TED2015
Fei-Fei Li: How we're teaching computers to understand pictures
Fei-Fei Li: Hogyan tanítjuk meg a számítógépeket a képek megértésére
Filmed:
Readability: 4.5
2,702,344 views
Amikor egy kisgyermek ránéz egy képre, képes beazonosítani az egyszerű alkotóelemeket: "macska", "könyv", "szék". Nemsokára a számítógépek is elég értelmesek lesznek ahhoz, hogy ugyanezt tegyék. Mi a következő lépés? Egy izgalmas előadáson, a számítógép látóképességének szakértője, Fei Fei Li ismerteti a tudomány helyzetét - beleértve azt a 15 millió fotóból álló adatbázist, amelyet a csapata épített, hogy megtanítsanak egy számítógépet a képek megértésére - és az éleslátás kulcsát, amely még csak most jön.
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. Full bio
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 you something.
0
2366
3738
Engedjék meg, hogy mutassak
önöknek valamit.
önöknek valamit.
00:18
(Video) Girl: Okay, that's a cat
sitting in a bed.
sitting in a bed.
1
6104
4156
(Videó) Kislány: Oké, az egy macska,
amely egy ágyon ül.
amely egy ágyon ül.
A fiú cirógatja az elefántot.
00:22
The boy is petting the elephant.
2
10260
4040
Azok az emberek mennek
egy repülőgéphez.
egy repülőgéphez.
00:26
Those are people
that are going on an airplane.
that are going on an airplane.
3
14300
4354
00:30
That's a big airplane.
4
18654
2810
Az egy nagy repülőgép.
00:33
Fei-Fei Li: This is
a three-year-old child
a three-year-old child
5
21464
2206
Fei-Fei Li: Ez egy hároméves gyermek
00:35
describing what she sees
in a series of photos.
in a series of photos.
6
23670
3679
leírása arról, amit egy sor fotón lát.
00:39
She might still have a lot
to learn about this world,
to learn about this world,
7
27349
2845
Lehet, hogy sokat kell
még tanulnia a világról,
még tanulnia a világról,
00:42
but she's already an expert
at one very important task:
at one very important task:
8
30194
4549
de már szakértője
egy nagyon fontos feladatnak:
egy nagyon fontos feladatnak:
00:46
to make sense of what she sees.
9
34743
2846
annak, hogy megértse, amit lát.
00:50
Our society is more
technologically advanced than ever.
technologically advanced than ever.
10
38229
4226
Társadalmunk technológiailag
fejlettebb, mint valaha.
fejlettebb, mint valaha.
00:54
We send people to the moon,
we make phones that talk to us
we make phones that talk to us
11
42455
3629
Embereket küldünk a Holdra,
telefonokat készítünk, melyek beszélnek,
telefonokat készítünk, melyek beszélnek,
00:58
or customize radio stations
that can play only music we like.
that can play only music we like.
12
46084
4946
vagy rádióállomásokat állítunk be a
saját zenei ízlésünknek megfelelően.
saját zenei ízlésünknek megfelelően.
01:03
Yet, our most advanced
machines and computers
machines and computers
13
51030
4055
Mégis a legfejlettebb gépeink és
számítógépeink
számítógépeink
01:07
still struggle at this task.
14
55085
2903
csak küszködnek ezzel a feladattal.
01:09
So I'm here today
to give you a progress report
to give you a progress report
15
57988
3459
Azért vagyok ma itt,
hogy jelentést adjak önöknek
hogy jelentést adjak önöknek
01:13
on the latest advances
in our research in computer vision,
in our research in computer vision,
16
61447
4047
a számítógépes képfelismerés
legújabb kutatási eredményeiről,
legújabb kutatási eredményeiről,
01:17
one of the most frontier
and potentially revolutionary
and potentially revolutionary
17
65494
4161
a számítástechnika egyik
valószínűleg legforradalmibb
valószínűleg legforradalmibb
01:21
technologies in computer science.
18
69655
3206
technológiai területéről.
01:24
Yes, we have prototyped cars
that can drive by themselves,
that can drive by themselves,
19
72861
4551
Igen, vannak olyan prototípus autóink,
amelyek képesek önmagukat vezetni,
amelyek képesek önmagukat vezetni,
01:29
but without smart vision,
they cannot really tell the difference
they cannot really tell the difference
20
77412
3853
de tökéletes látás nélkül, nem tudnak
igazán megkülönböztetni
igazán megkülönböztetni
01:33
between a crumpled paper bag
on the road, which can be run over,
on the road, which can be run over,
21
81265
3970
egy összegyűrt papírtasakot
az úton, amelyen áthajthatunk,
az úton, amelyen áthajthatunk,
01:37
and a rock that size,
which should be avoided.
which should be avoided.
22
85235
3340
egy ugyanolyan méretű kődarabtól,
amelyet el kellene kerülni.
amelyet el kellene kerülni.
01:41
We have made fabulous megapixel cameras,
23
89415
3390
Mesés megapixeles kameráink vannak,
01:44
but we have not delivered
sight to the blind.
sight to the blind.
24
92805
3135
de nem segítünk látni a vakoknak.
01:48
Drones can fly over massive land,
25
96420
3305
A drónok képesek hatalmas
területeket berepülni,
területeket berepülni,
01:51
but don't have enough vision technology
26
99725
2134
de nincs megfelelő látási
technológiájuk ahhoz,
technológiájuk ahhoz,
01:53
to help us to track
the changes of the rainforests.
the changes of the rainforests.
27
101859
3461
hogy segítsenek nyomon követni
az esőerdők változásait.
az esőerdők változásait.
01:57
Security cameras are everywhere,
28
105320
2950
Biztonsági kamerák vannak mindenhol,
02:00
but they do not alert us when a child
is drowning in a swimming pool.
is drowning in a swimming pool.
29
108270
5067
de nem figyelmeztetnek minket, amikor
egy gyerek beleesik az úszómedencébe.
egy gyerek beleesik az úszómedencébe.
