0:00:00.800,0:00:03.924
حسنا، أقود فريقاً في غوغل[br]يعمل في مجال الذكاء الاصطناعي؛

0:00:03.948,0:00:08.598
بعبارة أخرى، [br]النظام الهندسي لصنع الحواسيب والأجهزة

0:00:08.622,0:00:11.041
القادرة علي القيام ببعض الأمور[br]التي يفعلها الدماغ.

0:00:11.439,0:00:14.538
وهذا مايجعلنا مهتمين بالدماغ الطبيعي

0:00:14.562,0:00:15.851
وعلم الأعصاب علي حد سواء،

0:00:15.875,0:00:20.047
ونهتم بشكل خاص[br]بالأمور التي تقوم بها أدمغتنا

0:00:20.071,0:00:24.113
والتي ما تزال متفوقة جداُ [br]علي أداء الحواسيب.

0:00:25.209,0:00:28.818
تاريخياً، كان الإدراك أحد تلك الأشياء،

0:00:28.842,0:00:31.881
وهي العملية التي من خلالها [br]يمكن للأشياء المحيطة --

0:00:31.905,0:00:33.489
كالأصوات والصور --

0:00:33.513,0:00:35.691
أن تتحول إلي أفكار في العقل.

0:00:36.235,0:00:38.752
وهذا أساسي لأدمغتنا،

0:00:38.776,0:00:41.240
وأيضاً مفيد جداً في الحواسيب.

0:00:41.636,0:00:44.986
خوارزميات الإدراك الآليه،[br]على سبيل المثال، التي يصنعها فريقنا،

0:00:45.010,0:00:48.884
هي مايجعل صورك على محرك بحث غوغل للصور[br]قابلة للبحث،

0:00:48.908,0:00:50.305
بناءً علي محتوياتها.

0:00:51.594,0:00:55.087
الوجة الآخر للإدراك هو الإبداع:

0:00:55.111,0:00:58.149
أن تحول مفهوماً ما إلى شئ [br]ملموس يهم العالم.

0:00:58.173,0:01:01.728
لذك خلال العام الماضي،[br]فإن عملنا في الإدراك الإصطناعي

0:01:01.752,0:01:06.611
قد اقترن على نحو غير متوقع [br]بالإبداع الآلي

0:01:06.635,0:01:07.795
والفن الآلي.

0:01:08.556,0:01:11.840
أعتقد أن (مايكل أنجلو) كان يملك [br]بصيرةً نافذة

0:01:11.864,0:01:15.520
في هذه العلاقة الثنائية [br]بين الإدراك والإبداع.

0:01:16.023,0:01:18.029
هذه مقولة مشهورة نقلاً عنه:

0:01:18.053,0:01:21.376
"كل كتلة حجرية تحمل في داخها تمثالاً

0:01:22.036,0:01:25.038
ومهمة النحات هي أن يكتشفه".

0:01:26.029,0:01:29.245
لذا أعتقد أن مايرمي اليه (مايكل أنجلو) هو

0:01:29.269,0:01:32.449
أننا نبدع بمدى استيعابنا،

0:01:32.473,0:01:35.496
وأن الإدراك ذاته هو عملية تخيل

0:01:35.520,0:01:37.981
وهو أيضاً أداة الإبداع.

0:01:38.691,0:01:42.616
العضو الذي يقوم[br]بكل التفكير والإستيعاب والتخيّل،

0:01:42.640,0:01:44.228
هو بالطبع، الدماغ.

0:01:45.089,0:01:47.634
و أودّ أن أبدأ بنبذه تاريخية قصيرة

0:01:47.658,0:01:49.960
عن ما نعرفه عن الدماغ.

0:01:50.496,0:01:52.942
لأنه، خلافاً لمثلاً، القلب أو الأمعاء.

0:01:52.966,0:01:56.110
لا يمكنك قول الكثير عن الدماغ[br]بمجرد النظر اليه،

0:01:56.134,0:01:57.546
على الأقل بالعين المجردة.

0:01:57.983,0:02:00.399
علماء التشريج الأوائل [br]الذين نظروا في الدماغ

0:02:00.423,0:02:04.230
منحوا البنى السطحية للدماغ جميع [br]المصطلحات المبهرجة،

0:02:04.254,0:02:06.687
مثل الحصين، الذي يعني "الجمبري الصغير."

0:02:06.711,0:02:09.475
وبالطبع هذا النمط من الأمور[br]لا يخبرنا بالكثير

0:02:09.499,0:02:11.817
عن ما يحدث في الداخل.

