1
00:00:00,880 --> 00:00:04,893
Wenn man früher wollte, 
dass ein Computer etwas Neues tat,

2
00:00:04,893 --> 00:00:06,827
musste man ihn programmieren.

3
00:00:06,827 --> 00:00:09,858
Für alle, die es noch nie
selbst probiert haben:

4
00:00:09,858 --> 00:00:13,360
Beim Programmieren 
muss man bis ins kleinste Detail

5
00:00:13,360 --> 00:00:16,727
jeden einzelnen Schritt definieren,
den der Computer erledigen soll,

6
00:00:16,727 --> 00:00:19,089
um sein Ziel zu erreichen.

7
00:00:19,089 --> 00:00:22,585
Will man also etwas tun, 
was man selbst noch nicht kann,

8
00:00:22,585 --> 00:00:24,648
dann wird das eine große Herausforderung.

9
00:00:24,648 --> 00:00:28,131
Dieser Herausforderung stellte sich 
dieser Mann, Arthur Samuel.

10
00:00:28,131 --> 00:00:32,208
1956 wollte er diesem Computer beibringen,

11
00:00:32,208 --> 00:00:34,548
ihn im Spiel Dame zu schlagen.

12
00:00:34,548 --> 00:00:36,588
Wie kann man ein Programm schreiben

13
00:00:36,588 --> 00:00:40,394
und bis ins kleinste Detail definieren, 
wie man sich selbst in Dame übertrifft?

14
00:00:40,394 --> 00:00:42,116
Also hatte er eine Idee:

15
00:00:42,116 --> 00:00:45,840
Er ließ den Computer tausende Male 
gegen sich selbst spielen,

16
00:00:45,840 --> 00:00:48,364
sodass er Dame spielen lernte.

17
00:00:48,364 --> 00:00:51,544
Das funktionierte wirklich, und schon 1962

18
00:00:51,544 --> 00:00:55,561
besiegte dieser Computer 
den Landesmeister von Connecticut.

19
00:00:55,561 --> 00:00:58,534
Arthur Samuel war also 
der Urvater des Maschinellen Lernens

20
00:00:58,534 --> 00:01:00,251
und ich schulde ihm viel,

21
00:01:00,251 --> 00:01:03,014
denn ich bin ein Fachmann 
im Maschinellen Lernen.

22
00:01:03,014 --> 00:01:04,479
Ich war Präsident von Kaggle,

23
00:01:04,479 --> 00:01:07,867
einer Plattform von über 200 000 
Fachleuten für Maschinelles Lernen.

24
00:01:07,867 --> 00:01:09,925
Kaggle veranstaltet Wettbewerbe,

25
00:01:09,925 --> 00:01:13,633
bei denen bisher ungelöste Probleme 
gelöst werden sollen,

26
00:01:13,633 --> 00:01:17,470
und das war schon 
hunderte Male erfolgreich.

27
00:01:17,470 --> 00:01:19,940
Aus dieser Warte habe 
ich viel darüber gelernt,

28
00:01:19,940 --> 00:01:23,890
was Maschinelles Lernen
früher konnte, was es heute kann

29
00:01:23,890 --> 00:01:26,252
und was es zukünftig vollbringen könnte.

30
00:01:26,252 --> 00:01:30,675
Der vielleicht erste kommerzielle Erfolg 
im Maschinellen Lernen war Google.

31
00:01:30,675 --> 00:01:33,384
Google hat bewiesen, 
dass man Informationen

32
00:01:33,384 --> 00:01:36,066
über einen Computeralgorithmus
finden kann,

33
00:01:36,066 --> 00:01:38,437
der auf Maschinellem Lernen basiert.

34
00:01:38,437 --> 00:01:42,323
Seitdem gab es viele kommerzielle Erfolge 
im Maschinellen Lernen.

35
00:01:42,323 --> 00:01:44,270
Firmen wie Amazon oder Netflix

36
00:01:44,270 --> 00:01:47,876
nutzen Maschinelles Lernen
für Kaufempfehlungen

37
00:01:47,876 --> 00:01:49,896
oder Filmvorschläge.

38
00:01:49,896 --> 00:01:51,703
Manchmal ist das beinahe gruselig.

39
00:01:51,703 --> 00:01:53,657
Firmen wie LinkedIn oder Facebook

40
00:01:53,657 --> 00:01:56,251
schlagen Ihnen manchmal neue Freunde vor

41
00:01:56,251 --> 00:01:58,228
und Sie haben keine Ahnung, wie das geht,

42
00:01:58,228 --> 00:02:01,195
und genau das ist die Macht 
des Maschinellen Lernens.

43
00:02:01,195 --> 00:02:04,152
Diese Algorithmen haben
anhand vorhandener Daten gelernt,

44
00:02:04,152 --> 00:02:07,399
anstatt von Hand programmiert zu werden.

45
00:02:07,399 --> 00:02:10,507
So konnte auch IBM Watson dazu bringen,

46
00:02:10,507 --> 00:02:13,539
die zwei Weltmeister
der Quizshow "Jeopardy" zu schlagen,

47
00:02:13,539 --> 00:02:16,414
wo man knifflige, komplexe Fragen
beantworten musste, z. B.:

48
00:02:16,414 --> 00:02:18,927
["2003 verschwand u. a. 
der antike 'Löwe von Nimrud'

49
00:02:18,927 --> 00:02:20,510
aus dem Museum dieser Stadt."]

50
00:02:20,510 --> 00:02:23,164
Daher gibt es nun
erste selbstfahrende Autos.

51
00:02:23,164 --> 00:02:25,036
Will man den Unterschied

52
00:02:25,036 --> 00:02:28,488
etwa zwischen Baum und
Fußgänger erkennen, ist das wichtig.

