1
00:00:00,880 --> 00:00:04,595
در گذشته اگه می خواستین یه رایانه
کار جدیدی انجام بده،

2
00:00:04,595 --> 00:00:06,447
باید برنامه اش رو بهش می دادین.

3
00:00:06,477 --> 00:00:09,858
خوب، برای اونایی که
تا حالا برنامه ننوشتن،

4
00:00:09,858 --> 00:00:13,360
این کار نیاز به تعریف جزئیات طاقت فرسای

5
00:00:13,360 --> 00:00:16,727
تک تک مراحلی داره که میخواین
رایانه انجام بده

6
00:00:16,727 --> 00:00:19,089
تا به هدف مورد نظر شما برسه.

7
00:00:19,089 --> 00:00:22,585
حالا، اگه بخواین کاری انجام بدین که
خودتون نمی دونین چطور انجام میشه،

8
00:00:22,585 --> 00:00:24,648
با چالش بزرگی روبرو میشین.

9
00:00:24,648 --> 00:00:28,131
خوب، این چالشی بود که رو در روی این مرد، آرتور ساموئل،
قرار داشت.

10
00:00:28,131 --> 00:00:29,928
او در سال ۱۹۵۶، می خواست این رایانه

11
00:00:29,928 --> 00:00:35,048
بتونه اونو تو بازی چکرز (دام، جنگ نادر)
شکست بده.

12
00:00:35,048 --> 00:00:36,618
چطور میتونین برنامهای بنویسین،

13
00:00:36,618 --> 00:00:40,394
که با تمام جزئیات طاقت فرسا، به رایانه بگه
چجوری می تونه تو بازی چکرز از شما بهتر باشه؟

14
00:00:40,394 --> 00:00:42,116
خوب، ایده ای به ذهنش رسید:

15
00:00:42,116 --> 00:00:45,840
اجازه داد رایانه هزاران بار
با خودش بازی کنه،

16
00:00:45,840 --> 00:00:48,364
و یاد بگیره چطور چکرز بازی کنه.

17
00:00:48,364 --> 00:00:50,763
و در واقع موفق شد،
و در عمل، تا سال ۱۹۶۲،

18
00:00:53,162 --> 00:00:55,561
این رایانه تونسته بود
قهرمان ایالت کانکتیکات رو شکست بده.

19
00:00:55,561 --> 00:00:58,534
پس آرتور ساموئل
پدر یادگیری ماشینی بود،

20
00:00:58,534 --> 00:01:00,251
و من دین بزرگی بهش دارم،

21
00:01:00,251 --> 00:01:03,014
چون کارم یادگیری ماشینیه.

22
00:01:03,014 --> 00:01:04,479
من رئیس کاگل بودم،

23
00:01:04,479 --> 00:01:07,867
با بیش از دویست هزار نفر
که کارشون یادگیری ماشینیه.

24
00:01:07,867 --> 00:01:09,925
کاگل مسابقاتی برگزار می کنه

25
00:01:09,925 --> 00:01:13,633
و از شرکت کننده ها می خواد
مسئله هایی رو که قبلاً حل نشده ن حل کنن،

26
00:01:13,633 --> 00:01:17,470
و این رقابت صدها بار موفق بوده.

27
00:01:17,470 --> 00:01:19,940
پس به دلیل همین امتیاز،
تونستم چیزای زیادی

28
00:01:19,940 --> 00:01:23,890
درباره کارهایی بفهمم که یادگیری ماشینی
در گذشته می تونست بکنه، امروز می تونه بکنه،

29
00:01:23,890 --> 00:01:26,252
و در آینده می تونه بکنه.

30
00:01:26,252 --> 00:01:30,675
احتمالاً اولین موفقیت بزرگ تجاری
یادگیری ماشینی گوگل بود،

31
00:01:30,675 --> 00:01:33,784
گوگل نشون داد یافتن اطلاعات

32
00:01:33,784 --> 00:01:35,536
از راه الگوریتم رایانه امکان پذیره،

33
00:01:35,536 --> 00:01:38,437
و اساس این الگوریتم، یادگیری ماشینیه.

34
00:01:38,437 --> 00:01:42,323
از اون هنگام، یادگیری ماشینی
به موفقیتهای تجاری بسیاری دست یافته.

35
00:01:42,323 --> 00:01:44,160
شرکت هایی مانند آمازون و نتفلیکس

36
00:01:44,160 --> 00:01:47,876
برای پیشنهاد محصولاتی که احتمالاً دوست دارین بخرین
از یادگیری ماشینی استفاده می کنن،

37
00:01:47,876 --> 00:01:49,896
یا فیلمهایی که احتمالاً دوست دارین ببینین.

38
00:01:49,896 --> 00:01:51,703
گاهی این کار به طور نامحسوس انجام می شه.

39
00:01:51,703 --> 00:01:53,657
شرکتهایی مانند لینکدین و فیسبوک

40
00:01:53,657 --> 00:01:56,251
گاهی به شما درباره دوستهاتون می گن

41
00:01:56,251 --> 00:01:58,228
و شما نمی دونین این کارو چجوری انجام میدن،

42
00:01:58,228 --> 00:02:01,195
و دلیلش اینه که
از قدرت یادگیری ماشینی استفاده می کنن.

43
00:02:01,195 --> 00:02:04,152
اینها الگوریتم هایی هستن که
یاد گرفتن این کار رو با داده ها انجام بدن

44
00:02:04,152 --> 00:02:07,399
به جای اینکه با دست برنامه ربزی بشن.

45
00:02:07,399 --> 00:02:09,877
آی بی ام هم به همین ترتیب موفق شد

46
00:02:09,877 --> 00:02:13,739
کاری بکنه که واتسون در مسابقه تلویزیونی "محک"
دو نفر از قهرمانان جهان رو شکست بده،

47
00:02:13,739 --> 00:02:16,964
با پاسخ به پرسشهای بسیار ریز
و پیچیده مانند این یکی.

48
00:02:16,964 --> 00:02:19,799
[شیء باستانی "شیر نیمرود" در سال ۲۰۰۳
(به همراه اشیای دیگر) از موزه ملی این شهر به سرقت رفت]

49
00:02:19,799 --> 00:02:23,034
همچنین به همین دلیله که حالا می تونیم
اولین خودروهای بدون راننده رو ببینیم.

