A mesterséges intelligencia mindent megváltoztat | Jürgen Schmidhuber | TEDxLakeComo
-
0:06 - 0:08Gyerekkoromban
-
0:10 - 0:15maximalizálni szerettem volna
a világra gyakorolt hatásomat. -
0:15 - 0:19Elég okos voltam, hogy rájöjjek:
nemigen vagyok okos, -
0:21 - 0:25és gépet kell építenem,
-
0:25 - 0:29mely megtanulja,
hogyan legyen nálam sokkal okosabb. -
0:29 - 0:35Olyat, amely minden problémát
megold, amely nekem nem megy, -
0:35 - 0:37így nyugdíjba vonulhatok.
-
0:39 - 0:43Erről szóló első közleményem
30 éves: 1987-ből való. -
0:43 - 0:44Diplomamunkám,
-
0:44 - 0:49melyben az MI nagy kérdését
próbálom megoldani; -
0:49 - 0:50nemcsak gépet építeni,
-
0:50 - 0:53amely imitt-amott tanul valamit,
-
0:53 - 0:59hanem maga tanulja meg
a tanuló algoritmusa tökéletesítését is. -
1:00 - 1:03Csak tanul és tanul,
-
1:03 - 1:06visszatérően, korlátozás nélkül,
-
1:06 - 1:11nem számítva
a logikai és a fizikai korlátokat. -
1:12 - 1:16De még mindig ugyanezen
a jó öreg dolgon munkálkodom, -
1:16 - 1:21s még mindig ugyanazt mondom,
azzal a különbséggel, -
1:21 - 1:23hogy most sokkal többen hallgatnak rám,
-
1:25 - 1:28mert az e cél érdekében
-
1:28 - 1:30kifejlesztett tanuló algoritmus ma
-
1:30 - 1:34hárommilliárd okostelefonban van benne.
-
1:35 - 1:37A zsebünkben hordjuk.
-
1:40 - 1:41Itt látható
-
1:41 - 1:46a Nyugat öt legértékesebb cége:
-
1:46 - 1:50az Apple, Google, Facebook,
Microsoft és az Amazon. -
1:51 - 1:54Mindegyikük hangsúlyozza,
-
1:55 - 1:58hogy az MI, a mesterséges intelligencia
-
1:58 - 2:00a tevékenységük középpontjában áll.
-
2:02 - 2:08Mindegyikük erőteljesen a mély-
tanulási módszereket alkalmazza, -
2:08 - 2:11amelyet csoportom a 90-es évek
elején kezdett kifejleszteni -
2:11 - 2:14Münchenben és Svájcban.
-
2:14 - 2:19Különösen az ún. hosszú
rövid távú memóriát. -
2:19 - 2:24Önök közül hallott-e valaki
az ún. hosszú rövid távú memóriáról, -
2:24 - 2:26azaz az LSTM-ről?
-
2:26 - 2:28Tegye föl a kezét, aki igen!
-
2:28 - 2:29Rendben.
-
2:29 - 2:32És aki sosem?
-
2:34 - 2:40Rendben. Úgy látom,
a helyiségben lévők harmada -
2:44 - 2:46nem értette a kérdést.
-
2:46 - 2:47(Nevetés)
-
2:48 - 2:52Az LSTM egy kicsit az agyunkhoz hasonló:
-
2:53 - 2:58mesterséges neurális hálózat,
amelyben szintén idegsejtek vannak. -
2:58 - 3:03Agyunk kb. százmilliárd
idegsejtet tartalmaz. -
3:04 - 3:06Mindegyikük átlagosan
-
3:06 - 3:10kb. tízezer másik idegsejthez kapcsolódik.
-
3:11 - 3:15Ez azt jelenti, hogy milliószor
milliárdnyi kapcsolatunk van. -
3:16 - 3:19Minden kapcsolat erősséggel jellemezhető,
-
3:19 - 3:22amely jelzi, hogy az adott idegsejt
mennyire befolyásolja a következőt -
3:22 - 3:25a további lépés idején.
-
3:25 - 3:28Kezdetben a kapcsolatok esetlegesek,
-
3:28 - 3:30és a rendszer tudatlan.