02:06
Photos and videos are becoming
an integral part of global life.
an integral part of global life.
30
114167
5595
A fotók és videók szerves részévé
váltak az életnek.
váltak az életnek.
02:11
They're being generated at a pace
that's far beyond what any human,
that's far beyond what any human,
31
119762
4087
Olyan ütemben keletkeznek, ami
messze túl van azon, amit az ember
messze túl van azon, amit az ember
02:15
or teams of humans, could hope to view,
32
123849
2783
vagy embercsoportok remélhetnének látni.
02:18
and you and I are contributing
to that at this TED.
to that at this TED.
33
126632
3921
Önök és én ezen a TED-en most
közreműködhetünk ebben.
közreműködhetünk ebben.
02:22
Yet our most advanced software
is still struggling at understanding
is still struggling at understanding
34
130553
5232
Még a legfejlettebb
szoftvereink is csak küzdenek
szoftvereink is csak küzdenek
02:27
and managing this enormous content.
35
135785
3876
ennek a hatalmas tartalomnak
a megértésével és kezelésével.
a megértésével és kezelésével.
02:31
So in other words,
collectively as a society,
collectively as a society,
36
139661
5272
Más szavakkal,
együttesen, egy közösségként
együttesen, egy közösségként
02:36
we're very much blind,
37
144933
1746
szinte teljesen vakok vagyunk,
02:38
because our smartest
machines are still blind.
machines are still blind.
38
146679
3387
mert a legokosabb gépeink még vakok.
02:43
"Why is this so hard?" you may ask.
39
151526
2926
"Miért olyan nehéz ez?" - kérdezhetik.
02:46
Cameras can take pictures like this one
40
154452
2693
A kamerák képesek ilyen képeket készíteni,
02:49
by converting lights into
a two-dimensional array of numbers
a two-dimensional array of numbers
41
157145
3994
a fényeket kétdimenziós
számsorokba konvertálják,
számsorokba konvertálják,
02:53
known as pixels,
42
161139
1650
az úgynevezett pixelekbe,
02:54
but these are just lifeless numbers.
43
162789
2251
de ezek csak élettelen számok.
02:57
They do not carry meaning in themselves.
44
165040
3111
Ezek nem hordoznak magukban jelentést.
03:00
Just like to hear is not
the same as to listen,
the same as to listen,
45
168151
4343
Éppen úgy, ahogy nem ugyanaz
a hallani, mint a hallgatni,
a hallani, mint a hallgatni,
03:04
to take pictures is not
the same as to see,
the same as to see,
46
172494
4040
képet készíteni sem ugyanaz, mint látni,
03:08
and by seeing,
we really mean understanding.
we really mean understanding.
47
176534
3829
és a látás alatt tulajdonképpen
a megértést értjük.
a megértést értjük.
03:13
In fact, it took Mother Nature
540 million years of hard work
540 million years of hard work
48
181293
6177
Valójában, az Anyatermészet
kemény munkát végez 540 millió éve,
kemény munkát végez 540 millió éve,
03:19
to do this task,
49
187470
1973
ennek a feladatnak az elvégzésével,
03:21
and much of that effort
50
189443
1881
és rengeteg fáradozásba került
03:23
went into developing the visual
processing apparatus of our brains,
processing apparatus of our brains,
51
191324
5271
az agyunk vizuális feldolgozással
foglalkozó részének a kifejlesztése,
foglalkozó részének a kifejlesztése,
03:28
not the eyes themselves.
52
196595
2647
nem a szemek maguk.
03:31
So vision begins with the eyes,
53
199242
2747
A látás a szemekkel kezdődik,
03:33
but it truly takes place in the brain.
54
201989
3518
de valójában az agyban megy végbe.
03:38
So for 15 years now, starting
from my Ph.D. at Caltech
from my Ph.D. at Caltech
55
206287
5060
15 éve már, hogy a Caltechnél
a Ph.D-mtől kezdve,
a Ph.D-mtől kezdve,
03:43
and then leading Stanford's Vision Lab,
56
211347
2926
majd a Stanford Látóképeséggel
foglalkozó laborját vezetve,
foglalkozó laborját vezetve,
03:46
I've been working with my mentors,
collaborators and students
collaborators and students
57
214273
4396
a mentoraimmal, munkatársaimmal
és tanítványaimmal azon dolgozom,
és tanítványaimmal azon dolgozom,
03:50
to teach computers to see.
58
218669
2889
hogy megtanítsam a számítógépeket látni.
03:54
Our research field is called
computer vision and machine learning.
computer vision and machine learning.
59
222658
3294
Kutatási területünk a
számítógépes látás és gépi tanulás.
számítógépes látás és gépi tanulás.
03:57
It's part of the general field
of artificial intelligence.
of artificial intelligence.
60
225952
3878
Ez a mesterséges intelligencia
tudományának a része.
tudományának a része.
04:03
So ultimately, we want to teach
the machines to see just like we do:
the machines to see just like we do:
61
231000
5493
Végső soron meg akarjuk tanítani
a gépeket úgy látni, ahogy mi látunk:
a gépeket úgy látni, ahogy mi látunk:
04:08
naming objects, identifying people,
inferring 3D geometry of things,
inferring 3D geometry of things,
62
236493
5387
tárgyak megnevezése, emberek azonosítása,
következtetés a tárgyak 3D-s alakjára,
következtetés a tárgyak 3D-s alakjára,
04:13
understanding relations, emotions,
actions and intentions.
actions and intentions.
63
241880
5688
a kapcsolatok, érzések,
tevékenységek és szándékok megértése.
tevékenységek és szándékok megértése.
04:19
You and I weave together entire stories
of people, places and things
of people, places and things
64
247568
6153
Önök és én egész történeteket szövünk
együtt emberekről, helyekről és dolgokról
együtt emberekről, helyekről és dolgokról
04:25
the moment we lay our gaze on them.
