De underbara och skrämmande konsekvenserna av datorer som kan lära sig

Vad händer när vi lär en dator att lära sig? Teknologen Jeremy Howard delar med sig av ny, överraskande utveckling på det snabbt föränderliga djupinlärningsområdet. En teknik som kan ge datorer förmågan att lära sig kinesiska, eller känna igen objekt i bilder, eller hjälpa till med en noggrann medicinsk diagnos. (Ett djupinlärningsverktyg förstod på egen hand konceptet "katter" efter att ha tittat på YouTube i timtal.) Låt dig fångas av ett område som kommer att ändra hur datorerna omkring dig fungerar... fortare än du sannolikt tror.

Det brukade vara så att om du ville
få en dator att göra något nytt

så behövde du programmera den.

Programmering, för dem av er
som inte har gjort det själva,

kräver att man

på ett olidligt detaljerat sätt

anger varenda steg
man vill att datorn ska ta

för att uppnå önskat mål.

Men, om du vill göra något
som du inte vet själv hur man gör,

då blir det här en enorm utmaning.

Så det här var den utmaning som denne man,
Arthur Samuel, ställdes inför.

1956 ville han få sin dator till

att slå honom i spelet Dam.

Hur kan du skriva ett program,

och ange på ett olidligt detaljerat sätt,
hur det ska slå dig i Dam?

Så han kom på en idé:

han lät datorn spela
mot sig själv tusentals gånger

och lära sig att spela Dam.

Och det fungerade faktiskt, och vid 1962

hade datorn slagit
Connecticuts statsmästare.

Så Arthur Samuels
var maskininlärningens fader,

och jag är skyldig honom så mycket,

för att jag är verksam
inom maskininlärning.

Jag var ordförande i Kaggle,

en gemenskap på över 200 000
verksamma inom maskininlärning.

Kaggle anordnar tävlingar

för att försöka åstadkomma
lösningar på olösta problem,

och det har varit framgångsrikt
vid hundratals tillfällen.

Så från den synvinkeln
kunde jag få veta

väldigt mycket om vad maskininlärning
kan göra i det förflutna, kan göra idag,

och vad den kan tänkas göra i framtiden.

Maskininlärningens första stora framgång

var kanske Google.

Google visade att det är möjligt
att få fram information

genom att använda en datoralgoritm,

en datoralgoritm som bygger
på maskininlärning.

Sen dess har maskininlärning
rönt många kommersiella framgångar.

Företag som Amazon och Netflix

använder maskininlärning
för att föreslå produkter

som du kan tänkas vilja köpa,

filmer som du kan tänkas vilja se.

Ibland är det nästan lite läskigt.

Företag som LinkedIn och Facebook

kan ibland berätta för dig
vilka dina vänner kan tänkas vara

och du kan inte föreställa dig
hur det gick till

och det beror på att de använder
maskininlärningens kraft.

Det här är algoritmer som har lärt sig
att göra detta utifrån data

snarare än att ha blivit
programmerade till det.

Det här också hemligheten
bakom IBM:s framgångar

med att få Watson att slå
de två världsmästarna i Jeopardy,

genom att besvara otroligt subtila
och komplexa frågor som den här.

[Det antika "Lion of Nimrud" försvann
från denna stads ...]

Det här är också anledningen till
att vi nu ser självkörande bilar.

Om du vill kunna skilja på till exempel

ett träd och en fotgängare
så är det ganska viktigt.

Vi vet inte hur vi skulle kunna
programmera något sånt,

men med maskininlärning
är det här nu möjligt.

Och den här bilen har faktiskt
kört över 1,5 miljoner mil,

utan olyckor, på vanliga vägar.

Så nu vet vi att datorer kan lära sig,

och datorer kan lära sig att göra saker

som vi ibland faktiskt själva
inte vet hur man gör,

eller så kan de göra något
bättre än vi.

Ett av det mer häpnadsväckande exemplen
av maskininlärning som jag har sett

tog plats i ett projekt
som jag körde på Kaggle

där ett lag som leddes av en kille
som heter Geoffrey Hinton

från University of Toronto

vann en tävling
i automatisk medicinforskning.

Men vad som var exceptionellt
var inte bara att de slog

alla Mercks algoritmer och hela den
internationella akademiska gemenskapen,

utan att ingen i laget hade någon bakgrund
i kemi, biologi eller livsvetenskap

och de klarade det på två veckor.

Hur gjorde de detta?

De använde en enastående algoritm
som kallas djupinlärning.

