว คือการทำงานภายในดวงตา -- นั่นคือ เซลล์ประสาทในจอตา และสิ่งที่ส่งต่อ ไปยังชั้นถัด ๆ ไป ของแต่ละชั้นของเซลล์ประสาท ทั้งหมดถูกเชื่อมโยงกันด้วยไซแนป ที่ค่าถ่วงน้ำหนักต่าง ๆ กัน พฤติกรรมของโครงข่ายนี้ มีลักษณะจากความสามารถ ของไซแนปเหล่านั้น ลักษณะเหล่านั้นให้คุณสมบัติเชิงคำนวณ ของโครงข่ายนี้ ท้ายที่สุดแล้ว คุณจะได้เซลล์ประสาท หรือกลุ่มเซลล์ประสาทเล็ก ๆ ที่สว่างขึ้น เพื่อบอกว่า "นก"
Now I'm going to represent those three things -- the input pixels and the synapses in the neural network, and bird, the output -- by three variables: x, w and y. There are maybe a million or so x's -- a million pixels in that image. There are billions or trillions of w's, which represent the weights of all these synapses in the neural network. And there's a very small number of y's, of outputs that that network has. "Bird" is only four letters, right? So let's pretend that this is just a simple formula, x "x" w = y. I'm putting the times in scare quotes because what's really going on there, of course, is a very complicated series of mathematical operations.
ผมจะแทนค่า 3 สิ่งเหล่านั้น -- ค่าอินพุตพิกเซล และไซแนปในโครงข่ายประสาท และนก ซึ่งคือค่าเอาต์พุต -- ด้วยสามตัวแปร: x, w และ y อาจมีค่า x กว่าล้านค่า หลายล้านพิกเซลในภาพนั้น หลายพันล้าน หรือล้านล้าน ค่า w ที่เป็นตัวแทนของค่าถ่วงน้ำหนัก ของไซแนปทั้งหมดในเซลล์ประสาท และยังมีค่าจำนวนไม่มากของ y ที่เป็นเอาต์พุตของโครงข่ายนั้น "นก" มีแค่สี่ตัวอักษร [ในภาษาอังกฤษ] ใช่ไหมครับ ดังนั้น ลองสมมติว่านี่เป็นแค่สูตรพื้นฐาน x "x" w = y ผมจะใส่ตัวคูณเข้าไปในเครื่องหมายคำพูด เพราะว่าสิ่งที่เกิดขึ้นจริง ๆ แน่นอนว่า มันเป็นชุดที่ซับซ้อน ของการปฏิบัติการทางคณิตศาสตร์
That's one equation. There are three variables. And we all know that if you have one equation, you can solve one variable by knowing the other two things. So the problem of inference, that is, figuring out that the picture of a bird is a bird, is this one: it's where y is the unknown and w and x are known. You know the neural network, you know the pixels. As you can see, that's actually a relatively straightforward problem. You multiply two times three and you're done. I'll show you an artificial neural network that we've built recently, doing exactly that.
หนึ่งสมการนั้น มีสามตัวแปร และพวกเรารู้กันอยู่แล้วว่า ถ้ามีหนึ่งสมการ คุณสามารถหาค่าตัวแปรหนึ่งได้ หากรู้อีกสองตัว ดังนั้น ปัญหาของการอนุมาน ของการหาคำตอบว่าภาพนกนั้นคือนก คือสิ่งนี้ มีจุดที่ไม่รู้ค่า y แต่รู้ค่า w และ x คุณรู้โครงข่ายประสาท คุณรู้พิกเซล อย่างที่คุณเห็น อันที่จริงแล้ว นั่นค่อนข้างเป็นปัญหาที่ตรงไปตรงมา คุณเอาสองคูณสามก็จบ ผมจะแสดงโครงข่ายประสาทประดิษฐ์ ที่พวกเราสร้างขึ้นให้คุณดู มันทำงานอย่างที่บอกไป
This is running in real time on a mobile phone, and that's, of course, amazing in its own right, that mobile phones can do so many billions and trillions of operations per second. What you're looking at is a phone looking at one after another picture of a bird, and actually not only saying, "Yes, it's a bird," but identifying the species of bird with a network of this sort. So in that picture, the x and the w are known, and the y is the unknown. I'm glossing over the very difficult part, of course, which is how on earth do we figure out the w, the brain that can do such a thing? How would we ever learn such a model?
