With Spatial Intelligence, AI Will Understand the Real World | Fei-Fei Li | TED

المترجم: Rana Al kilaney المدقّق: Shimaa Nabil

Let me show you something.

دعوني أريكم شيئًا.

To be precise,

على وجه الدقة،

I'm going to show you nothing.

لن أريكم أي شيء.

This was the world 540 million years ago.

هذا كان العالم قبل 540 مليون سنة.

Pure, endless darkness.

ظلام نقي لا نهاية له.

It wasn't dark due to a lack of light.

لم يكن الظلام بسبب نقص الضوء.

It was dark because of a lack of sight.

كان الظلام بسبب ضعف البصر.

Although sunshine did filter 1,000 meters

على الرغم من أن أشعة الشمس تصفي 1000 متر

beneath the surface of ocean,

تحت سطح المحيط،

a light permeated from hydrothermal vents to seafloor,

مسببة تخلص الضوء بين الفتحات الحرارية المائية إلى قاع البحر،

brimming with life,

مليئًا بالحياة،

there was not a single eye to be found in these ancient waters.

لم تكن هناك عين واحدة يمكن العثور عليها في هذه المياه القديمة.

No retinas, no corneas, no lenses.

لا شبكية العين، لا القرنية، لا العدسات.

So all this light, all this life went unseen.

لذلك كل هذا الضوء وكل هذه الحياة أصبحت هباءً.

There was a time that the very idea of seeing didn't exist.

كان هناك وقت لم تكن فيه فكرة الرؤية ذاتها موجودة.

It [had] simply never been done before.

[لم] ببساطة لم يتم القيام به من قبل.

Until it was.

حتى كانت.

So for reasons we're only beginning to understand,

لذلك لأسباب بدأنا فقط في فهمها،

trilobites, the first organisms that could sense light, emerged.

ظهرت ثلاثية الفصوص، أول الكائنات الحية التي يمكنها استشعار الضوء.

They're the first inhabitants of this reality that we take for granted.

إنهم أول سكان هذا الواقع الذي نأخذه كأمر مسلم به.

First to discover that there is something other than oneself.

أول من اكتشف أن هناك شيئًا آخر غير الذات.

A world of many selves.

عالم من العديد من الذات.

The ability to see is thought to have ushered in Cambrian explosion,

يُعتقد أن القدرة على الرؤية أدت إلى الانفجار الكمبري،

a period in which a huge variety of animal species

وهي الفترة التي دخلت فيها مجموعة كبيرة ومتنوعة من أنواع الحيوانات

entered fossil records.

للسجلات الأحفورية.

What began as a passive experience,

ما بدأ كتجربة سلبية،

the simple act of letting light in,

الفعل البسيط المتمثل في السماح للضوء بالدخول،

soon became far more active.

سرعان ما أصبح أكثر نشاطًا بكثير.

The nervous system began to evolve.

بدأ الجهاز العصبي بالتطور.

Sight turning to insight.

تحول البصر إلى البصيرة.

Seeing became understanding.

أصبحت الرؤية فهمًا.

Understanding led to actions.

أدى الفهم إلى اتخاذ إجراءات.

And all these gave rise to intelligence.

وكل هذا أدى إلى الذكاء.

Today, we're no longer satisfied with just nature's gift of visual intelligence.

اليوم، لم نعد راضين عن مجرد هدية الطبيعة للذكاء البصري.

Curiosity urges us to create machines to see just as intelligently as we can,

يحثنا الفضول على إنشاء آلات للرؤية بأكبر قدر ممكن من الذكاء،

if not better.

إن لم يكن بشكل أفضل.

Nine years ago, on this stage,

قبل تسع سنوات، على هذا المسرح،

I delivered an early progress report on computer vision,

قدمت تقريرًا مرحليًا مبكرًا عن رؤية الكمبيوتر،

a subfield of artificial intelligence.

وهو حقل فرعي من الذكاء الاصطناعي.

Three powerful forces converged for the first time.

تقاربت ثلاث قوى قوية لأول مرة.

Aa family of algorithms called neural networks.

عائلة من الخوارزميات تسمى الشبكات العصبية.

