TED2015
Fei-Fei Li: How we're teaching computers to understand pictures
Cách mà chúng tôi đang dạy máy tính hiểu những bức ảnh: How we're teaching computers to understand pictures
Filmed:
Readability: 4.5
2,702,344 views
Khi một đứa trẻ nhìn vào một bức tranh, cô bé có thể phân biệt được những yếu tố: "mèo","sách","ghế". Ngày nay, máy tính cũng đang trở nên đủ thông minh để làm điều đó. Điều gì tiếp theo? Trong một bài nói lôi cuốn, nhà chuyên gia về thị giác máy tính Fei Fei Li miêu tả công nghệ mới nhất- bao gồm cơ sở dữ liệu của 15 triệu bức ảnh mà đội của cô đã xây dựng để dạy một chiếc máy tính hiểu những bức tranh- và những hiểu biết quan trọng cho đến nay
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
Để tôi cho bạn xem cái này.
00:18
(Video) Girl: Okay, that's a cat
sitting in a bed.
sitting in a bed.
1
6104
4156
(Video) Bé gái:
Okay, đó là một con mèo ngồi trên giường
Okay, đó là một con mèo ngồi trên giường
00:22
The boy is petting the elephant.
2
10260
4040
Đứa trẻ đang vuốt ve con voi
00:26
Those are people
that are going on an airplane.
that are going on an airplane.
3
14300
4354
Những người này đang chuẩn bị lên máy bay.
00:30
That's a big airplane.
4
18654
2810
Đó là một cái máy bay lớn.
00:33
Fei-Fei Li: This is
a three-year-old child
a three-year-old child
5
21464
2206
Fei Fei Li: Đây là một bé gái ba tuổi
00:35
describing what she sees
in a series of photos.
in a series of photos.
6
23670
3679
đang miêu tả những gì
mà em nhìn thấy trong loạt hình.
mà em nhìn thấy trong loạt hình.
00:39
She might still have a lot
to learn about this world,
to learn about this world,
7
27349
2845
Em vẫn còn nhiều điều
để khám phá về thế giới này,
để khám phá về thế giới này,
00:42
but she's already an expert
at one very important task:
at one very important task:
8
30194
4549
nhưng em hoàn toàn đã trở thành chuyên gia
trong một nhiệm vụ rất quan trọng:
trong một nhiệm vụ rất quan trọng:
00:46
to make sense of what she sees.
9
34743
2846
hiểu được những thứ mà em thấy.
Xã hội của chúng ta đã trở nên tiến bộ
về mặt công nghệ hơn bao giờ hết.
về mặt công nghệ hơn bao giờ hết.
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
Chúng ta gửi con người lên mặt trăng,
chúng ta chế tạo ra điện thoại
chúng ta chế tạo ra điện thoại
00:58
or customize radio stations
that can play only music we like.
that can play only music we like.
12
46084
4946
hoăc điều chỉnh những đài phát thanh
chỉ chơi loại nhạc chúng ta yêu thích.
chỉ chơi loại nhạc chúng ta yêu thích.
01:03
Yet, our most advanced
machines and computers
machines and computers
13
51030
4055
Nhưng mà, những thiết bị
và máy vi tính tối tân nhất
và máy vi tính tối tân nhất
01:07
still struggle at this task.
14
55085
2903
vẫn còn đang xoay xở trong nhiệm vụ này
01:09
So I'm here today
to give you a progress report
to give you a progress report
15
57988
3459
Vì thế mà tôi ở đây
để báo cáo với bạn về quá trình
để báo cáo với bạn về quá trình
01:13
on the latest advances
in our research in computer vision,
in our research in computer vision,
16
61447
4047
của cải tiến mới nhất trong thí nghiệm
đối với thị giác máy tính
đối với thị giác máy tính
01:17
one of the most frontier
and potentially revolutionary
and potentially revolutionary
17
65494
4161
một trong những công nghệ dẫn đầu
và có tiềm năng cách mạng
và có tiềm năng cách mạng
01:21
technologies in computer science.
18
69655
3206
trong khoa học máy tính.
01:24
Yes, we have prototyped cars
that can drive by themselves,
that can drive by themselves,
19
72861
4551
Vâng, chúng ta đã có nguyên mẫu
những chiếc xe lái tự động,
những chiếc xe lái tự động,
01:29
but without smart vision,
they cannot really tell the difference
they cannot really tell the difference
20
77412
3853
nhưng lại thiếu đi thị giác thông minh,
chúng không phân biệt được sự khác nhau
chúng không phân biệt được sự khác nhau
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
giữa một cái túi giấy rách trên đường,
cái có thể cán qua,
cái có thể cán qua,
01:37
and a rock that size,
which should be avoided.
which should be avoided.
22
85235
3340
và một tảng đá với cùng kích thước,
mà nên tránh sang một bên.
mà nên tránh sang một bên.
01:41
We have made fabulous megapixel cameras,
23
89415
3390
Chúng ta đã tạo nên những máy ảnh đắt đỏ
hàng triệu điểm ảnh
hàng triệu điểm ảnh
01:44
but we have not delivered
sight to the blind.
sight to the blind.
24
92805
3135
nhưng chúng ta chưa đưa ánh sáng
đến cho người mù.
đến cho người mù.
01:48
Drones can fly over massive land,
25
96420
3305
máy bay không người lái
có thể bay qua vùng đất rộng lớn,
có thể bay qua vùng đất rộng lớn,
01:51
but don't have enough vision technology
26
99725
2134
nhưng không có đủ thị giác công nghệ
01:53
to help us to track
the changes of the rainforests.
the changes of the rainforests.
27
101859
3461
để giúp chúng ta theo dõi
sự thay đổi của những rừng mưa nhiệt đới.
sự thay đổi của những rừng mưa nhiệt đới.
01:57
Security cameras are everywhere,
28
105320
2950
Máy quay an ninh ở khắp mọi nơi,
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
nhưng không thể báo động cho chúng ta
khi một đứa trẻ đang bị chìm trong hồ bơi.
khi một đứa trẻ đang bị chìm trong hồ bơi.
