[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.80,0:00:03.92,Default,,0000,0000,0000,,Ηγούμαι μιας ομάδας στην Google\Nπου ερευνά τη μηχανική ευφυΐα.
Dialogue: 0,0:00:03.95,0:00:08.60,Default,,0000,0000,0000,,Με άλλα λόγια, τον κλάδο της μηχανικής\Nπου κάνει υπολογιστές και συσκευές
Dialogue: 0,0:00:08.62,0:00:11.04,Default,,0000,0000,0000,,να μπορούν να κάνουν\Nκάποια απ' όσα κάνει το μυαλό.
Dialogue: 0,0:00:11.44,0:00:14.26,Default,,0000,0000,0000,,Γι' αυτό ενδιαφερόμαστε\Nγια τους κανονικούς εγκεφάλους
Dialogue: 0,0:00:14.26,0:00:16.10,Default,,0000,0000,0000,,καθώς και για τη νευροεπιστήμη,
Dialogue: 0,0:00:16.10,0:00:20.05,Default,,0000,0000,0000,,και ειδικότερα για τα πράγματα \Nπου κάνει το μυαλό μας
Dialogue: 0,0:00:20.05,0:00:24.09,Default,,0000,0000,0000,,που ακόμα είναι πολύ ανώτερο\Nαπό τις επιδόσεις των υπολογιστών.
Dialogue: 0,0:00:25.21,0:00:28.82,Default,,0000,0000,0000,,Ιστορικά, ένα από αυτά που μας ενδιέφεραν\Nήταν η αντίληψη,
Dialogue: 0,0:00:28.84,0:00:31.88,Default,,0000,0000,0000,,η διαδικασία με την οποία\Nτα πράγματα εκεί έξω στον κόσμο
Dialogue: 0,0:00:31.90,0:00:33.49,Default,,0000,0000,0000,,-ήχοι και εικόνες-
Dialogue: 0,0:00:33.51,0:00:35.69,Default,,0000,0000,0000,,μετατρέπονται σε έννοιες μέσα στο μυαλό.
Dialogue: 0,0:00:36.24,0:00:38.75,Default,,0000,0000,0000,,Αυτό είναι ζωτικό για τον εγκέφαλό μας
Dialogue: 0,0:00:38.78,0:00:41.24,Default,,0000,0000,0000,,και επίσης είναι πολύ χρήσιμο \Nγια τον υπολογιστή.
Dialogue: 0,0:00:41.64,0:00:45.29,Default,,0000,0000,0000,,Για παράδειγμα, οι αλγόριθμοι μηχανικής\Nαντίληψης που φτιάχνει η ομάδα μας
Dialogue: 0,0:00:45.29,0:00:48.88,Default,,0000,0000,0000,,κάνουν δυνατή την αναζήτηση\Nστις φωτογραφίες του Google Photos
Dialogue: 0,0:00:48.88,0:00:50.91,Default,,0000,0000,0000,,βάσει του τι αυτές περιέχουν.
Dialogue: 0,0:00:51.59,0:00:55.09,Default,,0000,0000,0000,,Η άλλη πλευρά της αντίληψης \Nείναι η δημιουργικότητα:
Dialogue: 0,0:00:55.11,0:00:58.15,Default,,0000,0000,0000,,το να μεταμορφώνετε μια έννοια\Nσε κάτι εκεί έξω στον κόσμο.
Dialogue: 0,0:00:58.17,0:01:01.73,Default,,0000,0000,0000,,Έτσι τον τελευταίο χρόνο,\Nη εργασία μας πάνω στη μηχανική αντίληψη
Dialogue: 0,0:01:01.75,0:01:06.52,Default,,0000,0000,0000,,συνδέθηκε απρόσμενα \Nκαι με τον κόσμο της δημιουργικότητας
Dialogue: 0,0:01:06.52,0:01:07.96,Default,,0000,0000,0000,,και της τέχνης από μηχανές.
Dialogue: 0,0:01:08.56,0:01:11.93,Default,,0000,0000,0000,,Νομίζω ότι ο Μιχαήλ Αγγελος\Nείδε πολύ διορατικά
Dialogue: 0,0:01:11.93,0:01:15.52,Default,,0000,0000,0000,,αυτή τη δυαδική σχέση\Nμεταξύ αντίληψης και δημιουργικότητας.
Dialogue: 0,0:01:16.02,0:01:18.03,Default,,0000,0000,0000,,Ένα φημισμένο απόφθεγμά του λέει:
Dialogue: 0,0:01:18.05,0:01:21.76,Default,,0000,0000,0000,,«Κάθε κομμάτι πέτρας \Nέχει μέσα του ένα άγαλμα
Dialogue: 0,0:01:21.76,0:01:25.18,Default,,0000,0000,0000,,και είναι δουλειά του γλύπτη\Nνα το αποκαλύψει».
Dialogue: 0,0:01:26.03,0:01:29.24,Default,,0000,0000,0000,,Νομίζω ότι ο Μιχαήλ Άγγελος εννοεί
Dialogue: 0,0:01:29.27,0:01:32.45,Default,,0000,0000,0000,,ότι δημιουργούμε μέσα από την αντίληψη,
Dialogue: 0,0:01:32.47,0:01:35.50,Default,,0000,0000,0000,,και η ίδια η αντίληψη \Nείναι μια πράξη φαντασίας
Dialogue: 0,0:01:35.52,0:01:38.08,Default,,0000,0000,0000,,από την οποία είναι φτιαγμένη\Nη δημιουργικότητα.
Dialogue: 0,0:01:38.69,0:01:42.62,Default,,0000,0000,0000,,Το όργανο που σκέφτεται, \Nαντιλαμβάνεται και φαντάζεται
Dialogue: 0,0:01:42.64,0:01:44.23,Default,,0000,0000,0000,,είναι φυσικά ο εγκέφαλος.
Dialogue: 0,0:01:45.09,0:01:47.63,Default,,0000,0000,0000,,Θα ήθελα να αρχίσω με λίγη ιστορία
Dialogue: 0,0:01:47.66,0:01:49.96,Default,,0000,0000,0000,,σχετικά με το τι γνωρίζουμε\Nγια τον εγκέφαλό μας.
Dialogue: 0,0:01:50.41,0:01:53.03,Default,,0000,0000,0000,,Γιατί διαφορετικά, ας πούμε,\Nαπό την καρδιά ή τα έντερα
Dialogue: 0,0:01:53.03,0:01:56.06,Default,,0000,0000,0000,,δεν μπορείς να πεις πολλά \Nγια τον εγκέφαλο απλώς κοιτώντας τον
Dialogue: 0,0:01:56.06,0:01:57.68,Default,,0000,0000,0000,,τουλάχιστον δια γυμνού οφθαλμού.
Dialogue: 0,0:01:57.98,0:02:00.40,Default,,0000,0000,0000,,Οι πρώτοι ανατόμοι \Nπου εξέτασαν τον εγκέφαλο
Dialogue: 0,0:02:00.42,0:02:04.23,Default,,0000,0000,0000,,έδωσαν στις εμφανείς δομές του\Nκάθε είδους περίεργη ονομασία,
Dialogue: 0,0:02:04.25,0:02:06.69,Default,,0000,0000,0000,,όπως ιππόκαμπος, ένα είδος μικρής γαρίδας.
Dialogue: 0,0:02:06.71,0:02:09.46,Default,,0000,0000,0000,,Αλλά φυσικά αυτό δεν μας λέει πάρα πολλά
Dialogue: 0,0:02:09.46,0:02:12.06,Default,,0000,0000,0000,,σχετικά με το τι πραγματικά\Nσυμβαίνει στο εσωτερικό.
