
[Musica]
il nostro mondo sta cambiando in molti modi e
una delle cose che sta per avere
un enorme impatto sul nostro futuro è
intelligenza artificiale che porta l’ intelligenza artificiale
un’altra rivoluzione industriale precedente
le rivoluzioni industriali spesero gli umani
potenza meccanica questa nuova rivoluzione
questo secondo Machine Age sta per
espandere le nostre capacità cognitive nostre
i computer di alimentazione mentale non sono solo
andando a sostituire il lavoro manuale ma anche
lavoro mentale quindi dove siamo oggi
potresti aver sentito di quello che è successo
lo scorso marzo quando un apprendimento automatico
il sistema chiamato alphago utilizzava l’apprendimento profondo
battere il campione del mondo al gioco
of Go Go è un antico gioco cinese
che era stato molto più difficile per
computer da padroneggiare rispetto al gioco di
scacchi come abbiamo avuto successo ora dopo
decenni di ricerca alfa alphago era
allenato a giocare, prima guardandolo
più e più volte decine di milioni di mosse
fatto da giocatori umani molto forti allora
giocando contro se stesso milioni di
l’apprendimento automatico dei giochi consente ai computer
per imparare dagli esempi da cui imparare
l’apprendimento automatico dei dati si è rivelato
essere una chiave per acquisire conoscenza in
computer e questo è importante
perché la conoscenza è ciò che consente
intelligenza mettendo conoscenza in
i computer erano stati una sfida per
precedenti approcci all’intelligenza artificiale perché ci sono
molte cose che sappiamo intuitivamente così
non possiamo comunicarli verbalmente a noi
non ho accesso consapevole a questo
conoscenza intuitiva come possiamo programmare
computer con quella conoscenza qual è il
soluzione la soluzione è per le macchine a
imparare che la conoscenza di per sé solo
mentre facciamo questo è importante perché
la conoscenza è ciò che abilita l’intelligenza
la mia missione è stata di contribuire a
scoprire e comprendere i principi di
intelligenza attraverso l’apprendimento se
animale o umano o apprendimento automatico I
e altri credono che ce ne siano alcuni
principi chiave proprio come le leggi di
principi semplici di fisica che potrebbero
spiega la nostra intelligenza e aiutaci
costruisci macchine intelligenti per esempio
pensa alle leggi dell’aerodinamica
che sono abbastanza generali da spiegare il
il volo di entrambi gli uccelli e gli aerei non lo farebbero
è sorprendente scoprire cose così semplici
ma principi potenti che lo farebbero
spieghiamo bene l’intelligenza, abbiamo
fatto dei progressi i miei collaboratori e
Ho contribuito negli ultimi anni in a
rivoluzione in intelligenza artificiale con la nostra ricerca su
reti neurali e apprendimento profondo
approccio all’apprendimento automatico che è
ispirato al cervello
è iniziato con il riconoscimento vocale
sui tuoi telefoni con reti neurali
dal 2012 poco dopo è arrivato un
svolta nella visione artificiale
i computer ora possono fare un buon lavoro
di riconoscere il contenuto delle immagini in
Infatti si avvicina la prestazione umana su
alcuni benchmark negli ultimi cinque anni
un computer può ora diventare intuitivo
comprensione dell’aspetto visivo
di un tabellone che è paragonabile a quello
dei migliori giocatori umani più recentemente
seguendo alcune scoperte fatte nel mio
l’apprendimento profondo del laboratorio è stato utilizzato per
traduci da una lingua all’altra
e sai iniziare a vederlo in Google
Traduci questo sta espandendo il
capacità del computer di comprendere e
genera un linguaggio naturale ma non lo è
ingannato siamo ancora molto molto lontani da un
macchina che sarebbe capace come gli umani
per imparare a padroneggiare molti aspetti del nostro
mondo quindi prendiamo un esempio anche a
bambino di due anni è in grado di imparare
cose in un modo che i computer non lo sono
in grado di fare in questo momento un bambino di due anni
il bambino padroneggia in realtà la fisica intuitiva
lei sa quando fa cadere una palla
sta per cadere quando si è rovesciata
alcuni liquidi si aspetta il risultato
pasticciare i suoi genitori non hanno bisogno di insegnare
lei riguardo le leggi o il differenziale di Newton
equazioni lei scopre tutte queste cose
da sola in modo non supervisionato proprio
l’apprendimento supervisionato rimane in realtà uno
