[Музыка]
[Аплодисменты]
благодарю вас
благодарю вас, что во время Второй мировой войны
первый компьютер был изобретен, они взломали
немецкий связи холодной и
обеспечили успешную посадку в Нормандии
отец за этим беспрецедентным
машина Алан Тьюринг написал статью
Вычислительная техника и разведка в
1950 и документ открывается словами
Я предлагаю рассмотреть вопрос
машины хорошо себя чувствуют сегодня, вдохновленные
его задумчивый вопрос мы постараемся
ответьте следующим образом, как мы можем создать
интеллектуальный компьютер и что будет
будущее выглядит как интеллектуальный
машины
на самом деле ИИ растет
экспоненциально в последнее десятилетие она имеет
уже трогали нашу жизнь способами
что вы можете не заметить, например
каждый раз при поиске в Google
тип ИИ используется, чтобы показать вам
Лучшие результаты каждый раз, когда вы спрашиваете Сири
вопрос обработки естественного языка и
распознавание речи используется так
искусственный интеллект, вероятно, будет
один из крупнейших научных
прорывов в 21 веке
дать нам возможность исследовать вселенную
и наше человечество с другим
подход
AI имеет потенциал навсегда изменить
наша человечность — основа искусственного
интеллект — это машинное обучение, и я
подумайте, что этот термин довольно
что мы хотим сделать
машины учатся на основе своих знаний
и принимать решения
машинное обучение можно понять в
два основных компонента — использовать
алгоритмы для поиска смысла в случайных и
неупорядоченные данные , а вторая часть является
использовать алгоритмы обучения , чтобы найти
отношения между этими знаниями и
улучшить этот процесс обучения так
общей целью машинного обучения является
на самом деле довольно просто улучшить
производительность машин по определенным задачам
и это может предсказывать акции
рынок для сложных, таких как
перевод статей между языками
и скриншот, который вы видите правильно
Сейчас на самом деле изображение Google
Перевести нейронную сеть Охайте говоря
перевода любой здесь говорит
второго или третьего языка,
Удивительно хорошо, что я родился в Китае, и я
говорят на китайском, а также говорят по-английски
плюс несколько языков программирования
вот на счету , поэтому, когда моя семья
и я часто путешествую по миру
нужно что-то, называемое Google Translate
и путем изучения Google Translate
искусственный интеллект мы можем на самом деле
получить больше понимания того, как
AI работает хорошо, прежде всего, когда-либо
интересно, сколько данных у Google есть
ну, оказывается , Google направляет
около 10-15 экзабайт данных хорошо
что это значит?
позвольте мне поставить это в перспективу для вас
если один персональный компьютер равен 500
гигабайт, то 15 экзабайтов Google
30 миллионов персональных компьютеров и
данные оказываются одним из видов топлива
который управляет Google Translate of magical
технологии так на поверхности Google
Перевод не изменился с 2007 года, когда
он был впервые запущен, но вы получите мое уведомление
заключается в том, что переводчик становится быстрее
и более точный , так получается,
процесс обучения для Google Translate
вдохновленные нашими собственными, мы, как люди, получаем
лучше заниматься делами , практикуя
так же, как наши учителя математики и наши
музыкальные учителя всегда говорят нам об этом
из Google Translate может стать лучше
перевод , читая больше статей, так
как компьютер учится
действительно может придумать эту блок-схему
что даст нам подведение итогов
нам хорошая картина того, как искусственные
интеллект действительно работает, поэтому он поворачивается
мы должны использовать некоторые учебные материалы
и поместить это в алгоритм обучения
который даст нам некоторые знания и
что знания будут на компьютере
знает об этом конкретном субъекте и
вы и я, где пользователь прав пользователя
предоставит компьютеру некоторый ввод и
надеюсь, какая-то альфа выйдет так
наш случай 15 X байт Google Google
данные будут
то, что вы не переведете , идет
для ввода пользователем, а выход —
будет что-то в другом
языка, поэтому самая важная часть
весь этот процесс на самом деле
алгоритм обучения — это то, что
позволяет компьютерам учиться и быть
умный, поэтому сегодня мы собираемся
