ABOUT THE SPEAKER
Fei-Fei Li - Computer scientist
As Director of Stanford’s Artificial Intelligence Lab and Vision Lab, Fei-Fei Li is working to solve AI’s trickiest problems -- including image recognition, learning and language processing.

Why you should listen

Using algorithms built on machine learning methods such as neural network models, the Stanford Artificial Intelligence Lab led by Fei-Fei Li has created software capable of recognizing scenes in still photographs -- and accurately describe them using natural language.

Li’s work with neural networks and computer vision (with Stanford’s Vision Lab) marks a significant step forward for AI research, and could lead to applications ranging from more intuitive image searches to robots able to make autonomous decisions in unfamiliar situations.

Fei-Fei was honored as one of Foreign Policy's 2015 Global Thinkers

More profile about the speaker
Fei-Fei Li | Speaker | TED.com
TED2015

Fei-Fei Li: How we're teaching computers to understand pictures

李飞飞: 我们怎么教计算机理解图片?

Filmed:
2,702,344 views

当一个非常小的孩子看到图片时,她可以辨认出里面简单的要素:"猫""书""椅子"。现在,电脑也聪明得可以做同样的工作了。接下来呢?在这个令人震撼的演讲里,计算机视觉专家李飞飞介绍了这一技术的发展现状——包括她的团队为了"教"计算机理解图片所建立的一千五百万照片的数据库——而关键性的要点还不止于此。
- Computer scientist
As Director of Stanford’s Artificial Intelligence Lab and Vision Lab, Fei-Fei Li is working to solve AI’s trickiest problems -- including image recognition, learning and language processing. Full bio

