Press "Enter" to skip to content

Artificial Intelligence: Why Diversity Matters | Matt Zeiler | TEDxYouth@Toronto


[Musica]
oggi parlerò di AI perché
è importante perché è importante per
tutti nella stanza e perché la diversità
importa nell’IA e quindi immagina un mondo
dove puoi solo pensare a qualcosa
e succede che sei una specie di vinto e
vinto con i computer e loro
fai automaticamente ciò che stai pensando
forse hai fame e vuoi farlo
ordina cibo e arriva automaticamente
la tua porta e potrebbe persino essere pronta
da macchine e volato con droni a
la tua casa perché sa dove sei
sono e ottengono il piatto esatto come te
mi piace
preparato per te proprio quando ne hai bisogno
roba del genere non è troppo lontana
e ha bisogno di imparare da te e imparare
dai dati per poter fare quel tipo di
cosa e quindi sono rimasto colpito da questo video
questo mi ha permesso di apprendere in modo automatico
questo dovrebbe essere un video e l’essere
giocando ma è completamente generato da
intelligenza artificiale e ho visto questo
subito dopo il mio secondo anno in questo
programma di scienze ingegneristiche che è a
programma piuttosto interessante i primi due anni
Prendi ogni disciplina dell’ingegneria
e gli ultimi due si sceglie uno fuori
otto diverse opzioni e quando ero
decidere uno dei PhD di Jeff Hinton
gli studenti mi hanno mostrato questo così Jeff è gentile
del pioniere di un campo di artificiale
l’intelligenza chiama reti neurali e
Ti insegnerò come lavorano in questo
parlare ma quando sono andato a questo studente di dottorato
chi è accaduto per essere il mio consulente residente
sul pavimento in cui vivevo
Università di Toronto mi ha mostrato questo
e ha detto che è stato completamente generato da
reti neurali e sono stato spazzato via
perché sapevo come programmarlo
tempo e non c’era modo di scrivere
funzioni e cicli o qualsiasi tipo di
programmazione regolare per creare qualcosa
come questo creare un video realistico così io
ho dovuto imparare di più e ho preso il
opzione del computer e ha preso Jeff Hinton
corso di apprendimento automatico per saperne di più
su di esso e ha fatto la mia tesi di laurea
con Geoff Hinton e quello è stato un grande
esperienza di apprendimento ho avuto un piccolo assaggio
di apprendimento automatico ma non lo sapevo
abbastanza per avviare una società ed è stato
il mio sogno d’ infanzia di fondare un’azienda
lo spazio tecnico ma sapevo di essere stato agganciato
sull’apprendimento automatico e quindi ho conseguito un dottorato di ricerca
alla New York University e questo è quello che
mi ha portato negli Stati Uniti e
Sono laggiù proprio ora a New York
dove ho iniziato a chiarire
e quindi se pensi all’artificiale
l’intelligenza è ovunque intorno a noi
già
sono app che usi ogni giorno
che si tratti di Siri quando si parla in
il tuo telefono e lo trasforma in testo
lo capisce automaticamente
con reti neurali tipo di artificiale
intelligenza o ho sentito suonare Spotify
a pranzo quelle playlist che sono
creato automaticamente è un altro uso
caso per l’intelligenza artificiale che
si basa sulle tue passate abitudini di ascolto
e altre persone che sono come te
allo stesso modo per l’acquisto di prodotti su Amazon
altri rivenditori in cui comprendono
aggregato da più utenti che acquistano
roba nel tempo come potresti essere
interessato ad altri prodotti come te
fare shopping e poi con il riconoscimento dell’immagine
e il riconoscimento video possiamo ora
capire chi c’è nell’immagine o cosa è
nell’immagine il cane l’albero il
montagna ecc tutti automaticamente solo da
i pixel e questo è quello che facciamo a
chiarire e così facciamo in fretta così
ci sono un sacco di problemi davvero grandi per
umanità che intelligenza artificiale
può anche aiutare con forse può
capire come ti piace la tua temperatura
nel tuo ufficio o in un posto come questo
l’ ottimizzazione di come tutti si sentono mentre
minimizzare l’ energia per influenzare il clima
cambiare o ottimizzare i raccolti
gli agricoltori stanno producendo per
minimizzare la fame nel mondo o persino la droga
scoperta alla scoperta di nuovi farmaci che possono
contribuire a risolvere i problemi di salute globale e tutti
queste altre importanti questioni come l’umano
traffico di armi violenza diritti umani
possono essere tutti migliorati
con intelligenza artificiale quindi è a
nuovo modo ampiamente applicabile di
programmare i computer per comportarsi come se loro
erano umani o come umani o persino
più intelligente degli umani, perché no?
