[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.88,0:00:04.89,Default,,0000,0000,0000,,Antigamente se você quisesse que um\Ncomputador fizesse algo novo,
Dialogue: 0,0:00:04.89,0:00:06.45,Default,,0000,0000,0000,,você teria que programar.
Dialogue: 0,0:00:06.45,0:00:09.86,Default,,0000,0000,0000,,Pois então, para quem aqui \Nque nunca fez isso,
Dialogue: 0,0:00:09.86,0:00:13.36,Default,,0000,0000,0000,,programação é algo que requer \Nestabelecer com riqueza de detalhe
Dialogue: 0,0:00:13.36,0:00:16.73,Default,,0000,0000,0000,,cada passo do que você quer \Nque o computador faça
Dialogue: 0,0:00:16.73,0:00:19.09,Default,,0000,0000,0000,,para atingir o seu objetivo.
Dialogue: 0,0:00:19.09,0:00:22.58,Default,,0000,0000,0000,,Se você quiser fazer algo que \Nainda não sabe fazer sozinho,
Dialogue: 0,0:00:22.58,0:00:24.65,Default,,0000,0000,0000,,isso se torna um grande desafio.
Dialogue: 0,0:00:24.65,0:00:28.13,Default,,0000,0000,0000,,E esse foi o desafio enfrentado \Npor este homem, Arthur Samuel.
Dialogue: 0,0:00:28.13,0:00:32.21,Default,,0000,0000,0000,,Em 1956 ele queria que esse computador
Dialogue: 0,0:00:32.21,0:00:34.55,Default,,0000,0000,0000,,fosse capaz de vencê-lo no jogo de damas.
Dialogue: 0,0:00:34.55,0:00:36.59,Default,,0000,0000,0000,,Como você faz para escrever um programa,
Dialogue: 0,0:00:36.59,0:00:40.39,Default,,0000,0000,0000,,estabelecer com riqueza de detalhe,\Nque ele jogue damas melhor que você?
Dialogue: 0,0:00:40.39,0:00:42.12,Default,,0000,0000,0000,,Então ele teve uma ideia:
Dialogue: 0,0:00:42.12,0:00:45.84,Default,,0000,0000,0000,,ele fez o computador jogar\Ncontra si próprio milhares de vezes
Dialogue: 0,0:00:45.84,0:00:48.36,Default,,0000,0000,0000,,para aprender a jogar damas.
Dialogue: 0,0:00:48.36,0:00:51.54,Default,,0000,0000,0000,,E realmente funcionou,\Nde fato em 1962
Dialogue: 0,0:00:51.54,0:00:55.56,Default,,0000,0000,0000,,esse computador venceu\No campeão estadual de Connecticut.
Dialogue: 0,0:00:55.56,0:00:58.53,Default,,0000,0000,0000,,Arthur Samuel foi o pai \Ndo aprendizado de máquina,
Dialogue: 0,0:00:58.53,0:01:00.25,Default,,0000,0000,0000,,e eu devo muito a ele,
Dialogue: 0,0:01:00.25,0:01:03.01,Default,,0000,0000,0000,,porque eu sou um profissional\Nde aprendizado de máquina.
Dialogue: 0,0:01:03.01,0:01:04.48,Default,,0000,0000,0000,,Eu fui o presidente da Kaggle,
Dialogue: 0,0:01:04.48,0:01:07.87,Default,,0000,0000,0000,,uma comunidade de mais de 200 mil\Nprofissionais dessa área.
Dialogue: 0,0:01:07.87,0:01:09.92,Default,,0000,0000,0000,,A Kaggle organiza competições
Dialogue: 0,0:01:09.92,0:01:13.63,Default,,0000,0000,0000,,para tentar resolver problemas\Naté então sem solução,
Dialogue: 0,0:01:13.63,0:01:17.47,Default,,0000,0000,0000,,e tem sido bem sucedida\Ncentenas de vezes.
Dialogue: 0,0:01:17.47,0:01:19.94,Default,,0000,0000,0000,,Então desse ponto de vista,\Neu pude descobrir muito
Dialogue: 0,0:01:19.94,0:01:23.89,Default,,0000,0000,0000,,sobre o que o aprendizado de máquina\Nconseguiu no passado, hoje,
Dialogue: 0,0:01:23.89,0:01:26.25,Default,,0000,0000,0000,,e o que poderia fazer no futuro.
Dialogue: 0,0:01:26.25,0:01:30.68,Default,,0000,0000,0000,,Talvez o primeiro grande sucesso comercial\Nde aprendizado de máquina foi o Google.
Dialogue: 0,0:01:30.68,0:01:33.78,Default,,0000,0000,0000,,O Google mostrou que é possível\Nencontrar informação
Dialogue: 0,0:01:33.78,0:01:35.54,Default,,0000,0000,0000,,usando um algoritmo de computador,
Dialogue: 0,0:01:35.54,0:01:38.44,Default,,0000,0000,0000,,e esse algoritmo é baseado\Nno aprendizado de máquina.
Dialogue: 0,0:01:38.44,0:01:42.32,Default,,0000,0000,0000,,Desde então houve muitos casos de sucesso\Ncomercial de aprendizado de máquina.
Dialogue: 0,0:01:42.32,0:01:44.16,Default,,0000,0000,0000,,Empresas como Amazon e Netflix
Dialogue: 0,0:01:44.16,0:01:47.88,Default,,0000,0000,0000,,usam aprendizado de máquina para sugerir\Nprodutos que você poderia querer,
Dialogue: 0,0:01:47.88,0:01:49.90,Default,,0000,0000,0000,,filmes que você poderia querer assistir.
Dialogue: 0,0:01:49.90,0:01:51.70,Default,,0000,0000,0000,,Às vezes é quase assustador.
Dialogue: 0,0:01:51.70,0:01:53.66,Default,,0000,0000,0000,,Empresas como LinkedIn e Facebook
Dialogue: 0,0:01:53.66,0:01:56.25,Default,,0000,0000,0000,,às vezes te dirão quem deveria \Nser seu amigo
Dialogue: 0,0:01:56.25,0:01:58.23,Default,,0000,0000,0000,,e você não tem ideia de como,
Dialogue: 0,0:01:58.23,0:02:01.20,Default,,0000,0000,0000,,e isso é porque está usando\No poder do aprendizado de máquina.
Dialogue: 0,0:02:01.20,0:02:04.15,Default,,0000,0000,0000,,São algoritmos que aprenderam\Ncomo fazer isso a partir de dados
Dialogue: 0,0:02:04.15,0:02:07.40,Default,,0000,0000,0000,,ao invés de serem programados à mão.
Dialogue: 0,0:02:07.40,0:02:09.88,Default,,0000,0000,0000,,Foi assim que a IBM foi bem sucedida
Dialogue: 0,0:02:09.88,0:02:13.74,Default,,0000,0000,0000,,em fazer que Watson vencesse\Ndois campeões mundiais em Jeopardy,
Dialogue: 0,0:02:13.74,0:02:16.96,Default,,0000,0000,0000,,respondendo questões incrivelmente\Nsutis e complexas como essa:
Dialogue: 0,0:02:16.96,0:02:19.55,Default,,0000,0000,0000,,["O antigo 'Leão de Nimrud' desapareceu\Ndo museu nacional dessa cidade em 2003\N(junto com um monte de outras coisas)"]
Dialogue: 0,0:02:19.55,0:02:23.03,Default,,0000,0000,0000,,Também por isso que agora vemos\Nos primeiros carros auto-guiados.