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

00:14
Let me show显示 you something.
0
2366
3738
我先来给你们看点东西。
(视频)女孩:
好吧,这是只猫,坐在床上。
00:18
(Video视频) Girl女孩: Okay, that's a cat
sitting坐在 in a bed.
1
6104
4156
一个男孩摸着一头大象。
00:22
The boy男孩 is petting抚摸 the elephant.
2
10260
4040
那些人正准备登机。
00:26
Those are people
that are going on an airplane飞机.
3
14300
4354
00:30
That's a big airplane飞机.
4
18654
2810
那是架大飞机。
李飞飞:
这是一个三岁的小孩
00:33
Fei-Fei菲菲 Li: This is
a three-year-old三十岁 child儿童
5
21464
2206
在讲述她从一系列照片里看到的东西。
00:35
describing说明 what she sees看到
in a series系列 of photos相片.
6
23670
3679
00:39
She might威力 still have a lot
to learn学习 about this world世界,
7
27349
2845
对这个世界,
她也许还有很多要学的东西,
00:42
but she's already已经 an expert专家
at one very important重要 task任务:
8
30194
4549
但在一个重要的任务上,
她已经是专家了:
00:46
to make sense of what she sees看到.
9
34743
2846
去理解她所看到的东西。
我们的社会已经在科技上
取得了前所未有的进步。
00:50
Our society社会 is more
technologically技术 advanced高级 than ever.
10
38229
4226
00:54
We send发送 people to the moon月亮,
we make phones手机 that talk to us
11
42455
3629
我们把人送上月球,
我们制造出可以与我们对话的手机,
00:58
or customize定制 radio无线电 stations
that can play only music音乐 we like.
12
46084
4946
或者订制一个音乐电台,
播放的全是我们喜欢的音乐。
01:03
Yet然而, our most advanced高级
machines and computers电脑
13
51030
4055
然而,哪怕是我们最先进的机器和电脑
01:07
still struggle斗争 at this task任务.
14
55085
2903
也会在这个问题上犯难。
01:09
So I'm here today今天
to give you a progress进展 report报告
15
57988
3459
所以今天我在这里,
向大家做个进度汇报:
01:13
on the latest最新 advances进步
in our research研究 in computer电脑 vision视力,
16
61447
4047
关于我们在计算机
视觉方面最新的研究进展。
01:17
one of the most frontier边境
and potentially可能 revolutionary革命的
17
65494
4161
这是计算机科学领域最前沿的、
01:21
technologies技术 in computer电脑 science科学.
18
69655
3206
具有革命性潜力的科技。
01:24
Yes, we have prototyped原型 cars汽车
that can drive驾驶 by themselves他们自己,
19
72861
4551
是的,我们现在已经有了
具备自动驾驶功能的原型车,
01:29
but without smart聪明 vision视力,
they cannot不能 really tell the difference区别
20
77412
3853
但是如果没有敏锐的视觉,
它们就不能真正区分出
01:33
between之间 a crumpled皱巴巴 paper bag
on the road, which哪一个 can be run over,
21
81265
3970
地上摆着的是一个压扁的纸袋,
可以被轻易压过,
01:37
and a rock that size尺寸,
which哪一个 should be avoided避免.
22
85235
3340
还是一块相同体积的石头,
应该避开。
01:41
We have made制作 fabulous极好 megapixel百万像素 cameras相机,
23
89415
3390
我们已经造出了超高清的相机,
01:44
but we have not delivered交付
sight视力 to the blind.
24
92805
3135
但我们仍然无法把
这些画面传递给盲人。
01:48
Drones无人机 can fly over massive大规模的 land土地,
25
96420
3305
我们的无人机可以飞跃广阔的土地,
01:51
but don't have enough足够 vision视力 technology技术
26
99725
2134
却没有足够的视觉技术
去帮我们追踪热带雨林的变化。
01:53
to help us to track跟踪
the changes变化 of the rainforests热带雨林.
27
101859
3461
01:57
Security安全 cameras相机 are everywhere到处,
28
105320
2950
安全摄像头到处都是,
02:00
but they do not alert警报 us when a child儿童
is drowning溺死 in a swimming游泳的 pool.
29
108270
5067
但当有孩子在泳池里溺水时
它们无法向我们报警。
02:06
Photos相片 and videos视频 are becoming变得
an integral积分 part部分 of global全球 life.
30
114167
5595
照片和视频,已经成为
全人类生活里不可缺少的部分。
02:11
They're being存在 generated产生 at a pace步伐
that's far beyond what any human人的,
31
119762
4087
它们以极快的速度被创造出来,
以至于没有任何人,或者团体,
02:15
or teams球队 of humans人类, could hope希望 to view视图,
32
123849
2783
能够完全浏览这些内容,
02:18
and you and I are contributing贡献
to that at this TEDTED.
33
126632
3921
而你我正参与其中的这场TED,
也为之添砖加瓦。
02:22
Yet然而 our most advanced高级 software软件
is still struggling奋斗的 at understanding理解
34
130553
5232
直到现在,我们最先进的
软件也依然为之犯难:
02:27
and managing管理的 this enormous巨大 content内容.
35
135785
3876
该怎么理解和处理
这些数量庞大的内容?
02:31
So in other words,
collectively as a society社会,
36
139661
5272
所以换句话说,
在作为集体的这个社会里,
我们依然非常茫然,因为我们最智能的机器
依然有视觉上的缺陷。
02:36
we're very much blind,
37
144933
1746
02:38
because our smartest最聪明的
machines are still blind.
38
146679
3387
02:43
"Why is this so hard?" you may可能 ask.
39
151526
2926
”为什么这么困难?“你也许会问。
照相机可以像这样获得照片:
02:46
Cameras相机 can take pictures图片 like this one
40
154452
2693
它把采集到的光线转换成
二维数字矩阵来存储
02:49
by converting转换 lights灯火 into
