1
00:00:00,880 --> 00:00:04,893
Antigamente se você quisesse que um
computador fizesse algo novo,

2
00:00:04,893 --> 00:00:06,447
você teria que programar.

3
00:00:06,447 --> 00:00:09,858
Pois então, para quem aqui 
que nunca fez isso,

4
00:00:09,858 --> 00:00:13,360
programação é algo que requer 
estabelecer com riqueza de detalhe

5
00:00:13,360 --> 00:00:16,727
cada passo do que você quer 
que o computador faça

6
00:00:16,727 --> 00:00:19,089
para atingir o seu objetivo.

7
00:00:19,089 --> 00:00:22,585
Se você quiser fazer algo que 
ainda não sabe fazer sozinho,

8
00:00:22,585 --> 00:00:24,648
isso se torna um grande desafio.

9
00:00:24,648 --> 00:00:28,131
E esse foi o desafio enfrentado 
por este homem, Arthur Samuel.

10
00:00:28,131 --> 00:00:32,208
Em 1956 ele queria que esse computador

11
00:00:32,208 --> 00:00:34,548
fosse capaz de vencê-lo no jogo de damas.

12
00:00:34,548 --> 00:00:36,588
Como você faz para escrever um programa,

13
00:00:36,588 --> 00:00:40,394
estabelecer com riqueza de detalhe,
que ele jogue damas melhor que você?

14
00:00:40,394 --> 00:00:42,116
Então ele teve uma ideia:

15
00:00:42,116 --> 00:00:45,840
ele fez o computador jogar
contra si próprio milhares de vezes

16
00:00:45,840 --> 00:00:48,364
para aprender a jogar damas.

17
00:00:48,364 --> 00:00:51,544
E realmente funcionou,
de fato em 1962

18
00:00:51,544 --> 00:00:55,561
esse computador venceu
o campeão estadual de Connecticut.

19
00:00:55,561 --> 00:00:58,534
Arthur Samuel foi o pai 
do aprendizado de máquina,

20
00:00:58,534 --> 00:01:00,251
e eu devo muito a ele,

21
00:01:00,251 --> 00:01:03,014
porque eu sou um profissional
de aprendizado de máquina.

22
00:01:03,014 --> 00:01:04,479
Eu fui o presidente da Kaggle,

23
00:01:04,479 --> 00:01:07,867
uma comunidade de mais de 200 mil
profissionais dessa área.

24
00:01:07,867 --> 00:01:09,925
A Kaggle organiza competições

25
00:01:09,925 --> 00:01:13,633
para tentar resolver problemas
até então sem solução,

26
00:01:13,633 --> 00:01:17,470
e tem sido bem sucedida
centenas de vezes.

27
00:01:17,470 --> 00:01:19,940
Então desse ponto de vista,
eu pude descobrir muito

28
00:01:19,940 --> 00:01:23,890
sobre o que o aprendizado de máquina
conseguiu no passado, hoje,

29
00:01:23,890 --> 00:01:26,252
e o que poderia fazer no futuro.

30
00:01:26,252 --> 00:01:30,675
Talvez o primeiro grande sucesso comercial
de aprendizado de máquina foi o Google.

31
00:01:30,675 --> 00:01:33,784
O Google mostrou que é possível
encontrar informação

32
00:01:33,784 --> 00:01:35,536
usando um algoritmo de computador,

33
00:01:35,536 --> 00:01:38,437
e esse algoritmo é baseado
no aprendizado de máquina.

34
00:01:38,437 --> 00:01:42,323
Desde então houve muitos casos de sucesso
comercial de aprendizado de máquina.

35
00:01:42,323 --> 00:01:44,160
Empresas como Amazon e Netflix

36
00:01:44,160 --> 00:01:47,876
usam aprendizado de máquina para sugerir
produtos que você poderia querer,

37
00:01:47,876 --> 00:01:49,896
filmes que você poderia querer assistir.

38
00:01:49,896 --> 00:01:51,703
Às vezes é quase assustador.

39
00:01:51,703 --> 00:01:53,657
Empresas como LinkedIn e Facebook

40
00:01:53,657 --> 00:01:56,251
às vezes te dirão quem deveria 
ser seu amigo

41
00:01:56,251 --> 00:01:58,228
e você não tem ideia de como,

42
00:01:58,228 --> 00:02:01,195
e isso é porque está usando
o poder do aprendizado de máquina.

43
00:02:01,195 --> 00:02:04,152
São algoritmos que aprenderam
como fazer isso a partir de dados

44
00:02:04,152 --> 00:02:07,399
ao invés de serem programados à mão.

45
00:02:07,399 --> 00:02:09,877
Foi assim que a IBM foi bem sucedida

46
00:02:09,877 --> 00:02:13,739
em fazer que Watson vencesse
dois campeões mundiais em Jeopardy,

47
00:02:13,739 --> 00:02:16,964
respondendo questões incrivelmente
sutis e complexas como essa:

48
00:02:16,964 --> 00:02:19,549
["O antigo 'Leão de Nimrud' desapareceu
do museu nacional dessa cidade em 2003
(junto com um monte de outras coisas)"]

49
00:02:19,549 --> 00:02:23,034
Também por isso que agora vemos
os primeiros carros auto-guiados.

