
[Музыка]
Я собираюсь научить вас, ребята, как учить
компьютеры , так что это не совсем
типичное хобби, которое большинство из нас входит в
это не так, как вы закончили класс, и вы
просто иди домой и решишь начать
обучение компьютерам не совсем
то, что мы все делаем, но для меня все это
началось, когда я отправился в путешествие
Афганистан в возрасте 15 лет, и я пришел
назад, и я понял, что хочу
сегодня революция в здравоохранении.
сложная задача , это сложная задача для
много людей, и нет точно
как-или вики , как это они собираются
об этом нет видео, которое объясняет
пошаговые инструкции ничего
особенно для 15-летнего меня, я знал
что это то, что я хотел сделать, но я
не знал, как я собираюсь это сделать
до одного дня, вызванного моим любопытством, я
искал что — то , как сделал это
суперкомпьютер победил мир опасности
чемпион в 2011 году IBM выпустила Watson
компьютер, на котором был задан вопрос
теперь IBM заявила, что Watson
было так хорошо ответить на вопросы, которые
он может победить чемпионов мира в
опасность сейчас Jeopardy — довольно
сложная игра, это не совсем
то, что люди , которые не
точно интеллигентный игрок преуспевает в
но для IBM, чтобы сказать,
что компьютеры могут бить людей
это довольно нетипично для них и так
когда пришло время для Уотсона подняться
против этих людей
Уотсон полностью уничтожил их там
даже не был близок к людям
Ватсон не только обыграл одного человека
избили две из лучших угроз в мире
игроков, и он избил его длинным ударом
и, так как я просматриваю результаты
Мне интересно, как компьютеры
лучше , чем у людей , когда это сделал
когда это произошло, что именно делает
этот компьютер лучше, чем человек на
отвечая на вопрос, и поэтому я иду
через эти Линг я ищу это
появляется странная концепция машинного обучения
вверх каждое звено имеет что — то делать с
машинного обучения, и поэтому я спросил, как
работа над машиной, что это такое и так
основная концепция машинного обучения
вид в названных машинах, которые могут
узнайте, что это большой вид отрасли в
информатика и что это влечет за собой
что мы можем кормить компьютеры тонны данных
и мы можем позволить этим компьютерам фигурировать
кластеризация больших размеров
возможностей в рамках этих данных, и если вы
научи его достаточно хорошо,
своего рода умный в этой задаче и
они могут фактически взять то, что у них есть
узнал и применил его к новым проблемам
что он никогда не видел прежде, чем машина
обучение — это тема в компьютере
науки, а под
это разные типы
алгоритмы , используемые машинным обучением
один из алгоритмов, которые
используемые были названы нейронными сетями и
они достигли своего интереса главным образом потому, что
они пинали человека, но они были
лучше людей почти при каждой задаче
что их ставят, и они
последовательно превзошли все
другой алгоритм, который был сумасшедшим, и поэтому
нейронные сети моделируются вроде как
человеческий мозг, в котором термин
нерв приходит, у нас есть нейроны в нашем
мозг , и каждый из этих нейронов делают
то , что они имеют какое — то
так что это то, что в вашем
мы предоставляем массу данных
и это своего рода информация о том, что
точно нужно искать, но я
удивился, что конкретно наш нервный
сети видят хорошее и что я понимаю
проходя через эти поиски и
через эти ссылки было то, что нейронные
сети были действительно хороши в принятии
большие объемы данных просто прямые
число данных и поиск этих неясных
шаблоны, которые, как люди, мы никогда не будем
понимаете, что были действительно хороши в поиске
при узорах при таком разном
с точки зрения высоких размеров, что как
людей, которых мы просто не можем понять и так
как я просматриваю это, и я
думая об этом, я
интересно , а обычные данные регулярные
числовые данные прохладного права это работает я
означает, что компьютеры могут справиться с этим
но как насчет изображений, которые я попросил сделать
нейронные сети работают с изображениями сейчас
вот что с изображениями вы, ребята
не могли бы понять это или , возможно , вы делаете , но
если вы сделаете снимок меня прямо сейчас
а потом взять другую картину меня
