איך מחשבים לומדים להיות יצירתיים
-
0:01 - 0:04אז, אני מוביל צוות בגוגל
שעובד על למידה חישובית; -
0:04 - 0:09כלומר, תחום ההנדסה שגורם
למחשבים ומכשירים -
0:09 - 0:11לעשות כמה מהדברים שמוחותינו עושים.
-
0:11 - 0:15וזה גורם לנו להתעניין במוחות אמיתיים
-
0:15 - 0:16וגם במדעי המוח,
-
0:16 - 0:20ובמיוחד בדברים שבביצועם מוחותינו
-
0:20 - 0:24עדיין עולים בהרבה על מחשבים.
-
0:25 - 0:29מבחינה היסטורית, אחד התחומים האלה
הוא תפיסה, -
0:29 - 0:32ההליך שדרכו כל הדברים שיש בעולם החיצוני --
-
0:32 - 0:33צלילים ותמונות --
-
0:34 - 0:36נעשים למושגים בשכל.
-
0:36 - 0:39זה חיוני למוחות שלנו,
-
0:39 - 0:41וגם די שימושי במחשב.
-
0:42 - 0:45האלגוריתמים לתפיסה חישובית, לדוגמא,
שהצוות שלנו מוציא, -
0:45 - 0:49הם מה שמאפשר לתמונותיכם
בגוגל פוטוז להיות ניתנות-חיפוש, -
0:49 - 0:50על פי תוכנן.
-
0:52 - 0:55הפן השני של תפיסה הוא יצירתיות:
-
0:55 - 0:58הפיכת מושג לעצם בעולם.
-
0:58 - 1:02וכך במשך השנה האחרונה,
עבודתנו על תפיסה חישובית -
1:02 - 1:07התחברה באופן לא צפוי
לעולם היצירתיות החישובית, -
1:07 - 1:08ולאמנות ממוחשבת.
-
1:09 - 1:12אני חושב שלמיכלאלג'לו הייתה תובנה חודרת
-
1:12 - 1:16לגבי היחס הדואלי הזה שבין תפיסה ליצירתיות.
-
1:16 - 1:18זאת ציטטה מפורסמת שלו:
-
1:18 - 1:21"לכל אבן יש פסל בתוכה,
-
1:22 - 1:25ועבודת הפסל לגלות אותו."
-
1:26 - 1:29אז, אני חושב שמיכלאנג'לו התכוון לזה
-
1:29 - 1:32שאנחנו יוצרים באמצעות תפיסה,
-
1:32 - 1:35ושתפיסה עצמה היא מעשה של דמיון
-
1:36 - 1:38והיא חומר היצירתיות.
-
1:39 - 1:43האיבר שמבצע את כל המחשבה והתפיסה והדמיון,
-
1:43 - 1:44הוא כמובן המוח.
-
1:45 - 1:48ואני רוצה לפתוח בקטע קצר של היסטוריה
-
1:48 - 1:50על מה שאנחנו יודעים על המוח.
-
1:50 - 1:53כי לא כמו, כגון, הלב או המעיים,
-
1:53 - 1:56אי אפשר לומר הרבה על המוח
פשוט מלהסתכל עליו, -
1:56 - 1:58לפחות, בעין בלתי מזויינת.
-
1:58 - 2:00האנטומיסטים המוקדמים שהסתכלו על מוחות
-
2:00 - 2:04קראו למבנים השטחיים של הדבר הזה
בכל מיני שמות דמיוניים, -
2:04 - 2:07כגון היפוקמפוס, שמשמעו "חסילון קטן."
-
2:07 - 2:09אך בבירור דבר מסוג זה לא מספר לנו הרבה
-
2:09 - 2:12על מה שבאמת קורה בפנים.
-
2:13 - 2:16האדם הראשון, לדעתי, שבפועל פיתח
איזה מין של הבנה -
2:16 - 2:18של מה שבאמת קורה בתוך המוח
-
2:18 - 2:22היה הניורואנטומיסט הספרדי הגדול,
סנטיאגו רמון אי קחאל, -
2:22 - 2:24במאה התשע-עשרה,
-
2:24 - 2:28שהשתמש במיקרוסקופ וצבעים מיוחדים
-
2:28 - 2:32שיכלו לדמות בבררנות ובניגוד גבוה
-
2:32 - 2:34תאים יחידים במוח,
-
2:34 - 2:37כדי להתחיל להבין את המורפולוגיה שלהם.
