[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.80,0:00:04.62,Default,,0000,0000,0000,,მე Google-ში ვხელმძღვანელობ ჯგუფს,\Nრომელიც მანქანურ ინტელექტზე მუშაობს.
Dialogue: 0,0:00:04.62,0:00:08.60,Default,,0000,0000,0000,,სხვა სიტყვებით, ესაა საინჟინრო დისციპლინა,\Nრომელიც კომპიუტერებს და მოწყობილობებს
Dialogue: 0,0:00:08.62,0:00:11.04,Default,,0000,0000,0000,,აკეთებინებს იმას, რასაც ტვინები აკეთებენ.
Dialogue: 0,0:00:11.44,0:00:14.54,Default,,0000,0000,0000,,ამიტომ, ჩვენ ნამდვილი ტვინებითაც
Dialogue: 0,0:00:14.56,0:00:17.11,Default,,0000,0000,0000,,და ნეირომეცნიერებითაც ვართ დაინტერესებული.
Dialogue: 0,0:00:17.11,0:00:20.05,Default,,0000,0000,0000,,განსაკუთრებით ტვინის ისეთი ფუნქციებით,
Dialogue: 0,0:00:20.07,0:00:24.11,Default,,0000,0000,0000,,რომლებიც ბევრად აღემატება კომპიუტერებისას.
Dialogue: 0,0:00:25.21,0:00:28.82,Default,,0000,0000,0000,,ისტორიულად, ერთ-ერთი ასეთი ფუნქცია აღქმაა.
Dialogue: 0,0:00:28.84,0:00:31.88,Default,,0000,0000,0000,,პროცესი, რომლის შედეგადაც\Nმსოფლიოში არსებული
Dialogue: 0,0:00:31.90,0:00:33.49,Default,,0000,0000,0000,,ხმები და გამოსახულებები,
Dialogue: 0,0:00:33.51,0:00:35.69,Default,,0000,0000,0000,,ტვინში წარმოდგენებად იქცევა.
Dialogue: 0,0:00:36.24,0:00:38.75,Default,,0000,0000,0000,,ეს ჩვენი ტვინის აუცილებელი ფუნქციაა
Dialogue: 0,0:00:38.78,0:00:41.24,Default,,0000,0000,0000,,და კომპიუტერისთვისაც საკმაოდ გამოსადეგი.
Dialogue: 0,0:00:41.64,0:00:44.99,Default,,0000,0000,0000,,ჩვენი გუნდის მიერ შექმნილი\Nმანქანური აღქმის ალგორითმების მაგალითია,
Dialogue: 0,0:00:45.01,0:00:48.88,Default,,0000,0000,0000,,როცა Google-ის ფოტოებში სურათების მოძებნა,
Dialogue: 0,0:00:48.91,0:00:51.46,Default,,0000,0000,0000,,მასზე არსებული\Nგამოსახულებითაა შესაძლებელი.
Dialogue: 0,0:00:51.78,0:00:55.09,Default,,0000,0000,0000,,აღქმის საპირისპირო მხარე შემოქმედებაა.
Dialogue: 0,0:00:55.11,0:00:58.15,Default,,0000,0000,0000,,როცა წარმოდგენას რეალობად აქცევთ.
Dialogue: 0,0:00:58.17,0:01:01.73,Default,,0000,0000,0000,,გასულ წელს, მანქანურ აღქმაზე მუშაობამ,
Dialogue: 0,0:01:01.75,0:01:06.61,Default,,0000,0000,0000,,მოულოდნელად მანქანურ შემოქმედებასთან\N
Dialogue: 0,0:01:06.64,0:01:08.52,Default,,0000,0000,0000,,და მანქანურ ხელოვნებასთან დაგვაკავშირა.
Dialogue: 0,0:01:08.56,0:01:11.84,Default,,0000,0000,0000,,ვფიქრობ, მიქელანჯელოს აზრი\Nორმხრივ დამოკიდებულებაზე
Dialogue: 0,0:01:11.86,0:01:15.52,Default,,0000,0000,0000,,აღქმასა და შემოქმედებას შორის,\Nმართლაც შორსმჭვრეტელი იყო.
Dialogue: 0,0:01:16.02,0:01:18.03,Default,,0000,0000,0000,,მისი ეს ცნობილი ციტატა შემდეგია:
Dialogue: 0,0:01:18.05,0:01:21.38,Default,,0000,0000,0000,,"ქვის ყოველი ბლოკის შიგნით ქანდაკებაა
Dialogue: 0,0:01:22.04,0:01:25.04,Default,,0000,0000,0000,,და მოქანდაკის ამოცანაა ის აღმოაჩინოს"
Dialogue: 0,0:01:26.03,0:01:29.24,Default,,0000,0000,0000,,მგონი, მიქელანჯელო იმას გულისხმობდა,
Dialogue: 0,0:01:29.27,0:01:32.45,Default,,0000,0000,0000,,რომ ჩვენ აღქმის წყალობით ვქმნით
Dialogue: 0,0:01:32.47,0:01:35.50,Default,,0000,0000,0000,,და აღქმა თვითონაა წარმოსახვის აქტი
Dialogue: 0,0:01:35.52,0:01:37.98,Default,,0000,0000,0000,,და მასალა შემოქმედებისთვის.
Dialogue: 0,0:01:38.69,0:01:42.62,Default,,0000,0000,0000,,ორგანო, რომელიც ამას ყველაფერს\Nფიქრობს, აღიქვამს და წარმოიდგენს
Dialogue: 0,0:01:42.64,0:01:44.23,Default,,0000,0000,0000,,რა თქმა უნდა ტვინია.
Dialogue: 0,0:01:45.09,0:01:47.63,Default,,0000,0000,0000,,მინდა ტვინზე ჩვენი ცოდნის
Dialogue: 0,0:01:47.66,0:01:49.96,Default,,0000,0000,0000,,მოკლე ისტორიული მიმოხილვით დავიწყო.
Dialogue: 0,0:01:50.50,0:01:52.94,Default,,0000,0000,0000,,გულისგან და ნაწლავებისგან განსხვავებით,
Dialogue: 0,0:01:52.97,0:01:56.11,Default,,0000,0000,0000,,ტვინს თუ შეხედავთ,\Nმასზე ბევრს ვერაფერს იტყვით,
Dialogue: 0,0:01:56.13,0:01:58.12,Default,,0000,0000,0000,,ყოველ შემთხვევაში შეუიარაღებელი თვალით.
Dialogue: 0,0:01:58.12,0:02:00.40,Default,,0000,0000,0000,,ადრეული ანატომები,\Nრომლებიც ტვინს აკვირდებოდნენ
Dialogue: 0,0:02:00.42,0:02:04.23,Default,,0000,0000,0000,,მის გარე სტრუქტურას\Nსხვადასხვა უცნაურ სახელებს არქმევდნენ,
Dialogue: 0,0:02:04.25,0:02:07.09,Default,,0000,0000,0000,,მაგალითად, როგორც ჰიპოკამპი,\Nრაც "პატარა კრევეტს" ნიშნავს
Dialogue: 0,0:02:07.09,0:02:10.38,Default,,0000,0000,0000,,თუმცა, რა თქმა უნდა, ეს ყველაფერი,\Nბევრს არაფერს გვეუბნება იმაზე,
Dialogue: 0,0:02:10.38,0:02:12.65,Default,,0000,0000,0000,,თუ რა ხდება სინამდვილეში შიგნით.
Dialogue: 0,0:02:12.78,0:02:16.39,Default,,0000,0000,0000,,ვფიქრობ, პირველი, ვინც რეალურად\Nშეიქმნა რაღაც წარმოდგენა მაინც,
Dialogue: 0,0:02:16.42,0:02:18.35,Default,,0000,0000,0000,,თუ რა ხდებოდა ტვინში,
Dialogue: 0,0:02:18.37,0:02:22.29,Default,,0000,0000,0000,,დიდი ესპანელი ნეიროანატომი\Nსანტიაგო რამონ ი კახალი იყო,
Dialogue: 0,0:02:22.32,0:02:23.86,Default,,0000,0000,0000,,მე-19 საუკუნეში.
