[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.88,0:00:02.74,Default,,0000,0000,0000,,Kiedyś było tak,
Dialogue: 0,0:00:02.74,0:00:04.59,Default,,0000,0000,0000,,że aby komputer coś zrobił,
Dialogue: 0,0:00:04.59,0:00:06.45,Default,,0000,0000,0000,,trzeba go było zaprogramować.
Dialogue: 0,0:00:06.45,0:00:09.40,Default,,0000,0000,0000,,Dla tych, którzy tego nie robili:
Dialogue: 0,0:00:09.40,0:00:13.47,Default,,0000,0000,0000,,programowanie wymaga\Ndrobiazgowego zdefiniowania \N
Dialogue: 0,0:00:13.47,0:00:16.73,Default,,0000,0000,0000,,każdego kroku, który komputer ma wykonać,
Dialogue: 0,0:00:16.73,0:00:18.61,Default,,0000,0000,0000,,by osiągnąć cel.
Dialogue: 0,0:00:18.61,0:00:21.22,Default,,0000,0000,0000,,Jeżeli chcemy,\Nby komputer wykonał czynność,
Dialogue: 0,0:00:21.22,0:00:23.07,Default,,0000,0000,0000,,której sami nie potrafimy wykonać,
Dialogue: 0,0:00:23.08,0:00:24.65,Default,,0000,0000,0000,,stajemy przed dużym wyzwaniem.
Dialogue: 0,0:00:24.65,0:00:28.13,Default,,0000,0000,0000,,Stanął przed nim Artur Samuel.
Dialogue: 0,0:00:28.13,0:00:31.35,Default,,0000,0000,0000,,W 1956 roku stwierdził, że chciałby,
Dialogue: 0,0:00:31.35,0:00:34.55,Default,,0000,0000,0000,,aby komputer wygrał z nim w warcaby.
Dialogue: 0,0:00:34.55,0:00:36.02,Default,,0000,0000,0000,,Jak napisać program,
Dialogue: 0,0:00:36.02,0:00:38.55,Default,,0000,0000,0000,,drobiazgowo wyrazić, \Njak być lepszym w warcaby
Dialogue: 0,0:00:38.55,0:00:40.20,Default,,0000,0000,0000,,niż jest się samemu?
Dialogue: 0,0:00:40.20,0:00:42.12,Default,,0000,0000,0000,,Artur wpadł na następujący pomysł:
Dialogue: 0,0:00:42.12,0:00:45.84,Default,,0000,0000,0000,,kazał komputerowi \Ngrać z samym sobą tysiące razy
Dialogue: 0,0:00:45.84,0:00:48.36,Default,,0000,0000,0000,,i w ten sposób nauczyć się gry.
Dialogue: 0,0:00:48.36,0:00:50.31,Default,,0000,0000,0000,,Rzeczywiście się udało.
Dialogue: 0,0:00:50.31,0:00:55.56,Default,,0000,0000,0000,,W 1962 roku komputer pokonał\Nmistrza stanu Connecticut.
Dialogue: 0,0:00:55.56,0:00:58.53,Default,,0000,0000,0000,,Artur Samuel był ojcem\Nuczenia maszynowego.
Dialogue: 0,0:00:58.53,0:01:00.25,Default,,0000,0000,0000,,Mam wobec niego duży dług,
Dialogue: 0,0:01:00.25,0:01:02.40,Default,,0000,0000,0000,,bo sam zajmuję się\Nuczeniem maszynowym.
Dialogue: 0,0:01:02.40,0:01:04.05,Default,,0000,0000,0000,,Byłem przewodniczącym Kaggle,
Dialogue: 0,0:01:04.05,0:01:06.89,Default,,0000,0000,0000,,społeczności zrzeszającej \N200 tys. specjalistów
Dialogue: 0,0:01:06.89,0:01:08.37,Default,,0000,0000,0000,,od programowania maszynowego.
Dialogue: 0,0:01:08.37,0:01:10.12,Default,,0000,0000,0000,,Kaggle organizuje konkursy,
Dialogue: 0,0:01:10.12,0:01:11.76,Default,,0000,0000,0000,,podczas których członkowie próbują
Dialogue: 0,0:01:11.76,0:01:13.83,Default,,0000,0000,0000,,rozwiązać dotąd nierozwiązane problemy.
Dialogue: 0,0:01:13.83,0:01:17.47,Default,,0000,0000,0000,,Udało się to już setki razy.
Dialogue: 0,0:01:17.47,0:01:20.12,Default,,0000,0000,0000,,Z tej perspektywy wiele się dowiedziałem
Dialogue: 0,0:01:20.12,0:01:23.95,Default,,0000,0000,0000,,o dawnych i obecnych \Nmożliwościach uczenia maszynowego,
Dialogue: 0,0:01:23.95,0:01:26.25,Default,,0000,0000,0000,,i co będzie możliwe w przyszłości.
Dialogue: 0,0:01:26.25,0:01:28.14,Default,,0000,0000,0000,,Chyba pierwszym dużym sukcesem
Dialogue: 0,0:01:28.14,0:01:30.57,Default,,0000,0000,0000,,w komercyjnym zastosowaniu\Nuczenia maszynowego
Dialogue: 0,0:01:30.57,0:01:33.94,Default,,0000,0000,0000,,był Google, który udowodnił,\Nże da się szukać informacji
Dialogue: 0,0:01:33.94,0:01:35.86,Default,,0000,0000,0000,,przy pomocy algorytmu komputerowego,
Dialogue: 0,0:01:35.86,0:01:37.80,Default,,0000,0000,0000,,opartego o uczenie maszynowe.
Dialogue: 0,0:01:37.80,0:01:41.93,Default,,0000,0000,0000,,Odtąd było wiele udanych\Nkomercyjnych zastosowań.
Dialogue: 0,0:01:41.93,0:01:43.84,Default,,0000,0000,0000,,Firmy takie jak Amazon czy Netflix
Dialogue: 0,0:01:43.84,0:01:47.11,Default,,0000,0000,0000,,używają uczenia maszynowego\Ndo proponowania produktów
Dialogue: 0,0:01:47.11,0:01:49.77,Default,,0000,0000,0000,,lub filmów, które nas zaciekawią.
Dialogue: 0,0:01:49.78,0:01:51.99,Default,,0000,0000,0000,,Czasem przyprawia to o gęsią skórkę.
Dialogue: 0,0:01:51.99,0:01:53.46,Default,,0000,0000,0000,,Firmy jak LinkedIn czy Facebook
Dialogue: 0,0:01:53.46,0:01:56.08,Default,,0000,0000,0000,,mówią nam czasem, kogo znamy,
Dialogue: 0,0:01:56.08,0:01:58.19,Default,,0000,0000,0000,,i nie mamy pojęcia, jak to robią.
Dialogue: 0,0:01:58.19,0:02:01.18,Default,,0000,0000,0000,,Wykorzystują moc uczenia maszynowego.
Dialogue: 0,0:02:01.20,0:02:04.30,Default,,0000,0000,0000,,To algorytmy, które uczą się z danych,
Dialogue: 0,0:02:04.30,0:02:07.40,Default,,0000,0000,0000,,nie zaś przez ręczne programowanie.
Dialogue: 0,0:02:07.40,0:02:11.22,Default,,0000,0000,0000,,To również dlatego\Nkomputer Watson firmy IBM
Dialogue: 0,0:02:11.22,0:02:14.06,Default,,0000,0000,0000,,potrafił pokonać dwóch \Nmistrzów świata w grze "Va Banque",
Dialogue: 0,0:02:14.06,0:02:17.48,Default,,0000,0000,0000,,odpowiadając na niezwykle subtelne\Ni skomplikowane pytania takie jak to:
Dialogue: 0,0:02:17.48,0:02:20.82,Default,,0000,0000,0000,,Antyczny "Lew z Kalchu" zginął z muzeum\Nw tym mieście w 2003 roku.
