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

Traducător: Angela Bitca Corector: Claudia Pravat

Let me show you something.

Permiteți-mi să vă arăt ceva.

To be precise,

Mai exact,

I'm going to show you nothing.

nu vă voi arăta nimic.

This was the world 540 million years ago.

Aceasta era lumea acum 540 de milioane de ani.

Pure, endless darkness.

Întuneric pur, nesfârșit.

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

Nu era întuneric din cauza lipsei luminii.

It was dark because of a lack of sight.

Era întuneric pentru că nu exista văzul.

Although sunshine did filter 1,000 meters

Deși razele ajungeau la 1000 de metri

beneath the surface of ocean,

sub suprafața oceanului

a light permeated from hydrothermal vents to seafloor,

și lumina de la izvoarele hidrotermale a ajuns până la fundul mării,

brimming with life,

aducând multă lumină,

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

nu exista niciun ochi în aceste ape.

No retinas, no corneas, no lenses.

Nicio retină, cornee sau lentile.

So all this light, all this life went unseen.

Toată această lumină, toată această viață a rămas nevăzută.

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

A fost o vreme când nu exista nici măcar ideea de a vedea.

It [had] simply never been done before.

Nu se întâmplase niciodată înainte.

Until it was.

Până când s-a întâmplat.

So for reasons we're only beginning to understand,

Din motive pe care abia începem să le înțelegem,

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

au apărut trilobiții, primele organisme care au putut simți lumina.

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

Ei sunt primii locuitori ai unei realități la care nu ne gândim prea mult.

First to discover that there is something other than oneself.

Mai întâi să descoperi că există şi altceva decât propria persoană.

A world of many selves.

O lume cu mulți alții.

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

Se crede că abilitatea de a vedea a condus la explozia cambriană,

a period in which a huge variety of animal species

când o mare varietate de specii de animale

entered fossil records.

au intrat în registrul fosilifer.

What began as a passive experience,

Ceea ce a început ca o experiență pasivă,

the simple act of letting light in,

simplul act de a lăsa lumina să pătrundă,

soon became far more active.

a devenit curând mult mai activă.

The nervous system began to evolve.

Sistemul nervos a început să evolueze.

Sight turning to insight.

Vederea s-a transformat în perspectivă.

Seeing became understanding.

Să vezi a devenit să înțelegi.

Understanding led to actions.

Înțelegerea a dus la acțiune.

And all these gave rise to intelligence.

Și toate au dat naștere inteligenței.

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

Astăzi nu mai suntem mulțumiți doar cu inteligența vizuală.

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

Curiozitatea ne îndeamnă să creăm sisteme care să vadă la fel de inteligent ca noi,

if not better.

dacă nu chiar mai bine.

Nine years ago, on this stage,

Acum nouă ani, pe această scenă,

I delivered an early progress report on computer vision,

am prezentat un început de progres privind viziunea computerizată,

a subfield of artificial intelligence.

un subdomeniu al inteligenței artificiale.

Three powerful forces converged for the first time.

Trei forțe puternice au convers pentru prima dată.

Aa family of algorithms called neural networks.

O familie de algoritmi numiți rețele neuronale.

Fast, specialized hardware called graphic processing units,

Hardware rapid, specializat, numit unități de procesare grafică

or GPUs.

sau GPU-uri.

And big data.

Și multe date.

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

Ca cele 15 milioane de imagini pe care ImageNet, laboratorul meu,

le-a gestionat ani de zile.

Together, they ushered in the age of modern AI.

Împreună, au inaugurat epoca modernă AI.

We've come a long way.

Am parcurs un drum lung.

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

Pe atunci, doar punerea etichetelor pe imagini a fost o mare descoperire.

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

Apoi s-a îmbunătățit rapid viteza și acuratețea acestor algoritmi.

The annual ImageNet challenge, led by my lab,

Provocarea anuală ImageNet, condusă de laboratorul meu,

gauged the performance of this progress.

a evaluat performanța acestui progres.