Dialogue: 0,0:02:12.78,0:02:16.39,Default,,0000,0000,0000,,Ο πρώτος που πιστεύω ότι κάπως μάντεψε
Dialogue: 0,0:02:16.42,0:02:18.35,Default,,0000,0000,0000,,τι περίπου συμβαίνει μέσα στον εγκέφαλο
Dialogue: 0,0:02:18.37,0:02:22.29,Default,,0000,0000,0000,,ήταν ο μεγάλος Ισπανός νευροανατόμος \NΣαντιάγο Ραμόν ι Καχάλ
Dialogue: 0,0:02:22.32,0:02:23.86,Default,,0000,0000,0000,,τον 19ο αιώνα,
Dialogue: 0,0:02:23.88,0:02:27.64,Default,,0000,0000,0000,,που χρησιμοποίησε μικροσκόπιο \Nκαι ειδικές χρωστικές
Dialogue: 0,0:02:27.66,0:02:31.83,Default,,0000,0000,0000,,που μπορούσαν επιλεκτικά να εισχωρήσουν\Nκαι να χρωματίσουν με μεγάλη αντίθεση
Dialogue: 0,0:02:31.86,0:02:33.86,Default,,0000,0000,0000,,τα επιμέρους κελιά του εγκεφάλου,
Dialogue: 0,0:02:33.89,0:02:37.04,Default,,0000,0000,0000,,ούτως ώστε να αρχίσουμε\Nνα καταλαβαίνουμε τη μορφολογία τους.
Dialogue: 0,0:02:37.97,0:02:42.02,Default,,0000,0000,0000,,Αυτά είναι τα σκίτσα νευρώνων\Nπου έφτιαξε τον 19ο αιώνα.
Dialogue: 0,0:02:42.12,0:02:44.00,Default,,0000,0000,0000,,Αυτό είναι από εγκέφαλο πουλιού.
Dialogue: 0,0:02:44.03,0:02:47.08,Default,,0000,0000,0000,,Βλέπετε αυτή την απίστευτη ποικιλία\Nαπό διάφορα είδη κελιών,
Dialogue: 0,0:02:47.11,0:02:50.54,Default,,0000,0000,0000,,ακόμα και η ίδια η κυτταρική θεωρία\Nήταν αρκετά νέα εκείνον τον καιρό.
Dialogue: 0,0:02:50.57,0:02:51.85,Default,,0000,0000,0000,,Και αυτές οι δομές,
Dialogue: 0,0:02:51.87,0:02:54.13,Default,,0000,0000,0000,,τα κελιά που έχουν αυτές τις διακλαδώσεις
Dialogue: 0,0:02:54.13,0:02:56.74,Default,,0000,0000,0000,,που εκτείνονται σε πολύ μεγάλες αποστάσεις
Dialogue: 0,0:02:56.74,0:02:58.54,Default,,0000,0000,0000,,ήταν κάτι πολύ νέο εκείνη την εποχή.
Dialogue: 0,0:02:58.78,0:03:01.68,Default,,0000,0000,0000,,Φυσικά, μας θυμίζουν καλώδια.
Dialogue: 0,0:03:01.71,0:03:05.16,Default,,0000,0000,0000,,Αυτό θα καταλάβαιναν \Nκάποιοι άνθρωποι τον 19ο αιώνα -
Dialogue: 0,0:03:05.19,0:03:09.50,Default,,0000,0000,0000,,η επανάσταση καλωδίων και ηλεκτρικού\Nήταν μόλις στο ξεκίνημά τους.
Dialogue: 0,0:03:09.88,0:03:11.17,Default,,0000,0000,0000,,Αλλά με διάφορους τρόπους,
Dialogue: 0,0:03:11.17,0:03:14.48,Default,,0000,0000,0000,,αυτά τα μικροανατομικά σκίτσα \Nτου Ραμόν ι Καχάλ, όπως αυτό,
Dialogue: 0,0:03:14.50,0:03:16.84,Default,,0000,0000,0000,,ακόμη παραμένουν αξεπέραστα\Nμε κάποιους τρόπους.
Dialogue: 0,0:03:16.86,0:03:18.71,Default,,0000,0000,0000,,Πάνω από έναν αιώνα αργότερα
Dialogue: 0,0:03:18.74,0:03:21.56,Default,,0000,0000,0000,,προσπαθούμε να τελείωσουμε \Nαυτό που άρχισε ο Ραμόν ι Καχάλ.
Dialogue: 0,0:03:21.59,0:03:23.85,Default,,0000,0000,0000,,Αυτά είναι τα ακατέργαστα δεδομένα
Dialogue: 0,0:03:23.85,0:03:27.62,Default,,0000,0000,0000,,από τους συνεργάτες μας στο Ινστιτούτο\NΝευροεπιστήμης Μαξ Πλανκ.
Dialogue: 0,0:03:27.65,0:03:34.10,Default,,0000,0000,0000,,Οι συνεργάτες μας απεικόνισαν\Nμικρά κομμάτια εγκεφαλικού ιστού.
Dialogue: 0,0:03:34.10,0:03:35.90,Default,,0000,0000,0000,,Το συνολικό δείγμα εδώ
Dialogue: 0,0:03:35.90,0:03:38.16,Default,,0000,0000,0000,,είναι περίπου\Nένα κυβικό χιλιοστό σε μέγεθος,
Dialogue: 0,0:03:38.16,0:03:40.46,Default,,0000,0000,0000,,κι εδώ σας δείχνω ένα πολύ μικρό κομμάτι.
Dialogue: 0,0:03:40.48,0:03:42.83,Default,,0000,0000,0000,,Η μπάρα αριστερά \Nείναι περίπου ένα μικρόμετρο.
Dialogue: 0,0:03:42.85,0:03:45.26,Default,,0000,0000,0000,,Οι δομές που βλέπετε είναι μιτοχόνδρια
Dialogue: 0,0:03:45.29,0:03:47.33,Default,,0000,0000,0000,,που είναι στο μέγεθος βακτηρίων.
Dialogue: 0,0:03:47.35,0:03:48.90,Default,,0000,0000,0000,,Και αυτές είναι συνεχείς τομές
Dialogue: 0,0:03:48.93,0:03:52.08,Default,,0000,0000,0000,,αυτού του πολύ μικρού κομματιού ιστού.
Dialogue: 0,0:03:52.10,0:03:54.50,Default,,0000,0000,0000,,Απλώς για σύγκριση,
Dialogue: 0,0:03:54.53,0:03:58.32,Default,,0000,0000,0000,,η διάμετρος μιας μέσης τρίχας \Nείναι περίπου 100 μικρόμετρα.
Dialogue: 0,0:03:58.34,0:04:00.62,Default,,0000,0000,0000,,Άρα κοιτάζουμε κάτι πολύ πολύ μικρότερο
Dialogue: 0,0:04:00.64,0:04:02.04,Default,,0000,0000,0000,,από μια τρίχα μαλλιών.
Dialogue: 0,0:04:02.06,0:04:06.10,Default,,0000,0000,0000,,Και από αυτές τις συνεχείς τομές\Nαπό ηλεκτρονικό μικροσκόπιο
Dialogue: 0,0:04:06.12,0:04:11.13,Default,,0000,0000,0000,,κάποιος μπορεί να φτιάξει τρισδιάστατα\Nνευρώνες που μοιάζουν έτσι.
Dialogue: 0,0:04:11.15,0:04:14.31,Default,,0000,0000,0000,,Έτσι είναι κάπως το ίδιο στυλ\Nμε αυτές του Ραμόν ι Καχάλ.
Dialogue: 0,0:04:14.33,0:04:15.82,Default,,0000,0000,0000,,Μόνο λίγοι νευρώνες άναψαν,
Dialogue: 0,0:04:15.85,0:04:18.63,Default,,0000,0000,0000,,γιατί αλλιώς δεν θα μπορούσαμε \Nνα δούμε τίποτα εδώ.
Dialogue: 0,0:04:18.65,0:04:19.96,Default,,0000,0000,0000,,Θα ήταν τόσο πυκνό,
Dialogue: 0,0:04:19.99,0:04:21.32,Default,,0000,0000,0000,,τόσο γεμάτο με δομές,
Dialogue: 0,0:04:21.34,0:04:24.39,Default,,0000,0000,0000,,με καλώδια που συνδέουν \Nτους νευρώνες μεταξύ τους.
Dialogue: 0,0:04:25.29,0:04:28.10,Default,,0000,0000,0000,,Έτσι ο Ραμόν ι Καχάλ ήταν λίγο \Nμπροστά από την εποχή του
Dialogue: 0,0:04:28.12,0:04:30.68,Default,,0000,0000,0000,,και η πρόοδος \Nγια την κατανόηση του εγκεφάλου
Dialogue: 0,0:04:30.70,0:04:32.97,Default,,0000,0000,0000,,προχώρησε αργά \Nτις επόμενες λίγες δεκαετίες.
