0:00:00.800,0:00:03.924
אז, אני מוביל צוות בגוגל [br]שעובד על למידה חישובית;

0:00:03.948,0:00:08.598
כלומר, תחום ההנדסה שגורם[br]למחשבים ומכשירים

0:00:08.622,0:00:11.041
לעשות כמה מהדברים שמוחותינו עושים.

0:00:11.439,0:00:14.538
וזה גורם לנו להתעניין במוחות אמיתיים

0:00:14.562,0:00:15.851
וגם במדעי המוח,

0:00:15.875,0:00:20.047
ובמיוחד בדברים שבביצועם מוחותינו

0:00:20.071,0:00:24.113
עדיין עולים בהרבה על מחשבים.

0:00:25.209,0:00:28.818
מבחינה היסטורית, אחד התחומים האלה[br]הוא תפיסה,

0:00:28.842,0:00:31.881
ההליך שדרכו כל הדברים שיש בעולם החיצוני --

0:00:31.905,0:00:33.489
צלילים ותמונות --

0:00:33.513,0:00:35.691
נעשים למושגים בשכל.

0:00:36.235,0:00:38.752
זה חיוני למוחות שלנו,

0:00:38.776,0:00:41.240
וגם די שימושי במחשב.

0:00:41.636,0:00:44.986
האלגוריתמים לתפיסה חישובית, לדוגמא,[br]שהצוות שלנו מוציא,

0:00:45.010,0:00:48.884
הם מה שמאפשר לתמונותיכם [br]בגוגל פוטוז להיות ניתנות-חיפוש,

0:00:48.908,0:00:50.305
על פי תוכנן.

0:00:51.594,0:00:55.087
הפן השני של תפיסה הוא יצירתיות:

0:00:55.111,0:00:58.149
הפיכת מושג לעצם בעולם.

0:00:58.173,0:01:01.728
וכך במשך השנה האחרונה,[br]עבודתנו על תפיסה חישובית

0:01:01.752,0:01:06.611
התחברה באופן לא צפוי[br]לעולם היצירתיות החישובית,

0:01:06.635,0:01:07.795
ולאמנות ממוחשבת.

0:01:08.556,0:01:11.840
אני חושב שלמיכלאלג'לו הייתה תובנה חודרת

0:01:11.864,0:01:15.520
לגבי היחס הדואלי הזה שבין תפיסה ליצירתיות.

0:01:16.023,0:01:18.029
זאת ציטטה מפורסמת שלו:

0:01:18.053,0:01:21.376
"לכל אבן יש פסל בתוכה,

0:01:22.036,0:01:25.038
ועבודת הפסל לגלות אותו."

0:01:26.029,0:01:29.245
אז, אני חושב שמיכלאנג'לו התכוון לזה

0:01:29.269,0:01:32.449
שאנחנו יוצרים באמצעות תפיסה,

0:01:32.473,0:01:35.496
ושתפיסה עצמה היא מעשה של דמיון

0:01:35.520,0:01:37.981
והיא חומר היצירתיות.

0:01:38.691,0:01:42.616
האיבר שמבצע את כל המחשבה והתפיסה והדמיון,

0:01:42.640,0:01:44.228
הוא כמובן המוח.

0:01:45.089,0:01:47.634
ואני רוצה לפתוח בקטע קצר של היסטוריה

0:01:47.658,0:01:49.960
על מה שאנחנו יודעים על המוח.

0:01:50.496,0:01:52.942
כי לא כמו, כגון, הלב או המעיים,

0:01:52.966,0:01:56.110
אי אפשר לומר הרבה על המוח[br]פשוט מלהסתכל עליו,

0:01:56.134,0:01:57.546
לפחות, בעין בלתי מזויינת.

0:01:57.983,0:02:00.399
האנטומיסטים המוקדמים שהסתכלו על מוחות

0:02:00.423,0:02:04.230
קראו למבנים השטחיים של הדבר הזה[br]בכל מיני שמות דמיוניים,

0:02:04.254,0:02:06.687
כגון היפוקמפוס, שמשמעו "חסילון קטן."

0:02:06.711,0:02:09.475
אך בבירור דבר מסוג זה לא מספר לנו הרבה

0:02:09.499,0:02:11.817
על מה שבאמת קורה בפנים.

0:02:12.780,0:02:16.393
האדם הראשון, לדעתי, שבפועל פיתח [br]איזה מין של הבנה

0:02:16.417,0:02:18.347
של מה שבאמת קורה בתוך המוח

0:02:18.371,0:02:22.291
היה הניורואנטומיסט הספרדי הגדול, [br]סנטיאגו רמון אי קחאל,

0:02:22.315,0:02:23.859
במאה התשע-עשרה,

0:02:23.883,0:02:27.638
שהשתמש במיקרוסקופ וצבעים מיוחדים

0:02:27.662,0:02:31.832
שיכלו לדמות בבררנות ובניגוד גבוה

0:02:31.856,0:02:33.864
תאים יחידים במוח,

0:02:33.888,0:02:37.042
כדי להתחיל להבין את המורפולוגיה שלהם.

