WEBVTT

00:00:00.800 --> 00:00:04.624
მე Google-ში ვხელმძღვანელობ ჯგუფს,
რომელიც მანქანურ ინტელექტზე მუშაობს.

00:00:04.624 --> 00:00:08.598
სხვა სიტყვებით, ესაა საინჟინრო დისციპლინა,
რომელიც კომპიუტერებს და მოწყობილობებს

00:00:08.622 --> 00:00:11.041
აკეთებინებს იმას, რასაც ტვინები აკეთებენ.

00:00:11.439 --> 00:00:14.538
ამიტომ, ჩვენ ნამდვილი ტვინებითაც

00:00:14.562 --> 00:00:17.111
და ნეირომეცნიერებითაც ვართ დაინტერესებული.

00:00:17.111 --> 00:00:20.047
განსაკუთრებით ტვინის ისეთი ფუნქციებით,

00:00:20.071 --> 00:00:24.113
რომლებიც ბევრად აღემატება კომპიუტერებისას.

NOTE Paragraph

00:00:25.209 --> 00:00:28.818
ისტორიულად, ერთ-ერთი ასეთი ფუნქცია აღქმაა.

00:00:28.842 --> 00:00:31.881
პროცესი, რომლის შედეგადაც
მსოფლიოში არსებული

00:00:31.905 --> 00:00:33.489
ხმები და გამოსახულებები,

00:00:33.513 --> 00:00:35.691
ტვინში წარმოდგენებად იქცევა.

00:00:36.235 --> 00:00:38.752
ეს ჩვენი ტვინის აუცილებელი ფუნქციაა

00:00:38.776 --> 00:00:41.240
და კომპიუტერისთვისაც საკმაოდ გამოსადეგი.

00:00:41.636 --> 00:00:44.986
ჩვენი გუნდის მიერ შექმნილი
მანქანური აღქმის ალგორითმების მაგალითია,

00:00:45.010 --> 00:00:48.884
როცა Google-ის ფოტოებში სურათების მოძებნა,

00:00:48.908 --> 00:00:51.455
მასზე არსებული
გამოსახულებითაა შესაძლებელი.

00:00:51.785 --> 00:00:55.087
აღქმის საპირისპირო მხარე შემოქმედებაა.

00:00:55.111 --> 00:00:58.149
როცა წარმოდგენას რეალობად აქცევთ.

00:00:58.173 --> 00:01:01.728
გასულ წელს, მანქანურ აღქმაზე მუშაობამ,

00:01:01.752 --> 00:01:06.611
მოულოდნელად მანქანურ შემოქმედებასთან


00:01:06.635 --> 00:01:08.525
და მანქანურ ხელოვნებასთან დაგვაკავშირა.

NOTE Paragraph

00:01:08.556 --> 00:01:11.840
ვფიქრობ, მიქელანჯელოს აზრი
ორმხრივ დამოკიდებულებაზე

00:01:11.864 --> 00:01:15.520
აღქმასა და შემოქმედებას შორის,
მართლაც შორსმჭვრეტელი იყო.

00:01:16.023 --> 00:01:18.029
მისი ეს ცნობილი ციტატა შემდეგია:

00:01:18.053 --> 00:01:21.376
"ქვის ყოველი ბლოკის შიგნით ქანდაკებაა

00:01:22.036 --> 00:01:25.038
და მოქანდაკის ამოცანაა ის აღმოაჩინოს"

00:01:26.029 --> 00:01:29.245
მგონი, მიქელანჯელო იმას გულისხმობდა,

00:01:29.269 --> 00:01:32.449
რომ ჩვენ აღქმის წყალობით ვქმნით

00:01:32.473 --> 00:01:35.496
და აღქმა თვითონაა წარმოსახვის აქტი

00:01:35.520 --> 00:01:37.981
და მასალა შემოქმედებისთვის.

NOTE Paragraph

00:01:38.691 --> 00:01:42.616
ორგანო, რომელიც ამას ყველაფერს
ფიქრობს, აღიქვამს და წარმოიდგენს

00:01:42.640 --> 00:01:44.228
რა თქმა უნდა ტვინია.

00:01:45.089 --> 00:01:47.634
მინდა ტვინზე ჩვენი ცოდნის

00:01:47.658 --> 00:01:49.960
მოკლე ისტორიული მიმოხილვით დავიწყო.

00:01:50.496 --> 00:01:52.942
გულისგან და ნაწლავებისგან განსხვავებით,

00:01:52.966 --> 00:01:56.110
ტვინს თუ შეხედავთ,
მასზე ბევრს ვერაფერს იტყვით,

00:01:56.134 --> 00:01:58.116
ყოველ შემთხვევაში შეუიარაღებელი თვალით.

00:01:58.116 --> 00:02:00.399
ადრეული ანატომები,
რომლებიც ტვინს აკვირდებოდნენ

00:02:00.423 --> 00:02:04.230
მის გარე სტრუქტურას
სხვადასხვა უცნაურ სახელებს არქმევდნენ,

00:02:04.254 --> 00:02:07.087
მაგალითად, როგორც ჰიპოკამპი,
რაც "პატარა კრევეტს" ნიშნავს

00:02:07.087 --> 00:02:10.375
თუმცა, რა თქმა უნდა, ეს ყველაფერი,
ბევრს არაფერს გვეუბნება იმაზე,

00:02:10.375 --> 00:02:12.653
თუ რა ხდება სინამდვილეში შიგნით.

NOTE Paragraph

00:02:12.780 --> 00:02:16.393
ვფიქრობ, პირველი, ვინც რეალურად
შეიქმნა რაღაც წარმოდგენა მაინც,

00:02:16.417 --> 00:02:18.347
თუ რა ხდებოდა ტვინში,

00:02:18.371 --> 00:02:22.291
დიდი ესპანელი ნეიროანატომი
სანტიაგო რამონ ი კახალი იყო,

00:02:22.315 --> 00:02:23.859
მე-19 საუკუნეში.

