How AI Is Decoding Ancient Scrolls | Julian Schilliger and Youssef Nader | TED

المترجم: Hani Eldalees

We always think about the potential of AI changing the future.

نفكر دائمًا في إمكانات الذكاء الاصطناعي لتغيير المستقبل.

But what about the potential of AI changing the past?

ولكن ماذا عن إمكانات الذكاء الاصطناعي لتغيير الماضي؟

My name is Youssef Nader.

اسمي يوسف نادر.

I'm an Egyptian AI researcher

أنا باحث مصري في مجال

and a PhD student at the Free University in Berlin,

الذكاء الاصطناعي وطالب دكتوراه في الجامعة الحرة في برلين،

and last year, I led the Vesuvius Grand Prize winning team

وفي العام الماضي، قمت بقيادة الفريق الفائز بجائزة فيزوف الكبرى

on exploring this very question.

لاستكشاف هذا السؤال بالذات.

You see, the story starts almost 2,000 years ago.

كما ترى، بدأت القصة منذ ما يقرب من 2000 عام.

A Greek philosopher that we believe was Philodemus of Gadara

جلس الفيلسوف اليوناني الذي نعتقد أنه فيلوديموس جادارا

sat in one of the many rooms of the Villa dei Papiri.

في إحدى الغرف العديدة في Villa dei Papiri.

He talked about music, he talked about pleasure,

تحدث عن الموسيقى، وتحدث عن المتعة،

he talked about what makes things enjoyable,

وتحدث عن ما يجعل الأشياء ممتعة،

questions that still plague us until today.

والأسئلة التي لا تزال تعصف بنا حتى اليوم.

One of his scribes wrote down his thoughts on sheets of papyrus.

كتب أحد كتّابه أفكاره على أوراق من ورق البردي.

The sheets were rolled and stowed away for later generations.

تم لف الملاءات وتخزينها للأجيال اللاحقة.

Fast-forward 150 years, ...

تقدم سريعًا لمدة 150 عامًا،...

Mount Vesuvius erupts,

ينفجر جبل فيزوف

burying Herculaneum, the villa and the words of the philosopher

ويدفن هيركولانيوم والفيلا وكلمات الفيلسوف

under a sea of hot mud and ashes.

تحت بحر من الطين الساخن والرماد.

Now fast-forward again, to the 17th century.

الآن تقدم سريعًا مرة أخرى، إلى القرن السابع عشر.

People are excavating around the area.

يقوم الناس بالتنقيب في جميع أنحاء المنطقة.

They found beautiful statues, breathtaking frescoes

لقد عثروا على تماثيل جميلة ولوحات جدارية خلابة

and some weird-looking pieces of charcoal,

وبعض قطع الفحم ذات المظهر الغريب،

like you see in this picture.

كما ترى في هذه الصورة.

This is when the first scrolls were discovered,

هذا هو الوقت الذي تم فيه اكتشاف المخطوطات الأولى،

and people were racing to excavate more of these.

وكان الناس يتسابقون لاستخراج المزيد منها.

What knowledge is included that is not known to us now?

ما هي المعرفة المضمنة التي لا نعرفها الآن؟

What things should we know about these scrolls?

ما الأشياء التي يجب أن نعرفها عن هذه المخطوطات؟

My name is Julian, and I am a digital archaeologist.

اسمي جوليان، وأنا عالم آثار رقمي.

When the pyroclastic flow hit the scrolls, it had a destructive effect.

عندما وصل تدفق الحمم البركانية إلى اللفائف، كان له تأثير مدمر.

It tore into them, shredded off pieces, and it charred them badly.

مزقتهم، ومزقت القطع، وفحمتهم بشدة.

Even the deformation that you can see happened at that point.

حتى التشوه الذي يمكنك رؤيته حدث في تلك المرحلة.

People, 250-something years ago,

كان الناس، منذ ما يقرب من 250 عامًا،

were curious what's lying inside those scrolls,

يشعرون بالفضول لمعرفة ما يكمن داخل تلك المخطوطات،

hidden and not accessible anymore.

المخفية والتي لم يعد من الممكن الوصول إليها.

Because of a lack of technology,

بسبب نقص التكنولوجيا،

they had to resort to physically unrolling

اضطروا إلى اللجوء إلى فك اللفائف جسديًا

and thereby destroying most of the scrolls.

وبالتالي تدمير معظم المخطوطات.

