Sebastian Thrun and Chris Anderson: What AI is -- and isn't
سباستین تران و کریس اندرسون: نسل جدید کامپیوترها، خودشان را برنامه ریزی می کنند
Sebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us. Full bioChris Anderson - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading. Full bio
Double-click the English transcript below to play the video.
که یادگیری ماشین چه هست،
what machine learning is,
and also of the concern
هوش مصنوعی و یادگیری ماشین
intelligence and machine learning
هرگز اینقدر بزرگ و مهم نبود،
in its past until recently.
و مجموعه دادهها رسیدیم
of computing and datasets
برنامه ریزی کنید، مثل تلفن شما،
say, your phone,
خیلی خیلی طولانی رو بنویسند.
very long kitchen recipe,
turn down the temperature.
the temperature."
has 12 million lines of code.
۱۲ میلیون خط برنامه داره.
باعث بشه کامپیوتر شما از کار بیفته.
can cause your computer to crash.
پول خیلی زیادی درمیاره.
makes so much money.
قواعد خودشون رو پیدا کنند.
can find their own rules.
یک برنامه و کد برای هر احتمالی بنویسه،
deciphering, step by step,
the computer examples
which recently was won by Google.
که اخیراً گوگل در آن برنده شد.
you would really write down all the rules,
شما همه برنامه رو مینویسید،
residing Go champion.
مهندس نرم افزار خیلی باهوش باشه،
the software engineer
where this has become really possible --
جایی که این امر ممکن شد --
در مورد یادگیری ماشین بود،
was about machine learning.
insignificant, don't read it,
به اندازه مغز یک سوسک بودند.
were as big as a cockroach brain.
to really emulate
را شبیهسازی بکنند.
take advantage of the fact
much more data than people can.
یک میلیون بازی رو بررسی کرد.
more than a million games.
study a million games.
یک میلیون بازی رو بررسی کنه.
a hundred billion web pages.
صفحه وب رو بررسی کرده.
صفحه وب رو مطالعه کنه.
a hundred billion web pages.
کامپیوتر میتونه قواعدی رو پیدا کنه
the computer can find rules
«اگر او این را انجام دهد، من آن را انجام خواهم داد»
to, "If he does that, I will do that,"
«چیزی شبیه به الگوی برنده شدن هست»،
looks like a winning pattern,
a winning pattern."
که بچهها رو چطور بزرگ میکنید.
how you raise children.
به بچهها برای هر احتمالی یک قانون بدید
giving kids a rule for every contingency
and they have this big program.
بلند میشن، تنبیه میشن،
they get slapped or spanked,
در مدرسه نمره خوب میگیرند،
a good grade in school,
کامپیوترها رو خیلی آسون تر میکنه.
so much easier all of a sudden.
فقط بهشون دادههای بسیار زیادی میدیم.
We just give them lots of data.
این کلیدِ پیشرفت چشمگیر
to the spectacular improvement
رو از روی اون ساختیم.
into a spin-off called Voyage.
called deep learning
from Mountain View, California,
و ۱۳۳ چراغ راهنمایی.
and 133 traffic lights.
سرنشین گوگل رو راه انداختم.
the Google self-driving car team.
نرم افزار جهان رو استخدام کردم
the world's best software engineers
into the computer brain,
از مهارت انسان هم پیشی میگیره.
that often surpasses human agility.
تقریباً ۵۳ کیلومتر در یک ساعت و نیم.
about 33 miles, an hour and a half.
در اون قسمت بزرگ در سمت چپ برنامه،
of this program on the left,
the computer sees as trucks and cars
کامیونها و ماشینها رو به چه صورت میبینه
که در اینجا ورودی اصلی هست،
image, which is the main input here,
و چراغهای راهنمایی استفاده میشه.
other cars, traffic lights.
که فاصله رو تخمین میزنه.
to do distance estimation.
این نوع سیستمها استفاده میشه.
in these kind of systems.
بوسیله لیزر ترسیم میشن رو میبینید.
and so on depicted by the laser.
تمرکز روی تصویر دوربین هست.
is centering on the camera image now.
مثل رادارها و لیزرها،
sensors like radars and lasers
خیلی ارزون و مقرون به صرفه.
در سمت چپ، اون چیه؟
on the left thing, what is that?
برای کنترل تطبیقی مسیر شماست،
for your adaptive cruise control,
چطور سرعت رو تنظیم کنیم،
how to regulate velocity
چقدر از شما فاصله دارند.
the cars in front of you are.