50
00:02:23,034 --> 00:02:25,856
Se você quiser poder diferenciar entre, digamos,

51
00:02:25,856 --> 00:02:28,488
uma árvore e um pedestre, 
bem, isso é muito importante.

52
00:02:28,488 --> 00:02:31,075
Não sabemos como escrever
esses programas à mão,

53
00:02:31,075 --> 00:02:34,072
mas com o aprendizado de máquina
isso agora é possível.

54
00:02:34,072 --> 00:02:37,120
De fato esse carro já dirigiu
mais de um milhão de quilômetros

55
00:02:37,120 --> 00:02:40,186
sem qualquer acidente em estradas normais.

56
00:02:40,196 --> 00:02:44,110
Pois bem, agora sabemos que 
computadores conseguem aprender,

57
00:02:44,110 --> 00:02:46,010
e podem aprender a fazer coisas

58
00:02:46,010 --> 00:02:48,848
que inclusive nós mesmos 
não sabemos fazer,

59
00:02:48,848 --> 00:02:51,733
ou então fazer melhor que nós.

60
00:02:51,733 --> 00:02:55,928
Um dos exemplos mais surpreendentes
de aprendizado de máquina que eu já vi

61
00:02:55,928 --> 00:02:58,320
aconteceu num projeto
que eu organizei na Kaggle

62
00:02:58,320 --> 00:03:01,911
onde um time coordenado por alguém 
chamado Geoffrey Hinton

63
00:03:01,911 --> 00:03:03,463
da Universidade de Toronto

64
00:03:03,463 --> 00:03:06,140
venceu a competição de
descoberta automática de fármacos.

65
00:03:06,140 --> 00:03:08,987
O extraordinário aqui não é apenas 
que eles bateram

66
00:03:08,987 --> 00:03:13,000
todos os algoritmos desenvolvidos pela 
Merck ou a comunidade acadêmica,

67
00:03:13,000 --> 00:03:18,061
mas que ninguém no time tinha qualquer 
antecedente em biologia ou química,

68
00:03:18,061 --> 00:03:20,230
e fizeram isso em duas semanas.

69
00:03:20,230 --> 00:03:22,001
Como eles fizeram isso?

70
00:03:22,421 --> 00:03:25,342
Usaram um algoritmo singular
chamado aprendizado profundo.

71
00:03:25,342 --> 00:03:28,291
Isso foi tão importante que de fato
o sucesso foi noticiado

72
00:03:28,291 --> 00:03:31,412
no The New York Times num artigo
de página frontal semanas depois.

73
00:03:31,412 --> 00:03:34,147
Esse é Geoffrey Hinton,
aqui no lado esquerdo.

74
00:03:34,147 --> 00:03:38,488
Aprendizado profundo é um algoritmo
inspirado no cérebro humano,

75
00:03:38,488 --> 00:03:40,300
ou seja, é um algoritmo

76
00:03:40,300 --> 00:03:44,141
que não tem limitações teóricas
para o que pode fazer.

77
00:03:44,141 --> 00:03:46,964
Quanto mais dados e tempo você der a ele,

78
00:03:46,964 --> 00:03:48,276
melhor ele fica.

79
00:03:48,276 --> 00:03:50,615
O The New York Times mostrou 
nesse artigo também

80
00:03:50,615 --> 00:03:52,857
outro resultado singular do
aprendizado profundo

81
00:03:52,857 --> 00:03:55,569
que eu vou mostrar para vocês agora.

82
00:03:55,569 --> 00:04:00,510
Mostra que os computadores
conseguem escutar e entender.

83
00:04:00,510 --> 00:04:03,221
(Vídeo) Richard Rashid: 
Agora, o último passo

84
00:04:03,221 --> 00:04:06,246
que eu pretendo dar nesse processo

85
00:04:06,246 --> 00:04:10,961
é realmente falar com vocês em chinês.

86
00:04:10,961 --> 00:04:13,596
A chave aqui é que

87
00:04:13,596 --> 00:04:18,598
conseguimos levantar uma vasta quantidade
de informação de muitos falantes do chinês

88
00:04:18,598 --> 00:04:21,128
e produzir um sistema texto-para-fala

89
00:04:21,128 --> 00:04:25,801
que pega o texto em chinês e
converte para a linguagem chinesa,

90
00:04:25,801 --> 00:04:29,929
e então pegamos mais ou menos uma hora
da minha própria voz

91
00:04:29,929 --> 00:04:31,820
e usamos para modular

92
00:04:31,820 --> 00:04:36,364
o sistema texto-para-fala padrão
para que possa parecer a minha voz.

93
00:04:36,364 --> 00:04:38,904
O resultado não é perfeito.

94
00:04:38,904 --> 00:04:41,552
Na verdade há alguns erros.

95
00:04:41,552 --> 00:04:44,036
(Em chinês)

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

97
00:04:49,446 --> 00:04:53,022
Há muito trabalho pela frente nessa área.

98
00:04:53,022 --> 00:04:56,667
(Em chinês)

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

100
00:05:01,345 --> 00:05:04,744
J. Howard: Isso foi num congresso 
de aprendizado de máquina na China.

