ABOUT THE SPEAKER
Peter Norvig - Computer scientist
Peter Norvig is a leading American computer scientist, expert on artificial intelligence and the Director of Research at Google Inc.

Why you should listen

Peter Norvig is a computer scientist and expert in both artificial intelligence and online search. Currently the Director of Research at Google Inc., Norvig was responsible for maintaining and improving the engine's core web search algorithms from 2002 to 2005. Prior to his work at Google, Norvig was NASA's chief computer scientist.

A fellow of the American Association for Artificial Intelligence and the author of the book Artificial Intelligence: A Modern Approach, Norvig (along with Sebastian Thrun) taught the Stanford University class "Introduction to Artificial Intelligence," which was made available to anyone in the world. More than 160,000 students from 209 countries enrolled.

Norvig is also known for penning the world's longest palindromic sentence.

More profile about the speaker
Peter Norvig | Speaker | TED.com
TED2012

Peter Norvig: The 100,000-student classroom

Peter Norvig: Klasa dla 100 000 studentów

Filmed:
1,166,568 views

Jesienią 2011 Peter Norvig z Sebastianem Thrunem prowadzili na Uniwersytecie Stanford'a kurs na temat sztucznej inteligencji. 175 studentów było obecnych na sali wykładowej, a ponad 100 tysięcy wzięło udział przez transmisję internetową. Norvig opowiada czego nauczył się ucząc globalną klasę.
- Computer scientist
Peter Norvig is a leading American computer scientist, expert on artificial intelligence and the Director of Research at Google Inc. Full bio

Double-click the English transcript below to play the video.

