How we teach computers to understand pictures | Fei Fei Li

Tłumaczenie: Beata Wasylkiewicz-Jagoda Korekta: Rysia Wand

Let me show you something.

Pokażę wam coś.

(Wideo) Dziewczynka: To jest kot siedzący na łóżku.

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

Chłopiec głaszcze słonia.

The boy is petting the elephant.

Those are people that are going on an airplane.

To są ludzie idący do samolotu.

That's a big airplane.

Samolot jest duży.

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

Fei-Fei Li: Tak trzyletnie dziecko

describing what she sees in a series of photos.

opisuje, co widzi na zdjęciach.

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

Wielu rzeczy musi się jeszcze nauczyć,

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

ale w jednej dziedzinie jest już ekspertem:

to make sense of what she sees.

rozumie, co widzi.

Our society is more technologically advanced than ever.

Technicznie nasze społeczeństwo jest zaawansowane bardziej niż kiedykolwiek.

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

Wysyłamy ludzi na Księżyc, tworzymy telefony, które rozmawiają z nami

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

i potrafimy sprawić, żeby stacja radiowa, grała tylko naszą ulubioną muzykę.

Yet, our most advanced machines and computers

A jednak nawet najbardziej zaawansowane komputery

still struggle at this task.

ciągle nie mogą sobie poradzić z tym zadaniem.

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

Dzisiaj chciałabym opowiedzieć

on the latest advances in our research in computer vision,

o ostatnich osiągnięciach w dziedzinie widzenia komputerowego,

one of the most frontier and potentially revolutionary

jednej z najbardziej pionierskich i potencjalnie rewolucyjnych

technologies in computer science.

technologii w informatyce.

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

Istnieje już prototyp samochodu, który jeździ sam,

but without smart vision, they cannot really tell the difference

ale bez umiejętności rozpoznawania obrazu

nie umie odróżnić

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

zmiętej papierowej torby, po której można przejechać,

and a rock that size, which should be avoided.

od podobnej wielkości kamienia, który trzeba ominąć.

We have made fabulous megapixel cameras,

Istnieją aparaty fotograficzne o bardzo dużej rozdzielczości,

but we have not delivered sight to the blind.

ale nadal nie wiadomo, jak przywrócić wzrok niewidomym.

Drones can fly over massive land,

Drony mogą latać na dużych przestrzeniach,

but don't have enough vision technology

ale nadal nie istnieje technologia,

to help us to track the changes of the rainforests.

która pomogłaby śledzić zmiany w lasach deszczowych.

Security cameras are everywhere,

Kamery przemysłowe są wszędzie,

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

ale nie potrafią nas ostrzec, jeśli dziecko topi się w basenie.

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

Zdjęcia i filmy video stały się integralną częścią naszego życia.

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

Ilość materiału, który powstaje, przekracza możliwości odbiorcze

or teams of humans, could hope to view,

pojedynczego człowieka, a nawet grupy ludzi.

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

Podczas TED dokładamy do tego swoją cegiełkę.

Yet our most advanced software is still struggling at understanding

Najbardziej zaawansowane oprogramowanie nadal nie umie sobie poradzić

and managing this enormous content.

ze zrozumieniem i zarządzaniem tak ogromną ilością danych.

So in other words, collectively as a society,

Innymi słowy jako społeczeństwo

we're very much blind,

jesteśmy niewidomi,

because our smartest machines are still blind.

bo nasze najmądrzejsze maszyny wciąż nie widzą.

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

"Co w tym trudnego?" moglibyście zapytać.

Cameras can take pictures like this one

Aparaty potrafią zrobić zdjęcie,

by converting lights into a two-dimensional array of numbers

przekształcając światło w dwuwymiarowy szereg liczb,

known as pixels,

czyli w piksele.

but these are just lifeless numbers.

Ale są to tylko liczby.

They do not carry meaning in themselves.

Nie niosą ze sobą znaczenia.

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

Słyszeć, to nie to samo co słuchać,

to take pictures is not the same as to see,

a robić zdjęcia, to nie to samo co widzieć.

and by seeing, we really mean understanding.

Mówiąc o widzeniu, mam na myśli rozumienie.

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

Zrealizowanie tego zadania zajęło Matce Naturze

540 milionów lat ciężkiej pracy,

to do this task,

and much of that effort

a większość tego wysiłku włożyła

went into developing the visual processing apparatus of our brains,

w rozwój części mózgu odpowiedzialnej za przetwarzanie wizualne,

not the eyes themselves.

a nie w rozwój oczu.