دیگه دادی، فکر کنم
got an example, I think,
چطور اتفاق میفته.
learning part takes place.
در مورد این صحبت کن.
در مقابل دانشجوهای یوداسیتی قرار دادیم
a challenge to Udacity students
a self-driving car Nanodegree.
گواهی ماشین بدون سرنشین گذاشتیم، بگیرن.
چطور باید این ماشین رو هدایت کرد؟»
how to steer this car?"
که ماشین رو درست هدایت کنه.
to get the steering right.
« این یک مسابقه یادگیری عمیق هست،
"It's a deep learning competition,
like Google or Facebook,
مثل گوگل یا فیسبوک باشید،
حداقل شش ماه وقت میبره،
at least six months of work.
۱۰۰ جواب از دانشجوها دریافت کردیم.
100 submissions from students,
من میتونستم رانندگی کنم،
drive on this imagery,
دادههای لازم رو بدید
to a computer now,
دادهها رو فرا بگیره،
to comprehend the data,
کاربردهای قدرتمند دیگهای در همه زمینهها شد.
of powerful applications
the other day about cancer.
CA: This is cool.
کریس: جالبه.
into what's happening
400,000 dollars a year,
که متخصص پوست خوبی بشید.
to be a good dermatologist.
the machine learning version of it.
نسخه یادگیری ماشین اون هست،
for these machine learning algorithms.
الگوریتمهای یادگیری ماشین هست.
به نام یان لی کن، ابداع شد
by a Facebook Fellow called Yann LeCun,
که شما میتونید به عنوان
as the human brain.
ولی با اون رقابت میکنه.
but it emulates the same thing.
و لبهها، میلهها و نقطهها رو استخراج میکنه
the visual input and extracts edges
more complicated edges
really complicated concepts.
cat faces and dog faces
at Stanford has shown is that
استنفورد نشون داده، این هست که
از وضعیتهای پوست آموزش بدید،
of skin conditions,
این کار رو انجام بدید.
که مورد درست تشخیص داده شده،
that this is the case,
that we presented to our network
آوردیم و به شبکه خودمون
Stanford-level dermatologists,
و در سطح اسنفورد دادیم،
the performance classification accuracy
با پزشکان متخصص پوست برابر و یا از اونها بالاتر بودند.
این یک نمونه در حال حرکت هست.
That's a moving piece.
in "Nature" earlier this year
اوایل امسال در مجله نِیچر(طبیعت) منتشر کردیم،
dermatologists images
طبقه بندی درستی انجام دادیم.
we had the correct classification.
یکی از همکاران ما انجام شد.
by one of our collaborators.
ظاهرا یکی از سه تای برتر،
one of the three best, apparently,
«این سرطان پوست نیست».
"This is not skin cancer."
a second moment, where he said,
و نرم افزار ما رو اجرا کرد،
and ran our piece of software,
بیشتر از خودم اعتماد کنم».
the iPhone a little bit more than myself,"
to get it biopsied.
تا بافت برداری بشه.
that we actually found,
اولین باری هست که ما
would have gone unclassified,
غیرطبقه بندی شده بود،
for an app like this right now,
برای نرم افزاری مثل این وجود داشته باشه،
ساختن نرم افزاری که اجازه میده خودت رو چک کنی؟
making an app that allows self-checking?
مملو از نامههایی در مورد نرم افزار سرطان هست.
about cancer apps,
۱۰، ۱۵، ۲۰ ملانوما رو برداشتن
10, 15, 20 melanomas removed,
might be overlooked, like this one,
ممکنه دوباره ظاهر بشه.
این روزها سوالاتی در مورد سخنرانی،
these days, I guess.
آزمایشات بیشتری نیاز داریم.
and impress a TED audience.
و مخاطبین TED رو تحت تاثیر قرار بدی،
رو در نظر نگیری
something out that's ethical.
از این نرم افزار استفاده کنند
the assistance of a doctor
کلینیکی رو انجام میدیم،
و دادههای ما تداوم داشته باشه،
and our data holds up,
فناوریهای مثل این رو
to take this kind of technology
پای خودشون رو نخواهند گذاشت.
doctors never, ever set foot.
که داشتی میگفتی،
دانشجوهای یوداسیتی کار میکنی،
with this army of Udacity students,
یادگیری ماشین رو اعمال میکنید
a different form of machine learning
شکلی از خرد جمعی ترکیب میکنید.
with a form of crowd wisdom.
که میتونید بهتر از چیزی عمل کنید
that could actually outperform
even a vast company?
