-
إعتدنا قديما علي انه عندما تريد من
الحاسب القيام بمهمة ما
-
فإنه عليك برمجته.
-
الآن، البرمجة بالنسبة للذين لم يقومو بها من قبل،
-
تتطلب وضع كل خطوة تريد من الحاسوب القيام بها بالتفصيل الممل
-
من أجل تحقيق غايتك.
-
الآن، في حال أردت القيام بأمرٍ
لاتعرف كيفية القيام به بنفسك،
-
عندها سيكون هذا تحدٍ كبير.
-
و هذا هو التحدي الذي واجه هذا الرجل
ارثر صامويل
-
في عام 1956، أراد
ان يشتري هذا الحاسوب
-
أن يكون قادراً على هزيمته في لعبة الداما.
-
ليتمكن من هزيمتة في
لعبة الشطرنج
-
كيف يمكنك كتابة برنامج بكل تفاصيلة كيف
يمكن للحاسوب ان يكون أفضل منك في الشطرنج؟
-
لذا فقد جاء بفكرة:
-
جعل الحاسوب يلعب ضد نفسه آلاف المرات
-
ويتعلم كيفية لعب الشطرنج
-
وبالفعل نجحت فكرته وفي عام 1962
-
فاز هذا الكمبيوتر ببطولة ولاية كونيتيكت
-
لهذا يعد أرثر صاموئيل أب التعلم الآلي
-
وأنا أدين له بشده
-
لأنني ممارس للتعلم الآلي
-
لقد كنت رئيس شركة كاجل ،
-
مجتمع أكثر من 200,000 ممارس للتعلم الألي
-
وقد وضعت شركة كاجل مسابقات
-
لحثهم على محاولة أن يحلوا
مشاكل لم تحل من قبل
-
وقد نجحت مئات المرات
-
وإنطلاقاً من هذه النقطة تمكنت من إكتشاف
-
الكثير عن ما الذي كان يستطيع التعلم الآلي
فعله في الماضي وما يستطيعه اليوم
-
وما الذي ستتمكن من فعله في المستقبل
-
ربما يكون أول نجاح تجاري كبير
للتعلم الآلي هو جوجل
-
جوجل أظهرت إمكانية أن تجد معلومات
-
من خلال إستخدام لوغارتيمات الكمبيوتر
-
وتعتمد هذه اللوغارتيمات على التعلم الآلي
-
ومنذ هذا الوقت كان هناك نجاحات
تجارية كبيرة في التعلم الآلي
-
فشركات مثل أمازون ونت فليكس
-
تستخدم التعلم الآلي لإقتراح المنتجات
التي قد تفضل شرائها
-
والأفلام التي تحب مشاهدتها
-
في بعض الأحيان قد يبدو الأمر مخيف
-
شركات مثل لينكد ان وفيسبوك
-
أحياناً ستخبرك من يجب أن يكون صديقك؟
-
وأنت ليس لديك أي فكرة عن كيف فعلت هذا؟
-
وهذا لأنها تستخدم قوة التعلم الآلي
-
هذه هي الخوارزمات التي تعلمت
كيف تفعل هذا من البيانات
-
بدلاً من أن يتم برمجتها يدوياً
-
وهذا أيضاً هو سبب نجاح أي بي إم
-
في أن يجعلوا الكمبيوتر واطسون
يهزم بطلي عالم في مسابقة "جابردي"
-
مجيباً بشكل مذهل على أسئلة متقنة
ومعقدة مثل
-
من أي مدينة فقد أسد نمرود الأثري عام 2003؟
-
هذا أيضاً سبب أننا نرى الأن أول سيارة ذاتية القيادة
-
إذا كنت تستطيع أن تخبرنا الإختلاف بين مثلاً
-
شجرة وشئ متحرك وهو شئ هام جداً
-
نحن لا نعرف كيف نكتب هذه البرامج بأيدينا
-
ولكنه الأن أصبح ممكناً بواسطة التعلم الآلي
-
وفي الحقيقة ، هذه السيارة تم قيادتها لملايين الأميال
-
بدون أي حوادث على الطرق العادية
-
لذلك نعلم الأن أن الكمبيوتر يستطيع التعلم
-
وأن الكمبيوتر يستطيع أن
يتعلم كيفية فعل أشياء
-
لا نعرف أحياناً كيف نفعلها بأنفسنا
-
أو قد يفعلموها أفضل مننا.
