It used to be that if you wanted to get a computer to do something new, you would have to program it. Now, programming, for those of you here that haven't done it yourself, requires laying out in excruciating detail every single step that you want the computer to do in order to achieve your goal. Now, if you want to do something that you don't know how to do yourself, then this is going to be a great challenge.
Valaha, ha azt akartuk, hogy a számítógép csináljon meg valamit, előtte be kellett rá programoznunk. Azoknak, akik sohasem programoztak: a programozás annyit tesz, hogy célunk érdekében aprólékosan, lépésenként részletesen közölni kell a géppel, mikor mit csináljon. De ha olyat akarunk tenni, amiről mi sem tudjuk, miként kell, az ám az igazi kunszt!
So this was the challenge faced by this man, Arthur Samuel. In 1956, he wanted to get this computer to be able to beat him at checkers. How can you write a program, lay out in excruciating detail, how to be better than you at checkers? So he came up with an idea: he had the computer play against itself thousands of times and learn how to play checkers. And indeed it worked, and in fact, by 1962, this computer had beaten the Connecticut state champion.
Ilyen feladattal találkozott Arthur Samuel. 1956-ban szerette volna, ha a számítógép legyőzi dámajátékban. Hogy lehet megírni egy programot minden apró részletében, hogy a számítógép győzzön? Támadt egy ötlete: A gépet önmaga ellen játszatta több ezerszer, hogy a gép tanulja, hogyan kell játszani. A dolog sikerült, és 1962-re a számítógép legyőzte Connecticut állam bajnokát.
So Arthur Samuel was the father of machine learning, and I have a great debt to him, because I am a machine learning practitioner. I was the president of Kaggle, a community of over 200,000 machine learning practictioners. Kaggle puts up competitions to try and get them to solve previously unsolved problems, and it's been successful hundreds of times. So from this vantage point, I was able to find out a lot about what machine learning can do in the past, can do today, and what it could do in the future. Perhaps the first big success of machine learning commercially was Google. Google showed that it is possible to find information by using a computer algorithm, and this algorithm is based on machine learning. Since that time, there have been many commercial successes of machine learning. Companies like Amazon and Netflix use machine learning to suggest products that you might like to buy, movies that you might like to watch. Sometimes, it's almost creepy. Companies like LinkedIn and Facebook sometimes will tell you about who your friends might be and you have no idea how it did it, and this is because it's using the power of machine learning. These are algorithms that have learned how to do this from data rather than being programmed by hand.
Úgyhogy Samuelt a gépi tanulás atyjának nevezhetjük. Le vagyok kötelezve neki, mert gépi tanulással foglalkozom. A Kaggle elnöke voltam, a közösségé, ahol 200.000-nél többen foglalkoznak gépi tanulással. A Kaggle versenyeket szervez nekik, hogy oldjanak meg eddig megoldatlan problémákat, s ezek több száz alkalommal bizonyultak sikeresnek. Ebből a pozícióból rá tudtam jönni sok mindenre: mire volt képes a gépi tanulás a múltban, mire a jelenben és mit fog tudni a jövőben. Valószínűleg az első üzleti siker a gépi tanulásban a Google volt. A Google bizonyította, hogy lehet gépi algoritmus alapján adatokhoz jutni, és ez az algoritmus gépi tanuláson alapul. Azóta sok, gépi tanuláson alapuló üzleti sikertörténetet ismerünk. Olyan cégek, mint az Amazon és a Netflix a gépi tanulás módszerével ajánlják termékeiket megvételre illetve filmjeiket megnézésre. Néha ez, mondhatni, elég ijesztő. Mások, mint a LinkedIn és a Facebook néha megmondják, kik lehetnének a barátaink, és fogalmunk sincs, hogy csinálják. A gépi tanulásban rejlő lehetőségeket használják. Ezek az algoritmusok sokkal inkább az adatokból tanulnak, semmint a kézzel írt programokból.
This is also how IBM was successful in getting Watson to beat the two world champions at "Jeopardy," answering incredibly subtle and complex questions like this one. ["The ancient 'Lion of Nimrud' went missing from this city's national museum in 2003 (along with a lot of other stuff)"] This is also why we are now able to see the first self-driving cars. If you want to be able to tell the difference between, say, a tree and a pedestrian, well, that's pretty important. We don't know how to write those programs by hand, but with machine learning, this is now possible. And in fact, this car has driven over a million miles without any accidents on regular roads.
