tu
[Musica]
Credo sinceramente che tutti noi
sono qui riuniti che vivono in questo
l’era è estremamente benedetta, siamo molto
perché fortunato perché non siamo solo
testimoniando siamo anche parte di un grande
rivoluzione tecnologica che sta prendendo
in tutto il mondo, la tecnologia continua
cambiando lo sappiamo tutti tutti i giorni
cambia e continua ad evolversi
da una cosa a un’altra cosa
continua a migliorare ma solo molto raramente
vediamo la tecnologia fare un salto di rana
questo cambia come è stato
accadendo negli ultimi decenni
Intendo ad esempio che è andato del PC
da cui ha portato la potenza di calcolo
i mainframe del mondo dal
data center sulla scrivania dell’uomo comune
l’avvento del telefono cellulare che
cambiato il modo in cui la comunicazione tecnologica aveva
successo per il multiplo
secoli direi e l’avvento di
Internet questi cambieranno il
modo in cui viviamo, abbiamo vissuto e uno
così estremamente affascinante e meraviglioso
cambiamento tecnologico che siamo
testimoniare oggi e stiamo diventando parte
di esso è il cambiamento che siamo
testimoniando nell’intelligenza artificiale così
ciò che tutte le cose possono fare le regioni artificiali
faccio oggi intendo che può suonare, intendo
che è molto grande intendo molto
gioco cinese complicato molto di più
complesso di scacchi ed è iniziato
incontrare gli esseri umani e ora lasciamo
come se battesse facilmente gli esseri umani che può
imparare a dipingere dire per esempio se prendo
una foto di questo incontro qui e II
avere una foto di dire
Ravi Varma che sono da Vinci e voglio
questa questa fotografia deve essere dipinta
lo stile di quel particolare artista a
la macchina può fare il prossimo
affascinante può comporre musica che può
imparare a lavorare può imparare le abilità motorie
può scrivere didascalie che può tradurre
può identificare oggetti che può identificare
se se qualcuno diventa cattivo e fave
e e
la mia foto su internet da qualche parte
può darmi un grilletto che può fare
riconoscimento e può guidare tutte le auto
giusto così intendo tutto ciò che non abbiamo mai
sentito parlare del passato nel recente
passato bene ma ora il mondo è in fermento
con esso sono sicuro che sarai d’accordo con me
se dico che nessuno del computer
tecnologie che siamo stati
l’ascolto ha creato così tanto entusiasmo e
così tante increspature nel mondo
l’ intelligenza artificiale sta facendo oggi
quindi di cosa sta succedendo parliamo?
per i successivi 13 minuti per 15
minuti va bene
regioni artificiale è nulla di nuovo Avrai
essere molto sorpreso di guardare questa sedia
è stato lì dagli anni ’50 e dalla macchina
apprendimento che è una metodologia per
raggiungere le religioni artificiali è stato
lì per diversi decenni ora intendo
ciò che è artificiale è ciò che è la macchina
imparando a metterlo in termini molto semplici
come loro come il termine è il bene
auto-esplicativo
è come se venissi fuori
metodologie di fabbricazione della macchina
pensa e agisci come un essere umano semplice
a destra e poi continuare ad imparare in profondità ok
così l’apprendimento profondo è una metodologia di
raggiungere l’intelligenza artificiale lo è
un sottoinsieme di machine learning è a
metodologia per raggiungere l’apprendimento automatico
tecniche quindi come funziona io sempre
spiegare il concetto di apprendimento profondo
con una semplice illustrazione io sempre
usa questa illustrazione e davvero
risuona bene con quello del ragionatore
come fa un bambino di otto mesi o diciamo
un bambino di 10 mesi lo capisce
rapa Liz una mela che è perché il
il padre o la madre dà l’oggetto
chiamato mela al bambino e allegata a
etichetta ad esso è lui un judo questo è Apple
e la Natura ha creato il nostro cervello in
così fantastico che il bambino è
capace di guardare l’oggetto dal suo cervello
viene addestrato sull’oggetto okay the
il cervello estrae le caratteristiche che sono
nascosto lì nella mela e anche
associa quell’etichetta chiamata PP le
Apple a quell’oggetto che è
cosa fa adesso se stiamo provando
fare esattamente la stessa cosa e giusto
Algoritmi di Mich che abilitano la macchina
guardare gli oggetti guardare i dati e scegliere
fuori comuni e modelli che sono
