TED2015
Fei-Fei Li: How we're teaching computers to understand pictures
Fei-Fei Li: Jak uczymy komputery rozumienia obrazów
Filmed:
Readability: 4.5
2,702,344 views
Kiedy małe dziecko patrzy na zdjęcie, potrafi wskazać proste elementy: "kot", "książka", "krzesło". Obecnie komputery też potrafią to zrobić. Ale co dalej? W porywającej prelekcji Fei-Fei Li, specjalistka w dziedzinie widzenia komputerowego, zdaje relację z obecnego stanu techniki - opisując m.in bazę 15 milionów zdjęć zbudowaną przez jej zespół w celu nauczenia komputerów rozumienia obrazu - i wskazuje kluczowe kwestie, które stoją jeszcze przed nami.
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
Pokażę wam coś.
(Wideo) Dziewczynka: To jest kot
siedzący na łóżku.
siedzący na łóżku.
00:18
(Video) Girl: Okay, that's a cat
sitting in a bed.
sitting in a bed.
1
6104
4156
Chłopiec głaszcze słonia.
00:22
The boy is petting the elephant.
2
10260
4040
00:26
Those are people
that are going on an airplane.
that are going on an airplane.
3
14300
4354
To są ludzie idący do samolotu.
00:30
That's a big airplane.
4
18654
2810
Samolot jest duży.
00:33
Fei-Fei Li: This is
a three-year-old child
a three-year-old child
5
21464
2206
Fei-Fei Li: Tak trzyletnie dziecko
00:35
describing what she sees
in a series of photos.
in a series of photos.
6
23670
3679
opisuje, co widzi na zdjęciach.
00:39
She might still have a lot
to learn about this world,
to learn about this world,
7
27349
2845
Wielu rzeczy musi się jeszcze nauczyć,
00:42
but she's already an expert
at one very important task:
at one very important task:
8
30194
4549
ale w jednej dziedzinie
jest już ekspertem:
jest już ekspertem:
00:46
to make sense of what she sees.
9
34743
2846
rozumie, co widzi.
Technicznie nasze społeczeństwo jest
zaawansowane bardziej niż kiedykolwiek.
zaawansowane bardziej niż kiedykolwiek.
00:50
Our society is more
technologically advanced than ever.
technologically advanced than ever.
10
38229
4226
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
Wysyłamy ludzi na Księżyc,
tworzymy telefony, które rozmawiają z nami
tworzymy telefony, które rozmawiają z nami
00:58
or customize radio stations
that can play only music we like.
that can play only music we like.
12
46084
4946
i potrafimy sprawić, żeby stacja radiowa,
grała tylko naszą ulubioną muzykę.
grała tylko naszą ulubioną muzykę.
01:03
Yet, our most advanced
machines and computers
machines and computers
13
51030
4055
A jednak nawet najbardziej
zaawansowane komputery
zaawansowane komputery
01:07
still struggle at this task.
14
55085
2903
ciągle nie mogą sobie poradzić
z tym zadaniem.
z tym zadaniem.
01:09
So I'm here today
to give you a progress report
to give you a progress report
15
57988
3459
Dzisiaj chciałabym opowiedzieć
01:13
on the latest advances
in our research in computer vision,
in our research in computer vision,
16
61447
4047
o ostatnich osiągnięciach w dziedzinie
widzenia komputerowego,
widzenia komputerowego,
01:17
one of the most frontier
and potentially revolutionary
and potentially revolutionary
17
65494
4161
jednej z najbardziej pionierskich
i potencjalnie rewolucyjnych
i potencjalnie rewolucyjnych
01:21
technologies in computer science.
18
69655
3206
technologii w informatyce.
Istnieje już prototyp samochodu,
który jeździ sam,
który jeździ sam,
01:24
Yes, we have prototyped cars
that can drive by themselves,
that can drive by themselves,
19
72861
4551
01:29
but without smart vision,
they cannot really tell the difference
they cannot really tell the difference
20
77412
3853
ale bez umiejętności rozpoznawania obrazu
nie umie odróżnić
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
zmiętej papierowej torby,
po której można przejechać,
po której można przejechać,
01:37
and a rock that size,
which should be avoided.
which should be avoided.
22
85235
3340
od podobnej wielkości kamienia,
który trzeba ominąć.
który trzeba ominąć.
01:41
We have made fabulous megapixel cameras,
23
89415
3390
Istnieją aparaty fotograficzne
o bardzo dużej rozdzielczości,
o bardzo dużej rozdzielczości,
01:44
but we have not delivered
sight to the blind.
sight to the blind.
24
92805
3135
ale nadal nie wiadomo,
jak przywrócić wzrok niewidomym.
jak przywrócić wzrok niewidomym.
01:48
Drones can fly over massive land,
25
96420
3305
Drony mogą latać na dużych przestrzeniach,
01:51
but don't have enough vision technology
26
99725
2134
ale nadal nie istnieje technologia,
01:53
to help us to track
the changes of the rainforests.
the changes of the rainforests.
27
101859
3461
która pomogłaby śledzić zmiany
w lasach deszczowych.
w lasach deszczowych.
