Biggest wins for AI will be in health care: Former Google CEO

일을보다 적게 할 수 있습니다 마리아 : 나는이 같은 생각이 듭니다

정말로 사람들을 보아라 너처럼 많이 먹어라 사람이 줄 수있는 사람, 그 리더십, 그리고 그 인구 구성 대표자 아이디어가가는 길 너는 그걸 알아야 해 힘을, 그러나 모두를 따르지 말라 사람의 결정 많은 사람들이 있기 때문에 그것은 또는 질문 QUESTION 너무 많아요

큰 결정을 Google에서 관리가 이루어졌습니다 사람들이 무서워했기 때문에 펜톤 (PENTAGON)에 관한 것 계약 또는 AI, 윤리적 단위는 너무 큽니까? >> GOOGLE CONTEXT ONE 우리의 가치는이 종류의 내부 회신 빌이 나에게 미안하다고 말하는 곳 가치에 아주 많이 찔림 원하는만큼 초점을 맞춘 것 비즈니스는 현실입니다 이 경영은있다 경성 및 경성 및 경성 사회 미디어와 그 때문에 너는 들으려고했다 더욱 조심스럽게 당신에게 직원

하지만 오늘이 끝날 무렵에는 이전 재생 목록 지도력, 코칭, 입문 신생아 인 사람들과 관련성 높은 경험 목표를 달성 할 수있는 가능성 그것이 무엇인지, 그것은 우리는 UNIVERSAL HUMAN VALUE입니다 책에서의 논증은 이들은 현재 적용 가능합니다 이 미래는 UNIVERSAL입니다 관리의 가치 지도 >> 일부 포인트 리더십 알았어

나는 너를 듣는다 그러나 나는 무엇을해야 하는가? 우리가 무엇을 위해 서있는 지 에 대한 >> 그것은 가치입니다 >> 책을 많이 읽으세요 경구 포함 교시 사람들은 청구서를 작성하는 신뢰를 받았다

사랑에 기반한 작업장, 무엇 그 말이 맞습니까? 나에게 실용적인 아이디어가 주어진다 ON LOVE >> 당신은 사랑을 보여줍니다 매니저, 코치 쇼 너의 백성, 숨 쉬다 그들에 대한 확신, 언제 시간이 점점 늘었습니다

>> 또한 차기를 의미합니다 빌이 그걸 좋아할 것 같아 이사회 회의 >> 중순에 좋은 이유가없는 마리아, 나는 너의 쇼를 사랑한다, [CLAPPING], 좋은 느낌 >> 회의에서, 오디오로 당신이 무엇을 알기를 힘들게해라

대단한 일을했다 >> 환상적 >> THE MOMENTUM THEWALL 결정 >> 모든 물건을 구매합니다 >> 네가 토요일에 말 안했어? 회의 AIRFARE 종류의 유급 괜찮아

그것도 가고 싶어 게임에서이기는 것 >> 기쁜 약간의 일 큰 차이를 만들자 AI GOOGLE에 관해서 물어보기 상원 의원 사이에 인위적으로 일하고있다 우리가 가진 정보 여기에서도 잘 보입니다

IT가 어디에나 있습니다 더 큰 것을 얻으려고 예방 조치 >> 많은 즐거움을 얻으세요 영리에 대한 운동가들 가장 큰 건강을 얻는다고 생각하십시오 내가 생각하기에 이것은 아주 이상하다고 생각한다

보고 된 것 >> 당신은 오랜 시간을 보냈습니다 >> 나는 여기에 이유가있다 우리가 생각하는 것만 큼 개인으로서의 자질 생물학적으로 우리는 ~와 비슷하다 다른 모든 컴퓨터는 시계를 사용할 수 있습니다

지금 무슨 일이 일어 났습니까? 알고리즘은 언제부터 좋은가요? 우리는 병원에 가면된다 대단히, 당신은 우리에게 당신의 것을 주셨습니다 허가 정보 이것은 지금 병원이 아닙니다 GOOGLE, THE HOSPITAL CAN SAY, 이봐, 우리는 다음이라고 생각한다 앞으로 나아갈 방향 HAPPEN, 그것이 얼마나 좋은가? 알고리즘은 정밀의 전체 1 년 의학 능력 직접 간호사가 지시 한 약 직접 회신 알고리즘, 진단 컴퓨터 만들기 권장 사항 의사의 얼음보다

>> A BABE DEBATE in A 조건에 대한 많은 심의 취업 일부 일자리가 생깁니다 래리 페이지에 가보시다 그들은 이론의 이론이다 ORELONLON이 될 수있는 곳 파괴성을 발휘할 수 있습니까? 인디언의 인공 지능 너무 익숙하지 않은 윤리적 인 방법 많은 사람 >> 윤리적 인 방법으로 절대적으로 전체 산업에 집중 내가 거기에있는 것으로 확신했다 그는 거대한 작업이 될거야

내가 말한 것만 큼 짧다 직업을 채우기에 풍성한 사람 이 때문에 열려 있습니다 그리고 이유는, 인공 지능 시스템이 그 일을 만듭니다 훨씬 더 효율적인 우리가 일상적으로 얻은 경제적 성장 더 많은 사람들이 필요하다 더 많은 교육,이 내용을 채우기 위해 욥은 질문이 없다

그 끔찍한 그 떠돌이 그럴 수있는 그 중재 그게 변한거야 방해하는 >> 우리는 때때로 학습 된 핵 기술 결코 누크가 아니 었습니까? 핵폭탄 붕괴 핵이 가능하다 우리가하는 모든 것을 더 많이 만들어라 효율적이고, 명확하며, 더 좋음 GRIMZ 더 생산적으로 DID와 동일한 개인 CPR 방법 이건 우리가해야할 일이야

산업계의 산업 학습, 비즈니스 개선 너가 달리고 있으면 알고리즘 AI를 사용하지 않는 사업 기계 학습 COMPETITOR는 당신을이기 수 있습니다 – >> 나는 그것이 그 것에 동의한다 우리가보고있는 곳 모든 단일 산업 데이터에 대한 정확한 진술 데이터, 삽입 된 컴퓨터로 컴퓨터 만들기 똑똑해 >> 오늘, 시스템은있다 언제나 전적으로 의존한다 큰 데이터 원본 가장 많은 데이터를 보유한 회사 지도 업무 또는 당신이 전형적으로 무엇을했는지 승리

미래에 우리는 생각한다 KRRZ를 위해 실제로 가능하다 그들의 개인 훈련을 생성하십시오 데이터 그래서 거기에 큰 새로운 들판 나가기 훨씬 더 효율적입니다 >> 빌 캠벨 씨가 말할까요? >> 그게 당신만큼 비열한거야

CHEER] 누르기] >> 대단히 감사합니다

Applying AI in Games with DeNA

[박수 갈채] 안녕, 모두들 오늘 우리와 함께 해줘서 고마워

오늘 너와 대화하기 위해 여기에 와서 정말 기쁩니다 흥미 진진한 주제 인 AI에 관한 이야기입니다 내 이름은 사미르 저는 Google Cloud의 게임 기술 전문가입니다 나는 도쿄에 있습니다

당신도 궁금해 할 것입니다 게임 기술 전문가? 나는 많은 친구들이 내게 묻고있다 내 일상 업무에서 내가하는 일 대답은 매우 간단합니다 나는 단지 게임을한다

하지만 농담이 아니에요 동료들이 항상 나에게 묻고있다 뭐하고 있니? 그들은 내 전화에서 나는 단지 놀고있는 걸 본다 하지만 더 심각하게, 나는 게임 스튜디오를 돕고 있습니다 아시아에서 GCP에 혁신적인 백엔드를 만들고 있습니다

오늘은 우리가 제공하는 것에 대해 이야기 할 것입니다 AI와 관련된 Google 클라우드 하지만 그때 나는 DeNA에게 그 공간을 줄 것이고, 오늘 나와 함께 무대에 올라있는 사람들, 그들의 경험에 대해 이야기 할 것입니다 사람들이 더 많은 중 하나에서 어떻게 시뮬레이트하는지 인기있는 게임 및 확장 성과 강력한 게임 Google Machine Learning Engine의 백엔드 그래서 그들은 무대에 다시 올 것이다 나는 약간의 소개를 할 것이다 그리고 나는 생각조차하지 않았어

오, 그래, 이거 그래서 그들은 몇 분 후에 다시 올 것이다 고맙습니다 그래서 Google은 게임 업계와 협력하고 있습니다 개발자의 성공을 돕기 위해 클라우드는 이러한 노력의 중심에 있습니다

멋진 게임을 만드는 데 도움이되고 싶습니다 전세계의 플레이어와 연결하고 확장 할 수 있습니다 귀하의 비즈니스 Google은 다른 Google 팀과 협력하고 있습니다 이 비전을 실현시켜야합니다

따라서 구체적인 구현으로 들어가기 전에 인공 지능 공간에서 DeNA의 게임에서 AI의 다양한 응용에 대해 그리고 나는 그들 모두에 대해서 당신과 이야기하지 않을 것입니다 하지만 내가 좋아하는 몇 가지 예를 들어, 첫 번째 것은 – 프로 플레이어를 시뮬레이트하는 봇과 대결 할 수 있습니다 비교할 수 없을만큼 멋지지 않습니까? 최고의 기술, 게임에서 최고의 기술? 보통, 당신은 기회가 없습니다

아마 프로 선수가 아닌 사람이라면 프로 플레이어와 대결 할 수 있습니다 그렇게하는 것이 멋지지 않습니까? 비슷한 방법으로 생각하십시오 프로 플레이어를 시뮬레이트하는 봇을 갖는 것, 그것은 자신을 시뮬레이션 할 수 있습니다 그리고 멀티 플레이를하고 있다고 생각해보십시오 온라인에서 누군가와 게임하고, 그 사람과 연결 해제에 대항하여 플레이하는 것, 게임이 조기에 종료됩니다

그렇게 좌절하지 않니? 나, 나는 많은 온라인 게임을하고, 그것이 일어날 때, 내가 게임을 끝내기를 원했기 때문에 나는 정말로 좌절감을 느낀다 그러나 당신이 자신을 시뮬레이션 할 수있는 로봇을 가지고 있다면, 네가하는 것처럼 온라인에서 놀고 있고, 연결이 끊어지며, 하지만 당신은 그 순간에 대체되었습니다 너와 같이하는 봇이 너의 상대가 알지도조차 모른다 그는 봇과 놀고 있고, 게임은 끝날 수 있습니다

그게 훌륭한 사용자 경험이 아니겠습니까? 우리가 사용할 유스 케이스도 있습니다 ML에 대한 전문 지식조차 필요로하지는 않지만 나중에 얘기하십시오 그러나 AI가 게임에서 그 자리를 차지한다는 것을 깨달으십시오 그리고 그것은 정말로 사용자 경험을 향상시키는 데 도움이됩니다 뿐만 아니라 수익 창출과 같은 매우 중요한 일에서 또는 피어 보존

AI가 게임에서 그 자리를 차지할뿐만 아니라, 게임은 AI를위한 이상적인 환경이기도합니다 따라서 게임은 우리가 기술을 개발하는 방법에 큰 역할을합니다 Google 및 알파벳 DeepMind는 그 좋은 예입니다 DeepMind는 인공 지능 연구 회사입니다

Atari에서 Go의 고대 게임에 이르기까지, 그들은 점점 더 도전적인 게임 환경을 사용합니다 보다 유능하고 일반적으로 개발할 수있는 시험장으로 극도의 복잡성을 극복 할 수있는 시스템 연구 프로그램의 자연스러운 다음 단계 실시간 전략 게임 스타 크래프트였습니다 스타 크래프트 2는 더 어려운 문제를 제기했기 때문에 컴퓨터 과학 분야에서 해결하기 위해, 계획, 불확실성 다루기, 특별 추론 최근에 무슨 일이 있었는지 네가 본지 모르겠다 스타 크래프트 입찰가로 그들은 톱 프로 플레이어를 이길 수있는 봇을 만들 수 있습니다

스타 크래프트 2 그래서 당신이가는 방법, 그들이 어떻게 한 것인지 정말 인상적입니다 그리고 AI가 어떻게 진행되고 있는지에 대한 비전을 볼 수 있습니다 불행히도, 모든 사람들이 딥 마인드는 아닙니다 모두가 ML 전문가를 보유하고있는 것은 아닙니다

데이터가 압도적입니다 ML 전문가가 부족한 세상입니다 2 천 1 백만 명의 개발자들로부터 백만명의 데이터 과학자와 ML보다 적다 전문가 Google Cloud에서의 목표는 누구나 기계 학습을 이용할 수 있도록 새로운 애플리케이션을 구축하거나 지능을 추가하는 방법 기존의 것들

Google 기계 학습을 최대한 활용하여 제공합니다 접근 가능한 모델을 통해 완전히 훈련 된 모델 [? VR?] API입니다 따라서 사전 훈련 된 모델은 모두 수년간의 Google 전문 지식과 세련된 교육을 바탕으로 구축되었습니다 데이터 시각 인식에서부터 자연어 처리에 이르기까지, API를 사용하여 애플리케이션을 교육 할 수 있습니다

사용자를보고 듣고 대화하기 완전히 다른 방식으로 그래서 다른 인공 지능 여행은 무엇입니까? Google 클라우드에서 제공합니까? 몇 가지가 있습니다 상단에 표시가 있으면 사전 패키지 된 솔루션 – 우리는 게임을위한 강력한 AI 솔루션을 미리 포장했습니다 아주 제한된 자원으로 AI 패스에서 새로운 것을 그리기 또는 매우 제한된 ML 전문가 아랫 부분에서는 AI 여행이있는 고급 스튜디오의 경우, 그들의 AI 여행에 전진했다 – 누가 데이터 과학자 또는 ML ML 모델 자체를 구축하고 교육 할 수있는 전문가 TensorFlow, Cloud TPU 또는 Cloud Machine Learning Engine을 사용합니다 그리고 중간에 새 경로가 있습니다

그것은 기계 학습에 당신을 돕기로되어 있습니다 ML 전문 지식이 없어도 고급 기능을 수행 할 수 있습니다 따라서 Cloud AutoML을 발견하게 될 것입니다 클라우드 AutoML은 게임 스튜디오를 지원합니다 제한된 전문 기술을 시작으로 자신의 고품질 모델을 구축하지만 GUI를 사용합니다

오른쪽에는 BigQuery ML이 있습니다 BigQuery는 친숙하지 않은 사람들을 위해 Google Cloud가 제공하는 데이터웨어 하우스입니다 그들의 구름에 제공하고있다 또한 추가 기능을 제공합니다 머신 학습 모델을 만들 수있는 곳 표준 SQL을 사용합니다

따라서 Cloud AutoML 또는 BigQuery ML과 같은 솔루션, AI 전문가도 생산성을 높이기 위해 왔습니다 하지만 도움이됩니다 덜 숙련 된 엔지니어에게 도움이 될 것입니다 ML에 익숙하지 않아 강력한 AI 시스템을 구축 할 수 없습니다 그들은 이전에 꿈을 꿀 수있었습니다

오늘 제가 열릴 유일한 판매 연설입니다 제 발표에서 – 왜 고객들에게 AI 용 Google을 선택하고 있습니다 나는 그 위에 아주 빨리 갈 것이다 그래서 네 가지가 있습니다 하나는 규모입니다

따라서 Google Cloud Platform이라는 클라우드를 제공합니다 우리 클라우드를 사용하기 시작하면 액세스 할 수 있습니다 수천 개의 인스턴스로 따라서 계산 작업량이 많은 경우, 당신이해야 할 계산에 접근 할 수 있습니다 둘, 속도 따라서 Google 클라우드가 TPUs라고 부르는 제품을 제공하는 것은 Google 클라우드뿐입니다

그래서 "TPU"가 무엇인지 들어 본 적이 있는지 모르겠습니다 CPU, GPU처럼 들립니다 그래서 TPU는 Tensor Processing Unit입니다 그래서 그것은 과정입니다 [? 칼?] 우리가 정의한 기계 학습용으로 제작되었습니다 그러나 그것이 얼마나 빨리 이루어지는지를 이해하려면 – 일반적으로 모델을 훈련 할 때 당신도 GPU를 사용할 시간 더 높은 계산 능력을 가진다

클라우드 TPU가 할 수있는 것을 비교한다면, ResNet 50 모델을 사용하면 벤치마킹 할 수 있습니다 단일 클라우드 TPU 사용 – 8 개의 코어와 64 기가의 램이있다 Nvidia P100 GPU보다 84 배 빠르며, Nvidia V100 GPU보다 5 배 빠릅니다 그래서 매우 빠릅니다

Inception V3과 같은 다른 Inception 모델로 시도하면, 당신은 비슷한 결과를 얻습니다 그래서 Google Cloud는 Cloud TPU를 제공하는 유일한 회사입니다 컴퓨터 학습 워크로드를 실제로 가속화 할 수 있습니다 세 번째는 품질입니다 이미 Google 포토, Google 번역가, Google Assistant

Google 포토가 얼마나 정확한지 알 수 있습니다 당신이 가지고있는 것을 찾기 시작할 때가 되십시오 Google 포토 앨범에 있습니다 나는 종종 "햄버거"를 검색합니다 왜냐하면 저는 내 친구에게 내가 먹은 마지막 햄버거를 보여주고 싶다

그리고 나는 "햄버거"를 넣습니다 그리고 나는 모든 햄버거의 목록을 얻습니다 나는 과거에 먹었다 그것은 매우 정확합니다 그래서 당신이 카드를 검색 할 때조차도 – 언젠가는, 내 신분증이나 신용 카드 사진을 찍었습니다

"카드"또는 "ID"를 입력하면 그렇지 않으면 내가 찾을 수 없을 것 같은 사진들을 찾으십시오 접근성, 이것은 도구 제품입니다 우리가 제공하는 사전 훈련 된 모델 밖에서, 우리는 중간 솔루션을 가지고 있습니다 Cloud AutoML 및 BigQuery ML과 같이 모든 사람들이 ML에보다 쉽게 ​​접근 할 수 있도록 도와줍니다 그래서 내 부분을 끝내기 위해, 나는 단지 세 단어 만 가지고있다

"놓치지 마세요" 인공 지능은 당신의 손끝에 있으며, 지금 바로 시작할 수 있습니다 귀하의 응용 프로그램에 인텔리전스 – 기존의 것들처럼, 또는 새로운 것에 – 그 사전 훈련 된 모델 또는 심지어 사용자 정의 모델을 사용하여 Cloud AutoML을 사용합니다 이미 ML 전문가 인 경우 TensorFlow Cloud ML 엔진으로 바로 이동할 수 있습니다 자신 만의 커스텀 모델을 실행합니다

그래서 내면 충분하다 더 이상 고뇌하지 않고, 나는 당신을 사람들에게 소개하고 싶다 DeNA의 경험에 대해 이야기 할 것입니다 AI 및 데크 추천 시스템 만들기 일본에서 가장 인기있는 GCP 모바일 게임 중 하나입니다 그래서 저는 6 월에이 발표를 계속하도록 할 것입니다

고맙습니다 [박수 갈채] JUN : 감사합니다, Samir, 소개해 주셔서 감사합니다 그리고 우리는 DeNA에서 왔으며 가장 큰 게임 중 하나입니다 일본의 출판사 그리고 오늘, 우리는 AI 구현을 공유하고 싶습니다

게임에 지금까지 우리는 두 가지 응용 프로그램을 출시했습니다 이야기하려고합니다 – 동기 부여 구현, 그리고 우리 사건의 결과 그래서 제 이름은 준 에른스트입니다 저는이 프로젝트를 이끌고 있습니다

또한 Ikki Tanaka를 소개하겠습니다 그는 데이터 과학자이며 AI 모델을 만들었습니다 그래서이 부분에서 우리 둘다 발표 할 것입니다 그래서이 작업은 시작되었습니다 4 명의 기계 학습 엔지니어 및 다수 게임 팀의 공동 작업자 우리 각자는 우리 자신의 전문 분야를 가지고 있습니다

저는이 팀을 정말 좋아합니다 시작하겠습니다 그래서 대부분의 사람들이 DeNA에 익숙하지 않다고 생각합니다 우리 회사는 가장 큰 인터넷 중 하나입니다 일본의 회사

우리는 게임과 같은 다양한 비즈니스 영역을 가지고 있지만, 자동차 및 스포츠에서 수익의 대부분은 게임에서 발생합니다 사실, 우리는 수십 가지 사내 게임 타이틀을 제공하고 있습니다 및 다른 발행인의 제목 어쩌면 당신 중 일부는 우리가 닌텐도와 동맹을 맺어 라 예를 들어, 우리 회사는 백엔드 시스템을 담당하고 있습니다

"Super Mario Run"에서 그래서 우리가 누군지 이 세션에서는 사내 게임 타이틀 "Othellonia 규약" 먼저, 우리가 가진 프로그램에 대해 이야기하고 싶습니다 우리가 이러한 문제를 해결하기 위해 어떻게 도전했는지 설명합니다 그래서이 게임 "Gyakuten Othellonia" 전략 앱 게임입니다

플레이어의 행동은 "오델로 (Othello)"라는 보드 게임을 기반으로합니다 또는 "Reversi", 그리고 선수들은 흰색 조각에 검은 색을 입혔습니다 택일 적으로 이 게임에 대한 독특한 점은 각 작품에는 자체 기술이 있습니다 전략적 구성 요소를 전투에 추가합니다

실제로, 당신이 게임을 시작할 때, 다양한 놀이가 시작되고 끝없는 탐험이 있습니다 게임을 마스터해야합니다 이 제목은 3 년 전에 발표되었습니다 다행히도 여전히 성장하고 있습니다 지금까지 2300 만 건의 다운로드가 있었지만, 서비스 지역은 점진적으로 확대되고 있습니다

그리고 물론, 나는 미래에 우리가 희망한다 미국에서도 석방 될 수 있습니다 그래서 "Othellonia"에는 개념이 있습니다 갑판과 캐릭터의 전투를 시작하기 전에 플레이어 [? 구조?] 16 자 이상으로 구성된 갑판 3,000 가지 옵션이 있습니다 그리고 각 캐릭터는 자체 기술을 가지고 있습니다

그리고 선수는 일치하는 문자를 선택해야합니다 그들의 놀이 작풍에 상상할 수 있듯이 조합 수는 극단적입니다 초보자도 쉽게 배울 수 있습니다 최적의 갑판을 만드는 법

또 다른 문제는 최적의 데크를 만드는 것입니다 프로세스를 통해 효과적인 전략을 습득해야합니다 시행 착오의 왜 이것이 문제인지 설명해 드리겠습니다 일반적으로 말해서 게임에 플레이어가 게임을 계속하는 것을 방해 할 수 있습니다

해지율이 증가하고 미래 수익에 영향을줍니다 권리? 예를 들어, 추정치가 있습니다 30 일간의 해지율에서 단지 몇 포인트가 감소한다는 것 미래에 매출을 20 % ~ 30 % 증가시킬 수 있습니다 "Othellonia"로 돌아 가면 실제로 해지율이 높기 때문에 문제가 발생했습니다 이것은 부분적으로 게임이 복잡하고 부족하기 때문입니다 충분한 [부적절한] 지원

따라서 초심자에게는 어렵습니다 최적의 갑판을 만들 수 있습니다 또한, 연습을위한 좋은 곳이 없다 그들의 전투 기술을 향상시키기 위해서 예를 들어 초보자에게는 두 가지 전투 옵션 만 있습니다

하나는 NPC와의 전투입니다 약한 상대, 그리고 다른 PvP 전투입니다, 숙련 된 선수와 자주 매치된다 그래서 우리는 비슷한 수준의 상대가 필요했습니다 초보자에게 이것이 우리의 상대 설정입니다

그럼 우리의 접근 방식을 보도록하겠습니다 초보자를 지원하기 위해 두 가지 기능을 개발했습니다 첫 번째는 갑판 추천 시스템이며, 플레이어의 조각에서 적절한 문자를 선택합니다 상자에 넣고 연관 분석을 사용하여 더 나은 제안 두 번째는 Othellonia Dojo라고 부르는 전투 AI입니다

이 기능에서 우리는 모든 수준에서 재생할 수있는 인공 지능을 개발했습니다 이 인공 지능에는 심 신경 네트워크가 사용됩니다 나중에, Ikki는이 기술들이 어떻게 우리의 경우에 사용됩니다 그래서, 기계 학습 관점에서 볼 때, 그러한 인공 지능을 구축하기위한 데이터를 준비해야합니다 우리는 다양한 종류의 게임 내 데이터를 수집하고 있습니다

데크 로그 및 전투와 같은 게임의 릴리스 이후 로그 따라서 우리는이 프로젝트를 시작하기 전에 많은 양의 데이터를 가지고 있습니다 그래서 우리의 경우에는 데이터를 사용했습니다 지난 9 개월 동안 수십억 개의 로그 항목 그런 다음 플레이어 기술로 데이터를 필터링했습니다 전투 AI 사례에서 원본 데이터를 보강했습니다

오른쪽 이미지는 예제입니다 JSON으로 포맷 된 전투 기록의 상태 및 액션 입력에 대해 설명합니다 전투 정보 하단 다이어그램은 대략적인 데이터 파이프 라인을 보여줍니다 BigQuery는이 사전 처리 단계에서 매우 훌륭하게 작업했습니다

예를 들어, 테라 바이트 단위의 데이터까지도 처리 할 수 ​​있습니다 매우 빠르며 처리 시간을 단축 할 수 있습니다 과감하게 BQ는 몇 분 안에 데이터를 처리 할 수있었습니다 온 – 프레미지의 Hadoop 클러스터

BQ가 다른 GCP와 공동 작업하기 쉽다는 점도 마음에 듭니다 서비스 그래서 여기에 우리의 AI가 성공적으로 수행되었음을 강조하고 싶습니다 충분한 양의 데이터와 신뢰할 수있는 파이프 라인으로 구축됩니다 그럼 각 사례가 어떻게 작동하는지 살펴 보겠습니다

이것은 갑판 추천 시스템의 매우 대략적인 개요입니다 그래서 우리는 먼저 전처리 데크를 이용합니다 로그를 통해 각 문자의 모양에 대한 정보를 추출합니다 연관, 이는 연관 규칙이라고합니다 이 분석을 통해 우리는 강도 모든 문자 쌍에 걸쳐 관계의 그리고, 플레이어로부터의 요구가 있으면, 추천 서버는 플레이어의 조각 상자에있는 캐릭터 세트, 16 자 모두를 채 웁니다

협회 규칙의 점수에 따라 이 기능은 매우 유연하며 플레이어 갑판 원형, 갑판 비용, 및 그들의 마음에 드는 특성은 갑판에서 포함될 것이다 KPI와 관련하여 몇 가지 측정 항목을 모니터링하고 있습니다 예를 들어, 우리는 몇 명의 플레이어가 추천 시스템을 사용했다 권장 갑판이 수락되었는지 여부, 그리고 그 데크가 플레이어 측면에서 기여했는지 여부 그들의 승리율은 전투 중입니다 따라서 Dojo의 경우 AI와의 전투가 가능합니다

다양한 원형과 강점이 있습니다 여기 우리는 깊은 신경망을 훈련시킨다 전처리 된 전투 기록에서 클라이언트는 현재 게임 상태를 보내고, 전투 API 서버가 반환합니다 게임의 매 턴마다 신경 네트워크의 추론

측정 항목에 관해서는 Dojo가 얼마나 자주 사용되는지, 그리고 강도 의 AI는 승리율면에서 충분했다 그래서이 두 인공 지능은 이미 풀려 났고, 우리는 매우 긍정적 인 KPI를 관찰하고 있습니다 그래서 결과를 보여주기 전에 Ikki에게 이야기를 전달할 것입니다 그는 기술 세부 사항 및 몇 가지 팁에 대해 이야기하겠습니다 AI 시스템 구축 용

[박수 갈채] IKKI : 감사합니다, Jun 안녕하세요 저는 Ikki이고 DeNA의 데이터 과학자입니다 그래서 나는 우리 게임 AI를 만든 개발자 중 한 명입니다 시스템은 데이터 분석, 데이터 과학 및 기계를 사용하여 배우기

그래서 오늘, 우리의 기술적 인 세부 사항에 대해 이야기 할 것입니다 GCP 사례 이제 기술 부분에 대한 이야기를 살펴 보겠습니다 먼저 갑판을 표준화하고 싶습니다 추천

이것은 데크 추천 알고리즘의 개요입니다 그리고 첫째, 갑판 추천 알고리즘 데크 아키타 입 (deck archetype)과 같은 플레이어로부터의 입력을 수신하고, 갑판 비용, 소유 한 캐릭터 및 캐릭터 플레이어가 사용하기를 원합니다 다음으로 알고리즘은 리더를 선택합니다 협회 결과를 이용하여 분석 및 통계 자료 따라서이 알고리즘에서 리더 캐릭터가 먼저 선택되고, 다음 문자는 리더를 기준으로 선택됩니다

잘 연관된 문자는 간단합니다 연관 분석의 결과에 따라 선택됩니다 데크가 16 자로 가득 차 있지 않은 경우, 다른 문자가 가장 좋은 문자로 선택됩니다 이 절차를 여러 번 반복 한 후에, 추천 된 덱이 플레이어에게 제안됩니다 게임이 다른 경우, 미세 조정의 방법 또한 다릅니다

그래서 우리 게임에서, "Gyakuten Othellonia," 예를 들어 리더를 결정하기위한 추가 규칙을 만들었습니다 우리는 스킬을 가지고 활성화를 확인했습니다 갑판 건물에서 간단한 설명을 드리고 싶습니다 관계 추출 방법 문자 사이

우리의 권고안에서는 협회 분석을 사용하고 있습니다 연결 분석은 규칙 기반 시스템입니다 흥미있는 관계를 발견하는 학습 방법 큰 데이터 세트의 내용 사이 따라서이 방법은 고속 계산을 수행 할 수 있습니다 주요 관계를 추출하려면, 추출 된 관계는 이해하기 쉽고 매우 다양한 설정에서 유용합니다

관계는 몇 가지 메트릭으로 평가됩니다 연결 강도의 정도와 같은 규칙이나 패턴의 우리의 추천은 캐릭터를 선택하여 덱을 만듭니다 순차적으로 강한 관계, 하나 후에 따라서이 방법은 다양한 종류의 데이터를 쉽게 처리 할 수 ​​있습니다 그래서이 기술은 많은 게임에 적용 할 수 있다고 생각합니다

다음으로, 나는 그 시스템에 대해 이야기 할 것이다 그래서 우리는 갑판 추천과 같은 우리의 응용 프로그램을 만들었습니다 깊은 학습 AI 봇과 GCP 왜 우리는 ML 시스템을 위해 GCP를 선택 했습니까? 두 가지 주된 이유가 있습니다 첫 번째는 강력하고 유연한 도구입니다