nascosto all’interno dei dati e quando a
dati simili non sono gli stessi dati quando a
dati simili sono presentati alla macchina
in un giorno successivo è in grado di
correlato alla sua formazione
subito dopo e quindi
inferno e suggerimenti capiscono che il nuovo
l’oggetto è anche una mela, ecco cosa
l’apprendimento profondo va bene ora c’è un
la complessità implicata in questo era il bambino
la complessità è che era il bambino
addestrato con a mela rossa quale che
era forse di queste dimensioni e che aveva un
diverso acai qualche forma considerando 5 giorni
dopo presenterai al bambino un verde
mela che è molto più piccola e
la forma è anche leggermente diversa e
forse lo stock è anche collegato al
Apple e forse un paio di Leafs
sono anche lì attaccati allo stock ma
ancora il bambino può identificare il nuovo
oggetto anche come se fosse una mela
subì trading utilizzando questo diverso
data set giusto grazie a Dio macchine sono
non è così intelligente, okay, non puoi allenarti
una macchina con la propria immagine o forse a
il bambino ha bisogno di pochi intendo forse non uno
Apple forse cinque quattro cinque volte a
piccole macchine pickup hanno bisogno di grandi quantità
di dati e tu e te cosa fai
quando l’approccio di apprendimento profondo che cosa
esattamente crei algoritmi
abilitare la macchina a guardare i dati apprendere
dai dati e prendere intelligente
decisioni attuabili proprio molto
parole importanti intelligenti
decisioni attuabili che possono quindi essere
usato per automatizzare le cose va bene qui noi
stiamo parlando della scrittura del software
programma potrai stiamo parlando
l’automazione dell’automazione va bene ora
è ciò che è l’apprendimento profondo va bene e in profondità
l’apprendimento funziona secondo il principio di
qualcosa chiamato come artificiale neurale
le reti vanno bene ed è così che siamo
cercando di imitare il modo in cui il cervello umano
lavori
okay e non è un compito banale che posso
stare qui e dire che stiamo cercando di imitare
il cervello umano posso dire che lo è
compito assolutamente non banale da fare
Voglio dire che hai una piccola curiosità qui il cervello
Voglio dire, penso che sia di circa due percentuali
del peso corporeo è il cervello ma esso
consuma a riposo consuma circa
venti percento del tasso metabolico
è limitato dal cervello ed è un
parte estremamente estremamente complessa e il
i segnali di modo si spostano da uno all’altro
la memoria di modo funziona come apprendere
succede come sogniamo intendo molti
è tutto estremamente complesso e
non è possibile, voglio dire che non è un
compito banale che ritengo corretto non lo è
un compito banale da imitare e fare
una macchina fare ciò che si suppone di fare
chi lo crederebbe giusto così come fa il
pianificare il lavoro così come ho detto prima
funziona su un principio chiamato come
reti neurali artificiali in cui lì
sono più livelli di astrazione di
caratteristiche ed e per come la vedo progressi che
metti la rete come puoi vedere su on
lo schermo sarà migliore dei risultati
le funzioni di livello base come forse il
i bordi e la superficie sono estratti
e poi caratteristiche di livello superiore come dire
per esempio se stai provando
riconoscere il volto il naso e il e
gli occhi sono estratti e poi il tutto
la faccia viene estratta e quindi entra
in modo sequenziale da uno strato ad uno
livello e più profondo lo strato più profondo
il livello di rete migliore sarà il
precisione dei risultati inizierò qui
e mi fermerò qui, posso continuare su questo
per tre ore non voglio entrare
lì non ho il tempo di farlo
adesso
così come è potuto succedere come questa magia
capita quali sono i fattori scatenanti per questo
accadere Voglio dire che questo suona almeno
ora abbiamo capito quello che sta approfondendo
cosa è successo nel passato diciamo
cinque anni sette anni quale che ha
ha portato alla rinascita di questa tecnologia
chiamato come apprendimento profondo ci sono tre
i principali driver diventarono i numeri uno
disponibile in grandi quantità c’è a
diluvio di dati da due diversi
canali il primo è ciò che chiamiamo
come i social media ne scelgono uno solo
esempio qui guarda il terzo esempio
Youtube
