How we teach computers to understand pictures | Fei Fei Li

מתרגם: hila scherba מבקר: Ido Dekkers

Let me show you something.

בואו אני אראה לכם משהו.

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

(וידאו) ילדה: "אוקיי, זה חתול שיושב על מיטה.

The boy is petting the elephant.

הילד מלטף את הפיל.

Those are people that are going on an airplane.

אלה אנשים שעולים על מטוס.

That's a big airplane.

זה מטוס גדול."

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

זו ילדה בת שלוש שנים

describing what she sees in a series of photos.

מתארת מה היא רואה בסדרת תמונות.

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

אולי יש לה עוד הרבה ללמוד על העולם,

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

אבל היא כבר מומחית במשימה אחת מאוד חשובה:

to make sense of what she sees.

להבין מה היא רואה.

Our society is more technologically advanced than ever.

החברה שלנו היא יותר מתקדמת טכנולוגית מאי פעם.

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

אנחנו שולחים אנשים לירח, אנחנו מייצרים טלפונים שמדברים אלינו

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

או מתאימים אישית תחנות רדיו שינגנו רק מוסיקה שאנחנו אוהבים.

Yet, our most advanced machines and computers

ועדיין, המכונות והמחשבים המתקדמים ביותר שלנו

still struggle at this task.

עדיין מתקשים במשימה הזו.

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

אז אני פה היום כדי לתת לכם דו"ח התקדמות

on the latest advances in our research in computer vision,

על ההתפתחויות האחרונות במחקר שלנו על ראיית מחשב,

one of the most frontier and potentially revolutionary

אחד מהטכנולוגיות החלוציות והמהפכניות ביותר

technologies in computer science.

במדעי המחשב.

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

נכון, יש לנו אבטיפוס של מכוניות שיכולות לנסוע בעצמן,

but without smart vision, they cannot really tell the difference

אבל בלי ראייה חכמה, הן לא יכולות באמת להבדיל

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

בין שקית נייר מקופלת על הכביש, שאפשר לנסוע עליה,

and a rock that size, which should be avoided.

ואבן בגודל הזה, שצריך להימנע ממנה.

We have made fabulous megapixel cameras,

ייצרנו מצלמות מגהפיקסל מדהימות,

but we have not delivered sight to the blind.

אבל לא הצלחנו להביא ראייה לעיוורים.

Drones can fly over massive land,

מזל"טים יכולים לטוס מעל שטח עצום,

but don't have enough vision technology

אבל חסרי טכנולוגיית ראייה מספקת

to help us to track the changes of the rainforests.

בשביל לעזור לנו לעקוב אחרי השינויים ביערות הגשם.

Security cameras are everywhere,

מצלמות אבטחה נמצאות בכל מקום,

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

אבל הן לא מתריעות כשילד טובע בבריכה.

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

תמונות וסרטונים הופכים לחלק בלתי נפרד מהחיים הגלובליים.

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

הם נוצרים בקצב שהוא מעל לכל מה שכל אדם,

or teams of humans, could hope to view,

או קבוצות של אנשים, יכולים לקוות לצפות בהם,

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

ואתם ואני תורמים לזה בשיחת TED הזו.

Yet our most advanced software is still struggling at understanding

אבל התוכנה המתקדמת ביותר שלנו עדיין מתמודדת בלהבין

and managing this enormous content.

ולנהל את התוכן העצום הזה.

So in other words, collectively as a society,

אז במילים אחרות, במשותף כחברה,

we're very much blind,

אנחנו מאוד עיוורים,

because our smartest machines are still blind.

כי המכונות החכמות ביותר שלנו עדיין עיוורות.

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

אתם יכולים לשאול - "למה זה כל כך קשה?"

Cameras can take pictures like this one

מצלמות יכולות לקחת תמונות כמו זו,

by converting lights into a two-dimensional array of numbers

על ידי המרת אורות לשטח דו מימדי של מספרים,

known as pixels,

הידועים כפיקסלים,

but these are just lifeless numbers.

אבל אלו רק מספרים חסרי חיים.

They do not carry meaning in themselves.

הם לא נושאים איזושהי משמעות בעצמם.