기계 학습 및 데이터 과학 데이터 분석에서 우리는 종종 데이터를 조사하려고 노력하지만, 시각화하고 프로토 타입 모델을 만들 수 있습니다 거대한 데이터 분석을위한 GCP 서비스 BigQuery, Cloud Datalab, 및 Google Compute Engine이 포함됩니다 클라우드 스토리지 용 GCP 서비스 대규모 데이터를 위해 확장 가능하고 빠른 서비스를 제공합니다 큰 데이터와 많은 기계를 관리하는 데 도움이됩니다

학습 모델 Cloud ML 엔진에 관해, AI 모델을 배치 할 수 있습니다 클라우드 ML 엔진에 쉽고 빠르게 또한 사용자에게 친숙한 예측 API도 제공합니다 또한 GCP는 기계를 수행 할 수있는 많은 서비스를 제공합니다 효율적으로 학습합니다

예를 들어, 우리는 GKE의 서비스 내용 커스텀 기능으로 클라우드 ML 엔진 교육 확장 가능하고 분산 된 ML 교육 두 번째는 확장 가능하고 강력한 인프라 서비스입니다 응용 프로그램을 쉽게 실행할 수 있습니다 몇 가지 프로그래밍 언어로 Google App Engine을 사용함으로써, Python Go 언어처럼 그리고 우리는 시스템 성능의 여러 측정 기준을 확인할 수 있습니다

스택 스택 드라이버, 로깅 등을 통해 GAE의 자동 크기 조정 기능을 강조하고 싶습니다 새로운 인스턴스가 증가하기 때문에 매우 훌륭한 서비스입니다 또는 트래픽에 대한 응답으로 중지되었습니다 그리고 [INAUDIBLE]은 인스턴스에 배포됩니다

자동으로 따라서이 GCP 서비스는 쉽게 통합 할 수 있습니다 동일한 시스템에 통합 할 수 있습니다 이러한 이유로 우리는 ML 시스템을 위해 GCP를 선택합니다 갑판의 시스템 아키텍처를 보여 드리겠습니다 GCP와의 추천

먼저 BigQuery에 데크 로그가 저장됩니다 규칙을 추출하는 데 사용됩니다 일괄 처리를 수행하기 위해 [INAUDIBLE] 일정을 보냅니다 Google Compute에서 연관 분석 처리 엔진 그리고 훈련 된 데크를 따라 잡기 위해 최신 문자를 사용하여 일괄 처리를 수행하고 있습니다

매일 그런 다음 클라우드 함수가 결과를 사전 처리합니다 연관 분석을 수행하고 데이터를 업데이트합니다 생산 환경을 위해 클라우드 기능은 데이터가 올바르게 업데이트되었는지 확인합니다

예를 들어 갑판의 크기가 너무 작거나 큰 경우 우리는 Google App Engine Python을 사용하고 있습니다 권장 API 서버의 경우 37입니다 서버는 클라이언트로부터 요청을 수신하고, 갑판을 만들고 마지막으로 권장 덱을 플레이어에게 반환합니다 주목할만한 점 중 하나는 GAE Python입니다

37은 작년 말에 일반적으로 이용 가능했지만, 그래서 우리는 적시에 그것을 사용할 수 있습니다 그 결과로 [? 기다려?]를 파이썬 37, 우리가 이미 가지고있는 코드를 변경할 필요가 없습니다 Python 3에서 개발되었습니다

지금까지 알고리즘과 시스템을 설명했습니다 갑판 추천 다음 주제로 넘어 갑시다 Deep-Learning AI-Bot Othellonia Dojo입니다

"도장"은 자신의 노는 기술을 향상시키는 훈련실을 의미합니다 이것은 Deep Learning AI의 교육 개요입니다 봇 브랜딩은 우리의 경우에 적합합니다 상태와 같은 많은 복잡한 기능을 배우기 보드, 데크, 손, 기술 및 조합 기능들

딥 학습 AI 봇은 상태를 수신합니다 클라이언트와의 전투 전투 정보가 변환됩니다 수치적인 특징에 깊은 학습의 입력으로 사용됩니다 네트워크는 상위 계층 플레이어의 행동을 학습합니다

바이너리 분류 마지막으로 Deep Learning 모델 될 각 액션의 값을 출력한다 다음 행동을 결정하는 데 사용됩니다 여기서 우리는 1 천만 개 이상의 전투 기록을 사용했습니다 훈련에서

다음으로 AI Bot 시스템을 보여 드리겠습니다 우선, 교육 단계에 대해 이야기하겠습니다 PvP에서 다수의 전투 기록 BigQuery를 통해 Google Cloud Storage에 저장됩니다 그리고 교육 과정은 기능의 전처리와 모델 트레이닝, Google Compute Engine에서 실행되고 있습니다 전처리 과정에서 기능 전투 기록의 요구에 따라 생성된다

게임을 에뮬레이션합니다 여기서는 custom 함수를 만들었습니다 교육 과정에서 기능을 만드는 데이터 생성기 교육을 마친 후 훈련 된 인공 지능 모델 클라우드 스토리지에 저장되어 클라우드 ML에 배포 엔진 다음으로 추론 단계로 넘어갑니다 그러니 연락해주십시오

클라이언트 추론 API 서버 슬라이드 왼쪽에 전투 기록은 추론 API 서버에 게시됩니다 AI 로봇과의 전투 이벤트를 진행하는 클라이언트로부터 추론 API 서버가 전투를 재현합니다 레코드로부터, 피쳐를 추출하고, 이러한 기능을 온라인 예측에 보냅니다 클라우드 ML 엔진이있는 API Cloud ML 엔진의 온라인 예측 그것이 최적화되어 있기 때문에 매우 유용합니다

[INAUDIBLE]이 적은 AI 모델을 실시간으로 실행합니다 클라우드 ML 엔진은 DCS에서 시작하여 숙련 된 AI 모델을 사용합니다 각 액션의 값을 반환합니다 값은 클라이언트로 다시 보내지고, 클라이언트가 전투 단계로 이동합니다 값에 따라 최상의 조치를 선택하십시오

그것은 클라이언트 간의 전반적인 커뮤니케이션입니다 및 서버 Google App Engine 및 Cloud ML 엔진 서버의 부하에 대한 응답으로 자동 확장 할 수 있습니다 그것은 아주 좋은 기능입니다 따라서 자동 크기 조정의 이점을 취함으로써, 우리는 많은 양의 요청을 관리 할 수 ​​있습니다

마지막으로 기술 주제를 다룰 것입니다 시스템 테스트 그렇다면 시스템을 테스트해야하는 이유는 무엇입니까? 마지막 슬라이드에서 언급 한 Cloud ML Engine은 자동 확장이 가능합니다 빨리– 좋습니다 네, 그렇습니다

그러나 우리는 얼마나 많은 부하에 대한 지식이 충분하지 못했습니다 시스템은 견딜 수 없다 모바일 게임에서, 일반적으로, 부하 새로운 이벤트가 열리는 순간에 증가하는 경향이 있습니다 슬라이드의 그림은 예제를 보여줍니다 yardstick 이벤트에서 초당 예상 요청 수

시험 계산입니다 초당 요청 수는 수백 개로 증가합니다 10 분 안에 우리는 사전에 시스템이 이 하중을 견뎌야합니다 주목할 점으로 우리는 AI의 행동을 예측할 수 없습니다 일괄 처리로 정기적 인 간격으로

우리 시스템은 요청에 응답해야합니다 실시간으로 플레이어로부터 그것이 AI가 다음 턴에 캐릭터를 배치해야하는 곳입니다 이를 위해 온라인 예측 API를 선택했습니다 클라우드 ML 엔진의 Cloud ML 엔진이 만족할 수 있는지 확인했습니다

부하를 수행하여 우리의 요구 사항 릴리스 전에 테스트합니다 우리의 경우, 테스트가 수행되었습니다 설정에서 요청이 선형 적으로 증가하고 도달합니다 초당 최대 1,000 개의 요청 Cloud ML Engine은 자동으로 응답으로 확장 할 수 있음을 발견했습니다 요청 및 예측의 평균 지연 시간 1 초 미만입니다

그러나 몇 가지 요청이 있습니다 평소보다 더 오랜 시간이 걸렸다 플레이어에게 요청할 수 없기 때문에, 그래서 우리는이 조건을 해결할 필요가있었습니다 DeNA 팀과 Cloud ML 엔진 팀 병목 현상을 조사하기 위해 협력했습니다 그런 다음 시간 초과가 발생했음을 발견했습니다

자동 크기 조정 과정에서 앱의 새로운 인스턴스가 우리의 무거운 짐 때문에 많은 요청을 처리하는 것이 어렵습니다 온라인과 동시에 많은 기능으로 구성됩니다 [? 예측 ?]하지만이 문제를 해결할 수 있다면 효율적이지만 일관성있는, 우리는 미리 시스템을 워밍업 할 필요가 없습니다

시스템이보다 강력해질 것입니다 그래서 우리 팀은이 문제를 해결할 시간을 들였습니다 오류를 제거하기 위해 우리가 다뤄야 할 사항을 살펴 보겠습니다 오류가 한 번에 반환되면 다시 서버로 다시 던질 수 있습니다 그러나 시간 초과가 발생하면 시스템에서 다시 보낼 수 없습니다

다시 한번, 타임 아웃 에러가 반환되지 않기 때문이다 따라서, 추론 API 서버가 5 초 이내에 응답을 받고, 요청이 API로 다시 전송됩니다 다시 말하면, 추측에서 나쁜 것이 발생했기 때문입니다 또한, 요청의 목적지가 동일한 종단점 인 경우, 서버의로드가 증가합니다 결과적으로 백업 엔드 포인트를 설정합니다

실패한 요청을 받는다 메인 엔드 포인트에서 작동합니다 즉, 두 번째 요청이 전송됩니다 독립적으로 준비된 백업 끝점으로 메인 엔드 포인트에서 이것은 백업 엔드 포인트로로드 테스트의 결과입니다 그림은 여러 설정의 오류 비율을 보여줍니다

최소 10 개의 노드가있는 백업, 백업 없음, 최소 20 개의 노드로 백업합니다 백업 엔드 포인트가없는 경우, 왼쪽에, 오류의 약 13 %가 남아 있습니다 최소 10 개의 노드가있는 백업의 중간 설정에서, 작은 오류는 여전히 남아 있지만, 백업은 대부분의 엔드 포인트 오류를 ​​처리 할 수 ​​있습니다 우리는 이러한 작은 오류의 원인을 발견했습니다

백업 인스턴스 수가 조금 적기 때문입니다 그래서 타임 아웃이 여전히 발생했습니다 자동 크기 조정의 예열시 백업 환경에서 그래서 미세 조정 설정의 대부분의 경우, 여기서 백업 인스턴스의 수 주 엔드 포인트의 오류를 처리하기 위해 20으로 설정되었습니다 대체로

이 경우 모든 요청을 처리 할 수 ​​있습니다 오류없이 그래서 이런 식으로, DeNA와 Cloud ML Engine 팀 높고 뾰족한 트래픽과 대기 시간에 대한 도전을 극복했습니다 오류없이 제한하십시오 배포 후이 시스템은 많은 오류를 처리 할 때 안정적입니다

지금까지 AI의 [INAUDIBLE] 시스템에 대해 설명했습니다 GCP 시스템은 유연하게 구축 할 수 있습니다 게임용 다양한 프로그램에 대처할 수 있습니다 이제는 KPI에 대해 6 월으로 넘겨주고 싶습니다 결과와 미래

감사 [박수 갈채] JUN : 네 고마워, 일키 그리고 당신이 언급 한 것 같아요, 우리는 확장 가능하고 견고한 실제 AI에서이 AI를 실제로 구현할 수 있습니다 그래서이 마지막 부분에서 나는 출시 이후에 어떤 일이 일어 났는지 알려주고 먼저 갑판 추천을 위해 초보자 수를 보여주는 차트입니다

누가 데크 추천을 사용하는지 출시 이후에도 일정한 사용이 있었지만이 시점에서, 이 기능은 잘 알려지지 않았습니다 그러나 역은 우리가 홍보 할 게임 내 이벤트 시작 새로운 갑판을 만드는 선수 갑판 추천 시스템은 더 많이 인식되어 왔으며, 이벤트가 끝난 후에도, 많은 플레이어들이이 기능을 자주 사용하고 있습니다 그래서 두 번째로, 우리는 추천 된 갑판이 초보자의 승리율은 약 5 % 추천없이 작성된 데크와 비교 체계

우리의 초점은 초보자를 지원하는 것이었기 때문에, 우리는 이러한 결과에 매우 만족하고 있습니다 또한, 나는이 기능이 잘 적용되고 있음을 언급하고자한다 최상위 계층 플레이어에게도 마찬가지입니다 이것은 부산물 이었지만 우리는 무거운 선수가 보통 관찰 갑판을 자주 업데이트하십시오 그리고이 추천 시스템은 비용을 완화합니다

처음부터 건물 갑판의 그들은 초판으로 추천을 사용하며, 원하는대로 데크를 사용자 정의 할 수 있습니다 이제는 시스템 메트릭을 살펴 보겠습니다 출시 후에는 안정적인 대기 시간을 갖습니다 20 밀리 초이며 이는 우리의 경우에 충분히 빠릅니다

그러나 우리는 결과에 매우 놀랐습니다 추천 알고리즘이 매우 복잡하기 때문에, 우리는 그러한 낮은 대기 시간을 예상하지 못했습니다 자동 크기 조정은 좋은 일을합니다 우리는 지금까지 시스템에 문제가 없었습니다 간단히 말하면, 우리는 평가에 대해 설명 할 것입니다

딥 학습 AI 봇의 공개 후, 우리는 우리 인공 지능 봇은 연습만큼 좋은 승리율을 가지고있다 초보자를위한 파트너 우리의 인공 지능 봇 (AI Bot) 따라서 플레이어는 AI의 모든 레벨을 선택할 수 있습니다 일종의 멘토입니다 이것이 지난 주 발표되었지만, 우리는 비즈니스 영향을 평가할 수있는 충분한 데이터가 없습니다 Dojo는 초보자가 잘 사용하며, 앞으로도 좋은 KPI를 이끌어 낼 수 있기를 바랍니다

그래서 지연에 관해서는, 기계 학습의 추론 엔진은 약 200-300 밀리 초이며, 그들은 매우 빠르고 안정적입니다 전체 시스템의 경우에도 응답 시간 약 1 초입니다 우리의 경우에는 충분히 빠릅니다 백업 엔드 포인트가 잘 작동하고 있습니다 지금까지 시스템에 문제가있었습니다

그래서 내 이야기의 끝으로, 나는 아이템을 보여줄 것이다 우리의 경우에는 효과가있었습니다 인간처럼 게임을 한 인공 지능을 훈련 시키려면, 우리는 완전히 재현 된 전투 기록이 필요했습니다 전투 상태 및 행동 게임에 임의의 효과가 있다면, 무작위 종자가 로그에 저장되었는지 확인하십시오

둘째, AI의 진화를 위해, 우리는 수천의 전투를 수행해야했습니다 실적 통계를 얻을 수 있습니다 헤드리스 시뮬레이터는 이러한 맥락에서 우리에게 많은 도움이되었습니다 강화 학습을 사용하려는 경우 기술, 당신은 또한 매우 빠른 시뮬레이터가 필요합니다, 우리 버전이 나올 전투의 숫자가 정말 중요한 일을 통해 셋째, 스트레스를 받고 싶습니다

구현을 위해서는 확장 가능하고 강력한 시스템이 필요하다는 실제 서비스의 AI 우리는 GCP가 특히 Machine Learning Engine과 GAE – 우리에게 좋은 선택 이었어 마지막 항목은 기술적이지는 않지만 중요합니다 일반적으로 말하자면, 우리는 AI가 얼마나 잘 수행 할 수 있는지 알지 못합니다 비즈니스에 미치는 영향이 얼마나 큰지 프로젝트를 시작하기 전에 있어야합니다

그래서 그러한 불확실한 상황에서, 통신 및 제어 기대는 매우 중요합니다 우리가 기계 학습 엔지니어이지만, 우리는 게임과 비즈니스 문제를 이해하려고 노력합니다 바르게 그리고 이것이 이것이 성공의 핵심 요소라고 생각합니다 이 프로젝트 중 이것은 나에게서 왔고 요약을 사미르에게 전하고 싶습니다

다시 감사 [박수 갈채] 네, 그렇습니다 이 놀라운 발표를 해주신 Jun-san과 Ikki-san에게 감사드립니다 나는 그것이 오늘 많은 사람들에게 영감을 주었다고 생각합니다

그리고 그것은 매우 인상적입니다 그들은 게임을 조금 더하게 만들었습니다 포괄적이며 초보자에게는 좀 친숙합니다 그리고 그들이 구현 한 바를 매우 성공적 일 것이며, 오늘의 프리젠 테이션 어쩌면 몇 가지 아이디어를 가질 수 있습니다 그리고이 세션을 마치기 전에, 나는 당신에게 간단한 사용법을 보여주고 싶다

컴퓨터 학습을 시작할 수있는 경우 그리고 나는별로 이야기하지 않는 두 사람에 대해 빨리 이야기 할 것입니다 전문 지식이 필요하고, 매우 전문 지식이 필요합니다 그들이 한 일과 비슷합니다 그래서 이것으로 시작, 채팅 번역

따라서 게임의 가장 큰 문제점 중 하나는 언어 장벽입니다 그래서 저는 제가 온 지역에서 – 일본, 선수들은 단지 일본어로 말하고 있습니다 그리고 당신은 그 게임을 보지 못할 것입니다 일본인 커뮤니티가 여러 곳있다 한국인과 대만인과 놀고, 왜냐하면 언어 때문입니다

그리고 그 장벽을 깨고 싶다면, 이런 종류의 사전 훈련 된 모델을 사용하여 시작할 수 있습니다 번역 API와 같이 번역 할 실시간으로 메시지를 채팅하고 그러한 종류의 장벽을 깨뜨릴 수 있습니다 좀 더 통합 된 커뮤니티를 갖는 것이 좋을 것입니다 국경 너머로 갈 수있는 게임 내에서 그래서 이것은 하나의 유스 케이스입니다

매우 빨리 시작하십시오 번역을 해본 적이 있다면 – Google 번역 – 당신은 그것이 매우 정확하다는 것을 알 수 있습니다 그리고 언어에서 완벽하지는 않을지라도 게임을 즐기는 것보다 커뮤니티가있는 것보다 낫습니다 서로 통신 할 수없는 두 번째 것은 내가 시도하는 모든 게임 회사를 보는 게임입니다 싸우는 것은 플레이어의 독성입니다

때로는 게임에서 다른 플레이어를 괴롭히는 사람들이있다 그리고 그것은 약간의 경기를 망칠 수 있습니다 따라서 중요한 플레이어를 잃고 싶지는 않습니다 나쁜 선수의 행동 GCP에서 Google Cloud Platform을 시작할 수 있습니다

Natural Language Processing API를 사용합니다 여기에는 감정 분석이라는 기능이 있습니다 Sentiment Analysis가하는 일은, 그것은 입력으로 텍스트를 취할 것이고, 그것이 맞는지 말할 수 있습니다 긍정적 인 입력 또는 부정적인 입력이 완료되었습니다 귀하가 취할 수있는 많은 데이터를 바탕으로, 당신은 아마 선수들로부터 매우 부정적인 통찰력을 발견 할 수 있습니다

그들을 경고하고, 아마 그들을 금지 시키려하고, 정말로 그 시점에 있다면 하지만 너는 수동으로 가고 싶지 않아 모든 채팅 또는 플레이어의 행동을 확인하는 그 사람이 독성이 있는지 결정하십시오 이런 종류의 API를 가져올 수 있습니다 게임의 잠재적 문제에 대한 통찰력, 거래하고있는 잠재적 인 플레이어, 어쩌면 게임의 문제, 그리고 결국 손상시킬 수 있습니다

따라서이 두 가지 사례는 매우 빠르게 시작할 수 있습니다 사전 훈련 된 모델을 사용합니다 마지막으로 좀 더 전문 지식이 필요합니다 DeNA가 오늘 한 것과 매우 비슷하다고 생각합니다 게임을 단순화합니다

DeNA가 한 일은 오늘 생각합니다 단순화의 완벽한 예입니다 AI를 사용한 게임 그리고 그들은 갑판 추천을했습니다 약간의 게임 구성을 간소화하는 방법 당신이 너무 많은 문자를 가지고있을 때

또한 봇에 맞서 훈련 할 수있는 방법이 있습니다 사람들을 훈련시키고 도울 수있는 방법이기도합니다 따라서 다른 유스 케이스에서도 생각할 수 있습니다 그리고 내가 항상 스튜디오에서들을 수있는 Q와 A입니다 따라서 QA 테스트 – Q 및 A가 아닌 QA 테스트

따라서 QA 테스트는 많은 비용이 들며, 당신이 약간의 변화를 할 때마다 당신은 시험을해야하기 때문입니다 이것이 깨지지 않는지 테스트해야합니다 예를 들어, 당신의 게임의 균형 모바일 공간에서, 심지어 지금은 콘솔에서, 당신이 Fortnite와 같은 최신 게임을 보게되기 때문에, 매주 업데이트되어 게임에 새로운 아이템을 가져옵니다 이런 종류의 테스트를 자동화 할 수 있다면, 당신은 언제 게임에 새 아이템이나 새 카드를 가져 오면, 그것은 게임의 균형을 깨지 않습니다

그리고 보통, 나는 일본에있는 것으로부터 볼 수 있습니다 일본의 모바일 게임을 즐기는 새로운 아이템, 새로운 캐릭터를 2 주마다 가져옵니다 때로는 캐릭터가 균형을 깨뜨릴 수 있습니다 Fortnite에서 보았을 때도 있습니다 새로운 무기를 가져와, 너무 강하다

즉시 조치를 취합니다 하지만 그렇게하기 전에 행동하고 싶습니다 업데이트로 프로덕션에 들어가기 전에 만약 자동화를 만들 수 있다면, 그것은 유스 케이스 중 하나가 될 것이다 재미있을 수 있습니다 그리고 저는 이런 종류의 일을한다고 생각합니다

TensorFlow, 기계 학습을 사용할 수 있습니다 엔진을 사용하고 DeNA가 수행 한 것과 매우 유사한 작업을 수행하십시오 DeNA의 발표 내용 영감을주고 통찰력을주었습니다 어떻게 복잡한 문제를 제기하고 접근하는지, 어쩌면 인간이 만든 로봇 일 수도 있습니다 그러나 이것이 당신에게 도움이되기를 바랍니다

그리고 우리는 시간이 좀 있다고 생각합니다 나는 우리에게 10 분이 더 있다고 생각한다 자네가 궁금한 점이 있으면 우리는 Ikki-san, 준 산 – 제발 무대에 올라와 궁금한 점이 있으시면 그들은 뒤쪽에 마이크가 있습니다 그리고 자유롭게 질문하십시오 조금 더 깊이 이야기하고 싶다면 당신이 가진 도전, 우리가 할 수있는 회의가 끝나면 토론한다 정말 고마워요

[박수 갈채] 다른 질문 있나요? 아 관객 : 먼저, 당신의 이야기에 감사드립니다 다른 기술 수준에 따라 AI를 훈련 할 때 – 초보자와 상대로 놀기 전문가 – 당신은 클라우드 시스템, ML 시스템에 물어 보셨습니까? 다중 추론을 위해서? 아니면 다르게 훈련 시켰습니까? 자주 잃는 사람들을위한 게임에 대해 교육을 받았습니까? 전문가 들과는 반대로? JUN : 그래서 당신의 질문은 만약 우리가 최상위 계층 플레이어와 함께 기차 [INAUDIBLE] ?? 아 네 네

맞습니다 관객 : 가끔씩 그렇게 훈련 시키길 원합니다 초보자를 잃는다 그렇다면 어떻게 그 목표를 달성 했습니까? JUN : 당신은 그 수준을 훈련시키는 것을 의미합니까? 네 네

승인 그래서 우리는 그러한 조정을위한 몇 가지 계획을 고안했습니다 그래서 우리는 매번 추측하여 이동의 점수를 얻습니다 권리? 예를 들어, 10 개의 움직임이 있다면, 우리는 모든 최신 점수를 분류하고 가장 높은 점수를 골라냅니다 까지– 나는 강한 것을 의미합니다

권리? 그러나 우리는 특정 확률로 2 위와 3 위를 움직이며, 이것이 하이퍼 매개 변수이며 우리는 수동으로 튜닝을하고 있습니다 그 매개 변수 그래서 우리가 – 우리는 플레이어에 따라 레벨의 균형을 맞출 수 있습니다 관객 : 게임 봇 구축시, 강화 학습을 사용 했습니까? 또는 즉석에서 배우기, 또는 어쩌면 너 다른 모델과 다른 결과가 있었습니까? JUN :이 경우에는 사용하지 않지만 노력하고 있습니다 글쎄요, 실제로, [INAUDIBLE] ,, 여기, 그것 [? main?] function running이 매우 불안정합니다

배우다– 특히 이런 종류의 전략적 게임에서 그래서 우리가 노력하고 있지만 승리율이 그렇게 높지는 않습니다 감독 된 학습 인공 지능 로봇과 같습니다 여기 요 관객 : 안녕하세요

다시 한 번 말씀해 주셔서 감사합니다 따라서 9 개월간의 데이터 및 수십억 개의 로그가 시작되었습니다 이 시스템을 새로운 게임에 넣으려면, 9 개월은 매우 오랜 시간이며, 많은 선수들이 이미오고 갈아 입을지도 모른다 그러면 이상이 될 것입니다 무엇이 정렬일까요? 이론적 인 최소값은? 처음에 이것을 넣고 가서 배우십시오

일정 시간 기다려야합니까? [? 이것을 성취합니까? ?] JUN : 네 사실, 2 주 또는 1 개월 데이터 우리 사건에 충분하다 그래서 9 개월은 완충기의 일종입니다 그래서 9 개월짜리 데이터를 사용하는 것은 너무 어렵다고 생각합니다 하지만 당신은 [INAUDIBLE]을 측정하고 있습니다

관객 : 할 수 있다면 – 이것을 다음 게임으로 옮기면 시작했을 때 이걸 가지고 있을까? JUN : 아 네 그래서 그럴 경우 아마도 한 달 간의 데이터가 필요할 것입니다 또는 훈련 시작 전 몇 주 동안의 데이터 – 다른 질문 있니? 아

저쪽에 예 그건 그렇고, 아주 좋은 질문에 감사드립니다 아주 좋은 지적입니다 관객 : 게임의 본질, 요즘, 게임의 규칙이 자주 바뀌는 것입니다

특히 게임 업데이트 그리고 그것은 봇의 플레이 방식을 변경합니다 그걸 어떻게 처리 할 계획입니까? JUN : 네 그건 좋은 지적이야 사실 우리는 매주 몇 명의 성격을 발표하고 있습니다

게임 로봇은 시간에 따라 변합니다 그러나 우리의 깊은 학습 프레임 워크는 심지어 그러한 경우에도 작동합니다 때문에– 음, 일주일 또는 며칠의 데이터를 사용한 직후, 인공 지능은 다음과 같이 추가됩니다 어떻게 ~ 최신 환경 따라서 1 주일 지연 될 수 있습니다

그러나이 경우, 나는 우리가 받아 들일 만하다고 생각한다 그래 그 질문에 대한 답변입니다 관객 : 다른 문제는 무엇입니까? JUN : 그래서 당신의 질문은 무엇이 문제인지, 현재, 우리가 가진거야? 또는– 청중 : 다른 유형의 문제가 있습니까? 너는 달려 드는 것을 고려하고있다 오늘 발표 한 것 외에? 다른 문제가 있다면 ML을 사용하여 해결하고 싶습니까? JUN : 아

그래 물론 그래서 기계 학습의 중요성을 언급했습니다 하지만 실제로는 게임 밸런스를 유지하려고합니다 매우 안정적이며 캐릭터를 공개하기 전에 권리? 따라서 우리는 강화 학습 엔진을 구현하고자합니다 릴리스 전에 새로운 캐릭터를 배우려면, 잔액이 너무 많지 않은지 확인하십시오

내 말은, 힘, 강하고 약한 것, 또는 그와 비슷한 것 그래서 그것은 다음 도전 일 것입니다 관객 : 안녕하세요 감사 귀하의 의견과 관련하여 귀하는 어떤 데이터를 삭제합니까? 캡처 한 모든 것을 사용하고 있습니까? 처음부터, 또는 마지막 패치에서부터, 마지막 두 패치 – 오히려 업데이트? JUN : 네

사실, 우리는 거의 모든 것을 사용하고 있습니다 정보, 내가 이것을 말하면서 그래서 우리는 5 킬로의 특징을 사용하고 있습니다 이사회를 위해 발휘되었다 어떤 종류의 기술이 활성화되는 것과 마찬가지로, 또는 마지막 턴에서 일어난 일, 또는 그런 것

네 관객 : 레거시 데이터가 종류의 인공 지능, 또는 선택, 모든 종류의? 6 월 : 음 – 미안 나는 네가 놓친 것 같아 관객 : 예 더 많은 캐릭터를 소개 할 때, 더 많은 옵션이 있습니다

아주 오래된 데이터가 이 모든 새로운 것들에 대해 몰랐다 종류의 왜곡 권고, 또는 AI가 무엇인지 – 사마르 : 네가 게임에 변화가 있다면 시간이 지남에 따른 기능성, 새로운 유형의 데이터 처리 방법 네가 전에 없었던 JUN : 네, 그게 지금 우리가 가진 가장 큰 문제입니다 그리고 솔직히, 우리는 – 그래서 우리가 새로운 기술을 발표 할 때마다, 우리는 기능 추출기를 조정하고 있습니다 새로운 기능을 만들 수 있습니다 하지만 그 운영 비용은 매우 높습니다

그래서 우리는 어떻게 든 그 과정을 최적화하기를 원합니다 그래서 이것이 해결해야 할 다음 과제 일 수 있습니다 – 다른 질문 있니? 승인 제 생각에 좀 더 자세히 이야기하고 싶다면, 우리는 무대 왼쪽에 머무르고 있습니다 와 주셔서 언제든지 질문하십시오

그 이외에 오늘 다시 감사드립니다 정말 좋았어요 그리고 오늘 우리와 함께 해 주신 모든 분들께 감사드립니다 [박수 갈채]

#QDay: Cum verifici ce pagini ai indexate in Google?

