YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Arabic subtitles

The wonderful and terrifying implications of computers that can learn

Get Embed Code
30 Languages

Showing Revision 67 created 02/01/2015 by Retired user.

  1. إعتدنا قديما علي انه عندما تريد من
    الحاسب القيام بمهمة ما
  2. فإنه عليك برمجته.
  3. الآن، البرمجة بالنسبة للذين لم يقومو بها من قبل،
  4. تتطلب وضع كل خطوة تريد من الحاسوب القيام بها بالتفصيل الممل
  5. من أجل تحقيق غايتك.
  6. الآن، في حال أردت القيام بأمرٍ
    لاتعرف كيفية القيام به بنفسك،
  7. عندها سيكون هذا تحدٍ كبير.
  8. و هذا هو التحدي الذي واجه هذا الرجل
    ارثر صامويل

  9. في عام 1956، أراد
    ان يشتري هذا الحاسوب
  10. أن يكون قادراً على هزيمته في لعبة الداما.
  11. ليتمكن من هزيمتة في
    لعبة الشطرنج
  12. كيف يمكنك كتابة برنامج بكل تفاصيلة كيف
    يمكن للحاسوب ان يكون أفضل منك في الشطرنج؟
  13. لذا فقد جاء بفكرة:
  14. جعل الحاسوب يلعب ضد نفسه آلاف المرات
  15. ويتعلم كيفية لعب الشطرنج
  16. وبالفعل نجحت فكرته وفي عام 1962
  17. فاز هذا الكمبيوتر ببطولة ولاية كونيتيكت
  18. لهذا يعد أرثر صاموئيل أب التعلم الآلي

  19. وأنا أدين له بشده
  20. لأنني ممارس للتعلم الآلي
  21. لقد كنت رئيس شركة كاجل ،
  22. مجتمع أكثر من 200,000 ممارس للتعلم الألي
  23. وقد وضعت شركة كاجل مسابقات
  24. لحثهم على محاولة أن يحلوا
    مشاكل لم تحل من قبل
  25. وقد نجحت مئات المرات
  26. وإنطلاقاً من هذه النقطة تمكنت من إكتشاف
  27. الكثير عن ما الذي كان يستطيع التعلم الآلي
    فعله في الماضي وما يستطيعه اليوم
  28. وما الذي ستتمكن من فعله في المستقبل
  29. ربما يكون أول نجاح تجاري كبير
    للتعلم الآلي هو جوجل
  30. جوجل أظهرت إمكانية أن تجد معلومات
  31. من خلال إستخدام لوغارتيمات الكمبيوتر
  32. وتعتمد هذه اللوغارتيمات على التعلم الآلي
  33. ومنذ هذا الوقت كان هناك نجاحات
    تجارية كبيرة في التعلم الآلي
  34. فشركات مثل أمازون ونت فليكس
  35. تستخدم التعلم الآلي لإقتراح المنتجات
    التي قد تفضل شرائها
  36. والأفلام التي تحب مشاهدتها
  37. في بعض الأحيان قد يبدو الأمر مخيف
  38. شركات مثل لينكد ان وفيسبوك
  39. أحياناً ستخبرك من يجب أن يكون صديقك؟
  40. وأنت ليس لديك أي فكرة عن كيف فعلت هذا؟
  41. وهذا لأنها تستخدم قوة التعلم الآلي
  42. هذه هي الخوارزمات التي تعلمت
    كيف تفعل هذا من البيانات
  43. بدلاً من أن يتم برمجتها يدوياً
  44. وهذا أيضاً هو سبب نجاح أي بي إم

  45. في أن يجعلوا الكمبيوتر واطسون
    يهزم بطلي عالم في مسابقة "جابردي"
  46. مجيباً بشكل مذهل على أسئلة متقنة
    ومعقدة مثل
  47. من أي مدينة فقد أسد نمرود الأثري عام 2003؟
  48. هذا أيضاً سبب أننا نرى الأن أول سيارة ذاتية القيادة
  49. إذا كنت تستطيع أن تخبرنا الإختلاف بين مثلاً
  50. شجرة وشئ متحرك وهو شئ هام جداً
  51. نحن لا نعرف كيف نكتب هذه البرامج بأيدينا
  52. ولكنه الأن أصبح ممكناً بواسطة التعلم الآلي
  53. وفي الحقيقة ، هذه السيارة تم قيادتها لملايين الأميال
  54. بدون أي حوادث على الطرق العادية
  55. لذلك نعلم الأن أن الكمبيوتر يستطيع التعلم