50
00:02:23,034 --> 00:02:25,856
اگه بخواین تفاوت

51
00:02:25,856 --> 00:02:28,488
یه درخت و یه عابر پیاده رو تشخیص بدین،
خوب، این خیلی مهمه.

52
00:02:28,488 --> 00:02:31,075
نمی دونیم چطور این برنامه ها رو با دست بنویسیم،

53
00:02:31,075 --> 00:02:34,072
اما حالا با یادگیری ماشینی،
این کار امکان پذیره.

54
00:02:34,072 --> 00:02:36,680
و در واقع، این ماشین
بیش از یک و نیم میلیون کیلومتر

55
00:02:36,680 --> 00:02:40,186
بدون هیچ تصادفی
در جاده های عادی راه رفته.

56
00:02:40,196 --> 00:02:44,110
پس حالا می دونیم که رایانه ها
می تونن یاد بگیرن،

57
00:02:44,110 --> 00:02:46,010
و رایانه ها می تونن کارهایی رو یاد بگیرن

58
00:02:46,010 --> 00:02:48,848
که در واقع خود ما گاهی
نمی تونیم انجام بدیم،

59
00:02:48,848 --> 00:02:51,733
یا شاید اونا بهتر از ما انجام می دن.

60
00:02:51,733 --> 00:02:55,928
یکی از عجیب ترین نمونه های
یادگیری ماشینی که دیده ام

61
00:02:55,928 --> 00:02:58,320
در پروژه ای بود
که در کاگل داشتم

62
00:02:58,320 --> 00:03:01,911
و در اون گروهی به سرپرستی جفری هینتون

63
00:03:01,911 --> 00:03:03,463
از دانشگاه تورونتو

64
00:03:03,463 --> 00:03:06,140
برنده مسابقه ی کشف خودکار دارو شد.

65
00:03:06,140 --> 00:03:08,987
خوب، نکته فوق العاده فقط این نبود که اونها

66
00:03:08,987 --> 00:03:13,000
همه الگوریتم های طراحی شده توسط مِرک یا
دانشگاههای بین المللی رو شکست دادن،

67
00:03:13,000 --> 00:03:18,061
بلکه این بود که هیچ یک از اعضای گروه، هیچ زمینه ای
از شیمی یا زیست شناسی یا علوم زیستی نداشتن،

68
00:03:18,061 --> 00:03:20,230
و این کار رو در دو هفته انجام دادن.

69
00:03:20,230 --> 00:03:21,611
چطور این کار رو کردن؟

70
00:03:22,421 --> 00:03:25,342
اونها از الگوریتم فوق العاده ای
به نام یادگیری عمیق استفاده کردن.

71
00:03:25,342 --> 00:03:28,291
این خبر چنان مهم بود که موفقیت اونها

72
00:03:28,291 --> 00:03:31,412
چند هفته بعد روی جلد نیویورک تایمز منعکس شد.

73
00:03:31,412 --> 00:03:34,147
این جفری هینتونه
اینجا سمت چپ.

74
00:03:34,147 --> 00:03:38,488
یادگیری عمیق الگوریتمی بر اساس
نحوه کار مغز انسانه،

75
00:03:38,488 --> 00:03:40,300
و در نتیجه الگوریتمیه

76
00:03:40,300 --> 00:03:44,141
که از نظر تئوری هیچ محدودیتی
در توانایی انجام کار نداره.

77
00:03:44,141 --> 00:03:46,964
هر چه داده بیشتری به اون بدین،
و با گذشت زمان

78
00:03:46,964 --> 00:03:48,276
بهتر می شه.

79
00:03:48,276 --> 00:03:50,615
همچنین نیویورک تایمز در این مطلب

80
00:03:50,615 --> 00:03:52,857
به یه نتیجه خارق العاده دیگه
از یادگیری عمیق اشاره کرد

81
00:03:52,857 --> 00:03:55,569
که حالا به شما نشون میدم.

82
00:03:55,569 --> 00:04:00,510
اینجا می بینین که رایانه ها
می تونن گوش بدن و بفهمن.

83
00:04:00,510 --> 00:04:03,221
(ویدئو) ریچارد رشید: حالا، آخرین مرحله ای

84
00:04:03,221 --> 00:04:06,246
که میخوام انجام بدم

85
00:04:06,246 --> 00:04:10,961
در واقع اینه که
به زبان چینی با تو صحبت کنم.

86
00:04:10,961 --> 00:04:13,596
نکته ی مهم اینه که

87
00:04:13,596 --> 00:04:18,598
تونستیم حجم بالایی از اطلاعات رو
از تعداد زیادی چینی زبان جمع کنیم

88
00:04:18,598 --> 00:04:21,128
و یه سیستم نوشتار-به-گفتار ایجاد کنیم

89
00:04:21,128 --> 00:04:25,801
که نوشته های چینی رو
به زبان چینی تبدیل می کنه،

90
00:04:25,801 --> 00:04:29,929
و بعد حدود یه ساعت
از صدای خودمو ضبط کردیم

91
00:04:29,929 --> 00:04:31,820
و از اون برای تنظیم

92
00:04:31,820 --> 00:04:36,364
سیستم استاندارد نوشتار-به-گفتار
استفاده کردیم تا شبیه من بشه.

93
00:04:36,364 --> 00:04:38,904
باز هم نتیجه ایده آل نیست.

94
00:04:38,904 --> 00:04:41,552
در واقع اشتباههایی وجود داره.

95
00:04:41,552 --> 00:04:44,036
(به زبان چینی)

96
00:04:44,036 --> 00:04:47,403
(تشویق)

97
00:04:49,446 --> 00:04:53,022
در این زمینه کار زیادی باید انجام بشه.

98
00:04:53,022 --> 00:04:56,667
(به زبان چینی)

99
00:04:56,667 --> 00:05:00,100
(تشویق)

100
00:05:01,345 --> 00:05:04,744
جرمی هووارد: خوب، اینجا یه کنفرانس
درباره یادگیری ماشین تو چینه.