Dialogue: 0,0:02:23.88,0:02:27.64,Default,,0000,0000,0000,,მან მიკროსკოპი\Nდა სპეციალური საღებავი გამოიყენა,
Dialogue: 0,0:02:27.66,0:02:31.83,Default,,0000,0000,0000,,რომლითაც ტვინის ცალკეული უჯრედები\Nშერჩევითად შეავსო
Dialogue: 0,0:02:31.86,0:02:33.86,Default,,0000,0000,0000,,და კონტრასტული გახადა,\N
Dialogue: 0,0:02:33.89,0:02:37.04,Default,,0000,0000,0000,,რითიც მათი მორფოლოგია გაიგო.
Dialogue: 0,0:02:37.97,0:02:40.86,Default,,0000,0000,0000,,ესაა ნეირონების ის გამოსახულებები,\N
Dialogue: 0,0:02:40.89,0:02:42.90,Default,,0000,0000,0000,,რომლებიც მან მე-19 საუკუნეში დახატა.
Dialogue: 0,0:02:42.90,0:02:44.00,Default,,0000,0000,0000,,ეს ჩიტის ტვინია.
Dialogue: 0,0:02:44.03,0:02:47.08,Default,,0000,0000,0000,,აქ თქვენ უჯრედების\Nარაჩვეულებრივ მრავალფეროვნებას ხედავთ,
Dialogue: 0,0:02:47.11,0:02:50.54,Default,,0000,0000,0000,,ამ დროს უჯრედული თეორიაც კი,\Nსაკმაოდ ახალი ხილი იყო.
Dialogue: 0,0:02:50.57,0:02:52.37,Default,,0000,0000,0000,,მითუმეტეს, უჯრედთა სტრუქტურები
Dialogue: 0,0:02:52.37,0:02:54.13,Default,,0000,0000,0000,,უჯრედთა ეს განშტოებები
Dialogue: 0,0:02:54.15,0:02:56.76,Default,,0000,0000,0000,,და მათი ეს განტოტვა,\Nრომელიც ძალიან შორს მიდის,
Dialogue: 0,0:02:56.78,0:02:58.40,Default,,0000,0000,0000,,ეს ძალიან ახალი იყო.
Dialogue: 0,0:02:58.78,0:03:01.68,Default,,0000,0000,0000,,ისინი რა თქმა უნდა სადენებს გაგონებთ,
Dialogue: 0,0:03:01.71,0:03:05.16,Default,,0000,0000,0000,,რაც შეიძლება უკვე ნაცნობი იყო\Nზოგისთვის მე-19 საუკუნეში.
Dialogue: 0,0:03:05.19,0:03:09.50,Default,,0000,0000,0000,,ელექტროფიკაცია სწორედ ამ დროს იწყებოდა.
Dialogue: 0,0:03:09.96,0:03:11.14,Default,,0000,0000,0000,,თუმცა, დიდი ანგარიშით,
Dialogue: 0,0:03:11.17,0:03:14.48,Default,,0000,0000,0000,,რამონ ი კახალის\Nეს მიკრონატომიური გამოსახულებები
Dialogue: 0,0:03:14.50,0:03:16.84,Default,,0000,0000,0000,,რაღაც მხრივ დღესაც შეუდარებელია.
Dialogue: 0,0:03:16.86,0:03:19.16,Default,,0000,0000,0000,,ერთი საუკუნის შემდეგ,\Nჩვენ ჯერ კიდევ ვცდილობთ
Dialogue: 0,0:03:19.16,0:03:21.56,Default,,0000,0000,0000,,რამონ ი კახალის მიერ\Nდაწყებული საქმის დასრულებას.
Dialogue: 0,0:03:21.59,0:03:24.72,Default,,0000,0000,0000,,ეს ჩვენი კოლეგების მიერ მოპოვებული\Nდაუმუშავებელი მონაცემებია,
Dialogue: 0,0:03:24.74,0:03:27.62,Default,,0000,0000,0000,,მაქს პლანკის\Nნეირომეცნიერების ინსტიტუტიდან.
Dialogue: 0,0:03:27.65,0:03:29.44,Default,,0000,0000,0000,,ჩვენმა კოლეგებმა,
Dialogue: 0,0:03:29.46,0:03:34.46,Default,,0000,0000,0000,,ტვინის ქსოვილის პატარა ნაჭრები გამოსახეს.
Dialogue: 0,0:03:34.49,0:03:37.81,Default,,0000,0000,0000,,ეს მთელი ნიმუში\Nდაახლოებით 1 კუბური მილიმეტრია
Dialogue: 0,0:03:37.84,0:03:40.46,Default,,0000,0000,0000,,და მე აქ ძალიან პატარა ნაჭერს გაჩვენებთ.
Dialogue: 0,0:03:40.48,0:03:42.83,Default,,0000,0000,0000,,მარცხნივ, ეს ფირფიტა\Nდაახლოებით 1 მიკრონია.
Dialogue: 0,0:03:42.85,0:03:45.26,Default,,0000,0000,0000,,სტრუქტურები, რომელსაც ხედავთ
Dialogue: 0,0:03:45.29,0:03:47.33,Default,,0000,0000,0000,,ბაქტერიის ზომის მიტოქონდრიებია.
Dialogue: 0,0:03:47.35,0:03:48.90,Default,,0000,0000,0000,,ეს ქსოვილის ძალიან მცირე ბლოკის
Dialogue: 0,0:03:48.93,0:03:52.08,Default,,0000,0000,0000,,მიმდევრობითი ჩამონაჭრებია.
Dialogue: 0,0:03:52.10,0:03:54.50,Default,,0000,0000,0000,,შედარებისთვის,
Dialogue: 0,0:03:54.53,0:03:58.32,Default,,0000,0000,0000,,თმის ერთი ღერის\Nსაშუალო დიამეტრი 100 მიკრონია.
Dialogue: 0,0:03:58.34,0:04:00.62,Default,,0000,0000,0000,,ანუ აქ ჩვენ ვუყურებთ
Dialogue: 0,0:04:00.64,0:04:02.39,Default,,0000,0000,0000,,თმის ღერზე ბევრად პატარა რამეს.
Dialogue: 0,0:04:02.39,0:04:06.10,Default,,0000,0000,0000,,ამ მიკროსკოპული ჩამონაჭრების სერიიდან
Dialogue: 0,0:04:06.12,0:04:11.13,Default,,0000,0000,0000,,შეიძლება 3 განზომილებიანი\Nნეირონის მსგავსი რეკონსტრუქციების აწყობა.
Dialogue: 0,0:04:11.15,0:04:14.31,Default,,0000,0000,0000,,სტილით ისინი,\Nრამონ ი კახალის ნახატებს ჰგავს.
Dialogue: 0,0:04:14.33,0:04:16.13,Default,,0000,0000,0000,,მხოლოდ ცალკეული ნეირონები ნათდება,
Dialogue: 0,0:04:16.13,0:04:18.63,Default,,0000,0000,0000,,სხვაგვარად ვერაფერს დავინახავდით.
Dialogue: 0,0:04:18.65,0:04:19.96,Default,,0000,0000,0000,,ისეთი გადაჭედილი იქნებოდა,
Dialogue: 0,0:04:19.99,0:04:21.32,Default,,0000,0000,0000,,სავსე სტრუქტურებითა
Dialogue: 0,0:04:21.34,0:04:25.08,Default,,0000,0000,0000,,და გაყვანილობებით,\Nრომლებიც ერთ ნეირონს მეორესთან აერთებს
Dialogue: 0,0:04:25.32,0:04:28.10,Default,,0000,0000,0000,,მაშ, რამონ ი კახალი დროს ცოტათი უსწრებდა\N
Dialogue: 0,0:04:28.12,0:04:30.68,Default,,0000,0000,0000,,და ტვინის გაგება ნელა პროგრესირებდა
Dialogue: 0,0:04:30.70,0:04:32.97,Default,,0000,0000,0000,,შემდეგი რამდენიმე ათწლეულის მანძილზე.