Dialogue: 0,0:02:20.82,0:02:23.51,Default,,0000,0000,0000,,Także dlatego mamy pierwsze\Nsamokierujące samochody.
Dialogue: 0,0:02:23.51,0:02:26.94,Default,,0000,0000,0000,,Możliwość odróżnienia, powiedzmy,\Ndrzewa i przechodnia,
Dialogue: 0,0:02:26.94,0:02:28.49,Default,,0000,0000,0000,,jest dosyć istotna.
Dialogue: 0,0:02:28.49,0:02:31.08,Default,,0000,0000,0000,,Nie wiemy, jak zaprogramować to ręcznie,
Dialogue: 0,0:02:31.08,0:02:34.07,Default,,0000,0000,0000,,ale potrafimy to zrobić\Nprzez uczenie maszynowe.
Dialogue: 0,0:02:34.07,0:02:37.51,Default,,0000,0000,0000,,Ten samochód przejechał już\Nponad 2 mln kilometrów
Dialogue: 0,0:02:37.51,0:02:40.19,Default,,0000,0000,0000,,po zwykłych drogach, bez wypadków.
Dialogue: 0,0:02:40.20,0:02:44.11,Default,,0000,0000,0000,,Czyli komputery potrafią się uczyć
Dialogue: 0,0:02:44.11,0:02:46.01,Default,,0000,0000,0000,,i potrafią uczyć się rzeczy,
Dialogue: 0,0:02:46.01,0:02:48.85,Default,,0000,0000,0000,,których czasem sami nie potrafimy robić,
Dialogue: 0,0:02:48.85,0:02:51.73,Default,,0000,0000,0000,,lub potrafią je robić lepiej niż my.
Dialogue: 0,0:02:51.73,0:02:55.35,Default,,0000,0000,0000,,Jeden z niezwykłych przykładów\Nuczenia maszynowego
Dialogue: 0,0:02:55.35,0:02:58.32,Default,,0000,0000,0000,,zdarzył się w projekcie,\Nktóry prowadziłem w Kaggle.
Dialogue: 0,0:02:58.32,0:03:01.91,Default,,0000,0000,0000,,Zespół, którym kierował Geoffrey Hinton
Dialogue: 0,0:03:01.91,0:03:03.46,Default,,0000,0000,0000,,z Uniwersytetu w Toronto,
Dialogue: 0,0:03:03.46,0:03:06.14,Default,,0000,0000,0000,,wygrał konkurs na automatyczne\Nodkrywanie leków.
Dialogue: 0,0:03:06.14,0:03:08.99,Default,,0000,0000,0000,,Co niezwykłe, \Nnie tylko przebili wszystkie algorytmy
Dialogue: 0,0:03:08.99,0:03:13.01,Default,,0000,0000,0000,,firmy Merck i międzynarodowej \Nspołeczności akademickiej,
Dialogue: 0,0:03:13.01,0:03:16.23,Default,,0000,0000,0000,,ale też nikt w zespole nie miał\Nżadnej wiedzy z chemii, biologii
Dialogue: 0,0:03:16.26,0:03:17.82,Default,,0000,0000,0000,,czy nauki o organizmach żywych,
Dialogue: 0,0:03:17.82,0:03:20.23,Default,,0000,0000,0000,,a zrobili to w dwa tygodnie.
Dialogue: 0,0:03:20.23,0:03:22.24,Default,,0000,0000,0000,,Jak im się to udało?
Dialogue: 0,0:03:22.24,0:03:25.34,Default,,0000,0000,0000,,Użyli niezwykłego algorytmu,\Nzwanego uczeniem głębokim.
Dialogue: 0,0:03:25.34,0:03:28.19,Default,,0000,0000,0000,,To wydarzenie było tak ważne,\Nże kilka tygodni później
Dialogue: 0,0:03:28.19,0:03:31.41,Default,,0000,0000,0000,,New York Times pisał o nim\Nna stronie głównej.
Dialogue: 0,0:03:31.41,0:03:34.15,Default,,0000,0000,0000,,Po lewej stronie widoczny\Njest Geoffrey Hinton.
Dialogue: 0,0:03:34.15,0:03:39.28,Default,,0000,0000,0000,,Uczenie głębokie to algorytm zainspirowany\Nsposobem działania ludzkiego mózgu,
Dialogue: 0,0:03:39.28,0:03:43.83,Default,,0000,0000,0000,,przez co nie ma żadnych \Nteoretycznych ograniczeń.
Dialogue: 0,0:03:43.83,0:03:46.77,Default,,0000,0000,0000,,Im więcej dostaje danych,\Nim więcej czasu obliczeniowego,
Dialogue: 0,0:03:46.77,0:03:48.46,Default,,0000,0000,0000,,tym staje się lepszy.
Dialogue: 0,0:03:48.46,0:03:50.62,Default,,0000,0000,0000,,New York Times przedstawił też w artykule
Dialogue: 0,0:03:50.62,0:03:53.19,Default,,0000,0000,0000,,inne niezwykłe osiągniecie\Nuczenia głębokiego,
Dialogue: 0,0:03:53.19,0:03:55.13,Default,,0000,0000,0000,,które teraz zaprezentuję.
Dialogue: 0,0:03:55.90,0:04:00.09,Default,,0000,0000,0000,,Udowadnia ono, że komputery \Npotrafią słuchać i rozumieć.
Dialogue: 0,0:04:00.51,0:04:03.22,Default,,0000,0000,0000,,(Wideo) Richard Rashid: Ostatni krok,
Dialogue: 0,0:04:03.22,0:04:06.25,Default,,0000,0000,0000,,który chciałbym wykonać w tym procesie,
Dialogue: 0,0:04:06.25,0:04:10.96,Default,,0000,0000,0000,,to przemówić do was po chińsku.
Dialogue: 0,0:04:10.96,0:04:13.60,Default,,0000,0000,0000,,Chodzi o to, że udało nam się
Dialogue: 0,0:04:13.60,0:04:18.60,Default,,0000,0000,0000,,wziąć dużą ilość informacji\Nod osób mówiących po chińsku
Dialogue: 0,0:04:18.60,0:04:21.13,Default,,0000,0000,0000,,i stworzyć system syntezy mowy,
Dialogue: 0,0:04:21.13,0:04:25.80,Default,,0000,0000,0000,,który konwertuje chiński tekst na mowę.
Dialogue: 0,0:04:25.80,0:04:29.93,Default,,0000,0000,0000,,Potem wzięliśmy godzinne\Nnagranie mojego głosu
Dialogue: 0,0:04:29.93,0:04:34.22,Default,,0000,0000,0000,,i użyliśmy go do zmodulowania \Nstandardowego systemu syntezy mowy,
Dialogue: 0,0:04:34.22,0:04:35.91,Default,,0000,0000,0000,,żeby brzmiał jak ja.
Dialogue: 0,0:04:35.91,0:04:38.90,Default,,0000,0000,0000,,Efekt nie jest bezbłędny.
Dialogue: 0,0:04:38.90,0:04:41.55,Default,,0000,0000,0000,,W sumie jest nawet sporo błędów.
Dialogue: 0,0:04:41.55,0:04:44.04,Default,,0000,0000,0000,,(Po chińsku)
Dialogue: 0,0:04:44.04,0:04:46.38,Default,,0000,0000,0000,,(Oklaski)
Dialogue: 0,0:04:49.45,0:04:53.02,Default,,0000,0000,0000,,Ta dziedzina wymaga jeszcze dużo pracy.