сосредоточиться на двух частях — изображение
и вторая часть — нейронная
сетей, давайте начнем с обсуждения
обработки изображений, мы можем говорить о
компьютерное зрение, не говоря о
прав человека и визуальный сигнал
из нашей сетчатки передается через нашу
мозга к нашей первичной зрительной коре в
задняя часть нашего мозга, которая правильная
здесь и виртуальная информация
разделены и обработаны в трех
разные системы обработки одной системы
главным образом, обработка информации о
цвет второй по форме третий
один о местоположении движения и
организации с учетом всего этого
сегодня мы попытаемся создать приложение
которые смогут идентифицировать
логотип coca-cola, поэтому в первую очередь у нас есть
чтобы понять, что большинство фотографий, которые мы
см. на экране компьютера
Я имею в виду пиксели крошечных крошечных вещей, которые
представляют цвет, а также почему Стив
Вакансии называет его компанию Pixar, поскольку каждый
человек, что мир сделан из пикселей
который является большим , поэтому компьютер пытается
Чтобы понять это изображение, он будет первым
разделить их на разные фьючерсы
объекты, которые мы можем легко увидеть в
и затем каждый из этих
функции предоставят компьютеру некоторые
информация об этом образе и сегодня
мы в основном сосредоточимся на
параметр области и скелет, а некоторые
подробности об этих функциях, так что теперь
компьютер имеет такие вещи в памяти, поэтому
когда пользователь дает компьютер
вход он будет иметь возможность обрабатывать
импортировать и сравнивать это с тем, что находится в
памяти, а затем дать вам некоторый результат
соответствует ли изображение
шаблон или нет, вот что
технологии в действии, поэтому я создал
приложение на этом iPad, которое будет
способный идентифицировать логотип coca-cola и этот
приложение фактически работает от открытого
компьютерное зрение и благодаря большому
так что сегодня мы изучим
логотип coca-cola, поэтому давайте нажмем на это
отлично, мы просто изучили этот образ
замечательный и как вы можете видеть изображение
сверху есть маленькие зеленые прямоугольники и
квадраты вокруг него, и это регионы
что компьютеры обрабатывают и в
изображение ниже является одним из самых больших
функции в этом изображении и в таблице как
вы можете видеть, что есть подробности, которые
компьютер запоминается, поэтому давайте упустим
это и нажмите начать отслеживать oh смотреть на
что это очень чувствительно
успешно справляется с правильной бумагой
передо мной есть логотип кока-колы на
это здорово, и это жизнь, так что вы
Я не думаю, что
путь так замечательно спасибо
так что теперь давайте вспомним, что мы можем обобщить
все, что мы сделали с этим простым
в блок-схеме мы получили некоторые входные данные, и мы
использовать некоторый алгоритм, чтобы найти какое-то значение
в этих данных и в будущем мы будем использовать
новые сети для улучшения
весь процесс и, надеюсь, узнать больше
и больше изображений и пикселя в нашем
случай или входные данные и значение
где такие параметры, как параметр area
скелет, который вы знаете, детализирует
компьютер сосредоточен и, надеюсь, в
в будущем мы сможем классифицировать любые
изображение, которое мы хотим запомнить в самом
начало мы говорили о том, что есть два
части алгоритмов обучения выпрямите
вторая часть близка к сетям, поэтому давайте
расскажите об этом немного нашему мозгу
состоит из гейзиллионов и хороших циллионов
нейронов и крошечных вещей
взаимодействовать друг с другом
информации, и именно так мы становимся
умный, он взял тысячи и
тысячи лет эволюции и является
такая потрясающая цена
поэтому Таймс подумал, что случилось, если мы
на самом деле превратить это и положить это в
компьютер, прежде всего Русь будет
понимать разницу и сходство
между искусственным нейроном и
Биологические один так на левой стороне это
биологический нейрон, и он имеет клеточные тела
аксоны и концевые аксоны и дендриты
и тому подобное, и эти части будут
принимать информацию и обрабатывать их и
дать вам некоторый результат
так же, как мы видим, мы видим
иметь кучу оси и от нашей
алгебра класса вы знаете , что X нашего
вход в нашем случае и f из X является
математический расчет и почему это