وجود داره که ذهن من رو تکون بده.
instances that blow my mind,
مسابقاتی هست که ما برگزار میکنیم.
is these competitions that we run.
a self-driving car
تا سانفرانسیسکو رانندگی کنه.
to San Francisco on surface streets.
کاملا با مدل گوگل برابری نمیکنه،
after seven years of Google work,
لازم بود که انجام بشه.
and three months to do this.
an army of students
who use crowdsourcing.
جمع سپاری استفاده میکنیم.
از جمع سپاری استفاده میکنند.
جمع سپاری استفاده میکنه.
از جمع سپاریِ برای پیدا کردن باگ استفاده میکنند.
where people do bug-finding crowdsourcing
و هرچیز ممکن دیگه برای جمع سپاری.
in crowdsourcing.
this car in three months,
رو در سه ماه بسازیم،
که هیچوقت استخدام نمیشن،
who are never hired,
و من حتی خبر ندارم.
and I don't even know.
maybe 9,000 answers.
که شاید بهترین گزینه نباشه،
which is maybe not the best thing to do.
در نظر میگیرند، که همین هم خوبه.
of their education, too, which is nice.
نتایج جالبی در یادگیری عمیق بدست بیارن.
to produce amazing deep learning results.
یادگیری ماشین خارق العاده است.
and great machine learning is amazing.
گری کاسپاروف گفت:
the first day [of TED2017]
turned out to be two amateur chess players
نرم افزار متوسط یا متوسط به بالا بودند،
mediocre-to-good, computer programs,
یک شطرنج بازِ بسیار خوب، عمل کنند.
with one great chess player,
نسخه ای بسیار پربارتر
you're talking about a much richer version
بسیار خوب صبحِ دیروز رو دنبال کردید،
the fantastic panels yesterday morning,
that we sometimes confuse
اینه که ما بعضی وقتها
با تهدید ارباب انجام میده، سردرگم میشیم.
with this kind of overlord threat,
آگاهی رو توسعه میده. خوب؟
consciousness, right?
برای هوش مصنوعی خودم میخوام.
is for my AI to have consciousness.
with the dishwasher
و اونها رو نمیخوام.
and I don't want them.
an augmentation of people.
of human smarts and machine smarts
به اندازه خود ماشینها قدمت داره.
is as old as machines are.
اتفاق افتاد که ماشین بخار
place because it made steam engines
خودشون نمیتونستند مزرعه داری کنند،
that couldn't farm by itself,
ما رو قویتر کرد.
it made us stronger.
جدید هوش مصنوعی هم،
will make us much, much stronger
بسیار بسیار قویتر میکنه.
ترسناک اون برای بعضی مردم،
of this for some people,
برای مردم ترسناک هست، اینه که
scary for people is when you have
خودش رو دوباره بنویسه،
rewrite its own code,
multiple copies of itself,
خودش رو ایجاد کنه،
برنامه رو امتحان کنه،
آیا به هدف رسیده و بهتر شده.
if a goal is achieved and improved.
on an intelligence test.
در انجام دادنش خوب هست،
that's moderately good at that,
از اون رو امتحان کنی.
کنترلش از دستت خارج بشه،
some sort of runaway effect
on Thursday evening,
عصر پنج شنبه روبراهه،
on Friday morning,
of computers and so forth,
شنیدم گفتی رو یک جور دیگه بگم.
what I heard you say.
we had exactly this thing:
the game against itself
دوباره نویسیِ دستوراته.
is a rewriting of the rules.
هیچ نگرانی وجود نداشت،
absolutely no concern
همه اینها، چیزهایی در یک حوزه هستند.
these are all very single-domain things.
کامپیوتری رو دیدیم که تقریبا قادره
that seemed nearly capable
که ما میتونیم، بخونه و بنویسه،
and understand in the sense that we can,
patterns of meaning.
که این توسعه پیدا میکنه،
as this broadens out,
kind of runaway effect?
و کنترلش از دستت خارج بشه؟
که من حد و حدود رو تعیین کردم.
I draw the line, honestly.
من نمی خوام این رو کم اهمیت جلوه بدم --
I don't want to downplay it --
که این روزها بهش فکر کنم.
the thing that's on my mind these days,
چیز دیگری هست.
is something else.
to the present date
بخاطر دفعات بسیار زیاد انجام بازی Go هست،
is because of massive numbers of Go plays,
یا یک هواپیما رو هدایت کنه.
or fly a plane.
یا ماشین بدون سرنشین یوداسیتی،
or the Udacity self-driving car
و نمیتونه کار دیگری انجام بده.
and it can't do anything else.