당신은 SEO 전략으로 시작하고 궁금해했습니다 얼마나 많은 페이지를 Google에서 색인 생성합니까? 나는 그것을 할 수있는 두 가지 방법이 있다고 말하고 싶다

너는 이것을 확인할 수있다 1 Google Search Console을 사용하여, '색인 상태'섹션에서 정확한 페이지 수를 볼 수 있습니다 Google에서 색인 생성 됨, 또는 2 Google에서 직접 검색을하면, "site : siteultau

ro"와 같은 정확한 페이지를 보여주는 검색 Google이 제공 한 자연 검색 결과에 이미 색인되어 있습니다

Henry Shi: "AI Startup Ecosystems in the US and China: A Comparative Perspective" | Talks at Google

[음악 재생] HENRY SHI : 안녕하세요 여기 데려 줘서 고마워

그래서 제가 시작하기 전에, 얼마나 많은 사람들이 당신인지 궁금합니다 인공 지능을 다루고 있습니까? 손 들어 오, 많이 오늘 주제는 "AI Startup Ecosystem 미국과 중국에서 " 나는 몇 가지 비교 관점을 제시 할 것이다

두 생태계에 많은 사람들이 AI 창업이 빠르게 성장하고 있음을 알고 있습니다 AI 유니콘을 보면 "유니콘" 신생 기업이 10 억 달러가 넘는 가치를 보유하고 있다는 것을 의미합니다 2018 년까지 32 AI 유니콘이 있습니다 CB Insights는이를보고합니다 이것은 유니콘 클럽 전체의 약 10 %입니다

그리고이 비율은 계속 증가하고 있습니다 미국이 17 개, 중국이 10 개이다 따라서 미국은 중국보다 AI 유니콘이 더 많습니다 그러나이 그림을 보면 우리는 가장 많이 자금을 모으는 5 대 유니콘을 실제로 살펴보십시오 중국에는 세 가지가 있습니다

그리고 가장 잘 투자 된 AI 유니콘은 중국 출신이다 어쩌면 당신은 몇몇 회사에 익숙하지 않을 수도 있습니다 나는 너에게 조금 배경을 제공 할 것이다 최초의 잘 투자 된 회사는 ByteDance입니다 사실, 그들은 컬버 시티에 큰 사무실을 가지고 있습니다

ByteDance는 30 억 달러를 모금했습니다 그것은 중국 회사입니다 그것은 많은 제품을 가지고 있지만, 두 가지 주요 제품, 하나 AI 기반의 뉴스 앱인 Toutiao입니다 매월 5 억 명이 넘는 활성 사용자를 보유하고 있습니다 아마 더 인기있는 두 번째 것은, 그들은 TikTok이라 불리며, 5 억 명이 넘습니다

월간 활성 사용자 수 이것은 AI 기반의 짧은 비디오 공유 응용 프로그램입니다 사용하지 않았다면 시도해보십시오 이제 두 번째로 잘 투자 된 AI 회사를 SenseTime이라고합니다 이 회사는 26 억 달러를 모으고 컴퓨터 비전에 중점을 둡니다 이제 SenseTime은 700 명이 넘는 기업 고객을 보유하고 있습니다

전 세계적으로 전략적 파트너가되었습니다 10 가지가 넘는 산업 분야의 애플리케이션을 보유하고 있습니다 SenseTime의 주요 기술 또는 제품 얼굴 인식입니다 그들의 얼굴 인식 서비스가 제공됩니다 4 억 명이 넘습니다

따라서 다섯 번째 잘 투자 된 회사는 UBTech라고합니다 그것은 또 다른 중국 회사입니다 이 회사는이 서비스 로봇을 구축하고 있습니다 이것은 UBTech에서 제작 한 인간과 같은 로봇처럼 보입니다 로보틱스가 많이 있습니다

따라서 2018 년의 수입은 실제로 3 억 달러를 넘습니다 그래서 그들은이 로봇을 아주 잘 팔았습니다 그리고 그들의 판매는 4 년 안에 500 번 이상 증가했습니다 이제 우리가 미국의 다른 두 회사를 보면, 그들은 자율적 인 운전 회사 인 Nuro와 Argo입니다 그들은 모두 10 억 달러를 모금했습니다

Nuro는 조금 다릅니다 그들은이자가 운전용 자동차를 만들고 있습니다 음식 배달을 위해, 또한 할 수있는 동안 나중에 다른 물건을 배달하십시오 Argo AI는 표준 자체 운전 자동차 회사와 더 비슷합니다 그들은 스스로 운전하는 자동차를 만들고 있습니다

우리는이 5 대 최고 기금의 AI 회사, 그들은 모두 몇 년 안에 자금을 지원 받는다 그리고 다른 많은 유니콘들이 있습니다 그들은 너무 빨리 자랍니다 그래서 내가 묻기를 원하는 질문은 왜 이러한 인공 지능 신생 기업인가 그렇게 빨리 성장하고 있습니까? 몇 가지 이유가 있습니다 첫째, 지속적인 발전이 있습니다

데이터 처리, 컴퓨팅 성능 및 알고리즘에서 이 두 그림을 보면 ImageNet 데이터 세트에 대한 일부 통계입니다 나는 많은 사람들이 그것을 알아야한다고 생각합니다 ImageNet 데이터 세트의 분류 정확도를 살펴보면, 정확도가 계속해서 향상됩니다 2014 년과 실제로 2014 년 이후에, 그것은 인간보다 우수합니다 이제는 계속 개선됩니다

또 다른 매우 흥미로운 관찰 지난 1 년 또는 2 년 동안, 훈련 시간 이러한 기계 학습 모델을 구축하기 위해 ImageNet에서 실제로 극적으로 떨어졌습니다 이 모든 병렬 컴퓨팅, 클라우드 컴퓨팅 AI 회사의 급속한 성장의 두 번째 이유는 AI에 대한 벤처 캐피탈의 중요한 성장이다 따라서이 그림은 전 세계 AI 투자를 매년 보여줍니다 우리는 추세가 VC 자금이 올해 성장하고 있음을 볼 수 있습니다

AI로 연도 별 그리고 2008 년 VC 펀드 총액은 실제로 2017 년 대비 70 % 증가했습니다 이제이 곡선은 실제로 거래 수를 보여줍니다 매우 흥미롭게도 2018 년에 돈을 모으는 거래 중 실제로는 2017 년보다 적습니다 그리고 우리는 큰 라운드를 관찰하지만 거래는 더 적습니다

더 적은 수의 회사를 의미하는 거래 감소 실제로 돈을 모았습니다 왜 그런가요? 왜, 많은 돈이 인공 지능에 있다고 가정 할 때, 그러나 돈은 거래에 집중되어 있습니다 몇 가지 이유가 있습니다 그러나 요점은 일부 AI 필드에서, 큰 것이 커집니다 기본적으로 대기업, 대형 신생 기업, 돈을 더 많이 모으는 것이 더 쉽습니다

그래서 몇 가지 이유가 있습니다 하나는 데이터 네트워크 효과이며, 왜냐하면 이러한 인공 지능 유니콘은 점점 더 많은 데이터를 수집하기 때문입니다 그리고이 데이터는 실제로 회사를 제공합니다 기술 발전 둘째, 이러한 AI 유니콘은 더 쉽습니다

더 많은 AI 인재를 유치 할 수 있습니다 그리고 당신은 더 많은 AI 재능을 의미합니다 당신은 기술 개발면에서 더 많은 힘을 가지고 있습니다 물론이 AI 유니콘은 더 쉽습니다 더 많은 영토로 확장 할 수 있습니다

내가 말했듯이, TikTok은 ByteDance의 핵심 제품이며, 그들은 실제로 미국, 아시아 및 유럽으로 확대됩니다 현재 전 세계적으로 5 억 명이 넘는 월간 활성 사용자를 보유하고 있습니다 네 번째 이유는 이러한 더 큰 인공 지능 신생 업체가 더 많은 산업에 쉽게 SenseTime, 예를 들어, 그들은 이미 10 개 이상의 산업을 다룹니다 자, 자연스러운 질문은, 거기 것입니다

인공 지능에 더 많은 자본이 있으십니까? 아마 네 미국 VC 시장을 살펴보면 2018 년은 실제로 기록적인 해였습니다 따라서 이것은 전체 벤처 캐피탈을 보여줍니다 미국 신생 기업이 모금 한 돈 2018 년에이 금액은 2017 년과 그 이전 년 이렇게 이것은 미국 인공 지능 시작을위한 훌륭한 타이밍입니다

왜냐하면 시장에 많은 돈이 있기 때문입니다 중국은 어떨까요? 2017 년에 실제로 AI 자금, 중국의 VC 자금, 미국을 초과합니다 중국의 총 자금은 약 48 % 전 세계 AI 총액 중 미국은 78 % 만 가지고있다 미안해, 38 % 그러나 상황은 변화하고 있습니다

2018 년부터이 수치를 살펴보면, 그래서 거래 건수와 벤처 캐피탈 금액 중국의 돈이 줄고있다 그래서 중국에서는 벤처 기업과 VC가 직면하고 있습니다 소위 "수도 겨울" 그게 왜? 여러 가지 이유가 있습니다 한 가지 이유는 중국 경제의 둔화입니다

둘째로, 하락세 때문에 기술 거인의 가격, 사람들은 시장을 두려워합니다 다른 이유가있을 수 있습니다 그러나 요점은 중국에서, VC 시장 은 다르다 점점 바뀌고 있습니다 그리고 이것은 중국 인공 지능 유니콘에 도전 할 수 있습니다

인공 지능 유니콘의 급성장 세 번째 이유 번창하는 산업 응용 프로그램입니다 요즘에는 AI 유니콘을 볼 수 있습니다 거의 각 산업에서 큰 문제를 해결하고 있습니다 상상할 수 있습니다 나는이 세부 사항을 나중에 다룰 것이다

그러나 이러한 대규모 애플리케이션은 급속한 성장을 이끌고 있습니다 AI 유니콘의 이제 두 번째로 중요한 질문을 해봅시다 왜 일부 인공 지능 회사는 한 나라에서 그렇게 빠르게 성장할 수 있습니까? 다른쪽에 있지 않습니까? 우리는 ByteDance, SenseTime과 마찬가지로 그들은 중국에서는 크지 만 미국에서는 그렇지 않습니다 미국에서는 이러한 자율 주행 신생 기업 많은 돈을 모았지만 중국에서는 그렇지 않다 왜 그런가요? 그래서이 질문에 대답하기 위해 실제로 우리는 네 가지 중요한 관찰이있다

그래서 우선, R & D에있어서, 미국은 중국보다 앞서 있습니다 둘째, 제조면에서 중국은 자체적으로 장점이있다 셋째, B2B 산업의 경우 미국이 강하다 그렇다면 B2B는 무엇입니까? B2B는 B2B를 의미하며, 고객이 기업이라는 의미입니다 B2C와 B2G의 경우 중국이 강하다

B2C는 비즈니스에 대한 소비자의 약자입니다 모든 고객은 소비자입니다 B2G, G는 정부, 의미 당신은 정부에 봉사하고 있습니다 따라서 B2C와 B2G의 경우 중국이 강하다 네 번째 관찰은 실제로 중국 유니콘들이 독특한 성장 전략을 채택하고 있습니다

그래서 저는 이러한 관찰에 하나씩 올 것입니다 첫째, R & D, 미국은 중국보다 앞서있다 자, AI의 재능을 살펴보면 재능을 살펴보면 모든 AI 회사에서 미국은 재능의 약 15 배입니다 중국에서

그 차이는 그다지 중요하지 않습니다 그러나 우리가 최고의 AI 재능의 수를 보면, 미국은 훨씬 유리하다 미국의 최고 AI 재능은 53 배입니다 중국 내 번호의

이러한 모든 AI 재능은 R & D에 매우 중요합니다 이러한 파괴적인 기술을 개발할 수 있습니다 또 다른 예는 자율 주행을 보는 것입니다 과학 기술 이것은 일종의 인공 지능 기술입니다

복잡한 시스템을 구축하고 있기 때문입니다 이 수치는 매우 흥미 롭습니다 2018 년 DMV에서 발행합니다 이탈 당 마일 수를 나타냅니다 무슨 뜻이에요? 그것은, 얼마나 많은 마일을 운전할 수 있는지를 의미합니다

인간이 개입 할 때까지? 따라서 Google에서 개발 한 첫 번째 Waymo임을 알 수 있습니다 Waymo는 테스트 측면에서 분명히 상위 1 위입니다 그러나 이것은 2018 년입니다 현재 Google은 절대적인 리더입니다 이 차트에서 미국은 16 개의 회사가 있습니다

중국에는 4 명이있다 미국의자가 운전 자동차 회사처럼 보입니다 중국과 다른 나라들보다 훨씬 큽니다 Nuro, Aurora도 잘하고 있습니다 당신은 상위 5 개 회사가 미국 출신이고, 중국을 앞서고 있음을 의미합니다

흥미롭게도, Nuro와 Aurora는 전직 Google에 의해 설립되었습니다 따라서 Waymo는자가 운전 기술의 선두 주자입니다 그것은 재능의 큰 수영장을 만들었습니다 Waymo는 실제로 10 년 전에이 기술을 개발했습니다 그리고 Waymo가 개발 한 인재 풀 실제로 다른자가 운전 자동차를 도왔다

그들의 기술을 할 수 있습니다 그래서 Google은이 공간에 큰 영향을주었습니다 자, 두 번째 관찰은 중국에서의 제조 그것의 유일한 이점이있다 그게 왜? 상대적으로 낮은 노동 비용이 있기 때문에 및 중국에있는 원료 제조 인프라는 성숙합니다

중국의 고속도로, 도로 및 항구는 잘 발달되어 있습니다 셋째, 세부적인 업무 분담이 있습니다 따라서 제조 공정은 매우 성숙합니다 예는 UBTech Robotics입니다 그들은 이런 종류의 로봇을 상당히 저렴하게 생산할 수 있습니다

다른 어느 곳보다 가격 샤오미 (Xiaomi)는 또 다른 훌륭한 예입니다 Xiaomi, 스마트 장치의 생태계 구축 비교적 싼 가격에 미국 신생 기업을위한 테이크 아웃 이 제조를 활용할 수 있다는 것입니다 중국의 이점

좋은 예는 라임과 버드입니다 그들은 스쿠터를 만들고 있습니다 산타 모니카에서 많이 볼 수 있습니다 실제로,이 스쿠터는 주로 중국에서 개발되었으며, 이 회사들은 20 일 이내에 비용을 충당 할 수 있습니다 튜링 (Turing)은 한 가지 예입니다

우리는 보안 로봇을 들고 투자했습니다 실내와 실외를 순찰 할 수 있습니다 하드웨어는 중국에서 제조되기 때문에, 그것은 미국 경쟁사보다 80 % 저렴합니다 따라서 여기있는 회사는 하드웨어 비용을 활용하려고 노력해야합니다 중국의 이점

그래서 세 번째 관찰은 정말로 중요합니다 따라서 B2B 공간에서 미국 신생 기업은 강해 졌는데, B2C와 B2G 분야에서, 중국 신생 기업이 강하다 그래서 우리는 실제로 평균 기금을 계산했습니다 각 업계에서 3 대 신생 기업 AI가 적용되는 곳 그래서 첫 번째 부분은 산업입니다

미국 신생 기업들이 훨씬 더 많은 자본을 마련했다 중국보다 두 번째 부분은 다음과 같습니다 중국 창업이 더 많은 돈을 모으는 산업 그리고 우리가이 두 부분을 파헤 치면, 우리는 이러한 산업이 더 많은 B2B 산업임을 발견합니다

고객은 일반적으로 기업입니다 두 번째 부분은 고객이 소비자 및 정부와 더 비슷합니다 설명해 봅시다 이유가 무엇입니까? 미국에서는 B2B 생태계가 잘 정립되어 있습니다 즉, AI 벤처 기업이 데이터에 쉽게 액세스 할 수 있습니다

SaaS 모델 기반의 모든 종류의 회사를 볼 수 있습니다 미국에서 아주 잘 발달되어있다 또한 AI는 기업에 명확한 가치를 부여하며, AI는 기업의 비용 절감을 도울 수 있기 때문에, 효율성을 향상시킵니다 그래서 미국에서는 많은 기업들이 AI 기술을 시도하고 있습니다 중국은 어떨까요? 중국은 다릅니다

중국에서는 미국의 B2B 생태계가 잘 정립되어 있지 않습니다 신뢰 생태계, 신뢰 체계, 미국에서 개발 된 것도 아닙니다 또한 인건비가 저렴하기 때문에, 중국 기업들은 더 많은 사람들을 고용하는 경향이 있으며, 대신 AI를 사용하여 비용을 낮추십시오 효율성을 향상시킬 수 있습니다 또한 B2C는 중국에서 더 높은 성장과 더 많은 데이터를 보유하고 있습니다

따라서 B2C 공간을 사용하는 신생 기업은 훨씬 쉽게 데이터에 액세스 할 수 있습니다 그리고 중국에서는 모바일 인터넷이 사용자는 매우 빠르게 성장하고 있습니다 마지막 이유는 B2G가 더 높다는 것입니다 수익 및 중국에서 더 많은 데이터 그래서 중국에서는 중국 정부가 높습니다

AI 신생 기업을지지합니다 그들은 SenseTime과 같은 신생 기업에 많은 데이터를 제공합니다 그래서 정부와 협력하여,이 큰 AI 유니콘 더 많은 데이터에 액세스 할 수 있으며 큰 계약을 체결 할 수도 있습니다 중국 정부 출신 이것이 이들 기업의 높은 성장을 주도합니다 B2C 공간에 대해 조금 이야기하고 싶습니다

중국에서는 더 많은 데이터에 액세스 할 수 있습니다 이 곡선을 보면, 중국에서는, 미국보다 3 배나 많은 액티브 모바일 장치가 있습니다 그리고 음식 배달 주문 수 미국에서는 10 배나 더 많습니다 그러나 이것은 2017 년입니다 오늘 미국은 식량 배급이 더 많다고 생각합니다

DoorDash, Postmates, 모든 종류의 배송 업체를 볼 수 있습니다 또한 중국의 모바일 결제 금액은 미국보다 50 배 많습니다 따라서 이러한 소비자 기반 데이터에 액세스 할 수 있습니다 상당히 쉽게 AI가 데이터를 기반으로하고 있다는 사실을 알고 있습니다

그래서 이것이 열쇠입니다 몇 가지 예를 들어 드리겠습니다 B2B 업계의 한 예로 로봇 공학 프로세스 자동화가 있습니다 AI는 많은 양의 반복 작업을 자동화 할 수 있습니다 전형적인 예가 UiPath입니다

이 회사는 약 5 억 달러를 모금했습니다 매출액은 1 백만 달러에서 1 억 달러로 증가합니다 단 21 개월 만에 미국 기업이 많은 돈을 지불하고 있다는 것을 알 수 있습니다 이러한 유형의 회사 또한 전 세계적으로 2,000 명이 넘는 기업 고객이 있습니다

그래서 다른 B2B 공간은 사이버 보안입니다 많은 돈을 지불하는 미국 기업들 사이버 보안 회사가 사용하기 위해 AI가 이러한 공격을 탐지하고 방어하는 데 도움을줍니다 한 회사 인 CrowdStrike는 약 5 억 달러를 모금했습니다 그들은 실제로 일주일에 수조 건의 사건을 분석합니다 또한 연간 약 3 만 건의 위반을 방지합니다

매우 중요합니다 또 하나의 사례는 농업인데, 회사 인 Plenty는 전통적인 농장보다 작물 수확량이 300 배가 넘고, 오직 1 %의 물만 사용하십시오 AI가 중요한 역할을하는 것을 볼 수 있습니다 효율성 향상 측면에서 B2C 공간의 몇 가지 예를 살펴 보겠습니다 중국 신생 기업이 강하다

엔터테인먼트가 하나의 예입니다 AI를 사용하여 개인화, 인공 지능을 사용하여 지능형 추천을 수행합니다 앞서 언급 한 것처럼 ByteDance는 좋은 예입니다 또 다른 산업 인 서비스 로봇 UBTech와 같은 회사는이 모든 종류의 제품을 생산하고 있습니다

로봇을 통해 사람들에게 봉사하고, 사람들과 상호 작용하며, 어디에서 인공 지능은 환경을 인식하는 데 중요한 역할을합니다 사람들과 상호 작용합니다 B2G의 좋은 예는 물리적 보안 공간입니다 중국 정부가 높은지지를받는 ​​곳 신생 기업에 큰 계약을 맺습니다 숫자를 살펴 보겠습니다

중국에는 1 억 7 천만 대의 보안 카메라가 설치되어 있으며, 당신은 4 억을 더 기대할 수 있습니다 그래서 미국보다 더 많은 보안 카메라가 있습니다 SenseTime은 공간의 선두 주자입니다 중국에서 다른 경쟁자들도 눈치 챘을 것입니다 FaceTime, CloudWork, [INAUDIBLE] ,, 모두 큰 돈을 모았습니다

따라서 중국의 B2G 공간은 실제로 많은 자본을 끌어 들인다 나는 또한 중국의 B2B 공간이 호황을 누리고 있다고 언급하고 싶다 당신은 미국이 B2B에서 더 강하다는 것을 알지만, 중국 기업들은이 공간에 더 많은 관심을 기울이고있다 그게 왜? 인건비가 증가하고 있기 때문에 고령화 인구의 이제 중국의 기업들은 비용에 더 많은 관심을 기울이고 있습니다 둘째, 모바일 인터넷 사용자의 높은 성장, 성장률은 감소하고있다

현재 중국 기업들은 B2B 공간을 더 찾고 있으며, 더 이상 B2C에서 큰 성장을 할 수 없었기 때문에, 대부분의 분야에서 우리는 몇 가지 예를 볼 수 있습니다 예를 들어 UBTech는 지능형 검사를 구축하고 있습니다 순찰과 안전 위험을 발견 할 수있는 로봇 SenseTime은 원격 감지도 수행합니다

위성 데이터에서 작동합니다 그들은 데이터의 통찰력을 끌어 당깁니다 농업과 같은 산업에 적용 할 수 있습니다 이제 미국 신생 기업을위한 테이크 아웃 B2B 공간에서 뭔가를하고 있다면, 중국 시장으로 확대 할 수있는 큰 기회입니다 한 가지 예가 DataVisor입니다

세쿼이아가 후원하는 미국 회사입니다 그들은 실제로 미국에서 많은 고객들에게 서비스를 제공하고 있으며, 중국에서도 마찬가지입니다 Alibaba, Jingdong, 및 중국의 일부 다른 소셜 앱, 큰 소셜 앱 등이 있습니다 그들은 미국에서 시작했지만 지금은 중국에서 크게 팽창합니다 또 다른 테이크 아웃은 당신이 B2C 또는 B2G 공간, 실제로 당신은 중국의 연습에서 많은 것을 배울 수 있습니다, 중국 신생 기업들이 시도했기 때문에 이 공간에서 정말로 열심히

B2B는 더 힘들 기 때문에 B2C 및 B2G에서 열심히 노력했습니다 그리고 그들은이 공간에서 다양한 가능성을 탐구했습니다 몇 가지 예를 살펴 보겠습니다 얼굴 인식 – 당신은 얼굴 인식을 볼 수 있습니다 중국의 기술이 모든 산업에 적용되었습니다

당신은 교육, 재정, 건강 관리, 엔터테인먼트, 자동차, 보안 여기 많은 산업 당신은 그것이 미국보다 훨씬 앞서 있다고 상상할 수 있습니다 흥미로운 또 다른 예는 번호판 인식입니다 이것을보다 쉬운 컴퓨터 비전 작업이라고 생각할 수 있습니다

차 안에서 번호판을 알아볼 수 있습니다 현재 중국에서는 많은 쇼핑몰에 이러한 시스템이 있습니다 이 시스템은 귀하의 번호판을 인식합니다 네가 주차 구조에 들어갔을 때 그리고 나가면 자동으로 얼마나 많은 시간을 소비했는지 계산해보십시오 그러면 비용을 지불하게됩니다

티켓이 필요하지 않습니다 또한 전체 트래픽 흐름을 크게 향상시킵니다 그래서이 시스템은 현재 중국에서 광범위하게 사용되고 있습니다 그러나 그것은 미국에서 아직 일찍입니다 따라서 미국의 신생 기업의 경우 중국의 일부 응용 프로그램에서

어쩌면 그 중 일부는 미국에도 적용 할 수 있습니다 또 다른 예는 실제 보안 공간입니다 나는 우리가 투자 한이 회사에 대해 언급했다 그들은 보안 로봇을하고 있습니다 그들은 실제로 중국의 B2G 공간에서 많은 것을 배웠습니다

이 보안 로봇은 사무실 공간을 순찰합니다 근무 시간 외 그들은 인간의 탐지를 할 것입니다 그들은 얼굴 인식을하지 않을 것이며, 왜냐하면 사람들은 자신의 프라이버시에 대해 덜 우려 할 것이기 때문입니다 그러나 그들은 인간을 발견하고 안전상의 위험이있는 경우

그들은 또한 미국 보안 경비원들과 협력 할 것이며, 그래서 어떤 위험이 발견되면, 로봇은 이러한 위험을 해결하기 위해 경비원과 협력하게됩니다 자, 우리가 가진 네 번째 관찰 중국 유니콘이 독특한 성장 전략을 채택하고 있다는 것입니다 하나의 전략은 수평 확장입니다 중국에는 몇 가지 유니콘이 있습니다 핵심 AI 기술을 여러 산업 분야에 적용하십시오

SenseTime은 한 가지 예입니다 컴퓨터 비전 기술을 적용합니다 10 개 이상의 산업에 또한 SenseTime은 기업 VC를 설정합니다 다른 전략적 파트너에 투자 할 수 있습니다 엔터테인먼트를하는 회사, 회사를 투자합니다

건강 관리로 AI를하는 똑똑한 도시에서 AI를하는 것 그래서 SenseTime은 실제로이 수평 확장을 수행하고 있습니다 전체 성장을 가속화합니다 다른 많은 AI 유니콘이 있습니다 비슷한 일을하는 중국에서

글쎄, 우리는 미국에서 대부분의 인공 지능 유니콘, 그들은 주로 수직, 그들은 자본 효율이 더 좋다고 생각하기 때문입니다 우리는 수평 확장 일부 미국 AI 시작 프로그램에도 적용 할 수 있습니다 그러나 전부는 아닙니다 중국의 두 번째 흥미로운 전략 여러 수익원 스트림이라고합니다 중국의 인공 지능 신생 기업, 그들은 freemium 모델을 제공합니다 얼리 어답터 용

그러나 이것이 무료라면 어떻게 돈을 벌 수 있습니까? 그들은 다른 시내에서 수익을 얻을 수 있습니다 이 번호판 인식 시스템을 예로 들어 봅시다 그래서 중국에서는 이들 회사가이 시스템을 구축 할 때, 쇼핑몰 운영자에게 판매하기가 어렵습니다 쇼핑몰 주인이하지 않기 때문에 그 댓가를 많이 치르고 싶어 그들은 오, 나는 당신이 아무것도 지불 할 필요가 없다고 말합니다

나는 너에게 그것을 무료로 줄 것이다 그러나 교환을 위해 입구에 광고를 몇 개 넣으십시오 이제 그들은 광고, 광고, 다른 회사에게 돈을 벌기 위해 그렇게함으로써, 비용을 충당합니다 그러나 나중에 쇼핑몰이 점점 더 많이 늘어날 때 그들의 시스템을 가지고 있다면, 그것들은 더 쉽다 다른 많은 쇼핑몰에 팔려고 실제로 이것은 B2C 성장 전략과 유사합니다

Google은 소비자에게 무료 서비스를 제공하며, 채택이 훨씬 빨라질 수 있습니다 그래서 중국어 유니콘이 실제로 적용됩니다 B2C 공간에서의이 흥미로운 성장 전략 B2B에, 중국에있는 B2B가 아주 단단하기 때문에, 그들은 B2C 공간에 들어갈 영리한 방법을 생각할 필요가 있습니다 채택을 가속화합니다 그렇다면 왜 이런 종류의 성장 전략을 시도할까요? 내가 말했듯이, B2B는 중국에서 더 힘들다

고객 채택 속도가 느리기 때문에 가능한 한 빨리 여러 산업으로 확장해야합니다 둘째, 성장 압력이있다 중국 투자자들로부터 그래서 중국에서는 투자자들이 B2C 성장을 추구 했었습니다 B2B 공간에서 더 힘들어하는 기하 급수적 인 성장과 같습니다 따라서 여러 산업으로 확장해야했습니다

더 빠른 성장을 달성하십시오 셋째, 높은 압력이 있습니다 중국의 치열한 경쟁에서 그래서 SenseTime은 실제로이 회사들과 경쟁하고 있습니다 많은 산업 분야에서 이 회사들은 모두 엄청난 돈을 모았습니다 그래서 경쟁은 정말로 높습니다

그래서이 회사들은 다른 산업으로 진출하려고 노력할 것입니다 경쟁사보다 빠릅니다 이제 미국 신생 기업을위한 테이크 아웃 일부 신생 기업을 위해 수평 확장을 시도 할 수 있습니다 핵심 기술과이 기술이 있다면 여러 산업 분야에 적용 할 수 있으며, 이런 종류의 성장 전략을 시도해 볼 수 있습니다 자가 운전 기술과 같은 몇 가지 예를 들면, 당신은 자동차에 적용 할 수 있습니다; 소매업; 보안, 당신이 보안 로봇을한다면; 공급망 관리, 당신은 창고에서 로봇을 할 수 있습니다

로봇 프로세스 자동화 및 사기 탐지를 위해, 비슷한 전략을 시도해 볼 수 있습니다 많은 산업 분야에 적용된다 둘째, 여러 수익에 대한 인수 스트림, 나는 미국 B2B 벤처 기업이 다른 수익을 생각할 수 있다고 생각합니다 스트림은 고객이 서비스를 구독하는 것 이상입니다 이것은 실제로 고객 채택을 가속화 할 수 있습니다

미국에서이 전략을 적용하는 경우, 어쩌면 경쟁자보다 훨씬 빨리 갈 수 있습니다 마지막으로 몇 가지 기회에 대해 이야기하고 싶습니다 미국 신생 기업 먼저 시장을 넓힐 수 있습니다 내가 언급 한 것처럼 중국과 다른 신흥 시장 그래서 두 번째로, 미국 신생 기업은 중국의 관행, 특히 B2C 및 B2G 공간에서

셋째, 적은 비용으로 산업을 살펴 ​​보는 것이 흥미 롭습니다 경쟁, 그래서 사람들을위한 더 많은 기회가있다 새로운 인공 지능 시작을 시작합니다 넷째, 기업들은 새로운 기술 동향을 활용해야한다 AI에서