  56. وأن الكمبيوتر يستطيع أن
    يتعلم كيفية فعل أشياء
  57. لا نعرف أحياناً كيف نفعلها بأنفسنا
  58. أو قد يفعلموها أفضل مننا.
  59. ومن أغرب الأمثلة التي رأيتها بالتعلم الآلي
  60. حدثت بمشروع أديره بشركة كاجل
  61. في فريق يديره رجل يدعى
    جوفري هينتون
  62. من جامعة تورنتو
  63. فازوا في مسابقة لإكتشاف أدوية أوتوماتيكية
  64. المذهل هنا ليس فقط أنهم أستطاعوا هزيمة
  65. جميع اللوغاريتمات التي طورتها
    ميرك أو المجتمع الأكاديمي الدولي
  66. ولكن لا أحد من الفريق لديه أي خلفية عن
    علوم الحياة أو الكيمياء أو الأحياء
  67. وقد قاموا بهذا الإنجاز في أسبوعين فقط
  68. كيف أستطاعوا أن يحققوا هذا؟
  69. أستخدموا لوغاريتمات
    فائقة تدعى التعلم العميق
  70. ولشدة اهميته تم تغطيته
  71. في مقال الصفحة الأولى
    لنيويورك تايمز منذ عدة أسابيع
  72. هذا هو جوفري هينتون على الجانب الأيسر
  73. التعلم العميق هي اللوغاريتمات التي
    تم إستلهامها من كيفية عمل العقل البشري
  74. وبالطبع كنتيجه فهي اللوغاريتمات
  75. التي ليس لها حدود نظرية حول ما تستطيع فعله
  76. كلما غذيتها ببيانات وأعطيتها وقت لحسابها
  77. كلما حصلت على نتائج أفضل
  78. وقد عرضت نيويورك تايمز أيضاً في هذا المقال

  79. نتيجه أخرى فائقة للتعلم العميق
  80. والتي سأعرضها عليكم الأن
  81. فهي تظهر قدرة الكمبيوتر على أن يسمع ويفهم
  82. (فيديو) ريتشارد رشيد : الأن ،
    أخر خطوة

  83. التي أريد تحقيقها في هذه العملية
  84. هي أن أتحدث بالصينية لكم
  85. الأن الشئ الرئيسي هو ،
  86. أننا تمكنا من أخذ كمية كبيرة من
    المعلومات من العديد من متحدثي الصينية
  87. وأنتجنا نظام لتحويل النص المكتوب لحديث
  88. وأخذنا نص صيني وحولناه للغة الصينية
  89. ثم أخذنا بعد ذلك ما يقرب من ساعة لصوتي
  90. وأستخدمناه لتعديل صوت
  91. النظام الأساسي لتحويل النص
    المكتوب لحديث حتى يبدو كصوتي
  92. مرة أخرى ، النتيجة ليست مثالية
  93. في الحقيقة كان هناك بعض الأخطاء القليلة
  94. (باللغة الصينية)
  95. (تصفيق)
  96. هناك الكثير من العمل الذي يجب
    أنجازه في هذا المجال
  97. (باللغة الصينية)
  98. (تصفيق)
  99. جيرمي هوارد : حسناً ، هذا كان
    في مؤتمر التعلم الآلي بالصين

  100. في الواقع ليس من المعتاد
    بالمؤتمرات الأكاديمية
  101. أن تسمع تصفيق عفوي
  102. بالرغم من أنه أحياناً بالطبع يحدث
    بمؤتمرات TEDx ، تصرفوا بحريتكم.
  103. كل ما رأيتموه هناك كان يحدث بالتعلم العميق
  104. (تصفيق)
    شكراً لكم
  105. كتابة نص الحديث بالإنجليزية
    كان التعلم العميق
  106. الترجمة للصينية والكتابة بأعلى
    اليمين كان التعلم العميق
  107. كما أن تركيب الصوت تم عبر
    التعلم العميق أيضاً
  108. لذلك فإن التعلم العميق هو شئ مذهل.