Fast, specialized hardware called graphic processing units,

أجهزة سريعة ومتخصصة تسمى وحدات معالجة الرسومات

or GPUs.

أو GPUs.

And big data.

والبيانات الضخمة.

Like the 15 million images that my lab spent years curating called ImageNet.

مثل 15 مليون صورة نسقها مختبري لسنوات والتي تسمى ImageNet.

Together, they ushered in the age of modern AI.

لقد دخلوا إلى عصر الذكاء الاصطناعي الحديث.

We've come a long way.

لقد قطعنا شوطًا طويلاً.

Back then, just putting labels on images was a big breakthrough.

في ذلك الوقت، كان مجرد وضع الملصقات على الصور بمثابة إنجاز كبير.

But the speed and accuracy of these algorithms just improved rapidly.

لكن سرعة ودقة هذه الخوارزميات تحسنت بسرعة.

The annual ImageNet challenge, led by my lab,

قام تحدي ImageNet السنوي، بقيادة مختبري،

gauged the performance of this progress.

بقياس أداء هذا التقدم.

And on this plot, you're seeing the annual improvement

وفي هذه المؤامرة، ترى التحسينات السنوية

and milestone models.

والنماذج البارزة.

We went a step further

لقد ذهبنا إلى أبعد من ذلك

and created algorithms that can segment objects

وأنشأنا خوارزميات يمكنها تقسيم الأشياء

or predict the dynamic relationships among them

أو التنبؤ بالعلاقات الديناميكية فيما بينها

in these works done by my students and collaborators.

في هذه الأعمال التي يقوم بها طلابي والمتعاونون.

And there's more.

وهناك المزيد.

Recall last time I showed you the first computer-vision algorithm

أذكر آخر مرة عرضت فيها عليكم أول خوارزمية لرؤية الكمبيوتر

that can describe a photo in human natural language.

يمكنها وصف صورة بلغة الإنسان الطبيعية.

That was work done with my brilliant former student, Andrej Karpathy.

تم إنجاز هذا العمل مع تلميذي السابق اللامع، أندريه كارباثي.

At that time, I pushed my luck and said,

في ذلك الوقت، استغليت حظي وقلت:

"Andrej, can we make computers to do the reverse?"

«أندريه، هل يمكننا صنع أجهزة كمبيوتر للقيام بالعكس؟»

And Andrej said, "Ha ha, that's impossible."

وقال أندريه: «ها ها، هذا مستحيل.»

Well, as you can see from this post,

حسنًا، كما ترون من هذا المنشور،

recently the impossible has become possible.

مؤخرًا أصبح المستحيل ممكنًا.

That's thanks to a family of diffusion models

ويرجع الفضل في ذلك إلى مجموعة من نماذج الانتشار

that powers today's generative AI algorithm,

التي تدعم خوارزمية الذكاء الاصطناعي التوليدية الحالية،

which can take human-prompted sentences

والتي يمكنها أخذ جمل يقولها الإنسان

and turn them into photos and videos

وتحويلها لشيء جديد تمامًا

of something that's entirely new.

من صور ومقاطع فيديو.

Many of you have seen the recent impressive results of Sora by OpenAI.

لقد شاهد الكثير منكم النتائج المثيرة للإعجاب الأخيرة لـ Sora من OpenAI.

But even without the enormous number of GPUs,

ولكن حتى بدون العدد الهائل من وحدات معالجة الرسومات،

my student and our collaborators

قام طلابي والمتعاونون معنا

have developed a generative video model called Walt

بتطوير نموذج فيديو توليدي يسمى Walt

months before Sora.

صمم قبل أشهر من Sora.

And you're seeing some of these results.

وأنتم ترون بعض هذه النتائج.

There is room for improvement.

هناك مجال للتحسين.

I mean, look at that cat's eye

أعني، انظروا إلى عين تلك القطة

and the way it goes under the wave without ever getting wet.

والطريقة التي تمر بها تحت الموجة دون أن تتبلل أبدًا.

What a cat-astrophe.

يا له من قطة غدار.