101
00:05:04,744 --> 00:05:07,114
در واقع در اغلب کنفرانسهای دانشگاهی،

102
00:05:07,114 --> 00:05:09,011
حضار اینطوری خودبخود تشویق نمی کنن،

103
00:05:09,011 --> 00:05:12,687
البته گاهی در کنفرانسهای تدکس پیش میاد،
راحت باشین.

104
00:05:12,687 --> 00:05:15,482
همه چیزهایی که اونجا دیدین
حاصل یادگیری عمیق بود.

105
00:05:15,482 --> 00:05:17,007
(تشویق) متشکرم.

106
00:05:17,007 --> 00:05:19,289
رونویسی به انگلیسی
یادگیری عمیق بود.

107
00:05:19,289 --> 00:05:22,701
رونویسی به چینی و نوشته ی
بالا سمت راست، یادگیری عمیق،

108
00:05:22,701 --> 00:05:26,008
و شکل گیری صدا نیز
یادگیری عمیق بود.

109
00:05:26,008 --> 00:05:29,242
یادگیری عمیق چنین
پدیده ی خارق العاده ایه.

110
00:05:29,242 --> 00:05:32,341
یه الگوریتم واحد که به نظر میرسه
بتونه تقریباً هر کاری بکنه،

111
00:05:32,341 --> 00:05:35,452
و فهمیدم که یه سال قبل،
دیدن رو هم یاد گرفته.

112
00:05:35,452 --> 00:05:37,628
در این مسابقه عجیب از آلمان

113
00:05:37,628 --> 00:05:40,225
به نام مسابقه تشخیص
تابلوهای ترافیکی آلمان،

114
00:05:40,225 --> 00:05:43,618
یادگیری عمیق تابلوهایی
مثل این رو یاد گرفته بود.

115
00:05:43,618 --> 00:05:45,712
نه تنها میتونست تابلوها رو

116
00:05:45,712 --> 00:05:47,470
بهتر از هر الگوریتم دیگه ای بشناسه،

117
00:05:47,470 --> 00:05:50,189
بلکه جدول نشون میداد
از انسان هم بهتره،

118
00:05:50,189 --> 00:05:52,041
تقریباً دو برابر بهتر از انسان.

119
00:05:52,041 --> 00:05:54,037
پس تا سال ۲۰۱۱،
اولین نمونه ی

120
00:05:54,037 --> 00:05:57,442
رایانه هایی رو داشتیم که
بهتر از انسان می بینن.

121
00:05:57,442 --> 00:05:59,491
از اون موقع، اتفاقات زیادی افتاده.

122
00:05:59,491 --> 00:06:03,005
گوگل در سال ۲۰۱۲ اعلام کرد که دارای 
الگوریتم یادگیری عمیقی

123
00:06:03,005 --> 00:06:04,420
که ویدئوهای یوتیوب رو می بینه هستند

124
00:06:04,420 --> 00:06:07,857
و داده های اونو در عرض یه ماه
تو ۱۶ هزار رایانه پردازش میکنه،

125
00:06:07,857 --> 00:06:12,218
و رایانه بطور مستقل موضوعاتی
مثل آدمها و گربه ها رو یاد گرفته

126
00:06:12,218 --> 00:06:14,027
فقط با تماشای ویدئو.

127
00:06:14,027 --> 00:06:16,379
تا حدود زیادی شبیه
یادگیری آدمه.

128
00:06:16,379 --> 00:06:19,119
برای یاد گرفتن آدمها لازم نیست
به اونا بگین چیزی که می بینن چیه،

129
00:06:19,119 --> 00:06:22,450
بلکه خودشون یاد میگیرن این چیزها چیه.

130
00:06:22,450 --> 00:06:25,819
همین طور در سال ۲۰۱۲،
جفری هینتون که قبلاً دیدیمش،

131
00:06:25,819 --> 00:06:28,677
مسسابقه ی بسیار معروف
ایمیج نت رو برنده شد،

132
00:06:28,677 --> 00:06:32,818
که باید یک و نیم میلیون عکس رو نگاه می کرد

133
00:06:32,818 --> 00:06:34,256
و می گفت عکس چی هستن.

134
00:06:34,256 --> 00:06:37,789
حالا در سال ۲۰۱۴ تونستیم
خطا رو به شش درصد

135
00:06:37,789 --> 00:06:39,242
در شناسایی تصویر پایین بیاریم.

136
00:06:39,242 --> 00:06:41,268
این هم بهتر از آدمه.

137
00:06:41,268 --> 00:06:45,037
پس ماشین تو این کار خیلی بهتره،

138
00:06:45,037 --> 00:06:47,306
و حالا دارن تو صنعت ازش استفاده میکنن.

139
00:06:47,306 --> 00:06:50,348
مثلاً گوگل سال پیش اعلام کرد

140
00:06:50,348 --> 00:06:54,933
نقشه ی همه جای فرانسه رو
در عرض دو ساعت تهیه کرده،

141
00:06:54,933 --> 00:06:58,380
و این کارو با استفاده از تصاویر دوربینهای خیابان انجام دادن

142
00:06:58,380 --> 00:07:02,699
و یه الگوریتم یادگیری عمیق که میتونست
شماره خیابونها رو بخونه و بشناسه.

143
00:07:02,699 --> 00:07:04,919
تصور کنین قبلاً می تونست
چقدر طول بکشه:

144
00:07:04,919 --> 00:07:08,274
چندین نفر، چندین سال.

145
00:07:08,274 --> 00:07:10,185
همین اتفاق داره تو چین میفته.

146
00:07:10,185 --> 00:07:14,221
بایدو یه جور گوگل چینیه، فکر کنم،

147
00:07:14,221 --> 00:07:16,504
و چیزی که اینجا سمت چپ و بالا می بینین

148
00:07:16,504 --> 00:07:20,478
نمونه ای از تصویریه که من
در سیستم یادگیری عمیق بایدو آپلود کردم،

149
00:07:20,478 --> 00:07:24,247
و پایینش می تونین ببینین که
سیستم فهمیده اون تصویر چیه

150
00:07:24,247 --> 00:07:26,483
و تصاویر مشابه رو پیدا کرده.

