0:00:03.476,0:00:05.182
Ich möchte Ihnen etwas zeigen.

0:00:05.964,0:00:09.585
(Video) Mädchen: Okay. Das ist[br]eine Katze, die auf einem Bett sitzt.

0:00:10.205,0:00:12.568
Der Junge streichelt den Elefanten.

0:00:14.220,0:00:17.319
Das sind Menschen,[br]die ein Flugzeug besteigen.

0:00:18.285,0:00:20.021
Das ist ein großes Flugzeug.

0:00:21.173,0:00:23.551
Fei-Fei Li: Das ist ein dreijähiges Kind,

0:00:23.551,0:00:26.795
das beschreibt, was es[br]auf einigen Fotos sieht.

0:00:27.307,0:00:30.585
Sie muss wahrscheinlich[br]noch viel über diese Welt lernen,

0:00:30.585,0:00:34.743
aber sie ist bereits Expertin hinsichtlich[br]einer sehr wichtigen Aufgabe:

0:00:34.953,0:00:37.799
Sie versteht, was sie sieht.

0:00:38.029,0:00:42.455
Unsere Gesellschaft ist technologisch[br]fortgeschrittener als je zuvor.

0:00:42.455,0:00:46.773
Wir schicken Menschen zum Mond,[br]stellen Telefone her, die mit uns reden

0:00:46.773,0:00:51.030
oder stellen Radiosender auf unseren[br]individuellen Musikgeschmack ein.

0:00:51.030,0:00:55.085
Dennoch haben selbst unsere[br]fortschrittlichsten Maschinen und Computer

0:00:55.085,0:00:57.988
immer noch Probleme mit dieser Aufgabe.

0:00:57.988,0:01:01.447
Ich werde Ihnen heute[br]von den Fortschritten erzählen,

0:01:01.447,0:01:05.494
die wir in unserem Forschungsgebiet[br]der Computer Vision gemacht haben,

0:01:05.494,0:01:09.795
einer der bahnbrechendsten und vielleicht[br]revolutionärsten Technologien

0:01:09.795,0:01:12.861
in der Informatik.

0:01:12.861,0:01:17.412
Wir haben Autos entwickelt,[br]die eigenständig fahren können,

0:01:17.412,0:01:21.265
aber ohne intelligentes Sehvermögen[br]können sie nicht unterscheiden,

0:01:21.265,0:01:25.373
ob auf der Straße eine zerknitterte[br]Papiertüte liegt, die man überfahren kann,

0:01:25.373,0:01:28.575
oder ein Stein von gleicher Größe,[br]dem man ausgeweichen muss.

0:01:29.285,0:01:32.735
Wir haben sagenhaft[br]hochauflösende Kameras entwickelt,

0:01:32.805,0:01:35.940
aber wir können Blinde nicht[br]wieder sehen lassen.

0:01:36.420,0:01:39.575
Drohnen können über riesige[br]Distanzen fliegen,

0:01:39.575,0:01:42.302
besitzen aber nicht[br]die nötige Sichttechnologie,

0:01:42.302,0:01:45.320
um die Veränderungen[br]der Regenwälder nachzuverfolgen.

0:01:45.320,0:01:48.270
Überwachungskameras sind überall,

0:01:48.270,0:01:53.337
aber warnen uns nicht,[br]wenn ein Kind im Schwimmbad ertrinkt.

0:01:54.167,0:01:59.762
Bilder und Videos werden immer mehr[br]zu einem festen Bestandteil des Lebens.

0:01:59.762,0:02:03.849
Sie werden in einer Geschwindigkeit[br]erzeugt, die weit jenseits dessen liegt,

0:02:03.849,0:02:06.632
was Menschen sich auch nur[br]erhoffen könnten zu sichten.

0:02:06.632,0:02:10.553
Sie und ich tragen mit diesem[br]TED Talk gerade dazu bei.

0:02:10.553,0:02:15.785
Unsere fortschrittlichste Software[br]hat noch immer Probleme

0:02:15.785,0:02:19.661
beim Verstehen und Verwalten[br]dieser enormen Masse an Inhalten.

0:02:19.661,0:02:24.008
Man kann soweit gehen und sagen,[br]dass wir als Gesellschaft

0:02:24.008,0:02:26.298
nahezu blind sind,

0:02:26.423,0:02:29.806
weil unsere klügsten Maschinen[br]immer noch blind sind.

