TED2015
Fei-Fei Li: How we're teaching computers to understand pictures
Fei-Fei Li: Jak učíme počítače chápat obrázky
Filmed:
Readability: 4.5
2,702,344 views
Když se malé dítě dívá na obrázky, dokáže identifikovat jednoduché prvky: "kočka", "kniha", "židle." Počítače se stávají dostatečně chytrými, aby to také dokázaly. A co dále? Ve vzrušující přednášce počítačová expertka Fei-Fei Li popisuje stávající stav - včetně databáze 15 milionů fotek, které její tým vytvořil pro naučení počítačů chápat obrázky - a nové pohledy na svět, které nás teprve čekají.
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
Něco vám ukážu.
(Video) Holčička: Dobře, to je kočka
sedící na posteli.
sedící na posteli.
00:18
(Video) Girl: Okay, that's a cat
sitting in a bed.
sitting in a bed.
1
6104
4156
Kluk si hladí slona.
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 jsou lidi, co nastupují do letadla.
Je to velké letadlo.
00:30
That's a big airplane.
4
18654
2810
Fei-Fei Li: Toto je tříleté dítě
00:33
Fei-Fei Li: This is
a three-year-old child
a three-year-old child
5
21464
2206
00:35
describing what she sees
in a series of photos.
in a series of photos.
6
23670
3679
popisující, co vidí na sérii fotek.
00:39
She might still have a lot
to learn about this world,
to learn about this world,
7
27349
2845
Ještě se má hodně co učit o světě,
00:42
but she's already an expert
at one very important task:
at one very important task:
8
30194
4549
ale už teď je expert na jednu velmi
důležitou věc:
důležitou věc:
00:46
to make sense of what she sees.
9
34743
2846
dávat smysl tomu, co vidí.
Naše společnost je více technologicky
vyvinutá než kdy předtím.
vyvinutá než kdy předtím.
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
Posíláme lidi na měsíc,
vyrábíme telefony, co na nás mluví,
vyrábíme telefony, co na nás mluví,
00:58
or customize radio stations
that can play only music we like.
that can play only music we like.
12
46084
4946
nebo si můžeme upravit radio, aby
hrálo jenom hudbu, kterou chceme.
hrálo jenom hudbu, kterou chceme.
01:03
Yet, our most advanced
machines and computers
machines and computers
13
51030
4055
Přesto naše nejvyvinutější stroje
a počítače
a počítače
01:07
still struggle at this task.
14
55085
2903
tenhle úkol nezvládají.
01:09
So I'm here today
to give you a progress report
to give you a progress report
15
57988
3459
Já jsem tu dnes, abych vám dala hlášení
o vývoji
o vývoji
01:13
on the latest advances
in our research in computer vision,
in our research in computer vision,
16
61447
4047
posledních pokroků v našem výzkumu
počítačového zraku,
počítačového zraku,
01:17
one of the most frontier
and potentially revolutionary
and potentially revolutionary
17
65494
4161
jedné z nejhraničnějších a
potencionálně revolučních
potencionálně revolučních
01:21
technologies in computer science.
18
69655
3206
technologiích v počítačové vědě.
01:24
Yes, we have prototyped cars
that can drive by themselves,
that can drive by themselves,
19
72861
4551
Ano, navrhli jsme auta,
která sama řídí,
která sama řídí,
01:29
but without smart vision,
they cannot really tell the difference
they cannot really tell the difference
20
77412
3853
ale bez chytrého zraku,
nerozeznají
nerozeznají
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
zmuchlaný papírový sáček na silnici,
který se může přejet,
který se může přejet,
01:37
and a rock that size,
which should be avoided.
which should be avoided.
22
85235
3340
od kamenu stejné velikosti,
který by bylo lepší objet.
který by bylo lepší objet.
Vytvořili jsme úžasné megapixelové foťáky,
01:41
We have made fabulous megapixel cameras,
23
89415
3390
01:44
but we have not delivered
sight to the blind.
sight to the blind.
24
92805
3135
ale neumíme slepým vrátit zrak.
01:48
Drones can fly over massive land,
25
96420
3305
Drony mohou létat po rozsáhlé krajině,
01:51
but don't have enough vision technology
26
99725
2134
ale nemají dostatečnou
vizuální technologie,
vizuální technologie,
01:53
to help us to track
the changes of the rainforests.
the changes of the rainforests.
27
101859
3461
aby nám pomohly mapovat změny
v deštných pralesech.
v deštných pralesech.
01:57
Security cameras are everywhere,
28
105320
2950
Kamerové systémy jsou všude,
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 neupozorní nás, když se dítě
topí v bazénu.
topí v bazénu.
02:06
Photos and videos are becoming
an integral part of global life.
an integral part of global life.
30
114167
5595
Fotky a videa se stávají nezbytnou
součástí života.
součástí života.