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

כמו שלשמוע זה לא אותו דבר כמו להקשיב,

to take pictures is not the same as to see,

לקחת תמונות זה לא אותו דבר כמו לראות,

and by seeing, we really mean understanding.

ובלראות, אנחנו למעשה מתכוונים ללהבין.

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

למעשה, זה לקח לאימא טבע 540 מיליון שנים של עבודה קשה

to do this task,

לעשות את המשימה הזו,

and much of that effort

והרבה מהמאמץ הזה

went into developing the visual processing apparatus of our brains,

הלך על פיתוח מנגנון העיבוד החזותי של המוח שלנו,

not the eyes themselves.

לא העיניים עצמן.

So vision begins with the eyes,

אז ראייה מתחילה בעיניים,

but it truly takes place in the brain.

אבל באמת מתרחשת במוח.

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

אז במשך 15 שנים האחרונות, מהדוקטורט שלי במכון הטכנולוגי של קליפורניה

and then leading Stanford's Vision Lab,

ואז הובלת מעבדת הראייה בסטנפורד,

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

אני עובדת עם המורים הרוחניים שלי, משתפי פעולה וסטודנטים,

to teach computers to see.

ללמד מחשבים לראות.

Our research field is called computer vision and machine learning.

תחום המחקר שלנו נקרא - ראייה ממוחשבת ולמידת מכונה.

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

זה חלק מתחום כללי יותר של אינטלגנציה מלאכותית.

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

אז בסופו של דבר, אנחנו רוצים ללמד את המכונות לראות כמו שאנחנו רואים:

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

לנקוב בשמות של אובייקטים, לזהות אנשים, להסיק גיאומטרית תלת מימדית של דברים,

understanding relations, emotions, actions and intentions.

להבין קשרים, רגשות, פעולות וכוונות.

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

אתם ואני רוקמים ביחד סיפורים שלמים של אנשים, מקומות ודברים

the moment we lay our gaze on them.

ברגע שאנחנו מניחים עליהם את המבט שלנו.

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

הצעד הראשון לכיוון המטרה הזו הוא ללמד מחשב לראות חפצים,

the building block of the visual world.

אבן הבניין של העולם החזותי.

In its simplest terms, imagine this teaching process

במונחים הכי פשוטים, דמיינו את תהליך הלמידה הזה

as showing the computers some training images

כלהראות למחשבים כמה תמונות אימון של אובייקט מסוים,

of a particular object, let's say cats,

בואו נאמר חתולים,

and designing a model that learns from these training images.

ועיצוב מודל שילמד מתמונות האימון האלו.

How hard can this be?

כמה קשה זה כבר יכול להיות?

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

אחרי הכל, חתול הוא פשוט אוסף של צורות וצבעים,

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

וזה מה שאנחנו עשינו בימים הראשונים של שימוש כמודל תיאורטי באובייקטים.

We'd tell the computer algorithm in a mathematical language

היינו אומרים לאלגוריתם של המחשב בשפה מתמטית

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

שהפנים של חתול הן עגולות, גוף שמנמן,

two pointy ears, and a long tail,

שני אוזניים מחודדות, זנב ארוך,

and that looked all fine.

וזה היה נראה בסדר גמור.

But what about this cat?

אבל מה עם החתול הזה?

(Laughter)

(צחוק)

It's all curled up.

הוא כולו מכורבל.

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

עכשיו צריך להוסיף עוד צורה ונקודת מבט למודל האובייקט.

But what if cats are hidden?

אבל מה אם חתולים מתחבאים?

What about these silly cats?

מה עם החתולים המטופשים האלו?

Now you get my point.

עכשיו אתם מתחילים להבין את הנקודה שלי.

Even something as simple as a household pet

אפילו משהו פשוט כמו חיית מחמד ביתית

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

יכול להציג אינסוף צורות למודל של אובייקט,

and that's just one object.

וזה רק אובייקט אחד.

So about eight years ago,

אז לפני 8 שנים בערך,

a very simple and profound observation changed my thinking.

הסתכלות מאוד פשוטה ומעמיקה שינתה את המחשבה שלי.

No one tells a child how to see,

אף אחד לא אומר לילד איך לראות,

especially in the early years.

במיוחד לא בשנים המוקדמות.