delle principali sfide per l’intelligenza artificiale e potrebbe
prendere più decenni di fondamentale
ricerca per rompere quello non senza supervisione
l’apprendimento è in realtà cercando
per scoprire rappresentazioni dei dati
lascia che ti mostri un esempio, considera un
pagina sullo schermo che si sta vedendo
con i tuoi occhi o che il computer sia
vedendo come immagine un mucchio di pixel
per rispondere a una domanda sul
contenuto dell’immagine è necessario
capire il suo significato di alto livello e
questo significato di alto livello corrisponde a
il più alto livello di rappresentazione in
il tuo cervello più in basso hai il
significato individuale di parole e persino
più in basso hai caratteri che
componi le parole e quei personaggi
potrebbe essere reso in diversi modi con
tratti diversi che compongono il
i personaggi e quei tratti sono fatti
di bordi e quei bordi sono costituiti da
pixel quindi questi sono diversi livelli di
rappresentazione ma i pixel non lo sono
sufficienti da soli a dare un senso
dell’immagine per rispondere ad un alto livello
domanda sul contenuto della pagina
il tuo cervello ha in realtà questi diversi
livelli di rappresentazione a partire da
neuroni nella prima area visiva di
corteccia v1 che riconosce i bordi e poi
neuroni nella seconda area visiva di
corteccia v2 che riconosce tratti e
piccole forme più in alto si hanno i neuroni
che rileva parti di oggetti e poi
oggetti e reti muli di scene complete
quando sono addestrati con le immagini possono
in realtà scoprire questi tipi di livelli
di rappresentazione che corrisponde abbastanza bene
quello che osserviamo nel cervello entrambi
reti neurali biologiche che sono
quello che hai nel cervello e nel profondo
reti neurali che ci alleniamo sul nostro
le macchine possono imparare a trasformarsi da una
livello di rappresentazione al prossimo con
i livelli più alti corrispondenti a
nozioni più astratte per esempio il
nozione astratta del personaggio una lattina
essere reso in molti modi diversi a
i livelli più bassi sono tanti diversi
configurazioni di pixel a seconda di
il tuo carattere di rotazione della posizione e così
su così come impariamo questi alti livelli
di rappresentazioni una cosa che ha
stato molto successo fino ad ora nel
le applicazioni di deep learning sono ciò che noi
chiamare l’apprendimento supervisionato con supervisione
imparare il computer deve essere preso
per mano e gli umani devono dire al
computer la risposta a molte domande
per esempio su milioni e milioni di
immagini che gli umani devono dire alla Macchina
bene per questa immagine è un gatto per questo
l’immagine è un cane per questa immagine è un
il laptop per questa immagine è la tastiera
e così via e così via milioni di volte
questo è molto doloroso e usiamo
crowdsourcing per riuscire a farlo
anche se questo è molto potente e noi
sono già in grado di risolvere molto
problemi interessanti gli umani sono molto
più forti e possono imparare su molti
più aspetti diversi del mondo in a
molto più autonomo proprio come noi
visto con il bambino di due anni
conoscere la fisica intuitiva
anche l’apprendimento senza supervisione potrebbe aiutarci
permettimi di occuparmi di auto a guida autonoma
spiegami cosa intendo
l’apprendimento senza supervisione consente ai computer
proiettarsi nel futuro a
generare futuri plausibili condizionati
sulla situazione attuale e ciò consente
computer per ragionare e pianificare in anticipo
anche per le circostanze che hanno
non è stato addestrato su questo è importante
perché se usiamo l’ apprendimento supervisionato noi
avrebbe dovuto dire al computer
tutte le circostanze in cui la macchina
potrebbe essere e tu sai quanto umano
reagirebbe in quella situazione come ho fatto io
impara ad evitare pericolosi
comportamento di combattimento dovevo morire a
mille volte in un incidente bene
questo è il modo in cui proviamo le macchine
in questo momento quindi non volerà volare o al
almeno non guidare così ciò di cui abbiamo bisogno è
addestrare i nostri modelli per essere in grado di generare
le immagini plausibili sono i futuri plausibili
creativo e stiamo facendo progressi con
così ci stiamo allenando in profondità
reti neurali per passare da un alto livello
significato per pixel piuttosto che da
pixel ad alto livello di significato così andando
nell’altra direzione attraverso il