Dialogue: 0,0:02:23.03,0:02:25.86,Default,,0000,0000,0000,,Se você quiser poder diferenciar entre, digamos,
Dialogue: 0,0:02:25.86,0:02:28.49,Default,,0000,0000,0000,,uma árvore e um pedestre, \Nbem, isso é muito importante.
Dialogue: 0,0:02:28.49,0:02:31.08,Default,,0000,0000,0000,,Não sabemos como escrever\Nesses programas à mão,
Dialogue: 0,0:02:31.08,0:02:34.07,Default,,0000,0000,0000,,mas com o aprendizado de máquina\Nisso agora é possível.
Dialogue: 0,0:02:34.07,0:02:37.12,Default,,0000,0000,0000,,De fato esse carro já dirigiu\Nmais de um milhão de quilômetros
Dialogue: 0,0:02:37.12,0:02:40.19,Default,,0000,0000,0000,,sem qualquer acidente em estradas normais.
Dialogue: 0,0:02:40.20,0:02:44.11,Default,,0000,0000,0000,,Pois bem, agora sabemos que \Ncomputadores conseguem aprender,
Dialogue: 0,0:02:44.11,0:02:46.01,Default,,0000,0000,0000,,e podem aprender a fazer coisas
Dialogue: 0,0:02:46.01,0:02:48.85,Default,,0000,0000,0000,,que inclusive nós mesmos \Nnão sabemos fazer,
Dialogue: 0,0:02:48.85,0:02:51.73,Default,,0000,0000,0000,,ou então fazer melhor que nós.
Dialogue: 0,0:02:51.73,0:02:55.93,Default,,0000,0000,0000,,Um dos exemplos mais surpreendentes\Nde aprendizado de máquina que eu já vi
Dialogue: 0,0:02:55.93,0:02:58.32,Default,,0000,0000,0000,,aconteceu num projeto\Nque eu organizei na Kaggle
Dialogue: 0,0:02:58.32,0:03:01.91,Default,,0000,0000,0000,,onde um time coordenado por alguém \Nchamado Geoffrey Hinton
Dialogue: 0,0:03:01.91,0:03:03.46,Default,,0000,0000,0000,,da Universidade de Toronto
Dialogue: 0,0:03:03.46,0:03:06.14,Default,,0000,0000,0000,,venceu a competição de\Ndescoberta automática de fármacos.
Dialogue: 0,0:03:06.14,0:03:08.99,Default,,0000,0000,0000,,O extraordinário aqui não é apenas \Nque eles bateram
Dialogue: 0,0:03:08.99,0:03:13.00,Default,,0000,0000,0000,,todos os algoritmos desenvolvidos pela \NMerck ou a comunidade acadêmica,
Dialogue: 0,0:03:13.00,0:03:18.06,Default,,0000,0000,0000,,mas que ninguém no time tinha qualquer \Nantecedente em biologia ou química,
Dialogue: 0,0:03:18.06,0:03:20.23,Default,,0000,0000,0000,,e fizeram isso em duas semanas.
Dialogue: 0,0:03:20.23,0:03:22.00,Default,,0000,0000,0000,,Como eles fizeram isso?
Dialogue: 0,0:03:22.42,0:03:25.34,Default,,0000,0000,0000,,Usaram um algoritmo singular\Nchamado aprendizado profundo.
Dialogue: 0,0:03:25.34,0:03:28.29,Default,,0000,0000,0000,,Isso foi tão importante que de fato\No sucesso foi noticiado
Dialogue: 0,0:03:28.29,0:03:31.41,Default,,0000,0000,0000,,no The New York Times num artigo\Nde página frontal semanas depois.
Dialogue: 0,0:03:31.41,0:03:34.15,Default,,0000,0000,0000,,Esse é Geoffrey Hinton,\Naqui no lado esquerdo.
Dialogue: 0,0:03:34.15,0:03:38.49,Default,,0000,0000,0000,,Aprendizado profundo é um algoritmo\Ninspirado no cérebro humano,
Dialogue: 0,0:03:38.49,0:03:40.30,Default,,0000,0000,0000,,ou seja, é um algoritmo
Dialogue: 0,0:03:40.30,0:03:44.14,Default,,0000,0000,0000,,que não tem limitações teóricas\Npara o que pode fazer.
Dialogue: 0,0:03:44.14,0:03:46.96,Default,,0000,0000,0000,,Quanto mais dados e tempo você der a ele,
Dialogue: 0,0:03:46.96,0:03:48.28,Default,,0000,0000,0000,,melhor ele fica.
Dialogue: 0,0:03:48.28,0:03:50.62,Default,,0000,0000,0000,,O The New York Times mostrou \Nnesse artigo também
Dialogue: 0,0:03:50.62,0:03:52.86,Default,,0000,0000,0000,,outro resultado singular do\Naprendizado profundo
Dialogue: 0,0:03:52.86,0:03:55.57,Default,,0000,0000,0000,,que eu vou mostrar para vocês agora.
Dialogue: 0,0:03:55.57,0:04:00.51,Default,,0000,0000,0000,,Mostra que os computadores\Nconseguem escutar e entender.
Dialogue: 0,0:04:00.51,0:04:03.22,Default,,0000,0000,0000,,(Vídeo) Richard Rashid: \NAgora, o último passo
Dialogue: 0,0:04:03.22,0:04:06.25,Default,,0000,0000,0000,,que eu pretendo dar nesse processo
Dialogue: 0,0:04:06.25,0:04:10.96,Default,,0000,0000,0000,,é realmente falar com vocês em chinês.
Dialogue: 0,0:04:10.96,0:04:13.60,Default,,0000,0000,0000,,A chave aqui é que
Dialogue: 0,0:04:13.60,0:04:18.60,Default,,0000,0000,0000,,conseguimos levantar uma vasta quantidade\Nde informação de muitos falantes do chinês
Dialogue: 0,0:04:18.60,0:04:21.13,Default,,0000,0000,0000,,e produzir um sistema texto-para-fala
Dialogue: 0,0:04:21.13,0:04:25.80,Default,,0000,0000,0000,,que pega o texto em chinês e\Nconverte para a linguagem chinesa,
Dialogue: 0,0:04:25.80,0:04:29.93,Default,,0000,0000,0000,,e então pegamos mais ou menos uma hora\Nda minha própria voz
Dialogue: 0,0:04:29.93,0:04:31.82,Default,,0000,0000,0000,,e usamos para modular
Dialogue: 0,0:04:31.82,0:04:36.36,Default,,0000,0000,0000,,o sistema texto-para-fala padrão\Npara que possa parecer a minha voz.
Dialogue: 0,0:04:36.36,0:04:38.90,Default,,0000,0000,0000,,O resultado não é perfeito.
Dialogue: 0,0:04:38.90,0:04:41.55,Default,,0000,0000,0000,,Na verdade há alguns erros.
Dialogue: 0,0:04:41.55,0:04:44.04,Default,,0000,0000,0000,,(Em chinês)
Dialogue: 0,0:04:44.04,0:04:47.40,Default,,0000,0000,0000,,(Aplausos)
Dialogue: 0,0:04:49.45,0:04:53.02,Default,,0000,0000,0000,,Há muito trabalho pela frente nessa área.
Dialogue: 0,0:04:53.02,0:04:56.67,Default,,0000,0000,0000,,(Em chinês)
Dialogue: 0,0:04:56.67,0:05:00.10,Default,,0000,0000,0000,,(Aplausos)
Dialogue: 0,0:05:01.34,0:05:04.74,Default,,0000,0000,0000,,J. Howard: Isso foi num congresso \Nde aprendizado de máquina na China.