01:57
Security cameras are everywhere,
28
105320
2950
Kamery przemysłowe są wszędzie,
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
ale nie potrafią nas ostrzec,
jeśli dziecko topi się w basenie.
jeśli dziecko topi się w basenie.
02:06
Photos and videos are becoming
an integral part of global life.
an integral part of global life.
30
114167
5595
Zdjęcia i filmy video stały się
integralną częścią naszego życia.
integralną częścią naszego życia.
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
Ilość materiału, który powstaje,
przekracza możliwości odbiorcze
przekracza możliwości odbiorcze
02:15
or teams of humans, could hope to view,
32
123849
2783
pojedynczego człowieka,
a nawet grupy ludzi.
a nawet grupy ludzi.
02:18
and you and I are contributing
to that at this TED.
to that at this TED.
33
126632
3921
Podczas TED dokładamy
do tego swoją cegiełkę.
do tego swoją cegiełkę.
02:22
Yet our most advanced software
is still struggling at understanding
is still struggling at understanding
34
130553
5232
Najbardziej zaawansowane oprogramowanie
nadal nie umie sobie poradzić
nadal nie umie sobie poradzić
02:27
and managing this enormous content.
35
135785
3876
ze zrozumieniem i zarządzaniem
tak ogromną ilością danych.
tak ogromną ilością danych.
02:31
So in other words,
collectively as a society,
collectively as a society,
36
139661
5272
Innymi słowy jako społeczeństwo
02:36
we're very much blind,
37
144933
1746
jesteśmy niewidomi,
02:38
because our smartest
machines are still blind.
machines are still blind.
38
146679
3387
bo nasze najmądrzejsze maszyny
wciąż nie widzą.
wciąż nie widzą.
02:43
"Why is this so hard?" you may ask.
39
151526
2926
"Co w tym trudnego?" moglibyście zapytać.
02:46
Cameras can take pictures like this one
40
154452
2693
Aparaty potrafią zrobić zdjęcie,
02:49
by converting lights into
a two-dimensional array of numbers
a two-dimensional array of numbers
41
157145
3994
przekształcając światło
w dwuwymiarowy szereg liczb,
w dwuwymiarowy szereg liczb,
02:53
known as pixels,
42
161139
1650
czyli w piksele.
02:54
but these are just lifeless numbers.
43
162789
2251
Ale są to tylko liczby.
02:57
They do not carry meaning in themselves.
44
165040
3111
Nie niosą ze sobą znaczenia.
03:00
Just like to hear is not
the same as to listen,
the same as to listen,
45
168151
4343
Słyszeć, to nie to samo co słuchać,
03:04
to take pictures is not
the same as to see,
the same as to see,
46
172494
4040
a robić zdjęcia,
to nie to samo co widzieć.
to nie to samo co widzieć.
03:08
and by seeing,
we really mean understanding.
we really mean understanding.
47
176534
3829
Mówiąc o widzeniu,
mam na myśli rozumienie.
mam na myśli rozumienie.
Zrealizowanie tego zadania
zajęło Matce Naturze
zajęło Matce Naturze
03:13
In fact, it took Mother Nature
540 million years of hard work
540 million years of hard work
48
181293
6177
540 milionów lat ciężkiej pracy,
03:19
to do this task,
49
187470
1973
a większość tego wysiłku włożyła
03:21
and much of that effort
50
189443
1881
03:23
went into developing the visual
processing apparatus of our brains,
processing apparatus of our brains,
51
191324
5271
w rozwój części mózgu odpowiedzialnej
za przetwarzanie wizualne,
za przetwarzanie wizualne,
03:28
not the eyes themselves.
52
196595
2647
a nie w rozwój oczu.
03:31
So vision begins with the eyes,
53
199242
2747
Widzenie rozpoczyna się w oczach,
03:33
but it truly takes place in the brain.
54
201989
3518
ale tak naprawdę odbywa się w mózgu.
03:38
So for 15 years now, starting
from my Ph.D. at Caltech
from my Ph.D. at Caltech
55
206287
5060
Od 15 lat, zaczynając
od doktoratu w Caltech,
od doktoratu w Caltech,
03:43
and then leading Stanford's Vision Lab,
56
211347
2926
przez prowadzenie Stanford Vision Lab,
03:46
I've been working with my mentors,
collaborators and students
collaborators and students
57
214273
4396
pracowałam z moimi mentorami,
współpracownikami i studentami
współpracownikami i studentami
03:50
to teach computers to see.
58
218669
2889
nad nauczeniem komputerów widzenia.
03:54
Our research field is called
computer vision and machine learning.
computer vision and machine learning.
59
222658
3294
Pole naszych badań to widzenie
komputerowe i systemy uczące się.
komputerowe i systemy uczące się.
03:57
It's part of the general field
of artificial intelligence.
of artificial intelligence.
60
225952
3878
Jest to część sztucznej inteligencji.
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
Chcemy, żeby maszyny widziały tak, jak my,
04:08
naming objects, identifying people,
inferring 3D geometry of things,
inferring 3D geometry of things,
62
236493
5387
potrafiły nazwać rzeczy, rozpoznać ludzi,
wskazać ich położenie w przestrzeni,
wskazać ich położenie w przestrzeni,
04:13
understanding relations, emotions,
actions and intentions.
actions and intentions.