0:02:12.780,0:02:16.393
أعتقد بحق، أن أول من قام بتكوين[br]نوع من البصيرة

0:02:16.417,0:02:18.347
عما يحدث داخل الدماغ

0:02:18.371,0:02:22.291
كان عالم تشريح الأعصاب العظيم[br](سانتياغو رامون كاخال)،

0:02:22.315,0:02:23.859
في القرن التاسع عشر،

0:02:23.883,0:02:27.638
و الذي استخدم المجهر وأصبغة خاصة

0:02:27.662,0:02:31.832
و التي كان بإمكانها أن تملأ الخلايا[br]المفردة في الدماغ

0:02:31.856,0:02:33.864
بتباينٍ شديد الوضوح،

0:02:33.888,0:02:37.042
من أجل البدء بفهم تكوينها الشكلي.

0:02:37.972,0:02:40.863
و هذه هي أنواع الرسومات التي ابتكرها من[br]الخلايا العصبية

0:02:40.887,0:02:42.096
في القرن التاسع عشر.

0:02:42.120,0:02:44.004
هذا من دماغ طائر.

0:02:44.028,0:02:47.085
ويمكنك رؤية التنوع الرائع لمختلف[br]أنواع الخلايا،

0:02:47.109,0:02:50.544
حتى النظرية الخلوية نفسها كانت حديثة العهد[br]في تلك المرحلة.

0:02:50.568,0:02:51.846
وهذه البنى،

0:02:51.870,0:02:54.053
هذه الخلايا التي لديها هذه التغصنات[br]النهائية،

0:02:54.053,0:02:56.741
هذه التفرعات التي يمكنها أن تتمدد لمسافات[br]طويلة جداً جداً

0:02:56.741,0:02:58.651
كان أمراً غير مألوف في تلك الحقبة.

0:02:58.779,0:03:01.682
بالطبع، إنها أسلاك حافلة بالذكريات،.

0:03:01.706,0:03:05.163
قد يبدو الأمر واضحاً للبعض في القرن 19؛

0:03:05.187,0:03:09.501
ثورة الأسلاك و الكهرباء كانت [br]لا تزال قيد البناء.

0:03:09.924,0:03:11.142
لكن في العديد من النواحي،

0:03:11.166,0:03:14.479
كانت هذه الرسومات المجهرية ل(رامون كاخال)[br]كهذه الرسمة،

0:03:14.503,0:03:16.835
كانت لا تزال بشكل ما متعثرة الخطى.

0:03:16.859,0:03:18.713
ولا نزال بعد أكثر من قرن،

0:03:18.737,0:03:21.562
نحاول إنهاء المهمة التي بدأها [br](رامون كاخال).

0:03:21.586,0:03:24.720
هذه بيانات خام من مساعدينا

0:03:24.744,0:03:27.625
في معهد ماكس بلانك لعلم الأعصاب.

0:03:27.649,0:03:29.439
وما فعله مساعدونا

0:03:29.463,0:03:34.464
هو رسم أجزاء صغيرة من نسيج دماغي.

0:03:34.488,0:03:37.814
حجم العينة الكاملة هنا حوالي ميليميتر [br]مكعب واحد،

0:03:37.838,0:03:40.459
هنا أريكم جزءاً صغيراً جداً جداً منها.

0:03:40.483,0:03:42.813
طول الخط الموجود إلى اليسار [br]حوالي مايكرون واحد.

0:03:42.813,0:03:45.302
البنى التي ترونها هي الجسيمات الكوندرية[br](ميتوكوندريا)

0:03:45.302,0:03:47.330
و هي بحجم الباكتريا.

0:03:47.354,0:03:48.905
و هذه شرائح متلاحقة

0:03:48.929,0:03:52.077
خلال كتلة النسيج هذه المتناهية في الصغر.

0:03:52.101,0:03:54.504
و على سبيل المقارنة فقط،

0:03:54.528,0:03:58.320
فإن قطر خصلة شعر عادية حوالي 100 مايكرون.

0:03:58.344,0:04:00.618
و بهذا فإننا ننظر إلى شئ أصغر بكثيرٍ جداً

0:04:00.642,0:04:02.040
من خصلة شعر واحدة.

0:04:02.064,0:04:06.095
و من خلال هذه الأنواع من الشرائح [br]المأخوذة بمجهر إلكتروني تسلسلي،

0:04:06.119,0:04:11.127
يمكن للمرء أن يبدأ العمل على إعادة بناء[br]نموذج ثلاثي الأبعاد لخلية عصبية تبدو كهذه.

0:04:11.151,0:04:14.308
إذاً هذه أنماط مشابهة نوعاً ما لتلك التي[br]لدى (رامون كاخال).

0:04:14.332,0:04:15.824
و قد ظهرت بضع خلايا عصبية فقط،

0:04:15.848,0:04:18.629
و إلا ما كنا لنستطيع أن نرى أي شيء هنا.

0:04:18.653,0:04:19.965
كانت لتبدو شديدة الإزدحام،

0:04:19.989,0:04:21.319
غنية بالتركيب،

0:04:21.343,0:04:24.067
و الوصلات التي تربط الخلايا العصبية [br]ببعضها البعض.