00:02:23.883 --> 00:02:27.638
მან მიკროსკოპი
და სპეციალური საღებავი გამოიყენა,

00:02:27.662 --> 00:02:31.832
რომლითაც ტვინის ცალკეული უჯრედები
შერჩევითად შეავსო

00:02:31.856 --> 00:02:33.864
და კონტრასტული გახადა,


00:02:33.888 --> 00:02:37.042
რითიც მათი მორფოლოგია გაიგო.

00:02:37.972 --> 00:02:40.863
ესაა ნეირონების ის გამოსახულებები,


00:02:40.887 --> 00:02:42.896
რომლებიც მან მე-19 საუკუნეში დახატა.

NOTE Paragraph

00:02:42.896 --> 00:02:44.004
ეს ჩიტის ტვინია.

00:02:44.028 --> 00:02:47.085
აქ თქვენ უჯრედების
არაჩვეულებრივ მრავალფეროვნებას ხედავთ,

00:02:47.109 --> 00:02:50.544
ამ დროს უჯრედული თეორიაც კი,
საკმაოდ ახალი ხილი იყო.

00:02:50.568 --> 00:02:52.366
მითუმეტეს, უჯრედთა სტრუქტურები

00:02:52.366 --> 00:02:54.129
უჯრედთა ეს განშტოებები

00:02:54.153 --> 00:02:56.761
და მათი ეს განტოტვა,
რომელიც ძალიან შორს მიდის,

00:02:56.785 --> 00:02:58.401
ეს ძალიან ახალი იყო.

00:02:58.779 --> 00:03:01.682
ისინი რა თქმა უნდა სადენებს გაგონებთ,

00:03:01.706 --> 00:03:05.163
რაც შეიძლება უკვე ნაცნობი იყო
ზოგისთვის მე-19 საუკუნეში.

00:03:05.187 --> 00:03:09.501
ელექტროფიკაცია სწორედ ამ დროს იწყებოდა.

00:03:09.964 --> 00:03:11.142
თუმცა, დიდი ანგარიშით,

00:03:11.166 --> 00:03:14.479
რამონ ი კახალის
ეს მიკრონატომიური გამოსახულებები

00:03:14.503 --> 00:03:16.835
რაღაც მხრივ დღესაც შეუდარებელია.

NOTE Paragraph

00:03:16.859 --> 00:03:19.163
ერთი საუკუნის შემდეგ,
ჩვენ ჯერ კიდევ ვცდილობთ

00:03:19.163 --> 00:03:21.562
რამონ ი კახალის მიერ
დაწყებული საქმის დასრულებას.

00:03:21.586 --> 00:03:24.720
ეს ჩვენი კოლეგების მიერ მოპოვებული
დაუმუშავებელი მონაცემებია,

00:03:24.744 --> 00:03:27.625
მაქს პლანკის
ნეირომეცნიერების ინსტიტუტიდან.

00:03:27.649 --> 00:03:29.439
ჩვენმა კოლეგებმა,

00:03:29.463 --> 00:03:34.464
ტვინის ქსოვილის პატარა ნაჭრები გამოსახეს.

00:03:34.488 --> 00:03:37.814
ეს მთელი ნიმუში
დაახლოებით 1 კუბური მილიმეტრია

00:03:37.838 --> 00:03:40.459
და მე აქ ძალიან პატარა ნაჭერს გაჩვენებთ.

00:03:40.483 --> 00:03:42.829
მარცხნივ, ეს ფირფიტა
დაახლოებით 1 მიკრონია.

00:03:42.853 --> 00:03:45.262
სტრუქტურები, რომელსაც ხედავთ

00:03:45.286 --> 00:03:47.330
ბაქტერიის ზომის მიტოქონდრიებია.

00:03:47.354 --> 00:03:48.905
ეს ქსოვილის ძალიან მცირე ბლოკის

00:03:48.929 --> 00:03:52.077
მიმდევრობითი ჩამონაჭრებია.

00:03:52.101 --> 00:03:54.504
შედარებისთვის,

00:03:54.528 --> 00:03:58.320
თმის ერთი ღერის
საშუალო დიამეტრი 100 მიკრონია.

00:03:58.344 --> 00:04:00.618
ანუ აქ ჩვენ ვუყურებთ

00:04:00.642 --> 00:04:02.390
თმის ღერზე ბევრად პატარა რამეს.

NOTE Paragraph

00:04:02.390 --> 00:04:06.095
ამ მიკროსკოპული ჩამონაჭრების სერიიდან

00:04:06.119 --> 00:04:11.127
შეიძლება 3 განზომილებიანი
ნეირონის მსგავსი რეკონსტრუქციების აწყობა.

00:04:11.151 --> 00:04:14.308
სტილით ისინი,
რამონ ი კახალის ნახატებს ჰგავს.

00:04:14.332 --> 00:04:16.134
მხოლოდ ცალკეული ნეირონები ნათდება,

00:04:16.134 --> 00:04:18.629
სხვაგვარად ვერაფერს დავინახავდით.

00:04:18.653 --> 00:04:19.965
ისეთი გადაჭედილი იქნებოდა,

00:04:19.989 --> 00:04:21.319
სავსე სტრუქტურებითა

00:04:21.343 --> 00:04:25.077
და გაყვანილობებით,
რომლებიც ერთ ნეირონს მეორესთან აერთებს

NOTE Paragraph

00:04:25.317 --> 00:04:28.097
მაშ, რამონ ი კახალი დროს ცოტათი უსწრებდა


00:04:28.121 --> 00:04:30.676
და ტვინის გაგება ნელა პროგრესირებდა

00:04:30.700 --> 00:04:32.971
შემდეგი რამდენიმე ათწლეულის მანძილზე.