Jsou vytvářeny rychlostí, která je
mnohem vyšší
mnohem vyšší
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
02:15
or teams of humans, could hope to view,
32
123849
2783
než jsme si dokázali představit,
02:18
and you and I are contributing
to that at this TED.
to that at this TED.
33
126632
3921
a já zde na TEDu k tomu přispívám.
02:22
Yet our most advanced software
is still struggling at understanding
is still struggling at understanding
34
130553
5232
Přesto všechno naše nejdokonalejší
programy stále zápasí s porozuměním
programy stále zápasí s porozuměním
02:27
and managing this enormous content.
35
135785
3876
a ovládáním tohoto ohromného obsahu.
02:31
So in other words,
collectively as a society,
collectively as a society,
36
139661
5272
Jiný slovy, dohromady jako společnost
jsme prakticky slepí,
02:36
we're very much blind,
37
144933
1746
protože naše nejchytřejší stroje
jsou slepé.
jsou slepé.
02:38
because our smartest
machines are still blind.
machines are still blind.
38
146679
3387
"Proč je to tak těžké?" ptáte se.
02:43
"Why is this so hard?" you may ask.
39
151526
2926
02:46
Cameras can take pictures like this one
40
154452
2693
Foťáky mohou vyfotit obrázek jako tento
02:49
by converting lights into
a two-dimensional array of numbers
a two-dimensional array of numbers
41
157145
3994
převedením světel do dvoudimenzionální
soustavy
soustavy
02:53
known as pixels,
42
161139
1650
známé jako pixely,
02:54
but these are just lifeless numbers.
43
162789
2251
ale to jsou jenom neživá čísla.
02:57
They do not carry meaning in themselves.
44
165040
3111
Sama o sobě nemají smysl.
03:00
Just like to hear is not
the same as to listen,
the same as to listen,
45
168151
4343
Stejně jako slyšet není to samé
jako poslouchat,
jako poslouchat,
03:04
to take pictures is not
the same as to see,
the same as to see,
46
172494
4040
fotit není to samé jako vidět,
03:08
and by seeing,
we really mean understanding.
we really mean understanding.
47
176534
3829
a viděním myslíme chápaní.
03:13
In fact, it took Mother Nature
540 million years of hard work
540 million years of hard work
48
181293
6177
Ve skutečnosti, Matce Zemi trvalo
540 milionů let tvrdé práce,
540 milionů let tvrdé práce,
03:19
to do this task,
49
187470
1973
aby tohoto dosáhla
03:21
and much of that effort
50
189443
1881
a velká část této snahy
03:23
went into developing the visual
processing apparatus of our brains,
processing apparatus of our brains,
51
191324
5271
padla na vývoj zrakové procesního
aparátu v našem mozku,
aparátu v našem mozku,
03:28
not the eyes themselves.
52
196595
2647
nejen na oči samotné.
03:31
So vision begins with the eyes,
53
199242
2747
Takže zrak začíná očima,
03:33
but it truly takes place in the brain.
54
201989
3518
ale odehrává se v mozku.
03:38
So for 15 years now, starting
from my Ph.D. at Caltech
from my Ph.D. at Caltech
55
206287
5060
Již po 15 let od mého doktorátu
na Caltechu
na Caltechu
03:43
and then leading Stanford's Vision Lab,
56
211347
2926
a vedení laboratoře
Stanford's Vision,
Stanford's Vision,
03:46
I've been working with my mentors,
collaborators and students
collaborators and students
57
214273
4396
pracuji se svými mentory, spolupracovníky
a studenty na tom,
a studenty na tom,
03:50
to teach computers to see.
58
218669
2889
abychom naučili počítače vidět.
Náš výzkum se jmenuje počítačový zrak
a učení strojů.
a učení strojů.
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
Je to součástí obecného oboru
o umělé inteligenci.
o umělé inteligenci.
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
Chceme naučit stroje,
aby viděly jako my:
aby viděly jako my:
04:08
naming objects, identifying people,
inferring 3D geometry of things,
inferring 3D geometry of things,
62
236493
5387
pojmenovávat objekty, identifikovat lidi,
odvozovat 3D geometrii věcí,
odvozovat 3D geometrii věcí,
04:13
understanding relations, emotions,
actions and intentions.
actions and intentions.
63
241880
5688
pochopení vztahů, emocí, akcí a úmyslů.
04:19
You and I weave together entire stories
of people, places and things
of people, places and things
64
247568
6153
Vy a já dohromady splétáme celé příběhy
lidí, míst a věcí
lidí, míst a věcí
04:25
the moment we lay our gaze on them.
65
253721
2164
v okamžik, kdy je spatříme.
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
Prvním krokem k dosažení tohoto cíle
je naučit počítače vidět objekty,
je naučit počítače vidět objekty,
04:34
the building block of the visual world.
67
262538
3368
základní kameny světa vidění.