Dialogue: 0,0:04:33.46,0:04:36.31,Default,,0000,0000,0000,,თუმცა, ჩვენ ვიცოდით,\Nრომ ნეირონები ელექტრობას იყენებდნენ
Dialogue: 0,0:04:36.36,0:04:40.27,Default,,0000,0000,0000,,და მეორე მსოფლიო ომისთვის, ტექნოლოგია\Nსაკმარისად განვითარებული იყო იმისთვის,
Dialogue: 0,0:04:40.27,0:04:43.53,Default,,0000,0000,0000,,რომ ცოცხალ ნეირონებზე ნამდვილი\Nელექტრო ექსპერიმენტები ჩატარებულიყო
Dialogue: 0,0:04:43.53,0:04:46.17,Default,,0000,0000,0000,,იმისთვის რომ უკეთ შეგვესწავლა,\Nროგორ მუშაობენ ისინი.
Dialogue: 0,0:04:46.17,0:04:48.99,Default,,0000,0000,0000,,ეს ზუსტად ის დროა,\Nროცა კომპიუტერები გამოიგონეს,
Dialogue: 0,0:04:49.01,0:04:52.11,Default,,0000,0000,0000,,სწორედ ტვინის მოდელირებაზე,\Nე.წ. "გონიერ მანქანაზე" დაფუძნებით,
Dialogue: 0,0:04:52.14,0:04:55.22,Default,,0000,0000,0000,,როგორც მას კომპიუტერული მეცნიერების\Nერთ-ერთმა მამამ,
Dialogue: 0,0:04:55.24,0:04:57.24,Default,,0000,0000,0000,,ალან ტიურინგმა უწოდა.
Dialogue: 0,0:04:57.92,0:05:02.56,Default,,0000,0000,0000,,უორენ მაკკალოკმა და უოლტერ პიტსმა\Nშეხედეს რამონ ი კახალის ნახატებს,
Dialogue: 0,0:05:02.58,0:05:04.25,Default,,0000,0000,0000,,რომელზეც მხედველობის ქერქი იყო
Dialogue: 0,0:05:04.25,0:05:05.48,Default,,0000,0000,0000,,ახლა სწორედ ამას ხედავთ.
Dialogue: 0,0:05:05.51,0:05:09.84,Default,,0000,0000,0000,,ტვინის ეს ქერქი თვალებიდან შემოსულ\Nგამოსახულებებს ამუშავებს
Dialogue: 0,0:05:10.43,0:05:13.93,Default,,0000,0000,0000,,მათთვის ეს შეკრული წრედის\Nდიაგრამასავით იყო.
Dialogue: 0,0:05:14.35,0:05:18.19,Default,,0000,0000,0000,,მაკკალოკმა და პიტსის წრედის დიაგრამაში
Dialogue: 0,0:05:18.21,0:05:20.00,Default,,0000,0000,0000,,ბევრი დეტალი მთლად ზუსტი არ არის,
Dialogue: 0,0:05:20.00,0:05:21.30,Default,,0000,0000,0000,,თუმცა ძირითადი იდეა,
Dialogue: 0,0:05:21.30,0:05:24.84,Default,,0000,0000,0000,,რომ მხედველობის ქერქი მუშაობს,\Nროგორც გამოთვლითი ელემენტების სერია,
Dialogue: 0,0:05:24.86,0:05:27.61,Default,,0000,0000,0000,,რომლებიც ერთმანეთს\Nკასკადურად გადასცემენ ინფორმაციას,
Dialogue: 0,0:05:27.63,0:05:29.24,Default,,0000,0000,0000,,არსებითად სწორია.
Dialogue: 0,0:05:29.26,0:05:31.61,Default,,0000,0000,0000,,მოდი, ერთი წუთით ვთქვათ
Dialogue: 0,0:05:31.63,0:05:35.66,Default,,0000,0000,0000,,რა უნდა გააკეთოს ვიზუალური ინფორმაციის\Nდამუშავების მოდელმა
Dialogue: 0,0:05:36.23,0:05:38.97,Default,,0000,0000,0000,,აღქმის ძირითადი ამოცანაა,
Dialogue: 0,0:05:38.99,0:05:43.19,Default,,0000,0000,0000,,აიღოს მსგავსი გამოსახულება და თქვას
Dialogue: 0,0:05:43.21,0:05:44.39,Default,,0000,0000,0000,,"ეს ჩიტია"
Dialogue: 0,0:05:44.41,0:05:47.28,Default,,0000,0000,0000,,რაც ჩვენთვის ძალიან ადვილია\Nტვინის გამოყენებით.
Dialogue: 0,0:05:47.31,0:05:50.73,Default,,0000,0000,0000,,თუმცა, ყველას უნდა გესმოდეთ,\Nრომ კომპიუტერისთვის
Dialogue: 0,0:05:50.75,0:05:53.84,Default,,0000,0000,0000,,სულ რაღაც რამდენიმე წლის წინ\Nეს პრაქტიკულად შეუძლებელი იყო.
Dialogue: 0,0:05:53.86,0:05:55.78,Default,,0000,0000,0000,,კომპიუტერის კლასიკურ პარადიგმაში
Dialogue: 0,0:05:55.80,0:05:58.70,Default,,0000,0000,0000,,მსგავსი რამის გაკეთება მარტივი არ არის.
Dialogue: 0,0:05:59.37,0:06:01.92,Default,,0000,0000,0000,,მაშ, რაც ხდება პიქსელებს,
Dialogue: 0,0:06:01.94,0:06:05.97,Default,,0000,0000,0000,,ჩიტის გამოსახულებასა\Nდა სიტყვა "ჩიტს" შორის,
Dialogue: 0,0:06:05.99,0:06:08.81,Default,,0000,0000,0000,,არსებითად ნეირონების სიმრავლეა,\Nრომლებიც ერთმანეთს
Dialogue: 0,0:06:08.83,0:06:10.29,Default,,0000,0000,0000,,ნეირონულ ქსელში უკავშირდება,
Dialogue: 0,0:06:10.29,0:06:11.69,Default,,0000,0000,0000,,როგორც დიაგრამაზე ხედავთ.
Dialogue: 0,0:06:11.69,0:06:15.12,Default,,0000,0000,0000,,ეს ნეირონული ქსელი შეიძლება იყოს\Nბიოლოგიური, ჩვენ მხედველობის ქერქში,
Dialogue: 0,0:06:15.12,0:06:17.17,Default,,0000,0000,0000,,ან დღესდღეობით, ჩვენ გვაქვს საშუალება
Dialogue: 0,0:06:17.17,0:06:19.82,Default,,0000,0000,0000,,ასეთი ნეირონული ქსელების მოდელი\Nკომპიუტერში შევქმნათ.
Dialogue: 0,0:06:19.83,0:06:22.19,Default,,0000,0000,0000,,გაჩვენებთ სინამდვილეში\Nეს როგორ გამოიყურება.
Dialogue: 0,0:06:22.21,0:06:25.63,Default,,0000,0000,0000,,პიქსელები ნეირონების პირველ შრედ\Nშეიძლება წარმოვიდგინოთ
Dialogue: 0,0:06:25.65,0:06:27.89,Default,,0000,0000,0000,,ფაქტიურად ასე მუშაობს თვალიც...
Dialogue: 0,0:06:27.91,0:06:29.58,Default,,0000,0000,0000,,ეს არის ნეირონები რეტინაში.
Dialogue: 0,0:06:29.60,0:06:31.10,Default,,0000,0000,0000,,ისინი აწვდიან ინფორმაციას
Dialogue: 0,0:06:31.12,0:06:34.53,Default,,0000,0000,0000,,ნეირონების ზედა შრეს\Nდა შემდეგ შრეებს, ერთი მეორის მიყოლებით,
Dialogue: 0,0:06:34.55,0:06:37.58,Default,,0000,0000,0000,,ისინი ყველა ერთმანეთს\Nსხვადასხვა წონის სინაფსებით უკავშირდება.
Dialogue: 0,0:06:37.61,0:06:38.94,Default,,0000,0000,0000,,ამ ქსელის ქცევა,
Dialogue: 0,0:06:38.97,0:06:42.25,Default,,0000,0000,0000,,სინაფსების ძალებით ხასიათდება.