Ogni ora vengono caricate 300 ore di video
In altre parole, è 50 ore di
video ogni secondo di 50 ore di video
andato su internet sembra gente
non hanno altro lavoro se non il caricamento
video su internet e guarda il
ultimo esempio, quello che chiamiamo il
Internet of Things è tutto montato
con i sensori oggi dalle mucche da latte a
razzi la mosca nello spazio
tutto è dotato di sensori e
creano enormi quantità enormi di
dati ora così come posso fare con questi dati ho
significare tanto di dati in modo possono entrare fuori
con una tecnologia di apprendimento automatico
quello è il secondo innesco può uscire
con una tecnologia di apprendimento automatico che
può usare sfruttare i dati da cui imparare
i dati e aiutami a prendere decisioni
ora questo post Dynamo enorme sfida
ci sono un sacco di dati un numero enorme di
l’era che deve essere elaborata e
ovviamente la complessità del
rete che deve andare in elaborazione
i dati gli algoritmi che devono essere
scritto o estremamente estremamente complesso
come gestisci questo per quello di cui hai bisogno
brutale potere di elaborazione che non lo era
possibile dai processori convenzionali
che abbiamo avuto e che è dove il
Le GPU sono entrate in gioco nella grafica
unità di elaborazione che è a
processore parallelo e che può gestire
a causa dell’architettura intrinseca
con cui è costruito può gestire
enormemente una quantità maggiore di dati
e modelli estremamente complessi con facilità
e così la disponibilità del
potenza di elaborazione quindi grazie al nuovo
tecnologie che si stanno evolvendo intendo
da Nvidia in cui sono fortunato
lavoro per se così questi sono i tre
trigger che hanno portato alla rinascita del profondo
imparando così ho detto che l’apprendimento profondo può fare
quasi tutto tranne quanto affidabile
okay, questo è II ti incoraggerebbe
guardare la prima scatola così il fondo
tritato la linea nera mostra i livelli
di precisione che sono stati raggiunti dal
tecniche di apprendimento automatico convenzionali
che è bloccato a circa 75 76
percentuale e poi è venuto l’apprendimento profondo
e l’apprendimento profondo oggi può andare avanti per
questo particolare problema
Non sto dicendo il profondo apprendimento di questo
questo livello di
applicabile a tutti i problemi di approfondimento
per il particolare problema che sono
parlando di un riconoscimento dell’immagine
problema può arrivare fino a novantasei punti
tre livelli tre percentuale di precisione
quindi è il novantasei punto tre buono o
male forse novantanove va bene forse
novantacinque è buono come faccio a dire nel corso
il novantasei virgola tre è buono o cattivo
perché è buono perché l’umano
livelli di accuratezza per quel particolare
il problema è sotto novantasei punto tre
quindi per questo problema le macchine possono raggiungere
un migliore livello di precisione rispetto all’uomo
esseri
così al cento per cento è affidabile ora
stiamo tutti deplaning questi possono essere applicati
quasi ovunque per essere onesti bene per
esempio, se parlo in inglese, se vuoi
sentire questo in spagnolo o tamil o
Telugu o Canada nulla
è possibile attraverso l’apprendimento profondo
va bene e la biologia medicinale è enorme
area in cui si sta ottenendo l’apprendimento approfondito
applicato prende il caso dei radiologi
per prima cosa guardate un monitor monocromatico da
mattina dalle 9:00 alle 18:00 per sei giorni
una settimana è estremamente faticoso e
e voglio dire forse forse non abbastanza
i radiologi sono disponibili in tutto il mondo
ora questo faff viene sostituito da
macchine che invece di radiologi
le macchine sono addestrate a morire a guardare
le immagini mediche identificano le aberrazioni
e le lesioni che sono consapevoli di ciò
sono visibili in a in un’immagine e quindi
identificare diagnosticare una malattia e poi
non stanno andando a sostituire
radiologi o la diagnosi fatta
dalla Macchina sarà presentato al
radiologi e radiologi dell’essere umano
il radiologo accetterà o rifiuterà
la diagnosi fatta dalla Macchina è
meraviglioso e questo gioco per molto grande
implicazioni in particolare per lo sviluppo
i paesi forse non sono abbastanza radiologi
sono disponibili ovunque, quindi come faccio?