perché è così importante perché sei tu
ascoltando così tanto su di esso nelle notizie e
speriamo che a scuola sia in realtà
iniziare a lavorare con questi algoritmi
in corso dagli anni ’70 e ’80
quando la gente come lo chef Hinton era
è effettivamente nella loro scuola nel loro dottorato
venire con questi algoritmi che sono
quasi esattamente gli stessi algoritmi da
allora molti decenni fa e loro
funziona davvero oggi nel mondo reale
applicazioni e ciò accade a causa di
due fattori principali uno è un sacco di dati
tutti
ha un cellulare nella tasca destra
ora e possono fare foto che possono
creare messaggi di testo in cui possano parlare
sono tutti dati in cui puoi dare da mangiare
questi algoritmi per insegnare loro come
le persone interagiscono e computano così ora
questi stessi algoritmi che sono stati creati
a quei tempi con i computer veramente lenti
avere ordini di grandezza in più
computazione e usiamo anche questi
schede grafiche realizzate per video
giochi per elaborare questi machine learning
algoritmi perché sono davvero
parallelo e molte delle cose che fai
quando stai pensando sono davvero paralleli
quindi sono perfetti per
intelligenza artificiale quindi dati e
il calcolo rende questi vecchi algoritmi
funzionano davvero e funzionano davvero
molto bene così come funziona non è
quella molta magia è davvero carina
operazioni matematiche strutturate che
Prendo in ora e funziona proprio come
un umano fa così qualcuno sa cosa
questo piccolo ragazzo si chiama I think I
ho sentito qualcuno spingerlo sì, va bene così
la persona ha detto axolotl e questo è corretto
così tutti possono ripetere tutti
che axolotl è fantastico, okay
come si chiama fantastico e come?
queste
va bene così hai imparato da uno
immagina cosa sia questa creatura e tu
rendilo conto anche se sei tu
conoscere di uno nero uno di colore di diverso
pose diverse illuminazione diversa
condizioni differenti punti di vista dal
fotocamera sono tutti axolotl quindi non è così
prendi molto per insegnare a un umano come imparare
un nuovo concetto e questo è un visual
concetto, ma si può sentire cose nuove voi
puoi leggere cose nuove che puoi gustare
cose che impari molto velocemente come esseri umani
e così per simulare che questo è il tipo
di algoritmo che usiamo nei computer e
questo è un tipo di rete neurale che è
perfettamente adatto per immagini e video
comprensione e c’è di diverso
tipi diverse architetture neurali
reti che sono buone per l’audio e
buono per la lettura del testo e buono per
dati finanziari e così via, ma neurali
la rete è solo un algoritmo informatico
questo è tutto ciò che cerca di simulare
come funziona il cervello nessuno lo sa davvero
esattamente come funziona il cervello ma questo è
una buona approssimazione e condivide molto
le stesse proprietà e quindi un neurale
la rete è un mucchio di strati di
elaborazione e si arriva a configurarli
in comunque si desidera mappare alcuni input in
questo caso i pixel di un’immagine ad alcuni
uscita in questo caso le categorie
gente romantica erba e casa e così via
insegnare questo algoritmo come riconoscere
queste diverse cose che devi nutrire
dati di dati che le persone hanno etichettato
come axolotl manualmente e quindi questo è il
pixel e in questo caso persona la nostra gente
come categoria e questi diversi livelli
di operazioni sembrano complicate ma
sono abbastanza semplici così
convoluzione quindi questa è una parola grossa ma è così
tutto ciò significa che il modello corrisponde così
è sguardo andando a quel po ‘di bianco
patch che è il modello e lo farà
farlo scorrere su ogni posizione nella
immagine e quando si abbina molto da vicino
ai pixel in quella posizione che dà
una forte attivazione in quella mappa delle caratteristiche
in modo che quel quadrato blu sia il