53
00:02:28,488 --> 00:02:31,075
Wir wissen nicht, wie man 
solche Programme schreibt,

54
00:02:31,075 --> 00:02:34,072
aber durch Maschinelles Lernen 
ist das jetzt möglich.

55
00:02:34,072 --> 00:02:36,680
Dieses Auto ist schon über 1 Mio. km

56
00:02:36,680 --> 00:02:40,186
ohne den kleinsten Unfall 
auf normalen Straßen gefahren.

57
00:02:40,196 --> 00:02:44,110
Wir wissen also, 
dass Computer lernen können

58
00:02:44,110 --> 00:02:46,010
und dass sie auch Dinge lernen können,

59
00:02:46,010 --> 00:02:48,848
von denen wir nicht wissen, 
wie sie funktionieren,

60
00:02:48,848 --> 00:02:51,733
und manchmal sogar besser als wir.

61
00:02:51,733 --> 00:02:55,928
Eines der faszinierendsten Beispiele 
für Maschinelles Lernen

62
00:02:55,928 --> 00:02:58,320
habe ich bei einem meiner 
Kaggle-Projekte gesehen,

63
00:02:58,320 --> 00:03:01,911
als ein Team unter der Leitung
von Geoffrey Hinton

64
00:03:01,911 --> 00:03:03,463
von der Universität Toronto

65
00:03:03,463 --> 00:03:06,140
den Wettstreit für automatische 
Drogenerkennung gewann.

66
00:03:06,140 --> 00:03:08,987
Außergewöhnlich war 
daran nicht nur ihr Sieg

67
00:03:08,987 --> 00:03:13,000
gegen all die Algorithmen von Merck 
und der internationalen akademischen Welt,

68
00:03:13,000 --> 00:03:18,061
sondern, dass das Team kein Vorwissen
zu Chemie oder Biowissenschaften hatte

69
00:03:18,061 --> 00:03:20,230
und nur zwei Wochen brauchte.

70
00:03:20,230 --> 00:03:22,111
Wie haben sie das gemacht?

71
00:03:22,111 --> 00:03:25,342
Sie nutzten einen besonderen
Algorithmus namens Deep Learning.

72
00:03:25,342 --> 00:03:27,701
Ihr Erfolg war so bedeutend,

73
00:03:27,701 --> 00:03:31,412
dass er wenig später auf der Titelseite 
der NY Times erschien.

74
00:03:31,412 --> 00:03:34,147
Hier auf der linken Seite 
sehen Sie Geoffrey Hinton.

75
00:03:34,147 --> 00:03:38,488
Deep Learning basiert auf der Funktion 
des menschlichen Gehirns

76
00:03:38,488 --> 00:03:40,300
und deswegen ist es ein Algorithmus,

77
00:03:40,300 --> 00:03:44,141
dessen Funktion theoretisch 
keine Grenzen gesetzt sind.

78
00:03:44,141 --> 00:03:46,964
Je mehr Daten und Rechenzeit man hat,

79
00:03:46,964 --> 00:03:48,276
desto besser wird er.

80
00:03:48,276 --> 00:03:50,615
Die New York Times zeigte in ihrem Artikel

81
00:03:50,615 --> 00:03:52,857
noch ein Resultat des Deep Learning,

82
00:03:52,857 --> 00:03:55,569
das ich Ihnen jetzt vorstellen will.

83
00:03:55,569 --> 00:04:00,510
Es beweist, dass Computer 
zuhören und verstehen können.

84
00:04:00,510 --> 00:04:06,251
Richard Rashid (Video):
Als letzten Schritt in diesem Prozess

85
00:04:06,251 --> 00:04:10,961
werde ich Chinesisch mit Ihnen sprechen.

86
00:04:10,961 --> 00:04:13,596
Als wichtigsten Schritt haben wir

87
00:04:13,596 --> 00:04:18,598
anhand großer Informationsmengen
von vielen Chinesisch-Sprechern

88
00:04:18,598 --> 00:04:21,128
ein Text-zu-Sprache-System gebaut,

89
00:04:21,128 --> 00:04:26,061
das chinesischen Text
in chinesche Sprache umwandelt,

90
00:04:26,401 --> 00:04:31,220
und dann haben wir eine etwa einstündige 
Aufnahme meiner Stimme benutzt,

91
00:04:31,220 --> 00:04:36,364
um das Text-zu-Sprache-System 
so zu ändern, dass es wie ich klingt.

92
00:04:36,364 --> 00:04:38,904
Wieder ist das Ergebnis nicht perfekt.

93
00:04:38,904 --> 00:04:41,552
Eigentlich hat es sogar 
ganz schön viele Fehler.

94
00:04:41,552 --> 00:04:44,036
(Auf Chinesisch)

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

96
00:04:49,446 --> 00:04:53,022
In diesem Bereich ist noch viel zu tun.

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

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

99
00:05:01,345 --> 00:05:04,744
Jeremy Howard: Das war eine Konferenz
zu Maschinellem Lernen in China.

100
00:05:04,744 --> 00:05:07,114
Übrigens hört man 
bei akademischen Konferenzen

101
00:05:07,114 --> 00:05:09,011
nur ganz selten Zwischenapplaus,

102
00:05:09,011 --> 00:05:12,687
obwohl das bei TEDx-Konferenzen 
durchaus erwünscht sein kann.

103
00:05:12,687 --> 00:05:15,482
Was Sie eben gesehen haben,
basiert auf Deep Learning.

104
00:05:15,482 --> 00:05:17,007
(Applaus) Danke!