They learn this through real-world experiences and examples.

הם לומדים דרך הנסיון בעולם האמיתי ודוגמאות.

If you consider a child's eyes

אם תתייחסו לעיניים של ילד

as a pair of biological cameras,

כזוג מצלמות ביולוגיות

they take one picture about every 200 milliseconds,

הן לוקחות תמונה אחת בערך כל 200 אלפיות השנייה,

the average time an eye movement is made.

הזמן הממוצע של תנועת עין.

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

אז עד גיל שלוש, ילד יראה מאות מיליוני תמונות

of the real world.

של העולם האמיתי.

That's a lot of training examples.

זה הרבה דוגמאות אימון.

So instead of focusing solely on better and better algorithms,

אז במקום להתרכז אך ורק על אלגוריתמים טובים יותר ויותר,

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

התובנה שלי היתה לתת לאלגוריתמים את סוג מידע האימון

that a child was given through experiences

שילד מקבל דרך ניסיון

in both quantity and quality.

גם בכמות וגם באיכות.

Once we know this,

ברגע שאנחנו יודעים את זה,

we knew we needed to collect a data set

ידענו שאנחנו צריכים לאסוף מערכת מידע

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

שיש בה הרבה יותר תמונות ממה שהיו לנו אי פעם,

perhaps thousands of times more,

אולי פי כמה אלפים יותר,

and together with Professor Kai Li at Princeton University,

ויחד עם פרופסור קאי לי מאוניברסיטת פרינסטון,

we launched the ImageNet project in 2007.

התחלנו את פרוייקט אימג'נט ב-2007.

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

למזלנו, לא היינו צריכים לשים מצלמה על ראשינו

and wait for many years.

ולחכות הרבה שנים.

We went to the Internet,

ניגשנו לאינטרנט,

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

האוצר הגדול ביותר של תמונות שהאדם יצר אי פעם.

We downloaded nearly a billion images

הורדנו כמעט מיליארד תמונות

and used crowdsourcing technology like the Amazon Mechanical Turk platform

והשתמשנו בפעילות של הציבור הרחב כמו הפלטפורמת המכניקל טורק של אמזון

to help us to label these images.

At its peak, ImageNet was one of the biggest employers

בשיאו, אימג'נט היה אחד המעסיקים הגדולים

of the Amazon Mechanical Turk workers:

של פלטפורמת טורק של אמזון:

together, almost 50,000 workers

ביחד, כמעט 50,000 עובדים

from 167 countries around the world

מ-167 מדינות מסביב לעולם

helped us to clean, sort and label

עזרו לנו לנקות, לסדר ולתייג

nearly a billion candidate images.

כמעט מיליארד תמונות מועמדות.

That was how much effort it took

זה כמה מאמץ נדרש

to capture even a fraction of the imagery

כדי ללכוד שבריר מיכולת הדימוי

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

שמוח של ילד מסוגל לעשות בשנות ההתפתחות המוקדמות.

In hindsight, this idea of using big data

בדיעבד, הרעיון להשתמש בביג דאטה

to train computer algorithms may seem obvious now,

בשביל לאמן אלגוריתם של מחשב נראה אולי ברור עכשיו,

but back in 2007, it was not so obvious.

אבל ב-2007, זה לא היה כזה ברור.

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

היינו יחסית לבד במסע הזה למשך זמן לא קצר.

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

כמה עמיתים ידידותיים הציעו לי לעשות משהו שימושי יותר בשביל הקביעות שלי,

and we were constantly struggling for research funding.

והיינו נאבקים כל הזמן על תקציבי מחקר.

Once, I even joked to my graduate students

פעם אחת, התבדחתי עם הסטודנטים שלי לתואר שני

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

שאני פשוט אפתח מחדש את החנות לניקוי יבש שלי כדי לממן את אימג'נט.

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

אחרי הכל, ככה מימנתי את שנות הלימודים שלי.

So we carried on.

אז המשכנו.

In 2009, the ImageNet project delivered

ב-2009, פרוייקט אימג'נט סיפק

a database of 15 million images

בסיס נתונים של 15 מיליון תמונות

across 22,000 classes of objects and things

לרוחב 22,000 סוגי אובייקטים ודברים

organized by everyday English words.