00:04:33.455 --> 00:04:36.308
თუმცა, ჩვენ ვიცოდით,
რომ ნეირონები ელექტრობას იყენებდნენ

00:04:36.356 --> 00:04:40.272
და მეორე მსოფლიო ომისთვის, ტექნოლოგია
საკმარისად განვითარებული იყო იმისთვის,

00:04:40.272 --> 00:04:43.528
რომ ცოცხალ ნეირონებზე ნამდვილი
ელექტრო ექსპერიმენტები ჩატარებულიყო

00:04:43.528 --> 00:04:46.168
იმისთვის რომ უკეთ შეგვესწავლა,
როგორ მუშაობენ ისინი.

00:04:46.168 --> 00:04:48.987
ეს ზუსტად ის დროა,
როცა კომპიუტერები გამოიგონეს,

00:04:49.011 --> 00:04:52.111
სწორედ ტვინის მოდელირებაზე,
ე.წ. "გონიერ მანქანაზე" დაფუძნებით,

00:04:52.135 --> 00:04:55.220
როგორც მას კომპიუტერული მეცნიერების
ერთ-ერთმა მამამ,

00:04:55.244 --> 00:04:57.235
ალან ტიურინგმა უწოდა.

NOTE Paragraph

00:04:57.923 --> 00:05:02.555
უორენ მაკკალოკმა და უოლტერ პიტსმა
შეხედეს რამონ ი კახალის ნახატებს,

00:05:02.579 --> 00:05:04.246
რომელზეც მხედველობის ქერქი იყო

00:05:04.246 --> 00:05:05.482
ახლა სწორედ ამას ხედავთ.

00:05:05.506 --> 00:05:09.838
ტვინის ეს ქერქი თვალებიდან შემოსულ
გამოსახულებებს ამუშავებს

00:05:10.428 --> 00:05:13.932
მათთვის ეს შეკრული წრედის
დიაგრამასავით იყო.

00:05:14.353 --> 00:05:18.188
მაკკალოკმა და პიტსის წრედის დიაგრამაში

00:05:18.212 --> 00:05:20.004
ბევრი დეტალი მთლად ზუსტი არ არის,

00:05:20.004 --> 00:05:21.303
თუმცა ძირითადი იდეა,

00:05:21.303 --> 00:05:24.839
რომ მხედველობის ქერქი მუშაობს,
როგორც გამოთვლითი ელემენტების სერია,

00:05:24.863 --> 00:05:27.609
რომლებიც ერთმანეთს
კასკადურად გადასცემენ ინფორმაციას,

00:05:27.633 --> 00:05:29.235
არსებითად სწორია.

NOTE Paragraph

00:05:29.259 --> 00:05:31.609
მოდი, ერთი წუთით ვთქვათ

00:05:31.633 --> 00:05:35.665
რა უნდა გააკეთოს ვიზუალური ინფორმაციის
დამუშავების მოდელმა

00:05:36.228 --> 00:05:38.969
აღქმის ძირითადი ამოცანაა,

00:05:38.993 --> 00:05:43.187
აიღოს მსგავსი გამოსახულება და თქვას

00:05:43.211 --> 00:05:44.387
"ეს ჩიტია"

00:05:44.411 --> 00:05:47.285
რაც ჩვენთვის ძალიან ადვილია
ტვინის გამოყენებით.

00:05:47.309 --> 00:05:50.730
თუმცა, ყველას უნდა გესმოდეთ,
რომ კომპიუტერისთვის

00:05:50.754 --> 00:05:53.841
სულ რაღაც რამდენიმე წლის წინ
ეს პრაქტიკულად შეუძლებელი იყო.

00:05:53.865 --> 00:05:55.781
კომპიუტერის კლასიკურ პარადიგმაში

00:05:55.805 --> 00:05:58.702
მსგავსი რამის გაკეთება მარტივი არ არის.

NOTE Paragraph

00:05:59.366 --> 00:06:01.918
მაშ, რაც ხდება პიქსელებს,

00:06:01.942 --> 00:06:05.970
ჩიტის გამოსახულებასა
და სიტყვა "ჩიტს" შორის,

00:06:05.994 --> 00:06:08.808
არსებითად ნეირონების სიმრავლეა,
რომლებიც ერთმანეთს

00:06:08.832 --> 00:06:10.287
ნეირონულ ქსელში უკავშირდება,

00:06:10.287 --> 00:06:11.694
როგორც დიაგრამაზე ხედავთ.

00:06:11.694 --> 00:06:15.120
ეს ნეირონული ქსელი შეიძლება იყოს
ბიოლოგიური, ჩვენ მხედველობის ქერქში,

00:06:15.120 --> 00:06:17.166
ან დღესდღეობით, ჩვენ გვაქვს საშუალება

00:06:17.166 --> 00:06:19.824
ასეთი ნეირონული ქსელების მოდელი
კომპიუტერში შევქმნათ.

00:06:19.834 --> 00:06:22.187
გაჩვენებთ სინამდვილეში
ეს როგორ გამოიყურება.

NOTE Paragraph

00:06:22.211 --> 00:06:25.627
პიქსელები ნეირონების პირველ შრედ
შეიძლება წარმოვიდგინოთ

00:06:25.651 --> 00:06:27.890
ფაქტიურად ასე მუშაობს თვალიც...

00:06:27.914 --> 00:06:29.577
ეს არის ნეირონები რეტინაში.

00:06:29.601 --> 00:06:31.101
ისინი აწვდიან ინფორმაციას

00:06:31.125 --> 00:06:34.528
ნეირონების ზედა შრეს
და შემდეგ შრეებს, ერთი მეორის მიყოლებით,

00:06:34.552 --> 00:06:37.585
ისინი ყველა ერთმანეთს
სხვადასხვა წონის სინაფსებით უკავშირდება.