Dialogue: 0,0:05:04.74,0:05:07.11,Default,,0000,0000,0000,,Na verdade não é comum escutar aplausos
Dialogue: 0,0:05:07.11,0:05:09.01,Default,,0000,0000,0000,,espontâneos em congressos acadêmicos,
Dialogue: 0,0:05:09.01,0:05:12.69,Default,,0000,0000,0000,,embora obviamente às vezes acontecer\Nem conferências TEDx, fiquem à vontade.
Dialogue: 0,0:05:12.69,0:05:15.48,Default,,0000,0000,0000,,Tudo que vocês viram lá aconteceu\Ncom aprendizado profundo.
Dialogue: 0,0:05:15.48,0:05:16.93,Default,,0000,0000,0000,,(Aplausos) Obrigado.
Dialogue: 0,0:05:16.93,0:05:19.29,Default,,0000,0000,0000,,A transcrição em inglês foi\Naprendizado profundo.
Dialogue: 0,0:05:19.29,0:05:22.70,Default,,0000,0000,0000,,A tradução para chinês e o texto na\Ndireita superior, também,
Dialogue: 0,0:05:22.70,0:05:26.01,Default,,0000,0000,0000,,e a construção da voz também\Nfoi aprendizado profundo.
Dialogue: 0,0:05:26.01,0:05:29.24,Default,,0000,0000,0000,,Então, aprendizado profundo é\Nessa coisa extraordinária.
Dialogue: 0,0:05:29.24,0:05:32.34,Default,,0000,0000,0000,,É um único algoritmo que parece\Nfazer quase tudo,
Dialogue: 0,0:05:32.34,0:05:35.45,Default,,0000,0000,0000,,e um ano antes eu descobri que\Nele também aprendeu a ver.
Dialogue: 0,0:05:35.45,0:05:37.63,Default,,0000,0000,0000,,Nessa competição desconhecida \Nalemã, chamada
Dialogue: 0,0:05:37.63,0:05:40.22,Default,,0000,0000,0000,,Modelo de Reconhecimento de\NSinais de Trânsito Alemães
Dialogue: 0,0:05:40.22,0:05:43.62,Default,,0000,0000,0000,,aprendizado profundo aprendeu a\Nreconhecer sinais de trânsito como esse.
Dialogue: 0,0:05:43.62,0:05:45.71,Default,,0000,0000,0000,,Não apenas conseguiu reconhecer os sinais
Dialogue: 0,0:05:45.71,0:05:47.47,Default,,0000,0000,0000,,melhor que qualquer outro algoritmo,
Dialogue: 0,0:05:47.47,0:05:50.19,Default,,0000,0000,0000,,o ranking na verdade mostrou que\Nera melhor do que gente,
Dialogue: 0,0:05:50.19,0:05:52.04,Default,,0000,0000,0000,,quase duas vezes melhor do que gente.
Dialogue: 0,0:05:52.04,0:05:54.04,Default,,0000,0000,0000,,Então em 2011 tivemos o primeiro exemplo
Dialogue: 0,0:05:54.04,0:05:57.44,Default,,0000,0000,0000,,de computadores que conseguem ver \Nmelhor do que pessoas.
Dialogue: 0,0:05:57.44,0:05:59.49,Default,,0000,0000,0000,,Desde então muito aconteceu.
Dialogue: 0,0:05:59.49,0:06:03.00,Default,,0000,0000,0000,,Em 2012 Google anunciou que havia\Num algoritmo de aprendizado profundo
Dialogue: 0,0:06:03.00,0:06:04.42,Default,,0000,0000,0000,,assistindo vídeos do YouTube
Dialogue: 0,0:06:04.42,0:06:07.86,Default,,0000,0000,0000,,e remoendo os dados em 16 mil \Ncomputadores por mês,
Dialogue: 0,0:06:07.86,0:06:12.22,Default,,0000,0000,0000,,e o computador aprendeu sozinho\Nconceitos como pessoas e gatos
Dialogue: 0,0:06:12.22,0:06:14.03,Default,,0000,0000,0000,,apenas assistindo aos vídeos.
Dialogue: 0,0:06:14.03,0:06:16.38,Default,,0000,0000,0000,,É desse jeito que os humanos aprendem.
Dialogue: 0,0:06:16.38,0:06:19.12,Default,,0000,0000,0000,,Os humanos não aprendem com alguém\Nexplicando o que viram,
Dialogue: 0,0:06:19.12,0:06:22.45,Default,,0000,0000,0000,,aprendem por si próprios.
Dialogue: 0,0:06:22.45,0:06:25.82,Default,,0000,0000,0000,,Também em 2012, Geoffrey Hinton, \Na quem vimos antes,
Dialogue: 0,0:06:25.82,0:06:28.68,Default,,0000,0000,0000,,venceu a conhecida competição ImageNet,
Dialogue: 0,0:06:28.68,0:06:32.82,Default,,0000,0000,0000,,tentando descobrir a partir de\Num milhão e meio de imagens
Dialogue: 0,0:06:32.82,0:06:34.26,Default,,0000,0000,0000,,o que elas retratam.
Dialogue: 0,0:06:34.26,0:06:37.79,Default,,0000,0000,0000,,A partir de 2014 estamos\Ncom uma taxa de erro de 6%
Dialogue: 0,0:06:37.79,0:06:39.24,Default,,0000,0000,0000,,em reconhecimento de imagem.
Dialogue: 0,0:06:39.24,0:06:41.27,Default,,0000,0000,0000,,De novo, isso é melhor que gente.
Dialogue: 0,0:06:41.27,0:06:45.04,Default,,0000,0000,0000,,Então, máquinas estão fazendo \Num ótimo trabalho
Dialogue: 0,0:06:45.04,0:06:47.31,Default,,0000,0000,0000,,e agora está sendo usado na indústria.
Dialogue: 0,0:06:47.31,0:06:50.35,Default,,0000,0000,0000,,Por exemplo, o Google anunciou ano passado
Dialogue: 0,0:06:50.35,0:06:54.93,Default,,0000,0000,0000,,que mapearam cada local\Nda França em duas horas,
Dialogue: 0,0:06:54.93,0:06:58.38,Default,,0000,0000,0000,,e fizeram isso fornecendo imagens das ruas
Dialogue: 0,0:06:58.38,0:07:02.70,Default,,0000,0000,0000,,para o algoritmo de aprendizado profundo\Nreconhecer e ler os números das ruas.
Dialogue: 0,0:07:02.70,0:07:04.92,Default,,0000,0000,0000,,Imaginem quanto levaria\Ndo jeito que era antes:
Dialogue: 0,0:07:04.92,0:07:08.27,Default,,0000,0000,0000,,dúzias de pessoas, muitos anos.
Dialogue: 0,0:07:08.27,0:07:10.18,Default,,0000,0000,0000,,Também está acontecendo na China.
Dialogue: 0,0:07:10.18,0:07:14.22,Default,,0000,0000,0000,,Baidu é tipo o Google chinês, eu acho,
Dialogue: 0,0:07:14.22,0:07:16.50,Default,,0000,0000,0000,,e o que vocês podem ver acima à esquerda
Dialogue: 0,0:07:16.50,0:07:20.48,Default,,0000,0000,0000,,é um exemplo de uma imagem que eu subi ao\Nsistema de aprendizado profundo do Baidu,
Dialogue: 0,0:07:20.48,0:07:24.25,Default,,0000,0000,0000,,e abaixo você pode ver que o sistema\Nentendeu que imagem é
Dialogue: 0,0:07:24.25,0:07:26.48,Default,,0000,0000,0000,,e encontrou imagens similares.