-
ومن أغرب الأمثلة التي رأيتها بالتعلم الآلي
-
حدثت بمشروع أديره بشركة كاجل
-
في فريق يديره رجل يدعى
جوفري هينتون
-
من جامعة تورنتو
-
فازوا في مسابقة لإكتشاف أدوية أوتوماتيكية
-
المذهل هنا ليس فقط أنهم أستطاعوا هزيمة
-
جميع اللوغاريتمات التي طورتها
ميرك أو المجتمع الأكاديمي الدولي
-
ولكن لا أحد من الفريق لديه أي خلفية عن
علوم الحياة أو الكيمياء أو الأحياء
-
وقد قاموا بهذا الإنجاز في أسبوعين فقط
-
كيف أستطاعوا أن يحققوا هذا؟
-
أستخدموا لوغاريتمات
فائقة تدعى التعلم العميق
-
ولشدة اهميته تم تغطيته
-
في مقال الصفحة الأولى
لنيويورك تايمز منذ عدة أسابيع
-
هذا هو جوفري هينتون على الجانب الأيسر
-
التعلم العميق هي اللوغاريتمات التي
تم إستلهامها من كيفية عمل العقل البشري
-
وبالطبع كنتيجه فهي اللوغاريتمات
-
التي ليس لها حدود نظرية حول ما تستطيع فعله
-
كلما غذيتها ببيانات وأعطيتها وقت لحسابها
-
كلما حصلت على نتائج أفضل
-
وقد عرضت نيويورك تايمز أيضاً في هذا المقال
-
نتيجه أخرى فائقة للتعلم العميق
-
والتي سأعرضها عليكم الأن
-
فهي تظهر قدرة الكمبيوتر على أن يسمع ويفهم
-
(فيديو) ريتشارد رشيد : الأن ،
أخر خطوة
-
التي أريد تحقيقها في هذه العملية
-
هي أن أتحدث بالصينية لكم
-
الأن الشئ الرئيسي هو ،
-
أننا تمكنا من أخذ كمية كبيرة من
المعلومات من العديد من متحدثي الصينية
-
وأنتجنا نظام لتحويل النص المكتوب لحديث
-
وأخذنا نص صيني وحولناه للغة الصينية
-
ثم أخذنا بعد ذلك ما يقرب من ساعة لصوتي
-
وأستخدمناه لتعديل صوت
-
النظام الأساسي لتحويل النص
المكتوب لحديث حتى يبدو كصوتي
-
مرة أخرى ، النتيجة ليست مثالية
-
في الحقيقة كان هناك بعض الأخطاء القليلة
-
(باللغة الصينية)
-
(تصفيق)
-
هناك الكثير من العمل الذي يجب
أنجازه في هذا المجال
-
(باللغة الصينية)
-
(تصفيق)
-
جيرمي هوارد : حسناً ، هذا كان
في مؤتمر التعلم الآلي بالصين
-
في الواقع ليس من المعتاد
بالمؤتمرات الأكاديمية
-
أن تسمع تصفيق عفوي
-
بالرغم من أنه أحياناً بالطبع يحدث
بمؤتمرات TEDx ، تصرفوا بحريتكم.
-
كل ما رأيتموه هناك كان يحدث بالتعلم العميق
-
(تصفيق)
شكراً لكم
-
كتابة نص الحديث بالإنجليزية
كان التعلم العميق
-
الترجمة للصينية والكتابة بأعلى
اليمين كان التعلم العميق
-
كما أن تركيب الصوت تم عبر
التعلم العميق أيضاً
-
لذلك فإن التعلم العميق هو شئ مذهل.
-
إنها لوغاريتمة واحدة تستطيع
تقريباً أن تفعل أي شئ
-
وقد أكتشفت أنها منذ عام مضى
أيضاً قد تعلمت أت ترى.