Dialogue: 0,0:04:33.46,0:04:36.31,Default,,0000,0000,0000,,Γνωρίζαμε όμως ότι οι νευρώνες \Nχρησιμοποιούν ηλεκτρισμό
Dialogue: 0,0:04:36.33,0:04:39.23,Default,,0000,0000,0000,,και μέχρι τον Β΄ Παγκόσμιο Πόλεμο\Nείχαμε κάνει αρκετή πρόοδο
Dialogue: 0,0:04:39.23,0:04:42.22,Default,,0000,0000,0000,,ώστε να κάνουμε ηλεκτρικά πειράματα\Nσε νευρώνες υπό λειτουργία
Dialogue: 0,0:04:42.22,0:04:44.35,Default,,0000,0000,0000,,ώστε να καταλάβουμε καλύτερα\Nπώς δούλευαν.
Dialogue: 0,0:04:44.63,0:04:48.99,Default,,0000,0000,0000,,Τότε ακριβώς εφευρέθηκαν οι υπολογιστές
Dialogue: 0,0:04:49.01,0:04:52.11,Default,,0000,0000,0000,,και βασίστηκαν κατά πολύ \Nστη δομή του εγκεφάλου -
Dialogue: 0,0:04:52.14,0:04:55.22,Default,,0000,0000,0000,,του «ευφυούς μηχανισμού»,\Nόπως τα αποκαλούσε ο Άλαν Τιούρινγκ,
Dialogue: 0,0:04:55.24,0:04:57.24,Default,,0000,0000,0000,,ο πατέρας της επιστήμης των υπολογιστών.
Dialogue: 0,0:04:57.92,0:05:00.26,Default,,0000,0000,0000,,Οι Γουόρεν ΜακΚάλοκ και Γουόλτερ Πιτς
Dialogue: 0,0:05:00.26,0:05:03.90,Default,,0000,0000,0000,,είδαν τα σκίτσα του Ραμόν ι Καχάλ\Nαπό τον φλοιό του εγκεφάλου
Dialogue: 0,0:05:03.92,0:05:05.48,Default,,0000,0000,0000,,που σας δείχνω εδώ.
Dialogue: 0,0:05:05.51,0:05:09.95,Default,,0000,0000,0000,,Αυτός είναι ο φλοιός που επεξεργάζεται\Nεικόνες που φτάνουν από το μάτι.
Dialogue: 0,0:05:10.42,0:05:13.93,Default,,0000,0000,0000,,Και τους φάνηκε σαν διάγραμμα κυκλώματος.
Dialogue: 0,0:05:14.35,0:05:18.10,Default,,0000,0000,0000,,Υπάρχουν πολλές λεπτομέρειες\Nστο διάγραμμα των ΜακΚάλοκ και Πιτς
Dialogue: 0,0:05:18.10,0:05:19.56,Default,,0000,0000,0000,,που δεν είναι ακριβώς σωστές.
Dialogue: 0,0:05:19.59,0:05:20.82,Default,,0000,0000,0000,,Αλλά αυτή η βασική ιδέα
Dialogue: 0,0:05:20.85,0:05:24.84,Default,,0000,0000,0000,,ότι ο εγκεφαλικός ιστός λειτουργεί\Nσαν μια σειρά από υπολογιστικά στοιχεία
Dialogue: 0,0:05:24.86,0:05:27.61,Default,,0000,0000,0000,,που μεταβιβάζουν πληροφορίες\Nσυνεχώς ο ένας στον άλλον
Dialogue: 0,0:05:27.63,0:05:29.24,Default,,0000,0000,0000,,είναι κατά βάσην σωστή.
Dialogue: 0,0:05:29.26,0:05:31.61,Default,,0000,0000,0000,,Ας μιλήσουμε για μια στιγμή
Dialogue: 0,0:05:31.63,0:05:35.66,Default,,0000,0000,0000,,τι θα πρέπει να κάνει ένα μοντέλο\Nεπεξεργασίας οπτικών πληροφοριών.
Dialogue: 0,0:05:36.23,0:05:38.97,Default,,0000,0000,0000,,Το βασικό έργο της αντίληψης
Dialogue: 0,0:05:38.99,0:05:43.19,Default,,0000,0000,0000,,είναι να πάρει μια τέτοια φωτογραφία\Nκαι να πει,
Dialogue: 0,0:05:43.21,0:05:44.39,Default,,0000,0000,0000,,«Αυτό είναι ένα πουλί»,
Dialogue: 0,0:05:44.41,0:05:47.28,Default,,0000,0000,0000,,που είναι κάτι πολύ απλό \Nνα κάνουμε με τον εγκέφαλό μας.
Dialogue: 0,0:05:47.31,0:05:50.73,Default,,0000,0000,0000,,Αλλά πρέπει να καταλάβετε\Nότι για έναν υπολογιστή,
Dialogue: 0,0:05:50.75,0:05:53.84,Default,,0000,0000,0000,,αυτό ήταν μάλλον αδύνατον\Nπριν από λίγα χρόνια.
Dialogue: 0,0:05:53.86,0:05:55.78,Default,,0000,0000,0000,,Η κλασική δομή του υπολογιστή
Dialogue: 0,0:05:55.80,0:05:58.58,Default,,0000,0000,0000,,δεν ευνοεί αυτή τη δουλειά.
Dialogue: 0,0:05:59.37,0:06:01.92,Default,,0000,0000,0000,,Έτσι λοιπόν, \Nαυτό που συμβαίνει με τα πίξελ,
Dialogue: 0,0:06:01.94,0:06:05.92,Default,,0000,0000,0000,,ανάμεσα στην εικόνα του πουλιού\Nκαι τη λέξη «πουλί»,
Dialogue: 0,0:06:05.92,0:06:07.82,Default,,0000,0000,0000,,αφορά ουσιαστικά μια ομάδα νευρώνων
Dialogue: 0,0:06:07.82,0:06:09.99,Default,,0000,0000,0000,,που αλληλοσυνδέονται\Nσε ένα νευρωνικό δίκτυο,
Dialogue: 0,0:06:09.99,0:06:11.20,Default,,0000,0000,0000,,όπως στο διάγραμμα.
Dialogue: 0,0:06:11.20,0:06:14.58,Default,,0000,0000,0000,,Μπορεί να είναι βιολογικό νευρωνικό δίκτυο\Nμέσα στον εγκεφαλικό φλοιό,
Dialogue: 0,0:06:14.58,0:06:17.05,Default,,0000,0000,0000,,ή, στις μέρες μας,\Nαρχίζουμε να έχουμε την ικανότητα
Dialogue: 0,0:06:17.05,0:06:19.54,Default,,0000,0000,0000,,να μοντελοποιήσουμε\Nτέτοια δίκτυα στον υπολογιστή.
Dialogue: 0,0:06:19.83,0:06:22.19,Default,,0000,0000,0000,,Θα σας δείξω πώς μοιάζουν αυτά τα δίκτυα.
Dialogue: 0,0:06:22.21,0:06:25.63,Default,,0000,0000,0000,,Μπορείτε να σκεφτείτε τα πίξελ\Nως το πρώτο επίπεδο νευρώνων,
Dialogue: 0,0:06:25.65,0:06:27.75,Default,,0000,0000,0000,,και βασικά έτσι λειτουργεί το μάτι -
Dialogue: 0,0:06:27.75,0:06:29.73,Default,,0000,0000,0000,,είναι οι νευρώνες στον αμφιβληστροειδή.
Dialogue: 0,0:06:29.73,0:06:31.80,Default,,0000,0000,0000,,Και αυτοί μεταδίδουν την πληροφορία
Dialogue: 0,0:06:31.80,0:06:34.53,Default,,0000,0000,0000,,σε αλλεπάλληλα επίπεδα νευρώνων,
Dialogue: 0,0:06:34.55,0:06:37.26,Default,,0000,0000,0000,,που όλα συνδέονται \Nαπό συνάψεις διαφορετικών βαρών.
Dialogue: 0,0:06:37.61,0:06:39.14,Default,,0000,0000,0000,,Η συμπεριφορά αυτού του δικτύου
Dialogue: 0,0:06:39.14,0:06:42.23,Default,,0000,0000,0000,,χαρακτηρίζεται από τις δυνάμεις \Nόλων αυτών των συνάψεων.