Dialogue: 0,0:07:26.48,0:07:29.22,Default,,0000,0000,0000,,As imagens similares de fato\Ntêm fundos similares,
Dialogue: 0,0:07:29.22,0:07:30.88,Default,,0000,0000,0000,,direções de rostos similares,
Dialogue: 0,0:07:30.88,0:07:32.66,Default,,0000,0000,0000,,algumas até com a língua para fora.
Dialogue: 0,0:07:32.66,0:07:35.50,Default,,0000,0000,0000,,Claramente não está olhando\Npara o texto da página.
Dialogue: 0,0:07:35.50,0:07:37.50,Default,,0000,0000,0000,,Tudo que eu forneci foi uma imagem.
Dialogue: 0,0:07:37.50,0:07:41.13,Default,,0000,0000,0000,,Agora temos computadores que\Nrealmente entendem o que veem
Dialogue: 0,0:07:41.13,0:07:42.75,Default,,0000,0000,0000,,e então buscam em bancos de dados
Dialogue: 0,0:07:42.75,0:07:46.31,Default,,0000,0000,0000,,de centenas de milhões\Nde imagens em tempo real.
Dialogue: 0,0:07:46.31,0:07:49.54,Default,,0000,0000,0000,,Então o que significa o fato dos \Ncomputadores conseguirem ver?
Dialogue: 0,0:07:49.54,0:07:51.55,Default,,0000,0000,0000,,Bem, não é só que conseguem ver.
Dialogue: 0,0:07:51.55,0:07:53.62,Default,,0000,0000,0000,,De fato, o aprendizado profundo fez mais.
Dialogue: 0,0:07:53.62,0:07:56.57,Default,,0000,0000,0000,,Frases matizadas e complexas\Ncomo esta agora são
Dialogue: 0,0:07:56.57,0:07:59.39,Default,,0000,0000,0000,,compreensíveis com algoritmos \Nde aprendizado profundo.
Dialogue: 0,0:07:59.39,0:08:00.70,Default,,0000,0000,0000,,Como vocês podem ver aqui,
Dialogue: 0,0:08:00.70,0:08:03.46,Default,,0000,0000,0000,,esse sistema de Stanford com \No ponto vermelho acima
Dialogue: 0,0:08:03.46,0:08:07.38,Default,,0000,0000,0000,,descobriu que esta frase expressa\Num sentimento negativo.
Dialogue: 0,0:08:07.38,0:08:10.79,Default,,0000,0000,0000,,Na verdade o aprendizado profundo\Nestá alcançando a performance humana
Dialogue: 0,0:08:10.80,0:08:15.92,Default,,0000,0000,0000,,ao entender sobre o que as frases são e\No que dizem sobre as coisas.
Dialogue: 0,0:08:15.92,0:08:18.65,Default,,0000,0000,0000,,Além disso o aprendizado profundo\Né usado para ler chinês,
Dialogue: 0,0:08:18.65,0:08:21.81,Default,,0000,0000,0000,,de novo no nível do falante nativo.
Dialogue: 0,0:08:21.81,0:08:23.98,Default,,0000,0000,0000,,Esse algoritmo, desenvolvido na Suíça
Dialogue: 0,0:08:23.98,0:08:27.33,Default,,0000,0000,0000,,por pessoas que não falam chinês.
Dialogue: 0,0:08:27.33,0:08:29.38,Default,,0000,0000,0000,,Como eu digo, usar aprendizado profundo
Dialogue: 0,0:08:29.38,0:08:31.60,Default,,0000,0000,0000,,é o melhor sistema no mundo para isso,
Dialogue: 0,0:08:31.60,0:08:36.72,Default,,0000,0000,0000,,até mesmo comparando ao entendimento \Ndo humano nativo.
Dialogue: 0,0:08:36.72,0:08:39.68,Default,,0000,0000,0000,,Esse é um sistema que montamos \Nna minha empresa
Dialogue: 0,0:08:39.68,0:08:41.73,Default,,0000,0000,0000,,que mostra tudo isso colocado junto.
Dialogue: 0,0:08:41.73,0:08:44.19,Default,,0000,0000,0000,,Essas são imagens sem texto,
Dialogue: 0,0:08:44.19,0:08:46.54,Default,,0000,0000,0000,,e enquanto digito frases aqui,
Dialogue: 0,0:08:46.54,0:08:49.51,Default,,0000,0000,0000,,ele entende essas imagens em tempo real
Dialogue: 0,0:08:49.51,0:08:51.19,Default,,0000,0000,0000,,e descobre sobre o que elas são
Dialogue: 0,0:08:51.19,0:08:54.35,Default,,0000,0000,0000,,e encontram imagens similares ao\Ntexto que estou escrevendo.
Dialogue: 0,0:08:54.35,0:08:57.11,Default,,0000,0000,0000,,Vocês podem ver, está realmente\Nentendendo minhas frases
Dialogue: 0,0:08:57.11,0:08:59.33,Default,,0000,0000,0000,,e entendendo essas imagens.
Dialogue: 0,0:08:59.33,0:09:01.89,Default,,0000,0000,0000,,Sei que vocês viram algo assim no Google,
Dialogue: 0,0:09:01.89,0:09:04.67,Default,,0000,0000,0000,,onde você digita coisas e \Naparecem imagens,
Dialogue: 0,0:09:04.67,0:09:08.09,Default,,0000,0000,0000,,mas na verdade o que acontece é que\Nestá buscando o texto na página.
Dialogue: 0,0:09:08.09,0:09:11.09,Default,,0000,0000,0000,,Isso é muito diferente de\Nrealmente entender as imagens.
Dialogue: 0,0:09:11.09,0:09:13.84,Default,,0000,0000,0000,,Isso foi possível acontecer\Npara computadores
Dialogue: 0,0:09:13.84,0:09:17.09,Default,,0000,0000,0000,,pela primeira vez somente\Nhá alguns poucos meses.
Dialogue: 0,0:09:17.09,0:09:21.18,Default,,0000,0000,0000,,Vemos que agora os computadores conseguem\Nnão apenas ver, mas ler também,
Dialogue: 0,0:09:21.18,0:09:24.95,Default,,0000,0000,0000,,e claro, mostramos aqui que podem\Nentender o que escutam.
Dialogue: 0,0:09:24.95,0:09:28.39,Default,,0000,0000,0000,,Talvez não seja surpresa o que vou\Ndizer agora: eles sabem escrever.
Dialogue: 0,0:09:28.39,0:09:33.17,Default,,0000,0000,0000,,Aqui um texto que eu gerei usando um\Nalgoritmo de aprendizado profundo ontem.
Dialogue: 0,0:09:33.17,0:09:37.10,Default,,0000,0000,0000,,E aqui um texto que um algoritmo\Nde Stanford criou.
Dialogue: 0,0:09:37.10,0:09:38.86,Default,,0000,0000,0000,,Cada uma dessas frases foi criada
Dialogue: 0,0:09:38.86,0:09:43.11,Default,,0000,0000,0000,,por um algoritmo de aprendizado profundo\Npara descrever cada uma dessas imagens.
Dialogue: 0,0:09:43.11,0:09:47.58,Default,,0000,0000,0000,,Esse algoritmo nunca tinha visto um homem\Nde camiseta preta tocando violão.
Dialogue: 0,0:09:47.58,0:09:49.80,Default,,0000,0000,0000,,Ele já viu um homem antes,\Njá viu a cor preta,
Dialogue: 0,0:09:49.80,0:09:51.40,Default,,0000,0000,0000,,já viu um violão antes,
Dialogue: 0,0:09:51.40,0:09:55.69,Default,,0000,0000,0000,,mas criou independentemente\Nessa descrição inédita para essa imagem.