Így lett sikeres az IBM is: Watson nevű gépe legyőzte a "Jeopardy" kvízműsor két világbajnokát, mert válaszolt körmönfont és bonyolult kérdésekre; pl. [Ennek a városnak a múzeumából tűnt el az ókori Nimród oroszlánja 2003-ban] Így jelentek meg az első, vezető nélküli autók. Elég fontos, hogy meg tudjuk mondani, mi a különbség, mondjuk, egy fa és egy gyalogos között. Nem tudjuk, hogyan kell manuálisan megírni a programokat, de gépi tanulással erre most megvan a lehetőség. Tény, hogy ez a kocsi már több millió kilométert tett meg baleset nélkül átlagos utakon.
So we now know that computers can learn, and computers can learn to do things that we actually sometimes don't know how to do ourselves, or maybe can do them better than us. One of the most amazing examples I've seen of machine learning happened on a project that I ran at Kaggle where a team run by a guy called Geoffrey Hinton from the University of Toronto won a competition for automatic drug discovery. Now, what was extraordinary here is not just that they beat all of the algorithms developed by Merck or the international academic community, but nobody on the team had any background in chemistry or biology or life sciences, and they did it in two weeks. How did they do this? They used an extraordinary algorithm called deep learning. So important was this that in fact the success was covered in The New York Times in a front page article a few weeks later. This is Geoffrey Hinton here on the left-hand side. Deep learning is an algorithm inspired by how the human brain works, and as a result it's an algorithm which has no theoretical limitations on what it can do. The more data you give it and the more computation time you give it, the better it gets.
Tudjuk tehát, hogy a számítógépek tudnak tanulni, és képesek megtanulni, hogyan végezzenek el feladatokat, amelyeknél néha mi magunk tanácstalanok vagyunk, vagy talán ügyesebben végzik el nálunk. A gépi tanulás egyik legpompásabb példáját egy általam irányított Kaggle- projektnél tapasztaltam, ahol a Torontói Egyetem csoportja, amelyet Geoffrey Hinton vezetett, megnyert egy automatizált gyógyszer-kifejlesztési versenyt. Nemcsak az volt rendhagyó, hogy legyőzték a Merck és más nemzetközi tudóscsoportok algoritmusait, hanem hogy egyikük sem volt járatos a kémiában, a biológiában vagy az élettudományokban, s mindezt két hét alatt! Hogy sikerült nekik? Rendhagyó algoritmust alkalmaztak, az ú.n. mély tanulást. Annyira fontos eredmény volt ez, hogy a The New York Times címoldalon tudósított róla pár hét múlva. Balra látható Geoffrey Hinton. A mély tanulás olyan algoritmus, amelyet az emberi agy működése ihletett. Az algoritmusnak nincs elméleti korlátja abból a szempontból, hogy mi mindenre lehet képes. Minél több adatot és gépidőt adunk neki, annál jobbak lesznek az eredmények.
The New York Times also showed in this article another extraordinary result of deep learning which I'm going to show you now. It shows that computers can listen and understand.
A The New York Times írt cikkében a mély tanulás egy másik rendkívüli eredményéről is, amelyről rögtön szólni fogok. Ez azt mutatja, hogy a számítógépek képesek hangot érzékelni és értelmezni.
(Video) Richard Rashid: Now, the last step that I want to be able to take in this process is to actually speak to you in Chinese. Now the key thing there is, we've been able to take a large amount of information from many Chinese speakers and produce a text-to-speech system that takes Chinese text and converts it into Chinese language, and then we've taken an hour or so of my own voice and we've used that to modulate the standard text-to-speech system so that it would sound like me. Again, the result's not perfect. There are in fact quite a few errors. (In Chinese) (Applause) There's much work to be done in this area. (In Chinese) (Applause)
(Video) Richard Rashid: Az utolsó lépés, s ezt szeretném, hogy hozzá tudjam tenni a folyamathoz: kínaiul beszélni önökhöz. Ennek kulcsa, hogy képesek voltunk nagy mennyiségű információt átvenni sok kínai beszédjéből, létrehozni egy "szövegből beszédet" rendszert, amely a kínai szöveget átalakítja kínai beszéddé. Azután az én hangmintámból felvettünk egy órányit, s ezzel moduláltuk a szokásos "szövegből beszédet" rendszert, amely aztán az én hangomon szólalt meg. Az eredmény nem tökéletes. Tény, hogy elég sok a hiba. (kínaiul) (taps) Elég sok feladat van még ezen a területen. (kínaiul) (taps)
Jeremy Howard: Well, that was at a machine learning conference in China. It's not often, actually, at academic conferences that you do hear spontaneous applause, although of course sometimes at TEDx conferences, feel free. Everything you saw there was happening with deep learning. (Applause) Thank you. The transcription in English was deep learning. The translation to Chinese and the text in the top right, deep learning, and the construction of the voice was deep learning as well.