livelli di rappresentazione in questo modo il
il computer può generare immagini ci sono
nuove immagini diverse da quelle
il computer ha visto mentre è stato addestrato
ma sono plausibili che sembrava
immagini naturali possiamo anche usarle
modelli per sognare strano a volte
immagini spaventose proprio come i nostri sogni e
gli incubi qui sono alcune immagini
sono stati sintetizzati dal computer utilizzando
questi modelli genitivi profondi guardano
come immagini naturali ma se guardi
da vicino vedrai che ci sono diversi
e mancano ancora alcuni dei
dettagli importanti che vorremmo
riconoscere come naturale circa dieci anni fa
l’apprendimento senza supervisione è stata una chiave per
la svolta che abbiamo ottenuto
scoprire l’apprendimento profondo era
accadendo in pochi laboratori tra cui
mio in un momento in cui le reti neurali erano
non popolare
erano quasi abbandonati dal
comunità scientifica ora le cose hanno
cambiato molto è diventato molto caldo
campo ci sono ora centinaia di studenti
ogni anno domanda per gli studi universitari
nel mio laboratorio con i miei collaboratori Montreal
è diventato il più grande accademico
concentrazione dell’apprendimento profondo
ricercatori nel mondo
abbiamo appena ricevuto un’enorme borsa di studio
di 94 milioni di dollari per spingere il
confini di intelligenza artificiale e scienza dei dati e
anche per trasferire tecnologia di profondità
apprendimento e scienza dei dati per l’industria
imprenditori stimolati da tutto questo
stanno creando startup laboratori industriali
molti dei quali vicino alle università per
esempio solo poche settimane fa noi
ha annunciato il lancio di una startup
fabbrica chiamata elemento AI che sta andando
di concentrarsi sulle applicazioni di apprendimento profonde
non c’è abbastanza apprendimento profondo
esperti quindi vengono pagati pazzi
stipendi e molti dei miei ex accademici
i colleghi hanno accettato accordi generosi
dalle aziende al lavoro in industriale
laboratori che ho scelto di rimanere dentro
università per lavorare per il bene pubblico
lavorare con gli studenti per rimanere
indipendente per guidare la prossima generazione
di esperti di deep learning una cosa che
stiamo andando oltre il valore commerciale
pensando alle implicazioni sociali
di IA molti di noi stanno iniziando a
volgere gli occhi verso il valore aggiunto sociale
applicazioni come la salute pensiamo che
possiamo usare l’apprendimento profondo per migliorare
trattamento con medicina personalizzata I
credo che in futuro come raccogliamo
più dati da milioni e miliardi di
persone in tutto il mondo saremo in grado di
fornire consulenza medica a miliardi di
persone che non hanno accesso a ciò giusto
ora e possiamo immaginare molti altri
applicazioni per valore sociale di AI per
esempio qualcosa che verrà fuori
la nostra ricerca sul linguaggio naturale
la comprensione sta fornendo tutti i tipi di
servizi come servizi legali a
chi non può permetterseli ora stiamo girando
i nostri occhi anche verso il sociale
implicazioni dell’IA nella mia comunità ma
non è solo per gli esperti a cui pensare
Questo
Credo che oltre la matematica e il
gergo gente comune può avere un senso
di quello che succede a sufficienza sotto il cappuccio
partecipare alle decisioni importanti
che si svolgerà nei prossimi pochi
anni e decenni di intelligenza artificiale quindi per favore imposta
a parte le tue tasse e datti un po ‘
spazio per conoscerne i miei collaboratori
e ho scritto diverse introduzioni
documenti e un libro intitolato deep learning
per aiutare gli studenti e gli ingegneri a entrare
questo campo emozionante ce ne sono anche molti
tutorial sul software delle risorse online
video e molti studenti universitari
stanno imparando molto su questo
ricerca e apprendimento profondo da soli
per poi unirsi ai ranghi di laboratori come
il mio ai sta per avere un profondo
impatto sulla nostra società, quindi è importante
per chiedere come stiamo andando ad usarlo
i positivi immensi possono venire con
negativi come l’uso militare o rapido
cambiamenti dirompenti nel mercato del lavoro a
assicurati che le scelte collettive siano così
sarà fatto su AI nei prossimi anni
sarà a beneficio di tutti
il cittadino dovrebbe assumere un ruolo attivo in
definendo come modellerò il nostro futuro
grazie
tu