через секунду, а затем еще 100
фотографии меня сто секунд спустя
это будет отличаться каждый
время, когда освещение отличается от моего лица
выражение отличается и, вероятно,
влево или вправо — это другое
изображения не имеют каких-либо способов принятия
одинаковое точное изображение каждый раз
и поэтому , если мы действительно хотим компьютеров в
получить хорошие изображения, которые им действительно нужны, чтобы
научиться конкретно контенту
в изображении не
эвристики и так , как я прохожу
эти нейронные сети также являются ветвью
машинного обучения, но они также
охватывают гораздо больше , существуют конкретные
типы нейронных сетей нейронных сетей
которые хорошо работают с изображениями
сверточных нейронных сетей и
по существу, вместо того ,
математических узлов они имеют эти
фильтры, поэтому я понял, как
сверточные нейронные сети работали I
понимали , что с ними хорошо
Я понял, что концепция
нейронные сети были хорошими
извлечение данных с высоким размерным рисунком
поэтому я задавался вопросом, как именно вы тренируетесь
ему нравится то, что происходит в этом, и поэтому я
спросил, как вы тренируете свертку
ваша собственная сеть, и это было поразительно
видеть, потому что это так похоже на то, как
мы, как люди, учимся, что вы даете
сверточной нейронной сети тонна
данные, и эти данные помечены так, что данный
Сетевое изображение оранжевого изображения
яблока еще одна картина оранжевого
другая картина яблока, и я сделаю
это пара миллионов раз , и я буду
скажите сети, вот изображение и
угадайте, что вы думаете, этот образ может быть
и угадайте, да, яблоко или
оранжевый, и если это неправильно, я говорю это эй
вернитесь и определите, где вы
сделал вашу ошибку, настроив ее так, чтобы, если я
должны были дать вам точный точный образ
вы не ошибетесь, и если бы это было
правильнее было бы , что проводным
знание о том , что
как мозговая пробная ошибка, вы получаете
математическая задача неправильно вы возвращаетесь вы
выяснить, что вы сделали с ним неправильно
и затем вы продолжаете, но я подумал
что именно в вашей сети вы
обучение материала приобретает суперкомплект
как это просто буквально просто
сеть состоит в том, что куча кода
что именно вы тренируетесь с помощью
в сверточной нейронной сети
и я спросил, что такое сверточное
фильтр, это материал внутри него и
поэтому эти фильтры вроде как
Фильтры Instagram Фильтры Instagram делают
мы выглядим счастливее и заставляем нас выглядеть более
энергичные, иногда они заставляют меня смотреть
как я взял фотографию и хорошее освещение
когда я принимал это в ванной
и темные, но эти фильтры не
нам хорошо выглядеть , они ищут
конкретные функции, которые они ищут
края ищут угловые фильтры
которые позже входят в сеть, являются
глядя на цвета и конкретные объекты
если вы должны были
сверточной нейронной сети, которая была
обучены распознавать кошек и собак
последний сверточный фильтр
на самом деле смотрит на кошку, она смотрит
для полного описания лица кошки
который является интенсивным, потому что мы не
прямо скажите, что это то, что кошка
мы просто дадим понять это после
сотни тысяч изображений, и поэтому я
также интересуется, потому что это связано с
так много для мозга нашего сверточного
нейронные сети вроде как визуальные
коры головного мозга, и это было
интересно видеть, что они почти
точно так же, а не
фильтры у нас есть слои нейронов в нашем
мозг и эти нейроны собираются
на большинстве деталей Minut , если бы я
показать вам угол 90 градусов по этому
на экране присутствуют специфические нейроны в
ваш мозг, который собирается стрелять
потому что они просто признают, что 90
а затем, если я хвастаюсь
Угол 89 градусов эти нейроны не
собирается выстрелить, и он установил другой набор
нейроны будут стрелять, потому что наши
мозги настолько искусны в принятии этих
действительно мелкие детали и детализация
это из
Понимаю
что это угол, и это
и это угол 90 градусов и
это не так, как я это переживаю
У меня такая идея этих сетей
действительно хороши с шаблонами с данными
и поэтому мой следующий вопрос был о груди
рак
Я задавался вопросом, почему так тяжело рак груди?
