A tanuló számítógépek viselkedésének csodálatos és hátborzongató következményei | Jeremy Howard | TEDxBrussels

Mi történik, ha megtanítjuk a számítógépnek, hogyan tanuljon? Jeremy Howard technológiai szakember néhány meglepő új eredményről beszél, amelyek a mély tanulás gyorsan fejlődő területén születtek; olyan technikáról, amely képessé teszi a számítógépeket, hogy kínaiul tanuljanak, hogy fényképekről tárgyakat ismerjenek föl, hogy átgondolják az orvosi diagnózist. (Az egyik mély tanulási eszköz a YouTube néhány órai figyelése alapján megtanította magának a "macska" fogalmát.) Tartsunk lépést azzal a tudományterülettel, ami meg fogja változtatni a számítógépek viselkedését... hamarabb, mint gondolnánk.

Valaha, ha azt akartuk, hogy
a számítógép csináljon meg valamit,

előtte be kellett rá programoznunk.

Azoknak, akik sohasem programoztak:
a programozás

annyit tesz, hogy célunk érdekében
aprólékosan, lépésenként

részletesen közölni kell a géppel,

mikor mit csináljon.

De ha olyat akarunk tenni,
amiről mi sem tudjuk, miként kell,

az ám az igazi kunszt!

Ilyen feladattal találkozott
Arthur Samuel

1956-ban: szerette volna, ha
a gép legyőzi a dámajátékban.

Hogy lehet megírni egy programot

minden apró részletében,
hogy a számítógép győzzön?

Támadt egy ötlete:

A gépet önmaga ellen játszatta
több ezerszer,

hogy a gép tanulja,
hogyan kell dámázni.

A dolog sikerült, és 1962-re

a számítógép legyőzte
Connecticut állam bajnokát.

Úgyhogy Samuelt a gépi tanulás
atyjának nevezhetjük.

Le vagyok kötelezve neki,

mert gépi tanulással foglalkozom.

A Kaggle elnöke voltam, a közösségé,

ahol 200 000-nél többen foglalkoznak
gépi tanulással.

A Kaggle versenyeket szervez nekik,

hogy oldjanak meg eddig
megoldatlan feladatokat,

s ezek több száz alkalommal
bizonyultak sikeresnek.

Ebből a pozícióból
rá tudtam jönni sok mindenre:

mire volt képes a gépi tanulás
a múltban, mire a jelenben

és mit fog tudni a jövőben.

Valószínűleg a gépi tanulásban

az első üzleti siker a Google volt.

A Google bebizonyította, hogy
lehet gépi algoritmus alapján

adatokhoz jutni,

és ez az algoritmus
gépi tanuláson alapul.

Azóta sok, gépi tanuláson alapuló
üzleti sikertörténetet ismerünk.

Olyan cégek, mint az Amazon
és a Netflix a gépi tanulás módszerével

ajánlják termékeiket megvételre

illetve filmjeiket megnézésre.

Néha ez, mondhatni, elég ijesztő.

Mások, mint a LinkedIn és a Facebook

néha megmondják, kik lehetnének
a barátaink,

és fogalmunk sincs, hogy csinálják.

A gépi tanulásban rejlő
lehetőségeket használják.

Ezek az algoritmusok sokkal inkább
az adatokból tanulnak,

semmint a kézzel írt programokból.

Így lett sikeres az IBM is:
Watson nevű gépe

legyőzte a "Jeopardy" kvízműsor
két világbajnokát,

mert válaszolt körmönfont és
bonyolult kérdésekre; pl.

[Ennek a városnak a múzeumából tűnt el
az ókori Nimród oroszlánja 2003-ban]

Így jelentek meg az első,
vezető nélküli autók.

Elég fontos, hogy
meg tudjuk mondani, mi a különbség,

mondjuk, egy fa és egy gyalogos között.

Nem tudjuk, hogyan kell
manuálisan megírni a programokat,

de gépi tanulással erre most
megvan a lehetőség.

