1
00:00:00,880 --> 00:00:04,893
إعتدنا قديما علي انه عندما تريد من
الحاسب القيام بمهمة ما

2
00:00:04,893 --> 00:00:06,447
فإنه عليك برمجته.

3
00:00:06,447 --> 00:00:09,858
الآن، البرمجة بالنسبة للذين لم يقومو بها من قبل،

4
00:00:09,858 --> 00:00:13,360
تتطلب وضع كل خطوة تريد من الحاسوب القيام بها بالتفصيل الممل

5
00:00:16,727 --> 00:00:19,089
من أجل تحقيق غايتك.

6
00:00:19,089 --> 00:00:22,585
الآن، في حال أردت القيام بأمرٍ
لاتعرف كيفية القيام به بنفسك،

7
00:00:22,585 --> 00:00:24,648
عندها سيكون هذا تحدٍ كبير.

8
00:00:24,648 --> 00:00:28,131
و هذا هو التحدي الذي واجه هذا الرجل
ارثر صامويل

9
00:00:28,131 --> 00:00:32,208
في عام 1956، أراد 
ان يشتري هذا الحاسوب

10
00:00:32,208 --> 00:00:34,548
أن يكون قادراً على هزيمته في لعبة الداما.

11
00:00:34,548 --> 00:00:36,588
ليتمكن من هزيمتة في 
لعبة الشطرنج

12
00:00:36,588 --> 00:00:40,394
كيف يمكنك كتابة برنامج بكل تفاصيلة كيف 
يمكن للحاسوب ان يكون أفضل منك في الشطرنج؟

13
00:00:40,394 --> 00:00:42,116
لذا فقد جاء بفكرة:

14
00:00:42,116 --> 00:00:45,840
جعل الحاسوب يلعب ضد نفسه آلاف المرات

15
00:00:45,840 --> 00:00:48,364
ويتعلم كيفية لعب الشطرنج

16
00:00:48,364 --> 00:00:51,544
وبالفعل نجحت فكرته وفي عام 1962

17
00:00:51,544 --> 00:00:55,561
فاز هذا الكمبيوتر ببطولة ولاية كونيتيكت

18
00:00:55,561 --> 00:00:58,534
لهذا يعد أرثر صاموئيل أب التعلم الآلي

19
00:00:58,534 --> 00:01:00,251
وأنا أدين له بشده

20
00:01:00,251 --> 00:01:03,014
لأنني ممارس للتعلم الآلي

21
00:01:03,014 --> 00:01:04,479
لقد كنت رئيس شركة كاجل ،

22
00:01:04,479 --> 00:01:07,867
مجتمع أكثر من 200,000 ممارس للتعلم الألي

23
00:01:07,867 --> 00:01:09,925
وقد وضعت شركة كاجل مسابقات

24
00:01:09,925 --> 00:01:13,633
لحثهم على محاولة أن يحلوا 
مشاكل لم تحل من قبل

25
00:01:13,633 --> 00:01:17,470
وقد نجحت مئات المرات

26
00:01:17,470 --> 00:01:19,940
وإنطلاقاً من هذه النقطة تمكنت من إكتشاف

27
00:01:19,940 --> 00:01:23,890
الكثير عن ما الذي كان يستطيع التعلم الآلي
فعله في الماضي وما يستطيعه اليوم

28
00:01:23,890 --> 00:01:26,252
وما الذي ستتمكن من فعله في المستقبل

29
00:01:26,252 --> 00:01:30,675
ربما يكون أول نجاح تجاري كبير 
للتعلم الآلي هو جوجل

30
00:01:30,675 --> 00:01:33,784
جوجل أظهرت إمكانية أن تجد معلومات

31
00:01:33,784 --> 00:01:35,536
من خلال إستخدام لوغارتيمات الكمبيوتر

32
00:01:35,536 --> 00:01:38,437
وتعتمد هذه اللوغارتيمات على التعلم الآلي

33
00:01:38,437 --> 00:01:42,323
ومنذ هذا الوقت كان هناك نجاحات 
تجارية كبيرة في التعلم الآلي

34
00:01:42,323 --> 00:01:44,160
فشركات مثل أمازون ونت فليكس

35
00:01:44,160 --> 00:01:47,876
تستخدم التعلم الآلي لإقتراح المنتجات
التي قد تفضل شرائها

36
00:01:47,876 --> 00:01:49,896
والأفلام التي تحب مشاهدتها

37
00:01:49,896 --> 00:01:51,703
في بعض الأحيان قد يبدو الأمر مخيف

38
00:01:51,703 --> 00:01:53,657
شركات مثل لينكد ان وفيسبوك

39
00:01:53,657 --> 00:01:56,251
أحياناً ستخبرك من يجب أن يكون صديقك؟

40
00:01:56,251 --> 00:01:58,228
وأنت ليس لديك أي فكرة عن كيف فعلت هذا؟

41
00:01:58,228 --> 00:02:01,195
وهذا لأنها تستخدم قوة التعلم الآلي

42
00:02:01,195 --> 00:02:04,152
هذه هي الخوارزمات التي تعلمت 
كيف تفعل هذا من البيانات

43
00:02:04,152 --> 00:02:07,399
بدلاً من أن يتم برمجتها يدوياً

44
00:02:07,399 --> 00:02:09,877
وهذا أيضاً هو سبب نجاح أي بي إم

45
00:02:09,877 --> 00:02:13,739
في أن يجعلوا الكمبيوتر واطسون 
يهزم بطلي عالم في مسابقة "جابردي"

46
00:02:13,739 --> 00:02:16,964
مجيباً بشكل مذهل على أسئلة متقنة
ومعقدة مثل

47
00:02:16,964 --> 00:02:19,799
من أي مدينة فقد أسد نمرود الأثري عام 2003؟

48
00:02:19,799 --> 00:02:23,034
هذا أيضاً سبب أننا نرى الأن أول سيارة ذاتية القيادة

49
00:02:23,034 --> 00:02:25,856
إذا كنت تستطيع أن تخبرنا الإختلاف بين مثلاً

50
00:02:25,856 --> 00:02:28,488
شجرة وشئ متحرك وهو شئ هام جداً

51
00:02:28,488 --> 00:02:31,075
نحن لا نعرف كيف نكتب هذه البرامج بأيدينا

52
00:02:31,075 --> 00:02:34,072
ولكنه الأن أصبح ممكناً بواسطة التعلم الآلي

53
00:02:34,072 --> 00:02:36,680
وفي الحقيقة ، هذه السيارة تم قيادتها لملايين الأميال

54
00:02:36,680 --> 00:02:40,186
بدون أي حوادث على الطرق العادية

55
00:02:40,196 --> 00:02:44,110
لذلك نعلم الأن أن الكمبيوتر يستطيع التعلم

56
00:02:44,110 --> 00:02:46,010
وأن الكمبيوتر يستطيع أن
يتعلم كيفية فعل أشياء

57
00:02:46,010 --> 00:02:48,848
لا نعرف أحياناً كيف نفعلها بأنفسنا

58
00:02:48,848 --> 00:02:51,733
أو قد يفعلموها أفضل مننا.

59
00:02:51,733 --> 00:02:55,928
ومن أغرب الأمثلة التي رأيتها بالتعلم الآلي

60
00:02:55,928 --> 00:02:58,320
حدثت بمشروع أديره بشركة كاجل

61
00:02:58,320 --> 00:03:01,911
في فريق يديره رجل يدعى
جوفري هينتون

62
00:03:01,911 --> 00:03:03,463
من جامعة تورنتو

63
00:03:03,463 --> 00:03:06,140
فازوا في مسابقة لإكتشاف أدوية أوتوماتيكية

64
00:03:06,140 --> 00:03:08,987
المذهل هنا ليس فقط أنهم أستطاعوا هزيمة

65
00:03:08,987 --> 00:03:13,000
جميع اللوغاريتمات التي طورتها 
ميرك أو المجتمع الأكاديمي الدولي

66
00:03:13,000 --> 00:03:18,061
ولكن لا أحد من الفريق لديه أي خلفية عن 
علوم الحياة أو الكيمياء أو الأحياء

67
00:03:18,061 --> 00:03:20,230
وقد قاموا بهذا الإنجاز في أسبوعين فقط

68
00:03:20,230 --> 00:03:21,611
كيف أستطاعوا أن يحققوا هذا؟

69
00:03:22,421 --> 00:03:25,342
أستخدموا لوغاريتمات 
فائقة تدعى التعلم العميق

70
00:03:25,342 --> 00:03:28,291
ولشدة اهميته تم تغطيته

71
00:03:28,291 --> 00:03:31,412
في مقال الصفحة الأولى 
لنيويورك تايمز منذ عدة أسابيع

72
00:03:31,412 --> 00:03:34,147
هذا هو جوفري هينتون على الجانب الأيسر

73
00:03:34,147 --> 00:03:38,488
التعلم العميق هي اللوغاريتمات التي 
تم إستلهامها من كيفية عمل العقل البشري

74
00:03:38,488 --> 00:03:40,300
وبالطبع كنتيجه فهي اللوغاريتمات

75
00:03:40,300 --> 00:03:44,141
التي ليس لها حدود نظرية حول ما تستطيع فعله

76
00:03:44,141 --> 00:03:46,964
كلما غذيتها ببيانات وأعطيتها وقت لحسابها

77
00:03:46,964 --> 00:03:48,276
كلما حصلت على نتائج أفضل

78
00:03:48,276 --> 00:03:50,615
وقد عرضت نيويورك تايمز أيضاً في هذا المقال

79
00:03:50,615 --> 00:03:52,857
نتيجه أخرى فائقة للتعلم العميق

80
00:03:52,857 --> 00:03:55,569
والتي سأعرضها عليكم الأن

81
00:03:55,569 --> 00:04:00,510
فهي تظهر قدرة الكمبيوتر على أن يسمع ويفهم

82
00:04:00,510 --> 00:04:03,221
(فيديو) ريتشارد رشيد : الأن ، 
أخر خطوة

83
00:04:03,221 --> 00:04:06,246
التي أريد تحقيقها في هذه العملية

84
00:04:06,246 --> 00:04:10,961
هي أن أتحدث بالصينية لكم

85
00:04:10,961 --> 00:04:13,596
الأن الشئ الرئيسي هو ،

86
00:04:13,596 --> 00:04:18,598
أننا تمكنا من أخذ كمية كبيرة من
المعلومات من العديد من متحدثي الصينية

87
00:04:18,598 --> 00:04:21,128
وأنتجنا نظام لتحويل النص المكتوب لحديث

88
00:04:21,128 --> 00:04:25,801
وأخذنا نص صيني وحولناه للغة الصينية

89
00:04:25,801 --> 00:04:29,929
ثم أخذنا بعد ذلك ما يقرب من ساعة لصوتي

90
00:04:29,929 --> 00:04:31,820
وأستخدمناه لتعديل صوت

91
00:04:31,820 --> 00:04:36,364
النظام الأساسي لتحويل النص
المكتوب لحديث حتى يبدو كصوتي

92
00:04:36,364 --> 00:04:38,904
مرة أخرى ، النتيجة ليست مثالية

93
00:04:38,904 --> 00:04:41,552
في الحقيقة كان هناك بعض الأخطاء القليلة

94
00:04:41,552 --> 00:04:44,036
(باللغة الصينية)

95
00:04:44,036 --> 00:04:47,403
(تصفيق)

96
00:04:49,446 --> 00:04:53,022
هناك الكثير من العمل الذي يجب 
أنجازه في هذا المجال

97
00:04:53,022 --> 00:04:56,667
(باللغة الصينية)

98
00:04:56,667 --> 00:05:00,100
(تصفيق)

99
00:05:01,345 --> 00:05:04,744
جيرمي هوارد : حسناً ، هذا كان
في مؤتمر التعلم الآلي بالصين

100
00:05:04,744 --> 00:05:07,114
في الواقع ليس من المعتاد
بالمؤتمرات الأكاديمية

101
00:05:07,114 --> 00:05:09,011
أن تسمع تصفيق عفوي

102
00:05:09,011 --> 00:05:12,687
بالرغم من أنه أحياناً بالطبع يحدث 
بمؤتمرات TEDx ، تصرفوا بحريتكم.

103
00:05:12,687 --> 00:05:15,482
كل ما رأيتموه هناك كان يحدث بالتعلم العميق

104
00:05:15,482 --> 00:05:17,007
(تصفيق) 
شكراً لكم

105
00:05:17,007 --> 00:05:19,289
كتابة نص الحديث بالإنجليزية
كان التعلم العميق

106
00:05:19,289 --> 00:05:22,701
الترجمة للصينية والكتابة بأعلى 
اليمين كان التعلم العميق

107
00:05:22,701 --> 00:05:26,008
كما أن تركيب الصوت تم عبر 
التعلم العميق أيضاً

108
00:05:26,008 --> 00:05:29,242
لذلك فإن التعلم العميق هو شئ مذهل.

109
00:05:29,242 --> 00:05:32,341
إنها لوغاريتمة واحدة تستطيع 
تقريباً أن تفعل أي شئ

110
00:05:32,341 --> 00:05:35,452
وقد أكتشفت أنها منذ عام مضى 
أيضاً قد تعلمت أت ترى.

111
00:05:35,452 --> 00:05:37,628
في مسابقة غير معروفة بألمانيا

112
00:05:37,628 --> 00:05:40,225
تدعى معيار التعرف على إشارات المرور الألمانية

113
00:05:40,225 --> 00:05:43,618
التعلم العميق قد تعلم التعرف
على إشارات المرور مثل هذه

114
00:05:43,618 --> 00:05:45,712
وهي لا تستطيع فقط التعرف على إشارات المرور

115
00:05:45,712 --> 00:05:47,470
أفضل من أي لوغاريتمة أخرى

116
00:05:47,470 --> 00:05:50,189
بل في الحقيقه تظهر اللوحة
أنها أفضل من البشر

117
00:05:50,189 --> 00:05:52,041
بحوالي مرتين مما يستطيعه البشر.

118
00:05:52,041 --> 00:05:54,037
لذلك عام 2011 كان لدينا أول مثال

119
00:05:54,037 --> 00:05:57,442
لكمبيوتر يستطيع أن يرى أفضل من البشر

120
00:05:57,442 --> 00:05:59,491
ومنذ ذلك الوقت حدث الكثير

121
00:05:59,491 --> 00:06:03,005
في عام 2012 جوجل أعلنت 
أن لديهم خوارزمة تعلم عميق

122
00:06:03,005 --> 00:06:04,420
تشاهد فيديوهات اليوتيوب

123
00:06:04,420 --> 00:06:07,857
وتعالج بيانات 16000 كمبيوتر شهرياً

124
00:06:07,857 --> 00:06:12,218
ثم يقوم الكمبيوتر ذاتياً بالتعلم 
عن مفاهيم مثل التاس والقطط

125
00:06:12,218 --> 00:06:14,027
فقط بمجرد مشاهدة الفيديوهات

126
00:06:14,027 --> 00:06:16,379
هذا يشبه كثيراً طريقة تعلم البشر

127
00:06:16,379 --> 00:06:19,119
البشر لا يتعلمون عن طريق
إخبارهم عن ما يروه

128
00:06:19,119 --> 00:06:22,450
ولكن يعلمون أنفسهم ماذا تكون هذه الأشياء

129
00:06:22,450 --> 00:06:25,819
أيضاً في عام 2012 ، جوفري هينتون
الذي رأيناه منذ قليل

130
00:06:25,819 --> 00:06:28,677
فاز بمسابقة ImageNet ذائعة الصيت

131
00:06:28,677 --> 00:06:32,818
حيث كان يبحث عن محاولة
لإكتشاف من بين مليون ونصف صورة

132
00:06:32,818 --> 00:06:34,256
مما تم تصويرهم

133
00:06:34,256 --> 00:06:37,789
وبالنسبة لـ 2014 فإننا الأن 
قلصنا نسبة الخطأ لـ 6%

134
00:06:37,789 --> 00:06:39,242
في التعرف على الصور

135
00:06:39,242 --> 00:06:41,268
ومرة أخرى ، هذا أفضل من البشر

136
00:06:41,268 --> 00:06:45,037
لذلك فإن الألات بالفعل 
تستطيع القيام بأعمال فائقة

137
00:06:45,037 --> 00:06:47,306
ويتم إستخدامها الأن بالصناعة

138
00:06:47,306 --> 00:06:50,348
وكمثال فإن جوجل أعلنت العام الماضي

139
00:06:50,348 --> 00:06:54,933
أنهم رسموا خريطة لكل مكان بفرنسا في ساعتين

140
00:06:54,933 --> 00:06:58,380
وقد فعلوا هذا عن طريق إدخال صور للشوارع

141
00:06:58,380 --> 00:07:02,699
لخوارزمة التعلم العميق للتعرف
على وقراءة أرقام الشوارع

142
00:07:02,699 --> 00:07:04,919
لك أن تتخيل كم كانت ستسغرق مسبقاً

143
00:07:04,919 --> 00:07:08,274
عشرات الناس والعديد من السنوات.

144
00:07:08,274 --> 00:07:10,185
وقد حدثت أيضاً في الصين.

145
00:07:10,185 --> 00:07:14,221
بيدو هو نوع من جوجل الصيني ، على ما أعتقد

146
00:07:14,221 --> 00:07:16,504
وما ترونه هنا في أعلى اليسار

147
00:07:16,504 --> 00:07:20,478
مثال لصورة قد حملتها إلى 
نظام بيدو للتعلم العميق

148
00:07:20,478 --> 00:07:24,247
وبالأسفل ترون أن النظام قد
فهم ماذا تكون هذه الصورة

149
00:07:24,247 --> 00:07:26,483
بل ووجدت صور أخرى مشابهة

150
00:07:26,483 --> 00:07:29,219
الصور المشابهة ذات خلفيات متماثلة

151
00:07:29,219 --> 00:07:30,877
بنفس إتجاهات الوجوه

152
00:07:30,877 --> 00:07:32,665
بل بعضهم كان بلسانه إلى الخارج

153
00:07:32,665 --> 00:07:35,695
وهذا لم يكن بالطبع بحث 
عن نص مكتوب على صفحة ويب

154
00:07:35,695 --> 00:07:37,107
كل ما حملته كان صورة.

155
00:07:37,107 --> 00:07:41,128
لذلك أصبح لدينا الأن أجهزة
كمبيوتر تستطيع بالفعل فهم ما تراه

156
00:07:41,128 --> 00:07:42,752
وبالتالي تستطيع البحث
في قواعد بيانات

157
00:07:42,752 --> 00:07:46,306
لمئات الملايين من الصور في نفس الوقت.

158
00:07:46,306 --> 00:07:49,536
والأن ما الذي يعنيه أن تستطيع
أجهزة الكمبيوتر أن ترى؟

159
00:07:49,536 --> 00:07:51,553
حسناً ، ليس فقط أن أجهزة الكمبيوتر
تستطيع الرؤية

160
00:07:51,553 --> 00:07:53,622
في الواقع التعلم العميق قد فعل أكثر من هذا

161
00:07:53,622 --> 00:07:56,570
فجمل معقدة ودقيقة مثل هذه

162
00:07:56,570 --> 00:07:59,394
الأن أصبحت مفهومة بخوارزمة التعلم العميق

163
00:07:59,394 --> 00:08:00,697
كما تروا هنا

164
00:08:00,697 --> 00:08:03,465
هذا نظام ستانفورد يظهر النقاط الحمراء بأعلى

165
00:08:03,465 --> 00:08:07,384
قد كشفت أن هذه الجملة تعبر عن إحساس سلبي

166
00:08:07,384 --> 00:08:10,790
في الواقع التعلم العميق الأن
أصبح قريب من الأداء البشري

167
00:08:10,802 --> 00:08:15,923
في فهم ما تعبر عنه الجمل 
وما تقوله عن هذه الأشياء.

168
00:08:15,923 --> 00:08:18,651
التعلم العميق قد أستخدم أيضا لقراءة
الصينية

169
00:08:18,651 --> 00:08:21,807
وبنفس مستوى متحدث الصينية كلغته الأم

170
00:08:21,807 --> 00:08:23,975
هذه الخوارزمة تم تطويرها بسويسرا

171
00:08:23,975 --> 00:08:27,331
بواسطة ناس لم يتحدث أي منهم أو يفهم الصينية

172
00:08:27,331 --> 00:08:29,382
وكما قلت إستخدام التعلم العميق

173
00:08:29,382 --> 00:08:31,601
أصبح أفضل نظام بالعالم لمثل هذا

174
00:08:31,601 --> 00:08:36,718
بل ويمكن مقارنته للفهم البشري للغة الأم

175
00:08:36,718 --> 00:08:39,682
هذا هو النظام الذي صنعناه بشركتي

176
00:08:39,682 --> 00:08:41,728
والذي يظهر وضع هذه الأشياء معاً

177
00:08:41,728 --> 00:08:44,189
هذه الصور ليس لها أي نص مكتوب ملحق بها

178
00:08:44,189 --> 00:08:46,541
وأثناء كتابتي هنا لجمل نصية

179
00:08:46,541 --> 00:08:49,510
فهي تفهم هذه الصور في نفس الوقت

180
00:08:49,510 --> 00:08:51,189
وتحدد ما تعبر عنه هذه الصور

181
00:08:51,189 --> 00:08:54,352
وتجد الصور التي تشابه النص الذي كتبته

182
00:08:54,352 --> 00:08:57,108
تستطيع أن تروا أنها بالفعل تفهم كتابتي

183
00:08:57,108 --> 00:08:59,332
وأيضاً تفهم هذه الصور

184
00:08:59,332 --> 00:09:01,891
أعلم أنك رأيت شئ يشبه ذلك على جوجل

185
00:09:01,891 --> 00:09:04,666
حيث تكتب عن أشياء لتظهر لك بالصور

186
00:09:04,666 --> 00:09:08,090
ولكن ما تفعله بالواقع هو بحث
عن نصوص بصفحة الموقع

187
00:09:08,090 --> 00:09:11,091
وهذا مختلف كلياً عن الفهم الفعلي للصور

188
00:09:11,091 --> 00:09:13,843
وهذا شئ يستطيع الكمبيوتر فقط فعله

189
00:09:13,843 --> 00:09:17,091
لأول مرة بالشهور القليلة الماضية.

190
00:09:17,091 --> 00:09:21,182
نرى الأن أجهزة الكمبيوتر تستطيع
ليس فقط الرؤية بل القراءة أيضاً

191
00:09:21,182 --> 00:09:24,947
وبالطبع قد عرضنا أنها تستطيع فهم ما تسمعه.

192
00:09:24,947 --> 00:09:28,389
ربما ليس من المفاجئ الأن أن
أخبرك أنها تستطيع الكتابة.

193
00:09:28,389 --> 00:09:33,172
هنا بعض النصوص التي أنتجتها بالأمس مستخدماً خوارزمة التعلم العميق

194
00:09:33,172 --> 00:09:37,096
وهنا بعض النصوص التي أنتجتها
خوارزمة بستانفورد

195
00:09:37,096 --> 00:09:38,860
كلاً من هذه الجمل المكتوبة تم إنتاجها

196
00:09:38,860 --> 00:09:43,109
بواسطة خوارزمة التعلم العميق
لوصف كلاً من هذه الصور

197
00:09:43,109 --> 00:09:47,581
هذه الخوارزمة لم ترى من قبل رجل 
يرتدي قميص أسود ويعزف على الجيتار

198
00:09:47,581 --> 00:09:49,801
هي رأت رجل من قبل ورأت اللون الأسود من قبل

199
00:09:49,801 --> 00:09:51,400
ورأت جيتار من قبل

200
00:09:51,400 --> 00:09:55,694
لكنها ذاتياً أنتجت وصفها 
الجديد عن هذه الصورة

201
00:09:55,694 --> 00:09:59,196
ما زال هذا الأداء ليس كمثيله 
البشري ولكننا قريبين

202
00:09:59,196 --> 00:10:03,264
في الإختبارات البشر يفضلون 
الشرح الذي أنتجه الكمبيوتر

203
00:10:03,264 --> 00:10:04,791
بنسبة واحد لأربعة

204
00:10:04,791 --> 00:10:06,855
الأن هذا النظام عمره أسبوعين فقط

205
00:10:06,855 --> 00:10:08,701
لذا ربما يكون بحلول العام القادم

206
00:10:08,701 --> 00:10:11,502
تكون قد تعدت خوارزمة
الكمبيوتر الأداء البشري

207
00:10:11,502 --> 00:10:13,364
بنسبة الإنجاز هذه التي تتم بها الأشياء

208
00:10:13,364 --> 00:10:16,413
لذلك فإن الكمبيوتر يستطيع أيضاً أن يكتب

209
00:10:16,413 --> 00:10:19,888
إذا وضعنا كل هذا معا فسيقودنا لفرص مدهشة

210
00:10:19,888 --> 00:10:21,380
مثلاً في صناعة الدواء

211
00:10:21,380 --> 00:10:23,905
أعلن فريق عمل ببوسطن أنهم أكتشفوا

212
00:10:23,905 --> 00:10:26,854
عشرات التشخيصات الجديدة المتعلقة

213
00:10:26,854 --> 00:10:31,120
بالأورام التي تساعد الأطباء 
علي التنبؤ بالسرطان

214
00:10:32,220 --> 00:10:34,516
وفي أمر مشابهه بستانفورد

215
00:10:34,516 --> 00:10:38,179
أعلنت مجموعة كانت تفحص الأنسجة المكبره

216
00:10:38,179 --> 00:10:40,560
أنهم طوروا نظام قائم على التعلم الآلي

217
00:10:40,560 --> 00:10:43,142
هو في الواقع أفضل من الأخصائين 
البشريين في علوم الأمراض

218
00:10:43,142 --> 00:10:47,519
وتنبأت بمعدلات نجاة لمن يعانون من السرطان

219
00:10:47,519 --> 00:10:50,764
في كلا الحالتين لم يكن التنبأ أكثر دقه فقط

220
00:10:50,764 --> 00:10:53,266
ولكنهم أنتجوا علم دقيق جديد

221
00:10:53,276 --> 00:10:54,781
في حالة طب الأشعة

222
00:10:54,781 --> 00:10:57,876
هناك مؤشرات تشخيصية 
جديدة يستطيع البشر إدراكها

223
00:10:57,876 --> 00:10:59,668
في حالة علم الأمراض

224
00:10:59,668 --> 00:11:04,168
نظام الكمبيوتر قد أكتشف 
بالفعل أن الخلايا حول السرطان

225
00:11:04,168 --> 00:11:07,508
هي بأهمية الخلايا السرطانية نفسها

226
00:11:07,508 --> 00:11:09,260
للتوصل للتشخيص

227
00:11:09,260 --> 00:11:14,621
وهذا عكس ما تعلمه أخصائي
الأمراض لعشرات السنين

228
00:11:14,621 --> 00:11:17,913
وقد تم تطوير كلا الحالتين بنظم الكمبيوتر

229
00:11:17,913 --> 00:11:21,534
بواسطة مجموعة من خبراء في 
كلاً من الطب والتعلم الألي

230
00:11:21,534 --> 00:11:24,275
لكن بالنسبة للعام الماضي 
فقد تخطينا هذا الأن أيضاً

231
00:11:24,275 --> 00:11:27,824
هذا مثال للتعرف على المناطق السرطانية

232
00:11:27,824 --> 00:11:30,354
من أنسجة إنسان تحت الميكرسكوب

233
00:11:30,354 --> 00:11:34,967
النظام الذي تم عرضه هنا 
يستطيع تحديد هذه المناطق بدقة أكبر

234
00:11:34,967 --> 00:11:37,742
أو بنفس دقة أخصائي الأمراض البشريين

235
00:11:37,742 --> 00:11:41,134
لكن تم بنائها بالكامل بالتعلم العميق
بدون إستخدام أي خبرة طبية

236
00:11:41,134 --> 00:11:43,660
وبواسطة ناس ليس لديهم أي خلفية
عن هذا المجال

237
00:11:44,730 --> 00:11:47,285
وبالمثل هنا في فصل الخلايا العصبية

238
00:11:47,285 --> 00:11:50,953
نحن نستطيع الأن فصل الخلايا 
العصبية بنفس دقة البشر

239
00:11:50,953 --> 00:11:53,670
ولكن هذا النظام تم تطويره بالتعلم العميق

240
00:11:53,670 --> 00:11:56,921
بإستخدام ناس ليس لديهم أي خلفية طبية سابقة

241
00:11:56,921 --> 00:12:00,148
وأنا عن نفسي كشخص ليس
لديه أي خلفية طبية سابقة

242
00:12:00,148 --> 00:12:03,875
يبدو أنني مؤهل تماماً لبدء شركة طبية جديدة

243
00:12:03,875 --> 00:12:06,021
والتي بدئتها بالفعل

244
00:12:06,021 --> 00:12:07,761
وكنت إلى حد ما قلق من القيام بذلك

245
00:12:07,761 --> 00:12:10,650
ولكن النظرية رجحت أن الأمر سيكون ممكناً

246
00:12:10,650 --> 00:12:16,142
لعمل أدوية مفيدة جداً بإستخدام 
فقط أساليب تحليل البيانات

247
00:12:16,142 --> 00:12:18,622
وحمداً لله أن الأراء كانت رائعة

248
00:12:18,622 --> 00:12:20,978
ليس فقط من جانب الإعلام
ولكن من المجتمع الطبي

249
00:12:20,978 --> 00:12:23,322
الذي كان داعماً جداً

250
00:12:23,322 --> 00:12:27,471
النظرية كانت أننا نستطيع أن 
نأخذ الجزء الأوسط من العملية الطبية

251
00:12:27,471 --> 00:12:30,364
ونحوله لتحليل بيانات بقدر المستطاع

252
00:12:30,364 --> 00:12:33,429
ونترك الأطباء ليفعلوا ماهم خبراء به

253
00:12:33,429 --> 00:12:35,031
وأريد أن أعطيكم مثال

254
00:12:35,031 --> 00:12:39,975
نستغرق الأن حوالي 15 دقيقة
لإستخراج إختبار تشخيص طبي جديد

255
00:12:39,975 --> 00:12:41,929
وسأريكم الأن هذا المثال في نفس وقت حديثنا

256
00:12:41,929 --> 00:12:45,416
ولكني قلصتها لثلاث دقائق 
بإقتطاع بعض الأجزاء منها

257
00:12:45,416 --> 00:12:48,477
وبدلاً من أن أعرض عليكم 
عمل إختبار تشخيص طبي

258
00:12:48,477 --> 00:12:51,846
سأريكم إختبار تشخيص لصور سيارات

259
00:12:51,846 --> 00:12:54,068
لأن هذا سنستطيع جميعنا فهمه

260
00:12:54,068 --> 00:12:57,269
لذلك سنبدأ بحوالي 1.5 مليون صور سيارات

261
00:12:57,269 --> 00:13:00,475
أنا هنا أريد عمل شئ يستطيع 
تقسيم الصور للزاوية

262
00:13:00,475 --> 00:13:02,698
التي تم إلتقاطها بها

263
00:13:02,698 --> 00:13:06,586
ولأن هذه الصور لم يتم تصنيفها
تماماً لذا كا ن علي البدء من نقطة الصفر

264
00:13:06,586 --> 00:13:08,451
بخوازمتنا للتعلم العميق

265
00:13:08,451 --> 00:13:12,158
إنها تستطيع تلقائياً التعرف 
على مناطق بنية هذه الصور

266
00:13:12,158 --> 00:13:15,778
الشئ الظريف أن الإنسان والكمبيوتر 
يستطيعان الأن العمل سوياً

267
00:13:15,778 --> 00:13:17,956
كما تروا هنا الإنسان

268
00:13:17,956 --> 00:13:20,631
يخبر الكمبيوتر عن دوائر الإهتمام

269
00:13:20,631 --> 00:13:25,281
التي تريد من الكمبيوتر أن يجربها 
ليطور بعد ذلك من خوارزمته

270
00:13:25,281 --> 00:13:29,577
الأن هذه النظم للتعلم الألي هي 
بالفعل بفراغ ذو 16000 بعد

271
00:13:29,577 --> 00:13:33,009
لذلك نرى الكمبيوتر يدير 
الصور في هذا الفراغ

272
00:13:33,009 --> 00:13:35,001
محاولاً إيجاد مناطق جديدة للتركيبه

273
00:13:35,001 --> 00:13:36,782
وعندما ينجح في تنفيذ هذا

274
00:13:36,782 --> 00:13:40,786
يستطيع الإنسان الذي بدءها أن
يشير إلى المناطق التي تهمه

275
00:13:40,786 --> 00:13:43,208
وهنا الكمبيوتر بالفعل وجد
هذه المناطق بنجاح

276
00:13:43,208 --> 00:13:45,770
فمثلاً ، الزوايا

277
00:13:45,770 --> 00:13:47,376
فكلما تعمقنا في هذه العملية

278
00:13:47,376 --> 00:13:49,716
فإننا نخبر الكمبيوتر تدريجياً أكثر وأكثر

279
00:13:49,716 --> 00:13:52,144
عن أنواع التركيبة التي نبحث عنها

280
00:13:52,144 --> 00:13:53,916
ولك أن تتخيل في إختبارات
التشخيص الطبي

281
00:13:53,916 --> 00:13:57,266
فمثلاً كتحديد أخصائي الأمراض بأماكن المرض

282
00:13:57,266 --> 00:14:02,292
أو كإشارة أخصائي الأشعة للنقاط المقلقة

283
00:14:02,292 --> 00:14:04,851
وأحياناً يكون هذا صعب على الخوارزمة

284
00:14:04,851 --> 00:14:06,815
حيث يحدث لها حالة من الإرتباك

285
00:14:06,815 --> 00:14:09,365
مقدمات وخلفيات السيارات إختلطت جميعها

286
00:14:09,365 --> 00:14:11,437
لذلك يجب أن نكون حريصين قليلاً

287
00:14:11,437 --> 00:14:14,669
فيتم إختيار المقدمة يدوياً كشئ 
عكس الخلفيات

288
00:14:14,669 --> 00:14:20,175
ونخبر الكمبيوتر بعدها أن هذا تصنيف
المجموعه

289
00:14:20,175 --> 00:14:21,523
التي نريدها

290
00:14:21,523 --> 00:14:24,200
نفعل هذا لفترة من الزمن 
لأننا نتخطاه قليلاً

291
00:14:24,200 --> 00:14:26,446
وبعدها ندرب الكمبيوتر على 
خوارزمة التعلم الآلي

292
00:14:26,446 --> 00:14:28,420
بناء على المائتين شئ هذه

293
00:14:28,420 --> 00:14:30,445
ونأمل أن تصبح هذه الأمور أفضل بكثير

294
00:14:30,445 --> 00:14:33,518
يمكنكم رؤية أنها بدءت الأن
تغذية بعض هذه الصور

295
00:14:33,518 --> 00:14:38,226
لتظهر لنا إنها بالفعل بدءت التعرف 
على كيفية فهم البعض بنفسها

296
00:14:38,226 --> 00:14:41,128
ويمكننا إستخدام نفس مبدأ الصور المشابهه

297
00:14:41,128 --> 00:14:43,222
ونستخدم صور مشابهه كما ترون الأن

298
00:14:43,222 --> 00:14:47,241
الكمبيوتر عند هذه النقطة يستطيع أن
يجد فقط مقدمات السيارات

299
00:14:47,241 --> 00:14:50,189
ومن هنا يستطيع البشر إخبار الكمبيوتر

300
00:14:50,189 --> 00:14:52,482
أنك بالفعل قد قمت بعمل ممتاز

301
00:14:53,652 --> 00:14:55,837
أحياناً بالطبع عند هذه النقطة

302
00:14:55,837 --> 00:14:59,511
يظل صعباً فصل هذه المجموعات

303
00:14:59,511 --> 00:15:03,395
حتى بعد أن نترك الكمبيوتر
يحاول إدارتها لوقت

304
00:15:03,399 --> 00:15:06,744
نظل نجد أن صور الجانب الأيسر والأيمن

305
00:15:06,744 --> 00:15:08,222
تم خلطها جميعها معاً

306
00:15:08,222 --> 00:15:10,362
لذلك يجب أن نعطي لكمبيوتر بعض الملحوظات

307
00:15:10,362 --> 00:15:13,338
ونقول له جيد حاول وأبحث عن وسيلة لفصل

308
00:15:13,338 --> 00:15:15,945
صور الجانب الأيسر عن الأيمن بقدر المستطاع

309
00:15:15,945 --> 00:15:18,067
بإستخدام خوارزمة التعلم العميق

310
00:15:18,067 --> 00:15:21,009
وبإعطائه هذه التعليمات. جيد لقد نجحت

311
00:15:21,009 --> 00:15:23,891
لقد دبرت أمرها لتجد وسيلة 
للتفكير في هذه الأشياء

312
00:15:23,891 --> 00:15:26,271
لفصلها جميعاً

313
00:15:26,271 --> 00:15:28,709
وهنا تكون الفكرة قد وصلت لكم

314
00:15:28,709 --> 00:15:36,906
وهذه الحالة ليست لإحلال
الكمبيوتر مكان البشر

315
00:15:36,906 --> 00:15:39,546
ولكن للعمل معاً

316
00:15:39,546 --> 00:15:43,096
ما فعلناه هنا أننا إستبدلنا شئ
إعتدنا أن ينفذه فريق

317
00:15:43,096 --> 00:15:45,098
مكون من ستة أشخاص لسبعة سنين

318
00:15:45,098 --> 00:15:47,703
واحللنا محله عملاً يأخذ فقط 15 دقيقة

319
00:15:47,703 --> 00:15:50,208
بواسطة شخص واحد يقوم بهذا العمل

320
00:15:50,208 --> 00:15:54,158
وهذه العملية تأخذ حوالي أربع لخمس تكرارات

321
00:15:54,158 --> 00:15:56,017
كما تروا أننا الأن لدينا 62%

322
00:15:56,017 --> 00:15:58,976
من 1.5 مليون صورة تم تصنيفهم بشكل صحيح

323
00:15:58,976 --> 00:16:01,448
ومن هنا نستطيع البدء سريعاً في

324
00:16:01,448 --> 00:16:02,745
ترتيب اقسام كبيرة كاملة

325
00:16:02,745 --> 00:16:05,664
نفحص من خلالها لنتأكد أن لا يوجد أخطاء

326
00:16:05,664 --> 00:16:09,616
إذا كان هناك أخطاء فيجب إطلاع الكمبيوتر

327
00:16:09,616 --> 00:16:12,661
ونستخدم هذه العملية لكل مجموهة مختلفة

328
00:16:12,661 --> 00:16:15,148
ونحن الأن وصلنا لنسبة 80% نجاح

329
00:16:15,148 --> 00:16:17,563
في تصنيف الـ 1.5 مليون صورة

330
00:16:17,563 --> 00:16:19,641
وهذه مجرد حالة واحدة

331
00:16:19,641 --> 00:16:23,220
لإيجاد العدد الصغير الذي 
لم يتم تصنيفه صحيحاً

332
00:16:23,220 --> 00:16:26,108
ومحاولة فهم هذا الخطأ

333
00:16:26,108 --> 00:16:27,851
وبإستخدام هذا الإسلوب

334
00:16:27,851 --> 00:16:31,972
بعد حوالي 15 دقيقة وصلنا 97% من التصنيف

335
00:16:31,972 --> 00:16:36,572
هذا الأسلوب سيمكنا من إصلاح مشاكل كبيرة

336
00:16:36,578 --> 00:16:39,614
التي تواجهه نقص بالخبراء الطبيين بالعالم

337
00:16:39,614 --> 00:16:43,103
منتدى العالم الإقتصادي يقول أن هناك بين x10 وx20

338
00:16:43,103 --> 00:16:45,727
نقص في الأطباء في الدول النامية

339
00:16:45,727 --> 00:16:47,840
مما تطلب حوالي 300 سنة

340
00:16:47,840 --> 00:16:50,734
لتدريب عدد كافي لإصلاح هذه المشكلة

341
00:16:50,734 --> 00:16:53,619
تخيل إذا أستطعنا المساعدة في تحسين كفائتهم

342
00:16:53,619 --> 00:16:56,458
بإستخدام أساليب التعلم العميق

343
00:16:56,458 --> 00:16:58,690
لذلك أن متشوق جداً لهذه الفرص

344
00:16:58,690 --> 00:17:01,279
كما إنني مهتم جداً بالمشاكل

345
00:17:01,279 --> 00:17:04,403
المشكلة أن كل منطقة زرقاء بهذه الخريطة

346
00:17:04,403 --> 00:17:08,172
هي مكان ما حيث الخدمات 
أكثر من 80% من التشغيل

347
00:17:08,172 --> 00:17:09,959
ما هي الخدمات؟

348
00:17:09,959 --> 00:17:11,473
هذه هي الخدمات

349
00:17:11,473 --> 00:17:15,627
وهناك أيضاً أشياء محددة التي
تعلم الكمبيوتر مؤخرا كيف يفعلها

350
00:17:15,627 --> 00:17:19,431
لذلك 80% من تشغيل العالم في الدول النامية

351
00:17:19,431 --> 00:17:21,963
هي الأشياء التي مؤخراً تعلم 
الكمبيوتر كيفية عملها

352
00:17:21,963 --> 00:17:23,403
ما الذي يعنية هذا؟

353
00:17:23,403 --> 00:17:25,986
حسناً ، سيتم إستبدالهم بوظائف أخرى

354
00:17:25,986 --> 00:17:28,693
مثلا سيكون هناك وظائف أكثر لعلماء البيانات

355
00:17:28,693 --> 00:17:29,510
ليس حقيقي

356
00:17:29,510 --> 00:17:32,628
لن يحتاج علماء البيانات 
وقت طويل لبناء هذه الأشياء

357
00:17:32,628 --> 00:17:35,880
فمثلاً الأربع خوارزمات تلك بناهم نفس الشخص

358
00:17:35,880 --> 00:17:38,318
إذا كنت تعتقد إنها حدثت جميعها مسبقاً

359
00:17:38,318 --> 00:17:42,126
فنحن رأينا النتائج بالسابق 
عندما حدثت أشياء جديدة

360
00:17:42,126 --> 00:17:44,378
وتم إستبدالهم بوظائف جديدة

361
00:17:44,378 --> 00:17:46,494
ماذا ستكون هذه الوظائف الجديدة؟

362
00:17:46,494 --> 00:17:48,365
من صعب علينا جداً توقعها

363
00:17:48,365 --> 00:17:51,104
لأن إداء الإنسان ينمو بمعدل تدريجي

364
00:17:51,104 --> 00:17:53,666
ولكننا الأن لدينا نظام وهو التعلم العميق

365
00:17:53,666 --> 00:17:56,893
وما نعرفه بالفعل ينمو بقدرات مضاعفة

366
00:17:56,893 --> 00:17:58,498
ونحن هنا

367
00:17:58,498 --> 00:18:00,559
وحالياً نرى الأشياء حولنا

368
00:18:00,559 --> 00:18:03,235
ونقول "كفى ، الكمبيوتر مازال غبياً" صحيح؟

369
00:18:03,235 --> 00:18:06,664
ولكن خلال 5 سنين ستكون أجهزة
الكمبيوتر خارج هذه الخريطة

370
00:18:06,664 --> 00:18:10,529
لذلك نحتاج أن نفكر في قدراته من الأن

371
00:18:10,529 --> 00:18:12,579
وقد رأينا مثل هذا من قبل بالطبع

372
00:18:12,579 --> 00:18:13,966
بالثورة الصناعية

373
00:18:13,966 --> 00:18:16,817
لقد رأينا تغير كبير في القدرات بسبب للألات

374
00:18:17,667 --> 00:18:20,805
الشئ الهام أنه بعد فترة الأمور تتغير كلياً

375
00:18:20,805 --> 00:18:22,507
كان هناك إرتباك مجتمعي

376
00:18:22,507 --> 00:18:25,946
ولكن بمجرد أن تم إستخدام الماكينات
لتوليد الكهرباء بجميع المواقف

377
00:18:25,946 --> 00:18:28,300
الأمور بالفعل إستقرت

378
00:18:28,300 --> 00:18:29,773
ثــورة التـعلـم الألــي

379
00:18:29,773 --> 00:18:32,682
ستكون مختلفة تماماً عن الثورة الصناعية

380
00:18:32,682 --> 00:18:35,632
لأن ثورة التعلم الألي لن تستقر أبداً

381
00:18:35,632 --> 00:18:38,614
كلما طورت أجهزة الكمبيوتر مستويات ذكائها

382
00:18:38,614 --> 00:18:42,862
كلما إستطاعوا بناء أجهزة كمبيوتر
أفضل لتطوير مستويات ذكائهم

383
00:18:42,862 --> 00:18:44,770
لذا سيكون نوع من التغيير

384
00:18:44,770 --> 00:18:47,248
الذي لم يختبره العالم من قبل

385
00:18:47,248 --> 00:18:50,554
وسيتغير فهمك السابق عن ماهو ممكن

386
00:18:50,974 --> 00:18:52,754
إنها بالفعل تؤثر علينا

387
00:18:52,754 --> 00:18:56,384
في الـ 25 سنه الماضية حيث 
زادت إنتاجية رأس المال

388
00:18:56,400 --> 00:19:00,588
الإنتاجية العمالية أصبحت ثابتة بل في الواقع قد إنحدرت قليلاً

389
00:19:01,408 --> 00:19:04,149
لذلك أريد منكم ان تبدؤا هذه المناقشة الأن

390
00:19:04,149 --> 00:19:07,176
أنا أعرف أنني عادة عندما أخبر الناس عن هذا الموقف

391
00:19:07,176 --> 00:19:08,666
يستطيع الناس أن يرفضوا بشدة

392
00:19:08,666 --> 00:19:10,339
حسناً ، الكمبيوتر لا يستطيع التفكير

393
00:19:10,339 --> 00:19:13,367
لا يستطيعون أن يشعروا ولا أن يفهموا الشعر

394
00:19:13,367 --> 00:19:15,888
ونحن في الحقيقة لا نفهم كيف يعملون

395
00:19:15,888 --> 00:19:17,374
وما الأهمية؟

396
00:19:17,374 --> 00:19:19,178
أجهزة الكمبيوتر الأن تستطيع فعل أشياء

397
00:19:19,178 --> 00:19:21,897
يتم الدفع للبشر ليقضوا معظم وقتهم في فعله

398
00:19:21,897 --> 00:19:23,628
لذلك حان الوقت الأن لنبدأ التفكير

399
00:19:23,628 --> 00:19:28,015
كيف سنعدل تركيبتنا المجتمعية والإقتصادية؟

400
00:19:28,015 --> 00:19:29,855
لنكون واعيين لهذه الحقيقة الجديدة

401
00:19:29,855 --> 00:19:31,388
شكراً لكم

402
00:19:31,388 --> 00:19:32,190
(تصفيق)