151
00:07:26,483 --> 00:07:29,219
تصاویر مشابه در واقع دارای زمینه مشابه،

152
00:07:29,219 --> 00:07:30,877
و جهت مشابه چهره ها هستن،

153
00:07:30,877 --> 00:07:32,665
حتی زبون بعضیا بیرونه.

154
00:07:32,665 --> 00:07:35,695
این جستجوی واضح یه متن
از یه صفحه وب نیست.

155
00:07:35,695 --> 00:07:37,107
تمام چیزی که آپلود کردم یه تصویر بود.

156
00:07:37,107 --> 00:07:41,128
پس حالا رایانه هایی داریم که
چیزی رو که می بینن واقعاً میفهمن

157
00:07:41,128 --> 00:07:42,752
و بنابراین میتونن بانکهای اطلاعاتی

158
00:07:42,752 --> 00:07:46,306
صدها میلیون تصویری رو
در یه لحظه جستجو کنن.

159
00:07:46,306 --> 00:07:49,536
پس حالا اینکه رایانه ها میتونن ببینن
یعنی چی؟

160
00:07:49,536 --> 00:07:51,553
خوب، فقط این نیست که
رایانه ها میتونن ببینن.

161
00:07:51,553 --> 00:07:53,622
در واقع، یادگیری عمیق
بیشتر از این انجام داده.

162
00:07:53,622 --> 00:07:56,570
جملات پیچیده و ظریف مثل این یکی

163
00:07:56,570 --> 00:07:59,394
حالا با الگوریتم های
یادگیری عمیق قابل فهمه.

164
00:07:59,394 --> 00:08:00,697
همون طور که میتونین اینجا ببینین،

165
00:08:00,697 --> 00:08:03,465
این سیستم مستقر در استنفورد
که نقطه قرمزی اون بالا داره

166
00:08:03,465 --> 00:08:07,384
به این نتیجه رسیده که این جمله
بار عاطفی منفی داره.

167
00:08:07,384 --> 00:08:10,790
حالا در واقع یادگیری عمیق
به عملکرد انسان نزدیک شده

168
00:08:10,802 --> 00:08:15,923
در فهم اینکه جمله ها درباره ی چیه
وهر جمله درباره اون چیزها چی میگه.

169
00:08:15,923 --> 00:08:18,651
هم چنین، یادگیری عمیق
برای خواندن متون چینی به کار رفته،

170
00:08:18,651 --> 00:08:21,807
باز هم در سطحی که معادل
حرف زدن یه آدم چینی تبار اصیله،

171
00:08:21,807 --> 00:08:23,975
این الگوریتم در سویس ساخته شده

172
00:08:23,975 --> 00:08:27,331
توسط افرادی که هیچ کدوم نمی تونن
چینی حرف بزنن یا بفهمن.

173
00:08:27,331 --> 00:08:29,382
همون طور که گفتم،
با استفاده از یادگیری عمیق

174
00:08:29,382 --> 00:08:31,601
یعنی استفاده از بهترین سیستم
موجود در دنیا در این مورد،

175
00:08:31,601 --> 00:08:36,718
حتی در مقایسه با
فهم یه آدم بومی اصیل.

176
00:08:36,718 --> 00:08:39,682
این سیستمیه که ما
تو شرکتمون جمع کردیم

177
00:08:39,682 --> 00:08:41,728
که نشون میده همه این چیزها
کنار هم جمع شده.

178
00:08:41,728 --> 00:08:44,189
اینها تصاویریه که هیچ متنی
به اونها پیوست نیست،

179
00:08:44,189 --> 00:08:46,541
و همینکه اینجا جمله هایی تایپ میکنم،

180
00:08:46,541 --> 00:08:49,510
در همون لحظه داره اون تصاویر رو میفهمه

181
00:08:49,510 --> 00:08:51,189
و داره تصمیم میگیره
موضوع اونا چیه

182
00:08:51,189 --> 00:08:54,352
و تصاویری رو که شبیه متنیه که
من دارم می نویسم پیدا می کنه.

183
00:08:54,352 --> 00:08:57,108
پس می تونین ببینین که در واقع
جمله های منو میفهمه

184
00:08:57,108 --> 00:08:59,332
و در واقع این تصاویر رو میفهمه.

185
00:08:59,332 --> 00:09:01,891
میدونم یه چیزی شبیه اینو
تو گوگل دیدین،

186
00:09:01,891 --> 00:09:04,666
اونجا میتونین چیزهایی تایپ کنین و
تصاویری به شما نشون میده،

187
00:09:04,666 --> 00:09:08,090
اما در واقع کاری که انجام میده اینه که
صفحه وب رو دنبال اون متن میگرده.

188
00:09:08,090 --> 00:09:11,091
این با فهم واقعی تصاویر خیلی فرق داره.

189
00:09:11,091 --> 00:09:13,843
این چیزیه که رایانه ها فقط تونستن

190
00:09:13,843 --> 00:09:17,091
برای اولین بار در چند ماه اخیر انجامش بدن.

191
00:09:17,091 --> 00:09:21,182
پس حالا می بینیم که رایانه ها
هم می تونن ببینن و هم میتونن بخونن،

192
00:09:21,182 --> 00:09:24,947
و البته، نشون دادیم که میتونن
چیزی رو که می شنون بفهمن.

193
00:09:24,947 --> 00:09:28,389
شاید حالا عجیب نباشه که
میخوام بگم میتونن بنویسن.

194
00:09:28,389 --> 00:09:33,172
این متنیه که دیروز
با یه الگوریتم یادگیری عمیق ایجاد کردم.

195
00:09:33,172 --> 00:09:37,096
و این متنیه که یه الگوریتم
از استنفورد ایجاد کرده.

196
00:09:37,096 --> 00:09:38,860
هر دو جمله توسط

197
00:09:38,860 --> 00:09:43,109
الگوریتم یادگیری عمیق برای
توصیف این تصاویر ایجاد شده.

198
00:09:43,109 --> 00:09:47,581
این الگوریتم قبلاً هرگز ندیده بود
یه مرد با پیراهن مشکی گیتار بنوازد.

199
00:09:47,581 --> 00:09:49,801
قبلاً یه مرد دیده بود،
قبلاً مشکی دیده بود،

200
00:09:49,801 --> 00:09:51,400
قبلاً یه گیتار دیده بود،

201
00:09:51,400 --> 00:09:55,694
اما بدون کمک کسی توانست چنین توصیف
نابی از این تصویر ایجاد کند.