(Laughter)

(ضحك)

And if past is prologue,

وإذا كان الماضي بمثابة مقدمة،

we will learn from these mistakes and create a future we imagine.

فسنتعلم من هذه الأخطاء ونصنع مستقبلًا نتخيله.

And in this future,

وفي هذا المستقبل،

we want AI to do everything it can for us,

نريد أن يقوم الذكاء الاصطناعي بكل ما في وسعه من أجلنا،

or to help us.

أو لمساعدتنا.

For years I have been saying

منذ سنوات كنت أقول

that taking a picture is not the same as seeing and understanding.

إن التقاط صورة لا يعني الرؤية والفهم.

Today, I would like to add to that.

واليوم، أود أن أضيف إلى ذلك.

Simply seeing is not enough.

مجرد الرؤية ليست كافية.

Seeing is for doing and learning.

الرؤية هي للفعل والتعلم.

When we act upon this world in 3D space and time,

عندما نعمل على هذا العالم في الفضاء والزمان ثلاثي الأبعاد،

we learn, and we learn to see and do better.

نتعلم ونتعلم الرؤية والقيام بعمل أفضل.

Nature has created this virtuous cycle of seeing and doing

لقد خلقت الطبيعة هذه الدورة الفاضلة من الرؤية والعمل

powered by “spatial intelligence.”

بدعم من «الذكاء المكاني».

To illustrate to you what your spatial intelligence is doing constantly,

لتوضيح ما يفعله ذكائك المكاني باستمرار،

look at this picture.

انظروا إلى هذه الصورة.

Raise your hand if you feel like you want to do something.

ارفعوا أيديكم إذا كنتم تشعرون أنكم تريدون القيام بشيء ما.

(Laughter)

(ضحك)

In the last split of a second,

في الجزء الأخير من الثانية،

your brain looked at the geometry of this glass,

يرى دماغك هندسة هذا الزجاج،

its place in 3D space,

ومكانه في الفضاء ثلاثي الأبعاد،

its relationship with the table, the cat

وعلاقته بالطاولة،

and everything else.

والقطة وكل شيء آخر.

And you can predict what's going to happen next.

ويمكنكم التنبؤ بما سيحدث بعد ذلك.

The urge to act is innate to all beings with spatial intelligence,

إن الرغبة في العمل فطرية لجميع الكائنات ذات الذكاء المكاني،

which links perception with action.

الذي يربط الإدراك بالعمل.

And if we want to advance AI beyond its current capabilities,

وإذا أردنا تطوير الذكاء الاصطناعي بما يتجاوز قدراته الحالية،

we want more than AI that can see and talk.

فإننا نريد أكثر من الذكاء الاصطناعي الذي يمكنه الرؤية والتحدث.

We want AI that can do.

نريد الذكاء الاصطناعي الذي يمكنه القيام بذلك.

Indeed, we're making exciting progress.

في الواقع، نحن نحرز تقدمًا مثيرًا.

The recent milestones in spatial intelligence

تتمثل المعالم الأخيرة في الذكاء المكاني

is teaching computers to see, learn, do

في تعليم أجهزة الكمبيوتر الرؤية والتعلم

and learn to see and do better.

وتعلم الفهم والقيام بعمل أفضل.

This is not easy.

هذا ليس بالأمر السهل.

It took nature millions of years to evolve spatial intelligence,

استغرقت الطبيعة ملايين السنين لتطوير الذكاء المكاني،

which depends on the eye taking light,

الذي يعتمد على التقاط العين للضوء،

project 2D images on the retina

وعرض صور ثنائية الأبعاد على شبكية العين

and the brain to translate these data into 3D information.

والدماغ لترجمة هذه البيانات إلى معلومات ثلاثية الأبعاد.

Only recently, a group of researchers from Google

في الآونة الأخيرة فقط، تمكنت مجموعة من الباحثين من جوجل

are able to develop an algorithm to take a bunch of photos

من تطوير خوارزمية لالتقاط مجموعة من الصور

and translate that into 3D space,

وترجمتها إلى مساحة ثلاثية الأبعاد،

like the examples we're showing here.

مثل الأمثلة التي نعرضها هنا.