faccio a completare gli sforzi del
conoscenza del nostro di un esperto
radiologi e una macchina per lavorare
insieme per il miglioramento dell’essere umano
gentile questo è quello che può fare sicurezza e
difesa anche se progetti di città intelligenti
che stiamo parlando di tutto
di cui stiamo parlando è tutto
grazie all’apprendimento profondo se diciamo a
il bambino scompare e il bambino era
individuato camminando nella piattaforma di a
stazione ferroviaria a 150 chilometri se
si
diligente una macchina fotografica può guardare alla cattura
l’immagine del bambino e può
confronta l’altro la foto di
il bambino che è disponibile oggi
dabangg e quindi identificare che è il
stesso bambino e creare un grilletto e dire
che hey hai bisogno di andare a prendere questo
bambino a questo punto va tutto bene
le cose sono possibili grazie al profondo
imparando le città intelligenti che noi
stanno tutti parlando di tutti loro
diventando sempre meglio in termini di
la tecnologia
grazie all’apprendimento profondo ora Cancro
La ricerca è una cosa estremamente importante
in cui sta arrivando l’apprendimento profondo
applicato molto bene e più cose
come scoprire i loro cancri genetici
firme che predicono la proteina cancerosa
formazione vedere di cosa sto parlando
facendo un post-mortem dopo la cosa come
è successo stiamo parlando
previsioni previsioni intelligenti
rapporti patologici automatici da trovare
biomarkers del cancro eccetera tutti questi
le cose stanno diventando possibili grazie a
Apprendimento profondo quindi l’occhio dell’ago
è 2 milioni di nanometri in termini di
la dimensione e un difetto di semiconduttore che è
10 nanometri intendo dire i numeri
dieci nanometri non suonano un campanello ma
anche confrontarlo con le dimensioni di un occhio
di un ago sarete in grado di capire
e un difetto di 10 nanometri in a
il semiconduttore può essere raccolto attraverso
tecnologie di deep learning intelligenti
raccomandazioni chatbot che si presentano a
raccomandazioni che soddisfano le tue esigenze
i tuoi gusti predicono ciò che comprerai
quando entri nel tuo negozio
capire quale scaffale i tuoi occhi
risiedono molto e quindi garantiscono
quello che ottiene il prodotto giusto
tutte queste cose sono più possibili
grazie all’apprendimento approfondito e alla vendita al dettaglio
sta diventando un ronzio con più
le applicazioni che utilizzano l’apprendimento profondo ora lo sono
tutto solo tecnologia no lo è anche
utilizzata per più bene sociale anche prendere
il caso di questo usando immagini satellitari
è possibile mappare il modo in cui la povertà
si è sparso su una particolare area per dentro
paesi in via di sviluppo grazie al profondo
imparando puoi riconoscere l’a
disastro geologico che è
sull’accaduto che è imminente oh è
di nuovo prelevato da immagini satellitari
uno sforzo di deforestazione che sta accadendo
dite per esempio migliaia di satelliti
sono o o o roaming in tutto il
terra e se la piccola macchia di foresta
ne esce fuori fumo prima di questo
libro inghiotte l’intera area e diventa
un apprendimento profondo di disastri naturali
le tecnologie possono abilitare un preventivo
azione preventiva di manutenzione per essere
preso per chiamare questo apprendimento così profondo
ha molte implicazioni sociali come
bene e in termini di tecnologia lì
sono macchine fantastiche che lo sono
essendo andato per esempio ci sono
appositamente costruito un super computer che
in grado di gestire questa complessità dei dati questo
complessità di calcolo quale intendo
ci sono ci sono sistemi che possono
gestire fino a 960 ci sono flop di
operazione questo è come 40 cutoff
flop
a corto di un petaflop e persone che sono
lavorare con il calcolo ad alte prestazioni
area sarebbe in risonanza che avrebbero
trovare questo affascinante come sono
cose incredibili quindi non è solo il
La tecnologia che si evolve è anche
c’è il calcolo brutale che è
necessario per gestire questa tecnologia che è
anche evolvendosi secondo uno schema sorprendente
velocità in modo da concludere a è il percorso per
domani ed è ora di iniziare
lì so che ci sono molte preoccupazioni
a proposito ci porteranno via lavori o tutti se
mi fai questa domanda se dico di no
allora sono un bugiardo e non dirò mai
ma allora abbiamo due scelte