04:37
In its simplest terms,
imagine this teaching process
imagine this teaching process
68
265906
4434
Jednoduše řečeno, představte si tento
proces učení
proces učení
04:42
as showing the computers
some training images
some training images
69
270340
2995
jako ukazování počítačům
tréninkové obrázky
tréninkové obrázky
04:45
of a particular object, let's say cats,
70
273335
3321
konkrétního objektu, například koček,
04:48
and designing a model that learns
from these training images.
from these training images.
71
276656
4737
a vytváření modelu, který se učí z těchto
tréninkových obrázků.
tréninkových obrázků.
Jak těžké to může být?
04:53
How hard can this be?
72
281393
2044
Vždyť kočka je jen sbírka tvarů a barev
04:55
After all, a cat is just
a collection of shapes and colors,
a collection of shapes and colors,
73
283437
4052
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
a to je přesně to, co jsme udělali
v začátcích objektového modelování.
v začátcích objektového modelování.
05:03
We'd tell the computer algorithm
in a mathematical language
in a mathematical language
75
291575
3622
Naučili jsme počítače algoritmus
v matematickém jazyce,
v matematickém jazyce,
05:07
that a cat has a round face,
a chubby body,
a chubby body,
76
295197
3343
že kočka má kulatý obličej,
zaoblené tělo,
zaoblené tělo,
05:10
two pointy ears, and a long tail,
77
298540
2299
dvě špičaté uši, a dlouhý ocas,
05:12
and that looked all fine.
78
300839
1410
a všechno vypadalo dobře.
Ale co třeba tahle kočka?
05:14
But what about this cat?
79
302859
2113
05:16
(Laughter)
80
304972
1091
(Smích)
Je celá pokřivená.
05:18
It's all curled up.
81
306063
1626
Nyní musíte tedy přidat další tvar a
pohled danému modelu.
pohled danému modelu.
05:19
Now you have to add another shape
and viewpoint to the object model.
and viewpoint to the object model.
82
307689
4719
05:24
But what if cats are hidden?
83
312408
1715
Ale co když jsou kočky schované?
05:27
What about these silly cats?
84
315143
2219
Co tyhle pošetilé kočky?
05:31
Now you get my point.
85
319112
2417
Teď už mě chápete.
05:33
Even something as simple
as a household pet
as a household pet
86
321529
3367
Tak jednoduchá věc jako je
domácí mazlíček
domácí mazlíček
05:36
can present an infinite number
of variations to the object model,
of variations to the object model,
87
324896
4504
může mít nekonečné množství
variací objektovému modelu,
variací objektovému modelu,
05:41
and that's just one object.
88
329400
2233
a to je to jenom jeden objekt.
05:44
So about eight years ago,
89
332573
2492
Takže před zhruba osmi lety,
05:47
a very simple and profound observation
changed my thinking.
changed my thinking.
90
335065
5030
jeden prostý, ale pronikavý prostřeh
změnil mé myšlení.
změnil mé myšlení.
05:53
No one tells a child how to see,
91
341425
2685
Nikdo neříká dítěti jak má vidět,
05:56
especially in the early years.
92
344110
2261
obzvláště v raném věku.
05:58
They learn this through
real-world experiences and examples.
real-world experiences and examples.
93
346371
5000
Naučí se to pomocí skutečných
životních zkušeností a příkladů.
životních zkušeností a příkladů.
06:03
If you consider a child's eyes
94
351371
2740
Když si představíte dětské oči
06:06
as a pair of biological cameras,
95
354111
2554
jako pár biologických foťáků,
06:08
they take one picture
about every 200 milliseconds,
about every 200 milliseconds,
96
356665
4180
vyfotí jeden obrázek každých
200 milisekund,
200 milisekund,
06:12
the average time an eye movement is made.
97
360845
3134
což je průměrný čas, za který
se oko pohne.
se oko pohne.
06:15
So by age three, a child would have seen
hundreds of millions of pictures
hundreds of millions of pictures
98
363979
5550
Takže ve třetím roce dítě
vidělo stovky milionů obrázků
vidělo stovky milionů obrázků
06:21
of the real world.
99
369529
1834
skutečného světa.
06:23
That's a lot of training examples.
100
371363
2280
To je celkem hodně tréninkových příkladů.
06:26
So instead of focusing solely
on better and better algorithms,
on better and better algorithms,
101
374383
5989
Místo cílení na lepší algoritmy,
06:32
my insight was to give the algorithms
the kind of training data
the kind of training data
102
380372
5272
můj nápad byl dát algoritmům taková
tréninková data,
tréninková data,
06:37
that a child was given through experiences
103
385644
3319
jaká byla dána dítěti skrze zkušenosti
06:40
in both quantity and quality.
104
388963
3878
jak množstevně, tak kvalitou.
