AutoML Vision and Designing Product Experiences at Google (Google Cloud AI Huddle)

[음악 재생] PUNEITH KAUL : 우선 Cloud AI Huddle에 오신 것을 환영합니다 내 이름은 Puneith입니다

클라우드 AI 엔지니어링 팀에 있습니다 AI 개발자 옵션에 중점을 둡니다 그래서 다시 당신에 관한 것입니다 나는 당신이 두 개의 링크를 체크 아웃하도록 초대하고 싶습니다 bit

ly/aihuddle, TLDR에는 AI Huddle이 있습니다 개방적이고 협업적인 개발자 우선 포럼, 이는 Google AI 전문 지식에 의해 주도됩니다 그리고 이것은 Google 직원과 소통하는 포럼입니다 그리고 우리는 당신의 AI 문제를 해결하도록 도울 것입니다 그리고 두 번째 것은 우리가 지난 주 발표되거나 발표 된 클라우 사이 근무 시간은 다음과 같습니다

여전히 조종사입니다 그리고 그것은 당신이 연결할 수있는 프로그램이나 VC, 가상 컨텐트, Google 직원과 함께 문제에 대해 이야기하십시오 당신은 직면하고 있습니다 차단 해제하는 가장 좋은 방법입니다 정말 빠른 방법으로

그리고 나서 우리의 전체 클라우드에 대해 빠르게 외쳐라 AI 커뮤니티 어제 현재 회원수는 950 명입니다 그리고 다시 한 번 당신에게 큰 소리 쳐요 열의 때문에 정말 고마워

그리고 단지 일종의 기세를 계속하십시오 AI 여행에서 차단 해줄 수 있도록 도와주세요 그것으로, 나는 그것을 Shantanu에게 넘겨 줄 것이다 Shantanu, 가져가 SHANTANU PAI : 안녕하세요

나는 샨타 누다 Brian이 놀랍지 만 빠른 소개를 할 것입니다 나는 우리가이 모든 것을 빨리 처리 할 수 ​​있는지 모른다 그러나 Brian Kobashikawa는 수석 인터랙션 디자이너입니다 Google의 Cloud AI 팀에서 그리고 오늘 볼 워크 플로 Brian이 디자인했습니다

그래서 기본적으로 처음부터, 처음부터, 0에서 오늘 볼 수있는 것까지 가고, 그것은 놀라운 여행이었습니다 그리고 우리는 최근 AutoML Vision을 출시했습니다 그래서 당신은 어느 정도까지, 우리가 실제로 디자인 결정에 어떻게 도달했는지 Brian은 이전에 Google 소재 디자인 팀에서 일했습니다 그리고 그 전에는 여러 미국 기관에서 일했고, 리드 비주얼 디자이너로서의 여러 해를 포함하여 야후 메신저 및 야후 메신저

너에게, 브라이언 BRIAN KOBASHIKAWA : 좋습니다 음, 고마워 모두들 나들을 수 있니? 괜찮아 그래, 그래

나는 오늘 밤 의제가 가고 있다고 생각한다 상당히 간단하다 AutoML Vision에 대한 소개로 시작하겠습니다 사무용 겉옷 그런 다음 데모에 들어갑니다

희망 사항은 라이브 데모입니다 그 다음에, 나를 때리는 부분 내 관점의 두드러진 부분으로 사용자 경험이나 UX에 대한 깊은 이해입니다 결과적으로 이야기는 아마도 아마 이전의 AI와 조금 다르다 그것은 매우 집중하고 있다는 점에서 만남 Google에서 제품 경험을 어떻게 디자인했는지, 특히 초기에 떠오르는 AI 공간 우리가 무수한 UX 문제를 해결하기 위해 어떻게 노력하고 있는지 이러한 경험을 통해 존재합니다 먼저, 소개부터 시작합시다

AutoML Vision에 그리고 그걸 시작하기 위해, 우리는 컴퓨터에 대한 사명을 가지고 있습니다 비전 그룹 전반 이는 개발자가 차세대 애플리케이션을 개발하는 데 도움이됩니다 컴퓨터 비전 기반 자치 솔루션 여기이 파란색 막대는 작업 영역을 나타냅니다

우리가 집중하고있는 것은 우리의 예비 훈련 된 기계입니다 학습 API 및 AutoML AutoML 존재 – 세 가지 제품이 있습니다 불과 몇 달 전에 Google Next 2018에서 출시되었습니다 그것은 AutoML Vision, AutoML 자연 언어, 및 AutoML 번역

ML API 및 AutoML의 기초 기술과 연구 그리고 수십 년간의 Google Machine Perception 팀에서 문제가 발생했습니다 TensorFlow 및 클라우드 호스트 TPUs에 대한 투자 이러한 제품의 개발을 주도하십시오 차례 차례로 다양한 다른 유스 케이스를 몰 수있다 그리고 이러한 유스 케이스는 매우 다양하거나 광범위한 영역에 걸쳐 있습니다 시력의 경우와 마찬가지로 에너지에서부터, 풍력 터빈에서 부식 지점을 감지 할 수있는 것처럼, 예를 들어 소매업에 이르기까지 제품 카탈로그가있는 곳 사진의 물체를 인식하려고합니다

해당 카탈로그와 일치하는 그래서 그것이 나온 것처럼, 사전 학습 된 기계 학습 Vision API 인 API는 실제로 많은 유스 케이스를 다룹니다 그래서 그것은 pretrained 모델입니다 그것은 다양한 특징을 가지고 있습니다 cloudgoogle

com/vision에서 자세한 내용을 확인할 수 있습니다 그러나 여기에 다양한 기능이 있습니다 아래쪽 4 개는 오른쪽 하단에 필기체 OCR, 제품 검색, Object Localizer 및 웹 탐지 7 월에 다음 2018 년에 발표되었습니다 하지만 다양한 사용 사례가 있습니다 이러한 기능은 광학 문자 인식, 스캔 및 전송 가능 대량의 종이 문서, 라벨, 로고 감지, 일반적인 색상과 같은 이미지 속성 또는 지배적 인 색

그래서 사전에 준비된 Vision API는 많은 것을 처리 할 것입니다 이 특별한 경우 중 또한 클라우드 웹 사이트의 ML API 섹션으로 이동하면 Video Intelligence API가 있다는 것을 알 수 있습니다 자연어 API, 번역 API가 있습니다 번역 API는 실제로 잠시 동안 사용되었습니다

그러나 문제는 찾고있는 데이터가 또는 당신이 가고있는 목표 다른 도메인에 속해 있고 당신 이러한 매우 구체적인 개념을 지원할 필요가 있습니다 반드시 Vision API에서 다룰 것인가? 그리고 아마 데이터 과학자가 올 수있는 대답 일 것입니다 와 함께 그들이 자신의 컴퓨터 비전을 만들 것입니다 모델 그리고 여기까지, 우리는 매우 거칠게 다른 단계 그 모델을 구성하는 것 그러나 그런 식으로 다양한 질문이 있습니다

데이터 과학자들이 요구할 것입니다 그리고 이것들이 떠오르는 질문들입니다 UX 연구 및 기타 이니셔티브에서 우리가 과거에 해왔 던 예를 들어 데이터 전처리를 할 때, 당신이 물을지도 모르는 질문들 중에는, 어떤 전처리 기술을 사용해야합니까? 내가 모델의 다음 몇 단계로 넘어갈 때 디자인 및 이러한 매개 변수를 조정할 수있는 질문 그 사용자들이 물어볼 것은, 음, 어떤 기술을 사용해야합니까? 심오한 학습을하고 있다면 어떤 아키텍처인가요? 내가 선택해야하고 어떤 종류의 하이퍼 파라미터 나는 튜닝해야 하나? 그런 다음 평가 단계로 넘어 가면 이 목표를 달성하기 시작합니다 그 데이터를 분석 할 수 있다는 점에서, 어떤 측정 항목이 가장 중요하거나 가장 중요한지 이해하기 내 목적과 관련이있다 내 모델이 실제로 잘 작동하는지 어떻게 알 수 있습니까? 내 데이터를 실제로 향상시킬 수있는 방법은 무엇입니까? 내가 재 훈련해야한다면, 실제로 더 나은 결과를 얻을 수 있을까요? 그리고 배포를 위해 주위에 질문이 있습니다

어떤 인프라를 사용해야합니까? 대규모로이 모델을 제공 할 수 있습니까? 또는 전반적인 대기 시간 목표를 어떻게 달성합니까? 그런 다음이 업데이트 프로세스가 있습니다 그런 다음 이전 단계로 돌아갑니다 그래서 당신은이 질문들을 여러 번해볼 수도 있습니다 이제 데이터 세트를 검토하고 개선하기 시작합니다 그리고 당신이 길을 따라이 질문들에 대답 할 때, 니가하는 것처럼 꽤 비싸기 시작할 수있어

이 모든 다른 경로를 선택하기 시작합니다 어떤 조합이 가장 잘 작동하는지 확인하고 결과 그리고 나서 언제든지 당신이 목표를 바꿀 것이라고 말하면됩니다 또는 주위를 이동하면 많은 경우 처음부터 다시 시작해야합니다 AutoML을 사용하여 살펴본 점 모든 복잡한 단계를 밟을 수 있습니다

ML 모델을 만들고 어떻게 든 자동화 할 수 있습니다 우리가 보여줄 방법은 우리가 사용자 인터페이스에서 어떻게 표시되는지 확인하십시오 그러나 AutoML의 목표는 무엇입니까? 요점은 실제로 수집하는 데 집중할 수 있다는 것입니다 올바른 데이터를 파악하고 올바른 비즈니스를 정의 할 수 있습니다 목표를 갖고 있으며 여전히 모델을 가지고 있습니다

생산에 배치 할 수있는 충분한 품질 워크 플로가 그 다음에 나타납니다 증류수가 될거야 일부 교육 이미지로 데이터 세트 작성 및 레이블 이를 AutoML에 전달하면 모델 교육의 전 과정을 수행하고, 모델 배포 및 Google에서 모델 제공 구름 그리고 나서 결국 간단한 REST 인터페이스가 완성됩니다

그러한 유형의 예측을하기위한 것입니다 그렇다면 AutoML은 현재 어떤 유형의 기능을 사용하고 있습니까? have 또는 AutoML Vision은 현재 가지고 있습니까? 글쎄, 우리는 단일 레이블 분류가 있습니다 이 경우 이미지가 있어야 할 수도 있습니다 여러 클래스 중 하나 일뿐입니다 여기에 우리가 가져온 예가 있습니다

다른 구름을 구별하려고하는 곳입니다 전체 물리적 특성에 기초하여 서로 유형을 짓는다 또는 이러한 구름의 시각적 속성 그리고 이것은 이러한 입력 중 하나 일 수 있습니다 날씨가 어떤지를 잘 보여주기 위해 같이 될 것입니다

그것의 다른면은 다중 라벨 분류 일 것이다 여기서 이미지는 여러 클래스를 가질 수 있습니다 그래서 한 가지 예가 아마도 당신 일 것입니다 이 거대한 라떼 아트 데이터베이스를 만들고 싶습니다 그리고 당신은이 모든 다른 지표들을 가지고 있습니다

이 라떼 아트가 가져야 할 속성의 유형 그리고 언제 어느 시점에서 당신은 – 언제 사람들이 라떼 아트의 새로운 이미지를 업로드합니다 그들은 자동으로 분류하고 쉽게 검색 할 수 있습니다 그리고 모든 것 그러나 이것은 당신이 반드시 깃털이 라떼 나 에칭보다 우승하기를 원한다 모카를 이기기 위해

하지만 오히려 그들은 마치 공통 속성을 공유합니다 두포에서 일어나는 일은 AutoML이 실제로 AI를 사용하여 인공 지능을 만듭니다 우리가 의미하는 바는 우리가 실제로 소개하는 것입니다 데이터를 AutoML에 제출하면, AI 에이전트가 들어 와서이 모델을 만들 수 있습니다 깊은 학습 기술을 사용하여 해결할 최적의 아키텍처와 하이퍼 매개 변수 집합을가집니다

귀하의 특정 비즈니스 요구 그리고 그것이 4 월에 돌아온 것처럼, 나온이 기사가 나왔다 이 일본어 연구원은 라면의 사진을 찍을 수 있습니다 그리고 Ramin Jiro라는 가게가 있습니다 40여 곳이 있습니다

이 연구원이 할 수 있었던 것은, 제가 믿습니다 각 상점에서 1,000 장의 사진 AutoML에이를 전달할 수 있어야합니다 약 24 시간 동안 훈련 시키십시오 모든 것이 끝나고 끝나면 어떤라면 가게가 왔는지 예측할 수있었습니다 95 %의 정확도와 같은 것에서 94 포인트 뭔가의 퍼센트 또는 94 점의 퍼센트 퍼센트 정도

흥미로운 사건이었습니다 왜냐하면 저는 나 자신은 거대한라면 팬이다 그래서 나는 – [웃음] 인공 지능에 관한 기사로 당신이 침을 뱉는 것은 매우 드뭅니다 하지만 그것은 부부 중 하나가 될 것입니다 하지만 어쨌든

UX가 참여하기 시작하는 곳 사용자 스토리를 만드는이 모든 과정 및 시나리오 그래서 우리는 간단한 것으로 시작하겠습니다 그럼이 사용자부터 시작하겠습니다 제인 한테 전화 할게 그녀는 야생 생물 보호 구역의 개발자입니다

Cloud Vision API에 익숙한 것일 수도 있습니다 그러나 그녀는 일반적으로 일반적으로 API를 구현하는 것에 익숙합니다 그녀는 많은 양의 이미지를 가지고 있습니다 그러나 그녀는 직접적인 ML 경험이 거의 없습니다 그녀는 ML 열혈 팬 중 한 명입니다

그리고 불행히도,이 사진은 조금 씻겨 냈습니다 하지만 그것은 날지 못하는 새의 작은 실루엣입니다 바로 거기 그래서 그녀가하고 싶은 것은 조류 분류자를 만드는 것입니다 그래서 그녀는 경험을 향상시킬 수 있습니다

그녀의 조류 관찰 앱 어쩌면 일어나는 일이 그녀는 Vision API, 사전 교육 된 Vision API, 그녀의 많은 라벨 기술이나 라벨 작업을 처리 할 수 ​​있습니다 그러나 에뮤를 구별 할 수있는 경우 화식 조로부터, 레어에서 타조로, 그녀는 그 문제를 해결할 더 많은 커스텀 모델을 만들고 싶습니다 그래서 그녀가 이것을 할 수있는 방법은 무엇입니까? 음, 몇 가지 다른 접근 방법이 있습니다 하나는 그녀가이 오즈 오브 마법사 방식을 사용할 수 있다는 것입니다

사용자가 이미지를 제출하면 그녀는 은밀하게 이 이미지들을 가져 와서 인간 라벨링 풀에 보내라 어딘가에 들어가서이 이미지에 라벨을 붙입니다 그것을 돌려 보내 그런 다음 데이터베이스에 의해 색인이 생성됩니다 그러나 이것이 어디에서 시작되는지 알 수 있습니다

장기적으로 모든 것을 확장 할 수있는 것은 아닙니다 사용자 수에 따라 비용이 증가합니다 증가하다, 그녀가 확장하기로 결정하면 그녀는이 4 가지 수업을 넘어서서 그녀가 어떻게 상호 작용 하는지를 복잡하게 만든다 이 라벨링 서비스 그녀가 몇 초 만에 결과를 원한다면 몇 분 또는 며칠이 아닌 그녀에게 맞는 솔루션이 아닐 것입니다

또 다른 가능성은 그녀가 Vision API를 사용할 수 있다는 것입니다 그러나 앞에서 언급했듯이이 카테고리 반드시 충분히 구체적 일 필요는 없다 그녀의 유스 케이스를 만난다 세 번째 옵션은 몇 개의 슬라이드를 다시 가져온 것입니다 그녀는 모델을 쓸 수 있다는 것입니다

그러나 그녀의 인물 묘사에 언급 된 바와 같이, 그녀는 ML 전문가가 없다 그 모델을 만드는 것 그래서 우리가 궁극적 인 해결책으로 제공하는 것 Google이 기본적으로 할 수있는 AutoML Vision을 사용하는 것입니다 자신의 이미지와 라벨을 모델로 훈련 시키십시오 그래서 이것이 우리가 데모에 들어가는 곳입니다

그리고 잘하면,이 작동합니다 그래서 셋업으로 birds라는 폴더를 만들었습니다 왼쪽에 그리고 그 안에 네 개의 폴더를 만듭니다 내가 원하는 다른 레이블들로 그런 다음 각 폴더 내에서 나는 단지 내가 원하는 모든 이미지를 던졌다

타조 또는 emu 또는 레어를 표시합니다 그래서 내가 여기 갈 수 있다면 – 나는 여기 갈거야 그리고 이것이 AutoML Vision 인터페이스입니다 이것은 내가 새로운 데이터 세트를 만드는 것입니다 그래서 나는 여기에 가서 말할 수있다

좋아, 나는이 새들을 불러 줄 것이다 그리고 여기에서 내 이미지를 가져올 수 있습니다 세 가지 옵션이 있습니다 그래서 하나의 옵션이 나의 목적에 적합한 옵션입니다 기본적으로 내 컴퓨터에서이 이미지를 업로드하는 것입니다

여기서 나는이 파일들을 선택한다 그리고 나는 말할 것이다, OK 이 새들을 가져갈 게요 [INAUDIBLE] 그리고 그렇게 팝니다 우리가 가진 다른 주요 옵션 Google Cloud Storage에서 CSV 파일을 선택할 수 있다는 것입니다 그리고 이것은 특히 유용 할 것입니다 지나치게 많은 양의 이미지가있는 경우, 이 경우 Google Cloud Storage의 엄청난 수의 이미지를 얻기위한 도구 귀하의 데이터 세트에 다른 가능성은 당신이 교육 유효성 검사 테스트를 제어하려고합니다

split으로 지정할 수 있습니다 CSV 파일 자체 내에서 어떤 버킷으로 들어가야하는지 여기에 약간의 코드가 있습니다 그 검색 구문이 어떻게 작동하는지 설명합니다 이미지의 위치에 대한 경로가 있습니다

Google Cloud Storage에 있습니다 그리고 쉼표로 그 뒤에옵니다 그 다음에 레이블을 붙이십시오 그런 다음에 훈련, 검증 또는 시험에서, 당신은 훈련, 검증, 또는 테스트 그리고 이것은 아마도 약간의 사용자를위한 것입니다

더 진보 된, 그것은 데이터 분할이 작동하고 그 주변의 우수 사례가 있습니다 그래서 우리는 반드시 그것을 표면화하지는 않습니다 이 시점에서 우리는 자동으로 분할을 처리합니다 그들이 지금 비워두면 그리고 세 번째 옵션은 나중에 이미지를 가져올 수 있습니다

그래서 그들은 기본적으로 빈 데이터 세트로 시작합니다 그리고 인터페이스 자체를 통해, 그들은 이미지를 던져 라벨을 붙일 수 있습니다 UI 내에서 수동으로 라벨을 지정하십시오 인간 라벨링 서비스를 이용하거나 또한 UI에 내장되어 있습니다 그리고 마지막으로 여기있는이 옵션은 기본적으로 분류 유형은 다음과 같습니다

기본적으로 단일 레이블 분류입니다 그러나 선택 사항으로 이 다중 라벨 분류 그래서이 시점에서 Create Data Set를 누르십시오 그런 다음 일정 시간 머문 것입니다 데이터 세트의 크기에 따라 다릅니다

그러나 나는 이것을 생각한다 약 20 ~ 30 분 정도 하지만 여기서 20 ~ 30 분을 기다리지는 않을 것입니다 왜냐하면 나는 정말로 많은 것을 가지고 있지 않기 때문에 그 시간 동안 말하기

그래서 내가 끝내게 될 것은 내가 단지 실제 생성 된 데이터 세트로 건너 뜁니다 그래서, 잘하면,이 작품 그래서 내 인터넷 연결은 하루 종일 괴롭다 그럼 우리가 보겠습니다 그래서 여기, 내 zip 파일을 업로드 한 후입니다

양식 작성을 통해 그리고 20, 30 분 후,이 브라우저에서이 브라우저에 나타납니다 그래서 가져온 모든 이미지를 볼 수 있습니다 여기에 그들과 관련된 레이블이 있습니다 그리고 내가 할 수있는 일은 특정 레이블로 좁힐 수 있습니다 여기에이 항목을 클릭하면됩니다

그래서 저는 화식 조로 그것을 좁혔습니다 그들은 여기있을거야 그리고 나는 내 타조를 본다 내가 할 수있는 일은 내가 갈 수 있다는거야 여기에있는 개별적인 이미지들에 대해서 말하자면, 이 특별한 이미지는 여기에 있습니까? 가설이 아니라면, 이것은 emu가 아니라고 가정 해 봅시다

그것은 실제로 타조였습니다 나는 여기에 가서 타조라고 말할 수 있는데, OK를 누르십시오 그런 다음 해당 데이터 세트를 업데이트합니다 그래서 하나씩 들어가서이 이미지들을 업데이트 할 수 있습니다 또는 여기에서 선택할 수 있습니다

그리고 당신은 클릭을 할 수 있습니다 – 여기를 클릭 선택 또는 다중 선택을 할 수 있습니다 여러 이미지를 만들고 레이블 버튼을 누르십시오 그리고 말하기 위하여이 심상의 대량 재 포장을하십시오, 예 : emu 여기에 모두 내장되어 있습니다 또한 라벨 목록을 처리하기 위해 제작되었습니다

따라서 여기를 필터링 할 수 있습니다 그래서 저는 화식 조로이 방법으로 걸러 낼 수 있습니다 또는 여기에서 select를 검색 할 수 있습니다 여기에 필터가 있습니다 그래서 그것은 존재를 향한 방향으로 향하게됩니다

100 개 정도면 수백 가지 레이블을 잠재적으로이 경우에 있습니다 Train 탭으로 이동하면, 이것은 다음 단계 일 것입니다 그리고이 시점에서, 보통 나는 제품에 대한 클릭 유도 문안이 요구된다 내가 새 모델을 훈련 할 수있게 해줘 그래서 나는이 사람을 클릭한다

그리고 저는 말할 수 있습니다 좋습니다, 이것이 제 모델입니다 그리고 한 시간 씩 훈련 시키겠다 예산은 매월 처음 10 개 모델에 대해 무료입니다 나는 또한 지정할 수있는 옵션이있다

더 많은 수의 계산 시간 우리는 나중에 할 것입니다 따라서 교육 요청을 제출하면 그것은 또 다른 시간 동안 머문다 이 경우에는 약 15 분에서 20 분 정도 걸렸습니다 그래서 이렇게 생긴 모델을 만들었습니다

오늘 아침 두 모델을 훈련 시켰습니다 사실, 이것은 이보다 약간 더 잘 수행되었습니다 그래서 내가 얻는 결과는 평균 정밀도는 0947입니다 그리고 내가 익숙하지 않은 사람이라면 이 특정 값에이 도구 팁을 살펴 보겠습니다

말하자면, OK, 무엇이 09라는 것을 의미합니까? 그리고 만약 여기에 10이 최대 점수라고한다면, 그래서 그것은 지금 꽤 잘 보이는 것을 의미합니다 나의 정확성과 회상은 훌륭하지만 위대하지는 않습니다 그래서 내가 할 일은 내가 택할거야

전체 평가를보고 무엇이 진행되고 있는지 확인하십시오 클릭하여 전체 평가보기 이 목록의 세 번째 탭 인 평가 탭입니다 여기에서 모든 라벨 패널을 살펴볼 수 있습니다 이러한 정밀도 리콜 그래프에 대해 자세히 살펴보십시오 그래서 점수 기준을 이것이 정확도 리콜 그래프에 어떻게 영향을 주는지 봅니다

1에서의 정밀도로 1 그래프에서 호출합니다 따라서 고급 ML 사용자의 경우 어떤 문턱 값이 가장 좋은 거래를 할 수 있는지 여기에서 볼 수 있습니다 정밀도와 리콜 사이 또는 그들이 리콜쪽으로 더 고정시키고 싶다면, 그들은 그것을 여기 위로 옮길 수 있습니다 [INAUDIBLE]만큼 위양성으로 더 많이 생성됩니다

그리고 내가 이걸 여기로 옮기면, 그러면 정밀함을 향해 더 고정시킬 것입니다 여기 아래에는 혼란 행렬이 있습니다 그래서 이것은 당신에게 4 x 4의 진정한 레이블을줍니다 예측 된 라벨 대 그리고 내가 여기 이것을 볼 때, 화식 조와 에뮤의 경우, 그것은 실제로 꽤 잘 수행했습니다

타조 들어, 확인을 수행 85 %는 좋지만 특히 좋지는 않습니다 그러나 레아 수업에서 정말 고생했습니다 그리고 타조와 레어가 꽤 혼동스럽게 보입니다 그리고 지난 며칠 동안 새들을 보았습니다

[웃음] – 그것들은 훨씬 작아 보이지만 실제로 레어처럼 보입니다 새와 그들은 다른 대륙 출신이다 나는 그들이 아프리카와는 반대로 남미 출신이라고 믿는다 그들은 타조처럼 놀랍습니다 그리고 그것은 제가 완전히 알지 못했던 것입니다

그래서 제가 여기로 가면 구체적인 정밀 리콜을 볼 수 있습니다 이 특정 레이블에 대한 곡선 그리고 진정한 긍정의 목록을 볼 수 있습니다 이 특별한 라벨을 위해 돌아왔다 그래서 이들은 모두 다른 레어입니다

그리고 위양성의 일부를 볼 수 있습니다 따라서 이것은 올바르게 식별 된 사진이 될 것입니다 레어처럼했지만 050 점수 한계를 넘지 못했습니다 여기서 지정 했어

그리고 여기 아래는 제가 가진 오 탐률입니다 그래서 이것들은 레어 (rhea)로 분류 된 것들입니다 이들은 타조 사진입니다 그러나 우리는 어떤 이유에서 건 레아를 예측하지 못했습니다 이 경우처럼 이것은 분명히 타조입니다

하지만 어떤 이유에서든 레알 레이블은 어떤 이유로 든 그것을 밖으로 날카롭게했다 그리고 그 이유가 무엇이든간에 이 모델이 어떻게 작동하는지에 대한 직감을 구축하십시오 이것들이 공식화되도록 허용하기 시작한다 흥미있는 후속 조치 모델을 개선하기 위해 다음에해야 할 일은 무엇입니까? 잠재적으로 할 수있는 한 가지 옵션 우리가 여기서 말하는 것은 기본적으로, 데이터 세트에 더 많은 이미지를 추가하려면, 이것은 아마 당신이 당신의 모델을 향상시킬 수 있습니다 내 라벨 통계를 보면 실제로 단지 몇백 개의 이미지 만 업로드했습니다

각 라벨에 대해 그리고 화식 조와 에뮤 (emu) 내 말은, 아마도 이걸로 충분할지도 모르지 꽤 잘하는 것 같습니다 하지만 타조에게는 400 개의 이미지가 있습니다 레어 (rhea)에는 200 개의 이미지 만있었습니다 아마도 레알 이미지를 추가해야 할 것입니다

내 측정 항목을 얻을 수 있는지 알아보기 위해서 내가 할 수있는 또 다른 가능성 이 이미지들 좀 봐주세요 어쩌면 내가 잘못 라벨을 붙 였는지 보지 이 이미지들 중 일부 이 경우처럼, 이건 마치

지상 진실은 타조입니다 그러나 이것이 실제로 레어라고 생각합니다 그리고 아마도 나는이 이미지를 잘못 간략히 살펴본 것 같습니다

내가 할 수있는 또 다른 일 여기의 이미지 탭으로 되돌아갑니다 내 레어 섹션과 기본적으로 이동 스캔하여이 모든 것이 있는지 확인하십시오 레어이고, 마찬가지로, 타조 섹션으로 간다 이들 중 어떤 것이 실수로 발생했는지 확인하십시오 그들이 정말로 타조해야 할 때 레어로 확인되었습니다

이것이 아마도 내가 할 수도있는 무언가 일 수 있습니다 아니면 내가 직장 동료에게 맡길 수있는 것입니다 어쩌면이 데이터 세트를 CSV로 내보낼 수 있습니다 이 파일을 오프라인에서 살펴보십시오 그것에 대해 갈 여러 가지 다른 방법이 있습니다

그런 다음 마지막으로 할 수있는 옵션 기본적으로이 모델에서 더 많은 계산 시간을 소비합니다 그래서 우리는 하나의 계산 시간만으로 그것을 훈련 시켰습니다 실제로는 약 15 ~ 30 분 정도 걸립니다 그러나 내가 새 모델을 훈련 시키려고한다면 훨씬 더 실질적인 교육 예산을 제공하고, 더 많은 컴퓨터 시간을 버는 것이 가능합니다 나에게 똑같은 데이터로 더 좋은 모델을 줄 것이다

그러나 이것은 당신이 최대한으로 활용할 수있는 것입니다 하지만 사용자 정의 할 수도 있습니다 아마 처음에는 두 가지를 시험해보기를 원할 수도 있습니다 그리고 어떻게 일들이 수행되는지보십시오 그리고 나서 다시 가서 훈련을 다시 시작할 수 있습니다

계산 시간이 추가로 필요합니다 그래서 몇 가지 다른 옵션이 있습니다 내 처분에 들어가서 개입하고 보았다 내가이 모델에서 더 나은 성능을 쥐어 짜낼 수 있다면 그런 다음 사용자가 할 수있는 마지막 단계 이 Predict 섹션으로 이동합니다

이것은 일종의 진리의 순간과 같습니다 이 버튼을 클릭하고 일부 보류를 업로드 할 수 있습니다 이미지 그래서 나는이 이미지를 가지고있다 이것은 emu 인 것처럼 보입니다

그러면이 것이 실제로 작동하는지 알 수 있습니다 그리고 네 0996 % 점수로 에뮤를 예측 한 것 같습니다 타조는 약간 표현되었지만, 레어 약간 표현

그러나 그것은 심지어 거의 미소하지 않기 때문에 그만큼 중요합니다 그리고 점수 한계점을 05로 설정했다면, 그런 다음에는 에뮬레이션으로 등급이 매겨집니다 아래에 아래에 코드 샘플이 두 개 있습니다 그러면 사용자 정의 모델을 구현할 수 있습니다

따라서 REST API에 대한 일부 스 니펫을 제공합니다 그리고 당신은 작은 미니 파이썬을 보러 여기로 토글 할 수 있습니다 스크립트를 사용하면 당신이 가진 사람이라면 손에 많은 훈련 이미지가 있지만 어쩌면 반드시 필요한 것은 아닙니다 많은 프로그래밍 경험, 당신은이 사람을 데려 갈 수 있습니다 복사하여 붙여넣고 웹 개발자에게 보냅니다

이봐, 여기서 도와 줄 수 있니? 이걸 일할 수 있는지 알아봐? 그러나 그 동안에는 모델 자체가 예측을 위해 쉽게 사용할 수 있습니다 기본적으로 워크 플로의 길고 짧은 것입니다 다시 프레젠테이션으로 돌아가겠습니다 그래서 여기에서 우리는 위로 만들 수 있습니다 이 모든 것이 어떻게 어울리는 지에 대한 몇 가지 아이디어, 다른 조각처럼

불행히도, 경계가 있습니다 그 4 개의 상자를 가운데에 동그라미로 표시합니다 하지만 이는 Google Cloud Platform 시스템을 나타냅니다 그리고 당신이 상상할 수있는 하나의 워크 플로우 사용자가 자신의 컴퓨터에서 새 이미지를 업로드했을 가능성이 있습니다 Google Cloud Platform으로 전송됩니다

클라우드 스토리지에 저장되면 Pub / Sub Google Cloud를 통해 새로운 이미지 알림을 트리거합니다 그런 다음 App Engine으로 전송됩니다 검색 색인은에 기반합니다 App Engine이 할 수있는 일은 AutoML Vision API를 호출하고, 좋아, 나는이 세 가지 새로운 이미지를 얻었다 이 이미지들은 어떤 모습입니까? 또한 AutoML Vision API는 예를 들어, 글쎄, 이건 타조 야

이건 에뮤 야 레어 야 App Engine의 검색 색인에 저장하십시오 5 단계에서 사용자는 타조를 검색 할 수 있습니다 또는 레아와 그 결과를 얻을 수 있습니다 자동으로 태그를 추가했습니다

이제 한 발 뒤로 물러나 깊게 잠수 해 봅시다 사용자 경험 따라서 사용자 경험 또는 UX는 가장 일반적인 용어로, 적어도 Google에서는이 세 가지로 느슨하게 분할됩니다 다른 가지 UX 연구, UX 설계 및 UX 프로토 타이핑이 있습니다

그리고 당신은 하나가 다른 하나를 먹는 것을 보았습니다 실제로 숨겨진 화살표가 있습니다 그것은 그 자체로 되돌아 간다 그래서이 세 가지에 대한 입문서처럼 서로 다른 분야가 있으므로 UX 연구는 모두 문제 공간을 이해하십시오 그리고 그것은 이해 관계자와의 인터뷰를 통해 이루어질 수 있습니다

고객과 함께, 학술 연구를하고, 전체 스펙트럼으로부터 통찰력을 얻을 수있다 의미있는 분석을 제공 할 수있는 출처 번역 할 수 있도록 결과를 해석합니다 UX 설계뿐만 아니라 실행 가능한 단계로 프로토 타이핑뿐만 아니라 제품 관리 팀, 엔지니어링 등 그러나이 토론의 범위까지, UX 연구의 주요 인공물 내가 뿌리 내린 영역 인 UX 디자인에 참여하십시오 그리고 모든 것이 주변에 있습니다

흐름, 전체 사용자 여행, ​​방법 제품이 시각적 정보로 구성된다는 것 계층 적 관점 또한 시각 디자인 및 모션 디자인을 포괄 할 수 있으며, 전환이나 웹 구성 요소 같은 것들이 사용되고 있습니다 그들이 어떻게 생겼는지, 미학은 그런 종류의 영역의 모든 부분 그런 다음 UX 프로토 타이핑에 들어가며, Google의 UX 엔지니어링이라고도합니다 이것이 바로이 모든 설계 및 연구를 수행 할 수있는 능력입니다

아티팩트를 유형의 것으로 캡슐화합니다 이해 관계자, 다른 팀에게 보여줄 수있는 정보 회원들 – 명세로 또는 시범으로 – 또는 가장 중요한 것은, 우리의 경우, UX 연구 참여자에게 그래서 이것은 우리에게 초기의 모습을 보여줍니다 꼭 필요한 디자인이 될 것입니다 사물의 구현 측면에 너무 깊이

그리고 UX 필드에서 프로토 타이핑이 나타나는 방식 그것은 다양한 수준의 충실도가 필요하다는 것입니다 매우 낮은 충실도의 범위 에서처럼, 일련의 종이 조각처럼 그것들에 다이어그램이 많이 있습니다 당신은 순차적으로 보여 주며, 주변에서 섞여 있습니다 Google 프레젠테이션과 같을 수 있습니다 갑판이나 PowerPoint 데크에서 볼 수 있습니다

그들은 참여자를 통해 또는 이해 관계자를 통해 참여합니다 그러나 다시, 매우 높은 충실도로 실제로는 세미 인터랙티브 또는 완전 인터랙티브 제품입니다 참가자가 직접 상호 작용하고 어떻게 볼 수 있는지 이것이 그들의 기대를 충족 시키는가? 그래서 이것이 드러나는 한 가지 방법입니다 라이브 데모와 같은 AutoML에 있습니다 내가 여기서 보여준 것

이 다른 탭은 바로 UX 프로토 타입입니다 우리가 오래 동안 만들었던 것 그리고 이것은 기본적으로 실제 데이터가 아닌 것을 사용하고 있습니다 UX 패턴과 구성 요소를 많이 사용하고 있습니다 사용자의 기대에 어떻게 맵핑되는지보기 위해 우리의 디자인이 어떻게 시작될 지 알 수 있습니다

도청에 직접 뛰어 들지 않고 생각하고있다 백 엔드와 프런트 엔드의 무리를 만드는 엔지니어 무리 테스트가 잘되지 않을 수있는 수정 그리고이 경우에, 여러분은 그것이 – 이것은 모두 상당히 기능적입니다 당신은 들어가서 많은 이미지를 선택할 수 있습니다 일부 레이블을 지정하고 모든 종류의 작업을 수행 할 수 있습니다

일반적으로 실제 제품으로 수행 할 것입니다 그러나 이것은 모두 연기와 거울을 통해 모두 이루어집니다 기본적으로 다소 본질적으로 일회용과 비슷합니다 도구를 사용하여 신속하게 반복 할 수 있습니다 한 가지 예는 불행히도 이 화면에서 특히 잘 보입니다

원래 우리가 혼란스러워했던 곳 이었어 행렬로 시작했다 양수 값 또는 일치 항목이있는 위치 녹색이었다 부정적인 것은 빨간색이었다 그러나 적색 / 녹색 색맹은 반드시 필요한 것은 아닙니다

그 중심에 녹색의 대각선 스트립이 보입니다 실제로는 모두 노란색 또는 갈색 음영처럼 보입니다 그래서 우리가했던 것은이 프로토 타입을 사용하는 것입니다 몇 가지 다른 색상을 시도 할 수있는 수단으로 팔레트, 볼 수있는 것, 오, 좋아, 푸른 회색 테마로 어떻게 보이는지 보자 우리는 궁극적으로 여기에 파랗 – 주황색 주제에 정착했다

그것은 두 사람 사이에 상당한 양의 눈에 띄게하기 때문입니다 그러나 우리가 전환 할 수있는 능력 반드시 서로 다른 변형 사이에 영향을 미치지 않고 나머지 흐름이나 크랭크 아웃 많은 추가 모형이 중요한 조각 중 하나였습니다 우리가 이걸 가지고 나왔어 또 다른 빠른 예는 찾고있는 것입니다 여기에있는이 이미지 중 하나에서

오른쪽에서 예측을 볼 수 있습니다 그러나 우리가 생각하고있는 한 가지는, 음, 우리가 원하는대로 레이아웃을 조정해야한다면 어떨까요? 반대쪽에이 열이 왼쪽에 표시됩니다 친구 엔지니어에게 요청하는 것, 이걸 시험해보고, 그것이 어떻게 느껴지는지보십시오 우리는 측면에서 시도해 볼 수 있습니다 이 특정 레이아웃의 장단점을 확인하십시오

일이 더 가독성 있고 덜 읽을 수있게됩니까? 이 방법과 Google의 이전 제품과 상호 작용 구름, 등등? 다시 프레젠테이션으로 돌아 가면 여기에 우리가 일련의 반복을하기 시작했을 때, 우리는 여러 번의 테스트를 거쳤습니다 연구의 측면에서 반복의 무리로 이끌었다 디자인 측면에서 반복의 무리를 이끌어 냈습니다 프로토 타이핑 측에서 일련의 UX 학교가 등장하기 시작합니다

워크 플로의 어느 부분에서 몇 가지 예가 있습니다 이러한 목표들이 드러납니다 그래서 첫 번째 것은 존재하는 것입니다 사용자의 정신 모델을 접지 할 수 있습니다 그게 우리가 결국 전통적인 ML 워크 플로우를 취합니다

예, 반일 과정이지만이 경향이있다 다시 원을 그리며 모델을 평가 한 후 특정 시점에 도달하고, 다시 원을 그리며 더 많은 이미지에 레이블을 지정할 수 있습니다 이 과정을 다시 거쳐야합니다 그러나 결국 목표는 결국 여기 마지막 단계에서 시작해서 다른 하위 작업 또는 사용자 스토리가 무엇인지 확인하십시오 다음과 같은 다양한 주제와 이 단계들 각각의 일부

그래서 그것은 상당히 똑 바른 것처럼 보일 수도 있습니다 글쎄, 사용자로서 데이터 세트의 이름을 지정하여 나중에 사용자가 원하는 반면 단일 레이블 분류인지 여부를 지정합니다 또는 다중 라벨 분류 수입면에서 – 다른 쪽에서는 사용자로서 코드 샘플에 액세스 할 수 있도록 내 모델을 구현하고 배포 할 수 있습니다 그리고 우리가 통합의 일종을보기 시작하는 곳 워크 플로의 이러한 여러 단계를 매핑 할 수 있는지 확인했습니다

응용 프로그램 자체 내의 특정 상태로 그리고 그것이 어디서 시작되는지는 불행히도, 조금 씻겨 버렸지 만 여기에 Create Form이 있다는 생각 이 탭으로 연결되는 왼쪽에 이 네 단계를 포함하여 여기에 설정하십시오 그리고 당신은 심상 사이에서 토글 할 수있다, 평가하십시오, 테스트 및 사용, 또는 예측

