How we teach computers to understand pictures | Fei Fei Li

Lektorat: Andreas Herzog

Let me show you something.

Ich möchte Ihnen etwas zeigen.

(Video) Mädchen: Okay. Das ist eine Katze, die auf einem Bett sitzt.

(Video) Girl: Okay, that's a cat sitting in a bed.

The boy is petting the elephant.

Der Junge streichelt den Elefanten.

Those are people that are going on an airplane.

Das sind Menschen, die ein Flugzeug besteigen.

That's a big airplane.

Das ist ein großes Flugzeug.

Fei-Fei Li: This is a three-year-old child

Fei-Fei Li: Das ist ein dreijähiges Kind,

describing what she sees in a series of photos.

das beschreibt, was es auf einigen Fotos sieht.

She might still have a lot to learn about this world,

Sie muss wahrscheinlich noch viel über diese Welt lernen,

but she's already an expert at one very important task:

aber sie ist bereits Expertin hinsichtlich einer sehr wichtigen Aufgabe:

to make sense of what she sees.

Sie versteht, was sie sieht.

Our society is more technologically advanced than ever.

Unsere Gesellschaft ist technologisch fortgeschrittener als je zuvor.

We send people to the moon, we make phones that talk to us

Wir schicken Menschen zum Mond, stellen Telefone her, die mit uns reden

or customize radio stations that can play only music we like.

oder stellen Radiosender auf unseren individuellen Musikgeschmack ein.

Yet, our most advanced machines and computers

Dennoch haben selbst unsere fortschrittlichsten Maschinen und Computer

still struggle at this task.

immer noch Probleme mit dieser Aufgabe.

So I'm here today to give you a progress report

Ich werde Ihnen heute von den Fortschritten erzählen,

on the latest advances in our research in computer vision,

die wir in unserem Forschungsgebiet der Computer Vision gemacht haben,

one of the most frontier and potentially revolutionary

einer der bahnbrechendsten und vielleicht revolutionärsten Technologien

technologies in computer science.

in der Informatik.

Yes, we have prototyped cars that can drive by themselves,

Wir haben Autos entwickelt, die eigenständig fahren können,

but without smart vision, they cannot really tell the difference

aber ohne intelligentes Sehvermögen können sie nicht unterscheiden,

between a crumpled paper bag on the road, which can be run over,

ob auf der Straße eine zerknitterte Papiertüte liegt, die man überfahren kann,

and a rock that size, which should be avoided.

oder ein Stein von gleicher Größe, dem man ausgeweichen muss.

We have made fabulous megapixel cameras,

Wir haben sagenhaft hochauflösende Kameras entwickelt,

but we have not delivered sight to the blind.

aber wir können Blinde nicht wieder sehen lassen.

Drones can fly over massive land,

Drohnen können über riesige Distanzen fliegen,

but don't have enough vision technology

besitzen aber nicht die nötige Sichttechnologie,

to help us to track the changes of the rainforests.

um die Veränderungen der Regenwälder nachzuverfolgen.

Security cameras are everywhere,

Überwachungskameras sind überall,

but they do not alert us when a child is drowning in a swimming pool.

aber warnen uns nicht, wenn ein Kind im Schwimmbad ertrinkt.

Photos and videos are becoming an integral part of global life.

Bilder und Videos werden immer mehr zu einem festen Bestandteil des Lebens.

They're being generated at a pace that's far beyond what any human,

Sie werden in einer Geschwindigkeit erzeugt, die weit jenseits dessen liegt,

or teams of humans, could hope to view,

was Menschen sich auch nur erhoffen könnten zu sichten.

and you and I are contributing to that at this TED.

Sie und ich tragen mit diesem TED Talk gerade dazu bei.

Yet our most advanced software is still struggling at understanding

Unsere fortschrittlichste Software hat noch immer Probleme

and managing this enormous content.

beim Verstehen und Verwalten dieser enormen Masse an Inhalten.

So in other words, collectively as a society,

Man kann soweit gehen und sagen, dass wir als Gesellschaft

we're very much blind,

nahezu blind sind,

because our smartest machines are still blind.

weil unsere klügsten Maschinen immer noch blind sind.