따라서 세 번째 기회에 대해 신생 기업 경쟁이 덜한 산업으로 진입 할 수 있습니다 그래서 숫자를 조사합니다 우리는 특정 산업의 경우, 자본 집중도가 높습니다 이는 신생 기업이 이미 많은 자본을 확보했음을 의미합니다 따라서 경쟁이 치열할 수 있습니다

그러나 새로운 신생 기업의 경우 일부 업종을 살펴 보는 것이 좋습니다 적은 경쟁으로 – 예를 들어, 교육, 여행, 에너지, 소매, 우주 기술, 농업, 재료 및 기타 여러 분야에 적용됩니다 그래서이 공간에서 실제로 어떤 회사도 거대한 자본 라운드를 일으켰다 따라서 신생 기업이 쉽게 진입 할 수 있습니다 경쟁이 덜합니다

따라서 이러한 산업에 관심을 기울이는 것이 좋습니다 따라서 네 번째 기회는 새로운 기술을 살펴 보는 것입니다 AI의 추세 나는 세 가지 범주로 간단히 요약했다 하나는 데이터 처리를위한 것입니다

AI plus IoT– 가장자리 계산, 5G 이 기술은 모두 더 많은 실시간 처리를 허용합니다 대용량 데이터 두 번째 범주는 계산 능력입니다 예를 들어, 텐서 처리 장치, TPU, Google이 제공합니다 나는 그것이 활용할 좋은 기술이라고 생각합니다

전체 AI 계산 속도를 높이십시오 양자 컴퓨팅이 진행 중입니다 우리는 아직 몇 년 전에 그것을 기다릴 필요가 있습니다 더 잘 개발된다 그러나 그것은 유망하다

세 번째 범주는 새로운 알고리즘입니다 다시 한 예로, 다음과 같이 사용할 수 있습니다 매우 실제 가짜 이미지를 생성합니다 예를 들어 일부 회사는 GAN은 인공 지능 시스템에 대한 위조 훈련 데이터를 생성합니다 많은 데이터를 가져올 필요가 없습니다

이제 알고리즘을 사용하여 더 많은 교육 데이터를 생성 할 수 있습니다 일부 회사는 신청할 생각이 있습니다 GAN은 어떤 창조 작업을해야합니다 AI 기술을 적용한 학습 학습 한 산업에서 다른 산업으로 너에게 이미 지식을 전하라 한 업계에서 배웠습니다

한 국가에서 다른 국가로 시스템을 확장하는 경우, 전송 학습도 도움이 될 수 있습니다 연합 학습 – 협업 시스템을 수행 할 수 있습니다 중앙 교육 데이터없이 학습 분산 컴퓨팅과 같은 기능을 수행 할 수 있습니다 큰 시스템을 훈련 할 때

승인 요약하면, 오늘 네 가지 주요 관찰 내용을 나눴습니다 첫째, R & D 분야에서 미국은 중국보다 앞서있다 둘째, 제조를 위해 중국 미국 회사가 활용할 수있는 몇 가지 이점이 있습니다 셋째, B2B, 미국은 중국보다 앞서 있습니다

그러나 B2C와 B2G에서 중국 기업 실제로 매우 강하다 따라서 여기에있는 B2B 회사가 중국으로 확장하는 것이 좋습니다 또한 B2C 및 B2G 산업의 경우, 미국 신생 기업은 중국의 성공을 통해 배울 수 있습니다 네 번째 관찰은 중국 유니콘이다 독특한 성장 전략을 채택하십시오

나는 미국에서의 대부분의 창업을 생각한다 어쩌면 중국의 성장 전략에서 뭔가를 배울 수 있습니다 빠른 고객 채택을 가능하게합니다 그리고 미국 기업에 대한 기회 – 첫째, 더 많은 시장으로 진출하십시오 둘째, 중국의 관행에서 배울 수 있습니다

셋째, 경쟁이 덜한 산업으로 진입하십시오 엄청난 기회가 있다고 생각합니다 AI 신생 기업이해야 할 일 이러한 산업에서 큰 문제를 해결할 수 있습니다 경쟁이 덜합니다

마지막으로, 이러한 새로운 기술 동향에주의를 기울이고, 기술 일부를 활용할 수 있습니다 앞으로 귀하의 유니콘을 건설하십시오 모두들 감사합니다 [박수 갈채]

John Searle: "Consciousness in Artificial Intelligence" | Talks at Google

존 브라 카글 ​​리아 : 제 이름은 존 Bacaglia입니다 저는 YouTube 운영에 종사하는 Google 직원입니다

또한 Singularity Network라는 그룹을 이끌고 있습니다 토론에 초점을 둔 내부 조직 인공 지능의 합리성 오늘 John Searle과 함께 기쁘게 생각합니다 간단한 소개로 John Searle 대학에서 철학 교수 인 Slusser입니다 캘리포니아 – 버클리

그는 그의 공헌으로 널리 유명하다 언어 철학, 정신 철학, 사회 철학 John은 Jean Nicod Prize, National Humanities 그의 작품에 대한 마음과 두뇌 상 메달 그의 고귀한 개념 중에는 중국 방의 논쟁 강한 인공 지능에 반대한다 John Searle, 모두들

[박수 갈채] 존 시어 : 감사합니다 많은 감사합니다 Google에 다시 오게되어 반갑습니다 그것은 대학 밖의 대학입니다 그리고 때로는 이것이 대학이라고 생각합니다

정말로 봐야한다 어쨌든, 여기 있는게 대단한데 그리고 저는 어떤 것에 대해서 이야기 할 것입니다 음, 나는 많은 것을 이야기 할 것입니다 하지만, 기본적으로, 나는 이야기하는 것으로 시작하고 싶다

기술 진보의 중요성에 대해 그리고 미국, 특히,하지만 모두, 정말로, 진보를 축하하기를 원합니다 자기 차를 몰고 다니는 차를 가지고 있다면 그것이 의식적인지 여부에 관심이 있습니다 그러나 나는 많은 것들이 있다고 말할 것입니다 이해에 대한 특정 목적의 문제 기술의 그리고 그것이 제가 말하고자하는 것입니다 이제부터는 몇 가지를 만들어야합니다

지루한 구별 네가하지 않으면 현대의 지적 삶을 이해한다 이 구별을 이해하십시오 우리 문화에는 객관성에 대한 큰 논의가 있습니다 주관성 우리는 객관적인 과학을 위해 노력합니다

문제는 이러한 개념이 체계적으로 지적 재앙을 일으키는 방식으로 모호하다 그들은 인식 론적 의미에서 모호하다 인식론은 지식과 관련이 있다는 것을 의미합니다 인식 론적 – 그리고 존재 론적 인 감각, 존재론은 존재와 관련이 있다는 것을 의미합니다 난 멋진 polysyllabic 단어를 사용하여 싫어

그리고 나는 그것들을 최소한으로 유지하려고 노력할 것입니다 하지만 나는이 두 가지, 인식 론적, 존재 론적이 필요합니다 객관성과 주관성 문제 체계적으로 모호하다는 것입니다 나는 주관성을 줄여서 – 인식 론적 의미와 존재 론적 의미 사이 인식 론적으로, 구분은 유형들 사이에있다

지식 주장 내가 말하면, 렘브란트는 1606 년에 죽었다 아니, 그는 그때 죽지 않았다 그는 그 때 태어났다 나는 렘브란트가 1606 년에 태어 났다고 말할 것입니다

즉 객관적인 사실입니다 그것은 인식 론적으로 객관적입니다 하지만 렘브란트가 가장 위대하다고 말하면 이제까지 살았던 화가, 음, 그것은 의견의 문제입니다 그것은 인식 론적 주제입니다 그래서 우리는 인식 론적 객관성과 주관성을 가지고 있습니다

그것의 기본은 존재의 형태에서의 구별이다 누구나 생각하는 것과 관계없이 많은 것들이 존재합니다 산, 분자 및 지각 판 온톨로지 적으로 객관적인 존재 방식을 가지고있다 그러나 통증과 절임과 가려움증, 그들은 주제에 의해 경험되는 한 존재합니다 그들은 존재 론적으로 주관적이다

그래서 저는 모든 사람들이 그 구별을하기를 바랍니다 왜냐하면 그것은 매우 중요하기 때문에 음, 많은 이유 때문에, 그러나 하나는 많은 현상들입니다

존재 론적으로 주관적이다 인식 론적으로 객관적이다 나는이 물건에 처음 관심이있었습니다 나는 두뇌가이 두뇌를 풀지 않는 이유를 생각했다 의식의 문제

그리고 나는 그들의 신경 생물학 단체에 UCSF를 갔다 그들에게 왜 지옥이 뇌가 의식을 어떻게 일으키는 지 알아 냈어? 내가 너 한테 뭘 지불하니? 그리고 그들의 반응은, 우리가 과학을하고있는 것입니다 과학은 객관적입니다 그리고 당신 자신은 의식이 주관적이라고 인정합니다 따라서 의식의 과학은있을 수 없습니다

이제는 모두 모호함의 오류라고 인식하게 될 것입니다 과학은 실제로 인식 론적으로 객관적이다 우리가 주장하는 것을 위해 노력하기 때문에 진실 또는 거짓으로 확립 될 수 있으며, 제조사의 태도와 무관하다 주장의 해석자 그러나 이론의 인식 론적 객관성 인식 론적 객관적인 설명을 배제하지 않는다

존재 론적으로 주관적인 도메인의 나는 너에게 너무 많은 큰 말들을 사용하지 않겠다고 약속했다 하지만 어쨌든 몇 가지가 있습니다 요점은 이것입니다 인식 론적으로 객관적인 과학을 가질 수 있습니다 의식의 경우에도 의식의 존재 론적으로 주관적이다

이제 그것이 중요 할 것입니다 그리고 다른 구별이 있습니다 모두가 이것을 볼 수있는 것은 아니기 때문에, 나는 내가 지울 때 지울거야 결정적인 또 다른 차이점이 있습니다 그리고 그것은 관찰자 – 독립적인 현상들 사이에 있습니다

그리고 거기 나는 산과 분자를 생각하고있다 지각 판 (tectonic plates), 그들이 어떻게 존재하는지에 관계없이 아무나 생각하는 것 그러나 세상은 관측자 친척 인 우리에게 중요합니다 이는 관찰자와 사용자에 대해서만 존재합니다 예를 들어 지갑에있는 종이는 돈입니다

그러나 돈을 벌 수있는 사실은 그 화학의 사실이 아닙니다 우리가 가지고있는 태도에 대한 사실입니다 따라서 돈은 관찰자 – 상대적인 것입니다 돈, 재산, 정부, 결혼, 대학, Google, 칵테일 파티 및 여름 방학 모든 관찰자 – 상대 그리고 그것은 관찰자 – 독립적 인 것과 구별되어야합니다

그리고 관찰자 – 상대 현상 인간의 의식에 의해 만들어집니다 그러므로 그들은 존재 론적 주관성의 요소를 포함하고있다 그러나 당신은 이미 당신이 가질 수 있다는 것을 알고 있습니다, 어떤 경우에는, 인식 론적으로 객관적인 관찰자 – 상대적인 영역의 과학 그래서 객관적인 과학 경제학을 가질 수 있습니다 비록 경제학에 의해 연구 된 현상 일반적으로 관찰자 – 상대, 존재 론적 주관성의 요소를 포함하고있다

경제학자들은 그것을 잊어 버리는 경향이 있습니다 그들은 경제학을 생각하는 경향이 있습니다 물리학과 비슷합니다 단지 더 힘들어요 내가 경제학을 공부했을 때, 나는 소름이 끼쳤다

한계 비용은 한계 수입과 같습니다 같은 음색의 목소리로 물리학에서 우리는 힘은 질량 시간 가속도와 같습니다 그들은 경제학의 요소 때문에 완전히 다릅니다 모든 관측자 – 상대적이며 요소를 포함합니다 존재 론적 주관성의 주관성이 바뀌면

모든 것이 무너집니다 그것은 2008 년에 발견되었습니다 이것은 경제학에 관한 강의는 아닙니다

나는 네가 그 모든 것을 명심하길 바란다 이제 그 점이 중요합니다 인지 과학, 특히 지능,인지, 기억, 생각, 지각, 그 밖의 모든 것들 두 가지 다른 감각을 가지고있다 그것들은 관찰자 – 독립적 인 하나의 감각을 가지고 있으며, 관찰자 – 상대적인 다른 의미 그리고 결과적으로 우리는 매우 신중해야합니다

우리는 그러한 감각을 혼동하지 않는다 인지 과학의 중요한 개념들 기준 현상을 가지고있다 이는 관찰자 – 상대적이며 관찰자 – 독립적이 아니다 나는 그걸 알게 될거야 좋아, 지금까지 우리 랑 같이 있니? 모든게 너무 분명해 보이길 바래

그런데 왜이 녀석이 우리에게 이런 단호한 태도를 보였을까요? 왜 논란이되는 말을하지 않습니까? 이제 나는 가서 이야기 할거야 일부 지적 역사 몇 년 전에, 여러분 중 누구도 태어나 기 전에, 새로운 학문이 탄생했습니다 그것은인지 과학이라고 불 렸습니다 그리고 그것은 우리 전체에 의해 설립되었습니다

누가 심리학에서 행동주의를 아프게하는지 그것이 그 이유였습니다 그리고 슬로안 재단 (Sloan Foundation)은 우리를 강연하러 돌아 다니곤했습니다 대부분 서로에게 그러나 어쨌든, 괜찮습니다

우리는 슬로안 레인저스라고 불 렸습니다 그리고 저는 인공 지능 연구실 (Artificial Intelligence Lab) 예일에서 그리고 나는 생각했다, 잘, 그리스도, 나는 아무것도 모른다 인공 지능에 대해서 그래서 나는 나가서 Yale에있는 사람들이 쓴 책을 샀다

그리고 생각 나는 $ 1695 플러스 세금 – 돈 낭비를 기억합니다 그러나 그것이 틀렸다는 것이 판명되었습니다 그들은 컴퓨터가 어떻게 이해할 수 있는지에 대한 이론을 가지고있었습니다 그리고 그 아이디어는 당신이 컴퓨터에 이야기를하는 것이 었습니다

그런 다음 컴퓨터에 이야기에 대한 질문을합니다 그리고 컴퓨터는 질문에 정답을 줄 것입니다 대답은 이야기에 포함되지 않았지만 전형적인 이야기 한 남자가 식당에 가서 햄버거를 주문합니다

그들이 햄버거를 가져 왔을 때, 그것은 선명하게 타 오르게되었다 식당에서 폭풍이 몰아 치는 남자 그의 계산서를 지불하지도 않았다 질문, 그 사람이 햄버거를 먹었 니? 음, 여러분 모두 컴퓨터가 이에 대한 해답을 알고 있습니다 아니, 그 사람은 햄버거를 먹지 않았다 그리고 그 대답이 '예'라는 이야기는하지 않겠습니다

똑같이 지루합니다 이제 요점은이 사실이 컴퓨터가 실제로 이야기를 이해합니다 그래서 나는 유나이티드 항공의 뉴 헤이븐으로가는 중이었습니다 30,000 피트에서 그리고 나는 생각했다, 대체, 그들은 나에게 줄 수 있었다

이 이야기는 중국어로 그리고 나는 이야기에 답하기 위해 컴퓨터 프로그램을 따라갈 수 있었다 그리고 나는 그 이야기의 한마디를 이해하지 못한다 그리고 그 생각은, 음, 그건 반대입니다 그들은 생각 했음에 틀림 없다

그리고 저것은 저를 지키지 않을 것입니다 뉴 헤이븐에서 일주일 동안 글쎄, 그들은 그것을 생각하지 않았다는 것이 밝혀졌습니다 그리고 모두들 내가 틀렸다고 확신했습니다 그러나 흥미롭게도 그들은 모두 다른 이유가있었습니다 생각하기에 틀렸어

그리고 논쟁은 1 주일 이상 지속되었습니다 그것은 35 년 동안 지속되었습니다 내말은, 얼마나 자주이 사람들을 논박해야합니까? 그러나 어쨌든, 그것을 통해 가자 인수가 가장 간단한 버전으로가는 방식 나는 중국인이 가득한 방에 갇혀있다? 글쎄, 그들은 중국 상징과 규칙 책으로 가득 찬 박스 다 기호를 조작하기위한 영어로 알 수없는 상자는 데이터베이스라고 부릅니다

규칙 책은 프로그램이라고 부릅니다 방에 와서, 나는 중국 상징을 얻는다 알지 못하는 사람들은 질문입니다 나는 내가해야 할 일을 찾는다 그리고 내가 많은 상징들을 섞은 후에, 나는 다른 상징들을 돌려 준다

그리고 그 질문에 대한 답변입니다 이제 우리는 당신의 지루함을 희망합니다

나는 이것 때문에 나는이 이야기를 여러 번 말했어 우리는 그들이 프로그램을 잘 작성한다고 생각할 것입니다 나는 기호를 뒤적 거리며 걷는 것을 아주 잘한다 내 대답은 구별 할 수 없다

원어민 화자로부터 나는 중국어를 이해하기 위해 튜링 테스트를 통과한다 똑같은, 나는 한 마디의 말을 이해하지 못한다 그리고 중국 방에는 방법이 없습니다 내가 중국 만 이해할 수 있기를

컴퓨터 시스템입니다 그리고 내가 운영하는 규칙은 컴퓨터 프로그램입니다 그리고 이것은 중요한 포인트입니다 이 프로그램은 전적으로 구문 론적이다 전적으로 일련의 작업으로 정의됩니다

이상 구문 요소 약간 더 기술적으로 말하자면, 동일하게 구현 된 프로그램이라는 개념 이 동등한 클래스를 정의합니다 모든 물리학과 완전히 독립적으로 지정됩니다 특히 물리학 적으로 독립적이다 그 실현의

결론은 내가 이해할 수 없다면이다 구현에 기초한 질문 및 답변 프로그램을 실행하면 다른 디지털 컴퓨터에서도 마찬가지입니다 그 이유는 컴퓨터가 없기 때문입니다 내가 갖고 있지 않은 것이있다 컴퓨터는 순수 구문 장치입니다

그들의 연산은 구문 적으로 정의됩니다 그리고 인간의 지능은 구문 이상의 것을 필요로합니다 의미론이 필요합니다 그것은 무슨 일이 일어나는지에 대한 이해가 필요합니다 내 행동을 영어로 대조하면 이걸 볼 수 있어요

내 행동은 중국어로 그들은 나에게 영어로 질문을한다 그리고 저는 영어로 답변을드립니다 그들은 미국에서 가장 긴 강이 뭐란 말인가? 그리고 제가 말하길, 음, 그것은 미시시피입니다, 또는 미시시피 – 미주리 주 당신이 하나의 강으로 간주한다면 그들은 중국에서 나에게 묻습니다

중국에서 가장 긴 강은 무엇입니까? 나는 그 질문이 무엇인지, 그것이 무엇을 의미하는지 모른다 내가 가진 모든 것은 중국 상징입니다 그러나 나는 그 상징으로 무엇을해야 하는지를 찾는다 나는 대답을 돌려 준다 그것은 옳은 대답이다

그것은 양쯔시 다 그것은 중국에서 가장 긴 강입니다 나는 그 어떤 것도 모른다 나는 단지 컴퓨터 일 뿐이야 따라서 결론은 구현 된 컴퓨터 프로그램 그 자체로는 충분하지 않을 것입니다

인간의 이해가 있기 때문에 인간의 이해를 위해 구문 이상 그것은 의미론을 가지고 있습니다 두 가지 기본 원칙이 있습니다 그것은 중국 방의 주장을 뒷받침한다 그리고 그들 둘 다 분명히 사실입니다

각 단어를 네 단어로 나눌 수 있습니다 구문은 의미론이 아닙니다 그리고 시뮬레이션은 중복되지 않습니다 시뮬레이션 할 수 있습니다 질문을위한 충분한 시간

그건 그렇고 시간이 얼마나 남았습니까? 나는 ~하고 싶다 JOHN BRACAGLIA : 궁금한 점이 많습니다 JOHN SEARLE : 나는 모든 사람들에게 질문을 할 기회가있는 질문이 있습니다 어쨌든, 그것은 유명한 중국 방의 주장입니다 그리고 설명하는데 약 5 분이 걸립니다

이제 내가 가진 반응에 놀랄 것입니다 그들은 절대적으로 아슬 아슬했다 그들의 터무니없는 이제 몇 가지 대답을 드리겠습니다 좋아하는 대답은 이것이었다

너는 방에 있었다 너는 그 모든 상징을 가졌다 상자가 있었어 아마 일할 스크래치 용지를 가지고있을 것입니다 자, 이해 한 것은 당신이 아니 었습니다

당신은 CPU 일 뿐이며, 그들은 경멸감을 가지고 말할 것입니다 처리 장치 나는 그 당시에이 단어들이 의미하는 것이 무엇인지 몰랐습니다 CPU, 그것은 이해하는 시스템입니다 그리고 처음이 이야기를 들었을 때, 방은 중국인을 이해한다, 나는 그 사람에게 말했다

그리고 그는 말했다, 예, 방은 중국어를 이해합니다 음, 필사적 인 대답입니다 나는 용기를 존경합니다 그러나 문제가 있습니다 그리고 그것이 내가 이해하지 못하는 이유입니다

나는 구문에서 의미론으로 갈 수 없다 그러나 방도 마찬가지입니다 컴퓨터의 구문에서 방이 어떻게 생깁니 까? 의미에 대한 입력 기호의 프로그램 상징의 이해? 방이 거기에 도착할 수있는 방법이 없습니다 그것은 의식이 필요하기 때문입니다 내 의식 외에도 방에서

그리고 그러한 의식은 없습니다 어쨌든, 그것은 많은 해답 중 하나였습니다 내 즐겨 찾기 중 하나는 이것이었다 이것은 공개 토론에서였다 한 남자가 내게 말했다

그러나 우리가 당신에게 묻는다 고 가정 해보자 중국어를 이해합니까? 네가 중국 말을 이해한다고 가정 해 봅시다 잘? 글쎄, 좋아, 시도하고 우리가 얼마나 멀리 있는지 보자 나는 이렇게 보이는 질문을 받는다 자, 이것은 중국인의 방언에있을 것입니다

인식하지 못합니다 알 수없는 그 상징은, 중국어를 이해합니까? 나는 내가해야 할 일을 찾는다 그리고 나는 그들에게 상징을 되돌려 준다 같은 중국어 방언에서 그리고 그렇게 보입니다

그리고 그건 왜 너희들이 내게 그런 멍청한 질문을하는거야? 내가 중국어를 이해한다는 것을 알 수 있니? 나는 다른 응답과 이의 제기를 계속할 수 있었고, 하지만 그들은 모두 똑같이 약하다고 생각합니다 최종선에는 논리적 인 진실이 있습니다 그리고 그것은 구현 된 컴퓨터 프로그램 구문 적으로 정의됩니다 그리고 그것은 약점이 아닙니다 그것이 권력입니다

계산의 구문 론적 정의의 힘 당신은 전자 기계에 그것을 구현할 수 있습니까? 말 그대로 수백만 개의 계산을 수행 할 수 있습니다 매우 짧은 시간에 나는 이것을 믿을 지 모르겠다 그러나 항상 그것을 믿는다 교과서에서 딥 블루 1 초에 2 억 5 천만 회의 계산을 수행 할 수 있습니다 좋아, 나는 그들의 말을 듣는다

따라서 컴퓨터의 약점이 아닙니다 자, 내가 때때로 가지고있는 또 다른 주장 프로그램에서, 우리는 종종 자연 이해의 의미론이라 불리는 섹션 프로그램 그리고 그것이 옳다 그러나 물론, 그들이하는 일은 더 많은 컴퓨터에 넣는 것입니다 이행

그들은 더 많은 구문을 사용합니다 자, 지금까지, 너무 좋아 그게 전부라고 생각한다면, 나는 전에 그 모든 것을 말했어 하지만 지금 나는 훨씬 더 많은 것을 계속하고 싶다 재미있는

그리고 여기에 그것으로갑니다 이제 어떻게 지내니? 나는 모든 사람들이 이해하는 것 같다 질문 할 시간이 충분할 것입니다 나는 좋은 질문 기간을 주장한다 그래서 물 한잔하자

나는 다음 단계로 나아 간다 나는 그것이 더 중요하다고 생각한다 많은 사람들이 생각하고, 잘 보았고, 어쩌면 컴퓨터가 중국어를 이해하지 못하고, 그러나 모두 똑같이 정보 처리를합니다 그리고 그것은 결국 계산을합니다 그것이 우리가 기계를 정의한 것입니다

최근에 두 권의 책을 검토해야했습니다 한 권의 책은 우리가 새로운 시대에 살고 있다고 말하면서, 정보의 시대 그리고 놀라운 폭발에서, 저자 모든 것이 정보라고 말했다 이제 모든 것이 정보라면 우리를 걱정해야합니다 그리고 나는 또 다른 책을 읽었다

이것은 낙관적 인 책이었습니다 나는 이것을 검토했다 – "The New York Review of Books" 컴퓨터가 지금이다라고 말하는 사람에 의한 덜 낙천적 인 책 너무 똑똑하기 때문에 그들은 우리만큼 영리합니다 그리고 곧 우리는 똑똑해질 것입니다 그리고 나서이 청중에게 다음 단계를 말할 필요가 없습니다 그들은 우리보다 훨씬 똑똑해

그리고 나서 그들이 얻을지도 모르기 때문에 밖으로 본다 우리에게 억눌린 것에 질려 그리고 그들은 단순히 일어나서 우리 모두를 전복시킬 수 있습니다 그리고 이것은 저자가 겸손하게 말한 것입니다 나는 이것이 당신이 책을 판매하는 방법이라고 생각합니다

그는 이것이 인류가 당면한 가장 큰 도전일지도 모른다고 말했다 이제까지 직면 한, 곧 나오는 반란 슈퍼 스마트 컴퓨터의 자, 나는이 두 주장이 어리 석다는 말을하고 싶습니다 내 말은, 나는 여기서 속기를 말하고있다 나에게 대답 할 기회가 충분히있을거야

왜 그런지 간단히 말하고 싶습니다 지능의 개념에는 두 가지 의미가 있습니다 그것은 관찰자 – 독립적 감각을 가지고있다 그것은 심리적으로 실제적인 것을 식별합니다 그래서 나는 내 개 Tarski보다 더 똑똑하다

이제 Tarski는 꽤 영리합니다 나는 동의합니다 하지만 전반적으로, 나는 Tarski보다 더 똑똑합니다 나는 네 마리를 낳았다 Frege, Russell, Ludwig 및 Tarski가 있습니다

그리고 타 스키, 그는 베르네 산 강아지입니다 나는 그를 데려 오지 않아서 미안해 그러나 그는 차를 위해 너무 크다 이제, 그는 매우 영리합니다 하지만 그는 똑같은 의미의 지성을 가지고 있습니다

단지 그는 내가하는 것보다 다소 적게 발생합니다 자, 내 컴퓨터도 지능적입니다 또한 정보를 처리합니다 그러나 이것이 핵심 포인트입니다 – 그것은 관찰자 – 친척입니다 컴퓨터에 지능이있는 유일한 감각 내재적 인 것이 아니라 관찰자 – 상대적인 의미입니다

우리는 그런 방식으로 그 동작을 해석 할 수있다 우리가 할 수있는 건 이 용어를 보아

인식 론적으로 객관적인 정보의 주장 문제의 지성 보는 사람의 눈에 전적으로 달려있다 이것은 강제적으로 나에게 집으로 가져왔다 IBM이 디자인 한 신문을 읽었을 때 세계 유수의 체스를 이길 수있는 컴퓨터 프로그램 플레이어 그리고 Kasparov가 Karpov를 이길 때와 같은 감각으로 그래서 우리는 Deep Blue가 Kasparov를 이길 것이라고 들었습니다 이제는 Karpov와 Kasparov에 대해 우리를 걱정해야합니다

체스를 치기 위해서는 의식이 있어야합니다 그들은 체스를하고있다 둘 다 그런 것들을 알아야 해 내가 4 대 왕에게 전당포로 열었을 때, 내 여왕이 왼쪽에 위협 받고있어 보드의

그러나 지금 주목해라, 딥 블루는 그 누구도 알지 못한다 아무 것도 모르기 때문에 인식 론적으로 객관적인 주장을 할 수 있습니다 딥 블루에 대해서 그것은 그러한 움직임을 만들었습니다

그러나 놀고있는 지적인 체스의 귀속, 이 움직임 또는 그 움직임, 그것은 모두 관찰자 – 상대적인 것입니다 그 중 어느 것도 본질적이지 않습니다 내가 더 많은 지능을 가지고있는 본질적인 의미에서 내 개보다 내 컴퓨터에는 제로 지능이 있습니다 절대적으로 전혀 매우 복잡한 전자 회로입니다

생각하고있는 것처럼 행동하도록 설계된 마치 지능적인 것처럼 그러나 엄밀한 의미에서, 관찰자 ​​- 독립적 인 의미에서 너와 나는 지능이있다 컴퓨터에 지능이 없습니다 그것은 모두 관측자 친척입니다 그리고 정보에 대한 간다

인지 과학의 주요 개념에 대해 지능, 기억, 지각, 의사 결정, 합리성 두 가지 감각, 감각 심리적으로 실제 현상을 확인하는 곳 너와 나 그리고 계속되는 종류의 관찰자 – 상대 현상을 확인한다 그러나 본질적인 의미에서 너와 나는 정보를 가지고있다, 우리가 말하는 기계류 지능이 없다 그것은 더 많거나 적은 것을 갖는 것에 대해서는 의문의 여지가 없습니다 그것은 같은 사업 분야에 있지 않습니다 모든 지능은 보는 사람의 눈에 있습니다

그것은 모두 관측자 친척입니다 이제, 당신은 말할 수 있습니다 – 그리고 나는 말할 것입니다 – 그래서, 대부분의 목적을 위해, 아무런 차이가 없다 제 말은, 당신이 스스로 운전할 수있는 자동차를 디자인 할 수 있다면, 의식이 있든 없든 누가 신경 쓰나요? 말 그대로 지능이 있다면 무슨 상관이야? 그리고 나는 동의한다 대부분의 경우 문제가되지 않습니다 실제적인 목적을 위해, 당신은 옵저버에 독립적입니다

또는 관찰자 – 상대 감각 문제가되는 유일한 지점입니다 저작자 표시에는 심리적 의미가 있다고 생각합니다 지능의 본질적인 지능이 없다 자, 우리가 지능을 주목해라