06:44
Once we know this,
105
392841
1858
Jakmile jsme toto pochopili,
06:46
we knew we needed to collect a data set
106
394699
2971
věděli jsme, že potřebujeme sehnat
sadu dat,
sadu dat,
06:49
that has far more images
than we have ever had before,
than we have ever had before,
107
397670
4459
která má v sobě mnohem více obrázků,
než jsme kdy měli,
než jsme kdy měli,
06:54
perhaps thousands of times more,
108
402129
2577
možná i tisíckrát více,
06:56
and together with Professor
Kai Li at Princeton University,
Kai Li at Princeton University,
109
404706
4111
a společně s profesorem Kai Li
na Princetonské univerzitě,
na Princetonské univerzitě,
07:00
we launched the ImageNet project in 2007.
110
408817
4752
jsme v roce 2007 spustili
projekt ImageNet.
projekt ImageNet.
07:05
Luckily, we didn't have to mount
a camera on our head
a camera on our head
111
413569
3838
Naštěstí jsme si nemuseli namontovat
kameru na hlavu
kameru na hlavu
07:09
and wait for many years.
112
417407
1764
a čekat mnoho let.
07:11
We went to the Internet,
113
419171
1463
Šli jsme na internet,
07:12
the biggest treasure trove of pictures
that humans have ever created.
that humans have ever created.
114
420634
4436
největší pokladnice obrázků,
kterou jsme jako lidé vytvořili.
kterou jsme jako lidé vytvořili.
07:17
We downloaded nearly a billion images
115
425070
3041
Stáhli jsme téměř miliardu obrázků
07:20
and used crowdsourcing technology
like the Amazon Mechanical Turk platform
like the Amazon Mechanical Turk platform
116
428111
5880
a využili crowdsourcingové technologie
jako Amazon Mechanical Turk,
jako Amazon Mechanical Turk,
07:25
to help us to label these images.
117
433991
2339
aby nám pomohly pojmenovat tyto obrázky.
07:28
At its peak, ImageNet was one of
the biggest employers
the biggest employers
118
436330
4900
Na svém vrcholu, ImageNet byl jedním
z největších zaměstnavatelů
z největších zaměstnavatelů
07:33
of the Amazon Mechanical Turk workers:
119
441230
2996
pracovníků Amazon Mechanical Turk:
07:36
together, almost 50,000 workers
120
444226
3854
celkem téměř 50 tisíc pracovníků,
07:40
from 167 countries around the world
121
448080
4040
ze 167 zemí světa,
07:44
helped us to clean, sort and label
122
452120
3947
nám pomohlo vyčistit, utřídit a označit
07:48
nearly a billion candidate images.
123
456067
3575
téměř miliardu potencionálních obrázků.
07:52
That was how much effort it took
124
460612
2653
Přesně tolik úsilí nás stálo
07:55
to capture even a fraction
of the imagery
of the imagery
125
463265
3900
zachytili pouze zlomek obrázků,
07:59
a child's mind takes in
in the early developmental years.
in the early developmental years.
126
467165
4171
které dětská mysl přijímá
během svých počátečních vývojových let.
během svých počátečních vývojových let.
08:04
In hindsight, this idea of using big data
127
472148
3902
Při pohledu zpět, nápad používání
velkého množství dat
velkého množství dat
08:08
to train computer algorithms
may seem obvious now,
may seem obvious now,
128
476050
4550
pro učení počítačových algoritmů
se nyní může zdát samozřejmý,
se nyní může zdát samozřejmý,
08:12
but back in 2007, it was not so obvious.
129
480600
4110
ale v roce 2007 tomu tak nebylo.
08:16
We were fairly alone on this journey
for quite a while.
for quite a while.
130
484710
3878
Byli jsme po docela dlouhou dobu
na této cestě sami.
na této cestě 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
Někteří mí kolegové mi doporučovali,
abych dělala něco užitečnějšího,
abych dělala něco užitečnějšího,
08:25
and we were constantly struggling
for research funding.
for research funding.
132
493591
4342
a neustále jsme sháněli finance
pro náš výzkum.
pro náš výzkum.
08:29
Once, I even joked to my graduate students
133
497933
2485
Jednou jsem dokonce vtipkovala se svými
studenty,
studenty,
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
že si znovu otevřu svoji čistírnu, abych
zaplatila ImageNet.
zaplatila ImageNet.
08:36
After all, that's how I funded
my college years.
my college years.
135
504481
4761
Přece jen, tak jsem financovala svoje
studia na univerzitě.
studia na univerzitě.
08:41
So we carried on.
136
509242
1856
Tak jsme pokračovali.
08:43
In 2009, the ImageNet project delivered
137
511098
3715
V roce 2009 projekt ImageNet vytvořil
08:46
a database of 15 million images
138
514813
4042
databázi 15 milionů obrázků
08:50
across 22,000 classes
of objects and things
of objects and things
139
518855
4805
napříč 22 000 tříd objektů a věcí
08:55
organized by everyday English words.