"Why is this so hard?" you may ask.

"Warum ist das so schwierig?", fragen Sie sich vielleicht.

Cameras can take pictures like this one

Kameras können solche Bilder schießen,

by converting lights into a two-dimensional array of numbers

indem sie Licht in eine zweidimensionale Matrix aus Zahlen umwandeln,

known as pixels,

besser bekannt als Pixel.

but these are just lifeless numbers.

Aber das sind nur leblose Zahlen.

They do not carry meaning in themselves.

Sie sind an sich bedeutungslos.

Just like to hear is not the same as to listen,

Hören ist nicht dasselbe wie Verstehen.

to take pictures is not the same as to see,

Ebenso ist Fotografieren nicht dasselbe wie Sehen.

and by seeing, we really mean understanding.

Mit Sehen meinen wir genauer gesagt Verstehen.

In fact, it took Mother Nature 540 million years of hard work

Tatsächlich hat Mutter Natur 540 Millionen Jahre gebraucht,

um diese Aufgabe zu lösen.

to do this task,

and much of that effort

Ein Großteil des Aufwands

went into developing the visual processing apparatus of our brains,

war die Entwicklung der visuellen Verarbeitungskapazität unseres Gehirns,

not the eyes themselves.

gar nicht der Augen an sich.

So vision begins with the eyes,

Das Sehen beginnt mit den Augen,

but it truly takes place in the brain.

geschieht aber eigentlich im Gehirn.

So for 15 years now, starting from my Ph.D. at Caltech

Vor 15 Jahren begann ich meine Doktorarbeit am Caltech,

and then leading Stanford's Vision Lab,

danach leitete ich das Vision Lab in Stanford.

I've been working with my mentors, collaborators and students

Die ganze Zeit arbeitete ich mit Mentoren, Mitarbeitern und Studenten daran,

to teach computers to see.

Computern das Sehen beizubringen.

Our research field is called computer vision and machine learning.

Unser Forschungsgebiet nennt sich Computer Vision und Maschinelles Lernen.

It's part of the general field of artificial intelligence.

Es gehört zum allgemeinen Gebiet der Künstlichen Intelligenz.

So ultimately, we want to teach the machines to see just like we do:

Schlussendlich wollen wir Geräten beibringen, so wie wir zu sehen:

naming objects, identifying people, inferring 3D geometry of things,

Objekte benennen, Menschen erkennen, Dreidimensionalität von Objekten erfassen,

understanding relations, emotions, actions and intentions.

Beziehungen, Emotionen, Handlungen und Absichten verstehen.

You and I weave together entire stories of people, places and things

Sie und ich begreifen ganze Geschichten zwischen Menschen, Orten und Dingen

the moment we lay our gaze on them.

in Sekundenschnelle, wenn wir einen Blick darauf werfen.

The first step towards this goal is to teach a computer to see objects,

Der erste Schritt ist es, Computern die Objekterkennung beizubringen,

the building block of the visual world.

einzelne Bausteine der visuellen Welt.

In its simplest terms, imagine this teaching process

Grundsätzlich können Sie sich diesen Lehrprozess so vorstellen,

as showing the computers some training images

dass wir den Computern einige Trainingsbilder

of a particular object, let's say cats,

von bestimmten Objekten zeigen, zum Beispiel von Katzen,

and designing a model that learns from these training images.

und ein Modell entwerfen, das von diesen Trainingsbildern lernt.

How hard can this be?

Wie schwer kann das schon sein?

After all, a cat is just a collection of shapes and colors,

Im Grunde besteht eine Katze aus einer Reihe verschiedener Formen und Farben.

and this is what we did in the early days of object modeling.

Genau das waren unsere ersten Schritte in der Objektmodellierung.

We'd tell the computer algorithm in a mathematical language

Wir sagten dem Computeralgorithmus in einer mathematischen Sprache,

that a cat has a round face, a chubby body,

dass eine Katze ein rundes Gesicht, einen pummeligen Körper,

two pointy ears, and a long tail,

zwei spitze Ohren und einen langen Schwanz hat.

and that looked all fine.

