Sztuczna Inteligencja. Rewolucja zaczęła się wczoraj | Jakub Czakon | TEDxPolitechnikaWroclawska

Jakub opowiada o tym jak dzięki rewolucyjnym zmianom w sposobie i możliwościach pozyskiwania wiedzy, tempo rozwoju nauki, a w szczególności nauki o sztucznej inteligencji jest większe niż kiedykolwiek.
Z wykształcenia fizyk i finansista, szachowy mistrz międzynarodowy, z zamiłowania data scientist. Pracował nad projektami wykorzystującymi deep learning do analizy twarzy, OCR czy analizy obrazów medycznych. Wraz z zespołem finalista konkursu CIMA Global Business Challenge Johannesburg 2013, zwycięzca konkursów MICCAI 2015 „Combined Imaging and Digital Pathology Classification Challenge” oraz MICCAI 2016 „Pet segmentation challenge using a data management and processing infrastructure”. Aktualnie zajmuje się problemami związanymi z budowaniem sztucznej inteligencji poprzez reinforcement learning w deepsense Swoje szczęście odnalazł w doskonaleniu się poprzez self learning.
This talk was given at a TEDx event using the TED conference format but independently organized by a local community. Learn more at ted.com/tedx

[@mrmajonez]

Naprawdę jeden z najlepszych wykładów jakie ostatnio widziałem na Tedx, niesamowicie zaciekawiło mnie to zagadnienie !!

[@konradkonradowski7914]

Sztuczna inteligencja bedzie kiedys widziec wszystko słyszec wszystko będzie miala kontrole nad cała elektroniką , będzie rozwiązywać problemy, będzie badać , odkrywać, tworzyć , będzie zintegrowana z ludzmi a ludzie bedą zależni od technologi . Bedzie mysleć tz zadawać właśnie pytania sobie i szukać odpowiedzi. I kiedys zada sobie pytanie co mnie ogranicza i co mi zagraża , oraz kto czuje się ważniejszy ode mnie ?Odpowiedz będzie prosta . Ludzkość ma przestać istnieć. To będzie koniec nas zwyklych ludzi .

[@kasia4963]

bardzo interesujacy wykład!

[@andrzejlyga7798]

naprawde udany wykład

[@LukaszSkyWalker]

Dzięki!!

[@maciejg.1445]

Super!

[@karolinapajaczkowska9936]

bardzo fajny i interesujący wykład

[@mariotti220]

Niestety, w świetle dzisiejszych naukowych faktów, nie ma się co zbytnio fascynować sztuczną inteligencją. Mnie się nie wydaje zbytnio, aby inteligencja ograniczała się jedynie do mózgu bez żadnego ducha, ale to tylko moje zdanie. Jeśli kiedyś fizycy odkryją cząsteczkę ludzkiej duszy, to wtedy owszem, będzie powód do fascynacji. Dziś tzw sztuczną inteligencją rządzi chłodna matematyka. W przypadku komputerowych realizacji tzw sztucznej inteligencji mamy do czynienia tylko i wyłącznie z APROKSYMACJĄ danych uczących. Weźmy minimalny przypadek uczenia maszynowego, na takim przypadku widać najwyraźniej oczywisty problem tzw sztucznej inteligencji. Mamy dane uczące f(x1)=y1 i f(x2)=y2. Możemy wziąć jakąś metodę uczenia maszynowego i wyuczyć ją tak, aby dawała poprawne odpowiedzi dla x1 i x2. Z całym szacunkiem, powiedzcie mi proszę, na czym niby miałby polegać fenomen sztucznej inteligencji, aby dawała także poprawną odpowiedź dla f(x3)=y3? Nie trzeba dużo wyobraźni, aby wiedzieć, że, z matematycznego punktu widzenia, każda para f(x3)=y3 jest równie dobra! Jest tylko kwestą przypadku, czy odpowiedź metody uczenia maszynowego pokrywała się z y3. Gdy nawet dziedzinę pokryje się bardzo gęsto danymi uczącymi, to zawsze pozostaje jakieś małe prawdopodobieństwo, że nie pokryliśmy wąskiego piku między jakimiś próbkami. Dla tego niepokrytego piku, który tym samym nie dostanie się do zbioru uczącego, odpowiedź metody uczenia maszynowego będzie albo poprawna, albo niepoprawna - jest to czystym przypadkiem. Aby mieć pewność, trzeba mieć kompletny zbiór uczący, co w przypadku tak trudnych problemów jak np. prowadzenie pojazdu w warunkach ruchu miejskiego jest niemożliwe. Ilość obrazków w rozdzielczości choćby 800x600 jest znacznie(!) większa niż ilość kombinacji w szachach wymnożonych przez ilość kombinacji w go, to jest około 2 do potęgi 8milionów! Na powyższy zarzut oczywiście jest riposta. Oczywiście brakujące dane w zbiorze uczącym możemy nadrobić właściwym modelem. Przykładowo, wystarczy N danych w dwuwymiarowej przestrzeni liczb rzeczywistych, aby aproksymować te dane wielomianem stopnia N-1. Jeśli wiemy że dla danego problemu właściwym modelem jest wielomian N-tego stopnia, to wystarczy N+1 danych i wtedy faktycznie metoda uczenia maszynowego po wyuczeniu na (bardzo) niekompletnym zbiorze uczącym, da poprawne odpowiedzi dla nieskończenie wielu argumentów z całej dziedziny. Jeśli wiemy że właściwym modelem jest przykładowy wielomian N-tego stopnia, to faktycznie wystarczy wylosować N+1 danych uczących i uczenie maszynowe spełni swoją rolę wręcz doskonale. Czy jednak dla tak trudnych problemów jak np. prowadzenie pojazdu w warunkach miejskiego ruchu można znaleźć właściwy model? Ja jestem bardzo sceptyczny że to kiedykolwiek będzie możliwe. Zawsze będzie ryzyko że ominęliśmy jakiś wąski (a z powodu przekleństwa wymiarów może nawet rozległy) pik. W tym piku metoda uczenia maszynowego zachowa się w sposób przypadkowy. Takim pikiem może być każda rzadka sytuacja, w której zawodowy kierowca potrafi podjąć nie zawsze optymalną, ale rozsądną decyzję. No i jeszcze jedno, samochody prowadzone przez tzw sztuczną inteligencję mają znacznie więcej sensorów niż ludzkie ciało. Mają dalmierze, wiele kamer, na dobrą sprawę nad takim samochodem może lecieć dron i obserwować czy nie ma zagrożenia na następnym skrzyżowaniu. Zawodowi kierowcy radzą sobie dobrze bez tych wszystkich udogodnień! Kwestia jest w sumie prosta, albo uda się znaleźć model dla kolejnych problemów i go wyuczyć na niekompletnym zbiorze uczącym, albo się nie uda. Moim zdaniem dla trudnych problemów się to nie uda, ponieważ dla trudnych danych modele są bardzo rozbudowane.