Tény, hogy ez a kocsi már
több millió kilométert tett meg

baleset nélkül átlagos utakon.

Tudjuk tehát, hogy a számítógépek
tudnak tanulni, és képesek megtanulni,

hogyan végezzenek el feladatokat,

amelyeknél néha mi magunk
tanácstalanok vagyunk,

vagy talán nálunk ügyesebben végzik el.

A gépi tanulás egyik legpompásabb példáját

egy általam irányított Kaggle-
projektnél tapasztaltam,

ahol a Torontói Egyetem csoportja,

amelyet Geoffrey Hinton vezetett,
megnyert

egy automatizált gyógyszer-
kifejlesztési versenyt.

Nemcsak az volt rendhagyó, hogy
legyőzték a Merck

és más nemzetközi tudóscsoportok
algoritmusait,

hanem hogy egyikük sem volt járatos
a kémiában, a biológiában

vagy az élettudományokban, s
mindezt két hét alatt.

Hogy sikerült nekik?

Rendhagyó algoritmust alkalmaztak,
az ún. mély tanulást.

Annyira fontos eredmény volt ez,
hogy a New York Times

címoldalon tudósított róla pár hét múlva.

Balra látható Geoffrey Hinton.

A mély tanulás olyan algoritmus,
amelyet az emberi agy működése ihletett.

Az algoritmusnak nincs
elméleti korlátja

abból a szempontból, hogy
mi mindenre lehet képes.

Minél több adatot és gépidőt adunk neki,

annál jobbak lesznek az eredmények.

A New York Times cikkében
írt a mély tanulás

egy másik rendkívüli eredményéről is,

amelyről rögtön szólni fogok.

Ez azt mutatja, hogy a számítógépek
képesek hangot érzékelni és értelmezni.

(Video) Richard Rashid: Az utolsó
lépés, s ezt szeretném,

hogy hozzá tudjam tenni a folyamathoz:

kínaiul beszélni önökhöz.

Ennek kulcsa, hogy képesek voltunk

nagy mennyiségű információt
átvenni sok kínai beszédjéből,

létrehozni egy "szövegből beszédet"
rendszert, amely

a kínai szöveget átalakítja
kínai beszéddé.

Azután az én hangmintámból felvettünk
egy órányit,

s ezzel moduláltuk a szokásos

"szövegből beszédet" rendszert,
amely aztán az én hangomon szól.

Az eredmény nem tökéletes.

Tény, hogy elég sok a hiba.

(kínaiul)

(taps)

Elég sok feladat van még ezen a területen.

(kínaiul)

(taps)

Howard: Ez egy gépi tanulási
konferencián történt, Kínában.

Valóban ritka, hogy egy
tudományos tanácskozáson

spontán tapsot hall az ember,

bár néha TEDx konferenciákon igen.

Amit itt láttak, mind
a mély tanulással kapcsolatos.

(taps) Köszönöm.

A fonetikus átírás angolra
mély tanulás volt.

A kínaira fordítás és a szöveg
a jobb fölső sarokban szintén,

és a hangképzés úgyszintén
mély tanulás volt.

Úgyhogy a mély tanulás különleges dolog.

Egyszerű algoritmus, de úgy látszik,
majdnem mindenre alkalmas,

erre tavaly jöttem rá.
Látni is megtanult már.

Egy kevéssé ismert német versenyen,

amely a közlekedési jelzések
felismerésére irányul,

a mély tanulás megtanulta fölismerni
a közlekedési jelzéseket.

Nemcsak jobban ismeri föl őket,

mint bármely más algoritmus,

de az eredményjelző kimutatta,
hogy az embernél is jobban,

kb. kétszer jobban mint az ember.

2011-re megvolt az első,

az embernél jobban látó számítógép.

Azóta sok minden történt.