l’uscita dello strato di convoluzione crea
una caratteristica mappa della stessa dimensione dell’immagine
quindi va in ogni luogo più forte
l’attivazione più il valore è alto
avere in quella mappa caratteristica che puoi vedere
c’è una pila di queste funzionalità Mappe
non è solo uno
perché vuoi riconoscere diversi
modelli diversi modelli e la maggior parte
è importante che quei modelli siano appresi
dai dati iniziano al completamento
casuale e iniziano l’ aggiornamento in a
algoritmo di allenamento che sto andando a
descrivi in ​​un secondo il secondo strato
si chiama pooling e questo è
pensato per aiutare con una certa variabilità in
la rete in modo che non gli importi se
la faccia della persona è nel mezzo di
l’immagine o sul lato sinistro o
il lato destro è ancora una faccia così
per farlo nel livello di raggruppamento sembra
in una piccola regione e prende il
attivazione più forte fuori di esso che è
perché si chiama max pooling in molti
casi e ci sono diversi tipi di
fischi ma max funziona alla grande e questo è
anche il motivo per cui queste mappe diventano più piccoli cuz
ne stai prendendo uno su un set un po ‘piccolo
regione e poi si alternano
strati di raggruppamento di convoluzione e così via
avanti ricorda la convoluzione ha
modelli che verranno appresi
il raggruppamento è solo una matematica fissa
funzione e poi alla fine si arriva
la fine della rete questi completamente
gli strati connessi sono solo una parola di fantasia
per il modello di convoluzione che corrisponde a dove
c’è solo un pixel tutto il
pool ha ridotto le dimensioni dell’immagine giù
a un pixel e al numero di output
mappe una corrispondente al numero di
categorie che vuoi riconoscere così qui
ce ne sono solo quattro quindi è così che va la matematica
funziona attraverso te prendi i pixel
corrispondenza modello template pool e
così via hai molti molti più strati
di questo e anche diversi tipi ma
questi sono i più importanti e così
poiché i modelli iniziano a caso
dall’inizio inizia e fa
un’ipotesi casuale non sa nulla
sul mondo e poi lo paragoni
a ciò che è stato etichettato da una persona in questo
caso persone e otterresti il ​​tuo errore
segnala che questo è l’errore che sei
rendendolo così come lo era l’interludio
parlando degli errori che facciamo e
imparare da è esattamente come un occhio impara
così così si confronta con il terreno
la verità vede gli errori che sta facendo e
poi risale attraverso la rete per
aggiorna questi modelli e aggiorna
loro un po ‘per questa immagine e
poi va a guardare un’altra immagine e
un’altra immagine e un’altra e milioni
di immagini più tardi può iniziare a
riconoscere un sacco di diversi
categorie così è così che questi neurali
le reti funzionano e sono davvero buone
a comprensione di immagini e video ma
puoi pensare solo alle reti neurali
mappare gli input alle uscite in modo che tu possa
configurarli in modi diversi per
problemi diversi quindi cosa fanno
in realtà imparare è abbastanza sorprendente che
questi algoritmi partono a caso ma
il primo strato quei modelli che ero
ti dice di imparare questo così non c’è
96 modelli qui non solo 3 come il
schema precedente e questi sono tutti
imparato dai dati non l’abbiamo mai detto
i bordi sarebbero importanti o sarebbero i colori
è importante riconoscere i pixel
impara diversi bordi verticali
diversi angoli diverse frequenze
vedi quelli acuti e quelli sfocati e
anche diversi bordi colorati e colorati
blob e quando guardi in un primate
cervello e persone hanno fatto questo che hanno
sondato negli occhi e nelle scimmie di gatto
bulbi oculari e tu vedi esattamente questo nel
primo strato del sistema visivo che
è piuttosto sorprendente perché siamo appena arrivati
con questi algoritmi nel corso degli anni
per replicare come funziona il cervello e dentro