Det här var så viktigt
att det till och med rapporterades

på framsidan till New York Times
några veckor senare.

Här är Geoffrey Hinton till vänster.

Djupinlärningsalgoritmen
är inspirerad av hur hjärnan fungerar

och som en effekt av det

så har den inga teoretiska begränsningar
i vad den kan åstadkomma.

Ju mer data och beräkningstid du ger den,

desto bättre blir den.

New York Times visade
i sin artikel också på

en annan exceptionell effekt
av djupinlärning

som jag ska visa er nu.

Den visar att datorer
kan lyssna och förstå.

(Video) Richard Rashid: Det sista steget

som jag vill kunna ta i den här processen

är att kunna tala till er på kinesiska.

Nyckeln här är att

vi har kunnat ta en stor mängd information
från många som talar kinesiska

och producera ett "text till tal"-system

som tar kinesisk text
och konverterar den till kinesiskt språk.

Sen har vi tagit en timme
eller så av min egen röst

och vi har använt den till att modulera

vårt grundläggande "text till tal"-system
så att det låter som jag.

Återigen, resultatet är inte perfekt.

Det finns fortfarande några fel.

(Kinesiska)

(Applåder)

Det finns mycket att göra
på det här området.

(Kinesiska)

(Applåder)

Jeremy Howard: Det där var
på en maskininlärningskonferens i Kina.

Det är faktiskt inte ofta
på akademiska konferenser

att man hör spontana applåder,

fast på TEDx-konferenser
är det förstås välkommet.

Allt ni såg där hände
med hjälp av maskininlärning.

(Applåder) Tack.

Avskriften till engelska
var djupinlärning.

Översättningen till kinesiska och texten
i övre högra hörnet vad djupinlärning

och skapandet av rösten
var också djupinlärning.

Så djupinlärning är en exceptionell sak.

Det är en enda algoritm som ser ut
att kunna göra nästan vad som helst,

och jag upptäckte att ett år tidigare
hade den också lärt sig att se.

I en obskyr tävling från Tyskland

som hette German Traffic Sign
Recognition Benchmark,

hade djupinlärning lärt sig
att känna igen trafikskyltar som den här.

Den kunde inte bara
känna igen trafikskyltarna

bättre än alla andra algoritmer,

utan resultattavlan visade
att den faktiskt var bättre än människor

ungefär dubbelt så bra som människor.

Vid 2011 hade vi det första exemplet

på en dator som kan se
bättre än människor.

Sen dess har det hänt många saker.

2012 meddelade Google att de hade
låtit en djupinlärningsalgoritm

titta på YouTube-klipp

och beräknade datan
på 16 000 datorer i en månad.

Och datorn lärde sig, helt av sig själv,
om koncept som människor och katter

bara genom att titta på klippen.

Det här är väldigt likt
den mänskliga lärprocessen.

Människor lär sig inte genom
att någon berättar vad de ser,

utan de lär sig själva
vad de här sakerna är.

2012 vann George Hinton,
som vi såg tidigare, också

den väldigt populära ImageNet-tävlingen,

när han försökte lista ut,
på basis av 1,5 miljoner bilder,

vad bilderna innehöll.

Nu 2014, är vi nere på
en sexprocentig felmarginal

för bildigenkänning.

Detta är, återigen, bättre än människor.

Så maskiner gör verkligen
ett exceptionellt bra jobb här

och används nu inom industrin.

Till exempel meddelade Google förra året

att de hade mappat varenda plats
i Frankrike på två timmar.

Och de gjorde detta genom
att föda bilder av gatuvyer

in i en djupinlärningsalgoritm
för att den skulle känna igen

och läsa gatunummer.

Föreställ er hur lång tid
detta skulle ha tagit:

dussintals med människor, många år.

Det här händer också i Kina.

Baidu kan väl kanske sägas vara
ett kinesiskt Google

och vad ni ser här uppe till vänster

är ett exempel på en bild
som jag laddade upp

i Baidus djupinlärningssystem,

och nedanför kan ni se att systemet
har förstått vad bilden innehåller

och hittat liknande bilder.

De liknande bilderna har faktiskt
liknande bakgrunder,

liknande ansiktsvinklar,

till och med några med utstickande tungor.

Det här handlar inte om att titta
på text på en webbsida.

Allt jag laddade upp var en bild.

Så, nu har vi datorer
som faktiskt förstår vad de ser

och därmed kan söka igenom databaser

med hundra miljontals bilder i realtid.