탭이므로 탭을 탐색 할 수 있습니다 뒤로 및 앞으로 그래서 여기 – 조금 더보기 쉬울지도 모르지만, 또는 Create Form이 있습니다 그리고 나서 여기 왼쪽 상단의 이미지가 보입니다 교육, 평가 및 예측 – ML의 4 단계를 나타내는 특정 순서대로 돌아갈 수있는 흐름 특정 순서대로 앞으로 이동하십시오

모든 단계를 수행 할 필요는 없습니다 그러나 아직도 앞으로의 추진력이 있습니다 이 마지막 단계로 당신을 이끌어갑니다 최전선에 올랐던 또 다른 작품 새로운 개념에 대해 사용자를 교육 할 수있었습니다 그리고 "새로운"의미는 사용자가 새로운 것을 의미합니다

ML 전문 지식이 거의 없습니다 그래서 이것은 점진적 공 개 (progressive disclosure) 이전에 보여준 도구 팁과 마찬가지로, 음, 평균 정밀도는 이상하고 안개가 끼는 개념입니다 ML 전문 지식이없는 사람들에게 그리고 정밀도 리콜, 그들은 직관적으로 들립니다 하지만 추가 텍스트를 제공해야 할 수도 있습니다 이 특정 용어에 대한 명확성을 높이는 데 도움이됩니다

그래서 이것은 우리가 해왔 던 것입니다 반복되는 두 번의 반복 작업을 수행했습니다 우리가이 언어를 점점 더 많이 만들 수 있는지 알아보기 위해 이해에 어려움을 겪을 사람들에게 분명히 이러한 광범위한 개념 그래서 우리가하는 것이죠 아직 진행중인 작업입니다

또한, 구별하는 것 위음성과 위양성 우리가 더 충분히 조사 할 영역이 될 것이다 상세보기에서 우리는 예측 목록을 보여주었습니다 여기에 레이블과 점수 목록이 있습니다 그들은 받았다 그러나 우리는 또한 여기이 작은 별에 의한 진실의 진리 였어

그리고이 레이블은 05 이상이기 때문에이 레이블을 나타냅니다 네가 정한 점수 한계점 이었어 그건 진실이 아니야 우리는 거짓 긍정으로 간주합니다 그리고 그 사이에, 이것은 0

5보다 작 으면 그 별은 거짓입니다 따라서 이러한 개념을 계속해서 다시 도입하려고합니다 다시 제품 자체를 통해 또 다른 것은 우리가 더 많은 것을 생산하기 위해 노력하고 있습니다 사용자 교육을 UI에 직접 주입하십시오 AutoML Vision은 어느 정도 간단합니다

그리고 우리는 두 가지 다른 제품을 가지고 있습니다 앞서 언급 한 'Next'도 마찬가지로 그래서 우리는 AutoML 자연어, 이는 기본적으로 AutoML과 같은 원리입니다 시력 그러나 기본적으로 자유 형식, 구조화되지 않은 텍스트 같은 문서 그리고 그 주위의 유스 케이스는 – 그와 관련된 다양한 것들이 있습니다 아래에 아래에 AutoML 번역이 있습니다

그것은 기존의 것을 취할 수있는 것에 관한 것입니다 번역 API와 그것을 보강 할 수있는 능력 특정 사용 사례로 특정한 필요 나 특정 단어 나 숙어가있는 경우, 현재의 번역이 모국어 인 조각들 API의 전체 시리즈가 있다면 API가 어려움을 겪고 있습니다 문장 쌍, 당신은 그것을 AutoML 번역에 전달할 수 있습니다 이를위한 맞춤형 모델을 구축 할 수 있습니다 AutoML에 대한 자세한 내용은 이 링크로 이동하면 실제로 여기에서 반복됩니다

그리고 이것은 또한 근무 시간을 홍보 할 수있는 기회이기도합니다 따라서 근본적인 문제에 대해 많은 질문이있는 경우 AutoML에 대한 기술 또는 AutoML의 사용 방법에 대해 자세히 알고 싶습니다 후드 아래에서 작동합니다 가능합니다 근무 시간을 통해, 우리는 당신과 짝을 지을 수 있습니다

그 지식을 더 많이 가질 수있는 누군가와 거기 기지 괜찮아 음, 고마워 [박수 갈채] [음악 재생]

Powering AI at Google Scale

[음악 재생] SUJITH RAVI : 모두 감사합니다 실제로 이곳에있는 것이 즐겁습니다

그래서 아침에 몇 가지 이야기를 들었습니다 너는 ML을하니, 나는 다시 가려고 노력하고있어 기본 조금 그 전에 마가렛이 말했듯이, 나는 연구 과학자이며 또한 리드 Google Research의 기계 학습 팀 몇 그건 내가 학업 모자를 쓰는 것을 의미한다 또한 제품 팀과 긴밀히 협력합니다

그 중 일부를 Google 제품에 대규모로 가져 오기 위해 노력하고 있습니다 그리고 당신을 지루하게하는 것보다 기법 중 몇 가지 예를 나눠 보겠습니다 몇 가지 문제를 해결하는 방법에 대해 일부 Google 제품에서 매일 사용하고 있습니다 그 연설의 제목은 Google Scale에서 AI Powering, 나는 깊은 학습과 그래프 학습을 말했다 우리가 따라갈 때 나는 그것의 포장을 풀 것이다

하지만 먼저, 내가 당신에게 동기를 부여하겠습니다 그래서 기계 학습은 많은 어플리케이션에서 사용됩니다 그러나 일에있는 기계 지능의 개념 언어 및 텍스트와 관련된 애플리케이션은 새로운 것이 아니며, 지난 5 년 동안 우리가 해낼 수 있었던 것 또는 우리가 할 수있는 일을 능가하는 것 같습니다 아마도, 이전에 그리고 이것은 주로 더 나은 모델, 더 나은 학습으로 인한 것입니다 기술 등 한 가지 예가 스마트 메시징입니다

당신 중 얼마나 많은 사람들이 조수들에 대해 들어 봤습니까? 내 말은, 당신의 구글 홈, 알렉사 흥미로운 응용 프로그램 중 하나 인 Google 전화를 사용하는 경우 스마트 답장에 대해 알고 있습니까? 따라서 Gmail을 사용하면서 아래쪽으로 스크롤하면, 몇 가지 제안 사항이 표시 될 수 있습니다 이는 수신 이메일에 대한 자동 회신과 같습니다 따라서 우리는 원래이 기능을 구축 한 팀의 일부입니다 그래서 나는 무슨 일이 일어 났는지에 대해 이야기 할 것입니다

그러나 이것은 핵심 기능 중 하나입니다 Gmail 및 다른 메시징 앱에서도 사용할 수 있습니다 그리고 우리가 해결하려고하는 근본적인 문제 사용자 대화의 의도를 어떻게 이해합니까? 그런 다음 어떻게 반응합니까? 어떻게 할 모델을 만들 수 있습니까? 많은 일이 잘못 될 수있는 여러 가지 방법이있을 수 있습니다 당신은 어떻게 그것을 저울에서합니까? 사용자 만족도에서 어떻게 할 수 있습니까? 당신이 단지 몇 가지 예언을 넣는 것이 아니라고 말하면서 사용자 앞 너는 실제로 그들에게 뭔가를주고있다

그들이 사용할 수있는 권리, 맞죠? 멋지다, 맞지? ML은 시원하게 들리지만, 하루가 끝나면 우리는 실제로 사용자를 만족시키기를 원합니다 그래서 이것은 많은 제품에서 시작되었습니다 Inbox, Gmail, Android Wear에서 가져 왔습니다 더 넓은 문제는 자연어 이해입니다 그래서 여기 아이디어는 마치 응답 만하는 것이 아니라, 하지만 실제로는 들어오는 문자열을 연결하려고합니다

예를 들어, 또는 보조 행동으로의 대화 이제 Google의 기능 중 하나 인 네가 말을 시작하면 타이핑을 시작하고, 나에게 뭔가를 상기 시키며, X는 X가 무엇이든 관계없이 실제로 몇 가지 조치를 제안합니다 예를 들어 엄마 한테 전화하라고 상기시켜주는 것처럼 Inbox를 사용하면 실제로 전화 걸기 아이콘이 표시됩니다 그리고 그것은 당신이 엄마를 연락처로 저장하게한다면, 실제로 전화 번호를 끌어 올 것입니다 따라서 한 번의 클릭으로 실제로 그 사람에게 전화 할 수 있습니다

이 예제의 수, how 당신은 이벤트에 참석하도록 상기시켜, 어떻게 가입 서비스 취소와 같은 일을합니까? 가입 서비스를 시작하십시오 그래서 여기에는 자연어 이해가 포함됩니다 규모로 그리고 문제는 여기에있는 것처럼 간단하지 않습니다 당신이하는 모델, 데이터를 얻는 것, 끝까지 훈련시키는 모델 그리고 나서 갑자기, 짜잔, 그것은 작동합니다

그런 식으로 작동하지 않습니다 언어에서 비전으로 이동 현재 Google 포토는 실제로 많은 개념을 이해할 수 있지만, 그래서 사진 보관함에서 해변을 검색하면 Google 포토가 실제로 끌어 올릴 것입니다 해변 사진, 개념으로 해변 위치 사진에 존재합니다 그리고 해변과 같은 것이 아닙니다

허니문 또는 추상적 인 개념을 검색하는 경우, 그것은 여전히 ​​인식 할 수 있습니다 그래서 우리는 실제로 이미지 이해가 필요합니다 그건 우리가 물건을 이해할 필요가 있다는 뜻이야 관계 같은 이미지 그 객체들 사이에서 규모면에서 매우 정확합니다 그리고 거기서 멈추지 않습니다

그래서 당신은 경험을 생각할 수 있습니다 단지 하나의 양식에 힘 입어 얻는 것이 아니라, 하지만 여러 가지 일을 할 수도 있습니다 이미지 인식을해야하는 곳 당신은 텍스트 이해 또는 사용자를해야합니다 이해와 이러한 모든 것들의 결합으로 힘을 얻는다 제품의 일부 기능

PhotoReply 우리가 만든 예제 그리고 그 생각은, 당신이 위에 이미지를 이런 식으로하면, 시스템이 실제로 자동으로 당신에게 줄 것이다 당신이 아기를 말하면, 그것은 말할 것이다, 귀여운, 클릭 한 번으로 응답 할 수 있습니다 그리고 이것은 자막이 아닙니다 자막은 이미지를 설명하려고한다는 것을 의미하기 때문입니다

이를 위해서는 이미지의 내용을 이해해야하며, 응답의 의도와 연관 지어 그것에 적합합니다 바닥과 마찬가지로 정말 멋지다 더 이상 할 수 있을지 모르겠다 하지만 동영상이나 스카이 다이빙 이미지를 볼 수 있다면 얼마나 흥미 진진하고 용감한지를 말하며 기본적으로 헤이, 스카이 다이빙을하는 사람 실제로 용감하다

우리는 바보도 추가해야하지만, 우리는 할 수 없다는 것을 알고 있습니다 그러나 당신은 그 아이디어를 얻었습니다, 그렇죠? 따라서 이미지의 개념에 응답하려고합니다 그리고이 모든 것들은 기계 학습을 필요로하지만, 그렇지 않습니다 단일 시스템이지만 여러 모델을 서로 다른 단계에서 사용할 수 있습니다 그리고 우리는 이것을 대규모로해야합니다

그래서 다른 많은 응용 프로그램이 있습니다 나는 이것에 대한 몇 가지 예를 들어 줄 것입니다 Smart Reply에 대해 이미 들었습니다 전자 우편 분류는 무언가이다 – 어떤 종류의 분류, 문서 분류 따라서 기계 학습 시스템과 같은 시스템을 구축해야합니다

이것은 깊은 학습을 포함 할 수도 있지만 또한 다른 시스템 학습 기술, 그래프 학습처럼 동일한 사용자의 이메일을 서로 어떻게 연결합니까? 그런 종류의 관계를 사용합니다 이러한 시스템을 구축해야합니다 많은 단어들이 있습니다 수년에 걸쳐 간행했다

그리고 이들 모두는 모두 생산에 사용됩니다 내가 말하지 않은 그들 중 하나는, 약 비디오 요약입니다 그리고 이것은 정말 멋진 프로젝트입니다 YouTube에서 한 시간짜리 YouTube 동영상을 상상해보세요 그것을 20 초짜리 gif로 압축합니다

따라서 조리법 및 물건과 같은 비디오를 검색하면 그런 식으로, 당신은 대부분의 시간에 사람이 50 분 동안 얘기하면 너는 10 분 만에 정말 재미있는 것들을 가지고있다 하지만 정확히 어디에서 발생하는지 알아내는 것은 매우 어렵습니다 그래서이 시스템은 실제로 기본적으로 섭취합니다 전체 비디오와 실제로 끈 가장 흥미로운 콘텐츠의 gif 좋아요, 그래서 이들은 아마도 당신에게 동기를 부여하는 몇 가지 예입니다

그리고 나는 당신에게 정말로 성공적인 것들을주고 있습니다 그것은 작은 아이디어에서 출발했지만 또한 Google 제품의 일부 핵심 문제를 해결할 수 있습니다 그러나 몇 가지 문제가 있습니다 그리고 이것들은 세 가지입니다 그러나 나는 이것이 매우 중요한 세 가지라고 생각합니다

ML이 멋진 모델을 구축하는 데 있다고 생각하는 사람이 몇 명입니까? 깊은 학습이나 그 밖의 고급 기술을 사용하고 있습니까? 네, 하나, 둘 나는 심지어 당신에게 그것을 깰 것이 싫다, 구글에서, 우리는 기계 학습의 최전선에 서 있습니다 데이터가 가장 큰 문제 또는 도전 과제입니다 그리고 만약 당신이 이것에주의를 기울이지 않는다면, 당신은 모든 종류의 물건을 할 수 있습니다 당신의 업무가 무엇과 비슷한가하면 그것은 효과가있을 것입니다

다른 사람들이 해냈습니다 그러나 나는 데이터에 매우주의를 기울여야한다고 말할 것이다 그리고 데이터와 관련된 여러 가지 문제가 있습니다 적절한 금액으로 어떻게 그것을 수집합니까? 시끄 럽든 싫든간에 올바른 유형의 데이터가 필요합니다 두 번째는 모델의 복잡성입니다

그럼 어떻게 생각하니? 작업을위한 모델을 구축하십시오 마치 단순한 모델처럼, 당신은 정말로 깊은 모델을 가지고 있습니까, 당신은 실제로 당신의 작업에 맞는 모델을 어떻게 고르 죠? 그런 다음 어떻게 한 장치를 좋아하는 것이 아니라, 하지만 수십억 개의 기기가 있습니다 특히 모바일 첫 번째 응용 프로그램? 이것에 또 다른 각도가 있습니다 다양한 유형의 계산 모델이 있습니다 따라서 우리는 클라우드에서 ML을해야 할 수도 있습니다

예측 만 제공한다면 클라우드에서 API를 사용하는 것처럼 모든 ML 구름 속에서 일어난다 그리고 모든 추론 또한 일어난다 구름에서 일어난다 그러나 Rishi 언급, 장치 ML에 들었을 때, 새로운 영역인데 점점 더 중요해질 것입니다 지역

다음과 같은 앱을 만드는 경우 그것에 대한 정보를 얻기 위해서, 장치 ML에 중요한 요소가 될 것입니다 그리고 그럼 당신은 알아 내야 만합니다 클라우드에서 구축 한 모델을 어떻게 가져 가야합니까? 이를 장치 모델로 변환 할 수 있습니까? 또는 종류의 두 가지의 조합을 가지고, 어떤 종류의 예측이있을 때 바로 당신은 실제로 장치에서 그렇게 할 수 있습니다 다른 경우에는 실제로 다시 위임 할 수 있습니다 구름에

자, 이제 이러한 과제 중 일부에 대해 알아 보겠습니다 감독 학습에 대해 얼마나 많이 알고 있습니까? 좋아, 거의 모든 사람 그렇지 않은 사람들을 위해, 언제 당신은 거의 배우면서 기계 학습을 듣습니다 모든 블로그, 모든 포럼 밖에서, 그들이 말하는 것은 감독이다 학습, 가장 자주하지 않습니다

그리고 그것이 의미하는 바는 기계 학습 모델을 구축하는 것입니다 우리는 실제로 레이블 데이터를 수집합니다 라벨 데이터의 개념은 귀하가 예기하려고하면, 이미지 분류를 해 봅시다 한 쌍의 이미지와 레이블을 모으고, 그 안에있는 물건과 같이 수천 또는 수백만 개를 생성 한 다음 모델을 만듭니다 그런 다음 당신은 그 예측을합니다

그 도전은 무엇입니까? 규모가 큰 응용 프로그램에서 작업하는 사용자의 경우 또는 비 일반적인 응용 프로그램 – 그건 거기에 몇 가지 틈새 의미 당신이 풀려고하는 것들 – 라벨 데이터를 얻는 것은 매우 어렵습니다 좋은 모델을 만들기에 충분한 양질의 라벨 데이터 그리고 그 경도는 많은 요인들에서 비롯됩니다 무엇보다도 먼저 누군가에게 돈을 지불해야합니다 실제로 작업에 필요한 데이터를 만듭니다

그것은 비싸다 또한 시간이 많이 걸립니다 그리고 그 데이터의 품질이 얼마나 좋은지에 따라, 당신의 모델은 빨거나 훌륭한 일을 할 수 있습니다 그래서 이것은 중요한 요소입니다 사람들은이 요소를 인식하지 못합니다

부 데이터는 실제로 가장 중요한 것입니다 너는 심지어주의를 기울여야한다 어떤 종류의 모델에 대해 생각하기 전에, 당신이 만들고 싶습니다 따라서 ML 세계에는 여러 가지 기술이 있습니다 이 문제를 해결합니다

나는 그것을 일종의 분류 체계로 분해 할 것입니다 어떻게 데이터 문제를 다루는가? 어떻게 기계 학습의 패러다임이 당신은 당신이 보거나 충분히 높은 품질을 가지고 있지 않은지 고려해보십시오

데이터, 라벨 데이터, 특히 대량의 데이터? 따라서 옵션 중 하나는 반 감독 학습입니다 그리고 그 아이디어는 당신이 어떤 라벨 데이터를 가지고 있다는 것입니다, 하지만 레이블이없는 데이터가 충분히 있습니다 그리고 둘 다 결합하려고합니다 실제로보다 견고한 모델을 만들 수 있습니다 레이블이없는 데이터의 기본 구조를 활용하십시오

무 감독 학습은 기본적으로 이전 이야기에서 들었던 것, 예측을하기위한 모델을 만들려고 노력합니다 대신, 당신은 어떤 표현을 배우려고합니다 데이터의 예를 들어, 내가 세계의 모든 이미지를 찍으면 그 (것)들을위한 몇몇 대표를 배우십시오, 그 이미지들을위한 일종의 임베딩처럼, 지금 나중에 어떤 분류를하고 싶다면, 대신 실제로 그 표현에서 시작할 수 있습니다 픽셀로부터 직접 시작하는 것 그럼 다른 건 – 아마도 당신은이 유행어를 들었을 것입니다

당신은 양도 학습, 소수 학습, 그리고 zero0shot 학습 완전히 새로운 개념을 배우고 싶다면 어떻게 될까요? 거기 누구도 그 모델을 만들지 못했습니다 그걸 수집 한 데이터? 완전히 새로운 개념입니다 그곳에서 무엇을 할 수 있습니까? 그래서 거의 촬영되지 않고 제로 – 샷 학습 그 문제를 다루는 것을 목표로한다 그리고 속임수는 당신이 당신의 개념을 연관 시키려고 시도하는 것입니다

몇 가지 알려진 개념 그리고 당신은 다른 개념들에 대한 라벨 데이터를 가지고 있을지도 모릅니다 너는 구조를 활용하려고 노력하고있어 이 레이블이 지정된 공간에서 그 정보 중 일부 그리고 전송 학습 설정에서, 당신은 이미 모델을 가지고 가고 있습니다

과제 A에 대해 사전 교육을받은 후 전송 B 작업의 도메인 그리고이 모든 기술들이 있습니다 이런 일을하는 방법에는 여러 가지가 있습니다 나는 세부 사항으로 들어가기 위하여려고하고 있지 않다, 그러나 만약 당신이 이것들을 듣고 당신 이게 뭐지? 사람들이 이러한 유행어를 사용할 때 어떤 이야기를하는지, 이것은 정확하게 그들이하려고하는 것입니다 이 모든 것들 사이에서 공통점이 무엇입니까? 우리는 데이터의 구조를 악용하려고합니다 또는 모형 공간에서 주어진 일에 어떤 효과가 있는지 알려줍니다

따라서이 모든 감독자가 아니거나 감독자 인 [INAUDIBLE] 레이블이 지정되지 않은 데이터를 가져 오는 것과 같이 설정합니다 구조를 악용하고,보고, 라벨 데이터를 어떻게 늘릴까요? 그 정보를 악용하려면? 여기 전형적인 그림과 같습니다 이미 동기 부여를 해 줬어 큰 문제는 당신이 가지고있는 말입니다 이미지 분류가 문제입니다

당신이 풀려고하는 것 라벨 데이터가 있지만 매우 제한적입니다 꽤 자주 레이블이없는 데이터가 많이 있습니다 그 말은, 인터넷으로 가져 가야 겠어, 그렇지? 세계의 모든 웹 사이트에있는 모든 문서 여기에는 흥미로운 정보가 포함되어 있습니다

아마도 모든 것이 당신의 과제와 관련이있는 것은 아닙니다 그러나 그것의 많은 것이 있습니다 이제 얼마나 많은 양의 레이블이없는 데이터를 사용합니까? 구축 할 라벨 데이터와 결합하십시오 꽤 좋은 모델, 견고한 모델? 이것은 솔루션 중 하나이며, 내 그룹 중 실제로 어떤 사람인가? 세미 감독 학습을 위해 해결책 우리는 이것을하는 기계 학습 플랫폼을 가지고 있습니다

그러나 이미지 분류에만 적용되는 것은 아닙니다 또는 언어 학습 또한 사기 탐지, 사용자 분류, 많은 응용 프로그램 그럼 언제 네가 이해해야하는지 ML 모델을 구축하는 것이 무엇처럼 보일지도 모릅니다 헤이, 아마도 이미지 클래스에 적합 할 것입니다

그러나 아이디어, ML을하는 방법에 대한 근본적인 생각, 필연적으로 모델 구조 그 자체, 아이디어는 새로운 작업으로 이전 될 수 있습니다 그래서 반 감독 학습에서, 우리가하는 것은 우리가 말했듯이, plentily 사용할 수있는 레이블이없는 데이터를 가져 가라 주석이 달린 데이터 인이 최소한의 감독 당신이 가지고있는 것입니다 사내 또는 도메인 전문가와 같은 일부 사용자는 그 구조를 악용하려고 노력하십시오 해당 구조를 악용하는 한 가지 방법 그래프 표현을 사용하는 것입니다

그리고 이것은 우리가 여러 가지 일을 할 수있게 해줍니다 무엇보다도 그래프를 선택하는 이유는 무엇입니까? 대표로, 맞지? 어떤 문제 나 ML 문제가 있다고 생각한다면, 인간이 실제로 말하기는 쉽다 저기, 여기 두 개의 물체 나 두 개의 데이터 포인트가 있습니다 나는 그들 사이의 관계를 정의 할 수있다 텍스트인지, 아니면 텍스트인지 여부 한 쌍의 이미지, 나에게 쉽다

그들 사이의 관계를 표현하기 위해, 그들이 유사하든 그렇지 않든간에, 말하는 것보다, 헤이, 이 개체는이 범주에 속해야합니다 따라서 Google의 지식 그래프를 생각해보십시오 우리는 엔티티가 서로 연결되어 있습니다 우리는 서로 연결된 많은 이미지를 가지고 있습니다 시작시 문제가 발생하면 이것을 지정하는 것이 쉬운 곳, 모든 데이터를 수집하는 것이 아니라 실제로 주석 달기 모든 데이터를 쉽게 지정할 수 있습니다

여기에 어떤 관계가 있다고 생각합니다 이 데이터 포인트가 서로 비슷하게 보입니다 그리고 이것들은 그렇지 않습니다, 그러면이 그래프 표현은 여러분에게 이를 이용하기위한 위대하고 강력한 메커니즘 그리고 그들은 모든 도전에서 벗어납니다 내가 언급 한 모든 것을 만드는 것 새로운 데이터에 주석을 달기

너를위한 구조를 포착하려하고있어 매우 매끄러운 방식으로 제공, 그런 다음 다운 스트림을 학습하는 기계에이를 사용하십시오 여기에 예제가 있습니다 이것은 이미지 그래프입니다 그래서 기본적으로 내가하려는 일 여기 가장자리와 노드의 그래프를 보여주고 있습니다

노드는 이미지입니다 가장자리는 시각적 유사성을 나타냅니다 이 이미지들 사이에, 맞아 이 두 종류의 자동차는 마치 동물처럼 보이는 것 같습니다 이 경우에는 차가 있습니다

교차 연결이있을 수 있습니다 다른 [INAUDIBLE] 사이 그러나 당신이 본다면, 우리는 이것을 반 감독자로지도 할 수 있습니다 이 패러다임을 전체적으로 말하면서 학습하십시오 4 개 더하기 3 개 – 7 개 이미지, 그러나 그들 모두에게 라벨을 붙이기보다는, 나는 그 이미지 중 하나에 레이블을 붙일 수있다

이 차는 사자입니다 이제이 그래프의 구조를 이용하면, 나는 실제로 확률 적으로 라벨을 붙일 수있다 자동차 나 사자의 가능성 이 그래프의 모든 이미지에 있습니다 이것이 우리가 악용하려는 아이디어입니다 그래서이 구조는 당신에게 일종의 유사한 개념을 부여합니다

기본 가정은 유사하다는 표시가 있어야한다 비슷한 것들, 비슷한 라벨들 그럼 우리가 어떻게해야합니까? Google에서는 확장기 ML 플랫폼을 사용하여이 작업을 수행합니다 그래서 많은 논문들이 있고 또한 이 일에 관한 블로그지만 기본적으로 Google의 모든 PA에서 거의 ML 제품을 지원합니다 그리고 이것은 규모로, 아마도 그렇지 않을 수도 있습니다

너에게 수십억 수조와 같이 재미있을거야 그러나 동일한 개념이 단일 기계에도 적용됩니다 단일 컴퓨터에서도이 작업을 실행할 수 있습니다 문제를 해결할 수 있습니다 그리고 문제를 두 가지 개념으로 나눌 수 있습니다

그래서 저는 그래프 학습에 관한 것입니다 첫 번째 방법은 데이터를 그래프로 변환하는 방법입니다 그리고 나서 두 번째는 일단 그래프가 생기면, 그걸 어떻게 배우나요? 따라서 그래프는 드문 것이 아닙니다 실제로 [INAUDIBLE] 가장 간단한 인스턴스는 소셜 그래프와 같습니다 또는 이미 액세스 권한이있는 사용자 그래프, 많은 경우에

사용자가 다른 사용자와 상호 작용하는 방식, 또는 기타 자산, 금융 기관 등 이를 구조로 정의 할 수 있습니다 실제로 그래프가 있습니다 처음부터 구성해야합니다 예를 들어, 이미지의 삽입 또는 표현

이러한 경우 실제로 이러한 표현을 사용할 수 있습니다 그런 다음 가장자리 쌍을 생성합니다 그래서 근본적으로, 내가 거기에서 차 이미지와 차를 보면 오른쪽 상단의 이미지, 내가 임베디드를 보면 그 둘 사이의 거리를 계산해라 embeddings, 그럼 나에게 일종의 제공 그 둘 사이의 유사성의 척도 열쇠는 다음과 같은 경우에 어떻게 할 수 있는가입니다

수억 개의 노드 또는 수십억 개의 노드가 있습니까? 오늘은 실제로 현실입니다 이 작업을 실제로 수행하는 것이 실제로 가능합니다 빠른 근사 알고리즘이 있기 때문에 그래프를 생성합니다 한 가지주의 할 점은 모든 에너지와 전산 자원을 소비하십시오 그것이 목표가 아니기 때문에 단지 그래프를 작성하는 것입니다

내 말은, 그것은 결국 수단이 될지도 모른다 그러나 그것은 최종 목표가 아닙니다 그래서 당신은 빠르고 근사한 방법을 생각해 내고 싶습니다 방법이 완벽하지 않더라도 괜찮습니다 그래서 당신은 실제로 뭔가하고 싶습니다

가장자리 쌍을 생성하는 데 매우 빠르고 효율적입니다 그리고 이것을하기위한 많은 기술들이 있습니다 자, 이것이 어떻게 보이는지 예를 들어 봅시다 그리고 이것은 장난감의 예입니다 내 말은, 우리는 실제로이 중 일부를 사용합니다

일부 대화식 작업의 경우, 감정 그래프를 만들고 싶다고합시다 어떤 단어 나 구절이 감정 개념을 나타내는 지 배웁니다 좋아요, 그래서 저는 단어와 구로 시작할 것입니다 내가 추출한 것, 말하자면, Twitter 또는 Messages 또는 당신이 가지고있는 응용 프로그램에 상관없이 이제 단어 삽입, 표현을 쉽게 찾을 수 있습니다

그 문구들 때문에 이미 오픈 소스에서 쉽게 사용할 수 있습니다 이것을 사용하여 이전 기술을 적용 할 것입니다 유사성 그래프를 생성하기 위해 언급 한 내용입니다 그래서 내장, 굉장하고 위대한에 기초하여 서로 강하게 연결되어있다 ROTFL과 하하가 서로 연결되어있다

비슷한 맥락에서 문장으로 나타나기 때문입니다 일단 내가 이것을 갖게되면 학습은 매우 유연해질 수 있습니다 재미있는 개념을 배우고 싶다면 이 그래프에서, 맞습니까? 웃음이라는 단어와 같은 단일 인스턴스에 레이블을 지정할 수 있습니다 나 한테 꽤 분명하기 때문에 그 웃음은 뭔가 재미 있어야한다고 제안합니다

그런 다음이 정보를 그래프를 통해 전파하십시오 비록 내가 본 적이 없지만 단어 ROTFL 또는 나는 그것이 무엇을 의미하는지 모른다 나는 이것이 동일한 라벨과 연관되어 있음을 알 수있다 여기에 핵심 아이디어가 있습니다 이것은

저는 방정식이 없다고 생각했습니다 슬라이드에 – 그러나 학습이 작동하는 방식은 – 사과 중간 상자를 무시하십시오

그러나 당신이하려는 것은 무엇입니까? 그래프를 만들면 10 억 조원이된다 가장자리 그래프, 그것이 무엇이든, 당신은 가지고 있습니다 레이블이 지정된 노드 중 일부와 레이블 이 y 모자로 표현됩니다 그래서 그것들은 사실 씨앗 노드들입니다 지상 진실

그리고 당신이하려는 것은이 정보를 전파하는 것입니다 그래프를 통해 그리고 그래프의 모든 다른 노드에 대해, 너는 배울려고 [INAUDIBLE] 배포는 괜찮습니까, 어떤 라벨에 속해야합니까? 고양이입니까, 개입니까?이 경우 재미 있습니까? 아닙니다 이것이 학습 과정이 시도하는 것입니다 학습 알고리즘이 실제로 작동하는 방법은 다음과 같습니다 그리고 그것은 꽤 직관적입니다

나는 그것에 대해 생각하고 싶다 상상한다 당신은 그래프 구조를 가지고 있습니다 빨강 및 주황색 색상을 예로 들어 보겠습니다 두 가지 개념, 두 가지 다른 개념, 나머지 노드를 배우려고합니다

그 개념의 속성은 무엇입니까 이 순간부터 시작해서 이 알고리즘에 대한 좋은 부분 그것들은 실제로 반복적입니까? 깊은 학습 모델을 구축 할 때와 마찬가지로, 당신은 한 번에 훈련을하지 않습니다 실제로 여러 반복을 실행 중입니다 그래서 당신이하는 일은 첫 번째 사례에서 전파하는 것입니다 빨간색 노드에 대한 자신감은이 노드에서 가장 높습니다

주황색은이 노드에서 가장 높으며 이것을 전파합니다 그 이웃에게 이제 이웃의 신뢰 변화 그것과 얼마나 밀접하게 관련되어 있는가 빨간색 또는 주황색 노드, 빨간색 대 오렌지 교대 개념의 속성 이전에는 단서가 없었습니다 지금은 아마 붉은 색이 될 가능성이 더 많다고합니다

그래서 같은 개념이 반복됩니다 그리고 더 멀리 갈수록 레이블이있는 노드에서 자신의 신뢰를 얻습니다 기본적으로 이전으로 돌아 가야합니다 즉, 전혀 가정을하지 말아야한다는 의미입니다 그래서 이것은 여러분이 사용하고있는 아이디어입니다

학습 과정에서 그리고 앞의 예제를 사용하면, 정확히 무슨 일이 일어난거야 따라서 첫 번째 노드에는 자동차라는 레이블이 붙어 있습니다 그것은 자동차 이미지와 강하게 연결되어 있습니다 그래서 전파 할 때 자신감 자동차 컨셉 이미지 증가하고 그래프를 따라 이동할 때 그것은 일종의 감소입니다 여기에 더 많은 연결이 없으면, 그것을 원래 노드에 연결합니다

100 개의 예문, 1,000 개의 예제가 있으면이 기능이 유용합니다 네가 가진다면 어떻게 될지, 말하자 수십억 개의 노드와 수조의 가장자리? 그것은 그 규모가 아닐 수도 있습니다 심지어 100,000 일 수도 있습니다 모든 것을 메모리에로드하고 싶지는 않습니다

컴퓨터에서 이러한 작업을 수행하십시오 좋은 부분은 실제로 배포 할 수 있다는 것입니다 그래서 당신은 같은 머신에 그것을 배포 할 수 있습니다 또는 다른 기계에 걸쳐 따라서 전체 그래프에는 같은 기계에 앉기

그리고 다른 것들도 있습니다 우리는 그것이 무엇을 위해서 작동하도록해야만 하는가? 분류가 아닌 것을 예측하려고하는 경우에 발생합니다 문제 기본적으로 당신은 개처럼 예측하려고합니다 아닙니다

그리고 대신에 당신은 예측을하려고합니다 레이블의 풍부한 공간 즉 백만 개의 우주 라벨이라고합시다 수백만 개가 넘는 라벨을 예측해야하는 이유는 무엇입니까? 주어진 개념의 예측 여부를 예측하려고한다고 상상해보십시오 A가 발생하고 또 다른 개념 B가 발생합니다

그래서 개념의 조합입니다 따라서 사용자는 사기이며 – 너희들에게 더 좋은 생각이있어 그 다른 것들은 그러나 상상해보십시오 당신은 작곡 라벨을 예측하려고합니다 이제 라벨 수를 볼 수 있습니다 기하 급수적으로 증가합니다 그래서 일정한 시간에 그것을 처리 할 수있는 방법이 있습니다

그래서 이것은 우리의 출판물에서 나온 것입니다 그래서이 모든 것들,이 모든 문제들에 대해 생각하는 방법 너는 작게 시작하고 싶다 가장 간단한 문제의 인스턴스, 그리고 나서 그것을 천천히 스케일 업하십시오 그것은 데이터 스케일링인가, 데이터, 그래프, 또는 출력 복잡성의 스케일링 (scaling) 아니면 모델의 복잡성 문제입니까? 여기보다는 반복으로 생각하십시오 이 작업을위한 가장 좋은 모델은 내 데이터에 적용 해보십시오

왜냐하면 당신이 점진적으로 그렇게한다면 실제로 방법을 생각해 볼 수도 있습니다 그것은 당신의 작업을 위해 밖에있는 것보다 훨씬 낫습니다 그리고 이것은 꽤 많이 일어납니다 좋아, 그래서 나는 그래프 학습에 대해 이야기했다 어떻게 우리가 이것을 대규모로 할 수 있을까요? 따라서 이것이 데이터의 구조를 악용하는 한 가지 방법이며, 또한이 [미숙 한]

에서 벗어나십시오 나는 많은 질문이 떠오르는 것을 들었다 데이터를 얻는 방법, 새 도메인, 충분한 데이터 또는 고품질 데이터가 없습니다 그래서 이것이 그 구조를 이용하는 한 방법입니다

그러나 당신의 업무가 어떤 예측을 포함한다면 꽤 자주 어려운 문제, 고용량 모델 필요 그 스펙트럼의 끝에 이는 당신이 깊은 학습을해야한다는 것을 의미합니다 또는 심지어 다른 유형의 ML 모델도 있습니다 그래서 당신은 그래프를하지 않습니다 제 말은, 당신이 단지 그래프 그 자체로 학습을하십시오

실제로 한 번에 할 수 있습니다 모든 주석을 배우고, 모든 높은 내용을 선택하십시오 노드라고 말하면서 이제는 모든 사용자에 대해 알았습니다 [INAUDIBLE] 확률 X 또는 1 – X 그렇지 않은 경우 그러나 실제로 그 위에 구축 할 수 있습니다

따라서 이것을 심층 학습 모델과 결합 할 수도 있습니다 그래서 내가 어떻게하는지에 관해 알아 차리기 전에, 왜 우리가 실제로이 모델을 사용하는지 생각하면, 내가 말했듯이, 그래프 학습은 얻을 수있는 데이터의 일부 구조 데이터 또는 다른 문제에 대해 깊은 학습 및 기타 ML 모델 기본적으로 일부 예측 기능을 배우려고합니다 일부 입력에서 출력으로 이동합니다 그들은 특히 깊이 배우고 있습니다 신경망은 매우 훌륭한 기능 예측 자입니다

몇 가지 예를 들어 봅시다 이 두 가지는 cahoots에서 작동합니다 특히 Google 규모 스마트 답장은 그 완벽한 예입니다 그래서 우리가 처음 이것을 소개했을 때, 우리는 방법을 상세히 설명한 논문을 가지고 있습니다

그러나 나는 너에게 약간의 감각을 줄 것이다 왜 두 사람이 필요한지 따라서이 애플리케이션에서는 특히, 목표는 들어오는 대화를 듣는 것입니다 응답을 예측해야합니다 아마도 그럴 가능성이 높거나 좋은 것입니다

원래 보낸 사람에게 보냅니다 그리고 당신은 그들에게 여러 제안을 보여주고 싶습니다 여기서 그래프 학습은 압축하기 위해 사용됩니다 수백만 달러를 투자하면 세계에서 수십억 개의 메시지, 그것들을 어떻게 반응과 텍스트로 묶을 수 있습니까? 감사하다는 말은 1,001 가지가 될 수 있습니다 Thx, dot dot dot, 느낌표, 가능한 모든 변형

내 말은, 당신은 수동으로 라벨을 붙일 필요가 없다는 것입니다 그리고 이봐 요,이게 실제로 이 덕분에 고마워요

실제로는 같은 것을 의미합니다 그래서 이것이 그래프 학습이 시작되는 곳입니다 그래서 우리는 메시지를 통해 그래프를 만들고 관련 문구를 읽은 다음 학습을하고 무엇을하는지 모든 메시지를 수백 가지의 응답 의도로 매핑합니다 그리고 이것들은 해석 가능한 응답 의도입니다 우리가 실제로 말할 수있는 것처럼, 이봐, 고마워한다면, 특정 유형의 컨텐츠에 속합니다

그리고 나서, 시퀀스 모델 인 깊은 네트워크는, RNN이나 LSDM에 익숙하다면, 그래서 그것이하는 일은 대화에서 오는 것입니다 이 대화를 인코딩 한 다음 응답을 선택하려고 시도합니다 그러나 우리가 실제로 발견 한 그러한 의도 중 하나에서 그래프 학습 단계에서 여기에 한 가지 예가 있습니다 그래서 이것은 질의입니다, 안녕하세요

우리가 앉아서 채팅하기를 바랍니다 나는 화요일과 수요일에 자유 롭다 그리고 기계에 의해 생성 된 응답은 실제로, 나는 화요일에 할 수있다, 나는 수요일에 할 수있다 화요일 어때? 화요일에 할 수있어 아마 ML 시스템에서는 꽤 좋은 것처럼 보입니다