0:02:37.972,0:02:40.863
ואלה סוגי הציורים שהוא צייר של תאי עצב

0:02:40.887,0:02:42.096
במאה התשע-עשרה.

0:02:42.120,0:02:44.004
זה מתוך מוח של ציפור.

0:02:44.028,0:02:47.085
ותראו את המגוון המדהים הזה[br]של תאים מסוגים שונים,[br]

0:02:47.109,0:02:50.544
אפילו תיאוריית התא עצמה[br]הייתה חדשה למדי בעת הזו

0:02:50.568,0:02:51.846
והמבנים האלה,

0:02:51.870,0:02:54.129
התאים האלה שיש להם הסתעפויות כאלה

0:02:54.153,0:02:56.761
וענפים כאלה שמסוגלים להאריך מרחקים רבים --

0:02:56.785,0:02:58.401
זה היה מאד חדשני ומקורי בתקופה זו.

0:02:58.779,0:03:01.682
הם מזכירים חוטים כמובן.

0:03:01.706,0:03:05.163
אפשר שכבר תפסו כך כמה אנשים [br]במאה התשע-עשרה;

0:03:05.187,0:03:09.501
מהפכות החיווט והחישמול בדיוק החלו.

0:03:09.964,0:03:11.142
אבל מבחינות רבות,

0:03:11.166,0:03:14.479
הציורים המיקרו-אנטומיים האלה[br]של רמון אי קחאל, כגון זה,

0:03:14.503,0:03:16.835
מבחינת-מה עוד לא הושגו.

0:03:16.859,0:03:18.713
ואנחנו מאה שנים אחרי כן,

0:03:18.737,0:03:21.562
מנסים לגמור את העבודה בו רמון אי קחאל החל.

0:03:21.586,0:03:24.720
אלה הם נתונים לא-מעובדים[br]ממשתפי הפעולה שלנו

0:03:24.744,0:03:27.625
במכון מקס פלאנק למדעי מוח.[br]

0:03:27.649,0:03:29.439
ומה שמשתפי הפעולה שלנו עשו

0:03:29.463,0:03:34.464
זה לדמת חלקיקים קטנים של רקמה מוחית.

0:03:34.488,0:03:37.814
כל הדגימה הינה קרובה[br]בגודלה למילימטר מעוקב אחד,

0:03:37.838,0:03:40.459
ואני מראה לכם חלק מאד קטן ממנה פה.

0:03:40.483,0:03:42.829
הפס הזה שלצד שמאל בגודל מיקרון אחד בערך.

0:03:42.853,0:03:45.262
המבנים שאתם רואים הם מיטוכונדריה

0:03:45.286,0:03:47.330
ששווים בגודלם לחיידק.

0:03:47.354,0:03:48.905
ואלה פרוסות עוקבות

0:03:48.929,0:03:52.077
בתוך הגוש הקטנטן מאד הזה של רקמה.

0:03:52.101,0:03:54.504
רק לשם השוואה,

0:03:54.528,0:03:58.320
קוטר קווצה ממוצעת של שיער היא כמאה מיקרון.

0:03:58.344,0:04:00.618
וכך אנחנו מתבוננים במשהו הרבה יותר זעיר

0:04:00.642,0:04:02.040
משערה אחת.

0:04:02.064,0:04:06.095
ועל פי כל הסוגים האלה של פרוסות סדרתיות [br]מוגדלות מיקרוסקופ-אלקטרוני,

0:04:06.119,0:04:11.127
אפשר להתחיל בשיחזורים תלת-ממדיים[br]של תאי עצב, הנראים ככה.

0:04:11.151,0:04:14.308
ובכן, אלה נוהגים על פי אותו סגנון[br]בקירוב של רמון אי קחאל.

0:04:14.332,0:04:15.824
רק תאי עצב אחדים נדלקו,

0:04:15.848,0:04:18.629
אחרת לא היינו יכולים לראות[br]פה שום דבר.

0:04:18.653,0:04:19.965
יהיה כל כך צפוף,

0:04:19.989,0:04:21.319
כל כך מלא מבנים,

0:04:21.343,0:04:24.067
מלא חיווט המקשר תאי עצב אחד לשני.

0:04:25.293,0:04:28.097
אז רמון אי קחאל במידה הקדים את זמנו,

0:04:28.121,0:04:30.676
והתקדמות בהבנת המוח

0:04:30.700,0:04:32.971
התקדמה לאט לאט במשך העשורים הבאים.