Så vad betyder det nu att datorer kan se?

Det betyder inte bara
att datorer kan se.

Djupinlärning har faktiskt
gjort mer än så.

Komplexa, nyanserade meningar

som den här kan nu förstås

med djupinlärningsalgoritmer.

Som ni kan se här,

så har det här Stanford-baserade systemet
med den röda pricken i toppen

räknat ut att den här meningen
uttrycker negativa känslor.

Djupinlärning är faktiskt nära
den mänskliga prestationsförmågan

när det gäller att förstå
vad meningar handlar om

och vad de säger om det.

Djupinlärning har också använts
till att läsa kinesiska,

på, återigen, nästan modersmålsnivå.

Den här algoritmen
har utvecklats i Schweitz

av människor som varken talar
eller förstår kinesiska.

Jag brukar säga att,
att använda djupinlärning

är nära nog det bästa systemet
i världen för detta

även jämfört med
mänsklig modersmålsförståelse.

Det här ett system som vi satte ihop
på mitt företag

som visar hur allt det här sätts ihop.

De här bilderna har ingen vidhängd text,

och medan jag skriver in meningar här

så förstår den de här bilderna i realtid

och listar ut vad de handlar om

och hittar bilder som liknar
den text som jag skriver in.

Så ni kan se att den faktiskt
förstår mina meningar

och faktiskt förstår de här bilderna.

Jag vet att ni har sett
liknande saker på Google,

där du kan skriva in saker
och den visar dig bilder,

men vad den faktiskt gör är
att den söker av webbsidan efter text.

Det är en stor skillnad
mot att förstå bilderna.

Det här är något som datorer
har kunnat göra

för första gången
för bara några månader sen.

Så nu kan vi se att datorer
inte bara kan se, de kan också läsa,

och så har vi också visat
att de kan förstå vad de hör.

Kanske är det inte överraskande
att jag nu berättar för er

att de kan skriva.

Här är lite text som jag genererade igår

med hjälp av en djupinlärningsalgoritm.

Och här är lite text som en algoritm
från Stanford har genererat.

Var och en av dessa meningar
har genererats

av en djupinlärningsalgoritm
för att förklara varje bild.

Den här algoritmen har aldrig förut sett
en man i svart tröja som spelar gitarr.

Den har sett en man förut,
den har sett svart förut,

den har sett en gitarr förut,

men den har helt fristående genererat
den här nya beskrivningen av bilden.

Vi är ännu inte riktigt framme
vid mänsklig prestationsförmåga här,

men vi är nära.

Tester har visat att människor föredrar
den datorgenererade förklaringen

en av fyra gånger.

Det här systemet är nu bara
två veckor gammalt,

så det är sannolikt att datoralgoritmen

kommer att slå mänsklig prestationsförmåga

inom ett år

om det fortsätter i samma takt.

Så, datorer kan skriva också.

När vi slår samman allt det här
så ser vi väldigt spännande möjligheter.

Till exempel inom läkekonsten,

ett team i Boston meddelade
att de hade upptäckt

dussintals nya kliniskt
relevanta kännetecken

på tumörer, som hjälper läkare
att göra cancerprognoser.

Också liknande,
meddelade en grupp i Stanford

att de, genom att titta på vävnad
under förstoring, hade utvecklat

ett maskininlärningsbaserat system

som faktiskt är bättre
än mänskliga patologer

på att förutse överlevnadssiffror

för cancersjuka.

I båda dessa fall
visade sig förutsägelserna

inte bara vara mer rättvisande

utan de genererade också
ny insiktsfull kunskap.

I röntgenfallet

var det nya kliniska indikatorer
som människor kan förstå.

I patologifallet

upptäckte systemet
att cellerna runt cancern

är lika viktiga som cancercellerna själva

för att ställa diagnos.

Det här var motsatsen till vad patologer
hade fått lära sig i årtionden.

I båda dessa fall var systemen utvecklade

av en kombination av medicinska experter
och maskininlärningsexperter,

men sedan ett år tillbaka
har vi tagit oss förbi det också.

Det här är ett exempel på hur man
identifierar cancerområden

i mänsklig vävnad under ett mikroskåp.

Systemet som visas här kan identifiera
de områdena med större exakthet,

eller ungefär lika exakt,
som mänskliga patologer,

fast det enbart bygger på djupinlärning
helt utan medicinsk expertis

och har byggts av människor
som inte har någon erfarenhet på området.

På liknande vis, här, det här med
segmentering av neuroner.