Dialogue: 0,0:06:42.23,0:06:45.56,Default,,0000,0000,0000,,Αυτές χαρακτηρίζουν τις υπολογιστικές\Nιδιότητες αυτού του δικτύου.
Dialogue: 0,0:06:45.59,0:06:47.06,Default,,0000,0000,0000,,Και στη λήξη της διαδικασίας,
Dialogue: 0,0:06:47.08,0:06:49.53,Default,,0000,0000,0000,,έχετε έναν νευρώνα \Nή μια μικρή ομάδα νευρώνων
Dialogue: 0,0:06:49.55,0:06:51.28,Default,,0000,0000,0000,,που θα ανάψει και θα πει «πουλί».
Dialogue: 0,0:06:51.82,0:06:54.96,Default,,0000,0000,0000,,Τώρα θα αναπαραστήσω \Nαυτά τα τρία πράγματα -
Dialogue: 0,0:06:54.98,0:06:59.68,Default,,0000,0000,0000,,τα πίξελ τροφοδοσίας \Nκαι τις συνάψεις στο νευρωνικό δίκτυο,
Dialogue: 0,0:06:59.70,0:07:01.28,Default,,0000,0000,0000,,και το πουλί, το εξαγόμενο -
Dialogue: 0,0:07:01.31,0:07:04.37,Default,,0000,0000,0000,,με τρεις μεταβλητές: x, w και y
Dialogue: 0,0:07:04.52,0:07:06.66,Default,,0000,0000,0000,,Μπορεί να υπάρχουν\Nπερίπου ένα εκατομμύριο x -
Dialogue: 0,0:07:06.69,0:07:08.64,Default,,0000,0000,0000,,ένα εκατομμύριο πίξελ σε αυτή την εικόνα.
Dialogue: 0,0:07:08.66,0:07:11.11,Default,,0000,0000,0000,,Υπάρχουν δισεκατομμύρια \Nή τρισεκατομμύρια w,
Dialogue: 0,0:07:11.14,0:07:14.52,Default,,0000,0000,0000,,που αντιπροσωπεύουν τα βάρη\Nόλων των συνάψεων του νευρωνικού δικτύου.
Dialogue: 0,0:07:14.52,0:07:16.80,Default,,0000,0000,0000,,Και μπορεί να υπάρχει \Nένα μικρός αριθμός από y,
Dialogue: 0,0:07:16.80,0:07:18.34,Default,,0000,0000,0000,,από εξαγόμενα του δικτύου.
Dialogue: 0,0:07:18.36,0:07:20.47,Default,,0000,0000,0000,,Το «πουλί» είναι\Nμόνο πέντε γράμματα, σωστά;
Dialogue: 0,0:07:21.09,0:07:24.51,Default,,0000,0000,0000,,Ας υποθέσουμε ότι αυτός είναι \Nένας πολύ απλός μαθηματικός τύπος,
Dialogue: 0,0:07:24.54,0:07:26.70,Default,,0000,0000,0000,,x "x" w = y.
Dialogue: 0,0:07:26.72,0:07:28.76,Default,,0000,0000,0000,,Βάζω τις φορές σε εισαγωγικά
Dialogue: 0,0:07:28.78,0:07:31.06,Default,,0000,0000,0000,,επειδή αυτό που φυσικά συμβαίνει εκεί μέσα
Dialogue: 0,0:07:31.09,0:07:34.30,Default,,0000,0000,0000,,είναι μια σειρά από πολύπλοκες \Nμαθηματικές λειτουργίες.
Dialogue: 0,0:07:35.17,0:07:36.39,Default,,0000,0000,0000,,Αυτή είναι μια εξίσωση.
Dialogue: 0,0:07:36.42,0:07:38.09,Default,,0000,0000,0000,,Υπάρχουν τρεις μεταβλητές.
Dialogue: 0,0:07:38.11,0:07:40.84,Default,,0000,0000,0000,,Και όλοι γνωρίζουμε ότι σε μια εξίσωση
Dialogue: 0,0:07:40.86,0:07:44.50,Default,,0000,0000,0000,,μπορείς να λύσεις ως προς τον έναν άγνωστο\Nεάν γνωρίζεις τους άλλους δύο.
Dialogue: 0,0:07:45.16,0:07:48.12,Default,,0000,0000,0000,,Έτσι το πρόβλημα της συνεπαγωγής,
Dialogue: 0,0:07:48.12,0:07:51.44,Default,,0000,0000,0000,,δηλαδή του να συμπεράνουμε \Nότι πρόκειται για φωτογραφία πουλιού,
Dialogue: 0,0:07:51.46,0:07:52.73,Default,,0000,0000,0000,,είναι το εξής:
Dialogue: 0,0:07:52.76,0:07:56.15,Default,,0000,0000,0000,,είναι που ο άγνωστος είναι ο y\Nκαι οι w και x είναι γνωστοί.
Dialogue: 0,0:07:56.15,0:07:58.77,Default,,0000,0000,0000,,Γνωρίζετε τα νευρωνικά δίκτυα,\Nγνωρίζετε και τα πίξελ.
Dialogue: 0,0:07:58.77,0:08:02.05,Default,,0000,0000,0000,,Όπως βλέπετε είναι \Nένα σχετικά ξεκάθαρο πρόβλημα.
Dialogue: 0,0:08:02.07,0:08:04.26,Default,,0000,0000,0000,,Πολλαπλασιάζετε το 2 επί 3 και τελειώσατε.
Dialogue: 0,0:08:04.86,0:08:06.98,Default,,0000,0000,0000,,Θα σας δείξω ένα τεχνητό νευρωνικό δίκτυο
Dialogue: 0,0:08:07.01,0:08:09.30,Default,,0000,0000,0000,,που φτιάξαμε πρόσφατα, \Nνα κάνει ακριβώς αυτό.
Dialogue: 0,0:08:09.63,0:08:12.49,Default,,0000,0000,0000,,Δουλεύει σε πραγματικό χρόνο \Nσε κινητό τηλέφωνο,
Dialogue: 0,0:08:12.52,0:08:15.83,Default,,0000,0000,0000,,και αυτό από μόνο του\Nείναι αξιοθαύμαστο γεγονός,
Dialogue: 0,0:08:15.86,0:08:19.32,Default,,0000,0000,0000,,τα κινητά μπορούν να κάνουν δισεκατομμύρια\Nκαι τρισεκατομμύρια λειτουργίες
Dialogue: 0,0:08:19.35,0:08:20.60,Default,,0000,0000,0000,,ανά δευτερόλεπτο.
Dialogue: 0,0:08:20.62,0:08:22.23,Default,,0000,0000,0000,,Αυτό που βλέπετε είναι ένα κινητό
Dialogue: 0,0:08:22.26,0:08:25.80,Default,,0000,0000,0000,,που κοιτάζει αλλεπάλληλες \Nφωτογραφίες από πουλιά,
Dialogue: 0,0:08:25.83,0:08:28.54,Default,,0000,0000,0000,,και όχι μόνο λέει, «Ναι, είναι πουλί»
Dialogue: 0,0:08:28.57,0:08:31.98,Default,,0000,0000,0000,,αλλά αναγνωρίζει το είδος του πουλιού\Nμε ένα τέτοιο νευρωνικό δίκτυο.
Dialogue: 0,0:08:32.89,0:08:34.72,Default,,0000,0000,0000,,Έτσι σε αυτή την φωτογραφία,
Dialogue: 0,0:08:34.74,0:08:38.54,Default,,0000,0000,0000,,οι x και w είναι γνωστοί\Nκαι ο y είναι ο άγνωστος.