0:04:33.455,0:04:36.308
אבל ידענו שתאי עצב עשו שימוש בחשמל,

0:04:36.332,0:04:39.268
ועד מלחמת העולם השנייה, [br]הטכנולוגיה שלנו התקדמה דיה

0:04:39.292,0:04:42.098
כדי להתחיל ניסויים חשמליים [br]אמיתיים בתאי עצב חיים

0:04:42.122,0:04:44.228
בשביל להבין טוב יותר כיצד הם עבדו.

0:04:44.631,0:04:48.987
זה אותו הזמן שמחשבים הומצאו לראשונה,

0:04:49.011,0:04:52.111
ממש בהתבסס על הרעיון של בניית דגם המוח --

0:04:52.135,0:04:55.220
של "מנגנון נבון,"[br]כמו שאלן טיורינג כינה אותו,

0:04:55.244,0:04:57.235
אחד מאבות מדעי המחשב.

0:04:57.923,0:05:02.555
ווארן מקולוק ווואלטר פיטס[br]הביטו בציורו של רמון אי קחאל

0:05:02.579,0:05:03.896
של קליפת הראייה,

0:05:03.920,0:05:05.482
שאותו אני מראה פה.

0:05:05.506,0:05:09.948
זאת הקליפה שמעבדת[br]דימויים המגיעים מהעין.

0:05:10.424,0:05:13.932
ומבחינתם, זה נראה כמו[br]דיאגרמת מעגל חשמלי.

0:05:14.353,0:05:18.188
לכן יש הרבה פרטים בדיאגרמת[br]המעגל של מקולוק ופיטס

0:05:18.212,0:05:19.564
שאינם לגמרי נכונים.

0:05:19.588,0:05:20.823
אבל הרעיון המרכזי הזה

0:05:20.847,0:05:24.839
שקליפת הראייה עובדת[br]כסדרה של רכיבים חישוביים

0:05:24.863,0:05:27.609
המעבירים מידע אחד לרעהו במפל,

0:05:27.633,0:05:29.235
בעיקרו של דבר נכון.

0:05:29.259,0:05:31.609
בואו נדבר רגע [br]

0:05:31.633,0:05:35.665
על מה שדגם לעיבוד מידע חזותי צריך לעשות.

0:05:36.228,0:05:38.969
המשימה היסודית של תפיסה

0:05:38.993,0:05:43.187
היא החזקת תמונה כזו שמשמאל ולאמר כי

0:05:43.211,0:05:44.387
"זאת ציפור,"

0:05:44.411,0:05:47.285
היא דבר מאד פשוט לעשות בעזרת מוחותינו.

0:05:47.309,0:05:50.730
אבל צריכים להבין שעבור מחשבים,

0:05:50.754,0:05:53.841
זה היה כמעט בלתי אפשרי רק לפני כמה שנים.

0:05:53.865,0:05:55.781
במסגרת הפרדיגמה החישובית הקלאסית

0:05:55.805,0:05:58.312
אין זאת משימה קלת-ביצוע.

0:05:59.366,0:06:01.918
אז מה שקורה בין הפיקסלים,

0:06:01.942,0:06:05.970
בין דמות הציפור לבין המילה "ציפור,"

0:06:05.994,0:06:08.808
ביסוד הוא התקשרות[br]בין מערכת תאי עצב מקושרים

0:06:08.832,0:06:09.987
זה לזה ברשת עצבית,

0:06:10.011,0:06:11.234
כפי שאני משרטט פה.

0:06:11.258,0:06:14.530
הרשת העצבית יכולה להיות ביולוגית,[br]בתוך קליפתנו הראייתית,

0:06:14.554,0:06:16.716
או, כיום, מתחילה להיות לנו היכולת

0:06:16.740,0:06:19.194
לבנות דגמים של רשתות אלה במחשב.

0:06:19.834,0:06:22.187
ואראה לכם איך זה נראה באמת.

0:06:22.211,0:06:25.627
אז אתם יכולים לחשוב על הפיקסלים[br]כשכבה הראשונה של ניורונים,

0:06:25.651,0:06:27.890
וזה, למעשה, איך שזה עובד בעין --

0:06:27.914,0:06:29.577
אלה הניורונים ברשתית.

0:06:29.601,0:06:31.101
ואלה מזינים הלאה

0:06:31.125,0:06:34.528
לתוך שכבה אחת אחרי אחרת[br]אחרי הבאה של ניורונים,

0:06:34.552,0:06:37.585
כולם מחוברים על ידי סינפסות במשקלים שונים.

0:06:37.609,0:06:38.944
ההתנהגות של הרשת הזו

0:06:38.968,0:06:42.252
מאופיינת על ידי הכוחות[br]של כל הסינפסות האלה.