Vi kan nu segmentera neuroner
ungefär lika exakt som människor kan,

men det här systemet utvecklades
med hjälp av djupinlärning

av människor utan erfarenhet av läkekonst.

Så jag själv, som någon som inte har
någon erfarenhet av läkekonst,

tycks vara helt kvalificerad för
att starta ett nytt medicinskt företag,

vilket jag gjorde.

Jag var en aning livrädd för att göra det,

men teoretiskt sett borde det vara möjligt

att praktisera nyttig läkekonst
bara på basis av dessa dataanalystekniker.

Och som tur är har återkopplingen
varit fantastisk,

inte bara från media
utan också från läkarkåren,

som har varit väldigt stöttande.

Teorin innebär att vi kan ta mittendelen
av den medicinska processen

och göra om den till dataanalys
så långt det är möjligt,

och på så sätt frigöra läkarna till
att göra det de är bäst på.

Jag vill ge er ett exempel.

Det tar oss nu ungefär 15 minuter

att ta fram ett nytt
medicinskt diagnostiskt test

och jag ska visa er det i realtid nu,

men jag har komprimerat det
till tre minuter

genom att skära bort en del.

Snarare än att visa er hur man skapar
ett medicinskt diagnostiskt test,

så vill jag visa er

ett diagnostiskt test på bilbilder,

eftersom det är något
som vi alla kan förstå.

Så vi börjar med ungefär
1,5 miljoner bilbilder,

och jag vill skapa något som kan sortera
dem beroende på vilken

vinkel bilden är tagen ur.

De här bilderna har inga etiketter,
så jag måste börja från början.

Med vår djupinlärningsalgoritm

kan den automatiskt identifiera områden
med struktur i bilderna.

Det fina är att nu kan människan
och datorn samarbeta.

Människan, som ni ser här,

talar om för datorn vilka områden
som är intressanta, den information

som hon vill att datorn använder
för att förbättra algoritmen.

De här djupinlärningssystemen

existerar faktiskt
i en 16000-dimensionell rymd,

så ni kan här se hur datorn roterar
genom den rymden

och letar efter nya strukturella områden.

Och när den hittar ett sånt

så kan människan som styr den påpeka
att dessa områden är intressanta.

Så här har datorn lyckats hitta områden,

till exempel vinklar.

Så medan vi går igenom den här processen,

så berättar vi gradvis
mer och mer för datorn

om vilka strukturer vi letar efter.

I ett diagnostiskt test

skulle det här motsvara en patolog
som identifierar sjuka områden

eller en radiolog som identifierar
potentiellt farliga knutor.

Och ibland kan det vara svårt
för algoritmen.

I det här fallet blev den något förvirrad.

Fronten och bakänden på bilarna
är helt ihopblandade.

Så här behöver vi
vara lite mer försiktiga,

och manuellt välja ut fronterna
men inte bakändarna,

och sen berätta för datorn
att detta är en sorts grupp

som vi är intresserade av.

Så vi gör det en stund,
vi hoppar över en liten bit,

och sen tränar vi
maskininlärningsalgoritmen

baserat på ett par hundra saker

och så hoppas vi att den har
blivit mycket bättre.

Ni kan se att den nu har börjat tona ut
vissa av de här bilderna

och visar oss därmed att den redan vet
hur den själv ska förstå vissa av dem.

Sen kan vi använda det här konceptet
av liknande bilder

och med hjälp av liknande bilder

kan ni nu se att datorn vid det här laget

kan hitta enbart bilder med bilfronter.

Så, vid det här laget kan människan
berätta för datorn att,

"Okej, bra - du har gjort
ett bra jobb med det."

Ibland är det förstås
även vid det här laget

svårt att skilja ut grupper.

I det här fallet,
trots att vi har låtit datorn

försöka rotera det här en stund,

så ser vi att bilder
av vänster och höger sida

har blandats ihop.

Så vi kan ge datorn några tips,

som "Okej, försök hitta
en projektion som skiljer ut

vänstersidorna och högersidorna

så gott det går

med hjälp av en djupinlärningsalgoritm."

Och med det tipset - ah, så lyckas den.

Den har hittat ett sätt
att tänka kring de här objekten

som har skiljt ut dessa tillsammans.

Så ni förstår tanken här.

Det här är ett fall som inte handlar om

att människan ersätts av datorn,

utan om att de arbetar tillsammans.