вывода, чтобы этот снимок представлял
Принципиально отношения между
нейронов, так как у нас их так много
правильно и это, изменив
отношения между нашими нейронами, которые
называются синапсами, мы сможем
учиться и лучше понимать
вещи и синапсы представлены как
линии справа от нас, так что это
анимированная версия того, что ученые
что наши нейроны будут выглядеть так
в прежние времена, которые вы знаете в
1970 — е годы , и , прежде чем большинство из нас родились
когда ученые хотели что-то сделать
как распознавание изображения или речь
признание того, что им нужно было сделать
который будет сидеть за столом, и вы знаете
им пришлось бы положить бумаги и ручки
начать делать математику, которую им нужно было создать
таблицы поиска, и это было болью
потому что они взяли так много рабочей силы и
это заняло много времени, поэтому ученые
подумал, что произошло, если мы дадим
компьютерам, чтобы узнать, что
было бы волшебным, потому что таблицы поиска
никогда не будет существовать, если мы сможем просто сделать
компьютеры сами изучают, а мы
иметь компьютеры, все знания о суб
Гражданский вопрос, и это то, что
диаграмма представляет собственные компьютеры
знания о чем-то, и это
действительно расширяет возможности, потому что ученые нет
дольше нужно создавать таблицы поиска для
дней и лет, что им нужно сделать, это
просто написать простую программу обучать
компьютер, и тогда они могут делать что-то
распознавание изображений
и распознавание речи в
секунд с помощью облака Google
платформу мы собираемся сделать еще одну
демонстрация, демонстрирующая силу
сочетая обработку изображений, а также
нейронные сети так еще раз это
всю жизнь, и у нас отличная аудитория
здесь сегодня вечером, и мы собираемся взять
фото сделайте снимок моего телефона давайте
скажем, и посмотреть, какие компьютерные вещи о
это мобильный телефон, это продукты на
гаджет, это замечательно, так что, если мы
сделайте снимок аудитории , это
есть аудитория и говорят привет
к камере
большое спасибо, все вещи
о которых мы только что говорили, являются неосязаемыми
так же, как искусство и язык и все
из этого, но такая технология играет
такая важная роль в нашей ежедневной
живет, например, в Google
самозаводящий автомобильный проект они используют изображение
чтобы иметь возможность идентифицировать
разница между полицейским транспортным средством и
обычный легковой автомобиль, и это
другое изображение от Google, управляющего автомобилем
автомобиль проект они сочетают в себе изображение
а также лазерной и ультразвуковой
Датчики , чтобы иметь возможность сформировать
трехмерные модели автомобилей
вокруг, чтобы автомобиль мог перемещаться
безопасно без запаздывания, и это может
удивить вас в 90-е годы
ученые фактически реализовали эти
технологии на рыбацких лодках колодец
обученный компьютер может определить
разница между тунцом и треской
в следующий раз, когда вы едите, как вам подают
вы можете оценить техническую
путешествовать с низкой рыбой, взятой на
плита, так что теперь попробуем ответить
этот вопрос, что будет выглядеть в будущем
как с ИИ, действительно, прыгать назад
история и говорить об одном из
самые большие прорывы, которые у нас были с
AI, и многие из вас могут вспомнить об этом
историческое событие между Garrick House
Баррелл и компьютер IBM
В результате компьютер IBM стал
первая в истории программа победить сундук
чемпион мира по шахматам в турнире
правила в классической игре это было очень
Значительная победа была важной вехой
однако последний анализ фактически сыграл
вниз по интеллектуальному значению шанса, как
игра, которую можно просто победить
это означает, что если бы у вас было
достаточный расчет и достаточное количество вычислений
силовые шахматы могут быть побеждены, что означает
этот расчет не равен
интеллект, и это очень
важное понимание, однако, Google
принял другой подход, который они создали
alphago программа, как узнать игру
из-за того, что я имею в виду,
там um go — это программа гораздо меньше
правила, но требует гораздо большей интуиции
вы не можете просто рассчитать, что
возможности пойти так алфавита Google
смог победить южнокорейский ход
чемпион lee sedol в игре 2016 года