To this day,

حتى يومنا هذا،

only the most damaged and deformed scrolls

لم يتبق سوى اللفائف

remain in their initial, rolled-up configuration.

الأكثر تضررًا وتشوهًا في تكوينها الأولي الملفوف.

Fast-forwarding a little bit, the computer age arrives.

بعد إعادة توجيه سريع قليلاً، يأتي عصر الكمبيوتر.

Youssef and I are born.

ولدت أنا ويوسف.

We are going on and getting our education --

نحن مستمرون ونحصل على تعليمنا --

(Laughter)

(ضحك)

and at the same time, Brent Seales, a researcher and professor,

وفي الوقت نفسه، كان لدى برنت سيلز، الباحث والأستاذ،

had the idea to use CT scan technology to actually digitize the scrolls,

فكرة استخدام تقنية الأشعة المقطعية لرقمنة المخطوطات فعليًا، على

with the hope of, one day, digitally unrolling them.

أمل، يومًا ما، فتحها رقميًا.

Behind me, you can see a video of such a CT scan,

ورائي، يمكنك مشاهدة مقطع فيديو لمثل هذا الفحص بالأشعة المقطعية،

and it goes through the CT scan 3D volume,

ويمر عبر حجم التصوير المقطعي ثلاثي الأبعاد،

layer by layer.

طبقة تلو الأخرى.

The papyrus is visible as a spiral,

يمكن رؤية ورق البردي على شكل حلزوني،

and you can see it's tightly wound-up,

ويمكنك أن ترى أنه ملفوف بإحكام،

sometimes touching each other, flaying off.

وأحيانًا تلامس بعضها البعض، وتتساقط.

It's a difficult question, how to unroll this digitally.

إنه سؤال صعب، كيفية فتح هذا رقميًا.

Nat Friedman, a Silicon Valley investor,

كما شاهد نات فريدمان، وهو مستثمر في وادي السيليكون،

also saw this research, and he wanted to help.

هذا البحث، وأراد المساعدة.

That was in 2022.

كان ذلك في عام 2022.

He reached out, and together with Brent Seales,

لقد تواصل، وبالتعاون مع برنت سيلز،

they created the Vesuvius Challenge,

قاموا بإنشاء تحدي فيسوفيوس،

with the goal to motivate nerds all over the world

بهدف تحفيز المهووسين في جميع أنحاء العالم

to solve this problem.

لحل هذه المشكلة.

(Laughter)

(ضحك)

They created a grand prize,

لقد أنشأوا جائزة كبرى،

promising eternal glory and monetary incentives

ووعدوا بالمجد الأبدي والحوافز

to anyone who could do that.

المالية لأي شخص يمكنه فعل ذلك.

(Laughter)

(ضحك)

I myself saw that on the internet

رأيت ذلك بنفسي على الإنترنت

while writing my master's thesis at ETH Zurich, in robotics,

أثناء كتابة أطروحة الماجستير الخاصة بي في ETH Zurich، في مجال الروبوتات،

and I was instantly happy to solve it --

وكنت سعيدًا على الفور بحلها --

or at least try, why not, you know?

أو على الأقل المحاولة، لماذا لا، كما تعلمون؟

And I went on, joined the Discord community

وواصلت الانضمام إلى مجتمع Discord

where all the people that were also contestants

حيث كان جميع الأشخاص الذين كانوا أيضًا متسابقين

and playing with the scroll data

ويلعبون

were exchanging ideas,

ببيانات التمرير يتبادلون الأفكار،

and I joined there and started working on it.

وانضممت إلى هناك وبدأت العمل على ذلك.

Also there, on Discord, I met Youssef and Luke [Farritor],

هناك أيضًا، على Discord، التقيت بيوسف ولوك [فاريتور]،

who would become my teammates,

سيصبحان زملائي في الفريق،

and with whom I would actually win the grand prize.

وسأفوز معهما بالفعل بالجائزة الكبرى.

Surprisingly, it went on, and made global headline news.

والمثير للدهشة أنه استمر وتصدر عناوين الأخبار العالمية.

It even got into the British tabloids.

حتى أنها وصلت إلى الصحف البريطانية.

(Laughter)

(ضحك)

So when we started,

لذلك عندما بدأنا، كانت

there were two main problems still remaining.

هناك مشكلتان رئيسيتان لا تزالان متبقيتين.

One, you had to unroll the scroll.

أولاً، كان عليك فتح اللفافة.

And two, you then had to make the ink visible.