-
3:30 - 3:33De aztán az okos tanuló
algoritmuson keresztül -
3:33 - 3:39sok példából megtanulja a bejövő adatok -
-
3:39 - 3:46pl. kamerákon bejövő videojelek,
mikrofonból bejövő audiojelek -
3:46 - 3:49vagy fájdalom-érzékelőn
keresztüli fájdalomjelek - értelmezését. -
3:49 - 3:52Megtanulja, hogyan váltsa át
őket kimenő cselekvéssé, -
3:52 - 3:55hiszen bizonyos idegsejtek kimenetiek,
-
3:55 - 3:58amelyek beszédizomzatot
és ujjizomzatot szabályoznak. -
4:00 - 4:02Csak a gyakorlatból képes megtanulni
-
4:02 - 4:05mindenféle érdekes probléma megoldását,
-
4:05 - 4:08pl. az autóvezetést
-
4:11 - 4:14vagy okostelefonunkon a beszédfelismerést.
-
4:14 - 4:17Mert mikor előkapjuk okostelefonunkat,
-
4:17 - 4:18pl. Androidos készülékünket,
-
4:18 - 4:20és belebeszélünk:
-
4:20 - 4:24"Google, mutasd a Milánóba
vezető legrövidebb utat!", -
4:24 - 4:25akkor megérti, amit mondunk.
-
4:27 - 4:32Mert beszédértésre kiképezett
LSTM van benne. -
4:32 - 4:35Minden századmásodpercben,
másodpercenként száz jel érkezik -
4:35 - 4:37a mikrofonból,
-
4:37 - 4:43amelyből aztán értelmezés után
-
4:43 - 4:44betűk lesznek;
-
4:44 - 4:47azok jutnak tovább a keresőmotorba.
-
4:49 - 4:50A készülék megtanulta,
-
4:50 - 4:55mert rengeteg és mindenféle
női és férfibeszédet hallott. -
4:55 - 4:59Ezért 2015-től a Google beszédfelismerője
-
4:59 - 5:01sokkal jobb a korábbinál.
-
5:02 - 5:05Az LSTM cellák ilyenek.
-
5:05 - 5:08Elmagyarázni nincs időm,
-
5:08 - 5:11de itt legalább fölsorolom
-
5:11 - 5:14a megvalósításban jeleskedő, laboromban
dolgozó kiváló diákjaim nevét. -
5:16 - 5:19De mit kezdenek ezzel a nagy cégek?
-
5:19 - 5:22A beszédfelismerés csak egy példa.
-
5:22 - 5:25Facebookozik itt valaki?
-
5:27 - 5:30Néha rákattintanak a Fordítás gombra,
-
5:30 - 5:33ha valakitől idegen nyelvű
üzenetet kapnak? -
5:33 - 5:35Akkor lefordíttathatják.
-
5:35 - 5:37Valaki szokta használni? Igen.
-
5:37 - 5:38Mikor ezt teszik,
-
5:38 - 5:42megint csak a hosszú rövid távú
memóriát, az LSTM-et használják, -
5:42 - 5:43amely megtanulta,
-
5:43 - 5:47hogyan fordítson szöveget
forrásnyelvről célnyelvre. -
5:49 - 5:53A Facebook napjában
négymilliárdszor végzi ezt el, -
5:53 - 5:57másodpercenként
-
5:57 - 6:0150 000 mondatot fordít
-
6:01 - 6:03az LSTM segítségével.
-
6:04 - 6:08Majd ugyanennyit a következő
másodpercben, és így tovább. -
6:09 - 6:13Hogy lássák, mai világunkban
ez az eszköz mire képes, -
6:13 - 6:15vegyék figyelembe,
-
6:15 - 6:22hogy a félelmetes számítógépi
teljesítmény majd 30%-át -
6:22 - 6:24a Google adatközpontjaiban
-
6:24 - 6:27az egész világon
-
6:27 - 6:29az LSTM veszi igénybe.
-
6:29 - 6:30Majdnem 30%!
-
6:31 - 6:33Akinek Amazon Echója van,
-
6:33 - 6:36kérdezheti, az pedig felel neki.
-
6:37 - 6:40A hallott hang nem felvétel,
-
6:40 - 6:42hanem LSTM-hálózat,
-
6:42 - 6:45amely a kiképzési példák alapján
-
6:45 - 6:48megtanulta a női hangon beszélést.