это был прорыв другой
прорыв, потому что используемая программа
усиление, а также нейронные
сети, которые напоминают наши собственные
процесс принятия решений, поэтому ИИ не будет
только меняйте свою жизнь малыми способами, как
мы говорили об эволюции, это, скорее всего,
принести нам огромные изменения
мы видели 200 лет назад с
Революция, когда люди впервые запрягли
мощность СО и паровых двигателей меняется
как мы видели в 1990-х годах, когда миллионы
и миллионы компьютеров достигли дома
по всему миру AI даст нам
беспрецедентное количество энергии, а также
возможность изменить
Представьте себе, через 10 лет, когда мы
автономное построение пространства
станция на Марсе, ваш автомобиль ведет вас
хорошо работать, вы разговариваете с другом
по телефону , который работает на Уолл — стрит
и ему не нужно беспокоиться о запасах
слезы больше, потому что ИИ обеспечит
Справедливая
и безопасной торговой среды также в
больницы по всему миру ученые
используют ИИ для поиска мутаций у человека
Базы данных ДНК, а также лечения
болезни и это лишь некоторые из
возможностей и неба больше нет
предел власти и свободы, что
мы имеем искусственный интеллект
а также смиряем нас как
люди способны создавать машины
которые могут учиться и думать так же, как и мы в
в долгосрочной перспективе
ИИ не заменит биологические
разведки, но это
жизни это улучшит наше будущее, и я
считают, что большинство исследователей ИИ
там со мной согласятся на это так
ведь вы и я и все мы на
это путешествие вместе, у всех нас есть
шанс засвидетельствовать, а также решить, как
искусственный интеллект сформирует наши
будущее спасибо
вы
[Аплодисменты]
благодарю вас
благодарю вас, что во время Второй мировой войны
первый компьютер был изобретен, они взломали
немецкий связи холодной и
обеспечили успешную посадку в Нормандии
отец за этим беспрецедентным
машина Алан Тьюринг написал статью
Вычислительная техника и разведка в
1950 и документ открывается словами
Я предлагаю рассмотреть вопрос
машины хорошо себя чувствуют сегодня, вдохновленные
его задумчивый вопрос мы постараемся
ответьте следующим образом, как мы можем создать
интеллектуальный компьютер и что будет
будущее выглядит как интеллектуальный
машины
на самом деле ИИ растет
экспоненциально в последнее десятилетие она имеет
уже трогали нашу жизнь способами
что вы можете не заметить, например
каждый раз при поиске в Google
тип ИИ используется, чтобы показать вам
Лучшие результаты каждый раз, когда вы спрашиваете Сири
вопрос обработки естественного языка и
распознавание речи используется так
искусственный интеллект, вероятно, будет
один из крупнейших научных
прорывов в 21 веке
дать нам возможность исследовать вселенную
и наше человечество с другим
подход
AI имеет потенциал навсегда изменить
наша человечность — основа искусственного
интеллект — это машинное обучение, и я
подумайте, что этот термин довольно
что мы хотим сделать
машины учатся на основе своих знаний
и принимать решения
машинное обучение можно понять в
два основных компонента — использовать
алгоритмы для поиска смысла в случайных и
неупорядоченные данные , а вторая часть является
использовать алгоритмы обучения , чтобы найти
отношения между этими знаниями и
улучшить этот процесс обучения так
общей целью машинного обучения является
на самом деле довольно просто улучшить
производительность машин по определенным задачам
и это может предсказывать акции
рынок для сложных, таких как
перевод статей между языками
и скриншот, который вы видите правильно
Сейчас на самом деле изображение Google
Перевести нейронную сеть Охайте говоря
перевода любой здесь говорит
второго или третьего языка,
Удивительно хорошо, что я родился в Китае, и я
говорят на китайском, а также говорят по-английски
плюс несколько языков программирования
вот на счету , поэтому, когда моя семья
и я часто путешествую по миру
нужно что-то, называемое Google Translate
и путем изучения Google Translate
искусственный интеллект мы можем на самом деле
получить больше понимания того, как
AI работает хорошо, прежде всего, когда-либо
интересно, сколько данных у Google есть
ну, оказывается , Google направляет
около 10-15 экзабайт данных хорошо
что это значит?