Dialogue: 0,0:09:55.69,0:09:59.20,Default,,0000,0000,0000,,Ainda não chegamos ao patamar\Ndo desempenho humano, mas estamos perto.
Dialogue: 0,0:09:59.20,0:10:03.26,Default,,0000,0000,0000,,Em testes, humanos preferem a legenda\Ngerada por computador
Dialogue: 0,0:10:03.26,0:10:04.79,Default,,0000,0000,0000,,uma a cada quatro vezes.
Dialogue: 0,0:10:04.79,0:10:06.86,Default,,0000,0000,0000,,Agora esse sistema tem apenas \Nduas semanas,
Dialogue: 0,0:10:06.86,0:10:08.70,Default,,0000,0000,0000,,então provavelmente dentro de um ano,
Dialogue: 0,0:10:08.70,0:10:11.50,Default,,0000,0000,0000,,o algoritmo de computador estará\Nalém do desempenho humano
Dialogue: 0,0:10:11.50,0:10:13.36,Default,,0000,0000,0000,,no ritmo que as coisas vão.
Dialogue: 0,0:10:13.36,0:10:16.41,Default,,0000,0000,0000,,E é isso, os computadores\Nconseguem escrever.
Dialogue: 0,0:10:16.41,0:10:19.89,Default,,0000,0000,0000,,Quando juntamos isso tudo,\Noportunidades muito empolgantes aparecem.
Dialogue: 0,0:10:19.89,0:10:21.38,Default,,0000,0000,0000,,Por exemplo, na medicina,
Dialogue: 0,0:10:21.38,0:10:23.90,Default,,0000,0000,0000,,uma equipe em Boston anunciou\Na descoberta de
Dialogue: 0,0:10:23.90,0:10:26.85,Default,,0000,0000,0000,,dúzias de novas características \Nclinicamente relevantes
Dialogue: 0,0:10:26.85,0:10:31.12,Default,,0000,0000,0000,,de tumores que ajudam os médicos\Nem prognósticos de câncer.
Dialogue: 0,0:10:32.22,0:10:34.52,Default,,0000,0000,0000,,De modo semelhante, em Stanford,
Dialogue: 0,0:10:34.52,0:10:37.87,Default,,0000,0000,0000,,um grupo lá anunciou que,\Nobservando tecidos sob ampliação,
Dialogue: 0,0:10:37.87,0:10:40.68,Default,,0000,0000,0000,,desenvolveu um sistema\Ncom base em aprendizado de máquina
Dialogue: 0,0:10:40.68,0:10:43.14,Default,,0000,0000,0000,,que de fato é melhor que \Npatologistas humanos
Dialogue: 0,0:10:43.14,0:10:47.52,Default,,0000,0000,0000,,ao prever índices de sobrevivência\Npara pacientes de câncer.
Dialogue: 0,0:10:47.52,0:10:50.76,Default,,0000,0000,0000,,Em ambos os casos, não apenas\Nas previsões eram mais precisas,
Dialogue: 0,0:10:50.76,0:10:53.27,Default,,0000,0000,0000,,mas criaram ciência perspicaz.
Dialogue: 0,0:10:53.28,0:10:54.78,Default,,0000,0000,0000,,No caso da radiologia,
Dialogue: 0,0:10:54.78,0:10:57.88,Default,,0000,0000,0000,,foram indicadores clínicos novos\Nque humanos conseguem entender.
Dialogue: 0,0:10:57.88,0:10:59.67,Default,,0000,0000,0000,,Nesse caso de patologia,
Dialogue: 0,0:10:59.67,0:11:04.17,Default,,0000,0000,0000,,o sistema de computador descobriu que\Nas células ao redor do câncer
Dialogue: 0,0:11:04.17,0:11:07.51,Default,,0000,0000,0000,,são tão importantes quanto as\Npróprias células cancerígenas
Dialogue: 0,0:11:07.51,0:11:09.26,Default,,0000,0000,0000,,para se fazer um diagnóstico.
Dialogue: 0,0:11:09.26,0:11:14.62,Default,,0000,0000,0000,,Isso é o oposto do que os patologistas\Ntinham aprendido por décadas.
Dialogue: 0,0:11:14.62,0:11:17.91,Default,,0000,0000,0000,,Em cada um desses dois casos, foram\Nsistemas desenvolvidos por um
Dialogue: 0,0:11:17.91,0:11:21.53,Default,,0000,0000,0000,,grupo de especialistas médicos e\Nespecialistas em aprendizado de máquina,
Dialogue: 0,0:11:21.53,0:11:24.28,Default,,0000,0000,0000,,mas desde ano passado,\Nestamos além disso também.
Dialogue: 0,0:11:24.28,0:11:27.82,Default,,0000,0000,0000,,Esse é um exemplo de identificação\Nde áreas cancerígenas
Dialogue: 0,0:11:27.82,0:11:30.35,Default,,0000,0000,0000,,em tecido humano sob um microscópio.
Dialogue: 0,0:11:30.35,0:11:34.97,Default,,0000,0000,0000,,O sistema aqui consegue identificar\Nessas áreas com mais precisão,
Dialogue: 0,0:11:34.97,0:11:37.74,Default,,0000,0000,0000,,ou com a mesma precisão,\Ndo que patologistas humanos,
Dialogue: 0,0:11:37.74,0:11:41.13,Default,,0000,0000,0000,,mas foi construido com aprendizado\Nprofundo sem conhecimento médico
Dialogue: 0,0:11:41.13,0:11:43.66,Default,,0000,0000,0000,,por pessoas sem antecedentes na área.
Dialogue: 0,0:11:44.73,0:11:47.28,Default,,0000,0000,0000,,De modo similar, aqui,\Nessa segmentação de neurônios.
Dialogue: 0,0:11:47.28,0:11:50.95,Default,,0000,0000,0000,,Agora podemos segmentar neurônios\Ntão precisamente quanto os humanos,
Dialogue: 0,0:11:50.95,0:11:53.67,Default,,0000,0000,0000,,mas esse sistema foi desenvolvido\Ncom aprendizado profundo
Dialogue: 0,0:11:53.67,0:11:56.92,Default,,0000,0000,0000,,por pessoas sem antecedentes em medicina.
Dialogue: 0,0:11:56.92,0:12:00.15,Default,,0000,0000,0000,,Então eu mesmo, que não tenho\Nantecedentes em medicina,
Dialogue: 0,0:12:00.15,0:12:03.88,Default,,0000,0000,0000,,posso parecer inteiramente qualificado\Npara iniciar uma empresa médica,
Dialogue: 0,0:12:03.88,0:12:06.02,Default,,0000,0000,0000,,que foi o que eu fiz.
Dialogue: 0,0:12:06.02,0:12:07.76,Default,,0000,0000,0000,,Eu estava meio aterrorizado,
Dialogue: 0,0:12:07.76,0:12:10.65,Default,,0000,0000,0000,,mas a teoria sugeria que era possível
Dialogue: 0,0:12:10.65,0:12:16.14,Default,,0000,0000,0000,,fazer medicina muito útil usando\Napenas essas técnicas analíticas de dados.
Dialogue: 0,0:12:16.14,0:12:18.62,Default,,0000,0000,0000,,E ainda bem, a reação tem sido fantástica,
Dialogue: 0,0:12:18.62,0:12:20.98,Default,,0000,0000,0000,,não apenas da mídia mas da\Ncomunidade médica,
Dialogue: 0,0:12:20.98,0:12:23.32,Default,,0000,0000,0000,,que tem sido muito favorável.