a two-dimensional二维 array排列 of numbers数字
41
157145
3994
——也就是“像素”,
02:53
known已知 as pixels像素,
42
161139
1650
但这些仍然是死板的数字。
02:54
but these are just lifeless死气沉沉 numbers数字.
43
162789
2251
02:57
They do not carry携带 meaning含义 in themselves他们自己.
44
165040
3111
它们自身并不携带任何意义。
03:00
Just like to hear is not
the same相同 as to listen,
45
168151
4343
就像”听到“和”听“完全不同,
03:04
to take pictures图片 is not
the same相同 as to see,
46
172494
4040
”拍照“和”看“也完全不同。
03:08
and by seeing眼看,
we really mean understanding理解.
47
176534
3829
通过“看”,
我们实际上是“理解”了这个画面。
03:13
In fact事实, it took Mother母亲 Nature性质
540 million百万 years年份 of hard work
48
181293
6177
事实上,大自然经过了5亿4千万年的努力
03:19
to do this task任务,
49
187470
1973
才完成了这个工作,
03:21
and much of that effort功夫
50
189443
1881
而这努力中更多的部分
03:23
went into developing发展 the visual视觉
processing处理 apparatus仪器 of our brains大脑,
51
191324
5271
是用在进化我们的大脑内
用于视觉处理的器官,
03:28
not the eyes眼睛 themselves他们自己.
52
196595
2647
而不是眼睛本身。
03:31
So vision视力 begins开始 with the eyes眼睛,
53
199242
2747
所以"视觉”从眼睛采集信息开始,
03:33
but it truly takes place地点 in the brain.
54
201989
3518
但大脑才是它真正呈现意义的地方。
03:38
So for 15 years年份 now, starting开始
from my Ph博士.D. at Caltech加州理工学院
55
206287
5060
所以15年来,
从我进入加州理工学院攻读Ph.D.
03:43
and then leading领导 Stanford's斯坦福大学的 Vision视力 Lab实验室,
56
211347
2926
到后来领导
斯坦福大学的视觉实验室,
03:46
I've been working加工 with my mentors导师,
collaborators合作者 and students学生们
57
214273
4396
我一直在和我的导师、
合作者和学生们一起
03:50
to teach computers电脑 to see.
58
218669
2889
教计算机如何去“看”。
我们的研究领域叫做
"计算机视觉与机器学习"。
03:54
Our research研究 field领域 is called
computer电脑 vision视力 and machine learning学习.
59
222658
3294
03:57
It's part部分 of the general一般 field领域
of artificial人造 intelligence情报.
60
225952
3878
这是AI(人工智能)领域的一个分支。
04:03
So ultimately最终, we want to teach
the machines to see just like we do:
61
231000
5493
最终,我们希望能教会机器
像我们一样看见事物:
04:08
naming命名 objects对象, identifying识别 people,
inferring推断 3D geometry几何 of things,
62
236493
5387
识别物品、辨别不同的人、
推断物体的立体形状、
04:13
understanding理解 relations关系, emotions情绪,
actions行动 and intentions意图.
63
241880
5688
理解事物的关联、
人的情绪、动作和意图。
04:19
You and I weave编织 together一起 entire整个 stories故事
of people, places地方 and things
64
247568
6153
像你我一样,只凝视一个画面一眼
就能理清整个故事中的人物、地点、事件。
04:25
the moment时刻 we lay铺设 our gaze凝视 on them.
65
253721
2164
04:28
The first step towards this goal目标
is to teach a computer电脑 to see objects对象,
66
256955
5583
实现这一目标的第一步是
教计算机看到“对象”(物品),
04:34
the building建造 block of the visual视觉 world世界.
67
262538
3368
这是建造视觉世界的基石。
04:37
In its simplest简单 terms条款,
imagine想像 this teaching教学 process处理
68
265906
4434
在这个最简单的任务里,
想象一下这个教学过程:
04:42
as showing展示 the computers电脑
some training训练 images图片
69
270340
2995
给计算机看一些特定物品的训练图片,
比如说猫,
04:45
of a particular特定 object目的, let's say cats,
70
273335
3321
04:48
and designing设计 a model模型 that learns获悉
from these training训练 images图片.
71
276656
4737
并让它从这些训练图片中,
学习建立出一个模型来。
04:53
How hard can this be?
72
281393
2044
这有多难呢?
不管怎么说,一只猫只是一些
形状和颜色拼凑起来的图案罢了,
04:55
After all, a cat is just
a collection采集 of shapes形状 and colors颜色,
73
283437
4052
04:59
and this is what we did
in the early days of object目的 modeling造型.
74
287489
4086
比如这个就是我们
最初设计的抽象模型。
05:03
We'd星期三 tell the computer电脑 algorithm算法
in a mathematical数学的 language语言
75
291575
3622
我们用数学的语言,
告诉计算机这种算法:
05:07
that a cat has a round回合 face面对,
a chubby丰满的 body身体,
76
295197
3343
“猫”有着圆脸、胖身子、
05:10
two pointy尖尖 ears耳朵, and a long tail尾巴,
77
298540
2299
两个尖尖的耳朵,还有一条长尾巴,
05:12
and that looked看着 all fine.
78
300839
1410
这(算法)看上去挺好的。
但如果遇到这样的猫呢?
05:14
But what about this cat?
79
302859
2113
(笑)
05:16
(Laughter笑声)
80
304972
1091
它整个蜷缩起来了。
05:18
It's all curled卷曲 up.
81
306063
1626
现在你不得不加入一些别的形状和视角
来描述这个物品模型。
05:19
Now you have to add another另一个 shape形状
and viewpoint观点 to the object目的 model模型.
82
307689
4719
05:24
But what if cats are hidden?
83
312408
1715
但如果猫是藏起来的呢?
05:27
What about these silly愚蠢 cats?
84
315143