02:06
Photos and videos are becoming
an integral part of global life.
an integral part of global life.
30
114167
5595
Hình ảnh và những thước phim trở thành
một phần thiết yếu của đời sống toàn cầu.
một phần thiết yếu của đời sống toàn cầu.
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
Chúng đang được điều khiển với tốc độ
vượt lên trên bất kỳ con người nào,
vượt lên trên bất kỳ con người nào,
02:15
or teams of humans, could hope to view,
32
123849
2783
hay nhóm người, có thể hy vọng thấy được,
02:18
and you and I are contributing
to that at this TED.
to that at this TED.
33
126632
3921
và bạn và tôi đang cống hiến
cho điều đó ở TED này.
cho điều đó ở TED này.
02:22
Yet our most advanced software
is still struggling at understanding
is still struggling at understanding
34
130553
5232
Nhưng phần mềm tân tiến vẫn đang
phải khó khăn xoay trở trong việc hiểu
phải khó khăn xoay trở trong việc hiểu
02:27
and managing this enormous content.
35
135785
3876
và quản lý nội dung khổng lồ này.
02:31
So in other words,
collectively as a society,
collectively as a society,
36
139661
5272
Vì vậy nói cách khác,
tụ chung lại như là một xã hội,
tụ chung lại như là một xã hội,
02:36
we're very much blind,
37
144933
1746
chúng ta giống như bị mù,
02:38
because our smartest
machines are still blind.
machines are still blind.
38
146679
3387
bởi vì chiếc máy thông minh nhất
của chúng ta vẫn bị mù
của chúng ta vẫn bị mù
02:43
"Why is this so hard?" you may ask.
39
151526
2926
"Tại sao lại khó đến vậy" bạn sẽ hỏi.
02:46
Cameras can take pictures like this one
40
154452
2693
Máy ảnh có thể chụp được những bức thế này
02:49
by converting lights into
a two-dimensional array of numbers
a two-dimensional array of numbers
41
157145
3994
bằng cách chuyển đổi ánh sáng
thành dãy 2 chiều những con số,
thành dãy 2 chiều những con số,
02:53
known as pixels,
42
161139
1650
được biết đến như điểm ảnh,
02:54
but these are just lifeless numbers.
43
162789
2251
nhưng chúng giống như những con số chết.
02:57
They do not carry meaning in themselves.
44
165040
3111
Chúng không mang bất kỳ ý nghĩa nào cả.
03:00
Just like to hear is not
the same as to listen,
the same as to listen,
45
168151
4343
Giống như nghe
thì không phải là thưởng thức,
thì không phải là thưởng thức,
03:04
to take pictures is not
the same as to see,
the same as to see,
46
172494
4040
chụp ảnh không giống như nhìn thấy
03:08
and by seeing,
we really mean understanding.
we really mean understanding.
47
176534
3829
và với việc nhìn thấy,
chúng tôi thực sự muốn nói là hiểu được.
chúng tôi thực sự muốn nói là hiểu được.
03:13
In fact, it took Mother Nature
540 million years of hard work
540 million years of hard work
48
181293
6177
Trong thực tế, mẹ thiên nhiên
phải mất 540 triệu năm cật lực
phải mất 540 triệu năm cật lực
03:19
to do this task,
49
187470
1973
mới làm được điều này,
03:21
and much of that effort
50
189443
1881
và hầu hết nỗ lực đó
03:23
went into developing the visual
processing apparatus of our brains,
processing apparatus of our brains,
51
191324
5271
để đi đến việc phát triển
quá trình của não bộ chúng ta,
quá trình của não bộ chúng ta,
03:28
not the eyes themselves.
52
196595
2647
không chỉ mỗi đôi mắt.
03:31
So vision begins with the eyes,
53
199242
2747
Vì thế mà cái nhìn bắt đầu với đôi mắt,
03:33
but it truly takes place in the brain.
54
201989
3518
nhưng thật sự diễn ra trong não bộ.
03:38
So for 15 years now, starting
from my Ph.D. at Caltech
from my Ph.D. at Caltech
55
206287
5060
Vì thế mà 15 năm qua, bắt đầu
với luận án tiến sĩ của tôi tại Caltech
với luận án tiến sĩ của tôi tại Caltech
03:43
and then leading Stanford's Vision Lab,
56
211347
2926
và sau đó là hướng dẫn
phòng thí nghiệm Thị giác ở Stanford,
phòng thí nghiệm Thị giác ở Stanford,
03:46
I've been working with my mentors,
collaborators and students
collaborators and students
57
214273
4396
tôi đã làm việc với cố vấn,
đối tác và sinh viên
đối tác và sinh viên
03:50
to teach computers to see.
58
218669
2889
để dạy cho máy tính cách nhìn.
Lĩnh vực nghiên cứu của chúng tôi gọi là
thị giác máy tính và máy móc học hỏi.
thị giác máy tính và máy móc học hỏi.
03:54
Our research field is called
computer vision and machine learning.
computer vision and machine learning.
59
222658
3294
03:57
It's part of the general field
of artificial intelligence.
of artificial intelligence.
60
225952
3878
Nó là một phần của lĩnh vực chung
- trí thông minh nhân tạo.
- trí thông minh nhân tạo.
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
Nên một cách tối ưu nhất, chúng tôi muốn
dạy cho máy móc thấy được như chúng ta:
dạy cho máy móc thấy được như chúng ta:
04:08
naming objects, identifying people,
inferring 3D geometry of things,
inferring 3D geometry of things,
62
236493
5387
kể tên đồ vật, nhận diện con người,
những đồ vật 3D tương tự,
những đồ vật 3D tương tự,
04:13
understanding relations, emotions,
actions and intentions.
actions and intentions.
63
241880
5688
hiểu được những mối quan hệ,
tình cảm, hành động và cả dự định.
tình cảm, hành động và cả dự định.
04:19
You and I weave together entire stories
of people, places and things
of people, places and things
64
247568
6153
Bạn và tôi cùng nhau dệt nên toàn bộ
câu chuyện về con người -nơi chốn -đồ vật.
câu chuyện về con người -nơi chốn -đồ vật.