מאורגנים לפי שפה אנגלית יומיומית.

In both quantity and quality,

גם בכמות וגם באיכות,

this was an unprecedented scale.

זה היה קנה מידה חסר תקדים.

As an example, in the case of cats,

כדוגמא, במקרה של חתולים,

we have more than 62,000 cats

יש לנו יותר מ-62,000 חתולים

of all kinds of looks and poses

בכל מיני מראות ותנוחות

and across all species of domestic and wild cats.

ועל פני כל המינים של חתולים ביתיים ופראיים.

We were thrilled to have put together ImageNet,

היינו נרגשים להרכיב את אימג'נט,

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

ורצינו שכל עולם המחקר ירוויח ממנו,

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

אז ברוח TED, פתחנו את כל מערכת הנתונים שלנו

to the worldwide research community for free.

לקהילת המחקר ברחבי העולם בחינם.

(Applause)

(מחיאות כפיים)

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

עכשיו כשיש לנו את הנתונים להזין במוח הממוחשב שלנו,

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

אנחנו מוכנים לחזור לאלגוריתמים עצמם.

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

כפי שהתברר, עושר המידע שסופק על ידי אימג'נט

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

היה התאמה מושלמת לסוג מסויים של אלגוריתמים ללמידת מכונה

called convolutional neural network,

הנקראים רשת עצבים מורכבת,

pioneered by Kunihiko Fukushima, Geoff Hinton, and Yann LeCun

שפרצו דרך על ידי קוניהיקו פוקושימה, ג'ף הינטון ויאן לה-קון

back in the 1970s and '80s.

בשנות ה-70 וה-80.

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

בדיוק כמו שהמוח מכיל מיליארדי נוירונים המחוברים היטב,

a basic operating unit in a neural network

יחידת הפעלה בסיסית ברשת הנויראלית

is a neuron-like node.

היא הצומת מנתב המידע דמוי נוירון.

It takes input from other nodes

הוא מקבל מידע מצמתים אחרים

and sends output to others.

ושולח אותם לאחרים.

Moreover, these hundreds of thousands or even millions of nodes

יתרה מזו, מאות אלפי או אולי אפילו מיליוני הצמתים

are organized in hierarchical layers,

מאורגנים בשכבות היררכיות,

also similar to the brain.

גם כן בדומה למוח.

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

ברשת נויראלית טיפוסית אנו משתמשים כדי לאמן את המודל זיהוי האובייקטים שלנו,

it has 24 million nodes,

יש בו 24 מיליון צמתים,

140 million parameters,

140 מיליון משתנים,

and 15 billion connections.

ו-15 מיליארד קשרים.

That's an enormous model.

זה מודל ענק.

Powered by the massive data from ImageNet

המונע על ידי מידע נתונים עצום מאימג'נט

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

ויחידות העיבוד המרכזיות והמעבדים הגרפיים לאימון מודל כזה כביר,

the convolutional neural network

הרשת הנויראלית המורכבת

blossomed in a way that no one expected.

פרחה בצורה שאף אחד לא ציפה לה.

It became the winning architecture

זה הפך להיות הארכיטקטורה המנצחת

to generate exciting new results in object recognition.

ביצירת תוצאות חדשות ומרגשות בזיהוי אובייקטים.

This is a computer telling us

זה מחשב שאומר לנו

this picture contains a cat

שהתמונה הזו מכילה חתול

and where the cat is.

ואיפה נמצא החתול.

Of course there are more things than cats,

כמובן שיש יותר דברים מחתולים,

so here's a computer algorithm telling us

אז הנה אלגוריתם של מחשב אומר לנו

the picture contains a boy and a teddy bear;

שהתמונה מכילה ילד ובובת דובי;

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

כלב, אדם, ועפיפון קטן ברקע;

or a picture of very busy things

או תמונה של דברים מאוד עסוקים

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

כמו איש, סקייטבורד, מעקות, עמוד תאורה וכן הלאה.