-
2:38 - 2:41ואלה סוגי הציורים שהוא צייר של תאי עצב
-
2:41 - 2:42במאה התשע-עשרה.
-
2:42 - 2:44זה מתוך מוח של ציפור.
-
2:44 - 2:47ותראו את המגוון המדהים הזה
של תאים מסוגים שונים, -
2:47 - 2:51אפילו תיאוריית התא עצמה
הייתה חדשה למדי בעת הזו -
2:51 - 2:52והמבנים האלה,
-
2:52 - 2:54התאים האלה שיש להם הסתעפויות כאלה
-
2:54 - 2:57וענפים כאלה שמסוגלים להאריך מרחקים רבים --
-
2:57 - 2:58זה היה מאד חדשני ומקורי בתקופה זו.
-
2:59 - 3:02הם מזכירים חוטים כמובן.
-
3:02 - 3:05אפשר שכבר תפסו כך כמה אנשים
במאה התשע-עשרה; -
3:05 - 3:10מהפכות החיווט והחישמול בדיוק החלו.
-
3:10 - 3:11אבל מבחינות רבות,
-
3:11 - 3:14הציורים המיקרו-אנטומיים האלה
של רמון אי קחאל, כגון זה, -
3:15 - 3:17מבחינת-מה עוד לא הושגו.
-
3:17 - 3:19ואנחנו מאה שנים אחרי כן,
-
3:19 - 3:22מנסים לגמור את העבודה בו רמון אי קחאל החל.
-
3:22 - 3:25אלה הם נתונים לא-מעובדים
ממשתפי הפעולה שלנו -
3:25 - 3:28במכון מקס פלאנק למדעי מוח.
-
3:28 - 3:29ומה שמשתפי הפעולה שלנו עשו
-
3:29 - 3:34זה לדמת חלקיקים קטנים של רקמה מוחית.
-
3:34 - 3:38כל הדגימה הינה קרובה
בגודלה למילימטר מעוקב אחד, -
3:38 - 3:40ואני מראה לכם חלק מאד קטן ממנה פה.
-
3:40 - 3:43הפס הזה שלצד שמאל בגודל מיקרון אחד בערך.
-
3:43 - 3:45המבנים שאתם רואים הם מיטוכונדריה
-
3:45 - 3:47ששווים בגודלם לחיידק.
-
3:47 - 3:49ואלה פרוסות עוקבות
-
3:49 - 3:52בתוך הגוש הקטנטן מאד הזה של רקמה.
-
3:52 - 3:55רק לשם השוואה,
-
3:55 - 3:58קוטר קווצה ממוצעת של שיער היא כמאה מיקרון.
-
3:58 - 4:01וכך אנחנו מתבוננים במשהו הרבה יותר זעיר
-
4:01 - 4:02משערה אחת.
-
4:02 - 4:06ועל פי כל הסוגים האלה של פרוסות סדרתיות
מוגדלות מיקרוסקופ-אלקטרוני, -
4:06 - 4:11אפשר להתחיל בשיחזורים תלת-ממדיים
של תאי עצב, הנראים ככה. -
4:11 - 4:14ובכן, אלה נוהגים על פי אותו סגנון
בקירוב של רמון אי קחאל. -
4:14 - 4:16רק תאי עצב אחדים נדלקו,
-
4:16 - 4:19אחרת לא היינו יכולים לראות
פה שום דבר. -
4:19 - 4:20יהיה כל כך צפוף,
-
4:20 - 4:21כל כך מלא מבנים,
-
4:21 - 4:24מלא חיווט המקשר תאי עצב אחד לשני.
-
4:25 - 4:28אז רמון אי קחאל במידה הקדים את זמנו,
-
4:28 - 4:31והתקדמות בהבנת המוח
-
4:31 - 4:33התקדמה לאט לאט במשך העשורים הבאים.