00:06:37.609 --> 00:06:38.944
ამ ქსელის ქცევა,

00:06:38.968 --> 00:06:42.252
სინაფსების ძალებით ხასიათდება.

00:06:42.276 --> 00:06:45.564
ისინი ქსელის გამოთვლით
თვისებებს ახასიათებენ.

00:06:45.588 --> 00:06:47.058
და საბოლოოდ ვიღებთ

00:06:47.082 --> 00:06:49.529
ნეირონს ან ნეირონების მცირე ჯგუფს,

00:06:49.553 --> 00:06:51.670
რომლებიც ნათდებიან და ამბობენ "ჩიტი"

NOTE Paragraph

00:06:51.824 --> 00:06:54.956
ვაპრებ შემდეგი სამი რამ:

00:06:54.980 --> 00:06:59.676
შემავალი პიქსელები,
სინაფსები ნეირონული ქსელში

00:06:59.700 --> 00:07:01.285
და შედეგი - ჩიტი,

00:07:01.309 --> 00:07:04.636
სამ ცვლადად წარმოგიდგინოთ:
x, w და y.

00:07:04.853 --> 00:07:06.664
გვაქვს სადღაც ალბათ მილიონი x.

00:07:06.688 --> 00:07:08.641
მილიონი პიქსელი ამ გამოსახულებაში.

00:07:08.665 --> 00:07:11.111
არსებობს მილიარდობით, ან ტრილიონობით w,

00:07:11.135 --> 00:07:14.556
რაც ნეირონულ ქსელში
თითოეული სინაფსის წონას წარმოადგენს.

00:07:14.580 --> 00:07:16.455
და y-ები ძალიან მცირე რაოდენობით.

00:07:16.479 --> 00:07:18.337
რაც ქსელიდან გამომავალი შედეგებია.

00:07:18.361 --> 00:07:20.500
"ჩიტი" მხოლოდ ოთხი ასოსგან შედგება.

00:07:21.088 --> 00:07:24.514
წარმოვიდგინოთ შემდეგი მარტივი ფორმულა:

00:07:24.538 --> 00:07:26.701
x "x" w = y.

00:07:26.725 --> 00:07:28.761
გამრავლების ნიშანი ბრჭყალებში ჩავსვი,

00:07:28.785 --> 00:07:31.065
რადგან, რა თქმა უნდა,
სინამდვილეში ამ ადგილას,

00:07:31.089 --> 00:07:34.135
ძალიან რთული
მათემატიკური ოპერაციების წყებაა.

NOTE Paragraph

00:07:35.172 --> 00:07:36.393
ეს ერთი განტოლებაა

00:07:36.417 --> 00:07:38.089
და სამი ცვლადი.

00:07:38.113 --> 00:07:40.839
ჩვენ ვიცით,
რომ თუ გვაქვს ერთი განტოლება,

00:07:40.863 --> 00:07:44.505
შეგვძილია ის ერთი ცვლადის მიმართ ამოვხსნათ
თუ დანარჩენი ორი ცნობილია.

00:07:45.158 --> 00:07:48.538
მაშ, ამოცნობის პრობლემა,

00:07:48.562 --> 00:07:51.435
ანუ, იმის დადგენა, რომ ჩიტის სურათზე
ჩიტია გამოსახული

00:07:51.459 --> 00:07:52.733
შემდეგზე დადის:

00:07:52.757 --> 00:07:56.216
y უცნობია და w და x კი - ცნობილი.

00:07:56.240 --> 00:07:58.699
ვიცით ნეირონული ქსელი
და ვიცით პიქსელები.

00:07:58.723 --> 00:08:02.050
როგორც ხედავთ,
ეს შედარებით სწორხაზოვანი ამოცანაა.

00:08:02.074 --> 00:08:04.260
ორს სამზე გაამრავლებთ და მორჩა.

00:08:04.862 --> 00:08:06.985
მე გაჩვენებთ ხელოვნურ ნეირონულ ქსელს,

00:08:07.009 --> 00:08:09.395
რომელიც ცოტა ხნის წინ, ზუსტად ასე ავაგეთ.

NOTE Paragraph

00:08:09.634 --> 00:08:12.494
ის მობილურ ტელეფონზე მუშა რეჟიმშია

00:08:12.518 --> 00:08:15.831
და რა თქმა უნდა, თავისთავად საოცრებაა,

00:08:15.855 --> 00:08:19.323
რომ მობილურ ტელეფონებს ამდენი
მილიარდობით და ტრილიონობით ოპერაციების

00:08:19.347 --> 00:08:20.595
შესრულება შეუძლიათ წამში.

00:08:20.619 --> 00:08:22.234
ჩვენ ვხედავთ ტელეფონს,

00:08:22.258 --> 00:08:25.805
რომელიც უყურებს ჩიტის სურათებს
ერთი მეორის მიყოლებით

00:08:25.829 --> 00:08:28.544
და არა მხოლოდ ამბობს: "დიახ, ეს ჩიტია",

00:08:28.568 --> 00:08:32.589
არამედ ამგვარი ქსელის გამოყენებით,
ადგენს მის სახეობას.

00:08:32.890 --> 00:08:34.716
მაშ, ამ სურათში,

00:08:34.740 --> 00:08:38.542
x და w ცნობილია, y - უცნობი.

00:08:38.566 --> 00:08:41.074
მე, რა თქმა უნდა,
ვტოვებ იმ ურთულეს ნაწილს,

00:08:41.098 --> 00:08:44.959
თუ როგორ ვახერხებთ w-ს გაგებას,

00:08:44.983 --> 00:08:47.170
ტვინისას, რომელსაც ამის გაკეთება შეუძლია?

00:08:47.194 --> 00:08:49.028
როგორ დავადგინოთ ეს მოდელი?