04:25
the moment we lay our gaze on them.
65
253721
2164
giây phút mà chúng ta nhìn thấy chúng.
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
Bước đầu tiên đạt được mục tiêu này
là dạy cho máy tính nhìn những đồ vật,
là dạy cho máy tính nhìn những đồ vật,
04:34
the building block of the visual world.
67
262538
3368
những block nhà của thế giới thị giác.
04:37
In its simplest terms,
imagine this teaching process
imagine this teaching process
68
265906
4434
Nói một cách đơn giản nhất,
tưởng tượng quá trình dạy học này
tưởng tượng quá trình dạy học này
04:42
as showing the computers
some training images
some training images
69
270340
2995
bằng cách chỉ cho máy tính
một vài bức ảnh rèn luyện
một vài bức ảnh rèn luyện
04:45
of a particular object, let's say cats,
70
273335
3321
của những vậy cụ thể, ở đây là con mèo.
04:48
and designing a model that learns
from these training images.
from these training images.
71
276656
4737
và thiết kế một hình mẫu học được
từ những bức ảnh rèn luyện này.
từ những bức ảnh rèn luyện này.
04:53
How hard can this be?
72
281393
2044
Khó như thế nào nhỉ?
04:55
After all, a cat is just
a collection of shapes and colors,
a collection of shapes and colors,
73
283437
4052
Nói cho cùng, một con mèo là
tổ hợp của hình dạng và màu sắc,
tổ hợp của hình dạng và màu sắc,
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
và đây là cái mà chúng tôi đã làm
ở thời kỳ đầu của việc tạo lập vật thể.
ở thời kỳ đầu của việc tạo lập vật thể.
05:03
We'd tell the computer algorithm
in a mathematical language
in a mathematical language
75
291575
3622
Chúng tôi nói cho máy vi tính thuật toán
dưới dạng ngôn ngữ toán học
dưới dạng ngôn ngữ toán học
05:07
that a cat has a round face,
a chubby body,
a chubby body,
76
295197
3343
rằng con mèo có mặt tròn,
một thân hình mũm mĩm,
một thân hình mũm mĩm,
05:10
two pointy ears, and a long tail,
77
298540
2299
2 tai nhọn, và một cái đuôi dài,
05:12
and that looked all fine.
78
300839
1410
và cái đó nhìn có vẻ ổn.
05:14
But what about this cat?
79
302859
2113
Nhưng với con mèo này thì sao?
05:16
(Laughter)
80
304972
1091
(Tiếng cười)
05:18
It's all curled up.
81
306063
1626
toàn là những đường cong lên.
05:19
Now you have to add another shape
and viewpoint to the object model.
and viewpoint to the object model.
82
307689
4719
Bây giờ bạn lại có một hình dạng
và góc nhìn khác đến vật thể khác.
và góc nhìn khác đến vật thể khác.
05:24
But what if cats are hidden?
83
312408
1715
Nhưng nếu như con mèo bị ẩn đi thì sao?
05:27
What about these silly cats?
84
315143
2219
Thế còn những con mèo ngố này ?
05:31
Now you get my point.
85
319112
2417
Bây giờ bạn đã hiểu ý của tôi rồi đó.
05:33
Even something as simple
as a household pet
as a household pet
86
321529
3367
Thậm chí thứ đơn giản
như một vật nuôi trong nhà
như một vật nuôi trong nhà
05:36
can present an infinite number
of variations to the object model,
of variations to the object model,
87
324896
4504
cũng có thể mang một con số vô tận
những thay đổi đối với một vật thể mẫu,
những thay đổi đối với một vật thể mẫu,
05:41
and that's just one object.
88
329400
2233
và nó mới chỉ là một vật thể mà thôi.
05:44
So about eight years ago,
89
332573
2492
Vì vậy mà khoảng 8 năm trước,
05:47
a very simple and profound observation
changed my thinking.
changed my thinking.
90
335065
5030
một sự quan sát đơn giản và sâu sắc
đã thay đổi suy nghĩ của tôi.
đã thay đổi suy nghĩ của tôi.
Không ai nói cho một đứa trẻ biết
chúng phải nhìn như thế nào,
chúng phải nhìn như thế nào,
05:53
No one tells a child how to see,
91
341425
2685
05:56
especially in the early years.
92
344110
2261
đặc biệt là trong những năm đầu đời.
05:58
They learn this through
real-world experiences and examples.
real-world experiences and examples.
93
346371
5000
Chúng học hỏi qua những trãi nghiệm
thế giới thực và qua những ví dụ.
thế giới thực và qua những ví dụ.
06:03
If you consider a child's eyes
94
351371
2740
Nếu như bạn xem xét
đôi mắt của một đứa trẻ
đôi mắt của một đứa trẻ
như một cặp máy quay phim sinh học
06:06
as a pair of biological cameras,
95
354111
2554
chúng chụp một ảnh trong mỗi 200 mili giây
06:08
they take one picture
about every 200 milliseconds,
about every 200 milliseconds,
96
356665
4180
khoảng thời gian trung bình
một cử động mắt được thực hiện.
một cử động mắt được thực hiện.
06:12
the average time an eye movement is made.
97
360845
3134
06:15
So by age three, a child would have seen
hundreds of millions of pictures
hundreds of millions of pictures
98
363979
5550
Vì vậy mà đến ba tuổi, một đứa trẻ
có thể đã nhìn hàng triệu những bức ảnh
có thể đã nhìn hàng triệu những bức ảnh
của thế giới thực.
06:21
of the real world.
99
369529
1834
Đó là rất nhiều những ví dụ rèn luyện.
06:23
That's a lot of training examples.
100
371363
2280
06:26
So instead of focusing solely
on better and better algorithms,
on better and better algorithms,
101
374383
5989
Nên thay vì chú trọng vào mỗi việc
làm cho thuật toán ngày một tốt hơn
làm cho thuật toán ngày một tốt hơn
ý định của tôi là cho những thuật toán
một dạng rèn luyện dữ liệu
một dạng rèn luyện dữ liệu
06:32
my insight was to give the algorithms
the kind of training data
the kind of training data
102
380372
5272
mà một đứa trẻ có được nhờ kinh nghiệm
06:37
that a child was given through experiences
103
385644
3319
về cả lượng cả chất.