สิ่งนี้ทำงานแบบเรียลไทม์บนมือถือ และนั่นก็เป็นสิ่งมหัศจรรย์ในตัวมันเอง ที่มือถือสามารถทำงานได้ หลายพันล้านล้านล้านปฏิบัติการ ในหนึ่งวินาที สิ่งที่คุณกำลังมองดูอยู่คือโทรศัพท์ ที่กำลังดูรูปนกตัวแล้วตัวเล่า และไม่ใช่แค่กำลังบอกว่า "ใช่แล้ว นี่คือนก" แต่มันยังแยกแยะสายพันธุ์ของนก ด้วยโครงข่ายลักษณะนี้ ดังนั้น ที่เห็นในรูปนั้น เรารู้ค่า x และ w แต่ไม่รู้ค่า y แน่นอนว่า ผมกำลังพูดผ่านส่วนที่ยากไป ซึ่งก็คือ เรารู้ค่า w ได้อย่างไร สมองสามารถทำแบบนั้นได้อย่างไร เราถึงเรียนรู้โมเดลนั้นได้อย่างไร
So this process of learning, of solving for w, if we were doing this with the simple equation in which we think about these as numbers, we know exactly how to do that: 6 = 2 x w, well, we divide by two and we're done. The problem is with this operator. So, division -- we've used division because it's the inverse to multiplication, but as I've just said, the multiplication is a bit of a lie here. This is a very, very complicated, very non-linear operation; it has no inverse. So we have to figure out a way to solve the equation without a division operator. And the way to do that is fairly straightforward. You just say, let's play a little algebra trick, and move the six over to the right-hand side of the equation. Now, we're still using multiplication. And that zero -- let's think about it as an error. In other words, if we've solved for w the right way, then the error will be zero. And if we haven't gotten it quite right, the error will be greater than zero.
นี่คือกระบวนการเรียนรู้ ในการหาค่า w ถ้าเราเริ่มด้วยสมการพื้นฐาน ที่เราพิจารณาสิ่งเหล่านี้ในรูปของตัวเลข เรารู้อย่างแน่นอนว่าจะทำอย่างไร : 6 = 2 x w เอาละ เราหารด้วยสองก็จบ ปัญหาคือการปฏิบัติการนี้ ดังนั้น การหาร -- เราได้ใช้การหารเพราะว่า มันเป็นตัวผกผันกับการคูณ แต่อย่างที่ผมเพิ่งจะพูดไป การคูณค่อนข้างเป็นการหลอกลวง สิ่งนี้ซับซ้อนมาก ๆ เป็นปฏิบัติการที่ไม่ใช่เชิงเส้น มันไม่มีตัวผกผัน ดังนั้นเราต้องหาทางคิดวิธีแก้สมการนี้ โดยไม่ใช้การหาร และวิธีที่การนั้น ก็ค่อนข้างที่จะตรงไปตรงมา ลองมาเล่นกับพีชคณิตกันสักเล็กน้อย และย้ายเลขหกไปด้านซ้ายของสมการ ตอนนี้เรายังคงใช้การคูณ และเลขศูนย์นั้น -- ลองคิดว่ามันเป็นเหมือนค่าผิดพลาด อีกนัยหนึ่ง ถ้าเราแก้หาค่า w อย่างถูกต้อง ค่าผิดพลาดก็จะเป็นศูนย์ และถ้าเราไม่ได้ทำอย่างถูกต้อง ค่าผิดพลาดก็จะมากกว่าศูนย์
So now we can just take guesses to minimize the error, and that's the sort of thing computers are very good at. So you've taken an initial guess: what if w = 0? Well, then the error is 6. What if w = 1? The error is 4. And then the computer can sort of play Marco Polo, and drive down the error close to zero. As it does that, it's getting successive approximations to w. Typically, it never quite gets there, but after about a dozen steps, we're up to w = 2.999, which is close enough. And this is the learning process.