105
00:05:17,007 --> 00:05:19,289
Die englische Transkription 
war Deep Learning.

106
00:05:19,289 --> 00:05:22,701
Die Übersetzung ins Chinesische und
der Text rechts oben – Deep Learning

107
00:05:22,701 --> 00:05:26,008
und die Modellierung der Stimme
-- ebenfalls Deep Learning.

108
00:05:26,008 --> 00:05:29,242
Deep Learning ist also 
eine außergewöhnliche Sache.

109
00:05:29,242 --> 00:05:32,341
Es ist ein einziger Algorithmus, 
der scheinbar fast alles kann

110
00:05:32,341 --> 00:05:35,452
und ich fand heraus, dass er 
ein Jahr zuvor sehen gelernt hatte.

111
00:05:35,452 --> 00:05:38,388
Bei einem obskuren Wettbewerb 
der Ruhr-Universität Bochum

112
00:05:38,388 --> 00:05:40,225
zum Erkennen von Verkehrszeichen

113
00:05:40,225 --> 00:05:43,618
hat Deep Learning gelernt, 
Verkehrszeichen wie dieses zu erkennen.

114
00:05:43,618 --> 00:05:45,462
Er konnte Verkehrszeichen nicht nur

115
00:05:45,462 --> 00:05:47,470
besser als andere Algorithmen erkennen;

116
00:05:47,470 --> 00:05:50,189
die Rangliste zeigte, 
dass er sogar Menschen übertraf

117
00:05:50,189 --> 00:05:52,041
und zwar um das Doppelte.

118
00:05:52,041 --> 00:05:54,037
2011 gab es also das erste Beispiel

119
00:05:54,037 --> 00:05:57,442
für Computer, die besser 
sehen können als Menschen.

120
00:05:57,442 --> 00:05:59,491
Seitdem ist viel passiert.

121
00:05:59,491 --> 00:06:03,005
2012 gab Google bekannt, 
dass sie einen Deep-Learning-Algorithmus

122
00:06:03,005 --> 00:06:04,420
Youtube Videos schauen ließen

123
00:06:04,420 --> 00:06:07,857
und die Daten auf 16 000 Computern 
einen Monat lang berechnen ließen

124
00:06:07,857 --> 00:06:11,618
und dass der Computer allein 
Konzepte wie Menschen oder Katzen

125
00:06:11,618 --> 00:06:14,157
einzig durch das Betrachten 
von Videos erkannt hat.

126
00:06:14,157 --> 00:06:16,379
Menschen lernen sehr ähnlich.

127
00:06:16,379 --> 00:06:19,119
Sie lernen nicht, indem man
ihnen sagt, was sie sehen,

128
00:06:19,119 --> 00:06:22,450
sondern sie lernen selbst, 
was diese Dinge sind.

129
00:06:22,450 --> 00:06:25,819
Übrigens hat 2012 Geoffrey Hinton, 
den wir vorher gesehen haben,

130
00:06:25,819 --> 00:06:30,474
den beliebten ImageNet-Wettbewerb
mit seinem Versuch gewonnen,

131
00:06:30,474 --> 00:06:34,751
auf 1,5 Mio. Bildern 
die Motive zu erkennen.

132
00:06:34,751 --> 00:06:37,789
2014 sind wir mittlerweile
nur noch bei einer 6%igen Fehlerrate

133
00:06:37,789 --> 00:06:39,242
bei der Bilderkennung.

134
00:06:39,242 --> 00:06:41,728
Das ist wiederum besser als Menschen.

135
00:06:41,728 --> 00:06:45,037
Maschinen sind dabei 
also außergewöhnlich gut

136
00:06:45,037 --> 00:06:47,586
und das wird nun auch 
in der Wirtschaft genutzt.

137
00:06:47,586 --> 00:06:50,348
Zum Beispiel hat Google
letztes Jahr bekanntgegeben,

138
00:06:50,348 --> 00:06:54,933
dass sie jeden Ort Frankreichs 
in nur 2 Stunden kartografiert hätten,

139
00:06:54,933 --> 00:06:59,933
indem sie Street-View-Bilder in einen 
Deep-Learning-Algorithmus einspeisten,

140
00:06:59,933 --> 00:07:02,919
der dann Hausnummern 
erkennen und lesen konnte.

141
00:07:02,919 --> 00:07:08,274
Davor hätte es dutzende Leute 
und viele Jahre gebraucht.

142
00:07:08,274 --> 00:07:10,185
Dasselbe passiert in China.

143
00:07:10,185 --> 00:07:14,221
Baidu ist sowas wie 
das chinesische Google,

144
00:07:14,221 --> 00:07:16,504
und was Sie hier oben links sehen,

145
00:07:16,504 --> 00:07:20,478
ist z. B. ein Bild, das ich in Baidus
Deep-Learning-System hochgeladen habe.

146
00:07:20,478 --> 00:07:24,247
Darunter sehen Sie, 
dass das System das Bild verstanden

147
00:07:24,247 --> 00:07:26,483
und ähnliche Bilder gefunden hat.

148
00:07:26,483 --> 00:07:29,219
Die ähnlichen Bilder haben 
ähnliche Hintergründe,

149
00:07:29,219 --> 00:07:30,877
ähnliche Gesichts-Ausrichtung,

150
00:07:30,877 --> 00:07:32,665
manche sogar die rausgestreckte Zunge.

151
00:07:32,665 --> 00:07:35,695
Das System schaut eindeutig nicht
auf den Text einer Website.

152
00:07:35,695 --> 00:07:37,107
Es hatte nur ein Bild.