il nostro mondo sta cambiando in molti modi e
una delle cose che sta per avere
un enorme impatto sul nostro futuro è
intelligenza artificiale che porta l’ intelligenza artificiale
un’altra rivoluzione industriale precedente
le rivoluzioni industriali spesero gli umani
potenza meccanica questa nuova rivoluzione
questo secondo Machine Age sta per
espandere le nostre capacità cognitive nostre
i computer di alimentazione mentale non sono solo
andando a sostituire il lavoro manuale ma anche
lavoro mentale quindi dove siamo oggi
potresti aver sentito di quello che è successo
lo scorso marzo quando un apprendimento automatico
il sistema chiamato alphago utilizzava l’apprendimento profondo
battere il campione del mondo al gioco
of Go Go è un antico gioco cinese
che era stato molto più difficile per
computer da padroneggiare rispetto al gioco di
scacchi come abbiamo avuto successo ora dopo
decenni di ricerca alfa alphago era
allenato a giocare, prima guardandolo
più e più volte decine di milioni di mosse
fatto da giocatori umani molto forti allora
giocando contro se stesso milioni di
l’apprendimento automatico dei giochi consente ai computer
per imparare dagli esempi da cui imparare
l’apprendimento automatico dei dati si è rivelato
essere una chiave per acquisire conoscenza in
computer e questo è importante
perché la conoscenza è ciò che consente
intelligenza mettendo conoscenza in
i computer erano stati una sfida per
precedenti approcci all’intelligenza artificiale perché ci sono
molte cose che sappiamo intuitivamente così
non possiamo comunicarli verbalmente a noi
non ho accesso consapevole a questo
conoscenza intuitiva come possiamo programmare
computer con quella conoscenza qual è il
soluzione la soluzione è per le macchine a
imparare che la conoscenza di per sé solo
mentre facciamo questo è importante perché
la conoscenza è ciò che abilita l’intelligenza
la mia missione è stata di contribuire a
scoprire e comprendere i principi di
intelligenza attraverso l’apprendimento se
animale o umano o apprendimento automatico I
e altri credono che ce ne siano alcuni
principi chiave proprio come le leggi di
principi semplici di fisica che potrebbero
spiega la nostra intelligenza e aiutaci
costruisci macchine intelligenti per esempio
pensa alle leggi dell’aerodinamica
che sono abbastanza generali da spiegare il
il volo di entrambi gli uccelli e gli aerei non lo farebbero
è sorprendente scoprire cose così semplici
ma principi potenti che lo farebbero
spieghiamo bene l’intelligenza, abbiamo
fatto dei progressi i miei collaboratori e
Ho contribuito negli ultimi anni in a
rivoluzione in intelligenza artificiale con la nostra ricerca su
reti neurali e apprendimento profondo
approccio all’apprendimento automatico che è
ispirato al cervello
è iniziato con il riconoscimento vocale
sui tuoi telefoni con reti neurali
dal 2012 poco dopo è arrivato un
svolta nella visione artificiale
i computer ora possono fare un buon lavoro
di riconoscere il contenuto delle immagini in
Infatti si avvicina la prestazione umana su
alcuni benchmark negli ultimi cinque anni
un computer può ora diventare intuitivo
comprensione dell’aspetto visivo
di un tabellone che è paragonabile a quello
dei migliori giocatori umani più recentemente
seguendo alcune scoperte fatte nel mio
l’apprendimento profondo del laboratorio è stato utilizzato per
traduci da una lingua all’altra
e sai iniziare a vederlo in Google
Traduci questo sta espandendo il
capacità del computer di comprendere e
genera un linguaggio naturale ma non lo è
ingannato siamo ancora molto molto lontani da un
macchina che sarebbe capace come gli umani
per imparare a padroneggiare molti aspetti del nostro
mondo quindi prendiamo un esempio anche a
bambino di due anni è in grado di imparare
cose in un modo che i computer non lo sono
in grado di fare in questo momento un bambino di due anni
il bambino padroneggia in realtà la fisica intuitiva
lei sa quando fa cadere una palla
sta per cadere quando si è rovesciata
alcuni liquidi si aspetta il risultato
pasticciare i suoi genitori non hanno bisogno di insegnare
lei riguardo le leggi o il differenziale di Newton
equazioni lei scopre tutte queste cose
da sola in modo non supervisionato proprio
l’apprendimento supervisionato rimane in realtà uno
delle principali sfide per l’intelligenza artificiale e potrebbe