아무도 저에게 뭐가 잘못 됐는지 말해 줄 수는 없지만, 또는 이러한 모든 제안을 표시하면 문제가 될 수 있습니다 사용자에게? 관객 : [INAUDIBLE] SUJITH RAVI : 예, 그렇습니다 그러면 어떻게 처리 할 수 ​​있죠? 그래서 지금 당신이 그 반응들을 보면, 다른 메시지에 대해 내일 회의에 참석할 수 있습니까? 다시 동일한 문제가 나타납니다 그러나 대신에, 당신이 예측을 보면 우리는 이미 응답 의도를 이해했습니다 우리는 실제로 다양성을 강요 할 수 있습니다

그래서 이것은 당신이 필요로하는 것입니다 따라서 항상 최고의 성능을 발휘하는 단일 ML 시스템이 아닙니다 산출 실제로 사용자 만족도를 높이기 위해 우리는 실제로 결합해야 할 수도 있습니다 다른 기계 학습 패러다임, 다른 기계 학습 시스템

그래서이 경우 처음 두 개는 다른 의도, 또는 적어도 약간 다른 의도, 이 것이 다른 반면, 더 부정적인 것의 종류 인 반면, 나는 그것을 할 수 없다 그러나 다른 모든 것들은 그것들 중 하나에 실제로 들어갑니다 그래서 우리는 세 가지 가장 다양한 것들을 보여줄 것입니다 따라서 이것은 인코딩되어 있으므로 기본적으로 그래프 학습을 사용하여 의미 적 의도를 배우려고 노력하는 것 깊은 학습 따라서 이미지 분류에서도 같은 결과가 나타납니다

Google 포토를 사용하는 경우 모두 사물의 마지막 몇 세대 Google 포토에서 사용되는 인식 모델 또한 클라우드에서 실제로 이러한 두 시스템을 모두 사용합니다 그리고 여기서 문제는 약간 다릅니다 다양성을위한 것이 아닙니다 우리가 실제로 고품질을 구축해야한다면 동일한 품질의 Google 포토 용 시스템 네가 지금보고있는 시간, 얼마나 많은 시간이야 당신이 만약 우리가 접근 할 수있는 모든 이미지에 라벨을 붙이는 것이 었습니까? 관객 : [INAUDIBLE] SUJITH RAVI : 10,000 건, 꽤 비관적입니다

[INAUDIBLE]하지만 저는 우리가 수십 년 안에 그것을 할 수 있다고 생각합니다 아마 그때, 또한, 신 구글도 다른 것으로 옮겼을 거라는 걸 안다 그때까지 그래서 우리가하는 일은 수억 억에 달하는 것입니다 이미지의, 그러나 단지 작은 조각, 때로는 반 퍼센트가 라벨링되어 있다고 가정 해 봅시다

그래서 우리는 실제로 세미 감독 학습을 사용합니다 깊은 학습 방법과 결합 차세대 시스템을 구축 할 수 있습니다 그리고 여기 열쇠는 당신이 이것을하고 있기 때문입니다 깊은 학습 시스템은 훨씬 더 효율적으로 학습합니다 당신이 모든 시끄러운 것을 보여주지 않기 때문에 중복되고 쓸모없는 이미지

내 말은, 당신은 실제로 고품질의 데이터 포인트를 제공한다는 것입니다 그래서 그것은 더 빠르게 훈련 할뿐만 아니라 품질도 향상시킵니다 훨씬 더 좋다 사진 답장과 동일합니다 Photo Reply 시스템의 1 세대, 그리고 거기에서, 당신은 목표가 있다고 생각할 수 있습니다, 그냥 이 예제를 다시 표시하려면 이미지가 있어야합니다

당신은 기본적으로 응답하기를 원합니다 졸업 사진이 당신을 의미한다고 해봅시다 축하해 그래프 학습 문제의 한 사례 기본적으로 이미지 공간에 개념이 있습니다 그러나 당신은 또한 응답을 가지고 있습니다

지금 나는 모르고있다, 그들은 모두 linguine 또는 파스타 심상이고, 하지만 나는 그 linguine이 맛있어 야해 그래서이 그래프를 통해이 정보를 전달할 수 있습니다 그리고 이봐, 링구인이 관련되어야한다고 배웁니다 맛있는 응답 음, 이는 데이터에서 보는 것에 달려 있습니다

그래서 어떤 사람들은 링가인을 좋아하지 않는다면, 당신도 그것을 볼 수 있습니다 그러나 아이디어는 당신이이 개념들을 어떻게 배우는가입니다 구조화 된 방식으로? 동영상 요약에 대해서도 마찬가지입니다 나는 이것이 정말로 멋진 예라고 생각한다 우리는 인턴 중 한 명에게이 일을 맡겼습니다

데모는 정말 멋있었습니다 나는 당신에게 데모를 보여줄 수 있었으면 좋겠다 다음은 예제 중 하나입니다 연어 파스타 요리 비디오와 같은 질문을 받았습니다 YouTube에서 한 시간 정도의 결과를 얻을 수 있습니다

요리 비디오 그리고 그 사람이 말하는 대부분의 시간, 아마 요리 부분과 관련이 없을 지 모르지? 그들의 개인적인 삶에 대해서 이제 정보를 실제로 추출하고 싶다고 상상해보십시오 좋아, 나는 가장 관련있는 개념에 관심이있다 또는 당신이 저에게 20 초의 비디오를 보여 주면, 전체 비디오를 요약 할 수 있습니까? 그러나 입력은 단순한 비디오가 아니지만, 예를 들어, 연어 파스타 또는 무언가와 같은 일부 콘텐츠 그런 식으로

그래서 그것은 두 가지 모두를 결합한 것입니다 [INAUDIBLE] 학습을 통해 비디오를 프레임으로 나눕니다 깊은 계획을 사용하여 프레임이 처리됩니다 시스템을 사용하여 표현을 작성한 다음 당신은이 프레임들 위에 그래프 구조를 만든다 어느 것이 중복되는지 보려면 그래프를 그 위에 학습

그리고 전체 과정의 끝에서 다른 프레임 또는 세그먼트를 선택하고 있습니다 컨셉과 가장 관련이있는 비디오에서, 뿐만 아니라 다양합니다 그리고 나서 그것을 일종의 완벽한 방식으로 함께 묶습니다 GIF처럼 연주 그래, 비디오는 – 그는 Night Rider의 팬 이었으므로 DeLorean을 가졌습니다

흥미로운 모든 비디오가 요약되어 있습니다 이러한 것들의 전체 캐시 하지만 이것은 복잡한 문제라는 생각을줍니다 그러나 구조를 실제로 활용하는 방법이 있습니다 그리고 이것은 끔찍한 것처럼 보입니다

상상해보십시오 주석 시스템을 구축해야하는 경우 전 세계의 모든 동영상을 가져 와서 실제로 선택 프레임을 작성하고 요약을 작성하십시오 절대 일하지 않을 것입니다 그래서이 같은 기술이 필요합니다 실제로 새로운 애플리케이션을 구축 할 수 있습니다

잘하면이게 당신에게 동기를 부여합니다 우리가 어떻게 이러한 기계 지능 기능을 대규모로 구축하는지 우리가 확장 성을 어떻게 다룰 지, 및 데이터 문제 그래서 두 가지 개념, 즉 깊은 학습, 그래프 학습에 관해 이야기했습니다 이제 어떤 시스템이라도 ML을 만들거나 만들지 않으면, 당신은 몇몇 구성 요소를 구축하는 것으로 시작합니다 그런 다음 다른 구성 요소를 만들기 시작합니다

그 위에 그리고 나서 어느 시점에, 당신은 이 두 가지 구성 요소를 사용하는 것은 실제로 비효율적입니다 별도로 실행하십시오 너 아마 끝내기 쉬운 방식으로이 작업을 수행하려고합니다 그래서 이것은 신경 이식 학습의 개념입니다

또한 우리가 ML에서 힘을 얻고있는 새로운 연구 분야이기도합니다 커뮤니티,하지만 그 아이디어는 괜찮습니다 깊은 학습에 이어 그래프 학습을해야하고, 그런 다음 한 번에 할 수 있습니까? 그래서 우리가 이렇게하는 방법 중 하나 우리가 신경 그래프 기계라고 부르는 것입니다 그래서 이것에 대한 논문이 있고 실제로 사용하고 있습니다 많은 응용 분야에 사용됩니다

그러나 당신은 이것을 대신 생각할 수 있습니다 픽셀 또는 기능을 신경 네트워크에 공급하는 것, 이제 그래프 또는 구조를 피드 할 수 있습니다 그 사용자 그래프를 찍은 다음 신경 네트워크에 그 먹이주기 흥미로운 것을 배울 것을 요구합니다 그래서 이것이 여기의 아이디어입니다 나는 우리가 어떻게 이런 일을하는지 자세히 설명하지 않을 것이다

ML 모델을 훈련 할 때 당신은 생각할 수 있습니다 최적화 또는 정의하려고합니다 일종의 손실 함수와 시도 이를 향해 최적화하십시오 여기서 손실 함수에는 두 가지 구성 요소가 있습니다 기본적으로 하나는 좋은 예측자를 배웁니다

예를 들어 픽셀을 클래스로, 두 번째는 실제로 그래프 구조를 존중하십시오 즉, 당신이 말해주는 것들이 그래프에서 비슷하다는 것을 의미합니다 구조는 유사한 표현을 배워야한다 신경망 내부의 중간 층 내부에 그래서 우리는 그것이 아주 멋지다 고 생각합니다 그래프의 두 커뮤니티를 실제로 연결한다고 생각합니다

학습과 깊은 학습 그래서 지금 당장이나 이걸 사용해야합니까? 우리는 정보를 융합하는 자연스러운 방법이라고 생각합니다 새로운 응용 프로그램을 강화하십시오 좋은 부분은 어떤 아키텍처에 의존하지 않는다는 것입니다 신경망 구조를 취하면, 그것은 기본적으로 모든 사람들과 작동합니다

목적 함수로보다는 매개 변수화 네트워크의 구조 따라서 피드 포워드 버전을 사용할 수 있습니다 당신은 또한 이것을하는 컨볼 루션 모델을 가질 수 있습니다 이미지 그래프가있는 경우, 컨벌루션 네트워크를 사용하여 실제로 처리 할 수 ​​있습니다 이 목적 함수

당신은 이것의 신축성있는 버전을 가질 수 있습니다 우리는이 모든 변종을 다 만들었습니다 그리고 그들은 실제로 꽤 좋은 개선을합니다 이것이 실제로 도움이되는 몇 가지 응용 프로그램이 있습니다 그래서 우리는 그것을 사회적 그래프를 예측하는 데 사용했습니다

예를 들어 사용자 그래프가 있습니다 실제로 몇 가지 특성을 예측하려고합니다 그 사용자들에게 당신은 실제로 그것을 먹일 수 있고 얻을 수 있습니다 꽤 좋은 예측

이제 그래프를 그릴 수있는 또 다른 방법이 있습니다 그런 다음 사용자에 대해 알기 위해 노력하십시오 속성을 그래프 구조를 사용하여 만듭니다 즉, 그래프를 의미합니다 그리고 나서 그래프를 완성 시키면, 그런 다음 기존 ML에 적용하면 SVM 또는 깊은 네트워크

그것은 접근법입니다 이것은 기본적으로 단일 샷으로 시도합니다 텍스트 분류, 문서 분류, 의미 론적 이해, 이해 의도, 그리고 낮은 감독 그건 내가 너에게 말한 감정 문제를 의미한다 어디서 새로운 개념을 배우고 싶은지, 이 모든 것이 여기에 가능합니다

이제 중요한 점은 흥미로운 결과 중 하나입니다 대부분의 사람들이 그것이 가장 복잡하다고 생각한다는 것이 었습니다 실제로 항상 생성되는 가장 큰 네트워크 최고의 성능 우리가 보여 주었던 것은 이러한 작업의 일부에 대한 것이 었습니다 예를 들어, [INAUDIBLE]에 익숙하다면 —- 얼마나 많은 사람이 [INAUDIBLE]을 알고 계십니까 ?? 따라서 캐릭터 CNN 모델에 익숙하다면 소개, 그들은이 9 층처럼 성능 변수가 그 깊이의 3 분의 2를 사용하게하려면 동일한 성능을 얻을 수 있습니다

어떤 경우에는 더 나은 성능을 제공합니다 그래서 아이디어는 데이터의 구조를 악용합니다 신경망이든 ML 모델이든 상관없이, 실제로 성능을 향상시키는 데 도움이 될 수 있습니다 이를 수행하는 데는 여러 가지 방법이 있습니다 이것은 그들 중 하나입니다

좋아, 마지막 부분은 우리가 얘기 했어 데이터의 문제점 해결, 모델의 복잡성, 다양한 유형의 ML을 어떻게 결합합니까? 패러다임, 이것에 또 다른 각도 그것은 다른 계산 모델이 될 수도 있습니다 클라우드에서 최상의 시스템을 갖추고있을 것입니다 그러나 실제로 그것을 제공하고 싶을 때 웨어러블이나 심지어 휴대 전화와 같은 기기에서 매우 까다로울 수 있습니다 특히, 이 깊은 네트워크 모델에 매우 만족 그런 다음 알아 내야 만합니다

좋아, 시계 나 휴대 전화에서 어떻게 실행합니까? 그리고 내가 왜 그렇게하고 싶어하는지 말해 줄께 어떤 경우에는 그렇지 않습니다 실제로 만들 대역폭이 충분하다면 구름 예측 또는 구름 호출, 나는 이것이 당신이 선택해야 할 첫 번째 선택이라고 생각합니다 기기 내 설정은 여러 설정에서 유용합니다 그게 옵션이 아니야

하지만 실제로 많은 경우에 클라우드 컴퓨팅과 온 – 디바이스 컴퓨팅을 모두 수행 할 수 있습니다 기기 기반 ML에 대해 들었는데, 적어도 일부는 Google에서 Rishi의 노력에 대해 그래서 저는 리시가 언급 한 노력 중 일부를 이끌고 있습니다 우리가 시작한 질문 중 하나는 이것은 2 년 전이었습니다 스마트 회신 문제를 해결하십시오 Android Wear 팀이 우리에게 와서 물었습니다

당신은 똑똑한 응답을하기를위한이 중대한 모형이있다 시계에 그걸 만들 수 있을까요? 그리고 우리는 공연 무관심한 모델들에 대해서 이야기하고 있습니다 그 시계를 보여주는 750 메가 헤르츠를 가지고 있고 아마도 그렇지 않습니다 그 추억의 10 분의 1도 그럼 우리가 어떻게해야합니까? 그 이유는 – 우선, 그러한 응용 프로그램을 구축하려는 동기 꽤 분명하다, 그렇지? 시계 나 휴대 전화가 항상 켜져 있습니다

따라서 예측 모델에 실제로 액세스하면 그리고 그것은 매우 쉽습니다 – 내 말은, 혼잡 한 환경에서 유용하게 쓰일 수 있습니다 실제로 설정하지 않은 설정 랩톱을 들고 응답을 보내고 싶습니다 버튼 하나만 누르면, 당신은 상상할 수 있습니다 실제로 답장을 보냅니다 그래서 우리가 해결하려고하는 일반적인 문제는 – 나는 추론 부분에 집중한다

내가 얻을 수있는 훈련 그래서 당신은 약간의 의견을 받았고 당신은 ML 모델이 모든 예측을 직접 만들길 원한다 장치에 장치는 시계, 휴대 전화, IoT, Raspberry Pi, 센서, 의료 기기 등 그 이유는 온 – 디바이스 ML을 수행 할 때 여러 가지 이유가 있습니다

신청서에 따라 일부 또는 전혀 적용되지 않을 수 있습니다 연결성은 꽤 흔합니다 그래서 당신이 신흥 시장에 있다면, 항상 Wi-Fi 또는 강력한 Wi-Fi에 액세스하지 못할 수 있습니다 이것이 실제로 ML 온 디바이스를 수행하는 한 가지 이유입니다 개인 정보는 매우 중요합니다

모든 사용자가 데이터를 클라우드로 스트리밍하려는 것은 아니지만, 많은 경우 솔직히 말해서 필요하지 않습니다 실제로 좋은 예측을 할 수 있다면 휴대 전화 나 기기에서 좋은 경험을 쌓고, 그게 사실이야 그것이 그들이 관심을 갖는 것입니다 그리고 당신도 그로부터 이익을 얻을 수 있습니다 모든 데이터를 스트리밍하고 페이로드를 가져 오는 것보다 물류 등을 저장합니다

그리고 마지막으로, 효율성 그래서 그들은 RPC 호출을하고 있습니다 돌아 오는 등, 그것은 번거 로움이됩니다 자, 물론, 이것은 말하기가 더 쉽습니다 많은 어려움이 있습니다

나는 그들 중 몇 가지를 여기에 열거했다 하드웨어는 분명 하나입니다 귀하의 휴대 전화는 아마 덜 강력하고 느린 것입니다 노트북보다 랩톱 컴퓨터보다 강력하지 않습니다, 서버 전체 데이터 센터보다 강력하지는 않습니다 따라서 계산이 변경되는 규모를 볼 수 있습니다

빠르게 그렇다면이 모델을 어떻게 구축하고 계산을할까요? 주어진 하드웨어 제약 조건? 둘째, 기기에서 ML을 수행하거나 수행하고 싶지 않습니다 나쁜 경험으로 이어집니다 기기를 사용하고 있기 때문에 당신이나 우리 중 누구에게도 말할 권리를주지 않습니다 헤이, 그래,이게 우리가 할 수있는 일이야

내 말은, 사용자는 내가 상관하지 않는다고 말할 것이다 더 나은 모델을 생각해 내십시오 셋째, 실제로는 더 까다 롭습니다 복잡한 모델을 만들고 결합 그것들은 서버보다 장치에 있습니다 서버에서는 구성 요소를 교체하는 것과 같습니다 그리고 그것은 모두 개발자에게 추상화되어 있습니다

그러나 당신이 회사로서, 당신이 이것들을 만들 때, 테스트하기가 더 어렵고 힘들어집니다 서로 다른 시스템을 결합 할 수 있습니다 그리고 작업이 더 복잡해지면 더 어려워집니다 일부 라벨인지 여부를 예측하거나 미안합니다 액션 X를하고 있거나 한 가지는 아닙니다

응답과 같이 더 부유 한 것을 예측하고, 약간 더 도전적입니다 어떻게 이런 일을합니까? 그래서 관심이 있다면, 당신은 볼 수 있습니다 우리 일의 일부에서 블로그에 자세한 내용이 있습니다 그러나 첫 번째 시장에서 할 수있는 것은 무엇인가? 실제로 작년에이 기능을 출시했습니다

Android Wear에서 그래서 기본적으로 시스템은 API가 어떤 마모 개발자를 위해 추상화 된, 당신은 그것에 꽂고 대화를 통과 할 수 있습니다 그리고 다음을 사용하여 일련의 응답을 받게됩니다 ML 시스템 우리가 어떻게하는지에 관심이 있다면, 열쇠는 우리가 가지고있는 것입니다 보다 효율적인 운영과 아키텍처를 제시한다

이 복잡한 모델 LSTM이 무엇을하는지 시뮬레이션 할 수 있습니다 이를 수행하는 데는 여러 가지 방법이 있습니다 우리가 가진 것은 새로운 방법입니다 투영 기반의 신경망입니다 언어에 익숙하거나 깊은 네트워크 언어 [INAUDIBLE] 첫 번째 레이어는 기본적으로 일부 단어 임베딩을로드합니다

또는 단어 표현 이제 거대한 행렬입니다 그걸 저장해야합니다 그 주위에 방법이 없습니다 이것은 기본적으로 그 문제에서 벗어납니다

동적으로 계산할 수 있다고 말합니다 나는 그 말을 많이하지 않는다는 것을 압니다 그러나 관심이 있다면 나중에 물어보십시오 그리고 멋진 부분은이 아주 작은 네트워크를 얻는 것입니다 거의 100 ~ 1,000 x 더 작습니다

그리고 공연은 아마도 부부 일 것입니다 원래 모델과 다른 백분율 포인트 정말 멋지다 더 좋게,이 기능은 모든 Android Wear에서 사용할 수 있습니다 메시징 앱 그래서 당신이 큰 회사이든, 작은 회사이든, Android Wear 앱 또는 휴대 전화 앱이있는 경우, 실제로 API에 연결할 수 있습니다 무료로 예측을하십시오

이것이 Google 연구에서 구축 한 방법 중 하나입니다 우리는 실제로 그것을 오픈 소스로 시도합니다 코드 또는 논문을 통해, 또는 원활한 API TensorFlow Lite 버전도 있습니다 이것의 오픈 소스에서 사용할 수있는, Android Wear, 가지고있는 기기가 아니어도됩니다

이 모델에 연결할 수 있습니다 마지막으로 Smart Reply에 신경 쓰지 않는다면, 하지만 자신의 앱을 위해이 일을하는 것에 신경을 써야합니다 네가하는 특정 작업이 있다고 가정 해 보겠습니다 관심있는 사용자 정의 장치 모델을 만들 수 있습니다 Learn2Compress 프레임 워크를 사용하여이 작업을 수행 할 수 있습니다

그 [불충 한] 언급했다 우리는이 기초를 만들었습니다 지금은 몇 가지 유스 케이스를 지원합니다 알파에 관심이 있으시면 가입하시기 바랍니다 그리고 아이디어는 데이터 및 / 또는 기존 데이터를 업로드 할 수 있다는 것입니다

단일 모델 또는 단일 모델 또는 모든 모델이 압축되고 효율적입니다 즉, 속도가 빨라지고, 전력 효율이 높으며, 또한 메모리 측면에서 더 작습니다 그리고 이것은 Firebase 용 Google ML 키트를 통해 사용할 수 있습니다 따라서 Android와 iOS에서 모두 작동합니다 관심이 있으시면 확인해주십시오

그래서 그걸로 내가 닫을거야 시간 내 주셔서 감사 드리며 질문이 있으시면 언제든지 기쁘게 생각합니다 [박수 갈채] [음악 재생]

How to get a job at Google (Software Engineer 2018)

이봐, 무슨 일이야? 이 에피소드에서는 리처드 리우 8 년간 Google에서 근무했습니다 그의 시간 동안, 그는 500 명 이상을 고용했습니다

Google 그는 구글을 떠나서 자기 자신을 만들었다 Leapai라는 직업 검색 플랫폼 AI를 사용하여 직업 검색하기 10 배, 10 배 더 빠름 그래서 나는 그가 완벽한 손님이라고 생각 했어 우리에게 말하기 Google에서 일하는 방법 이봐, 무슨 일이야? 오늘 나는 리차드를 만났어 그는 Leap

ai의 CEO 겸 창립자입니다 그는 8 년간 Google에서 근무했습니다 자기 부서가있는 얼마나 많은 사람들을 Google에 고용 했습니까? 서로 다른 부서에 약 500 명 그래서 당신은 약 500 명을 고용했습니다 8 년 동안 구글에 너무 많은 사람들이 있다고 생각하지 마라 질문에 더 많은 경험이있다

"어떻게하면 Google에서 직업을 구합니까?" 당신이 적어 놓은 첫 번째 요점은 "너는 학위가 필요 없어" 전혀 학위를받을 필요가 없다 공동 창립자, 그는 10 년 동안 Google에있었습니다 그는 심지어 나보다 젊다

그가 Google에 합류했을 때, 그의 테크 리드 학위가 없었어 그래서 그것은 매우 확실합니다 학위가 필요 없다고 좋아, 그럼 누군가가 학위를 갖고 있지 않으면 Google에 자신을 증명할 수있는 방법 그들이 유능하다는 것을 코더? 그들은 무엇을 제출해야합니까? 나는 구글이라고 생각한다 집중하지 않는다 어떤 학위를 가지고 있든간에 더 많은 것에 집중했다

네가 할 수있는 일의 종류 당신이 얼마나 좋은 코더인가? 너는 쉽게 너를 증명할 수있어 놀라운 프로젝트에 참여한 경험이 있다면 이력서에 해당 프로젝트의 기술적 깊이 또는 제출물이 있습니다 너는 아마 누군가와 일했을거야 당신이 얼마나 능력이 있는지 압니다 그 사람을 참고 자료로 사용하고 Google에 서면으로 작성하여 귀하를 보증합니다

너를 위해 문을 열어도 충분할거야 Google의 소프트웨어 엔지니어가 되려면 특정 언어를 알고 있다면 어떻게 될까요? 그들은 찾고 있지 않습니까? 말하자면, 당신은 Perl을 정말 잘한다 Google은 Perl을 필요로하지 않으며 여전히 사용자를 고용 할 것입니까? 하지만 당신은 펄을 절대적으로 잘한다 자동으로 실격 처리됩니까? 당신은 그들이 원하는 언어를 모르고 있습니까? 나는 구글이 다양한 언어를 찾고 있다고 생각한다 자바, C + +, 파이썬

언어의 무리 한 현대 언어가있는 한 나는 "현대 언어"를 사용해야한다 Perl은 현대 언어로 간주되지 않습니다 당신은 어떤 언어를 고를 기회를 얻는다

너 인터뷰에서 사용하고 싶다 그 사람들 대부분은 많은 언어를 쓸 수 없더라도 모든 언어 나 자신에 관해서는, 나의 C ++는 매우 녹슬었다 하지만 누군가가 C ++을 쓰면 이해할 수 있습니다 누군가가 Google에서 일하기를 원한다면 소프트웨어 엔지니어로서, 그들이 배워야 할 최고의 언어는 무엇입니까? 그건 그것들을 위해 가장 쉽게 만들거야 Google의 소프트웨어 엔지니어가 되려면? 가장 인기있는 언어는 자바, C + + 및 파이썬 완전한! 좋아, 그럼 2 번 너는 썼다

Google은 이전 경험에 대해별로 신경 쓰지 않습니다 어떻게 생각하는지에 대해 그래 너는 어떻게 생각하니? 또한 귀하의 진정한 역량과 잠재력 수년간의 경험이 없어도 상관 없습니다 좋은 컴퓨터 과학 기초가 있다면 당신이 똑똑하고 추진력이 있다면 물건을 빨리 집어 올릴 수 있습니다 미친 듯이 자랄 수 있어요

내 경험을 바탕으로 Google에 온 숙련 된 사용자를 위해 그들 중 일부는에 적응하는 데 어려움을 겪는다 Google 환경 그들은 "나는 이렇게했다"고 말할 것이기 때문이다 Google에 방문하면 전적으로해야합니다 환경에 적응하라 당신이 중학생이고 높은 잠재력을 지녔다면 너는 잘 배우고, 꿈꾸며

당신은 실제로 "공을 아주 잘 차버릴"수 있습니다 나는 일반적인 오해가 네 눈물의 경험이 필요해 개발자로서 또는 소프트웨어 엔지니어로서 Google에서 일하기 전에 하지만 네가하지 않는다고 말하는거야 Google, 실제로 신선한 졸업생을 많이 고용합니다 네가 말한 포인트 넘버 3은 "연습" Google에 고용 된 경우 많은 코드를 작성하게됩니다

당신은 다른 알고리즘으로 평가 될 것입니다 시스템 설계 그러니 한 이야기를 나눠 보겠습니다 Google에 합류했을 때, 나는 거기에서 꽤 시니어였습니다 나는 100 명 이상의 사람들을 관리하고 있었다 나는 준비가 안됐어

코드 작성을 부탁했습니다 "당신은 보드에 코드를 작성할 수 있습니까?" 코드를 작성할 수있게되었습니다 그러나 실제로, 그들은 많은 양의 코드를 작성하도록 요청할 것입니다 그렇다면 어떻게해야할까요? 그럼 그냥 연습해야 해 모든 종류의 웹 사이트로 이동 코드 연습하기 내 친구의 회사 중 하나 인 Leetcode 코드를 연습하는 사람들에게 아주 좋은 장소입니다

어떤 웹 사이트가 코딩을 연습해야합니까? 내 친구의 회사 중 하나 인 Leetcode 4 위, 2 위 ~ 마지막 지점은 품질 추천을 받다 수많은 사람들이 구글, 이력서의 대부분은 걸러 낸다 당신이 매우 강한 추천을한다면 소개, 정말 당신의 작품을 알고 너에 관해 좋은 말을 할 수있다 대신 이력서를 제출하는 대신 "나는 매트를 알게되고,이 녀석은 정말로 관대 한 남자, 아주 일하기 쉬워 " 너는 좋은 말을 써 그리고 그것은 많은 것을 점검 할 것입니다 고위 인사가 있으면 너에 대한 아주 좋은 것들 그 추천 코멘트는 당신을 엄청나게 도울 것입니다 품질 우수 추천을 어떻게받을 수 있습니까? 우리는 실제로 Leap

ai 웹 사이트에 블로그가 있습니다 우리는 이미 추천의 힘에 대해 이야기했습니다 첫 번째 계층 추천 노인이고 너를 정말로 잘 아는 누군가 소개의 두 번째 계층 회사에서 선배가 아닌 사람 하지만 너 정말 잘 아는구나 추천 3 단계 노인이지만 잘 모르는 사람 가치가 떨어지는 최악의 추천 주니어이고 잘 모르는 사람 가장 좋은 방법은 너는 너의 일을 정말로 아는 누군가를 두드리고있다

내가 너를 모른다면 매트, 나는 일반적인 단어 만 넣을 수있다 "나는 매트를 사회적으로 알지" "그는 좋은 남자와 대화하는 것이 현명한 것 같다" "나는 그의 기술 능력을 모른다" 그러한 추천 유형은 가치가 떨어질 것입니다 그래서 당신의 일을 정말로 아는 누군가를 찾으십시오

그들은 누군가를 가치있게 찾을 수 있습니까? 내 제안은, 이것은 단지에 적용되지 않습니다 소프트웨어 공학 제 청중에게 회의에 참석하라고 말했습니다 나는 그들에게 만남에 가라고했다 기안자들에게 가기 가능한 한 많은 사교 행사에 참석할 수 있습니다 그들이하는 일에 부설하다

해피 아워 일 수있다 코딩에 대한 좋은 점은 그것은 매우 열정적 인 공동체입니다 Google과 같은 코드 회담 또는 회사와 같은 기술 회사 일 수도 있습니다 Leapai는 대화를 나눌 수 있습니다

bootcamp 또는 이와 비슷한 것을 코딩하는 것을 좋아합니다 추천을 찾는 것이 가장 좋은 방법이라고 생각하십니까? Advisor라는 프로그램이 있습니다 고문을 찾으러 거기에 갈 수 있습니다 이 경우, 누군가에게 요청할 수 있습니다 Google에서 제공하는 Google의 누군가가 그 사람과 이야기합니다

기본적으로 무료 인터뷰를 받는다 그 사람은 말할 수 있습니다 "나는 Matt와 채팅하는 것을 정말로 즐겼다 그는 똑똑한 녀석 인 것 같아 나는 그를 추천하고 싶다 " 끝난! 그건 그렇고, 그건 조금 비열하다

행동 촉구, leapai 체크 아웃 설명에 링크가 포함됩니다 아래 링크를 사용하면 직장에 도착하면 500 달러를 벌 수 있습니다 through leapai 마지막 지점으로 이동합니다

Google이 인터뷰하는 사람들을 평가하는 방법 이해 나는 이것이 가장 중요한 부분이라고 생각한다 많은 사람들이 인터뷰를 마치고 대답을 얻었습니다 그들은 훌륭한 일을했다고 생각합니다 그거 알아? 당신은 아마 당신이 생각하는만큼 잘하지 않았을 것입니다 그들이 질문을 할 때 많은 시간을 보낸다

그들은 여러 단계를 거친다 그래서 내가 너에게 물으면, 보통 나는 5 단계가있다 약한 후보자는 2 단계 만 완료 할 수 있습니다 그 사람은 기분이 좋고, 시간은 올랐다 그럼 나는 더 이상의 질문을하지 않는다

하지만 실제로, 당신은 2 단계 만했습니다 나는 평균 점수 만 줄거야 그러나 정말로 강한 것들은 계속해서 3 단계와 4 단계 가장 좋은 것들은 5 단계로 나아 간다 너는 알 것이다 구워지면 많은 질문에 대한 후속 조치 특히 당신이 매우 열심히 느끼는 마지막 하나 너 자신에 대해 나쁘게 생각하지 마라

너는 훨씬 나아 갔기 때문에 대부분의 후보자들보다 그래서 그것의 번호는 1입니다 실제로 당신이 끝내면 여러 단계, 잘했을 가능성이 큽니다 둘째, 그들은 당신이 어떻게 생각하는지 더 신경써 요 정답보다 답을 쫓지 않고 당신은 정말로 당신이 어떻게 생각하는지 증명해야합니다 질문을 받으면 그 순간에 당신은 그것을하는 법을 정말로 모릅니다

너는 그렇게 말하면 돼 "내가 여전히 최적화를 검색 할 때 이것에 대한 algorythms, 내가 부스 algorythms을 시작하자 " 그래서 당신은 그것을 얻고 당신은 진전을 이루고 있습니다 더 나은 버전을 만들어라 이 과정에서 당신은 당신의 견해를 공유하고 있습니다 당신의 아이디어와 단계에 대해 사람들은 당신이 코드 작성뿐 아니라 역시 통신 할 수있다

실제로 직장에서, 당신은 코딩 만하지 않습니다 당신은 또한 다른 사람들과 의사 소통하고 있습니다 인터뷰는 사람들과 어떻게 일하는 지 보여주는 창입니다 또한 의사 소통에 능숙 함을 보여줌으로써 그것은 그들이 찾고있는 또 다른 것입니다 당신의 아름다운 코드를 찾을뿐만 아니라, 뿐만 아니라 의사 소통 기술 당신의 스타일을 찾고, 너는 구글에 들어갈거야, 너는 좋은 청취자 니? 당신은 새로운 아이디어에 열려 있습니까? 비평을 처리 할 수 ​​있니? 그 모든 것들이 중요한 요소입니다

평가에서 내 생각에 특히, 내 관객과 항상 기술 능력에 대해 생각해보십시오 하지만 네가 면접에 제출했다면 당신은 당신의 성격 때문에 실격 될 가능성이 가장 큽니다 나는 구글에서 실제로 안된다고 말할 것이다 엔지니어를위한 많은 사람들 기술의 절반은 기술 능력입니다 기술적 인 것이 그들이 찾고있는 핵심 요소입니다

그러나 데이터 만이 유일한 것은 아닙니다 다른 사람들과의 커뮤니케이션 또한 중요합니다 그 사람의 절반은 실격 상태입니다 성격 상, 절반은 기술 자격으로 실격된다 대충 맞아

알았어 그거 진짜 좋은 정보 야 그건 균형 잡힌 인터뷰 야 그것은 단지 성격에 관한 것이 아니라, 그것은 단지 기술에 관한 것이 아닙니다 그것은 둘 다에 관한 것이다

명확히 너는 양쪽면을 보여줄 필요가있어 대단해, 고마워! == 이 인터뷰를 즐겼 으면 좋겠어 500 명 이상을 고용 한 Richard와 Google에서 자신의 부서도 운영합니다 당신 부서는 뭐하고 있었 니? 내가 Google에있을 때 나는 몇몇 분야를위한 엔지니어링 엔터프라이즈 검색으로 시작 Google 쇼핑에서 일한 것보다 꽤 큰 조직이다

마지막 프로젝트는 "프로젝트 Fi"였습니다 꽤 놀라운 경험 굉장해! 리처드에게 감사드립니다 리처드와 함께 전체 재생 목록이 나올거야 그래서 당신이 더 많은 비디오를 체크 아웃하고 싶다면 CTO, 데이터 과학자, 기술 분야에서 일하고있다 링크를 클릭하십시오

나는 카드에 넣을거야 오른쪽 상단 구석에

Imagia at Google Next

오늘 우리가 너와 얘기하고 싶은게있다 협업 생태계 구축을위한 이마 지아 (Imagia) 여행의 초기 단계 인공 지능을 건강 관리에 도입하는 데 도움이됩니다

암을 치료하는 것은 고귀하고 기념비적 인 업적이지만, 이제는 암에 동반되는 병적 상태를 최소화합니다 이러한 치료의 전달을 변화시키기 위해서는 주어진 질병을 넘어서서 치료해야하며, 환자에 대한 피해를 최소화 할 수있는 치료 전략 개발에 관한 독특한 생물학적 화장 우리가 임상 채택을 강화하기위한 발견 플랫폼을 구축함에 따라, 의료 교육 시스템이 얼마나 불완전한 지 알 수 있습니다 정보는 전세계 학술 사일로에서 끊임없이 진화하고 있으며, 주요 매체 이 정보를 공유하는 것은 저널의 간행물을 통한 것입니다 의사로서, 오늘 의사가 오늘은 거의 불가능하다고 말할 수 있습니다

의료 과학의 최신 발전에 대한 정확한 최신 정보를 제공합니다 실제로 이러한 진보를 의료 행위에 적용하는 것은 어렵습니다 따라서 네트워크에서 연합 된 의료 데이터를 사용하는 플랫폼을 구축하는 것은 우리가 관찰 한 임의성의 일부를 이해하는 데 한 걸음 더 다가 가도록하십시오 우리가 공유하고 싶었던 것을 요약하면이 공동 작업을 만드는 우리의 접근 방식입니다 Google Cloud에서 제공하는 생태계, 건강 전문가를 모으는 곳, 공학 전문가, 그리고

건강 전문가가 지식없이 인공 지능을 사용할 수있는 방법 그러나 대규모 네트워크에서 크고 영향력있는 규모로 수행해야합니다 시간 내 주셔서 대단히 감사 드리며 궁금한 점이 있으면 기꺼이 답변 드리겠습니다

Ariel Beery: “Catching Cancer Using AI-Enabled Smartphones” | Talks at Google”

[음악 재생] 연설자 : 소개하게 된 것을 기쁘게 생각합니다 Ariod Beery, MobileODT의 창립자 겸 CEO 그는 암을 잡는 것에 대해 이야기하고 있습니다

AI 지원 스마트 폰을 사용합니다 그에게 박수를 보냅니다 [박수 갈채] ARIEL BEERY : 대단히 감사합니다 고맙습니다 안녕, 여러분

오늘 저와 함께 해줘서 고마워요 나를 초대 했어 Alana,이 멋진 기회에 감사드립니다 우리가하는 일에 대해 너와 조금이라도 나누기를 그리고 오늘의 목표는 당신과 함께 나누는 것입니다

오늘날의 기술을 사용하여 가능한 것의 조금, 기술적 인 측면에서 그리 많지는 않습니다 그러나 구조적인 측면에서 더 많이 나중에 Q & A에서 이야기 할 수있어서 기쁩니다 조금 더 깊숙이 가고 싶다면 하지만 오늘 내가 너와 이야기하고 싶어하는 것은 구체적으로 건강 관리에 관한 것입니다

근본적인 수준에서 보건 의료가 더 많이 요구하는 것은 무엇입니까? 무엇보다도, 정보입니다 그래서 내가 함께 MobileODT를 시작했을 때 내 공동 설립자 데이비드 레비츠 (David Levitz)와 우리가 힘들어했던 것들 우리는 한 손에 기술이 있었습니까? 소비자 전자 기기 상승 덕분에 훨씬 나아졌다 휴대 전화에서, 우리는 거기 밖으로 필요했다 우리는 자궁 경부암을 확인했습니다 약간은 죽음의 주요 원인이다

전세계 농촌 지역 여성들을위한 그리고 그것은 매우 쉽게 치료할 수있었습니다 그러나이 둘을 연결하는 것은 우리가 직면 한 문제였습니다 그리고 우리가 깨달은 것 – 우리가 세계의 일부와 가진 대화의 일부로 주요 공중 보건 단체 결국 전세계에서 – 그것은 결국, 가장 근본적인 수준에서, 건강 관리 좋은 건강 관리의 제공은 데이터에 달려 있습니다 그리고 그것은 여러분 모두와 확실히 Google의 많은 것을 알고있다 그래서 내가 너를 두 가지로 남겨 둘 수 있다면 이 프레젠테이션의 끝에서 첫 번째 건강 관리는 정보, 데이터에 의존한다는 것입니다

두 번째로 모바일 컴퓨팅 행성에있는 모든 사람들이 건강 관리를 이용할 수 있도록 할 것입니다 그래서이 두 가지 특별한 것들과 함께, 프리젠 테이션에 뛰어 들고 싶습니다 그리고 우리가 할 일에 대해서 조금 나누어 주시고, 잘하면, 너와 대화 할 때 너와 대화 할거야 능력면에서 당신의 초능력을 사용할 수 있어야합니다 엔지니어로서, 사업 사람들로서, 많은 사람들을 살리기 위해 가능한 한 빨리 그래서 나는 뒤로 물러 설 것이다