06:40
in both quantity and quality.
104
388963
3878
Một khi chúng tôi nhận ra điều này,
06:44
Once we know this,
105
392841
1858
chúng tôi biết mình
cần phải thu thập một cơ sở dữ liệu
cần phải thu thập một cơ sở dữ liệu
06:46
we knew we needed to collect a data set
106
394699
2971
06:49
that has far more images
than we have ever had before,
than we have ever had before,
107
397670
4459
có nhiều hình ảnh hơn những gì
mà chúng tôi đã từng có trước đây,
mà chúng tôi đã từng có trước đây,
thậm chí là gấp hàng ngàn lần nữa,
06:54
perhaps thousands of times more,
108
402129
2577
và cùng với giáo sư Kai Li
ở đại học Princeton,
ở đại học Princeton,
06:56
and together with Professor
Kai Li at Princeton University,
Kai Li at Princeton University,
109
404706
4111
chúng tôi triển khai
dự án ImageNet vào năm 2007.
dự án ImageNet vào năm 2007.
07:00
we launched the ImageNet project in 2007.
110
408817
4752
07:05
Luckily, we didn't have to mount
a camera on our head
a camera on our head
111
413569
3838
May mắn thay, chúng tôi
không cần phải gắn camera trên đâu
không cần phải gắn camera trên đâu
và đợi chờ nhiều năm nữa.
07:09
and wait for many years.
112
417407
1764
Chúng tôi lên mạng,
07:11
We went to the Internet,
113
419171
1463
07:12
the biggest treasure trove of pictures
that humans have ever created.
that humans have ever created.
114
420634
4436
nguồn tài nguyên ảnh lớn nhất
mà con người đã từng tạo ra.
mà con người đã từng tạo ra.
07:17
We downloaded nearly a billion images
115
425070
3041
Chúng tôi tải xuống gần một triệu bức
07:20
and used crowdsourcing technology
like the Amazon Mechanical Turk platform
like the Amazon Mechanical Turk platform
116
428111
5880
và sử dụng công nghệ nguồn đám đông
như nền tảng Amazon Mechanical Tuck
như nền tảng Amazon Mechanical Tuck
để giúp chúng tôi phân loại
những hình ảnh này.
những hình ảnh này.
07:25
to help us to label these images.
117
433991
2339
Vào đỉnh điểm, ImageNet
là một trong số những ông chủ lớn nhất
là một trong số những ông chủ lớn nhất
07:28
At its peak, ImageNet was one of
the biggest employers
the biggest employers
118
436330
4900
của những nhân viên Amazon Mechanical Turk
07:33
of the Amazon Mechanical Turk workers:
119
441230
2996
cùng nhau, gần 50000 nhân viên
07:36
together, almost 50,000 workers
120
444226
3854
07:40
from 167 countries around the world
121
448080
4040
từ 167 quốc gia trên thế giới
giúp chúng tôi dọn dẹp,
sắp xếp và phân loại
sắp xếp và phân loại
07:44
helped us to clean, sort and label
122
452120
3947
gần một triệu tấm ảnh ứng viên.
07:48
nearly a billion candidate images.
123
456067
3575
Đó mới thấy phải mất rất nhiều nổ lực
07:52
That was how much effort it took
124
460612
2653
07:55
to capture even a fraction
of the imagery
of the imagery
125
463265
3900
để nắm bắt được
thậm chí chỉ là một mảnh hình ảnh
thậm chí chỉ là một mảnh hình ảnh
của trí óc trẻ con
trong những năm tháng phát triển đầu đời
trong những năm tháng phát triển đầu đời
07:59
a child's mind takes in
in the early developmental years.
in the early developmental years.
126
467165
4171
Trong nhận thức muộn màng,
ý tưởng sử dụng dữ liệu lớn
ý tưởng sử dụng dữ liệu lớn
08:04
In hindsight, this idea of using big data
127
472148
3902
để hướng dẫn một thuật toán vi tính
có thể hiển nhiên vào lúc này,
có thể hiển nhiên vào lúc này,
08:08
to train computer algorithms
may seem obvious now,
may seem obvious now,
128
476050
4550
nhưng trở lại năm 2007,
nó không hiển nhiên như vậy.
nó không hiển nhiên như vậy.
08:12
but back in 2007, it was not so obvious.
129
480600
4110
Chúng tôi gần như là đơn độc trên
hành trình này trong một thời gian dài.
hành trình này trong một thời gian dài.
08:16
We were fairly alone on this journey
for quite a while.
for quite a while.
130
484710
3878
Một vài đồng nghiệp thân thiện khuyên tôi
làm cái gì khác có lợi hơn cho chức vụ,
làm cái gì khác có lợi hơn cho chức vụ,
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
và chúng tôi liên tục phải xoay xở
tìm nguồn tài trợ cho dự án.
tìm nguồn tài trợ cho dự án.
08:25
and we were constantly struggling
for research funding.
for research funding.
132
493591
4342
Một lần, tôi đùa
với những học viên cao học của mình
với những học viên cao học của mình
08:29
Once, I even joked to my graduate students
133
497933
2485
tôi sẽ mở lại shop giặt là
để tài trợ cho ImageNet
để tài trợ cho ImageNet
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
Dù gì, thì đó là cách mà tôi trang trải
cho những năm tháng đại học của mình.
cho những năm tháng đại học của mình.
08:36
After all, that's how I funded
my college years.
my college years.
135
504481
4761
Vì thế mà chúng tôi tiếp tục.
08:41
So we carried on.
136
509242
1856
Năm 2009, dự án ImageNet chuyển tải
08:43
In 2009, the ImageNet project delivered
137
511098
3715
08:46
a database of 15 million images
138
514813
4042
một cơ sở dữ liệu của 15 triệu tấm ảnh
trong 22000 lớp đối tượng và đồ vật
08:50
across 22,000 classes
of objects and things
of objects and things
139
518855
4805
08:55
organized by everyday English words.