prendere più decenni di fondamentale
ricerca per rompere quello non senza supervisione
l’apprendimento è in realtà cercando
per scoprire rappresentazioni dei dati
lascia che ti mostri un esempio, considera un
pagina sullo schermo che si sta vedendo
con i tuoi occhi o che il computer sia
vedendo come immagine un mucchio di pixel
per rispondere a una domanda sul
contenuto dell’immagine è necessario
capire il suo significato di alto livello e
questo significato di alto livello corrisponde a
il più alto livello di rappresentazione in
il tuo cervello più in basso hai il
significato individuale di parole e persino
più in basso hai caratteri che
componi le parole e quei personaggi
potrebbe essere reso in diversi modi con
tratti diversi che compongono il
i personaggi e quei tratti sono fatti
di bordi e quei bordi sono costituiti da
pixel quindi questi sono diversi livelli di
rappresentazione ma i pixel non lo sono
sufficienti da soli a dare un senso
dell’immagine per rispondere ad un alto livello
domanda sul contenuto della pagina
il tuo cervello ha in realtà questi diversi
livelli di rappresentazione a partire da
neuroni nella prima area visiva di
corteccia v1 che riconosce i bordi e poi
neuroni nella seconda area visiva di
corteccia v2 che riconosce tratti e
piccole forme più in alto si hanno i neuroni
che rileva parti di oggetti e poi
oggetti e reti muli di scene complete
quando sono addestrati con le immagini possono
in realtà scoprire questi tipi di livelli
di rappresentazione che corrisponde abbastanza bene
quello che osserviamo nel cervello entrambi
reti neurali biologiche che sono
quello che hai nel cervello e nel profondo
reti neurali che ci alleniamo sul nostro
le macchine possono imparare a trasformarsi da una
livello di rappresentazione al prossimo con
i livelli più alti corrispondenti a
nozioni più astratte per esempio il
nozione astratta del personaggio una lattina
essere reso in molti modi diversi a
i livelli più bassi sono tanti diversi
configurazioni di pixel a seconda di
il tuo carattere di rotazione della posizione e così
su così come impariamo questi alti livelli
di rappresentazioni una cosa che ha
stato molto successo fino ad ora nel
le applicazioni di deep learning sono ciò che noi
chiamare l’apprendimento supervisionato con supervisione
imparare il computer deve essere preso
per mano e gli umani devono dire al
computer la risposta a molte domande
per esempio su milioni e milioni di
immagini che gli umani devono dire alla Macchina
bene per questa immagine è un gatto per questo
l’immagine è un cane per questa immagine è un
il laptop per questa immagine è la tastiera
e così via e così via milioni di volte
questo è molto doloroso e usiamo
crowdsourcing per riuscire a farlo
anche se questo è molto potente e noi
sono già in grado di risolvere molto
problemi interessanti gli umani sono molto
più forti e possono imparare su molti
più aspetti diversi del mondo in a
molto più autonomo proprio come noi
visto con il bambino di due anni
conoscere la fisica intuitiva
anche l’apprendimento senza supervisione potrebbe aiutarci
permettimi di occuparmi di auto a guida autonoma
spiegami cosa intendo
l’apprendimento senza supervisione consente ai computer
proiettarsi nel futuro a
generare futuri plausibili condizionati
sulla situazione attuale e ciò consente
computer per ragionare e pianificare in anticipo
anche per le circostanze che hanno
non è stato addestrato su questo è importante
perché se usiamo l’ apprendimento supervisionato noi
avrebbe dovuto dire al computer
tutte le circostanze in cui la macchina
potrebbe essere e tu sai quanto umano
reagirebbe in quella situazione come ho fatto io
impara ad evitare pericolosi
comportamento di combattimento dovevo morire a
mille volte in un incidente bene
questo è il modo in cui proviamo le macchine
in questo momento quindi non volerà volare o al
almeno non guidare così ciò di cui abbiamo bisogno è
addestrare i nostri modelli per essere in grado di generare
le immagini plausibili sono i futuri plausibili
creativo e stiamo facendo progressi con
così ci stiamo allenando in profondità
reti neurali per passare da un alto livello
significato per pixel piuttosto che da
pixel ad alto livello di significato così andando
nell’altra direzione attraverso il