-
4:33 - 4:36אבל ידענו שתאי עצב עשו שימוש בחשמל,
-
4:36 - 4:39ועד מלחמת העולם השנייה,
הטכנולוגיה שלנו התקדמה דיה -
4:39 - 4:42כדי להתחיל ניסויים חשמליים
אמיתיים בתאי עצב חיים -
4:42 - 4:44בשביל להבין טוב יותר כיצד הם עבדו.
-
4:45 - 4:49זה אותו הזמן שמחשבים הומצאו לראשונה,
-
4:49 - 4:52ממש בהתבסס על הרעיון של בניית דגם המוח --
-
4:52 - 4:55של "מנגנון נבון,"
כמו שאלן טיורינג כינה אותו, -
4:55 - 4:57אחד מאבות מדעי המחשב.
-
4:58 - 5:03ווארן מקולוק ווואלטר פיטס
הביטו בציורו של רמון אי קחאל -
5:03 - 5:04של קליפת הראייה,
-
5:04 - 5:05שאותו אני מראה פה.
-
5:06 - 5:10זאת הקליפה שמעבדת
דימויים המגיעים מהעין. -
5:10 - 5:14ומבחינתם, זה נראה כמו
דיאגרמת מעגל חשמלי. -
5:14 - 5:18לכן יש הרבה פרטים בדיאגרמת
המעגל של מקולוק ופיטס -
5:18 - 5:20שאינם לגמרי נכונים.
-
5:20 - 5:21אבל הרעיון המרכזי הזה
-
5:21 - 5:25שקליפת הראייה עובדת
כסדרה של רכיבים חישוביים -
5:25 - 5:28המעבירים מידע אחד לרעהו במפל,
-
5:28 - 5:29בעיקרו של דבר נכון.
-
5:29 - 5:32בואו נדבר רגע
-
5:32 - 5:36על מה שדגם לעיבוד מידע חזותי צריך לעשות.
-
5:36 - 5:39המשימה היסודית של תפיסה
-
5:39 - 5:43היא החזקת תמונה כזו שמשמאל ולאמר כי
-
5:43 - 5:44"זאת ציפור,"
-
5:44 - 5:47היא דבר מאד פשוט לעשות בעזרת מוחותינו.
-
5:47 - 5:51אבל צריכים להבין שעבור מחשבים,
-
5:51 - 5:54זה היה כמעט בלתי אפשרי רק לפני כמה שנים.
-
5:54 - 5:56במסגרת הפרדיגמה החישובית הקלאסית
-
5:56 - 5:58אין זאת משימה קלת-ביצוע.
-
5:59 - 6:02אז מה שקורה בין הפיקסלים,
-
6:02 - 6:06בין דמות הציפור לבין המילה "ציפור,"
-
6:06 - 6:09ביסוד הוא התקשרות
בין מערכת תאי עצב מקושרים -
6:09 - 6:10זה לזה ברשת עצבית,
-
6:10 - 6:11כפי שאני משרטט פה.
-
6:11 - 6:15הרשת העצבית יכולה להיות ביולוגית,
בתוך קליפתנו הראייתית, -
6:15 - 6:17או, כיום, מתחילה להיות לנו היכולת
-
6:17 - 6:19לבנות דגמים של רשתות אלה במחשב.
-
6:20 - 6:22ואראה לכם איך זה נראה באמת.
-
6:22 - 6:26אז אתם יכולים לחשוב על הפיקסלים
כשכבה הראשונה של ניורונים, -
6:26 - 6:28וזה, למעשה, איך שזה עובד בעין --
-
6:28 - 6:30אלה הניורונים ברשתית.
-
6:30 - 6:31ואלה מזינים הלאה
-
6:31 - 6:35לתוך שכבה אחת אחרי אחרת
אחרי הבאה של ניורונים, -
6:35 - 6:38כולם מחוברים על ידי סינפסות במשקלים שונים.
-
6:38 - 6:39ההתנהגות של הרשת הזו
-
6:39 - 6:42מאופיינת על ידי הכוחות
של כל הסינפסות האלה. -
6:42 - 6:46אלה מאפיינים את התכונות המחשוביות
של הרשת הזו. -
6:46 - 6:47ובסופו של יום,
-
6:47 - 6:50יש לכם ניורון או קבוצה קטנה של ניורונים
-
6:50 - 6:51שנדלקים, ואומרים, "ציפור."