202
00:09:55,694 --> 00:09:59,196
البته هنوز به سطح عملکرد انسان نرسیده ایم،
اما به آن نزدیک شده ایم.

203
00:09:59,196 --> 00:10:03,264
در آزمونها، افراد توصیف های رایانه رو

204
00:10:03,264 --> 00:10:04,791
به نسبت یک به چهار ترجیح میدن.

205
00:10:04,791 --> 00:10:06,855
حالا این سیستم فقط دو هفته س به وجود اومده،

206
00:10:06,855 --> 00:10:08,701
بنابراین در عرض یه سال آینده،

207
00:10:08,701 --> 00:10:11,502
الگوریتم رایانه ای احتمالاً انسان رو پشت سر میذاره

208
00:10:11,502 --> 00:10:13,364
با این سرعت که کارها پیش میره.

209
00:10:13,364 --> 00:10:16,413
پس رایانه ها نوشتن هم بلدن.

210
00:10:16,413 --> 00:10:19,888
پس همه ی اینها رو کنار هم میذاریم و
نتیجه ش فرصت های بسیار مهیجی میشه.

211
00:10:19,888 --> 00:10:21,380
مثلاً، در پزشکی،

212
00:10:21,380 --> 00:10:23,905
یه گروه در بوستون اعلام کرده


213
00:10:23,905 --> 00:10:26,854
چندین ویژگی مهم یالینی

214
00:10:26,854 --> 00:10:31,120
از تومورها رو پیدا کرده که به دکترها
در تعیین پیش آگهی سرطان کمک می کنن.

215
00:10:32,220 --> 00:10:34,516
به طرز بسیار مشابه، در استنفورد،

216
00:10:34,516 --> 00:10:38,179
یه گروه اعلام کرده،
با نگاه کردن به بافتها، با بزرگنمایی بالا،

217
00:10:38,179 --> 00:10:40,560
یه سیستم بر اساس یادگیری
ماشینی درست کردن

218
00:10:40,560 --> 00:10:43,142
که در واقع بهتر از دکترهای آسیب شناس

219
00:10:43,142 --> 00:10:47,519
میزان بقای مبتلایان به سرطان رو
پیش بینی می کنه.

220
00:10:47,519 --> 00:10:50,764
در هر دو مورد فوق،
نه تنها پیش بینی ها دقیق تره،

221
00:10:50,764 --> 00:10:53,266
بلکه جنبه های جدیدی از بصیرت علمی
به وجود اومده.

222
00:10:53,276 --> 00:10:54,781
در مورد رادیولوژی،

223
00:10:54,781 --> 00:10:57,876
شاخص های بالینی جدیدی به دست اومده
که انسان قادر به فهم اونهاست.

224
00:10:57,876 --> 00:10:59,668
در این مورد آسیب شناسی،

225
00:10:59,668 --> 00:11:04,168
سیستم رایانه ای در واقع فهمید
که سلولهای اطراف سرطان

226
00:11:04,168 --> 00:11:07,508
به اندازه ی خود سلولهای سرطانی

227
00:11:07,508 --> 00:11:09,260
در رسیدن به تشخیص مهم هستن.

228
00:11:09,260 --> 00:11:14,621
این برخلاف چیزیه که دهها ساله
به آسیب شناسها یاد میدن.

229
00:11:14,621 --> 00:11:17,913
در هر یک از دو مورد فوق،
اون سیستمها

230
00:11:17,913 --> 00:11:21,534
با ترکیبی از نظر خبرگان پزشکی
و خبرگان یادگیری ماشینی شکل گرفت،

231
00:11:21,534 --> 00:11:24,275
اما از سال گذشته تا حالا
از اون هم جلوتر رفتیم.

232
00:11:24,275 --> 00:11:27,824
این نمونه ای از تشخیص نواحی سرطانی

233
00:11:27,824 --> 00:11:30,354
بافتهای انسان در زیر میکروسکوپه.

234
00:11:30,354 --> 00:11:34,967
سیستمی که اینجا نشون داده شده
میتونه اون نواحی رو دقیق تر از

235
00:11:34,967 --> 00:11:37,742
یا با دقت معادل دکترهای آسیب شناس
تشخیص بده،

236
00:11:37,742 --> 00:11:41,134
اما به طور کامل توسط یادگیری عمیق و
بدون کمک تخصصی پزشکی ساخته شده

237
00:11:41,134 --> 00:11:43,660
توسط افرادی که
هیچ سابقه ای در این زمینه ندارن.

238
00:11:44,730 --> 00:11:47,285
به طور مشابه، اینجا،
این قطعه قطعه شدن عصب.

239
00:11:47,285 --> 00:11:50,953
ما حالا میتونیم اعصاب رو با دقت
مشابه انسان قطعه قطعه کنیم،

240
00:11:50,953 --> 00:11:53,670
اما این سیستم با یادگیری عمیق ایجاد شده

241
00:11:53,670 --> 00:11:56,921
توسط افرادی که هیچ سابقه ی پزشکی ندارن.

242
00:11:56,921 --> 00:12:00,148
پس خودم، به عنوان کسی که
هیچ سابقه ی پزشکی ندارم،

243
00:12:00,148 --> 00:12:03,875
به نظر میرسه کاملاً آمادگی دارم
یه شرکت جدید پزشکی تأسیس کنم،

244
00:12:03,875 --> 00:12:06,021
که همین کارو کردم.

245
00:12:06,021 --> 00:12:07,761
یه جورایی از انجام این کار میترسیدم،

246
00:12:07,761 --> 00:12:10,650
اما به طور نظری امکانش بود

247
00:12:10,650 --> 00:12:16,142
که با این فنون تحلیل داده بتونم
کار پزشکی بسیار مفیدی انجام بدم.

248
00:12:16,142 --> 00:12:18,622
و شُکر که بازخوردش خارق العاده بوده،

249
00:12:18,622 --> 00:12:20,978
نه تنها از رسانه ها
بلکه از جامعه ی پزشکی،

250
00:12:20,978 --> 00:12:23,322
که خیلی حمایت کردن.