2012-ben a Google közölte: van
egy mély tanuló algoritmusuk,

amely figyeli YouTube videókat, és

egy hónap alatt átrágta magát
16 000 gép adatain,

és a számítógép önállóan megtanult
olyan fogalmakat mint "emberek"

vagy „macskák”, csupán csak a
videókat figyelve.

Az emberek nagyon hasonlóan tanulnak.

Az emberek nem úgy tanulnak, hogy
megmondják nekik, mit látnak,

hanem maguknak tanítják meg,
mik ezek a dolgok.

2012-ben az említett Hinton

megnyerte a nagyon népszerű
ImageNet versenyt,

ahol másfél millió képről kellett

eldönteni, hogy mit ábrázol.

2014-re elértük a képfelismerésben

a 6%-os hibaszintet.

Ez megint az emberekénél
jobb eredmény.

Tehát a gépek ebben rendkívül
jó munkát végeznek,

és az eredményeket ma
az iparban is hasznosítják.

Például a Google tavaly bejelentette,

hogy két óra alatt feltérképezte
egész Franciaországot,

mindezt úgy, hogy betáplálták
az utcai látképeket

egy mély tanuló algoritmusba,
az fölismerte és beolvasta

a házszámokat.
Korábban meddig tartott volna?

Tucatnyi ember, több év.

Ez történik most Kínában is.

A Baidu valami kínai Google,

és a bal fölső sarokban látható
egy kép, amelyet

feltöltöttem a Baidu mély tanuló
rendszerébe,

alatta pedig látják, hogy
a rendszer megértette, mi ez a kép,

és talált hasonló képeket.

A hasonló képnek egyébként
hasonló a háttere,

az állatok pofája egyfelé fordul,
némelyik még a nyelvét is kiölti.

Ez nem ugyanaz, mint egy szöveg
a weboldalon.

Mindössze egy képet töltöttem föl.

Tehát a mai számítógépeink
tényleg értik, amit látnak,

és százmilliónyi képet tartalmazó

adatbázist nézhetnek át valós időben.

De mit jelent az, hogy
a számítógépek látnak?

Nos, nemcsak, hogy látnak.

Valójában a mély tanulás ennél
többet ért el.

Az összetett, finoman árnyalt
mondatok, mint ez,

mély tanuló algoritmusokkal
ma már érthetők.

A felül látható piros pöttyel

ez a stanfordi rendszer azt jelzi,

hogy ez a mondat
negatív érzelmet fejez ki.

A mély tanulás ma már tényleg
megközelíti az emberi teljesítményt

abban, hogy miről szól a mondat,
és mit állít ezekről a dolgokról.

A mély tanulás révén olvasunk kínaiul,

kb. egy született kínai szintjén.

Ez az algoritmus svájci,
s akik kifejlesztették,

nem beszélnek és nem értenek kínaiul.

A mély tanulás alkalmazása

erre talán a világ legjobb rendszere,

akár összevetve a természetes
emberi megértéssel.

Ezt a rendszert raktuk össze
a cégemnél, mely

megmutatja, hogyan kell ezeket összerakni.

Ezekhez a képekhez nem társul szöveg,

és ahogy mondatokat írok be ide,

ez valós időben megérti
ezeket a képeket,

kitalálja, miről szólnak,

és talál a beírt szöveghez
hasonló képeket.

Ez azt jelenti, hogy valójában
érti a mondataimat,

és valójában érti a képeket.

Tudom, hogy hasonlót már
láttak a Google-on,

ahol beírják a szavakat, és
megjelennek a képek,

de az úgy működik, hogy a gép
a weboldalon szöveget keres.

Az teljesen más, mint képeket fölismerni.

Ilyesmit számítógépek
csak az utóbbi hónapokban

voltak képesek első ízben megcsinálni.

A számítógépek nemcsak látnak,
hanem olvasnak is,

megmutattuk, hogy értik is, amit hallanak.

Talán nem meglepő, ha elmondom,
hogy írni is tudnak.