Dialogue: 0,0:04:53.02,0:04:56.67,Default,,0000,0000,0000,,(Po chińsku)
Dialogue: 0,0:04:56.67,0:04:59.09,Default,,0000,0000,0000,,(Oklaski)
Dialogue: 0,0:05:00.74,0:05:04.74,Default,,0000,0000,0000,,JH: To był fragment konferencji\Nna temat uczenia maszynowego w Chinach.
Dialogue: 0,0:05:04.74,0:05:08.90,Default,,0000,0000,0000,,Na akademickich konferencjach\Nrzadko słyszy się spontaniczny aplauz.
Dialogue: 0,0:05:09.01,0:05:11.18,Default,,0000,0000,0000,,Na konferencjach TEDx\Nzdarza się to częściej,
Dialogue: 0,0:05:11.18,0:05:12.58,Default,,0000,0000,0000,,więc proszę się nie krępować.\N
Dialogue: 0,0:05:12.58,0:05:16.19,Default,,0000,0000,0000,,Wszystko, co tu widzieliście, \Nosiągnięto przez uczenie głębokie.
Dialogue: 0,0:05:16.19,0:05:17.13,Default,,0000,0000,0000,,(Oklaski) Dziękuję.
Dialogue: 0,0:05:17.13,0:05:19.29,Default,,0000,0000,0000,,Transkrypcja na angielski\Nto uczenie głębokie.
Dialogue: 0,0:05:19.29,0:05:22.70,Default,,0000,0000,0000,,Tłumaczenie na chiński i tekst\Nw prawym górnym rogu - uczenie głębokie,
Dialogue: 0,0:05:22.70,0:05:26.01,Default,,0000,0000,0000,,synteza mowy to również uczenie głębokie.
Dialogue: 0,0:05:26.01,0:05:29.24,Default,,0000,0000,0000,,Uczenie głębokie jest niezwykłe.
Dialogue: 0,0:05:29.24,0:05:32.34,Default,,0000,0000,0000,,To pojedynczy algorytm, \Nktóry jakby umie wszystko.
Dialogue: 0,0:05:32.34,0:05:35.45,Default,,0000,0000,0000,,Odkryłem, że rok wcześniej \Nnauczył się również widzieć.
Dialogue: 0,0:05:35.45,0:05:37.55,Default,,0000,0000,0000,,W mało znanym konkursie w Niemczech
Dialogue: 0,0:05:37.55,0:05:40.30,Default,,0000,0000,0000,,na rozpoznawanie znaków drogowych
Dialogue: 0,0:05:40.30,0:05:42.01,Default,,0000,0000,0000,,uczenie głębokie nauczyło się
Dialogue: 0,0:05:42.01,0:05:43.72,Default,,0000,0000,0000,,rozpoznawać takie znaki drogowe.
Dialogue: 0,0:05:43.72,0:05:45.44,Default,,0000,0000,0000,,Nie tylko rozpoznawało znaki
Dialogue: 0,0:05:45.44,0:05:47.17,Default,,0000,0000,0000,,lepiej niż inne algorytmy,
Dialogue: 0,0:05:47.17,0:05:49.64,Default,,0000,0000,0000,,ale nawet lepiej niż ludzie,
Dialogue: 0,0:05:49.64,0:05:51.50,Default,,0000,0000,0000,,mniej więcej dwa razy lepiej.
Dialogue: 0,0:05:51.81,0:05:54.04,Default,,0000,0000,0000,,Czyli w 2011 r. mieliśmy pierwszy przykład
Dialogue: 0,0:05:54.04,0:05:57.44,Default,,0000,0000,0000,,komputerów widzących lepiej niż ludzie.
Dialogue: 0,0:05:57.44,0:05:59.49,Default,,0000,0000,0000,,Od tego czasu bardzo dużo się wydarzyło.
Dialogue: 0,0:05:59.49,0:06:03.00,Default,,0000,0000,0000,,W 2012 r. Google ogłosił, \Nże ich algorytm uczenia głębokiego
Dialogue: 0,0:06:03.00,0:06:04.42,Default,,0000,0000,0000,,oglądał filmy na YouTube
Dialogue: 0,0:06:04.42,0:06:07.86,Default,,0000,0000,0000,,i przez miesiąc przetwarzał dane \Nna 16 tysiącach serwerów,
Dialogue: 0,0:06:07.86,0:06:10.08,Default,,0000,0000,0000,,po czym samodzielnie nauczył się pojęć
Dialogue: 0,0:06:10.08,0:06:11.80,Default,,0000,0000,0000,,takich jak ludzie czy koty,
Dialogue: 0,0:06:11.80,0:06:13.77,Default,,0000,0000,0000,,tylko przez oglądanie filmów.
Dialogue: 0,0:06:13.77,0:06:16.49,Default,,0000,0000,0000,,W bardzo podobny sposób uczą się ludzie.
Dialogue: 0,0:06:16.49,0:06:19.33,Default,,0000,0000,0000,,Nie trzeba im mówić, na co patrzą,
Dialogue: 0,0:06:19.33,0:06:22.59,Default,,0000,0000,0000,,tylko sami się uczą się,\Nczym są widziane obiekty.
Dialogue: 0,0:06:22.59,0:06:25.82,Default,,0000,0000,0000,,W 2012 roku Geoffrey Hinton,\Nktórego widzieliśmy wcześniej,
Dialogue: 0,0:06:25.82,0:06:28.68,Default,,0000,0000,0000,,wygrał bardzo popularny konkurs ImageNet,
Dialogue: 0,0:06:28.68,0:06:32.82,Default,,0000,0000,0000,,gdzie dla 1,5 miliona obrazków \Ntrzeba określić,
Dialogue: 0,0:06:32.82,0:06:34.26,Default,,0000,0000,0000,,co się na nich znajduje.
Dialogue: 0,0:06:34.26,0:06:38.89,Default,,0000,0000,0000,,Do 2014 r. proporcja błędów spadła do 6%.
Dialogue: 0,0:06:38.89,0:06:41.49,Default,,0000,0000,0000,,To znowu lepiej, niż ludzie.
Dialogue: 0,0:06:41.49,0:06:45.04,Default,,0000,0000,0000,,Maszyny są tu niesamowicie skuteczne
Dialogue: 0,0:06:45.04,0:06:47.31,Default,,0000,0000,0000,,i wykorzystuje się to już komercyjnie.
Dialogue: 0,0:06:47.31,0:06:50.35,Default,,0000,0000,0000,,Na przykład Google ogłosił w zeszłym roku,
Dialogue: 0,0:06:50.35,0:06:54.93,Default,,0000,0000,0000,,że znaleźli na mapie wszystkie adresy\Nwe Francji w dwie godziny
Dialogue: 0,0:06:54.93,0:06:58.38,Default,,0000,0000,0000,,przez dostarczenie zdjęć Street View
Dialogue: 0,0:06:58.38,0:07:02.70,Default,,0000,0000,0000,,algorytmowi uczenia głębokiego,\Nktóry rozpoznał i odczytał numery domów.
Dialogue: 0,0:07:02.70,0:07:05.44,Default,,0000,0000,0000,,Wyobraźcie sobie,\Nile czasu zajęłoby to kiedyś:
Dialogue: 0,0:07:05.44,0:07:08.27,Default,,0000,0000,0000,,dziesiątki ludzi, wiele lat.
Dialogue: 0,0:07:08.27,0:07:10.18,Default,,0000,0000,0000,,To samo dzieje się w Chinach.
Dialogue: 0,0:07:10.18,0:07:14.22,Default,,0000,0000,0000,,Baidu jest czymś w rodzaju\Nchińskiego Google.