  109. إنها لوغاريتمة واحدة تستطيع
    تقريباً أن تفعل أي شئ
  110. وقد أكتشفت أنها منذ عام مضى
    أيضاً قد تعلمت أت ترى.
  111. في مسابقة غير معروفة بألمانيا
  112. تدعى معيار التعرف على إشارات المرور الألمانية
  113. التعلم العميق قد تعلم التعرف
    على إشارات المرور مثل هذه
  114. وهي لا تستطيع فقط التعرف على إشارات المرور
  115. أفضل من أي لوغاريتمة أخرى
  116. بل في الحقيقه تظهر اللوحة
    أنها أفضل من البشر
  117. بحوالي مرتين مما يستطيعه البشر.
  118. لذلك عام 2011 كان لدينا أول مثال
  119. لكمبيوتر يستطيع أن يرى أفضل من البشر
  120. ومنذ ذلك الوقت حدث الكثير
  121. في عام 2012 جوجل أعلنت
    أن لديهم خوارزمة تعلم عميق
  122. تشاهد فيديوهات اليوتيوب
  123. وتعالج بيانات 16000 كمبيوتر شهرياً
  124. ثم يقوم الكمبيوتر ذاتياً بالتعلم
    عن مفاهيم مثل التاس والقطط
  125. فقط بمجرد مشاهدة الفيديوهات
  126. هذا يشبه كثيراً طريقة تعلم البشر
  127. البشر لا يتعلمون عن طريق
    إخبارهم عن ما يروه
  128. ولكن يعلمون أنفسهم ماذا تكون هذه الأشياء
  129. أيضاً في عام 2012 ، جوفري هينتون
    الذي رأيناه منذ قليل
  130. فاز بمسابقة ImageNet ذائعة الصيت
  131. حيث كان يبحث عن محاولة
    لإكتشاف من بين مليون ونصف صورة
  132. مما تم تصويرهم
  133. وبالنسبة لـ 2014 فإننا الأن
    قلصنا نسبة الخطأ لـ 6%
  134. في التعرف على الصور
  135. ومرة أخرى ، هذا أفضل من البشر
  136. لذلك فإن الألات بالفعل
    تستطيع القيام بأعمال فائقة

  137. ويتم إستخدامها الأن بالصناعة
  138. وكمثال فإن جوجل أعلنت العام الماضي
  139. أنهم رسموا خريطة لكل مكان بفرنسا في ساعتين
  140. وقد فعلوا هذا عن طريق إدخال صور للشوارع
  141. لخوارزمة التعلم العميق للتعرف
    على وقراءة أرقام الشوارع
  142. لك أن تتخيل كم كانت ستسغرق مسبقاً
  143. عشرات الناس والعديد من السنوات.
  144. وقد حدثت أيضاً في الصين.
  145. بيدو هو نوع من جوجل الصيني ، على ما أعتقد
  146. وما ترونه هنا في أعلى اليسار
  147. مثال لصورة قد حملتها إلى
    نظام بيدو للتعلم العميق
  148. وبالأسفل ترون أن النظام قد
    فهم ماذا تكون هذه الصورة
  149. بل ووجدت صور أخرى مشابهة
  150. الصور المشابهة ذات خلفيات متماثلة
  151. بنفس إتجاهات الوجوه
  152. بل بعضهم كان بلسانه إلى الخارج
  153. وهذا لم يكن بالطبع بحث
    عن نص مكتوب على صفحة ويب
  154. كل ما حملته كان صورة.
  155. لذلك أصبح لدينا الأن أجهزة
    كمبيوتر تستطيع بالفعل فهم ما تراه
  156. وبالتالي تستطيع البحث
    في قواعد بيانات
  157. لمئات الملايين من الصور في نفس الوقت.
  158. والأن ما الذي يعنيه أن تستطيع
    أجهزة الكمبيوتر أن ترى؟

  159. حسناً ، ليس فقط أن أجهزة الكمبيوتر
    تستطيع الرؤية
  160. في الواقع التعلم العميق قد فعل أكثر من هذا
  161. فجمل معقدة ودقيقة مثل هذه
  162. الأن أصبحت مفهومة بخوارزمة التعلم العميق
  163. كما تروا هنا
  164. هذا نظام ستانفورد يظهر النقاط الحمراء بأعلى
  165. قد كشفت أن هذه الجملة تعبر عن إحساس سلبي
  166. في الواقع التعلم العميق الأن
    أصبح قريب من الأداء البشري
  167. في فهم ما تعبر عنه الجمل
    وما تقوله عن هذه الأشياء.
  168. التعلم العميق قد أستخدم أيضا لقراءة
    الصينية
  169. وبنفس مستوى متحدث الصينية كلغته الأم
  170. هذه الخوارزمة تم تطويرها بسويسرا
  171. بواسطة ناس لم يتحدث أي منهم أو يفهم الصينية
  172. وكما قلت إستخدام التعلم العميق
  173. أصبح أفضل نظام بالعالم لمثل هذا
  174. بل ويمكن مقارنته للفهم البشري للغة الأم
  175. هذا هو النظام الذي صنعناه بشركتي