63
241880
5688
żeby rozumiały relacje, emocje,
działania i intencje.
działania i intencje.
04:19
You and I weave together entire stories
of people, places and things
of people, places and things
64
247568
6153
Potrafimy opowiedzieć historię
o ludziach, miejscach czy rzeczach
o ludziach, miejscach czy rzeczach
04:25
the moment we lay our gaze on them.
65
253721
2164
w momencie, kiedy na nie spojrzymy.
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
Żeby osiągnąć ten cel, trzeba nauczyć
komputer widzenia rzeczy,
komputer widzenia rzeczy,
04:34
the building block of the visual world.
67
262538
3368
klocków, z których składa się świat.
04:37
In its simplest terms,
imagine this teaching process
imagine this teaching process
68
265906
4434
Wyobraźcie sobie ten proces uczenia
04:42
as showing the computers
some training images
some training images
69
270340
2995
jako pokazywanie komputerom
04:45
of a particular object, let's say cats,
70
273335
3321
zdjęć konkretnych obiektów,
na przykład kotów,
na przykład kotów,
04:48
and designing a model that learns
from these training images.
from these training images.
71
276656
4737
i tworzenie modelu
na podstawie tych obrazów.
na podstawie tych obrazów.
04:53
How hard can this be?
72
281393
2044
Czy to takie trudne?
04:55
After all, a cat is just
a collection of shapes and colors,
a collection of shapes and colors,
73
283437
4052
W końcu kot to tylko zbiór
kształtów i kolorów.
kształtów i kolorów.
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
Tak właśnie traktowaliśmy obrazy
na początku modelowania obiektowego.
na początku modelowania obiektowego.
05:03
We'd tell the computer algorithm
in a mathematical language
in a mathematical language
75
291575
3622
Używając języka matematyki,
mówiliśmy algorytmowi komputerowemu,
mówiliśmy algorytmowi komputerowemu,
05:07
that a cat has a round face,
a chubby body,
a chubby body,
76
295197
3343
że kot ma okrągłą głowę, puchate ciało,
05:10
two pointy ears, and a long tail,
77
298540
2299
szpiczaste uszy i długi ogon,
05:12
and that looked all fine.
78
300839
1410
i to brzmiało całkiem dobrze.
05:14
But what about this cat?
79
302859
2113
Ale co zrobić z takim kotem?
05:16
(Laughter)
80
304972
1091
(Śmiech)
05:18
It's all curled up.
81
306063
1626
On jest cały poskręcany.
05:19
Now you have to add another shape
and viewpoint to the object model.
and viewpoint to the object model.
82
307689
4719
Teraz trzeba by dodać nowy kształt
i punkt widzenia do modelu obiektu.
i punkt widzenia do modelu obiektu.
05:24
But what if cats are hidden?
83
312408
1715
A jeśli koty będą schowane?
05:27
What about these silly cats?
84
315143
2219
Co zrobić z takimi kotami?
05:31
Now you get my point.
85
319112
2417
Teraz rozumiecie.
05:33
Even something as simple
as a household pet
as a household pet
86
321529
3367
Nawet coś tak banalnego,
jak zwierzę domowe
jak zwierzę domowe
05:36
can present an infinite number
of variations to the object model,
of variations to the object model,
87
324896
4504
może dostarczyć nieskończenie wielu
wersji modelowi obiektu,
wersji modelowi obiektu,
05:41
and that's just one object.
88
329400
2233
a to nadal tylko jeden obiekt.
05:44
So about eight years ago,
89
332573
2492
Osiem lat temu
05:47
a very simple and profound observation
changed my thinking.
changed my thinking.
90
335065
5030
proste spostrzeżenie zmieniło
mój sposób myślenia.
mój sposób myślenia.
05:53
No one tells a child how to see,
91
341425
2685
Nikt nie mówi dziecku, jak ma widzieć,
05:56
especially in the early years.
92
344110
2261
szczególnie we wczesnym dzieciństwie.
05:58
They learn this through
real-world experiences and examples.
real-world experiences and examples.
93
346371
5000
Dzieci uczą się tego przez
doświadczanie świata.
doświadczanie świata.
06:03
If you consider a child's eyes
94
351371
2740
Jeśli potraktować dziecięce oczy
06:06
as a pair of biological cameras,
95
354111
2554
jako parę biologicznych aparatów,
06:08
they take one picture
about every 200 milliseconds,
about every 200 milliseconds,
96
356665
4180
to robią one zdjęcie co 200 milisekund,
06:12
the average time an eye movement is made.
97
360845
3134
co jest średnim czasem ruchu oka.
06:15
So by age three, a child would have seen
hundreds of millions of pictures
hundreds of millions of pictures
98
363979
5550
Zanim skończy 3 lata,
dziecko może zobaczyć
dziecko może zobaczyć
setki milionów obrazów realnego świata.
06:21
of the real world.
99
369529
1834
06:23
That's a lot of training examples.
100
371363
2280
To bardzo dużo przykładów.