وثانياً، كان عليك بعد ذلك جعل الحبر مرئيًا.

Youssef will tell you more about that part.

سيخبرك يوسف المزيد عن هذا الجزء.

For me, the most exciting thing

بالنسبة لي،

was the computer-vision problem of unrolling those scrolls virtually.

كان الشيء الأكثر إثارة هو مشكلة رؤية الكمبيوتر في فتح تلك المخطوطات افتراضيًا.

I decided to iterate on a tool

قررت التكرار على أداة

that was created by the Kentucky researchers,

تم إنشاؤها بواسطة باحثي كنتاكي،

and make it faster, less prone to errors

وجعلها أسرع وأقل عرضة للأخطاء

and just iterate on it and make it better.

والتكرار عليها وجعلها أفضل.

The Vesuvius Challenge team saw that

رأى فريق Vesuvius Challenge ذلك

and also implemented a team of 10 people that would use my tool.

ونفذ أيضًا فريقًا من 10 أشخاص سيستخدمون أداتي.

They would annotate scroll data, like you see in this video,

سيقومون بالتعليق على بيانات التمرير، كما ترى في هذا الفيديو،

where they created a red line where the surface would lie.

حيث قاموا بإنشاء خط أحمر حيث سيكون السطح.

The algorithm then would take it into 3D space,

ستقوم الخوارزمية بعد ذلك بنقلها إلى الفضاء ثلاثي الأبعاد،

creating a three-dimensional representation of the surface.

مما يخلق تمثيلًا ثلاثي الأبعاد للسطح.

Computer algorithms

ستقوم خوارزميات الكمبيوتر

would then flatten it and create a segment.

بعد ذلك بتسويتها وإنشاء مقطع.

This all would be called “segmentation”

كل هذا سيُطلق عليه «التقسيم»

in the space of the scrolling and unrolling community.

في مساحة مجتمع التمرير والفتح.

(Laughter)

(ضحك)

So I created open-source commits to this tool

لذا قمت بإنشاء التزامات مفتوحة المصدر لهذه الأداة

and implemented new algorithms from my studies, like Optical Flow,

وقمت بتطبيق خوارزميات جديدة من دراساتي،

to better track the sheets through the volume,

مثل التدفق الضوئي، لتتبع الأوراق بشكل أفضل من خلال المجلد،

and we end up with something like what you see behind me.

وانتهى بنا الأمر بشيء مثل ما تراه خلفي.

First off, those were really small segments,

أولاً، كانت هذه شرائح صغيرة جدًا،

and I added improvement,

وأضفت تحسينًا،

made the code faster

وجعلت الشفرة أسرع

and had lots of feedback from the community.

وحصلت على الكثير من التعليقات من المجتمع.

They were really happy, and I was happy getting lots of feedback.

لقد كانوا سعداء حقًا، وكنت سعيدًا بتلقي الكثير من التعليقات.

It was a really positive environment.

لقد كانت بيئة إيجابية حقًا.

So in the end,

لذا في النهاية،

I could track the performance of the algorithms,

يمكنني تتبع أداء الخوارزميات،

how the segmentation team performed,

وكيفية أداء فريق التقسيم،

and I could see that my improvements, from start to finish,

واستطعت أن أرى أن التحسينات التي أجريتها، من البداية إلى النهاية،

would be around a 10,000-fold improvement over the initial version.

ستكون حوالي 10000 ضعف مقارنة بالإصدار الأولي.

This algorithm was then also used to unroll all the area

ثم تم استخدام هذه الخوارزمية أيضًا لفتح كل المنطقة

that you can see in our submission.

التي يمكنك رؤيتها في إرسالنا.

All the sheets were generated with these methods.

تم إنشاء جميع الأوراق بهذه الطرق.

In December, I was looking for teammates.

في ديسمبر، كنت أبحث عن زملاء في الفريق.

I made a blog post,

لقد نشرت على مدونة،

and I showcased my newest algorithms,

وعرضت أحدث الخوارزميات الخاصة بي

reaching out to anyone that was willing to team up.

، حيث تواصلت مع أي شخص يرغب في التعاون.

Youssef and Luke got into contact with me.

تواصل يوسف ولوك معي.

They were happy to team up, and I was happy as well.

كانوا سعداء بالعمل كفريق، وكنت سعيدًا أيضًا.

(Laughter)

(ضحك)

So after the virtual unwrapping, the words still are not visible.