NOTE Paragraph

00:08:49.418 --> 00:08:52.651
w-ს გაგების ეს პროცესი

00:08:52.675 --> 00:08:55.322
თუ ამას მარტივი განტოლებიდან ვაკეთებთ,

00:08:55.346 --> 00:08:57.346
რომელშიც ცვლადებს რიცხვებად წარმოვიდგენთ,

00:08:57.370 --> 00:09:00.057
ზუსტად ვიცით ეს როგორ გავაკეთოთ:
6 = 2 x w,

00:09:00.081 --> 00:09:03.393
ვყოფთ 2-ზე და დამთავრდა.

00:09:04.001 --> 00:09:06.221
პრობლემა სწორედ ამ ოპერაციაშია,

00:09:06.823 --> 00:09:07.974
გაყოფაში...

00:09:07.998 --> 00:09:11.119
ჩვენ ვიყენებთ გაყოფას,
რადგან ის გამრავლების საპირისპიროა,

00:09:11.143 --> 00:09:12.583
მაგრამ როგორც გითხარით,

00:09:12.607 --> 00:09:15.056
ეს მთლად გამრავლება არ არის.

00:09:15.080 --> 00:09:18.406
ეს ურთულესი, ძალიან არაწრფივი ოპერაციაა,

00:09:18.430 --> 00:09:20.134
რომელსაც საპირისპირო არ გააჩნია.

00:09:20.158 --> 00:09:23.308
ამიტომ, ამ განტოლების ამოხსნა

00:09:23.332 --> 00:09:25.356
გაყოფის ოპერაციის გარეშე უნდა მოვახერხოთ.

00:09:25.380 --> 00:09:27.723
ამის გაკეთება კი,
საკმაოდ მარტივად შეიძლება.

00:09:27.747 --> 00:09:30.418
უბრალოდ, პატარა ალგებრული ხრიკი ვიხმაროთ

00:09:30.442 --> 00:09:33.348
და 6-იანი განტოლების
მარჯვენა მხარეს გადავიტანოთ.

00:09:33.372 --> 00:09:35.198
ახლა, ისევ გამრავლება გვაქვს

00:09:35.675 --> 00:09:38.805
და ეს ნული....
მოდი ის "ცდომილებად" წარმოვიდგინოთ.

00:09:39.279 --> 00:09:41.794
სხვა სიტყვებით,
w-ის მიმართ სწორად თუ ამოვხსნით,

00:09:41.818 --> 00:09:43.474
მაშინ ცდომილება 0 იქნება.

00:09:43.498 --> 00:09:45.436
ხოლო, თუ შევცდებით,

00:09:45.460 --> 00:09:47.209
ცდომილება 0-ზე მეტი უნდა იყოს.

NOTE Paragraph

00:09:47.233 --> 00:09:50.599
მაშ, ახლა უკვე ვარაუდით,
შეგვიძლია ცდომილება მინიმუმზე დავიყვანოთ.

00:09:50.623 --> 00:09:53.310
სწორედ ამაში არიან კომპიუტერები
ძალიან ძლიერები.

00:09:53.334 --> 00:09:54.927
მაშ, პირველადი ვარაუდი:

00:09:54.951 --> 00:09:56.107
იქნებ w = 0?

00:09:56.131 --> 00:09:57.371
მაშინ ცდომილება იქნება 6.

00:09:57.395 --> 00:09:59.111
ახლა ვცადოთ w = 1? ცდომილებაა 4.


00:09:59.111 --> 00:10:01.522
შემდეგ კომპიუტერს შეუძლია
"გამოცნობა" ითამაშოს

00:10:01.522 --> 00:10:03.623
და ცდომილება 0-ს მიუახლოვოს.

00:10:03.647 --> 00:10:07.021
ამით ის w-ს მიმდევრობით მიახლოებებს იგებს.

00:10:07.045 --> 00:10:10.701
როგორც წესი, ზუსტად ვერასდროს გაიგებს,
მაგრამ ათეული ბიჯის შემდეგ,

00:10:10.725 --> 00:10:15.349
ჩვენ ვიღებთ w = 2.999,
რაც საკმარისი მიახლოებაა.

00:10:16.302 --> 00:10:18.116
ესაა შესწავლის პროცესი.

NOTE Paragraph

00:10:18.140 --> 00:10:20.870
გაგახსენებთ რას ვაკეთებთ.

00:10:20.894 --> 00:10:25.272
ვიღებთ უამრავ ცნობილ x-ს და y-ს

00:10:25.296 --> 00:10:28.750
და იტერაციული პროცესის გამოყენებით
ვიგებთ w-ს.

00:10:28.774 --> 00:10:32.330
ზუსტად ასე ვსწავლობთ ჩვენც.

00:10:32.354 --> 00:10:34.584
ბავშვობაში უამრავ გამოსახულებას ვხედავთ

00:10:34.608 --> 00:10:37.241
და გვეუბნებიან: "ესაა ჩიტი, ეს არაა ჩიტი"

00:10:37.714 --> 00:10:39.812
და დროთა განმავლობაში, იტერაციით,

00:10:39.836 --> 00:10:42.764
ჩვენ ვიგებთ w-ს
და ვაგებთ ნეიონულ კავშირებს.

NOTE Paragraph

00:10:43.460 --> 00:10:47.546
მაშ, ახლა ვიცით x და w
და შეგვიძლია y-სთვის ამოვხსნათ;

00:10:47.570 --> 00:10:49.417
ეს ყოველდღიური სწრაფი აღქმაა.

00:10:49.441 --> 00:10:51.204
ჩვენ ვარკვევთ როგორ გავიგოთ w,

00:10:51.228 --> 00:10:53.131
ეს შესწავლაა, რაც ბევრად უფრო რთულია,

00:10:53.155 --> 00:10:55.460
რადგან უამრავ მაგალითზე
წვრთნის გამოყენებით,

00:10:55.460 --> 00:10:57.211
ცდომილების მინიმიზაცია გვიწევს.