pratica in realtà impara a
replicare come funziona il cervello e cosa è
più eccitante è in certi compiti ai
in realtà funziona meglio come visual
sistema rispetto agli umani e ai primati e così via
anche se sta imparando nello stesso modo
modi in cui possiamo farlo funzionare meglio e
più veloce e così ora sai come occhio
funziona ma spostiamo le marce e parliamo
sul perché la diversità è importante nell’IA
e come tutti si può avere un impatto sulla
così se vedi un’immagine come questa
potresti pensare in bianco e nero
potresti pensare a World War 2 o
marinaio o amore o bacio ognuno ha
una mentalità diversa proprio ora come loro
vedere questo una prospettiva diversa e
a causa dei tuoi diversi background
crescere in luoghi diversi differenti
genitori nazioni diverse forse e
ti sei trasferito qui hai un altro
modo di pensare al mondo e se
vuoi avere un’IA davvero potente
sistema che è giusto per tutti diversi
utenti e casi d’uso che vogliamo davvero a
diversi gruppi di persone che addestrano l’intelligenza artificiale
e lo vediamo come questo periodo critico
proprio ora in intelligenza artificiale in
negli ultimi tre anni abbiamo funzionato
davvero bene e ora c’è questo periodo
dove dobbiamo farlo funzionare per tutti
diversi utenti tutti i diversi casi d’uso
e c’era questo davvero interessante
esperimento di Blakemore e Cooper
dove hanno fatto cose orribili a
gatti ma era per la scienza, così è stato
bene
loro loro hanno fatto questi tamburi che avevano
sulle linee solo orizzontali interne in
alcuni tamburi e solo linee verticali dentro
altri tamburi e hanno messo un gatto appena nato
nel tamburo giusto quando è nato così
quella era l’ unica cosa che avesse mai visto
nel mondo era dentro il
tamburi e hanno lasciato il gatto lì dentro
nutriti con loro e tutto ciò per settimane ma anche
quando si nutrono si sono assicurati di no
esporlo a qualsiasi altra della
diversi tipi di linee nel mondo
che tutti vediamo tutti i giorni e poi loro
ha preso i gatti fuori dei tamburi dopo
diverse settimane e i gatti che erano in
il tamburo con una linea verticale potrebbe vedere
tutte le linee verticali nel mondo così loro
vedrebbe come le gambe della sedia e costruirà
un’erbaccia tra di loro ma loro non volevano
vedere tutte le linee orizzontali a tutti loro
non potevano vedere il sedile della sedia loro
non avrebbero mai nemmeno pensato il
il pavimento o un tavolo come erano
posto su un tavolo era una cosa strana loro
basta colpirlo e poi potrebbero sentirlo
non potevano vederlo affatto e poi il
orizzontale i gatti che erano nel
tamburi orizzontali potevano vedere tutto
cose orizzontali in modo che potessero saltare
su tavoli e sedie e tutti
ma potrebbero imbattersi in qualcuno dei
le gambe della sedia così il sistema visivo è dentro
questo periodo critico dove impara
da quando sei nato per un certo
numero di settimane e il davvero spaventoso
la cosa è che non importa per quanto tempo il
i gatti furono poi lasciati nel mondo reale
il loro sistema non è mai tornato e mai
imparato gli altri tipi di linee e
hanno mostrato diverse settimane dopo
non potevano vedere le linee orizzontali
o linee verticali a seconda di quale tamburo
sono in modo vediamo che, come la
periodo critico in questo momento per l’intelligenza artificiale e noi
non voglio che ciò influisca su come il nostro
gli algoritmi funzionano e come è possibile
interfaccia con AI in futuro e così via
non va bene contro cattivo non lo è
Terminator e Skynet e tutto questo spaventoso
roba che è tutto nei film che è
importante da pensare ma lo vediamo
come un paio di criteri diversi che noi
guarda smart contro stupido, quindi vogliamo l’intelligenza artificiale
essere incredibilmente intelligente perché è così
ciò che lo rende utile e potrebbe essere
meno intelligente di un umano peggio di più di