إذن بعد عملية فك التغليف الافتراضية، لا تزال الكلمات غير مرئية.

The main problem is that the ink that was used at the time

المشكلة الرئيسية هي أن الحبر الذي تم استخدامه في ذلك الوقت

was a carbon-based ink,

كان حبرًا كربونيًا،

and carbon-based ink on carbon-based papyrus in a CT scan

والحبر الكربوني على ورق البردي الكربوني في الأشعة المقطعية

isn’t visible, or at least [not] to the naked eye.

غير مرئي، أو على الأقل [ليس] بالعين المجردة.

So the same team at the University of Kentucky

لذلك قرر نفس الفريق في جامعة كنتاكي

decided to test whether the ink was present at all

اختبار ما إذا كان الحبر موجودًا على الإطلاق

in the CT scans.

في الأشعة المقطعية.

For this, they took some of the pieces that people broke off the scrolls,

لهذا، أخذوا بعض القطع التي قام الناس بقطعها عن اللفائف،

and they fed them into the same pipeline of the X-ray CT scanning,

وأدخلوها في نفس خط أنابيب التصوير المقطعي بالأشعة السينية،

and this gives us the 3D data that we were working with.

وهذا يعطينا البيانات ثلاثية الأبعاد التي كنا نعمل معها.

Because you can see the ink and it’s an exposed surface,

نظرًا لأنه يمكنك رؤية الحبر وسطحه المكشوف،

you can even improve it with infrared imaging.

يمكنك تحسينه باستخدام التصوير بالأشعة تحت الحمراء.

And this gives you a ground truth

وهذا يمنحك حقيقة أساسية

of what letters you're actually trying to find.

عن الحروف التي تحاول بالفعل العثور عليها.

And then from there,

ومن هناك،

you can train a machine-learning model to try to find these letters.

يمكنك تدريب نموذج التعلم الآلي لمحاولة العثور على هذه الحروف.

The way this works

الطريقة التي يعمل بها هذا

is that the model looks at very small cubes at a single time

هي أن النموذج ينظر إلى مكعبات صغيرة جدًا في وقت واحد

and tries to decide whether there is ink present in this area or not.

ويحاول تحديد ما إذا كان هناك حبر موجود في هذه المنطقة أم لا.

And then, when you keep moving this cube all around,

وبعد ذلك، عندما تستمر في تحريك هذا المكعب

the model gets to see different data samples

في كل مكان، يتمكن النموذج من رؤية عينات بيانات مختلفة

and then tries to understand what ink actually is.

ثم يحاول فهم ماهية الحبر في الواقع.

So this is how it looks while the model is training.

إذن هذه هي الطريقة التي تبدو بها أثناء تدريب النموذج.

It's not perfect, but you can see that, especially around the middle,

إنه ليس مثاليًا، ولكن يمكنك أن ترى أنه، خاصة في

the model is starting to see the letters perfectly.

المنتصف، بدأ النموذج في رؤية الحروف بشكل مثالي.

So the data is there.

لذا فإن البيانات موجودة.

The ink is there.

الحبر موجود.

But it’s just very hard to find and see.

ولكن من الصعب جدًا العثور عليها ورؤيتها.

Looking at the CT scan raw data on the left here,

بالنظر إلى البيانات الأولية للأشعة المقطعية على اليسار هنا،

you can see the fibers,

يمكنك رؤية الألياف،

you can see the structure of the papyrus,

ويمكنك رؤية بنية ورق البردي،

but the letters are very, very faint.

لكن الحروف باهتة جدًا جدًا.

The letters from the right image are very, very faint in the CT scans.

الحروف من الصورة الصحيحة باهتة جدًا جدًا في الأشعة المقطعية.

And they're actually, in this special case,

وهي في الواقع، في هذه الحالة الخاصة،

characterized by a difference of contrast

تتميز باختلاف التباين

and some speckles, freckles, features that are very hard to see.

وبعض البقع والنمش والميزات التي يصعب جدًا رؤيتها.

So what happens if we try to take a look

إذن ماذا يحدث إذا حاولنا إلقاء

at the segment that Julian was just showing?

نظرة على المقطع الذي كان جوليان يعرضه للتو؟

So this is the data that we were working with.

إذن هذه هي البيانات التي كنا نعمل معها.

And I'm going to give you 10 seconds to try to find the letters yourself.

وسأعطيك 10 ثوانٍ لمحاولة العثور على الحروف بنفسك.