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

לפעמים, כשהמחשב לא בטוח לגמרי במה שהוא רואה,

we have taught it to be smart enough

לימדנו אותו להיות חכם מספיק

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

כדי לתת לנו תשובה בטוחה במקום להתחייב יותר מדי,

just like we would do,

בדיוק כמו שאנחנו היינו עושים,

but other times our computer algorithm is remarkable at telling us

אבל בפעמים אחרות האלגוריתם הממוחשב שלנו מצויין בלהגיד לנו

what exactly the objects are,

מה בדיוק הם האובייקטים,

like the make, model, year of the cars.

כמו היצרן, המודל והשנה של מכוניות.

We applied this algorithm to millions of Google Street View images

יישמנו את האלגוריתם הזה למיליוני תמונות של מפת הרחובות של גוגל

across hundreds of American cities,

במאות ערים אמריקניות,

and we have learned something really interesting:

ולמדנו משהו מאוד מעניין:

first, it confirmed our common wisdom

דבר ראשון, זה אימת את הידע הנפוץ

that car prices correlate very well

שמחירי מכוניות נמצאים בקשר ישיר

with household incomes.

להכנסות משק הבית.

But surprisingly, car prices also correlate well

אבל באופן מפתיע, מחירי המכוניות נמצאים בקשר ישיר

with crime rates in cities,

עם רמת הפשע בערים,

or voting patterns by zip codes.

או תבנית הצבעות על פי מיקודים.

So wait a minute. Is that it?

אז רגע. זה הכל?

Has the computer already matched or even surpassed human capabilities?

האם המחשב השווה או אפילו עקף את היכולות האנושיות?

Not so fast.

לא כל כך מהר.

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

עד עכשיו, אנחנו רק לימדנו את המחשב לראות אובייקטים.

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

זה כמו שילד קטן לומד לבטא מספר שמות עצם.

It's an incredible accomplishment,

זה הישג מדהים,

but it's only the first step.

אבל זה רק הצעד הראשון.

Soon, another developmental milestone will be hit,

בקרוב, עוד אבן דרך התפתחותית תושג,

and children begin to communicate in sentences.

וילדים מתחילים לתקשר במשפטים.

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

אז במקום להגיד - זה חתול בתמונה,

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

כבר שמעתם את הילדה הקטנה אומרת לנו שזה חתול ששוכב על מיטה.

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

אז ללמד מחשב לראות תמונה ולייצר משפטים,

the marriage between big data and machine learning algorithm

הנישואים בין ביג דאטה לאלגוריתם לימוד מכונה

has to take another step.

צריכים לקחת עוד צעד.

Now, the computer has to learn from both pictures

עכשיו, המחשב צריך ללמוד משתי התמונות

as well as natural language sentences

כמו גם ממשפטים טבעיים בשפה

generated by humans.

שנוצרים על ידי בני אדם.

Just like the brain integrates vision and language,

בדיוק כמו שהמוח מייצר ראייה ושפה,

we developed a model that connects parts of visual things

אנחנו פיתחנו מודל שמקשר חלקים של דברים ויזואלים

like visual snippets

כמו מקטעים קצרים

with words and phrases in sentences.

עם מילים וביטויים במשפטים.

About four months ago,

לפני ארבעה חודשים בערך,

we finally tied all this together

סוף סוף קשרנו את כל זה ביחד

and produced one of the first computer vision models

ויצרנו את אחד ממודלי הראייה הממוחשבת הראשונים

that is capable of generating a human-like sentence

שמסוגלים לייצר משפט בדומה לאדם

when it sees a picture for the first time.

כאשר הוא רואה תמונה בפעם הראשונה.

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

עכשיו, אני מוכנה להראות לכם מה המחשב אומר

when it sees the picture

כשהוא רואה את התמונה

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

שהילדה הקטנה ראתה בתחילת השיחה הזו.

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

(וידאו) מחשב: איש עומד ליד פיל.

A large airplane sitting on top of an airport runway.

מטוס גדול עומד על מסלול טיסה.

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

פיי פיי: כמובן, אנחנו עדיין עובדים קשה כדי לשפר את האלגוריתמים שלנו,

and it still has a lot to learn.

ועדיין יש לו הרבה ללמוד.

(Applause)

(מחיאות כפיים)

And the computer still makes mistakes.

והמחשב עדיין עושה טעויות.

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

(וידאו) מחשב: חתול שוכב על מיטה בשמיכה.