우리가 지능을 결정 짓는 정신적 과정 의식이 필요합니다 따라서 관찰자 – 상대성 이론의 속성 의식있는 대리인에 의해 행해진 다 그러나 의식은 관찰자 – 친척 자체가 아닙니다 관찰자 – 상대 현상을 만드는 의식 관찰자 – 친척이 아니다 그러나 이제는 위기 상황에 도달하자

정보가 체계적으로 모호하다면 너와 내가 가진 본질적인 감각 사이에 정보, 관찰자 ​​- 상대 감각, 컴퓨터가 정보를 가지고, 계산은 어떨까요? 결국, 계산, 반드시해야합니다 컴퓨터에 내재되어 있어야합니다 그것이 우리가 할 일을 고안하고 건설 한 것입니다 계산이었다 그러나 물론 같은 구분이 적용됩니다

그리고 나는 물 한 잔 마시고 싶다 역사에 대해 잠시 생각해보십시오 내가 Alan Turing의 글을 처음 읽을 때, 그것은 "Computing Machinery and Intelligence"라고 불렸다 이제 그는 왜 그것을 "컴퓨터와 지성"이라고 부르지 않았습니까? 글쎄, 당신은 모두 답을 알고 있습니다 당시 "컴퓨터"는 "계산하는 사람"을 의미했습니다

컴퓨터는 주자 또는 피아노 연주자와 같습니다 수술을하는 사람이 바로 인간입니다 요즘 아무도 그렇게 생각하지 않을 것이기 때문에 그것의 의미가 바뀌었다 또는 오히려 체계적 모호성을 얻었습니다 관찰자 – 상대 감각 그리고 관찰자 – 독립적 감각

이제 우리는 컴퓨터 이름 실제로 수행하는 인간이 아닌 기계의 한 유형 계산 그러나 우리가 적용한 동일한 구별은, 우리가 발견 한 것과 똑같은 구별 이 모든 다른 경우에 적용됩니다 리터럴 또는 관찰자 – 독립적 인 계산에 이제 나는 간단한 계산을 할 것입니다 나는 더하기 함수를 사용하여 계산을 할 것입니다 그리고 그것이 어떻게 진행되는지에 대한 것입니다

그것은 큰 문제가 아닙니다 하나 더하기 하나는 2와 같습니다 자, 내가 계산을 수행 한 감각 절대적으로 내재적이며 관찰자 – 독립적이다 아무도 나에 대해 말한 것을 신경 쓰지 않는다 전문가들이 말한다면, 당신은 실제로 컴퓨팅이 아니 었습니다

아니, 그랬어 나는 의식적으로 계산을했다 포켓 계산기가 같은 작업을 수행 할 때, 수술은 전적으로 관찰자 – 상대적인 것입니다 본질적으로 진행되는 모든 것은 전자 상태 집합입니다 우리가 디자인 한 트랜지션 계산적으로 해석 할 수 있습니다

그리고, 다시 말하면, 대부분의 목적을 위해, 그것은 중요하지 않습니다 중요한 것은 사람들이 말할 때입니다 글쎄, 우리는 기계적 지능의 경주를 만들었습니다 그리고 그들은 일어나서 우리를 전복시킬 것입니다 아니면 그들은 다른 어떤 것도 동등하지 못한 것이라고 생각한다

기계에 대한 심리적 해석 상업용 컴퓨터에서, 계산 관측자 상대 이제 주목해라, 너는 모두 그것이 의미하지 않는다는 것을 안다 그것은 인식 론적 주관적입니다 그리고 나는 많은 돈을내어 애플이 프로그램을 구현할 기계를 만들 것입니다

내 초기 컴퓨터가 지능이 충분하지 않았다고 구현 관찰자 관련 기여에 유의하십시오 여기에 정보가 있습니다 그래서 당신이하지 않으면 절대적으로 무해합니다 심리적 인 의미가 있다고 생각합니다

물론 기계에서 부족한 부분은 무엇입니까? 우리는 인간 안에서 관찰자의 차이 상용 컴퓨터에서 계산의 상대성 내재적 또는 관찰자 독립적 계산 내가 칠판에 방금 공연 한 내용, 부족한 부분 의식이다 모든 관찰자 – 관련 현상은 인간과 동물의 의식에 의해 만들어집니다 그러나 인간과 동물의 의식 그것들을 만드는 것은 그 자체가 관찰자 – 친척이 아니다 따라서 본질적인 정신 현상, 의식 관측자 상대 현상을 만드는 에이전트의 또는 관찰자에서 기계 시스템을 해석한다 상대 패션

그러나 관찰자 상대성을 만드는 의식 관찰자 – 친척이 아니다 내재적이야 이제는 충분한 시간을 들여 토론하고 싶었습니다 그러니 내 숨을들이 쉬고 나서 무엇의 주요 추진력에 대한 요약 나는 논쟁 해왔다 그리고 내가 강조하지 않은 것들 중 하나 하지만 지금 강조하고 싶습니다

대부분의 장치, 개념 장치, 우리는 이러한 문제를 논의하기 위해 완전히 폐기되었습니다 정신과 육체의 차이, 사회와 개인의 차이, 이 특징들 사이의 구별 관찰자 – 상대적인 방식으로 식별 될 수 있고, 계산과 같은 관찰자 – 독립적 인 방식으로 식별 될 수 있으며, 계산과 같은 우리는하지 않는 어휘에 혼란 스럽습니다 문제는 충분히 명확하다 그리고이 토론을 끝내겠습니다

어휘의 몇 가지 요소를 살펴 보겠습니다 이제 물 한 잔 마시고 숨을 쉬자 그 오래된 질문부터 시작해 보겠습니다 기계가 생각할 수 있을까? 글쎄, 나는 그 어휘가 쓸모 없다고 말했다 그리고 인간과 기계의 어휘 기계에 의한 것이기 때문에 이미 폐기되었습니다

수행 할 수있는 물리적 시스템을 의미했습니다 특정 기능을 사용한다면, 우리는 모두 기계입니다 나는 기계 다 당신은 기계입니다 그리고 내 추측은 기계 만이 생각할 수있는 것입니다

왜? 그럼 다음 단계입니다 사고는 뇌에서 만들어지는 생물학적 과정입니다 확실히 복잡하지만, 충분히 이해하지 못함 신경 생물학 과정 생각하기 위해서, 당신은 뇌가 있어야합니다 또는 당신은 동등한 인과 관계를 가진 어떤 것을 가지고 있어야합니다

뇌에 우리는 다른 매체에서이 방법을 찾아 낼 수도 있습니다 우리는 뇌가 어떻게하는지 충분히 알지 못합니다 그래서 우리는 그것을 인위적으로 만드는 법을 모릅니다 그래서 기계가 생각할 수 있을까요? 인간은 기계입니다

네,하지만 인공 기계를 만들 수 있습니까? 생각할 수 있니? 왜 안돼? 그것은 인공 심장과 같습니다 질문, 인공 뇌를 만들 수 있습니까? 생각할 수 있습니다 질문과 같습니다 혈액을 펌핑하는 인공 심장을 만드십시오 우리는 마음이 그것을 어떻게하는지 압니다

그래서 우리는 그것을 인위적으로하는 방법을 알아라 우리는 뇌가 어떻게하는지 모릅니다 그래서 우리는 전혀 모릅니다 내가 이것을 반복하겠습니다 우리는 생각을 만드는 방법을 모릅니다

왜냐하면 우리는 뇌가 어떻게하는지 모르기 때문입니다 우리가 할 수있는 것은 시뮬레이션을 사용하는 것입니다 일종의 공식 체계 하지만 그건 진짜가 아닙니다 당신은 그렇게 생각하지 않습니다

인공 심장은 실제로 혈액을 펌프질합니다 그래서 우리에게는 두 가지 질문이있었습니다 기계가 생각할 수 있을까요? 그리고 인위적으로 만들어진 기계가 생각할 수 있습니까? 질문 1에 분명히 대답하십시오 질문 2에 대한 답변은 아직 모릅니다 그러나 원칙적으로 장애물은 없습니다

모두가 그것을 볼 수 있습니까? 인공 두뇌를 만드는 것은 빌딩과 같습니다 인공 심장 유일한 것은 아무도 그것을 시도하기 시작했습니다 그들이 어떻게 시도했는지 모르기 때문에 시도를 시작하지 않았습니다 실제 두뇌는 그것을합니다

그래서 그들은 실제 두뇌를 모방하는 법을 모릅니다 음, 그래,하지만 인공 뇌를 만들 수 있니? 완전히 다른 재료로 생각할 수 있습니다 아무것도없는 것에서 핵 – 단백질과 관련이 있고 뉴런과 신경 전달 물질 나머지는 모두 다 그리고 대답은, 다시, 우리는 모른다 그것은 나에게 열린 질문으로 보인다

우리가 뇌가 어떻게 그것을했는지를 안다면, 우리는 정의 할 수 있을지도 몰라 내 말은, 그것을 사용하여 할 수있는 기계를 설계 할 수 있어야한다 어떤면에서 완전히 다른 생화학 인공 심장이 사용하지 않는다는 것 혈액을 펌프로 보내는 근육 조직 혈액을 펌프질하는 데 근육 조직이 필요하지 않습니다 의식을 만들기 위해 뇌 조직이 필요하지 않을 수도 있습니다

우리는 단지 무지합니다 그러나 원칙적으로 장애물이 없다는 것을 알 수 있습니다 문제는 아무도 당신이 어떻게 할 것인지 생각하기 시작하지 않았다는 것입니다 생각하는 기계를 만들자 어떻게 사고를 만들지? 뉴런이 아닌 다른 재료로 기계를 만든다

그들은 우리가 어떻게 할 수 있는지 생각하기 시작하지 않았기 때문에 복제하고 단순히 시뮬레이션하지 않는 두뇌가 실제로하는 일 그래서 질문은 기계가 생각할 수 있습니다 인공 기계가 생각할 수있는, 인공 기계를 만들 수 있니? 일부 완전히 다른 재료들 중, 그 기계들이 생각할 수 있겠 니? 그리고 이제 다음 질문이 명백합니다 글쎄, 컴퓨터는 어때? 컴퓨터가 생각할 수 있을까요? 자, 여기서주의해야합니다 컴퓨터가 수행 할 수있는 것으로 정의 된 경우 계산, 글쎄, 방금 했어

이것은 계산입니다 그래서 저는 컴퓨터입니다 여러분 모두 마찬가지입니다 수행 할 수있는 모든 의식 요원 그 간단한 계산이 가능하다는 것은 컴퓨터 생각할 능력이있다 내 추측은

그리고 나는 기회가 없었어 이 아이디어를 개발하는 것 – 그것은 컴퓨터뿐 아니라 생각 해봐 너와 나 하지만 내 추측이야 그게 생각할 수있는 모든 것입니다 수행 할 수 있어야한다 간단한 계산

그러나 이제 계산 상태는 어떻습니까? 여기 핵심 요소는 이미 언급 한 것입니다 계산은 두 가지 감각, 관찰자 ​​- 독립적 감각 관찰자 – 상대 감각 관찰자 – 상대적인 의미에서, 무엇이든 컴퓨터 해석입니다 손목 시계 아주 간단한 컴퓨터를 보여 드리겠습니다

그 컴퓨터는 방금 잘 알려진 기능을 계산했습니다 s는 1/2 제곱 제곱과 동일합니다 그리고 만약 당신이 충분히 좋은 시계를 가지고 있다면, 당신은 실제로 시간을 정해서 알아낼 수 있습니다 그 망할 것이 얼마나 떨어진거야 모두가 본다

그것은 초등 수학입니다 그럼이게 컴퓨터라면 뭐든지 컴퓨터라서 컴퓨터 란다 관찰자 – 상대 감각에서는 그렇지 않다 물체의 본질적인 특징, 그러나 우리의 물리학 해석의 특징 현상의 옛날 중국 방일 때, 언제 나는이 사람들에 대해 토론해야했다

한순간에, 나는 펜을 가져갈 것이다 그것을 테이블에 밀어 넣고 디지털 컴퓨터라고 말하십시오 지루한 컴퓨터 프로그램이 생기는 것입니다 이 프로그램은 거기 머물러 있다고 말합니다 요점은이 일에 아무도 나를 부르지 않았다는 것입니다

분명히 옳기 때문입니다 그것은 교과서 정의를 만족시킵니다 알다시피, 초기에는 기술적 인 razzmatazz를 많이 보면서 나를 눈 떴습니다 "당신은 가상 머신 비 가상 머신 "또는"은 트랜스 듀서를 제거했다 " 당신은 내가 변환기가 뭐였는지 모르겠다

가상 머신 그러나 그러한 것들을 배우는 데는 약 5 분이 걸립니다 어쨌든, 이제 우리는 이것에 대한 중요한 질문에 도달하게됩니다 컴퓨터가 생각할 수 있다면, 인공 컴퓨터 생각할 수 있습니다, 기계는 생각할 수 있습니다, 계산은 어떨까요? 계산은 기계, 사고 과정의 이름입니까? 즉, Alan Turing에 의해 정의 된대로 계산입니다 그것은 그 자체로 생각하기에 충분한가? 그리고 당신은 지금 그것에 대한 답을 알고 있습니다

관찰자 – 상대적인 의미에서 대답은 '아니오'입니다 계산은 자연의 사실이 아닙니다 그것은 우리의 해석의 사실입니다 그리고 우리가 인공 기계를 만들 수있는 한 계산을 수행하고, 계산 자체를 수행한다 생각하기에 충분하지 않을거야

또는 임의의 다른인지 프로세스를 수행 할 수있다 형식적으로나 구문 론적으로 순전히 정의된다 튜링 기계는 자연에서 발견되지 않습니다 그것들은 자연에 대한 우리의 해석에서 발견 될 것입니다 이제는 더해 보겠습니다

많은 사람들이 생각합니다 아, 이 논쟁은 기술과 관련이있다 또는 기술 발전이있을 것입니다 나는 그 기술이 훌륭하다고 생각한다 그리고 나는 그것을 환영한다

그리고 기술의 가능성에는 제한이 없습니다 내 목표는이 이야기가 단순히 건너려고하는 것입니다 당신은 철학적, 심리적, 실제로,이 기술의 과학적 함의 고맙습니다 [박수 갈채] 존 브라 카글 ​​리아 : 감사합니다, 존

John Searle : 너무 빨리 얘기해 죄송합니다 그러나 나는 많은 시간을두고 질문하고 싶다 JOHN BRACAGLIA : Ray 선생님이 한 가지 질문으로 시작하겠습니다 커즈와일 RAY KURZWEIL : 이거인가요? [소리내는 소리] RAY KURZWEIL : 음, 고마워, 존

나는 18 세를 위해이 논쟁을해온 사람들 중 한 사람입니다 년, 나는 생각한다 그리고 나는 장수를 위해 중국 방을 칭찬 할 것이다 그것은 분명히 부조리에 빠지기 때문에 계산과 같은 결정 론적 과정 아마도 사고와 같은 것에 대한 책임이있을 수 있습니다 그리고 당신은 그 구별을 지적합니다

그 효과와 주관적 상태 사이의 사고, 의식의 동의어이다 그래서 저는 제 독서에서 "Singularity is Near"라고 당신에게 인용했습니다 뉴런의 동등성과 심지어 기계와 함께하는 두뇌에서 그래서 나는 왜 기계와 컴퓨터가 당신의 주장을 취했는가? 그것이하는 일을 진정으로 이해할 수 없었습니다 컴퓨터 용 대체 인간 두뇌, 네가 동등하다고 말한 이후로, 신경 전달 물질 농도 및 관련 기본적으로 공식 기호에 대한 메커니즘 신경 전달 물질 농도는 그냥 기계 론적 개념

그래서 당신은 그 대체물들과 함께, 인간의 두뇌는 조작에 성공한다 신경 전달 물질 농도 및 기타 관련 메커니즘 신경 전달 물질 농도 및 관련 메커니즘 자체 아주 무의미하다 그들은 우리가 그들에게 붙인 의미만을 가지고 있습니다 인간의 뇌는 아무 것도 모른다

그것은 단지 신경 전달 물질 농도를 섞는다 및 관련 메커니즘 그러므로 인간의 두뇌는 참된 이해를 가질 수 없습니다 그래서– [웃음] JOHN SEARLE : 흥미로운 변형이 있습니다 내 원본에

RAY KURZWEIL :하지만 내가하고 싶은 요점은, 당신의 연설에 관심이 있다면 왜냐하면 의식의 본질이기 때문입니다 너 오늘 말했어, 너는 썼다 의식을 인식하는 것입니다 소화, 수유, 광합성, 또는 유사 분열 우리는 두뇌가 의식을 유발한다는 것을 압니다

특정한 생물학적 메커니즘을 가지고있다 그러나 우리는 두뇌가 의식이 있다는 것을 어떻게 알 수 있습니까? 내가 의식이 있다는 것을 어떻게 알 수 있니? 그리고 어떻게 존 시어 : [부적절한] RAY KURZWEIL : 그리고 컴퓨터가 의식적인지 어떻게 알 수 있습니까? 우리는 오늘 컴퓨터가 없다

의식이있는 것처럼 보입니다 그 반응은 설득력이 있습니다 그러나 내 예측은 우리가 할 것입니다 우리는 시간 틀에 관해 논할 수 있습니다 우리가 할 때 의식이 있는지를 어떻게 알 수 있습니까? 의식이있는 것 같아? 어떻게 측정할까요? John Searle : 음, 여기에 두 가지 질문이 있습니다

하나는, 내가 사용하지 않은 단어를 대체한다면 그리고 내가 사용한 단어들은이 관찰 결과를 얻을 수 있습니까? 물론, 그렇게 할 수 있습니다 이것은 정치인들의 유명한 기법입니다 그러나 그것은 그 주장이 아닙니다 컴퓨터와 뇌의 차이점은 무엇입니까? 한 문장에서 두뇌는 인과 적 메커니즘이다 어떤 복잡한 것으로 의식을 생산하는 여전히 신경 생물학 과정을 완벽하게 이해하지 못합니다

그러나 그것들은 특정한 전기 화학에 대해 아주 구체적입니다 우리는 단지 세부 사항을 모른다 그러나 우리가 시냅스 틈에서 주위를 어지럽 혀 있는지, 이상한 효과를 얻으실 겁니다 코카인은 어떻게 작동합니까? 글쎄요, 특이한 계산법을 가지고 있기 때문에 아닙니다 생산 능력

수용력을 망쳐 놓기 때문에 꽤 특이적인 재 흡수를위한 postsynaptic 수용체의 신경 전달 물질, 노르 에피네프린 – 다른 두 개가 뭐야? 하느님, 나는 여기서 시험을하고있어 도파민 Gaba는 세 번째입니다 어쨌든, 뇌는 위나 다른 기관과 같이, 특정한 인과 적 메커니즘이다 그리고 그것은 특정 생화학 적 원리에 작용합니다

컴퓨터의 문제는 세부 사항과 아무 관련이 없다 구현의 모든 구현은 제공됩니다 프로그램의 단계를 수행하는 것으로 충분합니다 프로그램은 순전히 형식적이거나 구문 적입니다

두뇌는 그렇지 않습니다 뇌는 특정 생물학적 기관이다 특정 원칙에 따라 운영됩니다 그리고 의식이있는 기계를 만들기 위해, 우리는 인과 관계를 복제하는 법을 알아야합니다 그 원칙들을 자, 컴퓨터는 그렇게하지 않는다

더 높은 수준을 만들어내는 인과 적 메커니즘으로 작용한다 풍모 오히려 계산은 추상적 인 수학적 프로세스의 이름을 지정합니다 특정 하드웨어에서 구현할 방법을 찾았습니다 그러나 하드웨어는 계산에 필수적인 것은 아닙니다

계산을 수행 할 수있는 모든 시스템 동등한 것입니다 이제 두 번째 질문은 당신은 의식에 대해 알고 있습니다 실생활을 생각해보십시오 내 강아지 Tarski가 의식인지 어떻게 알 수 있습니까? 여기, 내 스마트 폰은 의식이 없나요? 나는 어느 것에 대해서도 의심의 여지가 없다 나는 타르 스키가 의식이 없다고 말할 수있다

행동 주의적 근거 사람들은 인간처럼 행동한다고 ​​말합니다 그는하지 않습니다 봐, 내가 아는 인간들 서둘러서 내 손을 핥지 말고 꼬리를 흔들지 마라

그들은 단지하지 않습니다 내 친구들은 그렇게하지 않습니다 그러나 Tarski는 않습니다 나는 타르 스키가 의식이 있다는 것을 알 수있다 그는 기계가있어 내 자신과 비교적 비슷합니다

그것들은 그의 눈이다 이것들은 그의 귀이다 이것은 그의 피부 다 그는 산출물에 대한 투입 자극을 매개하는 메커니즘을 가지고있다 행동은 인간의 메커니즘과 비교적 유사하다

이 때문에 나는 Tarski의 의식이있는 나는 벼룩과 흰개미에 관해서는 아무것도 모른다 전형적인 흰개미에는 100,000 개의 뉴런이 있습니다 충분하니? 큰 주말에 10 만 달러를 잃어 버린다 그래서 그것이 의식에 충분한 지 모르겠습니다

그러나 그것은 사실적인 질문입니다 나는 그것을 전문가들에게 맡길 것이다 그러나 인간에 관한 한 이 방에있는 모든 사람들이 의식이있다 내 말은, 저기있는 남자가 잠든 것 같아 그러나 장군이

그것은 그렇지 않다는 것에 대해 의문의 여지가 없습니다 내가 가지고있는 이론조차도 그것은 배경 전제입니다

바닥이 단단하다고 가정하는 방식입니다 나는 모든 사람들이 의식하고 있음을 당연시합니다 그것을 정당화해야한다면, 할 수 있습니다 이제는 세부 사항에 항상 문제가 있습니다 다른 마음의

물론, 나는 네가 의식이 있다는 것을 안다 그러나 당신은 산업화 이후의 남성에 대한 불안감에 시달리고 있습니까? 늦은 자본주의 하에서? 글쎄, 나는 그들이 주장하는 많은 친구가있다 그리고 그들은 내가하지 않기 때문에 내가 철칙이라고 생각합니다 그러나 그것은 더 어렵습니다 우리는 그것에 대해 대화를 나누어야합니다

그러나 의식을 위해, 그것은 진짜 문제가 아닙니다 실생활에서 관객 : 그래서 우리는 두뇌가 어떻게 작동 하는지를 이해하기 시작했다 비교할만한 기계 그러나 우리가 미래에 상상해보십시오 그래서 우리는 뇌에 ​​대해 시뮬레이션을 실행할 수 있습니다

그리고 우리는 그것을 현실과 연결합니다 모터 출력, 감각 입력을 통해 그 차이점은 무엇입니까? 네가 아는 한 두뇌 의식을 생산하고 있습니까? 에서 John Searle : 어떤 경우에는 전혀 차이가 없습니다 그리고 그 차이는 중요하지 않습니다 네가 기계를 가지고 있다면 – 너를 바래

실제로 신문사들이 신문을 만들기 때문에 너라고 해 운전할 프로그램이 있다면 의식이있는 운전자가없는 내 차는 훌륭합니다 나는 그것이 훌륭하다고 생각한다 문제는 기술이 할 수있는 것이 무엇이 아닌가? 우리 아빠는 AT & T의 전기 기술자였습니다 그리고 그의 가장 큰 실망은 나는 철학자가되기로 결심했다

왜냐하면, Bell Labs와 MIT에가는 대신에 그래서 나는이 기술의 성공에 아무 문제가 없다 문제는 그것이 무엇을 의미 하는가? 물론, 기계를 가지고 있다면 그걸로 나는 차를 운전할 수 있습니다 아니면 내가 할 수있는 것보다 낫다 기계류에 더 좋습니다 문제는 철학적 심리학이란 무엇인가? 과학적 중요성? 그리고 생각한다면, 글쎄, 그건 당신이 만든 것을 의미합니다

의식, 당신은하지 않았습니다 의식을 창조하기 위해서는 더 많은 것을해야합니다 그리고 많은 것들, 의식 중요한 문제 내가 리뷰 한이 책의 경우, 그 남자가 말했던 곳에, 음, 그들은 기계를 가지고있다 일어나서 우리 모두를 타도 할 것입니다

그것은 심각한 가능성이 아닙니다 의식이 없다 그들은 의식적 심리 상태가 없습니다 신발이 벽장에서 튀어 나올 수도 있다고 말하는 것과 같습니다 우리를 온통 걷는다

결국, 우리는 수세기 동안 그들을 걷고 있었고, 그들은 왜 다시 공격하지 않습니까? 현실적인 걱정이 아닙니다 네? 관객 : 내가 관심을 갖고있는 차이점은 – 미안하지만, 관심있는 유사성이 꼭 필요한 것은 아닙니다 시스템의 출력 또는 결과, 오히려 그것은 내부 인과 적 유사성을 가지고있다 네가 언급 한 뇌에 JOHN SEARLE : 네, 그건 사실적인 질문입니다

문제는 어느 정도로 프로세스가 프로세스와 동형의 컴퓨터에서 계속 진행 뇌에 들어가는거야? 우리가 아는 한,별로 내 말은, 체스 게임 프로그램 이것의 좋은 예가되었습니다 인공 지능의 초기에, 그들은 훌륭한 체스 선수들을 인터뷰하고 그들의 생각을 알아내는 것 프로세스가 있었고 그들을 시도해보십시오 컴퓨터에서 복제합니다 이제 우리는 딥 블루가 어떻게 작동했는지 알게됩니다 딥 블루는 2 억 5 천만 체스 포지션을 계산할 수 있습니다

1 초 보십시오, 체스는 게임 이론적 인 관점에서 하찮은 게임입니다 당신은 완벽한 정보를 가지고 있기 때문에 시야가 넓습니다 그리고 당신에게는 유한 한 가능성이 있습니다 따라서 x 개의 가능성이 있습니다

이동 및 x 번호에 응답하는 방법 그 이동을위한 가능성들 기하 급수적 인 문제 때문에 우리에게 흥미 롭습니다 컴퓨터를 프로그래밍하는 것은 매우 어렵습니다 지수에서 많은 단계를 거칠 수 있지만 IBM은 그렇게했습니다 그것은 심리적 관심사가 아닙니다

그리고 그들의 신용에 AI의 사람들 그것을 적어도 하나의 승리로 주장하지 않았다 나는 AI의 승리라고 주장하지 않았다 그들은 아무것도 볼 수 없었기 때문에 인간의인지와 관련이있다 내 추측에 의하면 그것은 흥미로운 철학적 인 것입니다 질문 – 또는 심리적 질문 – 어느 정도까지 두뇌의 실제 과정 전산 시뮬레이션을 거울 삼아 라

물론, 어느 정도 존경을받을 수 있습니다 이것이 계산 시뮬레이션 온갖 종류의 분야에서 흥미 롭다 심리학뿐만 아니라, 진행중인 모든 종류의 프로세스를 시뮬레이션 할 수 있습니다 그러나 그것은 강한 인공 지능이 아닙니다 Strong AI는 시뮬레이션은 단순한 시뮬레이션이 아니라고 말합니다

그것은 중복입니다 그리고 우리는 그것을 반박 할 수 있습니다 관객 : 당신이 영어를 이해한다는 것을 증명해 주시겠습니까? John Searle : 네, 신경 쓰지 않을 것입니다 (영국 동의서로 말하기) 제가 옥스포드에있을 때, 많은 사람들이 내가 한 것을 의심했다 나는 우연히 불려지는 다소 움푹 파인 대학에 있었다

그리스도 교회 그리고 물론 나는 영어를 못합니다 나는 결코 사칭하지 않았다 나는 많은 영어 사람들을 만드는 미국 방언을 말한다 생각에 떨다

관객 : 당신이 영어를 이해한다고 말했죠 하지만 당신이 컴퓨터 프로그램이 아니라는 것을 어떻게 알 수 있습니까? JOHN SEARLE : 음, Ray와 같은 질문입니다 그리고 대답은 모든 종류의 방법입니다 위기 상황에 빠지면 나 한테 물어볼지도 몰라 이제 나는 부정직 한 대답을 줄 수도 있습니다

아니면 정직한 대답을 줄 수도 있습니다 그러나 가고 싶지 않은 경로가 있습니다 그것이 인식 론적 경로입니다 인식 론적 경로는 말합니다 컴퓨터가 의식이 있다는 증거를 많이 가져라

우리는 당신이 의식하고 있다는 것입니다 아니 정말 내 말은, 내가 좀 자세히 들어갈 수 있다는거야 사람들의 물리적 구조에 대해 의식을 일으킬 수있게하십시오 당신은 멋진 이론을 가질 필요가 없습니다

나는 신경 생물학의 멋진 이론을 필요로하지 않는다 당신의 눈은 그것들입니다 너 입에서 말했다 질문은 의식적인 의도의 표현이었습니다 질문을하기 위해서

저를 믿으십시오, 당신이 국부적으로 생성 한 기계 인 경우에, Google은 내가 생각했던 것보다 더 나아 갔다 그러나 분명히, 당신은 그렇지 않습니다 JOHN BRACAGLIA : 우리는 도리에게 질문을 할 것입니다 John Searle : 그 다음인가요? JOHN BRACAGLIA : 우리에게는 사람들이있었습니다 관객 : 거의

JOHN BRACAGLIA : 우리는 몇몇 사람들이있었습니다 사전에 질문을 제출하십시오 존 씨 : 좋습니다 JOHN BRACAGLIA : 그래서 우리는 그것들을 또한 읽을 것입니다 존 씨 : 좋습니다

괜찮아 권리 JOHN BRACAGLIA : 도리 출신의 첫 번째 질문입니다 당신이 사용하고있는 의식의 정의는 무엇입니까? 이 이야기의 기간 동안? 존 씨 : 좋습니다 여기 있습니다

JOHN BRACAGLIA : 최대한 구체적으로 작성하십시오 John Searle : 일반적으로 의식 정의하기 어렵다 나는 정의하는 것이 오히려 쉽다고 생각합니다 우리는 과학적 정의가 없다 왜냐하면 우리에게는 과학 이론이 없기 때문입니다

어떤 용어에 대한 상식적인 정의 조사 대상을 식별합니다 물은 깨끗하고 무색이며 맛이없는 액체입니다 그리고 이것은 병 속에 들어 있습니다 그것은 상식적인 정의입니다 당신은 과학을하고 당신은 그것이 물이라는 것을 발견합니다

자, 의식과 함께, 우리는 깨끗하고 무색의 액체, 맛이없는 감각 하지만 여기 있습니다 의식은 모든 주들로 구성됩니다 감각이나 지각 또는 인식의 당신이 깨면 아침에 시작하는 꿈없는 잠에서 그리고 그들은 잠들 때까지 하루 종일 계속됩니다