140
523660
3320
được tổ chức
theo từng từ tiếng Anh thông dụng.
theo từng từ tiếng Anh thông dụng.
Về cả số lượng và chất lượng,
08:58
In both quantity and quality,
141
526980
2926
đây là một quy mô chưa từng có
09:01
this was an unprecedented scale.
142
529906
2972
09:04
As an example, in the case of cats,
143
532878
3461
Lấy ví dụ, trong trường hợp của mèo,
09:08
we have more than 62,000 cats
144
536339
2809
chúng tôi có hơn 62000 con mèo
09:11
of all kinds of looks and poses
145
539148
4110
đủ mọi loại hình dạng và kiểu dáng
và trong tất cả những loài mèo nhà
hay mèo hoang.
hay mèo hoang.
09:15
and across all species
of domestic and wild cats.
of domestic and wild cats.
146
543258
5223
Chúng tôi hứng khởi
để cùng nhau xây dựng nên ImageNet,
để cùng nhau xây dựng nên ImageNet,
09:20
We were thrilled
to have put together ImageNet,
to have put together ImageNet,
147
548481
3344
và chúng tôi muốn cả thế giới
nghiên cứu được hưởng lợi từ nó,
nghiên cứu được hưởng lợi từ nó,
09:23
and we wanted the whole research world
to benefit from it,
to benefit from it,
148
551825
3738
vì vậy mà ở TED,
chúng tôi mở toàn bộ hệ thống dữ liệu
chúng tôi mở toàn bộ hệ thống dữ liệu
09:27
so in the TED fashion,
we opened up the entire data set
we opened up the entire data set
149
555563
4041
cho cộng đồng nghiên cứu quốc tế
09:31
to the worldwide
research community for free.
research community for free.
150
559604
3592
miễn phí
(vỗ tay)
09:36
(Applause)
151
564636
4000
Bây giờ chúng ta đã có dữ liệu
để nuôi sống não bộ máy tính của chúng ta,
để nuôi sống não bộ máy tính của chúng ta,
09:41
Now that we have the data
to nourish our computer brain,
to nourish our computer brain,
152
569416
4538
chúng ta đã sẵn sàng quay trở lại
với những thuật toán .
với những thuật toán .
09:45
we're ready to come back
to the algorithms themselves.
to the algorithms themselves.
153
573954
3737
Vì hóa ra là, sự dồi dào
của những nguồn thông tin bởi ImageNet
của những nguồn thông tin bởi ImageNet
09:49
As it turned out, the wealth
of information provided by ImageNet
of information provided by ImageNet
154
577691
5178
là một sự kết hợp hoàn hảo
cho việc học những thuật toán của máy tính
cho việc học những thuật toán của máy tính
09:54
was a perfect match to a particular class
of machine learning algorithms
of machine learning algorithms
155
582869
4806
gọi là mạng lưới nơ ron đan chéo,
09:59
called convolutional neural network,
156
587675
2415
10:02
pioneered by Kunihiko Fukushima,
Geoff Hinton, and Yann LeCun
Geoff Hinton, and Yann LeCun
157
590090
5248
tiên phong bởi Kunihiko Fukushima,
Geoff Hinton, và Yann LeCun
Geoff Hinton, và Yann LeCun
10:07
back in the 1970s and '80s.
158
595338
3645
từ những năm 1970 và 1980
Giống như não bộ, nó bao gồm hàng triệu
những nơ ron kết nối chặt chẽ với nhau,
những nơ ron kết nối chặt chẽ với nhau,
10:10
Just like the brain consists
of billions of highly connected neurons,
of billions of highly connected neurons,
159
598983
5619
một đơn vị cơ bản trong mạng lưới neron
10:16
a basic operating unit in a neural network
160
604602
3854
là những nút giống như neron
10:20
is a neuron-like node.
161
608456
2415
Cần phải có dữ liệu đầu vào từ nút này
10:22
It takes input from other nodes
162
610871
2554
và gửi dữ liệu đầu ra cho nút khác.
10:25
and sends output to others.
163
613425
2718
10:28
Moreover, these hundreds of thousands
or even millions of nodes
or even millions of nodes
164
616143
4713
Hơn nữa, hàng trăm ngàn
hoặc thậm chí hàng triệu nút
hoặc thậm chí hàng triệu nút
được sắp xếp trong những lớp trật tự,
10:32
are organized in hierarchical layers,
165
620856
3227
10:36
also similar to the brain.
166
624083
2554
cũng gần giống như não bộ.
Trong mạng lưới điển hình chúng tôi dùng
để huấn luyện những mẫu nhận diện vật thể
để huấn luyện những mẫu nhận diện vật thể
10:38
In a typical neural network we use
to train our object recognition model,
to train our object recognition model,
167
626637
4783
có 24 triệu nút,
10:43
it has 24 million nodes,
168
631420
3181
10:46
140 million parameters,
169
634601
3297
140 triệu thông số,
và 15 tỉ liên kết.
10:49
and 15 billion connections.
170
637898
2763
Đó là một mẫu cực kỳ lớn.
10:52
That's an enormous model.
171
640661
2415
10:55
Powered by the massive data from ImageNet
172
643076
3901
Hỗ trợ bởi dữ liệu khổng lồ từ ImageNet
và những CPUs và GPUs hiện đại
để huấn luyện cho một mẫu cực lớn.
để huấn luyện cho một mẫu cực lớn.
10:58
and the modern CPUs and GPUs
to train such a humongous model,
to train such a humongous model,
173
646977
5433
11:04
the convolutional neural network
174
652410
2369
mạng lưới những nơ ron đan chéo
phát triển đến mức
không ai có thể dự đoán được.
không ai có thể dự đoán được.
11:06
blossomed in a way that no one expected.
175
654779
3436
Nó trở thành kiến trúc được dùng để
11:10
It became the winning architecture
176
658215
2508
điều hành những kết quả mới xuất hiện
trong nhận diện vật thể.
trong nhận diện vật thể.
11:12
to generate exciting new results
in object recognition.
in object recognition.