-
في مسابقة غير معروفة بألمانيا
-
تدعى معيار التعرف على إشارات المرور الألمانية
-
التعلم العميق قد تعلم التعرف
على إشارات المرور مثل هذه
-
وهي لا تستطيع فقط التعرف على إشارات المرور
-
أفضل من أي لوغاريتمة أخرى
-
بل في الحقيقه تظهر اللوحة
أنها أفضل من البشر
-
بحوالي مرتين مما يستطيعه البشر.
-
لذلك عام 2011 كان لدينا أول مثال
-
لكمبيوتر يستطيع أن يرى أفضل من البشر
-
ومنذ ذلك الوقت حدث الكثير
-
في عام 2012 جوجل أعلنت
أن لديهم خوارزمة تعلم عميق
-
تشاهد فيديوهات اليوتيوب
-
وتعالج بيانات 16000 كمبيوتر شهرياً
-
ثم يقوم الكمبيوتر ذاتياً بالتعلم
عن مفاهيم مثل التاس والقطط
-
فقط بمجرد مشاهدة الفيديوهات
-
هذا يشبه كثيراً طريقة تعلم البشر
-
البشر لا يتعلمون عن طريق
إخبارهم عن ما يروه
-
ولكن يعلمون أنفسهم ماذا تكون هذه الأشياء
-
أيضاً في عام 2012 ، جوفري هينتون
الذي رأيناه منذ قليل
-
فاز بمسابقة ImageNet ذائعة الصيت
-
حيث كان يبحث عن محاولة
لإكتشاف من بين مليون ونصف صورة
-
مما تم تصويرهم
-
وبالنسبة لـ 2014 فإننا الأن
قلصنا نسبة الخطأ لـ 6%
-
في التعرف على الصور
-
ومرة أخرى ، هذا أفضل من البشر
-
لذلك فإن الألات بالفعل
تستطيع القيام بأعمال فائقة
-
ويتم إستخدامها الأن بالصناعة
-
وكمثال فإن جوجل أعلنت العام الماضي
-
أنهم رسموا خريطة لكل مكان بفرنسا في ساعتين
-
وقد فعلوا هذا عن طريق إدخال صور للشوارع
-
لخوارزمة التعلم العميق للتعرف
على وقراءة أرقام الشوارع
-
لك أن تتخيل كم كانت ستسغرق مسبقاً
-
عشرات الناس والعديد من السنوات.
-
وقد حدثت أيضاً في الصين.
-
بيدو هو نوع من جوجل الصيني ، على ما أعتقد
-
وما ترونه هنا في أعلى اليسار
-
مثال لصورة قد حملتها إلى
نظام بيدو للتعلم العميق
-
وبالأسفل ترون أن النظام قد
فهم ماذا تكون هذه الصورة
-
بل ووجدت صور أخرى مشابهة
-
الصور المشابهة ذات خلفيات متماثلة
-
بنفس إتجاهات الوجوه
-
بل بعضهم كان بلسانه إلى الخارج
-
وهذا لم يكن بالطبع بحث
عن نص مكتوب على صفحة ويب
-
كل ما حملته كان صورة.
-
لذلك أصبح لدينا الأن أجهزة
كمبيوتر تستطيع بالفعل فهم ما تراه
-
وبالتالي تستطيع البحث
في قواعد بيانات
-
لمئات الملايين من الصور في نفس الوقت.
-
والأن ما الذي يعنيه أن تستطيع
أجهزة الكمبيوتر أن ترى؟
-
حسناً ، ليس فقط أن أجهزة الكمبيوتر
تستطيع الرؤية
-
في الواقع التعلم العميق قد فعل أكثر من هذا
-
فجمل معقدة ودقيقة مثل هذه
-
الأن أصبحت مفهومة بخوارزمة التعلم العميق
-
كما تروا هنا
-
هذا نظام ستانفورد يظهر النقاط الحمراء بأعلى
-
قد كشفت أن هذه الجملة تعبر عن إحساس سلبي
-
في الواقع التعلم العميق الأن
أصبح قريب من الأداء البشري
-
في فهم ما تعبر عنه الجمل
وما تقوله عن هذه الأشياء.
