Iata ce spune un cercetator de date australian, Jeremy Howard,
despre computerele inteligente: "Altădată, dacă voiai ca un computer să facă ceva nou, trebuia să-l programezi, să stabilești în cele mai mici detalii fiecare pas pe care i-l ceri calculatorului pentru a obține ce dorești. În 1956, Arthur Samuel dorea să programeze un calculator care să-l învingă la dame. Cum faci să programezi calculatorul în cele mai mici detalii încât să joace dame mai bine decât tine? I-a venit o idee: a pus calculatorul să joace cu el însuși de mii de ori ca să învețe să joace dame. Ideea a mers. În 1962 calculatorul acesta l-a învins pe campionul statului Connecticut. Arthur Samuel a fost părintele învățării automate. Eu îi sunt recunoscător pentru că și eu mă ocup cu învățarea automată. Am fost președinte la Kaggle, o comunitate cu peste 200 000 de practicanți ai învățării automate. Kaggle organizează competiții pentru rezolvarea problemelor încă nerezolvate. Și a avut sute de reușite. Din poziția mea avantajoasă am aflat ce putea face învățarea automată în trecut, ce poate face azi și ce ar putea face în viitor. Probabil primul mare succes al învățării automate a fost Google. Google a demonstrat că poți găsi informații folosind un algoritm computerizat bazat pe învățarea automată. De atunci s-au înregistrat numeroase succese comerciale în domeniu. Companii ca Amazon și Netflix folosesc învățarea automată pentru a vă sugera ce ați vrea să cumpărați, ce filme ați vrea să vedeți. Uneori aproape că te sperie: de exemplu LinkedIn și Facebook îți spun cine ți-ar putea fi prieten și habar n-ai cum au procedat. Se folosește puterea învățării automate. Sunt algoritmi care învață din date, fără să fie programați manual. Tot așa a avut succes și IBM cu Watson, care a învins cei doi campioni mondiali la „Jeopardy”, răspunzând la întrebări incredibil de subtile și complexe. Tot astfel azi avem primele mașini care se conduc singure. A face diferența între un copac și un pieton, de exemplu, e important. Nu știm să scriem de mână astfel de programe, dar prin învățare automată acum e posibil. Mașina aceasta a mers peste 1 milion de km fără accidente, pe șosele obișnuite. Acum știm: calculatoarele pot învăța, ba chiar pot învăța să facă lucruri pe care uneori nici noi nu știm să le facem sau poate le fac mai bine decât noi. Învățarea profundă e un algoritm inspirat din funcționarea creierului și astfel, teoretic, e un algoritm fără limitări în ceea ce poate face. Cu cât îi dai mai multe date și timp de calcul, cu atât devine mai bun. Computerele pot asculta și înțelege. Sinteza vocii – tot învățare profundă.
E un singur algoritm, care pare să poată face orice. Am aflat că înainte
cu un an învățase și să vadă. Într-o competiție obscură din Germania de recunoaștere a indicatoarelor rutiere, a recunoscut indicatoarele mai bine decât orice alt algoritm și conform clasamentului chiar mai bine decât oamenii, de vreo două ori mai bine. Deci până în 2011 a apărut primul calculator care vede mai bine ca oamenii. De atunci s-au întâmplat multe. Oamenii nu învață din explicații despre ce văd, ci din propria experiență cu lucrurile. În 2012, Geoffrey Hinton a câștigat celebra competiție ImageNet, încercând să-și dea seama ce reprezintă 1,5 milioane de imagini. În 2014 eroarea de recunoaștere a imaginilor a scăzut la 6%. Din nou mai bine ca oamenii. Google a anunțat anul trecut că a cartografiat toate locurile din Franța în două ore. Au făcut asta încărcând imagini ale străzilor într-un algoritm de învățare profundă care citește numărul străzii. Imaginați-vă cât ar fi durat altădată: zeci de oameni, mulți ani. Învățarea profundă are acum performanțe aproape umane în a înțelege despre ce e propoziția și ce comunică ea. Învățarea profundă se folosește la a citi în chineză aproape de nivelul de vorbitor nativ. Algoritmul a fost dezvoltat în Elveția de oameni care nu vorbesc și nu înțeleg deloc chineză. Iată un sistem pus la punct de compania mea, care combină toate acestea. Aceste imagini nu sunt însoțite de text și pe măsură ce tastez propoziții aici înțelege în timp real imaginile, își dă seama despre ce e vorba și găsește imagini similare cu cele din textul scris de mine. După