So vision begins with the eyes,

Widzenie rozpoczyna się w oczach,

but it truly takes place in the brain.

ale tak naprawdę odbywa się w mózgu.

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

Od 15 lat, zaczynając od doktoratu w Caltech,

and then leading Stanford's Vision Lab,

przez prowadzenie Stanford Vision Lab,

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

pracowałam z moimi mentorami, współpracownikami i studentami

to teach computers to see.

nad nauczeniem komputerów widzenia.

Our research field is called computer vision and machine learning.

Pole naszych badań to widzenie komputerowe i systemy uczące się.

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

Jest to część sztucznej inteligencji.

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

Chcemy, żeby maszyny widziały tak, jak my,

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

potrafiły nazwać rzeczy, rozpoznać ludzi, wskazać ich położenie w przestrzeni,

understanding relations, emotions, actions and intentions.

żeby rozumiały relacje, emocje, działania i intencje.

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

Potrafimy opowiedzieć historię o ludziach, miejscach czy rzeczach

the moment we lay our gaze on them.

w momencie, kiedy na nie spojrzymy.

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

Żeby osiągnąć ten cel, trzeba nauczyć komputer widzenia rzeczy,

the building block of the visual world.

klocków, z których składa się świat.

In its simplest terms, imagine this teaching process

Wyobraźcie sobie ten proces uczenia

as showing the computers some training images

jako pokazywanie komputerom

of a particular object, let's say cats,

zdjęć konkretnych obiektów, na przykład kotów,

and designing a model that learns from these training images.

i tworzenie modelu na podstawie tych obrazów.

How hard can this be?

Czy to takie trudne?

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

W końcu kot to tylko zbiór kształtów i kolorów.

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

Tak właśnie traktowaliśmy obrazy na początku modelowania obiektowego.

We'd tell the computer algorithm in a mathematical language

Używając języka matematyki, mówiliśmy algorytmowi komputerowemu,

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

że kot ma okrągłą głowę, puchate ciało,

two pointy ears, and a long tail,

szpiczaste uszy i długi ogon,

and that looked all fine.

i to brzmiało całkiem dobrze.

But what about this cat?

Ale co zrobić z takim kotem?

(Laughter)

(Śmiech)

It's all curled up.

On jest cały poskręcany.

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

Teraz trzeba by dodać nowy kształt i punkt widzenia do modelu obiektu.

But what if cats are hidden?

A jeśli koty będą schowane?

What about these silly cats?

Co zrobić z takimi kotami?

Now you get my point.

Teraz rozumiecie.

Even something as simple as a household pet

Nawet coś tak banalnego, jak zwierzę domowe

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

może dostarczyć nieskończenie wielu wersji modelowi obiektu,

and that's just one object.

a to nadal tylko jeden obiekt.

So about eight years ago,

Osiem lat temu

a very simple and profound observation changed my thinking.

proste spostrzeżenie zmieniło mój sposób myślenia.

No one tells a child how to see,

Nikt nie mówi dziecku, jak ma widzieć,

especially in the early years.

szczególnie we wczesnym dzieciństwie.

They learn this through real-world experiences and examples.

Dzieci uczą się tego przez doświadczanie świata.

If you consider a child's eyes

Jeśli potraktować dziecięce oczy

as a pair of biological cameras,

jako parę biologicznych aparatów,

they take one picture about every 200 milliseconds,

to robią one zdjęcie co 200 milisekund,

the average time an eye movement is made.

co jest średnim czasem ruchu oka.

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

Zanim skończy 3 lata, dziecko może zobaczyć

setki milionów obrazów realnego świata.

of the real world.

That's a lot of training examples.

To bardzo dużo przykładów.

So instead of focusing solely on better and better algorithms,

Zamiast skupiać się wyłącznie na ulepszaniu algorytmów,

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

wolałam podać im dane treningowe podobne do tych,

that a child was given through experiences

które otrzymuje małe dziecko poznające świat,

in both quantity and quality.

zarówno pod względem ilościowym, jak i jakościowym.

Once we know this,

Kiedy się na to zdecydowaliśmy,

we knew we needed to collect a data set

wiedzieliśmy, że musimy zebrać

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

dużo więcej zdjęć, niż mieliśmy dotąd,

perhaps thousands of times more,

może nawet tysiące razy więcej.

and together with Professor Kai Li at Princeton University,

W związku z tym razem z profesorem Kai Li z uniwersytetu Princeton

we launched the ImageNet project in 2007.

w 2007 r. uruchomiliśmy projekt ImageNet.

