1
00:00:00,880 --> 00:00:04,893
Det brukade vara så att om du ville
få en dator att göra något nytt

2
00:00:04,893 --> 00:00:06,447
så behövde du programmera den.

3
00:00:06,447 --> 00:00:09,858
Programmering, för dem av er
som inte har gjort det själva,

4
00:00:09,858 --> 00:00:11,307
kräver att man

5
00:00:11,307 --> 00:00:13,846
på ett olidligt detaljerat sätt

6
00:00:13,846 --> 00:00:16,727
anger varenda steg
man vill att datorn ska ta

7
00:00:16,727 --> 00:00:19,089
för att uppnå önskat mål.

8
00:00:19,089 --> 00:00:22,585
Men, om du vill göra något
som du inte vet själv hur man gör,

9
00:00:22,585 --> 00:00:24,648
då blir det här en enorm utmaning.

10
00:00:24,648 --> 00:00:28,131
Så det här var den utmaning som denne man,
Arthur Samuel, ställdes inför.

11
00:00:28,131 --> 00:00:32,208
1956 ville han få sin dator till

12
00:00:32,208 --> 00:00:34,548
att slå honom i spelet Dam.

13
00:00:34,548 --> 00:00:36,588
Hur kan du skriva ett program,

14
00:00:36,588 --> 00:00:40,394
och ange på ett olidligt detaljerat sätt,
hur det ska slå dig i Dam?

15
00:00:40,394 --> 00:00:42,116
Så han kom på en idé:

16
00:00:42,116 --> 00:00:45,840
han lät datorn spela
mot sig själv tusentals gånger

17
00:00:45,840 --> 00:00:48,364
och lära sig att spela Dam.

18
00:00:48,804 --> 00:00:51,544
Och det fungerade faktiskt, och vid 1962

19
00:00:51,544 --> 00:00:54,956
hade datorn slagit
Connecticuts statsmästare.

20
00:00:55,301 --> 00:00:58,534
Så Arthur Samuels
var maskininlärningens fader,

21
00:00:58,534 --> 00:01:00,211
och jag är skyldig honom så mycket,

22
00:01:00,211 --> 00:01:03,014
för att jag är verksam
inom maskininlärning.

23
00:01:03,014 --> 00:01:04,479
Jag var ordförande i Kaggle,

24
00:01:04,479 --> 00:01:07,867
en gemenskap på över 200 000
verksamma inom maskininlärning.

25
00:01:07,867 --> 00:01:09,925
Kaggle anordnar tävlingar

26
00:01:09,925 --> 00:01:13,633
för att försöka åstadkomma
lösningar på olösta problem,

27
00:01:13,633 --> 00:01:17,001
och det har varit framgångsrikt
vid hundratals tillfällen.

28
00:01:17,470 --> 00:01:19,940
Så från den synvinkeln
kunde jag få veta

29
00:01:19,940 --> 00:01:23,890
väldigt mycket om vad maskininlärning
kan göra i det förflutna, kan göra idag,

30
00:01:23,890 --> 00:01:26,252
och vad den kan tänkas göra i framtiden.

31
00:01:26,252 --> 00:01:29,472
Maskininlärningens första stora framgång

32
00:01:29,472 --> 00:01:30,942
var kanske Google.

33
00:01:30,942 --> 00:01:33,784
Google visade att det är möjligt
att få fram information

34
00:01:33,784 --> 00:01:35,536
genom att använda en datoralgoritm,

35
00:01:35,536 --> 00:01:38,437
en datoralgoritm som bygger
på maskininlärning.

36
00:01:38,437 --> 00:01:42,323
Sen dess har maskininlärning
rönt många kommersiella framgångar.

37
00:01:42,323 --> 00:01:43,970
Företag som Amazon och Netflix

38
00:01:43,970 --> 00:01:46,392
använder maskininlärning
för att föreslå produkter

39
00:01:46,392 --> 00:01:47,984
som du kan tänkas vilja köpa,

40
00:01:47,984 --> 00:01:49,896
filmer som du kan tänkas vilja se.

41
00:01:49,896 --> 00:01:51,523
Ibland är det nästan lite läskigt.

42
00:01:51,523 --> 00:01:53,447
Företag som LinkedIn och Facebook

43
00:01:53,447 --> 00:01:56,301
kan ibland berätta för dig
vilka dina vänner kan tänkas vara

44
00:01:56,301 --> 00:01:58,608
och du kan inte föreställa dig
hur det gick till

45
00:01:58,608 --> 00:02:01,335
och det beror på att de använder
maskininlärningens kraft.

46
00:02:01,335 --> 00:02:04,512
Det här är algoritmer som har lärt sig
att göra detta utifrån data

47
00:02:04,512 --> 00:02:07,399
snarare än att ha blivit
programmerade till det.

48
00:02:07,399 --> 00:02:09,877
Det här också hemligheten
bakom IBM:s framgångar

49
00:02:09,877 --> 00:02:13,739
med att få Watson att slå
de två världsmästarna i Jeopardy,

50
00:02:13,739 --> 00:02:16,964
genom att besvara otroligt subtila
och komplexa frågor som den här.

51
00:02:16,964 --> 00:02:19,799
[Det antika "Lion of Nimrud" försvann
från denna stads ...]

52
00:02:19,799 --> 00:02:23,034
Det här är också anledningen till
att vi nu ser självkörande bilar.

53
00:02:23,034 --> 00:02:25,856
Om du vill kunna skilja på till exempel

54
00:02:25,856 --> 00:02:28,488
ett träd och en fotgängare
så är det ganska viktigt.