101
00:05:04,744 --> 00:05:07,114
Na verdade não é comum escutar aplausos

102
00:05:07,114 --> 00:05:09,011
espontâneos em congressos acadêmicos,

103
00:05:09,011 --> 00:05:12,687
embora obviamente às vezes acontecer
em conferências TEDx, fiquem à vontade.

104
00:05:12,687 --> 00:05:15,482
Tudo que vocês viram lá aconteceu
com aprendizado profundo.

105
00:05:15,482 --> 00:05:16,927
(Aplausos) Obrigado.

106
00:05:16,927 --> 00:05:19,289
A transcrição em inglês foi
aprendizado profundo.

107
00:05:19,289 --> 00:05:22,701
A tradução para chinês e o texto na
direita superior, também,

108
00:05:22,701 --> 00:05:26,008
e a construção da voz também
foi aprendizado profundo.

109
00:05:26,008 --> 00:05:29,242
Então, aprendizado profundo é
essa coisa extraordinária.

110
00:05:29,242 --> 00:05:32,341
É um único algoritmo que parece
fazer quase tudo,

111
00:05:32,341 --> 00:05:35,452
e um ano antes eu descobri que
ele também aprendeu a ver.

112
00:05:35,452 --> 00:05:37,628
Nessa competição desconhecida 
alemã, chamada

113
00:05:37,628 --> 00:05:40,225
Modelo de Reconhecimento de
Sinais de Trânsito Alemães

114
00:05:40,225 --> 00:05:43,618
aprendizado profundo aprendeu a
reconhecer sinais de trânsito como esse.

115
00:05:43,618 --> 00:05:45,712
Não apenas conseguiu reconhecer os sinais

116
00:05:45,712 --> 00:05:47,470
melhor que qualquer outro algoritmo,

117
00:05:47,470 --> 00:05:50,189
o ranking na verdade mostrou que
era melhor do que gente,

118
00:05:50,189 --> 00:05:52,041
quase duas vezes melhor do que gente.

119
00:05:52,041 --> 00:05:54,037
Então em 2011 tivemos o primeiro exemplo

120
00:05:54,037 --> 00:05:57,442
de computadores que conseguem ver 
melhor do que pessoas.

121
00:05:57,442 --> 00:05:59,491
Desde então muito aconteceu.

122
00:05:59,491 --> 00:06:03,005
Em 2012 Google anunciou que havia
um algoritmo de aprendizado profundo

123
00:06:03,005 --> 00:06:04,420
assistindo vídeos do YouTube

124
00:06:04,420 --> 00:06:07,857
e remoendo os dados em 16 mil 
computadores por mês,

125
00:06:07,857 --> 00:06:12,218
e o computador aprendeu sozinho
conceitos como pessoas e gatos

126
00:06:12,218 --> 00:06:14,027
apenas assistindo aos vídeos.

127
00:06:14,027 --> 00:06:16,379
É desse jeito que os humanos aprendem.

128
00:06:16,379 --> 00:06:19,119
Os humanos não aprendem com alguém
explicando o que viram,

129
00:06:19,119 --> 00:06:22,450
aprendem por si próprios.

130
00:06:22,450 --> 00:06:25,819
Também em 2012, Geoffrey Hinton, 
a quem vimos antes,

131
00:06:25,819 --> 00:06:28,677
venceu a conhecida competição ImageNet,

132
00:06:28,677 --> 00:06:32,818
tentando descobrir a partir de
um milhão e meio de imagens

133
00:06:32,818 --> 00:06:34,256
o que elas retratam.

134
00:06:34,256 --> 00:06:37,789
A partir de 2014 estamos
com uma taxa de erro de 6%

135
00:06:37,789 --> 00:06:39,242
em reconhecimento de imagem.

136
00:06:39,242 --> 00:06:41,268
De novo, isso é melhor que gente.

137
00:06:41,268 --> 00:06:45,037
Então, máquinas estão fazendo 
um ótimo trabalho

138
00:06:45,037 --> 00:06:47,306
e agora está sendo usado na indústria.

139
00:06:47,306 --> 00:06:50,348
Por exemplo, o Google anunciou ano passado

140
00:06:50,348 --> 00:06:54,933
que mapearam cada local
da França em duas horas,

141
00:06:54,933 --> 00:06:58,380
e fizeram isso fornecendo imagens das ruas

142
00:06:58,380 --> 00:07:02,699
para o algoritmo de aprendizado profundo
reconhecer e ler os números das ruas.

143
00:07:02,699 --> 00:07:04,919
Imaginem quanto levaria
do jeito que era antes:

144
00:07:04,919 --> 00:07:08,274
dúzias de pessoas, muitos anos.

145
00:07:08,274 --> 00:07:10,185
Também está acontecendo na China.

146
00:07:10,185 --> 00:07:14,221
Baidu é tipo o Google chinês, eu acho,

147
00:07:14,221 --> 00:07:16,504
e o que vocês podem ver acima à esquerda

148
00:07:16,504 --> 00:07:20,478
é um exemplo de uma imagem que eu subi ao
sistema de aprendizado profundo do Baidu,

149
00:07:20,478 --> 00:07:24,247
e abaixo você pode ver que o sistema
entendeu que imagem é

150
00:07:24,247 --> 00:07:26,483
e encontrou imagens similares.