-
6:52 - 6:55עכשיו אני עומד לייצג
את שלושת הדברים האלה -- -
6:55 - 7:00פיקסל הקלט והסינפסות ברשתות העצביות,
-
7:00 - 7:01וציפור, הפלט --
-
7:01 - 7:04על ידי שלושה משתנים: X, W ו Y.
-
7:05 - 7:07יש אולי מליון Xים בערך --
-
7:07 - 7:09מליון פיקסלים בתמונה הזו.
-
7:09 - 7:11יש מיליארדים או טריליונים של W,
-
7:11 - 7:15שמייצגים את המשקל של כל הסינפסות האלו
ברשתות העצביות. -
7:15 - 7:16ויש מספר מאוד קטן של Y,
-
7:16 - 7:18של פלטים שיש לרשת הזו.
-
7:18 - 7:20"ציפור " היא רק חמש אותיות, נכון?
-
7:21 - 7:25אז בואו נעמיד פנים שזו רק נוסחה פשוטה,
-
7:25 - 7:27x "x" w = y.
-
7:27 - 7:29אני שם את הכפול בגרשיים
-
7:29 - 7:31בגלל שמה שבאמת מתרחש פה, כמובן,
-
7:31 - 7:34זה סדרה מאוד מורכבת של פעולות מתמטיות.
-
7:35 - 7:36זו משוואה אחת.
-
7:36 - 7:38יש שלושה משתנים.
-
7:38 - 7:41וכולנו יודעים שאם יש לכם משוואה אחת,
-
7:41 - 7:45אתם יכולים לפתור משתנה אחד
אם יודעים את שני הדברים האחרים. -
7:45 - 7:49אז הבעיה של הסקה,
-
7:49 - 7:51שהיא, להבין שהתמונה של הציפור היא ציפור,
-
7:51 - 7:53היא זו:
-
7:53 - 7:56פה Y הוא המשתנה ו W ו X ידועים.
-
7:56 - 7:59אתם יודעים את הרשת העצבית,
אתם יודעים את הפיקסלים. -
7:59 - 8:02כמו שאתם יכולים לראות,
זו למעשה בעיה די פשוטה. -
8:02 - 8:04אתם מכפילים שתיים כפול שלוש וסיימתם.
-
8:05 - 8:07אני אראה לכם רשת עצבית מלאכותית
-
8:07 - 8:09שבנינו לאחרונה, ועשינו בדיוק את זה.
-
8:10 - 8:12זה רץ בזמן אמת על טלפון נייד,
-
8:13 - 8:16וזה, כמובן, מדהים בפני עצמו,
-
8:16 - 8:19הטלפונים הניידים יכולים לעשות
כל כך הרבה מליארדים וטריליונים של פעולות -
8:19 - 8:21לשניה.
-
8:21 - 8:22מה שאתם רואים זה טלפון
-
8:22 - 8:26מביט בתמונות של ציפורים אחת אחרי השניה,
-
8:26 - 8:29ולמעשה לא רק אומר, "כן, זו ציפור,"
-
8:29 - 8:32אלא מזהה את המין
של הציפור עם רשת מסוג כזה. -
8:33 - 8:35אז בתמונה הזו,
-
8:35 - 8:39ה X וה W ידועים, וה Y לא ידוע.
-
8:39 - 8:41אני מרפרף על החלקים הממש קשים כמובן,
-
8:41 - 8:45שזה איך בעצם אנחנו מגלים את ה W,
-
8:45 - 8:47המוח שיכול לעשות כזה דבר?
-
8:47 - 8:49איך אי פעם נלמד מודל כזה?
-
8:49 - 8:53אז התהליך הזה של למידה, או פתירת ה W,
-
8:53 - 8:55אם היינו עושים את זה עם משוואות פשוטות
-
8:55 - 8:57בהן אנחנו חושבים על אלה כמספרים,
-
8:57 - 9:00אנחנו יודעים בדיוק
איך לעשות את זה: 6 = 2 *w, -
9:00 - 9:03ובכן, אנחנו מחלקים בשניים וסיימנו.
-
9:04 - 9:06הבעיה היא עם הפעולה הזו.