65
253721
2164
abban a pillanatban,
amikor rájuk pillantunk.
amikor rájuk pillantunk.
04:28
The first step towards this goal
is to teach a computer to see objects,
is to teach a computer to see objects,
66
256955
5583
Az első lépés a cél felé, hogy
megtanítjuk a számítógépeket a tárgyakat,
megtanítjuk a számítógépeket a tárgyakat,
04:34
the building block of the visual world.
67
262538
3368
a képi világ építőköveit látni.
04:37
In its simplest terms,
imagine this teaching process
imagine this teaching process
68
265906
4434
A legegyszerűbben kifejezve, képzeljék el
ennek a tanításnak a folyamatát:
ennek a tanításnak a folyamatát:
04:42
as showing the computers
some training images
some training images
69
270340
2995
mutatunk a számítógépeknek
néhány gyakorló képet
néhány gyakorló képet
04:45
of a particular object, let's say cats,
70
273335
3321
egy bizonyos dologról,
mondjuk a macskákról
mondjuk a macskákról
04:48
and designing a model that learns
from these training images.
from these training images.
71
276656
4737
és tervezünk egy modellt, amely tanul
ezekből a gyakorló képekből.
ezekből a gyakorló képekből.
04:53
How hard can this be?
72
281393
2044
Milyen nehéz lehet ez?
04:55
After all, a cat is just
a collection of shapes and colors,
a collection of shapes and colors,
73
283437
4052
Végül is, egy macska csak
színek és formák gyűjteménye,
színek és formák gyűjteménye,
04:59
and this is what we did
in the early days of object modeling.
in the early days of object modeling.
74
287489
4086
és ez az, amit a dolgok modellezésének
első napjaiban csináltunk.
első napjaiban csináltunk.
05:03
We'd tell the computer algorithm
in a mathematical language
in a mathematical language
75
291575
3622
Matematikai nyelven mondtuk el
a számítógépes algoritmusnak,
a számítógépes algoritmusnak,
05:07
that a cat has a round face,
a chubby body,
a chubby body,
76
295197
3343
hogy egy macskának
egy kerek arca, pufók teste,
egy kerek arca, pufók teste,
05:10
two pointy ears, and a long tail,
77
298540
2299
két hegyes füle és egy hosszú farka van,
05:12
and that looked all fine.
78
300839
1410
és úgy tűnt, hogy minden rendben.
05:14
But what about this cat?
79
302859
2113
De mit szólnak ehhez a macskához?
05:16
(Laughter)
80
304972
1091
(Nevetés)
05:18
It's all curled up.
81
306063
1626
Ez teljesen ki van csavarodva.
05:19
Now you have to add another shape
and viewpoint to the object model.
and viewpoint to the object model.
82
307689
4719
Most hozzá kell tenniük egy egész más
formát és nézőpontot a dolog modelljéhez.
formát és nézőpontot a dolog modelljéhez.
05:24
But what if cats are hidden?
83
312408
1715
De mi van, ha a macskák elbújnak?
05:27
What about these silly cats?
84
315143
2219
Mit szólnak ezekhez a bolond macskákhoz?
05:31
Now you get my point.
85
319112
2417
Elmondom a véleményemet.
05:33
Even something as simple
as a household pet
as a household pet
86
321529
3367
Még ha valami olyan egyszerű is,
mint egy háziállat,
mint egy háziállat,
05:36
can present an infinite number
of variations to the object model,
of variations to the object model,
87
324896
4504
végtelen sok modellvariációt
képes felvonultatni,
képes felvonultatni,
05:41
and that's just one object.
88
329400
2233
és ez csak egyetlen objektum.
05:44
So about eight years ago,
89
332573
2492
Így kb. 8 évvel ezelőtt
05:47
a very simple and profound observation
changed my thinking.
changed my thinking.
90
335065
5030
egy nagyon és mély megfigyelés
megváltoztatta a gondolkodásomat.
megváltoztatta a gondolkodásomat.
05:53
No one tells a child how to see,
91
341425
2685
Senki nem mondja meg egy
gyermeknek, hogy hogyan lásson,
gyermeknek, hogy hogyan lásson,
05:56
especially in the early years.
92
344110
2261
különösen az első években.
05:58
They learn this through
real-world experiences and examples.
real-world experiences and examples.
93
346371
5000
A valós világ tapasztalatain és példáin
keresztül tanulják ezt meg.
keresztül tanulják ezt meg.
06:03
If you consider a child's eyes
94
351371
2740
Ha egy gyermek szemeit
06:06
as a pair of biological cameras,
95
354111
2554
egy pár biológiai kamerának tekintjük,
06:08
they take one picture
about every 200 milliseconds,
about every 200 milliseconds,
96
356665
4180
ezek körülbelül 200 ezredmásod-
percenként készítenek egy képet,
percenként készítenek egy képet,
06:12
the average time an eye movement is made.
97
360845
3134
ez az átlagos időtartama
egy szemmozdulatnak.
egy szemmozdulatnak.
06:15
So by age three, a child would have seen
hundreds of millions of pictures
hundreds of millions of pictures
98
363979
5550
Így hároméves korára egy gyermek
több száz millió képet lát
több száz millió képet lát
06:21
of the real world.
99
369529
1834
a valós világról.
06:23
That's a lot of training examples.
100
371363
2280
Az rengeteg gyakorló példa.
06:26
So instead of focusing solely
on better and better algorithms,
on better and better algorithms,
101
374383
5989
Így a kizárólag az egyre jobb
algoritmusokra koncentrálás helyett,
algoritmusokra koncentrálás helyett,
06:32
my insight was to give the algorithms
the kind of training data
the kind of training data
102
380372
5272
úgy éreztem, hogy az adatok begyakorlására
alkalmas algoritmusokat kellene adnom,
alkalmas algoritmusokat kellene adnom,
06:37
that a child was given through experiences
103
385644
3319
ahogy egy gyermeknek,
a tapasztalatokon keresztül
a tapasztalatokon keresztül
06:40
in both quantity and quality.