0:06:42.276,0:06:45.564
אלה מאפיינים את התכונות המחשוביות[br]של הרשת הזו.

0:06:45.588,0:06:47.058
ובסופו של יום,

0:06:47.082,0:06:49.529
יש לכם ניורון או קבוצה קטנה של ניורונים

0:06:49.553,0:06:51.200
שנדלקים, ואומרים, "ציפור."

0:06:51.824,0:06:54.956
עכשיו אני עומד לייצג[br]את שלושת הדברים האלה --

0:06:54.980,0:06:59.676
פיקסל הקלט והסינפסות ברשתות העצביות,

0:06:59.700,0:07:01.285
וציפור, הפלט --

0:07:01.309,0:07:04.366
על ידי שלושה משתנים: X, W ו Y.

0:07:04.853,0:07:06.664
יש אולי מליון Xים בערך --

0:07:06.688,0:07:08.641
מליון פיקסלים בתמונה הזו.

0:07:08.665,0:07:11.111
יש מיליארדים או טריליונים של W,

0:07:11.135,0:07:14.556
שמייצגים את המשקל של כל הסינפסות האלו[br]ברשתות העצביות.

0:07:14.580,0:07:16.455
ויש מספר מאוד קטן של Y,

0:07:16.479,0:07:18.337
של פלטים שיש לרשת הזו.

0:07:18.361,0:07:20.110
"ציפור " היא רק חמש אותיות, נכון?

0:07:21.088,0:07:24.514
אז בואו נעמיד פנים שזו רק נוסחה פשוטה,

0:07:24.538,0:07:26.701
x "x" w = y.

0:07:26.725,0:07:28.761
אני שם את הכפול בגרשיים

0:07:28.785,0:07:31.065
בגלל שמה שבאמת מתרחש פה, כמובן,

0:07:31.089,0:07:34.135
זה סדרה מאוד מורכבת של פעולות מתמטיות.

0:07:35.172,0:07:36.393
זו משוואה אחת.

0:07:36.417,0:07:38.089
יש שלושה משתנים.

0:07:38.113,0:07:40.839
וכולנו יודעים שאם יש לכם משוואה אחת,

0:07:40.863,0:07:44.505
אתם יכולים לפתור משתנה אחד[br]אם יודעים את שני הדברים האחרים.

0:07:45.158,0:07:48.538
אז הבעיה של הסקה,

0:07:48.562,0:07:51.435
שהיא, להבין שהתמונה של הציפור היא ציפור,

0:07:51.459,0:07:52.733
היא זו:

0:07:52.757,0:07:56.216
פה Y הוא המשתנה ו W ו X ידועים.

0:07:56.240,0:07:58.699
אתם יודעים את הרשת העצבית,[br]אתם יודעים את הפיקסלים.

0:07:58.723,0:08:02.050
כמו שאתם יכולים לראות,[br]זו למעשה בעיה די פשוטה.

0:08:02.074,0:08:04.260
אתם מכפילים שתיים כפול שלוש וסיימתם.

0:08:04.862,0:08:06.985
אני אראה לכם רשת עצבית מלאכותית

0:08:07.009,0:08:09.305
שבנינו לאחרונה, ועשינו בדיוק את זה.

0:08:09.634,0:08:12.494
זה רץ בזמן אמת על טלפון נייד,

0:08:12.518,0:08:15.831
וזה, כמובן, מדהים בפני עצמו,

0:08:15.855,0:08:19.323
הטלפונים הניידים יכולים לעשות[br]כל כך הרבה מליארדים וטריליונים של פעולות

0:08:19.347,0:08:20.595
לשניה.

0:08:20.619,0:08:22.234
מה שאתם רואים זה טלפון

0:08:22.258,0:08:25.805
מביט בתמונות של ציפורים אחת אחרי השניה,

0:08:25.829,0:08:28.544
ולמעשה לא רק אומר, "כן, זו ציפור,"

0:08:28.568,0:08:31.979
אלא מזהה את המין[br]של הציפור עם רשת מסוג כזה.

0:08:32.890,0:08:34.716
אז בתמונה הזו,

0:08:34.740,0:08:38.542
ה X וה W ידועים, וה Y לא ידוע.

0:08:38.566,0:08:41.074
אני מרפרף על החלקים הממש קשים כמובן,

0:08:41.098,0:08:44.959
שזה איך בעצם אנחנו מגלים את ה W,

0:08:44.983,0:08:47.170
המוח שיכול לעשות כזה דבר?

0:08:47.194,0:08:49.028
איך אי פעם נלמד מודל כזה?