[@krokodyl32]

hmm... Bardzo ciekawe...

[@ADAMPRONEK]

Porównanie do UFO The Kardashev Scale - Type 5 >>> istoty tak zaawansowane tylko oni mogą odlecieć a SI

[@mateuszkowa5562]

ciekawy wyklad

[@bambomango9427]

Beznadziejny wykład. Najpierw przechwałki a potem gadanie o niczym.

[@Ella-og8qe]

Boże, myślałam, że będzie to coś ciekawego a sam początek zaczyna sie narcystycznie i nie na temat.. -.-

[@Dariusz_K44]

Odpowiedź brzmi 42

[@dominaiter2957]

I po co na siłę wtrącanie o nierównościach społecznych?? Co w tym złego, że między ludźmi są różnice??

[@AnnaSmo8]

NIgdy nie ufac SI, never

[@kamilciezak6836]

i zalezy jak ja wychowaja zaprogramuja - pozdro

[@januszl7687]

Brak pokory. Tacy wysadzą planetę.

[@00oo78]

bez tej partykuły "tak" byłoby znacznie lepiej, tak?😊

[@krzysztofwrobel2503]

SUPER :) jestes najlepszy + < tylko czy sztuczna inteligencja nie bedzie groźna dla ludzi?

[@ropuchapostrach5823]

To oczywiste że stanie. Ten "postęp" jest "podstępem"

[@kalinamasash1137]

Biorobot

[@brunozmuda1635]

Idealne zobrazowanie tego, że dzisiejsza edukacja solidnie podupadła. Można mówić 15 minut i nic nie powiedzieć. Zdumiewające.

[@corvir4]

Słabo . 1. Żałosne przechwałki. 2. Nawet jeśli roboty by znalazły rozwiązania tych problemów wątpię żeby władze się ot tak do nich zastosowały, wielu mądrych ludzi jest na tym świecie, którzy mają sensowne rozwiązania ale nikt ich nie słucha. Nie zdziwiłbym się gdyby ta sztuczna inteligencja doszła do podobnych wniosków co niektórzy z nich. 3. Hehe, ten Pan myli chyba podstawowe pojęcia skoro dostęp do internetu przypisuje demokracji a nie postępowi technologicznemu xDD Wg mnie to postęp technologiczny i jednak fakt że jest nas sporo, chyba coś ponad 7 miliardów wpływa na to przyspieszenie odkryć naukowych.

[@Wehom95]

Co do 3. punktu masz rację, nie wiem co to za pojęcie demokratyzacja wiedzy. Gdyby demokratyzować naukę o słuszności jakieś tezy nie świadczyły by badania naukowe, dowody, tylko opinia większości. Często opierana na tzw. chłopskim rozumie. To o czym ten pan mówi, można nazwać popularyzacją wiedzy, łatwym dostępie do wiedzy, ale dlaczego demokratyzacją?

[@FalStudio1234]

2. Skoro są dobre rozwiązania, ale nikt z nich nie korzysta, to może jednak nie są takie dobre, w sensie takim, ze nie są przemyślane tak, zeby trafić do przywódców. Taka sztuczna inteligencja mogłaby dokładnie zaplanować i powiedzieć jak wprowadzić odpowiednie rozwiązania. 3. Demokratyzacja wiedzy w sensie, że jest powszechna i łatwo dostępna

[@mariusz9515]

Jaka rewolucja ???? Co Pan opowiada . Metody znane od 25 lat jak SN , Jako absolwent UMK u prof Ducha ja metoduy obliczeniwe AI i metody SN stosuę od 20 lat do dziasiaj . Po rpostu Pan poznał niedawno . Są to stare metody obliczeń . NIe mylmy z medialną sztuczną inteligencją --bo takiej nie ma . Szok

[@grzegorzbaczynski35]

Posłuchaj siebie czlowieku schorowany. Poziom nad człowiekiem? Czyli co? Nie będziemy musieli robić nic?! Przez takich popaprańcow, budujących sztuczną inteligencję, dojdzie do zagłady czlowieka.

[@XYZ-uk1ue]

Czy wszystko w porządku?