la prima scelta è a piagnucolare su di esso
preoccupati che si spaventi
e stai lontano da questa seconda scelta
è capirlo abbracciarlo andiamo
con esso e lo prendiamo insieme
noi e quindi essere sul carro
[Musica]
Credo sinceramente che tutti noi
sono qui riuniti che vivono in questo
l’era è estremamente benedetta, siamo molto
perché fortunato perché non siamo solo
testimoniando siamo anche parte di un grande
rivoluzione tecnologica che sta prendendo
in tutto il mondo, la tecnologia continua
cambiando lo sappiamo tutti tutti i giorni
cambia e continua ad evolversi
da una cosa a un’altra cosa
continua a migliorare ma solo molto raramente
vediamo la tecnologia fare un salto di rana
questo cambia come è stato
accadendo negli ultimi decenni
Intendo ad esempio che è andato del PC
da cui ha portato la potenza di calcolo
i mainframe del mondo dal
data center sulla scrivania dell’uomo comune
l’avvento del telefono cellulare che
cambiato il modo in cui la comunicazione tecnologica aveva
successo per il multiplo
secoli direi e l’avvento di
Internet questi cambieranno il
modo in cui viviamo, abbiamo vissuto e uno
così estremamente affascinante e meraviglioso
cambiamento tecnologico che siamo
testimoniare oggi e stiamo diventando parte
di esso è il cambiamento che siamo
testimoniando nell’intelligenza artificiale così
ciò che tutte le cose possono fare le regioni artificiali
faccio oggi intendo che può suonare, intendo
che è molto grande intendo molto
gioco cinese complicato molto di più
complesso di scacchi ed è iniziato
incontrare gli esseri umani e ora lasciamo
come se battesse facilmente gli esseri umani che può
imparare a dipingere dire per esempio se prendo
una foto di questo incontro qui e II
avere una foto di dire
Ravi Varma che sono da Vinci e voglio
questa questa fotografia deve essere dipinta
lo stile di quel particolare artista a
la macchina può fare il prossimo
affascinante può comporre musica che può
imparare a lavorare può imparare le abilità motorie
può scrivere didascalie che può tradurre
può identificare oggetti che può identificare
se se qualcuno diventa cattivo e fave
e e
la mia foto su internet da qualche parte
può darmi un grilletto che può fare
riconoscimento e può guidare tutte le auto
giusto così intendo tutto ciò che non abbiamo mai
sentito parlare del passato nel recente
passato bene ma ora il mondo è in fermento
con esso sono sicuro che sarai d’accordo con me
se dico che nessuno del computer
tecnologie che siamo stati
l’ascolto ha creato così tanto entusiasmo e
così tante increspature nel mondo
l’ intelligenza artificiale sta facendo oggi
quindi di cosa sta succedendo parliamo?
per i successivi 13 minuti per 15
minuti va bene
regioni artificiale è nulla di nuovo Avrai
essere molto sorpreso di guardare questa sedia
è stato lì dagli anni ’50 e dalla macchina
apprendimento che è una metodologia per
raggiungere le religioni artificiali è stato
lì per diversi decenni ora intendo
ciò che è artificiale è ciò che è la macchina
imparando a metterlo in termini molto semplici
come loro come il termine è il bene
auto-esplicativo
è come se venissi fuori
metodologie di fabbricazione della macchina
pensa e agisci come un essere umano semplice
a destra e poi continuare ad imparare in profondità ok
così l’apprendimento profondo è una metodologia di
raggiungere l’intelligenza artificiale lo è
un sottoinsieme di machine learning è a
metodologia per raggiungere l’apprendimento automatico
tecniche quindi come funziona io sempre
spiegare il concetto di apprendimento profondo
con una semplice illustrazione io sempre
usa questa illustrazione e davvero
risuona bene con quello del ragionatore
come fa un bambino di otto mesi o diciamo
un bambino di 10 mesi lo capisce
rapa Liz una mela che è perché il
il padre o la madre dà l’oggetto
chiamato mela al bambino e allegata a
etichetta ad esso è lui un judo questo è Apple
e la Natura ha creato il nostro cervello in
così fantastico che il bambino è
capace di guardare l’oggetto dal suo cervello
viene addestrato sull’oggetto okay the
il cervello estrae le caratteristiche che sono
nascosto lì nella mela e anche
associa quell’etichetta chiamata PP le
Apple a quell’oggetto che è
cosa fa adesso se stiamo provando
fare esattamente la stessa cosa e giusto