Dialogue: 0,0:06:42.28,0:06:45.56,Default,,0000,0000,0000,,ისინი ქსელის გამოთვლით\Nთვისებებს ახასიათებენ.
Dialogue: 0,0:06:45.59,0:06:47.06,Default,,0000,0000,0000,,და საბოლოოდ ვიღებთ
Dialogue: 0,0:06:47.08,0:06:49.53,Default,,0000,0000,0000,,ნეირონს ან ნეირონების მცირე ჯგუფს,
Dialogue: 0,0:06:49.55,0:06:51.67,Default,,0000,0000,0000,,რომლებიც ნათდებიან და ამბობენ "ჩიტი"
Dialogue: 0,0:06:51.82,0:06:54.96,Default,,0000,0000,0000,,ვაპრებ შემდეგი სამი რამ:
Dialogue: 0,0:06:54.98,0:06:59.68,Default,,0000,0000,0000,,შემავალი პიქსელები,\Nსინაფსები ნეირონული ქსელში
Dialogue: 0,0:06:59.70,0:07:01.28,Default,,0000,0000,0000,,და შედეგი - ჩიტი,
Dialogue: 0,0:07:01.31,0:07:04.64,Default,,0000,0000,0000,,სამ ცვლადად წარმოგიდგინოთ:\Nx, w და y.
Dialogue: 0,0:07:04.85,0:07:06.66,Default,,0000,0000,0000,,გვაქვს სადღაც ალბათ მილიონი x.
Dialogue: 0,0:07:06.69,0:07:08.64,Default,,0000,0000,0000,,მილიონი პიქსელი ამ გამოსახულებაში.
Dialogue: 0,0:07:08.66,0:07:11.11,Default,,0000,0000,0000,,არსებობს მილიარდობით, ან ტრილიონობით w,
Dialogue: 0,0:07:11.14,0:07:14.56,Default,,0000,0000,0000,,რაც ნეირონულ ქსელში\Nთითოეული სინაფსის წონას წარმოადგენს.
Dialogue: 0,0:07:14.58,0:07:16.46,Default,,0000,0000,0000,,და y-ები ძალიან მცირე რაოდენობით.
Dialogue: 0,0:07:16.48,0:07:18.34,Default,,0000,0000,0000,,რაც ქსელიდან გამომავალი შედეგებია.
Dialogue: 0,0:07:18.36,0:07:20.50,Default,,0000,0000,0000,,"ჩიტი" მხოლოდ ოთხი ასოსგან შედგება.
Dialogue: 0,0:07:21.09,0:07:24.51,Default,,0000,0000,0000,,წარმოვიდგინოთ შემდეგი მარტივი ფორმულა:
Dialogue: 0,0:07:24.54,0:07:26.70,Default,,0000,0000,0000,,x "x" w = y.
Dialogue: 0,0:07:26.72,0:07:28.76,Default,,0000,0000,0000,,გამრავლების ნიშანი ბრჭყალებში ჩავსვი,
Dialogue: 0,0:07:28.78,0:07:31.06,Default,,0000,0000,0000,,რადგან, რა თქმა უნდა,\Nსინამდვილეში ამ ადგილას,
Dialogue: 0,0:07:31.09,0:07:34.14,Default,,0000,0000,0000,,ძალიან რთული\Nმათემატიკური ოპერაციების წყებაა.
Dialogue: 0,0:07:35.17,0:07:36.39,Default,,0000,0000,0000,,ეს ერთი განტოლებაა
Dialogue: 0,0:07:36.42,0:07:38.09,Default,,0000,0000,0000,,და სამი ცვლადი.
Dialogue: 0,0:07:38.11,0:07:40.84,Default,,0000,0000,0000,,ჩვენ ვიცით,\Nრომ თუ გვაქვს ერთი განტოლება,
Dialogue: 0,0:07:40.86,0:07:44.50,Default,,0000,0000,0000,,შეგვძილია ის ერთი ცვლადის მიმართ ამოვხსნათ\Nთუ დანარჩენი ორი ცნობილია.
Dialogue: 0,0:07:45.16,0:07:48.54,Default,,0000,0000,0000,,მაშ, ამოცნობის პრობლემა,
Dialogue: 0,0:07:48.56,0:07:51.44,Default,,0000,0000,0000,,ანუ, იმის დადგენა, რომ ჩიტის სურათზე\Nჩიტია გამოსახული
Dialogue: 0,0:07:51.46,0:07:52.73,Default,,0000,0000,0000,,შემდეგზე დადის:
Dialogue: 0,0:07:52.76,0:07:56.22,Default,,0000,0000,0000,,y უცნობია და w და x კი - ცნობილი.
Dialogue: 0,0:07:56.24,0:07:58.70,Default,,0000,0000,0000,,ვიცით ნეირონული ქსელი\Nდა ვიცით პიქსელები.
Dialogue: 0,0:07:58.72,0:08:02.05,Default,,0000,0000,0000,,როგორც ხედავთ,\Nეს შედარებით სწორხაზოვანი ამოცანაა.
Dialogue: 0,0:08:02.07,0:08:04.26,Default,,0000,0000,0000,,ორს სამზე გაამრავლებთ და მორჩა.
Dialogue: 0,0:08:04.86,0:08:06.98,Default,,0000,0000,0000,,მე გაჩვენებთ ხელოვნურ ნეირონულ ქსელს,
Dialogue: 0,0:08:07.01,0:08:09.40,Default,,0000,0000,0000,,რომელიც ცოტა ხნის წინ, ზუსტად ასე ავაგეთ.
Dialogue: 0,0:08:09.63,0:08:12.49,Default,,0000,0000,0000,,ის მობილურ ტელეფონზე მუშა რეჟიმშია
Dialogue: 0,0:08:12.52,0:08:15.83,Default,,0000,0000,0000,,და რა თქმა უნდა, თავისთავად საოცრებაა,
Dialogue: 0,0:08:15.86,0:08:19.32,Default,,0000,0000,0000,,რომ მობილურ ტელეფონებს ამდენი\Nმილიარდობით და ტრილიონობით ოპერაციების
Dialogue: 0,0:08:19.35,0:08:20.60,Default,,0000,0000,0000,,შესრულება შეუძლიათ წამში.
Dialogue: 0,0:08:20.62,0:08:22.23,Default,,0000,0000,0000,,ჩვენ ვხედავთ ტელეფონს,
Dialogue: 0,0:08:22.26,0:08:25.80,Default,,0000,0000,0000,,რომელიც უყურებს ჩიტის სურათებს\Nერთი მეორის მიყოლებით
Dialogue: 0,0:08:25.83,0:08:28.54,Default,,0000,0000,0000,,და არა მხოლოდ ამბობს: "დიახ, ეს ჩიტია",
Dialogue: 0,0:08:28.57,0:08:32.59,Default,,0000,0000,0000,,არამედ ამგვარი ქსელის გამოყენებით,\Nადგენს მის სახეობას.
Dialogue: 0,0:08:32.89,0:08:34.72,Default,,0000,0000,0000,,მაშ, ამ სურათში,
Dialogue: 0,0:08:34.74,0:08:38.54,Default,,0000,0000,0000,,x და w ცნობილია, y - უცნობი.
Dialogue: 0,0:08:38.57,0:08:41.07,Default,,0000,0000,0000,,მე, რა თქმა უნდა,\Nვტოვებ იმ ურთულეს ნაწილს,
Dialogue: 0,0:08:41.10,0:08:44.96,Default,,0000,0000,0000,,თუ როგორ ვახერხებთ w-ს გაგებას,
Dialogue: 0,0:08:44.98,0:08:47.17,Default,,0000,0000,0000,,ტვინისას, რომელსაც ამის გაკეთება შეუძლია?
Dialogue: 0,0:08:47.19,0:08:49.03,Default,,0000,0000,0000,,როგორ დავადგინოთ ეს მოდელი?