NOTE Paragraph

00:10:57.211 --> 00:11:00.322
დაახლოებით 1 წლის წინ,
ჩვენი გუნდის წევრმა, ალექს მორდვინცევმა,

00:11:00.322 --> 00:11:03.636
გადაწყვიტა ჩაეტარებინა განტოლების
x-ის მიმართ ამოხსნის ექსპერიმენტი,

00:11:03.660 --> 00:11:05.697
მაშინ როცა w და y ცნობილია.

00:11:06.124 --> 00:11:07.275
სხვა სიტყვებით,

00:11:07.299 --> 00:11:08.651
ვიცით, რომ ეს ჩიტია

00:11:08.675 --> 00:11:11.978
და გვაქვს ნეირონული ქსელი,
რომელსაც ჩიტების ამოცნობა შეუძლია,

00:11:12.002 --> 00:11:14.346
მაგრამ როგორი იქნება ჩიტის გამოსახულება?

00:11:15.034 --> 00:11:20.058
აღმოჩნდა, რომ ზუსტად ისეთივე ცდომილების
შემამცირებელი პროცედურის გამოყენებით

00:11:20.082 --> 00:11:23.512
შეგვიძლია ეს ჩიტების ამოცნობაზე გაწვრთნილ
ნეირონულ ქსელს გავუკეთოთ

00:11:23.536 --> 00:11:26.924
და შედეგი...

00:11:30.400 --> 00:11:31.705
ჩიტების გამოსახულებაა.

00:11:32.814 --> 00:11:36.551
მაშ, ჩიტების ეს გამოსახულება, მთლიანად
ისეთი ნეირონული ქსელის მიერაა შექმნილი,

00:11:36.575 --> 00:11:38.751
რომლებიც ჩიტების ამოცნობაზეა გაწვრთნილი.

00:11:38.751 --> 00:11:41.963
ეს შესაძლებელი გახდა
მხოლოდ y-ის ნაცვლად x მიმართ

00:11:41.987 --> 00:11:43.275
იტერაციული ამოხსნით.

NOTE Paragraph

00:11:43.732 --> 00:11:45.579
აი, კიდევ ერთი სახალისო მაგალითი.

00:11:45.603 --> 00:11:49.040
ეს ჩვენი ჯგუფის წევრის,
მაიკ ტაიკას გაკეთებულია.

00:11:49.064 --> 00:11:51.372
მან ამას "ცხოველების აღლუმი" დაარქვა.

00:11:51.396 --> 00:11:54.272
ეს ცოტათი უილიამ კენტრიჯის
შემოქმედებას მაგონებს,

00:11:54.296 --> 00:11:56.785
სადაც ის ესკიზებს აკეთებს,
შემდეგ შლის,

00:11:56.809 --> 00:11:58.519
შემდეგ ისევ ხატავს, შემდეგ შლის

00:11:58.519 --> 00:11:59.691
და ასე ქმნის ფილმს.

00:11:59.715 --> 00:12:00.866
ამ შემთხვევაში

00:12:00.890 --> 00:12:04.167
მაიკი ცვლის y-ს
სხვადასხვა ცხოველების სივრცეზე

00:12:04.191 --> 00:12:06.573
ქსელში, რომელიც სხვადასხვა ცხოველების

00:12:06.597 --> 00:12:08.407
ამოსაცნობად და გასარჩევადაა შექმნილი.

00:12:08.431 --> 00:12:12.822
შედეგად იღებთ, რაღაც ეშერის სტილში,
მორფულ გადასვლებს ცხოველებს შორის.

NOTE Paragraph

00:12:14.221 --> 00:12:18.835
აქ, მან და ალექსმა
ერთად სცადეს შეემცირებინათ

00:12:18.859 --> 00:12:21.618
y-ების სიმრავლე
მხოლოდ ორგანზომილებიან სივრცეზე

00:12:21.642 --> 00:12:25.080
რითიც მიიღეს, ამ ქსელის მიერ
ყველა ამოცნობადი ობიექტისგან

00:12:25.104 --> 00:12:26.823
შემდგარი სივრცის რუკა.

00:12:26.847 --> 00:12:28.870
მსგავსი სინთეზის გაკეთებისას,

00:12:28.894 --> 00:12:31.276
ან გამოსახულებების გენერირებით
მთელ ზედაპირზე,

00:12:31.300 --> 00:12:34.146
y-ის ცვლილებით ზედაპირზე,
თქვენ ქმნით გარკვეულ რუკას.

00:12:34.170 --> 00:12:37.311
იმ ყველაფრის ვიზუალურ რუკას,
რისი ამოცნობაც ქსელს შეუძლია.

00:12:37.335 --> 00:12:40.560
ყველა ცხოველი აქაა;
"ჯავშნოსანი" ზუსტად ამ წერტილშია.

NOTE Paragraph

00:12:40.919 --> 00:12:43.398
ამის გაკეთება,
სხვა სახის ქსელებშიც შეგიძლიათ.

00:12:43.422 --> 00:12:46.296
ეს სახეების ამოსაცნობად შექმნილი ქსელია,

00:12:46.320 --> 00:12:48.320
რომელიც ერთ სახეს მეორისგან ასხვავებს.

00:12:48.344 --> 00:12:51.593
და აქ ვამატებთ y, რომელიც არის "მე",

00:12:51.617 --> 00:12:53.192
ჩემი სახის პარამეტრები.

00:12:53.216 --> 00:12:54.922
როცა ამას x მიმართ ვხსნით,

00:12:54.946 --> 00:12:57.564
ვიღებთ ჩემს საკმაოდ გიჟურ,

00:12:57.588 --> 00:13:02.016
კუბისტურ, სურეალისტურ,
ფსიქოდელიურ სურათს,

00:13:02.040 --> 00:13:03.846
სხვადასხვა კუთხიდან ერთდროულად.