-
6:52 - 6:55Akinek gyors fajtájú iPhone-ja van,
-
6:56 - 6:58az megpróbálja kitalálni
a következő kívánságát -
6:58 - 7:01az eddigi tetteire támaszkodva.
-
7:01 - 7:04Ez megint csak LSTM,
amely ezt elsajátította. -
7:05 - 7:07Milliárdnyi iPhone-on rajta van.
-
7:10 - 7:13Fogalmaim szerint önök népes közönség,
-
7:14 - 7:19de mikor évtizedekkel ezelőtt,
a 90-es években e munkába fogtunk, -
7:19 - 7:22csupán keveseket érdekelt ez,
-
7:22 - 7:25mert a számítógépek lomhák voltak,
és nem sokra mentünk velük. -
7:26 - 7:28Emlékszem, mikor előadást tartottam
az egyik tanácskozáson, -
7:29 - 7:32csak egyvalaki volt a teremben:
-
7:33 - 7:34egy ifjú hölgy.
-
7:35 - 7:36Azt mondtam neki:
-
7:36 - 7:42"Hölgyem, ez igen kínos, de úgy látszik,
hogy ma csak önnek adok elő." -
7:43 - 7:43Ezt válaszolta:
-
7:44 - 7:48"Rendben, de siessen, mert én vagyok
a következő előadó." -
7:48 - 7:50(Nevetés)
-
7:56 - 7:59Azóta élvezzük annak előnyét,
-
7:59 - 8:02hogy ötévente tizedére csökken
a számítógépek ára. -
8:02 - 8:06Ez a régi irányzat
legalább 1941 óta tart. -
8:06 - 8:09Azóta, hogy Konrad Zuse Berlinben
-
8:09 - 8:13az első programvezérlésű
működő számítógépet megépítette, -
8:13 - 8:17és a gép másodpercenként
durván egy műveletre volt képes. -
8:17 - 8:18Egyre!
-
8:19 - 8:22Tíz év múlva azonos árért
-
8:22 - 8:25már 100 műveletre.
-
8:25 - 8:2630 év múlva azonos árért
-
8:26 - 8:28egymillió műveletre.
-
8:28 - 8:30Ma, 75 év múltán azonos árért
-
8:30 - 8:34egybilliárd műveletre képes.
-
8:34 - 8:36A tendencia folytatódik,
-
8:36 - 8:40mert a fizikai korlát még messze van.
-
8:43 - 8:48Elég hamar, nem sok év vagy évtized múlva
-
8:48 - 8:51először lesz kis berendezésünk,
-
8:51 - 8:54amely annyi számításra lesz képes,
mint az emberi agy, -
8:55 - 8:57és a tendencia nem törik meg.
-
8:57 - 9:0050 év múlva azonos árért
-
9:00 - 9:03kis számítógépünk lesz,
-
9:03 - 9:08amely annyi számításra lesz képes,
mint tízmilliárd emberi agy együttvéve. -
9:09 - 9:13Ilyenből nem egy, hanem rengeteg lesz.
-
9:13 - 9:15Minden meg fog változni.
-
9:15 - 9:18Már 2011-ben a számítógépek
elég gyorsak voltak ahhoz, -
9:18 - 9:20hogy mélytanulási módszereink
-
9:20 - 9:26először érjenek el emberfeletti
mintafelismerő eredményeket. -
9:26 - 9:30Ez volt a számítógépes látás terén
az első emberfeletti eredmény. -
9:30 - 9:34A számítógépek akkor még
hússzor drágábbak voltak, mint ma. -
9:34 - 9:36Úgyhogy azonos árért ma
-
9:36 - 9:38hússzor annyit elvégezhetünk.
-
9:38 - 9:43Csak öt éve,
-
9:43 - 9:47mikor a gépek még
tízszer annyiba kerültek, mint ma, -
9:47 - 9:51először nyerhettünk meg
orvosi képalkotási versenyeket. -
9:51 - 9:56Mögöttem egy női emlő metszetét látják,
-
9:56 - 10:01és az ott látható szövetben
mindenféle sejtek vannak: -
10:01 - 10:05szokásosan képzett orvosra,
képzett szövettanászra van szükség -
10:05 - 10:09a veszélyes rákos sejtek
-
10:09 - 10:11vagy kialakuló rákos sejtek
fölismeréséhez. -
10:12 - 10:13Buta hálózatunk
-
10:13 - 10:16egyáltalán nem ért a rákhoz
vagy a képalkotáshoz. -
10:16 - 10:18Eleinte semmit sem ért,
-
10:18 - 10:22de megtanítható az orvos utánzására.