55
00:02:28,488 --> 00:02:31,105
Vi vet inte hur vi skulle kunna
programmera något sånt,

56
00:02:31,105 --> 00:02:34,072
men med maskininlärning 
är det här nu möjligt.

57
00:02:34,072 --> 00:02:36,800
Och den här bilen har faktiskt
kört över 1,5 miljoner mil,

58
00:02:36,800 --> 00:02:39,856
utan olyckor, på vanliga vägar.

59
00:02:40,196 --> 00:02:44,110
Så nu vet vi att datorer kan lära sig,

60
00:02:44,110 --> 00:02:46,010
och datorer kan lära sig att göra saker

61
00:02:46,010 --> 00:02:48,848
som vi ibland faktiskt själva
inte vet hur man gör,

62
00:02:48,848 --> 00:02:51,733
eller så kan de göra något
bättre än vi.

63
00:02:51,733 --> 00:02:55,928
Ett av det mer häpnadsväckande exemplen
av maskininlärning som jag har sett

64
00:02:55,928 --> 00:02:58,320
tog plats i ett projekt
som jag körde på Kaggle

65
00:02:58,320 --> 00:03:01,911
där ett lag som leddes av en kille
som heter Geoffrey Hinton

66
00:03:01,911 --> 00:03:03,463
från University of Toronto

67
00:03:03,463 --> 00:03:06,140
vann en tävling
i automatisk medicinforskning.

68
00:03:06,140 --> 00:03:08,987
Men vad som var exceptionellt
var inte bara att de slog

69
00:03:08,987 --> 00:03:13,000
alla Mercks algoritmer och hela den
internationella akademiska gemenskapen,

70
00:03:13,000 --> 00:03:18,061
utan att ingen i laget hade någon bakgrund
i kemi, biologi eller livsvetenskap

71
00:03:18,061 --> 00:03:20,230
och de klarade det på två veckor.

72
00:03:20,230 --> 00:03:21,961
Hur gjorde de detta?

73
00:03:22,421 --> 00:03:25,342
De använde en enastående algoritm
som kallas djupinlärning.

74
00:03:25,342 --> 00:03:28,291
Det här var så viktigt
att det till och med rapporterades

75
00:03:28,291 --> 00:03:31,412
på framsidan till New York Times
några veckor senare.

76
00:03:31,412 --> 00:03:34,147
Här är Geoffrey Hinton till vänster.

77
00:03:34,147 --> 00:03:38,488
Djupinlärningsalgoritmen
är inspirerad av hur hjärnan fungerar

78
00:03:38,488 --> 00:03:40,300
och som en effekt av det

79
00:03:40,300 --> 00:03:43,921
så har den inga teoretiska begränsningar
i vad den kan åstadkomma.

80
00:03:43,921 --> 00:03:46,964
Ju mer data och beräkningstid du ger den,

81
00:03:46,964 --> 00:03:48,276
desto bättre blir den.

82
00:03:48,276 --> 00:03:50,615
New York Times visade
i sin artikel också på

83
00:03:50,615 --> 00:03:52,857
en annan exceptionell effekt
av djupinlärning

84
00:03:52,857 --> 00:03:55,075
som jag ska visa er nu.

85
00:03:55,569 --> 00:04:00,073
Den visar att datorer
kan lyssna och förstå.

86
00:04:00,510 --> 00:04:03,221
(Video) Richard Rashid: Det sista steget

87
00:04:03,221 --> 00:04:06,246
som jag vill kunna ta i den här processen

88
00:04:06,246 --> 00:04:10,295
är att kunna tala till er på kinesiska.

89
00:04:10,961 --> 00:04:13,596
Nyckeln här är att

90
00:04:13,596 --> 00:04:18,598
vi har kunnat ta en stor mängd information
från många som talar kinesiska

91
00:04:18,598 --> 00:04:21,128
och producera ett "text till tal"-system

92
00:04:21,128 --> 00:04:25,801
som tar kinesisk text
och konverterar den till kinesiskt språk.

93
00:04:26,471 --> 00:04:29,929
Sen har vi tagit en timme
eller så av min egen röst

94
00:04:29,929 --> 00:04:31,820
och vi har använt den till att modulera

95
00:04:31,820 --> 00:04:36,364
vårt grundläggande "text till tal"-system
så att det låter som jag.

96
00:04:36,364 --> 00:04:38,904
Återigen, resultatet är inte perfekt.

97
00:04:39,344 --> 00:04:41,552
Det finns fortfarande några fel.

98
00:04:41,552 --> 00:04:44,036
(Kinesiska)

99
00:04:44,036 --> 00:04:47,023
(Applåder)

100
00:04:49,446 --> 00:04:52,343
Det finns mycket att göra
på det här området.

101
00:04:53,022 --> 00:04:56,007
(Kinesiska)

102
00:04:56,667 --> 00:04:59,640
(Applåder)

103
00:05:01,345 --> 00:05:04,744
Jeremy Howard: Det där var
på en maskininlärningskonferens i Kina.

104
00:05:04,744 --> 00:05:07,154
Det är faktiskt inte ofta
på akademiska konferenser

105
00:05:07,154 --> 00:05:09,011
att man hör spontana applåder,

106
00:05:09,011 --> 00:05:12,687
fast på TEDx-konferenser
är det förstås välkommet.

107
00:05:12,687 --> 00:05:15,482
Allt ni såg där hände
med hjälp av maskininlärning.