Dialogue: 0,0:07:14.22,0:07:16.50,Default,,0000,0000,0000,,W lewym górnym rogu \Nwidać przykładowe zdjęcie,
Dialogue: 0,0:07:16.50,0:07:20.48,Default,,0000,0000,0000,,które wczytałem do systemu \Nuczenia głębokiego Baidu,
Dialogue: 0,0:07:20.48,0:07:24.25,Default,,0000,0000,0000,,poniżej widać, że system zrozumiał,\Nco jest na zdjęciu
Dialogue: 0,0:07:24.25,0:07:26.48,Default,,0000,0000,0000,,i znalazł podobne zdjęcia.
Dialogue: 0,0:07:26.48,0:07:29.22,Default,,0000,0000,0000,,Te zdjęcia mają podobne tło,
Dialogue: 0,0:07:29.22,0:07:30.88,Default,,0000,0000,0000,,podobny kierunek pysków,
Dialogue: 0,0:07:30.88,0:07:32.66,Default,,0000,0000,0000,,niektórym nawet wystają języki.
Dialogue: 0,0:07:32.66,0:07:35.70,Default,,0000,0000,0000,,Ten algorytm na pewno nie patrzy\Nna tekst na stronie,
Dialogue: 0,0:07:35.70,0:07:37.11,Default,,0000,0000,0000,,wgrałem tylko zdjęcie.
Dialogue: 0,0:07:37.11,0:07:41.13,Default,,0000,0000,0000,,Czyli dzisiejsze komputery\Nnaprawdę rozumieją, co widzą,
Dialogue: 0,0:07:41.13,0:07:43.65,Default,,0000,0000,0000,,i na żywo umieją przeszukiwać bazy danych
Dialogue: 0,0:07:43.65,0:07:46.31,Default,,0000,0000,0000,,setek milionów zdjęć.
Dialogue: 0,0:07:46.31,0:07:48.98,Default,,0000,0000,0000,,Co to właściwie znaczy,\Nże komputery mogą widzieć?
Dialogue: 0,0:07:48.98,0:07:51.55,Default,,0000,0000,0000,,Nie chodzi o samo widzenie.
Dialogue: 0,0:07:51.55,0:07:54.00,Default,,0000,0000,0000,,Uczenie głębokie dało znacznie więcej.
Dialogue: 0,0:07:54.00,0:07:56.57,Default,,0000,0000,0000,,Złożone i pełne niuansów zdania, jak to,
Dialogue: 0,0:07:56.57,0:07:59.39,Default,,0000,0000,0000,,są już zrozumiałe \Ndla algorytmów uczenia głębokiego.
Dialogue: 0,0:07:59.39,0:08:00.70,Default,,0000,0000,0000,,Jak widać tutaj,
Dialogue: 0,0:08:00.70,0:08:02.64,Default,,0000,0000,0000,,system z Uniwersytetu Stanforda
Dialogue: 0,0:08:02.64,0:08:04.91,Default,,0000,0000,0000,,zaznaczył czerwoną kropką na górze,\N
Dialogue: 0,0:08:04.91,0:08:07.66,Default,,0000,0000,0000,,że to zdanie wyraża negację.
Dialogue: 0,0:08:07.66,0:08:10.79,Default,,0000,0000,0000,,Efektywność uczenia głębokiego \Njest zbliżona do ludzkiej
Dialogue: 0,0:08:10.80,0:08:15.92,Default,,0000,0000,0000,,w rozumieniu sensu zdania i analizie.
Dialogue: 0,0:08:15.92,0:08:18.65,Default,,0000,0000,0000,,Uczenie głębokie zastosowano\Ndo czytania chińskiego
Dialogue: 0,0:08:18.65,0:08:21.81,Default,,0000,0000,0000,,na poziomie zbliżonym \Ndo rodzimych użytkowników.
Dialogue: 0,0:08:21.81,0:08:23.98,Default,,0000,0000,0000,,Ten algorytm opracował szwajcarski zespół,
Dialogue: 0,0:08:23.98,0:08:27.71,Default,,0000,0000,0000,,którego członkowie nie znają chińskiego.
Dialogue: 0,0:08:27.71,0:08:29.38,Default,,0000,0000,0000,,Jak wspomniałem, uczenie głębokie
Dialogue: 0,0:08:29.38,0:08:31.60,Default,,0000,0000,0000,,jest w tym najlepsze,
Dialogue: 0,0:08:31.60,0:08:34.17,Default,,0000,0000,0000,,nawet w porównaniu z rozumieniem
Dialogue: 0,0:08:34.17,0:08:36.74,Default,,0000,0000,0000,,przez rodzimych użytkowników języka.
Dialogue: 0,0:08:36.74,0:08:39.30,Default,,0000,0000,0000,,Ten system zbudowaliśmy w mojej firmie.
Dialogue: 0,0:08:39.30,0:08:41.73,Default,,0000,0000,0000,,Pokazuje, jak można to wszystko\Npołączyć w całość.
Dialogue: 0,0:08:41.73,0:08:44.19,Default,,0000,0000,0000,,To są zdjęcia bez żadnego opisu
Dialogue: 0,0:08:44.19,0:08:46.54,Default,,0000,0000,0000,,i w trakcie wpisywania zdań
Dialogue: 0,0:08:46.54,0:08:49.51,Default,,0000,0000,0000,,system na żywo rozpoznaje zdjęcia,
Dialogue: 0,0:08:49.51,0:08:51.19,Default,,0000,0000,0000,,ustala, co na nich jest,
Dialogue: 0,0:08:51.19,0:08:54.35,Default,,0000,0000,0000,,i znajduje zdjęcia podobne do opisu.
Dialogue: 0,0:08:54.35,0:08:57.11,Default,,0000,0000,0000,,Rzeczywiście rozumie, o czym piszę,
Dialogue: 0,0:08:57.11,0:08:59.33,Default,,0000,0000,0000,,i rozumie, co jest na zdjęciach.
Dialogue: 0,0:08:59.33,0:09:01.71,Default,,0000,0000,0000,,Pewnie znacie to z Google'a,
Dialogue: 0,0:09:01.71,0:09:05.29,Default,,0000,0000,0000,,który znajduje zdjęcia \Nwedług wpisywanych słów,
Dialogue: 0,0:09:05.29,0:09:08.68,Default,,0000,0000,0000,,choć w rzeczywistości wyszukuje\Nstrony internetowe w oparciu o tekst.
Dialogue: 0,0:09:08.68,0:09:12.00,Default,,0000,0000,0000,,To co innego niż rozumienie samych zdjęć.
Dialogue: 0,0:09:12.00,0:09:16.38,Default,,0000,0000,0000,,Komputery potrafią to robić\Ndopiero od kilku miesięcy.
Dialogue: 0,0:09:17.09,0:09:21.18,Default,,0000,0000,0000,,Czyli komputery potrafią\Nnie tylko widzieć, ale też czytać,
Dialogue: 0,0:09:21.18,0:09:24.95,Default,,0000,0000,0000,,i potrafią też rozumieć, co słyszą.
Dialogue: 0,0:09:24.95,0:09:27.76,Default,,0000,0000,0000,,Pewnie was nie zaskoczy, \Nże potrafią też pisać.
Dialogue: 0,0:09:27.76,0:09:31.88,Default,,0000,0000,0000,,Ten tekst wygenerowałem wczoraj\Nprzy pomocy uczenia głębokiego.
Dialogue: 0,0:09:31.88,0:09:34.35,Default,,0000,0000,0000,,"Miło mi być tu z wami w Brukseli!"
Dialogue: 0,0:09:34.35,0:09:37.05,Default,,0000,0000,0000,,Tę próbkę tekstu \Nwygenerował algorytm ze Stanford.
Dialogue: 0,0:09:37.05,0:09:39.99,Default,,0000,0000,0000,,Uczenie głębokie wygenerowało te zdania,
Dialogue: 0,0:09:39.99,0:09:43.06,Default,,0000,0000,0000,,aby opisać każde z tych zdjęć.