151
00:07:26,483 --> 00:07:29,219
As imagens similares de fato
têm fundos similares,

152
00:07:29,219 --> 00:07:30,877
direções de rostos similares,

153
00:07:30,877 --> 00:07:32,665
algumas até com a língua para fora.

154
00:07:32,665 --> 00:07:35,505
Claramente não está olhando
para o texto da página.

155
00:07:35,505 --> 00:07:37,497
Tudo que eu forneci foi uma imagem.

156
00:07:37,497 --> 00:07:41,128
Agora temos computadores que
realmente entendem o que veem

157
00:07:41,128 --> 00:07:42,752
e então buscam em bancos de dados

158
00:07:42,752 --> 00:07:46,306
de centenas de milhões
de imagens em tempo real.

159
00:07:46,306 --> 00:07:49,536
Então o que significa o fato dos 
computadores conseguirem ver?

160
00:07:49,536 --> 00:07:51,553
Bem, não é só que conseguem ver.

161
00:07:51,553 --> 00:07:53,622
De fato, o aprendizado profundo fez mais.

162
00:07:53,622 --> 00:07:56,570
Frases matizadas e complexas
como esta agora são

163
00:07:56,570 --> 00:07:59,394
compreensíveis com algoritmos 
de aprendizado profundo.

164
00:07:59,394 --> 00:08:00,697
Como vocês podem ver aqui,

165
00:08:00,697 --> 00:08:03,465
esse sistema de Stanford com 
o ponto vermelho acima

166
00:08:03,465 --> 00:08:07,384
descobriu que esta frase expressa
um sentimento negativo.

167
00:08:07,384 --> 00:08:10,790
Na verdade o aprendizado profundo
está alcançando a performance humana

168
00:08:10,802 --> 00:08:15,923
ao entender sobre o que as frases são e
o que dizem sobre as coisas.

169
00:08:15,923 --> 00:08:18,651
Além disso o aprendizado profundo
é usado para ler chinês,

170
00:08:18,651 --> 00:08:21,807
de novo no nível do falante nativo.

171
00:08:21,807 --> 00:08:23,975
Esse algoritmo, desenvolvido na Suíça

172
00:08:23,975 --> 00:08:27,331
por pessoas que não falam chinês.

173
00:08:27,331 --> 00:08:29,382
Como eu digo, usar aprendizado profundo

174
00:08:29,382 --> 00:08:31,601
é o melhor sistema no mundo para isso,

175
00:08:31,601 --> 00:08:36,718
até mesmo comparando ao entendimento 
do humano nativo.

176
00:08:36,718 --> 00:08:39,682
Esse é um sistema que montamos 
na minha empresa

177
00:08:39,682 --> 00:08:41,728
que mostra tudo isso colocado junto.

178
00:08:41,728 --> 00:08:44,189
Essas são imagens sem texto,

179
00:08:44,189 --> 00:08:46,541
e enquanto digito frases aqui,

180
00:08:46,541 --> 00:08:49,510
ele entende essas imagens em tempo real

181
00:08:49,510 --> 00:08:51,189
e descobre sobre o que elas são

182
00:08:51,189 --> 00:08:54,352
e encontram imagens similares ao
texto que estou escrevendo.

183
00:08:54,352 --> 00:08:57,108
Vocês podem ver, está realmente
entendendo minhas frases

184
00:08:57,108 --> 00:08:59,332
e entendendo essas imagens.

185
00:08:59,332 --> 00:09:01,891
Sei que vocês viram algo assim no Google,

186
00:09:01,891 --> 00:09:04,666
onde você digita coisas e 
aparecem imagens,

187
00:09:04,666 --> 00:09:08,090
mas na verdade o que acontece é que
está buscando o texto na página.

188
00:09:08,090 --> 00:09:11,091
Isso é muito diferente de
realmente entender as imagens.

189
00:09:11,091 --> 00:09:13,843
Isso foi possível acontecer
para computadores

190
00:09:13,843 --> 00:09:17,091
pela primeira vez somente
há alguns poucos meses.

191
00:09:17,091 --> 00:09:21,182
Vemos que agora os computadores conseguem
não apenas ver, mas ler também,

192
00:09:21,182 --> 00:09:24,947
e claro, mostramos aqui que podem
entender o que escutam.

193
00:09:24,947 --> 00:09:28,389
Talvez não seja surpresa o que vou
dizer agora: eles sabem escrever.

194
00:09:28,389 --> 00:09:33,172
Aqui um texto que eu gerei usando um
algoritmo de aprendizado profundo ontem.

195
00:09:33,172 --> 00:09:37,096
E aqui um texto que um algoritmo
de Stanford criou.

196
00:09:37,096 --> 00:09:38,860
Cada uma dessas frases foi criada

197
00:09:38,860 --> 00:09:43,109
por um algoritmo de aprendizado profundo
para descrever cada uma dessas imagens.

198
00:09:43,109 --> 00:09:47,581
Esse algoritmo nunca tinha visto um homem
de camiseta preta tocando violão.