-
التعلم العميق قد أستخدم أيضا لقراءة
الصينية
-
وبنفس مستوى متحدث الصينية كلغته الأم
-
هذه الخوارزمة تم تطويرها بسويسرا
-
بواسطة ناس لم يتحدث أي منهم أو يفهم الصينية
-
وكما قلت إستخدام التعلم العميق
-
أصبح أفضل نظام بالعالم لمثل هذا
-
بل ويمكن مقارنته للفهم البشري للغة الأم
-
هذا هو النظام الذي صنعناه بشركتي
-
والذي يظهر وضع هذه الأشياء معاً
-
هذه الصور ليس لها أي نص مكتوب ملحق بها
-
وأثناء كتابتي هنا لجمل نصية
-
فهي تفهم هذه الصور في نفس الوقت
-
وتحدد ما تعبر عنه هذه الصور
-
وتجد الصور التي تشابه النص الذي كتبته
-
تستطيع أن تروا أنها بالفعل تفهم كتابتي
-
وأيضاً تفهم هذه الصور
-
أعلم أنك رأيت شئ يشبه ذلك على جوجل
-
حيث تكتب عن أشياء لتظهر لك بالصور
-
ولكن ما تفعله بالواقع هو بحث
عن نصوص بصفحة الموقع
-
وهذا مختلف كلياً عن الفهم الفعلي للصور
-
وهذا شئ يستطيع الكمبيوتر فقط فعله
-
لأول مرة بالشهور القليلة الماضية.
-
نرى الأن أجهزة الكمبيوتر تستطيع
ليس فقط الرؤية بل القراءة أيضاً
-
وبالطبع قد عرضنا أنها تستطيع فهم ما تسمعه.
-
ربما ليس من المفاجئ الأن أن
أخبرك أنها تستطيع الكتابة.
-
هنا بعض النصوص التي أنتجتها بالأمس مستخدماً خوارزمة التعلم العميق
-
وهنا بعض النصوص التي أنتجتها
خوارزمة بستانفورد
-
كلاً من هذه الجمل المكتوبة تم إنتاجها
-
بواسطة خوارزمة التعلم العميق
لوصف كلاً من هذه الصور
-
هذه الخوارزمة لم ترى من قبل رجل
يرتدي قميص أسود ويعزف على الجيتار
-
هي رأت رجل من قبل ورأت اللون الأسود من قبل
-
ورأت جيتار من قبل
-
لكنها ذاتياً أنتجت وصفها
الجديد عن هذه الصورة
-
ما زال هذا الأداء ليس كمثيله
البشري ولكننا قريبين
-
في الإختبارات البشر يفضلون
الشرح الذي أنتجه الكمبيوتر
-
بنسبة واحد لأربعة
-
الأن هذا النظام عمره أسبوعين فقط
-
لذا ربما يكون بحلول العام القادم
-
تكون قد تعدت خوارزمة
الكمبيوتر الأداء البشري
-
بنسبة الإنجاز هذه التي تتم بها الأشياء
-
لذلك فإن الكمبيوتر يستطيع أيضاً أن يكتب
-
إذا وضعنا كل هذا معا فسيقودنا لفرص مدهشة
-
مثلاً في صناعة الدواء
-
أعلن فريق عمل ببوسطن أنهم أكتشفوا
-
عشرات التشخيصات الجديدة المتعلقة
-
بالأورام التي تساعد الأطباء
علي التنبؤ بالسرطان
-
وفي أمر مشابهه بستانفورد
-
أعلنت مجموعة كانت تفحص الأنسجة المكبره
-
أنهم طوروا نظام قائم على التعلم الآلي
-
هو في الواقع أفضل من الأخصائين
البشريين في علوم الأمراض
-
وتنبأت بمعدلات نجاة لمن يعانون من السرطان
-
في كلا الحالتين لم يكن التنبأ أكثر دقه فقط
-
ولكنهم أنتجوا علم دقيق جديد
-
في حالة طب الأشعة
-
هناك مؤشرات تشخيصية
جديدة يستطيع البشر إدراكها
-
في حالة علم الأمراض
-
نظام الكمبيوتر قد أكتشف
بالفعل أن الخلايا حول السرطان