2219
再看看这些傻猫呢?
05:31
Now you get my point.
85
319112
2417
你现在知道了吧。
05:33
Even something as simple简单
as a household家庭 pet宠物
86
321529
3367
即使那些事物简单到
只是一只家养的宠物,
05:36
can present当下 an infinite无穷 number
of variations变化 to the object目的 model模型,
87
324896
4504
都可以出呈现出无限种变化的外观模型,
而这还只是“一个”对象的模型。
05:41
and that's just one object目的.
88
329400
2233
05:44
So about eight years年份 ago,
89
332573
2492
所以大概在8年前,
05:47
a very simple简单 and profound深刻 observation意见
changed my thinking思维.
90
335065
5030
一个非常简单、有冲击力的
观察改变了我的想法。
05:53
No one tells告诉 a child儿童 how to see,
91
341425
2685
没有人教过婴儿怎么“看”,
05:56
especially特别 in the early years年份.
92
344110
2261
尤其是在他们还很小的时候。
05:58
They learn学习 this through通过
real-world真实世界 experiences经验 and examples例子.
93
346371
5000
他们是从真实世界的经验
和例子中学到这个的。
06:03
If you consider考虑 a child's孩子的 eyes眼睛
94
351371
2740
如果你把孩子的眼睛
都看作是生物照相机,
06:06
as a pair of biological生物 cameras相机,
95
354111
2554
06:08
they take one picture图片
about every一切 200 milliseconds毫秒,
96
356665
4180
那他们每200毫秒就拍一张照。
06:12
the average平均 time an eye movement运动 is made制作.
97
360845
3134
——这是眼球转动一次的平均时间。
所以到3岁大的时候,一个孩子已经看过了
上亿张的真实世界照片。
06:15
So by age年龄 three, a child儿童 would have seen看到
hundreds数以百计 of millions百万 of pictures图片
98
363979
5550
06:21
of the real真实 world世界.
99
369529
1834
这种“训练照片”的数量是非常大的。
06:23
That's a lot of training训练 examples例子.
100
371363
2280
所以,与其孤立地关注于
算法的优化、再优化,
06:26
So instead代替 of focusing调焦 solely独自
on better and better algorithms算法,
101
374383
5989
我的关注点放在了给算法
提供像那样的训练数据
06:32
my insight眼光 was to give the algorithms算法
the kind of training训练 data数据
102
380372
5272
06:37
that a child儿童 was given特定 through通过 experiences经验
103
385644
3319
——那些,婴儿们从经验中获得的
质量和数量都极其惊人的训练照片。
06:40
in both quantity数量 and quality质量.
104
388963
3878
06:44
Once一旦 we know this,
105
392841
1858
一旦我们知道了这个,
06:46
we knew知道 we needed需要 to collect搜集 a data数据 set
106
394699
2971
我们就明白自己需要收集的数据集,
06:49
that has far more images图片
than we have ever had before,
107
397670
4459
必须比我们曾有过的任何数据库都丰富
06:54
perhaps也许 thousands数千 of times more,
108
402129
2577
——可能要丰富数千倍。
06:56
and together一起 with Professor教授
Kai Li at Princeton普林斯顿 University大学,
109
404706
4111
因此,通过与普林斯顿大学的
Kai Li教授合作,
07:00
we launched推出 the ImageNetImageNet project项目 in 2007.
110
408817
4752
我们在2007年发起了
ImageNet(图片网络)计划。
07:05
Luckily, we didn't have to mount安装
a camera相机 on our head
111
413569
3838
幸运的是,我们不必在自己脑子里
装上一台照相机,然后等它拍很多年。
07:09
and wait for many许多 years年份.
112
417407
1764
我们运用了互联网,
07:11
We went to the Internet互联网,
113
419171
1463
07:12
the biggest最大 treasure宝藏 trove宝库 of pictures图片
that humans人类 have ever created创建.
114
420634
4436
这个由人类创造的
最大的图片宝库。
07:17
We downloaded下载 nearly几乎 a billion十亿 images图片
115
425070
3041
我们下载了接近10亿张图片
07:20
and used crowdsourcing众包 technology技术
like the Amazon亚马逊 Mechanical机械 Turk土耳其人 platform平台
116
428111
5880
并利用众包技术(利用互联网分配工作、发现创意或
解决技术问题),像“亚马逊土耳其机器人”这样的平台
07:25
to help us to label标签 these images图片.
117
433991
2339
来帮我们标记这些图片。
07:28
At its peak, ImageNetImageNet was one of
the biggest最大 employers雇主
118
436330
4900
在高峰期时,ImageNet是「亚马逊土耳其机器人」
这个平台上最大的雇主之一:
07:33
of the Amazon亚马逊 Mechanical机械 Turk土耳其人 workers工人:
119
441230
2996
来自世界上167个国家的
接近5万个工作者,在一起工作
07:36
together一起, almost几乎 50,000 workers工人
120
444226
3854
07:40
from 167 countries国家 around the world世界
121
448080
4040
帮我们筛选、排序、标记了
接近10亿张备选照片。
07:44
helped帮助 us to clean清洁, sort分类 and label标签
122
452120
3947
07:48
nearly几乎 a billion十亿 candidate候选人 images图片.
123
456067
3575
这就是我们为这个计划投入的精力,
07:52
That was how much effort功夫 it took
124
460612
2653
07:55
to capture捕获 even a fraction分数
of the imagery意象
125
463265
3900
去捕捉,一个婴儿可能在他早期发育阶段
获取的”一小部分“图像。
07:59
a child's孩子的 mind心神 takes in
in the early developmental发展的 years年份.
126
467165
4171
事后我们再来看,这个利用大数据来训练
计算机算法的思路,也许现在看起来很普通,
08:04
In hindsight事后, this idea理念 of using运用 big data数据
127
472148
3902
08:08
to train培养 computer电脑 algorithms算法