позвольте мне поставить это в перспективу для вас
если один персональный компьютер равен 500
гигабайт, то 15 экзабайтов Google
30 миллионов персональных компьютеров и
данные оказываются одним из видов топлива
который управляет Google Translate of magical
технологии так на поверхности Google
Перевод не изменился с 2007 года, когда
он был впервые запущен, но вы получите мое уведомление
заключается в том, что переводчик становится быстрее
и более точный , так получается,
процесс обучения для Google Translate
вдохновленные нашими собственными, мы, как люди, получаем
лучше заниматься делами , практикуя
так же, как наши учителя математики и наши
музыкальные учителя всегда говорят нам об этом
из Google Translate может стать лучше
перевод , читая больше статей, так
как компьютер учится
действительно может придумать эту блок-схему
что даст нам подведение итогов
нам хорошая картина того, как искусственные
интеллект действительно работает, поэтому он поворачивается
мы должны использовать некоторые учебные материалы
и поместить это в алгоритм обучения
который даст нам некоторые знания и
что знания будут на компьютере
знает об этом конкретном субъекте и
вы и я, где пользователь прав пользователя
предоставит компьютеру некоторый ввод и
надеюсь, какая-то альфа выйдет так
наш случай 15 X байт Google Google
данные будут
то, что вы не переведете , идет
для ввода пользователем, а выход —
будет что-то в другом
языка, поэтому самая важная часть
весь этот процесс на самом деле
алгоритм обучения — это то, что
позволяет компьютерам учиться и быть
умный, поэтому сегодня мы собираемся
сосредоточиться на двух частях — изображение
и вторая часть — нейронная
сетей, давайте начнем с обсуждения
обработки изображений, мы можем говорить о
компьютерное зрение, не говоря о
прав человека и визуальный сигнал
из нашей сетчатки передается через нашу
мозга к нашей первичной зрительной коре в
задняя часть нашего мозга, которая правильная
здесь и виртуальная информация
разделены и обработаны в трех
разные системы обработки одной системы
главным образом, обработка информации о
цвет второй по форме третий
один о местоположении движения и
организации с учетом всего этого
сегодня мы попытаемся создать приложение
которые смогут идентифицировать
логотип coca-cola, поэтому в первую очередь у нас есть
чтобы понять, что большинство фотографий, которые мы
см. на экране компьютера
Я имею в виду пиксели крошечных крошечных вещей, которые
представляют цвет, а также почему Стив
Вакансии называет его компанию Pixar, поскольку каждый
человек, что мир сделан из пикселей
который является большим , поэтому компьютер пытается
Чтобы понять это изображение, он будет первым
разделить их на разные фьючерсы
объекты, которые мы можем легко увидеть в
и затем каждый из этих
функции предоставят компьютеру некоторые
информация об этом образе и сегодня
мы в основном сосредоточимся на
параметр области и скелет, а некоторые
подробности об этих функциях, так что теперь
компьютер имеет такие вещи в памяти, поэтому
когда пользователь дает компьютер
вход он будет иметь возможность обрабатывать
импортировать и сравнивать это с тем, что находится в
памяти, а затем дать вам некоторый результат
соответствует ли изображение
шаблон или нет, вот что
технологии в действии, поэтому я создал
приложение на этом iPad, которое будет
способный идентифицировать логотип coca-cola и этот
приложение фактически работает от открытого
компьютерное зрение и благодаря большому
так что сегодня мы изучим
логотип coca-cola, поэтому давайте нажмем на это
отлично, мы просто изучили этот образ
замечательный и как вы можете видеть изображение
сверху есть маленькие зеленые прямоугольники и
квадраты вокруг него, и это регионы
что компьютеры обрабатывают и в
изображение ниже является одним из самых больших
функции в этом изображении и в таблице как
вы можете видеть, что есть подробности, которые