199
00:09:47,581 --> 00:09:49,801
Ele já viu um homem antes,
já viu a cor preta,

200
00:09:49,801 --> 00:09:51,400
já viu um violão antes,

201
00:09:51,400 --> 00:09:55,694
mas criou independentemente
essa descrição inédita para essa imagem.

202
00:09:55,694 --> 00:09:59,196
Ainda não chegamos ao patamar
do desempenho humano, mas estamos perto.

203
00:09:59,196 --> 00:10:03,264
Em testes, humanos preferem a legenda
gerada por computador

204
00:10:03,264 --> 00:10:04,791
uma a cada quatro vezes.

205
00:10:04,791 --> 00:10:06,855
Agora esse sistema tem apenas 
duas semanas,

206
00:10:06,855 --> 00:10:08,701
então provavelmente dentro de um ano,

207
00:10:08,701 --> 00:10:11,502
o algoritmo de computador estará
além do desempenho humano

208
00:10:11,502 --> 00:10:13,364
no ritmo que as coisas vão.

209
00:10:13,364 --> 00:10:16,413
E é isso, os computadores
conseguem escrever.

210
00:10:16,413 --> 00:10:19,888
Quando juntamos isso tudo,
oportunidades muito empolgantes aparecem.

211
00:10:19,888 --> 00:10:21,380
Por exemplo, na medicina,

212
00:10:21,380 --> 00:10:23,905
uma equipe em Boston anunciou
a descoberta de

213
00:10:23,905 --> 00:10:26,854
dúzias de novas características 
clinicamente relevantes

214
00:10:26,854 --> 00:10:31,120
de tumores que ajudam os médicos
em prognósticos de câncer.

215
00:10:32,220 --> 00:10:34,516
De modo semelhante, em Stanford,

216
00:10:34,516 --> 00:10:37,869
um grupo lá anunciou que,
observando tecidos sob ampliação,

217
00:10:37,869 --> 00:10:40,680
desenvolveu um sistema
com base em aprendizado de máquina

218
00:10:40,680 --> 00:10:43,142
que de fato é melhor que 
patologistas humanos

219
00:10:43,142 --> 00:10:47,519
ao prever índices de sobrevivência
para pacientes de câncer.

220
00:10:47,519 --> 00:10:50,764
Em ambos os casos, não apenas
as previsões eram mais precisas,

221
00:10:50,764 --> 00:10:53,266
mas criaram ciência perspicaz.

222
00:10:53,276 --> 00:10:54,781
No caso da radiologia,

223
00:10:54,781 --> 00:10:57,876
foram indicadores clínicos novos
que humanos conseguem entender.

224
00:10:57,876 --> 00:10:59,668
Nesse caso de patologia,

225
00:10:59,668 --> 00:11:04,168
o sistema de computador descobriu que
as células ao redor do câncer

226
00:11:04,168 --> 00:11:07,508
são tão importantes quanto as
próprias células cancerígenas

227
00:11:07,508 --> 00:11:09,260
para se fazer um diagnóstico.

228
00:11:09,260 --> 00:11:14,621
Isso é o oposto do que os patologistas
tinham aprendido por décadas.

229
00:11:14,621 --> 00:11:17,913
Em cada um desses dois casos, foram
sistemas desenvolvidos por um

230
00:11:17,913 --> 00:11:21,534
grupo de especialistas médicos e
especialistas em aprendizado de máquina,

231
00:11:21,534 --> 00:11:24,275
mas desde ano passado,
estamos além disso também.

232
00:11:24,275 --> 00:11:27,824
Esse é um exemplo de identificação
de áreas cancerígenas

233
00:11:27,824 --> 00:11:30,354
em tecido humano sob um microscópio.

234
00:11:30,354 --> 00:11:34,967
O sistema aqui consegue identificar
essas áreas com mais precisão,

235
00:11:34,967 --> 00:11:37,742
ou com a mesma precisão,
do que patologistas humanos,

236
00:11:37,742 --> 00:11:41,134
mas foi construido com aprendizado
profundo sem conhecimento médico

237
00:11:41,134 --> 00:11:43,660
por pessoas sem antecedentes na área.

238
00:11:44,730 --> 00:11:47,285
De modo similar, aqui,
essa segmentação de neurônios.

239
00:11:47,285 --> 00:11:50,953
Agora podemos segmentar neurônios
tão precisamente quanto os humanos,

240
00:11:50,953 --> 00:11:53,670
mas esse sistema foi desenvolvido
com aprendizado profundo

241
00:11:53,670 --> 00:11:56,921
por pessoas sem antecedentes em medicina.

242
00:11:56,921 --> 00:12:00,148
Então eu mesmo, que não tenho
antecedentes em medicina,

243
00:12:00,148 --> 00:12:03,875
posso parecer inteiramente qualificado
para iniciar uma empresa médica,

244
00:12:03,875 --> 00:12:06,021
que foi o que eu fiz.

245
00:12:06,021 --> 00:12:07,761
Eu estava meio aterrorizado,

246
00:12:07,761 --> 00:12:10,650
mas a teoria sugeria que era possível

247
00:12:10,650 --> 00:12:16,142
fazer medicina muito útil usando
apenas essas técnicas analíticas de dados.