108
00:05:15,482 --> 00:05:16,407
(Applåder) Tack.

109
00:05:16,407 --> 00:05:18,719
Avskriften till engelska
var djupinlärning.

110
00:05:18,719 --> 00:05:22,421
Översättningen till kinesiska och texten
i övre högra hörnet vad djupinlärning

111
00:05:22,421 --> 00:05:25,758
och skapandet av rösten
var också djupinlärning.

112
00:05:26,598 --> 00:05:29,122
Så djupinlärning är en exceptionell sak.

113
00:05:29,122 --> 00:05:32,461
Det är en enda algoritm som ser ut
att kunna göra nästan vad som helst,

114
00:05:32,461 --> 00:05:35,712
och jag upptäckte att ett år tidigare
hade den också lärt sig att se.

115
00:05:35,712 --> 00:05:37,298
I en obskyr tävling från Tyskland

116
00:05:37,298 --> 00:05:39,745
som hette German Traffic Sign
Recognition Benchmark,

117
00:05:39,745 --> 00:05:43,148
hade djupinlärning lärt sig
att känna igen trafikskyltar som den här.

118
00:05:43,148 --> 00:05:45,302
Den kunde inte bara
känna igen trafikskyltarna

119
00:05:45,302 --> 00:05:47,050
bättre än alla andra algoritmer,

120
00:05:47,050 --> 00:05:50,199
utan resultattavlan visade
att den faktiskt var bättre än människor

121
00:05:50,199 --> 00:05:51,981
ungefär dubbelt så bra som människor.

122
00:05:51,981 --> 00:05:54,167
Vid 2011 hade vi det första exemplet

123
00:05:54,167 --> 00:05:57,122
på en dator som kan se
bättre än människor.

124
00:05:57,442 --> 00:05:59,491
Sen dess har det hänt många saker.

125
00:05:59,491 --> 00:06:03,005
2012 meddelade Google att de hade
låtit en djupinlärningsalgoritm

126
00:06:03,005 --> 00:06:04,420
titta på YouTube-klipp

127
00:06:04,420 --> 00:06:07,857
och beräknade datan
på 16 000 datorer i en månad.

128
00:06:07,857 --> 00:06:12,218
Och datorn lärde sig, helt av sig själv,
om koncept som människor och katter

129
00:06:12,218 --> 00:06:13,907
bara genom att titta på klippen.

130
00:06:13,907 --> 00:06:16,379
Det här är väldigt likt
den mänskliga lärprocessen.

131
00:06:16,379 --> 00:06:19,199
Människor lär sig inte genom
att någon berättar vad de ser,

132
00:06:19,199 --> 00:06:22,060
utan de lär sig själva
vad de här sakerna är.

133
00:06:22,450 --> 00:06:25,819
2012 vann George Hinton,
som vi såg tidigare, också

134
00:06:25,819 --> 00:06:28,677
den väldigt populära ImageNet-tävlingen,

135
00:06:28,677 --> 00:06:32,818
när han försökte lista ut,
på basis av 1,5 miljoner bilder,

136
00:06:32,818 --> 00:06:34,256
vad bilderna innehöll.

137
00:06:34,256 --> 00:06:37,789
Nu 2014, är vi nere på
en sexprocentig felmarginal

138
00:06:37,789 --> 00:06:39,242
för bildigenkänning.

139
00:06:39,242 --> 00:06:41,268
Detta är, återigen, bättre än människor.

140
00:06:41,268 --> 00:06:45,037
Så maskiner gör verkligen
ett exceptionellt bra jobb här

141
00:06:45,037 --> 00:06:47,306
och används nu inom industrin.

142
00:06:47,306 --> 00:06:50,348
Till exempel meddelade Google förra året

143
00:06:50,348 --> 00:06:54,933
att de hade mappat varenda plats
i Frankrike på två timmar.

144
00:06:54,933 --> 00:06:58,180
Och de gjorde detta genom
att föda bilder av gatuvyer

145
00:06:58,180 --> 00:07:01,019
in i en djupinlärningsalgoritm
för att den skulle känna igen

146
00:07:01,019 --> 00:07:02,738
och läsa gatunummer.

147
00:07:02,738 --> 00:07:05,059
Föreställ er hur lång tid
detta skulle ha tagit:

148
00:07:05,059 --> 00:07:07,829
dussintals med människor, många år.

149
00:07:08,274 --> 00:07:10,185
Det här händer också i Kina.

150
00:07:10,185 --> 00:07:14,221
Baidu kan väl kanske sägas vara 
ett kinesiskt Google

151
00:07:14,221 --> 00:07:16,504
och vad ni ser här uppe till vänster

152
00:07:16,504 --> 00:07:18,755
är ett exempel på en bild
som jag laddade upp

153
00:07:18,755 --> 00:07:20,746
i Baidus djupinlärningssystem,

154
00:07:20,746 --> 00:07:24,247
och nedanför kan ni se att systemet
har förstått vad bilden innehåller

155
00:07:24,247 --> 00:07:26,483
och hittat liknande bilder.

156
00:07:26,483 --> 00:07:29,219
De liknande bilderna har faktiskt
liknande bakgrunder,

157
00:07:29,219 --> 00:07:30,877
liknande ansiktsvinklar,

158
00:07:30,877 --> 00:07:32,935
till och med några med utstickande tungor.

159
00:07:32,935 --> 00:07:35,695
Det här handlar inte om att titta
på text på en webbsida.

160
00:07:35,695 --> 00:07:37,447
Allt jag laddade upp var en bild.

