Press "Enter" to skip to content

The Rise of Artificial Intelligence through Deep Learning | Yoshua Bengio | TEDxMontreal


[Музыка]
наш мир меняется во многих отношениях и
одна из вещей, которая будет иметь
огромное влияние на наше будущее
искусственный интеллект AI
еще одна промышленная революция предыдущая
промышленные революции, израсходованные людьми
механическая сила этой новой революции
это вторая машина Возраст собирается
расширить наши познавательные способности нашего
умственные компьютеры не просто
собирается заменить ручной труд, но также
так где мы стоим сегодня
вы, возможно, слышали о том, что произошло
в марте прошлого года, когда машинное обучение
система, называемая альфаго, использующая глубокое обучение
победить чемпиона мира в игре
Go Go — древняя китайская игра
что было намного сложнее для
компьютеров для освоения, чем игра
шахматы, как нам удалось добиться успеха после
Десятилетие исследований AI Alphago было
обученный играть сначала, наблюдая
свыше десятков миллионов ходов
сделанные очень сильными человеческими игроками, тогда
играя против себя миллионы
обучение машинным машинам позволяет компьютерам
учиться на примерах, чтобы учиться на
обучение машинам данных оказалось
быть ключом к вскармливанию знаний в
компьютеров, и это важно
потому что знание — это то, что позволяет
интеллект, вводящий в
компьютеры были проблемой для
предыдущие подходы к ИИ, почему
многие вещи, которые мы знаем интуитивно так
мы не можем сообщить о них устно мы
не имеют сознательного доступа к этому
интуитивные знания, как мы можем программировать
компьютеры с такими знаниями, что
Раствор раствор для машин до
узнайте, что знания сами по себе просто
поскольку мы делаем это, важно, потому что
знание — это то, что позволяет интеллекту
моя миссия заключалась в том, чтобы внести свой вклад в
открывать и понимать принципы
с помощью изучения того,
животное или человеческое или машинное обучение I
и другие считают, что есть несколько
ключевых принципов, как и законы
физики простые принципы, которые могли бы
объяснять наш собственный интеллект и помогать нам
строить интеллектуальные машины, например
думать о законах аэродинамики
которые являются достаточно общими , чтобы объяснить
полет и птиц, и самолетов не будет
это удивительно, чтобы обнаружить такие простые
но мощные принципы, которые
хорошо объясняйте разум
сделал некоторые успехи моими сотрудниками и
Я внес вклад в последние годы в
революции в ИИ с нашими исследованиями по
нейронные сети и глубокое обучение
подход к компьютерному обучению, который
вдохновленный мозгом
он начался с распознавания речи
на ваших телефонах с нейронными сетями
с 2012 года
прорыв в компьютерном видении
компьютеры теперь могут сделать довольно хорошую работу
распознавания содержимого изображений в
факт приближения человека производительность
некоторые контрольные показатели за последние пять лет
компьютер теперь может получить интуитивный
понимание внешнего вида
доски, которая сравнима с таковой
лучших человеческих игроков совсем недавно
после некоторых открытий, сделанных в моем
глубокое обучение лаборатории было использовано для
переводить с одного языка на другой
и вы знаете, что начали видеть это в Google
Перевести это расширяет
способность компьютера понимать и
генерировать естественный язык, но не
обманывайте мы все еще очень очень далеко от
машина, которая была бы такой же способной, как люди
научиться овладевать многими аспектами нашей
мир, давайте возьмем пример даже
двухлетний ребенок может учиться
вещи , таким образом , что компьютеры не являются
в состоянии сделать сейчас двухлетнего
ребенок действительно учит интуитивной физике
она знает, когда она бросает мяч, чтобы он
собирается упасть, когда она пролилась
некоторые жидкости, которые она ожидает в результате
беспорядок ее родителям не нужно учить
ее о законах Ньютона или дифференциальных
уравнения она обнаруживает все эти вещи
сам в неконтролируемом образе собственного
контролируемое обучение фактически остается одним
основных проблем для ИИ, и это может