제 이름은 아리엘 비어리입니다 나는 오늘 여기에있을 절대적인 기쁨을 누렸다 MobileODT라는 회사를 대표하는 모바일 광 검출 기술 가장 기본적인 수준에서 우리가하는 일은, 질병을 해결하기 위해 휴대 전화의 힘을 사용합니다 이제 다양한 방법이 있습니다

그 휴대 전화는 질병을 해결하는 데 사용할 수 있습니다 일부 회사는 소비자가 사용하는 앱을 사용합니다 혈당이나 혈압을 추적하는 데 사용됩니다 매일 개입해야합니다 우리가 회사로 믿는 것, 그리고 어디에서 우리는 기부를 모색 중이며 예방에 있습니다

건강 관리가 예방 가능하기에 가장 적합합니다 질병, 맞지? 당신이 질병을 잡을 수 있다면, 거의 모든 질병, 치료할 수있을만큼 일찍 동안, 당신은 분명하고 신속하게 치료할 수 있습니다 사람이 너무 아프기 전에 그래서 당신은 수년간의 삶과 수천 명의 사람들을 구할 수 있습니다 달러와 가족의 부채로 질병을 조기에 확인함으로써 그리고 우리는 그러한 기술을 현재 권한을 부여하는 데 가장 적합합니다

보건 의료 종사자 그리고 회사로서의 우리의 사명은 의료 서비스를 갖추는 것입니다 노동자들 – 간호사들, 조산사들, 기술자들, 대다수의 사람들에게 서비스를 제공하는 임상의들 인류의 일상을 그들에게 도구를 갖추도록 더 나은 치료를 제공 할 수 있어야합니다 그리고 만약 우리가 이것을 선교사로 본다면, 그 질문은 회사로서, 우리는 어디에서 가장 큰 영향력을 행사할 수 있습니까? 그래서 우리는 헌신적 인 간병인을 데려 오기로 결정했습니다 모바일 컴퓨팅 랩을 제공하기 위해, 진화론 적 점프를하도록 돕는다

건강 관리의 질을 제공하는 능력, 특히 자궁 경부암에서 이렇게 많은 사람들이 이미 이것을 알고 있습니다 하지만 나는 우리 모두가 같은 페이지에 자궁 경부암이 주요 원인이다 전 세계 농촌 지역 여성들의 사망 확률 그것은 여러면에서 가장 비극적 인 죽음의 원인입니다

그것은 가장 예방 가능하기 때문입니다 자궁 경부암이 어떻게 발생하는지 조금씩 보여 드리겠습니다 그러나 한 발에 서 자궁 경부암은 최대 20 년이 걸릴 수 있습니다 환자를 죽이기 전염병에서 온 것입니다

HPV, 인간 유두종 바이러스 – 당신이 처음 5 년 안에 그것을 붙잡는다면, 당신은 그 자리에서 그것을, 기본적으로, 당신이 주방에 가지고있는 장비는 28 달러 미만입니다 20 분 안에 그러면 어떻게 더 쉽게 질병이 될 수 있습니까? 독감이 10 년 동안 수백만 명의 여성들을 죽이는 것보다 치료를 위해 – 어머니, 공동체의 기둥? 어떻게 가능합니까? 그것은 실제로 매혹적인 것들 중 하나입니다 여성이 선별되지 않기 때문입니다 그래서 모든 여성 – 재생산 연령의 모든 여성 – 자궁 경부암 검사를 받아야한다

정기적으로, 매 3 년마다 또는 매 5 년마다 년, 기술에 따라 우리가 사용할 수있는 그러나 전 세계 여성 대다수는 그렇지 않습니다 그리고해야 할 일은 한 번 상영하는 것입니다 그리고 그 질병의 식별의 한 순간 여성의 삶은 죽음의 칼럼에서 갈 수있다 인생 칼럼에 매혹적인 것은 투자에도 불구하고 모자 보건에있어, 최근 2015 년 이래로, 자궁 경부암으로 인한 사망자 산모와 어린이 사망자보다 더 우세하다

합병증 그래서 그것은 단지 그 중 하나입니다 정기 심사에 약간의 투자 가족을 돌보기 위해 수백만 명의 여성들이 살아 있다는 것을 의미 할 수 있습니다 그리고 그것은 전 세계의 문제가 아닙니다 미국에서도 마찬가지입니다

거의 모든 사람들이이 방에서 생식 연령의, 확실히, 그리고 온라인으로보고있을 많은 사람들, 평생 동안 HPV 바이러스에 감염 될 수 있습니다 인간 유두종 바이러스는 대중적인 바이러스 중 하나입니다 오늘 그리고이 순간에 7 천 9 백만 명의 미국인이 함께 살고 있습니다 그리고 그 바이러스가하는 것은 세포를 감염시키는 것입니다

그 바이러스의 고위험 계통에 감염된 세포 염증이 생기기 시작하고 질병이 발생할 것입니다 그리고 일찍 잡으면, 당신은 그것을 대합니다 그리고 신체의 면역계가 그것을 내뿜을 수 있다면, 그것은 우리가 매일 바이러스를 내뿜는 것처럼 그것을 내뿜을 것입니다 그러나 일부 미국인과 전세계의 많은 여성들에게, 그것은 그들을 죽입니다 자, 그것이 작동하는 방식은 다음과 같습니다

그리고 그래픽 이미지에 사과드립니다 그러나 그것이 중요하기 때문에 인식하는 것이 중요하다고 생각합니다 시각적으로 평가할 수있는 질병 그래서 보통의 자궁 경부 – 자궁 경부, 모든 사람을위한 나는 MobileODT에서 시작했을 때 이것을 배웠습니다 자궁 경부는 아기가 어디서 나오는거야? 그래서 그것은 여성의 해부학의 일부입니다

자궁 경부는 보통 자궁 경부이고 다육 질이며 편평 세포 및 원 주상 세포 바이러스가 그 세포를 감염 시키므로, 그들은 염증을 일으키기 시작합니다 그리고 자궁 경부의 표면에 눈에 띄게, 당신은 그 감염이 자라기 시작했다는 징후를보기 시작합니다 그 단계에서, 전 암성 단계에서, 당신은 여전히 ​​그 세포들을 잘라낼 수 있습니다 – 문자 그대로 문자 그대로 얼려 버리거나 불에 태워 버린다 아주, 아주를 사용하여 몇 분이 걸릴 수있는 절차에서 어디에서나 할 수있는 간단한 기술 – 말 그대로 전 세계 어디서나 – 그 여자는 죽음의 칼럼에서 나올거야

인생 칼럼에 그러나 당신이 그것을 지속하게하고 그 감염이 계속된다면, 그 세포들이 침범하면 암에 걸리게됩니다 그 단계에서 거의 불가능합니다 여자의 생명을 구하기 위해서 그래서 당신은이 매우 긴 과정을 가지고 있습니다

20 년이 걸릴 수 있습니다 어디에서, 정상 자궁 경부에서 전 암성 자궁 경부까지, 너는 5 년의 창문이있다 심지어 전 암 발병시기에도 당신은 쉽게 치료할 수 있습니다 매혹적인 것은 선별 검사가 문제의 일부 따라서 그래프를 보는 사람은 일반적으로 이 그래프를보고, 오, 잠깐 추세가 줄어들고 있습니다

하지만 내가 알아야 할 점은, 연중 무렵부터 사실까지도 2000 년까지 우리가 엄청난 기술 도약을 가져 왔음을 자궁 경부암 검진에서 – 액체 기반 세포학, HPV 검사, 그리고 가장 중요한 것은, 백신 – 사망자 수 및 새로운 환자 수 기본적으로 평평하게 만들었지, 그렇지? 그들은 0으로되지 않았습니다 네가 상상할 수 있겠 니? 갑자기 우리는 백신 접종을하고 있습니다 더 나은 기술로 심사를 진행하고 있습니다 우리가 할 수있을 때 개입하고 있습니다 아니

우리는 여전히 수천 명의 여성들을보고 있습니다 질병과 수천 명의 여성을 발전시킨다 미국의 질병으로 죽는다 미국 이외의 지역에서는 잊어 버리십시오 감염률이 매년 증가하고 있기 때문에 비율은 성장하고있다

그래서 질문은 다음과 같이됩니다 좋습니다 그래서 우리는이 모든 훌륭한 기술들을 가지고 있습니다 액체 기반 세포학 및 HPV 검사 및 예방 접종 – 그리고 여기에서 듣는 모두가 예방 접종을 받음 – 왜 우리는 아직 그러한 일들을 멈출 수 없는가? 멈출 수있는 질병? 글쎄, 그것은 전문가의 부족과 관련이 있습니다 그래서 나는 미국지도를 보여주는 것을 좋아한다

인도 나 중국의지도와 반대로 아프리카가 그렇게 인상적이기 때문에 빨간색은 산부인과 의사가없는 곳입니다 이들은 미국의 카운티들입니다 논란의 여지는 있지만, 가장 발전하고 경제적으로 세계의 성공적인 국가 – 그것은 전문 지식이 부족한지도입니다 그래서 병에 걸리면 어디로 가야합니까? 실제로 매혹적인 것을 말해 보겠습니다

내가 그것을 배웠을 때, 그것은 내 마음을 불었다 25 %의 여성 – 여성 1/4, 여성 4 – 부름을받은 사람들은 당신이 긍정적이고, 자궁 경부 세포진 검사에서 발생한 고급 병변, 들어 와서 치료 받아야 해 돌아 오지 마라 부름을 받고 말한 여성의 절반은, 당신은 고급 HPV 검사를받습니다 고위험 HPV 검사 – 당신은 들어와야합니다

다음 약속을 위해 들어 오지 마세요 그리고 그 질문은, 왜죠? 거리 때문에 그리고 다시, 이것은 미국에 있습니다 이곳에는 큰 길을 가지고 있습니다 너는 암트랙을 가지고 있고 너는 버스가있다

이론 상으로는 장소를 얻을 수있는 능력이 있습니까? 시골 동남아시아의 시골 아프리카 또는 시골 인도를 잊으십시오 그래서 문제는 도전은 연결입니다 환자와 전문가의 이것이 바로 우리가 해결하고자하는 목표입니다 따라서 이것은 향상된 시각적 평가 시스템입니다 이것은 EVA입니다

EVA는 우리 모두가 지닌 기술을 기반으로합니다 알고 있고 사랑합니다 안드로이드 휴대 전화 기술에 대한 놀라운 점 Google이이 회사를 위해 소비자로서 우리의 성장을 뒷받침 해주었습니다 그 능력면에서 그렇게 강력 해졌습니다

이미지 캡처, 처리 및 분석, 전문 지식의 세계와 의사 소통 할 수 있습니다 인터넷에있다 일상적 상호 작용에서 우리가 알고 사랑하는 것들 건강 관리 조항에 실제로 중요합니다 그 의미는 그 간호사, 조산사, 인류의 대다수를 보는 그 기술자들은, 장치를 사용하여 의료 기기, FDA 승인, CE 마크가 부착 된 의료 기기 휴대 전화의 힘을 강화합니다 그 여성이 어디에 있든 전문 치료를 제공 할 수 있습니다

그래서 어디서든 휴대 전화를 사용할 수 있습니다 EVA 시스템을 이용할 수 있습니다 하지만 분명히 휴대 전화 만이 아닙니다 그리고 그것은 단지 장치가 아닙니다 EVA가하는 일입니다

그리고 그것과 같은 장치들, 그것과 같은 연결된 장치들 – 그것은 치료 지점에서 환자에게 구름을 연결시키는 것이지, 치료 시점에 환자를 연결합니다 그리고 제공자 – 그 시점의 건강 관리 제공자 치료의 – 구름에 그리고 그것이 우리가있는 순간에 대해 그렇게 강력한 것입니다 그래서 잠재력이있는 순간이 있습니다 우리 모두가 기여할 수 있습니다

왜냐하면 일단 우리가 본질적으로 건강 관리를 해결한다면 도전 과제는 데이터 문제를 해결하는 것입니다 그것은 우리가 건강 관리에 영향을 줄 때마다, 우리는 말 그대로 변형 할 수 있습니다 그 보건 서비스가 제공된다 연결 도트를 통해, 연결을 통해 정보의 조각 이제 우리는 이것을 배웠습니다

그리고 저는 MobileODT를 중단 할 것입니다 세그먼트 초 – 우리는 29 일에 이것을 배웠습니다 전세계 국가 – 미국에서는 많지만 전 세계에서는 아프리카 대륙에서도, 휴대 전화가 상대적으로 많은 세계에서 새로운,하지만 믿을 수없는 힘 덕분에 기본적으로 어디서나 휴대 기기를 사용할 수 있습니다 그리고 우리가이 모든 나라에서 배운 것은 – 그것이 미국의 가장 발전된 도시에 있는지 여부 인도와 인도, 또는 가장 먼 지역에 있는지 여부 아프리카 대륙이나 라틴 아메리카 전역 – 우리가 배운 것, 또는 오히려, 질문 우리가 요구 한 것은 모바일 컴퓨팅이 실제로 어떻게 건강 관리를 변형 시키시겠습니까? 우리가 배운 것은 그것이 그렇게 할 수 있다는 것입니다 세 가지 방법으로 그래서 구체적으로 오늘 제가 여기에서 가정 할 내용은 – 그리고 내가 끝내겠다고하는 요청 이것의 끝에 – 그것은, 구체적으로, 모바일 컴퓨팅은 세 가지 중재 수단을 도울 수 있습니다

건강 관리를 위해 위험에 처한 환자를 확인하는 데 도움이 될 수 있습니다 우리의 경우, 자궁 경부암을 우리의 경우로 사용하기 때문에 여기에서 연구하면 위험에 처한 여성을 식별 할 수 있습니다 둘째, 적절한 치료를 보장 할 수 있습니다 은 적용되다

세 번째는 준수를 보장 할 수 있다는 것입니다 그 여자가 누가 그녀가 긍정적이라는 말은 제대로 처리됩니다 그런 다음 암을 정확하게 추적 할 수 있도록 문제가 계속되지 않습니다 그러니 그 세 가지로 빨리 가자 첫째, 모바일 컴퓨팅은 위험에 처한 여성을 식별하는 데 도움이됩니다

이것은 데이터의 산점도입니다 Kaggle이 주최 한 대회의 일환으로 분석되었습니다 대형 제약 회사 인 Genentech가, Symphony의 데이터 세트를 사용하여 사용할 수 있습니다 Symphony는 대용량 데이터 수집 자입니다 여기 미국에서

그리고 경쟁사가 요청한 것 데이터 과학 팀이 볼 수있는 것이 었습니다 이 거대한 공공 데이터 세트에서, 이 거대한 공공 데이터 세트를 기반으로 여성들은 자궁 경부암의 위험이 있습니다 그리고 그들은 – 고위험 여성을 찾는 데 90 % 이상이 걸린 것 같습니다 공개 데이터 세트에서 자, 왜 이것이 중요한가요? 글쎄, 미국이 약 66 억 달러를 소비하기 때문에 매년 자궁 경부암 검사를받는 여성들 – 66 억 달러

매년 5500 만 명의 여성이 상영되며, 그러나 천만 명의 여성들은 그렇지 않습니다 그리고 5 천 5 백만 명의 여성 중, 단지 3 천만 명의 여성들이 실제로 상영되어야합니다 근본적으로 2 천 5 백만 명의 여성을 심사합니다 누가 선별 할 필요가 없는지 그리고 가장 위험한 상태에있는 1 천만 명의 여성을 진단하지 않습니다

그것은 상영 될 필요가 있습니다 그래서 아프리카 계 미국인과 히스패닉계 여성들이 미국에서는 자궁 경부암의 비율이있다 거의 동등하고 어떤 곳에서는 더 높습니다 아프리카 여성과 라틴 아메리카 여성보다 우리는 상영 될 필요가있는 여성을 심사하지 않기 때문에, 우린 여자들을 과도하게 심사하고있어

그것은 상영 될 필요가 없습니다 그것은 단지 데이터 문제 일뿐입니다 그것은 단지 데이터 문제 일뿐입니다 그것은 다소 솔직하게 해결 될 수있는 것입니다 그리고 일단 그 정보를 얻으면, 그에 따라 리소스를 재 할당 할 수 있습니다

올바른 치료가 바로 환자에게가는거야 당신은 누구에게 올바른 결정을 내릴 수 있습니다 돌보아 줄 필요가있다 그래서 첫 번째 것은 단지 여성을 확인하는 것입니다 그것은 상영 될 필요가 있습니다

두 번째는 적절한 치료를 적용하는 것입니다 이것은 기본 워크 플로입니다 자궁 경부암 검사는 오늘날 미국에서 시행됩니다 자궁 경부 세포진 검사도 마찬가지입니다 뿐만 아니라 HPV 테스트

그럼 빨리 처리해 보겠습니다 한 여자가 의사의 사무실로옵니다 그녀는 테이블에 누워있다 공급자는 자궁 경부에서 세포를 긁어 낸다 그것을 작은 양동이에 넣고, 그 양동이를 닫고, 그것을 의료 보조원에게 준다

의료 보조원이 가져 가서 가져옵니다 앞쪽 구석에 그들은 물류 회사를 부릅니다 물류 회사가 와서 버킷을 집어 들고, 실험실로 가져갑니다 그런 다음 실험실이 그것을 내리고 기술자에게 가져옵니다

기술자가 그걸로 얼룩을지게합니다 그들이 얼룩을 묻은 후, 그것을 가져 간다 현미경으로 찍는다 현미경으로 보거나, 분석의 일환으로 그 밑에 있는지 살펴 봅니다 HPV DNA가 있습니다

그런 다음 그들은 그 여자는 위험성이 높은 무언가를 가졌습니다 그들은 그것을 적어 놓습니다 그런 다음 가끔씩 자신의 공급자에게 다시 팩스를 보냅니다 의료 보조원은 팩스, 의료 기록을보고, 정보를 입력합니다 의료 기록에, 그것이 긍정적이면, 가서 의사에게 말을 걸자

의사는 결정을 내릴 필요가 있습니다 그 환자를 다시 전화 할게 그리고 의료 비서가 환자를 불러옵니다 환자는 3 주 후, 그녀가 그 시험을 치른 후에 – 재조정 될 필요가있다 좀 복잡해, 맞지? 그 3 주 동안, 전체 기간 환자가 들어 와서 검사를받은 후에, 그녀는 몰라요

그리고 종종 임금 노동자, 농촌 미국인, 편부모 다음 가을에 스케쥴을 잡는 데 어려움이 있습니다 그들은 단지 산으로 옮길 수있게되었습니다 그들의 연례 물리적 그래서 그들은 전화를 받고 의료 보조는 말한다 부인, 자궁경 부질 세포진 검사를 받았습니다

그 여자가 말한다 내가 다시 스케줄을 잡을 때 다시 전화 할게 지금 일하는 중이 야 그리고 그녀는해야 할 일이 백만 가지가됩니다 그녀는 잊어 버린다

그리고 그것이 바로 66 억 달러 중 우리가 매년 여성 검진에 소비하는 미국에서는 12 억 달러 비 순응 때문인가, 여성에게 후속 조치로 잃어버린 그녀가 일정을 잡을 수 없었기 때문에 그 시간에 다음 방문 그리고 그녀는 내년에 다시 돌아오고 그녀는 다시 긍정적입니다 그녀는 작년에 내가 긍정적이라고 말했어 그런 다음 다시 일정을 잡아야하지만 모두 다 올 필요는 없습니다 그래서 긴 과정으로 인해 여성들이 삶에서 벗어나게됩니다

열에서 죽음 열로 이동하십시오 이제 우리는 MobileODT에서 무엇을하는지 – 우리가 발견 한 것 수집의 전체 과정을 대체 할 수 있다는 것입니다 샘플을 실험실로 보냅니다 그 다음에 그 여자를 데려 와서 근본적인 기계 적용을 통해 이미지에 알고리즘 학습 colposcope를 사용하여 캡처합니다 그래서 매혹적인 획기적인 작품이 있습니다

곧 발표 될 것입니다 그리고 저는 그것에 대해 너무 많이 이야기하는 것을 허락하지 않습니다 그러나 나는 국가 암을 기초로 공유하려고 노력할 것이다 국립 중앙 도서관 및 연구소 증명할 특별한 일을 해왔다 Global Good의 파트너가 꽤 높은 정확도, 90 % 조금 넘는 자궁 경부암, 단지 하나의 이미지만으로

그리고 그것은 특별합니다 그게 의미하는 바는 그 여자의 진료소에서, 그녀가없이 그 전체 과정을 통해, 06 초 안에, 그녀는 죽음 기둥에서 생명 기둥으로 갈 수 있습니다 그리고 그것은 시작에 불과합니다 매혹적인 것은 이러한 알고리즘이 기억하기 때문에, 자궁 경부암, 시각적으로 평가할 수있는 다른 많은 질병과 마찬가지로 우리가 이미 알고 사랑하는 알고리즘 거의 매일 같이 배포 할 수 있습니다

아마이 방에있는 많은 사람들이 그 알고리즘을 작성하십시오 그리고 그들은 Caffe 또는 TensorFlow를 기반으로합니다 이제 TensorFlow Lite로 이동하고 있습니다 그것들은 간단하고 직선적 인 기계 학습 문제입니다 흥미롭게도 컴퓨터 비전 거기서 그것을 자르지 않았습니다

그러나 충분히 큰 데이터 세트를 만들 때 – 현재 MobileODT는 자랑스럽게 생각합니다 자궁 경부암에 관한 세계에서 가장 큰 데이터 세트 중 하나 – 당신은 그것의 초기 단계에서 질병을 확인하는 데 사용할 수 있습니다 시각적 인 이미지 이상의 것을 사용하는 것 그래서 그것은 적절한 치료를 적용하는 것과 관련이 있습니다 그 치료를 요점에 적용 할 수 있다면, 그 순간 여자가 방에있을 때, 당신은 그 어떤 여자보다 훨씬 많은 것을 할 수 있습니다

그러나 그 치료법을 적용하면, 그녀가 실제로 돌보고 있는지 확인해야합니다 그래서 대부분의 의료 기기 꽤 잘하고, 아주 작은 링크 일뿐입니다 환자가 건강하게 유지되도록 체인에서 그 여자가 검사를받은 후에, 우리는 그 여자와 의사 소통을해야합니다 그리고 그녀가해야 할 일은 무엇인가 그리고 적절한 치료가 없다면

자궁 경부암이 아니라면 다른 어떤 유형의 질병이라도 될 수 있습니다 그녀는 추천받을 필요가있다 일단 그녀가 추천을 받으면 우리는 우리는 그녀의 기록을 갱신해야합니다

우리가 상대방에게 무엇을 표현하지 않으면 그것은 당신이 본 것입니다, 그러면 그들은 그것을 놓칠지도 모릅니다 결국 임상의는 인간 일 뿐이니까요? 그리고 그들은 그들이 무엇인지 찾아야 만합니다 찾을 것을 말했다 다시 말하지만, 그것은 데이터의 문제입니다 그리고 그 환자 기록이 업데이트되면, 제공자는 적절한 치료를 제공하며, 그 정보를 가져 가고 싶습니다

당신은 그것을 저장하고 싶습니다 질병에 대한 정보가 있기를 원하기 때문에 인구 내에 퍼져있다 자궁 경부암은 전염성 질병이라는 것을 기억하십시오 인간 유두종 바이러스에서 유래했습니다 그리고 그렇게 많은 다른 질병들이 있습니다

트렌드를 찾을 수 있다면 리소스를 할당하는 방법을 알 수 있습니다 효과적으로 그런 다음 데이터를 얻으면 환자 식별을 시작할 수 있습니다 그리고 나서, 당신이 그 환자들을 확인하면, 당신은 그것들을 조사 할 필요가 있습니다 그리고 그 연속체는 건강 관리를 만드는 것입니다

그리고 연속체는 데이터 문제입니다 그것은 통신 문제입니다 우리가 소셜 네트워크에서 해결 한 문제입니다 그러나 우리는 아직 건강 관리에서 해결하지 못했지만 우리는 할 수 있습니다 자, 그럼, 세 가지가 있습니다

이쪽의 더 정면 부분을 닫습니다 우리 대화를 시작하기 위해 내가 너에게 물어볼 3 가지, 너 모두 여기있다 그리고 여러분 모두 알고 있습니다 당신이 구글에 신청하는 슈퍼 파워를 가지십시오 그리고 당신이 그것 밖의 모든 일에 적용하고 있다는 것을 첫째, 건강 관리 시스템이 환자를 식별하도록 돕겠습니다

위험 공개 데이터 세트를 가져와 벡터를 더 명확하게 매핑 할 수있는 방법 그 정보를 건강 관리에 표현하십시오 조직에서 배포 할 수 있도록 가장 효과적이고 효율적인 방법으로 적절한 자원 그러한 보건 의료 단체가 환자를 위해 최선을 다하십시오 적절한 치료법을 적용 해 봅시다 장치에는 엄청난 양의 데이터가 소모됩니다

그리고 분명히, 쓰레기가 들어 오면, 당신은 쓰레기가 나오고 있습니다 이것이 바로 MobileODT의 경우 중요한 구성 요소가 정보의 유형을 제어 할 수 있어야합니다 당신이 신청할 수 있도록 분석을 위해 나오는 적절한 정보 이제 더 많은 장치를 클라우드에 연결합시다 적절하고 필요한 모든 보안 예방 조치를 취하십시오

환자 프라이버시가 유지되도록 보장합니다 그러나 자궁 경부에서 여자를 확인할 수는 없습니다 그의 구강 인두암에서 남자를 확인할 수 없으며, 또는 그들의 피부병에서 어떤 사람 이 정보를 사용하여 모든 공급자, 간호사, 조산사, 취할 수있는 기술자 휴대 전화를 가지고 현장에 가져 가라 인류의 모든 구성원이 동일한 고수준 진단 정확도에 동일한 액세스 권한을 가짐 그들 모두가 접근 할 수있게함으로써 올바른 정보에

그리고 마침내 순응을 보장합시다 우리는 사회 역학에 대해 많은 것을 배웠습니다 혼자 지난 10 년간 그리고 아직, 우리는 그 일을 확실히하기 위해 최선을 다하고 있지 않습니다 여자가 전화를 걸고, 그녀가 고급이라고 말했어

전암 – 우리는 그녀를 다시 데려 오는 좋은 일을하지 않고 있습니다 우리가 그녀에게 물건을 주문할 수있는 방법은 무엇입니까? 온라인 상점에서는 얻을 수 없지만 그녀가 병원으로 돌아가거나 병원에 가야합니까? 우리는 어머니 사망의 사회적 비용을 이해합니다 그들의 가장 중요한 시대에 개입합시다 그렇게하는 방법을 알아내는 것은 데이터 문제입니다

그리고 여기서 핵심은 검사, 분석, 즉시 조치를 실행하십시오 보살핌의 시점에서 – 그 계산을 빨리하는 것, 그것을하는 것 그런 일이 일어날 때마다, 환자는, 병든 곳이면 어디든 건강 관리를 가져올 수 있습니다 모바일 장치가 그토록 강력합니다 우리가있는 곳이면 어디든 갈 수 있습니다 행성의 거의 모든 사람이 이제 하나를 가지고 있습니다

이제 우리는 우리의 역할을 수행하고 있습니다 MobileODT, 같은 기술을 사용하여 이 장치의 중심에 휴대 전화를 의료 기기로 전환 할 수 있습니다 다른 질병에 적용 시각적으로 평가할 수 있습니다 눈으로 확인할 수있는 것, 임상의가 내시경 절차에서 피부에, 당신은 모바일 장치로 할 수 있어야합니다 그것을 조정할 필요가 있습니다

오른쪽 광학, 오른쪽 조명, 올바른 구조들, 등등 그러나 그것을 할 수있는 많은 다른 방법이 있습니다 그리고 우리는 모든 장치 회사, 모든 기술 제공 업체가 그들이 어떻게 핵심을 사용할 수 있는지 생각하기 시작하십시오 기술이 사용되도록 보장하는 자원 진료소에서 생명을 구하기 위해 그리고 마지막 생각, 다시 한 번, 데이터가 중요하다는 것입니다 그 데이터를 실행 가능하게하는 모바일 요소

그래서 우리 모두 여기에 기본 이해가 있습니다 우리가 매일 휴대 전화를 사용하기 때문입니다 그래서 그들을 위해 그것을 사용합시다 그렇지 않으면 잃어 버릴 수도있는 생명을 구할 수 있습니다 대단히 감사합니다

그리고 당신이 우리와 함께하여 행성에있는 모든 사람이 이용할 수있는 건강 관리 그리고 나는 당신의 질문을 환영합니다 [박수 갈채] 그래서 나는 두 개의 마이크가 있다고 말하도록 요청 받았다 그들은 스포트 라이트에 의해 켜져 있습니다 전혀 질문이 있으시면 답변 해 드리겠습니다

그리고 의문의 여지는 없습니다 관객 : 안녕하세요 이야기 해 주셔서 고마워요 그래서 두 가지 질문이 있습니다 첫 번째는 정확도가 주위에 있다고 언급했습니다

90 %보다 약간 높습니다 그 이야기의 붕괴에 대해 이야기 해 주실 수 있습니까? 그 의미에서 거짓 긍정이나 거짓 음성이 있습니까? ARIEL BEERY : 당연하지 그래서 제가 여러분에게 추천 할 수있는 많은 논문들이 있습니다 곧 나오는 정액 종이 그것을 더 많이 무너 뜨릴 것이다 내가 그것에 대해 말할 수있는 것은, 자궁 경부에 대해 매력적이라면 편평 세포 암종의 아주 명확한 예입니다

세포가 증식하기 시작할 때, 그들은 가시성을 보여주기 시작합니다 이제, 당신은 위음성을 얻을 것입니다 그러나 감수성과 특이성 둘 다 90을 초과합니다 즉, 뭔가를보고, 당신은 더 많거나 적은 것입니다 저것이 암이라는 것을 알아라 지금 HPV에 자궁 경부 세포진 검사에 그것을 비교하기 위하여는, HPV 테스트는 많은 사람들을 사로 잡습니다

고위험 부담이있는 사람 결코 암으로 발전하지 않을 것입니다 사람들의 5 %만이 실제로 HPV의 고위험병에 걸렸다 결국 암을 개발하게 될 것입니다 그리고이 검사는 HPV DNA의 변형을 찾습니다 시각적 검사 란 무엇인가? 세포가 이미 자라는시기를 찾습니다

그리고 그 때 꽃 봉오리를 집어 넣고 싶습니다 당신은 그 세포들을 제거하고 싶습니다 감염이 발생합니다 그리고 지금까지 문헌에서 볼 수 있듯이, 약 97 % 결코 재 감염되지 않을 것입니다 관객 : 고마워

그리고 나는 두 번째 질문을 추측한다 그래서 보편적 인, 나는 짐작할 만하다 주로 데이터에 대한 액세스 권한을 얻고 있습니다 개인 정보 보호 문제 당신은 큰 데이터베이스가 있다고 언급했습니다

아마도 당신은 알고리즘을 훈련 시키는데 사용하고있을 것입니다 그 일에서 무엇을했는지 이야기 해 주실 수 있습니까? 현재 상태는 무엇입니까? 건강 관리 제공자들은 어떻게 지내고 있습니까? 기술 회사의 요구에 대응 우리가 그들을 도울 수 있도록 그 데이터에 접근 할 수 있습니까? ARIEL BEERY : 무엇보다도 우선 매력적인 도전입니다 조직 네트워크 중 하나 우리가 함께 일하는 곳은 질병 통제 센터 (Centers for Disease Control) CDC 그리고 방금 회의에서 왔습니다 CDC의 정보 과학회의 애틀란타에서 그리고 내가 배운 것들 중 하나 건강 관리 시스템 내에서도, CDC 내에서도 한 조직, 그들은 정보를 공유하는 중요한 도전이 있습니다

그리고 그것은 오늘의 아이러니 중 하나입니다 우리는 지구상의 거의 모든 인간을 추적 할 수 있습니다 우리는 그들이 어디로 가고, 무엇을 먹고 있는지 알고 있습니다 그리고 그들이하는 일은 어느 정도 이루어지고 있습니다 그러나 우리는 그들을 건강하게 유지할 수 없습니다

우리가 건강에서 얻는 정보 간병인은 모두 잠겨 있습니다 우리가 다루는 방식은 우리 자신의 데이터베이스를 구축하는 것입니다 그래서 누군가가 우리 시스템을 사용할 때마다, 우리는 그 정보를 가지고있다 그리고 그것은 식별이 안된다 우리는 데이터베이스를 구조화한다

사일로에서 그리고 정보의 그 어떤 부분이라도, 해당 테이블마다 하나씩 다른 조회 기능이 있습니다 그래서 당신은 실제로 정보를 얻을 수 없습니다 환자가 누구인지에 대한 정보를 가지고 공급자는 누구에 대한 정보로 생각합니다 제공자는 무엇인가에 대한 정보 또는 결과는 진단이다

그래서 당신은 그것을 구조화 할 능력이 있습니다 그래서 그 조각들 중 어느 하나는 자연에 의해 식별되지 않습니다 그리고 우리가 바라는 것은 구글이 이것과 다른 여러 단체들과 관련된 우리가 바라는 것은 이러한 표준 전파가 시작됩니다 즉, 어떻게 든 장비의 모든 조각 디지털 방식으로 연결되어 있으면 다른 사람들도 배우고 사용할 수 있어야합니다 그것을 통합하고 솔루션을 통해 구축 할 수 있습니다

그리고 나는 선을 위해 매우 놀랐다 그리고 그것이 다른 건강 안에 어떻게 작동하는지 나쁜 것에 대해 의료 시스템 그래서 우리는 기본적으로 유선 전화가 아닙니다 모든 것이 휴대 전화입니다 그리고 그 중 일부는 그런 나라들이 있습니다

클라우드에 매우 만족합니다 일부는 데이터 센터가 문자 그대로 때로는 비가 오는 오픈 오두막집, 그들은 물건을 국부적으로 호스팅하기를 원합니다 콘테이너 화 덕택에 그렇게 할 수 있습니다 적절한 마이크로 서비스 아키텍처를 구축한다면, 당신은 그것을 작동하게 할 수 있습니다 그래서 나는 우리가 거기에 도착할 것이라고 생각합니다

하지만 더 많은 사람들을 사인해야합니다 상호 운용성 표준에 이르기까지 그리고 우리는 사람들이 말 그대로 삶을 구해야한다는 것을 인식해야합니다 따라서 지연은 생명을 희생시키는 것입니다 관객 : 후속 조치로 생각합니다 그 정보를 수집하는 경우, 항상 데이터가 오용되거나 존재한다는 두려움이 있습니다

확인했다 그래서 나는 내게도, 내가 이것을 통과한다면, 좋아, 어떻게 될지 이 데이터를 볼 필요가없는 사람은 누구인지 알 수 있습니까? 이 데이터가 표시되지 않습니까? 결국 데이터를 보호하기 위해 무엇을해야합니까? 너는 모으고 있니? ARIEL BEERY : 그래서 우선, 그것은 자연적으로 2 차 사용 데이터라고하는 것입니다 당신의 공급자가 아닌 다른 누구도, 당신이 누구인지에 대한 정보를 가지고있다 그리고 검사가 무엇인지

그래서 우리는 자궁 경부 또는 자궁 경부에서 확인할 수 없습니다 음, 그것은 우리 피부의 어떤 이미지에 달려 있습니다 그러나 당신은 그것으로 확인할 수 없습니다 보장 할 수있는 공개 데이터 세트가 없습니다 1 몰에 근거한 사람의 신원 확인 심지어 자궁 경부 또는 구강에서도

그 때문에 이미지와 주석은 자연에 의해 식별되지 않는다 그런 관점에서 볼 때, 한 여성이 확인되어야한다 하지만 네, 올바르게 구조화해야합니다 그래서 우리가 데이터베이스를 구조화했을 때, 처음부터 우리는 당신이 문자 그대로 필요로했던 당신은 [INAUDIBLE] 해시 룩업 테이블을 가져야했습니다 서로 다른 테이블 사이에 있는지 확인하십시오

어떤 경우 에든, 당신은 여러 가지 데이터 조각을 순서대로 연결 누군가를 재확인하는 것 하지만 사람들에게 열쇠를주지 마세요 그래서 당신은 그것을 이용할 수 없게 만듭니다 관객 : 고마워 ARIEL BEERY : 물론입니다

전혀 네? 관객 : 안녕하세요 이야기 해줘서 고마워 따라서 질문은이 강의의 범위를 벗어날 수 있습니다 그러나 아직도, 당신은 어떤 노력을 알고 있습니까? 암을 진단하기 위해 기계 학습이 사용되는 곳 또는 MRI 스캔과 같은 다른 종류의 이미지를 기반으로하는 다른 질병 또는 CT 스캔? ARIEL BEERY : 예

전혀 관객 : 그게 뭐야? ARIEL BEERY : 그래, 절대적으로 그래서 우선, 엄청난 금액이 있습니다 공개 된 정보 국가 정부 덕택에 전 세계에서 사용할 수 있습니다 대형 의료 시스템

그래서 저는 방금 국립 보건원 (National Institutes of Health) 방금 MRI 기반 이미지의 거대한 데이터 세트를 발표했습니다 방금 내 친구 한테서 너는 모두 할 수 있다고 들었어 그 후에 며느리가 시어머니와 함께 이야기하고있다 홉킨스에서의 탁월한 연구 결과로 가장 초기 단계 – 결장 직장암 또는 췌장암 – 췌장암 따라서 점점 더 많은 정보가 제공되고 있습니다

그리고 그것은 매우 중요합니다 그래서 나는 진정한 목표가 있다고 생각한다 이것이 제가 논문에 대해 말할 곳입니다 내 논문은 스마트 장치가 차이를 만들 것입니다 따라서 데이터 세트는 훌륭합니다

그러나 엔지니어 인 여러분 모두가 알고 있듯이, 데이터 세트는 그 데이터의 출처만큼이나 좋다 재현 가능합니다 그래서 당신은 데이터 집합을 가지고 있지만 데이터를 수집하는 방법 변경 사항, 분석 유형, 이전 데이터를 기반으로 작성한 분류 기준, 미래의 데이터와 관련이 없을 수 있습니다 우리가 믿는 것, 회사로서의 것, 그 데이터를 장치에 묶고, 완전한 솔루션으로 데이터를 가져 오는 방법을 제어 할 수 있습니다 그 데이터에 주석을 달아주는 방식, 그리고 그 데이터를 분석하는 방법 – 그리고 그것은 선순환이됩니다

그러면 정말로 진료를 제공 할 수 있습니다 그리고 점점 더 많은 기업들이 시작하고 있습니다 그걸 알아볼 수도 있습니다 GE는 그 주위에 큰 이니셔티브를 가지고 있습니다 나는 다른 사람들도 알고있다

사람들이 약에 대해 생각하기 시작하면 전문 지식 및 장치의 응용 약을 제공 할 수있는 능력의 연장이다 그런 다음 우리는 점점 더 많이 보게 될 것입니다 그래서 피부가 있습니다 내 말은, 구글이 눈에 맞는 프로젝트를했다고 생각한다 MRI 스캔, CT 스캔 등이 있습니다

그리고 내가 매우 매력적으로 생각하는 것은, 지난 20 년 동안, 여러 가지 접근법이있었습니다 주로 컴퓨터 비전을 사용합니다 그러나 실제로, 돌파구가 있었던 곳 실제로 표준, 기성품 모델을 적용하고 있습니다 그리고 약간의 원유가 될지도 모르는 모범을 보여 드리겠습니다 그것이 흥미 롭기 때문에 흥미 롭습니다

그래서 알고리즘을 개발하는 데 꽤 오랜 시간이 걸렸습니다 자궁경 부를 확인할 수 있습니다 그리고 나서, 여러분 중 일부는 "실리콘 밸리 (Silicon Valley)"라는 HBO 쇼입니다 오픈 소스, 또는 적어도 워크 스루 (walk-through)를 제공하는 방법 그들은 핫도그 / 핫도그를위한 알고리즘을 만들었습니다 우리는 그 핫도그 / 핫도그 명령을 가져 가지 않았습니다

3 일 안에 알고리즘을 만들었습니다 그 자궁 경부는 자궁 경관이 아니야 삼 일! 우리는 이전에 그것을하는 것처럼 1 년이 걸렸습니다 그런 다음 문자 그대로 방금 만든 새로운 도구로 오픈, 3 일이 걸렸습니다 그리고 그 지수 적 알고리즘 변화, 속도와 잠재력면에서, 그것은 단지 미친 짓입니다

그리고 그것은 또한 의미가 있습니다 그리고 이것은 다음 중 하나입니다 이것이 기술자로서의 강국이 여기에서 매우 중요한 이유입니다 매혹적인 것은 당신이 여기에 우리가 알고있는 순간이 있습니다 모든 역사에서, 우리는 인간이 능력을 가지고 있다는 것을 알았습니다