161
00:07:37,447 --> 00:07:40,958
Så, nu har vi datorer
som faktiskt förstår vad de ser

162
00:07:40,958 --> 00:07:42,752
och därmed kan söka igenom databaser

163
00:07:42,752 --> 00:07:45,964
med hundra miljontals bilder i realtid.

164
00:07:46,306 --> 00:07:49,436
Så vad betyder det nu att datorer kan se?

165
00:07:49,436 --> 00:07:51,553
Det betyder inte bara
att datorer kan se.

166
00:07:51,553 --> 00:07:53,622
Djupinlärning har faktiskt
gjort mer än så.

167
00:07:53,622 --> 00:07:55,756
Komplexa, nyanserade meningar

168
00:07:55,756 --> 00:07:57,650
som den här kan nu förstås

169
00:07:57,650 --> 00:07:59,394
med djupinlärningsalgoritmer.

170
00:07:59,394 --> 00:08:00,337
Som ni kan se här,

171
00:08:00,337 --> 00:08:03,685
så har det här Stanford-baserade systemet
med den röda pricken i toppen

172
00:08:03,685 --> 00:08:07,134
räknat ut att den här meningen
uttrycker negativa känslor.

173
00:08:07,134 --> 00:08:10,362
Djupinlärning är faktiskt nära
den mänskliga prestationsförmågan

174
00:08:10,362 --> 00:08:12,708
när det gäller att förstå
vad meningar handlar om

175
00:08:12,708 --> 00:08:15,426
och vad de säger om det.

176
00:08:16,034 --> 00:08:18,651
Djupinlärning har också använts
till att läsa kinesiska,

177
00:08:18,651 --> 00:08:21,807
på, återigen, nästan modersmålsnivå.

178
00:08:21,807 --> 00:08:23,975
Den här algoritmen
har utvecklats i Schweitz

179
00:08:23,975 --> 00:08:27,331
av människor som varken talar
eller förstår kinesiska.

180
00:08:27,331 --> 00:08:29,472
Jag brukar säga att,
att använda djupinlärning

181
00:08:29,472 --> 00:08:31,831
är nära nog det bästa systemet
i världen för detta

182
00:08:31,831 --> 00:08:36,175
även jämfört med
mänsklig modersmålsförståelse.

183
00:08:36,718 --> 00:08:39,682
Det här ett system som vi satte ihop
på mitt företag

184
00:08:39,682 --> 00:08:41,728
som visar hur allt det här sätts ihop.

185
00:08:41,728 --> 00:08:44,189
De här bilderna har ingen vidhängd text,

186
00:08:44,189 --> 00:08:46,541
och medan jag skriver in meningar här

187
00:08:46,541 --> 00:08:49,510
så förstår den de här bilderna i realtid

188
00:08:49,510 --> 00:08:51,189
och listar ut vad de handlar om

189
00:08:51,189 --> 00:08:54,352
och hittar bilder som liknar
den text som jag skriver in.

190
00:08:54,352 --> 00:08:57,108
Så ni kan se att den faktiskt
förstår mina meningar

191
00:08:57,108 --> 00:08:59,332
och faktiskt förstår de här bilderna.

192
00:08:59,332 --> 00:09:01,891
Jag vet att ni har sett
liknande saker på Google,

193
00:09:01,891 --> 00:09:04,666
där du kan skriva in saker
och den visar dig bilder,

194
00:09:04,666 --> 00:09:08,090
men vad den faktiskt gör är
att den söker av webbsidan efter text.

195
00:09:08,090 --> 00:09:10,751
Det är en stor skillnad
mot att förstå bilderna.

196
00:09:10,751 --> 00:09:13,183
Det här är något som datorer
har kunnat göra

197
00:09:13,183 --> 00:09:16,507
för första gången
för bara några månader sen.

198
00:09:17,091 --> 00:09:21,182
Så nu kan vi se att datorer
inte bara kan se, de kan också läsa,

199
00:09:21,182 --> 00:09:24,667
och så har vi också visat
att de kan förstå vad de hör.

200
00:09:24,667 --> 00:09:27,378
Kanske är det inte överraskande
att jag nu berättar för er

201
00:09:27,378 --> 00:09:28,569
att de kan skriva.

202
00:09:28,569 --> 00:09:30,811
Här är lite text som jag genererade igår

203
00:09:30,811 --> 00:09:33,330
med hjälp av en djupinlärningsalgoritm.

204
00:09:33,963 --> 00:09:37,096
Och här är lite text som en algoritm
från Stanford har genererat.

205
00:09:37,096 --> 00:09:39,170
Var och en av dessa meningar
har genererats

206
00:09:39,170 --> 00:09:43,109
av en djupinlärningsalgoritm
för att förklara varje bild.

207
00:09:43,109 --> 00:09:47,521
Den här algoritmen har aldrig förut sett
en man i svart tröja som spelar gitarr.

208
00:09:47,521 --> 00:09:49,951
Den har sett en man förut,
den har sett svart förut,

209
00:09:49,951 --> 00:09:51,400
den har sett en gitarr förut,

210
00:09:51,400 --> 00:09:55,304
men den har helt fristående genererat
den här nya beskrivningen av bilden.

211
00:09:55,304 --> 00:09:58,527
Vi är ännu inte riktigt framme
vid mänsklig prestationsförmåga här,

212
00:09:58,527 --> 00:09:59,480
men vi är nära.