  176. والذي يظهر وضع هذه الأشياء معاً
  177. هذه الصور ليس لها أي نص مكتوب ملحق بها
  178. وأثناء كتابتي هنا لجمل نصية
  179. فهي تفهم هذه الصور في نفس الوقت
  180. وتحدد ما تعبر عنه هذه الصور
  181. وتجد الصور التي تشابه النص الذي كتبته
  182. تستطيع أن تروا أنها بالفعل تفهم كتابتي
  183. وأيضاً تفهم هذه الصور
  184. أعلم أنك رأيت شئ يشبه ذلك على جوجل
  185. حيث تكتب عن أشياء لتظهر لك بالصور
  186. ولكن ما تفعله بالواقع هو بحث
    عن نصوص بصفحة الموقع
  187. وهذا مختلف كلياً عن الفهم الفعلي للصور
  188. وهذا شئ يستطيع الكمبيوتر فقط فعله
  189. لأول مرة بالشهور القليلة الماضية.
  190. نرى الأن أجهزة الكمبيوتر تستطيع
    ليس فقط الرؤية بل القراءة أيضاً

  191. وبالطبع قد عرضنا أنها تستطيع فهم ما تسمعه.
  192. ربما ليس من المفاجئ الأن أن
    أخبرك أنها تستطيع الكتابة.
  193. هنا بعض النصوص التي أنتجتها بالأمس مستخدماً خوارزمة التعلم العميق
  194. وهنا بعض النصوص التي أنتجتها
    خوارزمة بستانفورد
  195. كلاً من هذه الجمل المكتوبة تم إنتاجها
  196. بواسطة خوارزمة التعلم العميق
    لوصف كلاً من هذه الصور
  197. هذه الخوارزمة لم ترى من قبل رجل
    يرتدي قميص أسود ويعزف على الجيتار
  198. هي رأت رجل من قبل ورأت اللون الأسود من قبل
  199. ورأت جيتار من قبل
  200. لكنها ذاتياً أنتجت وصفها
    الجديد عن هذه الصورة
  201. ما زال هذا الأداء ليس كمثيله
    البشري ولكننا قريبين
  202. في الإختبارات البشر يفضلون
    الشرح الذي أنتجه الكمبيوتر
  203. بنسبة واحد لأربعة
  204. الأن هذا النظام عمره أسبوعين فقط
  205. لذا ربما يكون بحلول العام القادم
  206. تكون قد تعدت خوارزمة
    الكمبيوتر الأداء البشري
  207. بنسبة الإنجاز هذه التي تتم بها الأشياء
  208. لذلك فإن الكمبيوتر يستطيع أيضاً أن يكتب
  209. إذا وضعنا كل هذا معا فسيقودنا لفرص مدهشة