248
00:12:16,142 --> 00:12:18,622
E ainda bem, a reação tem sido fantástica,

249
00:12:18,622 --> 00:12:20,978
não apenas da mídia mas da
comunidade médica,

250
00:12:20,978 --> 00:12:23,322
que tem sido muito favorável.

251
00:12:23,322 --> 00:12:27,471
A teoria é que podemos pegar a parte
intermediária do precesso médico

252
00:12:27,471 --> 00:12:30,364
e torná-la em análise de dados 
tanto quanto possível,

253
00:12:30,364 --> 00:12:33,429
deixando aos médicos o que 
eles fazem de melhor.

254
00:12:33,429 --> 00:12:35,031
Quero dar uma exemplo a vocês.

255
00:12:35,031 --> 00:12:39,975
Hoje um novo teste de diagnóstico médico
leva uns 15 minutos para ser feito

256
00:12:39,975 --> 00:12:41,929
e vou mostrar em tempo real para vocês,

257
00:12:41,929 --> 00:12:45,416
mas eu comprimi para três minutos, 
cortando alguns pedaços.

258
00:12:45,416 --> 00:12:48,477
Ao invés de um teste de 
diagnóstico médico,

259
00:12:48,477 --> 00:12:51,846
vou mostrar um teste de diagnóstico
de imagens de carros,

260
00:12:51,846 --> 00:12:54,068
pois é algo que todos podem entender.

261
00:12:54,068 --> 00:12:57,269
Então aqui estamos iniciando com 
1,5 milhão de imagens de carro,

262
00:12:57,269 --> 00:13:00,475
e eu quero criar algo que pode 
separar num ângulo

263
00:13:00,475 --> 00:13:02,698
da foto que está sendo tirada.

264
00:13:02,698 --> 00:13:06,586
Essas imagens são inteiramente não
marcadas, então preciso começar do zero.

265
00:13:06,586 --> 00:13:08,451
Com o algoritmo de
aprendizado profundo,

266
00:13:08,451 --> 00:13:12,158
pode-se automaticamente identificar áreas
de estrutura nessas imagens.

267
00:13:12,158 --> 00:13:15,778
O legal é que o humano e o computador
agora podem trabalhar juntos.

268
00:13:15,778 --> 00:13:17,956
Então o humano, como podem ver,

269
00:13:17,956 --> 00:13:20,631
diz ao computador as áreas de interesse

270
00:13:20,631 --> 00:13:25,281
que o computador então usa para
melhorar o algoritmo.

271
00:13:25,281 --> 00:13:29,577
Esses sistemas de aprendizado profundo
agem num espaço de 16 mil dimensões,

272
00:13:29,577 --> 00:13:32,559
dá para ver aqui o computador
girando através do espaço,

273
00:13:32,559 --> 00:13:35,001
tentando encontrar novas
áreas de estrutura.

274
00:13:35,001 --> 00:13:36,782
E quando consegue,

275
00:13:36,782 --> 00:13:40,786
o humano que está no controle então
aponta as áreas de interesse.

276
00:13:40,786 --> 00:13:43,208
Aqui o computador encontrou as 
áreas com sucesso,

277
00:13:43,208 --> 00:13:45,770
por exemplo, ângulos.

278
00:13:45,770 --> 00:13:47,376
Enquanto seguimos o processo,

279
00:13:47,376 --> 00:13:49,716
gradualmente dizendo mais e mais
ao computador

280
00:13:49,716 --> 00:13:52,144
sobre os tipos de estruturas que
estamos buscando.

281
00:13:52,144 --> 00:13:53,916
Se fosse um teste diagnóstico, seria

282
00:13:53,916 --> 00:13:57,266
um patologista identificando áreas
de condição patológica, por exemplo,

283
00:13:57,266 --> 00:14:02,292
ou um radiologista indicando nódulos
potencialmente problemáticos.

284
00:14:02,292 --> 00:14:04,851
E às vezes pode ser difícil
para o algoritmo.

285
00:14:04,851 --> 00:14:06,815
Nesse caso, ficou um pouco confuso.

286
00:14:06,815 --> 00:14:09,365
As frentes e as traseiras estão
todas misturadas.

287
00:14:09,365 --> 00:14:11,437
Então temos que ser cuidadosos,

288
00:14:11,437 --> 00:14:14,669
manualmente separando as frentes e
as traseiras,

289
00:14:14,669 --> 00:14:20,175
e dizer ao computador que isso é
o tipo de grupo

290
00:14:20,175 --> 00:14:21,523
que nos interessa.

291
00:14:21,523 --> 00:14:24,200
Então fizemos isso por um tempo,
adiantamos um pouco, e

292
00:14:24,200 --> 00:14:26,446
treinamos o algoritmo de
aprendizado de máquina

293
00:14:26,446 --> 00:14:28,420
com base em algumas centenas de coisas,

294
00:14:28,420 --> 00:14:30,445
e esperamos que tenha ficado melhor.

295
00:14:30,445 --> 00:14:33,518
Podem ver que agora algumas dessas
imagens desapareceram,

296
00:14:33,518 --> 00:14:38,226
mostrando que já consegue entender
algumas por si próprio.