0:02:31.356,0:02:34.302
"Warum ist das so schwierig?",[br]fragen Sie sich vielleicht.

0:02:34.302,0:02:37.145
Kameras können solche Bilder schießen,

0:02:37.145,0:02:41.139
indem sie Licht in eine zweidimensionale[br]Matrix aus Zahlen umwandeln,

0:02:41.139,0:02:42.789
besser bekannt als Pixel.

0:02:42.789,0:02:45.040
Aber das sind nur leblose Zahlen.

0:02:45.040,0:02:47.961
Sie sind an sich bedeutungslos.

0:02:48.061,0:02:52.494
Hören ist nicht dasselbe wie Verstehen.

0:02:52.494,0:02:56.344
Ebenso ist Fotografieren[br]nicht dasselbe wie Sehen.

0:02:56.344,0:03:00.363
Mit Sehen meinen wir[br]genauer gesagt Verstehen.

0:03:01.293,0:03:06.870
Tatsächlich hat Mutter Natur[br]540 Millionen Jahre gebraucht,

0:03:06.890,0:03:09.443
um diese Aufgabe zu lösen.

0:03:09.443,0:03:11.324
Ein Großteil des Aufwands

0:03:11.324,0:03:16.595
war die Entwicklung der visuellen[br]Verarbeitungskapazität unseres Gehirns,

0:03:16.595,0:03:19.242
gar nicht der Augen an sich.

0:03:19.242,0:03:21.989
Das Sehen beginnt mit den Augen,

0:03:21.989,0:03:25.507
geschieht aber eigentlich im Gehirn.

0:03:26.287,0:03:31.347
Vor 15 Jahren begann ich[br]meine Doktorarbeit am Caltech,

0:03:31.347,0:03:34.273
danach leitete ich[br]das Vision Lab in Stanford.

0:03:34.273,0:03:38.669
Die ganze Zeit arbeitete ich mit Mentoren,[br]Mitarbeitern und Studenten daran,

0:03:38.669,0:03:41.558
Computern das Sehen beizubringen.

0:03:42.258,0:03:45.952
Unser Forschungsgebiet nennt sich[br]Computer Vision und Maschinelles Lernen.

0:03:45.952,0:03:49.830
Es gehört zum allgemeinen Gebiet[br]der Künstlichen Intelligenz.

0:03:51.000,0:03:56.493
Schlussendlich wollen wir Geräten[br]beibringen, so wie wir zu sehen:

0:03:56.493,0:04:01.880
Objekte benennen, Menschen erkennen,[br]Dreidimensionalität von Objekten erfassen,

0:04:01.880,0:04:07.568
Beziehungen, Emotionen, Handlungen[br]und Absichten verstehen.

0:04:07.568,0:04:13.631
Sie und ich begreifen ganze Geschichten[br]zwischen Menschen, Orten und Dingen

0:04:13.631,0:04:16.603
in Sekundenschnelle, wenn wir[br]einen Blick darauf werfen.

0:04:16.954,0:04:22.538
Der erste Schritt ist es, Computern[br]die Objekterkennung beizubringen,

0:04:22.538,0:04:25.906
einzelne Bausteine der visuellen Welt.

0:04:25.906,0:04:30.340
Grundsätzlich können Sie sich[br]diesen Lehrprozess so vorstellen,

0:04:30.340,0:04:34.005
dass wir den Computern[br]einige Trainingsbilder

0:04:34.005,0:04:37.341
von bestimmten Objekten zeigen,[br]zum Beispiel von Katzen,

0:04:37.341,0:04:41.163
und ein Modell entwerfen,[br]das von diesen Trainingsbildern lernt.

0:04:41.193,0:04:43.317
Wie schwer kann das schon sein?

0:04:43.347,0:04:47.489
Im Grunde besteht eine Katze aus einer[br]Reihe verschiedener Formen und Farben.

0:04:47.489,0:04:51.575
Genau das waren unsere ersten Schritte[br]in der Objektmodellierung.

0:04:51.575,0:04:55.197
Wir sagten dem Computeralgorithmus[br]in einer mathematischen Sprache,

0:04:55.197,0:04:58.540
dass eine Katze ein rundes Gesicht,[br]einen pummeligen Körper,

0:04:58.540,0:05:00.839
zwei spitze Ohren[br]und einen langen Schwanz hat.

0:05:00.839,0:05:02.249
Das sah ganz gut aus.