-
9:07 - 9:08אז, חלוקה --
-
9:08 - 9:11השתמשו בחלוקה בגלל שהיא ההפך מכפל,
-
9:11 - 9:13אבל כמו שכרגע אמרתי,
-
9:13 - 9:15ההכפלה היא מעט שקר פה.
-
9:15 - 9:18זו פעולה מאוד מאוד מורכבת,
מאוד לא לינארית; -
9:18 - 9:20אין לה פעולה הופכית.
-
9:20 - 9:23אז אנחנו צריכים למצוא דרך לפתור את המשוואה
-
9:23 - 9:25בלי פעולת החילוק.
-
9:25 - 9:28והדרך לעשות את זה היא די ישירה.
-
9:28 - 9:30אתם פשוט אומרים,
בואו נשחק בטריק אלגבראי פשוט, -
9:30 - 9:33ונעביר את השש לצד ימין של המשוואה.
-
9:33 - 9:35עכשיו, אנחנו עדיין משתמשים בכפל.
-
9:36 - 9:39והאפס הזה -- בואו נחשוב עליו כשגיאה.
-
9:39 - 9:42במילים אחרות, אם פתרנו עבור W נכון,
-
9:42 - 9:43אז השגיאה תהיה אפס.
-
9:43 - 9:45ואם זה לא יצא לנו ממש נכון,
-
9:45 - 9:47השגיאה תהיה גדולה מאפס.
-
9:47 - 9:51אז עכשיו אנחנו יכולים פשוט לנחש
כדי להקטין את השגיאה, -
9:51 - 9:53וזה סוג הדבר שמחשבים ממש טובים בו.
-
9:53 - 9:55אז לקחתם ניחוש ראשוני:
-
9:55 - 9:56מה אם W=0?
-
9:56 - 9:57ובכן, אז השגיאה היא 6.
-
9:57 - 9:59מה עם W =1? השגיאה היא 4.
-
9:59 - 10:01ואז המחשב יכול לשחק סוג של מרקו פולו,
-
10:01 - 10:04ולהוריד את השגיאה קרוב לאפס.
-
10:04 - 10:07וכשהוא עושה את זה,
הוא מקבל קרובים עוקבים ל W. -
10:07 - 10:11ובאופן טיפוסי, הוא לעולם לא ממש מגיע לשם,
אבל אחרי בערך שנים עשר צעדים, -
10:11 - 10:15אנחנו מגיעים ל W = 2.999, שזה קרוב מספיק.
-
10:16 - 10:18וזה תהליך הלמידה.
-
10:18 - 10:21אז זכרו שמה שמתרחש פה
-
10:21 - 10:25זה שלקחנו הרבה X ידועים ו Y ידועים
-
10:25 - 10:29ופתרנו עבור W במרכז דרך תהליך לולאתי.
-
10:29 - 10:32זו בדיוק אותה דרך שאנחנו עושים
את הלמידה בעצמנו. -
10:32 - 10:35יש לנו הרבה הרבה תמונות כתינוקות
-
10:35 - 10:37ואומרים לנו, "זו ציפור; זו לא ציפור."
-
10:38 - 10:40ובמשך הזמן, דרך חזרה,
-
10:40 - 10:43אנחנו פותרים עבור W,
אנחנו פותרים עבור החיבורים העצביים האלה. -
10:43 - 10:48אז עכשיו, החזקנו את X ואת W קבועים
כדי לפתור עבור Y; -
10:48 - 10:49זו תפישה מהירה, יום יומית.
-
10:49 - 10:51הבנו איך אנחנו יכולים לפתור עבור W,
-
10:51 - 10:53זה למידה, שהיא הרבה יותר קשה,
-
10:53 - 10:55בגלל שאנחנו צריכים לעשות מזעור שגיאות,
-
10:55 - 10:57בשימוש בהרבה דוגמאות אימון.
-
10:57 - 11:00ולפני בערך שנה,
אלכס מורדבינטסב, בצוות שלנו, -
11:00 - 11:04החליט להתנסות עם מה שקורה
אם אנחנו מנסים לפתור עבור X, -
11:04 - 11:06בהתחשב ב W ו Y ידועים.
-
11:06 - 11:07במילים אחרות,
-
11:07 - 11:09אתם יודעים שזו ציפור,
-
11:09 - 11:12וכבר יש לכם את הרשת העצבית
שאימנתם על ציפורים, -
11:12 - 11:14אבל מה היא התמונה של הציפור?