Dialogue: 0,0:12:23.32,0:12:27.47,Default,,0000,0000,0000,,A teoria é que podemos pegar a parte\Nintermediária do precesso médico
Dialogue: 0,0:12:27.47,0:12:30.36,Default,,0000,0000,0000,,e torná-la em análise de dados \Ntanto quanto possível,
Dialogue: 0,0:12:30.36,0:12:33.43,Default,,0000,0000,0000,,deixando aos médicos o que \Neles fazem de melhor.
Dialogue: 0,0:12:33.43,0:12:35.03,Default,,0000,0000,0000,,Quero dar uma exemplo a vocês.
Dialogue: 0,0:12:35.03,0:12:39.98,Default,,0000,0000,0000,,Hoje um novo teste de diagnóstico médico\Nleva uns 15 minutos para ser feito
Dialogue: 0,0:12:39.98,0:12:41.93,Default,,0000,0000,0000,,e vou mostrar em tempo real para vocês,
Dialogue: 0,0:12:41.93,0:12:45.42,Default,,0000,0000,0000,,mas eu comprimi para três minutos, \Ncortando alguns pedaços.
Dialogue: 0,0:12:45.42,0:12:48.48,Default,,0000,0000,0000,,Ao invés de um teste de \Ndiagnóstico médico,
Dialogue: 0,0:12:48.48,0:12:51.85,Default,,0000,0000,0000,,vou mostrar um teste de diagnóstico\Nde imagens de carros,
Dialogue: 0,0:12:51.85,0:12:54.07,Default,,0000,0000,0000,,pois é algo que todos podem entender.
Dialogue: 0,0:12:54.07,0:12:57.27,Default,,0000,0000,0000,,Então aqui estamos iniciando com \N1,5 milhão de imagens de carro,
Dialogue: 0,0:12:57.27,0:13:00.48,Default,,0000,0000,0000,,e eu quero criar algo que pode \Nseparar num ângulo
Dialogue: 0,0:13:00.48,0:13:02.70,Default,,0000,0000,0000,,da foto que está sendo tirada.
Dialogue: 0,0:13:02.70,0:13:06.59,Default,,0000,0000,0000,,Essas imagens são inteiramente não\Nmarcadas, então preciso começar do zero.
Dialogue: 0,0:13:06.59,0:13:08.45,Default,,0000,0000,0000,,Com o algoritmo de\Naprendizado profundo,
Dialogue: 0,0:13:08.45,0:13:12.16,Default,,0000,0000,0000,,pode-se automaticamente identificar áreas\Nde estrutura nessas imagens.
Dialogue: 0,0:13:12.16,0:13:15.78,Default,,0000,0000,0000,,O legal é que o humano e o computador\Nagora podem trabalhar juntos.
Dialogue: 0,0:13:15.78,0:13:17.96,Default,,0000,0000,0000,,Então o humano, como podem ver,
Dialogue: 0,0:13:17.96,0:13:20.63,Default,,0000,0000,0000,,diz ao computador as áreas de interesse
Dialogue: 0,0:13:20.63,0:13:25.28,Default,,0000,0000,0000,,que o computador então usa para\Nmelhorar o algoritmo.
Dialogue: 0,0:13:25.28,0:13:29.58,Default,,0000,0000,0000,,Esses sistemas de aprendizado profundo\Nagem num espaço de 16 mil dimensões,
Dialogue: 0,0:13:29.58,0:13:32.56,Default,,0000,0000,0000,,dá para ver aqui o computador\Ngirando através do espaço,
Dialogue: 0,0:13:32.56,0:13:35.00,Default,,0000,0000,0000,,tentando encontrar novas\Náreas de estrutura.
Dialogue: 0,0:13:35.00,0:13:36.78,Default,,0000,0000,0000,,E quando consegue,
Dialogue: 0,0:13:36.78,0:13:40.79,Default,,0000,0000,0000,,o humano que está no controle então\Naponta as áreas de interesse.
Dialogue: 0,0:13:40.79,0:13:43.21,Default,,0000,0000,0000,,Aqui o computador encontrou as \Náreas com sucesso,
Dialogue: 0,0:13:43.21,0:13:45.77,Default,,0000,0000,0000,,por exemplo, ângulos.
Dialogue: 0,0:13:45.77,0:13:47.38,Default,,0000,0000,0000,,Enquanto seguimos o processo,
Dialogue: 0,0:13:47.38,0:13:49.72,Default,,0000,0000,0000,,gradualmente dizendo mais e mais\Nao computador
Dialogue: 0,0:13:49.72,0:13:52.14,Default,,0000,0000,0000,,sobre os tipos de estruturas que\Nestamos buscando.
Dialogue: 0,0:13:52.14,0:13:53.92,Default,,0000,0000,0000,,Se fosse um teste diagnóstico, seria
Dialogue: 0,0:13:53.92,0:13:57.27,Default,,0000,0000,0000,,um patologista identificando áreas\Nde condição patológica, por exemplo,
Dialogue: 0,0:13:57.27,0:14:02.29,Default,,0000,0000,0000,,ou um radiologista indicando nódulos\Npotencialmente problemáticos.
Dialogue: 0,0:14:02.29,0:14:04.85,Default,,0000,0000,0000,,E às vezes pode ser difícil\Npara o algoritmo.
Dialogue: 0,0:14:04.85,0:14:06.82,Default,,0000,0000,0000,,Nesse caso, ficou um pouco confuso.
Dialogue: 0,0:14:06.82,0:14:09.36,Default,,0000,0000,0000,,As frentes e as traseiras estão\Ntodas misturadas.
Dialogue: 0,0:14:09.36,0:14:11.44,Default,,0000,0000,0000,,Então temos que ser cuidadosos,
Dialogue: 0,0:14:11.44,0:14:14.67,Default,,0000,0000,0000,,manualmente separando as frentes e\Nas traseiras,
Dialogue: 0,0:14:14.67,0:14:20.18,Default,,0000,0000,0000,,e dizer ao computador que isso é\No tipo de grupo
Dialogue: 0,0:14:20.18,0:14:21.52,Default,,0000,0000,0000,,que nos interessa.
Dialogue: 0,0:14:21.52,0:14:24.20,Default,,0000,0000,0000,,Então fizemos isso por um tempo,\Nadiantamos um pouco, e
Dialogue: 0,0:14:24.20,0:14:26.45,Default,,0000,0000,0000,,treinamos o algoritmo de\Naprendizado de máquina
Dialogue: 0,0:14:26.45,0:14:28.42,Default,,0000,0000,0000,,com base em algumas centenas de coisas,
Dialogue: 0,0:14:28.42,0:14:30.44,Default,,0000,0000,0000,,e esperamos que tenha ficado melhor.
Dialogue: 0,0:14:30.44,0:14:33.52,Default,,0000,0000,0000,,Podem ver que agora algumas dessas\Nimagens desapareceram,
Dialogue: 0,0:14:33.52,0:14:38.23,Default,,0000,0000,0000,,mostrando que já consegue entender\Nalgumas por si próprio.
Dialogue: 0,0:14:38.23,0:14:41.13,Default,,0000,0000,0000,,Podemos então usar esse conceito\Npara imagens similares,
Dialogue: 0,0:14:41.13,0:14:43.22,Default,,0000,0000,0000,,e usando imagens similares,\Nvocês podem ver,
Dialogue: 0,0:14:43.22,0:14:47.24,Default,,0000,0000,0000,,o computador nesse ponto consegue\Nencontrar somente as frentes dos carros.
Dialogue: 0,0:14:47.24,0:14:50.19,Default,,0000,0000,0000,,Nesse ponto o humano pode\Ndizer ao computador,
Dialogue: 0,0:14:50.19,0:14:52.48,Default,,0000,0000,0000,,"ok, sim, você fez um bom trabalho".
Dialogue: 0,0:14:53.65,0:14:55.84,Default,,0000,0000,0000,,Claro que às vezes ainda é difícil
Dialogue: 0,0:14:55.84,0:14:59.51,Default,,0000,0000,0000,,separar grupos.
Dialogue: 0,0:14:59.51,0:15:03.40,Default,,0000,0000,0000,,Nesse caso mesmo depois\Ndo computador girar um pouco,
Dialogue: 0,0:15:03.40,0:15:06.74,Default,,0000,0000,0000,,ainda vemos que imagens\Ndo lado esquerdo e do lado direito
Dialogue: 0,0:15:06.74,0:15:08.22,Default,,0000,0000,0000,,estão todas misturadas.
Dialogue: 0,0:15:08.22,0:15:10.36,Default,,0000,0000,0000,,Podemos novamente dar\Ndicas ao computador,
Dialogue: 0,0:15:10.36,0:15:13.34,Default,,0000,0000,0000,,e dizer, certo, encontre\Numa projeção que separe
Dialogue: 0,0:15:13.34,0:15:15.94,Default,,0000,0000,0000,,os lados esquerdo e direito\No melhor possível
Dialogue: 0,0:15:15.94,0:15:18.07,Default,,0000,0000,0000,,usando o algoritmo de \Naprendizado profundo.
Dialogue: 0,0:15:18.07,0:15:21.01,Default,,0000,0000,0000,,E dando aquela dica, ah, certo, conseguiu.
Dialogue: 0,0:15:21.01,0:15:23.89,Default,,0000,0000,0000,,Encontrou um jeito de pensar\Nnesses objetos
Dialogue: 0,0:15:23.89,0:15:26.27,Default,,0000,0000,0000,,que acabou agrupando.
Dialogue: 0,0:15:26.27,0:15:28.71,Default,,0000,0000,0000,,Vocês podem pegar a ideia aqui.
Dialogue: 0,0:15:28.71,0:15:36.91,Default,,0000,0000,0000,,Não é o caso de substituir\No humano pelo computador,
Dialogue: 0,0:15:36.91,0:15:39.55,Default,,0000,0000,0000,,mas sim de trabalharem juntos.
Dialogue: 0,0:15:39.55,0:15:43.10,Default,,0000,0000,0000,,O que fazemos aqui é substituir algo\Nque costumava demandar de uma equipe
Dialogue: 0,0:15:43.10,0:15:45.25,Default,,0000,0000,0000,,de cinco ou seis pessoas\Ncerca de sete anos
Dialogue: 0,0:15:45.25,0:15:47.70,Default,,0000,0000,0000,,com algo que leva apenas 15 minutos
Dialogue: 0,0:15:47.70,0:15:50.21,Default,,0000,0000,0000,,para uma pessoa só.
Dialogue: 0,0:15:50.21,0:15:54.16,Default,,0000,0000,0000,,Esse processo demanda\Ncerca de quatro ou cinco iterações.
Dialogue: 0,0:15:54.16,0:15:56.02,Default,,0000,0000,0000,,Podemos ver que agora temos 62%
Dialogue: 0,0:15:56.02,0:15:58.98,Default,,0000,0000,0000,,de nossas 1,5 milhão de imagens\Nclassificadas corretamente.
Dialogue: 0,0:15:58.98,0:16:01.45,Default,,0000,0000,0000,,Nesse ponto podemos rapidamente
Dialogue: 0,0:16:01.45,0:16:02.74,Default,,0000,0000,0000,,pegar seções inteiras
Dialogue: 0,0:16:02.74,0:16:05.66,Default,,0000,0000,0000,,e checar se não há erros.
Dialogue: 0,0:16:05.66,0:16:09.62,Default,,0000,0000,0000,,Onde encontramos erros,\Npodemos avisar o computador.
Dialogue: 0,0:16:09.62,0:16:12.66,Default,,0000,0000,0000,,Usando esse tipo de processo para\Ncada um dos diferentes grupos,
Dialogue: 0,0:16:12.66,0:16:15.15,Default,,0000,0000,0000,,temos agora 80% de índice de sucesso
Dialogue: 0,0:16:15.15,0:16:17.56,Default,,0000,0000,0000,,classificando 1,5 milhão de imagens.
Dialogue: 0,0:16:17.56,0:16:19.64,Default,,0000,0000,0000,,Nesse ponto é só o caso de
Dialogue: 0,0:16:19.64,0:16:23.22,Default,,0000,0000,0000,,encontrar o pequeno número que ainda\Nnão está classificado corretamente,
Dialogue: 0,0:16:23.22,0:16:26.11,Default,,0000,0000,0000,,e tentar entender o motivo.
Dialogue: 0,0:16:26.11,0:16:27.85,Default,,0000,0000,0000,,E com essa abordagem,
Dialogue: 0,0:16:27.85,0:16:31.97,Default,,0000,0000,0000,,em 15 minutos temos 97%\Nde índice de classificação.
Dialogue: 0,0:16:31.97,0:16:36.57,Default,,0000,0000,0000,,Então esse tipo de técnica nos permite\Nresolver um grande problema,
Dialogue: 0,0:16:36.58,0:16:39.61,Default,,0000,0000,0000,,que é a falta de especialização\Nmédica no mundo.
Dialogue: 0,0:16:39.61,0:16:43.10,Default,,0000,0000,0000,,O Fórum Econômico Mundial diz que há\Nescassez de algo entre 10 e 20 vezes
Dialogue: 0,0:16:43.10,0:16:45.73,Default,,0000,0000,0000,,de médicos no mundo em desenvolvimento,
Dialogue: 0,0:16:45.73,0:16:47.84,Default,,0000,0000,0000,,e que levaria cerca de 300 anos
Dialogue: 0,0:16:47.84,0:16:50.73,Default,,0000,0000,0000,,para treinar gente suficiente para\Nresolver o problema.
Dialogue: 0,0:16:50.73,0:16:53.62,Default,,0000,0000,0000,,Imaginem conseguirmos\Naumentar a eficiência
Dialogue: 0,0:16:53.62,0:16:56.46,Default,,0000,0000,0000,,usando essas abordagens\Nde aprendizado profundo?
Dialogue: 0,0:16:56.46,0:16:58.69,Default,,0000,0000,0000,,Por isso estou empolgado\Ncom as oportunidades.
Dialogue: 0,0:16:58.69,0:17:01.28,Default,,0000,0000,0000,,E estou preocupado com os problemas.
Dialogue: 0,0:17:01.28,0:17:04.40,Default,,0000,0000,0000,,O problema aqui é que cada área\Nem azul no mapa
Dialogue: 0,0:17:04.40,0:17:08.17,Default,,0000,0000,0000,,é um lugar onde os serviços estão\Ncom mais de 80% de emprego.
Dialogue: 0,0:17:08.17,0:17:09.96,Default,,0000,0000,0000,,O que são serviços?
Dialogue: 0,0:17:09.96,0:17:11.47,Default,,0000,0000,0000,,São esses.
Dialogue: 0,0:17:11.47,0:17:15.63,Default,,0000,0000,0000,,São também exatamente o que\Nos computadores aprenderam a fazer.