0:08:49.418,0:08:52.651
אז התהליך הזה של למידה, או פתירת ה W,

0:08:52.675,0:08:55.322
אם היינו עושים את זה עם משוואות פשוטות

0:08:55.346,0:08:57.346
בהן אנחנו חושבים על אלה כמספרים,

0:08:57.370,0:09:00.057
אנחנו יודעים בדיוק[br]איך לעשות את זה: 6 = 2 *w,

0:09:00.081,0:09:03.393
ובכן, אנחנו מחלקים בשניים וסיימנו.

0:09:04.001,0:09:06.221
הבעיה היא עם הפעולה הזו.

0:09:06.823,0:09:07.974
אז, חלוקה --

0:09:07.998,0:09:11.119
השתמשו בחלוקה בגלל שהיא ההפך מכפל,

0:09:11.143,0:09:12.583
אבל כמו שכרגע אמרתי,

0:09:12.607,0:09:15.056
ההכפלה היא מעט שקר פה.

0:09:15.080,0:09:18.406
זו פעולה מאוד מאוד מורכבת,[br]מאוד לא לינארית;

0:09:18.430,0:09:20.134
אין לה פעולה הופכית.

0:09:20.158,0:09:23.308
אז אנחנו צריכים למצוא דרך לפתור את המשוואה

0:09:23.332,0:09:25.356
בלי פעולת החילוק.

0:09:25.380,0:09:27.723
והדרך לעשות את זה היא די ישירה.

0:09:27.747,0:09:30.418
אתם פשוט אומרים,[br]בואו נשחק בטריק אלגבראי פשוט,

0:09:30.442,0:09:33.348
ונעביר את השש לצד ימין של המשוואה.

0:09:33.372,0:09:35.198
עכשיו, אנחנו עדיין משתמשים בכפל.

0:09:35.675,0:09:39.255
והאפס הזה -- בואו נחשוב עליו כשגיאה.

0:09:39.279,0:09:41.794
במילים אחרות, אם פתרנו עבור W נכון,

0:09:41.818,0:09:43.474
אז השגיאה תהיה אפס.

0:09:43.498,0:09:45.436
ואם זה לא יצא לנו ממש נכון,

0:09:45.460,0:09:47.209
השגיאה תהיה גדולה מאפס.

0:09:47.233,0:09:50.599
אז עכשיו אנחנו יכולים פשוט לנחש[br]כדי להקטין את השגיאה,

0:09:50.623,0:09:53.310
וזה סוג הדבר שמחשבים ממש טובים בו.

0:09:53.334,0:09:54.927
אז לקחתם ניחוש ראשוני:

0:09:54.951,0:09:56.107
מה אם W=0?

0:09:56.131,0:09:57.371
ובכן, אז השגיאה היא 6.

0:09:57.395,0:09:58.841
מה עם W =1? השגיאה היא 4.

0:09:58.865,0:10:01.232
ואז המחשב יכול לשחק סוג של מרקו פולו,

0:10:01.256,0:10:03.623
ולהוריד את השגיאה קרוב לאפס.

0:10:03.647,0:10:07.021
וכשהוא עושה את זה,[br]הוא מקבל קרובים עוקבים ל W.

0:10:07.045,0:10:10.701
ובאופן טיפוסי, הוא לעולם לא ממש מגיע לשם,[br]אבל אחרי בערך שנים עשר צעדים,

0:10:10.725,0:10:15.349
אנחנו מגיעים ל W = 2.999, שזה קרוב מספיק.

0:10:16.302,0:10:18.116
וזה תהליך הלמידה.

0:10:18.140,0:10:20.870
אז זכרו שמה שמתרחש פה

0:10:20.894,0:10:25.272
זה שלקחנו הרבה X ידועים ו Y ידועים

0:10:25.296,0:10:28.750
ופתרנו עבור W במרכז דרך תהליך לולאתי.

0:10:28.774,0:10:32.330
זו בדיוק אותה דרך שאנחנו עושים[br]את הלמידה בעצמנו.

0:10:32.354,0:10:34.584
יש לנו הרבה הרבה תמונות כתינוקות

0:10:34.608,0:10:37.241
ואומרים לנו, "זו ציפור; זו לא ציפור."

0:10:37.714,0:10:39.812
ובמשך הזמן, דרך חזרה,

0:10:39.836,0:10:42.764
אנחנו פותרים עבור W,[br]אנחנו פותרים עבור החיבורים העצביים האלה.

0:10:43.460,0:10:47.546
אז עכשיו, החזקנו את X ואת W קבועים[br]כדי לפתור עבור Y;

0:10:47.570,0:10:49.417
זו תפישה מהירה, יום יומית.