Howard: Ez egy gépi tanulási konferencián történt, Kínában. Valóban ritka, hogy egy tudományos tanácskozáson spontán tapsot hall az ember, bár néha TEDx konferenciákon igen. Amit itt láttak, mind a mély tanulással kapcsolatos. (taps) Köszönöm. A fonetikus átírás angolra mély tanulás volt. A kínaira fordítás és a szöveg a jobb fölső sarokban szintén, és a hangképzés úgyszintén mély tanulás volt.
So deep learning is this extraordinary thing. It's a single algorithm that can seem to do almost anything, and I discovered that a year earlier, it had also learned to see. In this obscure competition from Germany called the German Traffic Sign Recognition Benchmark, deep learning had learned to recognize traffic signs like this one. Not only could it recognize the traffic signs better than any other algorithm, the leaderboard actually showed it was better than people, about twice as good as people. So by 2011, we had the first example of computers that can see better than people. Since that time, a lot has happened. In 2012, Google announced that they had a deep learning algorithm watch YouTube videos and crunched the data on 16,000 computers for a month, and the computer independently learned about concepts such as people and cats just by watching the videos. This is much like the way that humans learn. Humans don't learn by being told what they see, but by learning for themselves what these things are. Also in 2012, Geoffrey Hinton, who we saw earlier, won the very popular ImageNet competition, looking to try to figure out from one and a half million images what they're pictures of. As of 2014, we're now down to a six percent error rate in image recognition. This is better than people, again.
Úgy hogy a mély tanulás különleges dolog. Egyszerű algoritmus, de úgy látszik, majdnem mindenre alkalmas, erre tavaly jöttem rá. Látni is megtanult már. Egy kevéssé ismert német versenyen, amely a közlekedési jelzések felismerésére irányul, a mély tanulás megtanulta fölismerni a közlekedési jelzéseket. Nemcsak jobban ismeri föl őket, mint bármely más algoritmus, az eredményjelző kimutatta, hogy az embernél is jobban, kb. kétszer jobban mint az ember. 2011-re megvolt az első példány az embernél is jobban látó számítógépből. Azóta sok minden történt. 2012-ben a Google közölte, hogy van egy mély tanuló algoritmusuk, amely figyeli a YouTube videókat, és egy hónap alatt átrágta magát 16.000 gép adatain, és a gép önállóan megtanult olyan fogalmakat mint "ember", vagy "macska", csupán csak a videókat figyelve. Az emberek nagyon hasonlóan tanulnak. Az emberek nem úgy tanulnak, hogy megmondják nekik, mit látnak, hanem maguknak tanítják meg, mik ezek a dolgok. 2012-ben az említett Geoffrey Hinton megnyert egy nagyon népszerű ImageNet versenyt, ahol másfél millió képről kellett eldönteni, melyik mit ábrázol. 2014-re elértük a képfelismerésben a 6%-os hibaszintet. Ez megint az emberekénél jobb eredmény.
So machines really are doing an extraordinarily good job of this, and it is now being used in industry. For example, Google announced last year that they had mapped every single location in France in two hours, and the way they did it was that they fed street view images into a deep learning algorithm to recognize and read street numbers. Imagine how long it would have taken before: dozens of people, many years. This is also happening in China. Baidu is kind of the Chinese Google, I guess, and what you see here in the top left is an example of a picture that I uploaded to Baidu's deep learning system, and underneath you can see that the system has understood what that picture is and found similar images. The similar images actually have similar backgrounds, similar directions of the faces, even some with their tongue out. This is not clearly looking at the text of a web page. All I uploaded was an image. So we now have computers which really understand what they see and can therefore search databases of hundreds of millions of images in real time.