251
00:12:23,322 --> 00:12:27,471
فرضیه اینه که میتونیم
قسمت وسط فرآیند پزشکی رو بگیریم

252
00:12:27,471 --> 00:12:30,364
و اونو تا حد امکان
به تحلیل داده ها تبدیل کنیم،

253
00:12:30,364 --> 00:12:33,429
و کارهایی رو که دکترها بهتر انجام میدن
به اونها بسپاریم.

254
00:12:33,429 --> 00:12:35,031
میخوام یه مثال براتون بزنم.

255
00:12:35,031 --> 00:12:39,975
حالا به وجود اومدن یه آزمایش تشخیصی جدید
حدود ۱۵ دقیقه طول میکشه

256
00:12:39,975 --> 00:12:41,929
و حالا اینو به طور زنده به شما نشون میدم،

257
00:12:41,929 --> 00:12:45,416
اما با برش چند قسمت فشرده ش کردم به سه دقیقه.

258
00:12:45,416 --> 00:12:48,477
بجای آزمایش تشخیص پزشکی

259
00:12:48,477 --> 00:12:51,846
میخوام یه آزمایش تشخیص تصاویر
خودرو براتون بسازم،

260
00:12:51,846 --> 00:12:54,068
چون چیزیه که همه ی ما میفهمیم.

261
00:12:54,068 --> 00:12:57,269
پس اینجا با حدود یک و نیم میلیون
تصویر خودرو شروع می کنیم،

262
00:12:57,269 --> 00:13:00,475
و میخوام چیزی درست کنم که بتون
اونها رو بر اساس زاویه ی عکاسی

263
00:13:00,475 --> 00:13:02,698
دسته بندی کنه.

264
00:13:02,698 --> 00:13:06,586
خوب همه ی این تصاویر بدون برچسب هستن،
پس ناچارم از اول شروع کنم.

265
00:13:06,586 --> 00:13:08,451
با الگوریتم یادگیری عمیق ما،

266
00:13:08,451 --> 00:13:12,158
این سیستم میتونه به طور خودکار
ساختارهای هر تصویر رو شناسایی کنه.

267
00:13:12,158 --> 00:13:15,778
خوب نکته ی مثبت اینه که حالا انسان 
و رایانه میتونن با هم کار کنن.

268
00:13:15,778 --> 00:13:17,956
پس انسان، همون طور که اینجا میتونین ببینین،

269
00:13:17,956 --> 00:13:20,631
داره موارد مورد نظر رو
به رایانه میگه

270
00:13:20,631 --> 00:13:25,281
و از رایانه میخواد با استفاده
از اونها الگوریتم خودشو بهتر کنه.

271
00:13:25,281 --> 00:13:29,577
حالا این سیستمهای یادگیری عمیق
در واقع در فضای ۱۶ هزار بعدی هستن،

272
00:13:29,577 --> 00:13:33,009
پس اینجا می تونین ببینین
رایانه اینو در اون فضا میچرخونه،

273
00:13:33,009 --> 00:13:35,001
و سعی میکنه ساختارهای
جدید رو پیدا کنه.

274
00:13:35,001 --> 00:13:36,782
و وقتی این کار رو
با چنین موفقیتی انجام میده،

275
00:13:36,782 --> 00:13:40,786
فردی که داره هدایتش میکنه
میتونه نواحی مورد نظر رو نشون بده.

276
00:13:40,786 --> 00:13:43,208
پس اینجا، رایانه موفق شده نواحی،

277
00:13:43,208 --> 00:13:45,770
مثلاً زاویه ها رو پیدا کنه.

278
00:13:45,770 --> 00:13:47,376
پس طی این فرآیند،

279
00:13:47,376 --> 00:13:49,716
به تدریج به رایانه

280
00:13:49,716 --> 00:13:52,144
نکات بیشتر و بیشتری درباره ی
انواع ساختارهای مورد نظرمون میگیم.

281
00:13:52,144 --> 00:13:53,916
میتونین فرض کنین در یه آزمایش تشخیصی

282
00:13:53,916 --> 00:13:57,266
این میتونه یه آسیب شناس باشه که مثلاً
نواحی آسیب رو شناسایی می کنه،

283
00:13:57,266 --> 00:14:02,292
یا یه رادیولوژیست که گره های
بالقوه مشکل دار رو نشون میده.

284
00:14:02,292 --> 00:14:04,851
و این گاهی ممکنه
برای الگوریتم مشکل باشه.

285
00:14:04,851 --> 00:14:06,815
در این مورد، یه جورایی سردرگم شد.

286
00:14:06,815 --> 00:14:09,365
جلو و عقب خودروها همه در همه.

287
00:14:09,365 --> 00:14:11,437
پس اینجا باید کمی بیشتر دقت کنیم،

288
00:14:11,437 --> 00:14:14,669
با دست جلو و عقب رو مشخص کنیم،

289
00:14:14,669 --> 00:14:20,175
بعد به رایانه بگیم
این نوع گروهیه

290
00:14:20,175 --> 00:14:21,523
که منظور ماست.

291
00:14:21,523 --> 00:14:24,200
پس این کار رو مدتی انجام میدیم،
کمی ازش رد میشیم،

292
00:14:24,200 --> 00:14:26,446
و بعد به الگوریتم یادگیری
ماشینی آموزش میدیم

293
00:14:26,446 --> 00:14:28,420
بر اساس این چند صد چیز،

294
00:14:28,420 --> 00:14:30,445
و امیدواریم خیلی بهتر بشه.

295
00:14:30,445 --> 00:14:33,518
حالا میتونین ببینین که
بعضی از این تصاویر داره محو میشه،

296
00:14:33,518 --> 00:14:38,226
که نشون میده خودش کم کم
بعضی از اینا رو میشناسه.

297
00:14:38,226 --> 00:14:41,128
پس میتونیم از این مفهوم تصاویر مشابه
استفاده کنیم،

298
00:14:41,128 --> 00:14:43,222
و با استفاده از تصاویر مشابه،
حالا میتونین ببینین که،

299
00:14:43,222 --> 00:14:47,241
رایانه در این نقطه میتونه
فقط جلوی خودروها رو کاملاً بشناسه.