Algoritmi di Mich che abilitano la macchina
guardare gli oggetti guardare i dati e scegliere
fuori comuni e modelli che sono
nascosto all’interno dei dati e quando a
dati simili non sono gli stessi dati quando a
dati simili sono presentati alla macchina
in un giorno successivo è in grado di
correlato alla sua formazione
subito dopo e quindi
inferno e suggerimenti capiscono che il nuovo
l’oggetto è anche una mela, ecco cosa
l’apprendimento profondo va bene ora c’è un
la complessità implicata in questo era il bambino
la complessità è che era il bambino
addestrato con a mela rossa quale che
era forse di queste dimensioni e che aveva un
diverso acai qualche forma considerando 5 giorni
dopo presenterai al bambino un verde
mela che è molto più piccola e
la forma è anche leggermente diversa e
forse lo stock è anche collegato al
Apple e forse un paio di Leafs
sono anche lì attaccati allo stock ma
ancora il bambino può identificare il nuovo
oggetto anche come se fosse una mela
subì trading utilizzando questo diverso
data set giusto grazie a Dio macchine sono
non è così intelligente, okay, non puoi allenarti
una macchina con la propria immagine o forse a
il bambino ha bisogno di pochi intendo forse non uno
Apple forse cinque quattro cinque volte a
piccole macchine pickup hanno bisogno di grandi quantità
di dati e tu e te cosa fai
quando l’approccio di apprendimento profondo che cosa
esattamente crei algoritmi
abilitare la macchina a guardare i dati apprendere
dai dati e prendere intelligente
decisioni attuabili proprio molto
parole importanti intelligenti
decisioni attuabili che possono quindi essere
usato per automatizzare le cose va bene qui noi
stiamo parlando della scrittura del software
programma potrai stiamo parlando
l’automazione dell’automazione va bene ora
è ciò che è l’apprendimento profondo va bene e in profondità
l’apprendimento funziona secondo il principio di
qualcosa chiamato come artificiale neurale
le reti vanno bene ed è così che siamo
cercando di imitare il modo in cui il cervello umano
lavori
okay e non è un compito banale che posso
stare qui e dire che stiamo cercando di imitare
il cervello umano posso dire che lo è
compito assolutamente non banale da fare
Voglio dire che hai una piccola curiosità qui il cervello
Voglio dire, penso che sia di circa due percentuali
del peso corporeo è il cervello ma esso
consuma a riposo consuma circa
venti percento del tasso metabolico
è limitato dal cervello ed è un
parte estremamente estremamente complessa e il
i segnali di modo si spostano da uno all’altro
la memoria di modo funziona come apprendere
succede come sogniamo intendo molti
è tutto estremamente complesso e
non è possibile, voglio dire che non è un
compito banale che ritengo corretto non lo è
un compito banale da imitare e fare
una macchina fare ciò che si suppone di fare
chi lo crederebbe giusto così come fa il
pianificare il lavoro così come ho detto prima
funziona su un principio chiamato come
reti neurali artificiali in cui lì
sono più livelli di astrazione di
caratteristiche ed e per come la vedo progressi che
metti la rete come puoi vedere su on
lo schermo sarà migliore dei risultati
le funzioni di livello base come forse il
i bordi e la superficie sono estratti
e poi caratteristiche di livello superiore come dire
per esempio se stai provando
riconoscere il volto il naso e il e
gli occhi sono estratti e poi il tutto
la faccia viene estratta e quindi entra
in modo sequenziale da uno strato ad uno
livello e più profondo lo strato più profondo
il livello di rete migliore sarà il
precisione dei risultati inizierò qui
e mi fermerò qui, posso continuare su questo
per tre ore non voglio entrare
lì non ho il tempo di farlo
adesso
così come è potuto succedere come questa magia
capita quali sono i fattori scatenanti per questo
accadere Voglio dire che questo suona almeno
ora abbiamo capito quello che sta approfondendo
cosa è successo nel passato diciamo
cinque anni sette anni quale che ha
ha portato alla rinascita di questa tecnologia
chiamato come apprendimento profondo ci sono tre
i principali driver diventarono i numeri uno
disponibile in grandi quantità c’è a
diluvio di dati da due diversi
canali il primo è ciò che chiamiamo
come i social media ne scelgono uno solo