My student and our collaborators have taken a step further

لقد أخذ تلميذي والمتعاونون معنا خطوة إلى الأمام

and created an algorithm that takes one input image

وأنشأوا خوارزمية تأخذ صورة إدخال واحدة

and turn that into 3D shape.

وتحولها إلى شكل ثلاثي الأبعاد.

Here are more examples.

إليكم المزيد من الأمثلة.

Recall, we talked about computer programs that can take a human sentence

أذكر أننا تحدثنا عن برامج الكمبيوتر التي يمكن أن تأخذ جملة بشرية

and turn it into videos.

وتحولها إلى مقاطع فيديو.

A group of researchers in University of Michigan

توصلت مجموعة من الباحثين في جامعة ميشيغان

have figured out a way to translate that line of sentence

إلى طريقة لترجمة هذا السطر من الجملة

into 3D room layout, like shown here.

إلى تخطيط غرفة ثلاثي الأبعاد، كما هو موضح هنا.

And my colleagues at Stanford and their students

وقد طور زملائي في جامعة ستانفورد

have developed an algorithm that takes one image

وطلابهم خوارزمية تلتقط صورة واحدة

and generates infinitely plausible spaces

وتولد مساحات معقولة لا حصر لها

for viewers to explore.

للمشاهدين لاستكشافها.

These are prototypes of the first budding signs of a future possibility.

هذه نماذج أولية للعلامات الناشئة الأولى لإمكانية المستقبل.

One in which the human race can take our entire world

عالم يمكن للجنس البشري من خلاله أخذ عالمنا بأكمله

and translate it into digital forms

وترجمته إلى أشكال رقمية

and model the richness and nuances.

ونمذجة الثراء والفروق الدقيقة.

What nature did to us implicitly in our individual minds,

ما فعلته الطبيعة بنا ضمنيًا في عقولنا الفردية،

spatial intelligence technology can hope to do

يمكن لتقنية الذكاء المكاني أن تأمل في القيام به

for our collective consciousness.

لوعينا الجماعي.

As the progress of spatial intelligence accelerates,

مع تسارع تقدم الذكاء المكاني،

a new era in this virtuous cycle is taking place in front of our eyes.

تحدث حقبة جديدة في هذه الدورة الفاضلة أمام أعيننا.

This back and forth is catalyzing robotic learning,

يعمل هذا ذهابًا وإيابًا على تحفيز التعلم الآلي،

a key component for any embodied intelligence system

وهو مكون رئيسي لأي نظام ذكاء

that needs to understand and interact with the 3D world.

مجسد يحتاج إلى فهم العالم ثلاثي الأبعاد والتفاعل معه.

A decade ago,

قبل عقد من الزمن،

ImageNet from my lab

قامت ImageNet من مختبري

enabled a database of millions of high-quality photos

بتمكين قاعدة بيانات لملايين الصور عالية الجودة

to help train computers to see.

للمساعدة في تدريب أجهزة الكمبيوتر على الرؤية.

Today, we're doing the same with behaviors and actions

اليوم، نفعل الشيء نفسه مع السلوكيات والإجراءات

to train computers and robots how to act in the 3D world.

لتدريب أجهزة الكمبيوتر والروبوتات على كيفية التصرف في العالم ثلاثي الأبعاد.

But instead of collecting static images,

ولكن بدلاً من جمع الصور الثابتة،

we develop simulation environments powered by 3D spatial models

نقوم بتطوير بيئات محاكاة مدعومة بنماذج مكانية ثلاثية الأبعاد

so that the computers can have infinite varieties of possibilities

بحيث يمكن لأجهزة الكمبيوتر الحصول على أنواع لا حصر لها من الاحتمالات

to learn to act.

لتعلم التصرف.

And you're just seeing a small number of examples

وأنتم تشاهدون فقط عددًا صغيرًا من الأمثلة

to teach our robots

لتعليم الروبوتات لدينا

in a project led by my lab called Behavior.

في مشروع يقوده مختبري يسمى السلوك.

We’re also making exciting progress in robotic language intelligence.

نحن نحرز أيضًا تقدمًا مثيرًا في ذكاء اللغة الروبوتية.