Dialogue: 0,0:09:43.06,0:09:45.74,Default,,0000,0000,0000,,Ten algorytm nigdy przedtem nie widział
Dialogue: 0,0:09:45.74,0:09:48.36,Default,,0000,0000,0000,,mężczyzny w czarnej koszulce, \Ngrającego na gitarze.
Dialogue: 0,0:09:48.36,0:09:51.50,Default,,0000,0000,0000,,Widział mężczyznę,\Nwidział czerń lub gitarę,
Dialogue: 0,0:09:51.50,0:09:56.10,Default,,0000,0000,0000,,ale sam stworzył oryginalny opis zdjęcia.
Dialogue: 0,0:09:56.10,0:10:00.06,Default,,0000,0000,0000,,Nadal nie dorównuje ludziom, \Nale mało mu brakuje.
Dialogue: 0,0:10:00.06,0:10:03.35,Default,,0000,0000,0000,,W testach ludzie preferują opisy\Ngenerowane przez komputer
Dialogue: 0,0:10:03.35,0:10:04.100,Default,,0000,0000,0000,,w co czwartym przypadku.
Dialogue: 0,0:10:04.100,0:10:06.83,Default,,0000,0000,0000,,Ten system powstał dwa tygodnie temu,
Dialogue: 0,0:10:06.83,0:10:08.90,Default,,0000,0000,0000,,więc w tym tempie
Dialogue: 0,0:10:08.90,0:10:11.59,Default,,0000,0000,0000,,algorytm komputerowy \Nprześcignie człowieka,
Dialogue: 0,0:10:11.59,0:10:13.96,Default,,0000,0000,0000,,pewnie w ciągu kolejnego roku.
Dialogue: 0,0:10:13.96,0:10:17.05,Default,,0000,0000,0000,,Czyli komputery potrafią też pisać.
Dialogue: 0,0:10:17.05,0:10:19.99,Default,,0000,0000,0000,,Połączyliśmy to wszystko,\Nco daje ekscytujące możliwości.
Dialogue: 0,0:10:19.99,0:10:21.48,Default,,0000,0000,0000,,Na przykład w medycynie:
Dialogue: 0,0:10:21.48,0:10:23.97,Default,,0000,0000,0000,,zespół z Bostonu ogłosił odkrycie
Dialogue: 0,0:10:23.97,0:10:28.31,Default,,0000,0000,0000,,dziesiątek nowych, \Nistotnych klinicznie cech nowotworów,
Dialogue: 0,0:10:28.31,0:10:31.54,Default,,0000,0000,0000,,co pomoże lekarzom\Nw prognozowaniu postępów raka.
Dialogue: 0,0:10:33.10,0:10:35.75,Default,,0000,0000,0000,,Grupa badaczy ze Stanford ogłosiła,
Dialogue: 0,0:10:35.75,0:10:38.81,Default,,0000,0000,0000,,że badając tkanki w powiększeniu,
Dialogue: 0,0:10:38.81,0:10:42.06,Default,,0000,0000,0000,,opracowali system \Nwykorzystujący uczenie maszynowe,
Dialogue: 0,0:10:42.06,0:10:44.59,Default,,0000,0000,0000,,który lepiej niż patolodzy przewiduje
Dialogue: 0,0:10:44.59,0:10:47.48,Default,,0000,0000,0000,,przeżywalność chorych na raka.
Dialogue: 0,0:10:47.48,0:10:50.37,Default,,0000,0000,0000,,Prognozy były nie tylko trafniejsze,
Dialogue: 0,0:10:50.37,0:10:53.27,Default,,0000,0000,0000,,ale dostarczyły nowej, wnikliwej wiedzy.
Dialogue: 0,0:10:53.28,0:10:54.78,Default,,0000,0000,0000,,W przypadku radiologii
Dialogue: 0,0:10:54.78,0:10:57.88,Default,,0000,0000,0000,,były to nowe wskaźniki kliniczne,\Nzrozumiałe dla ludzi.
Dialogue: 0,0:10:57.88,0:10:59.67,Default,,0000,0000,0000,,W przypadku patologii
Dialogue: 0,0:10:59.67,0:11:04.17,Default,,0000,0000,0000,,system komputerowy odkrył,\Nże komórki otaczające nowotwór
Dialogue: 0,0:11:04.17,0:11:07.51,Default,,0000,0000,0000,,są tak samo istotne,\Njak komórki nowotworowe
Dialogue: 0,0:11:07.51,0:11:09.26,Default,,0000,0000,0000,,w postawieniu diagnozy.
Dialogue: 0,0:11:09.26,0:11:13.96,Default,,0000,0000,0000,,To całkowicie przeczy\Ndotychczasowej wiedzy o patologii.
Dialogue: 0,0:11:15.41,0:11:18.31,Default,,0000,0000,0000,,Oba te systemy\Nopracowali eksperci medyczni
Dialogue: 0,0:11:18.31,0:11:21.21,Default,,0000,0000,0000,,we współpracy z ekspertami\Nod uczenia maszynowego.
Dialogue: 0,0:11:21.21,0:11:23.66,Default,,0000,0000,0000,,W zeszłym roku \Nprzekroczyliśmy i ten próg.
Dialogue: 0,0:11:23.66,0:11:27.82,Default,,0000,0000,0000,,To jest przykład identyfikacji\Nzmian nowotworowych
Dialogue: 0,0:11:27.82,0:11:30.35,Default,,0000,0000,0000,,w ludzkiej tkance badanej pod mikroskopem.
Dialogue: 0,0:11:30.35,0:11:34.97,Default,,0000,0000,0000,,Prezentowany tu system potrafi\Nrozpoznawać te zmiany dokładniej
Dialogue: 0,0:11:34.97,0:11:37.74,Default,,0000,0000,0000,,lub równie dokładnie, co patolog,
Dialogue: 0,0:11:37.74,0:11:40.17,Default,,0000,0000,0000,,ale został zbudowany \Nprzy użyciu uczenia głębokiego
Dialogue: 0,0:11:40.17,0:11:41.64,Default,,0000,0000,0000,,bez żadnej wiedzy medycznej,
Dialogue: 0,0:11:41.64,0:11:44.13,Default,,0000,0000,0000,,przez ludzi nie związanych z medycyną.
Dialogue: 0,0:11:44.44,0:11:46.42,Default,,0000,0000,0000,,Podobnie z segmentacją neuronów.
Dialogue: 0,0:11:46.42,0:11:50.23,Default,,0000,0000,0000,,Możemy segmentować neurony\Nrównie dokładnie, jak ludzie,
Dialogue: 0,0:11:50.23,0:11:52.66,Default,,0000,0000,0000,,przy użyciu systemu uczenia głębokiego,
Dialogue: 0,0:11:52.66,0:11:55.47,Default,,0000,0000,0000,,opracowanego przez ludzi \Nbez wiedzy medycznej.
Dialogue: 0,0:11:57.16,0:12:00.06,Default,,0000,0000,0000,,Zatem ja, jako osoba \Nbez żadnej wiedzy medycznej,
Dialogue: 0,0:12:00.06,0:12:03.24,Default,,0000,0000,0000,,mam dostateczne kwalifikacje,\Nby założyć firmę medyczną,
Dialogue: 0,0:12:03.24,0:12:04.79,Default,,0000,0000,0000,,co też zrobiłem.
Dialogue: 0,0:12:06.02,0:12:07.76,Default,,0000,0000,0000,,Byłem tym dosyć przerażony,
Dialogue: 0,0:12:07.76,0:12:10.08,Default,,0000,0000,0000,,ale teoria wskazywała, że w medycynie
Dialogue: 0,0:12:10.08,0:12:15.48,Default,,0000,0000,0000,,można przydać się \Nsamą techniką analizy danych.