esempio qui guarda il terzo esempio
Youtube
Ogni ora vengono caricate 300 ore di video
In altre parole, è 50 ore di
video ogni secondo di 50 ore di video
andato su internet sembra gente
non hanno altro lavoro se non il caricamento
video su internet e guarda il
ultimo esempio, quello che chiamiamo il
Internet of Things è tutto montato
con i sensori oggi dalle mucche da latte a
razzi la mosca nello spazio
tutto è dotato di sensori e
creano enormi quantità enormi di
dati ora così come posso fare con questi dati ho
significare tanto di dati in modo possono entrare fuori
con una tecnologia di apprendimento automatico
quello è il secondo innesco può uscire
con una tecnologia di apprendimento automatico che
può usare sfruttare i dati da cui imparare
i dati e aiutami a prendere decisioni
ora questo post Dynamo enorme sfida
ci sono un sacco di dati un numero enorme di
l’era che deve essere elaborata e
ovviamente la complessità del
rete che deve andare in elaborazione
i dati gli algoritmi che devono essere
scritto o estremamente estremamente complesso
come gestisci questo per quello di cui hai bisogno
brutale potere di elaborazione che non lo era
possibile dai processori convenzionali
che abbiamo avuto e che è dove il
Le GPU sono entrate in gioco nella grafica
unità di elaborazione che è a
processore parallelo e che può gestire
a causa dell’architettura intrinseca
con cui è costruito può gestire
enormemente una quantità maggiore di dati
e modelli estremamente complessi con facilità
e così la disponibilità del
potenza di elaborazione quindi grazie al nuovo
tecnologie che si stanno evolvendo intendo
da Nvidia in cui sono fortunato
lavoro per se così questi sono i tre
trigger che hanno portato alla rinascita del profondo
imparando così ho detto che l’apprendimento profondo può fare
quasi tutto tranne quanto affidabile
okay, questo è II ti incoraggerebbe
guardare la prima scatola così il fondo
tritato la linea nera mostra i livelli
di precisione che sono stati raggiunti dal
tecniche di apprendimento automatico convenzionali
che è bloccato a circa 75 76
percentuale e poi è venuto l’apprendimento profondo
e l’apprendimento profondo oggi può andare avanti per
questo particolare problema
Non sto dicendo il profondo apprendimento di questo
questo livello di
applicabile a tutti i problemi di approfondimento
per il particolare problema che sono
parlando di un riconoscimento dell’immagine
problema può arrivare fino a novantasei punti
tre livelli tre percentuale di precisione
quindi è il novantasei punto tre buono o
male forse novantanove va bene forse
novantacinque è buono come faccio a dire nel corso
il novantasei virgola tre è buono o cattivo
perché è buono perché l’umano
livelli di accuratezza per quel particolare
il problema è sotto novantasei punto tre
quindi per questo problema le macchine possono raggiungere
un migliore livello di precisione rispetto all’uomo
esseri
così al cento per cento è affidabile ora
stiamo tutti deplaning questi possono essere applicati
quasi ovunque per essere onesti bene per
esempio, se parlo in inglese, se vuoi
sentire questo in spagnolo o tamil o
Telugu o Canada nulla
è possibile attraverso l’apprendimento profondo
va bene e la biologia medicinale è enorme
area in cui si sta ottenendo l’apprendimento approfondito
applicato prende il caso dei radiologi
per prima cosa guardate un monitor monocromatico da
mattina dalle 9:00 alle 18:00 per sei giorni
una settimana è estremamente faticoso e
e voglio dire forse forse non abbastanza
i radiologi sono disponibili in tutto il mondo
ora questo faff viene sostituito da
macchine che invece di radiologi
le macchine sono addestrate a morire a guardare
le immagini mediche identificano le aberrazioni
e le lesioni che sono consapevoli di ciò
sono visibili in a in un’immagine e quindi
identificare diagnosticare una malattia e poi
non stanno andando a sostituire
radiologi o la diagnosi fatta
dalla Macchina sarà presentato al
radiologi e radiologi dell’essere umano
il radiologo accetterà o rifiuterà
la diagnosi fatta dalla Macchina è
meraviglioso e questo gioco per molto grande
implicazioni in particolare per lo sviluppo
i paesi forse non sono abbastanza radiologi
sono disponibili ovunque, quindi come faccio?