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

Na szczęście nie musieliśmy montować aparatu na głowie

and wait for many years.

i czekać wiele lat.

We went to the Internet,

Skorzystaliśmy z Internetu,

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

największej skarbnicy zdjęć, jaką człowiek kiedykolwiek stworzył.

We downloaded nearly a billion images

Pobraliśmy blisko miliard zdjęć

and used crowdsourcing technology like the Amazon Mechanical Turk platform

i użyliśmy crowdsourcingowej platformy Amazon Mechanical Turk,

to help us to label these images.

żeby je opisać.

At its peak, ImageNet was one of the biggest employers

W szczytowym okresie ImageNet zatrudniał najwięcej pracowników

of the Amazon Mechanical Turk workers:

na Amazon Mechanical Turk:

together, almost 50,000 workers

razem prawie 50 000 osób

from 167 countries around the world

ze 167 krajów

helped us to clean, sort and label

pomagało nam posegregować i opisać

nearly a billion candidate images.

prawie miliard zdjęć.

That was how much effort it took

Tak wiele wysiłku kosztowało

to capture even a fraction of the imagery

uchwycenie zaledwie ułamka zbioru obrazów,

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

które dziecięcy mózg przyswaja we wczesnych latach rozwoju.

In hindsight, this idea of using big data

Pomysł użycia dużej ilości danych

to train computer algorithms may seem obvious now,

do uczenia algorytmu komputerowego, może wydawać się teraz oczywisty,

but back in 2007, it was not so obvious.

ale w 2007 roku taki nie był.

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

Przez dłuższy czas byliśmy w tej podróży sami.

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

Kilku kolegów radziło mi nawet, żebym zrobiła coś bardziej użytecznego

and we were constantly struggling for research funding.

i ciągle zmagaliśmy się z brakiem funduszy.

Once, I even joked to my graduate students

Zdarzyło mi się nawet żartować z moimi studentami,

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

że otworzę znowu pralnię, żeby sfinansować ImageNet.

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

Jakby nie było, tak właśnie sfinansowałam swoje studia.

So we carried on.

Kontynuowaliśmy.

In 2009, the ImageNet project delivered

W 2009 roku ImageNet miał już bazę

a database of 15 million images

15 milionów zdjęć

across 22,000 classes of objects and things

skategoryzowanych w 22 000 klas obiektów i rzeczy

organized by everyday English words.

oznaczonych angielskimi słowami.

In both quantity and quality,

Zarówno pod względem ilości, jak i jakości

this was an unprecedented scale.

ta baza była unikalna.

As an example, in the case of cats,

Na przykład

we have more than 62,000 cats

mieliśmy ponad 62 000 zdjęć kotów

of all kinds of looks and poses

wszystkich rodzajów, w różnych pozach

and across all species of domestic and wild cats.

kotów domowych i dzikich, z najróżniejszych gatunków.

We were thrilled to have put together ImageNet,

Byliśmy tak podekscytowani stworzeniem ImageNet,

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

że chcieliśmy, aby cały naukowy świat mógł z tego projektu korzystać,

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

więc, podobnie jak TED, udostępniliśmy wszystkie dane

to the worldwide research community for free.

za darmo.

(Applause)

(Brawa)

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

Mając dane do zasilenia komputerowego mózgu,

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

byliśmy gotowi wrócić do algorytmów.

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

Jak się okazało, bogactwo informacji dostarczonych przez ImageNet

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

doskonale odpowiadało konkretnej klasie algorytmów systemów uczących się,

called convolutional neural network,

a konkretnie sieciom neuronowym

pioneered by Kunihiko Fukushima, Geoff Hinton, and Yann LeCun

zapoczątkowanym przez Kunihiko Fukushimę, Geoffa Hintona oraz Yanna LeCuna

back in the 1970s and '80s.

w latach 70. i 80.

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

Podobnie jak mózg składa się z miliardów połączonych ze sobą komórek nerwowych,

a basic operating unit in a neural network

podstawową jednostką operacyjną w sieci neuronowej

is a neuron-like node.

jest węzeł przypominający taki neuron.

It takes input from other nodes

Pobiera on dane wejściowe z innych węzłów

and sends output to others.

i przekazuje innym dane wyjściowe.

Moreover, these hundreds of thousands or even millions of nodes

Co więcej te miliony węzłów

are organized in hierarchical layers,

są zorganizowane w hierarchiczne warstwy,

also similar to the brain.

podobnie jak mózg.