-
10:22 - 10:26Jó, sőt jobb lett,
mint legkiválóbb versenytársai. -
10:27 - 10:31Nemsokára minden orvosi diagnózis
-
10:31 - 10:32emberfeletti lesz.
-
10:34 - 10:36Kötelező lesz,
-
10:36 - 10:38mert sokkal jobb lesz, mint az orvosok.
-
10:40 - 10:46Az ezután létrejött
orvosi képalkotó startup cégek -
10:46 - 10:48csakis ezzel foglalkoznak,
mert ez olyannyira fontos. -
10:49 - 10:53Az LSTM-et robotok
betanítására is használhatjuk. -
10:53 - 10:55Fontos fölhívnom a figyelmüket,
-
10:55 - 10:58hogy rendszereink
-
10:58 - 11:01nemcsak szolgaian utánozzák,
amit az ember mutat nekik, -
11:01 - 11:06hanem MI-k is vannak, amelyek önálló
célokat tűznek ki maguknak. -
11:09 - 11:12Mint kisbabák, kísérleteket módolnak ki
-
11:13 - 11:15a világ fölfedezésére, és hogy rájöjjenek,
-
11:15 - 11:17mihez kezdjenek magukkal a világban.
-
11:18 - 11:19Tanár nélkül.
-
11:19 - 11:23A folyamat során egyre átfogóbb
problémamegoldókká válnak, -
11:23 - 11:27ahogy tanulással
régi készségeikre ráépülnek az újak. -
11:27 - 11:31Ez ún. "mesterséges kíváncsiság"-gá
bővül idővel. -
11:32 - 11:35Az utóbbi idők felkapott kifejezése
az ún. hatalmi sík. -
11:35 - 11:39Az általános problémamegoldás
megtanulása kutató módjára, -
11:39 - 11:44a felfedezés megtanulása révén:
újabb és újabb érdekes célok kitűzésével. -
11:45 - 11:47Egyre terjeszkedni fog.
-
11:47 - 11:50Szerintem nincs már messze az idő,
-
11:50 - 11:51még pár év,
-
11:51 - 11:56és állatszerű MI-nk lesz;
-
11:56 - 11:58de még nem áll rendelkezésre.
-
11:59 - 12:00Eszközhasználat megtanulására
-
12:01 - 12:03már képes varjúcska
-
12:03 - 12:05vagy majmocska színvonalán.
-
12:06 - 12:07S ha egyszer az meglesz,
-
12:07 - 12:09tán csak még pár évtized,
-
12:09 - 12:13hogy megtegyük az utolsó lépést
az emberi intelligencia felé. -
12:15 - 12:18Mert a műszaki fejlődés
-
12:18 - 12:21a biológiainál milliószor gyorsabb.
-
12:21 - 12:27A biológiai fejlődésnek
3,5 milliárd évébe tellett, -
12:27 - 12:31hogy a semmiből hozzon létre majmot.
-
12:32 - 12:35Ám utána már elég volt pár évmillió
-
12:35 - 12:38az emberi intelligencia megteremtésére.
-
12:38 - 12:41Nnaisense nevű cégünk a nevét
a francia születés szóról kapta, -
12:42 - 12:45de nem franciásan írjuk.
-
12:45 - 12:48A cég ezt szeretné valóra váltani,
-
12:48 - 12:51létrehozva az első igazi,
minden célra alkalmazható MI-t. -
12:53 - 12:58Jelenleg majdnem minden
MI-kutatás emberközpontú, -
12:58 - 13:05céljuk az emberi élet meghosszabbítása,
megkönnyítése, egészségesebbé tétele, -
13:05 - 13:08továbbá hogy még függőbbekké
váljanak az okostelefonjaiktól. -
13:09 - 13:13Ám hosszabb távon az MI-k,
kiváltképp az okos MI-k, -
13:13 - 13:16saját célokat fognak kitűzni.