Itt egy szöveg, amelyet tegnap egy
mély tanuló algoritmussal írattam.

Itt egy szöveg, melyet a stanfordi
algoritmus írt.

Minden mondatot mély tanuló
algoritmus

állított elő a képek leírása céljából.

Az algoritmus korábban soha nem
látott fekete inges, gitározó embert.

Látott korábban embert,
látott fekete színt,

látott korábban gitárt,

de önállóan állította elő a kép
új leírását.

Ez még nem üti meg az emberi
teljesítmény szintjét, de közelíti.

A tesztekben az esetek negyedében
jobban tetszik az embernek

a számítógép-generálta képaláírás.

Ez a rendszer csupán kéthetes,
tehát

valószínűleg egy éven belül

a számítógépes algoritmus

felülmúlja az emberi teljesítményt.

Tehát a számítógép írni is tud.

Ha mindent összerakunk,
ez izgalmas lehetőségekhez vezet.

Például a gyógyításban,

egy bostoni csoport bejelentette,
hogy felfedeztek

több tucat klinikailag fontos
daganat-jellemzőt,

amelyek segítenek az orvosoknak
a rák előrejelzésében.

Hasonlóképpen, Stanfordban

bejelentették, hogy kifejlesztettek
egy gépi tanuló rendszert,

amely a szöveteket nagyításban vizsgálva

a rákosok túlélési esélyeinek
előrejelzésében

tényleg jobban teljesít,
mint a patológusok.

Mindkét esetben az előrejelzések
nemcsak pontosabbak voltak,

hanem új tudományos eredményt hoztak.

A radiológia esetében

ezek új klinikai mutatók, amelyeket
az ember képes értelmezni.

A patológiai esetben

a számítógépes rendszer
végeredményben felfedezte,

hogy a rák körüli sejtek
a diagnózis fölállításában

ugyanolyan fontosak,
mint maguk a rákos sejtek.

A patológusoknak évtizedeken át
pont az ellenkezőjét tanították.

Mindkét esetben ezek olyan
rendszerek, melyeket

az orvos és a gépi tanulás
szakértők együtt

fejlesztettek ki. Tavaly óta
ezt is túlhaladtuk.

Itt egy példa arra, ahogyan
mikroszkóp alatt azonosítják

az emberi szövet rákos területét.

A bemutatott rendszer pontosabban vagy kb.
ugyanolyan pontossággal tudja azonosítani

azokat a területeket, mint egy patológus.

Mély tanulással alakították ki
a rendszert, orvosi szakértelem nélkül,

olyanok, akiknek nincs semmi hátterük
a témában.

Azután itt van az idegsejtek
szelvényezése. Már majdnem

olyan precízen tudjuk szelvényezni
az idegsejteket, mint az emberek,

és a rendszert mély tanulással
azok alakították ki,

akiknek nem volt előzetes orvosi
tapasztalatuk.

Úgy éreztem, hogy orvosi háttér nélkül is

eléggé képzett vagyok,
hogy orvosi céget alapítsak.

Meg is tettem.

Kissé féltem tőle,
de az elmélet azt sugallta,

hogy hasznára válhatnánk a gyógyításnak

csupán ilyen adatelemző módszerek
alkalmazásával.

Hálás vagyok a fantasztikus fogadtatásért,

nemcsak a média, hanem
az orvosi közösség részéről is,

akik nagyon támogattak.

Az elmélet szerint a gyógyítás
folyamatában a középső részt lecseréljük

adatelemzésre lehetőség szerint,
és azt hagyjuk az orvosokra,

amihez legjobban értenek.

Mondok rá példát. Ma 15 perc

egy új diagnosztikai teszt kidolgozása.

Megmutatom ezt önöknek valós
időben, de én három percbe

sűrítettem be, mert

elhagytam egyes elemeit.

Ahelyett, hogy megmutatnám, hogy
készül egy orvosdiagnosztikai teszt,

lássuk inkább autót ábrázoló
képek diagnosztikai tesztjét,

mert azt mindenki érteni fogja.

Kb. másfél millió, autót ábrázoló
képpel kezdünk,

és szeretnék létrehozni valamit,
ami a szerint rendezi őket,

hogy milyen szögből készült a felvétel.

A képek címkézetlenek, ezért
az alapoktól kell kezdenem.

Mély tanuló algoritmusunkkal

azonosítani lehet
az egyes részekhez tartozó területeket.

Az ember és a gép pompásan
együtt tud működni.

Az ember, ahogy itt látható,

megmondja a gépnek,
mely területek érdeklik,

melyeken szeretné, hogy próbáljon
javítani a gép az algoritmusa szerint.

Ezek a mély tanuló rendszerek egy
16 000-dimenziós térben vannak,

látják, ahogy a gép ezt pörgeti azon
a téren keresztül,

és próbál új területeket találni.

Amint eredményt ér el,
az őt irányító ember

megjelölheti az érdekes területeket.

A gépnek sikerült területeket találnia,

például sarkokat.

Ahogy végigvisszük a folyamatot,

fokozatosan egyre többet közlünk
a géppel arról,

miféle struktúrát keresünk.

Képzeljenek el egy diagnosztikai tesztben

egy patológust, amint meghatározza
a patologikus részeket,

vagy egy radiológust,
amint kimutatja a gócokat.

Néha nehéz az algoritmus számára.

Most egy kissé összezavarodott.

Összekeveri a kocsik elejét
a hátuljával.

Egy kicsit jobban kell vigyáznunk,

és nekünk kell előbb különválogatnunk
a kocsik elejét és a hátulját,

azután megmondjuk a gépnek,

hogy ez a csoport érdekes
nekünk.

Ez eltart egy ideig, ugrunk egyet.

és okítjuk a párszáz dologra támaszkodó

gépi tanuló algoritmust,

és reméljük, hogy erősen följavul.

Látják, kezd elhalványulni
egy néhány kép,

tehát már felismeri, ezek hogyan értendők.

Majd alkalmazhatjuk ezt az elvet
hasonló képekre,

és hasonló képeknél, látják,

már képes a kocsiknak az elejét
hibátlanul megtalálni.

Itt az ember mondhatja a gépnek:

OK, jó munkát végeztél.

Persze, néha még itt is

bonyolult szétválasztani a csoportokat

esetünkben, bár hagytuk

a gépet egy ideig pörögni,

mégis találunk összekeveredve

jobb és bal oldalas képeket.

Adhatunk további útbaigazításokat
a gépnek,

mondhatjuk, hogy próbálkozz,
és találj olyan szempontot,

ami minél jobban szétválogatja
a jobb és bal oldalakat

a mély tanuló algoritmussal.

S lám, a tanácsunk -- OK, sikeres volt.

Sikerült olyan szempontok szerint
vizsgálni a tárgyakat,

amelyek alkalmasak szétválogatásukra.

S eszünkbe jut egy gondolat.

Esetünkben a gép
nem helyettesíti az embert,

hanem együtt munkálkodnak.

Ami egy 5-6 fős csoportnak

kb. hét évébe tellett volna korábban,

azt ezzel az eszközzel
15 perc alatt

egyetlen személy elvégezi egyedül.

Ez a folyamat 4-5 közelítő lépést
használ.

Látják, hogy a gép a másfél millió kép

62%-át helyesen osztályozta.

Most kezdhetjük gyorsan,

nagy vonalakban

átnézni, nincs-e hiba valahol.

Ahol hiba van, közölhetjük a géppel.

Minden elkülönített csoportra alkalmazva
valami ilyen eljárást

most a 80%-os helyességi aránynál tartunk

a másfél millió kép osztályozásakor.

Most még találunk néhány

helytelenül osztályozott képet,

és megpróbáljuk megérteni,
mi ennek az oka.