0:04:25.293,0:04:28.097
بهذا كان (رامون كاخال) سابقاً [br]لعصره بعض الشيء،

0:04:28.121,0:04:30.676
و متقدماً في فهمه للدماغ

0:04:30.700,0:04:32.971
تابع ببطئ خلال العقود اللاحقة.

0:04:33.455,0:04:36.302
و لكننا علمنا أن الخلايا العصبية [br]استخدمت الكهرباء،

0:04:36.302,0:04:39.348
و بحلول الحرب العالمية الثانية، تطورت[br]تقنياتنا على نحو كافٍ

0:04:39.348,0:04:42.098
للبدء بإجراء تجارب كهربائية فعلية على[br]خلايا عصبية حية

0:04:42.122,0:04:44.228
من أجل زيادة فهمنا لكيفية عملها.

0:04:44.631,0:04:48.987
و في ذات الفترة تماماً بدأ [br]اختراع الحواسيب.

0:04:49.011,0:04:52.111
و قد اعتمدت الفكرة إلى حد كبير على نمذجة[br]الدماغ --

0:04:52.135,0:04:55.220
"الآلة الذكية،" كما أطلق [br]عليها (ألان تورينغ)،

0:04:55.244,0:04:57.235
أحد آباء علم الحاسوب.

0:04:57.923,0:05:02.555
اتطلع (وارن ماكولوكش) و(والتر بيتس) على [br]رسومات (رامون كاخال)

0:05:02.579,0:05:03.896
لمنطقة القشرة البصرية،

0:05:03.920,0:05:05.482
التي أعرضها هنا.

0:05:05.506,0:05:09.948
هذه هي القشرة التي تقوم بمعالجة [br]الصور القادمة من العين.

0:05:10.424,0:05:13.932
و بالنسبة لهما، بدا هذا كمخطط [br]دارة كهربائية.

0:05:14.353,0:05:18.188
و بهذا ثمة الكثير من التفاصيل في مخطط[br]الدارة لكل من (ماكولوتش) و(بيتس)

0:05:18.212,0:05:19.564
ليست صحيحة تماماً.

0:05:19.588,0:05:20.823
لكن هذه الفكرة الأساسية

0:05:20.847,0:05:24.839
أن القشرة الدماغية البصرية تعمل كسلسلة من[br]العناصر الحاسوبية

0:05:24.863,0:05:27.609
التي تمرر المعلومات من عنصر إلى التالي[br]بتسلسل،

0:05:27.633,0:05:29.235
هي فكرة صحيحة أساساً.

0:05:29.259,0:05:31.609
دعونا نتكلم لبرهة

0:05:31.633,0:05:35.665
عن النموذج المطلوب من أجل معالجة [br]المعلومات البصرية.

0:05:36.228,0:05:38.969
المهمة الأساسية للإدراك

0:05:38.993,0:05:43.187
هي أخذ صورة كهذه والقول،

0:05:43.211,0:05:44.387
"ذلك طائر،"

0:05:44.411,0:05:47.285
و هو أمر في غاية السهولة بالنسبة لنا[br]باستخدام أدمغتنا.

0:05:47.309,0:05:50.730
و لكن ما عليكم أن تفهموه هو [br]أنه بالنسبة لحاسوب،

0:05:50.754,0:05:53.841
فإن هذا الأمر كان من المحال تحقيقه قبل[br]بضعة سنوات قليلة.

0:05:53.865,0:05:55.781
لم يكن نموذج الحاسوب التقليدي

0:05:55.805,0:05:58.312
واحداً يمكن من خلاله تحقيق هذه المهمة[br]بسهولة.

0:05:59.366,0:06:01.918
إذاً إن ما يحدث بين نقاط البيكسل،

0:06:01.942,0:06:05.970
بين صورة الطائر، و كلمة "طائر،"

0:06:05.994,0:06:08.808
أساساً هو مجموعة من العصبونات[br]المرتبطة ببعضها

0:06:08.832,0:06:09.987
ضمن شبكة عصبونية،

0:06:10.011,0:06:11.228
كما أعرضها هنا.

0:06:11.228,0:06:14.530
يمكن لهذه الشبكة العصبونية أن تكون حيوية،[br]ضمن القشرة الدماغية البصرية،

0:06:14.554,0:06:16.716
أو، حالياً، نبدأ العمل على إمكانية

0:06:16.740,0:06:19.194
نمذجة شبكات عصبونية مماثلة في الحاسوب.

0:06:19.834,0:06:22.187
و سوف أريكم حقيقة كيف تبدو تلك الشبكات.

0:06:22.211,0:06:25.627
إذاً يمكنك تصور نقاط البيكسل كطبقة أولى من[br]العصبونات،

0:06:25.651,0:06:27.890
و هذا، في الواقع، كيفية عملها في العين --

0:06:27.914,0:06:29.577
تلك هي العصبونات في الشبكية.