153
00:07:37,107 --> 00:07:41,128
Also haben wir jetzt Computer, 
die wirklich verstehen, was sie sehen,

154
00:07:41,128 --> 00:07:42,752
und daher Datenbanken

155
00:07:42,752 --> 00:07:46,306
mit vielen Millionen Bildern 
in Echtzeit durchsuchen können.

156
00:07:46,306 --> 00:07:49,536
Aber was bedeutet es nun, 
dass Computer sehen können?

157
00:07:49,536 --> 00:07:51,553
Tja, es ist nicht nur so, dass sie sehen.

158
00:07:51,553 --> 00:07:53,622
Genau genommen kann
Deep Leaning noch mehr.

159
00:07:53,622 --> 00:07:56,570
Komplexe, differenzierte Sätze wie dieser

160
00:07:56,570 --> 00:07:59,394
können nun mit Deep-Learning-Algorithmen 
verstanden werden.

161
00:07:59,394 --> 00:08:00,697
Wie Sie hier sehen können,

162
00:08:00,697 --> 00:08:03,465
zeigt dieses System aus Stanford
mit dem roten Punkt oben,

163
00:08:03,465 --> 00:08:07,384
dass es die negative Botschaft 
des Satzes erkannt hat.

164
00:08:07,384 --> 00:08:11,280
Deep Learning ist jetzt 
fast so gut wie Menschen

165
00:08:11,280 --> 00:08:15,923
im Verstehen, worum es in Sätzen 
geht und was gesagt wird.

166
00:08:15,923 --> 00:08:18,991
Deep Learning wird auch genutzt,
um Chinesisch zu lesen

167
00:08:18,991 --> 00:08:21,807
wieder fast auf Muttersprachler-Niveau.

168
00:08:21,807 --> 00:08:24,645
Der Algorithmus dafür 
stammt von Leuten aus der Schweiz,

169
00:08:24,645 --> 00:08:27,621
die allesamt kein Chinesisch 
sprechen oder verstehen.

170
00:08:27,621 --> 00:08:29,812
Wie ich schon sagte: Deep Learning

171
00:08:29,812 --> 00:08:32,611
ist so ziemlich das beste 
System der Welt dafür,

172
00:08:32,611 --> 00:08:36,718
sogar im Vergleich mit 
dem Wissen von Muttersprachlern.

173
00:08:36,718 --> 00:08:39,682
Dieses System haben wir 
in meiner Firma entworfen,

174
00:08:39,682 --> 00:08:41,728
das all diesen Kram zusammenfügt.

175
00:08:41,728 --> 00:08:44,189
Das sind Bilder ohne angehängten Text

176
00:08:44,189 --> 00:08:46,541
und während ich diese Sätze hier eintippe,

177
00:08:46,541 --> 00:08:49,510
versteht das System die Bilder in Echtzeit

178
00:08:49,510 --> 00:08:51,189
und erkennt, was sie zeigen,

179
00:08:51,189 --> 00:08:54,352
und findet ähnliche Bilder 
zu dem eingetippten Text.

180
00:08:54,352 --> 00:08:57,108
Sie sehen also, 
es versteht wirklich meine Sätze

181
00:08:57,108 --> 00:08:59,332
und ebenso diese Bilder.

182
00:08:59,332 --> 00:09:01,891
Ich weiß, dass Sie 
sowas Ähnliches von Google kennen,

183
00:09:01,891 --> 00:09:04,666
wo man Text eingeben kann 
und einem Bilder gezeigt werden,

184
00:09:04,666 --> 00:09:08,090
aber da wird nur die Website 
nach dem Text durchsucht.

185
00:09:08,090 --> 00:09:11,091
Das ist ein großer Unterschied dazu,
die Bilder zu verstehen.

186
00:09:11,091 --> 00:09:13,843
Letzteres haben Computer erst

187
00:09:13,843 --> 00:09:17,091
vor ein paar Monaten gelernt.

188
00:09:17,091 --> 00:09:21,182
Wir haben gesehen, dass Computer nicht
nur sehen, sondern auch lesen können.

189
00:09:21,182 --> 00:09:24,947
Wir haben natürlich auch gesehen, 
dass sie verstehen, was sie hören.

190
00:09:24,947 --> 00:09:28,389
Vielleicht sind Sie nicht überrascht, 
dass sie auch schreiben können.

191
00:09:28,389 --> 00:09:33,172
Diesen Text habe ich gestern mit einem
Deep-Learning-Algorithmus erzeugt.

192
00:09:33,172 --> 00:09:37,096
Diesen Text hier hat 
ein Algorithmus aus Stanford erzeugt.

193
00:09:37,096 --> 00:09:40,730
Jeder dieser Sätze wurde mit
einem Deep-Learning-Algorithmus erzeugt,

194
00:09:40,730 --> 00:09:43,109
um das jeweilige Bild zu beschreiben.

195
00:09:43,109 --> 00:09:47,581
Vorher hat der Algorithmus nie einen Mann 
im schwarzen Hemd Gitarre spielen sehen.

196
00:09:47,581 --> 00:09:49,801
Er hat einen Mann, die Farbe Schwarz,

197
00:09:49,801 --> 00:09:51,400
und eine Gitarre gesehen,

198
00:09:51,400 --> 00:09:55,694
aber er hat selbstständig 
diese neue Bildbeschreibung erstellt.

199
00:09:55,694 --> 00:09:59,196
Menschliche Leistung ist das 
noch nicht, aber nah dran.

200
00:09:59,196 --> 00:10:03,264
In Tests bevorzugen Menschen 
die computer-generierte Bildbeschreibung

201
00:10:03,264 --> 00:10:04,791
nur eines von vier Malen.