-
11:15 - 11:20מסתבר שבשימוש בדיוק
באותו תהליך מזעור שגיאות, -
11:20 - 11:24שאפשר לעשות עם רשת שמאומנת להכיר ציפורים,
-
11:24 - 11:27ומסתבר שהתוצאה היא...
-
11:30 - 11:32תמונה של ציפורים.
-
11:33 - 11:37אז זו תמונה של ציפורים
שמייוצרת לגמרי על ידי רשת עצבית -
11:37 - 11:38שאומנה להכיר ציפורים,
-
11:38 - 11:42פשוט על ידי פיתרון ל X במקום לפתור ל Y,
-
11:42 - 11:43ולעשות את זה בחזרתיות.
-
11:44 - 11:46הנה דוגמה כיפית נוספת.
-
11:46 - 11:49זו היתה עבודה שנעשתה
על ידי מייק טייקה בקבוצה שלנו, -
11:49 - 11:51שנקראה "תהלוכת החיות."
-
11:51 - 11:54זה מזכיר לי מעט את האמנות
של ווליאם קמטרידג', -
11:54 - 11:57בה הוא יוצר איורים, מוחק אותם,
-
11:57 - 11:58יוצר איורים, מוחק אותם,
-
11:58 - 12:00ויוצר סרט בדרך זו.
-
12:00 - 12:01במקרה הזה,
-
12:01 - 12:04מה שמייק עושה זה לשנות את Y
במרחב של חיות שונות, -
12:04 - 12:07ברשת שמתוכננת להכיר ולהבחין
-
12:07 - 12:08בין חיות שונות.
-
12:08 - 12:12ואתם מקבלים את הסוג במוזר הזה של שינויים
כמו של אשר, מחיה אחת לאחרת. -
12:14 - 12:19פה הוא ואלכס יחד ניסו להפחית
-
12:19 - 12:22את ה Y לחלל של רק שני מימדים,
-
12:22 - 12:25לכן הם יוצרים מפה מהחלל של כל הדברים
-
12:25 - 12:27שמוכרים על ידי הרשת הזו.
-
12:27 - 12:29לעשות סוג כזה של סינטזה
-
12:29 - 12:31או יצירה של תמונות על פני כל המשטח,
-
12:31 - 12:34שמשנים את Y על המשטח,
אתם עושים סוג של מפה -- -
12:34 - 12:37מפה ויזואלית של כל הדברים
שהרשת יודעת איך להכיר. -
12:37 - 12:40החיות כולן פה; "ארמדילו"
בדיוק בנקודה הזו בנקודה ההיא. -
12:41 - 12:43אתם יכולים לעשות זאת
גם עם סוגים אחרים של רשתות. -
12:43 - 12:46זו רשת שמתוכננת להכיר פרצופים,
-
12:46 - 12:48כדי להבחין בין פרצוף אחד לאחר.
-
12:48 - 12:52ופה, אנחנו שמים את ה Y שאומר, "אני,"
-
12:52 - 12:53הפרמטרים של הפנים שלי.
-
12:53 - 12:55וכשהדבר הזה פותר ל X,
-
12:55 - 12:58הוא יוצר תמונה די משוגעת,
-
12:58 - 13:02סוג של תמונה קוביסטית, סוראליסטית,
ופסיכדלית שלי -
13:02 - 13:04ממספר נקודות צפיה יחד.
-
13:04 - 13:07הסיבה שזה נראה כמו מספר רב
של נקודות מבט יחד -
13:07 - 13:10זה בגלל שהרשת הזו מעוצבת להפתר מדו-משמעות
-
13:10 - 13:13של פנים שבפוזה אחת או אחרת,
-
13:13 - 13:16כשמסתכלים עליהם עם סוג אחד של תאורה,
או סוג אחר של תאורה. -
13:16 - 13:18אז כשאתם עושים סוג זה של בנייה מחדש,
-
13:18 - 13:21אם אתם לא משתמשים
בסוג מסווים של תמונת הנחייה -
13:21 - 13:22או סטטיסטיקה מנחה,
-
13:22 - 13:26אז אתם תקבלו סוג של בלבול
מנקודות מבט שונות, -
13:26 - 13:27בגלל שזה דו משמעי.