140
523660
3320
organizovaných podle každodenních
anglických slov.
anglických slov.
08:58
In both quantity and quality,
141
526980
2926
V obou - kvantitě i kvalitě,
09:01
this was an unprecedented scale.
142
529906
2972
v nevídaném množství.
09:04
As an example, in the case of cats,
143
532878
3461
Uvedu příklad na zmiňovaných kočkách,
09:08
we have more than 62,000 cats
144
536339
2809
měli jsme více než 62 tisíc koček
09:11
of all kinds of looks and poses
145
539148
4110
různého vzhledu, v různých pózách
09:15
and across all species
of domestic and wild cats.
of domestic and wild cats.
146
543258
5223
a všechny druhy domácích i divokých koček.
09:20
We were thrilled
to have put together ImageNet,
to have put together ImageNet,
147
548481
3344
Byli jsme nadšení, že jsme mohli
dát ImageNet dohromady
dát ImageNet dohromady
09:23
and we wanted the whole research world
to benefit from it,
to benefit from it,
148
551825
3738
a chtěli jsme, aby toho mohl využívat
celý výzkumný svět,
celý výzkumný svět,
09:27
so in the TED fashion,
we opened up the entire data set
we opened up the entire data set
149
555563
4041
takže podle TEDu, jsme celý náš data set
otevřeli
otevřeli
09:31
to the worldwide
research community for free.
research community for free.
150
559604
3592
pro celosvětovou výzkumnou komunitu
zadarmo.
zadarmo.
09:36
(Applause)
151
564636
4000
(Potlesk)
09:41
Now that we have the data
to nourish our computer brain,
to nourish our computer brain,
152
569416
4538
Když teď máme data, kterými můžeme
krmit náš počítačový mozek,
krmit náš počítačový mozek,
09:45
we're ready to come back
to the algorithms themselves.
to the algorithms themselves.
153
573954
3737
jsme připraveni se vrátit zpět
k algoritmům jako takovým.
k algoritmům jako takovým.
09:49
As it turned out, the wealth
of information provided by ImageNet
of information provided by ImageNet
154
577691
5178
Jak se pak ukázalo, hojnost informací
z ImageNetu
z ImageNetu
09:54
was a perfect match to a particular class
of machine learning algorithms
of machine learning algorithms
155
582869
4806
byla perfektní pro konkrétní třídu
algoritmů pro učení strojů, které
algoritmů pro učení strojů, které
09:59
called convolutional neural network,
156
587675
2415
se nazývaly konvoluční neuronová síť,
10:02
pioneered by Kunihiko Fukushima,
Geoff Hinton, and Yann LeCun
Geoff Hinton, and Yann LeCun
157
590090
5248
vytvořené Kunihikem Fukushimou,
Geoffem Hintonem a Yannem LeCunem
Geoffem Hintonem a Yannem LeCunem
10:07
back in the 1970s and '80s.
158
595338
3645
během 70. a 80. let 20. století.
10:10
Just like the brain consists
of billions of highly connected neurons,
of billions of highly connected neurons,
159
598983
5619
Stejně jako se mozek skládá z miliard
vzájemně propojených neuronů,
vzájemně propojených neuronů,
10:16
a basic operating unit in a neural network
160
604602
3854
základní operační jednotkou
v neuronové síti
v neuronové síti
10:20
is a neuron-like node.
161
608456
2415
je uzel podobný neuronu.
10:22
It takes input from other nodes
162
610871
2554
Vstup si vezme od jiných uzlů
10:25
and sends output to others.
163
613425
2718
a pošle výstup dalším.
10:28
Moreover, these hundreds of thousands
or even millions of nodes
or even millions of nodes
164
616143
4713
Navíc tyto stovky tisíc či dokonce
miliony uzlů
miliony uzlů
10:32
are organized in hierarchical layers,
165
620856
3227
jsou organizovány v hierarchistických
vrstvách,
vrstvách,
10:36
also similar to the brain.
166
624083
2554
podobně jako v mozku.
10:38
In a typical neural network we use
to train our object recognition model,
to train our object recognition model,
167
626637
4783
V klasické neuronové síti, kterou
používáme,
používáme,
abychom naučili náš model
rozpoznávání objektů
rozpoznávání objektů
10:43
it has 24 million nodes,
168
631420
3181
je 24 milionů uzlů,
10:46
140 million parameters,
169
634601
3297
140 milionů parametrů
10:49
and 15 billion connections.
170
637898
2763
a 15 miliard spojení.
10:52
That's an enormous model.
171
640661
2415
To je obrovský model.
10:55
Powered by the massive data from ImageNet
172
643076
3901
Poháněný ohromným množstvím dat
z ImageNet
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
a moderními CPU a GPU k trénování
takto velkého modelu,
takto velkého modelu,
11:04
the convolutional neural network
174
652410
2369
konvoluční neuronová síť
11:06
blossomed in a way that no one expected.