202
00:10:04,791 --> 00:10:06,855
Aber das System ist jetzt
erst 2 Wochen alt,

203
00:10:06,855 --> 00:10:08,671
sodass wahrscheinlich im nächsten Jahr

204
00:10:08,671 --> 00:10:11,502
der Computeralgorithmus
die menschliche Leistung übertrifft,

205
00:10:11,502 --> 00:10:13,564
so schnell wie die Dinge gerade gehen.

206
00:10:13,774 --> 00:10:16,093
Computer können also auch schreiben.

207
00:10:16,413 --> 00:10:19,888
Wenn wir das alles kombinieren,
kriegen wir sehr spannenden Möglichkeiten.

208
00:10:19,888 --> 00:10:21,380
In der Medizin, zum Beispiel,

209
00:10:21,380 --> 00:10:23,905
hat ein Team aus Boston verkündet,

210
00:10:23,905 --> 00:10:26,854
dass es Dutzende 
neue klinisch relevante Merkmale

211
00:10:26,854 --> 00:10:31,630
von Tumoren entdeckt hätte,
die Ärzten bei der Krebsprognose helfen.

212
00:10:32,220 --> 00:10:35,256
Ähnlich hat in Stanford
eine Gruppe bekanntgegeben,

213
00:10:35,256 --> 00:10:38,179
dass sie für die Gewebeanalyse
in vergrößerter Aufnahme

214
00:10:38,179 --> 00:10:40,690
ein Maschinelles Lernsystem 
entwickelt haben,

215
00:10:40,690 --> 00:10:44,292
das menschliche Pathologen 
tatsächlich dabei übertrifft,

216
00:10:44,292 --> 00:10:47,519
die Überlebenschancen von 
Krebspatienten vorherzusagen.

217
00:10:47,519 --> 00:10:50,614
In beiden Fällen waren 
die Vorhersagen nicht nur genauer,

218
00:10:50,614 --> 00:10:53,266
sie förderten auch neue
wissenschaftliche Erkenntnisse.

219
00:10:53,276 --> 00:10:54,781
Im Fall der Radiologie

220
00:10:54,781 --> 00:10:57,876
waren es neue klinische Indikatoren,
die Menschen verstehen.

221
00:10:57,876 --> 00:10:59,668
Im Fall der Pathologie

222
00:10:59,668 --> 00:11:04,428
hat das Computersystem herausgefunden, 
dass die Zellen rund um den Krebs

223
00:11:04,428 --> 00:11:07,508
genauso wichtig sind 
wie die Krebszellen selbst

224
00:11:07,508 --> 00:11:09,260
beim Erstellen der Diagnose.

225
00:11:09,260 --> 00:11:14,331
Das ist das Gegenteil davon, was man 
Pathologen jahrzehntelang beibrachte.

226
00:11:14,901 --> 00:11:17,413
In beiden Fällen wurden die Systeme

227
00:11:17,413 --> 00:11:21,534
gemeinsam von Experten der Medizin 
und des Maschinellen Lernens entwickelt,

228
00:11:21,534 --> 00:11:24,275
aber seit letztem Jahr haben 
wir auch das überwunden.

229
00:11:24,275 --> 00:11:27,634
Das hier ist ein Beispiel, 
wie man krebsgeschädigte Bereiche

230
00:11:27,634 --> 00:11:30,604
menschlichen Gewebes
unter dem Mikroskop erkennt.

231
00:11:30,604 --> 00:11:34,967
Das hier gezeigte System 
erkennt solche Bereiche genauer,

232
00:11:34,967 --> 00:11:37,742
oder etwa gleich genau, 
wie menschliche Pathologen,

233
00:11:37,742 --> 00:11:41,134
aber es wurde allein mit Deep Learning, 
ohne medizinisches Wissen,

234
00:11:41,134 --> 00:11:44,230
von Leuten ohne Ausbildung 
in diesem Feld entwickelt.

235
00:11:44,730 --> 00:11:47,285
Ähnlich ist es bei dieser 
Neuronen-Segmentierung.

236
00:11:47,285 --> 00:11:51,193
Neuronen können jetzt damit etwa so genau
wie durch Menschen segmentieren werden,

237
00:11:51,193 --> 00:11:53,670
aber dieses System wurde 
mit Deep Learning

238
00:11:53,670 --> 00:11:56,921
von Leuten ohne 
medizinisches Vorwissen entwickelt.

239
00:11:56,921 --> 00:12:00,148
Sogar ich, als jemand 
ohne medizinische Ausbildung,

240
00:12:00,148 --> 00:12:03,875
scheine nun genug für die Gründung
eines medizinisches Unternehmens zu wissen

241
00:12:03,875 --> 00:12:06,021
-- und das habe ich auch.

242
00:12:06,021 --> 00:12:07,761
Ich hatte irgendwie Angst davor,

243
00:12:07,761 --> 00:12:10,650
aber theoretisch 
schien es möglich zu sein,

244
00:12:10,650 --> 00:12:16,142
in der Medizin sehr nützliche Dinge allein
mit solchen Datenanalysen zu bewirken.

245
00:12:16,142 --> 00:12:18,622
Glücklicherweise war 
das Feedback fantastisch,

246
00:12:18,622 --> 00:12:21,268
sowohl von den Medien 
als auch von Medizinern,

247
00:12:21,268 --> 00:12:23,322
die mich sehr unterstützt haben.

248
00:12:23,322 --> 00:12:27,471
Theoretisch können wir den Mittelteil 
des medizinischen Vorgangs

249
00:12:27,471 --> 00:12:30,364
so viel wie möglich 
der Datenanalyse überlassen,

250
00:12:30,364 --> 00:12:33,359
sodass Ärzte nur noch tun müssen, 
was sie am besten können.