0:10:49.441,0:10:51.204
הבנו איך אנחנו יכולים לפתור עבור W,

0:10:51.228,0:10:53.131
זה למידה, שהיא הרבה יותר קשה,

0:10:53.155,0:10:55.140
בגלל שאנחנו צריכים לעשות מזעור שגיאות,

0:10:55.164,0:10:56.851
בשימוש בהרבה דוגמאות אימון.

0:10:56.875,0:11:00.062
ולפני בערך שנה,[br]אלכס מורדבינטסב, בצוות שלנו,

0:11:00.086,0:11:03.636
החליט להתנסות עם מה שקורה[br]אם אנחנו מנסים לפתור עבור X,

0:11:03.660,0:11:05.697
בהתחשב ב W ו Y ידועים.

0:11:06.124,0:11:07.275
במילים אחרות,

0:11:07.299,0:11:08.651
אתם יודעים שזו ציפור,

0:11:08.675,0:11:11.978
וכבר יש לכם את הרשת העצבית[br]שאימנתם על ציפורים,

0:11:12.002,0:11:14.346
אבל מה היא התמונה של הציפור?

0:11:15.034,0:11:20.058
מסתבר שבשימוש בדיוק[br]באותו תהליך מזעור שגיאות,

0:11:20.082,0:11:23.512
שאפשר לעשות עם רשת שמאומנת להכיר ציפורים,

0:11:23.536,0:11:26.924
ומסתבר שהתוצאה היא...

0:11:30.400,0:11:31.705
תמונה של ציפורים.

0:11:32.814,0:11:36.551
אז זו תמונה של ציפורים[br]שמייוצרת לגמרי על ידי רשת עצבית

0:11:36.575,0:11:38.401
שאומנה להכיר ציפורים,

0:11:38.425,0:11:41.963
פשוט על ידי פיתרון ל X במקום לפתור ל Y,

0:11:41.987,0:11:43.275
ולעשות את זה בחזרתיות.

0:11:43.732,0:11:45.579
הנה דוגמה כיפית נוספת.

0:11:45.603,0:11:49.040
זו היתה עבודה שנעשתה[br]על ידי מייק טייקה בקבוצה שלנו,

0:11:49.064,0:11:51.372
שנקראה "תהלוכת החיות."

0:11:51.396,0:11:54.272
זה מזכיר לי מעט את האמנות[br]של ווליאם קמטרידג',

0:11:54.296,0:11:56.785
בה הוא יוצר איורים, מוחק אותם,

0:11:56.809,0:11:58.269
יוצר איורים, מוחק אותם,

0:11:58.293,0:11:59.691
ויוצר סרט בדרך זו.

0:11:59.715,0:12:00.866
במקרה הזה,

0:12:00.890,0:12:04.167
מה שמייק עושה זה לשנות את Y[br]במרחב של חיות שונות,

0:12:04.191,0:12:06.573
ברשת שמתוכננת להכיר ולהבחין

0:12:06.597,0:12:08.407
בין חיות שונות.

0:12:08.431,0:12:12.182
ואתם מקבלים את הסוג במוזר הזה של שינויים[br]כמו של אשר, מחיה אחת לאחרת.

0:12:14.221,0:12:18.835
פה הוא ואלכס יחד ניסו להפחית

0:12:18.859,0:12:21.618
את ה Y לחלל של רק שני מימדים,

0:12:21.642,0:12:25.080
לכן הם יוצרים מפה מהחלל של כל הדברים

0:12:25.104,0:12:26.823
שמוכרים על ידי הרשת הזו.

0:12:26.847,0:12:28.870
לעשות סוג כזה של סינטזה

0:12:28.894,0:12:31.276
או יצירה של תמונות על פני כל המשטח,

0:12:31.300,0:12:34.146
שמשנים את Y על המשטח,[br]אתם עושים סוג של מפה --

0:12:34.170,0:12:37.311
מפה ויזואלית של כל הדברים[br]שהרשת יודעת איך להכיר.

0:12:37.335,0:12:40.200
החיות כולן פה; "ארמדילו"[br]בדיוק בנקודה הזו בנקודה ההיא.

0:12:40.919,0:12:43.398
אתם יכולים לעשות זאת[br]גם עם סוגים אחרים של רשתות.

0:12:43.422,0:12:46.296
זו רשת שמתוכננת להכיר פרצופים,

0:12:46.320,0:12:48.320
כדי להבחין בין פרצוף אחד לאחר.

0:12:48.344,0:12:51.593
ופה, אנחנו שמים את ה Y שאומר, "אני,"

0:12:51.617,0:12:53.192
הפרמטרים של הפנים שלי.

0:12:53.216,0:12:54.922
וכשהדבר הזה פותר ל X,

0:12:54.946,0:12:57.564
הוא יוצר תמונה די משוגעת,

0:12:57.588,0:13:02.016
סוג של תמונה קוביסטית, סוראליסטית, [br]ופסיכדלית שלי

0:13:02.040,0:13:03.846
ממספר נקודות צפיה יחד.