کار در حوزه ای خاص،
domain-specific function,
سرطان هم صدق میکنه.
تقریبا هیچ پیشرفتی بدست نیومده،
on this thing called "general AI,"
«هی، نسبیت خاص رو برای من کشف کن،
"Hey, invent for me special relativity
این تاکید کنم این هست که،
and I want to acknowledge them.
و میخوام اونها رو تایید کنم،
«چی میشه اگر هر چیز تکراری رو بگیریم
"What if we can take anything repetitive
100 times as efficient?"
we all worked in agriculture
در ادارهها کار میکنیم،
روزانهمان برنیامدیم.
متخصص پوست شدیم،
doing repetitive things,
بتونیم یک هوش مصنوعی رو بگیریم
of being able to take an AI,
در این کارهای تکراری کارآمدتر کنند.
as effective in these repetitive things.
برای بعضی مردم ترسناکه،
a little terrifying to some people,
بتونه این کارهای تکراری رو
can do this repetitive thing
is the thing that's talked about
خیلی در موردش صحبت میشه،
اون چیزی که ممکن هست، برسیم.
glorious aspects of what's possible.
یک مسئله بزرگ.
and it's a big issue,
سخنران مهمان بهش اشاره شد.
by several guest speakers.
optimistic person,
back 300 years ago.
پی در پی نجات پیدا کرد،
of continuous war,
مهندس نرم افزار یا خبرگزار تلویزیون.
or software engineer or TV anchor.
موتور بخار توی جیبش میاد،
with a little steam engine in his pocket,
پس میتونید یه کار دیگه بکنید».
as strong, so you can do something else."
هیچ صحنهٔ نمایشی نبود،
there was no real stage,
با گاوها مشغول هستیم،
with the cows in the stable,
concerned about it,
و چی میشه اگه ماشین این رو برای من انجام بده؟».
and what if the machine does this for me?"
مزایای اون به خوبی اذعان میکنیم،
past progress and the benefit of it,
برق و یا تجهیزات پزشکی.
or electricity or medical supply.
که ۳۰۰ سال پیش غیرممکن بود.
which was impossible 300 years ago.
مورد آینده اعمال نمیکنیم.
the same rules to the future.
یک مدیرعامل نگاه کنم،
of my work is repetitive,
ایمیلهای تکراری و مزخرف میکنم.
on stupid, repetitive email.
که من رو از شر این خلاص کنه.
that helps me get rid of this.
به طرز دیوانه واری خلاق هستیم؛
are insanely creative;
more than anybody else.
برید پیش مستخدم هتل خودتون
I think you can go to your hotel maid
یک ایده خلاقانه پیدا میکنید.
you find a creative idea.
تبدیل خلاقیت به عمل هست.
is to turn this creativity into action.
در یک روز بسازید، چی؟
build Google in a day?
اسنپ چت بعدی رو اختراع کنید، چی؟
and invent the next Snapchat,
in my opinion.
great side effects.
تامین غذا و دارو، آموزش، سرپناه
and education and shelter
affordable to all of us,
میدونی، که این دفعه فرق میکنه،
that this time it's different
that we've used in the past
اونها مسلط میشن،
اینه که، نه کاملا،
is that, not completely,
با اون نوع خلاقیتی که
different from the kind of creativity
به عنوان یک فرد فعال در هوش مصنوعی --
belief as an AI person --
any real progress on creativity
و واقعا مهمه که مردم تشخیص بدن،
really important for people to realize,
intelligence" is so threatening,
که فیلمی به این اسم میسازه که در اون
tossing a movie in,
the computer is our overlord,
تکراری رو انجام بدیم.
do repetitive things.
entirely on the repetitive end.
از قفسه سینه شما بوده.
ما ابَرانسان شدیم.
we've become superhuman.
در ۱۱ ساعت شنا کنیم.
the Atlantic in 11 hours.
shouting back to us.
ما داریم قوانین فیزیک رو میشکنیم.
We're breaking the rules of physics.
قراره همه چیزهایی که دیدیم و شنیدیم رو به یاد بیاریم،
we're going to remember everything
in my early stages of Alzheimer's.
۱,۰۰۰ یا بیشتر خواهیم داشت.
an IQ of 1,000 or more.
spelling classes for our kids,
اینه که ما میتونیم فراتر از خلاق باشیم.
is that we can be super creative.
it's going to be painful,
of more than those jobs.