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

W sieci neuronowej, której użyliśmy

it has 24 million nodes,

były 24 miliony węzłów,

140 million parameters,

140 milionów parametrów,

and 15 billion connections.

i 15 miliardów połączeń.

That's an enormous model.

To jest olbrzymi model.

Powered by the massive data from ImageNet

Zasilona wielką ilością danych z ImageNet,

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

działająca dzięki nowoczesnym procesorom CPU i GPU

the convolutional neural network

sieć neuronowa rozwinęła się w sposób,

blossomed in a way that no one expected.

którego nikt się nie spodziewał.

It became the winning architecture

Stała się najlepszą architekturą

to generate exciting new results in object recognition.

do osiągnięcia fascynujących rezultatów w dziedzinie rozpoznawania obrazów.

This is a computer telling us

Ten komputer mówi,

this picture contains a cat

że na obrazku jest kot,

and where the cat is.

i gdzie ten kot się znajduje.

Of course there are more things than cats,

Oczywiście koty to nie wszystko,

so here's a computer algorithm telling us

więc tutaj komputer mówi,

the picture contains a boy and a teddy bear;

że zdjęcie pokazuje chłopca i pluszowego misia;

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

psa, osobę i mały latawiec w tle;

or a picture of very busy things

albo zdjęcie pełne obiektów

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

takich jak mężczyzna, deskorolka, poręcz, latarnia.

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

Czasami, jeśli komputer nie jest pewien tego, co widzi,

we have taught it to be smart enough

nauczyliśmy go udzielać

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

wymijających odpowiedzi,

just like we would do,

takich, jakich udzieliłby człowiek.

but other times our computer algorithm is remarkable at telling us

Ale są też przypadki, kiedy algorytm potrafi nad wyraz precyzyjnie określić,

what exactly the objects are,

jakie obiekty znajdują się na zdjęciu,

like the make, model, year of the cars.

podając markę, model i rok produkcji samochodu.

We applied this algorithm to millions of Google Street View images

Zastosowaliśmy ten algorytm do milionów zdjęć z Google Street View

across hundreds of American cities,

powstałych w setkach amerykańskich miast

and we have learned something really interesting:

i odkryliśmy coś interesującego.

first, it confirmed our common wisdom

Po pierwsze potwierdził się popularny pogląd

that car prices correlate very well

dotyczący relacji cen samochodów

with household incomes.

i dochodu gospodarstw domowych.

But surprisingly, car prices also correlate well

Co zaskakujące, okazało się, że ceny samochodów wiążą się też

with crime rates in cities,

ze skalą przestępczości w miastach,

or voting patterns by zip codes.

czy schematami głosowania.

So wait a minute. Is that it?

Ale zaraz, czy to już wszystko?

Has the computer already matched or even surpassed human capabilities?

Czy komputer dorównał właśnie ludzkim możliwościom,

a może nawet je przekroczył?

Not so fast.

Nie tak szybko.

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

Na razie komputer nauczył się widzieć przedmioty.

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

Można go porównać do małego dziecka, które nauczyło się pierwszych słów.

It's an incredible accomplishment,

To niesamowite osiągnięcie,

but it's only the first step.

ale to tylko pierwszy krok.

Soon, another developmental milestone will be hit,

Wkrótce kolejny milowy krok

and children begin to communicate in sentences.

i dziecko nauczy się tworzyć zdania.

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

Dziewczyna z początku prelekcji nie mówi, że na zdjęciu jest kot,

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

tylko że kot leży na łóżku.

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

Żeby nauczyć komputer patrzenia na zdjęcia i tworzenia zdań,

the marriage between big data and machine learning algorithm

połączenie danych i algorytmu systemów uczących się

has to take another step.

musi posunąć się dalej.

Now, the computer has to learn from both pictures

Teraz komputer musi uczyć się zarówno ze zdjęć,

as well as natural language sentences

jak i ze zdań

generated by humans.

tworzonych przez ludzi.

Just like the brain integrates vision and language,

Tak, jak mózg łączy wizję i język,

we developed a model that connects parts of visual things

rozwinęliśmy model, który łączy fragmenty rzeczy,

like visual snippets

jak elementy wizualne,

with words and phrases in sentences.

z wyrazami i określeniami w zdaniach.

About four months ago,

Cztery miesiące temu

we finally tied all this together

w końcu połączyliśmy to wszystko razem

and produced one of the first computer vision models

i stworzyliśmy jeden z pierwszych modeli widzenia komputerowego,

that is capable of generating a human-like sentence

który umie tworzyć zdania

when it sees a picture for the first time.

na temat pierwszy raz widzianego zdjęcia.