livelli di rappresentazione in questo modo il
il computer può generare immagini ci sono
nuove immagini diverse da quelle
il computer ha visto mentre è stato addestrato
ma sono plausibili che sembrava
immagini naturali possiamo anche usarle
modelli per sognare strano a volte
immagini spaventose proprio come i nostri sogni e
gli incubi qui sono alcune immagini
sono stati sintetizzati dal computer utilizzando
questi modelli genitivi profondi guardano
come immagini naturali ma se guardi
da vicino vedrai che ci sono diversi
e mancano ancora alcuni dei
dettagli importanti che vorremmo
riconoscere come naturale circa dieci anni fa
l’apprendimento senza supervisione è stata una chiave per
la svolta che abbiamo ottenuto
scoprire l’apprendimento profondo era
accadendo in pochi laboratori tra cui
mio in un momento in cui le reti neurali erano
non popolare
erano quasi abbandonati dal
comunità scientifica ora le cose hanno
cambiato molto è diventato molto caldo
campo ci sono ora centinaia di studenti
ogni anno domanda per gli studi universitari
nel mio laboratorio con i miei collaboratori Montreal
è diventato il più grande accademico
concentrazione dell’apprendimento profondo
ricercatori nel mondo
abbiamo appena ricevuto un’enorme borsa di studio
di 94 milioni di dollari per spingere il
confini di intelligenza artificiale e scienza dei dati e
anche per trasferire tecnologia di profondità
apprendimento e scienza dei dati per l’industria
imprenditori stimolati da tutto questo
stanno creando startup laboratori industriali
molti dei quali vicino alle università per
esempio solo poche settimane fa noi
ha annunciato il lancio di una startup
fabbrica chiamata elemento AI che sta andando
di concentrarsi sulle applicazioni di apprendimento profonde
non c’è abbastanza apprendimento profondo
esperti quindi vengono pagati pazzi
stipendi e molti dei miei ex accademici
i colleghi hanno accettato accordi generosi
dalle aziende al lavoro in industriale
laboratori che ho scelto di rimanere dentro
università per lavorare per il bene pubblico
lavorare con gli studenti per rimanere
indipendente per guidare la prossima generazione
di esperti di deep learning una cosa che
stiamo andando oltre il valore commerciale
pensando alle implicazioni sociali
di IA molti di noi stanno iniziando a
volgere gli occhi verso il valore aggiunto sociale
applicazioni come la salute pensiamo che
possiamo usare l’apprendimento profondo per migliorare
trattamento con medicina personalizzata I
credo che in futuro come raccogliamo
più dati da milioni e miliardi di
persone in tutto il mondo saremo in grado di
fornire consulenza medica a miliardi di
persone che non hanno accesso a ciò giusto
ora e possiamo immaginare molti altri
applicazioni per valore sociale di AI per
esempio qualcosa che verrà fuori
la nostra ricerca sul linguaggio naturale
la comprensione sta fornendo tutti i tipi di
servizi come servizi legali a
chi non può permetterseli ora stiamo girando
i nostri occhi anche verso il sociale
implicazioni dell’IA nella mia comunità ma
non è solo per gli esperti a cui pensare
Questo
Credo che oltre la matematica e il
gergo gente comune può avere un senso
di quello che succede a sufficienza sotto il cappuccio
partecipare alle decisioni importanti
che si svolgerà nei prossimi pochi
anni e decenni di intelligenza artificiale quindi per favore imposta
a parte le tue tasse e datti un po ‘
spazio per conoscerne i miei collaboratori
e ho scritto diverse introduzioni
documenti e un libro intitolato deep learning
per aiutare gli studenti e gli ingegneri a entrare
questo campo emozionante ce ne sono anche molti
tutorial sul software delle risorse online
video e molti studenti universitari
stanno imparando molto su questo
ricerca e apprendimento profondo da soli
per poi unirsi ai ranghi di laboratori come
il mio ai sta per avere un profondo
impatto sulla nostra società, quindi è importante
per chiedere come stiamo andando ad usarlo
i positivi immensi possono venire con
negativi come l’uso militare o rapido
cambiamenti dirompenti nel mercato del lavoro a
assicurati che le scelte collettive siano così
sarà fatto su AI nei prossimi anni
sarà a beneficio di tutti
il cittadino dovrebbe assumere un ruolo attivo in
definendo come modellerò il nostro futuro
grazie
tu
Please follow and like us:
Be First to Comment