06:26
So instead of focusing solely
on better and better algorithms,
on better and better algorithms,
101
374383
5989
Zamiast skupiać się wyłącznie
na ulepszaniu algorytmów,
na ulepszaniu algorytmów,
06:32
my insight was to give the algorithms
the kind of training data
the kind of training data
102
380372
5272
wolałam podać im dane treningowe
podobne do tych,
podobne do tych,
06:37
that a child was given through experiences
103
385644
3319
które otrzymuje małe dziecko
poznające świat,
poznające świat,
06:40
in both quantity and quality.
104
388963
3878
zarówno pod względem ilościowym,
jak i jakościowym.
jak i jakościowym.
06:44
Once we know this,
105
392841
1858
Kiedy się na to zdecydowaliśmy,
06:46
we knew we needed to collect a data set
106
394699
2971
wiedzieliśmy, że musimy zebrać
06:49
that has far more images
than we have ever had before,
than we have ever had before,
107
397670
4459
dużo więcej zdjęć, niż mieliśmy dotąd,
06:54
perhaps thousands of times more,
108
402129
2577
może nawet tysiące razy więcej.
06:56
and together with Professor
Kai Li at Princeton University,
Kai Li at Princeton University,
109
404706
4111
W związku z tym razem z profesorem Kai Li
z uniwersytetu Princeton
z uniwersytetu Princeton
07:00
we launched the ImageNet project in 2007.
110
408817
4752
w 2007 r. uruchomiliśmy projekt ImageNet.
07:05
Luckily, we didn't have to mount
a camera on our head
a camera on our head
111
413569
3838
Na szczęście nie musieliśmy
montować aparatu na głowie
montować aparatu na głowie
07:09
and wait for many years.
112
417407
1764
i czekać wiele lat.
07:11
We went to the Internet,
113
419171
1463
Skorzystaliśmy z Internetu,
07:12
the biggest treasure trove of pictures
that humans have ever created.
that humans have ever created.
114
420634
4436
największej skarbnicy zdjęć,
jaką człowiek kiedykolwiek stworzył.
jaką człowiek kiedykolwiek stworzył.
07:17
We downloaded nearly a billion images
115
425070
3041
Pobraliśmy blisko miliard zdjęć
07:20
and used crowdsourcing technology
like the Amazon Mechanical Turk platform
like the Amazon Mechanical Turk platform
116
428111
5880
i użyliśmy crowdsourcingowej platformy
Amazon Mechanical Turk,
Amazon Mechanical Turk,
07:25
to help us to label these images.
117
433991
2339
żeby je opisać.
07:28
At its peak, ImageNet was one of
the biggest employers
the biggest employers
118
436330
4900
W szczytowym okresie ImageNet zatrudniał
najwięcej pracowników
najwięcej pracowników
07:33
of the Amazon Mechanical Turk workers:
119
441230
2996
na Amazon Mechanical Turk:
07:36
together, almost 50,000 workers
120
444226
3854
razem prawie 50 000 osób
07:40
from 167 countries around the world
121
448080
4040
ze 167 krajów
07:44
helped us to clean, sort and label
122
452120
3947
pomagało nam posegregować i opisać
07:48
nearly a billion candidate images.
123
456067
3575
prawie miliard zdjęć.
07:52
That was how much effort it took
124
460612
2653
Tak wiele wysiłku kosztowało
07:55
to capture even a fraction
of the imagery
of the imagery
125
463265
3900
uchwycenie zaledwie ułamka zbioru obrazów,
07:59
a child's mind takes in
in the early developmental years.
in the early developmental years.
126
467165
4171
które dziecięcy mózg przyswaja
we wczesnych latach rozwoju.
we wczesnych latach rozwoju.
08:04
In hindsight, this idea of using big data
127
472148
3902
Pomysł użycia dużej ilości danych
08:08
to train computer algorithms
may seem obvious now,
may seem obvious now,
128
476050
4550
do uczenia algorytmu komputerowego,
może wydawać się teraz oczywisty,
może wydawać się teraz oczywisty,
08:12
but back in 2007, it was not so obvious.
129
480600
4110
ale w 2007 roku taki nie był.
08:16
We were fairly alone on this journey
for quite a while.
for quite a while.
130
484710
3878
Przez dłuższy czas
byliśmy w tej podróży sami.
byliśmy w tej podróży sami.
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
Kilku kolegów radziło mi nawet,
żebym zrobiła coś bardziej użytecznego
żebym zrobiła coś bardziej użytecznego
08:25
and we were constantly struggling
for research funding.
for research funding.
132
493591
4342
i ciągle zmagaliśmy się
z brakiem funduszy.
z brakiem funduszy.
08:29
Once, I even joked to my graduate students
133
497933
2485
Zdarzyło mi się nawet żartować
z moimi studentami,
z moimi studentami,
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
że otworzę znowu pralnię,
żeby sfinansować ImageNet.
żeby sfinansować ImageNet.
08:36
After all, that's how I funded
my college years.
my college years.
135
504481
4761
Jakby nie było, tak właśnie
sfinansowałam swoje studia.
sfinansowałam swoje studia.
08:41
So we carried on.
136
509242
1856
Kontynuowaliśmy.