그들이 말했듯이 무의식적으로 다시 또는 그렇지 않으면된다 이 정의에서 꿈은 의식의 한 형태입니다 의식의 비밀, 본질 의식 상태에 상관없이 그 의식 상태에있는 것처럼 느껴지는 어떤 것 그런 이유로, 의식은 항상 주관적인 온톨로지를 가지고있다 기억해, 나는 너에게 그 주관적 목적의 비트를 주었다

항상 주관적인 온톨로지를 가지고 있습니다 그것은 의식의 작동 정의입니다 그리고 그것은 실제로 신경 생물학 조사관이 사용하려고하는 뇌가 그것을 어떻게하는지 그것이 당신이 알아 내려고 시도하는 것입니다 어떻게 두뇌가 그것을 생산합니까? 뇌에 어떻게 존재합니까? 어떻게 작동합니까? 관객 : 더 강하게 제안하고 싶습니다

우리가하지 않는 관찰에 묶여있다 오늘 사고 기계를 만드는 법을 아십시오 비록 우리가 그것을 만드는 법을 알았지 만, 우리의 생각 기계는 진화의 과정에 의해 세워졌습니다 내가 제안하고 싶다 – 글쎄, 너 너 뭐니? 사실, 우리는 시간이 없어? 실제로는 중요하지 않을 수도 있습니다 우리가 시간을 가질 수없는 이유는 소행성이 떨어지고 닦는 것처럼 일어날 필요가있다

공룡과 늑대 인간, 우주에서 일어날 수 없다 우리가 살았던 그러나 당신이 평행 우주 이론에 가입한다면, 다른 곳에서는 인공 의식이 있습니다 John Searle : 네 좋아요, 우리는 시간이 없어서, 글쎄, 나는 서둘러

하지만 우리가 할 수있는 한 열심히 노력해야한다고 생각합니다 사실입니다 어쩌면 우리의 능력 밖의 것들이있을 수 있습니다 지구상의 인간의 삶을 해결하는 것 그러나 바쁘게 지내고 노력합시다

사람들이 말했던 시대가있었습니다 인생을 정말로 이해합니다 그리고 우리가 그것을 완전히 이해하지는 못하더라도, 하지만 우리는 꽤 멀리 있습니다 기계공들 사이의 오래된 논쟁 그리고 우리에게 더 이상 이해가되지 않는 바이타스트들입니다 그래서 우리는 많은 진전을 이루었습니다

귀하의 질문에 또 다른 절반이있었습니다 관객 : 그것은 모든 우주 – John Searle : 오, 그래 어쩌면 의식이 중요하지 않을 수 있습니다 글쎄, 내가 사는 곳이야 그것은 나에게 중요합니다

관객 : 철학적 말하기 John Searle : 네,하지만 요점은 그렇지 않을 수도있는 많은 것들이있다 우리에게 필사적으로 중요한 문제 – 민주주의와 성 및 문학과 좋은 음식 그리고 모든 종류의 물건 어쩌면 누군가에게 중요하지 않을 수도 있습니다 그러나 그 모든 것들이 내게 중요합니다

관객 : 당신이 언급 한 인공 심장 비유 나는 그것이 가능하다는 생각을 포함 시켰다고 생각한다 인공 심장과 마찬가지로, 우리는 다른 재료와 다른 접근법을 사용합니다 심장을 시뮬레이션하고, 어떤면에서는, 그냥 넘어서십시오 – 중복에 가깝게 오십시오, 이론 상으로는 우리가 똑같은 일을 할 수있을 것입니다 인공 두뇌

당신이 가능하다고 생각하는지 궁금하네요 그냥 시도하는 경로를 추락하는 뇌의 모의 실험을하는 것은 우연히 만들어 낸다 의식이나 우발적으로 복제물을 만들거나, 우리가 똑같은 방법으로 그것을하려고하지 않더라도 뇌가 만들어지면 JOHN SEARLE : 나는 그것을 믿는다 고 말할 것입니다 기적을 믿어야합니다 당신은

이제 그것에 대해 생각해야합니다 우리는 단지 무엇에 대해서도 컴퓨터 시뮬레이션을 할 수 있습니다 당신은 정확하게 묘사 할 수 있습니다

당신은 소화의 컴퓨터 시뮬레이션을합니다 그리고 컴퓨터 모델을 얻을 수 있습니다 그것은 피자를 소화시키는 완벽한 모델입니다 내가 아는 한, 아마이 건물의 누군가가 해냈을거야 하지만 일단 그렇게하면, 서두르지 않고 피자를 사지 않아도됩니다

그것을 컴퓨터에 채워야하기 때문에 피자를 소화하지 않을거야 그것이 당신에게주는 것은 그림이나 모델입니다 또는 수학적 다이어그램 그리고 저는 그것에 반대하지 않습니다 하지만 내 인생이 알아내는 데 달려있다면 두뇌가 의식을 생산하는 방법, 컴퓨터를 너와 똑같이 사용할거야

생물학의 모든 분야에서 컴퓨터를 사용하십시오 알아내는 데 매우 유용합니다 너의 공리의 의미, 알아내는 것에 대한 당신이 디자인 할 수있는 가능한 실험 그러나 어떻게 든 또는 다른 생각 그인지 행동의 컴퓨터 시뮬레이션 생화학에 열쇠를 제공 할 수도 있습니다 글쎄, 그건 의문의 여지가 아니야

그것은 그럴듯하지 않습니다 JOHN BRACAGLIA : 인간은 쉽게 속고 자주 있습니다 기계의 지능을 과대 평가합니다 일반 지능에 대한 더 나은 테스트를 제안 할 수 있습니까? 튜링 테스트보다 관련성이 적은 테스트 가양 성? John Searle : 글쎄, 내 대답은 모두 알지 그 첫 번째 단계는 구별하는 것입니다 진정한 내재적 관찰자 – 독립 지능과 관찰자 – 관련 정보

그리고 관찰자 – 상대 정보 항상 보는 사람의 눈 속에있다 그리고 무엇이든 지성을 가질 것입니다 당신은 그것에 귀속 될 수 있습니다 나는이 물건에 많은 지능이 있다고 생각했다 함수를 계산할 수 있기 때문에, s는 1/2 제곱과 같습니다

이제이 객체는 지능이 뛰어납니다 머리카락 하나를 차별하기 때문에 그것을 증명하지는 않을 것이지만, 내 머리 속에서도 그것이하는 나의 말 머리카락이 희박하다

그래서 지능은 관찰자 – 상대적인 것이기 때문에, 우리가 기준을 말해줘야 해 그것을 판단 할 것입니다 튜링 테스트의 문제점 – 음, 모든 종류의 문제가 있습니다 그러나 근본적인 문제는 입력과 출력 모두 그것들은 우리의 해석과 만 관련이 있습니다 이것을 질문으로 해석해야합니다

그리고 당신은 대답으로 해석해야합니다 내 전체 토론 중 하나의 결론 오늘은 튜링 테스트가 실패한 것입니다 그것은 당신에게 지능을 시험해주지는 않습니다 관객 : 당신은 믿음의 기사로 여길 것 같습니다 우리는 의식이 있고, 개는 의식이 있으며, 그 의식은 온다

생물학적 물질로부터, 우리가 정말로 좋아할 수없는 것들 알다 하지만이 말을 용서해주세요 지능형 디자인 이론가처럼 당신을 소리 낸다 진화론과 모든 것 존재하는이 창조 우주에서 너무 복잡해서 가질 수 없다 불활성 물질로부터 진화했다

아메바와 개 사이 어딘가에 의식이 있어서는 안된다 그리고 그 라인을 어디서 그릴 지 모르겠습니다 그리고 만약 인간의 의식 응급 상황이 발생했거나 심지어는 개가 어느 지점에 있었는지 진화론 적 규모에서 왜 그렇게 할 수 없었는가? 계산 시스템에서 나온다 충분히 분산되고 네트워크화되며 능력이있다 많은 계산을 수행하고 어쩌면 구부리기도한다

생물학적 시스템에? JOHN SEARLE : 음, 그것이 나타날 수 있을지, 기적은 언제나 가능합니다 가능한 네가 가지고 있지 않다는 것을 어떻게 알 수 있니? 이것을 전환시키는 화학 공정 의식적인 빗으로? 어떻게 알 수 있습니까? 글쎄, 그건 심각한 가능성이 아니야 내 말은, 의식 두뇌에서 창조된다 확실히 명확하다 그리고 이것이 핵심 포인트라는 것을 기억하십시오

의식을 만드는 모든 시스템 그러한 인과 적 힘을 복제해야한다 그건 말처럼, 당신은 깃털을 주문할 필요가 없습니다 비행 기계를 가지고 있지만 복제해야합니다 조류의 인과 관계를 단순히 시뮬 레이팅하는 것이 아닙니다 지구 대기의 중력을 극복하기 위해 그리고 그게 비행기가하는 일입니다

그들은 인과 관계를 복제합니다 그들은 같은 원칙을 사용합니다, 베르누이의 원리, 중력을 극복하기 위해 하지만 어떻게 든 다른 사람이 할 수 있다는 생각 특정 형식 구조에 대한 시뮬레이션 만하면됩니다 입출력 기능, 입출력 기능, 글쎄, 기적은 항상 가능합니다 그러나 그것은 그렇게 보이지 않습니다 그것은 진화가 작동하는 방식이 아닙니다

관객 : 그러나 기계는 스스로를 향상시킬 수 있습니다 그리고 아메바가 결코 할 수없는 이유에 대한 사례를 만들고 있습니다 충분히 오랜 기간 동안 개에게 발달 시켜라 의식이있다 JOHN SEARLE : 아니, 나는 그런 경우를하지 않았다

아니, 나는 그런 경우를하지 않았다 [소리내는 소리] 존 세일 : 아메바는 가지고 있지 않습니다 관객 : 당신은 그 의식을 의심하고 있습니다 충분히 복잡한 계산 시스템에서 나타날 수 있습니다 JOHN SEARLE : 복잡성은 항상 관찰자 – 상대적인 것입니다

복잡성에 대해 말하면 통계에 대해 이야기해야합니다 복잡성을 계산하는 기준은 무엇입니까? 나는 복잡성이 아마도 무의미하다고 생각한다 메커니즘이 간단하다는 것이 드러날 수 있습니다 내 계정에는 아무 것도 없습니다 컴퓨터가 절대로 의식을 잃지 않을 수 있다고 말한다

물론, 우리는 모두 의식있는 컴퓨터입니다 아메바에 관한 요점은 아메바는 훨씬 복잡한 유기체로 진화 할 수 없습니다 어쩌면 그렇게 된 것일 수도 있습니다 그러나 아메바는 그대로 – 단세포 유기체 – 복제 할 기계가 충분하지 않다 뇌의 인과 관계

저는 과학 소설 프로젝트를하고 있지 않습니다 음, 인위적으로 만들어 질 수는 없다 컴퓨터 프로그램을 설계하는 사람들의 의식 물론 논리적으로 불가능하다는 것은 아닙니다 나는 단지 지적인 프로젝트가 아니라고 말하고있다

당신의 삶에 대해 생각하고 있다면 의식을 만드는 기계를 만들 때, 당신은 콘솔에 앉지 않고 프로그래밍을 시작하지 않습니다 어떤 프로그래밍 언어로 그것에 대해 갈 길은 잘못되었습니다 관객 : Google 번역을 해체 한 경우 중국 방 실험을 실행 해 보았습니다 너에게 수천이 걸릴거야

모든 어셈블리 지침을 펜과 종이로 실행하는 데 수년간 걸렸습니다 그렇지 않으면 영어로 디 컴파일 할 것입니다 그 형식으로 크게 최적화 할 수 있습니다 그리고 그 과정에서 많은 것을 배우게되었습니다 서로 다른 변수 간의 관계에 대해 및 서브 루틴

그렇다면 중국인에 대한 이해는 그것으로부터 나오지 않겠습니까? John Searle : 음, 좋아, 나는 이런 종류의 질문을 좋아한다 괜찮아 자, 내가 말할 때, 물론, 내가 원래의 생각을했을 때 실험, 아무도 당신에게 사실을 말하면 프로그램에서 단계를 수행하고 있었다 중국어로 질문에 대답하기 위해, 음, 우리는 몇 백만 년 동안있을 것입니다

좋아, 나는 그들의 말을 듣는다 나는 프로그래머가 아니지만 나는 엄청난 시간이 걸릴 것입니다 그러나 논쟁의 요점은 그 예가 아닙니다 이 예제는 설명하기 위해 디자인되었습니다 인수의 요점

인수의 요지가 주어질 수있다 다음 유도에서 프로그램은 형식적이거나 구문 적입니다 그것이 공리 넘버 1입니다 그것이 프로그램의 전부입니다

조금 더 우스꽝스럽게 말하면, 동일하게 구현 된 프로그램이라는 개념 완전히 지정된 등가 클래스를 정의합니다 형식적으로 또는 구문 적으로 그러나 마음에는 의미론이 있습니다 이 예제의 핵심은 구문 자체입니다 의미에 충분하지 않습니다

이것이 그 예입니다 중국 방은 공리 3을 설명하기 위해 디자인되었습니다 프로그램의 단계 만있는 것은 아닙니다 의미론에 충분합니다 그리고 마음에는 의미론이 있습니다

이제는 컴퓨터가 정의되면 프로그램 운영 측면에서, 구문 작업, 다음 프로그램 작업, 컴퓨터 운영 자체 이해하기에 충분하지 않다 왜냐하면 그들은 의미론이 부족하기 때문입니다 하지만, 물론, 나는 말하지 않습니다 컴퓨터였던 기계를 만들 수 없었습니다 의미론을 가지고 있었다

우리는 그런 기계입니다 관객 : 실험적으로 확인할 수 없습니다 의미와 의미의 차이점은 무엇입니까? 그리고 수천에서 나오는 것은 무엇인가? 주어진 통사 프로그램에 대한 수년 간의 경험 JOHN SEARLE : 나는 너를 상속받을 수 없다고 생각한다 그는 그렇지

나는 당신이 인식 론적 경로를 가고 싶지 않다고 생각합니다 너는 말하고 싶지 않아 음, 봐 당신은 생각 기계의 차이를 말할 수 없다 그리고 비 – 사고 기계

그게 잘못된 길이야 우리는 지금 압도적 인 증거를 가지고 있습니까? 어떤 종류의 메커니즘이 무엇을 생산하는지 일종의인지 내가 처음 뇌에 관심을 갖자, 나는 나가서 모든 교과서를 샀다 그건 그렇고, 당신이 주제를 배우고 싶다면, 그것은 그것을하는 방법입니다 모든 신입생 교과서 구입하십시오

이해하기 쉽기 때문입니다 이 교과서 중 하나인데, 고양이는 색이 다릅니다 우리의 비전 그들의 시각 경험은 우리와 다릅니다 그리고 나는이 사람들을 고양이로 만들 생각을 했어? 다른 고양이들에게 문제가있어? 고양이가되는 것이 어떤 것인지 알고 있습니까? 그리고 대답은 물론, 그들은 완전히 알고 있습니다

그들이 할 수 있기 때문에 고양이의 컬러 비전은 무엇입니까? 색 수용체를보십시오 그리고 고양이는 우리와 다른 색조를 가지고 있습니다 그들은 서로 다른 색 수용체를 가지고 있기 때문입니다 나는 그 차이를 잊어 버린다 어떤 교과서에서든 그들을 찾을 수 있습니다

그러나 현실 세계에서 우리가 완전히 우리 강아지가 청각 스펙트럼의 일부를들을 수 있다고 확신합니다 나는들을 수 없다 그는 내가들을 수없는 높은 주파수를들을 수 있습니다 그리고 고양이는 내 것과 다른 색감을 가지고 있습니다 우리는 장치가 무엇인지 알 수 있기 때문에

또 다른 질문이있어? 너 온거야 JOHN BRACAGLIA : 이것이 우리의 마지막 질문 일 것입니다 존 씨 : 좋습니다 나는 오후 내내 갈 준비가되어있다 이런 종류의 쓰레기를 사랑해

관객 : 그래서 대화가 시작될 때, 당신은 신경 과학자에 관한 일화를 언급했습니다 의식에 관심이 없다 그리고 물론,이 시간까지, 많은 신경 과학자들 그것을 연구했다 그래서 그들은 그것들을 자극 할 것입니다 지각의 문턱 근처에있다

뇌의 반응이 위 또는 아래 일 때를 측정합니다 그것에 대해 어떻게 생각하세요? 그게 올바른 방향일까요? 다르게 무엇을 하시겠습니까? JOHN SEARLE : 아니요 저는 최고의 것들 중 하나라고 생각합니다 내 일생에 일어난 일 긴 평생 – 지금은 신경 과학적 조사의 번성하는 산업 의식의

그것이 우리가 대답을 얻는 방법입니다 내가 처음이 것에 관심을 갖자, 나는 UCSF로 가서 그 사람들이 바쁘다고 말했다 그들이 듣고 싶었던 마지막 물건 어떤 철학가가 잔소리를하고 있었는데, 내가 말할 수있다 하지만 한 남자가 나에게 말했다 유명한 신경 과학자 내 훈련에서, 의식에 관심이 있지만 우선적으로 재임 기간을 가지십시오

재임 기간을 먼저 확보하십시오 이제 변화가있었습니다 나는 변화에 대한 공로를 인정하지 않는다 그러나 나는 확실히 그것을 촉구했습니다 이제는 의식 작업을 통해 재임 기간을 가질 수 있습니다

이제 신경 과학이 바뀌 었습니다 신경 과학 분야의 번성 한 산업 실제로 알아 내려고하는 사람들의 두뇌가 그것을하는 방법 그리고 그들이 그걸 알아 내면 – 나는 어떤 장애물도 보지 못합니다 그걸 알아내는 것 – 그것은 엄청난 지적 돌파구, 우리가 정확히 어떻게 두뇌를하는지 알아낼 때 의식을 창조하십시오 관객 : 그러나 특히, 그들이 지금 사용하고있는 접근법 – 나는 프리젠 테이션의 예를 사용합니다

지각의 문턱 근처에있는 자극 신경 상관 관계를 찾고, 그게 결실이 있다고 생각하니? 알아 내야 할 특별한 질문이 있습니까? JOHN SEARLE :이 일에 관심이 생겼습니다 그리고 내 견해에 관심이 있다면, 나는 "신경 과학의 연간 리뷰" "의식"이라는 제목으로 기억하기 쉽습니다 웹에서 찾을 수 있습니다 그리고 내가 말했던 것은, 두 가지 주요 선이있다 오늘 진행되는 연구

내가 빌딩 블록이라고 부르는 것을 가지고있는 사람들이있다 접근 그리고 그들은 신경 관련성을 찾으려고 노력합니다 특별한 경험들 빨간 물체가 보입니다

또는 중간 C의 소리가 들립니다 뇌의 상관 관계는 무엇입니까? 그리고 그들이 가진 생각은 당신이 알아낼 수 있다면입니다 어떻게 두뇌가 빨강, 당신은 모든 문제를 해독했습니다 DNA 같기 때문에 당신은 모든 표현형이 어떻게인지 알아낼 필요가 없습니다

DNA에 의한 것이다 일반적인 원칙을 얻는다면 충분합니다 자, 문제는 그들이 많은 진전을 이루지 못하고 있다는 것입니다 이것에 내가 빌딩 블록 접근법이라고 부르는 것 그것은 나에게 훨씬 더 결실이 많은 접근법으로 보인다

의식이오고 있다고 생각할 가능성이있다 통일 된 분야에서 지각을 의식을 창조하는 것으로 생각하지 말고, 그러나 의식 분야를 수정하는 것으로 그래서이 남자 셔츠에 빨간 색을 볼 때, 양심의 가책을 수정합니다 나는 이제까지 경험하지 못한 빨간 경험을 가지고 있습니다

대부분의 사람들 – 그리고 과학의 역사 이를 지원합니다 빌딩 블록 접근법을 사용하십시오 대부분의 과학사가 원자 적으로 진행되었다 작은 일들이 어떻게 작용하는지 알아 낸다 그리고 큰 물건으로 간다

그들은 의식으로 많은 진전을 이루지 못하고 있습니다 그리고 그 이유는 당신이 알아 내야 할 필요가 있다고 생각합니다 두뇌가 의식 분야를 만드는 법 처음에는 특별한 경험, 적색의 인식이나 중간의 C의 소리처럼, 그것들은 그 의식적인 분야를 수정합니다 그들은 의식이없는 분야를 아무것도 만들지 않습니다 그들은 기존의 의식 분야를 수정합니다

자, 그렇게하는 것이 훨씬 어렵습니다 뇌의 얼마나 큰 덩어리인지 알아 내야 해 의식을 창조하십시오 그리고 우리는 그것을 모른다 문제는 의식이있는 두뇌가 많이 보인 MRI에 있습니다

무의식의 두뇌처럼 거기에는 약간의 차이가 있어야합니다 그러나이 시점에서 나는 그것에 대해 연구하지 않고있다 나는 다른 일을하고있다 하지만 누군가가 내게 정확히 뭐라고 말했으면 좋겠어

의식이있는 두뇌의 차이 그리고 의식을 설명하는 무의식의 두뇌 우리는 아직 거기에 없다 그러나, 내가 여기서하고있는 것은 신경 생물학적 추론이다 내 말은, 나는 대답하지 않을거야 철학적 논증에 의해, 그러나 누군가에 의해 누가 정확히 무엇을 알아 내는지에 대한 어려운 연구를하고있다

뇌의 메커니즘은 생산 의식 정확히 어떻게 작동합니까? John BRACAGLIA : 존, 엄청난 영광 이었어 오늘 너와 함께있어 시간 내 주셔서 대단히 감사합니다 Google과상의 해 주셔서 감사합니다 John Searle : 저, 데려 줘서 고마워요

[박수 갈채]

Google Cloud Composer, AI-powered speech, KMS client libraries, & more! (This Week in The Cloud)

모두들 왜 그래? 우리가 봉사하는 "클라우드에서의 이번 주"를 확인해 주셔서 감사합니다 당신에게 가장 낮은 대기 시간 뉴스입니다

클라우드 탐색은 까다로울 수 있습니다 그래서 우리는 당신이 모든 도구를 가지고 있는지 확인하고자합니다 성공할 필요가있다 먼저, 강사가 진행하는 교육 세션을 주최합니다 함께 기초를 도울 수 있습니다

이 수업은 당신에게 개요를 줄 것입니다 가장 인기있는 Google 클라우드 솔루션 프레젠테이션, 데모 및 실습을 통해 우리와 함께 배우십시오 물론, 당신이 그 지역에 없거나 당신이 그것을 만들 수 없다면, 당신은 또한 기초 또는 다른 과정을 체크 아웃 할 수 있습니다 Coursera에 이것은 자기 주도 학습을위한 훌륭한 도구이며, 여전히 코드를 실행 해보십시오 실습 자습서

학습하고 얻을 수있는 과정이 많이 있습니다 인증 그래서 당신에게 맞는 컨텐츠를 찾으십시오 자, 일단 당신이 기본을 알고, 아마도 클라우드에서 일부 작업을 실행하려고 할 것입니다 Google Cloud Composer는 관리되는 버전입니다

자동으로 실행되는 Apache Airflow 워크 플로를 실행하기위한 비늘 방금 솔루션 기사를 시작했습니다 더 나은 이해를 돕기 위해 가상 컴퓨터를 백업하는 샘플 워크 플로를 실행하고, 자신의 작업을 사용자 정의 할 준비가되었습니다 직접 해보고 빌드 할 수있는 것을 확인하십시오 자, 다시 말하면, 당신이 필요로하는 것을 만들고자한다면 보안 및 스포일러 경고, 그것은 아마도 – 암호화 키를 직접 관리하려면, 새로운 클라이언트 라이브러리와 코드 샘플도 있습니다

너 시작하기 클라우드 키 관리 서비스가 제공합니다 암호화 제어 및 클라우드에 통합 아이덴티티 스위트를 사용하면보다 쉽게 ​​빌드 할 수 있습니다 보안 응용 프로그램 새 샘플을 확인하고 새 클라이언트 라이브러리를 사용하십시오

앱을 안전하게 보호합니다 또한 앱에서 음성 텍스트를 사용하는 경우 또는 TTS (text-to-speech)를 통해 공유 할 수있게되어 기쁩니다 몇 가지 훌륭한 업데이트, 더 많은 기능 등을 선보였습니다 음성, 더 많은 언어, 더 나은 정확성 및 저렴한 가격을 제공합니다 당신이 이것들을 시험해보고 싶다면, 지금보다 더 좋은 시간은 없습니다

그래서 우리가 어떻게 모델을 더 잘 만들 었는지 확인해보십시오 그런 다음 직접 사용해보십시오 처음 60 분을 잊지 마세요 매달 음성으로 처리하는 오디오는 무료입니다 이 공지 사항에 대해 더 알고 싶다면 전체 목록을 보려면 링크를 확인하십시오

어떤 생각이나 생각이 있으십니까? 우리에게 의견을 남기거나 우리를 트윗하십시오 클라우드에서 보자

Folosește date structurate pentru o vizibilitate mai mare în Google

Google 검색에서 실용 정보가 어떻게 나타나는지 직접 묻지 않았습니다 오른쪽에 또는 심지어 결과의 제목 아래에 발견? 예를 들어 식당을 찾을 때 어떤 경우에는 오른쪽에 표시됩니다

필수 로컬 정보 : 주소, 프로그램, 전화 번호, Google지도 링크, 고객 및 가장 바쁜 시간, 사진의 평점 이는 구조화 된 데이터를 통해 이루어지며 Google의 검색 결과 "풍부한 결과"라고합니다! 즉, 사이트의 일부 추가 태그 (태그) 라벨은 사이트마다 다릅니다 : 주방 조리법, 온라인 상점, 레스토랑, 실제 매장, 서평, 영화 리뷰 등 온라인 상점의 경우 http://schemaorg/LocalBusiness가 있습니다 보안 회사의 프로그래머는 코드를 구현하는 방법을 알고, 이 도구를 마음대로 사용할 수 있다는 것을 기억하십시오

귀하의 상점이 WordPress 또는 알려진 전자 상거래 플랫폼에서 실행되고 있다면, 플러그인 또는 확장 프로그램을 검색하여 도움을 받으십시오 라벨을 구현 한 후에는 사이트의 콘텐츠를 테스트하고 적용하는 것이 좋습니다 Google의 온라인 검증 도구가 제공하는 정보 TRUSTEDRO Trustmark를 소유 한 온라인 상점이있는 경우 "신뢰할 수있는 리뷰"클라이언트의 피드백 시스템을 사용하십시오

Google에 구조화 된 데이터로 표시하는 가장 쉬운 방법은 위젯을 설치하는 것입니다

AI Corporations and Communities in Africa with Karim Beguir & Muthoni Wanyoike: GCPPodcast 152

[음악 재생] MARK MANDEL : 안녕하세요 에피소드 152에 오신 것을 환영합니다

주간 'Google Cloud Platform 팟 캐스트'에서 내 이름은 마크 만델 (Mark Mandel)이고 언제나처럼, 나는 내 동료 인 멜라니 워릭과 함께 안녕, 멜라니 멜라니 워릭 : 안녕! MARK MANDEL : 안녕하세요 우린 같은 방에있어 마크 AND델 : 우리는 같은 방에 있습니다

멜라니 워릭 : 나는 언제 알지 못해 우리가 실제로 같은 방에 마지막으로있을 때 약 3 ~ 4 주 전쯤이었을 것입니다 멜라니 워릭 : 오래 전이었습니다 MARK MANDEL : 그랬습니다

이번 주에는 꽤 흥분됩니다 너는 너의 놀라운 에피소드 중 또 하나를 가져왔다 또는 당신이 아프리카에있는 동안 가지고 있었던 인터뷰 멜라니 워릭 : 나는 그렇다 이것은 우리가 실제로 찍은 마지막 인터뷰입니다

내가 케이프 타운에서 끝났을 때 – 구체적으로, 스텔 렌 보쉬 (Stellenbosch) – 깊은 학습 인다 바 (Deep Learning Indaba)에서 그리고 우리는 특별히 Karim과 Muthoni를 만났습니다 둘 다 InstaDeep 밖에 있고 그들은 우리에게 말했습니다 그들의 회사에 대해 조금은, 뿐만 아니라, 일반적으로 AI 회사는 아프리카, 그리고 건축되고있는 공동체들 왜냐하면 Muthoni, 특히, 그녀가 설립 한 공동체가있다

나이로비 그래서 우리는 그것에 들어가게 될 것입니다 그러나 언제나처럼, 우리는 그주의 시원한 것들로 시작합니다 우리는 이번 주에 대한 질문으로 끝날 것입니다 그리고 마크 (Mark)에서 온 모든 질문은, 특정 GKE 클러스터를 만들고 싶다면 주요 Kubernetes 버전 – 아니면 그냥 최신 – 명령 줄 도구를 사용하면 어떻게 할 수 있습니까? MARK MANDEL : 어떻게 하죠? [드라마틱 음악] 멜라니 워릭 : 아닙니다

나는 모른다 그러나 잘하면, 알다시피, 우리가 어떻게하는지 말해 줄 수 있습니다 괜찮아 그래서, 이번 주에 멋진 것들 우리 둘 다 발견 한 기사로 쫓아 낼 것입니다

그리고 실제로 Mark가 발견했습니다 그리고 이것은 제목이 붙여진이 기사입니다 "다른 행성에는 생명체가 존재합니까? Google 클라우드는 NASA의 프런티어 개발 연구소와 협력하고 있습니다 찾아야한다 " 실제로 흥미 롭습니다

이 두 가지 접근법에 대해 조금 이야기합니다 그들은 생물학 연구로 분해했습니다 먼 행성들 한 가지 접근 방식은 특히 가능한 분위기를 모델링 먼 행성에 존재할 수 있습니다 그리고 270,000 가지가 넘는 시뮬레이션 분위기를 분석했습니다

Compute Engine에서 그리고 그들이했던 모델링은 실제로 GitHub에서 공유 한 코드가 있습니다 그것은 PyAtmos라고합니다 블로그 게시물에는 체크 아웃 할 수있는 링크가 있습니다 그리고 나서 두 번째 접근법은 그들이 실제 스펙트럼 데이터 생성 300 만개 이상의 육지 외계 행성 세트 기계 학습 그래서 우리는 아직 충분한 데이터가 없습니다

하지만 우리는 엄청난 양의 시각적 이미지를 가지고 있습니다 서로 다른 위성에 의해 포착 된 존재하고, 그 후에 그들은 상당량을했다 좋은 모델을 만들기 위해 도움을주기 위해 시뮬레이션 잠재적으로 생명력을 가질 수있는 암석 지형을 확인합니다 그 데이터 세트는 계획하고 있습니다 가까운 장래에 언젠가 풀어주기 위하여, 그리고 당신은 그것을주의 깊게 관찰 할 수 있습니다 하지만이 블로그를 체크 아웃해야합니다