정보를인지하고 순서대로 우리의 두뇌를 사용한다 그 정보에서 패턴을 찾는 결정을 내리는 거지? 내 말은 그 약이 뭔지 알아 의학은 당신이 사람이있는 곳입니다 말하기, 마술사, 의사, 누가 수년간의 학교 생활을하다 모든 다른 것들을 배우기 위해서 배울 필요가있다 그들은 그 보살핌의 시점에 도달하고, 그들은 무엇을 찾을 지에 관해서 매우 교육받은 추측을하십시오

그들이 보는 것을 바탕으로 정보를 참조합니다 그들은 특정한 결정을 내리는 것을 배웠다 그런 다음 그들이 내린 결정에 따라, 그 사람은 살거나 죽는다 그렇지? 알고리즘은 수만 개를 볼 수 있습니다 의사가 할 수있는 것보다 더 많은 환자가 할 수 있기 때문에, 말 그대로, 수만명의 환자를 복습하십시오

이제 우리는 실제로 할 수있는 능력이 있습니다 의사가 이전에 할 수 없었던 방식으로했던 것 네? 청중 : 익명화 된 데이터가 수집됩니까? 사람들이 다운로드 할 수있는 MobileODT를 통해, 아니면 독점적입니까? ARIEL BEERY : 우리는 데이터 세트를 가지고 있습니다 경쟁에서 Kaggle을 통해 제공 한 인텔은 자궁 경부의 유형에 후원했다 치료에 중요합니다

우리는 점점 더 많은 데이터를 만들고 있습니다 연구 커뮤니티에서 사용할 수 있습니다 그리고 우리는 여러분과 함께 일하게되어 매우 기쁩니다 그러니 언제든지 저에게 연락 주시기 바랍니다, 정보를 공유하게되어 기쁩니다 청중 : 그리고 비슷한 메모에서 당신은이 장치를 데이터 수집 수단으로 사용하려고 생각했습니다

당신이 이미지를 사용할 수있는 모든 다른 종류의 암에, 눈이나 피부처럼? ARIEL BEERY : 예 그래서 우리는 이미 내시경 수술을 할 수있는 능력을 가지고 있습니다 구강, 피부 – 절대적으로 비판적이며 절대적으로 중요합니다 관객 : 고마워 ARIEL BEERY : 고마워

네? 관객 : 안녕하세요 나는 약간의 선명도를 원할 것이다 정확히 어떻게 제품이 작동하는지 그래서 나는 사진처럼 보였다 범위의 일종

그러나 자궁 경부암의 경우, 특히, 자궁 경부 세포 검사에서 이미지를 찍고 있습니까? ARIEL BEERY : 아닙니다 그래서 보통은 보여주지 않습니다 알지 못하는 사람들을위한 조금 더 그래픽 여자가 테이블에 누워있을거야 오늘 삽입 된 것과 같이 검경이라 불리는 자궁 경부 세포진 검사 또는 질 확대경 검사를 받는다

그리고 우리의 장치는 질 확대경 (colposcope)으로 분류됩니다 – 자궁 경관을 바라 보는 장거리 현미경이다 질, 외음부 – 거리에 배치됩니다 그것은 결코 환자에게 닿지 않습니다 그리고 멀리서 자궁경을 이미지합니다 그리고 그것이 보는 것과 공급자가 보는 것에 기반하여, 그들은 어떤 결정을 내린다

그래서 현재이 서비스 제공자가하는 일은 장거리 현미경으로 이것을 사용하고있다 환자를 보러 그리고 그들이 본 것에 근거하여 결정을 내립니다 그리고 시간이 지남에 따라 점점 더 많은 가이드 라인을 제공하기 시작합니다 개입 및 워크 플로우 개입, 또한 더 많은 일을하도록 안내 할 것입니다

예를 들어 멋진 파트너가 있습니다 샌디에고 로타리 클럽 그리고 그들은 잘랄 라바 드 병원 (Jalalabad Hospital) 아프가니스탄과 스크립스 메디컬 센터 (샌디에고) 그리고 첫 번째 자궁 경부암 검진 프로그램 아프가니스탄에서는 EVA 시스템 조산사가 아프가니스탄에서 일하고있다 샌디에고의 산부인과 전문의는 그들이하는 일을보고 그들을 제공했다

실제로 시험을 수행하는 방법에 대한 도움말 관객 : 고마워 ARIEL BEERY : 절대 즐거움 예? 관객 : 이야기 해 주셔서 다시 한번 감사드립니다 용어로 문화적 장벽을 발견 한 적이 있습니까? 실제 장치를 사용하고 있습니까? 그렇다면 어떻게 극복합니까? 어떻게하면 교육을합니까? 보살핌을 받는다는 생각을 편안하게 받고있다

더 복잡한 장치를 사용하고 있습니까? ARIEL BEERY : 물론입니다 그래서 무엇보다 우리는 놀라운 보편성을 발견했습니다 우리가 이전에 기대하지 못했던 요소들도 있습니다 그래서 첫 번째로 문화적 차이가 있습니다 speculum의 삽입의 점에서

Speculum 삽입은 특정 장소에서 문제가되는데, 분명한 이유가 있습니다 일단 장애물을 지나면 우리와 아무 상관이 없다면 꽤 간단합니다 그것은 단지 시각화입니다 그리고 speculum가 삽입되는 어떤 장소, 그들은 그것을 시각화하는 여성에게 익숙합니다 무엇이 매혹적인지, 실제로, 문화적으로, 우리가 케냐에서 처음으로 알아 차린 것이 올바른 것임을 입증 한 것입니다

전 세계 여성들이 보는 것을 좋아한다는 것입니다 그들의 자궁 경부의 이미지 여자들은 자궁경을 본 적이 없었기 때문에 그리고 농촌 지역의 신흥 시장에서, 미국의 농촌 지역에서는 자궁 경부암 사망의 주요 원인이다 그래서 그들은 자궁 경부암으로 사망 한 여성을 알게 될 것입니다

그래서 그들은 이것이 무엇인가라는 것을 반복해서 들었습니다 그들이 걱정해야만하는 것들 그러나 그들은 그것이 무엇인지 모릅니다 그래서 돌아 서서 말하기 위해서, 이게 바로 내가 본 것인데, 여기를 봐라 당신은 가서 대우를 받아야합니다

거대했습니다 인터뷰의 일환으로, 여성 중 한 명 "나는 자궁 경부의 셀카를 보았다" 그들은 그것이 있었던이 순간을 가졌습니다 그녀가 무엇을 보는지에 대해 매우 힘을 실어 준다 그녀는 내부에서와 같이 보입니다

그래서, 그 두려움 장벽을 줄이십시오 그래서 저는 그것이 중요하다고 생각합니다 나는 이것이 모든 건강 관리에있어 비판적이라고 생각합니다 즉, 결국 건강 관리는 그 사람과 관련이 있습니다 환자 맞지? 여러 번 의료 기기 회사 건강 관리를 매우 추상적 인 형태로 생각하십시오

그리고 제공자와 지불 자 및 기관과 관련이 있습니다 및 네트워크 그 여자, 그 한 여자에 대해서해야만합니다 그리고 그 한 여성은 자신의 건강을 소유해야합니다 왜냐하면 그녀가 자신을 돌보지 않으면, 아무리 많은 의료 서비스 시스템이 개발되고 강건 해지면서 그녀는 죽을 것이다

관객 : 대단히 감사합니다 ARIEL BEERY : 내 절대적 인 기쁨 그래서 한가지 더 질문 할 것이고, 그러면 우리는 끝내기 시작해라 네 관객 : 제 질문은 마케팅의 관점입니다

그렇다면 당신은 목표로 향해 가고 있습니다 이걸 팔아요? 비용이 얼마나 들지? 아니면 당신이 지금 감싸고있는 것입니까? 하지만 마케팅 만하면됩니다 어디로 가려고하십니까? 병원이나 다른 단체입니까? ARIEL BEERY : 따라서 MobileODT는 주로 의료 서비스를 제공합니다 네트워크 및 병원 네트워크 분명히, 그것을 사용하는 사람 간호사 또는 조산사 또는 부인과 의사입니다 조달 담당자는 일반적으로 구매자

미국에서는 각각 4,800 달러에 팔고 있습니다 이 세대는 약 20 % 전통적인 단위의 가격 그리고 목표는 결코 가격이 결코 장벽이 될 수 없다는 것입니다 우리는 모든 공급자 미국과 세계의 모든 곳에서 – 분명히 가격은 전 세계적으로 낮습니다 그들이 관심을 가질 수있게 될 것입니다

그들이 그것을 제공 할 때 제공하기 위해 전화했다 여기에 제가 원하는 슬라이드가 있습니다 – 나는 너를 잠깐 보여줄거야 이는 마케팅 측면에서 우리에게 중요합니다 여기있는 여자, 여기의 아이콘, 그건 우리가 EVA라고 부르는 제품은 EVA라는 제품과 마찬가지로 EVA EVA는 우리가 참여하는 사람입니다

EVA는 의료 종사자, 간호사, 조산사, 기술자 – 낮과 밤을 봉사하는 여성 인류의 대다수 그리고 우리는 그녀와 함께 일하려고합니다 그래서 기본적인 서비스 관점에서, 우리의 목표는 그 사람에게 필요한 도구를 제공하는 것입니다 그리고 우리는 그녀의 건강 관리 시스템과 함께 일할 것입니다, 그녀의 병원 네트워크에서 환자에게 치료를 제공하는 데 필요한 도구 그래서 나는 여러분 모두의 아주 기본적인 요청을 마무리 할 것입니다

그래서 내가 여기 올 기회가 주어 졌을 때 – 알라나, 다시 한번, 가능하게 만들었습니다 내 마음 속을 계속 나아가는 것은 어떻게 더 나은 용어의 부족을 사용하는 것 – 이 조직의 잠재력을 어떻게 임신했는지, Google과 같은 회사는 의료의 근본적인 요소에 영향을주었습니다

지난 10 년간 우리가 배운 교훈은 개인 식별, 개인 지원 선택을 통해 적시에 적절한 정보를 얻으십시오 올바른 사람들과 함께하는 수업 행성에있는 모든 사람들에게 즉시 적용될 수 있습니다 그리고 MobileODT는 그 부분 만 할 수 있습니다 그리고 희망적으로, 우리는 길을 계속 강화할 것입니다 공급자가 건강 관리를 제공합니다

본인과 같은 조직 및 동료 그룹의 다른 조직, 근본적으로 영향을 미칠 수있는 많은 기회를 가져라 사람이 살고 있는지에 대한 인간의 조건 또 다른 해 또는 그냥 여러분의 초능력을 사용할 수 있기를 바랍니다 마케팅에서 비즈니스에 이르기까지 엔지니어링에 이르기까지, 어떤 사람도 여자도, 아이도, 아버지도, 남자도 – 쉽게 예방할 수있는 질병으로 다시 사망합니다 고맙습니다

[박수 갈채]

Google Lens is moving into Camera App | AI in Camera at Google I/O 2018

우리 스마트 폰의 카메라들은 우리 주변의 세계와 매우 즉각적인 방법으로 순간을 저장하여 추억을 포착하고 의사 소통을 돕습니다 그러나 인공 지능과 컴퓨터 비전의 진보와 함께 당신은 해설자의 말을 들었습니다

카메라가 우리를 도울 수 있다면 무엇을 할 수 있는지 질문에 대한 대답은 어디에서와 같습니까? 또는 저 앞에있는 무엇이 저를 당신이 나가는 친밀한 그림을 그리게하십시오 이미 약속이나 기술 회사에 늦게 출근하는 지하철입니다 회의가 일어나면 전화가 마켓에서 남쪽으로 스트리트 그래서 당신은 한 가지 문제를 어떻게합니까 당신은 어떤 방법으로 남쪽인지 모릅니다 그래서 당신은 지도에서 파란색 점을보고있는 휴대 전화를 보면서 그것이 당신이 아니라면 같은 방향으로 움직이고 있는지보기 위해 걷기 시작합니다 그들 주위를 빙빙 돌며 우리는 모두 물었습니다 카메라가 우리 팀을 도울 수 있다면 우리 팀은 여기서 일하고 있습니다 카메라의 힘과 거리의 컴퓨터 비전을 결합하기가 정말 힘듭니다

둘러보기와 둘러보기를 다시 보면서지도를 볼 수 있습니다 Google지도에서와 같이 카메라를 열어보세요 당신은 즉시 당신이 어디에 있는지 즉시 알 수 있습니다 아니 전화와 함께 futzing지도에있는 모든 정보 거리 이름 바로 앞에있는 방향으로지도가 보입니다 그런 식으로 방향을 유지하면 가까운 장소를 볼 수있어 무엇이 있는지 볼 수 있습니다

우리 팀은 재미있게 놀기 위해 거기에 도움이되는 가이드가있어서 그녀가가는 길을 보여줄 수 있습니다 이런 종류의 경험을 가능하게 해주는 아주 멋지다 GPS만으로는 절단되지 않기 때문에 우리가 VPS 시각적 포지셔닝 시스템으로 정확한 위치를 추정하고 오리엔테이션은 여기에서 핵심 통찰력에 대해 생각하는 한 가지 방법은 당신과 똑같습니다 그리고 우리가 익숙하지 않은 장소에있을 때 시각적 랜드 마크를 찾고 있습니다 당신은 건물 앞면 등을 찾고 있습니다

그리고 그것은 똑같습니다 아이디어 VPS는 환경을 동일하게 사용하면 우리가 당신을 정확히 파악할 수 있습니다 당신이 아주 멋진 곳으로 가야 할 곳을 정확히 알려줍니다 우리가지도에서 당신을 도우려고 카메라를 어떻게 사용하는지는 우리가 생각할 수 있습니다 보신 내용으로 더 많은 일을 할 수 있도록 도와주세요

Google에서 Google에서 작업을 시작한 이유입니다 렌즈는 이제 사람들이 이미 모든 종류의 답변과 특히 질문을 단어로 설명하기 어려운 경우 labradoodle 또는이 건물에 공원에서 귀여운 강아지 시카고는 리글리 (Wrigley) 건물이며 높이가 425 피트이거나 아홉 살짜리 아들입니다 요즘은 60 개가 넘는 케빈 듀란트가 말합니다 현재는 렌즈가 보조 제품의 사진을 좋아하는 Google 제품의 기능이지만 다음 주부터는 렌즈가 픽셀에 카메라 애플 리케이션 새로운 LG 전자 g7과 훨씬 더 많은 장치가 이렇게하면 이미 당신 앞에있는 것들에 렌즈를 사용하는 것이 아주 쉽습니다 이 사진을 목소리처럼 보게되어 매우 기뻤던 카메라 비전은 우리를위한 컴퓨팅의 근본적인 변화이며 여러 해 우리는 이미 많은 진전을 이루고 있으므로 오늘 내가 보여줄 것이라고 생각했습니다

당신에게 더 많은 답변을 드릴 수있는 Google 렌즈의 세 가지 새로운 기능 더 많은 종류의 질문이 더 빨리 이루어져야합니다 괜찮아요 첫 번째 렌즈는 이제 단어가 어디에서나 인식되고 이해할 수 있습니다 당신은 그것에 대해 생각 트래픽 포스터 포스터 레스토랑 메뉴 명함하지만 지금은 똑똑한 텍스트 선택을 사용하면 볼 단어를 답변 및 조치가 필요하므로 복사 및 붙여 넣기와 같은 작업을 현실 세계를 바로 휴대 전화에 직접 들려주세요 아니면 당신이보고 있다고 말하려합니다

또는 단어 페이지에서 답변 페이지로 칠할 수 있습니다 예를 들어 레스토랑 메뉴를보고 모든 요리를 빠르게 알아볼 수 있습니다 그것은 무엇을 보이는 모든 성분 etcetera가 그런데있다 채식주의 자 알기 좋은 래따 요이 호박과 토마토는 정말 멋지다 이 예제 렌즈는 문자의 모양을 이해하는 것이 아닙니다 그리고 시각적으로 글자들은 실제로 그 의미를 얻으려고 노력하고 있습니다

이 단어 뒤에 나오는 문맥은 모든 언어 스캇 이야기에 대해 정말로 들었습니다 다음에 내가 이야기하고 싶은 기능은 스타일 매치라고하며 아이디어는 이쪽입니다 때로는 질문이 아니거나 질문 대신 그 정확한 것은 무엇입니까? 너는 네가 친구 집에서 너를 체크하고 있는거야 유행 찾고 램프와 당신은 그 스타일과 지금 일치하는 것들을 알고 싶다 렌즈가 당신을 도울 수 있거나 눈을 끈 옷을 볼 수 있다면 모든 항목을 카메라 탭으로 열어 특정 코스를 찾으십시오

특정 항목의 리뷰 등의 정보를 볼 수 있지만 모든 것을 둘러보고 그 스타일을 둘러보고 그 스타일에 두 부분이 있습니다 물론 렌즈는 수백만, 수백만 개의 항목을 검색해야합니다 하지만 우리는 그 검색을하는 방법을 알고 있지만 다른 부분은 실제로 크기가 서로 다른 텍스쳐 모양이 될 수있는 것들을 복잡하게 만든다 조명 조건 등 어려운 기술적 인 문제가 있지만 우리는 여기서 많은 진전이 있었고 정말 흥분했습니다 오늘 우리가 렌즈를 실시간으로 만드는 방법이 무엇인지 알려주고 싶습니다

스타일 일치 예제에서 보았 듯이 카메라를 열고 당신은 모든 정보를 사전에 렌즈 표면에서 볼 수 있습니다 즉시 정보를 보게됩니다 지금은 수십억 단어를 훑어보고있는 이런 종류의 문구는 실시간으로 물건을 배치하여 가능하지 않은 것을 제공합니다 기계 학습없이 우리는 장치 지능뿐만 아니라 둘 다 사용하고 있습니다 작년에 I / O에서 발표 한 클라우드 TP 사용의 힘으로 도청 이 작업을 정말 흥분되게하십시오

시간이 지남에 따라 우리가 원하는 것은 실제로 가게 앞 거리 표지판과 같은 것들 위에 실제 결과물을 직접 오버레이 또는 콘서트 포스터를 사용하면 휴대 전화를 콘서트 포스터에서 가리킬 수 있습니다 찰리 퍼트와 뮤직 비디오는 마치 카메라가 질문에 대답하는 것이 아니라 퍼팅하는 방법의 예 질문이있는 곳의 답변과 매우 흥미 진진한 스마트 텍스트 선택 스타일이 다음 몇 주 내에 모두 렌즈에 도달하는 실시간 결과와 일치합니다 그들을 확인해주세요

Korean novelist Choi In-ho dies at 68 after battling cancer 소설가 최인호 씨 지병으로 별세

유명한 한국인 오벌리스트 최인호 (Choi In-ho)는 암과의 긴 전투 끝에 세상을 떠났습니다 최씨는 1970 년대부터 수많은 베스트셀러를 썼다

인기있는 한국 영화 및 TV 드라마의 수를 기준으로합니다 우리의 손종인 (Sohn Jung-in) 보고서 유명한 소설가 최인호 (Choi In-ho) 암과 싸우십시오 올해는 최우수 선수 경력이 시작된 지 50 주년이되는 해이다 18 세의 문학 경연 대회

68 세의 작가는 "Another Man 's Room"과 같은 비평 적으로 유명한 소설로 유명합니다 와 "천국의 별에의 귀향"과 타액이라고 진단받은 후에도 글쓰기를 계속했다 2008 년 암 선암 친구와 동료들은 최씨에게 서울시 추모식에서 경의를 표했다 그의 지나가는 밤 "나는 한때 최인호와 문학 경쟁을 벌였던 배심원 단에 앉아 있었고 하루 종일 지속되었다

그것은 매우 고뇌스러운 일이었습니다 내가 어떻게 느끼고 있는지 그에게 말하면, 그는 나를 안아주고 환호했다 나 " 소설가는 현대 독자의 영혼에 도달했습니다 허구의 장르, 역사 소설, 수필 및 아동 도서까지

많은 사람들이 그의 작품에서 영감을 얻은 TV 쇼와 영화를 위해 그를 기억합니다 역사 소설 "상도"가 TV 화되어 큰 성공을 거두었습니다 같은 이름의 시리즈, 그리고 영화로 만들어진 소설 "딥 블루 나이트" "최씨는 영화에도 관심이 많았고 한국 영화에서 매우 중요한 역할을했다 특히 70 년대와 80 년대에 많은 책을 썼을 때 영화 산업

" 토요일에 서울 중앙 명동 성당에서 최씨를위한 가톨릭 신자가 열릴 예정이다 그는 경기도 분당 기념 공원에 묻힐 것이다 손정인, 아리랑 뉴스

Shoucheng Zhang: “Quantum Computing, AI and Blockchain: The Future of IT” | Talks at Google

[음악 재생] 슈광 짱 : 정말 고마워요 Google에이 곳으로 오게되어 대단히 기쁩니다

[INAUDIBLE]이 (가) 소개하는 특별한 특권도 있습니다 그러나 또한 우리는 끊임없이 아이디어를 교환 해 왔습니다 그리고 오늘, 저는 당신에 대해 무엇에 관해 이야기하고 싶습니다 정보의 3 개 국경 미래를위한 기술 – 양자 컴퓨팅, 인공 지능 및 블록 체인 – 그러나 특히 가능한 공생 이 세 가지 주요 추세 중 하나 나는 요즘 세계에서 생각합니다

그 주제들 각각에는 많은 전문가들이 있습니다 그러나 나는 정말로 흥미 진진한 기회가 가능하다고 생각한다 회의 또는이 세 가지 사이의 공생 정보 기술의 미래에 대한 주요 추세 최근의 과학적 발견에 관한 이야기부터 시작하겠습니다 최근의 발견 이었지만 오랜 역사가있었습니다 과학에서의 많은 위대한 발견 또한 철학의 깊은 변화와 관련이있다

우리는 상반되는 세계, 이원론의 세계에 살고있는 것 같습니다 우리가 양수를 가질 때마다, 우리는 음수를가집니다 우리가 크레딧을 가질 때 우리에게는 빚이 있습니다 우리에게는 음과 양, 선과 악, 천사와 악마가 있습니다 그러나 자연 세계에는 또한이 반대 철학에 상응하는 또는 이중성

그래서 1928 년에, 아마도 가장 위대한 이론 물리학 자 중 하나가되었습니다 모든 시간 중, 폴 Dirac, 노력했다 아인슈타인의 특수 상대성 이론을 통일하기 위해 양자 역학 그리고 그렇게하는 과정에서 그는 수학적으로 공부하고있었습니다 파생 그는 제곱근 연산을 만나야했습니다 그리고 그는 고등학교 때부터 기억했다

9의 제곱근은 단지 3- 3 곱하기 3은 9이지만 – 3이기 때문에, 마이너스 3 번에서 마이너스 3 번까지 또한 9이기 때문에 그래서 당신이 뿌리를 질 때마다 긍정과 부정적인 뿌리를 취하기 그 당시, 그것은 매우 혼란 스러웠습니다 그 부정적인 뿌리는 의미합니다 그리고 그는 실제로 천재의 한 뇌졸중에서, 그는 세계의 모든 문제에 대해, 그 반대쪽 물질이나 반물질이 있습니다

그리고 당신이 웨스트 민스터 사원을 방문했을 때, 기념 상패를 찾아 볼 수 있습니다 유명한 Dirac 방정식 그리고 2012 년, 내 인생에서 가장 겸손한 경험 중 하나 Paul Dirac 메달을받는 것입니다 그래서 제가 말씀 드렸듯이, 여러분이 제곱근을 잡을 때마다, 당신은 긍정적 인 가지와 부정적인 가지를 가지고 있습니다 그리고 그는 선제 적으로 부정적인 가지를 해석했다

자연의 보편적 법칙, 모든 입자에 대한 우주에는 반 입자가 있습니다 그 시간을 제외하고 – 모두가 이것을 아름다운 방정식으로 간주했습니다 그러나 그가 1928 년에이 예언을했던 때를 제외하고는, 단순히 반물질이 없었습니다 예를 들어, 전자의 반물질 긍정적 인 요금을 가진 무언가가 될 것이며, 그러나 같은 질량 양성자는 전자에 반대되는 전하를 가지며, 전자의 질량은 2,000 배나 더 많습니다

그래서 아무도 그를 믿지 않았다 그럼 그가 뭐라했는지 알아? 그는 내 방정식이 너무 아름답다고 말했다 너희들은 단지 그것을 찾으러 간다 그리고 사람들은 그렇게했습니다 그리고 그는 운이 좋았다

그리고 5 년 후, 우주선에서 – 지구상에서 자연적으로 생산하기가 매우 어렵습니다 그러나 우주선에서 사람들은 발견 된 반물질, 즉 양전자, 정확히 같은 질량을 가지고 있지만, 전자의 그래서 나는 이것이 가장 위대한 것 중의 하나라고 생각한다 모든 인류의 예측, 아름다움의 개념 또한 사실로 밝혀졌습니다 오늘날, 우리는 실제로이 반물질을 의료 기기에 사용합니다

유명한 의료 이미징 기술 PET 스캔, 양전자 방출 단층 촬영 (Positron Emission Tomography) 실제로이 반 입자, 양전자를 기반으로했습니다 그것은 또한 할리우드의 상상력을 사로 잡았습니다 유명한 소설과 영화 '다빈치 (Da Vinci)'가 있습니다 암호" 많은 사람들이 책을 읽고 영화를 보았습니다

그러나 불리는 속편도 있습니다 댄 브라운 (Dan Brown)의 저서 <천사와 악마> Tom Hanks도 연기했다 기본적으로 소설은 서사시 투쟁을 묘사합니다 천사와 악마 사이, 흡입에서 최고점에 달한다 입자와 반 입자의 따라서 실제로는 가장 높은 정보 밀도입니다

하나는 우주 어디에서나 달성 할 수 있습니다 물질에 반물질이 있다면, 방출하는 에너지 거기에서 가장 강력한 것입니다 그러나 재미있는 비유이기도합니다 우리에게는 천사가있는 것처럼 악마도 있습니다 우리가 양성 입자를 가질 때마다, 우리는 반 반대편을 가지고 있습니다

그러나 인간의 호기심은 멈추지 않았습니다 그래서 Dirac의 예측 이후에, 모든 시간의 가장 큰 예측 중 하나로서, 호기심은 거기에서 멈추지 않았다 그래서 또 다른 훌륭한 이론 물리학자가있었습니다 그러나 Ettore Majorana라고 불리는 그의 시간 동안 다소 애매했다 그리고 그는 호기심 많은 질문을했습니다

반물질이없는 물질이있을 수 있습니까? 또는 자신의 반 입자 인 입자, 또는 반 입자를 갖지 않는 입자 일 수있다 그것은 독자적인 반 입자입니다 그게 가능하니? 그래서 그는이 질문을했고, 그는 또한 그것을 묘사 한 아름다운 방정식을 적었다 그러나 이번에 그는 운이 좋지 않았습니다 아무도 그를 믿지 않았고 아무도 그것을 찾지 못했습니다

그래서 그는 실제로 그것에 대해 실망했습니다 그때 이래로, 그것은 근본적인 과학에서 신비가되었습니다 그래서 우리는 기초 과학에서 "가장 원하는"목록을 가지고 있습니다 예를 들어, 목록에는 God Particle 또는 Higgs Boson이라고 불립니다 그러나 2012 년 CERN에서 발견되었습니다

제네바에있는 실험실에서 또한 중력파가 있습니다 아인슈타인은 디락보다 덜 운이 좋았다 Dirac, 그의 예측은 단지 그것을 위해 5 년이 걸렸다 실험적으로 확인되었다

그러나 아인슈타인의 중력파 예측 100 년 이상 걸렸습니다 겨우 2 년 전에 발견되었지만, 아인슈타인 100 년 전에 그것을 예언했다 그래서 이것은 목록입니다 그리고 그것은 또한 어두운 물질 입자라고 불리는 것입니다 우리는 아직도 그것을 찾으려고 노력합니다

그러나 목록 상단에도 매우 Majorana fermion의 매우 흥미로운 개념입니다 반 입자가없는 입자이며, 또는 자체 antiparticle입니다 그러나 그것의 신비한 아마 가장 원하는 목록에있는 모든 사람들 중에서, 어쩌면 Majorana fermion이 가장 신비 스럽습니다 Majorana fermion이 발견되지 않았기 때문에

내가 말했듯이, 그는 매우 실망했다 아무도 그의 예측을 믿지 않았을 때 그리고 그는 이탈리아 사람이었습니다 그리고 그는 나폴리에서 팔레르모까지 페리를 탔다 그러나 그는 결코 그 연락선 ​​타는 것에서 다시 나타나지 않았다

그래서 그는 깊고 깊은 신비가되었습니다 그리고 올해는 그의 실종 된 지 80 년이되었습니다 그러나 우리는 또한보고 할 좋은 소식을 가지고 있습니다 비록 그 자신이 결코 발견되지 않았지만, 그의 입자가 발견되었습니다 그리고 그것은 오늘 제 발표의 하이라이트입니다

그래서 그는 방정식을 간단히 적었 기 때문에, 그러나 그는 사람들에게 그것을 어디서 찾을 지 말하지 않았고, 그래서 그것이 80 년이 걸린 이유입니다 승인? 그래서 아무도 그들을 찾을 곳을 알지 못했습니다 하지만 스탠포드 대학의 이론 그룹은 이 신비한 입자를 찾으러 그리고 2010 년과 2015 년 기간 동안, 우리 이론 그룹은 세 가지 이론 논문을 썼습니다 어디서 정확하게 예측할 수있는 첫 번째 것

실제로, 아주 놀랍게도, 그것은 이 입자가 발견되지 않았다 일부 거대한 가속기에서는 탁상 형 실험에 참여할 수 있습니다 사람들이 일반적으로 사용하는 반도체 장치와 매우 비슷합니다 토폴로지 절연체 (topological insulator)라고 불리는 물질입니다 다이애나는 이미 소개를 – 뭔가를 언급했다

나는 10 년 전에 발견했다 그러나 그들은 자기 도펀트를 약간 넣었습니다 따라서 토폴로지 절연체는 무언가를 할 수 있습니다 비스무트 텔루 라이드처럼 그리고 거기에 자성 도펀트를 넣을 수 있습니다

그것은 크롬 일 수 있습니다 그리고 그 위에 초전도체를 적용합니다 그래서 우리는이 시스템에서, 당신은이 신비한 Majorana fermions를 발견 할 수 있습니다 그러나 그것은 충분하지 않습니다 당신이 그것을 어디에서 찾을 지 예측할 수있을뿐만 아니라, 그것을 찾기 위해 무엇을 측정해야할까요? 그리고 거기에, 나는 상식이 우리를 인도 할 수 있다고 생각합니다

그래서 어떻게 든 보통 입자는 동전의 양면과 같습니다 당신은 단점이있을 때마다 단점이 있습니다 양성 입자가있을 때마다, 당신은 그것과 관련된 반 입자를 가지고 있습니다 그러나이 마리아나 입자는 단지 하나의 면일뿐입니다 단지 입자이지만 반대 입자는 없습니다

그래서 막연한 의미에서 이것은 보통 입자의 절반입니다 그래서이 반의 개념은 매우 중요 할 것입니다 양자 컴퓨터에 관한 저의 후반부에서 그렇게 여하튼,이 Majorana 입자 보통 입자의 절반입니다 따라서 일정 입자는 전도성의 현상을 보입니다 저항 또는 컨덕턴스와 같이 우리는 일반적으로 측정 값은 0, 1, 2, 3 등의 단위로 양자화 될 수 있습니다

그래서 그들은 양자화 단계에서 정수처럼 행동합니다 그래서 우리는 한때 유레카의 순간을 보았습니다, 만약 Majorana 입자 어떤 의미에서는 보통 입자의 절반이다 그들은 정수 단계의 절반으로 일부 고원을 표시해야합니다 즉, 1 / 2, 3/2 등 그래서 그것은 우리의 예측이되었습니다,이 시스템에서, 당신은 실험적으로 만들 수 있습니다

그러나 당신이 측정하는 것은이 1/2 단계입니다 작년에는 긴밀한 협조하에 UCLA, UC Davis 및 UC Irvine의 실험 동료들과 함께, 그래서 그들은이 시스템을 정확히 구축했습니다 우리는 이론적으로 제안했다 그리고 그들은 정확하게 측정을 수행했습니다 우리의 이론적 인 예측에 따르면

그리고 1에서의 정수 단계 외에, 0에서 뭔가, 당신은 1/2에 단계가 있다는 것을 알 수 있습니다 그리고이 1/2이 중요한 아이디어입니다 보통 입자의 절반 인 Majorana 입자가 표시해야합니다 반면, 정규 입자 디스플레이 정수 양자화 된 단계, Majorana 입자는 당신에게 절반 양자화 된 단계를 주어야합니다 그래서 그것은 정말로 총을 쏜 담배입니다

작년에 출판물로 축하 받았습니다 "Science Magazine"에서 그래서 그 매우 흥미 진진한 순간에 저는 유명한 소설과 유명한 영화를 기억했다 나는 천사들과 악마들에 대해 보았다 그리고 나는 그것이 마치 낙원을 발견 한 것과 같은 것이라고 선언했습니다 오직 천사들과 악마들과 함께

그래서 저는 이것을 천사 입자라고 부릅니다 그럼 이제는 무엇이 좋은가? 오늘날 고전 컴퓨터는 이미 매우 강력합니다 그러나 그들은 일을 잘하는 반면, 다른 일을 잘하지 못한다 그래서 내가 네게 아주 큰 숫자를 주면 그리고 컴퓨터에 증식을 요구하려면, 그들은 1 초에 이것을합니다 Google 클라우드에서는 나노 초입니다

그러나 번호를 부여하고 컴퓨터에 그 수는 두 개의 다른 수로 분해됩니다 예를 들면, 15는 3의 5와 같습니다 그러나 11은 두 개의 수의 곱으로 분해 될 수 없습니다 네가 할 수있는 유일한 방법은 11은 1 회 11 회이므로 의미는 없습니다 그런데, 내가 너에게 아주 큰 숫자를 주면, 그 아주 큰 숫자가 될 수 있는지 물어보고 싶다면 두 개의 다른 숫자의 곱으로 표현 된 것처럼, 15와 같이, 또는 표현할 수없는 11과 더 비슷합니다

2 개의 숫자의 결과로서, 고전적인 컴퓨터는 이 질문에 대답하기에 아주 힘든 시간 그것이 할 수있는 유일한 방법은 철저한 검색을하는 것입니다 이 매우 큰 숫자를 먼저 2로 나눕니다 3, 5, 7, 등등 그리고 나서이 철저한 검색을 영원히 필요로합니다

어쩌면 어쩌면 모든 가장 중요한 계산 섭리의 Google 컴퓨터와 Google Cloud를 함께하고 싶습니다 모든 데이터와 함께 우리가하고 싶은 일 몇 가지 최적의 솔루션이나 뭔가를 찾는 것입니다 그래서 최적의 솔루션을 찾으려고 할 때, 우리는 기본적으로 모든 가능성을 열거해야합니다 그들 모두를 계산하십시오 아마 최적화가되어있을 수도 있습니다

함수와 연결되어 있고, 아마도 최소한을 찾으려고 노력합니다 경로, 또는 가장 큰 이익, 또는 이와 비슷한 것 – 그러나 당신은 또한 철저한 검색을해야합니다 그리고 그것은 아주 오랜 시간이 걸립니다 이것이 바로 컴퓨터가 발전해야하는 이유입니다 그러나 양자 세계로 들어 가라

신비한 양자 세계의 세계는 무엇입니까? 그래서 두 개의 틈새가 있고 고전적인 총을 사용한다면 이 두 슬릿을 무작위로 쏘고, 분명히, 주어진 시간에 총알이 오른쪽으로 지나가고, 또는 왼쪽을 통과합니다 그리고 그것의 뒤쪽에는 두 개의 얼룩이 보입니다 하나는 오른쪽에서 오는 것이고 다른 하나는 왼쪽에서 오는 것입니다 그러나 만약 당신이 초성 입자를 쏘려고한다면 이중 슬릿을 통해 어떻게 든 배경에, 당신은 두 개의 블록이 오른쪽과 연결되는 것을 보지 마라

또는 왼쪽과 연관된 하나 당신은 실제로 다소 복잡한 간섭 패턴을 관찰합니다 그 패턴은 설명 만 할 수 있습니다 입자가 이중 슬릿을 통과했다면 정확히 같은 시간에 그것은 오른쪽과 왼쪽 모두를 통과했다

정확히 같은 시간에 그렇게하지 않으면, 그리고 그것이 어떤 방향으로 갔는지 알았다면, 이 복잡한 간섭 패턴으로 이어지지는 않을 것입니다 그래서 어떻게 든 양자 세계, 신비한 양자 세계, 병렬입니다 한 번에 한 입자가 오른쪽을 통과합니다 그리고 왼쪽으로 지나간다

그리고 사람들은 어떻게 든 생각하기 시작했습니다 고전 컴퓨터가 가지고있는이 매우 어려운 문제 해결하기가 매우 힘듭니다 철저한 검색을 순차적으로 거쳐야한다 모든 가능성 중, 아마도 그것이 될 수 있습니다 양자 컴퓨터에 의해 수행됩니다

본질적으로 평행하다 그래서 기본적으로 다음 모든 가능성을 검색 할 수 있습니다 정확히 같은 시간에 한 가지 결과를줍니다 계산의 한 단계에서 그래서 그것은 정말로 진실로 훌륭합니다

우리의 계산 능력을 증가시킬 것이다 엄청난 방식으로 그러나 그러한 양자 컴퓨터를 구성하기 위해서는, 먼저 기본 기본 단위가 필요합니다 양자 비트 또는 큐 비트라고합니다 고전적인 컴퓨터에서와 마찬가지로 고전적인 비트는, 1 비트는 0 또는 1입니다

그러나 양자 기계 입자처럼 동시에 두 개의 슬릿을 통과 할 수 있습니다 양자 비트, 큐 비트, 어떻게 든 선형 중첩입니다 0에서 1 사이 정확히 0도 아니고 정확히 1도 아닙니다 여하튼 그것은이 신비한 중첩에서 산다 0과 1 사이의 상태

그래서 양자 컴퓨터를하기 위해서, 당신은 반드시 건설해야합니다 그러한 기본 큐 비트는 양자 비트입니다 그러나 양자 역학적으로 매우 취약합니다 고전 세계에서 볼 때 매우 호기심 있다면, 글쎄, 정말 0이야? 정말 1인가요? 관찰하려고하면 즉시 0 또는 1로 붕괴됩니다 그리고 당신은이 신비한 양자 개념을 잃습니다

따라서 모든 접근법이나 대부분의 접근법에서 양자 컴퓨터를 구성하기 위해 제안 된, 그것은 많은 오류를 가지고 있습니다 이 큐빗트는 매우 깨지기 쉽고 불안정합니다 그리고 그것은 매우 쉽게 고전적인 큐빗으로 붕괴되었습니다 그러므로 그것은 경계 숫자입니다 유용하고 논리적 인 큐 비트의 경우, 10 개 심지어는 100 개의 오류 정정 비트를 사용해야합니다

하나의 유용한 큐빗을 정정하는 것 그리고 그것은 분명히 매우, 아주, 규모를 조정하는 것이 어렵습니다 그래서 우리는 아직 진정한 기능의 양자를 가지고 있지 않습니다 컴퓨터, 아직은 매우 큰 숫자를 인수 분해 할 수 있습니다 이제 나의 과학적 발견으로

그래서 우리는이 신비한 것을 발견했습니다 하지만 매우 흥미로운 천사 입자 보통 입자의 절반입니다 그러면 조금 복잡하고 과학적입니다 도표 그러나 어떻게 든, 당신이 하나의 큐 비트로 들어갈 때, 일반 입자이므로 즉시 분리 할 수 ​​있습니다

이 두 개의 Majorana 페르미온으로, 또는이 천사 입자 그럼 각자 반 이요 그래서 당신이 이미 생각하는 큐 비트는 최소한의 것입니다 가질 수는 있지만 큐 비트는 이제 두 개의 엔젤 파티클에 저장됩니다 그래서 여기에 들어가는 퀴 비트처럼 부분적으로 여기에 저장되고 거기에 부분적으로 저장됩니다