00:17
EveryoneKażdy is bothobie a learneruczeń
0
1135
1976
Każdy z nas jest zarówno uczniem
00:19
and a teachernauczyciel.
1
3111
1512
jak i nauczycielem.
00:20
This is me beingistota inspirednatchniony
2
4623
2456
To ja, inspirowany
00:22
by my first tutorTutor,
3
7079
1191
przez moją pierwszą nauczycielkę,
00:24
my mommama,
4
8270
945
moją mamę,
00:25
and this is me teachingnauczanie
5
9215
2623
a tu prowadzę wykład pod tytułem
00:27
IntroductionWprowadzenie to ArtificialSztuczne IntelligenceInteligencji
6
11838
1953
"Wprowadzenie do sztucznej inteligencji"
00:29
to 200 studentsstudenci
7
13791
1240
dla 200 studentów
00:30
at StanfordStanford UniversityUniwersytet.
8
15031
1272
na Uniwersytecie Stanforda.
00:32
Now the studentsstudenci and I
9
16303
1456
I chociaż zajęcia podobały się zarówno mnie
00:33
enjoyedcieszył się the classklasa,
10
17759
1176
jak i moim studentom
00:34
but it occurredwystąpił to me
11
18935
1416
to zorientowałem się,
00:36
that while the subjectPrzedmiot mattermateria
12
20351
1711
że podczas gdy temat zajęć
00:37
of the classklasa is advancedzaawansowane
13
22062
1289
jest zaawansowany
00:39
and modernnowoczesny,
14
23351
688
i nowoczesny,
00:39
the teachingnauczanie technologytechnologia isn't.
15
24039
2319
to moja technika nauczania nie jest.
00:42
In factfakt, I use basicallygruntownie
16
26358
2336
Tak naprawdę korzystam
00:44
the samepodobnie technologytechnologia as
17
28694
2370
z tych samych technik,
00:46
this 14th-centurystulecie classroomklasa.
18
31064
2630
co nauczyciele w XIV wieku.
00:49
NoteUwaga: the textbookpodręcznik,
19
33694
2800
Zwróćcie uwagę na podręcznik,
00:52
the sageszałwia on the stageetap,
20
36494
2944
mędrca na podwyższeniu
00:55
and the sleepingspanie guy
21
39438
1899
i śpiącego faceta
00:57
in the back. (LaughterŚmiech)
22
41337
901
na końcu sali. (Śmiech)
00:58
Just like todaydzisiaj.
23
42238
2937
Zupełnie jak obecnie.
01:01
So my co-teacherwspółpracy nauczyciela,
24
45175
3111
Mój znajomy nauczyciel,
01:04
SebastianSebastian ThrunThrun, and I thought,
25
48286
1640
Sebastian Thrun, i ja pomyśleliśmy,
01:05
there mustmusi be a better way.
26
49926
1774
że musi być jakiś lepszy sposób.
01:07
We challengedzakwestionowany ourselvesmy sami
27
51700
1654
Wspólnie podjęliśmy wyzwanie
01:09
to createStwórz an onlineonline classklasa
28
53354
1291
żeby stworzyć lekcje online,
01:10
that would be equalrówny or better
29
54645
1631
które będą równie dobre lub lepsze
01:12
in qualityjakość to our StanfordStanford classklasa,
30
56276
2336
od zajęć prowadzonych na Uniwersytecie Stanforda,
01:14
but to bringprzynieść it to anyonektokolwiek
31
58612
2210
ale dostępne dla wszystkich
01:16
in the worldświat for freewolny.
32
60822
1630
na świecie za darmo.
01:18
We announcedogłosił the classklasa on JulyLipiec 29thth,
33
62452
2568
Ogłosiliśmy powstanie kursu 29 lipca,
01:20
and withinw ciągu two weekstygodnie, 50,000 people
34
65020
3209
a w przeciągu dwóch tygodni 50 tysięcy ludzi
01:24
had signedpodpisany up for it.
35
68229
1407
się zapisało.
01:25
And that grewrósł to 160,000 studentsstudenci
36
69636
3105
Ta liczba urosła później do 160 tysięcy studentów
01:28
from 209 countrieskraje.
37
72741
2064
z 209 państw.
01:30
We were thrilledwstrząśnięty to have
38
74805
1808
Byliśmy podekscytowani
01:32
that kinduprzejmy of audiencepubliczność,
39
76613
1121
taką publicznością
01:33
and just a bitkawałek terrifiedprzerażony that we
40
77734
2639
i trochę przerażeni, ponieważ
01:36
hadn'tnie miał finishedskończone preparingprzygotowanie the classklasa yetjeszcze. (LaughterŚmiech)
41
80373
2311
nie przygotowaliśmy jeszcze wszystkich lekcji.
01:38
So we got to work.
42
82684
1612
Więc zabraliśmy się do pracy.
01:40
We studiedbadane what othersinni had doneGotowe,
43
84296
1636
Przestudiowaliśmy to, co zrobili inni,
01:41
what we could copyKopiuj and what we could changezmiana.
44
85932
2323
co moglibyśmy podpatrzeć i co zmienić.
01:44
BenjaminBenjamin BloomBloom had showedpokazał
45
88255
2661
Benjamin Bloom udowodnił, że
01:46
that one-on-onejeden na jednego tutoringkorepetycje worksPrace bestNajlepiej,
46
90916
1809
nauczanie "sam na sam" przynosi najlepsze efekty,
01:48
so that's what we triedwypróbowany to emulateEmulacja,
47
92725
2128
więc staraliśmy się je udawać,
01:50
like with me and my mommama,
48
94853
1440
jak ja z moją mamą,
01:52
even thoughchociaż we knewwiedziałem
49
96293
1505
nawet pomimo świadomości,
01:53
it would be one-on-thousandsjeden na tysiące.
50
97798
1918
że będzie to raczej "sam na tysiące".
01:55
Here, an overheadobciążenie videowideo cameraaparat fotograficzny
51
99716
2201
Tutaj kamera nad moją głową
01:57
is recordingnagranie me as I'm talkingmówić
52
101917
1832
nagrywa mnie mówiącego
01:59
and drawingrysunek on a piecekawałek of paperpapier.
53
103749
1679
i rysującego na kartce.
02:01
A studentstudent said, "This classklasa feltczułem
54
105428
2409
Student powiedział: "Ten kurs jest jak
02:03
like sittingposiedzenie in a barbar
55
107837
1152
siedzenie w barze
02:04
with a really smartmądry friendprzyjaciel
56
108989
1479
z bardzo inteligentnym kumplem,
02:06
who'skto jest explainingwyjaśniając something
57
110468
1204
który tłumaczy coś,
02:07
you haven'tnie mam graspedchwycił, but are about to."
58
111672
2301
czego nie mogłeś wcześniej zrozumieć."
02:09
And that's exactlydokładnie what we were aimingcelem for.
59
113973
2116
I jest to dokładnie to, o co nam chodziło.
02:11
Now, from KhanKhan AcademyAkademia, we saw
60
116089
2788
Przykład Khan Academy pokazał nam,
02:14
that shortkrótki 10-minute-chwila videosfilmy wideo
61
118877
1824
że 10-minutowe filmy
02:16
workedpracował much better than tryingpróbować
62
120701
1776
to o wiele lepsze rozwiązanie,
02:18
to recordrekord an hour-longgodzinny lecturewykład
63
122477
2071
niż nagrywanie godzinnego wykładu
02:20
and put it on the small-formatmałego formatu screenekran.
64
124548
2417
i pokazywanie go na małym ekranie.
02:22
We decidedzdecydowany to go even shorterkrótszy
65
126965
2192
Stwierdziliśmy, że nasze lekcje będą jeszcze krótsze
02:25
and more interactiveinteraktywny.
66
129157
1648
i bardziej interaktywne.
02:26
Our typicaltypowy videowideo is two minutesminuty,
67
130805
2247
Nasze standardowe nagrania trwają dwie minuty,
02:28
sometimesczasami shorterkrótszy, never more
68
133052
1752
czasem mniej, nigdy dłużej
02:30
than sixsześć, and then we pausepauza for
69
134804
2689
niż sześć, i wtedy następuje przerwa
02:33
a quizkartkówka questionpytanie, to make it
70
137493
1367
na krótki quiz, żeby upodobnić to
02:34
feel like one-on-onejeden na jednego tutoringkorepetycje.
71
138860
1878
do nauki sam na sam.
02:36
Here, I'm explainingwyjaśniając how a computerkomputer usesużywa
72
140738
2402
Tutaj tłumaczę jak komputer wykorzystuje
02:39
the grammarGramatyka of EnglishAngielski
73
143140
1248
gramatykę języka angielskiego
02:40
to parseanalizy sentenceszdań, and here,
74
144388
2177
żeby przetworzyć zdania, a tutaj
02:42
there's a pausepauza and the studentstudent
75
146565
2064
następuje przerwa i student
02:44
has to reflectodzwierciedlić, understandzrozumieć what's going on
76
148629
2237
musi przemyśleć tę sprawę
02:46
and checkczek the right boxespudła
77
150866
1640
i zaznaczyć prawidłową odpowiedź
02:48
before they can continueKontyntynuj.
78
152506
1417
zanim będzie mógł kontynuować.
02:49
StudentsStudenci learnuczyć się bestNajlepiej when
79
153923
2448
Studenci najlepiej się uczą, kiedy
02:52
they're activelyaktywnie practicingpraktykujący.
80
156371
1248
aktywnie współuczestniczą.
02:53
We wanted to engageangażować them, to have them grapplechwytak
81
157619
2296
Chcieliśmy ich zaangażować i dać możliwość zmagania się
02:55
with ambiguityDwuznaczność and guideprzewodnik them to synthesizesyntezować
82
159915
2968
z problemem, podpowiadając im tak, aby
02:58
the keyklawisz ideaspomysły themselvessami.
83
162883
1665
załapali ideę samodzielnie.
03:00
We mostlyprzeważnie avoiduniknąć questionspytania
84
164548
1712
Staraliśmy się unikać pytań
03:02
like, "Here'sTutaj jest a formulaformuła, now
85
166260
1711
typu: "Dany jest taki wzór,
03:03
tell me the valuewartość of Y
86
167971
1075
podaj wartość Y,
03:04
when X is equalrówny to two."
87
169046
1212
gdy X jest równe 2."
03:06
We preferredpreferowane open-endedotwarty questionspytania.
88
170258
1817
Woleliśmy pytania otwarte.
03:07
One studentstudent wrotenapisał, "Now I'm seeingwidzenie
89
172075
3178
Pewien student napisał: "Teraz widzę
03:11
BayesBayesa networkssieci and examplesprzykłady of
90
175253
1862
sieci bayesowskie i przykłady z
03:13
gamegra theoryteoria everywherewszędzie I look."
91
177115
1568
teorii gier gdziekolwiek spojrzę."
03:14
And I like that kinduprzejmy of responseodpowiedź.
92
178683
1738
I lubię takie wypowiedzi.
03:16
That's just what we were going for.
93
180421
1806
To właśnie to, co chcieliśmy osiągnąć.
03:18
We didn't want studentsstudenci to memorizezapamiętać the formulasformuł;
94
182227
2194
Nie chcieliśmy, żeby studenci wkuwali wzory;
03:20
we wanted to changezmiana the way
95
184421
1190
chcieliśmy zmienić ich sposób
03:21
they lookedspojrzał at the worldświat.
96
185611
1090
postrzegania świata.
03:22
And we succeededudało się.
97
186701
1326
I odnieśliśmy sukces.
03:23
Or, I should say, the studentsstudenci succeededudało się.
98
188027
2400
Powinienem raczej powiedzieć: "Studenci odnieśli sukces."
03:26
And it's a little bitkawałek ironicironiczny
99
190427
1919
I jest to trochę ironiczne,
03:28
that we setzestaw about to disruptzakłócać traditionaltradycyjny educationEdukacja,
100
192346
2913
że chcieliśmy odciąć się od tradycyjnej edukacji,
03:31
and in doing so, we endedzakończyło się up
101
195259
2016
a robiąc to, stworzyliśmy
03:33
makingzrobienie our onlineonline classklasa
102
197275
1584
kurs online
03:34
much more like a traditionaltradycyjny collegeSzkoła Wyższa classklasa
103
198859
2327
bardziej przypominający tradycyjne kursy,
03:37
than other onlineonline classesklasy.
104
201186
1841
niż inne klasy online.
03:38
MostWiększość onlineonline classesklasy, the videosfilmy wideo are always availabledostępny.
105
203027
3215
Większość klas online jest zawsze dostępna.
03:42
You can watch them any time you want.
106
206242
1817
Możesz obejrzeć nagrania kiedy tylko zechcesz.
03:43
But if you can do it any time,
107
208059
2287
Ale jeśli możesz zrobić coś kiedy chcesz,
03:46
that meansznaczy you can do it tomorrowjutro,
108
210346
1505
znaczy to, że możesz zrobić to jutro.
03:47
and if you can do it tomorrowjutro,
109
211851
1408
A jeśli możesz zrobić to jutro,
03:49
well, you maymoże not ever
110
213259
2162
możesz nigdy się
03:51
get around to it. (LaughterŚmiech)
111
215421
1758
za to nie zabrać.
03:53
So we broughtprzyniósł back the innovationinnowacja
112
217179
2192
A więc wprowadziliśmy innowację
03:55
of havingmający duez powodu datesdaty. (LaughterŚmiech)
113
219371
2087
pod nazwą "data ukończenia". (Śmiech)
03:57
You could watch the videosfilmy wideo
114
221458
1312
Możesz obejrzeć nagrania
03:58
any time you wanted duringpodczas the weektydzień,
115
222770
1912
kiedy chcesz w ciągu tygodnia,
04:00
but at the endkoniec of the weektydzień,
116
224682
1155
ale na jego koniec
04:01
you had to get the homeworkPraca domowa doneGotowe.
117
225837
1717
musisz wykonać zadanie domowe.
04:03
This motivatedmotywację the studentsstudenci to keep going, and it alsorównież
118
227554
1913
To motywuje studentów do robienia postępów i sprawia,
04:05
meantOznaczało that everybodywszyscy was workingpracujący
119
229467
2856
że wszyscy pracują nad tym samym
04:08
on the samepodobnie thing at the samepodobnie time,
120
232323
1518
w tym samym czasie,
04:09
so if you wentposzedł into a discussiondyskusja forumForum,
121
233841
1497
więc jeśli wejdziesz na forum,
04:11
you could get an answerodpowiedź from a peerpar withinw ciągu minutesminuty.
122
235338
2704
możesz w kilka minut otrzymać pomoc.
04:13
Now, I'll showpokazać you some of the forumsfora, mostwiększość of whichktóry
123
238042
2939
Pokażę wam kilka for dyskusyjnych, większość
04:16
were self-organizedsamodzielnie organizowanych by the studentsstudenci themselvessami.
124
240981
2766
została założona przez samych studentów.
04:19
From DaphneDaphne KollerKoller and AndrewAndrew NgNG, we learnednauczyli
125
243747
3224
Od Daphne Koller i Andrew Ng nauczyliśmy się
04:22
the conceptpojęcie of "flippingrzut" the classroomklasa.
126
246971
1996
pojęcia "odwróconej" klasy.
04:24
StudentsStudenci watchedoglądaliśmy the videosfilmy wideo
127
248967
1295
Studenci oglądają nagrania
04:26
on theirich ownwłasny, and then they
128
250262
1588
sami, a później wspólnie
04:27
come togetherRazem to discussomawiać them.
129
251850
1710
o nich rozmawiają.
04:29
From EricEric MazurMazur, I learnednauczyli about peerpar instructioninstrukcja,
130
253560
3157
Eric Mazur nauczył mnie o wskazówkach od rówieśników.
04:32
that peersrówieśnicy can be the bestNajlepiej teachersnauczyciele,
131
256717
2624
Współstudenci mogą być lepszymi
04:35
because they're the oneste
132
259341
1432
nauczycielami, ponieważ wiedzą,
04:36
that rememberZapamiętaj what it's like to not understandzrozumieć.
133
260773
2848
ze zrozumieniem czego jest największy problem.
04:39
SebastianSebastian and I have forgottenzapomniany some of that.
134
263621
2681
Trochę o tym zapomnieliśmy z Sebastianem.
04:42
Of coursekurs, we couldn'tnie mógł have
135
266302
2399
Oczywiście nie moglibyśmy poprowadzić
04:44
a classroomklasa discussiondyskusja with
136
268701
1632
dyskusji w klasie składającej się
04:46
tenskilkadziesiąt of thousandstysiące of studentsstudenci,
137
270333
1546
z dziesiątek tysięcy studentów,
04:47
so we encouragedzachęcać and nurturedpielęgnowane these onlineonline forumsfora.
138
271879
3486
więc wspieramy te fora internetowe.
04:51
And finallywreszcie, from TeachUczyć For AmericaAmeryka,
139
275365
3048
I na koniec, z Teach For America
04:54
I learnednauczyli that a classklasa is not
140
278413
1481
nauczyłem się, że w kursie nie chodzi
04:55
primarilyprzede wszystkim about informationInformacja.
141
279894
1496
głównie o wiedzę.
04:57
More importantważny is motivationmotywacja and determinationdeterminacja.
142
281390
2831
Ważniejsza jest motywacja i determinacja.
05:00
It was crucialistotny that the studentsstudenci see
143
284221
1840
Bardzo istotne było, że studenci zobaczyli,
05:01
that we're workingpracujący hardciężko for them and
144
286061
1800
że ciężko dla nich pracowaliśmy i to,
05:03
they're all supportingwspieranie eachkażdy other.
145
287861
1409
że wspierali się nawzajem.
05:05
Now, the classklasa ranpobiegł 10 weekstygodnie,
146
289270
2968
Kurs trwał 10 tygodni,
05:08
and in the endkoniec, about halfpół of the 160,000 studentsstudenci watchedoglądaliśmy
147
292238
3911
i ostatecznie połowa z 160 000 studentów obejrzała
05:12
at leastnajmniej one videowideo eachkażdy weektydzień,
148
296149
1563
przynajmniej jedno nagranie każdego tygodnia,
05:13
and over 20,000 finishedskończone all the homeworkPraca domowa,
149
297712
2693
a ponad 20 000 ukończyło wszystkie zadania
05:16
puttingwprowadzenie in 50 to 100 hoursgodziny.
150
300405
1664
poświęcając na to od 50 do 100 godzin.
05:17
They got this statementkomunikat of accomplishmentosiągnięcie.
151
302069
1553
Dostali takie potwierdzenie ukończenia kursu.
05:19
So what have we learnednauczyli?
152
303622
2119
Czego się więc nauczyliśmy?
05:21
Well, we triedwypróbowany some oldstary ideaspomysły
153
305741
2816
Wypróbowaliśmy kilka starych pomysłów
05:24
and some newNowy and put them togetherRazem,
154
308557
1657
i kilka nowych i połączyliśmy je razem,
05:26
but there are more ideaspomysły to try.
155
310214
2082
ale nie wypróbowaliśmy jeszcze wszystkich.
05:28
Sebastian'sSebastian's teachingnauczanie anotherinne classklasa now.
156
312296
1814
Sebastian prowadzi teraz inny kurs.
05:30
I'll do one in the fallspadek.
157
314110
1368
Ja poprowadzę następny jesienią.
05:31
StanfordStanford CourseraCoursera, UdacityUdacity, MITx: MITx
158
315478
3760
Stanford Coursera, Udacity, MITx
05:35
and othersinni have more classesklasy comingprzyjście.
159
319238
2271
i inni wciąż tworzą nowe kursy.
05:37
It's a really excitingekscytujący time.
160
321509
1488
To bardzo interesujący czas.
05:38
But to me, the mostwiększość excitingekscytujący
161
322997
1472
Ale dla mnie najbardziej ekscytującą
05:40
partczęść of it is the datadane that we're gatheringzebranie.
162
324469
2976
częścią tego wszystkiego są zebrane dane.
05:43
We're gatheringzebranie thousandstysiące
163
327445
2696
Gromadzimy tysiące
05:46
of interactionsinterakcje perza studentstudent perza classklasa,
164
330141
1656
wzajemnych oddziaływań na ucznia w klasie,
05:47
billionsmiliardy of interactionsinterakcje altogethercałkowicie,
165
331797
2208
miliardy oddziaływań łącznie
05:49
and now we can startpoczątek analyzinganalizowanie that,
166
334005
2504
i możemy teraz je zacząć analizować,
05:52
and when we learnuczyć się from that,
167
336509
1464
a kiedy się z nich czegoś nauczymy,
05:53
do experimentationseksperymenty,
168
337973
1241
zrobimy badania
05:55
that's when the realreal revolutionrewolucja will come.
169
339214
2240
i wtedy nadejdzie prawdziwa rewolucja.
05:57
And you'llTy będziesz be ablezdolny to see the resultswyniki from
170
341454
2776
I będziecie mogli podziwiać rezultaty patrząc
06:00
a newNowy generationgeneracja of amazingniesamowity studentsstudenci.
171
344230
2263
na nową generację niesamowitych studentów.
06:02
(ApplauseAplauz)
172
346493
2253
(Aplauz)
Translated by Pawel Urbanek
Reviewed by Michal Lada

▲Back to top

ABOUT THE SPEAKER
Peter Norvig - Computer scientist
Peter Norvig is a leading American computer scientist, expert on artificial intelligence and the Director of Research at Google Inc.

Why you should listen

Peter Norvig is a computer scientist and expert in both artificial intelligence and online search. Currently the Director of Research at Google Inc., Norvig was responsible for maintaining and improving the engine's core web search algorithms from 2002 to 2005. Prior to his work at Google, Norvig was NASA's chief computer scientist.

A fellow of the American Association for Artificial Intelligence and the author of the book Artificial Intelligence: A Modern Approach, Norvig (along with Sebastian Thrun) taught the Stanford University class "Introduction to Artificial Intelligence," which was made available to anyone in the world. More than 160,000 students from 209 countries enrolled.

Norvig is also known for penning the world's longest palindromic sentence.

More profile about the speaker
Peter Norvig | Speaker | TED.com