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

Pokażę wam, co komputer powiedział,

when it sees the picture

kiedy zobaczył zdjęcia,

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

które widziała dziewczynka z początku tej prelekcji.

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

(Wideo) Komputer: Człowiek stoi obok słonia.

A large airplane sitting on top of an airport runway.

Duży samolot na pasie startowym.

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

FFL: Oczywiście ciągle pracujemy nad poprawieniem naszych algorytmów

and it still has a lot to learn.

i one muszą się jeszcze sporo nauczyć.

(Applause)

(Brawa)

And the computer still makes mistakes.

Komputer nadal popełnia błędy.

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

(Wideo) Komputer: Kot na łóżku zawinięty w koc.

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

FFL: Jeśli widział zbyt wiele kotów,

it thinks everything might look like a cat.

wszystko zaczyna mu przypominać kota.

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

(Wideo) Komputer: Chłopczyk trzyma kij baseballowy.

(Laughter)

(Śmiech)

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

FFL: Jeśli nie widział szczoteczki do zębów,

myli ją z kijem baseballowym.

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

(Wideo) Komputer: Mężczyzna jadący konno po ulicy obok budynku.

(Laughter)

(Śmiech)

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

FFL: Nie nauczyliśmy jeszcze komputera podstaw sztuki.

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

(Wideo) Komputer: Zebra na pastwisku.

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

FFL: Nie umie też doceniać piękna natury,

like you and I do.

jak my.

So it has been a long journey.

To była długa droga.

To get from age zero to three was hard.

Przejście od wieku zero do 3 lat było trudne.

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

Ale prawdziwym wyzwaniem jest przejście od 3 lat do 13 i dalej.

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

Pozwólcie, że przypomnę wam zdjęcie chłopca z tortem.

So far, we have taught the computer to see objects

Dotąd uczyliśmy komputer dostrzegać przedmioty,

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

a nawet opowiedzieć krótką historię na podstawie zdjęcia.

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

(Wideo) Komputer: Osoba przy stole z tortem

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

FFL: Ale na tym zdjęciu widać dużo więcej,

than just a person and a cake.

niż tylko osobę i tort.

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

Komputer nie widzi, że ten tort to włoski przysmak,

that's only served during Easter time.

serwowany tylko na Wielkanoc.

The boy is wearing his favorite t-shirt

Chłopiec ma na sobie ulubioną koszulkę,

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

którą dziadek przywiózł mu z Sydney.

and you and I can all tell how happy he is

Widać, jak bardzo jest w tym momencie szczęśliwy

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

i co mu właśnie chodzi po głowie.

This is my son Leo.

To mój syn, Leo.

On my quest for visual intelligence,

Podczas zmagań z wizualną inteligencją

I think of Leo constantly

myślę bez przerwy o Leo

and the future world he will live in.

i o przyszłym świecie, w którym będzie żył.

When machines can see,

W którym maszyny będą umiały widzieć,

doctors and nurses will have extra pairs of tireless eyes

lekarze i pielęgniarki będą mieli dodatkową parę niezmęczonych oczu,

to help them to diagnose and take care of patients.

które będą pomagać w leczeniu pacjentów.

Cars will run smarter and safer on the road.

Samochody będą bezpieczniejsze.

Robots, not just humans,

Roboty, nie tylko ludzie,

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

będą pomagać w poszukiwaniu rannych na obszarach dotkniętych przez katastrofy.

We will discover new species, better materials,

Odkryjemy nowe gatunki, lepsze materiały

and explore unseen frontiers with the help of the machines.

i przekroczymy nieznane dotąd granice dzięki pomocy maszyn.

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

Powoli dajemy wzrok maszynom.

First, we teach them to see.

Najpierw uczymy je widzieć.

Then, they help us to see better.

Potem one pomogą nam lepiej widzieć.

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

Po raz pierwszy ludzkie oczy nie będą jedynymi,

pondering and exploring our world.

które odkrywają świat.

We will not only use the machines for their intelligence,

Będziemy używać maszyn nie tylko dla ich inteligencji.

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

Naszą współpracę z nimi trudno sobie teraz wyobrazić.

This is my quest:

To moje zadanie:

to give computers visual intelligence

dać komputerom wizualną inteligencję

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

i stworzyć lepszą przyszłość dla Leo i dla świata.

Thank you.

Dziękuję.

(Applause)

(Brawa)