그런 다음 지역 섭동이 있다면, 국부적 인 섭동에 매우 힘들다 세계를 파괴하기 위해 – 이 두 엔젤 입자는 함께 하나의 퀴 비트 (qubit) 그래서 지역 교란을 위해 매우 어렵습니다 이 큐 비트들을 파괴하라 그러므로 매우 강력합니다 계산을하는 것

그리고 실제로이 실험 측정에서 무슨 일이 일어나고 있는지 이 천사 입자들이 서로 엮고 있다는 것입니다 그래서 당신이 어떤 라인을 가지고 있고, 그들을 묶으려고한다면, 그것은 디지털 작업의 일종입니다 네가 그것을 묶었거나하지 않았다면 반면, 다른 대부분의 접근법 양자 컴퓨팅에서는 거의 아날로그 계산입니다 아주 쉽게 오류를 만들 수 있습니다

그러나 토폴로지 작업이라고하는 작업을 수행하는 경우 땋는 방법은 실제로 매우 강력합니다 이제 접근하게됩니다 하나의 큐 비트는 하나의 큐 비트입니다 오류를 수정하는 큐 비트는 필요하지 않습니다 우리가 발견 한 후에도 여전히 새로운 접근 방식입니다

그래서오고있어 그러나 이미 다른 접근 방식과 비교하면 많고 많은 큐 비트가 있지만 그 중 많은 수가 있습니다 하나의 유용한 퀴 비트 (qubit)에 오류 정정 큐 비트 (error correcting qubit) 우리의 접근 방식은 결국 일대일 방식이기 때문에 훨씬 빠르게 확장 할 수 있습니다 이것이 양자 컴퓨터에 관한 저의 첫 번째 이야기입니다 하지만 이제는 제 이야기의 두 번째 부분으로 전환하겠습니다

인공 지능에 관한 것입니다 우리가 인간의 역사를 볼 때, 그것은 긴 종류가 있습니다 지구상에서 가장 지능적인 사람에게는 매우 오랜 시간이 걸렸습니다 지구상에서 자라는 종 그리고 아마도 3 백만 년의 진화가있었습니다

그러나 마침내, 우리는 지배적 인 종이되었습니다 그러나 이제 우리는 실제로 도전에 직면 해 있습니다 더 지능있는 종, 즉 AI, 곧 나타날 수 있습니다 그러나 인공 지능은 아마 60 년대 이후로 발전해 왔습니다 왜 우리는 갑자기 이렇게 빠른 속도로 증가 했습니까? 인공 지능의 발전? 이것은 기본적으로 3 회의 회의 때문입니다

계산의 주요 경향 하나는 무어의 법칙입니다 따라서 무어의 법칙은 기본적으로 계산력에 관한 것입니다 따라서 계산 능력은 매 18 개월마다 두 배가되며, 무어의 법칙의 진전에 따라 이제 무어의 법칙은 도전에 직면 해 있습니다 그건 나쁜 소식이야

하지만 좋은 소식은 우리가 훨씬 더 강력한 것을 가지고있다 무어의 법칙이 예언하는 것보다 무어의 법칙은 정량적이고 점진적이었습니다 증가하지만, 매우 빠르다 그러나 양자 컴퓨터는 하나의 양자 점프가 될 수 있습니다

왜냐하면 계산 능력이 관련된 대규모 병렬 처리 양자 컴퓨팅 따라서 계산 능력면에서 볼 때, 우리는 고전적인 무어의 법칙에 대한 도전을 봅니다 장치가 점점 작아지면서, 그러나 우리는 또한 엄청난 희망을 보았습니다 어쩌면 양자 컴퓨터는 어떤 것에 도달 할 수 있습니다 그리고 최적화 문제를 검색하려고 할 때, 당신은 하나의 검색 대신에 하나의 검색을 할 수 있습니다

직렬 방식으로 철저한 검색 그래서 이것은 지평선에있는 것입니다 그것은 근본적으로 게임 체인저가 될 수 있습니다 그러나 오늘날 인공 지능이 필요한 또 다른 이유는 폭발하기 때문에 인터넷의 도착과 함께 그리고 사물의 인터넷을 제공했다 엄청난 양의 데이터

그리고 기계는 배울 필요가있다 그리고 그들은 큰 데이터로부터 만 배웁니다 그리고 다른 하나는 AI 알고리즘의 급속한 발전입니다 그리고 이것은 또한 주된 이유 중 하나입니다 예를 들어, 깊은 신경망, 주요 엔진 종류를 제공하고있다

이 급속한 성장 뒤에 AI 분야에서 우리는 항상이 질문을합니다 언젠가 인공 지능이 인간을 능가할까요? 그리고 객관적인 시험은 무엇입니까? Google의 진전 상황을 보니 정말 놀랍습니다 2 년 전에 Deep Mind에 대해 발표 한 AlphaGo : 게임을하는 인간 플레이어를 때려 눕 힙니다 그리고 우리 아들 Brian이 또한 아주 운 좋았습니다

이런 종류의 프로젝트에서 Deep Mind에서 일하기 그 시간에 그래서 우리가이 질문을하면 우리가 항상 묻고있는 질문을 다시 듣고 싶습니다

즉 이른바 튜링 테스트 (Turing Test) 객관적인 테스트가 언제 AI가 실제로 인간의 마음을 넘어 섰습니까? 그래서 Turing은 오래전에 다음과 같은 테스트를 제안했습니다 우리 인간이 있다면 우리는 커튼 뒤에서 뭔가있는 대화를 나눴 지 다른 사람이나 인공 지능 기계 그리고 긴 하루 동안 이야기를 나눈 후, 당신은 그 차이가 인간인지 여부를 말할 수 없습니다

또는 그것이 뒤에있는 기계인지, 인공 지능이 진정한 인간에 도달 한 날이 될지도 모릅니다 지성 그러나 객관적인 테스트가 아닌 것 같습니다 그래서 우선, 인간의 뇌는 오래 걸렸기 때문에, 진화하는 데는 오랜 시간이 걸리고, 많은 인간의 두뇌가 많이 있습니다 비합리적인, 정서적 인 요소들, 어쩌면 기계에 의해 그렇게 모방 될 수는 없습니다

기계에 전혀 필요하지 않을 수도 있습니다 가능한 모든 인간 비이성을 모방합니다 하나의 전략은 완전히 기계와 대화하기 때문에 비합리적인 방법, 아마도 합리적인 기계 인간을 속일 수 없다는 것은 매우 어렵습니다 그것이 실제로 인간이라는 것을 알기 위해 그럼에도 불구하고 구글의 경우는 어떨까요? 인간의 게임 인 AlphaGo의 Deep Mind에서의 성공, 좀 더 객관적으로 보입니까? 하지만 여전히 인간이 발명 한 게임입니다

그렇다면 왜 지능 검사를해야합니까? 인간이 발명 한 게임을 기반으로해야할까요? 그렇다면 AI가 실제로하는 가장 객관적인 테스트는 무엇이겠습니까? 인간의 지능에 도달 했습니까? 그래서 나는 가능한 제안을하고 싶습니다 튜링 테스트를 대체하십시오 그리고 저는 자연의 게임을 해보라고 요청합니다 즉 기계에 과학적 발견을 요구하십시오 인간이하기 전에

그리고 우리는 객관적으로 예측할 수 있습니다 Majorana fermions, 중력파, 일부 인간의 과학적 마음에 대한 가장 큰 예측, 기계가 예측을 할 수 있는지 확인하십시오 인간이하기 전에 그리고 우리는 객관적인 실험을 할 것입니다 예측을 검증하십시오

우리는 이것이 기계가 인간의 지능을 뛰어 넘었다 이것이 가능한지 여부를 알 수 있습니까? 그래서 저는 보통 이론 물리학 자요 하지만 나는 처음으로 논문을 썼다 인공 지능에 대해서는 곧 공개 될 예정입니다 그래서 기본적인 아이디어는 그래서 우선, 우리는 진전을 이루지 못했습니다

인간이 만들지 못한 예측을하는 것 그러나 우리의 생각은 역사를 다시 되 찾는 것입니다 말하자면, 인류가 여전히 하나의 위대한 발견은 아직 이루어지지 않았다 동일한 레벨의 기계인지 여부 그 과학적 발견을 할 수 있습니다 그래서 우리는 위대한 예측을 알고 있습니다

중력파와 같은 이론 물리학에서, Dirac antiparticle, 등등 하지만 아마도 가장 위대한 과학적 성과 화학에서 Mendeleev의 주기율표입니다 그래서 멘델레예프는 모든 화학 물질들을 관찰했습니다 그는 화려한 스트로크에서 천재성, 세계의 조직 원리 – 즉, 우리가 보는 모든 자료 요소로 줄일 수 있습니다 그러나이 요소들은 스스로 조직됩니다

주기율표로 그래서 그 당시에는 제한된 숫자가 있습니다 발견 된 요소의 그리고 일단 주기율표로 조직하면, 그는 주기율표에 몇 가지 구멍을 본다 그리고 그는 말합니다, 오, 이런 요소들이 있어야합니다 너희들이 그것을 찾는다 그래서 그것은 놀라운 예측이었습니다

그리고 저는 분명히 이것을 화학에서 가장 위대한 과학 발견으로, 어쩌면 모든 인류의 그래서 우리가 스스로에게 묻는 질문 우리가 역사를 되감 으면 우리가 무대에 있다는 것입니다 그 주기율표는 아직 발견되지 않았다 그러나 모든 화학 물질을 기계에 공급하면 기계가 올 수 있을까? 주기율표가 발견 되었습니까? 그래서 아마 AI 작업과 관련이있을 것입니다 그것은 Google에서 계속되고 있습니다

그리고 실제로 알고리즘 Atom2Vec를 호출합니다 그래서 일단 당신이 이름을 보게되면, 당신은 즉시 거기에 많은 연결이 있어야한다는 것을 알아라 너희들이 여기서하고있는 모든 일에 즉, 모든 Google 번역입니다 모두 자연어 처리 Word2Vec이라는 알고리즘을 기반으로 단어를 매핑합니다 vectorial 형태로

단어를 벡터 형식으로 매핑하면 당신은 기계를 이해할 수 있습니다 벡터는 실제로 단어의 의미 적 의미를 인코딩합니다 그 자체 그런 다음 특정 관계를 발견 할 수 있습니다 Word2Vec은 어떻게 작동합니까? 기본적으로 단어를 이해하려고 노력하십시오

다른 문장의 맥락에서 두 단어가 자주 함께 나오는 경우, 왕과 여왕이 한 문장으로, 아마 기계가 이해할거야 vectorial 공간에서 그들은 어떻게 든 서로 가까이 있습니다 그래서 우리의 아이디어는 이런 종류의 아이디어를 빌려 오는 것입니다 자연어 처리에서 사용 가능 여부를 확인하십시오 과학적 발견을하기

Google은 기본적으로 Google과 마찬가지로 Word2Vec을 사용하여 텍스트의 모든 코퍼스를 컴퓨터에 공급하려면, 그리고 그 단어의 의미를 발견하고, 그런 다음 번역 등을 할 수 있습니다 우리는 기본적으로 완전히 감독되지 않은 방식으로, 모든 화합물의 모든 목록 기계에 연결하고 기계가 올 수 있는지 여부를 확인합니다 조직 원리와 함께 그리고 기계와 알고리즘은, 주기율표를 발견했습니다 주기율표는 2 차원 벡터ial로만 보임 모든 요소의 배열

그러나 Atom2Vec과 같은 것을 할 수 있다면, 각 요소를 유사하게 매핑합니다 어떤 vectorial 형태로 그리고 당신이 이것들을 2 차원으로 붕괴시킬 때, 당신은 정확하게 주기율표를 발견 할 것입니다 예를 들어, 큰 코퍼스를 보는 것 텍스트의 경우, 왕을 볼 때마다 여왕을 많이 봅니다 공동 출연 많이

하지만 화학에서 NaCl을 볼 때마다 KCl이 많이 보입니다 그래서 어떻게 든 기계는 Na를 이해할 것입니다 C와 K는 서로 매우 관련이있을 수 있습니다 그래서 vectorial 공간에서, 그들은 서로 가깝게 있어야합니다 자연어 처리를위한 아이디어를 빌려서, 우리는 실제로 조직 할 수 있습니다

완전히 감독되지 않은 방식으로 실제로 기계는 주기율표를 발견했습니다 그래서 우리는 매우 흥미 진진한 시간을 갖게 될 것이라고 생각합니다 그 중 가장 위대한 과학 발견 중 하나 적어도 기계 발견으로 복제 될 수있다 어떤 감독도없이 그러나 이러한 알고리즘이 작동하기 시작하면, 새로운 자료를 발견하는 데 사용할 수 있습니다

인간이 할 수 있기 전에 새로운 약물을 발견하기 위해 그것을 사용할 수 있습니다 해야 할 것 이제 저는 오늘 제 3 화제로 옮겨 가겠습니다 블록 체인에 관한 것입니다 그리고 아마도 당신 중 일부는 이미 AI와 양자 컴퓨팅, 블록 체인 (blockchain) 아마도 서로 공통점이있을 수 있습니다

기본적으로 인터넷은 항상 커뮤니케이션 도구로서 엄청난 가치를 제공했다 우리 모두가 의사 소통을 할 수 있습니다 그러나 어느 시점에서 우리는 가치를 교환해야합니다 인터넷을 통해 그러나 우리가 인터넷을 통해 가치를 교환해야 할 때마다, 우리는 공통된 가치 기준에 동의해야합니다

그러므로 가장 중요한 것은 다음 단계로 넘어 가려고 할 때 인터넷 개발의 가능성 금융 세계로 이동, 예를 들어, 금융의 핵심 요소 가치에 대한 합의가 있어야합니다 이전에 금을 사용하는 이유 왜냐하면, 뭔가에 비해 교환의 매개체로서의 사과처럼, 모든 사람이 금 한 온스에 동의 할 수 있기 때문입니다 실제로는 의미합니다 위치 측정을 통해 콘텐츠를 결정할 수 있습니다 품질

그러나 하나의 사과로하는 것은 매우 어렵습니다 이렇게 많은 종류의 사과가 있기 때문입니다 따라서 교환을위한 매체로 적합하지 않습니다 따라서 교환 매체의 핵심 요소 합의입니다 그래서 제가 값에 대해 매우 광범위한 분포를 가지고 있다면, 교환 매체로 사용하기에는 적합하지 않습니다

우리 모두가 가치에 동의하고 합의에 도달한다면, 그때 그것은 매우 귀중합니다 그래서 인터넷은 우리에게 매우 중요한 것을 가르쳐주었습니다 즉 분산 된 방식으로 일을하는 것입니다 하지만 네트워크가 매우 분산되어 있다면 어떻게 할 수 있습니까? 그들은 아마도 뭔가에 동의합니까? 그래서 이전에 인간 경제에서, 우리는 항상 생각했습니다 일부 중앙 집중식 엔티티가 있어야합니다

그것 전부를 통제하고 사람들을 얻으려고 노력하고있다 일부 값에 동의하십시오 그러나 당신이 실제로 자연 세계를 관찰 할 때, 자연 세계가 합의에 도달 할 수있는 방법이 있습니다 물리학의 한 예를 들어 보겠습니다 예를 들어, 매일 걸어 올라갈 때 우유 한 잔이나 뭔가를 얻기 위해 냉장고쪽으로

사람들은 보통 냉장고에 자석을 붙이고 싶어합니다 그러면 자석은 실제로 어떻게 작동합니까? 실제로 모든 물질은 전자로 구성됩니다 그리고 전자는 나침반처럼 작동합니다 그것은 북극과 남극을 가지고 있으며, 그래서 전자는 실제로 자석처럼 작동합니다 하지만 대부분의 경우, 그들은 동의하지 않습니다

를 가리키는 방향으로 그래서 그들은 모두 무작위적인 방향을 가리키고 있습니다 따라서 전 세계적으로, 거시적으로, 그들은 자석처럼 행동하지 마라 그러나 냉장고에 자석을 붙인 채 어떻게 든 기적적으로, 합의에 도달했습니다 모든 전자들은 같은 방향을 가리 키기로 결정한다 그리고 중앙 집중식 엔터티 없이는 이런 일이 일어나고 있습니다

전자는 무엇을 해야할지 여하튼, 교류 의정서의 기계 장치가있다 어쨌든, 그들은 기적적으로 한 방향을 가리키는 데 동의합니다 그래서 그것은 아주, 아주 무언가를 말해줍니다 자연 세계에 대해 심오한

무엇인가 동의하는 것은 낮은 엔트로피 상태라고 불리는 것입니다 그리고 무질서한 것은 높은 엔트로피 상태에 있습니다 세계의 자연스러운 추세는 – 점진적으로, 항상 엔트로피는 시간이 지남에 따라 증가해야합니다 세상은 점점 더 무질서 해지고 있습니다 하지만 어쨌든, 하위 시스템에서는 실제로 높은 공감대에 도달하고, 엔트로피를 줄이십시오

그러나 그때 반드시, 비용이 있어야합니다 여분의 엔트로피를 어딘가에 버려야합니다 따라서 일부 조직화 된 조직에서는 합의가 발생할 수있다 방법 그러나 거기에 관련된 비용이 있어야합니다

컨센서스가 낮은 엔트로피의 상태이기 때문에, 여분의 엔트로피를 어딘가에 버려야합니다 그것은 내가 생각하기에 근본적인 설명이다 blockchain이 작동하는 이유 따라서 블록 체인은 컴퓨터 세계에 배포되었습니다 그리고 분산 시스템 관리에 대한 초기 접근법 컴퓨터의 일부 중앙 집중식 마스터 있는지 여부를 물어 보는 것입니다 알고리즘, 결정적 알고리즘 가능 이 모든 분산 컴퓨터를 조정하고 지시하며, 그들 중 일부는 매우 긴 대기 시간을 가지고 있지만, 매우 광범위한 대기 시간 분포

그리고 그 중 일부는 해킹되어 악의적으로 행동 할 수도 있습니다 이 모든 상황에서 아직도 주인이 있든 없든 결정적 알고리즘으로 알 수있다 이 모든 컴퓨터는 정확히 무엇을해야하며 합의에 도달해야합니다 그렇다면 컴퓨터 과학에서 유명한 결과가 있습니다 피셔 린치 패터슨 이론은 실제로 아무 결과가 없다고 말하면서 마스터 결정적 알고리즘은 불가능합니다

그래서 이것은 실제로 물리학의 중심 결과를 떠올리게합니다 즉 엔트로피가 항상 증가해야합니다 이러한 종류의 마스터 알고리즘이 존재하면, 사실 우리에게는 그 이름이 있습니다 맥스웰의 악마라고합니다 그렇게 여하튼,이 악마는 매우 높은 지능을 가지고 있습니다

예를 들어, 가스 실이있는 경우, 너는 그들 사이에 나누는 벽을 가지고있다 당신은 작은 구멍이 있습니다, 맥스웰의 악마, 그것이 왼쪽에서 고 에너지 입자를 볼 때, 그것을 통해 셔터를 엽니 다 그리고 저에너지 입자가 들어오고 나서 그것은 셔터를 닫고 통과시키지 않는다 그럼이 악마가이 모든 안무를 할 수 있다면 효율적인 방법으로, 조금 후에, 이쪽은 이쪽보다 훨씬 더 덥습니다 그리고 나서 그것에 대한 작업을 추출 할 수 있습니다

그런 중앙 집중식 엔티티가 실제로 아무데도 에너지를 추출 할 수 있습니다 그리고 이것은 분명히 불가능합니다 그래서 저는 피셔 린치 패터슨의 비유를 좋아합니다 이론 맥스웰 악마의 개념 그들 중 누구도 가능하지 않습니다

마스터 알고리즘은 불가능합니다 맥스웰의 악마는 불가능합니다 그래서 해결책은 무엇입니까? 솔루션은 블록 체인에 의해 제공됩니다 따라서 전체 분산 인터넷을 원한다면 시간 순서에 동의하는 것 금융 거래에서 가장 중요한 것은 어떤 거래가 먼저 발생하고 어떤 거래가 발생하는지 나중에 기계를 투표하도록 명령하고, 그러나 해시 퍼즐 (hash puzzle)을 해결함으로써 비용을 지불하는 것으로 나타났습니다

해결할 수있는 기계 해결하기가 매우 어려운 해시 퍼즐 (hash puzzle) 하지만 매우 쉽게 확인한 다음 기계 한 번 이 해시 퍼즐을 해결하면 모든 컴퓨터가 동의합니다 그래 이건 사실이야 그리고 우리는이 시간 순서에 동의합니다 따라서 그것은 확률 론적 알고리즘이고 실제로 에너지를 필요로합니다 이 해시 퍼즐을 계산하고 도달 할 수 있습니다

따라서 자체 구성 블록 체인에서 일치 메커니즘, 우리는 합의에 이른다 낮은 엔트로피의 상태에서, 그러나 우리는 여분의 엔트로피를 덤프한다 해시 퍼즐 계산을 통해 다른 곳으로 이동합니다 그리고 그것은 일어나는 것과 매우 유사합니다 육체적 인 세계에서

즉, 우리는 원칙적으로이 합의의 상태에 도달 할 수 있습니다 우리가 여분의 엔트로피를 어딘가에 버리면 제공되는 낮은 엔트로피 그밖에 그래서 저는 이것이 정말로 하나라고 생각합니다 인류 역사상 가장 훌륭한 발명품의 어떻게 든 우리는 자연스럽고 객관적인 메커니즘을 가질 수 있습니다 분산 된 세계에서 공감대를 형성 할 수 있습니다

하지만 비용이 듭니다 즉,이 채굴 작업을해야합니다 여분의 엔트로피가 다른 곳으로 버려 질 수 있습니다 따라서 일단이 합의 메커니즘이 생기면, 나는 이것이 아주 새로운 기회를 제공한다고 생각한다 블록 체인과 인공 지능 사이의 새로운 종류의 공생 그래서 나는 인공 지능 회의에 관한 이야기, 주요 회의 세 가지 주요 트렌드 나는 전산력, 무어의 법칙, 그리고 아마도 양자 컴퓨터

알고리즘에서 새로운 발명품에 대해서도 이야기했습니다 그러나 AI가 가장 필요로하는 것은 AI가 배울 수 있도록 데이터를 저장하는 것입니다 하지만 지금은 모든 데이터가 집중되어 있습니다 중앙 집중식 플랫폼으로 따라서 개인에 대한 인센티브는 거의 없습니다 기본적으로 데이터를 제공하기 위해 그 대가로 아무것도 얻지 못한다

그리고 아마도 그들의 프라이버시가 침해 당할 수도 있습니다 그래서 전 세계의 미래를 상상합니다 그 데이터의 소유권은 완전해야합니다 개인에게 돌려 보내야한다 그래서 모든 나의 개인 데이터, 모든 나의 행동 데이터, 모든 나의 온라인 데이터, 모든 나의 유전체 데이터, 내 모든 의료 기록, 모든 것 개인이 소유해야합니다

그리고 프라이버시는 완전히 보호되어야합니다 그렇다면 와우, 어떻게 말할 수 있겠습니까? 모두가 비밀은 비밀로 유지하나요? 그리고 프라이버시라고하는 아름다운 것이 있습니다 계산을 보존합니다 그러면 데이터 마켓 플레이스가 가능해질 것입니다 그래서 저는 처음에 모든 제 개인 정보를 보호했습니다

하지만 한 번에 한 비트 씩 정보가 유출 될 수 있습니다 완전히 내 통제하에있어 그리고 그러한 세계는 데이터 마켓 플레이스가 될 것입니다 따라서 피어 투 피어 마켓 플레이스로서 개별적으로 그들은 자신의 개인 데이터를 소유하고 있습니다 그런 다음 입찰 및 판매 프로세스가있을 수 있으며 선택적으로 제어, 개인 정보 보호 수행 데이터 마켓 플레이스 유지

그래서 미래의 시장 세계는, 나는 "우리가 신뢰하는 수학에서"라고 부르는 하나의 원리에 기초를두고 있습니다 그리고 그것은 당신이 프라이버시를 여전히 유지할 수 있다는 가능성이 있습니다 그러나 여전히 계산 만 할 수 있습니다 매우 선택적으로 누설된다 한 번에 정보 조각

따라서 유명한 문제는 보안 다중 당사자라고합니다 계산, 또는 백만장 자 약속 그래서 분명히, 사유 재산은 매우 사적입니다 사람들은 계시하는 것을 좋아하지 않습니다 그러나 두 백만장자가 원하는 일이 그렇게 될 수 있습니다

누가 더 부자인지 밝히지 않고 비교할 수있다 서로에게 그들이 서로에게 가지고있는 부를 계시한다면, 분명히, 그들은 알아낼 것이다 너무 많은 개인 정보가 유출됩니다 그러나 계산 프로토콜이 있습니다

야오의 왜곡 된 회로라고 불리는 교환 프로토콜 수 있습니다 하루가 끝날 때, 그들은 단지 알아 낸다 정보의 1 비트, 즉 누가 더 부유 한 지, 아무것도 공개하지 않고 차등 개인 정보 보호의 개념입니다 즉 개인 데이터에 노이즈 추가 그래서 그들은 개별적으로 식별 할 수 없게된다

그러나 집단 조사를하고 싶다면, 그런 식으로 소음을 추가 할 수 있습니다 통계 집계에서 소음은 상쇄됩니다 따라서 통계 정보는 완전히 정확합니다 개별 개인 데이터는 그다지 많지 않습니다 개별 소음이 충분하기 때문에 누출되었습니다

식별 가능한 정보가 없습니다 그러나 전반적인 통계 정보는 여전히 정확합니다 그리고 지식 지식이 없다는 아이디어도 있습니다 예를 들어, 나는 당신에게 아주 어려운 것을 해결했다고 증명할 수 있습니다 게임 – 스도쿠 게임이라고합시다

그러나 나는 당신에게 단지 1 비트의 정보만을주고 싶다 즉 나는 게임을 해결했다 그러나 나는 당신에게 내 모든 해결책을 밝히기를 원치 않습니다 계속 열심히 노력해주세요 그리고 이것은 제로 지식을 통해서도 가능합니다

증명 그래서 실제로 수학이있는 세계가 있습니다 만들기에있어 매우 중 요한 방법으로 경제에 접어 들게 될 것입니다 데이터 마켓 플레이스가 가능합니다 이것이 우리 모두가 개인 데이터를 소유하게되는 방식입니다

그런 다음 Google Cloud 및이 모든 엔티티 그런 다음 중앙 집중식으로 계산할 수 있습니다 유용한 통계 정보를 계산할 수 있습니다 이 개인 정보를 공개하지 않고도 그래서 저는이 세상에 대해 정말로 생각합니다 AI와 블록 체인 결합 이 새로운 시대에 위대한 사회적 선을 행할 수있다 "우리가 믿는 수학에서

"에 기초한 암호 경제학의 왜냐하면 당신이 정말로 무엇을 생각하는지 오늘 우리 사회의 문제, 그것은 차별이 있기 때문입니다 소수파에 반대 그리고 그것은 사회의 기본입니다 그러나 AI 학습에 대해 정말로 생각할 때 – AI 알고리즘이 이미 정확하게 90 % 작동하고 있다고 가정 해 봅시다 시간이 좀 걸리지 만 나는 여분의 데이터를 원한다

90 %에서 99 %로 이동, 필요한 데이터 데이터의 또 다른 종류가 아닙니다 내가 본 모든 이전 데이터와 매우 비슷하게 보입니다 나는 높은 상호 엔트로피를 가지고 있다고 불리는 데이터를 원한다 가장 뚜렷한 데이터입니다 그리고 그것은 정의상 소수파의 소유입니다

그러나 그런 데이터 시장에서, 나는 그 데이터에 대해 소수에 속한다 따라서 경제적 인센티브 구조가 조정될 것입니다 우리 사회는 소수를 가장 중요하게 생각합니다 그리고 그것은 바로 우리가 사회적 이익을 위해 필요한 것입니다 결국, 못생긴 새끼 오리가 어떻게 든 아름다운 백조가 될 수 있습니다

못생긴 새끼 오리는 추한 것이 아니기 때문에, 그것은 다릅니다 하지만 지금은 차이점이 가장 중요합니다 이 공정한 데이터 마켓 플레이스의 소수점 차별하지 않을 것이다 그래서 나는이 멋진 새로운 세상을 정말로 본다 세 가지 주요 트렌드 회의에서 양자 컴퓨팅, 인공 지능 (AI) 및 블록 체인 (blockchain) 그러나 나는 또한 나 자신이 학계와 헌금에서 오는 것을 본다

업계 동료들과의 상호 작용 우리는 정말로 새로운 세계로 들어갈 수 있습니다 최신 과학 아이디어 – 정말 매력적입니다 그리고이 수학적 개념이 수학자들이 추상적으로 발명 한 것 그토록 유용 할 수 있습니다 번호 이론 같은 것이 있습니다

매일 HTTPS를 사용하여 트랜잭션을 수행 할 때, 가장 근본적인 방식으로 숫자 이론을 사용합니다 그래서 이것은 멋진 새로운 세계입니다 학계 및 업계와의 협력 정말 큰 진전을 가져올 수 있습니다 내가 말했듯이, 진보의 가장 위대한 기회 어떤 주요 추세에 대한 회의가 종종 있습니다 전에– 그리고 그들의 전문 분야에서, 전반적인 그림을 볼 수 없었습니다

그리고 저는이 세 가지 사이의 공생이 주요 트렌드는 정보 기술의 미래 특성 고맙습니다 [박수 갈채] 나는 몇 가지 질문을 즐겁게해야 할까? 네 관객 : 컨센서스에 대해 이야기 해 보았습니다 그리고 일군의 조직이 어떻게 합의를 달성하는지 [INAUDIBLE] 엔트로피와 같이 배포합니다 슈광 짱 : 예

관객 : 상태 [INAUDIBLE]의 증거로 어떻게 작동합니까 ?? 슈광 짱 : 예 그래서 실제로, 나는 생각한다, 결국, 항상 상충 관계가 있어야합니다 그래서 블록 체인의 미래를 봅니다 세상과 그 cryptocurrency 같은 일이 일어날 것입니다 우리는 현재의 세계에 있습니다 현재의 세계는 M0, M1, M2, 다른 레이어를 갖습니다

그래서 저는 가장 근본적인 계층에서, 유니버설 통화는 완전히 기반해야합니다 일의 증거에 그 때문에 엔트로피는 완전히 투명합니다 뿐만 아니라 거기에 있어야하지만 그것은 또한 완전히 투명합니다 제 생각에, 가장 기본적이고 기초적인 층에서, 국가의 증거는 작동하지 않을 것입니다

너가 무언가를 잃을 수있는 너무 많은 담합의 가능성 체인에 있지만 무언가를 체인에서 얻으십시오 뇌물 수수 등이 될 수 있습니다 그래서 저는 블록 체인에 대해 정말 흥미 진진한 점이 있다고 생각합니다 세상은 가장 근본적인 계층에서, 완전히 객관적인 무언가가있을 수 있습니다 자연 세계, 즉 에너지와 만 연결됩니다

그리고 국가의 증거에 대해서는 그리 많지 않습니다 인간의 비이성이 관련 될 수 있습니다 그러나 나는 상층 계층에서, 그러면 그들은 [부적절한] 것이다 그러나 M1이나 M0와 같은 가장 근본적인 계층은 완전히 견고해야합니다 그리고 나는 아직도 그 일의 증거가 있다고 생각합니다

또는 뭔가 다른 접근법이 있습니다 우주 시간의 증거라고합니다 공간 및 저장 공간 인 공간 증명 그리고 그것은 제 생각에 그것은 정량화가 가능하고 물리적 인 것입니다 자원

제 생각에, 가장 기본적인 레이어에서, 인간의 일은 관련되어서는 안되며, 어쩌면 상위 계층에서 관객 : 어떻게 설명 할 수 있겠습니까? 당신은 퀀텀 컴퓨팅이 인공 지능과 블록 체인과 관련이 있다고 느낍니까? 따라서 본질적으로 양자 컴퓨팅은 단일 변환 그리고 그것은 뒤집을 수있는 것과 같습니다 해시와는 달리 슈광 짱 : 예 그래서 저는 주로 양자 계산이 AI에 유용 할 것이라고 생각합니다

검색 알고리즘 그래서 한 알고리즘은 – AI에 대한 가장 흥미로운 접근 방식 중 하나는 GAN입니다 권리? 생성 적 적자 네트워크 그래서 나는이 세 가지 경향이 항상 필연적으로 함께 일해야한다 그들은 실제로 진보를 이끌 수 있습니다

서로 경쟁함으로써 따라서 한 가지 측면에서 양자 컴퓨팅과 블록 체인 서로 다소 경쟁하고있다 암호화 알고리즘이 많기 때문에 양자로 깨질 수 있습니다 그러나 다른 한편으로, 나는 또한 본다 그 양자는 인공 지능을하는 데 도움이 될 수 있습니다 가장 효율적인 검색

그리고 그것은 AI가해야 할 일입니다 맞습니까? 그래서이 관계는 공생과 매우 흡사합니다 우리의 생태계에서 경쟁과 협업이 모두 있습니다 그래, 우리는 인간의 의지를 사용하여 지시 할 수 없다

항상 똑같은 일을하십시오 나는 경쟁 과정에서, 그들은 모두 강해질 것이다 관객 : 보편적 인 통화 또는 M0, M1을 언급했습니다 슈광 짱 : 예 네

관객 : 나는 호기심이 많다 네가 이론 물리학 자라는 걸 알아, 하지만 그 실행에, 당신이 아이폰에 대해 생각할 때, 예를 들어, 제 아이폰 7은 아이폰 6과 대화를하고, 아이폰 5 이야기 하지만 컨센서스의 메가 플레이어가 있습니다 도달 할 것 같아, 나는 실제로 동의한다 이 분산 시스템에

현재 암호화되어있는 조각난 수영장이 많이 있습니다 "유동성", 인용문, 인용 부호 생략 그렇다면 그 차이를 어떻게 피할 수 있습니까? 우리는 지금 이것들에 있습니다 슈촨 장 (SHOUCHENG ZHANG) : 예를 들어, 비트 코인 블록 체인 (bitcoin blockchain) 및 번개 네트워크는 매우 적합합니다 M1, M2의 틀에

기본 레이어에서 블록 체인 일의 증거에 기초한 완전히 객관적입니다 그래서 이것은 가장 보편적 인 합의에 도달하려고 노력하는 것입니다 서로를 완전히 모르는 당사자들 가운데서, 그들은 여전히 ​​거래해야합니다 그러나 당신이 사업 거래에 대해 정말로 생각할 때, 어쩌면 우리 둘이 이미 잘 해왔을 것입니다 지난 10 년 동안 파트너로서, 왜 그렇게해야합니까? 우리는 여전히 서로를 완전히 이방인으로 대우하고 있습니까? 그래서 우리가 할 수있는 것은 우리가 서로에게 국가로 들어가는 것입니다

우리의 [INAUDIBLE]을 블록 체인에 놓음으로써 그러나 우리는 매우 빠르게 거래를 계속하고 있으며, 그러나 우리는 여전히 한 달에 한 번 정착합니다 그래서 이것은 생각과 똑같은 관계입니다 M0, M1 및 M2 사이 번개와 Bitcoin의 관계 M0과 M1 사이의 관계와 같습니다 따라서 모든 레이어 위에 올 때 덜 견고합니다

그러나 더 효율적 일 것이다 그러나 트레이드 오프는 우리 역사에서 비롯된다 우리는 이미 신뢰의 역사를 가지고있었습니다 하지만 비즈니스 파트너가 있다면 그들은 이미 서로를 어느 정도 알고 있습니다 그들은 절대적으로 가장 보편적 인 것을 사용하지 않아도됩니다

강력한 레이어 그들은 상위 계층을 설정할 수 있습니다 그들은 보편성을 희생하며, 그러나 효율성과 교환하십시오 예? 관객 : 천사 입자에 대한 질문이 있습니다 슈광 짱 : 예

관객 : 엔젤 입자는 긍정적이지 않은 입자입니다 슈광 짱 : 네가티브 네 관객 : 부정적이지 않습니다 권리

슈광 짱 : 예 네 그래서 큐 비트의 절반입니다 관객 : 그것은 정체성 요소처럼 들립니다 슈광 짱 : 응? 청중 : 정체성 요소처럼 들린다

당신의 [INAUDIBLE] 필드 에서요, 맞습니까? 정체성 요소, 알지? [INAUDIBLE] 자체는 다른 어떤 것과도 동일하게 유지됩니다 슈우 성 장 : 아니요, 더 정확한 유추 복소수 같아 표현할 수있다 두 개의 실수로 환산하면 그래서 복잡한 수는 입자와 같습니다 관객 : 그렇습니다 슈광 짱 : 복합 결합체 반 입자와 같습니다

관객 : 그렇습니다 슈광 짱 : 그러나 실제 숫자가 있다면, 복소 콘쥬 게이트는 그 자체와 동일하다 관객 : OK 어떻게 슈광 짱 : 그래서 천사 입자 실수와 더 비슷합니다 관객 : 알겠습니다 너는 어쩌면 너는 음과 양을 가진 유일한 존재가 될거야 대– 슈광 짱 : 음과 양, 예 관객 : 그리고 천사 대 악마 중립적 인 요소는 무엇입니까? 천사와 무엇이 될까요? 슈광 짱 : 예

네 그래 그래 글쎄요, 비유는 그 말을하는 것입니다 – 그래서 여기에 들어오는 양자 큐 비트가 하나 있습니다 그러나 실제 계산을하기 전에, 너는 그들을 나누고있다

그리고 그것들을 나누어서, 그들은 이미 어떤 종류의 존재가됩니다 비 지방 그들은 얽혀 있지만 고전 소음 얽혀 있지 않습니다 고전적인 소음을 사용해서 그것을 파괴하는 것은 불가능합니다 그래서 위상 위상 양자 컴퓨터 훨씬 더 강력 할 수 있습니다

예? 관객 : OK 그래서 몇 가지 주제를 결합하여 우리가 양자 컴퓨팅의 힘을 활용할 수 있다면, 데이터를 확보 할 수 있다면 그것을 공유 할 수있는 개인 정보 암호화 방식을 통해, Google의 미래를 어떻게 볼지 궁금합니다 왜냐하면 그것은 진정한 실존 적 위협처럼 보입니다 누군가가 양자 컴퓨터를 회전시킬 수 있다면 매우 효율적인 병렬 검색을 수행 할 수 있습니다 그리고 나서 그들은 모든 사람의 데이터를 활용할 수 있으며, 그것은 마치

슈광 짱 : 글쎄, 나는 유일한 방법이라고 생각한다 변화에 저항하지 않고 변화를 수용하는 것입니다 관객 : 그렇습니다

권리 슈광 짱 : [웃음] 관객 : 그렇다면 어떻게하면 Google을 볼 수 있습니까? 슈광 짱 : 예 그래서 예를 들면 – 관객 : – 미래의 세상에서 운영되고 있습니까? 슈광 짱 : 예 네 네

사실, 나는 이것에 대한 해답을 가지고있다 그래서 이런 식으로 실제로, 우리는 다음과 같은 구조를 할 수 있습니다 예를 들어, 내 개인 데이터, 나는 그것을 안전한 방법으로 저장하고 싶다 여전히 계산을 수행 할 수 있습니다 따라서 Google Cloud는 Amazon Cloud와 경쟁합니다

그래서 우리가 할 수있는 것은 아마존 클라우드에서, 나는 완전히 난수를 저장한다 하지만 Google Cloud에서는 내 정보를 저장합니다 Amazon Cloud에 저장하는 [INAUDIBLE] 정보 그래서 제가 정말로이 두 엔티티가 정말로 매우 열심히 경쟁하고, 어쩌면 혼란은 없을 것입니다 비밀리에 교환 할 방법이 없습니다

하지만 당신은 프로토콜을 사용할 수 있습니다 계산을 수행하기 위해 보안 다중 파티 계산의 모든 세부 사항을 밝히지 않고 단 하나의 결과 만 얻습니다 따라서이 세상에서 중앙 집중화 된 개체는 여전히 유용합니다 하지만 이것이 작동하려면 그들이 경쟁하고 있다고 가정해야하지만, 결탁은 아닙니다 관객 : 안녕하세요

그냥 궁금해 용어 엔트로피의 사용은 흥미 롭다 이 신비한 것 같았 기 때문에, 그러나 열역학에서, 당신은 정말로 정확합니다 결정할 로그를 가질 수있다 고전적인 열역학

그리고 정보 이론을 가진 당신은 [무관심하다] 엔트로피의 그리고 당신은 에너지를 사용하여 비유를합니다 그런 종류의 자유로운 에너지를 생각 나게합니다 슈광 짱 : 그래, 맞아 네