cum vedeți, înțelege atât propozițiile cât și imaginile. Știu că ați văzut ceva similar pe Google: – tastați ceva și vă arată imagini –, dar acolo de fapt caută pagini de internet după text. E cu totul altceva decât a înțelege imaginile. Calculatoarele au învățat să facă asta abia acum câteva luni. Așadar calculatoarele nu doar văd, ci pot și citi. Și desigur am demonstrat că înțeleg ce aud. Atunci nu vă va mira dacă vă spun că pot să și scrie. Iată un text pe care l-am generat ieri cu un algoritm de învățare profundă. Iată și un text generat de un algoritm de la Stanford. Fiecare propoziție a fost generată de un algoritm de învățare profundă pentru a descrie imaginile. La testare oamenii preferă descrierile generate de calculator cam o dată din patru. Sistemul are abia două săptămâni, deci probabil într-un an algoritmul va depăși performanța umană. Deci calculatoarele pot și să scrie. De exemplu, în medicină, o echipă din Boston a anunțat că a descoperit zeci de caracteristici relevante clinic ale tumorilor care ajută doctorii să prezică apariția cancerului. Similar, la Stanford un grup a anunțat că cercetând la microscop țesuturile au realizat un sistem cu învățare automată care reușește mai bine ca patologii umani să prevadă proporția de supraviețuire a pacienților cu cancer. În ambele cazuri previziunile au fost mai exacte și au ajutat și la progresul științific. În cazul radiologiei au apărut indicatori clinici înțeleși de om. În cazul patologiei sistemul computerizat a descoperit că celulele din jurul cancerului sunt la fel de importante ca cele canceroase în stabilirea diagnosticului. Asta infirmă ce spun cursurile de patologie de multe decenii încoace. În ambele cazuri, sistemele au fost realizate de experți în medicină împreună cu experți în învățare automată, dar anul trecut am depășit și acest prag. Iată un exemplu de identificare a zonelor canceroase a țesutului uman la microscop. Sistemul prezentat aici poate identifica acele zone mai exact sau cam la fel de exact ca patologii umani, dar a fost realizat prin învățare profundă, fără competențe medicale, de oameni care nu aveau pregătire în domeniu. La fel, iată segmentarea unui neuron. Acum putem segmenta neuroni la fel de precis ca oamenii, dar sistemul a fost realizat prin învățare profundă, fără cunoștințe de medicină. Atunci eu, deși nu am pregătire în medicină, se pare să sunt calificat să pornesc o firmă de medicină. Ceea ce am și făcut. Mi-a fost puțin frică să fac asta, dar teoria pare să sugereze ca poți să faci ceva foarte util în medicină folosind doar metode de analiză a datelor. Forumul Mondial Economic spune că ne trebuie de 10–20 de ori mai mulți medici în țările în curs de dezvoltare și că ar dura cam 300 de ani pentru a forma oameni și a acoperi lipsa. Ce-ar fi dacă le-am crește eficiența folosind tehnicile de învățare profundă? Mă bucură această șansă, dar mă și îngrijorează problemele. 80% din munca din lumea dezvoltată acum știe și calculatorul s-o facă. Ce înseamnă asta? Lasă, o să apară alte locuri de muncă, de exemplu în cercetarea datelor. De fapt nu prea. Cercetarea datelor nu cere mult timp. Acești patru algoritmi au fost construiți de un singur om. Poate vă gândiți că s-a mai întâmplat și am văzut deja rezultatele: când apare ceva nou apar și alte locuri de muncă. Dar care vor fi acestea? E greu de estimat, pentru că performanța umană crește încet, dar știm că sistemul de învățare profundă crește exponențial în capacitate. Revoluția Învățării Automate va diferi mult de Revoluția Industrială pentru că lucrurile nu se vor stabiliza niciodată. Cu cât calculatorul va fi mai bun la activități intelectuale, cu atât vor construi calculatoare mai bune la activități intelectuale. Atunci va avea loc o schimbare nouă pe care omenirea n-o cunoaște, încât ce știam că e posibil nu mai e valabil. Deja simțim efectul. În vreme ce productivitatea capitalului a crescut în ultimii 25 de ani, productivitatea muncii a rămas constantă, ba chiar a scăzut un pic. Computerele pot face azi lucruri pentru care oamenii muncesc mult timp și sunt plătiți. E momentul să începem să ne gândim cum ne vom adapta structurile sociale și economice în fața acestei noi realități."