Das sah ganz gut aus.

But what about this cat?

Aber wie ist es mit dieser Katze?

(Laughter)

(Lachen)

It's all curled up.

Sie ist ganz zusammengekuschelt.

Now you have to add another shape and viewpoint to the object model.

Jetzt muss man eine andere Form und eine Perspektive zum Objektmodell hinzufügen.

But what if cats are hidden?

Wie sieht es mit versteckten Katzen aus?

What about these silly cats?

Was ist mit diesen albernen Katzen?

Now you get my point.

Jetzt verstehen Sie mich sicherlich.

Even something as simple as a household pet

Sogar etwas so Einfaches wie ein Haustier

can present an infinite number of variations to the object model,

kann für das Objektmodell unendlich viele Variationen annehmen.

and that's just one object.

Und das ist nur ein Objekt.

So about eight years ago,

Vor etwa acht Jahren

a very simple and profound observation changed my thinking.

veränderte eine sehr einfache und grundlegende Beobachtung mein Denken.

No one tells a child how to see,

Niemand sagt einem Kind, wie es zu sehen hat,

especially in the early years.

erst recht nicht am Anfang.

They learn this through real-world experiences and examples.

Sie lernen durch eigene Erfahrungen und Beispiele.

If you consider a child's eyes

Wenn man sich die Augen eines Kindes

as a pair of biological cameras,

als ein Paar biologischer Kameras vorstellt,

they take one picture about every 200 milliseconds,

schießen diese alle 200 Millisekunden ein Bild.

the average time an eye movement is made.

Das ist die durchschnittliche Dauer einer Augenbewegung.

So by age three, a child would have seen hundreds of millions of pictures

Mit drei Jahren hat ein Kind also mehrere hundert Millionen Bilder

of the real world.

der realen Welt gesehen.

That's a lot of training examples.

Das sind sehr viel Übungsbeispiele.

So instead of focusing solely on better and better algorithms,

Ich erkannte, dass der Fokus nicht auf immer besseren Algorithmen liegen muss,

my insight was to give the algorithms the kind of training data

sondern dass wir den Algorithmen die Art von Übungsdaten geben müssen,

that a child was given through experiences

die ein Kind durch seine Erfahrungen sammelt,

in both quantity and quality.

sowohl quantitativ und qualitativ.

Once we know this,

Mit dieser Erkenntnis

we knew we needed to collect a data set

war es unsere Aufgabe, einen Datensatz zusammenzustellen,

that has far more images than we have ever had before,

der weit mehr Bilder beinhaltete, als alles bisher Dagewesene.

perhaps thousands of times more,

Vielleicht tausendfach mehr Bilder.

and together with Professor Kai Li at Princeton University,

Zusammen mit Professor Kai Li von der Princeton University

we launched the ImageNet project in 2007.

starteten wir 2007 das ImageNet Projekt.

Luckily, we didn't have to mount a camera on our head

Zum Glück mussten wir keine Kameras an unseren Köpfen anbringen

and wait for many years.

und viele Jahre warten.

We went to the Internet,

Wir nutzten das Internet,

the biggest treasure trove of pictures that humans have ever created.

die größte Fundgrube für Bilder, die die Menschheit erschaffen hat.

We downloaded nearly a billion images

Wir haben fast eine Milliarde Bilder heruntergeladen

and used crowdsourcing technology like the Amazon Mechanical Turk platform

und mithilfe von Crowdsourcing wie der Amazon Mechanical Turk Plattform

to help us to label these images.

all diese Bilder kategorisiert.

At its peak, ImageNet was one of the biggest employers

Zu Spitzenzeiten war ImageNet einer der größten Arbeitgeber

of the Amazon Mechanical Turk workers:

für Amazon Mechanical Turk Mitarbeiter:

together, almost 50,000 workers

Insgesamt bekamen wir Hilfe von fast 50.000 Arbeitern

from 167 countries around the world

aus 167 Ländern weltweit

helped us to clean, sort and label

beim Bereinigen, Sortieren und Benennen

nearly a billion candidate images.

von fast einer Milliarde Bildern.