213
00:09:59,480 --> 00:10:03,264
Tester har visat att människor föredrar
den datorgenererade förklaringen

214
00:10:03,264 --> 00:10:04,791
en av fyra gånger.

215
00:10:04,791 --> 00:10:06,985
Det här systemet är nu bara
två veckor gammalt,

216
00:10:06,985 --> 00:10:08,871
så det är sannolikt att datoralgoritmen

217
00:10:08,871 --> 00:10:10,878
kommer att slå mänsklig prestationsförmåga

218
00:10:10,878 --> 00:10:11,865
inom ett år

219
00:10:11,865 --> 00:10:13,364
om det fortsätter i samma takt.

220
00:10:13,364 --> 00:10:16,413
Så, datorer kan skriva också.

221
00:10:16,413 --> 00:10:19,888
När vi slår samman allt det här
så ser vi väldigt spännande möjligheter.

222
00:10:19,888 --> 00:10:21,380
Till exempel inom läkekonsten,

223
00:10:21,380 --> 00:10:23,905
ett team i Boston meddelade
att de hade upptäckt

224
00:10:23,905 --> 00:10:26,854
dussintals nya kliniskt
relevanta kännetecken

225
00:10:26,854 --> 00:10:31,440
på tumörer, som hjälper läkare
att göra cancerprognoser.

226
00:10:31,900 --> 00:10:34,266
Också liknande,
meddelade en grupp i Stanford

227
00:10:34,266 --> 00:10:38,799
att de, genom att titta på vävnad
under förstoring, hade utvecklat

228
00:10:38,799 --> 00:10:40,560
ett maskininlärningsbaserat system

229
00:10:40,560 --> 00:10:43,142
som faktiskt är bättre
än mänskliga patologer

230
00:10:43,142 --> 00:10:45,352
på att förutse överlevnadssiffror

231
00:10:45,372 --> 00:10:47,062
för cancersjuka.

232
00:10:47,062 --> 00:10:49,146
I båda dessa fall
visade sig förutsägelserna


233
00:10:49,146 --> 00:10:50,620
inte bara vara mer rättvisande

234
00:10:50,620 --> 00:10:53,266
utan de genererade också
ny insiktsfull kunskap.

235
00:10:53,276 --> 00:10:54,781
I röntgenfallet

236
00:10:54,781 --> 00:10:57,876
var det nya kliniska indikatorer
som människor kan förstå.

237
00:10:57,876 --> 00:10:59,668
I patologifallet

238
00:10:59,668 --> 00:11:04,168
upptäckte systemet
att cellerna runt cancern

239
00:11:04,168 --> 00:11:07,508
är lika viktiga som cancercellerna själva

240
00:11:07,508 --> 00:11:09,260
för att ställa diagnos.

241
00:11:09,260 --> 00:11:14,164
Det här var motsatsen till vad patologer
hade fått lära sig i årtionden.

242
00:11:15,131 --> 00:11:17,913
I båda dessa fall var systemen utvecklade

243
00:11:17,913 --> 00:11:21,414
av en kombination av medicinska experter
och maskininlärningsexperter,

244
00:11:21,414 --> 00:11:24,275
men sedan ett år tillbaka
har vi tagit oss förbi det också.

245
00:11:24,275 --> 00:11:27,614
Det här är ett exempel på hur man
identifierar cancerområden

246
00:11:27,614 --> 00:11:30,354
i mänsklig vävnad under ett mikroskåp.

247
00:11:30,354 --> 00:11:34,967
Systemet som visas här kan identifiera
de områdena med större exakthet,

248
00:11:34,967 --> 00:11:37,742
eller ungefär lika exakt,
som mänskliga patologer,

249
00:11:37,742 --> 00:11:41,134
fast det enbart bygger på djupinlärning
helt utan medicinsk expertis

250
00:11:41,134 --> 00:11:44,480
och har byggts av människor
som inte har någon erfarenhet på området.

251
00:11:44,730 --> 00:11:47,495
På liknande vis, här, det här med
segmentering av neuroner.

252
00:11:47,495 --> 00:11:50,633
Vi kan nu segmentera neuroner
ungefär lika exakt som människor kan,

253
00:11:50,633 --> 00:11:53,400
men det här systemet utvecklades
med hjälp av djupinlärning

254
00:11:53,400 --> 00:11:56,289
av människor utan erfarenhet av läkekonst.

255
00:11:56,981 --> 00:12:00,148
Så jag själv, som någon som inte har
någon erfarenhet av läkekonst,

256
00:12:00,148 --> 00:12:03,875
tycks vara helt kvalificerad för
att starta ett nytt medicinskt företag,

257
00:12:03,875 --> 00:12:06,021
vilket jag gjorde.

258
00:12:06,021 --> 00:12:08,041
Jag var en aning livrädd för att göra det,

259
00:12:08,041 --> 00:12:10,650
men teoretiskt sett borde det vara möjligt

260
00:12:10,650 --> 00:12:16,142
att praktisera nyttig läkekonst
bara på basis av dessa dataanalystekniker.

261
00:12:16,142 --> 00:12:18,622
Och som tur är har återkopplingen
varit fantastisk,

262
00:12:18,622 --> 00:12:20,978
inte bara från media
utan också från läkarkåren,

263
00:12:20,978 --> 00:12:22,996
som har varit väldigt stöttande.

264
00:12:23,322 --> 00:12:27,471
Teorin innebär att vi kan ta mittendelen
av den medicinska processen

265
00:12:27,471 --> 00:12:30,364
och göra om den till dataanalys
så långt det är möjligt,

266
00:12:30,364 --> 00:12:33,429
och på så sätt frigöra läkarna till
att göra det de är bäst på.