흥미 롭군 그리고 그 공간에서 무슨 일이 벌어지고 있는지 듣는 것만으로도, 기계 학습 기술이 어떻게 중요한 역할을하는지에 대해 설명합니다 좋아요 그래, 맞아 마크 AND델 : 멋지다

이번 주 내 다음 멋진 일에, 우리 둘다 실제로 게임과 인공 지능을 결합합니다 정말 멋지다 멜라니 워릭 : 특별합니다 MARK MANDEL : 특별합니다 커뮤니티 회원 중 한 분이 계시 며 사과 드리겠습니다

나는 네 이름을 망칠거야 나는 그것이 [INAUDIBLE]이라고 가정 할 것입니다 아마 가까울 것입니다 잘 했어 마크 맹델 : 나는 그걸로 갈거야

그들은 데이터 과학자입니다 그들은 "스타 크래프트 II" 학습 환경 프로젝트 그래서 당신이 그것에 익숙하지 않은 경우, 그것은 DeepMind에서 나오는 프로젝트입니다 PySC2는 DeepMind의 Python 구성 요소입니다 기본적으로 "스타 크래프트 II"학습 환경

블리자드 엔터테인먼트의 "스타 크래프트 II"의 기계 학습 API 파이썬 환경 기본적으로 지능형 에이전트를 구축 할 수 있습니다 "스타 크래프트 II"를 재생하는 게임입니다 멜라니 워릭 : 그것은 모두이 노력의 일부입니다 딥 마인드가 일했던 것처럼 지금 당장 AlphaGo에서 그 공간의 일부인 "Dota 2"를 출력합니다

AI 강화, 강화 학습 탐구 기계 학습 공간의 알고리즘 이 게임을하고 머신을 플레이 할 수 있어야한다 본질적으로 인간보다 낫다 그러나 이것은 실험 할 수있는 장소입니다 실험 할 수있는 도구가 포함되어 있습니다 MARK MANDEL : 그렇습니다

이번주의 멋진 것은 단지 그게 시원하기 때문에,하지만 [INAUDIBLE] 실제로 해냈습니다 만약 당신이 이것을 듣고 당신이 좋아한다면, 그 소리가 크고, 나는 그걸 가지고 놀고 싶다 그들은 당신이 통과 할 수있는 코드 랩을 썼다 환경에 대해 배우고, 환경을 설정하는 방법, 그것을 얻는 방법, 기본적으로 자신의 에이전트를 빌드하고 실행하십시오 슈퍼 차갑다

정말 멋져요 음, 너 "스타 크래프트"게임이 필요하지만 라이센스가 필요하지 않습니다 실제로 그것을 설정하고 실행하십시오 정말 좋습니다 멜라니 워릭 : 나는 너를 어떻게 이겨낼 수있는 걸 좋아해

게임과 함께 기계 학습 측면 우리가 언급하고 싶은 주중의 또 다른 멋진 일 추가 모듈이 있습니다 기계 학습 과정에 추가되었습니다 저 밖에 특히이 모듈은 공정성 및 기계 학습에 중점을 둡니다

그래서 당신이 이것에 관심이 있다면 이것을 확인해야합니다 나는 올해 이것을 많이 가져왔다 우리는 기계에 대해 잠시 팟 캐스트를했습니다 학습 편견과 공정성 따라서이 모듈은 탐색에 도움이되는 멋진 모듈입니다

다른 유형의 인간 편향을보고 교육 자료에서 확인할 수 있습니다 그리고 그것을 식별하고 평가할 수있는 전략을 제공하는 데 도움이됩니다 그들의 효과, 그래서 당신은 기계 학습에서 볼 수 있습니다 단기 특강 확인 해봐 좋아요

굉장해 우리는 훌륭한 개발자 옹호자 중 한 명을 보유하고 있습니다 팀원, Martin Omander 그들은 처음부터 서버 목록을 작성했습니다 클라우드 기능이있는 간단한 마이크로 서비스

이것은 분명히 하나입니다 그들은 회사와 함께 떠오르는 현실적인 접근 방식을 취합니다 어떤 일을 할 필요가 있습니다 -이 경우, 문서 나열 및보기 – 그런 다음 가져 가라 OK 클라우드 기능으로 어떻게 할 수 있습니까? 그 흐름은 어떤 모습일까요? 예를 들어 이야기하는 사이에 어떻게 작동할까요? 다른 팀원들과 그들이 어떻게 협력 할 것인가? 이에? 실제로 실제로 좋은 단계별 교육입니다

이러한 종류의 마이크로 서비스를 구축하는 방법에 대해 멜라니 워릭 : 그리고 마지막으로 그 주간의 시원한 것에서 나는 깊은 학습 Indaba에 있었고, 나는 Emily Muller와 Rebone을 만났습니다 자신의 팟 캐스트를 구축하고있는 Meraba "위에 놓기" 그리고 그들은 Omoju Miller와 함께이 녹음을했습니다 Nando de Freitas (기계 학습에 관해 말한) 회의에 관해서 이야기했습니다 훌륭한 포드 캐스트이자 멋진 비디오입니다

그래서 우리는 링크를 포함시켜주고 이번 주 동안 우리 포드 캐스트에서 외쳐 MARK MANDEL : 굉장해 그래, 맞아 우리가 말하고 있다고 생각하면 적절하다고 생각됩니다 이번 주에 깊은 학습에 대해서

알았어, 마크 나는 우리가 우리 인터뷰에 들어갈 때라고 생각합니다 MARK MANDEL : 해보자 멜라니 워릭 (MELANIE WARRICK) : 오늘의 포드 캐스트에서, 나는 Karim Beguir와 Muthoni Wanyoike가 둘 다 InstaDeep에 대해 이야기하기 위해 저와 합류했습니다 아프리카 지역 사회 구축

두 분 모두 가입 해 주셔서 감사합니다 MUTHONI WANYOIKE : 우리를 초대해 주셔서 감사합니다 카림 베거 : 고마워 멜라니 워릭 : 우리는 실제로 이것을 다른 것으로 기록하고 있습니다 우리가 현재 녹음하고있는 우리 포드 캐스트의 현재 일어나고있는 딥 러닝 인다 바 (Deep Learning Indaba) 남아프리카의 스텔 렌 보쉬 (Stellenbosch)

그러니 우리가 보통처럼 시작하겠습니다 카림, 우리에게 말해 줄 수 있니? 너 자신에 대해서 조금? 카림 베거 : 물론 그래서 나는 절반의 튀니지 인이고 절반은 프랑스 인이다 나는 실제로 사하라에 가까운 작은 도시에서 자랐다 "스타 워즈 (Star Wars)"의 모래 행성처럼 타타 위인 (Tataouine)이라고 불렀습니다

멜라니 워릭 : "스타 워즈!" 카림 베거 : 맞아 그리고 말 그대로, 나는 자라면서 성장했습니다 점진적으로 졸업 할 길을 열었습니다 프랑스의 콜 폴리 테크닉, 궁극적으로 미국의 콜 폴리 테크닉, 내가 뉴욕의 Courant Institute에있는 곳 대학 그리고 과정을 통해, 나는 항상 다시 돌려 주겠다는 생각이 들었습니다

어떤 시점에서 아프리카로 돌아와 흥미롭고 유용한 것을 할 수 있습니다 그리고 이것이 나의 선택을 오늘날의 InstaDeep으로 인도했습니다 좋았어 Muthoni, 너에 대해 조금 말해줘 MUTHONI WANYOIKE : 네, 고마워요

나는 케냐의 작은 마을 Nyahururu에서 자랐습니다 그 후 니 에리 (Nyeri)에있는 학교에 다녔습니다 나이로비에서 일하기 시작했습니다 저는 InstaDeep에서 일합니다 나이로비에서 팀을 이끌고 아프리카로 확장하는 전략 아프리카 전역의 인재를 양성하고 있습니다

네 좋았어 좋습니다 제가 언급했듯이, 이것은 현재 녹음 중입니다 깊은 학습 Indaba

나는 우리가 그것을 정확히 발표하지 않을 것이라는 것을 안다 동시에, 그러나 무엇이 있었는지 이 회의에서 당신에게 정말 귀중한 경험 지금까지? 카림 베거 : 열정의 수준이 환상적이라고 생각합니다 스피커의 품질은 정말 최고 수준입니다 저는 이것을 NIPS로보고 싶습니다 당신과 동일한 품질과 스피커 NIPS를 제외하고는, NIPS 5,000 명 또는 6,000 명의 참석자가 있으며 여기에 훨씬 더 작은 청중

그래서 나는 그것이 예외적 인 기회라고 생각한다 아프리카에서 AI 커뮤니티를 실제로 구축하기 위해, 우리는 깊은 학습 Indaba에 매우 감사해야합니다 팀이하는 일과 변화에 대한 팀 지상에 만들고있다 좋았어 Muthoni, 귀중한 경험은 무엇입니까? 너를 위해서? 무토니 WANYOIKE : 나를 위해, 나는 생각한다

올해 인디애나 계획의 일환으로, 나를위한 주요 인수는 단지 우리가 소통하고있는 모든 사람들을 보아왔다 함께 여러 달 동안 함께, 나오고있는 연구의 질을 볼 수 있습니다 아프리카의 매우 흥미로운 포스터가 제시되고 있습니다 매일뿐만 아니라 매우 흥미로운 세션 예를 들어, 기계 학습 기술을 토대로 구축하려면, 또는 좋은 종이 기술을 쓰는 방법, 그 종류의 경험은 정말 좋았습니다

좋았어 Muthoni, 당신이 실제로 함께 모이는 것에 관여한다는 것을 압니다 이 회의 어떻게 참여 했니? MUTHONI WANYOIKE : 매우 흥미 롭습니다 그래서 제 동료, 나이로비의 공동체 공동 주최자 작년에 인다 바에 왔고 기획위원회 이미 호스트하기로 결정했다

2019 년 케냐의 인다 바 그녀가 나와 함께 Indaba의 비전을 공유했을 때 아프리카 인들의 참여를 강화하는 것입니다 기계 학습에서, 나는 즉시 팔렸고, 그것이 나이로비의 공동체와 우리가하는 일이기 때문입니다 그래서 우리는 Shakir와 이야기를 나누었습니다

나머지 팀은 우리는 서로를 좋아하는 것처럼 보였고 우리는 올해 인다 바 계획 과정을 시작했습니다 나머지는 역사입니다 이제 당신은 들어 왔고 결코 떠나지 않을 것입니다 카림 베거 (KARIM BEGUIR) : 그렇습니다 내년에는 1,000 명을 수용 할 것입니다

그래서 그것은 흥미 진진해야합니다 오, 정말 흥분 되는군 카림, 당신이 연설하기 때문에 올해에 왔습니다 당신은 우리에게 무엇에 대해 조금 말할 수 있습니까? 무슨 소리 야? 카림 베거 : 네 그래서 제 세션은 목요일에 인생에 관한 것입니다

컴퓨터 학습 시작의 그리고 목표는 실제로 통찰력을주기위한 것입니다 벤처 기업을 구축하는 데 필요한 것, 그러나 구체적으로, 기계 학습 시작, 특히 아프리카에서 그래서 약간의 지식을 공유하기를 고대하면서, 또한 AI에 대한 인식을 제고한다 기회에 대한 커뮤니티 아프리카에 인공 지능이 있다는 것입니다 멜라니 워릭 : 기회는 무엇입니까? 카림 베거 : 엄청난 재능을 가지고 있다고 생각합니다

그리고 전달하고자하는 통찰력 중 하나 오늘의 세계에서, 그것은 실제로 고품질의 기계 학습을 구축 할 수있다 아프리카에서의 신생 기업 모든 지식의 원천이 있습니다 고품질 멘토링의 출처 지금 깊은 학습 인다 바 (Deep Learning Indaba)와 같은 행사가 있습니다 그래서 정말로 새로운 세대를 만드십시오

가능한 일을 인식하고 열정을 공유하십시오 우리가 경험 한 경험들 InstaDeep에서 끝났다 멜라니 워릭 : 그리고 우리에게 조금 말 해주세요 InstaDeep의 기능, 시작 방법 KARIM BEGUIR : 따라서 InstaDeep은 AI 시작입니다

다리를 건너는 아프리카의 AI 스타트 업입니다 선진 AI 연구와 대기업 사이의 격차 실제 비즈니스 요구 사항이 있습니다 그래서 우리가 해낸 방식은 우리 자신의 연구를 개발하는 것입니다 설명하고 지역 사회에 전달할 수있는 능력, 회사에 AI가 어떻게 이익을 얻을 수 있는지 그래서 그것은 우리의 경험이었습니다 그리고 그렇게함으로써 우리가 발견 한 것은 – 또한, 이 프로젝트는 튀니지 북부 아프리카에서 시작되었습니다

말 그대로 부트 스트랩으로 시작되었습니다 공동 창업자 인 Zora와 저는 두 대의 랩톱으로 시작했습니다 열정이 넘칩니다 우리가 발견 한 사실은 그것이 실제로 유망한 아프리카 인재를 유치 할 수 있음 AI에서 경쟁력있는 수준으로 아프리카와 그 이후의 기업에 실질적인 가치를 부여 할 수 있습니다 그것은 주요 테이크 아웃이며, 그것은 또한 나의 주요 메시지입니다

우리는 아프리카에서 인공 지능에 대해 낙관적이어야합니다 기회는 엄청납니다 그리고 이것이 우리의 의제라고 생각합니다 그 모든 메시지를 전달하고 넓게 퍼 졌는지 확인하십시오 MELANIE WARRICK : 확실히 숨겨진 의제는 아닙니다

음, InstaDeep의 측면에서, 우리가 오프라인에서 이야기 할 때, 네가 다섯 곳의 다른 장소에 있다고 나 한테 말했어 카림 베거 : 맞아 멜라니 워릭 : 그리고 그 위치는 어디 있습니까? 카림 베거 : 처음에는 튀니스에서 시작했습니다 아프리카에는 이제 세 곳이 있습니다 우리는 케냐에서 작전 중입니다

그것은 Muthoni가 이끄는 팀입니다 우리는 또한 나이지리아의 라고스에서 운영됩니다 또한 파리와 런던에도 사무소가 있습니다 그래서 다섯 곳, 그리고 앞으로 기대 아프리카에서 우리의 입지를 계속 확장하십시오 좋았어

Muthoni, 어떻게 참여하셨습니까? 무 튜니 WANYOIKE : 내 커뮤니티 작업을 통해 카림은 구글 런치 패드이기 때문에 나이로비를 방문했다 가속기 멘토 그래서 나이로비는 꽤 도시입니다 즉시 사랑에 빠지십시오

그래서 그는 나이로비에 설립하는 것에 관심이있었습니다 지역 사회 내의 사람들과 만남을 가졌습니다 그래서 제가 카림을 만났습니다 아프리카에서 인공 지능을 성장시키는 그의 비전에 팔려 나갔고, 10 억 명의 사람들에게 기회를 제공한다 흥미 진진한 프로젝트를 수행 할 수 있습니다

그리고 나머지는 역사입니다 나머지는 역사, 이제는 그룹과 함께 일하고 있습니다 측면에서 – 당신은 Google Launchpad에 대해 언급했습니다 촉진 신경 Google 개발자 전문가 인 GDE임을 알고 있습니다

나는 또한 우리가 이것에 대해서 이야기했다는 것을 알고있다 귀하가 Google Cloud 제품을 사용하고 있다는 것을 의미합니다 현재 사용중인 제품은 무엇입니까? InstaDeep에서 사용 하시겠습니까? KARIM BEGUIR : TensorFlow는 AI의 주요 플랫폼입니다 대단히 강력한 도구입니다 사람들이이 공구가 얼마나 강력한 지 알지 못한다고 생각합니다

무료로 액세스 할 수있어서 정말 감사합니다 Google이 제공 한 그래서 MLGD로서의 나의 경험에서, Google이하는 모든 작업에 감사 드렸습니다 특히, 예를 들어, 어시스턴트 엄청나게 강력하고 고급 인공 지능 모든 신생 기업이 이용할 수 있습니다 나는 또 하나를 언급했다 나는 그것이 매우 인상적이라고 생각한다

Auto Machine Learning, AutoML입니다 그것은 획기적인 제품입니다 전 세계의 신생 기업을 효과적으로 지원합니다 아프리카를 포함하여 고품질 인공 지능을 이용할 수 있도록 확장 된 팀이 필요하지 않습니다 Launchpad Accelerator Africa도 참여했습니다

Google과 협력하여 생태계 구축 지원 엄청난 기회였다 나를 위대한 사람들을 만날 수 있습니다 그리고 그 채널들을 통해 나는 Muthoni를 만났습니다 그리고 또한 지금 확신하고 있습니다 아프리카에서 땅을 변화시킬 때입니다

그래서 그것은 나를 격려했고 촉매 역할을했습니다 처음에 내가 가진 시야로 좋았어 그리고 커뮤니티에 대해 언급하고 있습니다, Muthoni 나는 조금 이야기하고 싶다 특히 당신이 달리는 지역 사회, 그것은 나이로비의 기계 학습 여성입니다

그 공동체에 어떻게 참여 했습니까? MUTHONI WANYOIKE : 2 년 전 캐슬린 지역 사회 나는 방금 저의 학부 졸업생이었습니다 정부에서 일하고 있었다 케냐 오픈 데이터 이니셔티브 그리고 빅 데이터, 인공 지능 및 모든 주변에 많은 유행어가있었습니다

그 그리고 많은 기대가있었습니다 우리의 업무 범위에서 그래서 우리는 많은 새로운 기술을 배우고 있었고, 그러나 나는 일하는 사람들과 연결될 필요성을 느꼈다 비슷한 공간에서 아이디어 나 자원을 공유 할 수 있습니다 아니면 전 세계에서 무슨 일이 일어나고 있는지 알면됩니다

그래서 그게 내가 여자에 대해 알게 된거야 기계 학습 및 데이터 과학 커뮤니티에서, 그들에게 다가 갔고, 그들은 우리가 나이로비에 도착하는 것을 도울 수있어서 기뻤습니다 그 다음엔 전화를 했어 돕기에 관심이있는 자원 봉사자들을 위해 지역 사회를 건설하십시오 2 년 후 우리는 많은 워크샵을 진행했습니다

파이썬과 R을 사용하는 방법에 대한 입문 수업부터 TensorFlow의 고급 수업 및 기타 고급 AI 개념 매우 흥미 롭습니다 범위 수업에 참석하는 사람들의 예를 들어 대학 강사가 있습니다 파이썬이나 13 살짜리 소녀를 배울 것입니다 프로그램하는 법을 배우러 왔습니다

그래서 매우 흥미로운 경험이었습니다 나이로비에 그 공동체를 짓는 것 멜라니 워릭 : 지역 사회는 현재 얼마나 큰가요? MUTHONI WANYOIKE : 우리는 만남에 1,800 명의 사람들이 있습니다 우리는 아마 700 명을 만났을 것입니다 그래서 거대한 그룹입니다

그리고 우리가 일을하는 방법은 자원 봉사로 이끌었습니다 그래서 많은 사람들이 우리에게 올 것이다 지역 사회의 필요성을 확인하고, 우리는 그들이 지역 사회 내의 프로젝트로서 그것을지지하게했습니다 멜라니 워릭 : 훌륭합니다 MUTHONI WANYOIKE : 그래

내가 언급 할 흥미로운 하나 우리는 국제 수업을 축하하는 마스터 클래스를했습니다 3 월의 여성 파이썬과 R에서 마스터 클래스 소개를했습니다 참석 한 여성들은 매우 흥미를 느꼈습니다 그리고 그 중 두 명은 자원 봉사를 통해 그 계급을 키웠고, 이제 그들은 4 개월에 걸쳐 코스를 진행하고 있습니다

나이로비와 케냐에 약 30 명의 여성 클래스가 있습니다 원격으로 자신의 코스를 수행하고, 그리고 나서 매주 피드백과 결과를 제공하고, 지식과 기술 공유 멜라니 워릭 : 그들은 무엇을 사용 했습니까 함께 원격으로 작업하는 것을 돕기 위해? MUTHONI WANYOIKE : 그들은 여유를 사용합니다 그래서 그들은 수업과 여유를 조정합니다 우리는 해들리 위컴 (Hadley Wickham)의 "R for Data Science" 그 다음 그것을 나누어서 커리큘럼을 만들었습니다

4 개월 동안 퍼졌다 그리고 우리는 작업을 조정하기 위해 슬랙 (Slack)을 사용합니다 GitHub로서, 왜냐하면 많은 사람들이 또한 GitHub을 사용하지 않았으며 예를 들어 일자리를 신청할 때 정말 중요합니다 이제는 프로젝트를 업로드 할 수 있습니다 거래 할 때 자신의 작품을 선보일 수 있습니다

예를 들어 신병 모집 자 멜라니 워릭 : 알아 나는 얼마나 중요한지 꽤 감명 받았다 GitHub가 공간에 등장했습니다 그리고 사람들과 이야기 할 때, 나는 그들 모두는 – 그리고 여기에도, 나는 그것이 얼마나 중요한지 사람들에게 이야기하고 있었다

GitHub에 게시하는 것입니다 완벽해질 때까지 기다리지 마십시오 그걸 꺼내서 네가 뭔가 작업 글쎄요, 당신은 기계 학습에서 다른 여성들과 협력하고 있습니까? 커뮤니티 또는 나이로비의 다른 커뮤니티 또는 나이로비 외부? MUTHONI WANYOIKE : 우리는 그렇게합니다 예를 들어, 커뮤니티를 가지고있는 우리 중 나이로비에서 지금 우리는 지역 사회를 가지고 있습니다

라고스에서 기계 학습의 여성 우리는 또한 데이터 과학을하는 소수의 여성들과도 협력했습니다 우간다에서의 수업 그리고 Indaba에서 나는 아주 많은 여자들을 만났습니다 유사한 커뮤니티를 갖게되어 매우 기쁩니다

그들의 나라에서 여성 스킬을 키우는 아주 흥미 진진한 시간들 아프리카에서 기계 학습 좋았어 네가 그걸 만난 것처럼 말한 것 같아

그래서 사람들이 그룹을 탐색하거나 체크 아웃하려는 경우, 그것이 그들이 그것을 발견 할 수있는 곳입니다 카림, 공동체 란 무엇인가 우리는 이미 조금 이야기했다 이것에 대해,하지만 당신에게 그게 무슨 뜻입니까? 이러한 유형의 커뮤니티 및 귀사와 관련하여, 당신이 AI에 가지고있는 관심사는 무엇입니까? 카림 베거 (KARIM BEGUIR) : 매우 중요하다고 생각합니다 커뮤니티가 AI 기회를 이해하도록 돕습니다

그래서 우리가하는 일은 실제로 그 노하우를 가져오고 사람들을 돕는 일 중요한 문제에 집중하십시오 오늘날, 문제는 정보 부족이 아니라고 말할 수 있습니다 이것은 정보 오버 플로우와 같을 수 있습니다 그래서 내가하는 일의 중요한 부분은 내가 스승이라는 것입니다 또한 우리는 TensorFlow 모임을 매우 적극적으로 조직합니다

우리는 hackathon을 조직합니다 한 달 전에, 나는 라고스에서 해 커톤을 조직했다 나는 정말로 재능에 감명 받았다 젊은 학생과 엔지니어의 열정이 거기에 있습니다 따라서 우리가하는 일 중 중요한 부분은 인식을 높이는 것입니다

정신적 인 생각을 버리세요, 오, 당신은 아프리카에서 세계 정상급이 될 수 없습니다 아프리카의 AI 스타트 업으로서 최고 수준의 경쟁을 펼칠 수 있습니다 그리고 우리는 정말 건설적인 교류를했습니다 여기 Nando Freitas의 Deep Learning Indaba에서, DeepMind의 David Silver가 있습니다 그리고 그들의 피드백은 정말로 매우 긍정적이었습니다

이 덕분에 우리는 계속해서 메시지는 모두 아프리카를 통해 전달됩니다 그 인공 지능은 진정한 기회입니다 AI에서 세계적 수준의 존재가 될 수 있습니다 그것이 취하는 모든 것은 양성, 배우려는 의지, 에너지, 저는 대륙에서 많은 것을 가지고 있다고 믿습니다 멜라니 워릭 : 그리고 조언이나 추천 고려중인 기업 아프리카 일부 지역에 지사를두고있는 것이 어떻습니까? 카림 베거 (KARIM BEGUIR) : 나는 AI에서 핵심적인 것 – 그리고 다른 많은 것들에서 – 사람들에게 초점을 맞추고 있습니다

예를 들어, InstaDeep에서 우리는 우리가하는 구체적인 계획이 없다 예를 들어 사무실이 있어야합니다 특정 국가 나 도시에서 그것은 정말로 사람들의 질에 의해 좌우됩니다 우리가 올바른 파트너가 있다고 느낄 때 – 우리는 케냐에서 Muthoni를 갖게되어 매우 기쁩니다 우리는 나이지리아에서도 훌륭한 기계 학습 팀을 운영하고 있습니다

따라서 올바른 팀을 갖추고 있으면 올바른 사람, 당신은 만들 수 있습니다 그게 내 주요 메시지 야 그리고 이것은 생각합니다 특히 그렇습니다 아프리카와 관련이 있습니다

적절한 사람들에게 투자하는 것입니다 열정을 공유하는 당신의 비전을 공유하십시오 따라서 잠재적으로 찾고있는 기업에 대한 내 메시지는 아프리카 인재를 고용하는 데 적극적으로 노력하십시오 최고 재능을 위해 가장 중요한 것은 배울 의향이있다

스스로 도전 할 의지 일정 수준의 경쟁력 확보 팀 내의 공동 작업 그래서 저는 우리가 얼마나 빨리 올바른 사람들을 만났습니다 그리고 하루가 끝날 무렵 AI 나 다른 어떤 것에서, 그것은 사람 중심적입니다 멜라니 워릭 : 대단히 동의한다 그리고 그 점에 대해서도, 관점에서 감사드립니다

커뮤니티 구축에 관해 이야기하는 것, 그 기회를 갖는 회사에 대해 이야기하기 이러한 커뮤니티를 탐색하고 재능이 어디에 있는지 확인하십시오 그리고 다시주고, 돌려주고 경 쟁 측면에서 경이 롭다 나는 우리가 이것에 대해 이미 일찍 이야기했다는 것을 안다 사용중인 도구 중 일부를 만지고있었습니다

당신이 당신의 재능을 가져올 때, 그것은 네가 네 자신의 훈련 중 일부를하는 것처럼 들리는데, 사람들이 성장하도록 돕습니다 그 맞습니까? 카림 베거 (KARIM BEGUIR) : 그렇습니다 그래, 맞아 그리고 핵심 기술 중 일부는 무엇입니까? 특히, 당신이 쌓아 올리려고 노력하고 있다고? 카림 베거 (KARIM BEGUIR) : 그래서 우리는 동기 부여를 취하는 것이 가능하다고 믿습니다 젊은 학생이나 엔지니어 – 학부생, 또는 대학원 연구를 마치는 것 – 업무에 빨리 착수하십시오

AI 연구 문제에 PhD 플러스로 간주됩니다 나는 그것이 내가 가지고있는 매혹적인 놀라움 중 하나라고 생각한다 회사를 짓고 보았다 이것이 실제로 가능하다는 것입니다 우리에게는 큰 성공 사례가있었습니다

어떤 환상적인 여성, 우리가 팀에 있던 학생 InstaDeep은 실제로 다양성을 믿습니다 모든 사람에게 평등 한 기회가 있는지 확인하십시오 그리고 우리는 성공 사례에 정말 놀랐습니다 우리는 인턴으로 하여금 일의 예술 상태를 추진하게했습니다

그것은 실리콘 밸리에서 이루어졌습니다 그래서 이것은 재미있는 시간입니다 그리고 전달하고자하는 핵심 메시지 AI의 기회가 있다고 믿지 마라 당신에게서 먼 뭔가 진정으로 동기 부여가된다면, 진정으로 배우고 싶다면, 방법이 있고 멘토가있다

딥에서 나 또는 모든 놀라운 사람들이 도움을받을 수 있도록 인다 바를 배우면서 그 기회를 현실로 만드십시오 멜라니 워릭 : 당신에게 필요한 자원은 무엇입니까? 가르치는 데 더 가치가 있고, 다른 사람들을 훈련시키는 데 도움이 되는가? 우리가 해들리 위컴에 대해 이야기 했었기 때문에, 그의 책이 훈련의 일부로 어떻게 도움을 주 었는지 네가 나이로비 여성과 함께 일하고 있다고 기계 학습 카림, 너 특별한 사람있어? 당신이 매우 가치 있다고 생각하니? 카림 베거 (KARIM BEGUIR) : 그렇습니다 다음과 같은 두 권의 책이 있습니다 우리는 실제로 엄청난 자원임을 발견했습니다

좋은 소식은 무료로 제공된다는 것입니다 필요한 것은 이동하여 링크를 클릭하는 것입니다 그리고 당신은 그들을 얻을 것이다 PDF 파일을 다운로드하여 인쇄하십시오 그래서 제가 말한다면, 당신이 깊은 학습에 관심이있는 것은 "깊은 학습" Ian Goodfellow, Courville 및 Bengio의 책

그것은 환상적인 것입니다 그리고 나는 그것이 환상적이라고 말하고 싶다 하나, 진짜 테스트이기 때문에 그것은 정말로 쉽고, 어려움은 거의 시작됩니다 챕터에 따라 기하 급수적으로 증가합니다

그래서 동기가 있다면, 굿 펠로우를 데려와 너 끝내 당신은 긍정적이고 연속적인 경력을 쌓기 위해 먼 길을 갈 것입니다 AI에서 무토니 WANYOIKE : 흥미로운 것을 언급하고 싶습니다 재능을 키우는 측면에서 InstaDeep에서 저를 동기 부여합니다

그래서 우리는 또한 매우 숙련 된 연구원을 보유하고 있습니다 InstaDeep에서 일하고 있고, 어떻게 든 우리의 중학교 엔지니어와 쌍을 이루고 있습니다 그리고 그들은 함께 잘 일할 수 있습니다 따라서 엔지니어가 실제로 도움이됩니다 자신의 기술 측면에서 정말 빠른 속도로 성장하십시오

네 멜라니 워릭 : 그건 일반적인 도전입니다 대부분의 회사들과 마찬가지로, 중년의 재능을 가지고 성장할 수 있도록 실제로 멘토링하고 설정한다는 사실 그런 종류의 관계 일부 회사에서는이를 수행하고 있습니다 불행히도 모든 사람이 그것을 실행할 수있는 것은 아닙니다