еще несколько десятилетий фундаментальных
исследование для взлома, которое не контролируется
обучение на самом деле пытается
для обнаружения представлений данных
позвольте мне показать вам пример, рассмотрим
страница на экране , что вы видите
с вашими глазами или что компьютер
видя в виде изображения кучу пикселей в
чтобы ответить на вопрос о
Содержание образа вам нужно
понять его значение на высоком уровне и
это значение высокого уровня соответствует
наивысший уровень представительства в
ваш мозг ниже , у вас есть
индивидуальный смысл слов и даже
ниже у вас есть символы, которые
составлять слова и те персонажи
могут быть представлены по- разному с помощью
различные штрихи, которые составляют
символы и эти штрихи составлены
краев, и эти ребра состоят из
пикселей, так что это разные уровни
представление , но пиксели не являются
достаточно для того, чтобы иметь смысл
изображения, чтобы ответить на высокий уровень
вопрос о содержании страницы
у вашего мозга действительно есть эти разные
уровни представления, начиная с
нейронов в первой зрительной области
cortex v1, которые распознают ребра, а затем
нейронов во второй области визуализации
cortex v2, которые распознают штрихи и
маленькие фигуры выше у вас есть нейроны
которые обнаруживают части объектов, а затем
объекты и полные сцены мулов сети
когда они обучаются изображениями, можно
на самом деле обнаружить эти типы уровней
представления, которые хорошо сочетаются
что мы наблюдаем в мозге как
биологических нейронных сетей, которые
что у вас в мозгу и в глубине
нейронных сетей, которые мы тренируем на наших
машины могут научиться трансформироваться из одного
уровень представления к следующему с
более высокие уровни, соответствующие
более абстрактные понятия, например
абстрактное понятие персонажа a can
быть разными способами в
самый низкий уровень , как много различных
конфигурации пикселей в зависимости от
ваш шрифт поворота позиции и т. д.
на так как мы узнаем эти высокие уровни
представлений одно, что имеет
были очень успешными до сих пор в
приложения глубокого обучения — это то, что мы
вызывать контролируемое обучение с контролируемым
изучение компьютера необходимо принять
от руки, и люди должны сказать
компьютер ответ на многие вопросы
например , на миллионы и миллионы
изображения людей должны сказать машине
ну для этого изображения это кошка для этого
изображение это собака для этого изображения, это
ноутбук для этого изображения — клавиатура
и так далее и так далее миллионы раз
это очень больно, и мы используем
краудсорсинг, чтобы это сделать
хотя это очень мощно, и мы
уже могут решить
интересные проблемы людей много
сильнее, и они могут учиться многим
более различные аспекты мира в
гораздо более автономным способом, так же, как мы
видели с двухлетним ребенком
изучение интуитивной физики
неконтролируемое обучение также может помочь нам
позвольте мне
объясните, что я имею в виду
неконтролируемое обучение позволяет компьютерам
проецировать себя в будущее на
генерировать правдоподобные фьючерсы условных
о текущей ситуации и
компьютеры рассуждать и планировать заранее
даже при обстоятельствах, которые они имеют
не было обучено этому важно
потому что, если мы используем контролируемое обучение, мы
должен был рассказать о компьютерах
все обстоятельства, при которых автомобиль
может быть и что вы знаете, как человек
будет реагировать в этой ситуации, как я
научиться избегать опасных
я должен был умереть
тысяча раз в аварии
это то, как мы пробовали машины
прямо сейчас, так что он не будет летать или
по крайней мере, не ездить, так что нам нужно
тренировать наши модели, чтобы иметь возможность генерировать
правдоподобные изображения правдоподобные фьючерсы
творческий , и мы делаем успехи с
что мы тренируем эти глубокие
нейронные сети перейти от высокоуровневых
что означает пиксели, а не
пиксели на высокий уровень смысла , так происходят
в другом направлении через
уровней представления таким образом
компьютер может генерировать изображения, которые есть