104
388963
3878
minőségben és mennyiségben egyaránt.
06:44
Once we know this,
105
392841
1858
Amint ezt felismertük,
06:46
we knew we needed to collect a data set
106
394699
2971
rögtön tudtuk, hogy gyűjtenünk
kell egy adathalmazt,
kell egy adathalmazt,
06:49
that has far more images
than we have ever had before,
than we have ever had before,
107
397670
4459
ami sokkal több képet fog tartalmazni,
mint amennyivel valaha is rendelkeztünk,
mint amennyivel valaha is rendelkeztünk,
06:54
perhaps thousands of times more,
108
402129
2577
talán több ezerszer többet,
06:56
and together with Professor
Kai Li at Princeton University,
Kai Li at Princeton University,
109
404706
4111
és Kai Li professzorral közösen
a Princeton Egyetemen,
a Princeton Egyetemen,
07:00
we launched the ImageNet project in 2007.
110
408817
4752
2007-ben elindítottuk
az ImageNet projektet.
az ImageNet projektet.
07:05
Luckily, we didn't have to mount
a camera on our head
a camera on our head
111
413569
3838
Szerencsére nem kellett
egy kamerát szerelnünk a fejünkre,
egy kamerát szerelnünk a fejünkre,
07:09
and wait for many years.
112
417407
1764
és évekig várni.
07:11
We went to the Internet,
113
419171
1463
Felmentünk az Internetre,
07:12
the biggest treasure trove of pictures
that humans have ever created.
that humans have ever created.
114
420634
4436
a képek legnagyobb tárházára,
amit az emberek valaha létrehoztak.
amit az emberek valaha létrehoztak.
07:17
We downloaded nearly a billion images
115
425070
3041
Majdnem egymilliárd képet töltöttünk le
07:20
and used crowdsourcing technology
like the Amazon Mechanical Turk platform
like the Amazon Mechanical Turk platform
116
428111
5880
és az Amazon Mechanical Turk
crowdsourcing technológiát használva
crowdsourcing technológiát használva
07:25
to help us to label these images.
117
433991
2339
felcímkéztük ezeket a képeket.
07:28
At its peak, ImageNet was one of
the biggest employers
the biggest employers
118
436330
4900
A csúcson az ImageNet volt
07:33
of the Amazon Mechanical Turk workers:
119
441230
2996
a Mechanical Turk egyik
legnagyobb foglalkoztatója:
legnagyobb foglalkoztatója:
07:36
together, almost 50,000 workers
120
444226
3854
együttesen, majdnem 50 000 dolgozó
07:40
from 167 countries around the world
121
448080
4040
a világ 167 országából
07:44
helped us to clean, sort and label
122
452120
3947
segített nekünk kitisztítani,
rendszerezni és felcímkézni
rendszerezni és felcímkézni
07:48
nearly a billion candidate images.
123
456067
3575
majdnem egymilliárd kijelölt képet.
07:52
That was how much effort it took
124
460612
2653
Ilyen sok erőfeszítésbe került
07:55
to capture even a fraction
of the imagery
of the imagery
125
463265
3900
csak egy töredékét rögzíteni
annak a képanyagnak,
annak a képanyagnak,
07:59
a child's mind takes in
in the early developmental years.
in the early developmental years.
126
467165
4171
amit egy gyermek agya
a fejlődésének első éveiben befogad.
a fejlődésének első éveiben befogad.
08:04
In hindsight, this idea of using big data
127
472148
3902
Utólag a "big data"
használatának az ötlete
használatának az ötlete
08:08
to train computer algorithms
may seem obvious now,
may seem obvious now,
128
476050
4550
a számítógépes algoritmusok tanítására
már nyilvánvalónak tűnhet,
már nyilvánvalónak tűnhet,
08:12
but back in 2007, it was not so obvious.
129
480600
4110
de 2007-ben ez nem volt olyan kézenfekvő.
08:16
We were fairly alone on this journey
for quite a while.
for quite a while.
130
484710
3878
Meglehetősen egyedül voltunk
ezen az úton egy jó darabig.
ezen az úton egy jó darabig.
08:20
Some very friendly colleagues advised me
to do something more useful for my tenure,
to do something more useful for my tenure,
131
488588
5003
Néhány kedves kollégám azt tanácsolta,
hogy hasznosabb dologgal töltsem az időmet
hogy hasznosabb dologgal töltsem az időmet
08:25
and we were constantly struggling
for research funding.
for research funding.
132
493591
4342
és állandóan harcoltunk
a kutatási támogatásért.
a kutatási támogatásért.
Egyszer még azt is mondtam
viccesen a végzős diákjaimnak,
viccesen a végzős diákjaimnak,
08:29
Once, I even joked to my graduate students
133
497933
2485
08:32
that I would just reopen
my dry cleaner's shop to fund ImageNet.
my dry cleaner's shop to fund ImageNet.
134
500418
4063
hogy újranyitnám a ruhatisztító boltomat,
hogy az ImageNet-et támogassam.
hogy az ImageNet-et támogassam.
08:36
After all, that's how I funded
my college years.
my college years.
135
504481
4761
Végül is, így finanszíroztam
a főiskolai éveimet.
a főiskolai éveimet.
08:41
So we carried on.
136
509242
1856
Tehát folytattuk.
08:43
In 2009, the ImageNet project delivered
137
511098
3715
2009-ben az ImageNet
08:46
a database of 15 million images
138
514813
4042
egy 15 millió képből álló
adatbázist adott át,
adatbázist adott át,
08:50
across 22,000 classes
of objects and things
of objects and things
139
518855
4805
az objektumokat és dolgokat
22 000 osztályba sorolva,
22 000 osztályba sorolva,
08:55
organized by everyday English words.
140
523660
3320
mindennapos angol
szavak szerint elrendezve.
szavak szerint elrendezve.
08:58
In both quantity and quality,
141
526980
2926
Minőségben és mennyiségben egyaránt
09:01
this was an unprecedented scale.
142
529906
2972
példátlan méretű.
09:04
As an example, in the case of cats,
143
532878
3461
Például a macskák esetében,
09:08
we have more than 62,000 cats
144
536339
2809
több mint 62 000 képünk volt
09:11
of all kinds of looks and poses
145
539148
4110
mindenféle külsejű és pózoló
09:15
and across all species
of domestic and wild cats.
of domestic and wild cats.
146
543258
5223
minden fajta házi- és vadmacskákról.
09:20
We were thrilled
to have put together ImageNet,
to have put together ImageNet,
147
548481
3344
Le voltunk nyűgözve, hogy
együtt létrehoztuk az ImageNet-et,
együtt létrehoztuk az ImageNet-et,
09:23
and we wanted the whole research world
to benefit from it,
to benefit from it,
148
551825
3738
és azt akartuk, hogy az egész
kutatási világ profitáljon ebből,
kutatási világ profitáljon ebből,
09:27
so in the TED fashion,
we opened up the entire data set
we opened up the entire data set
149
555563
4041
így a TED módszerével hozzáférhetővé
tettük az egész adatállományt.
tettük az egész adatállományt.
09:31
to the worldwide
research community for free.
research community for free.
150
559604
3592
az egész világ kutató
közösségének, ingyenesen.
közösségének, ingyenesen.
09:36
(Applause)
151
564636
4000
(Taps)
09:41
Now that we have the data
to nourish our computer brain,
to nourish our computer brain,
152
569416
4538
Most, hogy már vannak adataink,
amit betápláljunk a számítógépeink agyába,
amit betápláljunk a számítógépeink agyába,
09:45
we're ready to come back
to the algorithms themselves.
to the algorithms themselves.
153
573954
3737
készen állunk arra, hogy visszatérjünk
magukhoz az algoritmusokhoz.
magukhoz az algoritmusokhoz.
09:49
As it turned out, the wealth
of information provided by ImageNet
of information provided by ImageNet
154
577691
5178
Mint kiderült, az ImageNet által
biztosított információ értéke
biztosított információ értéke
09:54
was a perfect match to a particular class
of machine learning algorithms
of machine learning algorithms
155
582869
4806
tökéletesen illeszkedett a gépi tanulási
algoritmusok egy bizonyos osztályához,
algoritmusok egy bizonyos osztályához,
09:59
called convolutional neural network,
156
587675
2415
amit konvolúciós neurális hálónak hívunk,
10:02
pioneered by Kunihiko Fukushima,
Geoff Hinton, and Yann LeCun
Geoff Hinton, and Yann LeCun
157
590090
5248
és aminek Kunihiko Fukushima, Geoff Hinton
és Yann LeCun voltak az úttörői
és Yann LeCun voltak az úttörői
10:07
back in the 1970s and '80s.
158
595338
3645
régen az 1970-es és '80-as években.
10:10
Just like the brain consists
of billions of highly connected neurons,
of billions of highly connected neurons,
159
598983
5619
Ahogyan az agyban egymáshoz szorosan
kapcsolódó idegsejtek milliárdjai vannak,
kapcsolódó idegsejtek milliárdjai vannak,
10:16
a basic operating unit in a neural network
160
604602
3854
ugyanúgy egy neurális háló
operációs alapegysége
operációs alapegysége
10:20
is a neuron-like node.
161
608456
2415
egy neuronszerű csomópont.
10:22
It takes input from other nodes
162
610871
2554
Ez bemenő adatokat fogad
más csomópontoktól
más csomópontoktól
10:25
and sends output to others.
163
613425
2718
és kimenő adatokat küld a többinek.
10:28
Moreover, these hundreds of thousands
or even millions of nodes
or even millions of nodes
164
616143
4713
Ezen kívül, ez a több százezer
vagy akár több millió csomópont
vagy akár több millió csomópont
10:32
are organized in hierarchical layers,
165
620856
3227
hierarchikus rétegekbe szerveződött,
10:36
also similar to the brain.
166
624083
2554
az agyhoz hasonlóan.
10:38
In a typical neural network we use
to train our object recognition model,
to train our object recognition model,
167
626637
4783
A tárgyfelismerési modellünk
tanítására használt tipikus hálózat
tanítására használt tipikus hálózat
10:43
it has 24 million nodes,
168
631420
3181
24 millió csomópontot,
10:46
140 million parameters,
169
634601
3297
140 millió paramétert
10:49
and 15 billion connections.
170
637898
2763
és 15 milliárd kapcsolatot tartalmaz.
10:52
That's an enormous model.
171
640661
2415
Ez egy hatalmas modell.
10:55
Powered by the massive data from ImageNet
172
643076
3901
E hatalmas modell tanításához használt
óriási ImageNet-es adatmennyiségnek,
óriási ImageNet-es adatmennyiségnek,
10:58
and the modern CPUs and GPUs
to train such a humongous model,
to train such a humongous model,
173
646977
5433
valamint a modern processzoroknak
köszönhetően
köszönhetően
11:04
the convolutional neural network
174
652410
2369
a konvolúciós neurális háló
11:06
blossomed in a way that no one expected.
175
654779
3436
senki által nem remélt iramban fejlődött.
11:10
It became the winning architecture
176
658215
2508
Ez lett a nyerő architektúra,
11:12
to generate exciting new results
in object recognition.
in object recognition.
177
660723
5340
ami izgalmas új eredményeket hozott
az objektumfelismerésben.
az objektumfelismerésben.
11:18
This is a computer telling us
178
666063
2810
Ez egy számítógép, amely megmondja nekünk,
11:20
this picture contains a cat
179
668873
2300
hogy ezen a képen egy macska látható
11:23
and where the cat is.
180
671173
1903
és hogy a macska hol van.
11:25
Of course there are more things than cats,
181
673076
2112
Természetesen ott nem csak macskák vannak,
11:27
so here's a computer algorithm telling us
182
675188
2438
ezért itt van egy számítógépes algoritmus,
ami megmondja,
ami megmondja,
11:29
the picture contains
a boy and a teddy bear;
a boy and a teddy bear;
183
677626
3274
hogy a képen egy fiú
és egy teddy maci is van;
és egy teddy maci is van;
11:32
a dog, a person, and a small kite
in the background;
in the background;
184
680900
4366
egy kutya, egy ember, és
egy kicsi papírsárkány a háttérben;
egy kicsi papírsárkány a háttérben;
11:37
or a picture of very busy things
185
685266
3135
vagy nagyon mozgalmas dolgoknak egy képe
11:40
like a man, a skateboard,
railings, a lampost, and so on.
railings, a lampost, and so on.
186
688401
4644
mint egy férfi, egy gördeszka, korlátok,
egy lámpaoszlop és így tovább.
egy lámpaoszlop és így tovább.
11:45
Sometimes, when the computer
is not so confident about what it sees,
is not so confident about what it sees,
187
693045
5293
Néha, amikor a számítógép nem biztos
benne, hogy mit lát,
benne, hogy mit lát,
megtanítottuk arra, hogy
kellő biztonsággal válaszoljon,
kellő biztonsággal válaszoljon,
11:51
we have taught it to be smart enough
188
699498
2276
11:53
to give us a safe answer
instead of committing too much,
instead of committing too much,
189
701774
3878
anélkül, hogy túl határozott lenne,
11:57
just like we would do,
190
705652
2811
éppúgy, ahogy mi tennénk
12:00
but other times our computer algorithm
is remarkable at telling us
is remarkable at telling us
191
708463
4666
Máskor viszont az algoritmusunk
figyelemre méltó pontossággal közli.
figyelemre méltó pontossággal közli.
12:05
what exactly the objects are,
192
713129
2253
hogy milyen tárgyakat lát,
12:07
like the make, model, year of the cars.
193
715382
3436
mint az autók gyártmánya,
modellje, évjárata.
modellje, évjárata.
12:10
We applied this algorithm to millions
of Google Street View images
of Google Street View images
194
718818
5386
Ezt az algoritmust alkalmaztuk
a Google több millió utcaképére
a Google több millió utcaképére
12:16
across hundreds of American cities,
195
724204
3135
amerikai városok százairól
12:19
and we have learned something
really interesting:
really interesting:
196
727339
2926
és valami igazán érdekeset tapasztaltunk:
12:22
first, it confirmed our common wisdom
197
730265
3320
először is, alátámasztotta
a mindennapi bölcsességünket,
a mindennapi bölcsességünket,
12:25
that car prices correlate very well
198
733585
3290
hogy a kocsiárak nagyon szoros
összefüggésben vannak
összefüggésben vannak
12:28
with household incomes.
199
736875
2345
a háztartási jövedelmekkel.
12:31
But surprisingly, car prices
also correlate well
also correlate well
200
739220
4527
De meglepő módon, szoros
összefüggésben vannak
összefüggésben vannak
12:35
with crime rates in cities,
201
743747
2300
a bűnözési rátával a városokban,
12:39
or voting patterns by zip codes.
202
747007
3963
valamint az irányítószámok szerinti
szavazási mintákkal.
szavazási mintákkal.
Na, álljunk csak meg egy percre!.
Mi történik itt?
Mi történik itt?
12:44
So wait a minute. Is that it?
203
752060
2206
12:46
Has the computer already matched
or even surpassed human capabilities?
or even surpassed human capabilities?
204
754266
5153
A számítógép már elérte vagy
még felül is múlta az emberi képességeket?
még felül is múlta az emberi képességeket?
12:51
Not so fast.
205
759419
2138
Azért csak lassan a testtel!
12:53
So far, we have just taught
the computer to see objects.
the computer to see objects.
206
761557
4923
Mindeddig, csak azt tanítottuk meg a
számítógépeknek, hogy lássák a tárgyakat.
számítógépeknek, hogy lássák a tárgyakat.
12:58
This is like a small child
learning to utter a few nouns.
learning to utter a few nouns.
207
766480
4644
Ez olyan, mint amikor egy kis gyermek
megtanul kimondani néhány főnevet.
megtanul kimondani néhány főnevet.
13:03
It's an incredible accomplishment,
208
771124
2670
Ez egy hihetetlen teljesítmény,
13:05
but it's only the first step.
209
773794
2460
de csak az első lépés.
13:08
Soon, another developmental
milestone will be hit,
milestone will be hit,
210
776254
3762
Nemsokára elérünk a fejlődés
egy másik mérföldkövéhez,
egy másik mérföldkövéhez,
13:12
and children begin
to communicate in sentences.
to communicate in sentences.
211
780016
3461
és a gyerekek elkezdenek
mondatokban kommunikálni.
mondatokban kommunikálni.
13:15
So instead of saying
this is a cat in the picture,
this is a cat in the picture,
212
783477
4224
Így ahelyett, hogy
"ez egy macska a képen",
"ez egy macska a képen",
13:19
you already heard the little girl
telling us this is a cat lying on a bed.
telling us this is a cat lying on a bed.
213
787701
5202
már azt hallották a kislánytól, hogy
"egy macska fekszik egy ágyon".
"egy macska fekszik egy ágyon".
13:24
So to teach a computer
to see a picture and generate sentences,
to see a picture and generate sentences,
214
792903
5595
Ahhoz, hogy egy számítógépet megtanítsunk
képeket látni és mondatokat alkotni,
képeket látni és mondatokat alkotni,
13:30
the marriage between big data
and machine learning algorithm
and machine learning algorithm
215
798498
3948
a big data technika és a gépi tanulási
algoritmusok együttesének
algoritmusok együttesének
13:34
has to take another step.
216
802446
2275
eggyel tovább kell lépnie.
13:36
Now, the computer has to learn
from both pictures
from both pictures
217
804721
4156
A számítógépnek
képesnek kell lennie mind képekből,
képesnek kell lennie mind képekből,
13:40
as well as natural language sentences
218
808877
2856
mind pedig emberek által alkotott
13:43
generated by humans.
219
811733
3322
természetes nyelvi mondatokból tanulni.
13:47
Just like the brain integrates
vision and language,
vision and language,
220
815055
3853
Annak mintájára, ahogy az agy
egyesíti a látást a nyelvvel,
egyesíti a látást a nyelvvel,
13:50
we developed a model
that connects parts of visual things
that connects parts of visual things
221
818908
5201
kifejlesztettünk egy modellt, ami
összekapcsolja a látható dolgok részeit
összekapcsolja a látható dolgok részeit
13:56
like visual snippets
222
824109
1904
vizuális töredékekként,
13:58
with words and phrases in sentences.
223
826013
4203
szavakkal és kifejezésekkel a mondatokban.
14:02
About four months ago,
224
830216
2763
Körülbelül négy hónappal ezelőtt
14:04
we finally tied all this together
225
832979
2647
végül mindezt összekötöttük
14:07
and produced one of the first
computer vision models
computer vision models
226
835626
3784
és megalkottuk az első
számítógép látómodellek egyikét,
számítógép látómodellek egyikét,
14:11
that is capable of generating
a human-like sentence
a human-like sentence
227
839410
3994
amely képes létrehozni
egy emberihez hasonló mondatot,
egy emberihez hasonló mondatot,
14:15
when it sees a picture for the first time.
228
843404
3506
amikor először lát egy képet.
14:18
Now, I'm ready to show you
what the computer says
what the computer says
229
846910
4644
Nos, készen állok bemutatni önöknek,
hogy mit mond a számítógép,
hogy mit mond a számítógép,
14:23
when it sees the picture
230
851554
1975
amikor látja a képet
14:25
that the little girl saw
at the beginning of this talk.
at the beginning of this talk.
231
853529
3830
amit a kislány látott az előadás elején.
14:31
(Video) Computer: A man is standing
next to an elephant.
next to an elephant.
232
859519
3344
(Video) Számítógép:
Egy férfi áll egy elefánt mellett.
Egy férfi áll egy elefánt mellett.
14:36
A large airplane sitting on top
of an airport runway.
of an airport runway.
233
864393
3634
Egy nagy repülőgép ül
egy reptéri kifutópálya tetején.
egy reptéri kifutópálya tetején.
14:41
FFL: Of course, we're still working hard
to improve our algorithms,
to improve our algorithms,
234
869057
4212
FFL: Természetesen még sokat kell
dolgoznunk az algoritmusunk fejlesztésén,
dolgoznunk az algoritmusunk fejlesztésén,
14:45
and it still has a lot to learn.
235
873269
2596
és ez még sokat fog tanulni.
14:47
(Applause)
236
875865
2291
(Taps)
14:51
And the computer still makes mistakes.
237
879556
3321
A számítógép még követ el hibákat.
14:54
(Video) Computer: A cat lying
on a bed in a blanket.
on a bed in a blanket.
238
882877
3391
(Videó) Számítógép: Egy macska fekszik
egy ágyon egy takaróban.
egy ágyon egy takaróban.
14:58
FFL: So of course, when it sees
too many cats,
too many cats,
239
886268
2553
FFL: Így természetesen,
amikor túl sok macskát lát,
amikor túl sok macskát lát,
15:00
it thinks everything
might look like a cat.
might look like a cat.
240
888821
2926
azt gondolja, hogy
minden hasonlít egy macskára.
minden hasonlít egy macskára.
15:05
(Video) Computer: A young boy
is holding a baseball bat.
is holding a baseball bat.
241
893317
2864
(Videó) Számítógép:
Egy fiatal fiú tart egy baseball ütőt.
Egy fiatal fiú tart egy baseball ütőt.
15:08
(Laughter)
242
896181
1765
(Nevetés)
15:09
FFL: Or, if it hasn't seen a toothbrush,
it confuses it with a baseball bat.
it confuses it with a baseball bat.
243
897946
4583
FFL: Vagy, ha ez még nem látott fogkefét,
összetéveszti egy baseballütővel.
összetéveszti egy baseballütővel.
15:15
(Video) Computer: A man riding a horse
down a street next to a building.
down a street next to a building.
244
903309
3434
(Videó) Számítógép: Egy férfi lovagol
lenn az utcán egy épület mellett.
lenn az utcán egy épület mellett.
15:18
(Laughter)
245
906743
2023
(Nevetés)
15:20
FFL: We haven't taught Art 101
to the computers.
to the computers.
246
908766
3552
FFL: Még nem tanítottunk meg
a művészet alapjait a számítógépeknek.
a művészet alapjait a számítógépeknek.
15:25
(Video) Computer: A zebra standing
in a field of grass.
in a field of grass.
247
913768
2884
(Videó) Számítógép:
Egy zebra áll egy füves mezőn.
Egy zebra áll egy füves mezőn.
15:28
FFL: And it hasn't learned to appreciate
the stunning beauty of nature
the stunning beauty of nature
248
916652
3367
FFL: És ez nem tanulta meg értékelni
a természet lenyűgöző szépségét
a természet lenyűgöző szépségét
15:32
like you and I do.
249
920019
2438
mint önök és én.
15:34
So it has been a long journey.
250
922457
2832
Nos, ez egy hosszú út volt.
15:37
To get from age zero to three was hard.
251
925289
4226
Nehéz volt eljutni
a nullától a három éves korig.
a nullától a három éves korig.
15:41
The real challenge is to go
from three to 13 and far beyond.
from three to 13 and far beyond.
252
929515
5596
Az igazi kihívás a háromtól a tizenháromig
jutni és annak a határain is túl.
jutni és annak a határain is túl.
15:47
Let me remind you with this picture
of the boy and the cake again.
of the boy and the cake again.
253
935111
4365
Hadd emlékeztessem önöket
a fiúnak és a tortának erre képére.
a fiúnak és a tortának erre képére.
15:51
So far, we have taught
the computer to see objects
the computer to see objects
254
939476
4064
Mindez idáig, megtanítottuk
a számítógépet a tárgyakat látni
a számítógépet a tárgyakat látni
15:55
or even tell us a simple story
when seeing a picture.
when seeing a picture.
255
943540
4458
vagy még egyszerű történeteket mondani
nekünk, mikor egy meglát egy képet.
nekünk, mikor egy meglát egy képet.
15:59
(Video) Computer: A person sitting
at a table with a cake.
at a table with a cake.
256
947998
3576
(Videó) Számítógép: Egy ember ül
egy asztalnál egy tortával.
egy asztalnál egy tortával.
16:03
FFL: But there's so much more
to this picture
to this picture
257
951574
2630
FFL: Azonban sokkal több
látható ezen a képen,
látható ezen a képen,
16:06
than just a person and a cake.
258
954204
2270
nemcsak egy ember és egy torta.
16:08
What the computer doesn't see
is that this is a special Italian cake
is that this is a special Italian cake
259
956474
4467
Amit a számítógép nem lát az az,
hogy ez egy különleges olasz torta,
hogy ez egy különleges olasz torta,
16:12
that's only served during Easter time.
260
960941
3217
amit csak Húsvétkor szolgálnak fel.
16:16
The boy is wearing his favorite t-shirt
261
964158
3205
A fiú a kedvenc pólóját viseli,
16:19
given to him as a gift by his father
after a trip to Sydney,
after a trip to Sydney,
262
967363
3970
amit apukájától kapott ajándékba
egy Sydney-i kirándulás után,
egy Sydney-i kirándulás után,
és hogy önök és én mindannyian
meg látjuk, hogy milyen boldog,
meg látjuk, hogy milyen boldog,
16:23
and you and I can all tell how happy he is
263
971333
3808
16:27
and what's exactly on his mind
at that moment.
at that moment.
264
975141
3203
és hogy pontosan mi járt a fejében
abban a pillanatban.
abban a pillanatban.
16:31
This is my son Leo.
265
979214
3125
Ez a fiam Leo.
16:34
On my quest for visual intelligence,
266
982339
2624
A vizuális megértés utáni kutatásom során
16:36
I think of Leo constantly
267
984963
2391
állandóan Leora gondolok,
16:39
and the future world he will live in.
268
987354
2903
és a jövőbeni világra, amiben élni fog.
16:42
When machines can see,
269
990257
2021
Amikor a gépek képesek lesznek látni,
16:44
doctors and nurses will have
extra pairs of tireless eyes
extra pairs of tireless eyes
270
992278
4712
az orvosoknak és az ápolóknak
lesz egy plusz fáradhatatlan szempárjuk,
lesz egy plusz fáradhatatlan szempárjuk,
16:48
to help them to diagnose
and take care of patients.
and take care of patients.
271
996990
4092
amely segíteni fog a diagnózisban
és a betegeket ellátásában.
és a betegeket ellátásában.
16:53
Cars will run smarter
and safer on the road.
and safer on the road.
272
1001082
4383
Az autók intelligensebben és
biztonságosabban fognak haladni az úton.
biztonságosabban fognak haladni az úton.
16:57
Robots, not just humans,
273
1005465
2694
A robotok, nem csak az emberek,
segíteni fognak nekünk
segíteni fognak nekünk
17:00
will help us to brave the disaster zones
to save the trapped and wounded.
to save the trapped and wounded.
274
1008159
4849
katasztrófák helyszínén a csapdába
esettek és sérültek mentésében.
esettek és sérültek mentésében.
17:05
We will discover new species,
better materials,
better materials,
275
1013798
3796
Új fajokat, jobb anyagokat
fogunk felfedezni,
fogunk felfedezni,
17:09
and explore unseen frontiers
with the help of the machines.
with the help of the machines.
276
1017594
4509
és felfedezünk ismeretlen
határterületeket a gépek segítségével.
határterületeket a gépek segítségével.
17:15
Little by little, we're giving sight
to the machines.
to the machines.
277
1023113
4167
Lassanként, látóképességet
adunk a gépeknek.
adunk a gépeknek.
17:19
First, we teach them to see.
278
1027280
2798
Először megtanítjuk őket látni.
17:22
Then, they help us to see better.
279
1030078
2763
Azután ők segítenek nekünk jobban látni.
17:24
For the first time, human eyes
won't be the only ones
won't be the only ones
280
1032841
4165
Első alkalommal, nem az
emberi szemek lesznek az egyetlenek,
emberi szemek lesznek az egyetlenek,
17:29
pondering and exploring our world.
281
1037006
2934
melyek elmerengenek
és felfedezik a világot.
és felfedezik a világot.
17:31
We will not only use the machines
for their intelligence,
for their intelligence,
282
1039940
3460
Nem csak az intelligenciájukért
fogjuk használni a gépeket,
fogjuk használni a gépeket,
17:35
we will also collaborate with them
in ways that we cannot even imagine.
in ways that we cannot even imagine.
283
1043400
6179
olyan módon is együtt fogunk működni
velük, amit még el sem tudunk képzelni.
velük, amit még el sem tudunk képzelni.
17:41
This is my quest:
284
1049579
2161
Ez az én küldetésem:
17:43
to give computers visual intelligence
285
1051740
2712
vizuális intelligenciát
adni a számítógépeknek,
adni a számítógépeknek,
17:46
and to create a better future
for Leo and for the world.
for Leo and for the world.
286
1054452
5131
és egy jobb jövőt teremteni
Leo és világ számára.
Leo és világ számára.
17:51
Thank you.
287
1059583
1811
Köszönöm.
17:53
(Applause)
288
1061394
3785
(Taps)
ABOUT THE SPEAKER
Fei-Fei Li - Computer scientistAs 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.
Fei-Fei Li | Speaker | TED.com