may可能 seem似乎 obvious明显 now,
128
476050
4550
但回到2007年时,它就不那么寻常了。
08:12
but back in 2007, it was not so obvious明显.
129
480600
4110
我们在这段旅程上孤独地前行了很久。
08:16
We were fairly相当 alone单独 on this journey旅程
for quite相当 a while.
130
484710
3878
一些很友善的同事建议我
做一些更有用的事来获得终身教职,
08:20
Some very friendly友善 colleagues同事 advised建议 me
to do something more useful有用 for my tenure保有,
131
488588
5003
08:25
and we were constantly经常 struggling奋斗的
for research研究 funding资金.
132
493591
4342
而且我们也不断地为项目的研究经费发愁。
08:29
Once一旦, I even joked开玩笑 to my graduate毕业 students学生们
133
497933
2485
有一次,我甚至对
我的研究生学生开玩笑说:
08:32
that I would just reopen重开
my dry cleaner's清洁的 shop to fund基金 ImageNetImageNet.
134
500418
4063
我要重新回去开我的干洗店
来赚钱资助ImageNet了。
08:36
After all, that's how I funded资助
my college学院 years年份.
135
504481
4761
——毕竟,我的大学时光
就是靠这个资助的。
所以我们仍然在继续着。
08:41
So we carried携带的 on.
136
509242
1856
在2009年,ImageNet项目诞生了——
08:43
In 2009, the ImageNetImageNet project项目 delivered交付
137
511098
3715
08:46
a database数据库 of 15 million百万 images图片
138
514813
4042
一个含有1500万张照片的数据库,
涵盖了22000种物品。
08:50
across横过 22,000 classes
of objects对象 and things
139
518855
4805
这些物品是根据日常英语单词
进行分类组织的。
08:55
organized有组织的 by everyday每天 English英语 words.
140
523660
3320
无论是在质量上还是数量上,
08:58
In both quantity数量 and quality质量,
141
526980
2926
这都是一个规模空前的数据库。
09:01
this was an unprecedented史无前例 scale规模.
142
529906
2972
09:04
As an example, in the case案件 of cats,
143
532878
3461
举个例子,在"猫"这个对象中,
09:08
we have more than 62,000 cats
144
536339
2809
我们有超过62000只猫
09:11
of all kinds of looks容貌 and poses姿势
145
539148
4110
长相各异,姿势五花八门,
09:15
and across横过 all species种类
of domestic国内 and wild野生 cats.
146
543258
5223
而且涵盖了各种品种的家猫和野猫。
我们对ImageNet收集到的图片
感到异常兴奋,
09:20
We were thrilled高兴
to have put together一起 ImageNetImageNet,
147
548481
3344
09:23
and we wanted the whole整个 research研究 world世界
to benefit效益 from it,
148
551825
3738
而且我们希望整个研究界能从中受益,
所以以一种和TED一样的方式,
09:27
so in the TEDTED fashion时尚,
we opened打开 up the entire整个 data数据 set
149
555563
4041
我们公开了整个数据库,
免费提供给全世界的研究团体。
09:31
to the worldwide全世界
research研究 community社区 for free自由.
150
559604
3592
(掌声)
09:36
(Applause掌声)
151
564636
4000
那么现在,我们有了用来
培育计算机大脑的数据库,
09:41
Now that we have the data数据
to nourish滋养 our computer电脑 brain,
152
569416
4538
我们可以回到”算法“本身上来了。
09:45
we're ready准备 to come back
to the algorithms算法 themselves他们自己.
153
573954
3737
因为ImageNet的横空出世,它提供的信息财富
完美地适用于一些特定类别的机器学习算法,
09:49
As it turned转身 out, the wealth财富
of information信息 provided提供 by ImageNetImageNet
154
577691
5178
09:54
was a perfect完善 match比赛 to a particular特定 class
of machine learning学习 algorithms算法
155
582869
4806
称作“卷积神经网络”,
09:59
called convolutional卷积 neural神经 network网络,
156
587675
2415
10:02
pioneered首创 by Kunihiko邦彦 Fukushima福岛,
Geoff杰夫 Hinton韩丁, and Yann LeCunLeCun
157
590090
5248
最早由Kunihiko Fukushima,Geoff Hinton,
和Yann LeCun在上世纪七八十年代开创。
10:07
back in the 1970s and '80s.
158
595338
3645
就像大脑是由上十亿的
紧密联结的神经元组成,
10:10
Just like the brain consists
of billions数十亿 of highly高度 connected连接的 neurons神经元,
159
598983
5619
10:16
a basic基本 operating操作 unit单元 in a neural神经 network网络
160
604602
3854
神经网络里最基础的运算单元
也是一个“神经元式”的节点。
10:20
is a neuron-like神经元样 node节点.
161
608456
2415
10:22
It takes input输入 from other nodes节点
162
610871
2554
每个节点从其它节点处获取输入信息,
然后把自己的输出信息再交给另外的节点。
10:25
and sends发送 output产量 to others其他.
163
613425
2718
此外,这些成千上万、甚至上百万的节点
10:28
Moreover此外, these hundreds数以百计 of thousands数千
or even millions百万 of nodes节点
164
616143
4713
10:32
are organized有组织的 in hierarchical分级 layers,
165
620856
3227
都被按等级分布于不同层次,
就像大脑一样。
10:36
also similar类似 to the brain.
166
624083
2554
在一个我们用来训练“对象识别模型”的
典型神经网络里,
10:38
In a typical典型 neural神经 network网络 we use
to train培养 our object目的 recognition承认 model模型,
167
626637
4783
10:43
it has 24 million百万 nodes节点,
168
631420
3181
有着2400万个节点,1亿4千万个参数,
和150亿个联结。
10:46
140 million百万 parameters参数,
169
634601
3297
10:49