(Laughter)

(ضحك)

And as a hint,

وكتلميح،

I'll tell you that there are three letters in this image.

سأقول لكم أن هناك ثلاثة أحرف في هذه الصورة.

Believe me.

صدقيني.

Try to find some pattern, some crackle patterns,

حاول أن تجد بعض الأنماط، وبعض أنماط الخشخشة،

some cracks in there.

وبعض الشقوق هناك.

If you were able to identify this pattern of these three letters --

إذا كنت قادرًا على تحديد هذا النمط من هذه الأحرف الثلاثة --

(Laughter)

(ضحك)

then congratulations.

ثم تهانينا.

One year ago, you may have won 40,000 dollars.

قبل عام واحد، ربما ربحت 40،000 دولار.

(Laughter)

(ضحك)

However, if you're like me, and you couldn't make sense of this,

ومع ذلك، إذا كنت مثلي، ولم تستطع فهم هذا،

there's a different way that you can find this ink --

فهناك طريقة مختلفة يمكن من خلالها العثور على هذا الحبر --

one that actually scales very, very well.

طريقة يمكن قياسها بشكل جيد جدًا.

So this is where my journey begins with the Vesuvius Challenge.

لذلك هذا هو المكان الذي تبدأ فيه رحلتي مع تحدي Vesuvius.

There is this neat idea in computer-vision literature

هناك هذه الفكرة الرائعة في أدبيات رؤية الكمبيوتر

where if you don't actually have labels,

حيث إذا لم يكن لديك بالفعل ملصقات،

if you don't have the goal that you want your AI model to reach,

إذا لم يكن لديك الهدف الذي تريد أن يصل إليه نموذج الذكاء الاصطناعي الخاص بك،

you can pick an intermediary goal along the way.

فيمكنك اختيار هدف وسيط على طول الطريق.

So, looking at these two pairs of images,

لذا، بالنظر إلى هذين الزوجين من الصور،

our eyes can identify that these are the same images,

يمكن لأعيننا تحديد أن هذه هي الصور نفسها،

just flipped.

فقط مقلوبة.

And we can do that because we understand

ويمكننا فعل ذلك لأننا نفهم الهياكل

the structures that are present in the images.

الموجودة في الصور.

We can see this little triangle, and it's flipped,

يمكننا رؤية هذا المثلث الصغير، وقد انقلب،

so we know this is the same triangle.

لذا نعرف أن هذا هو نفس المثلث.

Our eyes already have this feature,

تمتلك أعيننا هذه الميزة بالفعل،

but neural networks don't.

لكن الشبكات العصبية لا تمتلكها.

When they see these images,

عندما يرون هذه الصور، لا

they can't [tell] that these are the same image.

يمكنهم [معرفة] أنها نفس الصورة.

So one idea, just to let it know about the structures

لذا فإن إحدى الأفكار، فقط لإعلامها بالهياكل

and familiarize it with the data,

وتعريفها بالبيانات،

is to show it different views of the same image

هي إظهار مناظر مختلفة لنفس الصورة

and tell it that these are the same images.

وإخبارها أن هذه هي نفس الصور.

And after that, you take this model

وبعد ذلك، تأخذ هذا النموذج

and you train it like the previous models that the University of Kentucky did.

وتقوم بتدريبه مثل النماذج السابقة التي قامت بها جامعة كنتاكي.

And while the approach doesn't fully work, it also doesn't fully not work.

وعلى الرغم من أن هذا النهج لا يعمل بشكل كامل، إلا أنه لا يعمل بشكل كامل.

And this was the first image that was produced by the model.

وكانت هذه هي الصورة الأولى التي أنتجها النموذج.

And there was some very faint signal in there.

وكانت هناك إشارة خافتة للغاية هناك.

It seemed like the model was catching on something,

يبدو أن العارضة كانت تدرك شيئًا ما،

but it wasn't clear, exactly, what the model was catching on.

لكن لم يكن واضحًا، بالضبط، ما الذي كان يستوعبه النموذج.

So I decided to take these predictions and create a new ground truth,

لذلك قررت أخذ هذه التنبؤات وخلق حقيقة أساسية جديدة،

asking the model, "Hey, I think these might be letters.

وسألت النموذج، «مرحبًا، أعتقد أن هذه قد تكون رسائل.

I think there's something in there. Try to find more of this."

أعتقد أن هناك شيء هناك. حاول العثور على المزيد من هذا.»

And my ground truth, actually,

وحقيقتي الأساسية، في الواقع،

has four correct letters and four other delusions.