175
654779
3436
kvete tak, jak by nikdo nečekal.
11:10
It became the winning architecture
176
658215
2508
Stala se vítěznou architekturou
11:12
to generate exciting new results
in object recognition.
in object recognition.
177
660723
5340
k vytváření nových úžasných výsledků
v rozpoznávání objektů.
v rozpoznávání objektů.
11:18
This is a computer telling us
178
666063
2810
Toto je počítač, který nám říká,
11:20
this picture contains a cat
179
668873
2300
že na obrázku je kočka
11:23
and where the cat is.
180
671173
1903
a kde ta kočka je.
11:25
Of course there are more things than cats,
181
673076
2112
Samozřejmě existuje víc věcí než
jen kočky,
jen kočky,
11:27
so here's a computer algorithm telling us
182
675188
2438
takže tady je algoritmus počítače,
který říká,
který říká,
11:29
the picture contains
a boy and a teddy bear;
a boy and a teddy bear;
183
677626
3274
že obrázek obsahuje chlapce a medvídka,
11:32
a dog, a person, and a small kite
in the background;
in the background;
184
680900
4366
psa, osobu a malého draka v pozadí,
11:37
or a picture of very busy things
185
685266
3135
nebo velice chaotický obrázek plný věcí,
11:40
like a man, a skateboard,
railings, a lampost, and so on.
railings, a lampost, and so on.
186
688401
4644
jako je muž, skateboard, zábradlí,
lampa atd.
lampa atd.
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
Někdy, když si počítač není jistý,
co vidí,
co vidí,
11:51
we have taught it to be smart enough
188
699498
2276
naučili jsme ho,
aby byl dostatečně chytrý,
aby byl dostatečně chytrý,
11:53
to give us a safe answer
instead of committing too much,
instead of committing too much,
189
701774
3878
a aby odpověděl neutrálně,
než aby se k něčemu zavázal,
než aby se k něčemu zavázal,
11:57
just like we would do,
190
705652
2811
stejně jako bychom to udělali my,
12:00
but other times our computer algorithm
is remarkable at telling us
is remarkable at telling us
191
708463
4666
ale jindy nám náš počítačový algoritmus
znamenitě vysvětlí,
znamenitě vysvětlí,
12:05
what exactly the objects are,
192
713129
2253
co přesně dané objekty jsou,
12:07
like the make, model, year of the cars.
193
715382
3436
jako například značka, model a rok u auta.
12:10
We applied this algorithm to millions
of Google Street View images
of Google Street View images
194
718818
5386
Aplikovali jsme tento algoritmus na
miliony obrázků z Google Street View
miliony obrázků z Google Street View
12:16
across hundreds of American cities,
195
724204
3135
napříč stovkami amerických měst,
12:19
and we have learned something
really interesting:
really interesting:
196
727339
2926
a zjistili jsme něco velice zajímavého:
12:22
first, it confirmed our common wisdom
197
730265
3320
zaprvé, to potvrdilo známou pravdu,
12:25
that car prices correlate very well
198
733585
3290
že ceny aut jsou přímo úměrné
12:28
with household incomes.
199
736875
2345
příjmům domácností.
12:31
But surprisingly, car prices
also correlate well
also correlate well
200
739220
4527
A překvapivě, ceny aut
jsou také závislé
jsou také závislé
12:35
with crime rates in cities,
201
743747
2300
na kriminalitě v daných městech,
12:39
or voting patterns by zip codes.
202
747007
3963
a nebo volební názory na PSČ.
12:44
So wait a minute. Is that it?
203
752060
2206
Takže, to je ono?
12:46
Has the computer already matched
or even surpassed human capabilities?
or even surpassed human capabilities?
204
754266
5153
Dosáhly počítače lidských schopností,
nebo je snad dokonce přesáhly?
nebo je snad dokonce přesáhly?
12:51
Not so fast.
205
759419
2138
Ne tak rychle.
12:53
So far, we have just taught
the computer to see objects.
the computer to see objects.
206
761557
4923
Zatím jsme počítač naučili jenom
vidět věci.
vidět věci.
12:58
This is like a small child
learning to utter a few nouns.
learning to utter a few nouns.
207
766480
4644
Je to jako malé dítě, které se učí
vyslovit pár slov.
vyslovit pár slov.
13:03
It's an incredible accomplishment,
208
771124
2670
Je to neuvěřitelný úspěch,
13:05
but it's only the first step.
209
773794
2460
ale je to teprve první krok.
13:08
Soon, another developmental
milestone will be hit,
milestone will be hit,
210
776254
3762
Brzy, další vývojový mezník bude
dosažen,
dosažen,
13:12
and children begin
to communicate in sentences.
to communicate in sentences.
211
780016
3461
a děti se naučí mluvit ve větách.