Tehát a gépek ebben rendkívül jó munkát végeznek, és az eredményeket ma az iparban is hasznosítják. Például a Google tavaly bejelentette, hogy két óra alatt feltérképezte egész Franciaországot, mindezt úgy, hogy betáplálták az utcai látképeket egy mélyen tanuló algoritmusba, az fölismerte és beolvasta a házszámokat. Korábban meddig tartott volna! Tucatnyi ember, több év. Ez történik most Kínában is. A Baidu olyasmi, mint egy kínai Google, és a bal fölső sarokban látható egy kép, amelyet feltöltöttem a Baidu mély tanuló rendszerébe, alatta pedig látják, hogy a rendszer megértette, mi ez a kép, és talált hasonló képeket. A hasonló képnek egyébként hasonló a háttere, az állatok pofája egyfelé fordul, némelyik még a nyelvét is kiölti. Ez nem ugyanaz, mint egy szöveg a weboldalon. Mindössze egy képet töltöttem föl. Tehát a mai számítógépeink tényleg értik, amit látnak, és százmilliónyi képet tartalmazó adatbázist nézhetnek át valós időben.
So what does it mean now that computers can see? Well, it's not just that computers can see. In fact, deep learning has done more than that. Complex, nuanced sentences like this one are now understandable with deep learning algorithms. As you can see here, this Stanford-based system showing the red dot at the top has figured out that this sentence is expressing negative sentiment. Deep learning now in fact is near human performance at understanding what sentences are about and what it is saying about those things. Also, deep learning has been used to read Chinese, again at about native Chinese speaker level. This algorithm developed out of Switzerland by people, none of whom speak or understand any Chinese. As I say, using deep learning is about the best system in the world for this, even compared to native human understanding.
De mit jelent az, hogy a számítógépek látnak? Nos, nemcsak, hogy látnak. Valójában a mély tanulás ennél többet ért el. Az összetett, finoman árnyalt mondatok mint ez, mély tanuló algoritmusokkal ma már érthetők. A felül látható piros pöttyel ez a stanfordi rendszer jelzi, hogy ez a mondat negatív érzelmet fejez ki. A mély tanulás ma már tényleg megközelíti az emberi teljesítményt abban, miről szól a mondat, és mit állít ezekről a dolgokról. A mély tanulás révén olvasunk kínaiul, kb. egy született kínai szintjén. Ez az algoritmus svájci, s akik kifejlesztették, nem beszélnek, és nem értenek kínaiul. A mély tanulás alkalmazása erre talán a világ legjobb rendszere, akár összevetve a természetes emberi megértéssel.
This is a system that we put together at my company which shows putting all this stuff together. These are pictures which have no text attached, and as I'm typing in here sentences, in real time it's understanding these pictures and figuring out what they're about and finding pictures that are similar to the text that I'm writing. So you can see, it's actually understanding my sentences and actually understanding these pictures. I know that you've seen something like this on Google, where you can type in things and it will show you pictures, but actually what it's doing is it's searching the webpage for the text. This is very different from actually understanding the images. This is something that computers have only been able to do for the first time in the last few months.
Ezt a rendszert raktuk össze a cégemnél, mely megmutatja, hogyan kell ezeket összerakni. Ezekhez a képekhez nem társul szöveg, és ahogy mondatokat írok be ide, ez valós időben megérti ezeket a képeket, és kitalálja, miről szólnak, és talál a beírt szöveghez hasonló képeket. Ez azt jelenti, hogy valójában érti a mondataimat, és valójában érti a képeket. Tudom, hogy hasonlót már láttak a Google-on, ahol beírják a szavakat, és megjelennek a képek, de az úgy működik, hogy a gép a weboldalon szöveget keres. Az teljesen más, mint képeket fölismerni. Ilyesmit számítógépek csak az utóbbi hónapokban voltak képesek első ízben megcsinálni.
So we can see now that computers can not only see but they can also read, and, of course, we've shown that they can understand what they hear. Perhaps not surprising now that I'm going to tell you they can write. Here is some text that I generated using a deep learning algorithm yesterday. And here is some text that an algorithm out of Stanford generated. Each of these sentences was generated by a deep learning algorithm to describe each of those pictures. This algorithm before has never seen a man in a black shirt playing a guitar. It's seen a man before, it's seen black before, it's seen a guitar before, but it has independently generated this novel description of this picture. We're still not quite at human performance here, but we're close. In tests, humans prefer the computer-generated caption one out of four times. Now this system is now only two weeks old, so probably within the next year, the computer algorithm will be well past human performance at the rate things are going. So computers can also write.