faccio a completare gli sforzi del
conoscenza del nostro di un esperto
radiologi e una macchina per lavorare
insieme per il miglioramento dell’essere umano
gentile questo è quello che può fare sicurezza e
difesa anche se progetti di città intelligenti
che stiamo parlando di tutto
di cui stiamo parlando è tutto
grazie all’apprendimento profondo se diciamo a
il bambino scompare e il bambino era
individuato camminando nella piattaforma di a
stazione ferroviaria a 150 chilometri se
si
diligente una macchina fotografica può guardare alla cattura
l’immagine del bambino e può
confronta l’altro la foto di
il bambino che è disponibile oggi
dabangg e quindi identificare che è il
stesso bambino e creare un grilletto e dire
che hey hai bisogno di andare a prendere questo
bambino a questo punto va tutto bene
le cose sono possibili grazie al profondo
imparando le città intelligenti che noi
stanno tutti parlando di tutti loro
diventando sempre meglio in termini di
la tecnologia
grazie all’apprendimento profondo ora Cancro
La ricerca è una cosa estremamente importante
in cui sta arrivando l’apprendimento profondo
applicato molto bene e più cose
come scoprire i loro cancri genetici
firme che predicono la proteina cancerosa
formazione vedere di cosa sto parlando
facendo un post-mortem dopo la cosa come
è successo stiamo parlando
previsioni previsioni intelligenti
rapporti patologici automatici da trovare
biomarkers del cancro eccetera tutti questi
le cose stanno diventando possibili grazie a
Apprendimento profondo quindi l’occhio dell’ago
è 2 milioni di nanometri in termini di
la dimensione e un difetto di semiconduttore che è
10 nanometri intendo dire i numeri
dieci nanometri non suonano un campanello ma
anche confrontarlo con le dimensioni di un occhio
di un ago sarete in grado di capire
e un difetto di 10 nanometri in a
il semiconduttore può essere raccolto attraverso
tecnologie di deep learning intelligenti
raccomandazioni chatbot che si presentano a
raccomandazioni che soddisfano le tue esigenze
i tuoi gusti predicono ciò che comprerai
quando entri nel tuo negozio
capire quale scaffale i tuoi occhi
risiedono molto e quindi garantiscono
quello che ottiene il prodotto giusto
tutte queste cose sono più possibili
grazie all’apprendimento approfondito e alla vendita al dettaglio
sta diventando un ronzio con più
le applicazioni che utilizzano l’apprendimento profondo ora lo sono
tutto solo tecnologia no lo è anche
utilizzata per più bene sociale anche prendere
il caso di questo usando immagini satellitari
è possibile mappare il modo in cui la povertà
si è sparso su una particolare area per dentro
paesi in via di sviluppo grazie al profondo
imparando puoi riconoscere l’a
disastro geologico che è
sull’accaduto che è imminente oh è
di nuovo prelevato da immagini satellitari
uno sforzo di deforestazione che sta accadendo
dite per esempio migliaia di satelliti
sono o o o roaming in tutto il
terra e se la piccola macchia di foresta
ne esce fuori fumo prima di questo
libro inghiotte l’intera area e diventa
un apprendimento profondo di disastri naturali
le tecnologie possono abilitare un preventivo
azione preventiva di manutenzione per essere
preso per chiamare questo apprendimento così profondo
ha molte implicazioni sociali come
bene e in termini di tecnologia lì
sono macchine fantastiche che lo sono
essendo andato per esempio ci sono
appositamente costruito un super computer che
in grado di gestire questa complessità dei dati questo
complessità di calcolo quale intendo
ci sono ci sono sistemi che possono
gestire fino a 960 ci sono flop di
operazione questo è come 40 cutoff
flop
a corto di un petaflop e persone che sono
lavorare con il calcolo ad alte prestazioni
area sarebbe in risonanza che avrebbero
trovare questo affascinante come sono
cose incredibili quindi non è solo il
La tecnologia che si evolve è anche
c’è il calcolo brutale che è
necessario per gestire questa tecnologia che è
anche evolvendosi secondo uno schema sorprendente
velocità in modo da concludere a è il percorso per
domani ed è ora di iniziare
lì so che ci sono molte preoccupazioni
a proposito ci porteranno via lavori o tutti se
mi fai questa domanda se dico di no
allora sono un bugiardo e non dirò mai
ma allora abbiamo due scelte
la prima scelta è a piagnucolare su di esso
preoccupati che si spaventi
e stai lontano da questa seconda scelta
è capirlo abbracciarlo andiamo
con esso e lo prendiamo insieme
noi e quindi essere sul carro
Please follow and like us:
Be First to Comment