-
هي بأهمية الخلايا السرطانية نفسها
-
للتوصل للتشخيص
-
وهذا عكس ما تعلمه أخصائي
الأمراض لعشرات السنين
-
وقد تم تطوير كلا الحالتين بنظم الكمبيوتر
-
بواسطة مجموعة من خبراء في
كلاً من الطب والتعلم الألي
-
لكن بالنسبة للعام الماضي
فقد تخطينا هذا الأن أيضاً
-
هذا مثال للتعرف على المناطق السرطانية
-
من أنسجة إنسان تحت الميكرسكوب
-
النظام الذي تم عرضه هنا
يستطيع تحديد هذه المناطق بدقة أكبر
-
أو بنفس دقة أخصائي الأمراض البشريين
-
لكن تم بنائها بالكامل بالتعلم العميق
بدون إستخدام أي خبرة طبية
-
وبواسطة ناس ليس لديهم أي خلفية
عن هذا المجال
-
وبالمثل هنا في فصل الخلايا العصبية
-
نحن نستطيع الأن فصل الخلايا
العصبية بنفس دقة البشر
-
ولكن هذا النظام تم تطويره بالتعلم العميق
-
بإستخدام ناس ليس لديهم أي خلفية طبية سابقة
-
وأنا عن نفسي كشخص ليس
لديه أي خلفية طبية سابقة
-
يبدو أنني مؤهل تماماً لبدء شركة طبية جديدة
-
والتي بدئتها بالفعل
-
وكنت إلى حد ما قلق من القيام بذلك
-
ولكن النظرية رجحت أن الأمر سيكون ممكناً
-
لعمل أدوية مفيدة جداً بإستخدام
فقط أساليب تحليل البيانات
-
وحمداً لله أن الأراء كانت رائعة
-
ليس فقط من جانب الإعلام
ولكن من المجتمع الطبي
-
الذي كان داعماً جداً
-
النظرية كانت أننا نستطيع أن
نأخذ الجزء الأوسط من العملية الطبية
-
ونحوله لتحليل بيانات بقدر المستطاع
-
ونترك الأطباء ليفعلوا ماهم خبراء به
-
وأريد أن أعطيكم مثال
-
نستغرق الأن حوالي 15 دقيقة
لإستخراج إختبار تشخيص طبي جديد
-
وسأريكم الأن هذا المثال في نفس وقت حديثنا
-
ولكني قلصتها لثلاث دقائق
بإقتطاع بعض الأجزاء منها
-
وبدلاً من أن أعرض عليكم
عمل إختبار تشخيص طبي
-
سأريكم إختبار تشخيص لصور سيارات
-
لأن هذا سنستطيع جميعنا فهمه
-
لذلك سنبدأ بحوالي 1.5 مليون صور سيارات
-
أنا هنا أريد عمل شئ يستطيع
تقسيم الصور للزاوية
-
التي تم إلتقاطها بها
-
ولأن هذه الصور لم يتم تصنيفها
تماماً لذا كا ن علي البدء من نقطة الصفر
-
بخوازمتنا للتعلم العميق
-
إنها تستطيع تلقائياً التعرف
على مناطق بنية هذه الصور
-
الشئ الظريف أن الإنسان والكمبيوتر
يستطيعان الأن العمل سوياً
-
كما تروا هنا الإنسان
-
يخبر الكمبيوتر عن دوائر الإهتمام
-
التي تريد من الكمبيوتر أن يجربها
ليطور بعد ذلك من خوارزمته
-
الأن هذه النظم للتعلم الألي هي
بالفعل بفراغ ذو 16000 بعد
-
لذلك نرى الكمبيوتر يدير
الصور في هذا الفراغ
-
محاولاً إيجاد مناطق جديدة للتركيبه
-
وعندما ينجح في تنفيذ هذا
-
يستطيع الإنسان الذي بدءها أن
يشير إلى المناطق التي تهمه
-
وهنا الكمبيوتر بالفعل وجد
هذه المناطق بنجاح
-
فمثلاً ، الزوايا
-
فكلما تعمقنا في هذه العملية
-
فإننا نخبر الكمبيوتر تدريجياً أكثر وأكثر