0:13:03.870,0:13:06.604
הסיבה שזה נראה כמו מספר רב[br]של נקודות מבט יחד

0:13:06.628,0:13:10.315
זה בגלל שהרשת הזו מעוצבת להפתר מדו-משמעות

0:13:10.339,0:13:12.815
של פנים שבפוזה אחת או אחרת,

0:13:12.839,0:13:16.215
כשמסתכלים עליהם עם סוג אחד של תאורה,[br]או סוג אחר של תאורה.

0:13:16.239,0:13:18.324
אז כשאתם עושים סוג זה של בנייה מחדש,

0:13:18.348,0:13:20.652
אם אתם לא משתמשים[br]בסוג מסווים של תמונת הנחייה

0:13:20.676,0:13:21.887
או סטטיסטיקה מנחה,

0:13:21.911,0:13:25.676
אז אתם תקבלו סוג של בלבול[br]מנקודות מבט שונות,

0:13:25.700,0:13:27.068
בגלל שזה דו משמעי.

0:13:27.786,0:13:32.009
זה מה שקורה אם אלכס[br]משתמש בפנים של עצמו כתמונה מנחה

0:13:32.033,0:13:35.354
במהלך תהליך האופטימיזציה[br]כדי לבנות מחדש את הפנים שלי.

0:13:36.284,0:13:38.612
אז אתם יכולים לראות שזה לא מושלם.

0:13:38.636,0:13:40.510
יש עדיין די הרבה עבודה לעשות

0:13:40.534,0:13:42.987
על איך אנחנו עושים מיטוב של תהליך המיטוב.

0:13:43.011,0:13:45.838
אבל אתם מתחילים לקבל משהו[br]יותר כמו פנים ברורות,

0:13:45.862,0:13:47.876
שמצויירות בשימוש בפנים שלי כהנחיה.

0:13:48.892,0:13:51.393
אתם לא צריכים להתחיל עם קאנבס ריק

0:13:51.417,0:13:52.573
או עם צליל לבן.

0:13:52.597,0:13:53.901
כשאתם פותרים עבור X,

0:13:53.925,0:13:57.814
אתם יכולים להתחיל עם X,[br]שהוא בעצמו כבר תמונה אחרת.

0:13:57.838,0:14:00.394
זו מה שההדגמה הקטנה הזו.

0:14:00.418,0:14:04.540
זו רשת שמתוכננת לקטלג

0:14:04.564,0:14:07.683
כל מיני אובייקטים שונים --[br]מבנים מעשה ידי אדם, חיות...

0:14:07.707,0:14:10.300
פה אנחנו מתחילים עם רק תמונה של עננים,

0:14:10.324,0:14:11.995
וכשאנחנו ממטבים,

0:14:12.019,0:14:16.505
בעיקרון, הרשת הזו מבינה[br]מה היא רואה בעננים.

0:14:16.931,0:14:19.251
וככל שאתם מבלים יותר זמן בלהביט בהם,

0:14:19.275,0:14:22.028
אתם גם תראו הרבה יותר דברים בעננים.

0:14:23.004,0:14:26.379
אתם תוכלו גם להשתמש[br]ברשת הפנים כדי להזות לתוך זה,

0:14:26.403,0:14:28.215
ואתם מקבלים דברים די מטורפים.

0:14:28.239,0:14:29.389
(צחוק)

0:14:30.401,0:14:33.145
או, מייק עשה כמה ניסויים אחרים

0:14:33.169,0:14:37.074
בהם הוא לוקח את תמונת העננים ההיא,

0:14:37.098,0:14:40.605
הוזה, עושה זום, הוזה, זום, הוזה, זום.

0:14:40.629,0:14:41.780
ובדרך זו,

0:14:41.804,0:14:45.479
אתם יכולים לקבל סוג של מצב[br]של פוגה של הרשת, אני מניח,

0:14:45.503,0:14:49.183
או סוג של אסוציאציה חופשית,

0:14:49.207,0:14:51.434
בה הרשת אוכלת את הזנב של עצמה.

0:14:51.458,0:14:54.879
אז כל תמונה היא עכשיו הבסיס,

0:14:54.903,0:14:56.404
ל"מה אני חושב שאני רואה עכשיו?

0:14:56.404,0:14:59.151
מה אני חושב שאני רואה עכשיו?[br]מה אני חושב שאני רואה עכשיו?"

0:14:59.487,0:15:02.423
הראתי את זה בפעם הראשונה בציבור

0:15:02.447,0:15:07.884
לקבוצה בהרצאה בסיאטל[br]שנקראה "חינוך גבוה יותר" --

0:15:07.908,0:15:10.345
זה היה מייד אחרי שמריחואנה הפכה לחוקית.