Dialogue: 0,0:17:15.63,0:17:19.43,Default,,0000,0000,0000,,Então 80% do emprego no mundo\Nno mundo desenvolvido
Dialogue: 0,0:17:19.43,0:17:21.96,Default,,0000,0000,0000,,é algo que computadores já\Naprenderam a fazer.
Dialogue: 0,0:17:21.96,0:17:23.40,Default,,0000,0000,0000,,O que isso significa?
Dialogue: 0,0:17:23.40,0:17:25.99,Default,,0000,0000,0000,,Ficaremos bem. Serão substituídos\Npor outros empregos.
Dialogue: 0,0:17:25.99,0:17:28.69,Default,,0000,0000,0000,,Por exemplo serão mais empregos\Npara cientistas de dados.
Dialogue: 0,0:17:28.69,0:17:29.51,Default,,0000,0000,0000,,Na verdade não.
Dialogue: 0,0:17:29.51,0:17:32.63,Default,,0000,0000,0000,,Não demora muito para cientistas\Nde dados fazerem essas coisas.
Dialogue: 0,0:17:32.63,0:17:35.88,Default,,0000,0000,0000,,Por exemplo, os quatro algoritmos\Nforam construídos pelo mesmo cara.
Dialogue: 0,0:17:35.88,0:17:38.32,Default,,0000,0000,0000,,Então você pensa, oh,\Nisso já aconteceu antes,
Dialogue: 0,0:17:38.32,0:17:42.13,Default,,0000,0000,0000,,já vimos isso antes,\Nquando coisas novas chegam
Dialogue: 0,0:17:42.13,0:17:44.38,Default,,0000,0000,0000,,e novos empregos aparecem,
Dialogue: 0,0:17:44.38,0:17:46.49,Default,,0000,0000,0000,,como serão esses novos empregos?
Dialogue: 0,0:17:46.49,0:17:48.36,Default,,0000,0000,0000,,É muito difícil estimar isso,
Dialogue: 0,0:17:48.36,0:17:51.10,Default,,0000,0000,0000,,porque o desempenho humano\Ncresce nesse ritmo gradual,
Dialogue: 0,0:17:51.10,0:17:53.67,Default,,0000,0000,0000,,mas agora temos um sistema,\No aprendizado profundo,
Dialogue: 0,0:17:53.67,0:17:56.89,Default,,0000,0000,0000,,que sabemos crescer em ritmo exponencial.
Dialogue: 0,0:17:56.89,0:17:58.50,Default,,0000,0000,0000,,E nós estamos aqui.
Dialogue: 0,0:17:58.50,0:18:00.56,Default,,0000,0000,0000,,Então hoje vemos as coisas ao redor
Dialogue: 0,0:18:00.56,0:18:03.24,Default,,0000,0000,0000,,e dizemos: "Oh, os computadores são\Ntão burros". Certo?
Dialogue: 0,0:18:03.24,0:18:06.66,Default,,0000,0000,0000,,Mas dentro de cinco anos os computadores\Nestarão fora desse gráfico.
Dialogue: 0,0:18:06.66,0:18:10.53,Default,,0000,0000,0000,,Então precisamos começar a pensar\Nnessa capacidade agora mesmo.
Dialogue: 0,0:18:10.53,0:18:12.58,Default,,0000,0000,0000,,Já vimos isso antes, claro.
Dialogue: 0,0:18:12.58,0:18:13.97,Default,,0000,0000,0000,,Na Revolução Industrial,
Dialogue: 0,0:18:13.97,0:18:16.82,Default,,0000,0000,0000,,vimos uma mudança na capacidade\Ngraças aos motores.
Dialogue: 0,0:18:17.67,0:18:20.80,Default,,0000,0000,0000,,Acontece que, as coisas foram\Nse achatando.
Dialogue: 0,0:18:20.80,0:18:22.51,Default,,0000,0000,0000,,Houve distúrbio social,
Dialogue: 0,0:18:22.51,0:18:25.95,Default,,0000,0000,0000,,mas quando os motores foram usados para\Ngerar força em todas as situações
Dialogue: 0,0:18:25.95,0:18:28.30,Default,,0000,0000,0000,,as coisas se acalmaram.
Dialogue: 0,0:18:28.30,0:18:30.32,Default,,0000,0000,0000,,A Revolução do Aprendizado de Máquina
Dialogue: 0,0:18:30.32,0:18:32.68,Default,,0000,0000,0000,,será bem diferente,
Dialogue: 0,0:18:32.68,0:18:35.63,Default,,0000,0000,0000,,porque ela nunca se acalma.
Dialogue: 0,0:18:35.63,0:18:38.61,Default,,0000,0000,0000,,Quanto mais os computadores\Nconseguem melhorar,
Dialogue: 0,0:18:38.61,0:18:42.86,Default,,0000,0000,0000,,mais eles podem construir\Noutros computadores, melhores,
Dialogue: 0,0:18:42.86,0:18:44.77,Default,,0000,0000,0000,,então esse será um tipo de mudança
Dialogue: 0,0:18:44.77,0:18:47.25,Default,,0000,0000,0000,,que o mundo nunca viveu antes,
Dialogue: 0,0:18:47.25,0:18:50.55,Default,,0000,0000,0000,,então sua compreensão anterior do\Nque é possível é diferente.
Dialogue: 0,0:18:50.97,0:18:52.75,Default,,0000,0000,0000,,Isso já está nos afetando.
Dialogue: 0,0:18:52.75,0:18:56.38,Default,,0000,0000,0000,,Nos últimos 25 anos, como \Na produtividade de capital aumentou,
Dialogue: 0,0:18:56.40,0:19:00.59,Default,,0000,0000,0000,,a produtividade de mão de obra estacionou,\Nde fato até caiu um pouco.
Dialogue: 0,0:19:01.41,0:19:04.15,Default,,0000,0000,0000,,Então quero que comecemos\Nessa discussão já.
Dialogue: 0,0:19:04.15,0:19:07.18,Default,,0000,0000,0000,,Sei que quando eu conto isso\Npara as pessoas,
Dialogue: 0,0:19:07.18,0:19:08.67,Default,,0000,0000,0000,,elas podem acabar desdenhando.
Dialogue: 0,0:19:08.67,0:19:10.34,Default,,0000,0000,0000,,"Os computadores não sabem pensar,
Dialogue: 0,0:19:10.34,0:19:13.37,Default,,0000,0000,0000,,eles não se emocionam,\Nnão entendem poesia,
Dialogue: 0,0:19:13.37,0:19:15.89,Default,,0000,0000,0000,,nós não sabemos como eles funcionam".
Dialogue: 0,0:19:15.89,0:19:17.37,Default,,0000,0000,0000,,E daí?
Dialogue: 0,0:19:17.37,0:19:19.18,Default,,0000,0000,0000,,Hoje computadores fazem coisas
Dialogue: 0,0:19:19.18,0:19:21.90,Default,,0000,0000,0000,,que passamos a maior parte\Ndo tempo sendo pagos pra fazer,
Dialogue: 0,0:19:21.90,0:19:23.63,Default,,0000,0000,0000,,então chegou a hora de pensar
Dialogue: 0,0:19:23.63,0:19:28.02,Default,,0000,0000,0000,,em como vamos ajustar nossas\Nestruturas sociais e econômicas
Dialogue: 0,0:19:28.02,0:19:29.86,Default,,0000,0000,0000,,para essa nova realidade.
Dialogue: 0,0:19:29.86,0:19:31.39,Default,,0000,0000,0000,,Obrigado.
Dialogue: 0,0:19:31.39,0:19:32.19,Default,,0000,0000,0000,,(Aplausos)