Dialogue: 0,0:08:38.57,0:08:41.40,Default,,0000,0000,0000,,Φυσικά δεν μπαίνω σε λεπτομέρειες\Nγια το πολύ δύσκολο μέρος,
Dialogue: 0,0:08:41.40,0:08:44.96,Default,,0000,0000,0000,,το πώς στο καλό υπολογίσαμε το w,
Dialogue: 0,0:08:44.98,0:08:47.15,Default,,0000,0000,0000,,τον εγκέφαλο που μπορεί \Nνα κάνει κάτι τέτοιο;
Dialogue: 0,0:08:47.15,0:08:49.24,Default,,0000,0000,0000,,Πώς μπορεί να μάθαμε ένα τέτοιο μοντέλο;
Dialogue: 0,0:08:49.42,0:08:52.65,Default,,0000,0000,0000,,Αυτή λοιπόν η διαδικασία μάθησης,\Nνα λύνουμε ως προς w,
Dialogue: 0,0:08:52.68,0:08:55.32,Default,,0000,0000,0000,,αν το κάναμε με την απλή εξίσωση
Dialogue: 0,0:08:55.35,0:08:57.35,Default,,0000,0000,0000,,στην οποία τα βλέπουμε αυτά ως αριθμούς,
Dialogue: 0,0:08:57.37,0:09:00.06,Default,,0000,0000,0000,,ξέρουμε πώς ακριβώς να το κάνουμε:\N6 = 2 x w,
Dialogue: 0,0:09:00.08,0:09:03.39,Default,,0000,0000,0000,,βασικά διαιρούμε διά 2 και τελειώσαμε.
Dialogue: 0,0:09:04.00,0:09:06.22,Default,,0000,0000,0000,,Το πρόβλημα είναι αυτή η πράξη.
Dialogue: 0,0:09:06.82,0:09:07.97,Default,,0000,0000,0000,,Διαίρεση λοιπόν -
Dialogue: 0,0:09:07.100,0:09:11.12,Default,,0000,0000,0000,,χρησιμοποιήσαμε τη διαίρεση\Nως το αντίθετο του πολλαπλασιασμού,
Dialogue: 0,0:09:11.14,0:09:12.58,Default,,0000,0000,0000,,αλλά όπως είπα μόλις,
Dialogue: 0,0:09:12.61,0:09:15.06,Default,,0000,0000,0000,,ο πολλαπλασιασμός είναι λίγο ψεύτικος.
Dialogue: 0,0:09:15.08,0:09:18.41,Default,,0000,0000,0000,,Αυτή είναι μια πολύ περίπλοκη,\Nμια εντελώς μη γραμμική λειτουργία,
Dialogue: 0,0:09:18.43,0:09:20.13,Default,,0000,0000,0000,,δεν έχει αντίθετο.
Dialogue: 0,0:09:20.16,0:09:23.31,Default,,0000,0000,0000,,Έτσι πρέπει να βρούμε τρόπο\Nνα λύσουμε την εξίσωση
Dialogue: 0,0:09:23.33,0:09:25.36,Default,,0000,0000,0000,,χωρίς το σύμβολο της διαίρεσης.
Dialogue: 0,0:09:25.38,0:09:27.72,Default,,0000,0000,0000,,Και ο τρόπος να το κάνουμε\Nείναι αρκετά ξεκάθαρος.
Dialogue: 0,0:09:27.75,0:09:30.42,Default,,0000,0000,0000,,Απλώς λέτε, ας κάνουμε \Nένα κόλπο της άλγεβρας
Dialogue: 0,0:09:30.44,0:09:33.35,Default,,0000,0000,0000,,και να μετακινήσουμε το 6\Nστη δεξιά πλευρά της εξίσωσης.
Dialogue: 0,0:09:33.37,0:09:35.20,Default,,0000,0000,0000,,Τώρα ακόμα έχουμε τον πολλαπλασιασμό.
Dialogue: 0,0:09:35.68,0:09:39.26,Default,,0000,0000,0000,,Και αυτό το μηδέν -\Nας το σκεφτούμε σαν ένα σφάλμα.
Dialogue: 0,0:09:39.28,0:09:41.79,Default,,0000,0000,0000,,Με άλλα λόγια, \Nαν λύναμε σωστά ως προς w,
Dialogue: 0,0:09:41.82,0:09:43.47,Default,,0000,0000,0000,,τότε το σφάλμα θα ήταν μηδέν.
Dialogue: 0,0:09:43.50,0:09:45.29,Default,,0000,0000,0000,,Και αν δεν το κάναμε αρκετά σωστά,
Dialogue: 0,0:09:45.29,0:09:47.25,Default,,0000,0000,0000,,το σφάλμα θα είναι μεγαλύτερο από μηδέν.
Dialogue: 0,0:09:47.25,0:09:50.60,Default,,0000,0000,0000,,Έτσι μπορούμε απλώς να μαντέψουμε\Nγια να ελαχιστοποιήσουμε το σφάλμα,
Dialogue: 0,0:09:50.62,0:09:53.31,Default,,0000,0000,0000,,και αυτό το κάνουν καλά οι υπολογιστές.
Dialogue: 0,0:09:53.31,0:09:54.85,Default,,0000,0000,0000,,Ας κάνουμε μια πρώτη μαντεψιά:
Dialogue: 0,0:09:54.85,0:09:56.01,Default,,0000,0000,0000,,Τι θα γινόταν αν w = 0;
Dialogue: 0,0:09:56.01,0:09:57.25,Default,,0000,0000,0000,,Τότε το σφάλμα είναι 6.
Dialogue: 0,0:09:57.25,0:09:58.88,Default,,0000,0000,0000,,Εάν το w = 1; Το σφάλμα είναι 4.
Dialogue: 0,0:09:58.88,0:10:01.23,Default,,0000,0000,0000,,Ο υπολογιστής μπορεί\Nδίνοντας διάφορες τιμές
Dialogue: 0,0:10:01.26,0:10:03.62,Default,,0000,0000,0000,,να περιορίσει το σφάλμα κοντά στο μηδέν.
Dialogue: 0,0:10:03.65,0:10:07.02,Default,,0000,0000,0000,,Κάνοντάς το αυτό, \Nλαμβάνει διαδοχικές τιμές κοντά στο w.
Dialogue: 0,0:10:07.04,0:10:10.70,Default,,0000,0000,0000,,Πρακτικά ποτέ δεν το φτάνει\Nαλλά μετά από καμιά δεκαριά δοκιμές
Dialogue: 0,0:10:10.72,0:10:15.57,Default,,0000,0000,0000,,φτάνουμε στο w = 2.999 \Nπου είναι αρκετά κοντά.
Dialogue: 0,0:10:16.30,0:10:18.12,Default,,0000,0000,0000,,Και αυτή είναι η διαδικασία μάθησης.
Dialogue: 0,0:10:18.14,0:10:20.87,Default,,0000,0000,0000,,Θυμηθείτε λοιπόν
Dialogue: 0,0:10:20.89,0:10:25.27,Default,,0000,0000,0000,,ότι εδώ παίρνουμε πολλούς γνωστούς x\Nκαι γνωστούς y
Dialogue: 0,0:10:25.30,0:10:28.75,Default,,0000,0000,0000,,και λύνουμε ως προς w \Nμέσω μιας επαναληπτικής μεθόδου.
Dialogue: 0,0:10:28.77,0:10:32.33,Default,,0000,0000,0000,,Με τον ίδιο ακριβώς τρόπο \Nμαθαίνουμε κι εμείς.
Dialogue: 0,0:10:32.35,0:10:34.58,Default,,0000,0000,0000,,Ως μωρά έχουμε πάρα πολλές εικόνες
Dialogue: 0,0:10:34.61,0:10:37.24,Default,,0000,0000,0000,,και μας λένε, «Αυτό είναι πουλί,\Nαυτό δεν είναι πουλί».
Dialogue: 0,0:10:37.71,0:10:39.81,Default,,0000,0000,0000,,Και με τον καιρό και την επανάληψη
Dialogue: 0,0:10:39.84,0:10:42.76,Default,,0000,0000,0000,,λύνουμε ως προς w, \Nλύνουμε αυτές τις νευρωνικές συνδέσεις.
Dialogue: 0,0:10:43.46,0:10:47.46,Default,,0000,0000,0000,,Έτσι τώρα κρατήσαμε τα x και w σταθερά\Nγια να λύσουμε ως προς y,
Dialogue: 0,0:10:47.46,0:10:49.46,Default,,0000,0000,0000,,αυτό είναι καθημερινή, γρήγορη αντίληψη.