That was how much effort it took

Das zeigt, wieviel Aufwand nötig war,

to capture even a fraction of the imagery

um auch nur einen Bruchteil der Bilder zu erfassen,

a child's mind takes in in the early developmental years.

die ein Kind in den frühen Jahren seiner Entwicklung verarbeitet.

Rückblickend wirkt die Idee, riesengroße Datensätze zu nutzen,

In hindsight, this idea of using big data

to train computer algorithms may seem obvious now,

um Computeralgorithmen zu trainieren, absolut naheliegend.

but back in 2007, it was not so obvious.

Doch 2007 war das nicht so offensichtlich.

We were fairly alone on this journey for quite a while.

Wir waren auf dieser Reise lange Zeit ziemlich allein.

Some very friendly colleagues advised me to do something more useful for my tenure,

Einige Kollegen rieten mir, mit meiner Anstellung etwas Sinnvolleres zu tun

and we were constantly struggling for research funding.

und wir kämpften ständig um die Finanzierung der Forschung.

Once, I even joked to my graduate students

Einmal scherzte ich mit meinen Studenten darüber,

that I would just reopen my dry cleaner's shop to fund ImageNet.

meine alte Textilreinigung wieder zu öffnen, um ImageNet zu finanzieren.

After all, that's how I funded my college years.

Immerhin hatte ich so auch mein Studium finanziert.

So we carried on.

Also machten wir weiter.

In 2009, the ImageNet project delivered

2009 lieferte das ImageNet-Projekt

a database of 15 million images

eine Datenbank mit über 15 Millionen Bildern,

across 22,000 classes of objects and things

die 22.000 Objektkategorien umfassten

organized by everyday English words.

und nach englischen Alltagsbegriffen geordnet waren.

In both quantity and quality,

Sowohl quantitativ, als auch qualitativ

this was an unprecedented scale.

war das ein noch nie dagewesener Umfang.

As an example, in the case of cats,

Zurück zum Katzenbeispiel:

we have more than 62,000 cats

Wir haben mehr als 62.000 Katzen

of all kinds of looks and poses

mit verschiedenstem Aussehen und in allerlei Posen

and across all species of domestic and wild cats.

über alle Rassen von Haus- und Wildkatzen hinweg.

We were thrilled to have put together ImageNet,

Wir waren begeistert, ImageNet aufgebaut zu haben,

and we wanted the whole research world to benefit from it,

und wollten, dass die ganze Forschungswelt davon profitiert.

so in the TED fashion, we opened up the entire data set

Ganz nach TED-Art machten wir daher unseren kompletten Datensatz

to the worldwide research community for free.

für Wissenschaftler aus aller Welt kostenlos verfügbar.

(Applaus)

(Applause)

Now that we have the data to nourish our computer brain,

Da wir nun die Daten haben, um unser Computerhirn zu füttern,

we're ready to come back to the algorithms themselves.

können wir jetzt zu den Algorithmen zurückkommen.

As it turned out, the wealth of information provided by ImageNet

Es stellte sich heraus, dass die Informationsfülle auf ImageNet

was a perfect match to a particular class of machine learning algorithms

perfekt zu einer bestimmten Art von Machine Learning-Algorithmen passte,

called convolutional neural network,

sogenannte "faltende neuronale Netzwerke",

pioneered by Kunihiko Fukushima, Geoff Hinton, and Yann LeCun

entwickelt von Kunihiko Fukushima, Geoff Hinton und Yann LeCun

back in the 1970s and '80s.

und das schon in den 70er und 80er Jahren.

Just like the brain consists of billions of highly connected neurons,

So wie unser Gehirn aus Milliarden von stark vernetzten Neuronen besteht,

a basic operating unit in a neural network

ist die einfachste Betriebseinheit eines neuronalen Netzwerks

is a neuron-like node.

ein neuronenähnlicher Knotenpunkt.

It takes input from other nodes

Er erhält Input von anderen Knotenpunkten

and sends output to others.

und sendet Output an andere.