-
عن أنواع التركيبة التي نبحث عنها
-
ولك أن تتخيل في إختبارات
التشخيص الطبي
-
فمثلاً كتحديد أخصائي الأمراض بأماكن المرض
-
أو كإشارة أخصائي الأشعة للنقاط المقلقة
-
وأحياناً يكون هذا صعب على الخوارزمة
-
حيث يحدث لها حالة من الإرتباك
-
مقدمات وخلفيات السيارات إختلطت جميعها
-
لذلك يجب أن نكون حريصين قليلاً
-
فيتم إختيار المقدمة يدوياً كشئ
عكس الخلفيات
-
ونخبر الكمبيوتر بعدها أن هذا تصنيف
المجموعه
-
التي نريدها
-
نفعل هذا لفترة من الزمن
لأننا نتخطاه قليلاً
-
وبعدها ندرب الكمبيوتر على
خوارزمة التعلم الآلي
-
بناء على المائتين شئ هذه
-
ونأمل أن تصبح هذه الأمور أفضل بكثير
-
يمكنكم رؤية أنها بدءت الأن
تغذية بعض هذه الصور
-
لتظهر لنا إنها بالفعل بدءت التعرف
على كيفية فهم البعض بنفسها
-
ويمكننا إستخدام نفس مبدأ الصور المشابهه
-
ونستخدم صور مشابهه كما ترون الأن
-
الكمبيوتر عند هذه النقطة يستطيع أن
يجد فقط مقدمات السيارات
-
ومن هنا يستطيع البشر إخبار الكمبيوتر
-
أنك بالفعل قد قمت بعمل ممتاز
-
أحياناً بالطبع عند هذه النقطة
-
يظل صعباً فصل هذه المجموعات
-
حتى بعد أن نترك الكمبيوتر
يحاول إدارتها لوقت
-
نظل نجد أن صور الجانب الأيسر والأيمن
-
تم خلطها جميعها معاً
-
لذلك يجب أن نعطي لكمبيوتر بعض الملحوظات
-
ونقول له جيد حاول وأبحث عن وسيلة لفصل
-
صور الجانب الأيسر عن الأيمن بقدر المستطاع
-
بإستخدام خوارزمة التعلم العميق
-
وبإعطائه هذه التعليمات. جيد لقد نجحت
-
لقد دبرت أمرها لتجد وسيلة
للتفكير في هذه الأشياء
-
لفصلها جميعاً
-
وهنا تكون الفكرة قد وصلت لكم
-
وهذه الحالة ليست لإحلال
الكمبيوتر مكان البشر
-
ولكن للعمل معاً
-
ما فعلناه هنا أننا إستبدلنا شئ
إعتدنا أن ينفذه فريق
-
مكون من ستة أشخاص لسبعة سنين
-
واحللنا محله عملاً يأخذ فقط 15 دقيقة
-
بواسطة شخص واحد يقوم بهذا العمل
-
وهذه العملية تأخذ حوالي أربع لخمس تكرارات
-
كما تروا أننا الأن لدينا 62%
-
من 1.5 مليون صورة تم تصنيفهم بشكل صحيح
-
ومن هنا نستطيع البدء سريعاً في
-
ترتيب اقسام كبيرة كاملة
-
نفحص من خلالها لنتأكد أن لا يوجد أخطاء
-
إذا كان هناك أخطاء فيجب إطلاع الكمبيوتر
-
ونستخدم هذه العملية لكل مجموهة مختلفة
-
ونحن الأن وصلنا لنسبة 80% نجاح
-
في تصنيف الـ 1.5 مليون صورة
-
وهذه مجرد حالة واحدة
-
لإيجاد العدد الصغير الذي
لم يتم تصنيفه صحيحاً
-
ومحاولة فهم هذا الخطأ
-
وبإستخدام هذا الإسلوب
-
بعد حوالي 15 دقيقة وصلنا 97% من التصنيف
-
هذا الأسلوب سيمكنا من إصلاح مشاكل كبيرة
-
التي تواجهه نقص بالخبراء الطبيين بالعالم
-
منتدى العالم الإقتصادي يقول أن هناك بين x10 وx20
-
نقص في الأطباء في الدول النامية
-
مما تطلب حوالي 300 سنة
-