297
00:14:38,226 --> 00:14:41,128
Podemos então usar esse conceito
para imagens similares,

298
00:14:41,128 --> 00:14:43,222
e usando imagens similares,
vocês podem ver,

299
00:14:43,222 --> 00:14:47,241
o computador nesse ponto consegue
encontrar somente as frentes dos carros.

300
00:14:47,241 --> 00:14:50,189
Nesse ponto o humano pode
dizer ao computador,

301
00:14:50,189 --> 00:14:52,482
"ok, sim, você fez um bom trabalho".

302
00:14:53,652 --> 00:14:55,837
Claro que às vezes ainda é difícil

303
00:14:55,837 --> 00:14:59,511
separar grupos.

304
00:14:59,511 --> 00:15:03,395
Nesse caso mesmo depois
do computador girar um pouco,

305
00:15:03,399 --> 00:15:06,744
ainda vemos que imagens
do lado esquerdo e do lado direito

306
00:15:06,744 --> 00:15:08,222
estão todas misturadas.

307
00:15:08,222 --> 00:15:10,362
Podemos novamente dar
dicas ao computador,

308
00:15:10,362 --> 00:15:13,338
e dizer, certo, encontre
uma projeção que separe

309
00:15:13,338 --> 00:15:15,945
os lados esquerdo e direito
o melhor possível

310
00:15:15,945 --> 00:15:18,067
usando o algoritmo de 
aprendizado profundo.

311
00:15:18,067 --> 00:15:21,009
E dando aquela dica, ah, certo, conseguiu.

312
00:15:21,009 --> 00:15:23,891
Encontrou um jeito de pensar
nesses objetos

313
00:15:23,891 --> 00:15:26,271
que acabou agrupando.

314
00:15:26,271 --> 00:15:28,709
Vocês podem pegar a ideia aqui.

315
00:15:28,709 --> 00:15:36,906
Não é o caso de substituir
o humano pelo computador,

316
00:15:36,906 --> 00:15:39,546
mas sim de trabalharem juntos.

317
00:15:39,546 --> 00:15:43,096
O que fazemos aqui é substituir algo
que costumava demandar de uma equipe

318
00:15:43,096 --> 00:15:45,248
de cinco ou seis pessoas
cerca de sete anos

319
00:15:45,248 --> 00:15:47,703
com algo que leva apenas 15 minutos

320
00:15:47,703 --> 00:15:50,208
para uma pessoa só.

321
00:15:50,208 --> 00:15:54,158
Esse processo demanda
cerca de quatro ou cinco iterações.

322
00:15:54,158 --> 00:15:56,017
Podemos ver que agora temos 62%

323
00:15:56,017 --> 00:15:58,976
de nossas 1,5 milhão de imagens
classificadas corretamente.

324
00:15:58,976 --> 00:16:01,448
Nesse ponto podemos rapidamente

325
00:16:01,448 --> 00:16:02,745
pegar seções inteiras

326
00:16:02,745 --> 00:16:05,664
e checar se não há erros.

327
00:16:05,664 --> 00:16:09,616
Onde encontramos erros,
podemos avisar o computador.

328
00:16:09,616 --> 00:16:12,661
Usando esse tipo de processo para
cada um dos diferentes grupos,

329
00:16:12,661 --> 00:16:15,148
temos agora 80% de índice de sucesso

330
00:16:15,148 --> 00:16:17,563
classificando 1,5 milhão de imagens.

331
00:16:17,563 --> 00:16:19,641
Nesse ponto é só o caso de

332
00:16:19,641 --> 00:16:23,220
encontrar o pequeno número que ainda
não está classificado corretamente,

333
00:16:23,220 --> 00:16:26,108
e tentar entender o motivo.

334
00:16:26,108 --> 00:16:27,851
E com essa abordagem,

335
00:16:27,851 --> 00:16:31,972
em 15 minutos temos 97%
de índice de classificação.

336
00:16:31,972 --> 00:16:36,572
Então esse tipo de técnica nos permite
resolver um grande problema,

337
00:16:36,578 --> 00:16:39,614
que é a falta de especialização
médica no mundo.

338
00:16:39,614 --> 00:16:43,103
O Fórum Econômico Mundial diz que há
escassez de algo entre 10 e 20 vezes

339
00:16:43,103 --> 00:16:45,727
de médicos no mundo em desenvolvimento,

340
00:16:45,727 --> 00:16:47,840
e que levaria cerca de 300 anos

341
00:16:47,840 --> 00:16:50,734
para treinar gente suficiente para
resolver o problema.

342
00:16:50,734 --> 00:16:53,619
Imaginem conseguirmos
aumentar a eficiência

343
00:16:53,619 --> 00:16:56,458
usando essas abordagens
de aprendizado profundo?

344
00:16:56,458 --> 00:16:58,690
Por isso estou empolgado
com as oportunidades.

345
00:16:58,690 --> 00:17:01,279
E estou preocupado com os problemas.

346
00:17:01,279 --> 00:17:04,403
O problema aqui é que cada área
em azul no mapa

347
00:17:04,403 --> 00:17:08,172
é um lugar onde os serviços estão
com mais de 80% de emprego.

348
00:17:08,172 --> 00:17:09,959
O que são serviços?

349
00:17:09,959 --> 00:17:11,473
São esses.