  210. مثلاً في صناعة الدواء
  211. أعلن فريق عمل ببوسطن أنهم أكتشفوا
  212. عشرات التشخيصات الجديدة المتعلقة
  213. بالأورام التي تساعد الأطباء
    علي التنبؤ بالسرطان
  214. وفي أمر مشابهه بستانفورد
  215. أعلنت مجموعة كانت تفحص الأنسجة المكبره
  216. أنهم طوروا نظام قائم على التعلم الآلي
  217. هو في الواقع أفضل من الأخصائين
    البشريين في علوم الأمراض
  218. وتنبأت بمعدلات نجاة لمن يعانون من السرطان
  219. في كلا الحالتين لم يكن التنبأ أكثر دقه فقط
  220. ولكنهم أنتجوا علم دقيق جديد
  221. في حالة طب الأشعة
  222. هناك مؤشرات تشخيصية
    جديدة يستطيع البشر إدراكها
  223. في حالة علم الأمراض
  224. نظام الكمبيوتر قد أكتشف
    بالفعل أن الخلايا حول السرطان
  225. هي بأهمية الخلايا السرطانية نفسها
  226. للتوصل للتشخيص
  227. وهذا عكس ما تعلمه أخصائي
    الأمراض لعشرات السنين
  228. وقد تم تطوير كلا الحالتين بنظم الكمبيوتر
  229. بواسطة مجموعة من خبراء في
    كلاً من الطب والتعلم الألي
  230. لكن بالنسبة للعام الماضي
    فقد تخطينا هذا الأن أيضاً
  231. هذا مثال للتعرف على المناطق السرطانية
  232. من أنسجة إنسان تحت الميكرسكوب
  233. النظام الذي تم عرضه هنا
    يستطيع تحديد هذه المناطق بدقة أكبر
  234. أو بنفس دقة أخصائي الأمراض البشريين
  235. لكن تم بنائها بالكامل بالتعلم العميق
    بدون إستخدام أي خبرة طبية
  236. وبواسطة ناس ليس لديهم أي خلفية
    عن هذا المجال
  237. وبالمثل هنا في فصل الخلايا العصبية
  238. نحن نستطيع الأن فصل الخلايا
    العصبية بنفس دقة البشر
  239. ولكن هذا النظام تم تطويره بالتعلم العميق
  240. بإستخدام ناس ليس لديهم أي خلفية طبية سابقة
  241. وأنا عن نفسي كشخص ليس
    لديه أي خلفية طبية سابقة

  242. يبدو أنني مؤهل تماماً لبدء شركة طبية جديدة
  243. والتي بدئتها بالفعل
  244. وكنت إلى حد ما قلق من القيام بذلك
  245. ولكن النظرية رجحت أن الأمر سيكون ممكناً
  246. لعمل أدوية مفيدة جداً بإستخدام
    فقط أساليب تحليل البيانات
  247. وحمداً لله أن الأراء كانت رائعة
  248. ليس فقط من جانب الإعلام
    ولكن من المجتمع الطبي
  249. الذي كان داعماً جداً
  250. النظرية كانت أننا نستطيع أن
    نأخذ الجزء الأوسط من العملية الطبية
  251. ونحوله لتحليل بيانات بقدر المستطاع
  252. ونترك الأطباء ليفعلوا ماهم خبراء به
  253. وأريد أن أعطيكم مثال
  254. نستغرق الأن حوالي 15 دقيقة
    لإستخراج إختبار تشخيص طبي جديد
  255. وسأريكم الأن هذا المثال في نفس وقت حديثنا
  256. ولكني قلصتها لثلاث دقائق
    بإقتطاع بعض الأجزاء منها
  257. وبدلاً من أن أعرض عليكم
    عمل إختبار تشخيص طبي
  258. سأريكم إختبار تشخيص لصور سيارات
  259. لأن هذا سنستطيع جميعنا فهمه
  260. لذلك سنبدأ بحوالي 1.5 مليون صور سيارات

  261. أنا هنا أريد عمل شئ يستطيع
    تقسيم الصور للزاوية
  262. التي تم إلتقاطها بها
  263. ولأن هذه الصور لم يتم تصنيفها
    تماماً لذا كا ن علي البدء من نقطة الصفر
  264. بخوازمتنا للتعلم العميق
  265. إنها تستطيع تلقائياً التعرف
    على مناطق بنية هذه الصور
  266. الشئ الظريف أن الإنسان والكمبيوتر
    يستطيعان الأن العمل سوياً
  267. كما تروا هنا الإنسان
  268. يخبر الكمبيوتر عن دوائر الإهتمام
  269. التي تريد من الكمبيوتر أن يجربها
    ليطور بعد ذلك من خوارزمته
  270. الأن هذه النظم للتعلم الألي هي
    بالفعل بفراغ ذو 16000 بعد
  271. لذلك نرى الكمبيوتر يدير
    الصور في هذا الفراغ
  272. محاولاً إيجاد مناطق جديدة للتركيبه
  273. وعندما ينجح في تنفيذ هذا
  274. يستطيع الإنسان الذي بدءها أن
    يشير إلى المناطق التي تهمه
  275. وهنا الكمبيوتر بالفعل وجد
    هذه المناطق بنجاح
  276. فمثلاً ، الزوايا
  277. فكلما تعمقنا في هذه العملية
  278. فإننا نخبر الكمبيوتر تدريجياً أكثر وأكثر
  279. عن أنواع التركيبة التي نبحث عنها
  280. ولك أن تتخيل في إختبارات
    التشخيص الطبي
  281. فمثلاً كتحديد أخصائي الأمراض بأماكن المرض
  282. أو كإشارة أخصائي الأشعة للنقاط المقلقة
  283. وأحياناً يكون هذا صعب على الخوارزمة
  284. حيث يحدث لها حالة من الإرتباك
  285. مقدمات وخلفيات السيارات إختلطت جميعها
  286. لذلك يجب أن نكون حريصين قليلاً
  287. فيتم إختيار المقدمة يدوياً كشئ
    عكس الخلفيات
  288. ونخبر الكمبيوتر بعدها أن هذا تصنيف
    المجموعه
  289. التي نريدها
  290. نفعل هذا لفترة من الزمن
    لأننا نتخطاه قليلاً