00:13:03.870 --> 00:13:06.604
ის ერთდროულად სხვადასხვა კუთხიდან
დანახულს იმიტომ ჰგავს,

00:13:06.628 --> 00:13:10.315
რომ ეს ქსელი ცდილობს
გათავისუფლდეს იმ გაურკვევლობისგან,

00:13:10.339 --> 00:13:12.815
რომელიც სახის სხვადასხვა მდგომარეობაში,

00:13:12.839 --> 00:13:16.215
ან სხვადასხვა განათების პირობებში
ყოფნას ახლავს.

00:13:16.239 --> 00:13:18.324
ამიტომ, როცა მსგავს
რეკონსტრუქციას აკეთებთ,

00:13:18.348 --> 00:13:20.652
თუ საფუძვლად არ გამოიყენებთ
რაღაც ტიპის სურათს,

00:13:20.676 --> 00:13:21.887
ან სტატისტიკას,

00:13:21.911 --> 00:13:25.676
მიიღებთ სხვადასხვა თვალთახედვის აღრევას,

00:13:25.700 --> 00:13:27.788
რადგან ადგილი აქვს გაურკვევლობას.

00:13:27.788 --> 00:13:32.009
აი, რა მოხდება თუ ალექსი
ჩემი სახის რეკონსტრუქციისთვის,

00:13:32.033 --> 00:13:35.354
ოპტიმიზაციის პროცესში საფუძვლად
საკუთარ სახეს გამოიყენებს.

00:13:36.284 --> 00:13:38.612
როგორც ხედავთ იდეალური არაა.

00:13:38.636 --> 00:13:40.510
კიდევ ბევრი სამუშაოა ჩასატარებელი

00:13:40.534 --> 00:13:42.987
თუ როგორ მოვახდინოთ
ოპტიმიზაციის პროცესის ოპტიმიზება.

00:13:43.011 --> 00:13:45.838
თუმცა, უკვე ვიღებთ,
რაღაც უფრო გამოკვეთილი სახის მსგავსს,

00:13:45.862 --> 00:13:48.496
როცა საფუძვლად ჩემს სახეს ვიყენებთ.

NOTE Paragraph

00:13:48.892 --> 00:13:51.393
არ არის აუცილებელი სუფთა ფურცლიდან,

00:13:51.417 --> 00:13:52.873
ან თეთრი ხმაურიდან დაიწყოთ,

00:13:52.873 --> 00:13:54.061
როცა x-ის მიმართ ხსნით.

00:13:54.061 --> 00:13:57.814
შეგიძლიათ დაიწყოთ x-ით,
რომელიც თავისთავად რაღაც გამოსახულებაა.

00:13:57.838 --> 00:14:00.394
ეს არის ამის პატარა დემონსტრირება.

00:14:00.418 --> 00:14:04.540
ეს არის ქსელი, რომელიც შექმნილია

00:14:04.564 --> 00:14:08.193
სხვადასხვა ობიექტების, ხელოვნური
სტრუქტურების, ცხოველების კატეგორიზებისთვის

00:14:08.193 --> 00:14:10.300
ვიწყებთ მხოლოდ ღრუბლების გამოსახულებით

00:14:10.324 --> 00:14:11.995
და ოპტიმიზაციასთან ერთად,

00:14:12.019 --> 00:14:16.505
ქსელი არკვევს, თუ რას ხედავს ის ღრუბლებში.

00:14:16.931 --> 00:14:19.251
რაც უფრო დიდხანს უყურებთ,

00:14:19.275 --> 00:14:22.028
თქვენც მით უფრო მეტ რამეს
დაინახავთ ღრუბლებში.

00:14:22.824 --> 00:14:26.419
თქვენ ასევე შეგიძლიათ ჰალუცინაციებისთვის,
სახის ამომცნობი ქსელი გამოიყენოთ

00:14:26.419 --> 00:14:28.215
და საკმაოდ გიჟურ რამეებს მიიღებთ.

NOTE Paragraph

00:14:28.239 --> 00:14:29.389
(სიცილი)

NOTE Paragraph

00:14:30.401 --> 00:14:33.145
მაიკმა კიდევ სხვა ექსპერიმენტებიც ჩაატარა,

00:14:33.169 --> 00:14:37.074
რომლებშიც ის იღებს
ღრუბლების გამოსახულებას,

00:14:37.098 --> 00:14:40.765
ჰალუცინირებს, აახლოვებს, ჰალუცინირებს,
აახლოვებსს, ჰალუცინირებს, აახლოვებს.

00:14:40.765 --> 00:14:42.380
და ამგვარად, შეგიძლიათ მიიღოთ

00:14:42.380 --> 00:14:45.479
ქსელის დისოციაციური მდგომარეობის მაგვარი,

00:14:45.503 --> 00:14:49.183
ან რაღაც თავისუფალი ასოციაციების მაგვარი,

00:14:49.207 --> 00:14:51.434
რომელშიც ქსელი საკუთარ კუდს ჭამს.

00:14:51.458 --> 00:14:54.879
ანუ, ყოველი გამოსახულება საფუძვლად უდევს:

00:14:54.903 --> 00:14:56.324
"რას დავინახავ შემდეგ?

00:14:56.348 --> 00:14:59.151
რას დავინახავ შემდეგ?
რას დავინახავ შემდეგ?"

NOTE Paragraph

00:14:59.487 --> 00:15:02.423
პირველად ეს საჯაროდ

00:15:02.447 --> 00:15:07.884
სიეტლში ვაჩვენე, ლექციაზე სახელად
"უმაღლესი განათლება"...

00:15:07.908 --> 00:15:10.345
სწორედ მარიხუანას ლეგაიზაციის შემდეგ.