251
00:12:33,359 --> 00:12:35,031
Ich will Ihnen ein Beispiel geben.

252
00:12:35,031 --> 00:12:39,825
Aktuell brauchen wir 15 Minuten, um einen 
neuen medizinischen Diagnosetest zu bauen.

253
00:12:39,825 --> 00:12:41,929
Das zeige ich Ihnen jetzt in Echtzeit,

254
00:12:41,929 --> 00:12:45,416
aber ich habe es durch Zusammenschneiden 
auf 3 Minuten gekürzt.

255
00:12:45,416 --> 00:12:48,477
Anstatt Ihnen das Erstellen eines
medizinischen Tests zu zeigen,

256
00:12:48,477 --> 00:12:52,206
zeige ich Ihnen einen
Diagnosetest für Autobilder,

257
00:12:52,206 --> 00:12:54,068
denn das verstehen wir alle.

258
00:12:54,068 --> 00:12:57,269
Hier fangen wir mit ungefähr 
1,5 Mio. Autobildern an,

259
00:12:57,269 --> 00:13:00,475
und ich möchte etwas bauen,
das sie nach dem Winkel sortiert,

260
00:13:00,475 --> 00:13:02,698
in dem das Foto gemacht wurde.

261
00:13:02,698 --> 00:13:06,586
Diese Bilder sind jetzt noch 
nicht benannt, ich fange bei Null an.

262
00:13:06,586 --> 00:13:08,451
Unser Deep-Learning-Algorithmus

263
00:13:08,451 --> 00:13:12,158
erkennt automatisch
Strukturflächen auf den Bildern.

264
00:13:12,158 --> 00:13:15,778
Das Schöne ist, dass Mensch und Computer
jetzt zusammenarbeiten können.

265
00:13:15,778 --> 00:13:17,956
Wie Sie hier sehen,

266
00:13:17,956 --> 00:13:20,631
gibt der Mensch dem Computer 
Zielbereiche vor,

267
00:13:20,631 --> 00:13:25,281
womit der Computer dann versuchen soll,
seinem Algorithmus zu verbessern.

268
00:13:25,281 --> 00:13:29,577
Eigentlich sind diese Deep-Learning-
Systeme im 16 000-dimensionalen Raum,

269
00:13:29,577 --> 00:13:32,179
hier können Sie den Computer
das durch den Raum

270
00:13:32,179 --> 00:13:35,001
auf der Suche nach neuen 
Strukturflächen rotieren sehen.

271
00:13:35,001 --> 00:13:36,782
Wenn er dabei Erfolg hat,

272
00:13:36,782 --> 00:13:40,786
kann der menschliche Betreiber 
dann die interessanten Bereiche festlegen.

273
00:13:40,786 --> 00:13:43,208
Hier hat der Computer Bereiche gefunden,

274
00:13:43,208 --> 00:13:45,770
zum Beispiel Winkel.

275
00:13:45,770 --> 00:13:47,376
Im Verlauf des Prozesses

276
00:13:47,376 --> 00:13:49,716
sagen wir dem Computer immer mehr

277
00:13:49,716 --> 00:13:52,144
über die gesuchten Strukturen.

278
00:13:52,144 --> 00:13:53,916
Bei einem Diagnose-Test zum Beispiel

279
00:13:53,916 --> 00:13:57,266
würde das dem Pathologen helfen,
kranke Bereiche zu identifizieren,

280
00:13:57,266 --> 00:14:02,292
oder dem Radiologen bei 
potentiell gefährlichen Knoten.

281
00:14:02,292 --> 00:14:04,851
Manchmal wird es 
schwer für den Algorithmus.

282
00:14:04,851 --> 00:14:06,815
In diesem Fall war er etwas verwirrt.

283
00:14:06,815 --> 00:14:09,365
Die Vorder- und Rückseiten 
der Autos sind vermischt.

284
00:14:09,365 --> 00:14:11,437
Wir müssen hier also sorgfältiger sein,

285
00:14:11,437 --> 00:14:14,669
und die Vorderseiten manuell 
von den Rückseiten trennen,

286
00:14:14,669 --> 00:14:20,175
um dann dem Computer zu sagen, 
dass das Teil einer Gruppe ist,

287
00:14:20,175 --> 00:14:21,523
die uns interessiert.

288
00:14:21,523 --> 00:14:24,420
Das machen wir für eine Weile,
wir springen ein wenig weiter,

289
00:14:24,420 --> 00:14:26,446
und dann trainieren wir den Algorithmus,

290
00:14:26,446 --> 00:14:28,420
basierend auf diesen paar hundert Sachen,

291
00:14:28,420 --> 00:14:30,445
und hoffen, dass er besser geworden ist.

292
00:14:30,445 --> 00:14:33,518
Wie Sie sehen, lässt er 
einige dieser Bilder jetzt verblassen

293
00:14:33,518 --> 00:14:38,226
und zeigt uns, dass er schon jetzt 
ein wenig selbst erkennt.

294
00:14:38,226 --> 00:14:41,128
Wir können das Konzept 
der ähnlichen Bilder nutzen

295
00:14:41,128 --> 00:14:43,222
und dabei sehen Sie,

296
00:14:43,222 --> 00:14:47,241
dass der Computer jetzt in der Lage ist, 
nur die Vorderseiten der Autos zu finden.

297
00:14:47,241 --> 00:14:50,189
Also kann der Mensch dem 
Computer an diesem Punkt sagen,

298
00:14:50,189 --> 00:14:52,482
okay, du hast gute Arbeit geleistet.