A számítógépek nemcsak látnak, hanem olvasnak is, megmutattuk: értik is, amit hallanak. Talán nem meglepő, ha elmondom, hogy írni is tudnak. Itt egy szöveg, amelyet tegnap egy mély tanuló algoritmussal írattam. Itt egy szöveg, melyet a stanfordi algoritmus írt. Minden mondatot mély tanuló algoritmus állított elő a képek leírása céljából. Az algoritmus korábban soha nem látott fekete inges, gitározó embert. Látott korábban embert, látott fekete színt, látott korábban gitárt, de önállóan állította elő a kép új leírását. Ez még nem üti meg az emberi teljesítmény szintjét, de közelíti. A tesztekben az esetek negyedében jobban tetszik az embernek a számítógép-generálta képaláírás. Nos, ez a rendszer csupán kéthetes, tehát valószínűleg egy éven belül a számítógépes algoritmus felülmúlja az emberi teljesítményt. Tehát a számítógép írni is tud.
So we put all this together and it leads to very exciting opportunities. For example, in medicine, a team in Boston announced that they had discovered dozens of new clinically relevant features of tumors which help doctors make a prognosis of a cancer. Very similarly, in Stanford, a group there announced that, looking at tissues under magnification, they've developed a machine learning-based system which in fact is better than human pathologists at predicting survival rates for cancer sufferers. In both of these cases, not only were the predictions more accurate, but they generated new insightful science. In the radiology case, they were new clinical indicators that humans can understand. In this pathology case, the computer system actually discovered that the cells around the cancer are as important as the cancer cells themselves in making a diagnosis. This is the opposite of what pathologists had been taught for decades. In each of those two cases, they were systems developed by a combination of medical experts and machine learning experts, but as of last year, we're now beyond that too. This is an example of identifying cancerous areas of human tissue under a microscope. The system being shown here can identify those areas more accurately, or about as accurately, as human pathologists, but was built entirely with deep learning using no medical expertise by people who have no background in the field. Similarly, here, this neuron segmentation. We can now segment neurons about as accurately as humans can, but this system was developed with deep learning using people with no previous background in medicine.
Ha mindent összerakunk, ez izgalmas lehetőségekhez vezet. Például a gyógyításban, egy bostoni csoport bejelentette, hogy felfedeztek több tucat klinikailag fontos daganat-jellemzőt, amelyek segítenek az orvosoknak a rák előrejelzésében. Hasonlóképpen, Stanfordban bejelentették, hogy kifejlesztettek egy gépi tanuló rendszert, amely a szöveteket nagyításban vizsgálva a rákosok túlélési esélyeinek előrejelzésében tényleg jobban teljesít, mint a patológusok. Mindkét esetben az előrejelzések nemcsak pontosabbak voltak, hanem új tudományos eredményt hoztak. A radiológia esetében ezek új klinikai mutatók, amelyeket az ember képes értelmezni. A patológiai esetben a számítógépes rendszer végeredményben felfedezte, hogy a rák körüli sejtek a diagnózis fölállításában ugyanolyan fontosak, mint maguk a rákos sejtek. A patológusoknak évtizedeken át pont az ellenkezőjét tanították. Mindkét esetben ezek olyan rendszerek, melyeket az orvos és a gépi tanulás szakértők együtt fejlesztettek ki. Tavaly óta ezt is túlhaladtuk. Itt egy példa arra, ahogyan mikroszkóp alatt azonosítják az emberi szövet rákos területét. A bemutatott rendszer pontosabban vagy kb. ugyanolyan pontossággal tudja azonosítani azokat a területeket, mint egy patológus. Mély tanulással alakították ki a rendszert, orvosi szakértelem nélkül, olyanok, akiknek nincs semmi hátterük a témában. Azután itt van az idegsejtek szelvényezése. Már majdnem olyan precízen tudjuk szelvényezni az idegsejteket, mint az emberek, és a rendszert mély tanulással azok alakították ki, akiknek nem volt előzetes orvosi tapasztalatuk.
So myself, as somebody with no previous background in medicine, I seem to be entirely well qualified to start a new medical company, which I did. I was kind of terrified of doing it, but the theory seemed to suggest that it ought to be possible to do very useful medicine using just these data analytic techniques. And thankfully, the feedback has been fantastic, not just from the media but from the medical community, who have been very supportive. The theory is that we can take the middle part of the medical process and turn that into data analysis as much as possible, leaving doctors to do what they're best at. I want to give you an example. It now takes us about 15 minutes to generate a new medical diagnostic test and I'll show you that in real time now, but I've compressed it down to three minutes by cutting some pieces out. Rather than showing you creating a medical diagnostic test, I'm going to show you a diagnostic test of car images, because that's something we can all understand.