177
660723
5340
Đây là một chiếc máy tính
nói với chúng ta rằng
nói với chúng ta rằng
11:18
This is a computer telling us
178
666063
2810
bức hình này bao gồm một con mèo
11:20
this picture contains a cat
179
668873
2300
và nơi mà con mèo đang ở.
11:23
and where the cat is.
180
671173
1903
Dĩ nhiên là còn nhiều thứ hơn là con mèo,
11:25
Of course there are more things than cats,
181
673076
2112
nên đây là một thuật toán
nói với chúng ta rằng
nói với chúng ta rằng
11:27
so here's a computer algorithm telling us
182
675188
2438
bức hình này bao gồm
một đứa trẻ và một con gấu teddy;
một đứa trẻ và một con gấu teddy;
11:29
the picture contains
a boy and a teddy bear;
a boy and a teddy bear;
183
677626
3274
một con chó, một người,
và một con diều nhỏ ở phía sau;
và một con diều nhỏ ở phía sau;
11:32
a dog, a person, and a small kite
in the background;
in the background;
184
680900
4366
hay một bức tranh của những thứ lộn xộn
11:37
or a picture of very busy things
185
685266
3135
11:40
like a man, a skateboard,
railings, a lampost, and so on.
railings, a lampost, and so on.
186
688401
4644
như một người, một tấm ván trượt,
tay vịn, một cái đèn đường, vân vân.
tay vịn, một cái đèn đường, vân vân.
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
Đôi lúc, khi chiếc máy vi tính không chắc
về những gì mà nó thấy,
về những gì mà nó thấy,
11:51
we have taught it to be smart enough
188
699498
2276
chúng tôi đã dạy nó trở nên thông minh đủ
11:53
to give us a safe answer
instead of committing too much,
instead of committing too much,
189
701774
3878
để cho chúng ta một câu trả lời an toàn
thay vì phụ thuộc quá nhiều,
thay vì phụ thuộc quá nhiều,
giống như cách mà chúng ta sẽ làm,
11:57
just like we would do,
190
705652
2811
nhưng những lần khác những thuật toán
thật sự ấn tượng với chúng tôi khi nói ra
thật sự ấn tượng với chúng tôi khi nói ra
12:00
but other times our computer algorithm
is remarkable at telling us
is remarkable at telling us
191
708463
4666
chính xác những đặc tính của đối tượng,
12:05
what exactly the objects are,
192
713129
2253
như là xuất xứ, hiệu, năm sản xuất
của những chiếc xe.
của những chiếc xe.
12:07
like the make, model, year of the cars.
193
715382
3436
12:10
We applied this algorithm to millions
of Google Street View images
of Google Street View images
194
718818
5386
Chúng tôi ứng dụng thuật toán này cho
hàng triệu ảnh chụp đường phố trên Google
hàng triệu ảnh chụp đường phố trên Google
12:16
across hundreds of American cities,
195
724204
3135
qua hàng trăm thành phố của Mỹ,
12:19
and we have learned something
really interesting:
really interesting:
196
727339
2926
và chúng tôi đã nhận ra
nhiều thứ rất thú vị:
nhiều thứ rất thú vị:
12:22
first, it confirmed our common wisdom
197
730265
3320
đầu tiên, nó xác nhận
sự hiểu biết chung của chúng ta
sự hiểu biết chung của chúng ta
12:25
that car prices correlate very well
198
733585
3290
giá cả của những chiếc xe rất liên quan
12:28
with household incomes.
199
736875
2345
với thu nhập của hộ gia đình.
Nhưng bất ngờ là,
giá của xe cũng tương ứng với
giá của xe cũng tương ứng với
12:31
But surprisingly, car prices
also correlate well
also correlate well
200
739220
4527
mức độ tội phạm trong những thành phố ,
12:35
with crime rates in cities,
201
743747
2300
12:39
or voting patterns by zip codes.
202
747007
3963
hoặc tỉ lệ bầu phiếu theo mã vùng.
Đợi một chút, có phải là vậy không?
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
Phải chăng máy vi tính thực sự đã đạt được
hay thậm chí vượt qua khả năng con người?
hay thậm chí vượt qua khả năng con người?
Không nhanh vậy đâu.
12:51
Not so fast.
205
759419
2138
Cho tới nay, chúng ta mới chỉ dạy
cho máy vi tính nhìn thấy những vật thể.
cho máy vi tính nhìn thấy những vật thể.
12:53
So far, we have just taught
the computer to see objects.
the computer to see objects.
206
761557
4923
Cái này giống như một đứa trẻ học cách
bật ra một vài danh từ.
bật ra một vài danh từ.
12:58
This is like a small child
learning to utter a few nouns.
learning to utter a few nouns.
207
766480
4644
Đó là một thành tựu đáng kinh ngạc,
13:03
It's an incredible accomplishment,
208
771124
2670
13:05
but it's only the first step.
209
773794
2460
nhưng nó mới chỉ là bước đầu tiên.
13:08
Soon, another developmental
milestone will be hit,
milestone will be hit,
210
776254
3762
Nhanh thôi,
những cột mốc phát triển khác sẽ đạt được,
những cột mốc phát triển khác sẽ đạt được,
13:12
and children begin
to communicate in sentences.
to communicate in sentences.
211
780016
3461
và trẻ em bắt đầu giao tiếp bằng những câu.
Vì vậy thay vì nói
đây là một con mèo trong bức tranh,
đây là một con mèo trong bức tranh,
13:15
So instead of saying
this is a cat in the picture,
this is a cat in the picture,
212
783477
4224
bạn thật sự đã nghe đứa trẻ nhỏ nói rằng
đây là một con mèo nằm trên một cái giường
đây là một con mèo nằm trên một cái giường
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
13:24
So to teach a computer
to see a picture and generate sentences,
to see a picture and generate sentences,
214
792903
5595
Vì thế mà dạy một chiếc máy tính
nhìn một ảnh và cấu thành những câu nói,
nhìn một ảnh và cấu thành những câu nói,
13:30
the marriage between big data
and machine learning algorithm
and machine learning algorithm
215
798498
3948
sự liên kết giữa những dữ liệu lớn
và thuật toán
và thuật toán
13:34
has to take another step.