08:43
In 2009, the ImageNet project delivered
137
511098
3715
W 2009 roku ImageNet miał już bazę
08:46
a database of 15 million images
138
514813
4042
15 milionów zdjęć
08:50
across 22,000 classes
of objects and things
of objects and things
139
518855
4805
skategoryzowanych w 22 000 klas
obiektów i rzeczy
obiektów i rzeczy
08:55
organized by everyday English words.
140
523660
3320
oznaczonych angielskimi słowami.
08:58
In both quantity and quality,
141
526980
2926
Zarówno pod względem ilości, jak i jakości
09:01
this was an unprecedented scale.
142
529906
2972
ta baza była unikalna.
09:04
As an example, in the case of cats,
143
532878
3461
Na przykład
09:08
we have more than 62,000 cats
144
536339
2809
mieliśmy ponad 62 000 zdjęć kotów
09:11
of all kinds of looks and poses
145
539148
4110
wszystkich rodzajów, w różnych pozach
09:15
and across all species
of domestic and wild cats.
of domestic and wild cats.
146
543258
5223
kotów domowych i dzikich,
z najróżniejszych gatunków.
z najróżniejszych gatunków.
09:20
We were thrilled
to have put together ImageNet,
to have put together ImageNet,
147
548481
3344
Byliśmy tak podekscytowani
stworzeniem ImageNet,
stworzeniem ImageNet,
09:23
and we wanted the whole research world
to benefit from it,
to benefit from it,
148
551825
3738
że chcieliśmy, aby cały naukowy świat
mógł z tego projektu korzystać,
mógł z tego projektu korzystać,
09:27
so in the TED fashion,
we opened up the entire data set
we opened up the entire data set
149
555563
4041
więc, podobnie jak TED,
udostępniliśmy wszystkie dane
udostępniliśmy wszystkie dane
09:31
to the worldwide
research community for free.
research community for free.
150
559604
3592
za darmo.
09:36
(Applause)
151
564636
4000
(Brawa)
09:41
Now that we have the data
to nourish our computer brain,
to nourish our computer brain,
152
569416
4538
Mając dane do zasilenia
komputerowego mózgu,
komputerowego mózgu,
09:45
we're ready to come back
to the algorithms themselves.
to the algorithms themselves.
153
573954
3737
byliśmy gotowi wrócić do algorytmów.
09:49
As it turned out, the wealth
of information provided by ImageNet
of information provided by ImageNet
154
577691
5178
Jak się okazało, bogactwo informacji
dostarczonych przez ImageNet
dostarczonych przez ImageNet
09:54
was a perfect match to a particular class
of machine learning algorithms
of machine learning algorithms
155
582869
4806
doskonale odpowiadało konkretnej klasie
algorytmów systemów uczących się,
algorytmów systemów uczących się,
09:59
called convolutional neural network,
156
587675
2415
a konkretnie sieciom neuronowym
10:02
pioneered by Kunihiko Fukushima,
Geoff Hinton, and Yann LeCun
Geoff Hinton, and Yann LeCun
157
590090
5248
zapoczątkowanym przez Kunihiko Fukushimę,
Geoffa Hintona oraz Yanna LeCuna
Geoffa Hintona oraz Yanna LeCuna
10:07
back in the 1970s and '80s.
158
595338
3645
w latach 70. i 80.
10:10
Just like the brain consists
of billions of highly connected neurons,
of billions of highly connected neurons,
159
598983
5619
Podobnie jak mózg składa się z miliardów
połączonych ze sobą komórek nerwowych,
połączonych ze sobą komórek nerwowych,
10:16
a basic operating unit in a neural network
160
604602
3854
podstawową jednostką operacyjną
w sieci neuronowej
w sieci neuronowej
10:20
is a neuron-like node.
161
608456
2415
jest węzeł przypominający taki neuron.
10:22
It takes input from other nodes
162
610871
2554
Pobiera on dane wejściowe z innych węzłów
10:25
and sends output to others.
163
613425
2718
i przekazuje innym dane wyjściowe.
10:28
Moreover, these hundreds of thousands
or even millions of nodes
or even millions of nodes
164
616143
4713
Co więcej te miliony węzłów
10:32
are organized in hierarchical layers,
165
620856
3227
są zorganizowane w hierarchiczne warstwy,
10:36
also similar to the brain.
166
624083
2554
podobnie jak mózg.
10:38
In a typical neural network we use
to train our object recognition model,
to train our object recognition model,
167
626637
4783
W sieci neuronowej, której użyliśmy
10:43
it has 24 million nodes,
168
631420
3181
były 24 miliony węzłów,
10:46
140 million parameters,
169
634601
3297
140 milionów parametrów,
10:49
and 15 billion connections.
170
637898
2763
i 15 miliardów połączeń.
10:52
That's an enormous model.
171
640661
2415
To jest olbrzymi model.
10:55
Powered by the massive data from ImageNet
172
643076
3901
Zasilona wielką ilością danych z ImageNet,
10:58
and the modern CPUs and GPUs
to train such a humongous model,
to train such a humongous model,
173
646977
5433
działająca dzięki nowoczesnym
procesorom CPU i GPU
procesorom CPU i GPU
11:04
the convolutional neural network
174
652410
2369
sieć neuronowa rozwinęła się w sposób,
11:06
blossomed in a way that no one expected.