Úgy éreztem, hogy orvosi háttér nélkül is eléggé képzett vagyok, hogy orvosi céget alapítsak. Meg is tettem. Kissé féltem tőle, de az elmélet azt sugallta, hogy hasznára válhatnánk a gyógyításnak csupán ilyen adatelemző módszerek alkalmazásával. Hálás vagyok a fantasztikus fogadtatásért, nemcsak a média, hanem az orvosi közösség részéről is, akik nagyon támogattak. Az elmélet szerint a gyógyítás folyamatában a középső részt lecseréljük adatelemzésre lehetőség szerint, és azt hagyjuk az orvosokra, amihez legjobban értenek. Mondok rá példát. Ma 15 perc egy új diagnosztikai teszt kidolgozása. Megmutatom ezt önöknek valós időben, de én három percbe sűrítettem be, mert elhagytam egyes elemeit. Ahelyett, hogy megmutatnám, hogy készül egy diagnosztikai teszt, lássuk inkább autót ábrázoló képek diagnosztikai tesztjét, mert azt mindenki érteni fogja.
So here we're starting with about 1.5 million car images, and I want to create something that can split them into the angle of the photo that's being taken. So these images are entirely unlabeled, so I have to start from scratch. With our deep learning algorithm, it can automatically identify areas of structure in these images. So the nice thing is that the human and the computer can now work together. So the human, as you can see here, is telling the computer about areas of interest which it wants the computer then to try and use to improve its algorithm. Now, these deep learning systems actually are in 16,000-dimensional space, so you can see here the computer rotating this through that space, trying to find new areas of structure. And when it does so successfully, the human who is driving it can then point out the areas that are interesting. So here, the computer has successfully found areas, for example, angles. So as we go through this process, we're gradually telling the computer more and more about the kinds of structures we're looking for. You can imagine in a diagnostic test this would be a pathologist identifying areas of pathosis, for example, or a radiologist indicating potentially troublesome nodules. And sometimes it can be difficult for the algorithm. In this case, it got kind of confused. The fronts and the backs of the cars are all mixed up. So here we have to be a bit more careful, manually selecting these fronts as opposed to the backs, then telling the computer that this is a type of group that we're interested in.
Kb. másfél millió, autót ábrázoló képpel kezdünk, és szeretnék létrehozni valamit, ami aszerint rendezi őket, hogy milyen szögből készült a felvétel. A képek címkézetlenek, ezért az alapoktól kell kezdenem. Mély tanuló algoritmusunkkal azonosítani lehet az egyes részekhez tartozó területeket. Az ember és a gép pompásan együtt tud működni. Az ember, ahogy itt látható, megmondja a gépnek, mely területek érdeklik, melyeken szeretné, hogy próbáljon javítani a gép az algoritmusa szerint. Ezek a mély tanuló rendszerek egy 16.000-dimenziós térben vannak, látják, ahogy a gép ezt pörgeti azon a téren keresztül, és próbál új területeket találni. Amint eredményt ér el, az őt irányító ember megjelölheti az érdekes területeket. A gépnek sikerült területeket találnia, például sarkokat. Ahogy végigvisszük a folyamatot, fokozatosan egyre többet közlünk a géppel arról, miféle struktúrát keresünk. Képzeljenek el egy diagnosztikai tesztben egy patológust, amint meghatározza a patologikus részeket, vagy egy radiológust, amint kimutatja a gócokat. Néha nehéz az algoritmus számára. Most egy kissé összezavarodott. Összekeveri a kocsik elejét a hátuljával. Egy kicsit jobban kell vigyáznunk, és nekünk kell előbb különválogatnunk a kocsik elejét és a hátulját, azután megmondjuk a gépnek, hogy ez a csoport érdekes nekünk.
So we do that for a while, we skip over a little bit, and then we train the machine learning algorithm based on these couple of hundred things, and we hope that it's gotten a lot better. You can see, it's now started to fade some of these pictures out, showing us that it already is recognizing how to understand some of these itself. We can then use this concept of similar images, and using similar images, you can now see, the computer at this point is able to entirely find just the fronts of cars. So at this point, the human can tell the computer, okay, yes, you've done a good job of that.