компьютер запоминается, поэтому давайте упустим
это и нажмите начать отслеживать oh смотреть на
что это очень чувствительно
успешно справляется с правильной бумагой
передо мной есть логотип кока-колы на
это здорово, и это жизнь, так что вы
Я не думаю, что
путь так замечательно спасибо
так что теперь давайте вспомним, что мы можем обобщить
все, что мы сделали с этим простым
в блок-схеме мы получили некоторые входные данные, и мы
использовать некоторый алгоритм, чтобы найти какое-то значение
в этих данных и в будущем мы будем использовать
новые сети для улучшения
весь процесс и, надеюсь, узнать больше
и больше изображений и пикселя в нашем
случай или входные данные и значение
где такие параметры, как параметр area
скелет, который вы знаете, детализирует
компьютер сосредоточен и, надеюсь, в
в будущем мы сможем классифицировать любые
изображение, которое мы хотим запомнить в самом
начало мы говорили о том, что есть два
части алгоритмов обучения выпрямите
вторая часть близка к сетям, поэтому давайте
расскажите об этом немного нашему мозгу
состоит из гейзиллионов и хороших циллионов
нейронов и крошечных вещей
взаимодействовать друг с другом
информации, и именно так мы становимся
умный, он взял тысячи и
тысячи лет эволюции и является
такая потрясающая цена
поэтому Таймс подумал, что случилось, если мы
на самом деле превратить это и положить это в
компьютер, прежде всего Русь будет
понимать разницу и сходство
между искусственным нейроном и
Биологические один так на левой стороне это
биологический нейрон, и он имеет клеточные тела
аксоны и концевые аксоны и дендриты
и тому подобное, и эти части будут
принимать информацию и обрабатывать их и
дать вам некоторый результат
так же, как мы видим, мы видим
иметь кучу оси и от нашей
алгебра класса вы знаете , что X нашего
вход в нашем случае и f из X является
математический расчет и почему это
вывода, чтобы этот снимок представлял
Принципиально отношения между
нейронов, так как у нас их так много
правильно и это, изменив
отношения между нашими нейронами, которые
называются синапсами, мы сможем
учиться и лучше понимать
вещи и синапсы представлены как
линии справа от нас, так что это
анимированная версия того, что ученые
что наши нейроны будут выглядеть так
в прежние времена, которые вы знаете в
1970 — е годы , и , прежде чем большинство из нас родились
когда ученые хотели что-то сделать
как распознавание изображения или речь
признание того, что им нужно было сделать
который будет сидеть за столом, и вы знаете
им пришлось бы положить бумаги и ручки
начать делать математику, которую им нужно было создать
таблицы поиска, и это было болью
потому что они взяли так много рабочей силы и
это заняло много времени, поэтому ученые
подумал, что произошло, если мы дадим
компьютерам, чтобы узнать, что
было бы волшебным, потому что таблицы поиска
никогда не будет существовать, если мы сможем просто сделать
компьютеры сами изучают, а мы
иметь компьютеры, все знания о суб
Гражданский вопрос, и это то, что
диаграмма представляет собственные компьютеры
знания о чем-то, и это
действительно расширяет возможности, потому что ученые нет
дольше нужно создавать таблицы поиска для
дней и лет, что им нужно сделать, это
просто написать простую программу обучать
компьютер, и тогда они могут делать что-то
распознавание изображений
и распознавание речи в
секунд с помощью облака Google
платформу мы собираемся сделать еще одну
демонстрация, демонстрирующая силу
сочетая обработку изображений, а также
нейронные сети так еще раз это
всю жизнь, и у нас отличная аудитория
здесь сегодня вечером, и мы собираемся взять
фото сделайте снимок моего телефона давайте
скажем, и посмотреть, какие компьютерные вещи о
это мобильный телефон, это продукты на
гаджет, это замечательно, так что, если мы
сделайте снимок аудитории , это
есть аудитория и говорят привет
к камере
большое спасибо, все вещи
о которых мы только что говорили, являются неосязаемыми
так же, как искусство и язык и все
из этого, но такая технология играет
такая важная роль в нашей ежедневной
живет, например, в Google
самозаводящий автомобильный проект они используют изображение
чтобы иметь возможность идентифицировать
разница между полицейским транспортным средством и
обычный легковой автомобиль, и это
другое изображение от Google, управляющего автомобилем
автомобиль проект они сочетают в себе изображение
а также лазерной и ультразвуковой
Датчики , чтобы иметь возможность сформировать
трехмерные модели автомобилей
вокруг, чтобы автомобиль мог перемещаться
безопасно без запаздывания, и это может
удивить вас в 90-е годы
ученые фактически реализовали эти
технологии на рыбацких лодках колодец
обученный компьютер может определить
разница между тунцом и треской
в следующий раз, когда вы едите, как вам подают
вы можете оценить техническую
путешествовать с низкой рыбой, взятой на
плита, так что теперь попробуем ответить
этот вопрос, что будет выглядеть в будущем
как с ИИ, действительно, прыгать назад
история и говорить об одном из
самые большие прорывы, которые у нас были с
AI, и многие из вас могут вспомнить об этом
историческое событие между Garrick House
Баррелл и компьютер IBM
В результате компьютер IBM стал
первая в истории программа победить сундук
чемпион мира по шахматам в турнире
правила в классической игре это было очень
Значительная победа была важной вехой
однако последний анализ фактически сыграл
вниз по интеллектуальному значению шанса, как
игра, которую можно просто победить
это означает, что если бы у вас было
достаточный расчет и достаточное количество вычислений
силовые шахматы могут быть побеждены, что означает
этот расчет не равен
интеллект, и это очень
важное понимание, однако, Google
принял другой подход, который они создали
alphago программа, как узнать игру
из-за того, что я имею в виду,
там um go — это программа гораздо меньше
правила, но требует гораздо большей интуиции
вы не можете просто рассчитать, что
возможности пойти так алфавита Google
смог победить южнокорейский ход
чемпион lee sedol в игре 2016 года
это был прорыв другой
прорыв, потому что используемая программа
усиление, а также нейронные
сети, которые напоминают наши собственные
процесс принятия решений, поэтому ИИ не будет
только меняйте свою жизнь малыми способами, как
мы говорили об эволюции, это, скорее всего,
принести нам огромные изменения
мы видели 200 лет назад с
Революция, когда люди впервые запрягли
мощность СО и паровых двигателей меняется
как мы видели в 1990-х годах, когда миллионы
и миллионы компьютеров достигли дома
по всему миру AI даст нам
беспрецедентное количество энергии, а также
возможность изменить
Представьте себе, через 10 лет, когда мы
автономное построение пространства
станция на Марсе, ваш автомобиль ведет вас
хорошо работать, вы разговариваете с другом
по телефону , который работает на Уолл — стрит
и ему не нужно беспокоиться о запасах
слезы больше, потому что ИИ обеспечит
Справедливая
и безопасной торговой среды также в
больницы по всему миру ученые
используют ИИ для поиска мутаций у человека
Базы данных ДНК, а также лечения
болезни и это лишь некоторые из
возможностей и неба больше нет
предел власти и свободы, что
мы имеем искусственный интеллект
а также смиряем нас как
люди способны создавать машины
которые могут учиться и думать так же, как и мы в
в долгосрочной перспективе
ИИ не заменит биологические
разведки, но это
жизни это улучшит наше будущее, и я
считают, что большинство исследователей ИИ
там со мной согласятся на это так
ведь вы и я и все мы на
это путешествие вместе, у всех нас есть
шанс засвидетельствовать, а также решить, как
искусственный интеллект сформирует наши
будущее спасибо
вы
Please follow and like us:
Be First to Comment