216
802446
2275
phải tiếp tục những bước tiếp theo.
Bây giờ, chiếc máy tính phải học
cả những hình ảnh
cả những hình ảnh
13:36
Now, the computer has to learn
from both pictures
from both pictures
217
804721
4156
13:40
as well as natural language sentences
218
808877
2856
lẫn ngôn ngữ câu tự nhiên
được tạo lập bởi con người.
13:43
generated by humans.
219
811733
3322
13:47
Just like the brain integrates
vision and language,
vision and language,
220
815055
3853
Giống như não bộ
kết hợp giữa cái nhìn và ngôn ngữ,
kết hợp giữa cái nhìn và ngôn ngữ,
13:50
we developed a model
that connects parts of visual things
that connects parts of visual things
221
818908
5201
chúng tôi phát triển một hình mẫu
liên kết những phần của những vật thể
liên kết những phần của những vật thể
giống như những mẩu thông tin
có thể trông thấy được
có thể trông thấy được
13:56
like visual snippets
222
824109
1904
13:58
with words and phrases in sentences.
223
826013
4203
với những từ ngữ và cụm từ trong câu.
14:02
About four months ago,
224
830216
2763
Khoảng 4 tháng trước,
chúng tôi cuối cùng cũng liên kết chúng
lại với nhau
lại với nhau
14:04
we finally tied all this together
225
832979
2647
14:07
and produced one of the first
computer vision models
computer vision models
226
835626
3784
và tạo ra một trong những hình mẫu
máy tính có thị giác đầu tiên
máy tính có thị giác đầu tiên
có khả năng tạo ra một câu
giống như con người
giống như con người
14:11
that is capable of generating
a human-like sentence
a human-like sentence
227
839410
3994
khi nó thấy một bức ảnh lần đầu tiên.
14:15
when it sees a picture for the first time.
228
843404
3506
14:18
Now, I'm ready to show you
what the computer says
what the computer says
229
846910
4644
Bây giờ, tôi sẵn sàng cho bạn thấy
điều mà máy vi tính nói
điều mà máy vi tính nói
khi nó trông thấy bức ảnh
14:23
when it sees the picture
230
851554
1975
14:25
that the little girl saw
at the beginning of this talk.
at the beginning of this talk.
231
853529
3830
mà cô gái nhỏ đã thấy
ở phần mở đầu của bài nói này.
ở phần mở đầu của bài nói này.
(Video) Máy vi tính: Một người đàn ông
đang đứng cạnh một con voi.
đang đứng cạnh một con voi.
14:31
(Video) Computer: A man is standing
next to an elephant.
next to an elephant.
232
859519
3344
Một máy bay lớn đậu phía trên một
đường băng sân bay.
đường băng sân bay.
14:36
A large airplane sitting on top
of an airport runway.
of an airport runway.
233
864393
3634
14:41
FFL: Of course, we're still working hard
to improve our algorithms,
to improve our algorithms,
234
869057
4212
FFL: Dĩ nhiên, chúng tôi vẫn đang làm việc
chăm chỉ để phát triển những thuật toán,
chăm chỉ để phát triển những thuật toán,
và vẫn còn rất nhiều thứ để học
14:45
and it still has a lot to learn.
235
873269
2596
14:47
(Applause)
236
875865
2291
(vỗ tay)
Và máy tính vẫn còn mắc nhiều lỗi.
14:51
And the computer still makes mistakes.
237
879556
3321
(Video) Máy tinh: một con mèo đang nằm
trong chăn trên một cái giường
trong chăn trên một cái giường
14:54
(Video) Computer: A cat lying
on a bed in a blanket.
on a bed in a blanket.
238
882877
3391
FFL: Nên đương nhiên, khi nó nhìn thấy
quá nhiều mèo
quá nhiều mèo
14:58
FFL: So of course, when it sees
too many cats,
too many cats,
239
886268
2553
nó sẽ nghĩ mọi thứ
có thể nhìn giống như một con mèo.
có thể nhìn giống như một con mèo.
15:00
it thinks everything
might look like a cat.
might look like a cat.
240
888821
2926
15:05
(Video) Computer: A young boy
is holding a baseball bat.
is holding a baseball bat.
241
893317
2864
Máy tính: Một chàng trai trẻ
đang cầm một cái vợt bóng chày
đang cầm một cái vợt bóng chày
(cười lớn)
15:08
(Laughter)
242
896181
1765
FFL: Nếu nó chưa bao giờ thấy bàn chải,
nó sẽ nhầm lẫn với một cái vợt bóng chày
nó sẽ nhầm lẫn với một cái vợt bóng chày
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
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
Máy tính: Người đàn ông đang cưỡi ngựa
xuống một con đường gần một tòa nhà.
xuống một con đường gần một tòa nhà.
15:18
(Laughter)
245
906743
2023
(cười lớn)
15:20
FFL: We haven't taught Art 101
to the computers.
to the computers.
246
908766
3552
FFL: Chúng tôi chưa dạy
môn nghệ thuật cơ bản cho máy tính
môn nghệ thuật cơ bản cho máy tính
Máy tính: Một con ngựa vằn đang đứng
trên một bãi cỏ.
trên một bãi cỏ.
15:25
(Video) Computer: A zebra standing
in a field of grass.
in a field of grass.
247
913768
2884
FFL: Và nó chưa được học để trân trọng
vẻ đẹp tuyệt mỹ của thiên nhiên
vẻ đẹp tuyệt mỹ của thiên nhiên
15:28
FFL: And it hasn't learned to appreciate
the stunning beauty of nature
the stunning beauty of nature
248
916652
3367
15:32
like you and I do.
249
920019
2438
như tôi và bạn.
Vì thế nó là một hành trình dài.
15:34
So it has been a long journey.
250
922457
2832
Để đi từ 0 tuổi đến 3 tuổi là đã khó.
15:37
To get from age zero to three was hard.