and 15 billion十亿 connections连接.
170
637898
2763
这是一个庞大的模型。
10:52
That's an enormous巨大 model模型.
171
640661
2415
10:55
Powered供电 by the massive大规模的 data数据 from ImageNetImageNet
172
643076
3901
借助ImageNet提供的巨大规模数据支持,
通过大量最先进的CPU和GPU,
来训练这些堆积如山的模型,
10:58
and the modern现代 CPUsCPU的 and GPUs图形处理器
to train培养 such这样 a humongous堆积如山 model模型,
173
646977
5433
“卷积神经网络”
以难以想象的方式蓬勃发展起来。
11:04
the convolutional卷积 neural神经 network网络
174
652410
2369
11:06
blossomed开花 in a way that no one expected预期.
175
654779
3436
它成为了一个成功体系,
11:10
It became成为 the winning胜利 architecture建筑
176
658215
2508
11:12
to generate生成 exciting扣人心弦 new results结果
in object目的 recognition承认.
177
660723
5340
在对象识别领域,
产生了激动人心的新成果。
11:18
This is a computer电脑 telling告诉 us
178
666063
2810
这张图,是计算机在告诉我们:
11:20
this picture图片 contains包含 a cat
179
668873
2300
照片里有一只猫、
11:23
and where the cat is.
180
671173
1903
还有猫所在的位置。
当然不止有猫了,
11:25
Of course课程 there are more things than cats,
181
673076
2112
所以这是计算机算法在告诉我们
11:27
so here's这里的 a computer电脑 algorithm算法 telling告诉 us
182
675188
2438
照片里有一个男孩,和一个泰迪熊;
11:29
the picture图片 contains包含
a boy男孩 and a teddy泰迪熊 bear;
183
677626
3274
一只狗,一个人,和背景里的小风筝;
11:32
a dog, a person, and a small kite风筝
in the background背景;
184
680900
4366
或者是一张拍摄于闹市的照片
比如人、滑板、栏杆、灯柱…等等。
11:37
or a picture图片 of very busy things
185
685266
3135
11:40
like a man, a skateboard滑板,
railings栏杆, a lampostlampost, and so on.
186
688401
4644
有时候,如果计算机
不是很确定它看到的是什么,
11:45
Sometimes有时, when the computer电脑
is not so confident信心 about what it sees看到,
187
693045
5293
11:51
we have taught it to be smart聪明 enough足够
188
699498
2276
我们还教它用足够聪明的方式
给出一个“安全”的答案,而不是“言多必失”
11:53
to give us a safe安全 answer回答
instead代替 of committing提交 too much,
189
701774
3878
——就像人类面对这类问题时一样。
11:57
just like we would do,
190
705652
2811
但在其他时候,我们的计算机
算法厉害到可以告诉我们
12:00
but other times our computer电脑 algorithm算法
is remarkable卓越 at telling告诉 us
191
708463
4666
12:05
what exactly究竟 the objects对象 are,
192
713129
2253
关于对象的更确切的信息,
比如汽车的品牌、型号、年份。
12:07
like the make, model模型, year of the cars汽车.
193
715382
3436
12:10
We applied应用的 this algorithm算法 to millions百万
of Google谷歌 Street View视图 images图片
194
718818
5386
我们在上百万张谷歌街景照片中
应用了这一算法,
12:16
across横过 hundreds数以百计 of American美国 cities城市,
195
724204
3135
那些照片涵盖了上百个美国城市。
我们从中发现一些有趣的事:
12:19
and we have learned学到了 something
really interesting有趣:
196
727339
2926
首先,它证实了我们的一些常识:
12:22
first, it confirmed确认 our common共同 wisdom智慧
197
730265
3320
12:25
that car汽车 prices价格 correlate关联 very well
198
733585
3290
汽车的价格,与家庭收入
呈现出明显的正相关。
12:28
with household家庭 incomes收入.
199
736875
2345
但令人惊奇的是,汽车价格与犯罪率
也呈现出明显的正相关性,
12:31
But surprisingly出奇, car汽车 prices价格
also correlate关联 well
200
739220
4527
12:35
with crime犯罪 rates利率 in cities城市,
201
743747
2300
以上结论是基于城市、或投票的
邮编区域进行分析的结果。
12:39
or voting表决 patterns模式 by zip压缩 codes代码.
202
747007
3963
那么等一下,这就是全部成果了吗?
12:44
So wait a minute分钟. Is that it?
203
752060
2206
计算机是不是已经达到,
或者甚至超过了人类的能力?
12:46
Has the computer电脑 already已经 matched匹配
or even surpassed超越 human人的 capabilities功能?
204
754266
5153
12:51
Not so fast快速.
205
759419
2138
——还没有那么快。
目前为止,我们还只是
教会了计算机去看对象。
12:53
So far, we have just taught
the computer电脑 to see objects对象.
206
761557
4923
12:58
This is like a small child儿童
learning学习 to utter说出 a few少数 nouns名词.
207
766480
4644
这就像是一个小宝宝学会说出几个名词。
这是一项难以置信的成就,
13:03
It's an incredible难以置信 accomplishment成就,
208
771124
2670
但这还只是第一步。
13:05
but it's only the first step.
209
773794
2460
很快,我们就会到达
发展历程的另一个里程碑:
13:08
Soon不久, another另一个 developmental发展的
milestone里程碑 will be hit击中,
210
776254
3762
这个小孩会开始用“句子”进行交流。
13:12
and children孩子 begin开始
to communicate通信 in sentences句子.
211
780016
3461
13:15
So instead代替 of saying
this is a cat in the picture图片,
212
783477
4224
所以不止是说这张图里有只“猫”,
13:19
you already已经 heard听说 the little girl女孩
telling告诉 us this is a cat lying说谎 on a bed.
213
787701
5202
你在开头已经听到小妹妹
告诉我们“这只猫是坐在床上的”。
13:24