-
13:28 - 13:32זה מה שקורה אם אלכס
משתמש בפנים של עצמו כתמונה מנחה -
13:32 - 13:35במהלך תהליך האופטימיזציה
כדי לבנות מחדש את הפנים שלי. -
13:36 - 13:39אז אתם יכולים לראות שזה לא מושלם.
-
13:39 - 13:41יש עדיין די הרבה עבודה לעשות
-
13:41 - 13:43על איך אנחנו עושים מיטוב של תהליך המיטוב.
-
13:43 - 13:46אבל אתם מתחילים לקבל משהו
יותר כמו פנים ברורות, -
13:46 - 13:48שמצויירות בשימוש בפנים שלי כהנחיה.
-
13:49 - 13:51אתם לא צריכים להתחיל עם קאנבס ריק
-
13:51 - 13:53או עם צליל לבן.
-
13:53 - 13:54כשאתם פותרים עבור X,
-
13:54 - 13:58אתם יכולים להתחיל עם X,
שהוא בעצמו כבר תמונה אחרת. -
13:58 - 14:00זו מה שההדגמה הקטנה הזו.
-
14:00 - 14:05זו רשת שמתוכננת לקטלג
-
14:05 - 14:08כל מיני אובייקטים שונים --
מבנים מעשה ידי אדם, חיות... -
14:08 - 14:10פה אנחנו מתחילים עם רק תמונה של עננים,
-
14:10 - 14:12וכשאנחנו ממטבים,
-
14:12 - 14:17בעיקרון, הרשת הזו מבינה
מה היא רואה בעננים. -
14:17 - 14:19וככל שאתם מבלים יותר זמן בלהביט בהם,
-
14:19 - 14:22אתם גם תראו הרבה יותר דברים בעננים.
-
14:23 - 14:26אתם תוכלו גם להשתמש
ברשת הפנים כדי להזות לתוך זה, -
14:26 - 14:28ואתם מקבלים דברים די מטורפים.
-
14:28 - 14:29(צחוק)
-
14:30 - 14:33או, מייק עשה כמה ניסויים אחרים
-
14:33 - 14:37בהם הוא לוקח את תמונת העננים ההיא,
-
14:37 - 14:41הוזה, עושה זום, הוזה, זום, הוזה, זום.
-
14:41 - 14:42ובדרך זו,
-
14:42 - 14:45אתם יכולים לקבל סוג של מצב
של פוגה של הרשת, אני מניח, -
14:46 - 14:49או סוג של אסוציאציה חופשית,
-
14:49 - 14:51בה הרשת אוכלת את הזנב של עצמה.
-
14:51 - 14:55אז כל תמונה היא עכשיו הבסיס,
-
14:55 - 14:56ל"מה אני חושב שאני רואה עכשיו?
-
14:56 - 14:59מה אני חושב שאני רואה עכשיו?
מה אני חושב שאני רואה עכשיו?" -
14:59 - 15:02הראתי את זה בפעם הראשונה בציבור
-
15:02 - 15:08לקבוצה בהרצאה בסיאטל
שנקראה "חינוך גבוה יותר" -- -
15:08 - 15:10זה היה מייד אחרי שמריחואנה הפכה לחוקית.
-
15:10 - 15:13(צחוק)
-
15:15 - 15:17אז הייתי רוצה לסיים במהירות
-
15:17 - 15:21פשוט בלהעיר שהטכנולוגיה הזו לא מוגבלת.
-
15:21 - 15:25הראתי לכם דוגמאות ויזאוליות לגמרי
בגלל שבאמת כיף להביט בהן. -
15:25 - 15:27זו לא טכנולוגיה ויזואלית לגמרי.
-
15:27 - 15:29האמן ששיתף איתנו פעולה, רוס גודווין,
-
15:29 - 15:33עשה ניסויים שכללו מצלמה שמצלמת תמונות,
-
15:33 - 15:37ואז המחשב בתיק שלו כותב פואמה
בשימוש ברשתות עצביות, -
15:37 - 15:39בהתבסס על התוכן של התמונה.