0:05:02.859,0:05:04.972
Aber wie ist es mit dieser Katze?

0:05:04.972,0:05:06.063
(Lachen)

0:05:06.063,0:05:07.689
Sie ist ganz zusammengekuschelt.

0:05:07.689,0:05:12.408
Jetzt muss man eine andere Form und eine[br]Perspektive zum Objektmodell hinzufügen.

0:05:12.408,0:05:14.570
Wie sieht es mit versteckten Katzen aus?

0:05:15.143,0:05:17.362
Was ist mit diesen albernen Katzen?

0:05:19.112,0:05:21.529
Jetzt verstehen Sie mich sicherlich.

0:05:21.529,0:05:24.896
Sogar etwas so Einfaches wie ein Haustier

0:05:24.896,0:05:29.150
kann für das Objektmodell[br]unendlich viele Variationen annehmen.

0:05:29.150,0:05:31.633
Und das ist nur ein Objekt.

0:05:32.573,0:05:35.065
Vor etwa acht Jahren

0:05:35.065,0:05:40.095
veränderte eine sehr einfache[br]und grundlegende Beobachtung mein Denken.

0:05:41.425,0:05:44.110
Niemand sagt einem Kind,[br]wie es zu sehen hat,

0:05:44.110,0:05:46.371
erst recht nicht am Anfang.

0:05:46.371,0:05:51.371
Sie lernen durch eigene[br]Erfahrungen und Beispiele.

0:05:51.371,0:05:54.111
Wenn man sich die Augen eines Kindes

0:05:54.111,0:05:56.665
als ein Paar biologischer[br]Kameras vorstellt,

0:05:56.665,0:06:00.685
schießen diese alle 200[br]Millisekunden ein Bild.

0:06:00.725,0:06:03.799
Das ist die durchschnittliche[br]Dauer einer Augenbewegung.

0:06:03.979,0:06:09.529
Mit drei Jahren hat ein Kind also[br]mehrere hundert Millionen Bilder

0:06:09.529,0:06:11.363
der realen Welt gesehen.

0:06:11.363,0:06:13.643
Das sind sehr viel Übungsbeispiele.

0:06:14.383,0:06:20.372
Ich erkannte, dass der Fokus nicht auf[br]immer besseren Algorithmen liegen muss,

0:06:20.372,0:06:25.644
sondern dass wir den Algorithmen[br]die Art von Übungsdaten geben müssen,

0:06:25.644,0:06:28.843
die ein Kind durch seine[br]Erfahrungen sammelt,

0:06:28.843,0:06:32.841
sowohl quantitativ und qualitativ.

0:06:32.841,0:06:34.699
Mit dieser Erkenntnis

0:06:34.699,0:06:38.255
war es unsere Aufgabe,[br]einen Datensatz zusammenzustellen,

0:06:38.255,0:06:42.129
der weit mehr Bilder beinhaltete,[br]als alles bisher Dagewesene.

0:06:42.129,0:06:44.706
Vielleicht tausendfach mehr Bilder.

0:06:44.706,0:06:48.817
Zusammen mit Professor Kai Li[br]von der Princeton University

0:06:48.817,0:06:53.569
starteten wir 2007 das ImageNet Projekt.

0:06:53.569,0:06:57.407
Zum Glück mussten wir keine Kameras[br]an unseren Köpfen anbringen

0:06:57.407,0:06:59.171
und viele Jahre warten.

0:06:59.171,0:07:00.634
Wir nutzten das Internet,

0:07:00.634,0:07:05.070
die größte Fundgrube für Bilder,[br]die die Menschheit erschaffen hat.

0:07:05.070,0:07:08.111
Wir haben fast eine Milliarde[br]Bilder heruntergeladen

0:07:08.111,0:07:13.751
und mithilfe von Crowdsourcing[br]wie der Amazon Mechanical Turk Plattform

0:07:13.751,0:07:16.330
all diese Bilder kategorisiert.

0:07:16.330,0:07:21.230
Zu Spitzenzeiten war ImageNet[br]einer der größten Arbeitgeber

0:07:21.230,0:07:24.226
für Amazon Mechanical Turk Mitarbeiter:

0:07:24.226,0:07:28.080
Insgesamt bekamen wir Hilfe[br]von fast 50.000 Arbeitern

0:07:28.080,0:07:32.120
aus 167 Ländern weltweit

0:07:32.120,0:07:36.067
beim Bereinigen, Sortieren und Benennen

0:07:36.067,0:07:39.642
von fast einer Milliarde Bildern.

0:07:40.612,0:07:43.265
Das zeigt, wieviel Aufwand nötig war,

0:07:43.265,0:07:47.165
um auch nur einen Bruchteil[br]der Bilder zu erfassen,

0:07:47.165,0:07:51.336
die ein Kind in den frühen Jahren[br]seiner Entwicklung verarbeitet.

0:07:51.908,0:07:56.050
Rückblickend wirkt die Idee,[br]riesengroße Datensätze zu nutzen,

0:07:56.050,0:08:00.420
um Computeralgorithmen zu trainieren,[br]absolut naheliegend.

0:08:00.420,0:08:04.500
Doch 2007 war das nicht so offensichtlich.

0:08:04.570,0:08:08.588
Wir waren auf dieser Reise[br]lange Zeit ziemlich allein.

0:08:08.588,0:08:13.591
Einige Kollegen rieten mir, mit meiner[br]Anstellung etwas Sinnvolleres zu tun

0:08:13.591,0:08:17.933
und wir kämpften ständig[br]um die Finanzierung der Forschung.

0:08:17.933,0:08:20.574
Einmal scherzte ich[br]mit meinen Studenten darüber,

0:08:20.574,0:08:24.481
meine alte Textilreinigung wieder[br]zu öffnen, um ImageNet zu finanzieren.

0:08:24.481,0:08:29.242
Immerhin hatte ich so auch[br]mein Studium finanziert.

0:08:29.242,0:08:31.098
Also machten wir weiter.

0:08:31.098,0:08:34.813
2009 lieferte das ImageNet-Projekt

0:08:34.813,0:08:38.855
eine Datenbank mit[br]über 15 Millionen Bildern,

0:08:38.855,0:08:43.659
die 22.000 Objektkategorien umfassten

0:08:43.659,0:08:46.980
und nach englischen[br]Alltagsbegriffen geordnet waren.

0:08:46.980,0:08:49.906
Sowohl quantitativ, als auch qualitativ

0:08:49.906,0:08:52.878
war das ein noch nie dagewesener Umfang.

0:08:52.878,0:08:56.339
Zurück zum Katzenbeispiel:

0:08:56.339,0:08:59.148
Wir haben mehr als 62.000 Katzen

0:08:59.148,0:09:03.258
mit verschiedenstem Aussehen[br]und in allerlei Posen

0:09:03.258,0:09:08.481
über alle Rassen von[br]Haus- und Wildkatzen hinweg.

0:09:08.481,0:09:11.825
Wir waren begeistert,[br]ImageNet aufgebaut zu haben,

0:09:11.825,0:09:15.563
und wollten, dass die ganze[br]Forschungswelt davon profitiert.

0:09:15.563,0:09:19.604
Ganz nach TED-Art machten wir daher[br]unseren kompletten Datensatz

0:09:19.604,0:09:23.196
für Wissenschaftler aus aller Welt[br]kostenlos verfügbar.

0:09:23.526,0:09:26.496
(Applaus)

0:09:29.416,0:09:33.954
Da wir nun die Daten haben,[br]um unser Computerhirn zu füttern,

0:09:33.954,0:09:37.691
können wir jetzt[br]zu den Algorithmen zurückkommen.

0:09:37.691,0:09:42.869
Es stellte sich heraus,[br]dass die Informationsfülle auf ImageNet

0:09:42.869,0:09:47.535
perfekt zu einer bestimmten Art[br]von Machine Learning-Algorithmen passte,

0:09:47.575,0:09:50.090
sogenannte "faltende neuronale Netzwerke",

0:09:50.090,0:09:55.338
entwickelt von Kunihiko Fukushima,[br]Geoff Hinton und Yann LeCun

0:09:55.338,0:09:58.983
und das schon in den 70er und 80er Jahren.

0:09:58.983,0:10:04.602
So wie unser Gehirn aus Milliarden von[br]stark vernetzten Neuronen besteht,

0:10:04.602,0:10:08.456
ist die einfachste Betriebseinheit[br]eines neuronalen Netzwerks

0:10:08.456,0:10:10.871
ein neuronenähnlicher Knotenpunkt.

0:10:10.871,0:10:13.425
Er erhält Input von anderen Knotenpunkten

0:10:13.425,0:10:16.143
und sendet Output an andere.

0:10:16.143,0:10:20.856
Zusätzlich sind diese hunderttausende[br]oder sogar Millionen von Knotenpunkten

0:10:20.856,0:10:24.083
in hierarchischen Schichten organisiert,

0:10:24.083,0:10:26.637
auch das ähnlich wie im Gehirn.

0:10:26.637,0:10:31.420
Ein typisches Neuronales Netz, das[br]unser Objekterkennungsmodell trainiert,

0:10:31.420,0:10:34.601
besitzt 24 Millionen Knotenpunkte,

0:10:34.601,0:10:37.668
140 Millionen Parameter

0:10:37.668,0:10:40.371
und 15 Milliarden Verbindungen.

0:10:40.371,0:10:43.076
Das ist ein riesiges Modell.

0:10:43.076,0:10:46.977
Dank der immensen Datenmenge von ImageNet

0:10:46.977,0:10:52.410
und der modernen CPUs und GPUs, auf denen[br]wir dieses gigantische Modell trainieren,

0:10:52.410,0:10:54.779
blühte das faltende neuronale Netzwerk

0:10:54.779,0:10:58.215
auf eine Weise auf,[br]die niemand erwartet hatte.

0:10:58.215,0:11:00.723
Es wurde die erfolgreichste Struktur,

0:11:00.723,0:11:06.063
um spannende neue Ergebnisse[br]in der Objekterkennung zu generieren.

0:11:06.063,0:11:08.873
Das ist ein Computer, der uns sagt,

0:11:08.873,0:11:11.173
dass auf diesem Bild[br]eine Katze zu sehen ist

0:11:11.173,0:11:13.076
und wo sich diese Katze befindet.

0:11:13.076,0:11:15.188
Natürlich gibt es noch mehr[br]als nur Katzen.

0:11:15.188,0:11:18.182
Hier sehen Sie einen[br]Computeralgorithmus, der uns sagt,

0:11:18.182,0:11:20.900
dass auf dem Bild ein Junge[br]und ein Teddybär sind;

0:11:20.900,0:11:25.266
hier ein Hund, eine Person[br]und ein kleiner Drachen im Hintergrund;

0:11:25.266,0:11:28.401
oder dieses sehr überladene Bild:

0:11:28.401,0:11:33.045
ein Mann, ein Skateboard,[br]Geländer, eine Laterne und so weiter.

0:11:33.045,0:11:39.398
Manchmal weiß der Computer[br]nicht genau, was er sieht,

0:11:39.408,0:11:42.153
und wir haben ihm beigebracht,[br]schlau genug zu sein,

0:11:42.153,0:11:45.652
uns eine sichere Antwort zu geben,[br]statt sich zu sehr festzulegen,

0:11:45.652,0:11:48.203
genau so wie wir es auch machen würden.

0:11:48.463,0:11:53.129
Manchmal ist der Algorithmus dagegen[br]bemerkenswert gut darin, uns zu sagen,

0:11:53.129,0:11:55.382
was genau die Objekte sind,

0:11:55.382,0:11:58.818
wie die Marke, das Modell[br]und das Baujahr eines Autos.

0:11:58.818,0:12:04.204
Wir haben diesen Algorithmus auf Millionen[br]von Google Street View Bilder angewendet

0:12:04.204,0:12:07.339
in hunderten amerikanischen Städten

0:12:07.339,0:12:10.265
und fanden dabei etwas[br]sehr Interessantes heraus:

0:12:10.265,0:12:13.585
Zunächst bestätigte sich unsere Vermutung,

0:12:13.585,0:12:16.875
dass Fahrzeugpreise in direktem Bezug

0:12:16.875,0:12:19.070
zu Haushaltseinkommen stehen.

0:12:19.070,0:12:23.747
Überraschenderweise korrelieren[br]die Fahrzeugpreise auch stark

0:12:23.747,0:12:26.047
mit den Kriminalitätsraten einer Stadt

0:12:27.007,0:12:30.970
oder den Wahlergebnissen[br]nach Postleitzahlen.

0:12:31.620,0:12:34.266
Aber Moment mal. War es das schon?

0:12:34.266,0:12:39.419
Sind Computer mit dem Menschen gleich[br]gezogen oder haben ihn sogar übertroffen?

0:12:39.419,0:12:41.557
Nicht so schnell.

0:12:41.557,0:12:46.480
Bisher haben wir dem Computer[br]lediglich beigebracht, Objekte zu sehen.