Dialogue: 0,0:10:49.46,0:10:51.19,Default,,0000,0000,0000,,Βρίσκουμε πώς λύνουμε ως προς w,
Dialogue: 0,0:10:51.19,0:10:53.13,Default,,0000,0000,0000,,είναι μάθηση που είναι πολύ δυσκολότερη,
Dialogue: 0,0:10:53.13,0:10:55.08,Default,,0000,0000,0000,,ώστε να ελαχιστοποιήσουμε το σφάλμα,
Dialogue: 0,0:10:55.08,0:10:57.03,Default,,0000,0000,0000,,μέσα από πολλά δοκιμαστικά παραδείγματα.
Dialogue: 0,0:10:57.03,0:11:00.06,Default,,0000,0000,0000,,Πριν περίπου από έναν χρόνο,\Nο Άλεξ Μόρντβιντσεφ της ομάδας μας
Dialogue: 0,0:11:00.09,0:11:03.64,Default,,0000,0000,0000,,αποφάσισε να πειραματιστεί\Nμε το τι θα γίνει αν λύσουμε ως προς x,
Dialogue: 0,0:11:03.66,0:11:05.70,Default,,0000,0000,0000,,με δεδομένους γνωστούς τους w και y.
Dialogue: 0,0:11:06.12,0:11:07.12,Default,,0000,0000,0000,,Με άλλα λόγια,
Dialogue: 0,0:11:07.12,0:11:08.63,Default,,0000,0000,0000,,γνωρίζετε ότι είναι ένα πουλί
Dialogue: 0,0:11:08.63,0:11:11.93,Default,,0000,0000,0000,,και ήδη έχετε ένα νευρωνικό δίκτυο \Nπου του έχετε μάθει τα πουλιά,
Dialogue: 0,0:11:11.93,0:11:14.43,Default,,0000,0000,0000,,αλλά τι είναι η εικόνα ενός πουλιού;
Dialogue: 0,0:11:15.03,0:11:19.84,Default,,0000,0000,0000,,Αποδεικνύεται τελικά ότι με την ίδια\Nδιαδικασία ελαχιστοποίησης σφάλματος
Dialogue: 0,0:11:19.84,0:11:23.56,Default,,0000,0000,0000,,μπορούμε να το κάνουμε με το δίκτυο \Nπου έχει μάθει να αναγνωρίζει τα πουλιά,
Dialogue: 0,0:11:23.56,0:11:26.92,Default,,0000,0000,0000,,και το αποτέλεσμα φαίνεται να είναι...
Dialogue: 0,0:11:30.40,0:11:32.06,Default,,0000,0000,0000,,μια εικόνα από πουλιά.
Dialogue: 0,0:11:32.81,0:11:36.14,Default,,0000,0000,0000,,Αυτή λοιπόν είναι μια εικόνα με πουλιά\Nπου φτιάχτηκε εξολοκλήρου
Dialogue: 0,0:11:36.14,0:11:39.05,Default,,0000,0000,0000,,από νευρωνικό δίκτυο \Nπου έμαθε να αναγνωρίζει πουλιά,
Dialogue: 0,0:11:39.05,0:11:41.71,Default,,0000,0000,0000,,απλώς λύνοντας ως προς x\Nαντί ως προς y,
Dialogue: 0,0:11:41.71,0:11:43.40,Default,,0000,0000,0000,,και κάνοντάς το επαναληπτικά.
Dialogue: 0,0:11:43.73,0:11:45.58,Default,,0000,0000,0000,,Να άλλο ένα διασκεδαστικό παράδειγμα.
Dialogue: 0,0:11:45.60,0:11:49.04,Default,,0000,0000,0000,,Είναι μια δουλειά του Μάικ Τάικα \Nαπό την ομάδα μας.
Dialogue: 0,0:11:49.06,0:11:51.37,Default,,0000,0000,0000,,που το λέει «Παρέλαση ζώων».
Dialogue: 0,0:11:51.40,0:11:54.27,Default,,0000,0000,0000,,Μου θυμίζει λίγο την τεχνοτροπία\Nτου Γουίλιαμ Κέντριτζ,
Dialogue: 0,0:11:54.30,0:11:56.78,Default,,0000,0000,0000,,όπου φτιάχνει σκίτσα, τα σβήνει,
Dialogue: 0,0:11:56.81,0:11:58.27,Default,,0000,0000,0000,,φτιάχνει σκίτσα, τα σβήνει,
Dialogue: 0,0:11:58.29,0:11:59.69,Default,,0000,0000,0000,,και έτσι φτιάχνει μια ταινία.
Dialogue: 0,0:11:59.72,0:12:00.87,Default,,0000,0000,0000,,Σε αυτή την περίπτωση,
Dialogue: 0,0:12:00.87,0:12:03.61,Default,,0000,0000,0000,,ο Μάικ αντιστοιχεί το y\Nμε διάφορα ζώα από μια ομάδα,
Dialogue: 0,0:12:03.61,0:12:06.86,Default,,0000,0000,0000,,σε ένα δίκτυο που έχει σχεδιαστεί\Nνα αναγνωρίζει και να διακρίνει
Dialogue: 0,0:12:06.86,0:12:08.41,Default,,0000,0000,0000,,διάφορα ζώα μεταξύ τους.
Dialogue: 0,0:12:08.43,0:12:12.18,Default,,0000,0000,0000,,Και μας βγαίνει μια περίεργη μεταμόρφωση \Nαπό ένα ζώο σε άλλο.
Dialogue: 0,0:12:14.22,0:12:18.84,Default,,0000,0000,0000,,Εδώ, αυτός και ο Άλεξ μαζί, \Nπροσπάθησαν να μειώσουν τα y
Dialogue: 0,0:12:18.86,0:12:21.61,Default,,0000,0000,0000,,σε χώρο μόνο δύο διαστάσεων,
Dialogue: 0,0:12:21.61,0:12:24.92,Default,,0000,0000,0000,,φτιάχνοντας έτσι έναν χάρτη \Nαπό τον χώρο όλων των πραγμάτων
Dialogue: 0,0:12:24.92,0:12:26.86,Default,,0000,0000,0000,,που αναγνωρίζονται από αυτό το δίκτυο.
Dialogue: 0,0:12:26.86,0:12:28.79,Default,,0000,0000,0000,,Φτιάχνοντας αυτό το είδος σύνθεσης
Dialogue: 0,0:12:28.79,0:12:31.28,Default,,0000,0000,0000,,ή δημιουργία εικόνων\Nσε ολόκληρη αυτή την επιφάνεια,
Dialogue: 0,0:12:31.30,0:12:34.11,Default,,0000,0000,0000,,αναπτύσσοντας τις τιμές του y,\Nφτιάχνετε ένα είδος χάρτη -
Dialogue: 0,0:12:34.11,0:12:37.62,Default,,0000,0000,0000,,έναν οπτικό χάρτη όλων των πραγμάτων \Nπου το δίκτυο ξέρει να αναγνωρίζει.
Dialogue: 0,0:12:37.62,0:12:40.54,Default,,0000,0000,0000,,Όλα τα ζώα είναι εδώ -\Nτο αρμαντίλο είναι σε αυτή τη θέση.
Dialogue: 0,0:12:40.92,0:12:43.40,Default,,0000,0000,0000,,Μπορείτε να το κάνετε \Nκαι με άλλα είδη δικτύων.
Dialogue: 0,0:12:43.42,0:12:46.30,Default,,0000,0000,0000,,Αυτό είναι ένα δίκτυο \Nσχεδιασμένο να αναγνωρίζει πρόσωπα,
Dialogue: 0,0:12:46.32,0:12:48.32,Default,,0000,0000,0000,,να διακρίνει πρόσωπα μεταξύ τους.
Dialogue: 0,0:12:48.34,0:12:51.27,Default,,0000,0000,0000,,Και εδώ βάζουμε ένα y που λέει «εγώ»,
Dialogue: 0,0:12:51.27,0:12:53.19,Default,,0000,0000,0000,,τις παραμέτρους του δικού μου προσώπου.
Dialogue: 0,0:12:53.22,0:12:54.92,Default,,0000,0000,0000,,Και όταν λύσει ως προς x,
Dialogue: 0,0:12:54.95,0:12:57.56,Default,,0000,0000,0000,,παράγει αυτή την αλλόκοτη,
Dialogue: 0,0:12:57.59,0:13:02.02,Default,,0000,0000,0000,,λίγο κυβιστική, σουρεαλιστική,\Nψυχεδελική εικόνα μου
Dialogue: 0,0:13:02.02,0:13:03.81,Default,,0000,0000,0000,,από πολλαπλές απόψεις ταυτόχρονα.