그들은 그것을하지 않고있다 그들은 그것에 실행되지 않습니다 KARIM BEGUIR : 그리고 나는 Muthoni가 만지고 있다고 생각합니다 중요한 포인트 InstaDeep에서는 모든 프로젝트가 교차 지역입니다

따라서 서로 다른 팀이 협력해야합니다 그리고 우리는 이것을 특히 경험했습니다 우리가 유럽에서도 가지고있는 팀과 우리는 그것이 그것을 핵심 구성 요소로 생각합니다 모두가 동일한 리소스에 액세스 할 수 있습니다 누구나 공유하고 공동 작업을 할 수 있습니다

그리고 우리는 엄청나게 재미있는 경험을했습니다 이걸로 아프리카 인 재능은 정말 빨리 데리러 올 수 있습니다 그리고 우리는 혁신이 실제로 아프리카에서부터 이끌어 냈습니다 우리는 매우 자랑 스럽습니다

어떻게 그렇게? 카림 베거 (KARIM BEGUIR) : 예를 들어 우리는 연구 프로젝트를 진행했습니다 나는 최근 기사를 언급 할 것이다 "순위 보상 (Rank Rewards)"이라고 불리는 출판 DeepMind가 개척 한 작업을하면서, 특히 데이비드 실버는 2 인 게임을 중심으로 펼쳐집니다 이것은 매우 흥미 롭습니다 그것은 엄청난 돌파구입니다

사실, 기술적으로 Al은 Alan Turing에 의해 발명되었습니다 체스를 풀기 따라서 AlphaZero가 정말 순간적이라고 말할 수 있습니다 그리고 우리는 그 돌파구에 매우 흥분했습니다 그리고 우리는이 돌파구가 어떻게 적용될 수 있는지 생각하려고했습니다

실제 사용 사례, 실제 비즈니스, 실제 상황, 그것이 운송이나 물류와 상관없이? 그걸 유용하게 만드는 방법은? 이것은 우리에게 획기적인 발전을 가져 왔습니다 특히 북 아프리카 팀이 개척 한 훌륭한 리뷰, 훌륭한 피드백, 궁극적으로 차세대 제품 개발 우리 팀과 지역 사회, 그리고 그 이상으로 이익을 얻습니다 멜라니 워릭 : 훌륭합니다 그래서 원격으로 작업하는 것에 관한 그 시점에서 – 당신은이 위대한 모범을 보여주고있었습니다 아프리카에서 몰아 낸 – 가장 큰 도전은 무엇인가? 함께 일하는 원격 팀과 함께 일한 경험이 있습니까? 카림 베거 (KARIM BEGUIR) : 사람들을 확신시키는 것이 중요하다고 생각합니다

의사 소통하고 협업합니다 그래서 몇 가지 도전 과제가 더 실용적입니다 예를 들어 오프 사이트를 구성 할 때, 비자를 발급받을 수 있는지 확인하십시오 불행히도 아프리카를 여행하는 것은 매우 어렵습니다 문제는 본질적으로 실용적입니다

그러나 당신이 정말로 동기 부여를 받았다면, 당신은 그들보다 뛰어날 수 있습니다 협업 문화를 창출합니다 그래서 InstaDeep에서, 우리는 그것을 정말로 믿습니다 우리는 적어도 일 년에 두 번, 전체 글로벌 팀 직접 교환하고 공유 할 수있는 위치에서 만나고 포괄적 인 문화를 그래서 소프트웨어는 아프리카에서 일부러 갈 수있는 방법이라고 생각합니다 사람들을 움직이고 물건을 옮기는 것과 관련된 어려움을 그래서 우리는 가끔 비자와 투쟁합니다

그리고 Muthoni는 이것을 알고 있습니다 우리는 사이트 목록에 그녀를 데리고 가기 위해 싸워야합니다 그러나 시작과 동시에 다른 모든 것과 마찬가지로, 그것은 동기에 관한 것입니다 당신이 정말로 동기 부여가 있다면 궁극적으로 오늘의 세계에서 어려움을 극복하기 위해, 너는 할 수있어 그리고 제가 만들고 싶은 요점은 당신이 혼자가 아니라는 것입니다

당신이 아프리카의 기계 학습 시작가라면, 당신은 기술 거인들에게 접근 할 기회가 있습니다 생태계를 개발하는 데 도움이 될 것입니다 그리고 나는 그것이 정말로 변형 적이라는 것을 알았습니다 이것은 또한 내가 일로 인도했다 나는 Google과 함께 기계 학습 개발자로 학습하고 있습니다

밖에 기회가 있습니다 당신이 당신 자신에 있다고 믿지 마십시오 넌 아니야 슈퍼 많은 사람들이 있습니다 대륙의 잠재력에 흥분하고, 실제로 손을 빌려주고 당신을 도울 것입니다

그것이 우리의 경험이었습니다 우리가 똑같이하고 공유 할 수 있다면 그 피드백과 그 긍정적 인 피드백, 나는 우리가 먼 길을 간 것 같아 멜로니 워릭 : 나는 너를 끄덕이는 것을 본다 추가하고 싶은게 있습니까? 무토니 WANYOIKE : 이제는 매우 어렵다는 것에 동의하는 것입니다 대륙을 돌아 다니기

그러나 단지 만드는 것에 대한 노력을 보는 것은 흥미 롭습니다 일들이 일어난다 매우 중요합니다 그리고 때로는 이동에 대한 한도 – 예를 들어, 우리는 Indaba에 참석할 동료가있었습니다 그들의 비자를 얻을 수 없었다

즉, 액세스하는 일부를 차단한다는 의미입니다 자원과 사람들은 다음 단계의 삶의 핵심이었습니다 그러나 기술로 우리는 다리를 뚫을 수 있습니다 이 문제 중 일부는 삶의 더 쉬운 방법이됩니다 멜라니 워릭 : 네가하는 얘기가 너무 좋아

특히 모든 팀의 모습 동일한 리소스 액세스 권한이 있어야합니다 그리고 그것이 바로 당신이 달성하기 위해 싸우는 것입니다 그러나 나는 또한 사실을 매우 중요하게 생각한다 이 모든 팀이 제대로 작동하는지 확인하려고합니다 함께

저는 원격 팀과도 협력했습니다 나는 더 강한 것처럼 느껴진다 나는 다른 배경을 가진 사람들과 일한다 다른 생각 그게 큰 부분 인 것처럼 들리네

이것을 운전하고, 또한 당신도 경험합니다 옳은? 카림 베거 (KARIM BEGUIR) : 포괄 성의 문화를 만들어야합니다 그리고 권한 부여 모든 팀은 어디에 있든 상관없이 동일하게 취급됩니다 우리는 아이디어를 소중하게 생각합니다

우리는 지적 호기심을 중요시합니다 그래서 우리는 누군가가 뭔가에 일하기로되어 있었어 그러나 다른 것에 빛나는 것으로 밝혀졌습니다 우리는 그런 긍정적 인 놀라움을 좋아합니다 긍정적 인 환경을 조성한다면, 사람들을 위로하고 보상을 받는다

지속적인 학습, 지적 호기심, 당신은 좋은 놀라움을 가질 의무가 있습니다 무토니 WANYOIKE : 사람들의 동기 부여는 할 수 없습니다 과다한 스트레스를받습니다 사람들이 자신의 개인적인 동기 부여가있을 때 프로젝트에서 작업하려면, 예를 들어, 심지어 어쩌면 시간의 작은 도전, 다른 시간대에 걸쳐 작업하고 있기 때문입니다 그러나 일할 동기가있을 때 흥미 진진한 도전을 향해서, 그것은 그러한 것들 중 일부를 만든다

너는 그들을 쉽게 간과 할 수 있다고 생각한다 네 좋았어 글쎄, 우리가 이미하지 않은 것 당신이 만지고 싶었던 표지, 강조하고 싶었던 점, 그것이 InstaDeep에 관한 것이 든, Deep Learning Indaba에 관한 커뮤니티 구축에 관한 이야기? 카림 베거 (KARIM BEGUIR) : 음, 결론을 내리면 나는 그것이 아프리카에게는 정말로 흥미로운 시간이라고 생각합니다 혁신적인 기술이 있기 때문에, 인공 지능, 어떤 일이 일어나고 있으며 앞으로도 계속 될 것입니다

가까운 장래에 그리고 동시에, 점차적으로 기회를 갖기 위해 귀하의 비즈니스, 사람들을 고용 현실 그래서 우리는 InstaDeep에서 이것에 대해 매우 흥분하고 있습니다 깊은 학습 Indaba 내에서 같은 생각을 가진 사람들의 커뮤니티 누가 정말로 기회를 느끼는지

저는 이것이 아프리카에 역사적인 기회라고 생각합니다 그리고 우리는 그것에 대해 매우 흥분합니다 궁극적으로이 모든 것을 함께 구축하는 것입니다 이것은 Deep Learning Indaba의 메시지입니다 우리는 함께 건설합니다

그리고 그것은 변화를 가져올 것입니다 듣고있는 사람에게 보내는 내 메시지 이것이 너 밖에 있다는 것을 믿지 마라 그것의 일부가 되십시오 보텀스 – 업 방식은 궁극적으로 갈 길이 멀다 이것은 아프리카를 변화시킬 것입니다

그리고 그것이 취하는 모든 것은 약간의 동기 부여입니다 약간의 호기심과 두려워하지 않는 것 위대한 일이 일어날 것입니다 멜라니 워릭 : 훌륭합니다 그리고 그것은 실제로 나에게 뭔가를 생각 나게합니다

너날 밤에 너가 들었다고 들었어 Muthoni는 긍정이라고 말하고있었습니다 그들이 말하는 것처럼 느껴지는 것들에 예라고 말하기 불가능하거나, 너 너머에있다 다른 것을 추가하고 싶습니까? 무토니 WANYOIKE : 나를 위해, 내 경험 나는 개인적인 평가를하고 싶다

그리고 언젠가 올해 초, 나는 내가 좋아한다는 것을 깨달았다 나의 안락 지대는 그늘에 숨어있다 조용하고 조용하게, 또는 트위터에 물건을 그냥 친구가 [INAUDIBLE] 님을 추천했을 때 그때 웬일인지, 그것은 나의 마음에서 무엇인가 감동시켰다 그리고 그것이 내가 결국 어떻게 된 것인지 예를 들면, 도전 이었기 때문에 InstaDeep에 가입하는 것을 허용했습니다

내가 몇 달 전에 받아 들여지지 않았을 것이라고, 또는 Indaba의 일부가되었습니다 그래, 네가 사람들 한테 그렇게 말하길 바란다 정말로, 정말로 그들을 놀라게하는 기회들에, 왜냐하면 때로는 위로가 당신만큼 성장하지 않기 때문입니다 그래 그리고 마지막으로, 우리는 – 나는 내년에 Indaba를 개최하게되어 매우 기쁩니다

또 하나의 커다란 도전인데, 그러나 나는 환상적인 해가 될 것이라고 확신합니다 그래서 저는 2019 년 케냐에서 인다 바 (Indaba)를 갖기를 고대합니다 KARIM BEGUIR : 그리고 내 편에서는, 나는 다음 노력에 대해 대단히 기뻤습니다 나는 Muthoni가 조직의 큰 부분이 될 것이라고 확신합니다 또한 내가 추가하고 싶은 다른 것 아프리카에서 기계 학습에 관한 것입니다

이제는 아프리카 인으로서 세상에 증명할 때라고 생각합니다 아프리카에서 벗어난 회사들조차도 경쟁 할 수 있고, 발 앞에 설 수있다 기본적으로 우리가 확인해야 할 부가 가치를 제공합니다 우리 공동체와 우리 경제 21 세기에 성공했습니다 이것이 InstaDeep에서 우리가하려는 것입니다

그리고 소원이 있다면 미래에 AI를 성공적으로 볼 수 있습니다 도움으로 아프리카에서 떠나는 기업 기술 파트너 협력 선의의 모든 사람들 그러나 이것은 우리가 아직 보지 못한 것입니다 특히 InstaDeep은 매일 내게 동기를 부여하는 것 우리는 기회로 경쟁 할 수있는 아프리카 인으로 증명할 수 있습니까? 모든 공동체와 모든 사람들에게 위대한 것을 만들어라

우리가 함께 일하는 파트너는? MELANIE WARRICK : Karim, Muthoni, 고맙습니다 Podcast에 오는 데 많은 도움이됩니다 MUTHONI WANYOIKE : 우리를 초대해 주셔서 감사합니다 카림 베거 : 고마워 무토니 WANYOIKE : 감사합니다

멜라니 워릭 : 다시 한번 감사드립니다, 카림과 무토니, 팟 캐스트에 와서 우리에게 이야기하기 AI, 기업, 커뮤니티, InstaDeep, 모든것들 정말 고맙습니다 MARK MANDEL : 네, 고마워요 정말 재미있었습니다 마크, 금주의 질문? MARK MANDEL : 금주의 질문

MELANIE WARRICK : GKE를 만들고 싶다면 특정 주요 Kubernetes 버전 클러스터 – 심지어 최신의 것일 수도 있습니다 명령 줄 도구를 사용하면 어떻게 할 수 있습니까? MARK MANDEL : 이것은 내가 뛰어 본 것입니다 나는 그것을 탐구하고 있었다 멜라니 워릭 : 정말로? 이걸 봤니? Mark MANDEL : 나는 몰랐다 나는 정말로 이것에 부딪쳤다

[차량 충돌 노이즈] 권리 그래서 GKE는 Kubernetes의 특정 버전을 실행합니다 예를 들어, 110은 현재 사용할 수 있습니다 GKE에서 실행 중이면 1

106을 실행 중일 수 있습니다 그런 다음 일반적으로 패치 릴리스가 있습니다 그래서 -gke6,

7, 또는 4와 비슷합니다 그리고 그것들은 꽤 빨리 굴러 갈 수 있습니다 언젠가는 2, 3 주 전 같을 수도 있습니다 1

106-gke1을 실행 중입니다 그런 다음 몇 주 후 또는 한 달 후에 다시 방문하면 gke가 될 수도 있습니다 4, 이전 버전 더 이상 사용할 수 없게 될 수도 있습니다

그리고 명령을 통해 스크립트를 실행할 수도 있습니다 라인 또는 심지어 배포 관리자 또한 매우 구체적입니다 그것들은 같을 수도 있습니다 예,이 버전이 필요합니다 1

107gke-3 그리고 그것은 더 이상 사용할 수 없습니다 그리고 갑자기 모든 스크립트가 깨져서 짜증납니다

[드라마틱 음악] 그리고 나는 그걸로도 들어갔습니다 원하는 때마다 스크립트를 업데이트해야합니다 GCloud 또는 Deployment Manager를 사용하여 클러스터를 생성하십시오 하지만 당신은 할 필요가 없습니다 와일리

MARK MANDEL : 놀랍습니다 멜라니 워릭 : 놀랍습니다 [CELEBRATORY MUSIC] 마크 멘델 : 그래서 정말 좋은 것입니다 실제로 일반 클러스터 버전을 지정할 수 있습니다 예를 들어, 다음과 같은 버전을 만들고 싶습니다

110 나는 110의 도트 버전이 마음에 들지 않는다 1

10을 만들어주세요 내 초기 클러스터 버전에서 실제로 말할 수 있습니다 Deployment Manager 또는 GCloud의 클러스터 대시 버전에서, 기본적으로 나는 단지 110과 같습니다 그리고 그것은 최신 1

10을 붙잡을 것입니다 패치 릴리스를 원한다면, 1107, 그리고 항상 최신 정보를 얻습니다 그리고 마지막에 – 게케와 함께

아니면 그냥 최신을 원하면 "최신"이라고 쓸 수 있습니다 헤이 MARK MANDEL : 네 그러면 장면 뒤에서 당신을 위해 효과가있을 것입니다 많은 시간을 절약하고 스크립트를 만들 수 있습니다

조금 부서지기 쉽고 물건을 조금 더 쉽게 만든다 너를 위해서 멜라니 워릭 : 우리는 쉽게 좋아합니다 네, 그렇습니다 멋지다

WARRICK : 멋지다 마크, 어디가는거야? Mark MANDEL : 저는 12 월에 QCon에서 만나겠습니다 하지만 그 외에는 다음 달에 휴가를 보내고 있습니다 네 멜라니 워릭 : 휴가! [CELEBRATORY MUSIC] 마크 멩델 : 너야? 멜라니 워릭 : 나는 [INAUDIBLE] 11 월 말에, 그것은 주요 계획입니다

마크 AND델 : 멋지다 그 좋은 소리 그래, 맞아 진짜 빨리, 우리가 감싸기 전에 MARK MANDEL : 물론입니다

멜라니 워릭 : 나는 단지 작은 공익 광고를하고 싶다 미국에 있다면 투표하십시오 우리는 여기 앉아서 투표 할 사람을 말하지 않을 것입니다 나는 내 의견을 가지고있다 하지만 – 내 트위터 피드를 확인할 수 있습니다

내 의견을 알고 싶다면 하지만 네, 투표하십시오 만약 당신이 그것에 대해 생각하고 있다면, 당신이 울타리에 뭐든, 제발, 확실히 이 중간 선거에 투표하십시오 MARK MANDEL : 굉장해 글쎄, 멜라니, 정말 고마워

아직 나와 함께 해줘서 고마워 이번 주 팟 캐스트에서 다시 고마워, 마크 MARK MANDEL : 그리고 모두 들어 주셔서 감사합니다 우리는 다음주에 모두 만날거야

[음악 재생]

영어원서 꼼꼼하게 읽는 방법 | 열심히 영어공부 | How to read books in English

안녕하세요 여러분 열심히 영어공부의 열심히 입니다 오늘은 제가 영어원서 읽는 방법을 살짝 바꿔 봐가지고 새로운 원서읽기 방법에 대해서 말씀드리려고 해요 제가 지금까지는 영어원서를 어떻게 읽었냐면 한 권을 3일 아니면 4일 안에 다 읽겠다 이런 목표로 속독, 빨리 읽기 방법으로 읽었어요 그렇게 영어원서를 읽은지 지금 2년 반 정도 됐거든요 만약에 모르는 단어가 나오면 거의 안 찾아보거나 아니면, 정말 중요하고 정말 답답하다 이 단어 때문에 줄거리가 이해가 안된다 이렇게 생각이 될 때 찾아보는 방법으로 거의 한 챕터에 모르는 단어를 10개 이하로 찾아가면서 빨리 빨리 영어원서를 읽어왔습니다 근데 제가 최근에 영어원서 읽기에 대한 책을 한 권 읽었어요 제목이 뭐냐면 영포자가 꿈꾸는 영어원서 쉽게 읽기 라는 책입니다 이 책의 저자이신 부경진님은 영어원서를 처음 읽으실 때부터 모르는 단어를 꼼꼼하게 찾아가면서 읽으셨다고 해요 단어카드를 준비하셔 가지고 어려운 단어가 나오면 거기에 단어를 쓰고 뜻도 적고 영어발음도 적고 몇 페이지에서 나왔는지도 적고 그리고 그 문장도 적고 그런 식으로 만드신 단어카드가 지금 이만큼이 있다고 합니다 이 책을 읽고 나니까 지금까지 너무 대충대충 읽었나? 이런 생각이 들어서 한 이틀 동안은 너무 고민이 되더라구요 지금까지 읽은 책을 다 다시 읽어야 되나 이런 생각도 들고 근데 후회해 봤자 이미 지난 세월 어떻게 할 수도 없고 그리고 이거는 제 생각인데 저는 좀 성격이 급한 편이어가지고 그렇게 꼼꼼하게 읽어야 된다고 생각을 했으면 중간에 포기했을 수도 있을 거 같애요 너무 답답해서 저한테는 그렇게 빨리 읽으면서 뭔가 눈에 띄게 읽은 책이 쌓인다는 느낌 그리고 영어문장을 많이 접하는 연습 그게 저한테는 좀 도움이 됐었던거 같애요 근데 이 책을 읽고 나서 이 작가님의 방법과 내 방법을 조금 섞어보자 조금 영어원서 읽는 방법을 바꿔보자 이런 생각이 들어서 제가 이번에 새로 읽은 책부터 그 방법을 적용을 한 번 해봤습니다 바로 이 책인데요 이 책 뉴베리 메달 받은 책이고 추천해 주시는 선생님들이 많으셔서 읽기 시작했는데 내용이 정말 좋아요 인디안 학생이 백인 친구들만 가득한 학교로 전학을 가게 되면서 일어나는 성장소설인데요 되게 유머러스하면서도 슬프고 그러면서도 용기를 주는 그런 책이어서 추천을 해 드릴께요 이 책을 읽으면서 저는 어떻게 읽었냐면 먼저 책을 3등분해서 나눴어요 그건 저의 오랜 습관이기도 하고 하루에 이 정도 읽겠다 이런 목표이기도 하구요 그리고 3분의 1을 다 읽고 나면 와 3분의 1이나 읽었다 이런 목표를 잘게 쪼개는 그래서 성취감을 올리는 저만의 방법이기 때문에 이렇게 3등분을 일단 했구요 그리고 책을 읽으면서 이렇게 작은 메모지를 준비를 했어요 그래서 모르는 단어가 나올 때마다 꼼꼼하게 찾아서 적고 뜻을 찾아서 옆에다 적었어요 문장까지는 적지는 않았구요 대신 책을 읽으면서 외워두고 싶은 문장 그리고 꼭 기억하고 싶은 문장을 만날 때마다 메모지의 뒷편에다가 이렇게 적어뒀습니다 책을 다 읽고 나서는 이렇게 앞에 마스킹 테이프를 이용해서 나중에 뗐다 붙였다 할 수 있게 붙여놨어요 이렇게 꼼꼼하게 읽으니까 좋은 점이 정말 그 문장 하나하나를 정확하게 이해를 하게 되어서 작가가 하고 싶은 말을 더 잘 이해하게 되는 느낌 대충대충 넘기는게 아니고 꼭꼭 씹어서 이해하는 느낌이 들어서 좋았어요 그리고 외워두고 싶은 문장을 적어두는 것도 정말 좋더라구요 이렇게 해보니까 그동안 읽던 책들에서 적어두고 싶은 문장이 있었는데 그냥 넘어간 적이 많았었거든요 한 가지 단점은 저는 책을 누워서도 읽고 소파에 기대서도 읽고 좀 왔다갔다 하면서 읽는 편이었는데 이렇게 모르는 단어를 적어야 되니까 한 자리에서만 읽게 되더라구요 그리고 저는 책을 3-4일에 한 권 읽는 걸 목표로 지금까지 읽어왔는데 이렇게 꼼꼼히 찾아가면서 읽으니까 아무래도 책읽는 시간이 조금 느려졌어요 그래서 이 책은 다른 책에 비해서 많이 두꺼운 책이 아니었는데도 읽는데 한 일주일 정도 걸린거 같애요 당분간은 이렇게 꼼꼼하게 읽는 방식으로 좋은 책을 골라서 읽어보려고 합니다 오늘 이렇게 새로운 원서 읽기 방법에 대해서 말씀드렸는데 어떠셨나요? 여러분은 원서를 읽을 때 어떻게 읽으시나요? 댓글로 남겨주세요 제 영상이 도움이 되셨으면 좋아요 눌러주시고 구독 버튼 누르시고 저랑 꾸준히 영어공부 같이 해보세요 오늘 영상 여기까지 봐주셔서 진심으로 감사드립니다

Future of Hearing Aids in Background Noise with Google Ai (Artificial Intelligence)

-이 비디오에서는 최근 연구에 대해 이야기하고 있습니다 극적으로 향상시킬 수있는 보청기가 백그라운드 소음에서 수행하는 방식

오고있어 (낙관적 인 음악) 안녕 얘들 아 클리프 올슨, 청력의 의사 응용 청력 솔루션의 창시자 Anthem, 애리조나 그리고이 채널에서, 나는 많은 정보를 듣는다 당신에게 더 많은 정보를 제공하는 소비자가되도록 돕습니다

그래서 당신이 그것에 있다면, 구독 버튼을 누르십시오 그리고 벨을 클릭하는 것을 잊지 마세요 통보를 받는다 새로운 비디오를 발표 할 때마다 청력을 상실한 사람들을위한 성배 분리 할 수있는 능력이다 배경 잡음으로부터의 연설

당신이 한 사람과 이야기하든, 또는 당신이 사람들의 그룹과 이야기하고 있는지 여부 최근에 저는 비디오를 보았습니다 Google AI 블로그에서 능력을 보여주는 분리 할 수있다 당신이 듣고 싶은 사람, 그 개인을 보아서 그리고이 소프트웨어의 내부 그들이 만든, 실제로는 꽤 인상적입니다

내가 너에게 설명하려고하는 대신에, 내가 너에게 보여 줄게 – 나는 비행의 팬이 아니다, 나는 그것을 싫어한다 비행기에있는 것이 싫어 – 일반적으로 – 너무 많은 소음 – 내 줄무늬가 단단 해

내가 무슨 뜻인지 알지 나는 화장실을 내리지 않을 것이다 비행기에 – 어 – 오, 말하는 얼룩말 – 소음 때문에, 그것은 무서워 너는 가라 앉는다, 너는 내 치다

너 돌아서, 5 초 동안 아무 일도 일어나지 않습니다 그럼 아무 데나 (시끄러운 소리) 세상에, 비행기에 구멍을 뚫어 놓고 – 시내 버스가 싫어하지 않아

그것은 유엔 – 등급 고래의 짐과 같습니다 당신이 그것을 얻을 때마다 우리 모두는 같은 문을 걸어 다닙니다 우리 모두는 같은 가격을 지불합니다 – 네가 내게 묻는다면 꽤 인상적이야 그러나 가장 어려운 듣기 상황 대부분의 사람들이 만나는 곳은 시끄러운 식당입니다

그래서이 다음 클립에서, 나는 그들의 능력을 보여줄거야 음성과 배경 소음을 분리하는 것 카페테리아 환경에서 – 그럼, 그 일은 당신이 말하는 것을 본 사람에게 비디오가 주어지면, 그들의 오디오가 정리된다 다른 모든 것들은 억압됩니다 – 그 일은 당신이 말하는 것을 본 사람에게 비디오가 주어지면, 그들의 오디오가 정리된다

다른 모든 것들은 억압됩니다 – 이제 너에 대해서 모르겠다 하지만이 기술이 보청기 내부에 있다고 느낍니다 완전한 게임 체인저가 될 것입니다 그래서 전 기사를 다운로드했습니다

얼마나 많은 생존력을보기 위해 그것을 읽어야하는지 이것은 미래 세대의 보청기에있을 것입니다 이 기사의 제목은 "Looking to Listen"입니다 칵테일 파티에서 : 연사 독립 음성 분리를위한 시청각 모델 " 그리고 이것은 많은 Google 연구원이 저술했습니다 다음은이 기사에서 다룬 몇 가지 요점입니다

1 위 :이 연구자들은 기존의 비디오, 그들은 그것을 실시간으로하지 않았 음을 의미합니다 그래서 흥분하기 전에 단지이 소프트웨어를 사용하는 것에 대해서, 보청기에 넣고, 저자가 말한 것을 들어라 "우리의 방법은 효과가 없다는 것을 알아야한다 실시간으로, 그리고 현재의 형태로, 우리의 말하기 기능 향상이 더 적합합니다 비디오 편집의 후 처리 단계에 사용됩니다

" 두 번째로이 기술 오디오 – 비주얼 프로세싱을위한 거대한 도약입니다 이전 세대의 소프트웨어 소프트웨어를 특정 음성으로 훈련해야했습니다 의미, 만약 네가 식당에 간다면 특정 친구와 그 친구의 목소리 소프트웨어에 프로그래밍되어야한다 그래서 실제로 찾아야 할 부분을 알고 있습니다 이 특별한 소프트웨어에서는, 그들은 실제로 일반화 된 음성 형식으로 작동합니다

어떤 상황에있는 개인과도 일반화 된 환경에서 더 실용적입니다 당신이 어디든 갈 수 있다는 뜻 누구와도 의사 소통 이 특정 기술을 사용하십시오 연구 기사에서 세 번째로 얻은 것 그들이 시끄러운 술집 상황에서 이것을했을 때였습니다 그들은 배경 소음을 제거 할 수 있었고, 그러나 그것은 연설을 현저하게 저하시켰다

그들이 듣고 자하는 개인의 이는 제한 사항과 매우 유사합니다 우리는 오늘 보청기 기술을 가지고 있습니다 다양한 음성 소스를 제거 할 수 있습니다 다른 말하기 소스는 매우 어려울 수 있습니다 그래서 그들이 이걸 만들면 보청기 내에서 실행 가능한 제품, 그들은 그것을 고쳐야 만 할 것입니다

이 연구 조사에서 네 번째로 얻은 것 시각적 정보가 필요하다는 것입니다 이 시청각 분리를 할 수 있어야한다 물론 보청기에는 시각적 정보가 없습니다 적어도 아직은 보시다시피, 그들은 실제로 작업하고 있습니다

뇌 활동을 감지 할 수있는 보청기 기술 눈 운동과 그들이 할 수 있다면 이 오디오 정보와 결합하면, 그들은 실제로 결정할 수 있습니다 당신이 찾고있는 곳을 기반으로 듣고 싶은 사람 이러한 유형의 기술은 아직 제공되지 않지만 보청기 안쪽에, 이것과 같은 연구입니다 청력을 잃은 사람들에게 희망을 안겨주는 배경 소음 상황에서 그 투쟁 미래 연구를위한 길을 열어줍니다 보청기로 진입 할 기술에 대한 것입니다

한편, 가장 좋은 방법 중 하나 연설을 이해하는 능력을 향상시키는 것 배경 잡음 상황에서 보청기에서 수행되는 실제 귀 측정 이제 실제 귀의 측정이 무엇인지 모르는 경우, 내 비디오를보기를 강력히 추천합니다 카드에 여기에 연결될 것입니다 그리고 아래의 설명에서 극적으로 능력을 향상시키는 또 다른 방법 배경 잡음 상황에서 말을 이해하는 법 현재 순간에 보조 된 청취 장치, 로저 펜, Roger Select 또는 리모트 마이크

이러한 유형의 장치는 연설이 필요하기 때문에 배경 소음 너가 듣고 싶은 사람의 보청기에 바로 보냅니다 이 동영상 용입니다 만약 질문이 있다면, 아래 댓글란에 남겨 둡니다 동영상을 좋아한다면 공유해주세요 이 동영상과 다른 동영상을보고 싶다면 구독 버튼을 누르십시오

다음에 또 봐 (낙관적 인 음악)