از توانمندسازی و کشف، ترقی کنند.
to just a new level of empowerment
۶۰ تا ۱۰۰ هزار سال، کم یا زیاد --
60-100,000 years old, give or take --
از نظر اخترع،
in terms of invention,
اینها کمی تاریخیاند.
it's a little bit older.
manufacturing, penicillin --
has gone up, not gone down, in my opinion.
جالب تا الان اختراع شدند. درسته؟
things have been invented yet. Right?
خوشبختانه من این یکی رو متحول میکنم.
Hopefully, I'll change this.
people laughed about. (Laughs)
مخفیانه کار کردن روی ماشین پرنده.
Working secretly on flying cars.
implant in our brain
در مغزمون کار نگذاشتیم.
once you have it, you'll love it.
دوستش خواهید داشت.
که ما هنوز اختراع نکردیم،
we haven't invented yet
از مکانی به مکان دیگر بریم.
from one location to another.
امکان پرواز وجود نداره،
that flight wouldn't exist,
بتونید بدوید، حرکت کنید،
than you could run,
شما نمیتونید یک شخص رو با سرعت نور
that you can't beam a person
and your brilliance.
ABOUT THE SPEAKERS
Sebastian Thrun - Educator, entrepreneurSebastian Thrun is a passionate technologist who is constantly looking for new opportunities to make the world better for all of us.
Why you should listen
Sebastian Thrun is an educator, entrepreneur and troublemaker. After a long life as a professor at Stanford University, Thrun resigned from tenure to join Google. At Google, he founded Google X, home to self-driving cars and many other moonshot technologies. Thrun also founded Udacity, an online university with worldwide reach, and Kitty Hawk, a "flying car" company. He has authored 11 books, 400 papers, holds 3 doctorates and has won numerous awards.
Sebastian Thrun | Speaker | TED.com
Chris Anderson - TED Curator
After a long career in journalism and publishing, Chris Anderson became the curator of the TED Conference in 2002 and has developed it as a platform for identifying and disseminating ideas worth spreading.
Why you should listen
Chris Anderson is the Curator of TED, a nonprofit devoted to sharing valuable ideas, primarily through the medium of 'TED Talks' -- short talks that are offered free online to a global audience.
Chris was born in a remote village in Pakistan in 1957. He spent his early years in India, Pakistan and Afghanistan, where his parents worked as medical missionaries, and he attended an American school in the Himalayas for his early education. After boarding school in Bath, England, he went on to Oxford University, graduating in 1978 with a degree in philosophy, politics and economics.
Chris then trained as a journalist, working in newspapers and radio, including two years producing a world news service in the Seychelles Islands.
Back in the UK in 1984, Chris was captivated by the personal computer revolution and became an editor at one of the UK's early computer magazines. A year later he founded Future Publishing with a $25,000 bank loan. The new company initially focused on specialist computer publications but eventually expanded into other areas such as cycling, music, video games, technology and design, doubling in size every year for seven years. In 1994, Chris moved to the United States where he built Imagine Media, publisher of Business 2.0 magazine and creator of the popular video game users website IGN. Chris eventually merged Imagine and Future, taking the combined entity public in London in 1999, under the Future name. At its peak, it published 150 magazines and websites and employed 2,000 people.
This success allowed Chris to create a private nonprofit organization, the Sapling Foundation, with the hope of finding new ways to tackle tough global issues through media, technology, entrepreneurship and, most of all, ideas. In 2001, the foundation acquired the TED Conference, then an annual meeting of luminaries in the fields of Technology, Entertainment and Design held in Monterey, California, and Chris left Future to work full time on TED.
He expanded the conference's remit to cover all topics, including science, business and key global issues, while adding a Fellows program, which now has some 300 alumni, and the TED Prize, which grants its recipients "one wish to change the world." The TED stage has become a place for thinkers and doers from all fields to share their ideas and their work, capturing imaginations, sparking conversation and encouraging discovery along the way.
In 2006, TED experimented with posting some of its talks on the Internet. Their viral success encouraged Chris to begin positioning the organization as a global media initiative devoted to 'ideas worth spreading,' part of a new era of information dissemination using the power of online video. In June 2015, the organization posted its 2,000th talk online. The talks are free to view, and they have been translated into more than 100 languages with the help of volunteers from around the world. Viewership has grown to approximately one billion views per year.
Continuing a strategy of 'radical openness,' in 2009 Chris introduced the TEDx initiative, allowing free licenses to local organizers who wished to organize their own TED-like events. More than 8,000 such events have been held, generating an archive of 60,000 TEDx talks. And three years later, the TED-Ed program was launched, offering free educational videos and tools to students and teachers.
Chris Anderson | Speaker | TED.com