ดังนั้นในตอนนี้เราสามารถคาดเดา เพื่อลดค่าผิดพลาดลงให้น้อยที่สุด และนั่นก็เป็นสิ่งที่คอมพิวเตอร์ถนัด ดังนั้น คุณลองทายค่าเริ่มต้นดู สมมติว่า w = 0? ค่าผิดพลาดก็จะเป็น 6 แล้วถ้า w = 1 ล่ะ ค่าผิดพลาดก็จะเป็น 4 และถัดไปคอมพิวเตอร์ ก็จะทำการเล่นมาร์โค โปโล และลดค่าผิดพลาดให้เข้าใกล้ศูนย์ ขณะที่มันทำอย่างนั้น มันก็จะเข้าใกล้ค่าประมาณของ w โดยพื้นฐาน มันหาค่านั้นไม่ได้หรอก แต่หลังจากหลายสิบขั้นตอน เราก็จะได้ค่า w=2.999 ซึ่งใกล้เคียงมากพอ และนี่คือกระบวนการเรียนรู้
So remember that what's been going on here is that we've been taking a lot of known x's and known y's and solving for the w in the middle through an iterative process. It's exactly the same way that we do our own learning. We have many, many images as babies and we get told, "This is a bird; this is not a bird." And over time, through iteration, we solve for w, we solve for those neural connections.
ดังนั้น จำไว้นะครับ ว่าสิ่งที่กำลังเกิดขึ้นอยู่นี้ เป็นการที่เรากำลังใช้ ตัวแปร x และ y ที่รู้แล้วจำนวนมาก และแก้หาค่า w ผ่านกระบวนการที่ทำซ้ำ ๆ มันเป็นแนวทางเดียวกัน กับวิธีการที่เราทำการเรียนรู้ เรามีภาพเด็กทารกหลาย ๆ ภาพ เราถูกสอนว่า"นี่คือนก นี่ไม่ใช่นก" เมื่อเวลาผ่านไป ด้วยการทำซ้ำ ๆ เราแก้หาค่า w เราแก้หาความสัมพันธ์ตามธรรมชาติของสิ่งนั้น
So now, we've held x and w fixed to solve for y; that's everyday, fast perception. We figure out how we can solve for w, that's learning, which is a lot harder, because we need to do error minimization, using a lot of training examples.
ดังนั้นตอนนี้ เรากำหนดค่า x และ w เอาไว้ เพื่อค้นหาค่า y นั่นคือการเรียนรู้อย่างรวดเร็ว ในชีวิตประจำวัน เรารู้ว่าจะหาค่า w ได้อย่างไร นั่นคือการเรียนรู้ ซึ่งยากกว่ามาก เพราะเราต้องการลดค่าผิดพลาดให้น้อยที่สุด โดยการใช้ตัวอย่างในการฝึกเป็นจำนวนมาก
And about a year ago, Alex Mordvintsev, on our team, decided to experiment with what happens if we try solving for x, given a known w and a known y. In other words, you know that it's a bird, and you already have your neural network that you've trained on birds, but what is the picture of a bird? It turns out that by using exactly the same error-minimization procedure, one can do that with the network trained to recognize birds, and the result turns out to be ... a picture of birds. So this is a picture of birds generated entirely by a neural network that was trained to recognize birds, just by solving for x rather than solving for y, and doing that iteratively.
และประมาณปีที่แล้ว อเล็กซ์ มอร์ดวินเสฟ สมาชิกในทีมของเรา ตัดสินใจทดลองว่าจะเกิดอะไรขึ้น ถ้าเราพยายามแก้หาค่า x โดยให้ค่า w และ y ที่รู้แล้วมา อีกแง่หนึ่งคือ คุณรู้ว่ามันเป็นนก และคุณมีโครงข่ายประสาท ที่คุณได้ฝึกฝนเกี่ยวกับเรื่องนกมาแล้ว แต่อะไรคือรูปของนก มันกลายเป็นว่า ด้วยกระบวนการลดค่าผิดพลาดเดียวกัน เราจะสามารถใช้โครงข่าย ที่ถูกฝึกฝนเพื่อจำแนกภาพนก และผลลัพธ์ก็ออกมาเป็น... ภาพของนก นี่คือภาพนกที่ถูกสร้างขึ้น โดยโครงข่ายประสาททั้งหมด ที่ถูกฝึกฝนเพื่อจำแนกภาพนก แค่เพียงแก้หาค่า x แทนที่จะทำการหา y และทำแบบนั้นซ้ำไปเรื่อย ๆ
Here's another fun example. This was a work made by Mike Tyka in our group, which he calls "Animal Parade." It reminds me a little bit of William Kentridge's artworks, in which he makes sketches, rubs them out, makes sketches, rubs them out, and creates a movie this way. In this case, what Mike is doing is varying y over the space of different animals, in a network designed to recognize and distinguish different animals from each other. And you get this strange, Escher-like morph from one animal to another.
นี่เป็นอีกตัวอย่างสนุก ๆ นี่เป็นงานที่ถูกสร้าง โดยไมค์ ไทกา สมาชิกในกลุ่มของเรา งานนี้ถูกเรียกว่า "ขบวนแห่สรรพสัตว์" มันทำให้ผมนึกถึงงานศิลปะ ของ วิลเลียม เคนทริดจ์ ที่เขาร่างภาพ แล้วลบออก ร่างภาพขึ้นมา แล้วลบออก และสร้างสรรค์ภาพยนตร์ด้วยวิธีนี้ ในกรณีนี้ สิ่งที่ไมค์ทำก็คือเปลี่ยนค่า y เรื่อย ๆ บนพื้นที่ของสัตว์หลายชนิด ในโครงข่ายที่ถูกออกแบบ ให้จดจำ และ แยกแยะ สัตว์ที่แตกต่างกันออกจากกัน และคุณจะได้รูปร่างประหลาด คล้ายภาพลวงตาของสัตว์ที่เปลี่ยนร่างได้
Here he and Alex together have tried reducing the y's to a space of only two dimensions, thereby making a map out of the space of all things recognized by this network. Doing this kind of synthesis or generation of imagery over that entire surface, varying y over the surface, you make a kind of map -- a visual map of all the things the network knows how to recognize. The animals are all here; "armadillo" is right in that spot.
เขาและอเล็กซ์ได้พยายามลด ค่า y ให้อยู่บนพื้นที่ของสองมิติ ด้วยวิธีการสร้างแผนที่ขึ้นมา จากพื้นที่ของทุก ๆ สิ่ง ที่ถูกจดจำด้วยโครงข่ายนี้ การทำการวิเคราะห์ประเภทนี้ หรือการสร้างภาพบนทั้งพื้นผิวนั้น เปลี่ยนแปลงค่า y เหนือพื้นผิว คุณได้สร้างแผนที่ -- แผนที่ภาพของทุก ๆ สิ่ง ที่โครงข่ายประสาท รู้ว่าจะแยกแยะอย่างไร สัตว์ทั้งหมดอยู่ที่นี่ "ตัวนิ่ม" อยู่ตรงจุดนั้น
You can do this with other kinds of networks as well. This is a network designed to recognize faces, to distinguish one face from another. And here, we're putting in a y that says, "me," my own face parameters. And when this thing solves for x, it generates this rather crazy, kind of cubist, surreal, psychedelic picture of me from multiple points of view at once. The reason it looks like multiple points of view at once is because that network is designed to get rid of the ambiguity of a face being in one pose or another pose, being looked at with one kind of lighting, another kind of lighting. So when you do this sort of reconstruction, if you don't use some sort of guide image or guide statistics, then you'll get a sort of confusion of different points of view, because it's ambiguous. This is what happens if Alex uses his own face as a guide image during that optimization process to reconstruct my own face. So you can see it's not perfect. There's still quite a lot of work to do on how we optimize that optimization process. But you start to get something more like a coherent face, rendered using my own face as a guide.
คุณสามารถทำอย่างนี้ กับโครงข่ายประเภทอื่นได้ด้วย นี่คือโครงข่ายที่ถูกออกแบบ ให้จดจำใบหน้า เพื่อแยกแยะใบหน้าต่าง ๆ ออกจากกัน และในที่นี้ เราได้ใส่ค่า y ที่บอกว่า "ฉัน" พารามิเตอร์หน้าของผม และเมื่อสิ่งนี้ค้นหาค่า x มันสร้างสิ่งที่ค่อนข้างประหลาด เหมือนกับภาพหลอน ๆ ของผม แนวศิลปะภาพแบบเหลี่ยม เหนือจริง จากหลายมุมมองในครั้งเดียว เหตุผลที่มันดูเหมือนการมองหลายมุม ในครั้งเดียวนั้น เพราะว่าโครงข่ายนี้ถูกออกแบบ เพื่อกำจัดความคลุมเครือ ของหน้าที่อยู่ในท่าการจัดวางที่แตกต่างกัน ถูกมองด้วยการจัดแสงที่แตกต่างกัน ดังนั้นเมื่อคุณทำการประกอบภาพใหม่ ถ้าคุณไม่ได้ใช้ภาพชี้แนะ หรือการชี้แนะด้วยสถิติ คุณก็จะได้ภาพที่ดูสับสนจากหลายมุมมอง เนื่องจากมันมีความคลุมเครือ นี่คือสิ่งที่เกิดขึ้น ถ้าอเล็กซ์ใช้ใบหน้าเขาเองเป็นภาพตัวชี้แนะ ระหว่างกระบวนการหาผลลัพธ์ที่ดีที่สุด เพื่อประกอบภาพใบหน้าของผมขึ้นใหม่ คุณจะเห็นว่าว่ามันไม่สมบูรณ์แบบ ยังคงมีงานอีกมากที่ต้องทำ ในการทำอย่างไร เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด แต่คุณเริ่มได้รับบางอย่าง ที่เหมือนใบหน้าที่สอดคล้องกันมากขึ้น ที่ถูกแสดงผลโดยใช้ใบหน้าของผม ในการชี้แนะ
You don't have to start with a blank canvas or with white noise. When you're solving for x, you can begin with an x, that is itself already some other image. That's what this little demonstration is. This is a network that is designed to categorize all sorts of different objects -- man-made structures, animals ... Here we're starting with just a picture of clouds, and as we optimize, basically, this network is figuring out what it sees in the clouds. And the more time you spend looking at this, the more things you also will see in the clouds. You could also use the face network to hallucinate into this, and you get some pretty crazy stuff.
คุณไม่จำเป็นต้องเริ่มต้นจากผ้าใบว่างเปล่า หรือด้วยสัญญาณรบกวนสีขาว ๆ เมื่อคุณแก้เพื่อหาค่า x คุณสามารถเริ่มต้นด้วย x ซึ่งตัวมันเองก็เป็นภาพอื่นอยู่แล้ว นั่นคือสิ่งที่การสาธิตเล็ก ๆ นี้บอกคุณ นี่คือโครงข่ายที่ถูกออกแบบจัดจำแนก วัตถุจำพวกต่าง ๆ -- โครงสร้างที่มนุษย์ทำขึ้น, สัตว์... เรามาเริ่มต้นด้วย ภาพของกลุ่มก้อนเมฆ และเมื่อเราหาผลลัพธ์ที่ดีที่สุด โดยพื้นฐาน โครงข่ายนี้กำลังหาว่า มันเห็นอะไรในกลุ่มเมฆ และยิ่งคุณใช้เวลาในการมองภาพนี้ มากขึ้นเท่าไร คุณก็ยิ่งเห็นสิ่งต่างในกลุ่มเมฆ มากขึ้นเท่านั้น คุณยังสามารถใช้โครงข่ายใบหน้า เพื่อให้เห็นภาพหลอนแบบนี้ และคุณได้อะไรประหลาด ๆ ออกมา
(Laughter)
(เสียงหัวเราะ)
Or, Mike has done some other experiments in which he takes that cloud image, hallucinates, zooms, hallucinates, zooms hallucinates, zooms. And in this way, you can get a sort of fugue state of the network, I suppose, or a sort of free association, in which the network is eating its own tail. So every image is now the basis for, "What do I think I see next? What do I think I see next? What do I think I see next?"
หรือ ไมค์ได้ทำการทดลองอื่น ซึ่งเขานำภาพกลุ่มเมฆนั้น เห็นภาพหลอน ขยาย เห็นภาพหลอน ขยาย เห็นภาพหลอน ขยาย อย่างที่เห็น คุณสามารถได้สภาวะขาดความควบคุม ของโครงข่ายผมว่านะ หรือประมาณว่าความเกี่ยวข้องอิสระ ซึ่งโครงข่ายกำลังกินหางของมันเอง ดังนั้น รูปภาพทุกรูป ตอนนี้เป็นพื้นฐานสำหรับ "ต่อไปผมจะเห็นอะไรนะ ต่อไปผมจะเห็นอะไรนะ ต่อไปผมจะเห็นอะไรนะ"
I showed this for the first time in public to a group at a lecture in Seattle called "Higher Education" -- this was right after marijuana was legalized.
ผมแสดงสิ่งนี้เป็นครั้งแรกในที่สาธารณะ ให้กับกลุ่มที่ฟังบรรยายในซีแอตเทิล ที่เรียกว่า "การศึกษาระดับอุดมศึกษา" -- นี้เป็นตอนหลังจากที่กัญชา ถูกทำให้ถูกต้องตามกฎหมายแล้ว
(Laughter)
(เสียงหัวเราะ)
So I'd like to finish up quickly by just noting that this technology is not constrained. I've shown you purely visual examples because they're really fun to look at. It's not a purely visual technology. Our artist collaborator, Ross Goodwin, has done experiments involving a camera that takes a picture, and then a computer in his backpack writes a poem using neural networks, based on the contents of the image. And that poetry neural network has been trained on a large corpus of 20th-century poetry. And the poetry is, you know, I think, kind of not bad, actually.
ผมอยากจะสรุปแบบรวดเร็ว ด้วยการเน้นว่าเทคโนโลยีนี้ไม่ได้ถูกจำกัด ผมได้แสดงให้คุณเห็นตัวอย่างที่เห็นได้ เพราะมันสนุกที่จะได้เห็น มันไม่ได้เป็นเทคโนโลยีที่มองเห็นได้เท่านั้น ศิลปินผู้ประสานงานของเรา รอสส์ กู๊ดวิน ได้ทำการทดลองที่เกี่ยวข้องกับ กล้องที่ถ่ายภาพ และจากนั้นคอมพิวเตอร์ในกระเป๋าของเขา ได้เขียนบทกวีด้วยโครงข่ายประสาท จากเนื้อหาของรูปภาพ และโครงข่ายประสาทบทกวีนั้นก็ถูกฝึกฝน จากส่วนสำคัญของบทกวีศตวรรษที่ 20 และอย่างที่เห็นบทกวีมันก็ ผมว่า ที่จริงก็ไม่ได้แย่สักเท่าไหร่
(Laughter)
(เสียงหัวเราะ)
In closing, I think that per Michelangelo, I think he was right; perception and creativity are very intimately connected. What we've just seen are neural networks that are entirely trained to discriminate, or to recognize different things in the world, able to be run in reverse, to generate. One of the things that suggests to me is not only that Michelangelo really did see the sculpture in the blocks of stone, but that any creature, any being, any alien that is able to do perceptual acts of that sort is also able to create because it's exactly the same machinery that's used in both cases.