13:15
So instead of saying
this is a cat in the picture,
this is a cat in the picture,
212
783477
4224
Takže místo tvrzení - to je kočka,
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
slyšeli jsme holčičku říct, že kočka
leží na posteli.
leží na posteli.
13:24
So to teach a computer
to see a picture and generate sentences,
to see a picture and generate sentences,
214
792903
5595
Abychom naučili počítač vidět obrázek
a vytořit věty,
a vytořit věty,
13:30
the marriage between big data
and machine learning algorithm
and machine learning algorithm
215
798498
3948
vztah mezi velkým množstvím dat a
algoritmem učení strojů
algoritmem učení strojů
13:34
has to take another step.
216
802446
2275
musí dosáhnout další fáze.
13:36
Now, the computer has to learn
from both pictures
from both pictures
217
804721
4156
Nyní se počítač musí učit z obou částí,
13:40
as well as natural language sentences
218
808877
2856
stejně tak jako jsou věty
13:43
generated by humans.
219
811733
3322
vytvářené lidmi.
13:47
Just like the brain integrates
vision and language,
vision and language,
220
815055
3853
Stejně jako mozek spojuje zrak a jazyk,
13:50
we developed a model
that connects parts of visual things
that connects parts of visual things
221
818908
5201
vytvořili jsme model, který spojuje
části zraku,
části zraku,
13:56
like visual snippets
222
824109
1904
jako vizuální ústřižky
13:58
with words and phrases in sentences.
223
826013
4203
se slovy a frázemi ve větách.
14:02
About four months ago,
224
830216
2763
Zhruba před čtyřmi měsíci,
14:04
we finally tied all this together
225
832979
2647
jsme to konečně spojili
14:07
and produced one of the first
computer vision models
computer vision models
226
835626
3784
a vytvořili jeden z prvních modelů
počítačového zraku,
počítačového zraku,
14:11
that is capable of generating
a human-like sentence
a human-like sentence
227
839410
3994
který je schopen vytvářet lidskou větu,
14:15
when it sees a picture for the first time.
228
843404
3506
když vidí daný obrázek poprvé.
14:18
Now, I'm ready to show you
what the computer says
what the computer says
229
846910
4644
Nyní vám ukážu, co počítač řekne,
14:23
when it sees the picture
230
851554
1975
když vidí obrázek,
14:25
that the little girl saw
at the beginning of this talk.
at the beginning of this talk.
231
853529
3830
který viděla holčička na začátku.
14:31
(Video) Computer: A man is standing
next to an elephant.
next to an elephant.
232
859519
3344
(Video) Počítač: Muž stojí vedle slona.
14:36
A large airplane sitting on top
of an airport runway.
of an airport runway.
233
864393
3634
Velké letadlo sedí na letištní runwayi.
14:41
FFL: Of course, we're still working hard
to improve our algorithms,
to improve our algorithms,
234
869057
4212
FFL: Samozřejmě, stále pracujeme
na zlepšení našich algoritmů
na zlepšení našich algoritmů
14:45
and it still has a lot to learn.
235
873269
2596
a stále je toho hodně, co se učit.
14:47
(Applause)
236
875865
2291
(Potlesk)
14:51
And the computer still makes mistakes.
237
879556
3321
A počítač dělá i chyby.
14:54
(Video) Computer: A cat lying
on a bed in a blanket.
on a bed in a blanket.
238
882877
3391
(Video) Počítač: Kočka ležící na posteli
pod dekou.
pod dekou.
14:58
FFL: So of course, when it sees
too many cats,
too many cats,
239
886268
2553
FFL: samozřejmě, že když vidí tolik koček,
15:00
it thinks everything
might look like a cat.
might look like a cat.
240
888821
2926
myslí si, že všechno může vypadat jako
kočka.
kočka.
15:05
(Video) Computer: A young boy
is holding a baseball bat.
is holding a baseball bat.
241
893317
2864
(Video) Počítač: Mladý chlapec drží
baseballovou pálku.
baseballovou pálku.
15:08
(Laughter)
242
896181
1765
(Smích)
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: Nebo pokud ještě neviděl kartáček,
splete si ho s basebalkou.
splete si ho s basebalkou.
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
(Video) Počítač: Muž jede na koni po ulici
vedle budovy.
vedle budovy.
15:18
(Laughter)
245
906743
2023
(Smích)
15:20
FFL: We haven't taught Art 101
to the computers.
to the computers.
246
908766
3552
FFL: Nenaučili jsme naše počítače
základy umění.
základy umění.
15:25
(Video) Computer: A zebra standing
in a field of grass.
in a field of grass.
247
913768
2884
(Video) Počítač: Zebra stojí na poli trávy.
15:28
FFL: And it hasn't learned to appreciate
the stunning beauty of nature
the stunning beauty of nature
248
916652
3367
FFL: A ještě neumí ocenit krásu přírody
15:32
like you and I do.
249
920019
2438
jako vy a já.
15:34
So it has been a long journey.
250
922457
2832
Je to dlouhá cesta.
15:37
To get from age zero to three was hard.
251
925289
4226
Dostat se od věku 0 do 3 let bylo těžké.
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
Opravdová výzva je dostat se od 3 let
ke 13 a dál.
ke 13 a dál.
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
Dovolte mi ukázat ještě jednou obrázek
chlapce s dortem.
chlapce s dortem.
15:51
So far, we have taught
the computer to see objects
the computer to see objects
254
939476
4064
Zatím jsme počítač naučili vidět objekty,
15:55
or even tell us a simple story
when seeing a picture.
when seeing a picture.
255
943540
4458
či dokonce říct krátce co vidí na obrázku.
15:59
(Video) Computer: A person sitting
at a table with a cake.
at a table with a cake.
256
947998
3576
(Video) Počítač: Člověk sedí u stolu
s dortem.
s dortem.
16:03
FFL: But there's so much more
to this picture
to this picture
257
951574
2630
FFL: Ale na tom obrázku je toho
o tolik více
o tolik více
16:06
than just a person and a cake.
258
954204
2270
než jen člověk a dort.
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
Co počítač nevidí, je, že je to speciální
italský dort,
italský dort,
16:12
that's only served during Easter time.
260
960941
3217
který se podává pouze při Velikonocích.
16:16
The boy is wearing his favorite t-shirt
261
964158
3205
Chlapec má na sobě své nejoblíbenější
tričko,
tričko,
16:19
given to him as a gift by his father
after a trip to Sydney,
after a trip to Sydney,
262
967363
3970
které mu dal jeho otec po cestě do Sydney,
16:23
and you and I can all tell how happy he is
263
971333
3808
a vy i já dokážeme říct, jak je šťastný
16:27
and what's exactly on his mind
at that moment.
at that moment.
264
975141
3203
a co si právě myslí.
16:31
This is my son Leo.
265
979214
3125
Toto je můj syn Leo.
16:34
On my quest for visual intelligence,
266
982339
2624
Při řešení zrakové inteligence,
16:36
I think of Leo constantly
267
984963
2391
myslím na Lea neustále,
16:39
and the future world he will live in.
268
987354
2903
a na svět, ve kterém bude žít.
16:42
When machines can see,
269
990257
2021
Když stroje mohou vidět,
16:44
doctors and nurses will have
extra pairs of tireless eyes
extra pairs of tireless eyes
270
992278
4712
doktoři a sestry budou mít navíc
pár neúnavných očí,
pár neúnavných očí,
16:48
to help them to diagnose
and take care of patients.
and take care of patients.
271
996990
4092
které jim pomohou diagnostikovat
a starat se o pacienty.
a starat se o pacienty.
16:53
Cars will run smarter
and safer on the road.
and safer on the road.
272
1001082
4383
Auta budou jezdit chytřeji a
bezpečněji.
bezpečněji.
16:57
Robots, not just humans,
273
1005465
2694
Roboti, nejen lidé,
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
nám pomohou prozkoumat místa neštěstí,
aby zachránili uvězněné a zraněné.
aby zachránili uvězněné a zraněné.
17:05
We will discover new species,
better materials,
better materials,
275
1013798
3796
Objevíme nové druhy,
lepší materiály,
lepší materiály,
17:09
and explore unseen frontiers
with the help of the machines.
with the help of the machines.
276
1017594
4509
a prozkoumáme neznámé hranice,
když nám stroje pomohou.
když nám stroje pomohou.
17:15
Little by little, we're giving sight
to the machines.
to the machines.
277
1023113
4167
Postupně dáváme zrak strojům.
17:19
First, we teach them to see.
278
1027280
2798
Nejdřív je učíme vidět.
17:22
Then, they help us to see better.
279
1030078
2763
Pak nám pomohou pomoci vidět lépe.
17:24
For the first time, human eyes
won't be the only ones
won't be the only ones
280
1032841
4165
Poprvé, lidské oči nebudou jediné,
17:29
pondering and exploring our world.
281
1037006
2934
které zkoumají a objevují náš svět.
17:31
We will not only use the machines
for their intelligence,
for their intelligence,
282
1039940
3460
Nebudeme stroje používat jenom
kvůli jejich inteligenci,
kvůli jejich inteligenci,
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
ale můžeme spolupracovat způsoby,
které si ani neumíme představit.
které si ani neumíme představit.
17:41
This is my quest:
284
1049579
2161
Toto je můj úkol:
17:43
to give computers visual intelligence
285
1051740
2712
dát počítačům zrakovou inteligenci,
17:46
and to create a better future
for Leo and for the world.
for Leo and for the world.
286
1054452
5131
a vytvořit tak lepší budoucnost
pro Lea a svět.
pro Lea a svět.
17:51
Thank you.
287
1059583
1811
Děkuji
17:53
(Applause)
288
1061394
3785
(Potlesk)
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