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

פיי פיי: אז כמובן, כשהוא רואה יותר מדי חתולים,

it thinks everything might look like a cat.

הוא חושב שהכל יכול להיראות כמו חתול.

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

(וידאו) מחשב: ילד צעיר מחזיק אלת בייסבול.

(Laughter)

(צחוק)

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

פיי פיי: או אם הוא לא ראה מברשת שיניים, הוא מבלבל את זה עם אלת בייסבול.

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

(וידאו) מחשב: איש רוכב על סוס במורד הרחוב ליד בניין.

(Laughter)

(צחוק)

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

פיי פיי: לא לימדנו את המחשבים מבוא לאומנות.

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

(וידאו) מחשב: זברה עומדת בשדה עשב.

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

פיי פיי: והוא לא למד להעריך את היופי המדהים של הטבע

like you and I do.

כמוני וכמוכם.

So it has been a long journey.

אז עדיין יש לו דרך ארוכה.

To get from age zero to three was hard.

להגיע מגיל אפס לשלוש היה קשה.

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

האתגר האמיתי הוא להגיע משלוש לשלוש עשרה ומעבר לזה.

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

תרשו לי להזכיר לכם עם התמונה של הילד והעוגה שוב.

So far, we have taught the computer to see objects

עד עכשיו, לימדנו את המחשב לראות אובייקטים

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

או אפילו לספר לנו סיפור פשוט כשהוא רואה תמונה.

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

(וידאו) מחשב: אדם יושב ליד שולחן עם עוגה.

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

פיי פיי: אבל יש עוד כל כך הרבה בתמונה הזו

than just a person and a cake.

מאשר רק אדם ועוגה.

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

מה שהמחשב לא רואה זה שזו עוגה איטלקית מיוחדת

that's only served during Easter time.

שמוגשת רק בחג הפסחא.

The boy is wearing his favorite t-shirt

הילד לובש את החולצה האהובה עליו

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

שניתנה לו על ידי אביו אחרי טיול בסידני,

and you and I can all tell how happy he is

ואתם ואני יכוים להגיד כמה מאושר הוא

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

ומה בדיוק הוא חושב ברגע הזה.

This is my son Leo.

זה בני ליאו.

On my quest for visual intelligence,

במסע שלי לאינטלגנציה חזותית,

I think of Leo constantly

אני כל הזמן חושבת על ליאו

and the future world he will live in.

ועל העולם העתידי בו הוא יחיה.

When machines can see,

כשמכונות יכולות לראות,

doctors and nurses will have extra pairs of tireless eyes

לרופאים ואחיות יהיה עוד זוג עיניים שלא מתעייפות

to help them to diagnose and take care of patients.

כדי לעזור להם לאבחן ולדאוג למטופלים.

Cars will run smarter and safer on the road.

מכוניות ינועו בצורה חכמה יותר ובטוחה יותר בדרכים.

Robots, not just humans,

רובוטים, לא רק בני אדם,

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

יעזרו לנו לעמוד בגבורה באזורי אסון ולהציל את הלכודים והפצועים.

We will discover new species, better materials,

אנחנו נגלה מינים חדשים, חומרים טובים יותר,

and explore unseen frontiers with the help of the machines.

ונחקור גבולות חדשים עם עזרה של המכונות.

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

לאט לאט, אנחנו נותנים יכולת ראייה למכונות.

First, we teach them to see.

קודם כל, אנחנו מלמדים אותם לראות.

Then, they help us to see better.

לאחר מכן, הם יעזרו לנו לראות טוב יותר.

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

בפעם הראשונה, העיניים האנושיות לא יהיו העיניים היחידות

pondering and exploring our world.

שמהרהרות וחוקרות את העולם.

We will not only use the machines for their intelligence,

אנחנו לא רק נשתמש במכונות בשביל האינטליגנציה שלהם,

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

אנחנו גם נשתף איתן פעולה בדרכים שאנחנו אפילו לא יכולים לדמיין.

This is my quest:

זה המסע שלי:

to give computers visual intelligence

לתת למחשבים תבונה חזותית

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

וליצור עתיד טוב יותר בשביל ליאו ובשביל העולם.

Thank you.

תודה רבה.

(Applause)

(מחיאות כפיים)