диагностировать, и когда я позже узнал
было то, что существует тонна маркеров для
рака молочной железы у человека
радиолог патологоанатом или врач
Посмотрите на изображение, где находится рентгеновский снимок
От 10 до 20 функций , которые должны быть
ищут, но им нужно искать его
в пределах всего изображения, и они не
именно сгруппированные
такие вещи, как форма и размер и
неровность того, что они ищут
на и так довольно трудно диагностировать
потому что разница между опухолью
это ракообразно и на самом деле может быть
фатальный
против опухоли, которая не является раковой и
на самом деле просто сидеть там
почти такая перемена там нет
так много для них, чтобы искать так
Я хотел количественно оценить , что это трудно
диагностировать, но насколько это тяжело, и поэтому я
спросил, что такое частота неправильного диагноза, поэтому
Я прокручиваю это, и я
глядя на статистику, и это выглядит так:
многие , как 31 процентов женщин в настоящее время
неверно указана 31%, что означает, что
31 процентов женщин говорят , что
опухоли у них раковые, когда
они на самом деле не смертельны
им говорят, что опухоли они
не являются злокачественными, когда они
на самом деле 31 процентов женщин
сражаясь за свою жизнь, они
борясь с этой реальностью, что есть
инородный объект в их теле, который
их тело повернулось против самих себя
и 31% из них говорят
они ошибаются, что это не так.
процентов женщины, которая может быть спасена
потому что особенно рака в
раньше вы обнаруживаете, что чем выше
вероятность того, что вы избили его так
мы ограбили 31% женщин
от шанса на жизнь, так что я
думая об этом, и это поразительно
потому что, когда я пройду через это,
процентов — большое число, но больше, чем
это поразительное количество потоков
что я смотрю, что говорили
как они были неправильно диагностированы и теперь
есть сцена для инвазивного тех
большие слова вам не нужно быть врачом
осознать, что это не звучит хорошо
и поэтому я хотел построить точную
решение что — то , что могло бы помочь этим
люди, но я не хотел, чтобы это было
дорого, поэтому я спросил, являются ли маммограммы
дешево я хотел построить решение, которое
было экономически выгодным для людей вокруг
мир, и я понял, что
маммограммы обычно покрываются
медицинского страхования, но если они не
развивающиеся страны имеют эти машины
потому что они существовали для
долго, так что это именно то, что я сделал.
взял то, что я узнал в информатике
и машинное обучение по шаблону
признание, и я применил его к медицине
чтобы помочь сделать
эта цель революционизировать здравоохранение
но то, что я понял на этом пути, было
что есть только некоторые вещи, которые вы
не может искать страсть
мотивация человеческого элемента вещь
что будит нас, что заставляет нас идти
это вещи, которые ни одна компания не
учебный план не учит даже ваш
родители могут сказать вам, что это вещи
что вы должны пойти в реальную
мир и исследовать и найти для меня я был
в Афганистане и
были люди страдают , потому что
качества медицинской помощи они были
приема было продиктовано количеством
деньги, которые у них были
отрасль, которая удерживает нас в жизни
у нас идут мечты
мотивы, которые мы хотим сделать
у нас есть цели, которые мы хотим, чтобы мы хотели расти
вверх
но когда здравоохранение — это отрасль,
Предполагается, что мы живем , продиктовано
благодаря богатству по этим материалам
вещи в нашей жизни действительно несущественны
справедливо ли говорить кому-то, кто родился
в ситуации , так
бедности в такой
Афганистан, откуда я, но потому что
ты родился в бедности своей жизнью
не имеет большого значения по сравнению с
человек , у которого больше денег, больше
богатство оказывает большее влияние на справедливое
это был вопрос, который я схватил с помощью I
понял, что это было против каждого
кости в моем теле, но этот опыт я