251
925289
4226
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
Thử thách thực sự là đi
từ 3 đến 13 tuổi và còn xa hơn nữa.
từ 3 đến 13 tuổi và còn xa hơn nữa.
Để tôi nhắc cho bạn bức ảnh này
về một bé trai và chiếc bánh một lần nữa.
về một bé trai và chiếc bánh một lần nữa.
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
15:51
So far, we have taught
the computer to see objects
the computer to see objects
254
939476
4064
Trước đó, chúng ta đã dạy
máy tính nhìn thấy những vật thể
máy tính nhìn thấy những vật thể
hoặc kể một câu chuyện đơn giản
khi nhìn thấy một bức ảnh.
khi nhìn thấy một bức ảnh.
15:55
or even tell us a simple story
when seeing a picture.
when seeing a picture.
255
943540
4458
15:59
(Video) Computer: A person sitting
at a table with a cake.
at a table with a cake.
256
947998
3576
Máy tính: Một người ngồi
trên một cái bàn với một cái bánh.
trên một cái bàn với một cái bánh.
FFL: Nhưng còn rất nhiều thứ
về bức ảnh này
về bức ảnh này
16:03
FFL: But there's so much more
to this picture
to this picture
257
951574
2630
16:06
than just a person and a cake.
258
954204
2270
hơn là chỉ một người và một cái bánh.
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
Điều mà máy tính không thấy được
đây là một chiếc bánh kiếu Ý rất đặc biệt
đây là một chiếc bánh kiếu Ý rất đặc biệt
16:12
that's only served during Easter time.
260
960941
3217
chỉ ăn vào dịp Phục Sinh.
16:16
The boy is wearing his favorite t-shirt
261
964158
3205
Thằng bé đang mặc
chiếc áo thun yêu thích của nó
chiếc áo thun yêu thích của nó
trao cho cậu như một món quà của bố cậu
sau một chuyến đi đến Sydney.
sau một chuyến đi đến Sydney.
16:19
given to him as a gift by his father
after a trip to Sydney,
after a trip to Sydney,
262
967363
3970
16:23
and you and I can all tell how happy he is
263
971333
3808
và bạn và tôi có thể thấy được
cậu bé trông vui đến thế nào
cậu bé trông vui đến thế nào
16:27
and what's exactly on his mind
at that moment.
at that moment.
264
975141
3203
và điều thực sự trong tâm trí của nó
vào lúc đó.
vào lúc đó.
Đây là con trai tôi Leo.
16:31
This is my son Leo.
265
979214
3125
16:34
On my quest for visual intelligence,
266
982339
2624
Trong khi nghiên cứu về
trí thông minh hình ảnh,
trí thông minh hình ảnh,
tôi không ngừng nghĩ về Leo
16:36
I think of Leo constantly
267
984963
2391
và tương lai mà nó sẽ sống.
16:39
and the future world he will live in.
268
987354
2903
16:42
When machines can see,
269
990257
2021
Khi những chiếc máy có thể nhìn,
bác sĩ và y tá sẽ có thêm
những đôi mắt không mệt mỏi
những đôi mắt không mệt mỏi
16:44
doctors and nurses will have
extra pairs of tireless eyes
extra pairs of tireless eyes
270
992278
4712
để giúp họ chẩn đoán
và chăm sóc bệnh nhân.
và chăm sóc bệnh nhân.
16:48
to help them to diagnose
and take care of patients.
and take care of patients.
271
996990
4092
Những chiếc xe sẽ chạy nhanh hơn
và an toàn hơn trên đường.
và an toàn hơn trên đường.
16:53
Cars will run smarter
and safer on the road.
and safer on the road.
272
1001082
4383
16:57
Robots, not just humans,
273
1005465
2694
Robots, không chỉ con người,
giúp chúng ta đến với khu vực bị thiên tai
để cứu những người mắc kẹt và thương vong.
để cứu những người mắc kẹt và thương vong.
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
17:05
We will discover new species,
better materials,
better materials,
275
1013798
3796
Và chúng ta sẽ khám phá ra những loài mới,
vật liệu tốt hơn,
vật liệu tốt hơn,
và khám phá những biên giới chưa tưng thấy
với sự giúp đỡ của máy móc.
với sự giúp đỡ của máy móc.
17:09
and explore unseen frontiers
with the help of the machines.
with the help of the machines.
276
1017594
4509
17:15
Little by little, we're giving sight
to the machines.
to the machines.
277
1023113
4167
Từng chút từng chút một,
chúng ta cho máy móc thị giác.
chúng ta cho máy móc thị giác.
17:19
First, we teach them to see.
278
1027280
2798
Đầu tiên, chúng ta dạy chúng cách nhìn.
17:22
Then, they help us to see better.
279
1030078
2763
Sau đó, chúng sẽ giúp
chúng ta nhìn rõ hơn.
chúng ta nhìn rõ hơn.
Lần đầu tiên, đôi mắt của con người
không còn là thứ duy nhất
không còn là thứ duy nhất
17:24
For the first time, human eyes
won't be the only ones
won't be the only ones
280
1032841
4165
17:29
pondering and exploring our world.
281
1037006
2934
nghĩ ngợi và khám phá thế giới này.
Chúng ta sẽ không chỉ sử dụng máy móc
nhờ sự thông minh của chúng,
nhờ sự thông minh của chúng,
17:31
We will not only use the machines
for their intelligence,
for their intelligence,
282
1039940
3460
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
chúng ta còn có thể hợp tác với chúng
theo những cách không thể tưởng tượng nỗi.
theo những cách không thể tưởng tượng nỗi.
17:41
This is my quest:
284
1049579
2161
Đây là mong muốn của tôi:
cho máy tính sự thông minh thị giác
17:43
to give computers visual intelligence
285
1051740
2712
17:46
and to create a better future
for Leo and for the world.
for Leo and for the world.
286
1054452
5131
và tạo ra một tương lai tốt hơn
cho Leo và cho thế giới.
cho Leo và cho thế giới.
Cám ơn.
17:51
Thank you.
287
1059583
1811
17:53
(Applause)
288
1061394
3785
(vỗ tay)
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