그래서 블록 체인 세계가 정확하게 추출되고 있다고 생각합니다 그것으로부터 약간의 자유 에너지 그래서 당신은 기본적으로 뭔가를 이루고 있습니다 그러나 당신이 달성 한 모든 것, 총 금액 에너지의 양, 유용한 양은 단지 소비 한 에너지가 낭비해야하는 엔트로피를 뺀 것입니다 오늘 실제로 많은 백서를 볼 수 있습니다

그것은 기적적인 일을한다고 주장합니다 그리고 이런 종류의 백서는 저에게 상기시켜줍니다 18 세기의 제안서 영원한 이동성에 대해서 관객 : 궁금합니다 비유를 더 자세히 추정 해 줄 수 있습니까? 너는 [부적절한] 일하다

온도가 있습니까? 슈광 짱 : 예 네 네 네 관객 : [INAUDIBLE] 슈광 짱 : 사실, 온도 매우 자연스럽게 발생합니다

보존과 같은 보존 된 양이있을 때마다 의 에너지, 온도 개념은 자연스럽게 진화합니다 랜덤이지만 보존 된 시스템을 언제든지 갖기 때문에, 가장 일반적인 것인데, 무엇을 볼츠만이라고 부릅니까? 분포 그래서 온도는 자연스럽게옵니다 그러나 나는 이것이 왜 이렇게 흥분하는지, 처음으로, 나는 수렴을 본다 사회 과학과 자연 과학 사이

그것은 사회 과학적 세계를위한 앵커를 제공한다는 것입니다 그래서 M0, M1, M2, 근본적인 닻의 나의 생각 이제 자연 과학에 정착했다 우리는 엔트로피를 정확하게 볼 수 있습니다 그것은 낭비되어, 왜 합의가 도달했는지 알 수 있습니다 그리고 그 위에 인간의 물건을 더 많이 만들 수 있습니다

그러나 가장 기본적인 계층은 이제 사회적 요소 자연 과학과 근본적으로 감소 에너지, 엔트로피 및 정보 관객 : 고마워 관객 : 시간 내 주셔서 정말 감사드립니다 너의 대화에서 너는 당신이 한 블록 체인의 첫 번째 레이어를 볼 수 있다고 말하면서, 그 위에 추가 레이어가 만들어집니다 그렇다면 다양한 프로젝트 나 회사에 대해 어떻게 생각하십니까? 그들 자신의 블록 체인을 만들려고 노력하고 있습니까? 그것은 당신의 대화와 어떤 관련이 있습니까? 너 생각해? 슈촨 짱 : 글쎄, 내 생각 엔 그래

그래서 당신이 제공하는 독특한 것이 있어야합니다 따라서 Bitcoin, 블록 체인 및 Ethereum은 정말 다릅니다 신뢰의 근본적인 층으로서, 당신은 실제로 보편적 인 튜링 기계를 원하지 않는다 아마 해킹 당할 수 있기 때문입니다 하지만 그 위에 더 많은 거래를해야합니다

다음 Ethereum는 더 자연스럽게 보입니다 블록 체인 세계의 진화 생물 종의 진화를 모방 할 것이다 서로 다른 종을 볼 수 있습니다 그들이 충분히 길게 갈린다면 아마도 다른 종이된다 그러나 항상 근본적인 것이 있습니다

즉, 모든 생물체는 세포를 기반으로합니다 그래서 이런 기본적인 계약은 변하지 않을 것입니다 그러나 어떤 조직에서는 다른 유기체, 다른 세포의 다른 조직, 그것은 바뀔지 모른다 예? 관객 : 시간 내 주셔서 감사합니다 제 질문은 양자 컴퓨팅이 언제쯤 신청서에 있으십니까? 당신의 연구 결과와 연구 결과처럼? 그리고 그것이 응용 프로그램에있을 때, 너는 그걸 손에 넣을 것 같니? 오직 큰 회사의 또는 그것은 [부주의] —- 슈광 짱 : 예

그래 따라서 저는 양자 컴퓨팅 연구가 가장 이상적이라고 생각합니다 열린 환경에서 수행되어야합니다 내 생각 엔 그래 나가이 계산서를 만들게하십시오, 나가 있 있기 때문에, 많은 회사들이 노력하고 있습니다 그러나 회사의 본질 주주의 이익을 보호해야만 하는가? 그들은 그들의 비밀을 보호해야합니다 하지만 너무 강력하고 의미있는 것입니다 내가 알지 못하는 인류를 위해 공개 된 대학 연구에서 가장 잘 수행되어야합니다

그리고 이것이 제가하는 일입니다 그래서 양자 컴퓨터에 대한 나의 접근법 – 나는 할 여러 가지 유혹을 많이 겪고있다 양자 컴퓨터 회사,하지만 난 그 저항했습니다 관객 : 그리고 당신의 응용 프로그램에 대한 예측은 무엇입니까? 양자 컴퓨터? 슈광 짱 : 발명품의 유무에 관계없이? [웃음] 제 생각에, 당신이이 시도 방법을 사용한다면, 그것은 오랜 시간이 걸릴 것입니다 상상할 수 있니? 하나의 유용한 큐 비트를 제공하려면 큐 비트가 70 개가 필요합니까? 나는 그것이 비례하지 않을 것이라고 생각한다

그러나이 방법을 사용하면 확장이 가능합니다 관객 : OK 나는 우리가 감싸려고하고 있다고 생각한다 마지막 질문 하나만 할 것입니다 슈광 짱 : 좋아

관객 : 당신의 천사 Fermion에 대해 슈광 짱 : 예 청중 : 다른 요구 사항을 변경합니까? 절대 온도와 같은 양자 컴퓨팅 슈광 짱 : 아니, 안돼, 안돼, 안돼 오, 음, 여전히 작동합니다 – 대부분의 제안은 불행히도 저온에서 작동합니다 네

관객 : OK 슈광 짱 : 예 그러나 우리의 접근법은 실내 온도에서 작동 할 수 있습니다 상온 초전도체가 발견되면 그러나 아직 발견되지 않았습니다 관객 : 그래서 [불충분]

슈광 짱 : 그러나 우리는 그렇게 생각하지 않아야합니다 아마도 매우 어려운 계산 일 수도 있습니다 정말로 질적 인 개선이 있다면, 우리는 저온으로 식힐 수 있습니다 스피커 2 : 좋아 장 고맙습니다

장 교수님 슈광 짱 : 예 [박수 갈채]

Artificial Intelligence the headline act at Google I/O 2018 – Digital Minute 15/05/18

안녕! 저는 Sophie이고 Digital Minute의 이번 버전에서는 Google I / O의 큰 토론 포인트를 살펴볼 것입니다 다국적 기술 회사는 지난 주에만 연례 글로벌 개발자 회의를 개최했으며, 인공 지능이 주요 테마 인 모바일 검색 음성 제품에 도입되는 새로운 기능 중 일부를 공개했습니다

헤드 라인 기능은 Google의 보조원이 시연 한 Google Duplex였습니다 청중을 놀래켜 주면서 헤어 살롱을 불러 예약을 예약 할 수있었습니다 그러나 다른 여러 가지 큰 발표가있었습니다 차세대 안드로이드는 다양한 새로운 기능을 선보일 예정이며, 휴대 전화 사용 빈도를 '시간 제한'으로 설정하는 옵션이 포함됩니다 Google지도, 렌즈 및 뉴스에 대한 흥미로운 업데이트는 모두 SEO 세계에 대한 고려 사항 일 수 있습니다

따라서, 구글이 앞으로 음성 및 인공 지능에 큰 돈을 걸고 있음이 분명하다 I / O의 주요 교훈을 요약하고 블로그를 통해 유용한 가이드와 연결해 보았습니다 지켜봐 줘서 고마워, 나는 Sophie Hazan이고, 그건 Digital Minute 였어

Sam Altman: “The Winding Path of Progress” | Talks at Google

[음악 재생] 조르쥬 쿠 에토 : 안녕하세요 Google 토크 행사에 오신 것을 환영합니다

먼저 물류를 거치겠습니다 이것은 불 사이드 채팅 스타일의 이야기입니다 따라서 몇 가지 질문을 통해 이야기하는 데 약 40 분이 소요됩니다 그리고 나서 지난 20 분 동안 우리는 관중들에게 개방 할 것입니다 마이크를 통해 질문을 직접 제출하십시오

방의 뒤에 그리고 go / ask-sam의 도리를 통해서 도와 주신 모든 분들께 감사드립니다 우리 시설을 포함하여이 대화를 가능하게하기 팀과 PM 스피커 시리즈 조직 팀 모두에게 감사드립니다 오늘 우리와 샘 알트만을 만나게되어서 좋네요 구글 토크

Sam은 Y Combinator의 사장입니다 톱 벤처 기업 중 하나로 널리 여겨지고있다 실리콘 밸리의 인큐베이터 그는 스탠포드에 가서 컴퓨터 과학을 공부했습니다 모바일 위치 기반 시작 프로그램의 창립자이자 CEO였습니다

Loopt는 YC의 지원을 받아 2005 년 신생 기업 1 등급 금융 서비스 회사 인 Green 2012 년 점 2014 년에 그는 Y Combinator의 사장으로 임명되었습니다 그 이후로 그는 다양한 분야에서 많은 노력을 기울였습니다 Y의 비영리 단체 인 YC Research로부터 순수한 연구에 집중하는 결합 자 보편적 인 기본 소득과 같은 달 구경 아이디어 주위에 그리고 그는 또한 비영리 AI 인 OpenAI에서 일했습니다

방법을 찾는 연구 회사 안전하고 친숙한 인공 지능을 실제로 모든 인류를 도울 수 있습니다 여기에서 당신을 만나서 반갑습니다 날 보내 주셔서 고마워요 조르쥬 쿠에 토 : 내가 언급 한 것처럼, 당신은 YC에서 OpenAI에 이르기까지 다양한 분야에 관여하고 있습니다 그리고 가장 최근에, 당신은 The United Slate 그래서 우선 순위에 대해 어떻게 생각하는지 물어보고 싶었습니다

당신이 작업하는 프로젝트들 알다시피, 나는 최적의 시간 할당이라고 생각한다 AI 완전 문제와 같을 것입니다 나는 너의 시간의 1 % 같이 쓸 수 있으면 생각한다 완벽하게, 정말 좋습니다

그래서 무엇에 집중해야 할지를 생각해내는 아이디어라고 생각합니다 그리고 초점을 맞추지 않는 것은 정말 어렵고 여전히 상당히 과소 투자되었다 내가 사용한 프레임 워크, 정렬 내가 알아 내려고했던 두 개의 큰 프레임 워크 시간을 할당하는 방법, 하나는 충격의 극대화입니다 후회 최소화 그래서 나는이 두 곡선을 함께 보려고합니다

그리고 나는 내가 가장 큰 것을 가질 수있는 곳을 생각하려고 노력한다 세계에 대한 순수한 영향, 세계에 대한 긍정적 인 영향 쉽게 큰 영향을 미칩니다 그리고, 또한, 최소화 된 것을 후회하십시오 있잖아, 너는 한 번 살아야 해

정말 당신이하고 싶은 일을하는 것이 중요합니다 너는 네가 원하는 사람들과 시간을 보내는거야 같이 일하고 일하기를 좋아합니다 당신이 개인적으로 성취한다는 것을 발견했습니다 그리고 만약 내가 정말로 무언가를 후회하게 될 것이라고 생각한다면 심지어 무언가를하지 않는 것을 후회하거나 내가 순수한 정렬을 위해 내 시간을 사용하는 것이 최선이 아니라고 생각한다면 세계에 대한 순 영향의 정말로 진지하게 받아들이 려합니다

그리고 그게 내가 더 잘 할 수 있다고 생각해 내가하는 일에서 세상을 돕는다 너도 알다시피, 내가 가진 광범위한 것들 내가하고 싶은 걸 배웠다 하나는 사람들을 가르친다 다른 하나는 경제 성장을 창출하는 것입니다

나는 정말로 가장 중요한 것들 중 하나라고 믿는다 근본적으로 지금 나라에서 잘못되고있다 우리는 충분한 경제적 성장이 없다는 것입니다 그리고 우리가하는 작은 것은 전혀 고르게 분배되지 않습니다 그래서 민주주의에서 당신은 정말로 매년 모든 사람의 삶이 향상되기를 바랍니다

우리는 기본적으로 절대 품질에 둔감합니다 우리의 삶과 매우 민감한 우리 이웃들에게 해마다 상대적 차이를 보입니다 모든 사람의 삶이 정말 중요합니다 끊임없이 더 좋아지고 있습니다 경제 성장이 중요하다고 생각합니다

나는 인공 지능이 가장 될 것이라고 생각한다 우리의 일생의 중요한 기술 동향 그래서 나는 그것에 많은 시간을 할애한다 너도 알다시피, 나는 사물에 대해 생각하려고 노력한다 그 두 가지 전략에 다른 프레임 워크는 일종의 충격 최대화 외에도, 내가 정말 유용하다고 생각한 후회 최소화 많은 일을 시도하면서 약간의 노력을 기울이고 있습니다

끊임없이 정리하고 신속하게 집중할 수 있습니다 너가 좋아하는 것들과 작동하는 것 같습니다 그래서 어떤 의미에서 이것은 Y Combinator의 펀드 모델입니다 약간의 돈으로 신생 기업을 그리고 나서, 대부분은 잘 풀리지 않습니다 일부는 정말 잘 작동합니다

당신은하는 일에 더 많은 시간과 돈을 투자합니다 얘들 아 이것은 내 인생에 더 많이 적용하려고 시도한 것입니다 일반적으로 많은 아이디어를 시도 할 수있는 아이디어입니다 약간의 노력으로 작동 원리를 정확하게 예측하는 것은 매우 어렵습니다

무엇을하지 않았습니까? 그런데 그 어려운 부분, 대부분의 사람들이하지 않는 것, 당신은 정말로 끊임없이 집중하고 싶습니까? 일을하는 사람들에게 우선 순위에 대해 내가 말할 마지막 사항 내가 배운 다른 해킹은 너와 함께 정말 좋은 파트너 하나를 얻을 수 있다면 모든 프로젝트에서, 그것은 많은 여유를 숨길 것입니다 한 번에 여러 가지 일을하려고하면, 위기는 같은시기에 나타납니다 그리고 모든 것을 스스로해야만한다면 정말 어렵습니다 조르쥬 쿠 에토 (Jorge CUETO) : 좀 더 구체적으로 생산성, 어쩌면 삶의 일부 해킹은 어떨까요? 일상 생활을보다 생산적으로 만들기 위해 신청 하시겠습니까? 내 말은, 내가 생각하기에 생산성에 관해 쓰여진 많은 쓰레기처럼, 인터넷상의 비밀

그리고 사람들은 이런 일에 들어갈 것 같아요 그들이 더 많은 시간을 시험해 보는 곳 생산성 시스템에 대해 생산적이다 실제로 일을 끝내는 것보다 글쎄, 둘, 제 생각에는 충고가 그것은 그다지 명백하지 않습니다 하나는, 내가 생각하기에, 훨씬 더 중요하다

특정 시스템보다 작업 할 올바른 것들 그리고 항상 사람들이 이 새로운 생산성 앱이나 또는 무엇이든지 쓰면 좋을 것입니다 정말로 내가 열심히 생각하려고 애쓰다 다른 사람과 같은 시간을 보내십시오 내가 그들을 어떻게 쓸거야? 그리고 그 권리를 얻는 것이 정확하게 정확하게하는 것보다 중요합니다

그 시간에 완벽하게 생산적이되는 것 큰 부분은 시간을 낭비하는 일을하지 않는 것입니다 중요한 일에 집중할 수만 있다면 시간을 낭비하는 일을하지 말라 그렇지 않으면 생산성이 상당히 떨어질 수 있습니다 그리고 당신은 여전히 ​​대부분의 사람들보다 훨씬 더 잘하게 될 것입니다

그래도 정말 어렵습니다 사람들이 충분히 생각하지 않는 것 같아요 너의 자신의 개인적인 리듬을 알아 내고있다 생산성의 엄청난 차이가 있습니다 그걸 알아 낸 사람들과 그렇지 않은 사람들 사이

그래서 나에게 개인적으로, 그것은 밝혀졌다 내가 늦게 자고 늦게 일어나면 나는 가장 생산적이다 첫날을 3 ~ 4 시간 정도 유지하십시오 집에서 일하는 것과 같은 모임을 계획하지 마십시오 거기에 물건 목록을 가져 와서 포장하십시오

모든 회의에서 나는 단지 생산력이 부족할뿐입니다 오후에 창조적 인 사고를하거나 밖으로 생각 나게합니다 그리고 알아내는 데 몇 년이 걸렸습니다 일에 잘 맞지 않았기 때문에 내가 자연스럽게 들어간 일정 하지만 그때 나는 같았 어

알았어 이것이 나를 가장 생산적으로 만드는 것이라면, 그런 다음 나는 그것을 지원하기 위해 내 일정을 다룰 예정이다 그리고 그것은 저에게 정말로 중요한 변화였습니다 그래서 나는 당신 자신의 개인적인 최적 시간을 생각하는 것 어떤 종류의 다른 것들을 연구하고, 사람들은 그렇게 많이 이야기하지 않습니다 그리고 적어도 저에게는 큰 영향을 미쳤습니다

JORGE CUETO : 기어를 조금 바꿔 주면됩니다 그러나 여전히 다른 것들에 대한 당신의 관점을 얻으려고 노력한다 매일 관련되어 있지만, 주요 이슈 중 하나는 최근에 직장에 편견이 생겼습니다 그리고 의식과 무의식의 편견 그리고 나는 당신의 관점을 얻고 싶었습니다

구현하는 전략에는 무엇이 있습니까? 개인적으로, 당신이 상호 작용하는 방식으로 발생하는 사람 또는 접근하는 방식 의사 결정 과정과 전략 사용 자신의 편견을 최소화하십시오 이봐 요,이게다고 생각합니다 실리콘 밸리에서 일어나는 중요한 대화 지금 그리고 많은면에서 많은 의견이 있습니다 하지만 저는 다음과 같이 말하고 싶습니다

제 생각에 생물학에 관해서는 아무도 믿지 않습니다, 아무도 생각하지 않습니다 존경하는 것은 여자를 믿지 않는다 소수 민족 및 기타 여러 그룹 절대적으로 불공평 한 경기장에 직면하다 그들의 평생 동안 나는 사람들이 직접적으로 또는 간접적으로 말하기 시작한다고 생각한다 아주 어린 나이부터 이것은해야 할 일의 종류입니다

할 수 있거나 할 수있다 그리고 그것은 효과가 있습니다 누구에게도 영향을 미치지 않습니다 [INAUDIBLE] 그리고 나는 그것을 극복하려고하는 것이 정말로 중요하다고 생각합니다 그리고 다시, 나는 생각합니다

합리적이고 의미있는 사람들은 동의하지 않을 수 있습니다 불행하게도, 우리는 모든 시간을 이야기하는 데 소비합니다 불일치에 대해 그리고 우리는 합의에 충분히 집중하지 않습니다 거의 똑똑하고 합리적인 사람들이 우리가 자란 사회가 상당히 불공평 한 경기장이 있습니다

그리고 나는 그것 때문에 생각하지 않습니다 무의식적 인 편견에 대해서 이야기하기에 충분합니다 나는 이것이 명백한 진짜 문제라고 생각한다 저는 우리가 자란 사회의 모든 산물이라고 생각합니다 그리고 우리 모두는 우리 잘못이 아닌 편견을 갖고 있습니다

그러나 여전히 대응할 책임이 있습니다 하지만 실리콘에서의 토론에 대해 싫어하는 한가지 무의식적 인 편견과 방법에 관한 골짜기 그게 우리가 고쳐야 할 문제입니다 거의 충분하지 않다고 생각하십시오 수정하는 것이 좋지만 사실을 무시합니다 아시다시피, 수십 년 또는 수세기의 사회 매우 고르지 않은 경기장을 건설했다

그런 이유로 우리는 시도 할 프로그램이 필요합니다 사전 대응하여 알다시피, 우리가 정말로 중요하다고 생각합니다 그걸 놓치지 마라 그리고 그 무의식적 편향 훈련만으로, 현재 매우 유행이지만 수정하지는 않습니다 즉, 나는 무의식적 인 편향이 문제라고 믿는다

우리는 그것에 대해 이야기함으로써 그것을 반대하려고합니다 나는 도움이된다고 생각하는 훈련을하고있다 하지만 B, 나는 우리가 불행하게도, 다른 투자자들은 그렇게하지 않았습니다 많은 것을 마치 매우 다양한 파트너십을 맺고 있습니다 우리 팀에는 6 명의 여자 평신도가 있습니다

그리고 그것은 아마도 최고의 투자를하는 여성들의 상당 부분 일 것입니다 실리콘 밸리의 역할 그리고 그것은 정말로 나쁩니다 우리 회사의 CEO는 흑인입니다 그리고 나는 이런 종류의 게임을하는 것을 싫어한다

누가 가장 차별화 된 스택 게임인가 하지만 실리콘 밸리의 흑인 사업가는 예외적으로 힘든시기가있다 그리고 저는보다 다양한 팀을 구성함으로써, 우리가 더 넓은 네트워크를 가질 수있게 도와줍니다 또한 우리 자신의 무의식적 인 편견에 대해 항상 생각해보십시오 호르헤 쿠에 토 : 그리고 정치의 문제 또는 어쩌면 직장에서의 이러한 문제는 때로는 금기로 간주됩니다

그럼에도 불구하고, 당신은 당신의 견해에 대해 꽤 목청적이었습니다 현재 정치 행사 및 기타 문제 실리콘 밸리에서 일어나고 있습니다 그래서 나는 네가 어떻게 걷는 지 물어보고 싶었다 당신의 의견을 표현하는 사이에 그 좋은 선, 모든 파급 효과를 최소화 할 수 있습니다 그것은 YC의 날마다 사업에있을 수 있습니다

글쎄, 이제 논쟁 거리가 아니야 아시다시피, 지금처럼 모든 기술 CEO 정치에 대해 이야기하고 있습니다 내가 2 년을 시작했을 때 트럼프의 등장 초기에, 그것은 논란의 여지가 있었다 두 가지 일이 진행되고있었습니다 하나는 그를 아무도 진지하게 받아들이지 않았다고 생각합니다

그래서 대부분의 사람들은 같았습니다 예 어리석은 일이 될 것입니다 두 가지는 정상적인 시간에 내가 생각하기에, 대규모 조직의 비즈니스 리더에게는 의미가 있습니다 정치적으로 남아있다

알다시피, 나는 그것이 실제로 많은 의미가 있다고 생각한다 거대한 산만 함입니다 대단히 시간이 많이 걸립니다 그리고이 모든 것들은 이상한 부정적인 영향을줍니다 너도 알다시피, 대통령을 화나게하면, 그는 당신에게 나쁜 일을 할 수 있습니다

그러나 이것은 정상적인 시간이 아닙니다 그리고 나는 미래가 공화국의 위험에 처할 때, 국가에 대한 의무와 우리의 가치 귀하의 특정 회사에 대한 의무를 초월합니다 그리고 당신의 주가 그리고 나는 그걸 조금 시작했다고 생각합니다 다른 사람들보다 일찍

그러나이 시점에서 저는 아주 좋은 회사에 있습니다 그리고 더 이상 논란의 여지가없는 것처럼 보입니다 조르쥬 쿠 에토 : 어떤 것들은 무엇입니까? 네가 사람들에 대해 알기를 바란다 너에 대해 몰라? 이 시점에서 알다시피, 나는 단지 내 자신 만의 조용한 사생활을 되찾고 싶습니다 나는 아무 말도하지 않을 것이다

조르주네 : 좋아 공정한 대답 YC에 관해 조금 이야기하기로 이동 그리고 당신이 회사에서 찾고있는 것은 거기에 있습니다 당신이 생각하는 창시자의 자질 과대 평가되었거나 과소 평가 되었습니까? 네 나는 모두의 가장 과소 평가 된 품질이라고 생각한다

정말로 결정되고있다 이것은 현명함보다 더 중요합니다 이것은 네트워크를 갖는 것보다 더 중요합니다 이것은 훌륭한 아이디어보다 더 중요합니다 회사 설립에 관한 가장 어려운 일 나쁜 물건의 레벨과 빈도 너 한테 일어난 일이야

그리고 실제로 다른 방법으로 잘하는 대부분의 사람들 결국에는 죽을뿐입니다 물건이 잘못되어 살해 당한다 그리고 성공적인 기업가가되는 것에 대해 많은 것을 알고 있습니다 포기하지 않는 것뿐입니다 우리가 가진 사람들에게 자금을 훌륭한 아이디어, 완벽한 종이 배경, 훌륭한 제품 여전히 실패한 경우, 일반적으로 충분하게 결정되지 않았다

그래서 이것은 이것이 가장 중요하지 않은 명백한 기술이라고 생각합니다 창업자의 물론, 좋은 제품과 좋은 시장이 필요합니다 그리고 영리하다 그러나 그것은 정말로 명백합니다 3 ~ 4 살 정도 결정에 대한 표준 편차 특이도 CEO의 필수 기술은 아니다

내가 시작했을 때 나에게는 분명했다 그것은 또한 선택하기가 정말로 어렵 기 때문에 나쁘다 그것을 확인하는 것은 정말로 어렵습니다 우리가 공개적으로 얼마나 중요한지 말했듯이, YC에 지원하는 사람들이 더 좋아졌습니다 과거의 삶에 대한 이야기를 그들은 무언가를 통과하기 위해 이러한 불가능한 확률을 극복했습니다

그리고 지능과는 달리, 가짜를 만드는 것은 매우 어렵습니다 알다시피, 한 시간 만에, 분명히 할 수있어 1 시간 회의에서 가짜 결정 그래서 그것이 정말로 중요합니다 정말로 중요하지 않은 또 다른 것은 분명하지 않습니다

독립적 인 생각입니다 그리고 나는 이것이 훨씬 특이한 기술이라고 생각한다 결정보다 나는이 두 가지를 모두 의식적으로 할 수 있다고 생각합니다 쌓아 라

그러나 나는 독립적 사고가 가장 힘든 기술 중 하나라고 생각한다 구축하기 출생에서 사회적 압력의 말하기 때문에, 우리는 모두 다른 사람들처럼 생각하도록 강요 받고 있습니다 그리고 네 인생에서 생각한다면 너와 함께 시간을 보내는 사람들의 수에 관해 일관되게 가지고있는 진실한 독립적 인 사상가 다른 사람들이 듣지 못했던 새로운 아이디어 세상을 여러 가지 방법으로 생각해보십시오 그것은 아마도 매우 짧은 목록 일 것입니다

하지만 아직은 시작하는 사람들입니다 모든 흥미로운 회사 합의 된 아이디어는 모두가 시도하는 것입니다 Google에서 점심을 먹을 것입니다 그리고 그들은 또한 정말로 큰 트렌드가 아닙니다

미래의 당신은 시작 아이디어를 원한다 벤 다이어그램을 그린다면 여기 너는 좋은 생각이야, 여기 너는 너야 나쁜 생각 같은 소리가 들리면 작은 부분이 겹쳐지기를 바랍니다 그리고 그것들은 가장 어려운 아이디어들입니다 신원을 확인하고 그걸 알아 차리면 대부분의 사람들이 너에게 말할거야

의 그래서 저는 그것들이 두 가지 비 명백한 기술이라고 말하고 싶습니다 찾다 조르쥬 쿠 에토 : 그리고 무엇이 하나의 도전인가? 그 YC 회사가 당신이주의 깊게 얼굴을 맞 춥니 다? SAM ALTMAN : 엔지니어를 고용하면 Google이 원하는 사람에게 무제한 현금을 던져 넣는 것처럼 신생 기업에게 매우 문제가되고 있습니다 나는 그것에 대해 좋은 점을 생각한다

나는 항상 나쁜 상황에서 선을 찾는다 이것에 대한 좋은 점은 모든 훌륭한 신생 기업이 정말 중요한 임무가 있습니다 결국, 그들은 그것을 알아 낸다 그들은 1 일에는 가질 수 없지만 결국에는 선교사의 사고 방식처럼, 이것에 도달하십시오 그리고 그것은 당신이 그것을 가지고 있지 않더라도, 당신은 일종의 용병을 구할 수 있습니다

너를 위해 일하게 이제는 Google에서 할 수 없기 때문에 할 수 없습니다 그래서이 일의 긍정적 인 부작용 하나 지금 시작의 중요성은 3 일째에 정말 분명하고 중요한 임무 많이 올라 갔다 그리고 이것이 신생 기업 창업으로 이어지고 있다고 생각합니다 그렇지 않으면, 당신은 모집 할 수 없기 때문입니다 신생 기업이 가지고있는 또 다른 공통된 문제는 이것은 큰 통찰력처럼 들리지 않습니다

하지만 대부분의 신생 기업은 여전히 ​​제품을 만들지 않았습니다 사람들이 원해 그리고 우리가 이것에 대해 얼마나 많이 이야기하는지는 중요하지 않습니다 얼마나 많은 사람이 이것에 대해 이야기하는지는 중요하지 않습니다 사람들은 여전히 ​​이걸 제외하고는 아무 것도하려고 노력하고 있습니다

그리고 신생 업체가 올바르게해야 할 것이 있다면, 사람들이 정말로 원하는 제품을 만들고 있습니다 그들이 그것을 원한다면, 당신은 충분한 추진력을 얻지 못할 것이다 너는 무언가를 만들어야 해 어떤 사람들은 정말로 사랑합니다 그리고 실패 후, 부족한 결정 때문에 창업자, 이것이 두 번째 이유입니다 정말 좋은 것처럼 보이는 신생 기업은 실패합니다

조르쥬 쿠에 토 : 말하기로 이동하기 서로 다른 기술에 대해 가장 큰 도전은 뭐니? 우리가 진행 과정에서 직면하고있는 지금 인공 지능에 대해서? 혹시 이걸 본 사람이 있는지 모르겠다 그러나 OpenAI는 최고의 싱글 플레이어 DotA 선수를 이겼습니다 지난 금요일에 세계에서 그리고 우리가 올해 초에이 프로젝트를 시작했을 때, 나는 그것이 올해 일어날 것이라고 생각하지 않았다 그리고 내년에 그런 일이 일어날 지조차 확신하지 못했습니다

그리고 그것이 일어나는 것을 지켜 보는 것은 매우 야생했습니다 거의 순전히 자기 훈련 이었기 때문에 그리고 이것은 매우 복잡한 환경이었습니다 그리고 AI는 단지 놀고 있었고 더 좋고 더 좋고 더 좋다 실제로 우리가 가진 최종 봇은 모든 인간을 이길 수 있습니다

1 일 후에, 그것은 하루에 60-40을 잃어 더 진화했다 자신의 버전, 그냥 당신을주고 개선 속도에 대한 감각 그리고 저는 사람들이 여기에서 휠씬 잠들고 있다고 생각합니다 문제가 있습니다 그러나 다시 한번, 항상 노력하는 정신으로 좋은 것을 알아 내려고, 나쁜 것이 아니라, 우리는 믿을 수없는 진전을 보이고 있습니다

많은 진전 그러나 나는 AI로 걱정하는 모든 것들을 생각합니다 진행할 기술적 장벽 목록의 맨 위에 있지 않습니다 조르쥬 쿠 에토 : 다른 캠프가 있습니다 어쩌면 우리가 너무 많은 강조를하고 있다고 AI의 위협에

그것에 대해 어떻게 생각하세요? 그래, 우리가 충분히 말하지 않은 것 같아 이점에 대해서 AI에는 잠재력이 있다고 생각합니다 거의 모든 인간의 고통을 없애기 위해 앞으로 수십 년 동안 나는 우리가 풍요의 세계를 가질 수 있다고 생각합니다 우리는 시간이 지남에 따라 빈곤을 퇴치 할 수 있습니다

우리는 아마도 많은 질병을 치료할 수 있습니다 기술이 할 수있는이 모든 놀라운 것들이 있습니다 우리가 이미 그걸 본 것 같아 소비자 제품이 얼마나 많이 낫지 만 우리는 매일 사용해 왔습니다 재해 포르노를 좋아하는 사람

사람들은 말하기에 더 관심이 있습니다 삶에 대한 것보다 세상 끝날에 관한 것 매년 10 % 더 나아지고 그 화합물을 가지고 있습니다 훨씬 나아졌습니다 알다시피, 만약 당신이 언론인이라면, 방법에 대한 기사를 쓸 수 있습니다 AI는 세상을 끝내고 많은 클릭을 얻습니다

그리고 당신도 알다시피, 페이지 뷰 보너스 나 당신이 얻는 것이 무엇이든간에 또는 AI가 점차적으로 어떻게되는지에 대한 기사를 작성할 수 있습니다 이 모든 문제를 10 % 나 개선했습니다 그리고 아마 아무도 그것을 읽지 않습니다 물론, 아무도 그것을 공유하지 않습니다

그래서 저는 어떤 이유에서 건 유선 방식을 생각합니다 이 단점에 대해 더 많이 이야기하는 것입니다 상승보다 그러나 내가 생각하는 위쪽은 거대 할 것입니다 그것은 이미 거대합니다

조조 퀴토 : 그리고 크립토 rencies 통화에 대해서는 어떻게 생각하십니까? 당신도 같은 성장을 보입니까? 네 나는 그것이 위아래로 갈 것이라고 생각합니다 오래전에 비트 코인을 샀던 것처럼 나는 그들을 오랫동안 붙잡을 계획이다 나는 가격 진드기를 보지 않으려 고 노력한다

그러나 그것은 나 자신을 도울 수 없다는 것을 너무 중독적입니다 나는 이것이 투자 조언이 아니라고 생각합니다 나는 입증 된 유일한 강력하고 강력한 사용법이라고 생각합니다 지금까지 본 사례는 매장 가치입니다 그리고 금 대신에, 나는 생각한다

우리는 거기서 진짜 입양을보고 있습니다 실제로 집단적으로 믿는 그것은 약간의 가치를 갖게한다 그러나 그게 어떻게 진행될 지, 비트 코인이 지배해야한다고 생각합니다 가장 큰 네트워크, 첫 번째 가장 큰 브랜드, 가장 집단적 신념, 도대체 무엇이 그리고 나는 계속적인 힘에 놀랐다

모든 altcoins에 나는 진정으로 가치있는 다른 잠재력이 있다고 생각한다 블록 체인의 적용 Filecoin은 YC의 것입니다 그래서 저는 그것을 잘 알고 있습니다

그리고 나는 그것이 큰 것을 볼 수 있습니다 그러나 비트 코 인 밖에서 일어나는 일들의 대부분은, 완전한 투기 거품처럼 느껴진다 그리고 많은 사람들이 화상을 입을 것이라고 생각합니다 아마 나는 옳은 일을한다고 생각합니다 당신이 그것을 믿는다면, 비트 코인을 사고, 그리고 나서 5 년 더 생각하지 마십시오

조르쥬 쿠 에토 (JORGE CUETO) : 특정 제품이 있습니까? 사람들이 자고 있다고 생각하는 영역이나 기술? 물론 이죠 인공 지능, 우리가 언급 한 것처럼 사람들을 생각합니다 정말로 큰 길에서 바퀴에서 자고있다 핵융합은 한자리 수 이내라고 생각합니다 근무 년수

그리고 너무 오랫동안 그렇게 나빴 기 때문에, 사람들은 불에 타지 않고 실제로 가져 가지 않습니다 신소재와 강한 자석에 대한 새로운 시각 더 나은 컴퓨터 모델 이 기능이 작동하도록 할 것입니다 합성 생물학 – 또 다시, 사람들이 그것에 대해 이야기하는 것과 같습니다 2 년 전 사람들이 원하는만큼 빠르게 작동하지 않았습니다

그래서 우리는이 과대 선회주기를 가지고 있습니다 그리고 지금, 우리는 흥미로운 연구가 사고 사람들은 충분한주의를 기울이지 않습니다 나는 그것이 내가 오랫동안 계속할 수있는 주제라고 생각한다 그러나 나는 그것을 3 개로 제한 할 것이다

조르주네 : 물론입니다 특별한 문제가 있습니까? 기술이 해결할 수 없다고 생각하십니까? 우리를 서로에게 친절하게 만드는 방법 기술 분명히 해결하기가 상당히 어려웠습니다 나는 그것이 할 수 없다고 말하지 않을 것이다 그러나 나는 그것을 아직 보지 못했고, 나는 확실히 그것을 보았다 기술 자체로는 불가능하다고 생각하지 마십시오

그리고 나는 우리가 그런 상황에 처해 있다고 생각합니다 적어도 선진국에서는 세상은 계속 나아지고 있으며, 우리는 계속해서 불행 해지고 있습니다 그리고 이것에 관해 상당한 양의 데이터가 있습니다 기술은 전적으로 책임이 있다고 생각하지 않습니다 그러나 그것은 뻔뻔스럽지 않습니다

30 분 남았어요 대화를 시작하십시오 그러나 나는 그 기술의 수가 우리를 더 고립 시키도록 해왔다 상대적으로 악화 된 느낌 – 내 친구가 조금 나이가 들었어 그녀는 결코 불행하지 않았다고 말했다

그녀는 그녀가 무엇을 놓치고 있는지 전혀 몰랐기 때문에 그리고 이제는 그녀가보아야 만합니다 나는 팝 문화가 아주 좋지 않다 나는 가고있다 무작위로 이름을 고르는 것 – Kim Kardashian은 Instagram의 개인용 제트기를 타고 돌아 다니고 있습니다

하루 종일, 그녀는 질투심이 많다 그리고 그것은 그녀를 매우 불행하게 만든다 그리고 그런 일은 발생하지 않았습니다 그리고 저는 그것에 대해 많이 생각해 왔습니다 지난 2 주 동안

그리고 나는 그것에 대한 해결책이 없습니다 그러나 그것이 왜 문제인지 이해합니다 그래서 우리를 더 행복하고 더 좋게 만드는 방법을 생각해 냈습니다 특히 서로에게, 나는 그 기술 중 하나를 생각한다 그게 정말 안좋은 거니? 오랫동안 지속 되어온 진화론 적 압력은 너를 좋아하지 않아

나는 올거 같지 않아 옆에 서서 말하면, 나는 너를 싫어한다 너는 얼간이 야 뭐라구 다른 사람들은 트위터에 말한다

조르쥬 쿠 에토 : 많은 것들 우리는이 짐승 동물과 같기 때문에 그리고 우리는 서로 살아야만합니다 서로 돕고 살아라 그러나 어쨌든 트위터에, 그것은 사라집니다

그리고 나는 트위터에 대한 나의 호언 장담을 구할 것이라고 생각한다 그러나 나는 그것이 특히 플랫폼이라고 생각한다 그 보상은 가장 공격적인 snarky 물건을 말하는 그게 당신이 좋아하는 방법과 다시 짹짹과 정렬 가치를 플랫폼에서 그러나 많은 기술이 이것을합니다 우리는 어떤 종류의 인간도 가지고 있지 않습니다

사람이 서로에게 친절하고, 본능이 있습니다 그리고 우리에게는 이러한 보상이있는 플랫폼이 있습니다 보상은 얼간이 그래서 저는 낙천적이지 않다고 생각합니다 그 기술은 그 문제를 해결할 것입니다

나는 그 문제를 해결하는 사람들이되어야 할 것이라고 생각합니다 Jorge CUETO : 2015 년 "Vanity Fair"와의 인터뷰에서, 미래에 대해 낙관적 인 입장이라고 언급하셨습니다 그리고 선거의 모든 일이 일어나기 직전이었습니다 우리가 스스로 찾아내는 상황 그럼 당신은 아직도 미래에 대해 낙관적인가? 물론 이죠

물론 이죠 진행과 마찬가지로 완벽한 지수 곡선이 아닙니다 그것은 심지어 직선이 아닙니다 그리고 우리는 지금 분명히 도전적인시기에 있습니다 하지만 지난 몇 백 년을 돌아 보면, 축소하면 몇 천년이 걸립니다

충분하게, 곡선의 종류는 사라진다 세상은 점점 좋아지고 있습니다 그리고 나는 그것이 계속 될 것이라고 생각합니다 그리고 지금 당장 진행되는 모든 일에도 불구하고, 지금 당장 기쁘다 100 년 전이 아니고 확실히 200 년 또는 2,000 년 전 아닙니다

그리고 저는 우리에게 많은 것을 감사 할 기술이 있다고 생각합니다 그리고 우리에게는 더 나은 통치가 있습니다 민주주의에 살고있는 사람들의 수, 200 년 전에는 매우 낮은 비율이었습니다 그리고 사물만큼 끔찍한 사실 우리는 두려움없이 일어 서서 우리의 마음을 말하게된다 정치적 야당에 감옥에 갇혔다