  291. وبعدها ندرب الكمبيوتر على
    خوارزمة التعلم الآلي
  292. بناء على المائتين شئ هذه
  293. ونأمل أن تصبح هذه الأمور أفضل بكثير
  294. يمكنكم رؤية أنها بدءت الأن
    تغذية بعض هذه الصور
  295. لتظهر لنا إنها بالفعل بدءت التعرف
    على كيفية فهم البعض بنفسها
  296. ويمكننا إستخدام نفس مبدأ الصور المشابهه
  297. ونستخدم صور مشابهه كما ترون الأن
  298. الكمبيوتر عند هذه النقطة يستطيع أن
    يجد فقط مقدمات السيارات
  299. ومن هنا يستطيع البشر إخبار الكمبيوتر
  300. أنك بالفعل قد قمت بعمل ممتاز
  301. أحياناً بالطبع عند هذه النقطة

  302. يظل صعباً فصل هذه المجموعات
  303. حتى بعد أن نترك الكمبيوتر
    يحاول إدارتها لوقت
  304. نظل نجد أن صور الجانب الأيسر والأيمن
  305. تم خلطها جميعها معاً
  306. لذلك يجب أن نعطي لكمبيوتر بعض الملحوظات
  307. ونقول له جيد حاول وأبحث عن وسيلة لفصل
  308. صور الجانب الأيسر عن الأيمن بقدر المستطاع
  309. بإستخدام خوارزمة التعلم العميق
  310. وبإعطائه هذه التعليمات. جيد لقد نجحت
  311. لقد دبرت أمرها لتجد وسيلة
    للتفكير في هذه الأشياء
  312. لفصلها جميعاً
  313. وهنا تكون الفكرة قد وصلت لكم

  314. وهذه الحالة ليست لإحلال
    الكمبيوتر مكان البشر
  315. ولكن للعمل معاً
  316. ما فعلناه هنا أننا إستبدلنا شئ
    إعتدنا أن ينفذه فريق
  317. مكون من ستة أشخاص لسبعة سنين
  318. واحللنا محله عملاً يأخذ فقط 15 دقيقة
  319. بواسطة شخص واحد يقوم بهذا العمل
  320. وهذه العملية تأخذ حوالي أربع لخمس تكرارات

  321. كما تروا أننا الأن لدينا 62%
  322. من 1.5 مليون صورة تم تصنيفهم بشكل صحيح
  323. ومن هنا نستطيع البدء سريعاً في
  324. ترتيب اقسام كبيرة كاملة
  325. نفحص من خلالها لنتأكد أن لا يوجد أخطاء
  326. إذا كان هناك أخطاء فيجب إطلاع الكمبيوتر
  327. ونستخدم هذه العملية لكل مجموهة مختلفة
  328. ونحن الأن وصلنا لنسبة 80% نجاح
  329. في تصنيف الـ 1.5 مليون صورة
  330. وهذه مجرد حالة واحدة
  331. لإيجاد العدد الصغير الذي
    لم يتم تصنيفه صحيحاً
  332. ومحاولة فهم هذا الخطأ
  333. وبإستخدام هذا الإسلوب
  334. بعد حوالي 15 دقيقة وصلنا 97% من التصنيف
  335. هذا الأسلوب سيمكنا من إصلاح مشاكل كبيرة

  336. التي تواجهه نقص بالخبراء الطبيين بالعالم
  337. منتدى العالم الإقتصادي يقول أن هناك بين x10 وx20
  338. نقص في الأطباء في الدول النامية
  339. مما تطلب حوالي 300 سنة
  340. لتدريب عدد كافي لإصلاح هذه المشكلة
  341. تخيل إذا أستطعنا المساعدة في تحسين كفائتهم
  342. بإستخدام أساليب التعلم العميق
  343. لذلك أن متشوق جداً لهذه الفرص