Ez eltart egy ideig, ugrunk egyet, és okítjuk a párszáz dologra támaszkodó gépi tanuló algoritmust, és reméljük, hogy erősen följavul. Látják, kezd elhalványulni egy néhány kép, tehát már felismeri, ezek hogyan értendők. Majd alkalmazhatjuk ezt az elvet hasonló képekre, és a hasonló képeknél, látják, már képes a kocsiknak az elejét hibátlanul megtalálni. Itt az ember mondhatja a gépnek: OK, jó munkát végeztél.
Sometimes, of course, even at this point it's still difficult to separate out groups. In this case, even after we let the computer try to rotate this for a while, we still find that the left sides and the right sides pictures are all mixed up together. So we can again give the computer some hints, and we say, okay, try and find a projection that separates out the left sides and the right sides as much as possible using this deep learning algorithm. And giving it that hint -- ah, okay, it's been successful. It's managed to find a way of thinking about these objects that's separated out these together.
Persze, néha még itt is bonyolult szétválasztani a csoportokat, esetünkben, bár hagytuk a gépet egy ideig pörögni, mégis találunk összekeveredve jobb és bal oldalas képeket. Adhatunk további útbaigazításokat a gépnek, mondhatjuk, hogy próbálkozz, és találj olyan szempontot, ami minél jobban szétválogatja a jobb és bal oldalakat mély tanuló algoritmussal. S lám, a tanácsunk -- OK, sikeres volt. Sikerült olyan szempontok szerint vizsgálni a tárgyakat, amelyek alkalmasak szétválogatásukra.
So you get the idea here. This is a case not where the human is being replaced by a computer, but where they're working together. What we're doing here is we're replacing something that used to take a team of five or six people about seven years and replacing it with something that takes 15 minutes for one person acting alone.
S eszünkbe jut egy gondolat. Esetünkben a gép nem helyettesíti az embert, hanem együtt munkálkodnak. Ami egy 5-6 fős csoportnak kb. hét évébe tellett volna korábban, azt ezzel az eszközzel 15 perc alatt egyetlen személy elvégezi egyedül.
So this process takes about four or five iterations. You can see we now have 62 percent of our 1.5 million images classified correctly. And at this point, we can start to quite quickly grab whole big sections, check through them to make sure that there's no mistakes. Where there are mistakes, we can let the computer know about them. And using this kind of process for each of the different groups, we are now up to an 80 percent success rate in classifying the 1.5 million images. And at this point, it's just a case of finding the small number that aren't classified correctly, and trying to understand why. And using that approach, by 15 minutes we get to 97 percent classification rates.
Ez a folyamat 4-5 közelítő lépésből áll. Látják, hogy a gép a másfél millió kép 62%-át helyesen osztályozta. Most kezdhetjük gyorsan nagy vonalakban átnézni, nincs-e hiba valahol. Ahol hiba van, közölhetjük a géppel. Minden elkülönített csoportra alkalmazva valami ilyen eljárást most a 80%-os helyességi aránynál tartunk a másfél millió kép osztályozásakor. Most még találunk egynéhány eltévedt képet, és megpróbáljuk megérteni, mi ennek az oka. Ugyanazzal a módszerrel 15 perc alatt 97%-os helyességi arányt érünk el.
So this kind of technique could allow us to fix a major problem, which is that there's a lack of medical expertise in the world. The World Economic Forum says that there's between a 10x and a 20x shortage of physicians in the developing world, and it would take about 300 years to train enough people to fix that problem. So imagine if we can help enhance their efficiency using these deep learning approaches?
Az ilyen technika lehetővé tenné, hogy kezelni tudjunk egy jelentős problémát, azt, hogy hiány van orvosi szakértelemből a világban. A Világgazdasági Fórumon elhangzott, hogy a fejlődő országokban 10-20-szoros az orvoshiány, és mintegy 300 évbe telne, hogy a gond megoldására elég orvost képezzenek ki. Képzeljék csak el, milyen jó lenne, ha a mély tanulás módszerével növelhetnénk az orvosok hatékonyságát?
So I'm very excited about the opportunities. I'm also concerned about the problems. The problem here is that every area in blue on this map is somewhere where services are over 80 percent of employment. What are services? These are services. These are also the exact things that computers have just learned how to do. So 80 percent of the world's employment in the developed world is stuff that computers have just learned how to do. What does that mean? Well, it'll be fine. They'll be replaced by other jobs. For example, there will be more jobs for data scientists. Well, not really. It doesn't take data scientists very long to build these things. For example, these four algorithms were all built by the same guy. So if you think, oh, it's all happened before, we've seen the results in the past of when new things come along and they get replaced by new jobs, what are these new jobs going to be? It's very hard for us to estimate this, because human performance grows at this gradual rate, but we now have a system, deep learning, that we know actually grows in capability exponentially. And we're here. So currently, we see the things around us and we say, "Oh, computers are still pretty dumb." Right? But in five years' time, computers will be off this chart. So we need to be starting to think about this capability right now.