تحتوي على أربعة أحرف صحيحة وأربعة أوهام أخرى.

But that was OK.

لكن هذا كان جيدًا.

So training a new model with this data,

لذا عند تدريب نموذج جديد على هذه البيانات، بدأ

the model started to find more ink, find more letters,

النموذج في العثور على المزيد من الحبر، والمزيد من الأحرف،

and the lines even looked complete.

حتى أن الخطوط بدت كاملة.

So I thought, "What are the chances that if I do this again,

لذلك فكرت، «ما هي فرص أن تستمر النماذج في التحسن إذا فعلت ذلك

the models keep improving?"

مرة أخرى؟»

And this was the core behind our grand prize-winning solution.

وكان هذا هو جوهر حلنا الحائز على جوائز كبيرة.

Repeating this process over and over, the models kept improving.

وبتكرار هذه العملية مرارًا وتكرارًا، استمرت النماذج في التحسن.

The main trick was you needed to prevent the models from memorizing

كانت الحيلة الرئيسية هي منع النماذج من حفظ

what the previous models have learned.

ما تعلمته النماذج السابقة.

You're essentially asking the model to learn

أنت تطلب بشكل أساسي من النموذج معرفة

what the other model has learned.

ما تعلمه النموذج الآخر.

So overfitting was a serious problem that required a lot of experiments.

لذا كان التجهيز الزائد مشكلة خطيرة تتطلب الكثير من التجارب.

But in the end, getting the recipe right,

ولكن في النهاية، وبالحصول على الوصفة الصحيحة،

we were able to predict all of these letters

تمكنا من التنبؤ بكل هذه الأحرف

without the models ever seeing them.

دون أن تراها العارضات على الإطلاق.

These were the first 10 letters.

كانت هذه الأحرف العشرة الأولى.

There are, like, 20 in there,

هناك ما يقرب من 20 كلمة،

but this was the first coherent word read from an unopened papyrus sheet.

لكن هذه كانت أول كلمة متماسكة تُقرأ من ورقة بردية غير مفتوحة.

From there, scaling the process,

من هناك، لتوسيع نطاق العملية،

within weeks, we had, now, columns of text,

في غضون أسابيع، أصبح لدينا الآن أعمدة نصية،

even special characters

وحتى أحرف

that papyrologists found very interesting that the model was able to find.

خاصة وجدها علماء البردي مثيرة للاهتمام للغاية وتمكن النموذج من العثور عليها.

The approach was open-sourced,

كان النهج مفتوح المصدر،

and the data and the code were out there,

وكانت البيانات والرمز موجودة،

and the race for the grand prize was on.

وكان السباق على الجائزة الكبرى مستمرًا.

Recovering four paragraphs at an 85-percent clarity.

استعادة أربع فقرات بوضوح 85 بالمائة.

And the key to our success was perfecting the data and the model

وكان مفتاح نجاحنا هو إتقان البيانات والنموذج

with so many iterations and so many experiments.

مع العديد من التكرارات والعديد من التجارب.

In the end, we were able to recover

في النهاية، تمكنا من استعادة

more than 14 columns of text, and 2,000 letters.

أكثر من 14 عمودًا من النص و 2000 حرف.

(Applause)

(تصفيق) تم تخزين

2,000 characters safely stored away two millennia ago.

2000 حرف بأمان منذ ألفي عام.

In just nine months, we discovered them again.

في غضون تسعة أشهر فقط، اكتشفناها مرة أخرى.

AI helped us, in large portions,

ساعدنا الذكاء الاصطناعي، في أجزاء كبيرة، على

writing better code and even being part in our algorithms.

كتابة كود أفضل وحتى المشاركة في خوارزمياتنا.

It opened a window into the past.

فتحت نافذة على الماضي.

What's next?

ما هي الخطوة التالية؟

Let's open this window more.

دعونا نفتح هذه النافذة أكثر.

AI will help us access information that was so far safely locked away.

سيساعدنا الذكاء الاصطناعي في الوصول إلى المعلومات التي تم قفلها بأمان حتى الآن.

In the words of the author,

على حد تعبير المؤلف،

"We do not refrain from questioning nor understanding,

«نحن لا نمتنع عن الاستجواب أو الفهم،

and may it be evident to say true things as they appear."

وقد يكون من الواضح أن نقول الأشياء الحقيقية كما تظهر».

(Applause)

(تصفيق)