299
00:14:53,652 --> 00:14:56,847
Natürlich ist es manchmal
selbst hier schwer,

300
00:14:56,847 --> 00:14:59,511
die einzelnen Gruppen zu unterscheiden.

301
00:14:59,511 --> 00:15:03,395
Selbst nachdem der Computer 
die Bilder eine Weile rotiert hat,

302
00:15:03,399 --> 00:15:06,744
sind die rechten und linken Seiten 
der Bilder immer noch

303
00:15:06,744 --> 00:15:08,222
komplett durcheinander.

304
00:15:08,222 --> 00:15:10,672
Wieder können wir dem
Computer Hinweise geben

305
00:15:10,672 --> 00:15:13,178
und sagen, okay, jetzt 
versuch mal einen Weg,

306
00:15:13,178 --> 00:15:15,945
der die rechte und linke Seite
so gut wie möglich

307
00:15:15,945 --> 00:15:18,067
mit dem Deep-Learning-Algorithmus trennt.

308
00:15:18,067 --> 00:15:21,009
Und mit diesem Hinweis -- 
ah, okay, jetzt hat er Erfolg.

309
00:15:21,009 --> 00:15:23,891
Er hat einen Weg gefunden, 
diese Objekte so sehen,

310
00:15:23,891 --> 00:15:26,271
der diese hier aussortiert hat.

311
00:15:26,271 --> 00:15:28,709
Sie haben jetzt einen Eindruck davon.

312
00:15:28,709 --> 00:15:36,906
Das ist kein Fall, wo der Mensch 
von einem Computer ersetzt wird,

313
00:15:36,906 --> 00:15:39,546
sondern sie arbeiten zusammen.

314
00:15:39,546 --> 00:15:43,556
Wir ersetzen hier etwas, wofür man 
früher ein Team von fünf oder sechs Leuten

315
00:15:43,556 --> 00:15:45,098
7 Jahre beschäftigt hat,

316
00:15:45,098 --> 00:15:47,703
durch etwas, das 15 Minuten

317
00:15:47,703 --> 00:15:50,208
für eine einzige Person braucht.

318
00:15:50,208 --> 00:15:54,158
Dieser Vorgang braucht ungefähr 
vier oder fünf Durchgänge.

319
00:15:54,158 --> 00:15:56,017
Wie Sie sehen, sind wir nun bei 62 %

320
00:15:56,017 --> 00:15:58,976
korrekt klassifizierten Bildern
aus 1,5 Millionen.

321
00:15:58,976 --> 00:16:01,448
An dieser Stelle können 
wir anfangen, sehr schnell

322
00:16:01,448 --> 00:16:02,745
große Bereiche zu erfassen,

323
00:16:02,745 --> 00:16:05,664
und sie auf Fehler zu überprüfen.

324
00:16:05,664 --> 00:16:09,616
Wenn es Fehler gibt, lassen wir 
das den Computer wissen.

325
00:16:09,616 --> 00:16:12,661
Indem wir diesen Vorgang auf jede
der einzelnen Gruppen anwenden,

326
00:16:12,661 --> 00:16:15,148
sind wir jetzt bei 
einer 80%igen Erfolgsrate

327
00:16:15,148 --> 00:16:17,563
beim Klassifizieren der 1,5 Mio. Bilder.

328
00:16:17,563 --> 00:16:19,641
An diesem Punkt müssen wir nur noch

329
00:16:19,641 --> 00:16:23,220
die kleine Zahl der 
falsch klassifizierten Bilder finden

330
00:16:23,220 --> 00:16:26,108
und versuchen, die Ursache zu verstehen.

331
00:16:26,108 --> 00:16:27,851
Wenden wir das an,

332
00:16:27,851 --> 00:16:31,972
sind wir nach 15 Minuten 
bei einer Erfolgsquote von 97 %.

333
00:16:31,972 --> 00:16:36,572
Also könnten wir mit dieser Technik 
ein großes Problem beheben,

334
00:16:36,578 --> 00:16:39,614
nämlich, das Fehlen medizinischen 
Fachwissens in der Welt.

335
00:16:39,614 --> 00:16:43,103
Laut Weltwirtschaftsforum gibt es 
zwischen 10x und 20x

336
00:16:43,103 --> 00:16:45,727
zu wenige Ärzte in Entwicklungsländern

337
00:16:45,727 --> 00:16:47,840
und es würde etwa 300 Jahre dauern,

338
00:16:47,840 --> 00:16:50,734
genug Leute auszubilden, 
um das Problem zu beheben.

339
00:16:50,734 --> 00:16:53,619
Können Sie sich vorstellen, 
dass wir ihre Effizienz

340
00:16:53,619 --> 00:16:56,458
mit diesen Deep-Learning-Ansätzen
steigern können?

341
00:16:56,458 --> 00:16:58,900
Ich bin ganz begeistert
von den Möglichkeiten.

342
00:16:58,900 --> 00:17:01,279
Ich mache mir auch 
Sorgen über die Probleme.

343
00:17:01,279 --> 00:17:04,403
Das Problem hierbei ist, 
in jedem blauen Bereich auf der Karte

344
00:17:04,403 --> 00:17:08,172
machen Dienstleistungen 
über 80 % der Beschäftigung aus.

345
00:17:08,172 --> 00:17:09,959
Was sind Dienstleistungen?

346
00:17:09,959 --> 00:17:11,473
Das sind Dienstleistungen.

347
00:17:11,473 --> 00:17:15,627
Das sind außerdem genau die Dinge, 
die Computer gerade gelernt haben.

348
00:17:15,627 --> 00:17:19,431
Also sind 80 % der Beschäftigung 
der entwickelten Welt Dinge,

349
00:17:19,431 --> 00:17:21,963
die Computer gerade gelernt haben.