0:12:46.480,0:12:51.124
Das ist wie ein kleines Kind, das gerade[br]seine ersten Substantive zu sagen lernt.

0:12:51.124,0:12:53.794
Das ist eine beachtliche Leistung,

0:12:53.794,0:12:56.254
aber doch nur der erste Schritt.

0:12:56.254,0:13:00.016
Bald wird das nächste[br]Entwicklungsziel erreicht

0:13:00.016,0:13:03.477
und Kinder fangen an,[br]in ganzen Sätzen zu kommunizieren.

0:13:03.477,0:13:07.701
Anstatt zu sagen,[br]dass auf dem Bild eine Katze ist,

0:13:07.701,0:13:12.903
sagte uns das kleine Mädchen schon,[br]dass die Katze auf einem Bett liegt.

0:13:12.903,0:13:18.498
Um einem Computer beizubringen,[br]ein Bild zu sehen und Sätze zu bilden,

0:13:18.498,0:13:22.446
muss die Ehe zwischen Big Data[br]und dem Machine Learning-Algorithmus

0:13:22.446,0:13:24.491
den nächsten Schritt gehen.

0:13:24.491,0:13:28.877
Nun muss der Computer sowohl von Bildern

0:13:28.877,0:13:31.733
als auch von natürlichsprachlichen[br]Sätzen lernen,

0:13:31.733,0:13:34.885
die Menschen erzeugen.

0:13:35.055,0:13:38.908
Wie auch das Gehirn das Sehen[br]mit der Sprache verbindet,

0:13:38.908,0:13:44.109
entwickelten wir ein Modell,[br]das einen Teil der visuellen Dinge

0:13:44.109,0:13:46.013
wie visuelle Ausschnitte

0:13:46.013,0:13:50.216
mit Wörtern und Ausdrücken[br]in Sätzen vereint.

0:13:50.216,0:13:52.979
Vor etwa vier Monaten

0:13:52.979,0:13:55.626
haben wir das alles endlich[br]miteinander verbunden

0:13:55.626,0:13:59.410
und eines der ersten[br]Computer Vision-Modelle erzeugt,

0:13:59.410,0:14:03.404
das in der Lage ist, einen[br]menschenähnlichen Satz zu generieren,

0:14:03.404,0:14:06.910
wenn es ein Bild zum ersten Mal sieht.

0:14:06.910,0:14:11.554
Jetzt kann ich Ihnen zeigen,[br]was der Computer sagt,

0:14:11.554,0:14:13.529
wenn er die Bilder sieht,

0:14:13.529,0:14:17.359
die das kleine Mädchen am Anfang[br]dieser Präsentation sah.

0:14:19.099,0:14:22.443
(Video) Computer: Ein Mann steht[br]neben einem Elefanten.

0:14:24.393,0:14:28.027
Ein großes Flugzeug steht auf[br]einer Landebahn.

0:14:29.057,0:14:33.269
FFL: Natürlich arbeiten wir noch eifrig[br]daran, diese Algorithmen zu verbessern

0:14:33.269,0:14:35.685
und sie müssen noch immer viel lernen.

0:14:35.685,0:14:38.156
(Applaus)

0:14:39.536,0:14:42.857
Der Computer macht immer noch Fehler.

0:14:42.877,0:14:46.268
(Video) Computer: Eine Katze liegt[br]unter einer Decke auf dem Bett.

0:14:46.268,0:14:48.821
FFL: Wenn er zu viele Katzen sieht,

0:14:48.821,0:14:51.747
denkt er, alles könnte eine Katze sein.

0:14:53.317,0:14:56.431
(Video) Computer: Ein kleiner Junge[br]hält einen Baseballschläger.

0:14:56.431,0:14:57.946
(Lachen)

0:14:57.946,0:15:02.529
Wenn er noch nie eine Zahnbürste gesehen[br]hat, ist es für ihn ein Baseballschläger.

0:15:03.169,0:15:07.163
(Video) Computer: Ein Mann reitet[br]auf einem Pferd die Straße hinunter.

0:15:07.163,0:15:08.766
(Lachen)

0:15:08.766,0:15:12.711
FFL: Wir haben den Computern das[br]Konzept der Kunst noch nicht beigebracht.

0:15:13.768,0:15:16.652
(Video) Computer: Ein Zebra[br]steht auf einer Wiese.