175
654779
3436
którego nikt się nie spodziewał.
11:10
It became the winning architecture
176
658215
2508
Stała się najlepszą architekturą
11:12
to generate exciting new results
in object recognition.
in object recognition.
177
660723
5340
do osiągnięcia fascynujących rezultatów
w dziedzinie rozpoznawania obrazów.
w dziedzinie rozpoznawania obrazów.
11:18
This is a computer telling us
178
666063
2810
Ten komputer mówi,
11:20
this picture contains a cat
179
668873
2300
że na obrazku jest kot,
11:23
and where the cat is.
180
671173
1903
i gdzie ten kot się znajduje.
11:25
Of course there are more things than cats,
181
673076
2112
Oczywiście koty to nie wszystko,
11:27
so here's a computer algorithm telling us
182
675188
2438
więc tutaj komputer mówi,
11:29
the picture contains
a boy and a teddy bear;
a boy and a teddy bear;
183
677626
3274
że zdjęcie pokazuje chłopca
i pluszowego misia;
i pluszowego misia;
11:32
a dog, a person, and a small kite
in the background;
in the background;
184
680900
4366
psa, osobę i mały latawiec w tle;
11:37
or a picture of very busy things
185
685266
3135
albo zdjęcie pełne obiektów
11:40
like a man, a skateboard,
railings, a lampost, and so on.
railings, a lampost, and so on.
186
688401
4644
takich jak mężczyzna,
deskorolka, poręcz, latarnia.
deskorolka, poręcz, latarnia.
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
Czasami, jeśli komputer
nie jest pewien tego, co widzi,
nie jest pewien tego, co widzi,
11:51
we have taught it to be smart enough
188
699498
2276
nauczyliśmy go udzielać
11:53
to give us a safe answer
instead of committing too much,
instead of committing too much,
189
701774
3878
wymijających odpowiedzi,
11:57
just like we would do,
190
705652
2811
takich, jakich udzieliłby człowiek.
12:00
but other times our computer algorithm
is remarkable at telling us
is remarkable at telling us
191
708463
4666
Ale są też przypadki, kiedy algorytm
potrafi nad wyraz precyzyjnie określić,
potrafi nad wyraz precyzyjnie określić,
12:05
what exactly the objects are,
192
713129
2253
jakie obiekty znajdują się na zdjęciu,
12:07
like the make, model, year of the cars.
193
715382
3436
podając markę, model
i rok produkcji samochodu.
i rok produkcji samochodu.
12:10
We applied this algorithm to millions
of Google Street View images
of Google Street View images
194
718818
5386
Zastosowaliśmy ten algorytm
do milionów zdjęć z Google Street View
do milionów zdjęć z Google Street View
12:16
across hundreds of American cities,
195
724204
3135
powstałych w setkach amerykańskich miast
12:19
and we have learned something
really interesting:
really interesting:
196
727339
2926
i odkryliśmy coś interesującego.
12:22
first, it confirmed our common wisdom
197
730265
3320
Po pierwsze potwierdził się
popularny pogląd
popularny pogląd
12:25
that car prices correlate very well
198
733585
3290
dotyczący relacji cen samochodów
12:28
with household incomes.
199
736875
2345
i dochodu gospodarstw domowych.
12:31
But surprisingly, car prices
also correlate well
also correlate well
200
739220
4527
Co zaskakujące, okazało się,
że ceny samochodów wiążą się też
że ceny samochodów wiążą się też
12:35
with crime rates in cities,
201
743747
2300
ze skalą przestępczości w miastach,
12:39
or voting patterns by zip codes.
202
747007
3963
czy schematami głosowania.
12:44
So wait a minute. Is that it?
203
752060
2206
Ale zaraz, czy to już wszystko?
12:46
Has the computer already matched
or even surpassed human capabilities?
or even surpassed human capabilities?
204
754266
5153
Czy komputer dorównał właśnie
ludzkim możliwościom,
ludzkim możliwościom,
a może nawet je przekroczył?
Nie tak szybko.
12:51
Not so fast.
205
759419
2138
12:53
So far, we have just taught
the computer to see objects.
the computer to see objects.
206
761557
4923
Na razie komputer nauczył się
widzieć przedmioty.
widzieć przedmioty.
12:58
This is like a small child
learning to utter a few nouns.
learning to utter a few nouns.
207
766480
4644
Można go porównać do małego dziecka,
które nauczyło się pierwszych słów.
które nauczyło się pierwszych słów.
13:03
It's an incredible accomplishment,
208
771124
2670
To niesamowite osiągnięcie,
13:05
but it's only the first step.
209
773794
2460
ale to tylko pierwszy krok.
13:08
Soon, another developmental
milestone will be hit,
milestone will be hit,
210
776254
3762
Wkrótce kolejny milowy krok
13:12
and children begin
to communicate in sentences.
to communicate in sentences.
211
780016
3461
i dziecko nauczy się tworzyć zdania.
13:15
So instead of saying
this is a cat in the picture,
this is a cat in the picture,
212
783477
4224
Dziewczyna z początku prelekcji
nie mówi, że na zdjęciu jest kot,
nie mówi, że na zdjęciu jest kot,
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
tylko że kot leży na łóżku.