Dialogue: 0,0:12:16.14,0:12:18.62,Default,,0000,0000,0000,,Szczęśliwie, przyjęto nas fantastycznie,
Dialogue: 0,0:12:18.62,0:12:21.58,Default,,0000,0000,0000,,zarówno media, jak i społeczność medyczna,
Dialogue: 0,0:12:21.58,0:12:23.32,Default,,0000,0000,0000,,która bardzo wspierała ten projekt.
Dialogue: 0,0:12:23.32,0:12:27.47,Default,,0000,0000,0000,,W teorii możemy przejąć \Nśrodkową część procesu medycznego
Dialogue: 0,0:12:27.47,0:12:30.49,Default,,0000,0000,0000,,i zastąpić ją daleko idącą analizą danych,\N
Dialogue: 0,0:12:30.49,0:12:33.43,Default,,0000,0000,0000,,pozwalając lekarzom zająć się tym,\Nw czym są najlepsi.
Dialogue: 0,0:12:33.43,0:12:35.03,Default,,0000,0000,0000,,Pokażę państwu przykład.
Dialogue: 0,0:12:35.03,0:12:39.98,Default,,0000,0000,0000,,Generacja nowego testu diagnostycznego\Nzajmuje 15 minut.
Dialogue: 0,0:12:39.98,0:12:41.93,Default,,0000,0000,0000,,Pokażę to teraz na żywo.
Dialogue: 0,0:12:41.93,0:12:45.42,Default,,0000,0000,0000,,Skompresowałem to do trzech minut,\Nomijając pewne czynności.
Dialogue: 0,0:12:45.42,0:12:48.48,Default,,0000,0000,0000,,Zamiast nowego testu diagnostycznego \Nw medycynie,
Dialogue: 0,0:12:48.48,0:12:51.85,Default,,0000,0000,0000,,pokażę test diagnostyczny samochodów,
Dialogue: 0,0:12:51.85,0:12:54.07,Default,,0000,0000,0000,,bo jest to coś, co wszyscy rozumiemy.
Dialogue: 0,0:12:54.07,0:12:57.27,Default,,0000,0000,0000,,Na początek mamy 1,5 mln zdjęć samochodów.
Dialogue: 0,0:12:57.27,0:13:00.48,Default,,0000,0000,0000,,Chcę stworzyć coś, \Nco je pogrupuje według kąta,
Dialogue: 0,0:13:00.48,0:13:02.70,Default,,0000,0000,0000,,z jakiego zostały sfotografowane.
Dialogue: 0,0:13:02.70,0:13:06.59,Default,,0000,0000,0000,,To zdjęcia bez opisów, \Nwięc trzeba zacząć od zera.
Dialogue: 0,0:13:06.59,0:13:08.45,Default,,0000,0000,0000,,Nasz algorytm uczenia głębokiego
Dialogue: 0,0:13:08.45,0:13:12.16,Default,,0000,0000,0000,,potrafi automatycznie rozpoznawać\Nstruktury na zdjęciach.
Dialogue: 0,0:13:12.16,0:13:15.78,Default,,0000,0000,0000,,Człowiek i komputer mogą współpracować.
Dialogue: 0,0:13:15.78,0:13:17.96,Default,,0000,0000,0000,,Jak tu widać,
Dialogue: 0,0:13:17.96,0:13:20.63,Default,,0000,0000,0000,,człowiek mówi komputerowi\No obszarach zainteresowań,
Dialogue: 0,0:13:20.63,0:13:25.28,Default,,0000,0000,0000,,których komputer ma użyć \Ndo ulepszenia swojego algorytmu.
Dialogue: 0,0:13:25.28,0:13:27.86,Default,,0000,0000,0000,,Ten system uczenia głębokiego\Noperuje w przestrzeni
Dialogue: 0,0:13:27.86,0:13:30.43,Default,,0000,0000,0000,,o 16 tysiącach wymiarów.
Dialogue: 0,0:13:30.43,0:13:33.01,Default,,0000,0000,0000,,Widać, jak komputer obraca obiekty,
Dialogue: 0,0:13:33.01,0:13:35.00,Default,,0000,0000,0000,,próbując znaleźć nowe obszary struktur.
Dialogue: 0,0:13:35.00,0:13:36.78,Default,,0000,0000,0000,,Kiedy mu się to uda,
Dialogue: 0,0:13:36.78,0:13:40.79,Default,,0000,0000,0000,,operator może wskazać \Ninteresujące obszary.
Dialogue: 0,0:13:40.79,0:13:43.21,Default,,0000,0000,0000,,W tym przypadku komputer\Nznalazł pewne obszary,
Dialogue: 0,0:13:43.21,0:13:45.77,Default,,0000,0000,0000,,na przykład kąt zdjęcia.
Dialogue: 0,0:13:45.77,0:13:47.38,Default,,0000,0000,0000,,Z biegiem tego procesu
Dialogue: 0,0:13:47.38,0:13:49.72,Default,,0000,0000,0000,,stopniowo mówimy komputerowi coraz więcej
Dialogue: 0,0:13:49.72,0:13:51.77,Default,,0000,0000,0000,,na temat rodzaju szukanych struktur.
Dialogue: 0,0:13:51.77,0:13:54.57,Default,,0000,0000,0000,,Można sobie wyobrazić,\Nże w przypadku testu diagnostycznego
Dialogue: 0,0:13:54.57,0:13:57.27,Default,,0000,0000,0000,,patolog identyfikowałby\Nobszary patologiczne,
Dialogue: 0,0:13:57.27,0:14:02.29,Default,,0000,0000,0000,,a radiolog wskazywałby \Nna potencjalnie uciążliwe guzki.
Dialogue: 0,0:14:02.29,0:14:04.85,Default,,0000,0000,0000,,Czasami może być to trudne dla algorytmu.
Dialogue: 0,0:14:04.85,0:14:06.82,Default,,0000,0000,0000,,W tym przypadku, algorytm się zgubił.
Dialogue: 0,0:14:06.82,0:14:09.36,Default,,0000,0000,0000,,Przednie i tylne części samochodów\Nsą wymieszane.
Dialogue: 0,0:14:09.36,0:14:11.44,Default,,0000,0000,0000,,Musimy być trochę ostrożniejsi
Dialogue: 0,0:14:11.44,0:14:14.67,Default,,0000,0000,0000,,i ręcznie zaznaczyć przednie części,
Dialogue: 0,0:14:14.67,0:14:20.18,Default,,0000,0000,0000,,wskazując potem komputerowi, \Nże o taką grupę chodzi.
Dialogue: 0,0:14:21.52,0:14:24.03,Default,,0000,0000,0000,,Robimy to przez jakiś czas, \Ntu coś pominiemy,
Dialogue: 0,0:14:24.03,0:14:26.45,Default,,0000,0000,0000,,teraz uczymy algorytm uczenia maszynowego
Dialogue: 0,0:14:26.45,0:14:28.42,Default,,0000,0000,0000,,na podstawie tych kilkuset rzeczy
Dialogue: 0,0:14:28.42,0:14:30.44,Default,,0000,0000,0000,,mając nadzieję, że się udoskonali.
Dialogue: 0,0:14:30.44,0:14:33.52,Default,,0000,0000,0000,,Widać, że algorytm \Nzaczął wygaszać niektóre zdjęcia,
Dialogue: 0,0:14:33.52,0:14:38.23,Default,,0000,0000,0000,,pokazując w ten sposób,\Nże potrafi je już rozpoznawać.