267
00:12:33,429 --> 00:12:35,031
Jag vill ge er ett exempel.

268
00:12:35,031 --> 00:12:37,330
Det tar oss nu ungefär 15 minuter

269
00:12:37,330 --> 00:12:40,069
att ta fram ett nytt
medicinskt diagnostiskt test

270
00:12:40,069 --> 00:12:41,829
och jag ska visa er det i realtid nu,

271
00:12:41,829 --> 00:12:43,961
men jag har komprimerat det
till tre minuter

272
00:12:43,961 --> 00:12:45,373
genom att skära bort en del.

273
00:12:45,373 --> 00:12:48,717
Snarare än att visa er hur man skapar
ett medicinskt diagnostiskt test,

274
00:12:48,717 --> 00:12:49,730
så vill jag visa er

275
00:12:49,730 --> 00:12:52,123
ett diagnostiskt test på bilbilder,

276
00:12:52,123 --> 00:12:54,268
eftersom det är något
som vi alla kan förstå.

277
00:12:54,268 --> 00:12:57,269
Så vi börjar med ungefär
1,5 miljoner bilbilder,

278
00:12:57,269 --> 00:13:00,475
och jag vill skapa något som kan sortera
dem beroende på vilken

279
00:13:00,475 --> 00:13:02,698
vinkel bilden är tagen ur.

280
00:13:02,698 --> 00:13:06,586
De här bilderna har inga etiketter,
så jag måste börja från början.

281
00:13:06,586 --> 00:13:08,451
Med vår djupinlärningsalgoritm

282
00:13:08,451 --> 00:13:12,158
kan den automatiskt identifiera områden
med struktur i bilderna.

283
00:13:12,158 --> 00:13:15,778
Det fina är att nu kan människan
och datorn samarbeta.

284
00:13:15,778 --> 00:13:17,956
Människan, som ni ser här,

285
00:13:17,956 --> 00:13:21,821
talar om för datorn vilka områden
som är intressanta, den information

286
00:13:21,821 --> 00:13:25,533
som hon vill att datorn använder
för att förbättra algoritmen.

287
00:13:25,915 --> 00:13:27,639
De här djupinlärningssystemen

288
00:13:27,639 --> 00:13:29,933
existerar faktiskt
i en 16000-dimensionell rymd,

289
00:13:29,933 --> 00:13:33,009
så ni kan här se hur datorn roterar
genom den rymden

290
00:13:33,009 --> 00:13:35,001
och letar efter nya strukturella områden.

291
00:13:35,001 --> 00:13:36,782
Och när den hittar ett sånt

292
00:13:36,782 --> 00:13:40,786
så kan människan som styr den påpeka
att dessa områden är intressanta.

293
00:13:40,786 --> 00:13:43,208
Så här har datorn lyckats hitta områden,

294
00:13:43,208 --> 00:13:45,550
till exempel vinklar.

295
00:13:45,550 --> 00:13:47,546
Så medan vi går igenom den här processen,

296
00:13:47,546 --> 00:13:49,716
så berättar vi gradvis
mer och mer för datorn

297
00:13:49,716 --> 00:13:52,144
om vilka strukturer vi letar efter.

298
00:13:52,144 --> 00:13:53,916
I ett diagnostiskt test

299
00:13:53,916 --> 00:13:57,266
skulle det här motsvara en patolog
som identifierar sjuka områden

300
00:13:57,266 --> 00:14:02,292
eller en radiolog som identifierar
potentiellt farliga knutor.

301
00:14:02,292 --> 00:14:04,701
Och ibland kan det vara svårt
för algoritmen.

302
00:14:04,701 --> 00:14:06,965
I det här fallet blev den något förvirrad.

303
00:14:06,965 --> 00:14:09,485
Fronten och bakänden på bilarna
är helt ihopblandade.

304
00:14:09,485 --> 00:14:11,497
Så här behöver vi
vara lite mer försiktiga,

305
00:14:11,497 --> 00:14:14,669
och manuellt välja ut fronterna
men inte bakändarna,

306
00:14:14,669 --> 00:14:19,955
och sen berätta för datorn
att detta är en sorts grupp

307
00:14:19,955 --> 00:14:21,523
som vi är intresserade av.

308
00:14:21,523 --> 00:14:24,200
Så vi gör det en stund,
vi hoppar över en liten bit,

309
00:14:24,200 --> 00:14:26,446
och sen tränar vi
maskininlärningsalgoritmen

310
00:14:26,446 --> 00:14:28,160
baserat på ett par hundra saker

311
00:14:28,160 --> 00:14:30,495
och så hoppas vi att den har
blivit mycket bättre.

312
00:14:30,495 --> 00:14:33,518
Ni kan se att den nu har börjat tona ut
vissa av de här bilderna

313
00:14:33,518 --> 00:14:38,226
och visar oss därmed att den redan vet
hur den själv ska förstå vissa av dem.

314
00:14:38,226 --> 00:14:40,968
Sen kan vi använda det här konceptet
av liknande bilder

315
00:14:40,968 --> 00:14:42,595
och med hjälp av liknande bilder

316
00:14:42,595 --> 00:14:44,552
kan ni nu se att datorn vid det här laget

317
00:14:44,552 --> 00:14:46,994
kan hitta enbart bilder med bilfronter.