Ugyanezzel a módszerrel
15 perc alatt

97%-os pontossági arányt érünk el.

Az ilyen technika lehetővé tenné, hogy
kezelni tudjunk egy jelentős problémát,

azt, hogy hiány van
orvosi szakértelemből a világban.

A Világgazdasági Fórumon elhangzott,

hogy a fejlődő országokban
10-20-szoros az orvoshiány,

és mintegy 300 évbe telne,

hogy a gond megoldására
elég orvost képezzenek ki.

Képzeljék csak el, milyen jó lenne,
ha a mély tanulás módszerével

növelhetnénk az orvosok
hatékonyságát.

Egészen fölvillanyoznak a lehetőségek.

Engem is aggaszt ez a gond.

Az a probléma, hogy
a kékkel jelölt területek ott vannak,

ahol a szolgáltatások aránya
80% fölötti a foglalkoztatottságban.

A szolgáltatások?
[Írás-olvasás, Beszéd-figyelem],

[Szemlélet, Tudás összegzése]
Ezek.

Pont e dolgokkal éppen most

tanult meg a gép bánni.

Most tanult meg a gép bánni
a szolgáltatások

fejlett világbeli felhasználásának
80%-ával.

Mit jelent ez? Azt mondják:

Minden rendben lesz. A régiek
helyett új állások keletkeznek.

Például több állás lesz az
adattudósok számára.

Nem igazán.

Nem tart soká a számukra
kifejleszteni ezeket a dolgokat.

Például e négy algoritmust
ugyanaz a fickó hozta létre.

Ha azt hiszik: ó, régen is megtörtént,

láttunk már ilyet, hogy új dolgok jönnek,

és a régieket új állások váltják föl,

no, de milyenek lesznek
az új állások?

Nagyon nehezen tudjuk megítélni,

mert az emberi teljesítmény
fokozatosan nő,

de most itt van a mély tanulás rendszere,

tudjuk róla, hogy a teljesítménye
rohamosan nő.

Itt tartunk.

Mostanában a dolgok láttán
sokan azt mondják:

"Ó, a számítógépek még mindig
elég ostobák." Igaz?

De öt éven belül a helyzet megváltozik.

Már most el kell kezdenünk
gondolkozni a gépek képességeiről.

Ilyet már tapasztaltunk,

az ipari forradalom idején,

ahogy a gépek megjelenésével
lépést kellett váltani.

De egy idő után a dolgok elsimultak,

Megzavarta a társadalmat,

de amikor energiatermelésre
már mindenütt gépeket használtak,

a dolgok lecsillapodtak.

A "gépi tanulás forradalma"

egészen más lesz, mint az ipari
forradalom,

mert a "gépi tanulás forradalma"
soha nem csillapodik le.

Minél jobbak lesznek a számító-
gépek a szellemi tevékenységben,

annál jobb szellemi képességű
számítógépeket tudnak megépíteni,

ez egyfajta olyan váltás lesz,

amit a világ eddig még soha nem
tapasztalt, ezért korábbi fogalmaik,

hogy mi a lehetséges, teljesen
megváltoznak.

Mindez már hatással van ránk.

Az utóbbi 25 évben a tőke
termelékenysége nőtt,

a munka termelékenysége maradt,
sőt, valamit csökkent is.

Szeretném, ha már elkezdenénk
ezt az eszmecserét.

Amikor a jelen helyzetről
beszélgetek emberekkel,

gyakran teljesen elutasítók.

Jó, a számítógépek valójában
nem tudnak gondolkodni,

nem fejeznek ki érzelmeket,
nem értik a költészetet,

mi igazából nem értjük,
hogyan működnek.

Na és?

A számítógépek már most
meg tudnak tenni dolgokat,

amelyek az emberek munkaidejének
nagy részét kitöltik.

Ideje elkezdeni a gondolkodást:

hogyan igazítsuk át a társadalom
és a gazdaság szerkezetét

az új realitások fényében.

Köszönöm

(taps)