Dialogue: 0,0:08:49.42,0:08:52.65,Default,,0000,0000,0000,,w-ს გაგების ეს პროცესი
Dialogue: 0,0:08:52.68,0:08:55.32,Default,,0000,0000,0000,,თუ ამას მარტივი განტოლებიდან ვაკეთებთ,
Dialogue: 0,0:08:55.35,0:08:57.35,Default,,0000,0000,0000,,რომელშიც ცვლადებს რიცხვებად წარმოვიდგენთ,
Dialogue: 0,0:08:57.37,0:09:00.06,Default,,0000,0000,0000,,ზუსტად ვიცით ეს როგორ გავაკეთოთ:\N6 = 2 x w,
Dialogue: 0,0:09:00.08,0:09:03.39,Default,,0000,0000,0000,,ვყოფთ 2-ზე და დამთავრდა.
Dialogue: 0,0:09:04.00,0:09:06.22,Default,,0000,0000,0000,,პრობლემა სწორედ ამ ოპერაციაშია,
Dialogue: 0,0:09:06.82,0:09:07.97,Default,,0000,0000,0000,,გაყოფაში...
Dialogue: 0,0:09:07.100,0:09:11.12,Default,,0000,0000,0000,,ჩვენ ვიყენებთ გაყოფას,\Nრადგან ის გამრავლების საპირისპიროა,
Dialogue: 0,0:09:11.14,0:09:12.58,Default,,0000,0000,0000,,მაგრამ როგორც გითხარით,
Dialogue: 0,0:09:12.61,0:09:15.06,Default,,0000,0000,0000,,ეს მთლად გამრავლება არ არის.
Dialogue: 0,0:09:15.08,0:09:18.41,Default,,0000,0000,0000,,ეს ურთულესი, ძალიან არაწრფივი ოპერაციაა,
Dialogue: 0,0:09:18.43,0:09:20.13,Default,,0000,0000,0000,,რომელსაც საპირისპირო არ გააჩნია.
Dialogue: 0,0:09:20.16,0:09:23.31,Default,,0000,0000,0000,,ამიტომ, ამ განტოლების ამოხსნა
Dialogue: 0,0:09:23.33,0:09:25.36,Default,,0000,0000,0000,,გაყოფის ოპერაციის გარეშე უნდა მოვახერხოთ.
Dialogue: 0,0:09:25.38,0:09:27.72,Default,,0000,0000,0000,,ამის გაკეთება კი,\Nსაკმაოდ მარტივად შეიძლება.
Dialogue: 0,0:09:27.75,0:09:30.42,Default,,0000,0000,0000,,უბრალოდ, პატარა ალგებრული ხრიკი ვიხმაროთ
Dialogue: 0,0:09:30.44,0:09:33.35,Default,,0000,0000,0000,,და 6-იანი განტოლების\Nმარჯვენა მხარეს გადავიტანოთ.
Dialogue: 0,0:09:33.37,0:09:35.20,Default,,0000,0000,0000,,ახლა, ისევ გამრავლება გვაქვს
Dialogue: 0,0:09:35.68,0:09:38.80,Default,,0000,0000,0000,,და ეს ნული....\Nმოდი ის "ცდომილებად" წარმოვიდგინოთ.
Dialogue: 0,0:09:39.28,0:09:41.79,Default,,0000,0000,0000,,სხვა სიტყვებით,\Nw-ის მიმართ სწორად თუ ამოვხსნით,
Dialogue: 0,0:09:41.82,0:09:43.47,Default,,0000,0000,0000,,მაშინ ცდომილება 0 იქნება.
Dialogue: 0,0:09:43.50,0:09:45.44,Default,,0000,0000,0000,,ხოლო, თუ შევცდებით,
Dialogue: 0,0:09:45.46,0:09:47.21,Default,,0000,0000,0000,,ცდომილება 0-ზე მეტი უნდა იყოს.
Dialogue: 0,0:09:47.23,0:09:50.60,Default,,0000,0000,0000,,მაშ, ახლა უკვე ვარაუდით,\Nშეგვიძლია ცდომილება მინიმუმზე დავიყვანოთ.
Dialogue: 0,0:09:50.62,0:09:53.31,Default,,0000,0000,0000,,სწორედ ამაში არიან კომპიუტერები\Nძალიან ძლიერები.
Dialogue: 0,0:09:53.33,0:09:54.93,Default,,0000,0000,0000,,მაშ, პირველადი ვარაუდი:
Dialogue: 0,0:09:54.95,0:09:56.11,Default,,0000,0000,0000,,იქნებ w = 0?
Dialogue: 0,0:09:56.13,0:09:57.37,Default,,0000,0000,0000,,მაშინ ცდომილება იქნება 6.
Dialogue: 0,0:09:57.40,0:09:59.11,Default,,0000,0000,0000,,ახლა ვცადოთ w = 1? ცდომილებაა 4.\N
Dialogue: 0,0:09:59.11,0:10:01.52,Default,,0000,0000,0000,,შემდეგ კომპიუტერს შეუძლია\N"გამოცნობა" ითამაშოს
Dialogue: 0,0:10:01.52,0:10:03.62,Default,,0000,0000,0000,,და ცდომილება 0-ს მიუახლოვოს.
Dialogue: 0,0:10:03.65,0:10:07.02,Default,,0000,0000,0000,,ამით ის w-ს მიმდევრობით მიახლოებებს იგებს.
Dialogue: 0,0:10:07.04,0:10:10.70,Default,,0000,0000,0000,,როგორც წესი, ზუსტად ვერასდროს გაიგებს,\Nმაგრამ ათეული ბიჯის შემდეგ,
Dialogue: 0,0:10:10.72,0:10:15.35,Default,,0000,0000,0000,,ჩვენ ვიღებთ w = 2.999,\Nრაც საკმარისი მიახლოებაა.
Dialogue: 0,0:10:16.30,0:10:18.12,Default,,0000,0000,0000,,ესაა შესწავლის პროცესი.
Dialogue: 0,0:10:18.14,0:10:20.87,Default,,0000,0000,0000,,გაგახსენებთ რას ვაკეთებთ.
Dialogue: 0,0:10:20.89,0:10:25.27,Default,,0000,0000,0000,,ვიღებთ უამრავ ცნობილ x-ს და y-ს
Dialogue: 0,0:10:25.30,0:10:28.75,Default,,0000,0000,0000,,და იტერაციული პროცესის გამოყენებით\Nვიგებთ w-ს.
Dialogue: 0,0:10:28.77,0:10:32.33,Default,,0000,0000,0000,,ზუსტად ასე ვსწავლობთ ჩვენც.
Dialogue: 0,0:10:32.35,0:10:34.58,Default,,0000,0000,0000,,ბავშვობაში უამრავ გამოსახულებას ვხედავთ
Dialogue: 0,0:10:34.61,0:10:37.24,Default,,0000,0000,0000,,და გვეუბნებიან: "ესაა ჩიტი, ეს არაა ჩიტი"
Dialogue: 0,0:10:37.71,0:10:39.81,Default,,0000,0000,0000,,და დროთა განმავლობაში, იტერაციით,
Dialogue: 0,0:10:39.84,0:10:42.76,Default,,0000,0000,0000,,ჩვენ ვიგებთ w-ს\Nდა ვაგებთ ნეიონულ კავშირებს.
Dialogue: 0,0:10:43.46,0:10:47.55,Default,,0000,0000,0000,,მაშ, ახლა ვიცით x და w\Nდა შეგვიძლია y-სთვის ამოვხსნათ;
Dialogue: 0,0:10:47.57,0:10:49.42,Default,,0000,0000,0000,,ეს ყოველდღიური სწრაფი აღქმაა.
Dialogue: 0,0:10:49.44,0:10:51.20,Default,,0000,0000,0000,,ჩვენ ვარკვევთ როგორ გავიგოთ w,
Dialogue: 0,0:10:51.23,0:10:53.13,Default,,0000,0000,0000,,ეს შესწავლაა, რაც ბევრად უფრო რთულია,
Dialogue: 0,0:10:53.16,0:10:55.46,Default,,0000,0000,0000,,რადგან უამრავ მაგალითზე\Nწვრთნის გამოყენებით,
Dialogue: 0,0:10:55.46,0:10:57.21,Default,,0000,0000,0000,,ცდომილების მინიმიზაცია გვიწევს.