350
00:17:21,963 --> 00:17:23,403
Was bedeutet das?

351
00:17:23,403 --> 00:17:25,986
Naja, es wird alles gut. 
Andere Jobs ersetzen diese.

352
00:17:25,986 --> 00:17:28,693
Zum Beispiel wird es 
mehr Jobs für Informatiker geben.

353
00:17:28,693 --> 00:17:29,510
Nun, nicht ganz.

354
00:17:29,510 --> 00:17:32,628
Informatiker brauchen nicht lange, 
diese Dinge zu bauen.

355
00:17:32,628 --> 00:17:35,880
Zum Beispiel wurden diese 4 
Algorithmen vom selben Typen gebaut.

356
00:17:35,880 --> 00:17:38,318
Wenn Sie also denken, oh,
das ist alles nicht neu,

357
00:17:38,318 --> 00:17:42,126
wir haben in der Vergangenheit gesehen, 
wenn etwas Neues kommt,

358
00:17:42,126 --> 00:17:44,378
werden sie durch neue Jobs ersetzt,

359
00:17:44,378 --> 00:17:46,494
was also sind diese neuen Jobs?

360
00:17:46,494 --> 00:17:48,365
Das ist sehr schwer einzuschätzen,

361
00:17:48,365 --> 00:17:51,104
weil menschliche Leistung 
schrittweise wächst,

362
00:17:51,104 --> 00:17:53,666
aber wir haben jetzt ein System, 
Deep Learning,

363
00:17:53,666 --> 00:17:56,893
das seine Leistung 
nachweislich exponentiell steigert.

364
00:17:56,893 --> 00:17:58,498
Und da sind wir.

365
00:17:58,498 --> 00:18:00,559
Zurzeit sehen wir die Dinge um uns herum

366
00:18:00,559 --> 00:18:03,235
und sagen "Computer sind
immer noch ziemlich dumm." Oder?

367
00:18:03,235 --> 00:18:06,664
Aber in fünf Jahren werden Computer
nicht mehr Teil dieser Tabelle sein.

368
00:18:06,664 --> 00:18:10,529
Wir müssen also schon jetzt anfangen, 
über diese Leistung nachzudenken.

369
00:18:10,529 --> 00:18:12,579
Wir haben das natürlich schon mal gesehen.

370
00:18:12,579 --> 00:18:14,296
Die Industrielle Revolution

371
00:18:14,296 --> 00:18:17,387
bewirkte einen Evolutionssprung
der Leistung durch Motoren.

372
00:18:17,667 --> 00:18:20,805
Aber nach einer Weile 
beruhigten sich die Dinge.

373
00:18:20,805 --> 00:18:22,507
Es gab soziale Umbrüche,

374
00:18:22,507 --> 00:18:25,946
aber sobald die Motoren damals
zur Energiegewinnung genutzt wurden,

375
00:18:25,946 --> 00:18:28,300
beruhigten sich die Dinge.

376
00:18:28,300 --> 00:18:30,293
Die Revolution des Maschinellen Lernens

377
00:18:30,293 --> 00:18:32,682
wird ganz anders 
als die Industrielle Revolution,

378
00:18:32,682 --> 00:18:35,632
weil die Revolution nie zu Ende ist.

379
00:18:35,632 --> 00:18:38,614
Je besser Computer 
bei intellektuellen Aktivitäten werden,

380
00:18:38,614 --> 00:18:40,602
desto bessere Computer können sie bauen,

381
00:18:40,602 --> 00:18:42,862
die intellektuell noch 
leistungsfähiger sind,

382
00:18:42,862 --> 00:18:44,970
also wird das eine Art Wandel,

383
00:18:44,970 --> 00:18:47,248
den die Welt nie zuvor gesehen hat,

384
00:18:47,248 --> 00:18:50,554
sodass sich Ihr Verständnis 
des Möglichen ändert.

385
00:18:50,974 --> 00:18:52,754
Das beeinflusst uns schon jetzt.

386
00:18:52,754 --> 00:18:56,384
In den letzten 25 Jahren ist
die Produktivität des Kapitals gestiegen,

387
00:18:56,400 --> 00:19:00,908
aber die Produktivität der Arbeit 
blieb gleich und sank sogar ein bisschen.

388
00:19:01,408 --> 00:19:04,149
Deswegen will ich, dass wir
diese Diskussion jetzt führen.

389
00:19:04,149 --> 00:19:07,176
Wenn ich Leuten 
von dieser Situation erzähle,

390
00:19:07,176 --> 00:19:08,666
sind sie oft sehr abschätzig.

391
00:19:08,666 --> 00:19:10,339
Computer denken nicht wirklich,

392
00:19:10,339 --> 00:19:13,367
sie fühlen nichts, 
sie verstehen Lyrik nicht,

393
00:19:13,367 --> 00:19:15,888
wir verstehen nicht wirklich, 
wie sie funktionieren.

394
00:19:15,888 --> 00:19:17,374
Ja, und?

395
00:19:17,374 --> 00:19:18,978
Computer können jetzt Dinge tun,

396
00:19:18,978 --> 00:19:22,087
für die Menschen ihre meiste Zeit 
gegen Bezahlung aufwenden.

397
00:19:22,087 --> 00:19:24,098
Wir sollten also jetzt überlegen,

398
00:19:24,098 --> 00:19:28,015
wie wir unsere sozialen und 
wirtschaftlichen Strukturen anpassen,

399
00:19:28,015 --> 00:19:30,385
um diese neue Realität zu erkennen.

400
00:19:30,385 --> 00:19:31,388
Danke.

401
00:19:31,388 --> 00:19:32,190
(Applaus)