لتدريب عدد كافي لإصلاح هذه المشكلة
-
تخيل إذا أستطعنا المساعدة في تحسين كفائتهم
-
بإستخدام أساليب التعلم العميق
-
لذلك أن متشوق جداً لهذه الفرص
-
كما إنني مهتم جداً بالمشاكل
-
المشكلة أن كل منطقة زرقاء بهذه الخريطة
-
هي مكان ما حيث الخدمات
أكثر من 80% من التشغيل
-
ما هي الخدمات؟
-
هذه هي الخدمات
-
وهناك أيضاً أشياء محددة التي
تعلم الكمبيوتر مؤخرا كيف يفعلها
-
لذلك 80% من تشغيل العالم في الدول النامية
-
هي الأشياء التي مؤخراً تعلم
الكمبيوتر كيفية عملها
-
ما الذي يعنية هذا؟
-
حسناً ، سيتم إستبدالهم بوظائف أخرى
-
مثلا سيكون هناك وظائف أكثر لعلماء البيانات
-
ليس حقيقي
-
لن يحتاج علماء البيانات
وقت طويل لبناء هذه الأشياء
-
فمثلاً الأربع خوارزمات تلك بناهم نفس الشخص
-
إذا كنت تعتقد إنها حدثت جميعها مسبقاً
-
فنحن رأينا النتائج بالسابق
عندما حدثت أشياء جديدة
-
وتم إستبدالهم بوظائف جديدة
-
ماذا ستكون هذه الوظائف الجديدة؟
-
من صعب علينا جداً توقعها
-
لأن إداء الإنسان ينمو بمعدل تدريجي
-
ولكننا الأن لدينا نظام وهو التعلم العميق
-
وما نعرفه بالفعل ينمو بقدرات مضاعفة
-
ونحن هنا
-
وحالياً نرى الأشياء حولنا
-
ونقول "كفى ، الكمبيوتر مازال غبياً" صحيح؟
-
ولكن خلال 5 سنين ستكون أجهزة
الكمبيوتر خارج هذه الخريطة
-
لذلك نحتاج أن نفكر في قدراته من الأن
-
وقد رأينا مثل هذا من قبل بالطبع
-
بالثورة الصناعية
-
لقد رأينا تغير كبير في القدرات بسبب للألات
-
الشئ الهام أنه بعد فترة الأمور تتغير كلياً
-
كان هناك إرتباك مجتمعي
-
ولكن بمجرد أن تم إستخدام الماكينات
لتوليد الكهرباء بجميع المواقف
-
الأمور بالفعل إستقرت
-
ثــورة التـعلـم الألــي
-
ستكون مختلفة تماماً عن الثورة الصناعية
-
لأن ثورة التعلم الألي لن تستقر أبداً
-
كلما طورت أجهزة الكمبيوتر مستويات ذكائها
-
كلما إستطاعوا بناء أجهزة كمبيوتر
أفضل لتطوير مستويات ذكائهم
-
لذا سيكون نوع من التغيير
-
الذي لم يختبره العالم من قبل
-
وسيتغير فهمك السابق عن ماهو ممكن
-
إنها بالفعل تؤثر علينا
-
في الـ 25 سنه الماضية حيث
زادت إنتاجية رأس المال
-
الإنتاجية العمالية أصبحت ثابتة بل في الواقع قد إنحدرت قليلاً
-
لذلك أريد منكم ان تبدؤا هذه المناقشة الأن
-
أنا أعرف أنني عادة عندما أخبر الناس عن هذا الموقف
-
يستطيع الناس أن يرفضوا بشدة
-
حسناً ، الكمبيوتر لا يستطيع التفكير
-
لا يستطيعون أن يشعروا ولا أن يفهموا الشعر
-
ونحن في الحقيقة لا نفهم كيف يعملون
-
وما الأهمية؟
-
أجهزة الكمبيوتر الأن تستطيع فعل أشياء
-
يتم الدفع للبشر ليقضوا معظم وقتهم في فعله
-
لذلك حان الوقت الأن لنبدأ التفكير
-
كيف سنعدل تركيبتنا المجتمعية والإقتصادية؟
-
لنكون واعيين لهذه الحقيقة الجديدة
-
شكراً لكم
-
(تصفيق)