350
00:17:11,473 --> 00:17:15,627
São também exatamente o que
os computadores aprenderam a fazer.

351
00:17:15,627 --> 00:17:19,431
Então 80% do emprego no mundo
no mundo desenvolvido

352
00:17:19,431 --> 00:17:21,963
é algo que computadores já
aprenderam a fazer.

353
00:17:21,963 --> 00:17:23,403
O que isso significa?

354
00:17:23,403 --> 00:17:25,986
Ficaremos bem. Serão substituídos
por outros empregos.

355
00:17:25,986 --> 00:17:28,693
Por exemplo serão mais empregos
para cientistas de dados.

356
00:17:28,693 --> 00:17:29,510
Na verdade não.

357
00:17:29,510 --> 00:17:32,628
Não demora muito para cientistas
de dados fazerem essas coisas.

358
00:17:32,628 --> 00:17:35,880
Por exemplo, os quatro algoritmos
foram construídos pelo mesmo cara.

359
00:17:35,880 --> 00:17:38,318
Então você pensa, oh,
isso já aconteceu antes,

360
00:17:38,318 --> 00:17:42,126
já vimos isso antes,
quando coisas novas chegam

361
00:17:42,126 --> 00:17:44,378
e novos empregos aparecem,

362
00:17:44,378 --> 00:17:46,494
como serão esses novos empregos?

363
00:17:46,494 --> 00:17:48,365
É muito difícil estimar isso,

364
00:17:48,365 --> 00:17:51,104
porque o desempenho humano
cresce nesse ritmo gradual,

365
00:17:51,104 --> 00:17:53,666
mas agora temos um sistema,
o aprendizado profundo,

366
00:17:53,666 --> 00:17:56,893
que sabemos crescer em ritmo exponencial.

367
00:17:56,893 --> 00:17:58,498
E nós estamos aqui.

368
00:17:58,498 --> 00:18:00,559
Então hoje vemos as coisas ao redor

369
00:18:00,559 --> 00:18:03,235
e dizemos: "Oh, os computadores são
tão burros". Certo?

370
00:18:03,235 --> 00:18:06,664
Mas dentro de cinco anos os computadores
estarão fora desse gráfico.

371
00:18:06,664 --> 00:18:10,529
Então precisamos começar a pensar
nessa capacidade agora mesmo.

372
00:18:10,529 --> 00:18:12,579
Já vimos isso antes, claro.

373
00:18:12,579 --> 00:18:13,966
Na Revolução Industrial,

374
00:18:13,966 --> 00:18:16,817
vimos uma mudança na capacidade
graças aos motores.

375
00:18:17,667 --> 00:18:20,805
Acontece que, as coisas foram
se achatando.

376
00:18:20,805 --> 00:18:22,507
Houve distúrbio social,

377
00:18:22,507 --> 00:18:25,946
mas quando os motores foram usados para
gerar força em todas as situações

378
00:18:25,946 --> 00:18:28,300
as coisas se acalmaram.

379
00:18:28,300 --> 00:18:30,323
A Revolução do Aprendizado de Máquina

380
00:18:30,323 --> 00:18:32,682
será bem diferente,

381
00:18:32,682 --> 00:18:35,632
porque ela nunca se acalma.

382
00:18:35,632 --> 00:18:38,614
Quanto mais os computadores
conseguem melhorar,

383
00:18:38,614 --> 00:18:42,862
mais eles podem construir
outros computadores, melhores,

384
00:18:42,862 --> 00:18:44,770
então esse será um tipo de mudança

385
00:18:44,770 --> 00:18:47,248
que o mundo nunca viveu antes,

386
00:18:47,248 --> 00:18:50,554
então sua compreensão anterior do
que é possível é diferente.

387
00:18:50,974 --> 00:18:52,754
Isso já está nos afetando.

388
00:18:52,754 --> 00:18:56,384
Nos últimos 25 anos, como 
a produtividade de capital aumentou,

389
00:18:56,400 --> 00:19:00,588
a produtividade de mão de obra estacionou,
de fato até caiu um pouco.

390
00:19:01,408 --> 00:19:04,149
Então quero que comecemos
essa discussão já.

391
00:19:04,149 --> 00:19:07,176
Sei que quando eu conto isso
para as pessoas,

392
00:19:07,176 --> 00:19:08,666
elas podem acabar desdenhando.

393
00:19:08,666 --> 00:19:10,339
"Os computadores não sabem pensar,

394
00:19:10,339 --> 00:19:13,367
eles não se emocionam,
não entendem poesia,

395
00:19:13,367 --> 00:19:15,888
nós não sabemos como eles funcionam".

396
00:19:15,888 --> 00:19:17,374
E daí?

397
00:19:17,374 --> 00:19:19,178
Hoje computadores fazem coisas

398
00:19:19,178 --> 00:19:21,897
que passamos a maior parte
do tempo sendo pagos pra fazer,

399
00:19:21,897 --> 00:19:23,628
então chegou a hora de pensar

400
00:19:23,628 --> 00:19:28,015
em como vamos ajustar nossas
estruturas sociais e econômicas

401
00:19:28,015 --> 00:19:29,855
para essa nova realidade.

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

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