Using large language model-based input,

باستخدام المدخلات الكبيرة القائمة على نموذج اللغة،

my students and our collaborators are among the first teams

يعد طلابي والمتعاونون معنا من بين الفرق الأولى

that can show a robotic arm performing a variety of tasks

التي يمكنها إظهار ذراع آلية تؤدي مجموعة متنوعة من المهام

based on verbal instructions,

بناءً على تعليمات شفهية،

like opening this drawer or unplugging a charged phone.

مثل فتح هذا الدرج أو فصل هاتف مشحون.

Or making sandwiches, using bread, lettuce, tomatoes

أو صنع السندويشات باستخدام الخبز والخس والطماطم

and even putting a napkin for the user.

وحتى وضع منديل للمستخدم.

Typically I would like a little more for my sandwich,

عادةً ما أرغب في تناول المزيد من الساندويتش الخاص بي،

but this is a good start.

لكن هذه بداية جيدة.

(Laughter)

(ضحك)

In that primordial ocean, in our ancient times,

في ذلك المحيط البدائي، في عصرنا القديم،

the ability to see and perceive one's environment

أدت القدرة على رؤية وإدراك البيئة

kicked off the Cambrian explosion of interactions with other life forms.

إلى الانفجار الكمبري للتفاعلات مع أشكال الحياة الأخرى.

Today, that light is reaching the digital minds.

اليوم، يصل هذا الضوء إلى العقول الرقمية.

Spatial intelligence is allowing machines

يسمح الذكاء المكاني للآلات

to interact not only with one another,

بالتفاعل ليس فقط مع بعضها البعض،

but with humans, and with 3D worlds,

ولكن مع البشر، ومع العوالم ثلاثية الأبعاد،

real or virtual.

الحقيقية أو الافتراضية.

And as that future is taking shape,

ومع تبلور هذا المستقبل،

it will have a profound impact to many lives.

سيكون له تأثير عميق على العديد من الأرواح.

Let's take health care as an example.

لنأخذ الرعاية الصحية كمثال.

For the past decade,

على مدار العقد الماضي،

my lab has been taking some of the first steps

سيكون مختبري بعض الخطوات الأولى

in applying AI to tackle challenges that impact patient outcome

في تطبيق الذكاء الاصطناعي لمواجهة التحديات التي تؤثر على نتائج المرضى

and medical staff burnout.

وإرهاق الطاقم الطبي.

Together with our collaborators from Stanford School of Medicine

بالتعاون مع متعاونينا من كلية ستانفورد للطب

and partnering hospitals,

والمستشفيات الشريكة،

we're piloting smart sensors

نقوم بتجربة أجهزة استشعار ذكية

that can detect clinicians going into patient rooms

يمكنها اكتشاف الأطباء الذين يدخلون غرف المرضى

without properly washing their hands.

دون غسل أيديهم بشكل صحيح.

Or keep track of surgical instruments.

أو تتبع الأدوات الجراحية.

Or alert care teams when a patient is at physical risk,

أو قم بتنبيه فرق الرعاية عندما يكون المريض معرضًا لخطر جسدي،

such as falling.

مثل السقوط.

We consider these techniques a form of ambient intelligence,

نحن نعتبر هذه التقنيات شكلاً من أشكال الذكاء المحيط،

like extra pairs of eyes that do make a difference.

مثل أزواج العيون الإضافية التي تحدث فرقًا.

But I would like more interactive help for our patients, clinicians

لكني أود الحصول على مزيد من المساعدة التفاعلية لمرضانا والأطباء

and caretakers, who desperately also need an extra pair of hands.

ومقدمي الرعاية، الذين يحتاجون بشدة أيضًا إلى زوج إضافي من الأيدي.

Imagine an autonomous robot transporting medical supplies

تخيل روبوتًا مستقلاً ينقل الإمدادات الطبية

while caretakers focus on our patients

بينما يركز مقدمو الرعاية على مرضانا

or augmented reality, guiding surgeons to do safer, faster

أو الواقع المعزز، ويوجه الجراحين للقيام بعمل أكثر أمانًا وأسرع

and less invasive operations.

وعمليات أقل توغلاً.

Or imagine patients with severe paralysis controlling robots with their thoughts.

أو تخيل مرضى يعانون من شلل شديد يتحكمون في الروبوتات بأفكارهم.

That's right, brainwaves, to perform everyday tasks

هذا صحيح، موجات الدماغ، لأداء المهام اليومية

that you and I take for granted.

التي نأخذها أنت وأنا كأمر مسلم به.

You're seeing a glimpse of that future in this pilot study from my lab recently.

أنتم ترون لمحة عن هذا المستقبل في هذه الدراسة التجريبية من مختبري مؤخرًا.

In this video, the robotic arm is cooking a Japanese sukiyaki meal

في هذا الفيديو، تقوم الذراع الآلية بطهي وجبة سوكيياكي يابانية

controlled only by the brain electrical signal,

يتم التحكم فيها فقط عن طريق الإشارة الكهربائية للدماغ،

non-invasively collected through an EEG cap.

والتي يتم جمعها بشكل غير جراحي من خلال غطاء EEG.

(Applause)

(تصفيق)

Thank you.

شكرًا لكم.

The emergence of vision half a billion years ago

أدى ظهور الرؤية قبل نصف مليار سنة

turned a world of darkness upside down.

إلى قلب عالم الظلام رأسًا على عقب.

It set off the most profound evolutionary process:

لقد أطلقت العملية التطورية الأكثر عمقًا:

the development of intelligence in the animal world.

تطوير الذكاء في عالم الحيوان.

AI's breathtaking progress in the last decade is just as astounding.

التقدم المذهل الذي أحرزه الذكاء الاصطناعي في العقد الماضي مذهل بنفس القدر.

But I believe the full potential of this digital Cambrian explosion

لكنني أعتقد أن الإمكانات الكاملة لهذا الانفجار الكمبري الرقمي

won't be fully realized until we power our computers and robots

لن تتحقق بالكامل حتى نقوم بتزويد أجهزة الكمبيوتر والروبوتات الخاصة بنا

with spatial intelligence,

بالذكاء المكاني،

just like what nature did to all of us.

تمامًا مثل ما فعلته الطبيعة لنا جميعًا.

It’s an exciting time to teach our digital companion

إنه وقت مثير لتعليم رفيقنا الرقمي

to learn to reason

تعلم العقل

and to interact with this beautiful 3D space we call home,

والتفاعل مع هذه المساحة ثلاثية الأبعاد الجميلة التي نسميها المنزل،

and also create many more new worlds that we can all explore.

وكذلك إنشاء العديد من العوالم الجديدة التي يمكننا جميعًا استكشافها.

To realize this future won't be easy.

إن تحقيق هذا المستقبل لن يكون سهلاً.

It requires all of us to take thoughtful steps

يتطلب الأمر منا جميعًا اتخاذ خطوات مدروسة

and develop technologies that always put humans in the center.

وتطوير تقنيات تضع البشر دائمًا في المركز.

But if we do this right,

ولكن إذا قمنا بذلك بشكل صحيح،

the computers and robots powered by spatial intelligence

فإن أجهزة الكمبيوتر والروبوتات التي تعمل بالذكاء المكاني

will not only be useful tools

لن تكون أدوات مفيدة فحسب،

but also trusted partners

بل ستكون أيضًا شركاء موثوقين

to enhance and augment our productivity and humanity

لتعزيز وزيادة إنتاجيتنا وإنسانيتنا

while respecting our individual dignity

مع احترام كرامتنا الفردية

and lifting our collective prosperity.

ورفع ازدهارنا الجماعي.

What excites me the most in the future

أكثر ما يثيرني في المستقبل

is a future in which that AI grows more perceptive,

هو مستقبل ينمو فيه الذكاء الاصطناعي بشكل أكثر إدراكًا

insightful and spatially aware,

وبصيرة ووعيًا مكانيًا،

and they join us on our quest

وينضمون إلينا في سعينا

to always pursue a better way to make a better world.

للبحث دائمًا عن طريقة أفضل لصنع عالم أفضل.

Thank you.

شكرًا لكم.

(Applause)

(تصفيق)