вышел из моей зоны комфорта, я покинул
привилегии жить в Чикаго
привилегия быть в состоянии пойти на
доктор и понять, что я собираюсь
все будет хорошо, и я увидел, что есть
женщины- матери, колышущие своих сыновей в
надеется, что придет доктор
тем, что линия, стоявшая перед
это тот, который захватывает углы и
блоков города, что это будет
сокращенно, поэтому, если их маленький ребенок
может иметь шанс расти, чтобы
он стоял против всего, что я
вместо этого верил в это
потряс меня, и поэтому я вернулся, и я
понял, что это то, что я
хотел , чтобы исправить эти вещи , которые вы не можете
найти их в классной комнате, которую вы не можете найти
они сидят за компьютерным поиском
за то, что вам нужно выходить
вам нужно изучить, что вы должны найти
что важно для вас, я благословлен
быть в состоянии проснуться каждое утро и
знай, что я рад, что я доволен
с работой, которую я делаю, жизнь
стоит гораздо больше денег, чем стоит
намного больше, чем то, что мы разместили на нем в
эти развивающиеся страны не могут
контролировать, в чем они рождаются, и они
не могут реально контролировать, где даже
может закончиться, но они могут контролировать
все, что происходит в середине
и иногда нам повезло, что мы много
повезло, потому что мы рождены в месте
где мы можем сделать больше, и это наш
ответственность за то, что люди забывают забыть
что это они наши братья или
сестры — это люди, которые мы видим на
новости, и мы просто предполагаем, что это
кто-нибудь другой
эта страна, но нет настоящих
люди, у которых есть семьи , которые
целей и мотивов, подобных нам и
поэтому я хочу спросить вас у аудитории
люди, сидящие здесь, вы, ребята, хотите
сделайте смелые шаги, поэтому вы здесь
вы поддерживаете эту идеологию, что
именно это вы хотите найти
для выходить ли что — то найти что — то
стоит поискать спасибо
[Аплодисменты]
вы
[Аплодисменты]
Я собираюсь научить вас, ребята, как учить
компьютеры , так что это не совсем
типичное хобби, которое большинство из нас входит в
это не так, как вы закончили класс, и вы
просто иди домой и решишь начать
обучение компьютерам не совсем
то, что мы все делаем, но для меня все это
началось, когда я отправился в путешествие
Афганистан в возрасте 15 лет, и я пришел
назад, и я понял, что хочу
сегодня революция в здравоохранении.
сложная задача , это сложная задача для
много людей, и нет точно
как-или вики , как это они собираются
об этом нет видео, которое объясняет
пошаговые инструкции ничего
особенно для 15-летнего меня, я знал
что это то, что я хотел сделать, но я
не знал, как я собираюсь это сделать
до одного дня, вызванного моим любопытством, я
искал что — то , как сделал это
суперкомпьютер победил мир опасности
чемпион в 2011 году IBM выпустила Watson
компьютер, на котором был задан вопрос
теперь IBM заявила, что Watson
было так хорошо ответить на вопросы, которые
он может победить чемпионов мира в
опасность сейчас Jeopardy — довольно
сложная игра, это не совсем
то, что люди , которые не
точно интеллигентный игрок преуспевает в
но для IBM, чтобы сказать,
что компьютеры могут бить людей
это довольно нетипично для них и так
когда пришло время для Уотсона подняться
против этих людей
Уотсон полностью уничтожил их там
даже не был близок к людям
Ватсон не только обыграл одного человека
избили две из лучших угроз в мире
игроков, и он избил его длинным ударом
и, так как я просматриваю результаты
Мне интересно, как компьютеры
лучше , чем у людей , когда это сделал
когда это произошло, что именно делает
этот компьютер лучше, чем человек на
отвечая на вопрос, и поэтому я иду
через эти Линг я ищу это
появляется странная концепция машинного обучения
вверх каждое звено имеет что — то делать с
машинного обучения, и поэтому я спросил, как
работа над машиной, что это такое и так
основная концепция машинного обучения