Dialogue: 0,0:14:38.23,0:14:41.13,Default,,0000,0000,0000,,Możemy użyć koncepcji podobnych zdjęć
Dialogue: 0,0:14:41.13,0:14:43.85,Default,,0000,0000,0000,,i teraz widać,
Dialogue: 0,0:14:43.85,0:14:47.24,Default,,0000,0000,0000,,że komputer potrafi już\Nznajdować maski samochodów.
Dialogue: 0,0:14:47.24,0:14:50.19,Default,,0000,0000,0000,,Teraz człowiek może powiedzieć komputerowi
Dialogue: 0,0:14:50.19,0:14:52.48,Default,,0000,0000,0000,,"Tak, świetnie się spisałeś".
Dialogue: 0,0:14:53.65,0:14:55.84,Default,,0000,0000,0000,,Czasem, oczywiście, nawet w tym momencie
Dialogue: 0,0:14:55.84,0:14:59.51,Default,,0000,0000,0000,,jest jeszcze trudno rozpoznawać grupy.
Dialogue: 0,0:14:59.51,0:15:03.40,Default,,0000,0000,0000,,W tym przypadku nawet jeżeli pozwolimy\Nkomputerowi obracać tym przez chwilę,
Dialogue: 0,0:15:03.40,0:15:07.69,Default,,0000,0000,0000,,widać, że zdjęcia z prawej i lewej strony \Nsą nadal wymieszane.
Dialogue: 0,0:15:07.69,0:15:10.14,Default,,0000,0000,0000,,Można dać komputerowi kolejne wskazówki
Dialogue: 0,0:15:10.14,0:15:12.70,Default,,0000,0000,0000,,i kazać mu znaleźć rzut,
Dialogue: 0,0:15:12.70,0:15:15.94,Default,,0000,0000,0000,,który najwyraźniej oddziela \Nlewe i prawe boki,
Dialogue: 0,0:15:15.94,0:15:18.07,Default,,0000,0000,0000,,przy pomocy uczenia głębokiego.
Dialogue: 0,0:15:18.07,0:15:21.01,Default,,0000,0000,0000,,Po tej wskazówce - udało się.
Dialogue: 0,0:15:21.01,0:15:23.89,Default,,0000,0000,0000,,Potrafi już myśleć o obiektach w sposób,
Dialogue: 0,0:15:23.89,0:15:26.27,Default,,0000,0000,0000,,który oddziela te grupy.
Dialogue: 0,0:15:26.27,0:15:28.71,Default,,0000,0000,0000,,Rozumiecie koncepcję.
Dialogue: 0,0:15:28.71,0:15:36.91,Default,,0000,0000,0000,,Tutaj komputer współpracuje z człowiekiem,
Dialogue: 0,0:15:36.91,0:15:39.55,Default,,0000,0000,0000,,zamiast go zastępować.
Dialogue: 0,0:15:39.55,0:15:43.10,Default,,0000,0000,0000,,Udało się zastąpić proces, \Nktóry kiedyś wymagał zespołu
Dialogue: 0,0:15:43.10,0:15:45.10,Default,,0000,0000,0000,,pięciu czy sześciu ludzi przez siedem lat
Dialogue: 0,0:15:45.10,0:15:47.70,Default,,0000,0000,0000,,procesem, który zajmuje 15 minut
Dialogue: 0,0:15:47.70,0:15:50.21,Default,,0000,0000,0000,,i wymaga jednej osoby.
Dialogue: 0,0:15:50.21,0:15:54.16,Default,,0000,0000,0000,,Ten proces wymaga\Nczterech czy pięciu iteracji.
Dialogue: 0,0:15:54.16,0:15:56.02,Default,,0000,0000,0000,,Widać, że teraz 62% z 1,5 miliona zdjęć
Dialogue: 0,0:15:56.02,0:15:58.98,Default,,0000,0000,0000,,jest zaklasyfikowanych poprawnie.
Dialogue: 0,0:15:58.98,0:16:02.74,Default,,0000,0000,0000,,Teraz można szybko wziąć większe sekcje
Dialogue: 0,0:16:02.74,0:16:05.66,Default,,0000,0000,0000,,i sprawdzić, czy nie ma błędów.
Dialogue: 0,0:16:05.66,0:16:09.62,Default,,0000,0000,0000,,Jeżeli są błędy, \Nmożna o nich powiedzieć komputerowi.
Dialogue: 0,0:16:09.62,0:16:12.66,Default,,0000,0000,0000,,Powtarzając tę czynność dla różnych grup,
Dialogue: 0,0:16:12.66,0:16:15.15,Default,,0000,0000,0000,,mamy już teraz 80% skuteczności
Dialogue: 0,0:16:15.15,0:16:17.56,Default,,0000,0000,0000,,w klasyfikowaniu 1,5 miliona zdjęć.
Dialogue: 0,0:16:17.56,0:16:19.64,Default,,0000,0000,0000,,Teraz trzeba już tylko znaleźć tych kilka,
Dialogue: 0,0:16:19.64,0:16:23.22,Default,,0000,0000,0000,,które nie są klasyfikowane poprawnie
Dialogue: 0,0:16:23.22,0:16:25.81,Default,,0000,0000,0000,,i zrozumieć przyczynę.
Dialogue: 0,0:16:25.81,0:16:32.00,Default,,0000,0000,0000,,W 15 minut można osiągnąć skuteczność 97%.
Dialogue: 0,0:16:32.00,0:16:36.48,Default,,0000,0000,0000,,Ta technika pozwoli być może \Nrozwiązać poważny problem
Dialogue: 0,0:16:36.48,0:16:38.95,Default,,0000,0000,0000,,światowego niedoboru \Nkompetencji medycznych.
Dialogue: 0,0:16:38.95,0:16:42.33,Default,,0000,0000,0000,,Światowe Forum Ekonomiczne szacuje \N10- lub 20-krotny niedobór lekarzy
Dialogue: 0,0:16:42.33,0:16:45.43,Default,,0000,0000,0000,,w krajach rozwijających się,
Dialogue: 0,0:16:45.43,0:16:48.44,Default,,0000,0000,0000,,a wyszkolenie odpowiedniej liczby ludzi
Dialogue: 0,0:16:48.44,0:16:50.57,Default,,0000,0000,0000,,zajęłoby około 300 lat.
Dialogue: 0,0:16:50.73,0:16:53.62,Default,,0000,0000,0000,,A gdyby można było \Nzwiększyć ich efektywność
Dialogue: 0,0:16:53.62,0:16:56.46,Default,,0000,0000,0000,,przy pomocy metod uczenia głębokiego?
Dialogue: 0,0:16:56.46,0:16:58.79,Default,,0000,0000,0000,,Bardzo mnie pociągają takie możliwości.
Dialogue: 0,0:16:58.79,0:17:01.28,Default,,0000,0000,0000,,Niepokoją mnie też problemy.
Dialogue: 0,0:17:01.28,0:17:04.93,Default,,0000,0000,0000,,Otóż każdy niebieski obszar na tej mapie
Dialogue: 0,0:17:04.93,0:17:07.88,Default,,0000,0000,0000,,to ponad 80% osób \Nzatrudnionych w usługach.
Dialogue: 0,0:17:07.88,0:17:09.38,Default,,0000,0000,0000,,Co to są usługi?
Dialogue: 0,0:17:09.38,0:17:12.48,Default,,0000,0000,0000,,Oto usługi. [Kierowcy, kucharze, \Ndiagnostycy, prawnicy]
Dialogue: 0,0:17:12.48,0:17:15.92,Default,,0000,0000,0000,,Tak się składa, \Nże właśnie to opanowały komputery.
Dialogue: 0,0:17:15.92,0:17:19.22,Default,,0000,0000,0000,,Zatem 80% zatrudnionych\Nw krajach rozwiniętych
Dialogue: 0,0:17:19.22,0:17:21.90,Default,,0000,0000,0000,,robi rzeczy, których właśnie \Nnauczyły się komputery.