So to teach a computer电脑
to see a picture图片 and generate生成 sentences句子,
214
792903
5595
为了教计算机看懂图片并生成句子,
13:30
the marriage婚姻 between之间 big data数据
and machine learning学习 algorithm算法
215
798498
3948
“大数据”和“机器学习算法”的结合
需要更进一步。
13:34
has to take another另一个 step.
216
802446
2275
现在,计算机需要从图片和人类创造的
自然语言句子中同时进行学习。
13:36
Now, the computer电脑 has to learn学习
from both pictures图片
217
804721
4156
13:40
as well as natural自然 language语言 sentences句子
218
808877
2856
13:43
generated产生 by humans人类.
219
811733
3322
就像我们的大脑,
把视觉现象和语言融合在一起,
13:47
Just like the brain integrates整合
vision视力 and language语言,
220
815055
3853
13:50
we developed发达 a model模型
that connects所连接 parts部分 of visual视觉 things
221
818908
5201
我们开发了一个模型,
可以把一部分视觉信息,像视觉片段,
与语句中的文字、短语联系起来。
13:56
like visual视觉 snippets片段
222
824109
1904
13:58
with words and phrases短语 in sentences句子.
223
826013
4203
14:02
About four months个月 ago,
224
830216
2763
大约4个月前,
我们最终把所有技术结合在了一起,
14:04
we finally最后 tied all this together一起
225
832979
2647
创造了第一个“计算机视觉模型”,
14:07
and produced生成 one of the first
computer电脑 vision视力 models楷模
226
835626
3784
14:11
that is capable of generating发电
a human-like类人 sentence句子
227
839410
3994
它在看到图片的第一时间,就有能力生成
类似人类语言的句子。
14:15
when it sees看到 a picture图片 for the first time.
228
843404
3506
现在,我准备给你们看看
计算机看到图片时会说些什么
14:18
Now, I'm ready准备 to show显示 you
what the computer电脑 says
229
846910
4644
14:23
when it sees看到 the picture图片
230
851554
1975
——还是那些在演讲开头给小女孩看的图片。
14:25
that the little girl女孩 saw
at the beginning开始 of this talk.
231
853529
3830
(视频)计算机:
“一个男人站在一头大象旁边。”
14:31
(Video视频) Computer电脑: A man is standing常设
next下一个 to an elephant.
232
859519
3344
“一架大飞机停在机场跑道一端。”
14:36
A large airplane飞机 sitting坐在 on top最佳
of an airport飞机场 runway跑道.
233
864393
3634
14:41
FFLFFL: Of course课程, we're still working加工 hard
to improve提高 our algorithms算法,
234
869057
4212
李飞飞:
当然,我们还在努力改善我们的算法,
14:45
and it still has a lot to learn学习.
235
873269
2596
它还有很多要学的东西。
(掌声)
14:47
(Applause掌声)
236
875865
2291
计算机还是会犯很多错误的。
14:51
And the computer电脑 still makes品牌 mistakes错误.
237
879556
3321
(视频)计算机:
“一只猫躺在床上的毯子上。”
14:54
(Video视频) Computer电脑: A cat lying说谎
on a bed in a blanket.
238
882877
3391
李飞飞:所以…当然——如果它看过太多种的猫,
它就会觉得什么东西都长得像猫……
14:58
FFLFFL: So of course课程, when it sees看到
too many许多 cats,
239
886268
2553
15:00
it thinks everything
might威力 look like a cat.
240
888821
2926
(视频)计算机:
“一个小男孩拿着一根棒球棍。”
15:05
(Video视频) Computer电脑: A young年轻 boy男孩
is holding保持 a baseball棒球 bat蝙蝠.
241
893317
2864
15:08
(Laughter笑声)
242
896181
1765
(笑声)
李飞飞:或者…如果它从没见过牙刷,
它就分不清牙刷和棒球棍的区别。
15:09
FFLFFL: Or, if it hasn't有没有 seen看到 a toothbrush牙刷,
it confuses混淆 it with a baseball棒球 bat蝙蝠.
243
897946
4583
(视频)计算机:
“建筑旁的街道上有一个男人骑马经过。”
15:15
(Video视频) Computer电脑: A man riding骑术 a horse
down a street next下一个 to a building建造.
244
903309
3434
15:18
(Laughter笑声)
245
906743
2023
(笑声)
李飞飞:我们还没教它Art 101
(美国大学艺术基础课)。
15:20
FFLFFL: We haven't没有 taught Art艺术 101
to the computers电脑.
246
908766
3552
(视频)计算机:
“一只斑马站在一片草原上。”
15:25
(Video视频) Computer电脑: A zebra斑马 standing常设
in a field领域 of grass.
247
913768
2884
李飞飞:它还没学会像你我一样
欣赏大自然里的绝美景色。
15:28
FFLFFL: And it hasn't有没有 learned学到了 to appreciate欣赏
the stunning令人惊叹 beauty美女 of nature性质
248
916652
3367
15:32
like you and I do.
249
920019
2438
所以,这是一条漫长的道路。
15:34
So it has been a long journey旅程.
250
922457
2832
将一个孩子从出生培养到3岁是很辛苦的。
15:37
To get from age年龄 zero to three was hard.
251
925289
4226
而真正的挑战是从3岁到13岁的过程中,
而且远远不止于此。
15:41
The real真实 challenge挑战 is to go
from three to 13 and far beyond.
252
929515
5596
让我再给你们看看这张
关于小男孩和蛋糕的图。
15:47
Let me remind提醒 you with this picture图片
of the boy男孩 and the cake蛋糕 again.
253
935111
4365
目前为止,
我们已经教会计算机“看”对象,
15:51
So far, we have taught
the computer电脑 to see objects对象
254
939476
4064
15:55
or even tell us a simple简单 story故事
when seeing眼看 a picture图片.
255
943540
4458
或者甚至基于图片,
告诉我们一个简单的故事。
(视频)计算机:
”一个人坐在放蛋糕的桌子旁。“
15:59