  344. كما إنني مهتم جداً بالمشاكل
  345. المشكلة أن كل منطقة زرقاء بهذه الخريطة
  346. هي مكان ما حيث الخدمات
    أكثر من 80% من التشغيل
  347. ما هي الخدمات؟
  348. هذه هي الخدمات
  349. وهناك أيضاً أشياء محددة التي
    تعلم الكمبيوتر مؤخرا كيف يفعلها
  350. لذلك 80% من تشغيل العالم في الدول النامية
  351. هي الأشياء التي مؤخراً تعلم
    الكمبيوتر كيفية عملها
  352. ما الذي يعنية هذا؟
  353. حسناً ، سيتم إستبدالهم بوظائف أخرى
  354. مثلا سيكون هناك وظائف أكثر لعلماء البيانات
  355. ليس حقيقي
  356. لن يحتاج علماء البيانات
    وقت طويل لبناء هذه الأشياء
  357. فمثلاً الأربع خوارزمات تلك بناهم نفس الشخص
  358. إذا كنت تعتقد إنها حدثت جميعها مسبقاً
  359. فنحن رأينا النتائج بالسابق
    عندما حدثت أشياء جديدة
  360. وتم إستبدالهم بوظائف جديدة
  361. ماذا ستكون هذه الوظائف الجديدة؟
  362. من صعب علينا جداً توقعها
  363. لأن إداء الإنسان ينمو بمعدل تدريجي
  364. ولكننا الأن لدينا نظام وهو التعلم العميق
  365. وما نعرفه بالفعل ينمو بقدرات مضاعفة
  366. ونحن هنا
  367. وحالياً نرى الأشياء حولنا
  368. ونقول "كفى ، الكمبيوتر مازال غبياً" صحيح؟
  369. ولكن خلال 5 سنين ستكون أجهزة
    الكمبيوتر خارج هذه الخريطة
  370. لذلك نحتاج أن نفكر في قدراته من الأن
  371. وقد رأينا مثل هذا من قبل بالطبع

  372. بالثورة الصناعية
  373. لقد رأينا تغير كبير في القدرات بسبب للألات
  374. الشئ الهام أنه بعد فترة الأمور تتغير كلياً
  375. كان هناك إرتباك مجتمعي
  376. ولكن بمجرد أن تم إستخدام الماكينات
    لتوليد الكهرباء بجميع المواقف
  377. الأمور بالفعل إستقرت
  378. ثــورة التـعلـم الألــي
  379. ستكون مختلفة تماماً عن الثورة الصناعية
  380. لأن ثورة التعلم الألي لن تستقر أبداً
  381. كلما طورت أجهزة الكمبيوتر مستويات ذكائها
  382. كلما إستطاعوا بناء أجهزة كمبيوتر
    أفضل لتطوير مستويات ذكائهم
  383. لذا سيكون نوع من التغيير
  384. الذي لم يختبره العالم من قبل
  385. وسيتغير فهمك السابق عن ماهو ممكن
  386. إنها بالفعل تؤثر علينا

  387. في الـ 25 سنه الماضية حيث
    زادت إنتاجية رأس المال
  388. الإنتاجية العمالية أصبحت ثابتة بل في الواقع قد إنحدرت قليلاً
  389. لذلك أريد منكم ان تبدؤا هذه المناقشة الأن

  390. أنا أعرف أنني عادة عندما أخبر الناس عن هذا الموقف
  391. يستطيع الناس أن يرفضوا بشدة
  392. حسناً ، الكمبيوتر لا يستطيع التفكير
  393. لا يستطيعون أن يشعروا ولا أن يفهموا الشعر
  394. ونحن في الحقيقة لا نفهم كيف يعملون
  395. وما الأهمية؟
  396. أجهزة الكمبيوتر الأن تستطيع فعل أشياء
  397. يتم الدفع للبشر ليقضوا معظم وقتهم في فعله
  398. لذلك حان الوقت الأن لنبدأ التفكير
  399. كيف سنعدل تركيبتنا المجتمعية والإقتصادية؟
  400. لنكون واعيين لهذه الحقيقة الجديدة
  401. شكراً لكم
  402. (تصفيق)