Dialogue: 0,0:13:03.81,0:13:06.79,Default,,0000,0000,0000,,Ο λόγος που μοιάζει σαν να είναι\Nπολλαπλές απόψεις ταυτόχρονα
Dialogue: 0,0:13:06.79,0:13:10.32,Default,,0000,0000,0000,,είναι επειδή το δίκτυο σχεδιάστηκε \Nνα απορρίπτει την αμφισημία
Dialogue: 0,0:13:10.34,0:13:12.82,Default,,0000,0000,0000,,ενός προσώπου σε μια ή σε άλλη πόζα,
Dialogue: 0,0:13:12.84,0:13:16.22,Default,,0000,0000,0000,,ή όταν το βλέπουμε κάθε φορά\Nσε διαφορετικό φωτισμό.\N
Dialogue: 0,0:13:16.24,0:13:18.32,Default,,0000,0000,0000,,Όταν λοιπόν κάνετε\Nμια τέτοια ανακατασκευή,
Dialogue: 0,0:13:18.35,0:13:20.44,Default,,0000,0000,0000,,αν δεν χρησιμοποιήσετε ως οδηγό
Dialogue: 0,0:13:20.44,0:13:22.09,Default,,0000,0000,0000,,μια βασική εικόνα ή στατιστικές,
Dialogue: 0,0:13:22.09,0:13:25.68,Default,,0000,0000,0000,,τότε θα υπάρξει μια σύγχυση \Nαπό διαφορετικές απόψεις
Dialogue: 0,0:13:25.70,0:13:27.07,Default,,0000,0000,0000,,λόγω αμφισημίας.
Dialogue: 0,0:13:27.79,0:13:32.01,Default,,0000,0000,0000,,Αυτό συμβαίνει αν ο Άλεξ βάλει \Nτο δικό του πρόσωπο ως εικόνα-οδηγό
Dialogue: 0,0:13:32.03,0:13:35.35,Default,,0000,0000,0000,,κατά τη διαδικασία βελτιστοποίησης\Nστην ανακατασκευή του προσώπου μου.
Dialogue: 0,0:13:36.28,0:13:38.61,Default,,0000,0000,0000,,Βλέπετε λοιπόν ότι δεν είναι τέλειο.
Dialogue: 0,0:13:38.61,0:13:40.49,Default,,0000,0000,0000,,Χρειάζεται αρκετή δουλειά ακόμη
Dialogue: 0,0:13:40.49,0:13:42.94,Default,,0000,0000,0000,,στη βελτιστοποίηση\Nτης διαδικασίας βελτιστοποίησης.
Dialogue: 0,0:13:42.94,0:13:45.91,Default,,0000,0000,0000,,Αλλά αρχίζουμε να παίρνουμε κάτι\Nπολύ πιο συναφές ως πρόσωπο,
Dialogue: 0,0:13:45.91,0:13:48.08,Default,,0000,0000,0000,,που φτιάχνεται με οδηγό \Nτο δικό μου πρόσωπο.
Dialogue: 0,0:13:48.89,0:13:51.39,Default,,0000,0000,0000,,Δεν χρειάζεται να ξεκινήσετε από το μηδέν
Dialogue: 0,0:13:51.42,0:13:52.57,Default,,0000,0000,0000,,ή από μια αοριστία.
Dialogue: 0,0:13:52.60,0:13:53.90,Default,,0000,0000,0000,,Όταν λύνετε ως προς x,
Dialogue: 0,0:13:53.92,0:13:57.81,Default,,0000,0000,0000,,μπορείτε να ξεκινήσετε με ένα x,\Nπου είναι ήδη μια άλλη εικόνα το ίδιο.
Dialogue: 0,0:13:57.84,0:14:00.39,Default,,0000,0000,0000,,Όπως σε αυτή η επίδειξη.
Dialogue: 0,0:14:00.42,0:14:04.36,Default,,0000,0000,0000,,Αυτό είναι ένα δίκτυο\Nσχεδιασμένο να ταξινομεί
Dialogue: 0,0:14:04.36,0:14:07.68,Default,,0000,0000,0000,,κάθε είδους διαφορετικά αντικείμενα -\Nανθρώπινες κατασκευές, ζώα...
Dialogue: 0,0:14:07.71,0:14:10.30,Default,,0000,0000,0000,,Εδώ αρχίζουμε μόνο \Nμε μια εικόνα από σύννεφα,
Dialogue: 0,0:14:10.32,0:14:11.100,Default,,0000,0000,0000,,και καθώς βελτιστοποιούμε,
Dialogue: 0,0:14:12.02,0:14:16.50,Default,,0000,0000,0000,,βασικά, αυτό το δίκτυο βρίσκει \Nτι βλέπει μέσα στα σύννεφα.
Dialogue: 0,0:14:16.93,0:14:19.24,Default,,0000,0000,0000,,Και όσο περισσότερο το κοιτάζετε,
Dialogue: 0,0:14:19.24,0:14:22.18,Default,,0000,0000,0000,,τόσο περισσότερα πράγματα \Nβρίσκετε κι εσείς μέσα στα σύννεφα.
Dialogue: 0,0:14:23.00,0:14:26.38,Default,,0000,0000,0000,,Μπορείτε επίσης να βάλετε το δίκτυο \Nμε τα πρόσωπα να οραματιστεί εδώ,
Dialogue: 0,0:14:26.40,0:14:28.22,Default,,0000,0000,0000,,και θα έχετε πολύ τρελά αποτελέσματα.
Dialogue: 0,0:14:28.24,0:14:29.39,Default,,0000,0000,0000,,(Γέλια)
Dialogue: 0,0:14:30.40,0:14:33.14,Default,,0000,0000,0000,,Ή ακόμη, ο Μάικ έκανε και άλλα πειράματα
Dialogue: 0,0:14:33.17,0:14:37.07,Default,,0000,0000,0000,,όπου παίρνει την εικόνα με τα σύννεφα,
Dialogue: 0,0:14:37.10,0:14:40.60,Default,,0000,0000,0000,,οραματίζεται μορφές, ζουμάρει,\Nοραματίζεται, ζουμάρει.
Dialogue: 0,0:14:40.63,0:14:41.78,Default,,0000,0000,0000,,Και με αυτό τον τρόπο
Dialogue: 0,0:14:41.80,0:14:45.48,Default,,0000,0000,0000,,βάζετε το δίκτυο σε μια κατάσταση,\Nθα έλεγα σαν ένα είδος αντίστιξης,
Dialogue: 0,0:14:45.50,0:14:49.18,Default,,0000,0000,0000,,ένα είδος ελεύθερου συσχετισμού,
Dialogue: 0,0:14:49.21,0:14:51.43,Default,,0000,0000,0000,,όπου το δίκτυο\Nτρώει την ίδια του την ουρά.
Dialogue: 0,0:14:51.46,0:14:54.88,Default,,0000,0000,0000,,Έτσι πλέον κάθε εικόνα\Nμας κάνει να σκεφτόμαστε,
Dialogue: 0,0:14:54.90,0:14:56.32,Default,,0000,0000,0000,,«Τι νομίζω ότι βλέπω μετά;
Dialogue: 0,0:14:56.35,0:14:59.15,Default,,0000,0000,0000,,Τι νομίζω ότι βλέπω μετά;\NΤι νομίζω ότι βλέπω μετά;»
Dialogue: 0,0:14:59.49,0:15:02.42,Default,,0000,0000,0000,,Το παρουσίασα πρώτη φορά \Nδημόσια σε μια ομάδα
Dialogue: 0,0:15:02.45,0:15:07.88,Default,,0000,0000,0000,,σε ομιλία στο Σιάτλ\Nπου λεγόταν «Ανώτερη Εκπαίδευση» -
Dialogue: 0,0:15:07.91,0:15:10.34,Default,,0000,0000,0000,,αμέσως αφού νομιμοποιήθηκε η μαριχουάνα.
Dialogue: 0,0:15:10.37,0:15:12.78,Default,,0000,0000,0000,,(Γέλια)
Dialogue: 0,0:15:14.63,0:15:16.73,Default,,0000,0000,0000,,Θα ήθελα να κλείσω γρήγορα
Dialogue: 0,0:15:16.76,0:15:21.01,Default,,0000,0000,0000,,με την απλή παρατήρηση \Nότι αυτή η τεχνολογία δεν περιορίζεται.
Dialogue: 0,0:15:21.03,0:15:24.70,Default,,0000,0000,0000,,Σας έδειξα μόνο οπτικά παραδείγματα\Nεπειδή είναι πιο ευχάριστα.
Dialogue: 0,0:15:24.72,0:15:26.92,Default,,0000,0000,0000,,Δεν είναι αποκλειστικά οπτική τεχνολογία.
Dialogue: 0,0:15:26.92,0:15:29.28,Default,,0000,0000,0000,,Ο καλλιτεχνικός συνεργάτης μας, \NΡος Γκούντγουιν,
Dialogue: 0,0:15:29.28,0:15:32.89,Default,,0000,0000,0000,,έχει κάνει πειράματα \Nμε μια κάμερα που παίρνει φωτογραφίες,
Dialogue: 0,0:15:32.91,0:15:37.14,Default,,0000,0000,0000,,και μετά ένας υπολογιστής στο σακίδιό του\Nγράφει ποιήματα μέσα από νευρωνικά δίκτυα,
Dialogue: 0,0:15:37.17,0:15:39.11,Default,,0000,0000,0000,,με βάση τα περιεχόμενα της εικόνας.
Dialogue: 0,0:15:39.14,0:15:42.08,Default,,0000,0000,0000,,Αυτό το ποιητικό νευρωνικό δίκτυο \Nέχει εκπαιδευτεί
Dialogue: 0,0:15:42.11,0:15:44.34,Default,,0000,0000,0000,,με ένα μεγάλο όγκο ποίησης του 20ου αιώνα.
Dialogue: 0,0:15:44.36,0:15:45.86,Default,,0000,0000,0000,,Και η ποίηση είναι, ξέρετε,
Dialogue: 0,0:15:45.89,0:15:47.80,Default,,0000,0000,0000,,νομίζω, όχι και τόσο άσχημη, τελικά.
Dialogue: 0,0:15:47.83,0:15:49.21,Default,,0000,0000,0000,,(Γέλια)
Dialogue: 0,0:15:49.23,0:15:50.39,Default,,0000,0000,0000,,Κλείνοντας,
Dialogue: 0,0:15:50.42,0:15:52.55,Default,,0000,0000,0000,,σχετικά με τον Μιχαήλ Άγγελο,
Dialogue: 0,0:15:52.57,0:15:53.81,Default,,0000,0000,0000,,νομίζω ότι είχε δίκιο.
Dialogue: 0,0:15:53.83,0:15:57.27,Default,,0000,0000,0000,,Η αντίληψη και η δημιουργικότητα \Nείναι πολύ στενά συνδεδεμένες.
Dialogue: 0,0:15:57.61,0:16:00.24,Default,,0000,0000,0000,,Μόλις είδαμε νευρωνικά δίκτυα
Dialogue: 0,0:16:00.27,0:16:02.57,Default,,0000,0000,0000,,που έχουν εκπαιδευτεί εξολοκλήρου\Nνα διακρίνουν,
Dialogue: 0,0:16:02.60,0:16:04.98,Default,,0000,0000,0000,,ή να αναγνωρίζουν \Nδιαφορετικά πράγματα στον κόσμο,
Dialogue: 0,0:16:04.98,0:16:08.02,Default,,0000,0000,0000,,και μπορούν να λειτουργούν αντίστροφα,\Nνα δημιουργούν.
Dialogue: 0,0:16:08.05,0:16:10.17,Default,,0000,0000,0000,,Ένα από τα πράγματα\Nπου συμπεραίνω από αυτό
Dialogue: 0,0:16:10.17,0:16:12.25,Default,,0000,0000,0000,,είναι ότι δεν είδε μόνο ο Μιχαήλ Άγγελος
Dialogue: 0,0:16:12.28,0:16:14.73,Default,,0000,0000,0000,,το γλυπτό μέσα στον όγκο της πέτρας,
Dialogue: 0,0:16:14.75,0:16:18.39,Default,,0000,0000,0000,,αλλά ότι κάθε πλάσμα, κάθε ον,\Nκάθε εξωγήινος,
Dialogue: 0,0:16:18.41,0:16:21.90,Default,,0000,0000,0000,,που μπορεί να επιτελέσει\Nτέτοιου είδους πράξεις αντίληψης,
Dialogue: 0,0:16:21.90,0:16:23.51,Default,,0000,0000,0000,,μπορεί επίσης να δημιουργήσει
Dialogue: 0,0:16:23.51,0:16:27.04,Default,,0000,0000,0000,,επειδή ακριβώς ο ίδιος μηχανισμός\Nχρησιμοποιείται και στις δύο περιπτώσεις.
Dialogue: 0,0:16:27.04,0:16:30.37,Default,,0000,0000,0000,,Επίσης πιστεύω ότι η αντίληψη \Nκαι η δημιουργικότητα
Dialogue: 0,0:16:30.37,0:16:32.58,Default,,0000,0000,0000,,επ' ουδενί είναι\Nαποκλειστικά κάτι ανθρώπινο.
Dialogue: 0,0:16:32.58,0:16:36.24,Default,,0000,0000,0000,,Έχουμε υπολογιστικά μοντέλα \Nπου μπορούν να κάνουν ακριβώς το ίδιο.
Dialogue: 0,0:16:36.26,0:16:39.59,Default,,0000,0000,0000,,Και αυτό δεν πρέπει να μας εκπλήσσει,\Nτο μυαλό κάνει υπολογισμούς.
Dialogue: 0,0:16:39.62,0:16:41.27,Default,,0000,0000,0000,,Και τέλος,
Dialogue: 0,0:16:41.30,0:16:45.96,Default,,0000,0000,0000,,οι υπολογιστές ξεκίνησαν ως άσκηση\Nστο σχεδιασμό ευφυών μηχανημάτων.
Dialogue: 0,0:16:45.99,0:16:48.45,Default,,0000,0000,0000,,Σχεδιάστηκε βασικά με την ιδέα
Dialogue: 0,0:16:48.48,0:16:51.49,Default,,0000,0000,0000,,του πώς μπορούμε \Nνα κάνουμε τις μηχανές ευφυείς.
Dialogue: 0,0:16:51.51,0:16:53.67,Default,,0000,0000,0000,,Και τελικά αρχίζουμε να εκπληρώνουμε
Dialogue: 0,0:16:53.70,0:16:56.10,Default,,0000,0000,0000,,μερικές από τις υποσχέσεις\Nεκείνων των πρωτοπόρων,
Dialogue: 0,0:16:56.13,0:16:57.84,Default,,0000,0000,0000,,του Τούρινγκ και του Φον Νόιμαν,
Dialogue: 0,0:16:57.86,0:17:00.13,Default,,0000,0000,0000,,του ΜακΚάλοκ και του Πιτς.
Dialogue: 0,0:17:00.15,0:17:04.25,Default,,0000,0000,0000,,Και νομίζω ότι οι υπολογιστές\Nδεν αφορούν μόνο τα λογιστικά,
Dialogue: 0,0:17:04.28,0:17:06.42,Default,,0000,0000,0000,,ή να παίζουμε Καντι Κρας ή κάτι τέτοιο.
Dialogue: 0,0:17:06.45,0:17:09.02,Default,,0000,0000,0000,,Εξαρχής τα σχεδιάσαμε \Nκατ' εικόναν του μυαλού μας.
Dialogue: 0,0:17:09.05,0:17:12.32,Default,,0000,0000,0000,,Και μας δίνουν την ικανότητα\Nνα καταλάβουμε το μυαλό μας καλύτερα
Dialogue: 0,0:17:12.34,0:17:13.87,Default,,0000,0000,0000,,και να τα επεκτείνουμε.
Dialogue: 0,0:17:14.63,0:17:15.79,Default,,0000,0000,0000,,Σας ευχαριστώ πολύ.
Dialogue: 0,0:17:15.82,0:17:17.47,Default,,0000,0000,0000,,(Χειροκρότημα)