(Video视频) Computer电脑: A person sitting坐在
at a table with a cake蛋糕.
256
947998
3576
李飞飞:但图片里还有更多信息
——远不止一个人和一个蛋糕。
16:03
FFLFFL: But there's so much more
to this picture图片
257
951574
2630
16:06
than just a person and a cake蛋糕.
258
954204
2270
计算机无法理解的是:
这是一个特殊的意大利蛋糕,
16:08
What the computer电脑 doesn't see
is that this is a special特别 Italian意大利 cake蛋糕
259
956474
4467
它只在复活节限时供应。
16:12
that's only served提供服务 during Easter复活节 time.
260
960941
3217
而这个男孩穿着的
是他最喜欢的T恤衫,
16:16
The boy男孩 is wearing穿着 his favorite喜爱 t-shirtT恤衫
261
964158
3205
那是他父亲去悉尼旅行时
带给他的礼物。
16:19
given特定 to him as a gift礼品 by his father父亲
after a trip to Sydney悉尼,
262
967363
3970
另外,你和我都能清楚地看出,
这个小孩有多高兴,以及这一刻在想什么。
16:23
and you and I can all tell how happy快乐 he is
263
971333
3808
16:27
and what's exactly究竟 on his mind心神
at that moment时刻.
264
975141
3203
这是我的儿子Leo。
16:31
This is my son儿子 Leo狮子座.
265
979214
3125
在我探索视觉智能的道路上,
16:34
On my quest寻求 for visual视觉 intelligence情报,
266
982339
2624
我不断地想到Leo
和他未来将要生活的那个世界。
16:36
I think of Leo狮子座 constantly经常
267
984963
2391
16:39
and the future未来 world世界 he will live生活 in.
268
987354
2903
当机器可以“看到”的时候,
16:42
When machines can see,
269
990257
2021
医生和护士会获得一双额外的、
不知疲倦的眼睛,
16:44
doctors医生 and nurses护士 will have
extra额外 pairs of tireless不知疲倦的 eyes眼睛
270
992278
4712
帮他们诊断病情、照顾病人。
16:48
to help them to diagnose诊断
and take care关心 of patients耐心.
271
996990
4092
16:53
Cars汽车 will run smarter聪明
and safer更安全 on the road.
272
1001082
4383
汽车可以在道路上行驶得
更智能、更安全。
机器人,而不只是人类,
16:57
Robots机器人, not just humans人类,
273
1005465
2694
会帮我们救助灾区被困和受伤的人员。
17:00
will help us to brave勇敢 the disaster灾害 zones
to save保存 the trapped被困 and wounded负伤.
274
1008159
4849
我们会发现新的物种、更好的材料,
17:05
We will discover发现 new species种类,
better materials物料,
275
1013798
3796
还可以在机器的帮助下
探索从未见到过的前沿地带。
17:09
and explore探索 unseen看不见 frontiers前沿
with the help of the machines.
276
1017594
4509
一点一点地,
我们正在赋予机器以视力。
17:15
Little by little, we're giving sight视力
to the machines.
277
1023113
4167
首先,我们教它们去“看”。
17:19
First, we teach them to see.
278
1027280
2798
然后,它们反过来也帮助我们,
让我们看得更清楚。
17:22
Then, they help us to see better.
279
1030078
2763
17:24
For the first time, human人的 eyes眼睛
won't惯于 be the only ones那些
280
1032841
4165
这是第一次,人类的眼睛不再
独自地思考和探索我们的世界。
17:29
pondering琢磨 and exploring探索 our world世界.
281
1037006
2934
我们将不止是“使用”机器的智力,
17:31
We will not only use the machines
for their intelligence情报,
282
1039940
3460
我们还要以一种从未想象过的方式,
与它们“合作”。
17:35
we will also collaborate合作 with them
in ways方法 that we cannot不能 even imagine想像.
283
1043400
6179
我所追求的是:
17:41
This is my quest寻求:
284
1049579
2161
赋予计算机视觉智能,
17:43
to give computers电脑 visual视觉 intelligence情报
285
1051740
2712
并为Leo和这个世界,
创造出更美好的未来。
17:46
and to create创建 a better future未来
for Leo狮子座 and for the world世界.
286
1054452
5131
谢谢。
17:51
Thank you.
287
1059583
1811
(掌声)
17:53
(Applause掌声)
288
1061394
3785
Translated by Twisted Meadows
Reviewed by Min Wang

▲Back to top

ABOUT THE SPEAKER
Fei-Fei Li - Computer scientist
As Director of Stanford’s Artificial Intelligence Lab and Vision Lab, Fei-Fei Li is working to solve AI’s trickiest problems -- including image recognition, learning and language processing.

Why you should listen

Using algorithms built on machine learning methods such as neural network models, the Stanford Artificial Intelligence Lab led by Fei-Fei Li has created software capable of recognizing scenes in still photographs -- and accurately describe them using natural language.

Li’s work with neural networks and computer vision (with Stanford’s Vision Lab) marks a significant step forward for AI research, and could lead to applications ranging from more intuitive image searches to robots able to make autonomous decisions in unfamiliar situations.

Fei-Fei was honored as one of Foreign Policy's 2015 Global Thinkers

More profile about the speaker
Fei-Fei Li | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee