WEBVTT 00:00.420 --> 00:07.320 Ce ar trebui să știe Allison despre ce spui că nu știu ce Internet este acel calculator masiv. 00:07.380 --> 00:10.870 A fost cea care acum devine foarte mare. 00:11.010 --> 00:11.400 Ce vrei sa spui. 00:11.440 --> 00:16.350 Asta știți exact ce scrieți la ceea ce nu știu că o mulțime de oameni o folosesc și comunică. 00:16.410 --> 00:18.960 Cred că pot comunica cu scriitori și producători de la NBC. 00:18.960 --> 00:21.180 Allison poți explica ce Internet este cât 00:29.140 --> 00:30.590 de uimitor este asta. 00:30.670 --> 00:34.470 Cu puțin peste 20 de ani în urmă, oamenii nici măcar nu știau ce era internetul. 00:34.510 --> 00:37.260 Și astăzi nu ne putem imagina că viețile noastre sunt pentru asta. 00:37.300 --> 00:39.560 Bine ați venit la cei care câștigă ETA-uri ca curs. 00:39.580 --> 00:44.800 Numele meu este Cora Menko și, împreună cu contractantul, Lunda Pontmercy a fost foarte entuziasmat să vă aibă 00:44.800 --> 00:45.570 la bord. 00:45.610 --> 00:51.670 Și astăzi vă vom oferi o imagine de ansamblu rapidă a ceea ce este deplorarea și de ce se ridică 00:51.670 --> 00:52.300 chiar acum. 00:52.300 --> 00:53.590 Deci sa începem. 00:53.590 --> 00:57.640 De ce am aruncat o privire la acel clip și care este fotografia asta aici. 00:57.670 --> 01:00.310 Ei bine, clipul a fost din 1994. 01:00.310 --> 01:03.110 Aceasta este o fotografie a computerului din 1980. 01:03.220 --> 01:09.490 Iar motivul pentru care am un pic de istorisire în istorie un pic se datorează faptului că rețelele neuronale, împreună cu 01:09.490 --> 01:15.670 învățarea profundă au fost în jur de ceva timp și au început doar să ia acum și să afecteze lumea 01:15.670 --> 01:16.640 chiar acum. 01:16.750 --> 01:22.510 Dar dacă te uiți înapoi la anii '80, vei vedea că, deși au fost inventate în 01:22.510 --> 01:30.760 anii '60 și '70, ei au ajuns într-adevăr într-o tendință sau au sunat vântul rece în anii '80, așa că oamenii vorbesc mult despre ei. 01:30.760 --> 01:35.890 Au fost o mulțime de cercetări în această zonă și toată lumea a crezut că învățarea 01:35.890 --> 01:41.830 profundă sau rețelele neuronale sunt acest lucru nou care va influența lumea va schimba totul va rezolva toate problemele 01:41.860 --> 01:46.060 lumii și au făcut un fel de lent au murit în următorul deceniu. 01:46.080 --> 01:51.210 Deci, ce sa întâmplat de ce nu a supraviețuit rețelele neuronale și de a schimba lumea cu 01:51.200 --> 01:51.750 ea? 01:51.940 --> 01:57.220 Motivul pentru care nu erau suficient de buni pentru ca nu sunt atat de buni in a 01:57.270 --> 02:02.320 prezice lucrurile nu sunt atat de buni la modelare si dezordonati, nu doar o inventie buna. 02:02.350 --> 02:03.400 Sau există un alt motiv. 02:03.400 --> 02:08.410 De fapt, există și un alt motiv și motivul este în fața noastră este faptul 02:08.410 --> 02:15.640 că tehnologia de atunci nu era la standardul potrivit pentru a facilita rețelele neuronale pentru ca rețelele neuronale și învățarea profundă 02:15.700 --> 02:17.130 să funcționeze corect. 02:17.140 --> 02:21.880 Aveți nevoie de două lucruri de care aveți nevoie de date și aveți nevoie de o mulțime de date și aveți nevoie de putere de 02:21.880 --> 02:25.960 procesare de care aveți nevoie de computere puternice pentru a procesa aceste date și a facilita și știți că funcționează. 02:25.990 --> 02:32.900 Deci, haideți să aruncăm o privire asupra modului în care datele sau stocarea datelor au evoluat de-a lungul anilor și apoi vom analiza 02:32.900 --> 02:34.880 modul în care tehnologia a evoluat. 02:34.880 --> 02:39.350 Deci, aici avem trei ani 1956 1980 2017. 02:39.830 --> 02:43.220 Cat de mult a privit depozitarea in 1956. 02:43.280 --> 02:47.600 Ei bine, există un hard disk și unitatea hard disk este doar de cinci. 02:47.750 --> 02:54.980 Așteptați o mașină de înșurubat megabyte Asta e cinci megaocteți de acolo pe stivuitorul de mărimea unei 02:54.980 --> 03:01.040 încăperi mici, care este un hard disk, fiind transportat într-o altă locație într-un avion. 03:01.370 --> 03:04.670 Și asta arăta depozitarea în. 03:04.700 --> 03:11.360 În 1956 a trebuit să plătiți o societate a trebuit să plătească două și jumătate de mii de dolari din acele zile de 03:11.390 --> 03:16.400 dolari pentru a închiria acest hard disk pentru a închiria nu cumpăra sau închiriat pentru o lună. 03:16.400 --> 03:18.760 În 1980, situația sa îmbunătățit puțin. 03:18.800 --> 03:24.290 Deci, aici avem un hard disk de 10 megaocteți pentru trei și jumătate de mii de dolari este încă foarte scump și 03:24.290 --> 03:27.260 doar 10 megabytes Deci, este ca o fotografie în aceste zile. 03:27.260 --> 03:36.840 Și astăzi, în 2017, avem un card SD de 256 GB pentru 150 de dolari, care se poate potrivi cu degetul. 03:37.100 --> 03:43.790 Și dacă vă uitați la acest videoclip cu un an mai târziu sau în 2019 sau 2025, probabil că vă râdeți la noi 03:43.790 --> 03:47.240 toți, deoarece până atunci aveți o capacitate de stocare mai puternică. 03:47.240 --> 03:52.910 Cu toate acestea, punctul de față este dacă le comparăm de la sine și chiar 03:52.910 --> 03:58.370 luăm în considerare prețul și mărimea doar a capacității oricăror tendințe la acea vreme. 03:58.370 --> 04:04.090 Astfel, din 1956 până în 1980, capacitatea a crescut cu aproximativ dublu. 04:04.250 --> 04:12.380 Apoi a crescut cam douăzeci și cinci de mii șase sute de ori și știu că durata perioadei nu este atât de diferită 04:12.380 --> 04:20.210 de la 1956 la 1980 de 24 de ani 1980 - 2013 treizeci și șapte de ani, deci nu atât de mult 04:20.210 --> 04:24.610 o creștere a timpului, ci un salt imens în progres tehnologic. 04:24.890 --> 04:28.220 Și asta înseamnă că nu este o tendință liniară. 04:28.220 --> 04:33.830 Aceasta este o creștere exponențială în tehnologie și, dacă adăugăm în ea, să țineți cont de 04:33.910 --> 04:37.090 preț și dimensiune, veți fi în milioane de creștere. 04:37.280 --> 04:40.540 Și aici avem de fapt o diagramă pe o scară logaritmică. 04:40.640 --> 04:46.290 Deci, dacă complotăm costul de harddisk pe gigabyte, veți vedea că arată ceva de genul acesta. 04:46.430 --> 04:49.880 Ne apropiem foarte repede de zero. 04:49.910 --> 04:54.200 În momentul de față puteți obține spațiu de stocare pe Dropbox și pe Google Drive, care nu vă costă nimic. 04:54.200 --> 05:01.280 Cloud storage și asta va continua și, de fapt, de-a lungul anilor, acest lucru va merge mai departe. 05:01.280 --> 05:05.860 Chiar acum oamenii de știință caută să folosească ADN-ul pentru depozitare. 05:05.960 --> 05:13.720 Și chiar acum este destul de costisitor costă 7000 dolari pentru a sintetiza două megabytes de date și apoi un alt 05:13.730 --> 05:15.210 gând 2004 să-l citească. 05:15.230 --> 05:19.670 Dar acest tip vă amintește de întreaga situație a harddrivei și a avionului pe care știți că 05:19.670 --> 05:24.590 va fi atenuată foarte rapid cu această curbă exponențială de la 10 la 10 ani de acum 20 de ani 05:24.590 --> 05:28.590 de acum, toată lumea va folosi depozitarea ADN-ului dacă mergem în jos pe această direcție. 05:28.660 --> 05:33.770 Iată câteva statistici despre acest lucru, astfel încât să puteți explora mai departe, poate întrerupe pauza video, dacă doriți să citiți 05:33.770 --> 05:35.360 ceva mai mult despre acest lucru. 05:35.360 --> 05:36.890 Aceasta este de la natura dot com. 05:37.040 --> 05:44.990 Și, în principiu, puteți stoca toate datele lumii în doar un kilogram un kilogram de stocare a ADN-ului sau puteți stoca aproximativ 05:44.990 --> 05:49.350 1 miliard de terabyte de date într-un gram de stocare ADN. 05:49.350 --> 05:56.150 Deci, este doar ceva pentru a arăta cât de repede progresăm și că acesta este motivul pentru care 05:56.150 --> 06:02.840 învățarea profundă se acumulează acum că suntem în final în stadiul în care avem suficiente date pentru a 06:02.840 --> 06:04.280 pregăti modele super-super-sofisticate. 06:04.280 --> 06:08.350 Atunci, în anii 80, când am fost inițial inițial inventat sucul nu a fost cazul. 06:08.690 --> 06:15.740 Și cel de-al doilea lucru despre care am vorbit este capacitatea de procesare. Deci avem o curbă exponențială din nou pe 06:16.460 --> 06:17.850 o scară de jurnal. 06:17.850 --> 06:23.840 Este o ideație portretizată aici, dar pe dreapta, deoarece este o scală de jurnal și așa computerele au 06:23.840 --> 06:24.410 evoluat. 06:24.410 --> 06:30.530 Deci, din nou, nu ezitați să postați diapozitivul, acest lucru se numește Legea lui Moore, probabil că ați auzit de 06:30.530 --> 06:34.120 el cât de repede a evoluat capacitatea de procesare a computerelor. 06:34.310 --> 06:39.920 Chiar acum suntem undeva aici unde un calculator obișnuit poate cumpăra pentru 06:39.920 --> 06:47.960 o mie de dolari gândește la viteza creierului unui șobolan și între doi și cinci va fi viteza unui 06:48.470 --> 06:54.740 om sau 20:23 și apoi până în 2050 sau 2045 va depăși toți oamenii combinați. 06:54.740 --> 07:01.610 Deci, practic intrăm în epoca computerelor care sunt extrem de puternice, care pot procesa 07:01.610 --> 07:05.670 lucrurile mai rapid, apoi ne putem imagina. 07:05.720 --> 07:08.490 Și aceasta este ceea ce facilitează învățarea. 07:08.600 --> 07:14.510 Deci, toate acestea ne conduc la întrebarea: Ce este învățarea profundă a ceea ce este această întreagă situație a 07:14.510 --> 07:18.390 rețelei neuronale ceea ce se întâmplă despre ce vorbim chiar aici. 07:18.410 --> 07:20.490 Și probabil ați văzut o fotografie sau ceva de genul asta. 07:20.570 --> 07:21.590 Deci, să ne aruncăm în ea. 07:21.590 --> 07:29.140 Ce este învățarea profundă a acestui domn aici Jeffrey Hinton este cunoscut ca nașul de lucru profund. 07:29.350 --> 07:37.030 Și a făcut cercetări despre învățarea profundă în anii '80 și a făcut multe și o mulțime de lucrări de lucrări 07:37.030 --> 07:41.370 de cercetare pe care le-a publicat în învățământul profund chiar acum. 07:41.370 --> 07:42.920 Lucrează la Google. 07:43.030 --> 07:47.770 Așa că multe lucruri despre care vom vorbi vor veni de fapt de la Jeffrey Hinton și puteți vedea 07:47.770 --> 07:48.260 multe. 07:48.300 --> 07:49.840 Are câteva videoclipuri YouTube. 07:49.840 --> 07:53.930 El explică lucrurile într-adevăr bine, așa că recomand să le verificați. 07:54.130 --> 07:59.140 Iar ideea din spatele învățării profunde este aceea de a privi creierul uman. 07:59.140 --> 08:01.710 Și tipul ăsta va fi un pic de neuroștiință care vine. 08:01.750 --> 08:09.370 Și în aceste tutoriale și ceea ce încercăm să facem aici este să imităm cum funcționează creierul uman. 08:09.400 --> 08:13.300 Și știi că nu știm atât de mult că nu știi totul despre creierul uman, ci despre acel 08:13.300 --> 08:16.730 om mic pe care știm cu toții că vrem să-l imităm și să îl recreăm. 08:16.730 --> 08:17.230 De ce, mă rog. 08:17.230 --> 08:21.970 Ei bine, deoarece creierul uman pare să fie unul dintre cele mai puternice instrumente de pe această 08:22.300 --> 08:28.690 planetă pentru a învăța să învețe să-și adapteze abilitățile și apoi să le aplice și dacă computerele ar putea să copieze, atunci 08:28.990 --> 08:32.980 am putea să folosim doar ce selecție naturală a decis deja pentru noi. 08:32.980 --> 08:37.840 Toți acei algoritmi pe care le-a decis sunt cei mai buni care o vor folosi. 08:37.840 --> 08:39.750 De ce să reinventați călătoria cu bicicleta. 08:39.880 --> 08:41.700 Să vedem cum funcționează acest lucru. 08:41.710 --> 08:50.260 Aici avem niște neuroni, astfel încât acești neuroni care au fost șterși pe sticlă și apoi au fost examinați sub un microscop 08:50.260 --> 08:52.210 cu o anumită culoare. 08:52.270 --> 08:57.310 Și asta poți vedea cum arată, așa că au ca un corp pe care-i au aceste ramuri 08:57.310 --> 09:02.700 și au ca niște cozi și astfel încât să-i poți vedea că au un nucleu interior în mijloc și 09:02.710 --> 09:06.940 asta e în principiu ceea ce arată un neuron ca și în creierul uman. 09:06.970 --> 09:12.310 Există aproximativ 100 de miliarde de neuroni împreună, așa că aceștia sunt neuroni individuali, de fapt aceștia sunt 09:12.310 --> 09:17.380 neuroni motorici, deoarece sunt mai mari, sunt mai ușor de văzut, dar totuși există o sută 09:17.470 --> 09:19.740 de miliarde de neuroni în creierul uman. 09:20.000 --> 09:23.920 Și este legată de circa o mie de vecini. 09:23.920 --> 09:26.590 Deci, să vă dau o imagine așa cum arată. 09:26.590 --> 09:32.140 Aceasta este o secțiune de date reală a creierului uman. 09:32.140 --> 09:38.950 Și acesta este cerebelul care este partea din creierul tău din spate. 09:38.950 --> 09:47.140 Este responsabil pentru mai mult Torex și pentru că știi că păstrezi un echilibru și unele capacități lingvistice și ceva de genul 09:47.140 --> 09:47.680 asta. 09:47.680 --> 09:57.460 Deci, acest lucru este doar pentru a arăta modul în care Vorst Câți neuroni există ca miliarde și miliarde și miliarde de neuroni toate conectarea Este ca 09:57.460 --> 10:02.770 și cum am vorbit despre cinci sau cinci sute sau o mie sau milioane 10:02.770 --> 10:04.780 de miliarde de neuroni acolo. 10:04.910 --> 10:08.350 Și asta este ceea ce vom încerca să recreăm. 10:08.350 --> 10:11.700 Deci, cum putem recrea acest lucru într-un calculator. 