l’umano non importa ma lo fa
fornire un umano un po ‘
è abbastanza intelligente per farlo che è
tipo di uno dei criteri che guardiamo
quando si spingono i limiti dell’IA etico
contro l’immorale è artificiale
l’intelligence sta andando a prendere i lavori delle persone
o aumenterà il loro lavoro
renderli capaci di fare 10 volte più lavoro
o farlo 10 volte più velocemente ecc. e lo è
sarà IA che si atterrà alle leggi o
cosa succede quando l’intelligenza artificiale diventa così intelligente
è equivalente a una persona o forse
più intelligente l’IA ha più diritti
di un umano o meno diritti e identici
diritti ci sono molte etiche differenti
implicazioni dell’AI pure e poi
imparziale contro parzialità quindi questo è un
davvero importante perché se solo tu
insegnare proprio come l’esempio di gatto se tu
insegnare solo AI con alcuni piccoli set di
il mondo non capirà
il resto del mondo e così ora
dobbiamo insegnarlo con tutto il nostro
sfondi e tutte le cose che conosciamo
in modo che non cadano nel caso e
questo è successo molto di recente, quindi questo
ha fatto un sacco di stampa che Microsoft aveva davvero
chatbot di tecnologia che hanno lasciato
gratuito sui social media e cosa è successo
era una piccola comunità di persone insegnate
è un mucchio di cose offensive, quindi quando
hai comunicato con la chat bot it
imparerebbe come parlare nel modo in cui parli
e ti risponderebbe in questo
lingua e ha imparato molto offensivo
roba perché solo un sottoinsieme del
il pianeta l’ha davvero insegnato mentre se il
intero pianeta non parliamo in questo modo
sempre e così l’intero pianeta sta insegnando
sarebbe molto meglio e lo sarebbe
non avere quel pregiudizio un’altra prospettiva
di recente c’è stato un concorso di bellezza
è stato giudicato da IA e in sostanza
scelto solo ragazze bianche come quello
considerato bellezza che chiaramente non è
vero e questo è uno dei casi in cui
la diversità è cruciale perché il dovere è
davvero negli occhi di chi guarda e
lo stesso vale per l’intelligenza artificiale, quindi dobbiamo
insegnare ciò che tutti pensano sia
bello e questo perché l’intelligenza artificiale sta andando
per essere ovunque lo vedi nei prodotti
oggi lo vedi quasi nelle notizie
ogni giorno e così come sei coinvolto
come puoi avere questo impatto perché il
la prossima generazione sta guidando
loro campo avanti e tu puoi pensare
anche
una generazione davanti ai tuoi figli
ogni volta che li avrete probabilmente lo faranno
non è mai necessario ottenere una patente di guida
questo è quanto velocemente un occhio sta migliorando e
è davvero eccitante pensarci
in questo modo e così c’è un sacco di
modi diversi in cui puoi entrare in te
può lavorare in AI alle startup come chiarire
o grandi aziende Google Microsoft
Facebook hanno tutti davvero grandi
laboratori di ricerca e molte università
ora stanno insegnando anche a uno studente così
ci sono molti modi per conoscere l’ intelligenza artificiale
e contribuire ad esso e pure
contribuire a progetti open source
c’è un’enorme ondata di open source
kit di strumenti per reti neurali e
applicazioni in cima a quei toolkit a
applica i ai nel mondo reale e poi tu
possiamo pensare all’etica dell’IA c’è
pensa ai carri armati come l’IA aperta che Elon Musk
ha guidato e anche scrivere i tuoi blog su
come vedi migliorerai la vita e
migliora l’umanità e poi porta l’intelligenza artificiale
il tuo mondo se è la tua scuola come a
progetto scientifico avvia un club di IA o tu
Forse andrà presto in un’università
è partito da lì e lo ha portato al tuo
ogni giorno perché l’intelligenza artificiale è davvero per tutti
umano sul pianeta è per questo che abbiamo bisogno
ognuno di voi insegnarlo
grazie
[Applausi]
Please follow and like us:

Be First to Comment

Lascia un commento