ก่อนจากลาจากกัน ผมคิดว่าตามที่ไมเคิลแองเจลโลกล่าว ผมว่าเขาพูดถูกต้อง การรับรู้และความคิดสร้างสรรค์ มีความเชื่อมโยงกันอย่างใกล้ชิดมาก สิ่งที่พวกเราเพิ่งได้เห็นไป คือโครงข่ายประสาท ที่ทั้งหมดถูกฝึกฝนโดยเพื่อแยกแยะ หรือเพื่อจดจำสิ่งต่าง ๆ ในโลกนี้ ซึ่งสามารถที่จะทำงานย้อนกลับ เพื่อทำการสร้างสรรค์ได้ สิ่งหนึ่งที่มันบอกกับผมก็คือ ไม่ใช่แค่ไมเคิลแองเจลโลเห็นจริง ๆ ว่าประติมากรรมอยู่ในก้อนหิน แต่ทุกคน ทุกสิ่งมีชีวิต ทั้งในโลกหรือนอกโลก ที่สามารถรับรู้หรือการทำงาน อะไรทำนองนั้นได้ ก็ย่อมสามารถที่จะสร้างสรรค์ได้ เพราะมันเป็นกลไกเดียวกัน ที่ถูกใช้ในทั้งสองกรณี
Also, I think that perception and creativity are by no means uniquely human. We start to have computer models that can do exactly these sorts of things. And that ought to be unsurprising; the brain is computational.
นอกจากนี้ ไม่ว่าจะอย่างไรก็ตาม ผมคิดว่าการรับรู้และความคิดสร้างสรรค์ ไม่ได้เป็นเอกลักษณ์ ที่มีแต่เฉพาะในมนุษย์เท่านั้น พวกเราเริ่มมีโมเดลคอมพิวเตอร์ ที่สามารถทำสิ่งเดียวกันนี้ได้ และนั่นไม่ควรที่จะเป็นเรื่องน่าประหลาดใจ; สมองมีการคำนวณแบบคอมพิวเตอร์
And finally, computing began as an exercise in designing intelligent machinery. It was very much modeled after the idea of how could we make machines intelligent. And we finally are starting to fulfill now some of the promises of those early pioneers, of Turing and von Neumann and McCulloch and Pitts. And I think that computing is not just about accounting or playing Candy Crush or something. From the beginning, we modeled them after our minds. And they give us both the ability to understand our own minds better and to extend them.
และท้ายที่สุด คอมพิวเตอร์เริ่มต้นจากความพยายาม ในการออกแบบเครื่องจักรที่มีความฉลาด มันถูกสร้างขึ้นจากความคิดที่ว่า เราจะสร้างเครื่องจักร ให้เฉลียวฉลาดได้อย่างไร และท้ายที่สุด เราเริ่มที่จะเติมเต็มความคิดนั้น คำสัญญาบางอย่างของผู้ริเริ่มยุคแรก ของทัวริง และ ฟอน นอยมันน์ และ แมคคัลลอช์ และ พิทซ์ และผมคิดว่าคอมพิวเตอร์ ไม่ใช่แค่สำหรับการทำบัญชี หรือการเล่นแคนดี้ครัช หรืออะไร ตั้งแต่แรกเริ่ม พวกเราสร้างมันขึ้นมา ตามแบบสมองของเรา แล้วพวกมันก็ทำให้เราสามารถเข้าใจ จิตใจของเราเองดีขึ้น ทั้งยังทำให้เราเข้าใจพวกมันดีขึ้นด้วย
Thank you very much.
ขอบคุณมากครับ
(Applause)
(เสียงปรบมือ)