Egészen fölvillanyoznak a lehetőségek. Engem is aggaszt ez a gond. Az a probléma, hogy a kékkel jelölt területek ott vannak, ahol a szolgáltatások aránya 80% fölötti a foglalkoztatottságban. Mik is kellenek a szolgáltatásokhoz? [Írás-olvasás, Beszéd-figyelem], [Szemlélet, Tudás összegzése] Pont e dolgokkal épp most tanult meg a gép bánni. Tehát a fejlett világ dolgozóinak 80%-a olyan munkát végez, amire épp most vált képessé a számítógép. Mit jelent ez? Minden rendben lesz. A régiek helyett új állások keletkeznek. Például több állás lesz az adattudósok számára. Nem igazán. Nem tart soká a számukra kifejleszteni ezeket a dolgokat. Például, e négy algoritmust ugyanaz a fickó hozta létre. Ha azt hiszik: ó, régen is megtörtént, láttunk már ilyet, hogy új dolgok jönnek, és a régieket új állások váltják föl, no de milyenek lesznek az új állások? Nagyon nehezen tudjuk megítélni, mert az emberi teljesítmény fokozatosan nő, de most itt van a mély tanulás rendszere, tudjuk róla, hogy a teljesítménye rohamosan nő. Itt tartunk. Mostanában a dolgok láttán sokan azt mondják: "Ó, a számítógépek még mindig elég ostobák." Igaz? De öt éven belül a helyzet megváltozik. Már most el kell kezdenünk gondolkozni a gépek képességeiről.
We have seen this once before, of course. In the Industrial Revolution, we saw a step change in capability thanks to engines. The thing is, though, that after a while, things flattened out. There was social disruption, but once engines were used to generate power in all the situations, things really settled down. The Machine Learning Revolution is going to be very different from the Industrial Revolution, because the Machine Learning Revolution, it never settles down. The better computers get at intellectual activities, the more they can build better computers to be better at intellectual capabilities, so this is going to be a kind of change that the world has actually never experienced before, so your previous understanding of what's possible is different.
Ilyet már tapasztaltunk, az ipari forradalom idején, ahogy a gépek megjelenésével lépést kellett váltani. De egy idő után a dolgok elsimultak, Megzavarta a társadalmat, de amikor energiatermelésre már mindenütt gépeket használtak, a dolgok lecsillapodtak. A "gépi tanulás forradalma" egészen más lesz, mint az ipari forradalom, mert a "gépi tanulás forradalma" soha nem csillapodik le. Minél többet tudnak a számítógépek, annál jobb képességű számítógépeket tudnak megépíteni, ez olyan váltás lesz, amit a világ eddig még soha nem tapasztalt, ezért korábbi fogalmaik arról, hogy mi a lehetséges, teljesen megváltoznak.
This is already impacting us. In the last 25 years, as capital productivity has increased, labor productivity has been flat, in fact even a little bit down.
Mindez már hatással van ránk. Az utóbbi 25 évben a tőke termelékenysége nőtt, a munka termelékenysége maradt, sőt, valamit csökkent is.
So I want us to start having this discussion now. I know that when I often tell people about this situation, people can be quite dismissive. Well, computers can't really think, they don't emote, they don't understand poetry, we don't really understand how they work. So what? Computers right now can do the things that humans spend most of their time being paid to do, so now's the time to start thinking about how we're going to adjust our social structures and economic structures to be aware of this new reality. Thank you. (Applause)
Szeretném, ha már elkezdenénk ezt az eszmecserét. Amikor a jelen helyzetről beszélgetek emberekkel, gyakran teljesen elutasítók. Jó, a számítógépek valójában nem tudnak gondolkodni, nem fejeznek ki érzelmeket, nem értik a költészetet, mi igazából nem értjük, hogyan működnek. Na és? A számítógépek már most meg tudnak tenni dolgokat, amelyek az emberek munkaidejének nagy részét kitöltik. Ideje elkezdeni a gondolkodást: hogyan igazítsuk át a társadalom és a gazdaság szerkezetét az új realitások fényében. Köszönöm (taps)