318
00:14:47,016 --> 00:14:50,189
Så, vid det här laget kan människan
berätta för datorn att,

319
00:14:50,189 --> 00:14:52,482
"Okej, bra - du har gjort
ett bra jobb med det."

320
00:14:53,652 --> 00:14:55,837
Ibland är det förstås
även vid det här laget

321
00:14:55,837 --> 00:14:59,511
svårt att skilja ut grupper.

322
00:14:59,511 --> 00:15:02,182
I det här fallet,
trots att vi har låtit datorn

323
00:15:02,182 --> 00:15:03,983
försöka rotera det här en stund,

324
00:15:03,983 --> 00:15:06,744
så ser vi att bilder
av vänster och höger sida

325
00:15:06,744 --> 00:15:08,222
har blandats ihop.

326
00:15:08,222 --> 00:15:10,362
Så vi kan ge datorn några tips,

327
00:15:10,362 --> 00:15:12,978
som "Okej, försök hitta
en projektion som skiljer ut

328
00:15:12,978 --> 00:15:14,621
vänstersidorna och högersidorna

329
00:15:14,621 --> 00:15:15,884
så gott det går

330
00:15:15,884 --> 00:15:18,067
med hjälp av en djupinlärningsalgoritm."

331
00:15:18,067 --> 00:15:21,009
Och med det tipset - ah, så lyckas den.

332
00:15:21,009 --> 00:15:23,891
Den har hittat ett sätt
att tänka kring de här objekten

333
00:15:23,891 --> 00:15:26,271
som har skiljt ut dessa tillsammans.

334
00:15:26,271 --> 00:15:28,709
Så ni förstår tanken här.

335
00:15:28,709 --> 00:15:31,591
Det här är ett fall som inte handlar om

336
00:15:31,591 --> 00:15:36,833
att människan ersätts av datorn,

337
00:15:36,833 --> 00:15:39,546
utan om att de arbetar tillsammans.

338
00:15:39,546 --> 00:15:43,096
Vad vi gör är att vi ersätter någonting
som brukade ta ett helt team

339
00:15:43,096 --> 00:15:45,098
på fem eller sex personer ungefär sju år

340
00:15:45,098 --> 00:15:47,703
och ersätter det med någonting
som tar 15 minuter

341
00:15:47,703 --> 00:15:50,208
för en person på egen hand.

342
00:15:50,208 --> 00:15:54,158
Så den här processen kräver ungefär
fyra eller fem upprepningar.

343
00:15:54,158 --> 00:15:55,827
Ni kan se att vi nu har 62 procent

344
00:15:55,827 --> 00:15:58,206
av våra 1,5 miljoner bilder
korrekt klassificerade.

345
00:15:58,206 --> 00:16:00,678
Och vid det här laget,
kan vi börja att ganska snabbt

346
00:16:00,678 --> 00:16:02,205
ta tag i en hela stora sektioner

347
00:16:02,205 --> 00:16:05,534
och kolla igenom för att säkerställa
att det inte finns några misstag.

348
00:16:05,534 --> 00:16:08,802
Där vi hittar misstag
kan vi uppmärksamma datorn på dem.

349
00:16:09,616 --> 00:16:12,661
Genom att använda den här sortens process
för alla olika grupper,

350
00:16:12,661 --> 00:16:14,758
är vi nu uppe i 80 procent

351
00:16:14,758 --> 00:16:17,563
framgångsrikt klassificerade bilder.

352
00:16:17,613 --> 00:16:19,841
Och vid det här laget
är det bara en fråga om

353
00:16:19,841 --> 00:16:23,220
att hitta de få bilder
som inte har klassificerats korrekt,

354
00:16:23,220 --> 00:16:26,108
och försöka förstå varför.

355
00:16:26,108 --> 00:16:27,851
Och på det sättet

356
00:16:27,851 --> 00:16:31,972
är vi efter 15 minuter uppe
i 97 procent klassificerade bilder.

357
00:16:31,972 --> 00:16:36,378
Det här är en teknik som skulle kunna 
bistå med att överbrygga det stora problem

358
00:16:36,378 --> 00:16:39,614
som utgörs av begränsad tillgång
till medicinsk expertis i världen.

359
00:16:39,614 --> 00:16:43,103
Världsekonomiskt forum menar
att det råder en mellan 10x och 20x

360
00:16:43,103 --> 00:16:45,727
brist på läkare i utvecklingsländer

361
00:16:45,727 --> 00:16:47,760
och att det skulle ta ungefär 300 år

362
00:16:47,760 --> 00:16:49,766
att lära upp tillräckligt många människor

363
00:16:49,766 --> 00:16:50,792
för att lösa det.

364
00:16:50,792 --> 00:16:53,619
Så föreställ er om vi kan hjälpa till
att öka effektiviteten

365
00:16:53,619 --> 00:16:56,458
med hjälp av djupinlärning.

366
00:16:56,458 --> 00:16:58,690
Så, de här möjligheterna
gör mig väldigt ivrig.

367
00:16:58,690 --> 00:17:01,279
Jag är också bekymrad över problemen.

368
00:17:01,279 --> 00:17:04,403
Problemet är att i alla blå områden
på den här kartan

369
00:17:04,403 --> 00:17:08,172
består jobben till 80 procent av tjänster.

370
00:17:08,172 --> 00:17:09,959
Vad är tjänster?

371
00:17:09,959 --> 00:17:11,473
Det här är tjänster.

372
00:17:11,473 --> 00:17:15,627
Det här är också precis vad datorerna
har lärt sig att göra.

373
00:17:15,627 --> 00:17:19,431
Så 80 procent av jobben
i den utvecklade världen

374
00:17:19,431 --> 00:17:21,963
utför sånt som datorer
precis har lärt sig att göra.

375
00:17:21,963 --> 00:17:23,403
Vad betyder det här?

376
00:17:23,403 --> 00:17:25,986
Nå, det blir fint.
Nya jobb kommer att ersätta dem.

377
00:17:25,986 --> 00:17:28,583
Till exempel blir det fler jobb
för forskare inom data.

378
00:17:28,583 --> 00:17:29,550
Eller, inte riktigt.

379
00:17:29,550 --> 00:17:32,548
Det tar inte en forskare särskilt lång tid
att bygga en sån här.

380
00:17:32,548 --> 00:17:35,880
De här fyra algoritmerna, till exempel,
har alla byggts av samma kille.

381
00:17:35,880 --> 00:17:38,318
Så, om ni tänker att,
"Åh, det här har hänt förr,

382
00:17:38,318 --> 00:17:42,126
vi har sett det här hända
när nya saker har uppfunnits

383
00:17:42,126 --> 00:17:44,378
och de har ersatts av nya jobb,

384
00:17:44,378 --> 00:17:46,494
vilka kommer de nya jobben att vara?"

385
00:17:46,494 --> 00:17:48,365
Det är väldigt svårt att räkna ut,

386
00:17:48,365 --> 00:17:51,104
eftersom mänsklig prestationsförmåga
utvecklas gradvis,

387
00:17:51,104 --> 00:17:54,016
emedan vi nu har ett system,
djupinlärning, som vi vet

388
00:17:54,016 --> 00:17:56,893
faktiskt utvecklas exponentiellt.

389
00:17:56,893 --> 00:17:58,498
Och vi är här.

390
00:17:58,498 --> 00:18:00,559
Så nu ser vi saker omkring oss och

391
00:18:00,559 --> 00:18:03,235
och vi tänker "Åh, datorer är 
rätt korkade." Eller hur?

392
00:18:03,235 --> 00:18:06,664
Men om fem år kommer datorerna
att ha lämnat oss långt bakom sig.

393
00:18:06,664 --> 00:18:10,529
Så vi behöver börja tänka på
den här förmågan redan nu.

394
00:18:10,529 --> 00:18:12,479
Vi har sett det en gång tidigare förstås.

395
00:18:12,479 --> 00:18:13,966
I den industriella revolutionen

396
00:18:13,966 --> 00:18:16,817
såg vi en stegvis förändring
i prestanda tack vare motorer.

397
00:18:17,667 --> 00:18:20,695
Saken är den, att efter en stund
flackade kurvan ut.

398
00:18:20,695 --> 00:18:22,377
Det orsakade social förändring,

399
00:18:22,377 --> 00:18:25,816
men så snart motorerna användes
för att generera kraft i alla situationer

400
00:18:25,816 --> 00:18:27,930
så lugnade det ner sig.

401
00:18:27,930 --> 00:18:29,493
Maskininlärningsrevolutionen

402
00:18:29,493 --> 00:18:32,332
kommer skilja sig mycket
från den industriella revolutionen,

403
00:18:32,332 --> 00:18:35,732
därför att maskininlärningsrevolutionen
aldrig kommer att lugna ner sig.

404
00:18:35,732 --> 00:18:38,254
Ju bättre datorer blir
på intellektuella aktiviteter

405
00:18:38,254 --> 00:18:42,502
desto bättre kan de bygga bättre datorer
som har större intellektuella förmågor,

406
00:18:42,502 --> 00:18:44,770
så det här kommer att bli en förändring

407
00:18:44,770 --> 00:18:47,178
som världen aldrig förr har upplevt,

408
00:18:47,178 --> 00:18:50,484
så er tidigare uppfattning
om vad som är möjligt förändras.

409
00:18:50,974 --> 00:18:52,754
Det här påverkar oss redan.

410
00:18:52,754 --> 00:18:56,384
Under de senaste 25 åren
har kapitalproduktiviteten ökat,

411
00:18:56,400 --> 00:19:00,588
arbetsproduktivitet är oförändrad,
faktiskt en aning minskande.

412
00:19:01,408 --> 00:19:04,149
Så jag vill att vi börjar
diskutera det här nu.

413
00:19:04,149 --> 00:19:06,976
Jag vet att ganska ofta
när jag berättar om det här,

414
00:19:06,976 --> 00:19:08,666
kan folk vara ganska avfärdande.

415
00:19:08,666 --> 00:19:10,339
Datorer kan inte tänka på riktigt,

416
00:19:10,339 --> 00:19:13,367
de har inga känslor,
de förstår inte poesi,

417
00:19:13,367 --> 00:19:15,678
vi förstår inte riktigt hur de fungerar.

418
00:19:15,678 --> 00:19:17,114
Så vadå?

419
00:19:17,114 --> 00:19:18,808
Just nu kan datorer göra det

420
00:19:18,808 --> 00:19:22,157
som människor ägnar det mesta
av sin tid åt att göra för att få betalt,

421
00:19:22,157 --> 00:19:23,798
så det är hög tid att börja tänka

422
00:19:23,798 --> 00:19:28,025
på hur vi ska anpassa
våra sociala och ekonomiska strukturer

423
00:19:28,025 --> 00:19:30,005
för att klara av den nya verkligheten.

424
00:19:30,005 --> 00:19:31,158
Tack.

425
00:19:31,158 --> 00:19:32,188
(Applåder)