вид в названных машинах, которые могут
узнайте, что это большой вид отрасли в
информатика и что это влечет за собой
что мы можем кормить компьютеры тонны данных
и мы можем позволить этим компьютерам фигурировать
кластеризация больших размеров
возможностей в рамках этих данных, и если вы
научи его достаточно хорошо,
своего рода умный в этой задаче и
они могут фактически взять то, что у них есть
узнал и применил его к новым проблемам
что он никогда не видел прежде, чем машина
обучение — это тема в компьютере
науки, а под
это разные типы
алгоритмы , используемые машинным обучением
один из алгоритмов, которые
используемые были названы нейронными сетями и
они достигли своего интереса главным образом потому, что
они пинали человека, но они были
лучше людей почти при каждой задаче
что их ставят, и они
последовательно превзошли все
другой алгоритм, который был сумасшедшим, и поэтому
нейронные сети моделируются вроде как
человеческий мозг, в котором термин
нерв приходит, у нас есть нейроны в нашем
мозг , и каждый из этих нейронов делают
то , что они имеют какое — то
так что это то, что в вашем
мы предоставляем массу данных
и это своего рода информация о том, что
точно нужно искать, но я
удивился, что конкретно наш нервный
сети видят хорошее и что я понимаю
проходя через эти поиски и
через эти ссылки было то, что нейронные
сети были действительно хороши в принятии
большие объемы данных просто прямые
число данных и поиск этих неясных
шаблоны, которые, как люди, мы никогда не будем
понимаете, что были действительно хороши в поиске
при узорах при таком разном
с точки зрения высоких размеров, что как
людей, которых мы просто не можем понять и так
как я просматриваю это, и я
думая об этом, я
интересно , а обычные данные регулярные
числовые данные прохладного права это работает я
означает, что компьютеры могут справиться с этим
но как насчет изображений, которые я попросил сделать
нейронные сети работают с изображениями сейчас
вот что с изображениями вы, ребята
не могли бы понять это или , возможно , вы делаете , но
если вы сделаете снимок меня прямо сейчас
а потом взять другую картину меня
через секунду, а затем еще 100
фотографии меня сто секунд спустя
это будет отличаться каждый
время, когда освещение отличается от моего лица
выражение отличается и, вероятно,
влево или вправо — это другое
изображения не имеют каких-либо способов принятия
одинаковое точное изображение каждый раз
и поэтому , если мы действительно хотим компьютеров в
получить хорошие изображения, которые им действительно нужны, чтобы
научиться конкретно контенту
в изображении не
эвристики и так , как я прохожу
эти нейронные сети также являются ветвью
машинного обучения, но они также
охватывают гораздо больше , существуют конкретные
типы нейронных сетей нейронных сетей
которые хорошо работают с изображениями
сверточных нейронных сетей и
по существу, вместо того ,
математических узлов они имеют эти
фильтры, поэтому я понял, как
сверточные нейронные сети работали I
понимали , что с ними хорошо
Я понял, что концепция
нейронные сети были хорошими
извлечение данных с высоким размерным рисунком
поэтому я задавался вопросом, как именно вы тренируетесь
ему нравится то, что происходит в этом, и поэтому я
спросил, как вы тренируете свертку
ваша собственная сеть, и это было поразительно
видеть, потому что это так похоже на то, как
мы, как люди, учимся, что вы даете
сверточной нейронной сети тонна
данные, и эти данные помечены так, что данный
Сетевое изображение оранжевого изображения
яблока еще одна картина оранжевого
другая картина яблока, и я сделаю
это пара миллионов раз , и я буду
скажите сети, вот изображение и
угадайте, что вы думаете, этот образ может быть
и угадайте, да, яблоко или
оранжевый, и если это неправильно, я говорю это эй
вернитесь и определите, где вы