13:24
So to teach a computer
to see a picture and generate sentences,
to see a picture and generate sentences,
214
792903
5595
Żeby nauczyć komputer
patrzenia na zdjęcia i tworzenia zdań,
patrzenia na zdjęcia i tworzenia zdań,
13:30
the marriage between big data
and machine learning algorithm
and machine learning algorithm
215
798498
3948
połączenie danych
i algorytmu systemów uczących się
i algorytmu systemów uczących się
13:34
has to take another step.
216
802446
2275
musi posunąć się dalej.
13:36
Now, the computer has to learn
from both pictures
from both pictures
217
804721
4156
Teraz komputer musi uczyć się
zarówno ze zdjęć,
zarówno ze zdjęć,
13:40
as well as natural language sentences
218
808877
2856
jak i ze zdań
13:43
generated by humans.
219
811733
3322
tworzonych przez ludzi.
13:47
Just like the brain integrates
vision and language,
vision and language,
220
815055
3853
Tak, jak mózg łączy wizję i język,
13:50
we developed a model
that connects parts of visual things
that connects parts of visual things
221
818908
5201
rozwinęliśmy model,
który łączy fragmenty rzeczy,
który łączy fragmenty rzeczy,
13:56
like visual snippets
222
824109
1904
jak elementy wizualne,
13:58
with words and phrases in sentences.
223
826013
4203
z wyrazami i określeniami w zdaniach.
14:02
About four months ago,
224
830216
2763
Cztery miesiące temu
14:04
we finally tied all this together
225
832979
2647
w końcu połączyliśmy to wszystko razem
14:07
and produced one of the first
computer vision models
computer vision models
226
835626
3784
i stworzyliśmy jeden z pierwszych modeli
widzenia komputerowego,
widzenia komputerowego,
14:11
that is capable of generating
a human-like sentence
a human-like sentence
227
839410
3994
który umie tworzyć zdania
14:15
when it sees a picture for the first time.
228
843404
3506
na temat pierwszy raz widzianego zdjęcia.
14:18
Now, I'm ready to show you
what the computer says
what the computer says
229
846910
4644
Pokażę wam, co komputer powiedział,
14:23
when it sees the picture
230
851554
1975
kiedy zobaczył zdjęcia,
14:25
that the little girl saw
at the beginning of this talk.
at the beginning of this talk.
231
853529
3830
które widziała dziewczynka
z początku tej prelekcji.
z początku tej prelekcji.
14:31
(Video) Computer: A man is standing
next to an elephant.
next to an elephant.
232
859519
3344
(Wideo) Komputer:
Człowiek stoi obok słonia.
Człowiek stoi obok słonia.
14:36
A large airplane sitting on top
of an airport runway.
of an airport runway.
233
864393
3634
Duży samolot na pasie startowym.
14:41
FFL: Of course, we're still working hard
to improve our algorithms,
to improve our algorithms,
234
869057
4212
FFL: Oczywiście ciągle pracujemy
nad poprawieniem naszych algorytmów
nad poprawieniem naszych algorytmów
14:45
and it still has a lot to learn.
235
873269
2596
i one muszą się jeszcze sporo nauczyć.
14:47
(Applause)
236
875865
2291
(Brawa)
14:51
And the computer still makes mistakes.
237
879556
3321
Komputer nadal popełnia błędy.
(Wideo) Komputer:
Kot na łóżku zawinięty w koc.
Kot na łóżku zawinięty w koc.
14:54
(Video) Computer: A cat lying
on a bed in a blanket.
on a bed in a blanket.
238
882877
3391
14:58
FFL: So of course, when it sees
too many cats,
too many cats,
239
886268
2553
FFL: Jeśli widział zbyt wiele kotów,
15:00
it thinks everything
might look like a cat.
might look like a cat.
240
888821
2926
wszystko zaczyna mu przypominać kota.
15:05
(Video) Computer: A young boy
is holding a baseball bat.
is holding a baseball bat.
241
893317
2864
(Wideo) Komputer:
Chłopczyk trzyma kij baseballowy.
Chłopczyk trzyma kij baseballowy.
15:08
(Laughter)
242
896181
1765
(Śmiech)
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: Jeśli nie widział
szczoteczki do zębów,
szczoteczki do zębów,
myli ją z kijem baseballowym.
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
(Wideo) Komputer: Mężczyzna jadący
konno po ulicy obok budynku.
konno po ulicy obok budynku.
15:18
(Laughter)
245
906743
2023
(Śmiech)
15:20
FFL: We haven't taught Art 101
to the computers.
to the computers.
246
908766
3552
FFL: Nie nauczyliśmy jeszcze
komputera podstaw sztuki.
komputera podstaw sztuki.
15:25
(Video) Computer: A zebra standing
in a field of grass.
in a field of grass.
247
913768
2884
(Wideo) Komputer: Zebra na pastwisku.
15:28
FFL: And it hasn't learned to appreciate
the stunning beauty of nature
the stunning beauty of nature
248
916652
3367
FFL: Nie umie też doceniać piękna natury,
15:32
like you and I do.
249
920019
2438
jak my.
15:34
So it has been a long journey.
250
922457
2832
To była długa droga.