0:06:29.601,0:06:31.101
و تلك العصبونات تلقم الإشارة

0:06:31.125,0:06:34.528
داخل طبقة بعد طبقة أخرى، بعد طبقة أخرى[br]من العصبونات،

0:06:34.552,0:06:37.585
جميعها مرتبطة بواسطة مشابك ذات أوزان[br]مختلفة.

0:06:37.609,0:06:38.944
إن سلوك هذه الشبكة

0:06:38.968,0:06:42.252
تتميز عن طريق قوة جميع تلك المشابك.

0:06:42.276,0:06:45.564
و هذه تميز السمات الحسابية لهذه الشبكة.

0:06:45.588,0:06:47.058
وبنهاية المطاف،

0:06:47.082,0:06:49.529
يغدو لديك عصبون أو مجموعة صغيرة من[br]العصبونات

0:06:49.553,0:06:51.200
التي تضيء، كلمة، "طائر."

0:06:51.824,0:06:54.956
سأقوم الآن بتمثيل تلك الأمور الثلاث --

0:06:54.980,0:06:59.676
المدخلات بيكسلات والمشابك في الشبكة[br]العصبية،

0:06:59.700,0:07:01.285
و طائر، المخرجات --

0:07:01.309,0:07:04.366
تحدد بمتغيرات ثلاث: x وw وy

0:07:04.853,0:07:06.664
ربما ثمة مليون أو نحو ذلك من المتغير x

0:07:06.688,0:07:08.641
مليون بيكسل في تلك الصورة.

0:07:08.665,0:07:11.111
ثمة مليونات أو ترليونات من المتغير w،

0:07:11.135,0:07:14.556
التي تمثل وزن جميع هذه المشابك في الشبكة[br]العصبية.

0:07:14.580,0:07:16.455
و يوجد كم ضئيل من المتغير y،

0:07:16.479,0:07:18.337
من المخرجات التي تمتلكها الشبكة.

0:07:18.361,0:07:20.110
"طائر" هي كلمة من أربعة أحرف، صحيح؟

0:07:21.088,0:07:24.514
إذاً دعونا نتظاهر بأن هذه مجرد معادلة[br]بسيطة،

0:07:24.538,0:07:26.701
x" x" w = y.

0:07:26.725,0:07:28.761
أضع التكرار ضمن إشارتي اقتباس مخيفتين

0:07:28.785,0:07:31.065
لأن ما يحدث بالفعل هناك، بالطبع،

0:07:31.089,0:07:34.135
عبارة عن سلاسل معقدة من العمليات الحسابية [br]الرياضية.

0:07:35.172,0:07:36.393
تلك معادلة واحدة.

0:07:36.417,0:07:38.089
يوجد ثلاثة متغيرات.

0:07:38.113,0:07:40.839
و جميعنا نعلم أنه عندما يكون [br]لدينا معادلة واحدة،

0:07:40.863,0:07:44.505
يمكنكم حل أحد المتغيرات بمعرفة [br]المتغيرين الآخرين.

0:07:45.158,0:07:48.538
لذلك فإن مشكلة الاستدلال،

0:07:48.562,0:07:51.435
هي أن نعلم أن صورة الطائر هي طائر،

0:07:51.459,0:07:52.733
هي هذه:

0:07:52.757,0:07:56.216
هي أن المتغير y مجهول، والمتغيرين w و x[br]معلومان.

0:07:56.240,0:07:58.699
أنتم تعرفون الشبكات العصبية، تعرفون[br]البيكسلات.

0:07:58.723,0:08:02.050
كما ترون، تلك هي مشكلة بسيطة نسبياً.

0:08:02.074,0:08:04.260
تضاعفون مرتين بثلاث وتنتهون.

0:08:04.862,0:08:06.985
سأريكم شبكة عصبية اصطناعية

0:08:07.009,0:08:09.305
قمنا ببنائها مؤخراً، بنفس الأسلوب تماماً.

0:08:09.634,0:08:12.494
تعمل بالزمن الحقيقي على الهاتف المحمول،

0:08:12.518,0:08:15.831
و هذا، بالطبع، أمر رائع بحد ذاته،

0:08:15.855,0:08:19.323
الهاتف النقال يستطيع القيام بمليارات [br]بل ترليونات العمليات

0:08:19.347,0:08:20.595
بالثانية.

0:08:20.619,0:08:22.234
ما تنظر اليه هو هاتف

0:08:22.258,0:08:25.805
تنظر لصورة تلو الأخرى لطائر،

0:08:25.829,0:08:28.544
وفي الحقيقية، لا تقول فقط "نعم، إنه طائر"

0:08:28.568,0:08:31.979
بل تميّز نوع الطائر بشبكة من هذا النوع.

0:08:32.890,0:08:34.716
اذاً في تلك الصورة،

0:08:34.740,0:08:38.542
ال x وw معروفان، بينما y غير معروفة.