Moreover, these hundreds of thousands or even millions of nodes

Zusätzlich sind diese hunderttausende oder sogar Millionen von Knotenpunkten

are organized in hierarchical layers,

in hierarchischen Schichten organisiert,

also similar to the brain.

auch das ähnlich wie im Gehirn.

In a typical neural network we use to train our object recognition model,

Ein typisches Neuronales Netz, das unser Objekterkennungsmodell trainiert,

it has 24 million nodes,

besitzt 24 Millionen Knotenpunkte,

140 million parameters,

140 Millionen Parameter

and 15 billion connections.

und 15 Milliarden Verbindungen.

That's an enormous model.

Das ist ein riesiges Modell.

Powered by the massive data from ImageNet

Dank der immensen Datenmenge von ImageNet

and the modern CPUs and GPUs to train such a humongous model,

und der modernen CPUs und GPUs, auf denen wir dieses gigantische Modell trainieren,

the convolutional neural network

blühte das faltende neuronale Netzwerk

blossomed in a way that no one expected.

auf eine Weise auf, die niemand erwartet hatte.

It became the winning architecture

Es wurde die erfolgreichste Struktur,

to generate exciting new results in object recognition.

um spannende neue Ergebnisse in der Objekterkennung zu generieren.

This is a computer telling us

Das ist ein Computer, der uns sagt,

this picture contains a cat

dass auf diesem Bild eine Katze zu sehen ist

and where the cat is.

und wo sich diese Katze befindet.

Of course there are more things than cats,

Natürlich gibt es noch mehr als nur Katzen.

so here's a computer algorithm telling us

Hier sehen Sie einen Computeralgorithmus, der uns sagt,

the picture contains a boy and a teddy bear;

dass auf dem Bild ein Junge und ein Teddybär sind;

a dog, a person, and a small kite in the background;

hier ein Hund, eine Person und ein kleiner Drachen im Hintergrund;

or a picture of very busy things

oder dieses sehr überladene Bild:

like a man, a skateboard, railings, a lampost, and so on.

ein Mann, ein Skateboard, Geländer, eine Laterne und so weiter.

Sometimes, when the computer is not so confident about what it sees,

Manchmal weiß der Computer nicht genau, was er sieht,

we have taught it to be smart enough

und wir haben ihm beigebracht, schlau genug zu sein,

to give us a safe answer instead of committing too much,

uns eine sichere Antwort zu geben, statt sich zu sehr festzulegen,

just like we would do,

genau so wie wir es auch machen würden.

but other times our computer algorithm is remarkable at telling us

Manchmal ist der Algorithmus dagegen bemerkenswert gut darin, uns zu sagen,

what exactly the objects are,

was genau die Objekte sind,

like the make, model, year of the cars.

wie die Marke, das Modell und das Baujahr eines Autos.

We applied this algorithm to millions of Google Street View images

Wir haben diesen Algorithmus auf Millionen von Google Street View Bilder angewendet

across hundreds of American cities,

in hunderten amerikanischen Städten

and we have learned something really interesting:

und fanden dabei etwas sehr Interessantes heraus:

first, it confirmed our common wisdom

Zunächst bestätigte sich unsere Vermutung,

that car prices correlate very well

dass Fahrzeugpreise in direktem Bezug

with household incomes.

zu Haushaltseinkommen stehen.

But surprisingly, car prices also correlate well

Überraschenderweise korrelieren die Fahrzeugpreise auch stark

with crime rates in cities,

mit den Kriminalitätsraten einer Stadt

or voting patterns by zip codes.

oder den Wahlergebnissen nach Postleitzahlen.

Aber Moment mal. War es das schon?

So wait a minute. Is that it?

Has the computer already matched or even surpassed human capabilities?

Sind Computer mit dem Menschen gleich gezogen oder haben ihn sogar übertroffen?

Not so fast.

Nicht so schnell.

So far, we have just taught the computer to see objects.

Bisher haben wir dem Computer lediglich beigebracht, Objekte zu sehen.

This is like a small child learning to utter a few nouns.