сделал вашу ошибку, настроив ее так, чтобы, если я
должны были дать вам точный точный образ
вы не ошибетесь, и если бы это было
правильнее было бы , что проводным
знание о том , что
как мозговая пробная ошибка, вы получаете
математическая задача неправильно вы возвращаетесь вы
выяснить, что вы сделали с ним неправильно
и затем вы продолжаете, но я подумал
что именно в вашей сети вы
обучение материала приобретает суперкомплект
как это просто буквально просто
сеть состоит в том, что куча кода
что именно вы тренируетесь с помощью
в сверточной нейронной сети
и я спросил, что такое сверточное
фильтр, это материал внутри него и
поэтому эти фильтры вроде как
Фильтры Instagram Фильтры Instagram делают
мы выглядим счастливее и заставляем нас выглядеть более
энергичные, иногда они заставляют меня смотреть
как я взял фотографию и хорошее освещение
когда я принимал это в ванной
и темные, но эти фильтры не
нам хорошо выглядеть , они ищут
конкретные функции, которые они ищут
края ищут угловые фильтры
которые позже входят в сеть, являются
глядя на цвета и конкретные объекты
если вы должны были
сверточной нейронной сети, которая была
обучены распознавать кошек и собак
последний сверточный фильтр
на самом деле смотрит на кошку, она смотрит
для полного описания лица кошки
который является интенсивным, потому что мы не
прямо скажите, что это то, что кошка
мы просто дадим понять это после
сотни тысяч изображений, и поэтому я
также интересуется, потому что это связано с
так много для мозга нашего сверточного
нейронные сети вроде как визуальные
коры головного мозга, и это было
интересно видеть, что они почти
точно так же, а не
фильтры у нас есть слои нейронов в нашем
мозг и эти нейроны собираются
на большинстве деталей Minut , если бы я
показать вам угол 90 градусов по этому
на экране присутствуют специфические нейроны в
ваш мозг, который собирается стрелять
потому что они просто признают, что 90
а затем, если я хвастаюсь
Угол 89 градусов эти нейроны не
собирается выстрелить, и он установил другой набор
нейроны будут стрелять, потому что наши
мозги настолько искусны в принятии этих
действительно мелкие детали и детализация
это из
Понимаю
что это угол, и это
и это угол 90 градусов и
это не так, как я это переживаю
У меня такая идея этих сетей
действительно хороши с шаблонами с данными
и поэтому мой следующий вопрос был о груди
рак
Я задавался вопросом, почему так тяжело рак груди?
диагностировать, и когда я позже узнал
было то, что существует тонна маркеров для
рака молочной железы у человека
радиолог патологоанатом или врач
Посмотрите на изображение, где находится рентгеновский снимок
От 10 до 20 функций , которые должны быть
ищут, но им нужно искать его
в пределах всего изображения, и они не
именно сгруппированные
такие вещи, как форма и размер и
неровность того, что они ищут
на и так довольно трудно диагностировать
потому что разница между опухолью
это ракообразно и на самом деле может быть
фатальный
против опухоли, которая не является раковой и
на самом деле просто сидеть там
почти такая перемена там нет
так много для них, чтобы искать так
Я хотел количественно оценить , что это трудно
диагностировать, но насколько это тяжело, и поэтому я
спросил, что такое частота неправильного диагноза, поэтому
Я прокручиваю это, и я
глядя на статистику, и это выглядит так:
многие , как 31 процентов женщин в настоящее время
неверно указана 31%, что означает, что
31 процентов женщин говорят , что
опухоли у них раковые, когда
они на самом деле не смертельны
им говорят, что опухоли они
не являются злокачественными, когда они
на самом деле 31 процентов женщин
сражаясь за свою жизнь, они
борясь с этой реальностью, что есть
инородный объект в их теле, который
их тело повернулось против самих себя
и 31% из них говорят
они ошибаются, что это не так.
процентов женщины, которая может быть спасена
потому что особенно рака в
раньше вы обнаруживаете, что чем выше
вероятность того, что вы избили его так
мы ограбили 31% женщин
от шанса на жизнь, так что я
думая об этом, и это поразительно
потому что, когда я пройду через это,
процентов — большое число, но больше, чем
это поразительное количество потоков
что я смотрю, что говорили
как они были неправильно диагностированы и теперь
есть сцена для инвазивного тех
большие слова вам не нужно быть врачом
осознать, что это не звучит хорошо
и поэтому я хотел построить точную
решение что — то , что могло бы помочь этим
люди, но я не хотел, чтобы это было
дорого, поэтому я спросил, являются ли маммограммы
дешево я хотел построить решение, которое
было экономически выгодным для людей вокруг
мир, и я понял, что
маммограммы обычно покрываются
медицинского страхования, но если они не
развивающиеся страны имеют эти машины
потому что они существовали для
долго, так что это именно то, что я сделал.
взял то, что я узнал в информатике
и машинное обучение по шаблону
признание, и я применил его к медицине
чтобы помочь сделать
эта цель революционизировать здравоохранение
но то, что я понял на этом пути, было
что есть только некоторые вещи, которые вы
не может искать страсть
мотивация человеческого элемента вещь
что будит нас, что заставляет нас идти
это вещи, которые ни одна компания не
учебный план не учит даже ваш
родители могут сказать вам, что это вещи
что вы должны пойти в реальную
мир и исследовать и найти для меня я был
в Афганистане и
были люди страдают , потому что
качества медицинской помощи они были
приема было продиктовано количеством
деньги, которые у них были
отрасль, которая удерживает нас в жизни
у нас идут мечты
мотивы, которые мы хотим сделать
у нас есть цели, которые мы хотим, чтобы мы хотели расти
вверх
но когда здравоохранение — это отрасль,
Предполагается, что мы живем , продиктовано
благодаря богатству по этим материалам
вещи в нашей жизни действительно несущественны
справедливо ли говорить кому-то, кто родился
в ситуации , так
бедности в такой
Афганистан, откуда я, но потому что
ты родился в бедности своей жизнью
не имеет большого значения по сравнению с
человек , у которого больше денег, больше
богатство оказывает большее влияние на справедливое
это был вопрос, который я схватил с помощью I
понял, что это было против каждого
кости в моем теле, но этот опыт я
вышел из моей зоны комфорта, я покинул
привилегии жить в Чикаго
привилегия быть в состоянии пойти на
доктор и понять, что я собираюсь
все будет хорошо, и я увидел, что есть
женщины- матери, колышущие своих сыновей в
надеется, что придет доктор
тем, что линия, стоявшая перед
это тот, который захватывает углы и
блоков города, что это будет
сокращенно, поэтому, если их маленький ребенок
может иметь шанс расти, чтобы
он стоял против всего, что я
вместо этого верил в это
потряс меня, и поэтому я вернулся, и я
понял, что это то, что я
хотел , чтобы исправить эти вещи , которые вы не можете
найти их в классной комнате, которую вы не можете найти
они сидят за компьютерным поиском
за то, что вам нужно выходить
вам нужно изучить, что вы должны найти
что важно для вас, я благословлен
быть в состоянии проснуться каждое утро и
знай, что я рад, что я доволен
с работой, которую я делаю, жизнь
стоит гораздо больше денег, чем стоит
намного больше, чем то, что мы разместили на нем в
эти развивающиеся страны не могут
контролировать, в чем они рождаются, и они
не могут реально контролировать, где даже
может закончиться, но они могут контролировать
все, что происходит в середине
и иногда нам повезло, что мы много
повезло, потому что мы рождены в месте
где мы можем сделать больше, и это наш
ответственность за то, что люди забывают забыть
что это они наши братья или
сестры — это люди, которые мы видим на
новости, и мы просто предполагаем, что это
кто-нибудь другой
эта страна, но нет настоящих
люди, у которых есть семьи , которые
целей и мотивов, подобных нам и
поэтому я хочу спросить вас у аудитории
люди, сидящие здесь, вы, ребята, хотите
сделайте смелые шаги, поэтому вы здесь
вы поддерживаете эту идеологию, что
именно это вы хотите найти
для выходить ли что — то найти что — то
стоит поискать спасибо
[Аплодисменты]
вы
[Аплодисменты]
Please follow and like us:
Be First to Comment