15:37
To get from age zero to three was hard.
251
925289
4226
Przejście od wieku zero
do 3 lat było trudne.
do 3 lat było trudne.
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
Ale prawdziwym wyzwaniem jest
przejście od 3 lat do 13 i dalej.
przejście od 3 lat do 13 i dalej.
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
Pozwólcie, że przypomnę wam
zdjęcie chłopca z tortem.
zdjęcie chłopca z tortem.
Dotąd uczyliśmy komputer
dostrzegać przedmioty,
dostrzegać przedmioty,
15:51
So far, we have taught
the computer to see objects
the computer to see objects
254
939476
4064
15:55
or even tell us a simple story
when seeing a picture.
when seeing a picture.
255
943540
4458
a nawet opowiedzieć krótką historię
na podstawie zdjęcia.
na podstawie zdjęcia.
15:59
(Video) Computer: A person sitting
at a table with a cake.
at a table with a cake.
256
947998
3576
(Wideo) Komputer:
Osoba przy stole z tortem
Osoba przy stole z tortem
16:03
FFL: But there's so much more
to this picture
to this picture
257
951574
2630
FFL: Ale na tym zdjęciu widać dużo więcej,
16:06
than just a person and a cake.
258
954204
2270
niż tylko osobę i tort.
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
Komputer nie widzi,
że ten tort to włoski przysmak,
że ten tort to włoski przysmak,
16:12
that's only served during Easter time.
260
960941
3217
serwowany tylko na Wielkanoc.
16:16
The boy is wearing his favorite t-shirt
261
964158
3205
Chłopiec ma na sobie ulubioną koszulkę,
16:19
given to him as a gift by his father
after a trip to Sydney,
after a trip to Sydney,
262
967363
3970
którą dziadek przywiózł mu z Sydney.
16:23
and you and I can all tell how happy he is
263
971333
3808
Widać, jak bardzo jest
w tym momencie szczęśliwy
w tym momencie szczęśliwy
16:27
and what's exactly on his mind
at that moment.
at that moment.
264
975141
3203
i co mu właśnie chodzi po głowie.
16:31
This is my son Leo.
265
979214
3125
To mój syn, Leo.
16:34
On my quest for visual intelligence,
266
982339
2624
Podczas zmagań z wizualną inteligencją
16:36
I think of Leo constantly
267
984963
2391
myślę bez przerwy o Leo
16:39
and the future world he will live in.
268
987354
2903
i o przyszłym świecie,
w którym będzie żył.
w którym będzie żył.
16:42
When machines can see,
269
990257
2021
W którym maszyny będą umiały widzieć,
16:44
doctors and nurses will have
extra pairs of tireless eyes
extra pairs of tireless eyes
270
992278
4712
lekarze i pielęgniarki będą mieli
dodatkową parę niezmęczonych oczu,
dodatkową parę niezmęczonych oczu,
16:48
to help them to diagnose
and take care of patients.
and take care of patients.
271
996990
4092
które będą pomagać w leczeniu pacjentów.
16:53
Cars will run smarter
and safer on the road.
and safer on the road.
272
1001082
4383
Samochody będą bezpieczniejsze.
16:57
Robots, not just humans,
273
1005465
2694
Roboty, nie tylko ludzie,
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
będą pomagać w poszukiwaniu rannych
na obszarach dotkniętych przez katastrofy.
na obszarach dotkniętych przez katastrofy.
17:05
We will discover new species,
better materials,
better materials,
275
1013798
3796
Odkryjemy nowe gatunki, lepsze materiały
17:09
and explore unseen frontiers
with the help of the machines.
with the help of the machines.
276
1017594
4509
i przekroczymy nieznane dotąd granice
dzięki pomocy maszyn.
dzięki pomocy maszyn.
17:15
Little by little, we're giving sight
to the machines.
to the machines.
277
1023113
4167
Powoli dajemy wzrok maszynom.
17:19
First, we teach them to see.
278
1027280
2798
Najpierw uczymy je widzieć.
17:22
Then, they help us to see better.
279
1030078
2763
Potem one pomogą nam lepiej widzieć.
17:24
For the first time, human eyes
won't be the only ones
won't be the only ones
280
1032841
4165
Po raz pierwszy ludzkie oczy
nie będą jedynymi,
nie będą jedynymi,
17:29
pondering and exploring our world.
281
1037006
2934
które odkrywają świat.
17:31
We will not only use the machines
for their intelligence,
for their intelligence,
282
1039940
3460
Będziemy używać maszyn
nie tylko dla ich inteligencji.
nie tylko dla ich inteligencji.
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
Naszą współpracę z nimi
trudno sobie teraz wyobrazić.
trudno sobie teraz wyobrazić.
17:41
This is my quest:
284
1049579
2161
To moje zadanie:
17:43
to give computers visual intelligence
285
1051740
2712
dać komputerom wizualną inteligencję
17:46
and to create a better future
for Leo and for the world.
for Leo and for the world.
286
1054452
5131
i stworzyć lepszą przyszłość
dla Leo i dla świata.
dla Leo i dla świata.
17:51
Thank you.
287
1059583
1811
Dziękuję.
17:53
(Applause)
288
1061394
3785
(Brawa)
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