Dialogue: 0,0:17:21.90,0:17:22.92,Default,,0000,0000,0000,,Co to oznacza?
Dialogue: 0,0:17:22.92,0:17:25.65,Default,,0000,0000,0000,,Nie szkodzi. Będą inne stanowiska.
Dialogue: 0,0:17:25.65,0:17:28.50,Default,,0000,0000,0000,,Na przykład przybędzie naukowców \Nod analizy danych.
Dialogue: 0,0:17:28.50,0:17:29.37,Default,,0000,0000,0000,,Nie do końca.
Dialogue: 0,0:17:29.37,0:17:31.91,Default,,0000,0000,0000,,Analitykom danych nie trzeba dużo czasu
Dialogue: 0,0:17:31.91,0:17:33.19,Default,,0000,0000,0000,,na budowę takich systemów.
Dialogue: 0,0:17:33.19,0:17:36.25,Default,,0000,0000,0000,,Na przykład te cztery algorytmy \Nopracował jeden człowiek.
Dialogue: 0,0:17:36.25,0:17:39.12,Default,,0000,0000,0000,,Myślicie, że to już było,
Dialogue: 0,0:17:39.12,0:17:41.84,Default,,0000,0000,0000,,widzieliśmy już w przeszłości,
Dialogue: 0,0:17:41.84,0:17:44.89,Default,,0000,0000,0000,,jak stare zawody ustępują nowym.
Dialogue: 0,0:17:44.89,0:17:46.88,Default,,0000,0000,0000,,Jakie będą te nowe zawody?
Dialogue: 0,0:17:46.88,0:17:49.37,Default,,0000,0000,0000,,Bardzo ciężko jest to oszacować,
Dialogue: 0,0:17:49.37,0:17:52.18,Default,,0000,0000,0000,,bo ludzkie osiągnięcia rosną stopniowo,
Dialogue: 0,0:17:52.18,0:17:54.37,Default,,0000,0000,0000,,a teraz mamy system, uczenie głębokie,
Dialogue: 0,0:17:54.37,0:17:57.35,Default,,0000,0000,0000,,którego zdolności rosną wykładniczo.
Dialogue: 0,0:17:57.35,0:17:58.94,Default,,0000,0000,0000,,A my jesteśmy tutaj.
Dialogue: 0,0:17:58.94,0:18:00.86,Default,,0000,0000,0000,,Widząc dzisiejsze realia mówimy:
Dialogue: 0,0:18:00.86,0:18:03.53,Default,,0000,0000,0000,,"Komputery są nadal dosyć głupie".
Dialogue: 0,0:18:03.53,0:18:07.07,Default,,0000,0000,0000,,Ale za pięć lat komputery będą poza skalą.
Dialogue: 0,0:18:07.07,0:18:11.08,Default,,0000,0000,0000,,Musimy zacząć myśleć \No tych możliwościach już teraz.
Dialogue: 0,0:18:11.08,0:18:12.96,Default,,0000,0000,0000,,Oczywiście widzieliśmy to już kiedyś.
Dialogue: 0,0:18:12.96,0:18:14.53,Default,,0000,0000,0000,,Podczas rewolucji przemysłowej
Dialogue: 0,0:18:14.53,0:18:17.71,Default,,0000,0000,0000,,mieliśmy skokową zmianę możliwości\Ndzięki silnikom.
Dialogue: 0,0:18:17.71,0:18:20.80,Default,,0000,0000,0000,,Tyle tylko, że po pewnym czasie\Nrezultaty uległy spłaszczeniu.
Dialogue: 0,0:18:20.80,0:18:22.51,Default,,0000,0000,0000,,Nastąpiły zakłócenia społeczne,
Dialogue: 0,0:18:22.51,0:18:26.55,Default,,0000,0000,0000,,ale kiedy silnik zaczęto stosować \Ndo każdego rodzaju wytwarzania energii,
Dialogue: 0,0:18:26.55,0:18:28.30,Default,,0000,0000,0000,,wszystko się ustabilizowało.
Dialogue: 0,0:18:28.30,0:18:29.77,Default,,0000,0000,0000,,Rewolucja uczenia maszynowego
Dialogue: 0,0:18:29.77,0:18:32.30,Default,,0000,0000,0000,,będzie bardzo różna\Nod rewolucji przemysłowej,
Dialogue: 0,0:18:32.30,0:18:35.63,Default,,0000,0000,0000,,bo rewolucja uczenia maszynowego\Nnie ustabilizuje się nigdy.
Dialogue: 0,0:18:35.63,0:18:38.71,Default,,0000,0000,0000,,Im lepsza będzie \Naktywność intelektualna komputerów,
Dialogue: 0,0:18:38.71,0:18:40.94,Default,,0000,0000,0000,,tym lepsze zbudują komputery, \N
Dialogue: 0,0:18:40.94,0:18:43.42,Default,,0000,0000,0000,,o jeszcze większych \Nzdolnościach intelektualnych.
Dialogue: 0,0:18:43.42,0:18:47.25,Default,,0000,0000,0000,,Będzie to zmiana,\Njakiej świat nigdy dotąd nie doświadczył,
Dialogue: 0,0:18:47.25,0:18:50.55,Default,,0000,0000,0000,,więc zmieniło się nasze wcześniejsze \Nzrozumienie możliwości.
Dialogue: 0,0:18:50.97,0:18:52.75,Default,,0000,0000,0000,,Już odczuwamy ten wpływ.
Dialogue: 0,0:18:52.75,0:18:56.38,Default,,0000,0000,0000,,Przez ostatnie 25 lat\Nproduktywność kapitału wzrastała,
Dialogue: 0,0:18:56.40,0:19:00.59,Default,,0000,0000,0000,,wydajność pracy pozostała bez zmian,\Na nawet trochę spadła.
Dialogue: 0,0:19:01.41,0:19:04.15,Default,,0000,0000,0000,,Chcę więc już teraz zacząć tę dyskusję.
Dialogue: 0,0:19:04.15,0:19:07.18,Default,,0000,0000,0000,,Zwykle gdy opowiadam o tym problemie,
Dialogue: 0,0:19:07.18,0:19:08.67,Default,,0000,0000,0000,,napotykam lekceważenie.
Dialogue: 0,0:19:08.67,0:19:11.01,Default,,0000,0000,0000,,Przecież komputery nie potrafią\Nnaprawdę myśleć,
Dialogue: 0,0:19:11.01,0:19:13.37,Default,,0000,0000,0000,,nie mają uczuć,\Nnie rozumieją poezji,
Dialogue: 0,0:19:13.37,0:19:15.89,Default,,0000,0000,0000,,nie do końca wiemy, jak działają.
Dialogue: 0,0:19:15.89,0:19:16.74,Default,,0000,0000,0000,,I co z tego?
Dialogue: 0,0:19:16.74,0:19:19.18,Default,,0000,0000,0000,,Komputery już teraz potrafią \Nwykonywać czynności,
Dialogue: 0,0:19:19.18,0:19:21.90,Default,,0000,0000,0000,,z których utrzymują się ludzie,
Dialogue: 0,0:19:21.90,0:19:23.63,Default,,0000,0000,0000,,więc trzeba zacząć się zastanawiać,
Dialogue: 0,0:19:23.63,0:19:28.02,Default,,0000,0000,0000,,jak dostosujemy \Nspołeczne i gospodarcze struktury
Dialogue: 0,0:19:28.02,0:19:29.86,Default,,0000,0000,0000,,do tej nowej rzeczywistości.
Dialogue: 0,0:19:29.86,0:19:31.39,Default,,0000,0000,0000,,Dziękuję.
Dialogue: 0,0:19:31.39,0:19:32.19,Default,,0000,0000,0000,,(Oklaski)