10:11.890 --> 10:20.200 Ei bine, vom crea o structură artificială numită o rețea neurală artificială în care avem noduri sau neuroni și vom avea niște neuroni 10:20.590 --> 10:26.500 pentru valoarea de intrare, astfel că acestea sunt valori pe care le cunoașteți despre o 10:26.500 --> 10:27.340 anumită situație. 10:27.340 --> 10:32.080 Deci, de exemplu, modelați ceva ce doriți să prezicați ceva ce ați putea avea întotdeauna ceva de 10:32.080 --> 10:33.310 spus pentru a începe. 10:33.310 --> 10:36.740 Predicția dvs. este dezactivată atunci se numește stratul de intrare. 10:36.820 --> 10:38.100 Apoi aveți ieșirea. 10:38.140 --> 10:43.780 Deci, este de valoare pe care doriți să o preziceți sau este surpriză dacă este cineva care va părăsi 10:43.930 --> 10:45.980 banca sau va rămâne în bancă. 10:46.260 --> 10:50.530 Este o tranzacție frauduloasă, este o tranzacție reală și așa mai departe. 10:50.890 --> 10:52.420 Deci, asta va fi mai scăzut. 10:52.540 --> 10:55.330 Și între noi vom avea un strat ascuns. 10:55.330 --> 11:01.600 Așa cum ați putut vedea în creierul dvs., aveți atât de mulți neuroni, astfel încât unele informații vin 11:01.600 --> 11:04.990 prin ochii dvs., urechile nasului, astfel încât simțurile dumneavoastră. 11:05.140 --> 11:10.210 Și apoi nu este vorba doar de a merge imediat la ieșirea în cazul în care aveți rezultatul este trecând prin 11:10.240 --> 11:15.130 toate aceste miliarde și miliarde și miliarde de neuroni înainte de a ghici ieșire și acesta este întregul concept în spatele 11:15.130 --> 11:17.050 ei că vom gândi modelul creierului . 11:17.050 --> 11:23.170 Așadar, avem nevoie de aceste straturi ascunse care sunt acolo înainte de ieșire, astfel încât neuronii Lares de intrare conectați la un 11:23.170 --> 11:26.580 neuron de strat ascuns pe care neuronii sunt conectați la ieșire. 11:26.880 --> 11:29.280 Și așa este acest lucru este destul de rece. 11:29.290 --> 11:30.550 Dar despre ce este vorba? 11:30.550 --> 11:34.040 Unde este învățarea adâncă aici sau de ce nu se numește adânc mai adânc aici. 11:34.090 --> 11:41.090 În timp ce acest lucru este un fel de opțiune pe care o putem numi învățământ superficial în care nu se întâmplă 11:41.110 --> 11:41.890 prea multe. 11:41.890 --> 11:43.400 Dar de ce se numește deplângă. 11:43.420 --> 11:50.020 Ei bine, pentru că atunci luăm acest lucru la nivelul următor îl separăm și mai departe și 11:50.020 --> 11:58.180 nu avem doar o singură lovitură și acolo avem multe și multe straturi ascunse și apoi conectăm totul la fel ca și 11:58.180 --> 12:01.930 în creierul uman conectați tot ceea ce este interconectat. 12:01.930 --> 12:08.660 Și așa se procesează valorile de intrare prin toate aceste straturi ascunse la fel ca în creierul uman. 12:08.770 --> 12:12.380 Apoi, avem o valoare de ieșire și acum vorbim de învățare profundă. 12:12.460 --> 12:15.910 Deci asta este ceea ce înseamnă învățarea la un nivel foarte abstract. 12:15.940 --> 12:21.180 Și tutorialele suplimentare pe care le vom diseca și se aruncă adânc în învățare profundă și până 12:21.180 --> 12:26.480 la sfârșitul ei veți ști ce planificare este vorba și veți ști cum să o aplicați în proiectele dvs. 12:26.500 --> 12:31.910 Super încântat de această așteptare pentru a începe și aștept cu nerăbdare să văd următorul tutorial. 12:31.950 --> 12:33.700 Până atunci se bucură de învățare profundă.