0:15:10.369,0:15:12.784
(צחוק)

0:15:14.627,0:15:16.731
אז הייתי רוצה לסיים במהירות

0:15:16.755,0:15:21.010
פשוט בלהעיר שהטכנולוגיה הזו לא מוגבלת.

0:15:21.034,0:15:24.699
הראתי לכם דוגמאות ויזאוליות לגמרי[br]בגלל שבאמת כיף להביט בהן.

0:15:24.723,0:15:27.174
זו לא טכנולוגיה ויזואלית לגמרי.

0:15:27.198,0:15:29.191
האמן ששיתף איתנו פעולה, רוס גודווין,

0:15:29.215,0:15:32.886
עשה ניסויים שכללו מצלמה שמצלמת תמונות,

0:15:32.910,0:15:37.144
ואז המחשב בתיק שלו כותב פואמה[br]בשימוש ברשתות עצביות,

0:15:37.168,0:15:39.112
בהתבסס על התוכן של התמונה.

0:15:39.136,0:15:42.083
והרשת העצבית הזו של השירה אומנה

0:15:42.107,0:15:44.341
על קורפוס גדול של השירה של המאה ה20.

0:15:44.365,0:15:45.864
והשירה היא, אתם יודעים,

0:15:45.888,0:15:47.802
אני חושב, סוג של לא רעה, למעשה.

0:15:47.826,0:15:49.210
(צחוק)

0:15:49.234,0:15:50.393
לסיכום.

0:15:50.417,0:15:52.549
אני חושב שעבור מיכאלאנג'לו,

0:15:52.573,0:15:53.807
אני חושב שהוא צדק;

0:15:53.831,0:15:57.267
תפישה ויצירתיות מחוברות מאוד אינטימית.

0:15:57.611,0:16:00.245
מה שכרגע ראינו הן רשתות עצביות

0:16:00.269,0:16:02.572
שלגמרי מאומנות להפלות,

0:16:02.596,0:16:04.838
או להכיר דברים שונים בעולם,

0:16:04.862,0:16:08.023
מסוגלת להיות מורצת אחורנית, כדי לייצר.

0:16:08.047,0:16:09.830
אחד הדברים שמראים לי

0:16:09.854,0:16:12.252
הם לא רק שמיכאלאנג'לו באמת ראה

0:16:12.276,0:16:14.728
את הפסל בתוך בלוק האבן,

0:16:14.752,0:16:18.390
אלא שכל יצור, כל ישות, כל חייזר

0:16:18.414,0:16:22.071
שמסוגל לעשות פעולות תפישתיות מסוג כלשהו

0:16:22.095,0:16:23.470
גם מסוגל ליצור

0:16:23.494,0:16:26.718
בגלל שזה בדיוק אותו מנגנון[br]שבשימוש בשני המקרים.

0:16:26.742,0:16:31.274
כמו כן ,אני חושב שתפישה ויצירתיות[br]הן בשום צורה

0:16:31.298,0:16:32.508
לא רק אנושיות.

0:16:32.532,0:16:36.240
מתחילים להיות לנו מודלים ממוחשבים[br]שיכולים לעשות בדיוק דברים מהסוג הזה.

0:16:36.264,0:16:39.592
וזה לא צריך להפתיע; המוח הוא חישובי.

0:16:39.616,0:16:41.273
ולבסוף,

0:16:41.297,0:16:45.965
מחשוב החל כתרגיל בעיצוב מכונות חכמות.

0:16:45.989,0:16:48.451
הוא מודל אחר הרעיון

0:16:48.475,0:16:51.488
של איך אנחנו יכולים ליצור מכונות חכמות.

0:16:51.512,0:16:53.674
ואנחנו לבסוף מתחילים להגשים עכשיו

0:16:53.698,0:16:56.104
כמה מההבטחות של החלוצים הראשונים האלה,

0:16:56.128,0:16:57.841
של טיורינג וואן ניומן

0:16:57.865,0:17:00.130
ומקקולוך ופיטס.

0:17:00.154,0:17:04.252
ואני חושב שמחשוב לא נוגע רק לחשבונאות

0:17:04.276,0:17:06.423
או לשחק קנדי קראש או משהו.

0:17:06.447,0:17:09.025
מההתחלה, מידלנו אותם לפי המוח שלנו.

0:17:09.049,0:17:12.318
והם נותנים לנו גם את היכולת[br]להבין את המוחות שלנו טוב יותר

0:17:12.342,0:17:13.871
ולהרחיב אותם.

0:17:14.627,0:17:15.794
תודה רבה לכם.

0:17:15.818,0:17:21.757
(מחיאות כפיים)