новые изображения, отличные от того, что
компьютер видел, пока он был обучен
но правдоподобны ,
мы также можем использовать эти
модели, чтобы иногда придумывать странные
страшные образы, как наши мечты и
кошмары здесь есть некоторые изображения, которые
были синтезированы компьютером, используя
эти глубокие родительские модели, которые они смотрят
как естественные образы, но если вы посмотрите
внимательно вы увидите, что есть разные
и им по-прежнему не хватает некоторых
важные детали, которые мы хотели бы
признать себя естественным около десяти лет назад
неконтролируемое обучение было ключом к
прорыв, который мы получили
открывая глубокое обучение, это было
происходит в нескольких лабораториях, включая
в то время, когда нейронные сети были
не популярный
они были почти оставлены
научное сообщество теперь имеет
сильно изменилось, стало очень жарко
В настоящее время в сотнях студентов
каждый год на учебу в аспирантуре
в моей лаборатории с моими коллегами Монреаль
стал крупнейшим академическим
концентрация глубокого обучения
исследователи в мире
мы получили огромный грант на исследования
из 94 миллионов долларов, чтобы
границ ИИ и науки о данных и
также передать технологию глубокого
наука и наука о данных в промышленность
бизнесменов, стимулированных всем этим
создают производственные лаборатории стартапов
многие из которых находятся в
Пример всего несколько недель назад мы
объявила о запуске стартапа
фабрика называется элементом AI, который идет
сосредоточиться на глубоких приложениях обучения
просто недостаточно глубокого обучения
экспертов, поэтому им платят сумасшедшие
зарплаты и многие из моих бывших академических
коллеги приняли щедрые сделки
от компаний до работы в промышленных
Лаборатории Я для себя решил остаться
университет, чтобы работать на общественное благо
работать со студентами , чтобы остаться
независимый для руководства следующим поколением
экспертов в области глубокого обучения — одна вещь, которая
мы делаем вне коммерческой ценности
размышление о социальных последствиях
ИИ многие из нас сейчас начинают
обратим наше внимание на добавленную стоимость
приложений, таких как здоровье, мы считаем, что
мы можем использовать глубокое обучение для улучшения
лечение персонализированной медициной I
считают, что в будущем, когда мы соберем
больше данных из миллионов и миллиардов
люди вокруг земли, мы сможем
предоставлять медицинские консультации миллиардам
люди , у которых нет доступа к нему
теперь, и мы можем представить много других
приложения для социальной ценности ИИ для
пример то , что выйдет из
наши исследования на естественном языке
понимание предоставляет все виды
услуг, таких как юридические услуги для
которые не могут позволить себе их, мы сейчас
наши глаза и по отношению к социальной
последствия ИИ в моем сообществе, но
это не только для специалистов , чтобы думать о
это
Я считаю, что за пределами математики и
жаргон простые люди могут получить смысл
о том, что происходит под капотом, достаточно
участвовать в принятии важных решений
который состоится в ближайшие несколько лет
лет и десятилетий об ИИ, поэтому, пожалуйста, установите
в сторону ваших гонораров и
пространство, чтобы узнать об этом мои сотрудники
и я написал несколько вводных
документы и книга под названием «Глубокое обучение»
помочь студентам и инженерам
это захватывающее поле есть также много
учебные пособия по онлайн- ресурсам
видео и много студентов
много узнают об этом
исследования и глубокое обучение сами по себе
позже присоединиться к рядам лабораторий, таких как
мой ai будет иметь глубокий
воздействие на наше общество, поэтому важно
чтобы спросить , как мы будем использовать его
огромные положительные моменты могут
негативы, такие как военное применение или быстрое
разрушительные изменения на рынке труда на
убедитесь, что
будет сделано об ИИ в ближайшие несколько лет
будет на благо всех
гражданин должен играть активную роль в
определяя, как я буду формировать наше будущее
спасибо
вы
Please follow and like us:

Be First to Comment

Добавить комментарий