0:08:38.566,0:08:41.074
أنا أموه حول الجزء الصعب كما ترون

0:08:41.098,0:08:44.959
اذاً كيف من الممكن أن نميز w،

0:08:44.983,0:08:47.170
الدماغ الذي يستطيع القيام بشيء كهذا؟

0:08:47.194,0:08:49.028
كيف يمكننا تعلم هذا النموذج؟

0:08:49.418,0:08:52.651
إذاً عملية التعليم هذه، لحل w

0:08:52.675,0:08:55.322
اذا ما كنا نقوم بهذا بمساعدة [br]المعادلة البسيطة

0:08:55.346,0:08:57.346
والتي نعامل فيها هذه الأحرف كأرقام،

0:08:57.370,0:09:00.057
نستطيع فهم ذلك تماماً 6 = 2 x w

0:09:00.081,0:09:03.393
حسناً نقسم على اثنين وانتهينا.

0:09:04.001,0:09:06.221
المشكلة ستكون بهذه العملية.

0:09:06.823,0:09:07.974
اذاً، القسمة --

0:09:07.998,0:09:11.119
استخدمنا القسمة ، لأنها عكس الضرب،

0:09:11.143,0:09:12.583
لكن كما قلت،

0:09:12.607,0:09:15.056
الضرب هو كذبة صغيرة هنا.

0:09:15.080,0:09:18.406
هذه العملية معقدة للغاية، وهي [br]عملية غير خطية

0:09:18.430,0:09:20.134
وليس لديها معكوس.

0:09:20.158,0:09:23.308
اذاً ،علينا إيجاد طريقة لحل هذه المعادلة

0:09:23.332,0:09:25.356
بدون عملية قسمة.

0:09:25.380,0:09:27.723
والطريقة للقيام بذلك غير واضحة [br]نوعاً ما.

0:09:27.747,0:09:30.418
لنقل، دعونا نقوم بلعبة جبرية ما

0:09:30.442,0:09:33.348
ولننقل الرقم ستة الى الجانب اليميني [br]من المعادلة.

0:09:33.372,0:09:35.198
الأن، مازلنا نستخدم عملية الضرب.

0:09:35.675,0:09:39.249
وذلك الصفر -- لنفكر به كأنه خطأ ما.

0:09:39.249,0:09:41.794
بعبارة أخرى، إذا حلينا المعادلة ل w [br]بالطريقة الصحيحة،

0:09:41.818,0:09:43.474
اذاً سيكون الخطأ صفراً.

0:09:43.498,0:09:45.436
واذا لم نحلها حلاً صحيحاً،

0:09:45.460,0:09:47.209
سيكون الخطأ أكبر من الصفر.

0:09:47.233,0:09:50.599
الأن سوف نخمن حتى يكون الخطأ أصغر،

0:09:50.623,0:09:53.310
وهذا هو الشيء الذي تبرع فيه [br]أجهزة الحاسوب جداً.

0:09:53.334,0:09:54.927
اذاً، لناخذ تخميناً أولياً:

0:09:54.951,0:09:56.107
مائا لو w=0 ؟

0:09:56.131,0:09:57.371
إذاً، الخطأ سيكون 6.

0:09:57.395,0:09:58.841
ماذا لو W=1 ؟ إذاً الخطأ 4 .

0:09:58.865,0:10:01.232
ومن ثم يستطيع الحاسوب أن[br]يلعب (ماركو بولو)،

0:10:01.256,0:10:03.623
حتى يقوم بإنقاص الخطأ الى الصفر.

0:10:03.647,0:10:07.021
وبينما يفعل ذلك، فهو يحصل على قيمة[br]تقريبة متعاقبة ل w.

0:10:07.045,0:10:10.701
بالعادة ،لايصل الى هذه القيمة بسرعة[br]لكن بعد الكثير من الخطوات،

0:10:10.725,0:10:15.349
نصل لحوالي w = 2.999[br]وهي قيمة تقريبية كافية.

0:10:16.302,0:10:18.116
وهذه هي العملية التعليمية.

0:10:18.140,0:10:20.870
اذاً تذكر ما كان يجري هنا

0:10:20.894,0:10:25.272
كنا نقوم باخذ الكثير من قيم x و y [br]المعلومة

0:10:25.296,0:10:28.750
ونقوم بحل w خلال عمليات متعاقبة.

0:10:28.774,0:10:32.330
تماماً هي نفس الطريقة التي نتعلم بها.

0:10:32.354,0:10:34.584
تستصحب أذهاننا الكثير من صور فترة الطفولة

0:10:34.608,0:10:37.241
ويُقال لنا "هذا طائر،[br]ليس هذا طائراً."

0:10:37.714,0:10:39.812
ومع مرور الوقت، ومع التكرار،

0:10:39.836,0:10:42.764
نحل الw نقوم بالحل عن طريق[br]تلك الوصلات العصبية.

0:10:43.460,0:10:47.546
اذاً الأن، لدينا x و y كقيم ثابتة [br]لكي نحل y ،

0:10:47.570,0:10:49.417
هذا ككل يوم، تصور سريع.

0:10:49.441,0:10:51.204
نكتشف كيف نستطيع إيجاد الحل ل w،

0:10:51.228,0:10:53.131
ذلك هو التعلم، وهو الأكثر صعوبة،

0:10:53.155,0:10:55.140
لأننا نحتاج إلى تصغير الخطأ،

0:10:55.164,0:10:56.851
باستخدام الكثير من أمثلة التعلم،

0:10:56.875,0:11:00.062
ومنذ حوالي السنة، أحد أعضاء [br]فريقنا (أليكس ماريفينسف)،

0:11:00.086,0:11:03.636
قرر أن يجرب ماذا سيحدث إذا ما حاولنا [br]حل المعادلة لأجل x،

0:11:03.660,0:11:05.697
بإعطاء قيمة معلومة ل w و y .

0:11:06.124,0:11:07.275
بعبارة أخرى،

0:11:07.299,0:11:08.651
أنت تعرف أنه طائر،

0:11:08.675,0:11:11.978
وتتمتع مسبقاً بشبكة عصبية دربتها [br]على أن الذي أمامك طائر،

0:11:12.002,0:11:14.346
لكن ما الذي تبدو عليه صورة الطائر؟

0:11:15.034,0:11:20.058
اتضح أنه باستخدام نفس عملية [br]تقليل الخطأ،

0:11:20.082,0:11:23.512
نستطيع فعل المثل عن طريق الشبكة المدربة [br]على التعرف على الطيور،

0:11:23.536,0:11:26.924
واتضح أن النتيجة ستكون ...

0:11:30.400,0:11:31.705
صورة لطيور.

0:11:32.814,0:11:36.551
هذه صورة لطائر تم توليدها كلياً[br]بواسطة شبكة عصبية

0:11:36.575,0:11:38.401
والتي دُربت لتتعرف على الطيور.

0:11:38.425,0:11:41.963
فقط بحل بالنسبة ل x بدل الحل بالنسبة ل y.

0:11:41.987,0:11:43.275
وبالقيام بتلك التكرارات.

0:11:43.732,0:11:45.579
هنا مثال مسلي آخر.

0:11:45.603,0:11:49.040
هذا العمل صنعه (مايك تايكو) من فريقنا،

0:11:49.064,0:11:51.372
والذي يدعوه "موكب الحيوانات".

0:11:51.396,0:11:54.272
ويذكرني قليلاً بأعمال (وليام كينتردوغ) [br]الفنية،

0:11:54.296,0:11:56.785
حيث يقوم برسم نماذج، ثم يقوم بتحريكها،

0:11:56.809,0:11:58.269
يرسم النماذج، ويحركها،

0:11:58.293,0:11:59.691
ويصنع فلم بهذه الطريقة.

0:11:59.715,0:12:00.866
في هذه الحالة،

0:12:00.890,0:12:04.167
مايقوم به (مايك) هو تغيير y عبر مساحة[br]متباينة من الحيوانات،

0:12:04.191,0:12:06.573
ضمن شبكة مصصمة، لكي تميز وتعرف

0:12:06.597,0:12:08.407
الحيوانات المختلفة عن بعضها البعض.

0:12:08.431,0:12:12.182
وستحصل على هذا الشكل الغريب[br]من حيوان لآخر،

0:12:14.221,0:12:18.835
هو و(ألكس) حاولا تقليل

0:12:18.859,0:12:21.618
ال y الى مساحة بعدين فقط،

0:12:21.642,0:12:25.080
مما سمح لهما بصنع خريطة[br]من مساحة كل الأشياء

0:12:25.104,0:12:26.823
المُتعرف عليها من قبل هذه الشبكة.

0:12:26.847,0:12:28.870
بالقيام بهذا النوع من التركيب

0:12:28.894,0:12:31.276
أو توليد صورة من ذلك السطح الكامل،

0:12:31.300,0:12:34.146
بتغيير y عبر ذلك السطح، ستحصل على [br]خريطة نوعاً ما --

0:12:34.170,0:12:37.311
خريطة بصرية من كل الأشياء [br]التي تستطيع الشبكة تمييزها.

0:12:37.335,0:12:40.200
الحيوانات كلها موجودة هنا، و"أرمانديلو" [br]في البقعة المناسبة.

0:12:40.919,0:12:43.398
وتستطيع القيام بذلك مع أنواع آخرى[br]من الشبكات أيضاً.

0:12:43.422,0:12:46.296
هذه الشبكة مصممة لمعرفة الوجوه،

0:12:46.320,0:12:48.320
لتميز كل وجه عن الآخر.

0:12:48.344,0:12:51.593
وهنا نقوم بوضع ال y التي تقول "أنا،"

0:12:51.617,0:12:53.192
مقاييس وجهي الخاصة.

0:12:53.216,0:12:54.922
وعندما تُحل هذه الشبكة بالنسبة لx،

0:12:54.946,0:12:57.564
بالأحرى تولد هذا الجنون،

0:12:57.588,0:13:02.016
صورة تكعيبية، وسريالية، وغريبة لي

0:13:02.040,0:13:03.846
من عدة وجهات نظر في نفس الوقت.

0:13:03.870,0:13:06.604
والسبب في تكوينها من عدة وجهات [br]نظر في نفس الوقت

0:13:06.628,0:13:10.315
هو أن هذه الشبكة صُممت[br]لكي تتخلص من الغموض

0:13:10.339,0:13:12.815
الذي يلحق بالوجوه من وضعية تصوير لآخرى،

0:13:12.839,0:13:16.215
وبالنظر من وضع إضاءة الى آخر.

0:13:16.239,0:13:18.324
إذاً حتى تقوم بهذا النوع من إعادة التكوين،

0:13:18.348,0:13:20.652
اذا لم تستخدم نوع من الصور الدليلية

0:13:20.676,0:13:21.887
أو دليل إحصائي،

0:13:21.911,0:13:25.676
حينها ستحصل على قليل من الإرتباك [br]من نقاط مختلفة،

0:13:25.700,0:13:27.068
لأنه غامض.

0:13:27.786,0:13:32.009
هذا ما سيحصل إذا استخدم (أليكس)[br]وجهه كصورة دليلية

0:13:32.033,0:13:35.354
خلال عملية إعادة تكوين وجهي.

0:13:36.284,0:13:38.612
سترون بأنها ليست مثالية.

0:13:38.636,0:13:40.510
وما يزال هناك الكثير من العمل لنقوم به

0:13:40.534,0:13:42.987
لتحسين عملية إعادة التكوين هذه.

0:13:43.011,0:13:45.838
لكن بدأنا بالحصول على شيء[br]يشبه الوجه المتماسك،

0:13:45.862,0:13:47.876
وذلك باستخدام وجهي كدليل.

0:13:48.892,0:13:51.393
ليس عليك البدء بقماش فارغ

0:13:51.417,0:13:52.573
أو ضوضاء بيضاء.

0:13:52.597,0:13:53.901
بحل المعادلة بالنسبة لx

0:13:53.925,0:13:57.814
تستطيع البدء بx[br]والتي هي نفسها صورة ما مسبقاً.

0:13:57.838,0:14:00.394
هذا هو هذا المنظر الصغير.

0:14:00.418,0:14:04.540
هذه شبكة مُصممة لكي تصنف

0:14:04.564,0:14:07.683
العديد من الأشياء المختلفة[br]أشخاص، أشكال، حيوانات ...

0:14:07.707,0:14:10.300
هنا، بدأنا بصورة للغيوم،

0:14:10.324,0:14:11.995
وبينما نقوم بعملية الاستمثال،

0:14:12.019,0:14:16.505
أساساً، هذه الشبكة تميز ما تراه [br]بين الغيوم.

0:14:16.931,0:14:19.251
وكلما استغرقت بالنظر الى هذا،

0:14:19.275,0:14:22.028
سترى المزيد من الأشياء بين الغيوم

0:14:23.004,0:14:26.379
تستطيع أيضاً استخدام شبكة الوجوه[br]لكي تهلوس الى هذا،

0:14:26.403,0:14:28.215
وستحصل على أشياء مجنونة جداً.

0:14:28.239,0:14:29.389
(ضحك)

0:14:30.401,0:14:33.145
أو، أجرى (مايك) تجارب أخرى

0:14:33.169,0:14:37.074
حيث يأخذ صورة الغيمة هذه،

0:14:37.098,0:14:40.605
يهلوسها ويكبرها، يهلوسها ويكبرها، [br]يهلوسها ويكبرها.

0:14:40.629,0:14:41.780
وبهذه الطريقة،

0:14:41.804,0:14:45.479
نستطيع الحصول على حالة من الضباب[br]لهذه الشبكة كما أعتقد،

0:14:45.503,0:14:49.183
أو نوعاً ما من المجمعات الحرة،

0:14:49.207,0:14:51.434
حيث تقوم الشبكات بتدمير نفسها.

0:14:51.458,0:14:54.879
إذاً كل صورة هي الأساس لما

0:14:54.903,0:14:56.404
"ما الذي أعتقد أني سأراه بعدها؟

0:14:56.404,0:14:59.151
مالذي أعتقد أني سأراه بعدها؟[br]مالذي أعتقد أني سأراه بعدها؟

0:14:59.487,0:15:02.423
عرضت هذا لأول مرة على الملأ

0:15:02.447,0:15:07.884
لمجموعة خلال محاضرة في سياتل[br]تحت عوان (التعليم العالي) --

0:15:07.908,0:15:10.345
كان هذا مباشرة بعد إجازة الماريجونا.

0:15:10.369,0:15:12.784
(ضحك)

0:15:14.627,0:15:16.731
إذاً، أريد أن أختم سريعاً

0:15:16.755,0:15:21.010
بالإشارة الى أن هذه التكنولوجيا غير مقيدة

0:15:21.034,0:15:24.699
لقد أريتكم أمثلة بصرية بحتة[br]لأنه من الممتع النظر اليها

0:15:24.723,0:15:27.174
لكنها ليست تقنية بصرية بحتة.

0:15:27.198,0:15:29.191
الفنان المتعاون معنا، (روس غوردن)

0:15:29.215,0:15:32.886
قام بتجارب، تتضمن كاميرا تقوم بأخذ صورة،

0:15:32.910,0:15:37.144
ثم حاسوب في حقيبة ظهره يقوم بكتابة[br]قصيدة باستخدام الشبكات العصبية،

0:15:37.168,0:15:39.112
وذلك استناداً على محتوى الصورة.

0:15:39.136,0:15:42.083
وقد دُربت الشبكة العصبية الشعرية

0:15:42.107,0:15:44.341
على أشعار كثيرة من القرن العشرين.

0:15:44.365,0:15:45.864
والشعر كما تعلمون،

0:15:45.888,0:15:47.802
كما أعتقد، هذا ليس سيئاً في الواقع.

0:15:47.826,0:15:49.210
(ضحك)

0:15:49.234,0:15:50.393
في الختام،

0:15:50.417,0:15:52.549
أعتقد أن (مايكل أنجيلو)،

0:15:52.573,0:15:53.807
كان على حق،

0:15:53.831,0:15:57.267
الإدراك والإبداع مرتبطان ارتباطاً وثيقاً.

0:15:57.611,0:16:00.245
ما رأيناه للتو هو شبكات عصبية،

0:16:00.269,0:16:02.572
مُدربة كلياً لكي تميز،

0:16:02.596,0:16:04.838
أو للتعرف على الأشياء المختلفة [br]في هذا العالم،

0:16:04.862,0:16:08.023
وقادرة على العمل في الإتجاه [br]المعاكس، لتولد.

0:16:08.047,0:16:09.830
وأحد الأشياء التي اقترحت لي

0:16:09.854,0:16:12.252
ليس فقط ما رأه (مايكل أنجيلو)

0:16:12.276,0:16:14.728
المنحوتة في قطعة الحجر،

0:16:14.752,0:16:18.390
لكن أي مخلوق، أي كائن، أي فضائي

0:16:18.414,0:16:22.071
يستطيع أن يقوم بأعمال حسية من هذا النوع

0:16:22.095,0:16:23.470
هو قادر أيضاً على التكوين

0:16:23.494,0:16:26.718
لأنها نفس الآلية المستخدمة في الحالتين.

0:16:26.742,0:16:31.274
كذلك، أعتقد أن الإدراك والإبداع [br]لا يعنيان بالضرورة

0:16:31.298,0:16:32.508
إنسان على نحو مميز.

0:16:32.532,0:16:36.240
بدأنا باختراع حواسيب تقوم[br]بنفس هذه الأشياء.

0:16:36.264,0:16:39.592
ومن المفترض أن لا يكون ذلك مفاجئاً؛ [br]فالدماغ في الأساس حسابي.

0:16:39.616,0:16:41.273
وأخيراً،

0:16:41.297,0:16:45.965
بدأت الحوسبة كتدريب لتطويرألات ذكية.

0:16:45.989,0:16:48.451
وتم تغييرها على نحو كبير بعد فكرة

0:16:48.475,0:16:51.488
كيف نستطيع جعل الآلات ذكية.

0:16:51.512,0:16:53.674
وأخيراً، بدأنا نوفي

0:16:53.698,0:16:56.104
ببعض وعود أولئك الرعيل الأول،

0:16:56.128,0:16:57.841
ل(تورينج) و(فون نيومان)

0:16:57.865,0:17:00.130
و(مكولوتش) و(بيتس).

0:17:00.154,0:17:04.252
وأعتقد أن الحوسبة لا تتعلق فقط بالحساب

0:17:04.276,0:17:06.423
أو لعب الكاندي كراش أو شيء ما.

0:17:06.447,0:17:09.025
من البداية، قمنا بأخذ أدمغتنا كنموذج.

0:17:09.049,0:17:12.318
وأعطانا ذلك القابلية لفهم أدمغتنا [br]فهماً أفضل

0:17:12.342,0:17:13.871
ومدّها.

0:17:14.627,0:17:15.794
شكراً جزيلاً لكم.

0:17:15.818,0:17:21.757
(تصفيق)