300
00:14:47,241 --> 00:14:50,189
پس در این نقطه، انسان
میتونه به رایانه بگه،

301
00:14:50,189 --> 00:14:52,482
خوب، بله، کارت خوب بود.

302
00:14:53,652 --> 00:14:55,837
گاهی، البته، حتی در این نقطه،

303
00:14:55,837 --> 00:14:59,511
جدا کردن گروهها مشکله.

304
00:14:59,511 --> 00:15:03,395
در این مورد، حتی بعد از اینکه رایانه
مدتی اینجا میچرخه،

305
00:15:03,399 --> 00:15:06,744
هنوز می بینیم که سمت چپ و راست تصاویر

306
00:15:06,744 --> 00:15:08,222
همه در همه.

307
00:15:08,222 --> 00:15:10,362
پس دوباره میتونیم به رایانه کمک کنیم،

308
00:15:10,362 --> 00:15:13,338
و بگیم خوب، حالا سعی کن
زائده ای رو پیدا کنی

309
00:15:13,338 --> 00:15:15,945
که سمت چپ و راست رو
تا حد امکان مشخص کنه

310
00:15:15,945 --> 00:15:18,067
به کمک این الگوریتم یادگیری عمیق.

311
00:15:18,067 --> 00:15:21,009
و با این کمک--
آهان، بله، موفق شده.

312
00:15:21,009 --> 00:15:23,891
تونسته راهی پیدا کنه
که درباره این اشیا فکر کنه

313
00:15:23,891 --> 00:15:26,271
و اینها رو از هم جدا کنه.

314
00:15:26,271 --> 00:15:28,709
پس ایده رو اینجا گرفتین.

315
00:15:28,709 --> 00:15:36,906
اینجا رایانه جای انسان رو نمی گیره،

316
00:15:36,906 --> 00:15:39,546
بلکه با هم کار میکنن.

317
00:15:39,546 --> 00:15:43,096
کاری که اینجا می کنیم اینه که
کاری که وقت یه گروه

318
00:15:43,096 --> 00:15:45,098
پنج یا شش نفره رو
حدود هفت سال می گرفت

319
00:15:45,098 --> 00:15:47,703
به سیستمی میدیم که همون کار رو
در عرض ۱۵ دقیقه انجام میده

320
00:15:47,703 --> 00:15:50,208
فقط با یه نفر که
به تنهایی کار میکنه.

321
00:15:50,208 --> 00:15:54,158
پس این فرآیند 
حدود چهار یا پنج بار تکرار میشه.

322
00:15:54,158 --> 00:15:56,017
می تونین ببینین که حالا
موفق شدیم ۶۲ درصد

323
00:15:56,017 --> 00:15:58,976
از یک و نیم میلیون تصویر رو
دسته بندی کنیم.

324
00:15:58,976 --> 00:16:01,448
و در این نقطه،
میتونیم با سرعت تمام

325
00:16:01,448 --> 00:16:02,745
دسته ها رو به طور کامل بگیریم،

326
00:16:02,745 --> 00:16:05,664
و هر کدوم رو چک کنیم تا
مطمئن بشیم اشتباه نشده.

327
00:16:05,664 --> 00:16:09,616
در صورت اشتباه، میتونیم
اینو به رایانه اطلاع بدیم.

328
00:16:09,616 --> 00:16:12,661
و با این نوع فرآیند
برای هر یک از گروههای مختلف،

329
00:16:12,661 --> 00:16:15,148
حالا به موفقیت ۸۰ درصد

330
00:16:15,148 --> 00:16:17,563
در طبقه بندی یک و نیم میلیون تصویر رسیدیم.

331
00:16:17,563 --> 00:16:19,641
و این نقطه، جاییه که

332
00:16:19,641 --> 00:16:23,220
تعداد کمی تصویر درست طبقه بندی نشده،

333
00:16:23,220 --> 00:16:26,108
و سعی می کنه بفهمه چرا.

334
00:16:26,108 --> 00:16:27,851
و با استفاده از روش فوق،

335
00:16:27,851 --> 00:16:31,972
در عرض ۱۵ دقیقه
به میزان طبقه بندی ۹۷ درصد رسیدیم.

336
00:16:31,972 --> 00:16:36,572
پس این نوع تکنیک
به ما امکان داد یه مشکل بزرگ رو حل کنیم،

337
00:16:36,578 --> 00:16:39,614
این مشکل که با کمبود نیروی تخصصی
پزشکی در جهان روبرو هستیم.

338
00:16:39,614 --> 00:16:43,103
مجمع جهانی اقتصاد اعلام کرده
بین ۱۰ تا ۲۰ برابر

339
00:16:43,103 --> 00:16:45,727
کمبود پزشک در
جهان در حال توسعه وجود داره،

340
00:16:45,727 --> 00:16:47,840
و حدود ۳۰۰ سال طول میکشه

341
00:16:47,840 --> 00:16:50,734
تا تعداد کافی پزشک
برای حل این مشکل تربیت بشه.

342
00:16:50,734 --> 00:16:53,619
پس تصور کنین اگه بتونیم
کارایی اونا رو افزایش بدیم

343
00:16:53,619 --> 00:16:56,458
با اساتفاده از این روشهای
یادگیری عمیق، چی میشه؟

344
00:16:56,458 --> 00:16:58,690
خوب این فرصتها منو
به شدت هیجان زده کرده.

345
00:16:58,690 --> 00:17:01,279
همچنین نگران مشکلات هستم.

346
00:17:01,279 --> 00:17:04,403
اینجا مشکل اینه که
هر ناحیه آبی رنگ در این نقشه

347
00:17:04,403 --> 00:17:08,172
جاییه که میزان اشتغال در خدمات
بیشتر از ۸۰ درصده.

348
00:17:08,172 --> 00:17:09,959
چه خدماتی؟

349
00:17:09,959 --> 00:17:11,473
این خدمات.

350
00:17:11,473 --> 00:17:15,627
اینها دقیقاً همون چیزهایی هستن
که رایانه ها یاد گرفتن انجام بدن.

351
00:17:15,627 --> 00:17:19,431
پس ۸۰ درصد اشتغال در جهان توسعه یافته

352
00:17:19,431 --> 00:17:21,963
مربوط به کارهاییه که
رایانه ها بلد هستن.

353
00:17:21,963 --> 00:17:23,403
مفهومش چیه؟

354
00:17:23,403 --> 00:17:25,986
خوب، مشکلی نیست.
میتونن در مشاغل دیگه جایگزین بشن.

355
00:17:25,986 --> 00:17:28,693
به عنوان مثال، موقعیتهای شغلی بیشتری
برای دانشمندان علوم داده ایجاد میشه.


356
00:17:28,693 --> 00:17:29,510
خوب، نه واقعاً.

357
00:17:29,510 --> 00:17:32,628
دانشمندان علوم داده زمان زیادی
برای ساختن این چیزها صرف نکردن.

358
00:17:32,628 --> 00:17:35,880
به عنوان مثال، این چهار الگوریتم
همگی توسط یه نفر ساخته شده.

359
00:17:35,880 --> 00:17:38,318
پس اگه فکر کنید، اوه،
قبلاً مشابه همین اتفاق افتاده،

360
00:17:38,318 --> 00:17:42,126
نتیجه شو در گذشته دیدیم
وقتی چیزهای جدید وارد میشه

361
00:17:42,126 --> 00:17:44,378
و شغلهای جدید جای اونا رو میگیره،

362
00:17:44,378 --> 00:17:46,494
این شغلهای جدید چه خواهد بود؟

363
00:17:46,494 --> 00:17:48,365
برآوردش برامون خیلی سخته،

364
00:17:48,365 --> 00:17:51,104
چون عملکرد انسانی به تدریج رشد می کنه،

365
00:17:51,104 --> 00:17:53,666
اما حالا سیستمی داریم به نام یادگیری عمیق،

366
00:17:53,666 --> 00:17:56,893
که در واقع میدونیم که از نظر توانایی،
سرعت رشد تصاعدی داره.

367
00:17:56,893 --> 00:17:58,498
و ما اینجاییم.

368
00:17:58,498 --> 00:18:00,559
پس در حال حاضر، چیزهای اطرفمون رو می بینیم

369
00:18:00,559 --> 00:18:03,235
و میگیم، "اوه، رایانه ها
هنوز خیلی عقب هستن." درسته؟

370
00:18:03,235 --> 00:18:06,664
اما در عرض پنج سال،
رایانه ها از این جدول خارج خواهند شد.

371
00:18:06,664 --> 00:18:10,529
پس لازمه همین الان شروع به
فکر درباره ی این قابلیت کنیم.

372
00:18:10,529 --> 00:18:12,579
البته اینو قبلاً یه بار دیدیم.

373
00:18:12,579 --> 00:18:13,966
در انقلاب صنعتی،

374
00:18:13,966 --> 00:18:16,817
با ورود موتورها شاهد
یک گام تغییر در قابلیت بودیم.

375
00:18:17,667 --> 00:18:20,805
اما نکته این است
که پس از مدتی، همه چیز خراب شد.

376
00:18:20,805 --> 00:18:22,507
گسست اجتماعی اتفاق افتاد،

377
00:18:22,507 --> 00:18:25,946
اما وقتی استفاده از موتورها برای تولید
نیرو در موقعیتهای مختلف شروع شد،


378
00:18:25,946 --> 00:18:28,300
همه چیز واقعاً عادی شد.

379
00:18:28,300 --> 00:18:29,773
انقلاب یادگیری ماشینی

380
00:18:29,773 --> 00:18:32,682
بسیار متفاوت از
انقلاب صنعتی خواهد بود،

381
00:18:32,682 --> 00:18:35,632
چون انقلاب یادگیری ماشینی،
هرگز عادی نمی شود.

382
00:18:35,632 --> 00:18:38,614
هر چه رایانه ها در امور ذهنی
بهتر می شوند،

383
00:18:38,614 --> 00:18:42,862
می تونن رایانه های بهتری بسازن
که در امور ذهنی بهتر هستن،

384
00:18:42,862 --> 00:18:44,770
پس این نوعی تغییر خواهد بود

385
00:18:44,770 --> 00:18:47,248
که جهان هرگز پیش از این
تجربه نکرده،

386
00:18:47,248 --> 00:18:50,554
پس فهم قبلی شما متفاوت با
چیزیه که ممکنه.

387
00:18:50,974 --> 00:18:52,754
این قبلاً در حال
تحت تأثیر قرار دادن ماست.

388
00:18:52,754 --> 00:18:56,384
در عرض ۲۵ سال اخیر،
با افزایش بهره وری سرمایه،

389
00:18:56,400 --> 00:19:00,588
بهره وری کار ثابت مانده،
در واقع کمی هم افت کرده.

390
00:19:01,408 --> 00:19:04,149
بنابراین میخوام این بحث رو
الان شروع کنیم.

391
00:19:04,149 --> 00:19:07,176
میدونم که اغلب وقتی درباره ی
این وضعیت به افراد توضیح میدم،

392
00:19:07,176 --> 00:19:08,666
ممکنه کسی اعتنا نکنه.

393
00:19:08,666 --> 00:19:10,339
خوب، رایانه ها در واقع نمی تونن فکر کنن،

394
00:19:10,339 --> 00:19:13,367
اونها احساس ندارن،
شعر رو نمی فهمن،

395
00:19:13,367 --> 00:19:15,888
ما در واقع نمیدونیم چطور کار میکنن.

396
00:19:15,888 --> 00:19:17,374
پس چه؟

397
00:19:17,374 --> 00:19:19,178
رایانه ها همین الان میتونن
کارهایی بکنن

398
00:19:19,178 --> 00:19:21,897
که انسانها بیشتر وقتشون رو
صرفش می کنن و در مقابلش پول میگیرن،

399
00:19:21,897 --> 00:19:23,628
پس الان وقت آن است
که شروع کنیم به فکر

400
00:19:23,628 --> 00:19:28,015
درباره ی اینکه چطور قراره ساختارهای اجتماعی
و ساختارهای اقتصادی خودمونو تغییر بدیم

401
00:19:28,015 --> 00:19:29,855
تا از این واقعیت جدید آگاه بشیم.

402
00:19:29,855 --> 00:19:31,388
متشکرم.

403
00:19:31,388 --> 00:19:32,190
(تشویق)