Das ist wie ein kleines Kind, das gerade seine ersten Substantive zu sagen lernt.

It's an incredible accomplishment,

Das ist eine beachtliche Leistung,

but it's only the first step.

aber doch nur der erste Schritt.

Soon, another developmental milestone will be hit,

Bald wird das nächste Entwicklungsziel erreicht

and children begin to communicate in sentences.

und Kinder fangen an, in ganzen Sätzen zu kommunizieren.

So instead of saying this is a cat in the picture,

Anstatt zu sagen, dass auf dem Bild eine Katze ist,

you already heard the little girl telling us this is a cat lying on a bed.

sagte uns das kleine Mädchen schon, dass die Katze auf einem Bett liegt.

So to teach a computer to see a picture and generate sentences,

Um einem Computer beizubringen, ein Bild zu sehen und Sätze zu bilden,

the marriage between big data and machine learning algorithm

muss die Ehe zwischen Big Data und dem Machine Learning-Algorithmus

has to take another step.

den nächsten Schritt gehen.

Now, the computer has to learn from both pictures

Nun muss der Computer sowohl von Bildern

as well as natural language sentences

als auch von natürlichsprachlichen Sätzen lernen,

generated by humans.

die Menschen erzeugen.

Just like the brain integrates vision and language,

Wie auch das Gehirn das Sehen mit der Sprache verbindet,

we developed a model that connects parts of visual things

entwickelten wir ein Modell, das einen Teil der visuellen Dinge

like visual snippets

wie visuelle Ausschnitte

with words and phrases in sentences.

mit Wörtern und Ausdrücken in Sätzen vereint.

About four months ago,

Vor etwa vier Monaten

we finally tied all this together

haben wir das alles endlich miteinander verbunden

and produced one of the first computer vision models

und eines der ersten Computer Vision-Modelle erzeugt,

that is capable of generating a human-like sentence

das in der Lage ist, einen menschenähnlichen Satz zu generieren,

when it sees a picture for the first time.

wenn es ein Bild zum ersten Mal sieht.

Now, I'm ready to show you what the computer says

Jetzt kann ich Ihnen zeigen, was der Computer sagt,

when it sees the picture

wenn er die Bilder sieht,

that the little girl saw at the beginning of this talk.

die das kleine Mädchen am Anfang dieser Präsentation sah.

(Video) Computer: A man is standing next to an elephant.

(Video) Computer: Ein Mann steht neben einem Elefanten.

A large airplane sitting on top of an airport runway.

Ein großes Flugzeug steht auf einer Landebahn.

FFL: Of course, we're still working hard to improve our algorithms,

FFL: Natürlich arbeiten wir noch eifrig daran, diese Algorithmen zu verbessern

and it still has a lot to learn.

und sie müssen noch immer viel lernen.

(Applause)

(Applaus)

And the computer still makes mistakes.

Der Computer macht immer noch Fehler.

(Video) Computer: A cat lying on a bed in a blanket.

(Video) Computer: Eine Katze liegt unter einer Decke auf dem Bett.

FFL: So of course, when it sees too many cats,

FFL: Wenn er zu viele Katzen sieht,

it thinks everything might look like a cat.

denkt er, alles könnte eine Katze sein.

(Video) Computer: A young boy is holding a baseball bat.

(Video) Computer: Ein kleiner Junge hält einen Baseballschläger.

(Laughter)

(Lachen)

FFL: Or, if it hasn't seen a toothbrush, it confuses it with a baseball bat.

Wenn er noch nie eine Zahnbürste gesehen hat, ist es für ihn ein Baseballschläger.

(Video) Computer: A man riding a horse down a street next to a building.

(Video) Computer: Ein Mann reitet auf einem Pferd die Straße hinunter.

(Laughter)

(Lachen)

FFL: We haven't taught Art 101 to the computers.

FFL: Wir haben den Computern das Konzept der Kunst noch nicht beigebracht.

(Video) Computer: A zebra standing in a field of grass.

(Video) Computer: Ein Zebra steht auf einer Wiese.