그리고 우리가 3 년 반이나 1/2 년 후에 다시 투표하게된다는 사실, 나는 그것이 훌륭하다라고 생각한다 그리고 나는 그것을 당연시하는 것이 쉽다라고 생각합니다 하지만 그래, 나는 미래가 훨씬 나아질 것이라고 생각한다 나는 여전히 낙관적이다 Jorge CUETO : 큰 도전이되는 것은 무엇입니까? 지금 우리 사회에 직면하고 있습니까? 우리가 세상을 어떻게 다루는가? 자연력은 부를위한 것입니다

작고 작은 사람들의 손에 앞에서 언급했듯이 나는 사람들 상대적인 삶의 질에 더 민감하다 삶의 절대적인 품질보다 그리고 저는 기술이 자연스럽게 힘이라고 생각합니다 그것은 창조하기 쉬운 거대한 레버입니다

길은 더 풍부하지만 실제로 집중되어 있습니다 그래서 나는 사람들이 말하는 가장 귀머거리 같은 것들 중 하나라고 생각합니다 실리콘 밸리에서는 가난한 사람들이 행복해야합니다 그들은 많은 돈을 위해 안드로이드 폰을 얻는다 그들은 세계의 모든 것에 접근 할 수 있습니다

그리고 그들은 우리 없이는 그것을 가지지 않을 것입니다 그래서 그들은 왜 불평하고 있습니까? 좋아, 거기에 진리가있는 것처럼 나는 그것이 세상에 대해 멋지다고 생각한다 가장 부유 한 사람과 누군가 절대 빈곤 속에 사는 것은 같은 전화를 가지고 다니는 것입니다 아마 다른 것보다 네가 정말 나쁜 질병을 앓고있는 것처럼

그런 평등은 없었습니다 400 년, 500 년 전 알 잖아 그러나 그 점은 항상 실리콘 밸리가 다시 쓰러지는 것, 내 생각 엔 아마도 어쩌면 가장 귀가울 수없는 응답 일 것입니다 하지만 거기 사람들은 선택 의지가있는 것처럼 느끼고 싶어합니다

그들은 미래에 목소리를내는 것처럼 느껴지려고합니다 그들은 그들이 참여할 수있는 것처럼 느껴지려고합니다 그리고 그들은 그들이 아닌 것처럼 느끼고 싶어합니다 이 기준선과 마찬가지로 지방과 실리콘 밸리에 수고를들이다 모든 돈을 얻는다

그리고 나는 그것을 보지 않는 사람들이 생각하지 않고 있다고 생각합니다 분명히 그래서 저는 가장 큰 위협 중 하나라고 생각합니다 나는 기술이 그 자체로 고칠 수 있다고 생각하지 않는다 우리가 좀 더 공정한 세상으로가는 방법입니다

나는 정말로, 근본적으로 믿는다 그 경제 정의는 가장 중요한 것입니다 당신은 사회 정의를 위해 할 수 있습니다 그리고 만약 당신이 모든 자원을 가지고 있다면 다른 사람들이 가지고 있더라도 작은 사람들에게 그들의 절대적인 삶의 질은 매우 빠르게 상승했으며, 그것은 충분하지 않아 조 르즈 쿠에 토 : 당신은 최근에 United Slate, 이는 몇 가지 정책 제안뿐만 아니라 후보자를위한 초대장

성공은 어떻게 생겼습니까? 알다시피, 우리가 할 수 있다면 해당 플랫폼에서 2018주기에 5 명, 6 명 후보를 출마 그들 중 두 명이 선거에서 승리하도록하십시오 나는 그것이 놀라운 출발이 될 것이라고 생각한다 그리고 아시다시피, 전혀 작동하지 않을 수도 있습니다 어쩌면 그런 문제 일 수도 있기 때문에 그들이 중요하다고 생각하고, 아직 일반 대중을 설득 할 준비가되었습니다 그러나 나는 이것이 좋은 출발이 될 것이라고 생각한다

그리고 시간이 지남에 따라 정말 좋을 것이라고 생각합니다 진보적 인면에있는 사람들 장기 조직의 일종을 세웠다 선거 승리와 대중 인식 변화에 초점 모든 수준에서 권리는 이것으로 엄청난 일을 해냈습니다 그쪽에 계신 분들께 축하드립니다

하지만 왼쪽에서 더 잘할 수 있기를 바랍니다 우리가 최선의 게임을 펼치고 있다고 생각하지 않습니다 조르쥬 쿠 에토 : 귀하의 초대장에 민주당 원들과 함께 일하게되어 기쁘다 독립 및 공화당 특히 어떤 사람이든 상관없이 볼 수있는 문제가 있습니까? 정치 이데올로기, 함께 모여서 다른 문제보다 더? 제 생각에는 많은 문제가 있다고 생각합니다

다시 말하지만, 나는 사람들이 동의하지 않는 것보다 더 많은 방법에 동의한다고 생각한다 우리가 주를 돌아 다닐 때 캘리포니아, 공화당, 민주당, 샌프란시스코, LA, Fresno, Shasta County, 어디든지 가십시오 주택 가격은 대부분의 경우 가장 큰 문제와 같습니다 Google 직원이 아닌 일반 사용자의 Google 직원에게도 마찬가지입니다 정말로, 정말로 나쁘다

제 말은, 당신이 고칠 수 있다면 제가 생각하기에 대단히 긍정적 인 2 차 효과가있을 것이며, 주택 가격은 10 배 정도 낮아집니다 그것은 사회에 변형이 될 것입니다 그건 관객 : 정부 규정이 [비합실적입니까?] 뭐라구? 청중 : 정부 규제를 철폐하십시오

정부 규정 폐지? 관객 : 5 층 네 마찬가지로 많은 규정에는 좋은 요소가 있다고 생각합니다 나는 자유주의 자, 무정부주의자, 모든 정부 규정은 나쁘다 하지만 나는 더 이상 건물이없고, 건물이 없다고 생각합니다

키가 크면 주에 큰 재앙이되었습니다 그리고 나는 그것이 가능한 최악의 할당이라고 생각한다 사람들이 모든 무료 페니를 묶어 둘 수있는 자원 그들이 사는 곳을 찾으십시오 우리가 쓸 수있는 다른 것을 생각해보십시오 그것이 어떨지 생각해보십시오

사람들이 가까이에서 살 수 있다면 1 시간 통근보다는 일하다 매일 여기에 오는 반입니다 그리고 그것은 민주당, 공화당, 독립 단체들, 거의 모두가 동의합니다 적어도 모든 캠프에는 사람들이 있습니다 그래서 저는 다시 한번 부서들에 대해서 이야기하는 것 같아요

일반인들과 이야기 할 때, 그들은 모두 가장 중요한 문제가 무엇인지에 동의합니다 그리고 그들은 모두 그것을 국가에서 고치고 싶습니다 JORGE CUETO : IT 업계의 역할은 무엇이라고 생각하십니까? 정부와 정치에서? 이봐, 나는 우리 모두가이 나라의 시민이라고 생각한다 그리고 우리 모두는 – 알다시피, 참여할 권리가있다 선거 과정에서

그리고 그렇게 할 의무도 있다고 생각합니다 그리고 나는 기술이 그런 붐을 겪고 있다고 생각한다 지금은 말하기 쉽습니다 헤이, 나는 단지 내 일을하는 것처럼 집중하려고합니다 제품을 만들고, 돈을 버는 등의 일을합니다

그리고 나는 다른 누군가가 나머지를 돌보게 할 것입니다 일종의 실망스러운 것 중 하나 내가 배운대로 배웠던 점점 더 영향력있는 사람들과 더 많은 시간을 보내기 세상이 어떻게 작동하는지는 계획이 없다는 것입니다 그리고 모든 것을 알아내는 그룹이 없습니다 그리고 그것은 우리 모두에게 달려 있습니다 모두가 희망합니다

음모론 같은 이유로 너무 매력적이다 거기에 음모가 있기를 바란다 당신은 누군가가 계획을 가지고 있다고 생각하고 싶습니다 당신도 알다시피, 이 모든 일들이 일어나고 있습니다 그러나 누군가 중앙 집중식 계획을 가지고 있습니다

그리고 그것은 모두 잘 풀릴 것입니다 그리고 저는 자라나는 슬픈 실현 중 하나라고 생각합니다 어른이 없다는 것입니다 아무도이 마스터 플랜을 갖고 있지 않습니다 그리고 우리가 참여하지 않는다면 그냥 레일에서 벗어날 수 있습니다

조르쥬 쿠에 토 : 당신은 어떻게 생각하니? 대규모 기술 직원들에게 가장 효과적인 방법 중 일부 Google과 같은 회사가 참여합니다 정부와 정치에서? 모두이 사람이 아닌 다른 대답을 원해 왜냐하면 더 편리 할 것이기 때문입니다 하지만 그 대답 중 하나는 바로 사무실로 출마하는 것입니다 우리에게는이 과정이 있습니다

우리는이 시스템, 규칙들의 집합, 우리 모두 동의 했어 그리고 모든 사람들은 그 가장자리에서 행동 할 방법을 원합니다 직접 참여하는 것보다 그리고 그건 괜찮습니다 해야 할 좋은 일이 있습니다 그러나 나는 문제를 정면으로 생각한다고 생각한다

충분하지 않은 사람들은 그것을 시도하지 않습니다 조르쥬 쿠에 토 : 그리고 주위에 소문이 있습니다 Mark Zuckerberg가 사무실로 출마 할 예정이며, 격주로 그리고 소문도있었습니다 너를 총독을 위해 달리고있다

그리고 우리는 과거 기술직 사람들이 사무실에 출마하는 것을 보았습니다 메그 위트 먼 (Meg Whitman)은 2010 년 캘리포니아 주지사를 위해 달렸습니다 그러나 그녀는 Jerry Brown에게 상당한 차이를 보였다 제 질문은, 실제로 그것이 기술 분야의 누군가가 사무실에서 뛰고 승리 할 수 ​​있습니까? 아니면 기술 산업에 대한 인식이 너무 많습니다 엘리트 주의자로서 사람들 유권자들과 연락하지 않겠습니까? 그곳에 있다고 생각합니다

적어도 사람들은 시도해야한다고 생각합니다 나는 베이 산업에서 기술 산업이 가장 싫어한다고 생각한다 그리고 너가 밖에서 나가면 국가 또는 국가의 정말 근사하다고 생각하는 많은 사람들 그들은 그것에 열망한다 그들은 그것에 참여하기를 원합니다

그리고 나는 그것이 너무 부정적인 견해를 얻는 것이 쉬운 방법이라고 생각합니다 기술 사람들은 여기에 인식됩니다 기술자가 대통령직을 이길 수 있는지 나는 모른다 나는 우리가 알아낼 것 같은 느낌이 들었다 하지만 내가 확신하는 바는 기술 분야의 사람들 산업계는 지역 교육청 및 도시 우승을 시작할 수 있습니다

평의회와, 알다시피, 의회 석 그리고 그것은 시작하는 것이 가장 좋은 방법입니다 조르쥬 쿠 에토 : 현재 어떤 사람 있어요? 네가 대통령을 위해 도망 가고 싶다는 삶? 당신의 이상적인 후보자는 누구입니까? 이상 없습니까? 나는 그 순간에 대답 할 수 없다 그건 좋은 질문입니다 네가 그렇게 말했을 때, 나는, 오, 나는 같았다

그 사람이 누구인지 알아 내야한다 그들을 설득하려고 노력하십시오 그러나 나는 내 머리 속에 들어갈 준비가되어 있지 않습니다 조르주네 : 좋아 글쎄, 그걸로, 나는 청중을위한 마루를 열 것이다

질문 그래서 질문이 있으시면 언제든지 가봐야합니다 방의 뒤에있는 마이크에 또는 도리에게 질문을 제출하십시오 관객 : [INAUDIBLE] 안녕하세요 너 친구에 대한 일화에 대해 언급 했잖아

불행하고 김 칼 다시 안 그리고 그것은 나에게 한 마디를 상기시켰다 그리고 그것은 사람들이 불행하지 않으며, 그들은 행복하기를 원하기 때문입니다 그들은 행복하기를 원하기 때문에 그들은 불행합니다 다른 사람들보다

그리고 당신은 기술이 그렇지 않을 수도 있다고 언급했습니다 이것을 해결할 수 있어야합니다 그래서 당신의 아이디어 나 성공 전략에 대해 듣고 싶습니다 마이크로 및 매크로 수준에서이를 해결하는 방법, 트위터에 삭제 여부 그게 좋은 일이야 그것은 좋은 일입니다

네 휴대 전화에서 모든 소셜 앱을 삭제했습니다 그리고 그래, 내가 원하는 때 내 컴퓨터에서 계속 확인할 수 있습니다 그러나 나는 그 지속적인 충동이 없다 여기 도파민을 치기위한 버튼을 누르세요

그리고 그것은 정말로 좋았습니다 있잖아,이 사람들 한테 이야기 한 후 생각해 사람들을 행복하게 만드는 것들, 명백한 것이 있습니다 사랑하는 사람과 보내는 시간을 좋아하십시오 그들이하지 않더라도 알고 있습니다

하지만 여러 가지가 있습니다 거대한 측정 효과가있는 것처럼 보이는 것이 나에게 덜 분명합니다 갔던 일에 대해 생각할 시간을 갖는 것처럼 당신이 화나게하는 것에 반하여, 또는 매일 밖에서 산책을하러 갈 수도 있습니다 그리고 나는 우리가 풍요 로움과 무제한을 얻는다고 생각합니다 자원에 관해서는 더 중요한 주제가 될 것입니다

내가 당신에게 권하는 것은 독서를 시작하는 것입니다 이 주제에 관한 많은 문헌이 있습니다 아무도 시간을 충분히 보살 피지 않는 것 같습니다 그러나 나는 그것을 읽는 것을 시작할 것입니다 그리고 잘하면, 나는 그것에 대한 나의 블로그 포스트를 곧 끝낼 것이다

고맙습니다 관객 : 안녕, 샘 와줘서 고마워 나는 VC의 더 큰 풍경에 관한 질문을하고 싶었다 일반적으로 저는 YC가 성장 기금을 찾고 있다는 소문을 들었습니다

나는 TechCrunch에서 한 달 전에 깨 졌다고 생각한다 잠재적으로 10 억 달러를 모금하는 것과 같습니다 나는 성장에 대한 생각을하고 싶었다 대 벤처 및 베이에 대한 성장 진화 방법 일반적으로 구역 민간 기업 체류 사적인 길고 긴

그래서 우리는 이미 성장 기금을 보유하고 있습니다 그것은 YC 연속성이라고합니다 우리는 2015 년에 첫 번째를 제기했습니다 절반 정도가 투자되었습니다 그리고 그것은 기본적으로 YC 회사의 자본에서 계속됩니다

내가 합류 한 후 내가하고 싶었던 것들 중 하나 YC는 하드 테크 기업에 자금을 지원하기 시작했으며, 핵융합, 생물 양자 컴퓨팅과 같은 것, 자기 운전 차 – 긴 목록 그리고 내가 깨달은 좋은 것들 중 하나 그 누구도 그 회사에 자금을 지원하지 않았다는 것입니다 그래서 우리는 우리 선택을 할 수 있습니다 깨달은 나쁜 일들 중 하나 그 회사에 자금을 공급 한 사람은 아무도 없습니다 그래서 우리는 우리가 원하는 모든 것을 그들에게 투자 할 수있었습니다

자본에 따르는 것이 없었다 그래서 그것은 실제로 우리의 성장 기금을위한 기원이었습니다 이 클래스의 회사가 있다는 것입니다 나는 정말로 중요하고 정말로 가치 있다고 생각합니다 그리고 그들은 자금을 지원받지 못했습니다

그 이후로 우리는 그것을 확장했으며, 우리는 다른 회사들에 많은 자금을 지원합니다 나는 거기에 있다고 분명히 말할 것이다 소프트웨어의 성장 자본 부족 없음 실리콘 밸리에있는 회사 알다시피, 더 어려워 질지도 몰라 씨앗이나 A 라운드를 올리기

아마도 다소 있습니다 하지만 일을 할 때처럼 너는 B 또는 C 라운드를 올리기를 원한다 당신은이 아름다운 기하 급수적 인 성장을했습니다 학기 시트 수를 따라갈 수 없을 것입니다 너는지고있다

그것이 내가 생각하는 무대이다 엄청난 양의 자본이 할당되어 있습니다 회사들이 더 이상 사적인 자리를 유지함에 따라, 공공 시장 투자자가 힘들어하고 힘들어지기 때문에 알파를 찾으면 점점 더 많아집니다 이런 일을 기꺼이 그래서 시장의 일부는 그렇지 않습니다

적어도 아직 고통 스럽다 관객 : 고마워 물론 이죠 조르쥬 쿠에 토 : 도리에게서 질문을 드리겠습니다 보편적 인 기본 소득에 대한 질문이 있습니다

Google이 GiveDirectly 's를 어떻게 지원했는지 아프리카의 UBI에 관한 연구 그리고 당신은 여기 미국의 지지자입니다 그래서 어떻게 생각하니? 언제 어디서 보편적 인 기본 소득에 접근 하는가? 가장 효과적일까요? 네 나는 보편적 인 기본 소득이 있다고 생각하지 않는다 모든 문제에 대한 해결책

사실, 더 큰 문제를 생각합니다 우리가 이전에 이야기했던 것 사람들이 행복하고 성취되고 필요하다고 느끼고 가치있게 느끼게하며, 그들의 삶에서 의미를 지니고있다 그 문제를 해결하기에 충분하지 않습니다 그리고 나는 그것을 대체 할 것이라고 생각하지 않는다 다른 사람들과 마찬가지로 사회 안전망 전체 다른 모든 것들을 제거하는 것과 같습니다

건강 관리, 학교 없음, 최저 임금, 기본 소득 없음 나는 그걸 믿지 않아 그러나 나는 우리가 모든 직업을 수행한다면, 실리콘 밸리가 모든 일을 처리한다면, 우리는 전 세계의 것보다 더 많은 부를 창출 할 것입니다 전에 보았고 적은 일자리 그리고 그 세상에는 도덕적 인 의무가 있다고 생각합니다

빈곤 퇴치 나는 빈곤이 분명히 매우 나쁜 것이라고 생각한다 그러나 사람들이 깨닫는 것보다 더 나쁩니다 장기 심리학 연구를 보면 빈곤 속에 살고있는 사람들이 사람들에게주는 피해 그리고 그것이 당신이 정말로 투자 할 기회를 얻지 못한다는 것을 어떻게 의미합니까? 네 미래에, 너는 항상 노력하고 있기 때문에 생존하려면 엄청난 액수가 있다고 생각합니다 낭비 된 잠재력의

UBI에 대한 많은 논쟁이 있습니다 이것은 또 다른 일이었습니다 우리가 몇 년 전에 시작했을 때, 나는이 모든 것을 예측하지 못했다 이 큰 전국적인 논쟁에 불을 붙일 것입니다 마치 연구원을 고용 하려던 때와 같았습니다

아시다시피, 아마도 이것은 좋은 생각 일 것입니다 우리는 단지 프로젝트를 할 수 있을까요? 그리고 그것은 단지 마치 그래서 나는 내가 아주 이해한다고 생각하지 않는다

왜 그렇게 빨리 국가 문제가되었는지 하지만 우리가 장기적으로 생각할 수있는 능력이 있다면 빈곤 퇴치를 위해 우리는 더 많은 것을 얻을 것이다 세계 전체에서 조르쥬 쿠에 토 : 당신이 이스트 베이에서 실험을 시작했을 때, 어쩌면 니가 그걸 보았 니? 기대하지 않았거나 그것에 대한 태도가 바뀌 었습니다 어떠한 방식으로? 알다시피, 우리는 7-8과 같아

5 개월 연구로 그래서 아직 조르주네 : 좋아 관객 : 안녕, 샘 저는 창립자들을 더 많이 생각하고 있습니다 그러나 이것도 일반적 일 수 있습니다

그러나 당신이 자주하는 조언은 무엇입니까? 하지만 대부분의 사람들이 실제로 따라 다니는 것을 결코 발견하지 못했습니까? 아무도 듣지 않는 군 어떤 조언이라도 그래서, 그것 모두 사람들이 생각하는 것 – 글쎄, 사람들이 나중에 조언 한 부분 그들이 듣고 싶다고 말하다 그것은 삶의 길로 빨려 들어가는 것이 아주 쉽다는 것입니다

그리고 너는 할 수있다, 말하자면, 오, 나는 원한다 언젠가는 창업을 시작할 수 있습니다 아니면 언젠가 인공 지능 연구원이되고 싶습니다 하지만 먼저,이 다른 일을하러 갈거야 알다시피, 돈을 벌고 경험을 얻으십시오

그리고 경로로 빨려 들어가는 것은 너무 쉽습니다 어디에서 평생을 보내며 정말로 당신이하고 싶은 것 그건 아마 조언의 조각이야 나는 사람들에게 그들이 가장 자주 오는 것을 주었다 나에게, 5 년 후, 말했듯이, 나는 정말로 그 말을 듣고 싶다

관객 : 고마워 물론 이죠 관객 : 나는 당신의 생각을 듣기에 호기심이 많습니다 진행의 상대 비율에 중국과 다른 모든 곳의 AI에서 아무도 계획이 없다고 했잖아요

그러나 중국은 중앙 집중화 된 계획을 가지고있다 AI에 대한 투자 엘론 머스크는 규정을 요구하고 있습니다 속도가 느려질 것입니다 네

관객 : —- [INAUDIBLE] 다른 곳 중국은 계획을 세우고있다 사실이다 그것은 항상 작동하지 않습니다 그들은 항상 세계적인 조정이있는 것은 아닙니다

너도 알다시피 지금 우리는 이런 종류의 세계에있어 당신이 중국에 인터넷을 가지고있는 것처럼 보이는 곳에, 그리고 나머지 세계의 인터넷 어쩌면 그들은 그것의 조각을위한 계획을 갖고있을 것입니다 나는 중국이 AI와 얼마나 멀리 있는지 솔직히 알지 못한다 그리고 나는 다른 사람이 정직하게도 실제로 그렇게하지 않는다고 생각합니다

무기 경쟁에 빠지면 나쁠 것이라고 생각합니다 AI와 중국의 관계 나는 그것이 우리가 피하려고 노력해야한다고 생각합니다 그리고 저는 진정한 기회가 있다고 생각합니다 우리는 지도자들이 그것을 할 수있는 장소에 있지는 않을 수도 있지만 지금이 세계적인 프로젝트의 공동 종류를 만들기 위해, 다른 우주 경쟁이나 핵무기 경쟁보다

감사 관객 : 안녕, 샘 네가 조금 확장 할 수 있는지 궁금해서 하드 테크 자금 민간 자본에는 큰 문제가 있다고 생각하기 때문에 배당

그리고 작년에 VC에 700 억 달러가 투입된 것처럼, 이는 전 세계 투자 측면에서 버킷의 하락입니다 그렇다면 YC가 아마 1000 억 달러를 모금하는 것을 보았습니까? 미래의 기금? 네, 아마도 관객 : 그래, 어떻게 해결할 수 있니? 자본은 정말 나쁘다고 생각합니다 불행히도 엄청난 노력이 있습니다 네가 정말 귀중한 것을 가지고 있다면 훌륭한 신생 기업에 투자 할 수있는 기회를 얻고 있습니까? 그리고 세계의 대부분은 그렇지 않습니다

그러면 분명히있을 것입니다 거기에 슈퍼 반환됩니다 그리고 여러분은 그것을 보호하기 위해 열심히 일하게 될 것입니다 그래서 저는 벤처 기업에 대한 투자를 확대 할 생각입니다 그런 일이 일어나고 있지만, 천천히 – 정말 좋은 일입니다

그리고 나는 생각합니다 알다시피, 주식 크라우드 펀딩 우리는 아직 초기 단계이지만 중요한 추세입니다 자본 분배가 바뀔 것이라고 생각합니다 나는이 모든 다른 방법으로 벤처 기업을보고 있다고 생각합니다 비 전통적인 자금 기금에 가십시오

그리고 그것은 정말로 좋았습니다 우리는 처음에이를 소비자 하드웨어로 보았습니다 우리는 지금 많은 다른 곳에서 그것을보고 있습니다 있잖아, 나는 다른 일이 일어난 것 같아 마침내, 단지

그리고 이것도 나쁘다 그러나 더 많은 자본이 유입되고 있습니다 초기 민간 기업 자금 조달 또는 중간 단계 개인 회사 그리고 나는 금리가 유지되는 세계에서 그것을 기대한다

그들이있는만큼 가까이까지도, 우리는 그러한 추세의 아주 이른시기에 있습니다 그래서 제 일반적인 모델은 세계가 매우 복잡하다는 것입니다 재무 시스템 캐피털은 최고의 수익을 기대하며 주위를 질주합니다 정말로 성과가 좋은 수익률이 나오는 기간이 있습니다

그러나 더 많은 자본이 거기에 할당됩니다 그리고 나는 우리가 지금 그것을보고 있다고 생각합니다 관객 : 그러나 핵융합 회사는 ICO로 1 억 달러를 모금 할 수 있습니다 또는 그런 무엇인가? 네 아니면 그들이 ICO를 제안하지 않을 수도 있습니다

하지만 그들은 1 억 달러를 모을 수 있다고 생각합니다 그리고 나는 그들이 3 년 전에 가질 수 있다고 생각하지 않습니다 그리고 나는 그것이 세계에 정말로 긍정적 인 추세라고 생각합니다 이 물건은 이제 적어도 다소 가능합니다 관객 : 대단히 감사합니다

물론 이죠 조종사 : 도리의 또 다른 질문 – 자격을 갖춘 후보자가 얻는 가장 일반적인 이유는 무엇입니까? YC에서 거부 되었습니까? 음, 한 가지 특별한 것이 있습니다 초능력있는 재능있는 사람들이 많이 발생합니다 대형 기술 회사에서 그래서 내가 여기 왔으므로, 너는 정말로 재능있는 사람이다

똑똑하고, 정말로 몰랐다 그리고 당신은 좋은 아이디어가 없거나 전혀 모릅니다 그래서 당신은 나쁜 사람을 만회합니다 그리고 신화와 같은 것이 있습니다 아이디어가 전혀 중요하지 않은 신생 기업

그리고 그것이 사실이 아니라는 실존 적 증거가 있다고 생각합니다 그리고이 특별한 실패가 있다고 생각합니다 주요 기술 회사 사람들의 방식 나는 정말 재능이있어 나는 그래, 네, 그렇습니다 그래서 저는 회사를 설립 할 것입니다

그리고 나중에 할 일을 알아낼 것입니다 그리고 나는 그것이 보통 무엇이 아니라고 생각합니다 훌륭한 회사를 창출합니다 그래서 우리는 그것이 훨씬 더 낫다는 것을 배웠습니다 그렇지 않으면 당신이 좋은 생각을 가지고 자격을 갖춘 후보자라면

그리고 그것이 사람들을위한 일반적인 실패 사례라고 생각합니다 Google에서 나옵니다 관객 : 안녕, 샘 헤이 관객 : 당신의 생각은 어떠합니까? 아시다시피, 당신이 가려고하는 곳이나가는 곳 YC 후에 너의 삶과 관계가 있니? 아니면 맞습니까? 정치 사무실을 진지하게 받아들이겠습니까? 알다시피, 나는조차하지 않는다

3 주 동안 내가 뭘할지 알아 나는 오랫동안 YC를 운영 할 계획이다 나는 정치에 지속적으로 참여할 계획이다 그러나 나는 다른 이들을 지원하고 싶다 나는 사무실에서 일하지 않고, 적어도 곧 아무 때나

나는 당신이 생각하는 것들을하는 것을 크게 믿는다 아침에 샤워를 하다니 너는 무엇이든 생각할 수있을 때 당신은 원하고 당신의 마음은 방금 떨어져 있습니다 그리고 내가 계속 돌아 오는 것들은 YC를 100 배 더 크게 만들려면 어떻게해야합니까? 인공 지능의 도착이 잘되는지 어떻게 확인할 수 있습니까? 그리고 단기적으로 우리의 정치 체제를 어떻게 도울 수 있을까요? 레일에서 벗어나거나 레일에서 벗어나기

이미 가지고있는 것보다? 알다시피, 나는 그런 것들에 대해 계속 연구 할 계획이다 잘하면 알다시피, 정말로 긴 시간입니다 청중 : 듣기 좋습니다 감사 관객 : 안녕하세요, 여기와 주셔서 감사합니다

일반적인 방법에 대한 질문이 있습니다 실리콘 밸리가 작동합니다 그것이 마치 시스템 인 것처럼 보이기 때문에 당신은 가장 재능있는 마음을 다루고 있습니다 어쩌면 가장 중요한 문제는 아닙니다 너는 날카로운 마음을 가지고있어

소셜 앱 또는 모바일 앱 그러나 우리는 여전히 암 치료법이 없습니다 또는 우리는 여전히 에너지를 갖는 또 다른 방법이 없습니다 또는 세상이 처리해야하는 정말로 중요한 것들 과 제 질문은, 당신도 그것에 동의합니까? 그것에 대한 당신의 견해는 무엇입니까? 그리고 이것이 어떻게 해결 될 수 있다고 생각하십니까? 나는 그것에 동의하지 않는다 나는 내 일을 자본 할당 자로 보았다

그리고 지금 저는 재능 할당 자로서 제 일을 보았습니다 그래서 내 하루의 대부분은 회의에 소비되었습니다 정말 똑똑한 사람들과 그들을 설득하려고 중요한 문제를 해결하는 것 2007 년에는 무엇을 할 것인가? 모두가 우리 세대의 최고의 마음을 사용했다 우주선을 만들려면 지금 월스트리트에서 움직이는 숫자를 좋아합니다

2017 년 사람들이 말하는 것은 최고의 마음입니다 우리 세대는 우주선을 만드는 데 사용되었습니다 이제 광고를 클릭하게됩니다 그리고 그 사실에 대해서는 항상 진실이 있습니다 그리고 항상 거기에서 선택할 누군가가 있습니다

하지만 OpenAI가 가장 똑똑하다고 생각합니다 우리 세대의 세계에서 일하는 마음 AI가 잘 움직이는 것에 헬리온 (Helion)은 제가 언급 한 융합 회사입니다 우리 세대의 가장 현명한 마음 중 일부는 핵융합 YC, 생각합니다

지난 번에 저는 8 개 회사 암 치료제, 믿을 수 없을만큼 재능있는 사람들 – 또는 암 치료제 – 암 항상 네가 할 수 있다고 생각해 이 모든 사람들은 나쁜 물건이나 물건을 다루는 것을 좋아합니다 상관 없어요 하지만 알다시피, 나는 구글이 여전히 존재한다고 생각한다

세상을 위해 정말 대단한 일처럼 관객 : 이것이 우리가 여기있는 이유입니다 네 그리고 그것이 중요하다고 생각합니다 나는 항상 사람들을 선택하고 말하기는 쉽다고 생각한다

당신은 암 치료제로 일하고 있지 않습니다 시간 낭비하는 거 알 잖아 하지만 이걸 더 잘 만들고있어 사람들이 매일 사용합니다 그리고 그것이 사라지면 그들의 삶은 훨씬 더 악화 될 것입니다

그리고 당신은 매일 더 나아지고 있습니다 그리고 나는 사람들을 고르는 것이 정말 쉽다고 생각한다 그 사람이 자신의 시간을 제대로 보내지 않고 있다고 말하면됩니다 그리고 나는 항상 그 사람에 대해 더 많이 말하고 있다고 생각합니다 그 사람이 가리키는 사람보다

그리고 세상을 위해 뭔가 유용한 일을하고 있다면, 네가 즐기는 무언가를해라 작은 영향을 미치지 만, 많은 사람들이 정말로 사용하고 사랑해, 나는 그것이 정말로 가치 있다고 생각한다 그리고 나는 이것을 일반적으로 말하는 사람들이 방법에 대해 많은 불안감을 가지고있다 그들은 그들의 시간을 보내고 있습니다 관객 : 실리콘 밸리처럼 생각하지 않습니다

어려운 문제를 피하는가? 내 사무실에 너와 같이 앉아서 하루 동안 너를 초대해 다가오는 사람들의 말을 들어라 그리고 그들이하고있는 일들 나는 정말로 그렇게 생각하지 않는다 관객 : OK

시원한 고맙습니다 관객 : 안녕, 샘 당신이 크게 영향력있는 공적 인물이라는 것을 알게되면, 당신이 특권에 말할 수 있니? 저것은 그것에지도하고 당신의 성공에 당신을 도울지도 모르다 어떻게 좋고 나쁜 동맹국이 될 수 있을까요? 그리고 나서 우리의 많은 소비자 제품을 보았습니다 크게 편견, 특히 그들을 만드는 사람들에게 편견, 실리콘 밸리의 엔지니어들 대부분이 나 같은 것입니다

이 방에있는 다른 사람들은 어떻게 연설에서 당신의 생각과 생각을 다양하게 유지하십시오 교차점의 필요성? 네, 좋은 질문입니다 나는 거의 모든 가능한 특권을 가지고 있었다 나는 사랑스럽고 훌륭한 부모가 있었다 나는 안전한 집에서 자랐다

나는 백인이야 우리는 내가 할 수 있었던 충분한 돈을 가지고 있었다 내가 관심을 갖고 위대한 대학에가는 것들 그리고 절대로 잃어 버리지 않습니다 다른 곳에서 1 마일 떨어진 곳에서 태어났다

다른 가족, 다른 피부색, 다른 성별, 나는 지금 내가있는 곳에 있지 않을 것이다 나는 그것을 시도 할 의무로 본다 세상을 좀더 발전시켜야합니다 나는 정말로 성공한 사람이라고 생각하지 않는다 나는 누구든지 최선을 다해야한다고 생각한다

그들이 처리하는 손으로 무엇이든 할 수 있습니다 하지만 네가 처리된다면 4 개의 에이스처럼 네가 이긴다 너 한테 여분의 의무가 있다고 생각해 세상을 좀 더 좋게 만드는 일종의 시도 그래서 나는 모든 사람들이 한 일에 정말 감사하려고 노력한다

그것은 내가 이것을 할 수있게 해주었습니다 나는 또한 앞으로 돈을 지불하는 방법을 알아 내려고 노력합니다 그리고 나는 정말로 성공한 사람 또는 실제로 성공한 거의 모든 사람 특권, 행운, 기술 및 근면과 마찬가지입니다 그리고 나는 말하려고하는 사람들이 그것은 단지 하나 또는 다른 것 모두가 틀린 경향이 있습니다 그래서 그것에 대해 감사드립니다

그리고 나는 그 돈을 지불하려고 노력합니다 제품의 편향과 관련하여, 나는 이것이 다양한 팀이있는 이유 중 하나라고 생각합니다 가장 중요한, 도덕적 인 질문은 제쳐두고 소비자 제품, 팀, 내가 생각하기에 가장 훌륭한 일자리를 찾은 회사 이 머리에는 매우 다양한 세트가 있습니다 테이블 주위의 목소리들

그리고 저는 그것이 항상 제가 권장하는 전략이라고 생각합니다 그것이 내가 일관되게 일하는 유일한 사람이기 때문입니다 관객 : 고마워 조 르즈 쿠 에토 : 이제 시간이 가고 있습니다 그러나이 마지막 세 가지 질문을 신속하게 처리 할 수 ​​있다면, 우리는 그들을 통과 할 수 있습니다

물론 이죠 관객 : 와줘서 고마워, 샘 내 질문은 기계 학습에 있습니다 인공 지능 회사 희소 가치가있는 것 같아요

해당 영역의 데이터이며 덜 알고리즘이므로, 왜냐하면 그것들은 대부분 오픈 소스이기 때문입니다 그래서 피치를 얻을 때 어떻게 생각하는지 궁금합니다 회사의 그 말을 믿었 어 나는 이제 그것이 데이터가 아니라 컴퓨팅이 될 것이라고 믿습니다 나는 데이터가 중요하다고 생각하지만 거기 사용할 수있을 것입니다

그리고 OpenAI에 대한 저만의 경험, 정말로 최전선에 서기 위해, 막대한 양의 계산이 필요합니다 그래서 저는 회사에 그들이 어떻게 존재하는지 물어 보곤했습니다 많은 데이터를 얻습니다 이제는 어떻게 그들이 많은 계산을 할 것인지 묻습니다 관객 : OK

고맙습니다 물론 이죠 관객 : 안녕, 샘 와줘서 고마워 네가 사람들에 대해 말하고 있다는 걸 안다

불행과 세상이되어 가고있다 [INAUDIBLE] 문제,이 모든 종류의 것들 사람들의 육체적 요구와 같이 정량적 인 것입니다 너 한테 왔거나 너에게 온갖 시도를 한 회사가 있니? 사람들의 영적 필요를 해결하기 위해서? 우리는 육체적 인 필요를 확인할 수 있기 때문에, 그러나 영적 필요 나 연구 또는 회사는 어떻습니까? 우리는 몇 가지를 가지고 있습니다 그들 중 누구도 아직 정말로 일하지 못했습니다 하지만 아시다시피, 기억을 잃은 사람 한 회사가 우리에게 와서 말했습니다

교회, 알다시피, 종교 조직 이 정말로 중요한 영향을 미쳤습니다 종교와는 완전히 별개였다 그 꽉 짜여진 공동체 인 그 자체 그리고 어떻게 세상에서 그것을 구축합니까? 대부분의 사람들 또는 감소하는 사람들의 수 종교를 믿고 교회에 나간다 그래서 저는 사물에 대해 생각하는 사람들이 있다고 생각합니다

이런 것들은 명백하지 않은 공격들입니다 흥미있는 문제에 관해, 그러나 내가 여기에서 가리킬 수있는 것은 아무 것도 없다 이게 정말 잘 작동 했어 관객 : 안녕, 샘 올해 초 ACLU와 파트너십을 가졌습니다

당신은 혼합 반응을 보입니다 나는 그 모든 경험을 통해 무엇을 배웠는지 궁금합니다 어떤 성공을했는지, 어떤 파트너십을 얻었는지 다른 비영리 단체를 기대하고 있습니다 미래에? 그 일이 어떻게 돌아 갔는지 정말 흥분했습니다 우리는 이전에는 그런 짓을 한 적이 없었습니다

우리는 종종 새로운 것을 시도합니다 일반적으로 작동하지 않습니다 때로는 그렇게합니다 그것은 우리가 다시 할 수있는 일입니다 우리는 더 비슷한 것을 할 것입니다

나는이 정말로 중요한 조직들이 있다고 생각한다 더 나은 기술을 구축하기 위해 우리의 도움을 사용할 수있는 세계에서 팀 그리고 그것은 잘 진행된 실험이었습니다 그리고 우리는 다시 시도하고 싶습니다 우리 소프트웨어 엔지니어 중 한 명은 [INAUDIBLE] 나는 그녀가 8 주 동안 갔다고 생각한다

거의 모든 프로그램이 사무실에 있었기 때문에 도움이되었습니다 우리는 나중에 그들이 얼마나 잘 갔는지 그들에게서 전화를 받았다 그들을 도울 수 있다는 것, 당신도 알다시피, 확장하고 그들의 팀을 보충하십시오 그리고 알다시피, 나는 그것이 뭔가라고 생각한다 우리는 다시 시도하고 싶습니다

JORGE CUETO : 마지막 질문이 하나 있습니다 너무 많은 표를 얻었다 물론 이죠 조르쥬 쿠에 토 : 엘론 머스크가 최근에 전화했습니다 국가 안보국 선제 AI 규정 협회

OpenAI의 사장이자 Musk 's의 친구 인 이 문제에 대한 당신의 의견은 무엇입니까? 그리고 미래의 위험을 최소화하기 위해 우리가 취할 수있는 구체적인 행동은 무엇입니까? 오늘 내가 지원해야 할 구체적인 것 단지 통찰 일뿐입니다 나는 정부가 이해해야한다고 생각한다 기능의 한계와 진화하는 방식 나는 아무도, 확실히 정부가 아니라고 생각하기 때문에, AI에 대한 규제가 오늘날 어떻게되어야하는지 알고 있습니다 그러나 나는 그 교육 과정을 시작하는 것에 찬성 할 것이다

조르쥬 쿠 에토 : 굉장해 그래, 그게 마지막 질문 이었어 고마워요 조르쥬 쿠 에토 : 모두와 주셔서 감사합니다 [박수 갈채] 날 보내 주셔서 고마워요

조르주 쿠에 토 : [미숙 한]