NOTE Paragraph

00:15:10.369 --> 00:15:12.784
(სიცილი)

NOTE Paragraph

00:15:14.627 --> 00:15:16.731
მინდა სწრაფათ დავასრულო იმით,

00:15:16.755 --> 00:15:21.010
რომ ეს ტექნოლოგია შეუზღუდავია.

00:15:21.034 --> 00:15:24.699
მე მხოლოდ ვიზუალური მაგალითები გაჩვენეთ,
იმიტომ რომ ისინი სახალისო სანახავია.

00:15:24.723 --> 00:15:27.174
ეს არაა მხოლოდ ვიზუალური ტექნოლოგია.

00:15:27.198 --> 00:15:29.561
ჩვენმა თანამშრომელმა,
მხატვარმა, როს გუდუინმა,

00:15:29.561 --> 00:15:32.886
ექსპერიმენტები კამერის გამოყენებით ჩაატარა

00:15:32.910 --> 00:15:37.144
და მის ზურჩანთაში მყოფი კომპიუტერი
ნეირონული ქსელის გამოყენებით ლექსებს წერს,

00:15:37.168 --> 00:15:39.672
მის მიერ გადაღებული სურათების
შითავისის საფუძველზე.

00:15:39.672 --> 00:15:42.083
ეს პოეტური ნეირონული ქსელი

00:15:42.107 --> 00:15:44.671
მე-20 საუკუნის პოეზიის
დიდ კრებულზეა გაწვრთნილი.

00:15:44.671 --> 00:15:45.864
და ეს პოეზია, ვფიქრობ,

00:15:45.888 --> 00:15:47.802
არც ისე ცუდია, პრინციპში.

NOTE Paragraph

00:15:47.826 --> 00:15:49.210
(სიცილი)

NOTE Paragraph

00:15:49.234 --> 00:15:50.393
და ბოლოს,

00:15:50.417 --> 00:15:52.549
ვფიქრობ მიქელანჯელო

00:15:52.573 --> 00:15:53.807
მართალი იყო;

00:15:53.831 --> 00:15:57.267
აღქმა და შემოქმედება,
ძალიან მჭიდროდაა დაკავშირებული.

00:15:57.611 --> 00:16:00.245
ახლა ჩვენ ვნახეთ ნეირონული ქსელები,

00:16:00.269 --> 00:16:02.572
რომლებიც გაწვრთნილები არიან გაარჩიონ

00:16:02.596 --> 00:16:04.838
და ამოიცნონ
სხვადასხვა ობიექტები მსოფლიოში.

00:16:04.862 --> 00:16:08.023
მათ შეუძლიათ უკუღმა გაეშვან
და შექმნან.

00:16:08.047 --> 00:16:09.830
ერთ-ერთი რასაც ეს მაჩვენებს

00:16:09.854 --> 00:16:12.252
არა მხოლოდ ისაა,
რომ მიქელანჯელო მართლაც ხედავდა

00:16:12.276 --> 00:16:14.728
ქანდაკებას ქვის ბლოკებში,

00:16:14.752 --> 00:16:18.390
არამედ, რომ ნებისმიერი ქმნილება,
ნებისმიერი არსება, უცხოპლანეტელი,

00:16:18.414 --> 00:16:22.071
რომელსაც მსგავსი აღქმის უნარი აქვს,

00:16:22.095 --> 00:16:23.470
შეუძლია შექმნას კიდეც,

00:16:23.494 --> 00:16:26.718
რადგან ორივე შემთხვევაში
ზუსტად ერთნაირი მექანიზმი გამოიყენება.

NOTE Paragraph

00:16:26.742 --> 00:16:31.274
ასევე ვფიქრობ, რომ აღქმა და შემოქმედება
სულაც არ არის

00:16:31.298 --> 00:16:32.508
უნიკალურად ადამიანური.

00:16:32.532 --> 00:16:36.420
ჩვენ უკვე გვაქვს კოპიუტერული მოდელები,
რომლებსაც მსგავსი რამეების კეთება შეუძლიათ

00:16:36.420 --> 00:16:39.592
და გასაკვირი არც უნდა იყოს;
ტვინიც ხომ ერთგვარი კომპიუტერია

NOTE Paragraph

00:16:39.616 --> 00:16:41.273
და ბოლოს,

00:16:41.297 --> 00:16:45.965
კომპიუტერების შექმნა გონიერი მანქანების
შექმნის მცდელობად დაიწყო.

00:16:45.989 --> 00:16:48.451
მისი შემუშავება
დიდწილად განსაზღვრა იდეამ,

00:16:48.475 --> 00:16:51.488
თუ როგორ შეგვიძლია
მანქანები გახვადოთ გონიერი.

00:16:51.512 --> 00:16:53.674
და ახლა საბოლოოდ, ვიწყებთ

00:16:53.698 --> 00:16:56.104
ამ საქმის პიონერების,
ტიურინგის და ვონ ნოიმანის,

00:16:56.128 --> 00:16:57.841
მაკკალოკის და პიტსის

00:16:57.865 --> 00:17:00.130
ზოგიერთი დანაპირების შესრულებას.

00:17:00.154 --> 00:17:04.252
ვფიქრობ კომპიუტერები
არა მხოლოდ გამოთვლაა,

00:17:04.276 --> 00:17:06.423
ან Candy Crush-ის,
ან რამე მსგავსის თამაში.

00:17:06.447 --> 00:17:09.265
ჩვენ ისინი თავიდანვე
ჩვენი ტვინის მიხედვით დავაპროექტეთ.

00:17:09.265 --> 00:17:12.318
ისინი საშუალებას გვაძლევს
როგორც ჩვენი ტვინი გავიგოთ უკეთ,

00:17:12.342 --> 00:17:13.871
ასევე გავაუმჯობესოთ ის.

NOTE Paragraph

00:17:14.627 --> 00:17:15.794
დიდი მადლობა.

NOTE Paragraph

00:17:15.818 --> 00:17:21.757
(აპლოდისმენტები)