-
13:16 - 13:19Nincs kétségem afelől,
-
13:19 - 13:22hogy nálunk sokkal okosabbak lesznek.
-
13:22 - 13:24Hogy mit fognak tenni?
-
13:24 - 13:28Nyilván ők is rájönnek,
amire mi már rég rájöttünk: -
13:28 - 13:34nevezetesen, hogy a naprendszerben lévő
vagy az általában vett tartalékaink zöme -
13:34 - 13:37nem a csöpp bioszféránkban van.
-
13:37 - 13:39Hanem az űrben.
-
13:40 - 13:42Ezért persze ki fognak vándorolni.
-
13:42 - 13:49Ahhoz billiószámra használnak majd
-
13:49 - 13:52önmásoló robotokat gyártó üzemeket
-
13:52 - 13:58növekvő MI-buborék formában
való terjeszkedésre, -
13:58 - 14:00amelyek pár százezer év alatt
-
14:00 - 14:03az egész Tejútrendszert betöltik
-
14:03 - 14:04adókkal és vevőkkel,
-
14:04 - 14:06ahogy az MI-k közlekednek
-
14:06 - 14:09már a laboromban is:
-
14:09 - 14:11adó és vevő között rádió útján.
-
14:12 - 14:14Vezeték nélkül.
-
14:15 - 14:23Nem csak újabb ipari forradalom
tanúi vagyunk. -
14:23 - 14:25Sokkal többről van szó.
-
14:25 - 14:28Ez fölülmúlja az emberiséget,
-
14:28 - 14:30sőt, még magát az életet is.
-
14:30 - 14:33Ilyen fontosságú esemény
-
14:33 - 14:37utoljára tán csak 3,5 milliárd éve,
az élet kialakulásakor történt. -
14:38 - 14:43Az élet új fajtája keletkezik
csöpp bolygónkon, -
14:43 - 14:48és gyarmatosítja s átalakítja
az egész világmindenséget. -
14:48 - 14:52A világmindenség még ifjú:
csupán 13,8 milliárd éves. -
14:52 - 14:58Lesz még sokkal-sokkal idősebb is.
-
14:59 - 15:01Rengeteg időnk van
-
15:01 - 15:04ezek vagy látható részei elérésére
-
15:04 - 15:08fénysebesség és a fizika korlátai között.
-
15:09 - 15:14Újfajta élettől válik
intelligenssé a világmindenség. -
15:14 - 15:19Nem leszünk a teremtés koronája többé.
-
15:20 - 15:22De létezik még a szépség,
-
15:22 - 15:24amelynek fényében a világűrbe,
-
15:24 - 15:29az alacsony bonyolultságból a magasabba
vezető nagyobb folyamat részeként -
15:29 - 15:32tekinthetünk magunkra
-
15:34 - 15:37Megtiszteltetés oly korban élni,
-
15:37 - 15:40melyben e kezdeteknek tanúi lehetünk,
-
15:40 - 15:43és amelyben valamivel
ehhez hozzájárulhatunk. -
15:46 - 15:48Köszönöm a figyelmet.
-
15:49 - 15:50(Taps)
- Title:
- A mesterséges intelligencia mindent megváltoztat | Jürgen Schmidhuber | TEDxLakeComo
- Description:
-
Jürgen Schmidhuber professzort a modern mesterséges intelligencia atyjának tartják. A laborjában kidolgozott mély tanulási módszerek forradalmasították a gépi tanulást, és ma hárommilliárd okostelefonban lelhetők fel, naponta milliószor használják pl. a Facebook automata fordítóprogramjaiban, a Google beszédfölismerőiben, az Apple Sirijében és QuickType-jában, az Amazon Alexájában stb. Előadásában kifejti, miért vagyunk tanúi olyan pillanatnak, melynek fontossága csak az élet 3,5 milliárd évvel ezelőtti keletkezésével vethető össze.
Ezt az előadást egy TEDx rendezvényen rögzítették, amelyet a TED konferenciák formájában, de tőlük függetlenül egy helyi közösség szervezett. Bővebben: http://ted.com/tedx
- Video Language:
- English
- Team:
- closed TED
- Duration:
- 15:56