Dialogue: 0,0:10:57.21,0:11:00.32,Default,,0000,0000,0000,,დაახლოებით 1 წლის წინ,\Nჩვენი გუნდის წევრმა, ალექს მორდვინცევმა,
Dialogue: 0,0:11:00.32,0:11:03.64,Default,,0000,0000,0000,,გადაწყვიტა ჩაეტარებინა განტოლების\Nx-ის მიმართ ამოხსნის ექსპერიმენტი,
Dialogue: 0,0:11:03.66,0:11:05.70,Default,,0000,0000,0000,,მაშინ როცა w და y ცნობილია.
Dialogue: 0,0:11:06.12,0:11:07.28,Default,,0000,0000,0000,,სხვა სიტყვებით,
Dialogue: 0,0:11:07.30,0:11:08.65,Default,,0000,0000,0000,,ვიცით, რომ ეს ჩიტია
Dialogue: 0,0:11:08.68,0:11:11.98,Default,,0000,0000,0000,,და გვაქვს ნეირონული ქსელი,\Nრომელსაც ჩიტების ამოცნობა შეუძლია,
Dialogue: 0,0:11:12.00,0:11:14.35,Default,,0000,0000,0000,,მაგრამ როგორი იქნება ჩიტის გამოსახულება?
Dialogue: 0,0:11:15.03,0:11:20.06,Default,,0000,0000,0000,,აღმოჩნდა, რომ ზუსტად ისეთივე ცდომილების\Nშემამცირებელი პროცედურის გამოყენებით
Dialogue: 0,0:11:20.08,0:11:23.51,Default,,0000,0000,0000,,შეგვიძლია ეს ჩიტების ამოცნობაზე გაწვრთნილ\Nნეირონულ ქსელს გავუკეთოთ
Dialogue: 0,0:11:23.54,0:11:26.92,Default,,0000,0000,0000,,და შედეგი...
Dialogue: 0,0:11:30.40,0:11:31.70,Default,,0000,0000,0000,,ჩიტების გამოსახულებაა.
Dialogue: 0,0:11:32.81,0:11:36.55,Default,,0000,0000,0000,,მაშ, ჩიტების ეს გამოსახულება, მთლიანად\Nისეთი ნეირონული ქსელის მიერაა შექმნილი,
Dialogue: 0,0:11:36.58,0:11:38.75,Default,,0000,0000,0000,,რომლებიც ჩიტების ამოცნობაზეა გაწვრთნილი.
Dialogue: 0,0:11:38.75,0:11:41.96,Default,,0000,0000,0000,,ეს შესაძლებელი გახდა\Nმხოლოდ y-ის ნაცვლად x მიმართ
Dialogue: 0,0:11:41.99,0:11:43.28,Default,,0000,0000,0000,,იტერაციული ამოხსნით.
Dialogue: 0,0:11:43.73,0:11:45.58,Default,,0000,0000,0000,,აი, კიდევ ერთი სახალისო მაგალითი.
Dialogue: 0,0:11:45.60,0:11:49.04,Default,,0000,0000,0000,,ეს ჩვენი ჯგუფის წევრის,\Nმაიკ ტაიკას გაკეთებულია.
Dialogue: 0,0:11:49.06,0:11:51.37,Default,,0000,0000,0000,,მან ამას "ცხოველების აღლუმი" დაარქვა.
Dialogue: 0,0:11:51.40,0:11:54.27,Default,,0000,0000,0000,,ეს ცოტათი უილიამ კენტრიჯის\Nშემოქმედებას მაგონებს,
Dialogue: 0,0:11:54.30,0:11:56.78,Default,,0000,0000,0000,,სადაც ის ესკიზებს აკეთებს,\Nშემდეგ შლის,
Dialogue: 0,0:11:56.81,0:11:58.52,Default,,0000,0000,0000,,შემდეგ ისევ ხატავს, შემდეგ შლის
Dialogue: 0,0:11:58.52,0:11:59.69,Default,,0000,0000,0000,,და ასე ქმნის ფილმს.
Dialogue: 0,0:11:59.72,0:12:00.87,Default,,0000,0000,0000,,ამ შემთხვევაში
Dialogue: 0,0:12:00.89,0:12:04.17,Default,,0000,0000,0000,,მაიკი ცვლის y-ს\Nსხვადასხვა ცხოველების სივრცეზე
Dialogue: 0,0:12:04.19,0:12:06.57,Default,,0000,0000,0000,,ქსელში, რომელიც სხვადასხვა ცხოველების
Dialogue: 0,0:12:06.60,0:12:08.41,Default,,0000,0000,0000,,ამოსაცნობად და გასარჩევადაა შექმნილი.
Dialogue: 0,0:12:08.43,0:12:12.82,Default,,0000,0000,0000,,შედეგად იღებთ, რაღაც ეშერის სტილში,\Nმორფულ გადასვლებს ცხოველებს შორის.
Dialogue: 0,0:12:14.22,0:12:18.84,Default,,0000,0000,0000,,აქ, მან და ალექსმა\Nერთად სცადეს შეემცირებინათ
Dialogue: 0,0:12:18.86,0:12:21.62,Default,,0000,0000,0000,,y-ების სიმრავლე\Nმხოლოდ ორგანზომილებიან სივრცეზე
Dialogue: 0,0:12:21.64,0:12:25.08,Default,,0000,0000,0000,,რითიც მიიღეს, ამ ქსელის მიერ\Nყველა ამოცნობადი ობიექტისგან
Dialogue: 0,0:12:25.10,0:12:26.82,Default,,0000,0000,0000,,შემდგარი სივრცის რუკა.
Dialogue: 0,0:12:26.85,0:12:28.87,Default,,0000,0000,0000,,მსგავსი სინთეზის გაკეთებისას,
Dialogue: 0,0:12:28.89,0:12:31.28,Default,,0000,0000,0000,,ან გამოსახულებების გენერირებით\Nმთელ ზედაპირზე,
Dialogue: 0,0:12:31.30,0:12:34.15,Default,,0000,0000,0000,,y-ის ცვლილებით ზედაპირზე,\Nთქვენ ქმნით გარკვეულ რუკას.
Dialogue: 0,0:12:34.17,0:12:37.31,Default,,0000,0000,0000,,იმ ყველაფრის ვიზუალურ რუკას,\Nრისი ამოცნობაც ქსელს შეუძლია.
Dialogue: 0,0:12:37.34,0:12:40.56,Default,,0000,0000,0000,,ყველა ცხოველი აქაა;\N"ჯავშნოსანი" ზუსტად ამ წერტილშია.
Dialogue: 0,0:12:40.92,0:12:43.40,Default,,0000,0000,0000,,ამის გაკეთება,\Nსხვა სახის ქსელებშიც შეგიძლიათ.
Dialogue: 0,0:12:43.42,0:12:46.30,Default,,0000,0000,0000,,ეს სახეების ამოსაცნობად შექმნილი ქსელია,
Dialogue: 0,0:12:46.32,0:12:48.32,Default,,0000,0000,0000,,რომელიც ერთ სახეს მეორისგან ასხვავებს.
Dialogue: 0,0:12:48.34,0:12:51.59,Default,,0000,0000,0000,,და აქ ვამატებთ y, რომელიც არის "მე",
Dialogue: 0,0:12:51.62,0:12:53.19,Default,,0000,0000,0000,,ჩემი სახის პარამეტრები.
Dialogue: 0,0:12:53.22,0:12:54.92,Default,,0000,0000,0000,,როცა ამას x მიმართ ვხსნით,
Dialogue: 0,0:12:54.95,0:12:57.56,Default,,0000,0000,0000,,ვიღებთ ჩემს საკმაოდ გიჟურ,
Dialogue: 0,0:12:57.59,0:13:02.02,Default,,0000,0000,0000,,კუბისტურ, სურეალისტურ,\Nფსიქოდელიურ სურათს,
Dialogue: 0,0:13:02.04,0:13:03.85,Default,,0000,0000,0000,,სხვადასხვა კუთხიდან ერთდროულად.
Dialogue: 0,0:13:03.87,0:13:06.60,Default,,0000,0000,0000,,ის ერთდროულად სხვადასხვა კუთხიდან\Nდანახულს იმიტომ ჰგავს,
Dialogue: 0,0:13:06.63,0:13:10.32,Default,,0000,0000,0000,,რომ ეს ქსელი ცდილობს\Nგათავისუფლდეს იმ გაურკვევლობისგან,
Dialogue: 0,0:13:10.34,0:13:12.82,Default,,0000,0000,0000,,რომელიც სახის სხვადასხვა მდგომარეობაში,
Dialogue: 0,0:13:12.84,0:13:16.22,Default,,0000,0000,0000,,ან სხვადასხვა განათების პირობებში\Nყოფნას ახლავს.
Dialogue: 0,0:13:16.24,0:13:18.32,Default,,0000,0000,0000,,ამიტომ, როცა მსგავს\Nრეკონსტრუქციას აკეთებთ,
Dialogue: 0,0:13:18.35,0:13:20.65,Default,,0000,0000,0000,,თუ საფუძვლად არ გამოიყენებთ\Nრაღაც ტიპის სურათს,
Dialogue: 0,0:13:20.68,0:13:21.89,Default,,0000,0000,0000,,ან სტატისტიკას,
Dialogue: 0,0:13:21.91,0:13:25.68,Default,,0000,0000,0000,,მიიღებთ სხვადასხვა თვალთახედვის აღრევას,
Dialogue: 0,0:13:25.70,0:13:27.79,Default,,0000,0000,0000,,რადგან ადგილი აქვს გაურკვევლობას.
Dialogue: 0,0:13:27.79,0:13:32.01,Default,,0000,0000,0000,,აი, რა მოხდება თუ ალექსი\Nჩემი სახის რეკონსტრუქციისთვის,
Dialogue: 0,0:13:32.03,0:13:35.35,Default,,0000,0000,0000,,ოპტიმიზაციის პროცესში საფუძვლად\Nსაკუთარ სახეს გამოიყენებს.
Dialogue: 0,0:13:36.28,0:13:38.61,Default,,0000,0000,0000,,როგორც ხედავთ იდეალური არაა.
Dialogue: 0,0:13:38.64,0:13:40.51,Default,,0000,0000,0000,,კიდევ ბევრი სამუშაოა ჩასატარებელი
Dialogue: 0,0:13:40.53,0:13:42.99,Default,,0000,0000,0000,,თუ როგორ მოვახდინოთ\Nოპტიმიზაციის პროცესის ოპტიმიზება.
Dialogue: 0,0:13:43.01,0:13:45.84,Default,,0000,0000,0000,,თუმცა, უკვე ვიღებთ,\Nრაღაც უფრო გამოკვეთილი სახის მსგავსს,
Dialogue: 0,0:13:45.86,0:13:48.50,Default,,0000,0000,0000,,როცა საფუძვლად ჩემს სახეს ვიყენებთ.
Dialogue: 0,0:13:48.89,0:13:51.39,Default,,0000,0000,0000,,არ არის აუცილებელი სუფთა ფურცლიდან,
Dialogue: 0,0:13:51.42,0:13:52.87,Default,,0000,0000,0000,,ან თეთრი ხმაურიდან დაიწყოთ,
Dialogue: 0,0:13:52.87,0:13:54.06,Default,,0000,0000,0000,,როცა x-ის მიმართ ხსნით.
Dialogue: 0,0:13:54.06,0:13:57.81,Default,,0000,0000,0000,,შეგიძლიათ დაიწყოთ x-ით,\Nრომელიც თავისთავად რაღაც გამოსახულებაა.
Dialogue: 0,0:13:57.84,0:14:00.39,Default,,0000,0000,0000,,ეს არის ამის პატარა დემონსტრირება.
Dialogue: 0,0:14:00.42,0:14:04.54,Default,,0000,0000,0000,,ეს არის ქსელი, რომელიც შექმნილია
Dialogue: 0,0:14:04.56,0:14:08.19,Default,,0000,0000,0000,,სხვადასხვა ობიექტების, ხელოვნური\Nსტრუქტურების, ცხოველების კატეგორიზებისთვის
Dialogue: 0,0:14:08.19,0:14:10.30,Default,,0000,0000,0000,,ვიწყებთ მხოლოდ ღრუბლების გამოსახულებით
Dialogue: 0,0:14:10.32,0:14:11.100,Default,,0000,0000,0000,,და ოპტიმიზაციასთან ერთად,
Dialogue: 0,0:14:12.02,0:14:16.50,Default,,0000,0000,0000,,ქსელი არკვევს, თუ რას ხედავს ის ღრუბლებში.
Dialogue: 0,0:14:16.93,0:14:19.25,Default,,0000,0000,0000,,რაც უფრო დიდხანს უყურებთ,
Dialogue: 0,0:14:19.28,0:14:22.03,Default,,0000,0000,0000,,თქვენც მით უფრო მეტ რამეს\Nდაინახავთ ღრუბლებში.
Dialogue: 0,0:14:22.82,0:14:26.42,Default,,0000,0000,0000,,თქვენ ასევე შეგიძლიათ ჰალუცინაციებისთვის,\Nსახის ამომცნობი ქსელი გამოიყენოთ
Dialogue: 0,0:14:26.42,0:14:28.22,Default,,0000,0000,0000,,და საკმაოდ გიჟურ რამეებს მიიღებთ.
Dialogue: 0,0:14:28.24,0:14:29.39,Default,,0000,0000,0000,,(სიცილი)
Dialogue: 0,0:14:30.40,0:14:33.14,Default,,0000,0000,0000,,მაიკმა კიდევ სხვა ექსპერიმენტებიც ჩაატარა,
Dialogue: 0,0:14:33.17,0:14:37.07,Default,,0000,0000,0000,,რომლებშიც ის იღებს\Nღრუბლების გამოსახულებას,
Dialogue: 0,0:14:37.10,0:14:40.76,Default,,0000,0000,0000,,ჰალუცინირებს, აახლოვებს, ჰალუცინირებს,\Nაახლოვებსს, ჰალუცინირებს, აახლოვებს.
Dialogue: 0,0:14:40.76,0:14:42.38,Default,,0000,0000,0000,,და ამგვარად, შეგიძლიათ მიიღოთ
Dialogue: 0,0:14:42.38,0:14:45.48,Default,,0000,0000,0000,,ქსელის დისოციაციური მდგომარეობის მაგვარი,
Dialogue: 0,0:14:45.50,0:14:49.18,Default,,0000,0000,0000,,ან რაღაც თავისუფალი ასოციაციების მაგვარი,
Dialogue: 0,0:14:49.21,0:14:51.43,Default,,0000,0000,0000,,რომელშიც ქსელი საკუთარ კუდს ჭამს.
Dialogue: 0,0:14:51.46,0:14:54.88,Default,,0000,0000,0000,,ანუ, ყოველი გამოსახულება საფუძვლად უდევს:
Dialogue: 0,0:14:54.90,0:14:56.32,Default,,0000,0000,0000,,"რას დავინახავ შემდეგ?
Dialogue: 0,0:14:56.35,0:14:59.15,Default,,0000,0000,0000,,რას დავინახავ შემდეგ?\Nრას დავინახავ შემდეგ?"
Dialogue: 0,0:14:59.49,0:15:02.42,Default,,0000,0000,0000,,პირველად ეს საჯაროდ
Dialogue: 0,0:15:02.45,0:15:07.88,Default,,0000,0000,0000,,სიეტლში ვაჩვენე, ლექციაზე სახელად\N"უმაღლესი განათლება"...
Dialogue: 0,0:15:07.91,0:15:10.34,Default,,0000,0000,0000,,სწორედ მარიხუანას ლეგაიზაციის შემდეგ.
Dialogue: 0,0:15:10.37,0:15:12.78,Default,,0000,0000,0000,,(სიცილი)
Dialogue: 0,0:15:14.63,0:15:16.73,Default,,0000,0000,0000,,მინდა სწრაფათ დავასრულო იმით,
Dialogue: 0,0:15:16.76,0:15:21.01,Default,,0000,0000,0000,,რომ ეს ტექნოლოგია შეუზღუდავია.
Dialogue: 0,0:15:21.03,0:15:24.70,Default,,0000,0000,0000,,მე მხოლოდ ვიზუალური მაგალითები გაჩვენეთ,\Nიმიტომ რომ ისინი სახალისო სანახავია.
Dialogue: 0,0:15:24.72,0:15:27.17,Default,,0000,0000,0000,,ეს არაა მხოლოდ ვიზუალური ტექნოლოგია.
Dialogue: 0,0:15:27.20,0:15:29.56,Default,,0000,0000,0000,,ჩვენმა თანამშრომელმა,\Nმხატვარმა, როს გუდუინმა,
Dialogue: 0,0:15:29.56,0:15:32.89,Default,,0000,0000,0000,,ექსპერიმენტები კამერის გამოყენებით ჩაატარა
Dialogue: 0,0:15:32.91,0:15:37.14,Default,,0000,0000,0000,,და მის ზურჩანთაში მყოფი კომპიუტერი\Nნეირონული ქსელის გამოყენებით ლექსებს წერს,
Dialogue: 0,0:15:37.17,0:15:39.67,Default,,0000,0000,0000,,მის მიერ გადაღებული სურათების\Nშითავისის საფუძველზე.
Dialogue: 0,0:15:39.67,0:15:42.08,Default,,0000,0000,0000,,ეს პოეტური ნეირონული ქსელი
Dialogue: 0,0:15:42.11,0:15:44.67,Default,,0000,0000,0000,,მე-20 საუკუნის პოეზიის\Nდიდ კრებულზეა გაწვრთნილი.
Dialogue: 0,0:15:44.67,0:15:45.86,Default,,0000,0000,0000,,და ეს პოეზია, ვფიქრობ,
Dialogue: 0,0:15:45.89,0:15:47.80,Default,,0000,0000,0000,,არც ისე ცუდია, პრინციპში.
Dialogue: 0,0:15:47.83,0:15:49.21,Default,,0000,0000,0000,,(სიცილი)
Dialogue: 0,0:15:49.23,0:15:50.39,Default,,0000,0000,0000,,და ბოლოს,
Dialogue: 0,0:15:50.42,0:15:52.55,Default,,0000,0000,0000,,ვფიქრობ მიქელანჯელო
Dialogue: 0,0:15:52.57,0:15:53.81,Default,,0000,0000,0000,,მართალი იყო;
Dialogue: 0,0:15:53.83,0:15:57.27,Default,,0000,0000,0000,,აღქმა და შემოქმედება,\Nძალიან მჭიდროდაა დაკავშირებული.
Dialogue: 0,0:15:57.61,0:16:00.24,Default,,0000,0000,0000,,ახლა ჩვენ ვნახეთ ნეირონული ქსელები,
Dialogue: 0,0:16:00.27,0:16:02.57,Default,,0000,0000,0000,,რომლებიც გაწვრთნილები არიან გაარჩიონ
Dialogue: 0,0:16:02.60,0:16:04.84,Default,,0000,0000,0000,,და ამოიცნონ\Nსხვადასხვა ობიექტები მსოფლიოში.
Dialogue: 0,0:16:04.86,0:16:08.02,Default,,0000,0000,0000,,მათ შეუძლიათ უკუღმა გაეშვან\Nდა შექმნან.
Dialogue: 0,0:16:08.05,0:16:09.83,Default,,0000,0000,0000,,ერთ-ერთი რასაც ეს მაჩვენებს
Dialogue: 0,0:16:09.85,0:16:12.25,Default,,0000,0000,0000,,არა მხოლოდ ისაა,\Nრომ მიქელანჯელო მართლაც ხედავდა
Dialogue: 0,0:16:12.28,0:16:14.73,Default,,0000,0000,0000,,ქანდაკებას ქვის ბლოკებში,
Dialogue: 0,0:16:14.75,0:16:18.39,Default,,0000,0000,0000,,არამედ, რომ ნებისმიერი ქმნილება,\Nნებისმიერი არსება, უცხოპლანეტელი,
Dialogue: 0,0:16:18.41,0:16:22.07,Default,,0000,0000,0000,,რომელსაც მსგავსი აღქმის უნარი აქვს,
Dialogue: 0,0:16:22.10,0:16:23.47,Default,,0000,0000,0000,,შეუძლია შექმნას კიდეც,
Dialogue: 0,0:16:23.49,0:16:26.72,Default,,0000,0000,0000,,რადგან ორივე შემთხვევაში\Nზუსტად ერთნაირი მექანიზმი გამოიყენება.
Dialogue: 0,0:16:26.74,0:16:31.27,Default,,0000,0000,0000,,ასევე ვფიქრობ, რომ აღქმა და შემოქმედება\Nსულაც არ არის
Dialogue: 0,0:16:31.30,0:16:32.51,Default,,0000,0000,0000,,უნიკალურად ადამიანური.
Dialogue: 0,0:16:32.53,0:16:36.42,Default,,0000,0000,0000,,ჩვენ უკვე გვაქვს კოპიუტერული მოდელები,\Nრომლებსაც მსგავსი რამეების კეთება შეუძლიათ
Dialogue: 0,0:16:36.42,0:16:39.59,Default,,0000,0000,0000,,და გასაკვირი არც უნდა იყოს;\Nტვინიც ხომ ერთგვარი კომპიუტერია
Dialogue: 0,0:16:39.62,0:16:41.27,Default,,0000,0000,0000,,და ბოლოს,
Dialogue: 0,0:16:41.30,0:16:45.96,Default,,0000,0000,0000,,კომპიუტერების შექმნა გონიერი მანქანების\Nშექმნის მცდელობად დაიწყო.
Dialogue: 0,0:16:45.99,0:16:48.45,Default,,0000,0000,0000,,მისი შემუშავება\Nდიდწილად განსაზღვრა იდეამ,
Dialogue: 0,0:16:48.48,0:16:51.49,Default,,0000,0000,0000,,თუ როგორ შეგვიძლია\Nმანქანები გახვადოთ გონიერი.
Dialogue: 0,0:16:51.51,0:16:53.67,Default,,0000,0000,0000,,და ახლა საბოლოოდ, ვიწყებთ
Dialogue: 0,0:16:53.70,0:16:56.10,Default,,0000,0000,0000,,ამ საქმის პიონერების,\Nტიურინგის და ვონ ნოიმანის,
Dialogue: 0,0:16:56.13,0:16:57.84,Default,,0000,0000,0000,,მაკკალოკის და პიტსის
Dialogue: 0,0:16:57.86,0:17:00.13,Default,,0000,0000,0000,,ზოგიერთი დანაპირების შესრულებას.
Dialogue: 0,0:17:00.15,0:17:04.25,Default,,0000,0000,0000,,ვფიქრობ კომპიუტერები\Nარა მხოლოდ გამოთვლაა,
Dialogue: 0,0:17:04.28,0:17:06.42,Default,,0000,0000,0000,,ან Candy Crush-ის,\Nან რამე მსგავსის თამაში.
Dialogue: 0,0:17:06.45,0:17:09.26,Default,,0000,0000,0000,,ჩვენ ისინი თავიდანვე\Nჩვენი ტვინის მიხედვით დავაპროექტეთ.
Dialogue: 0,0:17:09.26,0:17:12.32,Default,,0000,0000,0000,,ისინი საშუალებას გვაძლევს\Nროგორც ჩვენი ტვინი გავიგოთ უკეთ,
Dialogue: 0,0:17:12.34,0:17:13.87,Default,,0000,0000,0000,,ასევე გავაუმჯობესოთ ის.
Dialogue: 0,0:17:14.63,0:17:15.79,Default,,0000,0000,0000,,დიდი მადლობა.
Dialogue: 0,0:17:15.82,0:17:21.76,Default,,0000,0000,0000,,(აპლოდისმენტები)