-
15:39 - 15:42והרשת העצבית הזו של השירה אומנה
-
15:42 - 15:44על קורפוס גדול של השירה של המאה ה20.
-
15:44 - 15:46והשירה היא, אתם יודעים,
-
15:46 - 15:48אני חושב, סוג של לא רעה, למעשה.
-
15:48 - 15:49(צחוק)
-
15:49 - 15:50לסיכום.
-
15:50 - 15:53אני חושב שעבור מיכאלאנג'לו,
-
15:53 - 15:54אני חושב שהוא צדק;
-
15:54 - 15:57תפישה ויצירתיות מחוברות מאוד אינטימית.
-
15:58 - 16:00מה שכרגע ראינו הן רשתות עצביות
-
16:00 - 16:03שלגמרי מאומנות להפלות,
-
16:03 - 16:05או להכיר דברים שונים בעולם,
-
16:05 - 16:08מסוגלת להיות מורצת אחורנית, כדי לייצר.
-
16:08 - 16:10אחד הדברים שמראים לי
-
16:10 - 16:12הם לא רק שמיכאלאנג'לו באמת ראה
-
16:12 - 16:15את הפסל בתוך בלוק האבן,
-
16:15 - 16:18אלא שכל יצור, כל ישות, כל חייזר
-
16:18 - 16:22שמסוגל לעשות פעולות תפישתיות מסוג כלשהו
-
16:22 - 16:23גם מסוגל ליצור
-
16:23 - 16:27בגלל שזה בדיוק אותו מנגנון
שבשימוש בשני המקרים. -
16:27 - 16:31כמו כן ,אני חושב שתפישה ויצירתיות
הן בשום צורה -
16:31 - 16:33לא רק אנושיות.
-
16:33 - 16:36מתחילים להיות לנו מודלים ממוחשבים
שיכולים לעשות בדיוק דברים מהסוג הזה. -
16:36 - 16:40וזה לא צריך להפתיע; המוח הוא חישובי.
-
16:40 - 16:41ולבסוף,
-
16:41 - 16:46מחשוב החל כתרגיל בעיצוב מכונות חכמות.
-
16:46 - 16:48הוא מודל אחר הרעיון
-
16:48 - 16:51של איך אנחנו יכולים ליצור מכונות חכמות.
-
16:52 - 16:54ואנחנו לבסוף מתחילים להגשים עכשיו
-
16:54 - 16:56כמה מההבטחות של החלוצים הראשונים האלה,
-
16:56 - 16:58של טיורינג וואן ניומן
-
16:58 - 17:00ומקקולוך ופיטס.
-
17:00 - 17:04ואני חושב שמחשוב לא נוגע רק לחשבונאות
-
17:04 - 17:06או לשחק קנדי קראש או משהו.
-
17:06 - 17:09מההתחלה, מידלנו אותם לפי המוח שלנו.
-
17:09 - 17:12והם נותנים לנו גם את היכולת
להבין את המוחות שלנו טוב יותר -
17:12 - 17:14ולהרחיב אותם.
-
17:15 - 17:16תודה רבה לכם.
-
17:16 - 17:22(מחיאות כפיים)
- Title:
- איך מחשבים לומדים להיות יצירתיים
- Speaker:
- בלייז אגוארה ארקס
- Description:
-
אנחנו על הסף של פריצות דרך חדשות באמנות ויצירתיות -- והן לא אנושיות. בלייז אגוארה ארקס, המדען הראשי של גוגל, עובד עם רשתות עצביות עמוקות לתפיסת מכונה ולמידה מבוזרת. בדמו שובה הלב הזה, הוא מראה איך רשתות עצביות שמאומנות להכיר תמונות יכולות לרוץ אחורנית, כדי לייצר אותן. התוצאות: קולאג'ים מרהיבים הזייתיים שמתנגדים להגדרה. "תפישה ויצירתיות מחוברות אינטימית," אומר אגוארה ארקס, "כל יצור, כל ישות שמסוגלת לפעולות תפיסתיות מסוגלת גם ליצור."
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 17:34
Ido Dekkers approved Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz accepted Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz edited Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz edited Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz edited Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz edited Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz edited Hebrew subtitles for How we're teaching computers to be creative | ||
Zeeva Livshitz edited Hebrew subtitles for How we're teaching computers to be creative |