0:15:16.652,0:15:20.991
FFL: Er hat die phantastische Schönheit[br]der Natur noch nicht schätzen gelernt,

0:15:20.991,0:15:22.457
so wie Sie und ich es tun.

0:15:22.637,0:15:25.289
Wir haben einen langen Weg hinter uns.

0:15:25.289,0:15:29.515
Es war schwer von null bis zu unserem[br]dritten Lebensjahr zu kommen.

0:15:29.515,0:15:35.111
Die echte Herausforderung ist es aber,[br]von 3 bis 13 und noch weiter zu kommen.

0:15:35.111,0:15:39.476
Erinnern Sie sich an das Bild[br]mit dem Jungen und dem Kuchen.

0:15:39.476,0:15:43.540
Bisher haben wir dem Computer[br]beigebracht, Objekte zu sehen

0:15:43.540,0:15:47.998
oder uns eine einfache Geschichte[br]zu den Bildern zu erzählen.

0:15:47.998,0:15:51.574
(Video) Computer: Eine Person sitzt[br]an einem Tisch mit einem Kuchen.

0:15:51.574,0:15:54.204
FFL: Aber es steckt[br]viel mehr in diesem Bild

0:15:54.204,0:15:56.474
als nur eine Person und ein Kuchen.

0:15:56.474,0:16:00.791
Der Computer erkennt nicht, dass es[br]ein spezieller italienischer Kuchen ist,

0:16:00.791,0:16:04.058
der nur zu Ostern gebacken wird.

0:16:04.158,0:16:07.363
Der Junge trägt sein Lieblingsshirt,

0:16:07.363,0:16:11.333
das ihm sein Vater von einer Reise[br]nach Sydney mitgebracht hat.

0:16:11.333,0:16:15.141
Sie und ich können sehen,[br]wie glücklich er ist

0:16:15.141,0:16:18.344
und was genau in diesem Moment[br]in seinem Kopf vor sich geht.

0:16:19.134,0:16:22.199
Das ist mein Sohn Leo.

0:16:22.269,0:16:24.963
Auf meiner Suche nach[br]visueller Intelligenz

0:16:24.963,0:16:27.354
denke ich ständig an Leo

0:16:27.354,0:16:30.077
und an die Welt der Zukunft,[br]in der er leben wird.

0:16:30.077,0:16:34.088
Wenn Maschinen sehen können,[br]werden Ärzte und Krankenschwestern

0:16:34.088,0:16:36.990
ein zusätzliches Paar[br]unermüdlicher Augen haben,

0:16:36.990,0:16:41.082
um ihnen bei der Diagnose[br]und Behandlung von Patienten zu helfen.

0:16:41.082,0:16:45.325
Autos werden klüger und sicherer[br]durch die Straßen fahren.

0:16:45.465,0:16:48.679
Roboter, nicht nur Menschen,[br]werden uns dabei helfen,

0:16:48.679,0:16:53.008
in Katastrophengebiete vorzudringen,[br]um Verschüttete und Verwundete zu retten.

0:16:53.538,0:16:57.594
Wir werden neue Arten[br]und bessere Materialien entdecken

0:16:57.594,0:17:02.103
und ungesehene Grenzen erkunden,[br]mit Hilfe von Maschinen.

0:17:03.113,0:17:07.280
Schritt für Schritt bringen wir[br]Maschinen das Sehen bei.

0:17:07.280,0:17:10.078
Erst bringen wir es ihnen bei.

0:17:10.078,0:17:12.840
Später helfen sie uns dabei,[br]besser zu sehen.

0:17:12.840,0:17:16.886
Zum ersten Mal werden unsere Augen[br]nicht die einzigen sein,

0:17:16.886,0:17:19.940
die unsere Welt studieren und erkunden.

0:17:19.940,0:17:23.540
Wir werden Maschinen nicht nur[br]wegen ihrer Intelligenz nutzen,

0:17:23.540,0:17:29.579
wir werden mit ihnen zusammenarbeiten,[br]wie es jetzt noch unvorstellbar scheint.

0:17:29.579,0:17:31.740
Das ist mein Ziel:

0:17:31.740,0:17:34.452
Ich möchte Computern[br]visuelle Intelligenz geben

0:17:34.452,0:17:39.583
und damit eine bessere Zukunft für Leo[br]und die ganze Welt gestalten.

0:17:39.583,0:17:41.394
Danke.

0:17:41.394,0:17:44.379
(Applaus)