FFL: And it hasn't learned to appreciate the stunning beauty of nature

FFL: Er hat die phantastische Schönheit der Natur noch nicht schätzen gelernt,

like you and I do.

so wie Sie und ich es tun.

So it has been a long journey.

Wir haben einen langen Weg hinter uns.

To get from age zero to three was hard.

Es war schwer von null bis zu unserem dritten Lebensjahr zu kommen.

The real challenge is to go from three to 13 and far beyond.

Die echte Herausforderung ist es aber, von 3 bis 13 und noch weiter zu kommen.

Let me remind you with this picture of the boy and the cake again.

Erinnern Sie sich an das Bild mit dem Jungen und dem Kuchen.

So far, we have taught the computer to see objects

Bisher haben wir dem Computer beigebracht, Objekte zu sehen

or even tell us a simple story when seeing a picture.

oder uns eine einfache Geschichte zu den Bildern zu erzählen.

(Video) Computer: A person sitting at a table with a cake.

(Video) Computer: Eine Person sitzt an einem Tisch mit einem Kuchen.

FFL: But there's so much more to this picture

FFL: Aber es steckt viel mehr in diesem Bild

than just a person and a cake.

als nur eine Person und ein Kuchen.

What the computer doesn't see is that this is a special Italian cake

Der Computer erkennt nicht, dass es ein spezieller italienischer Kuchen ist,

that's only served during Easter time.

der nur zu Ostern gebacken wird.

The boy is wearing his favorite t-shirt

Der Junge trägt sein Lieblingsshirt,

given to him as a gift by his father after a trip to Sydney,

das ihm sein Vater von einer Reise nach Sydney mitgebracht hat.

and you and I can all tell how happy he is

Sie und ich können sehen, wie glücklich er ist

and what's exactly on his mind at that moment.

und was genau in diesem Moment in seinem Kopf vor sich geht.

This is my son Leo.

Das ist mein Sohn Leo.

On my quest for visual intelligence,

Auf meiner Suche nach visueller Intelligenz

I think of Leo constantly

denke ich ständig an Leo

and the future world he will live in.

und an die Welt der Zukunft, in der er leben wird.

When machines can see,

Wenn Maschinen sehen können, werden Ärzte und Krankenschwestern

doctors and nurses will have extra pairs of tireless eyes

ein zusätzliches Paar unermüdlicher Augen haben,

to help them to diagnose and take care of patients.

um ihnen bei der Diagnose und Behandlung von Patienten zu helfen.

Cars will run smarter and safer on the road.

Autos werden klüger und sicherer durch die Straßen fahren.

Robots, not just humans,

Roboter, nicht nur Menschen, werden uns dabei helfen,

will help us to brave the disaster zones to save the trapped and wounded.

in Katastrophengebiete vorzudringen, um Verschüttete und Verwundete zu retten.

We will discover new species, better materials,

Wir werden neue Arten und bessere Materialien entdecken

and explore unseen frontiers with the help of the machines.

und ungesehene Grenzen erkunden, mit Hilfe von Maschinen.

Little by little, we're giving sight to the machines.

Schritt für Schritt bringen wir Maschinen das Sehen bei.

First, we teach them to see.

Erst bringen wir es ihnen bei.

Then, they help us to see better.

Später helfen sie uns dabei, besser zu sehen.

For the first time, human eyes won't be the only ones

Zum ersten Mal werden unsere Augen nicht die einzigen sein,

die unsere Welt studieren und erkunden.

pondering and exploring our world.

We will not only use the machines for their intelligence,

Wir werden Maschinen nicht nur wegen ihrer Intelligenz nutzen,

we will also collaborate with them in ways that we cannot even imagine.

wir werden mit ihnen zusammenarbeiten, wie es jetzt noch unvorstellbar scheint.

This is my quest:

Das ist mein Ziel:

to give computers visual intelligence

Ich möchte Computern visuelle Intelligenz geben

and to create a better future for Leo and for the world.

und damit eine bessere Zukunft für Leo und die ganze Welt gestalten.

Thank you.

Danke.

(Applause)

(Applaus)