Vad vi gör är att vi ersätter någonting
som brukade ta ett helt team

på fem eller sex personer ungefär sju år

och ersätter det med någonting
som tar 15 minuter

för en person på egen hand.

Så den här processen kräver ungefär
fyra eller fem upprepningar.

Ni kan se att vi nu har 62 procent

av våra 1,5 miljoner bilder
korrekt klassificerade.

Och vid det här laget,
kan vi börja att ganska snabbt

ta tag i en hela stora sektioner

och kolla igenom för att säkerställa
att det inte finns några misstag.

Där vi hittar misstag
kan vi uppmärksamma datorn på dem.

Genom att använda den här sortens process
för alla olika grupper,

är vi nu uppe i 80 procent

framgångsrikt klassificerade bilder.

Och vid det här laget
är det bara en fråga om

att hitta de få bilder
som inte har klassificerats korrekt,

och försöka förstå varför.

Och på det sättet

är vi efter 15 minuter uppe
i 97 procent klassificerade bilder.

Det här är en teknik som skulle kunna
bistå med att överbrygga det stora problem

som utgörs av begränsad tillgång
till medicinsk expertis i världen.

Världsekonomiskt forum menar
att det råder en mellan 10x och 20x

brist på läkare i utvecklingsländer

och att det skulle ta ungefär 300 år

att lära upp tillräckligt många människor

för att lösa det.

Så föreställ er om vi kan hjälpa till
att öka effektiviteten

med hjälp av djupinlärning.

Så, de här möjligheterna
gör mig väldigt ivrig.

Jag är också bekymrad över problemen.

Problemet är att i alla blå områden
på den här kartan

består jobben till 80 procent av tjänster.

Vad är tjänster?

Det här är tjänster.

Det här är också precis vad datorerna
har lärt sig att göra.

Så 80 procent av jobben
i den utvecklade världen

utför sånt som datorer
precis har lärt sig att göra.

Vad betyder det här?

Nå, det blir fint.
Nya jobb kommer att ersätta dem.

Till exempel blir det fler jobb
för forskare inom data.

Eller, inte riktigt.

Det tar inte en forskare särskilt lång tid
att bygga en sån här.

De här fyra algoritmerna, till exempel,
har alla byggts av samma kille.

Så, om ni tänker att,
"Åh, det här har hänt förr,

vi har sett det här hända
när nya saker har uppfunnits

och de har ersatts av nya jobb,

vilka kommer de nya jobben att vara?"

Det är väldigt svårt att räkna ut,

eftersom mänsklig prestationsförmåga
utvecklas gradvis,

emedan vi nu har ett system,
djupinlärning, som vi vet

faktiskt utvecklas exponentiellt.

Och vi är här.

Så nu ser vi saker omkring oss och

och vi tänker "Åh, datorer är
rätt korkade." Eller hur?

Men om fem år kommer datorerna
att ha lämnat oss långt bakom sig.

Så vi behöver börja tänka på
den här förmågan redan nu.

Vi har sett det en gång tidigare förstås.

I den industriella revolutionen

såg vi en stegvis förändring
i prestanda tack vare motorer.

Saken är den, att efter en stund
flackade kurvan ut.

Det orsakade social förändring,

men så snart motorerna användes
för att generera kraft i alla situationer

så lugnade det ner sig.

Maskininlärningsrevolutionen

kommer skilja sig mycket
från den industriella revolutionen,

därför att maskininlärningsrevolutionen
aldrig kommer att lugna ner sig.

Ju bättre datorer blir
på intellektuella aktiviteter

desto bättre kan de bygga bättre datorer
som har större intellektuella förmågor,

så det här kommer att bli en förändring

som världen aldrig förr har upplevt,

så er tidigare uppfattning
om vad som är möjligt förändras.

Det här påverkar oss redan.

Under de senaste 25 åren
har kapitalproduktiviteten ökat,

arbetsproduktivitet är oförändrad,
faktiskt en aning minskande.

Så jag vill att vi börjar
diskutera det här nu.

Jag vet att ganska ofta
när jag berättar om det här,

kan folk vara ganska avfärdande.

Datorer kan inte tänka på riktigt,

de har inga känslor,
de förstår inte poesi,

vi förstår inte riktigt hur de fungerar.

Så vadå?

Just nu kan datorer göra det

som människor ägnar det mesta
av sin tid åt att göra för att få betalt,

så det är hög tid att börja tänka

på hur vi ska anpassa
våra sociala och ekonomiska strukturer

för att klara av den nya verkligheten.

Tack.

(Applåder)