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

Pe acest grafic, vedeți progresul anual

and milestone models.

și etapele importante.

We went a step further

Am mers și mai departe

and created algorithms that can segment objects

și am creat algoritmi care pot segmenta obiecte

or predict the dynamic relationships among them

sau pot prezice relațiile dinamice dintre ele

in these works done by my students and collaborators.

în aceste lucrări realizate de studenții și colaboratorii mei.

And there's more.

Și mai este ceva.

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

Amintiți-vă ultima dată când v-am arătat primul algoritm de viziune computerizată

that can describe a photo in human natural language.

care poate descrie o fotografie în limbajul natural uman.

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

Aceasta a fost muncă făcută cu genialul meu student Andrej Karpathy.

At that time, I pushed my luck and said,

Mi-am încercat norocul și l-am întrebat:

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

„Andrej, putem face calculatoarele să inverseze procesul?”

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

Iar Andrej a spus: „Ha ha, asta e imposibil.”

Well, as you can see from this post,

Ei bine, după cum puteți vedea,

recently the impossible has become possible.

imposibilul a devenit posibil.

That's thanks to a family of diffusion models

Acest lucru se datorează unei familii de modele de difuzie

that powers today's generative AI algorithm,

care alimentează algoritmul generativ AI de astăzi,

which can take human-prompted sentences

care poate lua propoziții formulate de om

and turn them into photos and videos

și le poate transforma în fotografii și videoclipuri

of something that's entirely new.

cu ceva complet nou.

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

Ați văzut rezultatele impresionante ale Sora de OpenAI.

But even without the enormous number of GPUs,

Dar chiar și fără numărul mare de GPU-uri,

my student and our collaborators

elevul meu și colaboratorii noștri

have developed a generative video model called Walt

au dezvoltat Walt, un model video generativ,

months before Sora.

cu câteva luni înainte de Sora.

And you're seeing some of these results.

Și vedeți unele dintre aceste rezultate.

There is room for improvement.

Există loc pentru îmbunătățiri.

I mean, look at that cat's eye

Priviți ochiul acestei pisici

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

și cum trece sub val fără să se ude deloc.

What a cat-astrophe.

Ce pisi-catastrofă.

(Laughter)

(Râsete)

And if past is prologue,

Și dacă trecutul este prologul,

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

vom învăța din aceste greșeli și vom crea viitorul la care visăm.

And in this future,

Și în acest viitor,

we want AI to do everything it can for us,

vrem ca AI să facă tot ce poate pentru noi

or to help us.

sau să ne ajute.

For years I have been saying

De ani de zile spun

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

că a face o fotografie nu e același lucru cu a vedea și a înțelege.

Today, I would like to add to that.

Astăzi, aș dori să mai adaug ceva.

Simply seeing is not enough.

A vedea și atât nu e suficient.

Seeing is for doing and learning.

A vedea înseamnă să facem și să învățăm.

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

Când acționăm asupra acestei lumi în spațiu și timp 3D,

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

învățăm să vedem și să facem mai bine.

Nature has created this virtuous cycle of seeing and doing

Natura a creat acest ciclu virtuos de a vedea și de a acționa,

powered by “spatial intelligence.”

alimentat de „inteligența spațială”.

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

Pentru a ilustra ce face constant inteligența spațială,

look at this picture.

priviți această imagine.

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

Ridicați mâna dacă simțiți că doriți să faceți ceva.

(Laughter)

(Râsete)

In the last split of a second,

În ultima fracțiune de secundă,

your brain looked at the geometry of this glass,

creierul tău a privit geometria acestui pahar,

its place in 3D space,

locul său în spațiu,

its relationship with the table, the cat

relația sa cu masa,

and everything else.

pisica și restul.

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

Și puteți prezice ce se va întâmpla în continuare.

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

Dorința de a acționa e comună tuturor ființelor cu inteligență spațială,

which links perception with action.

ceea ce leagă percepția de acțiune.

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

Și dacă vrem să avansăm AI dincolo de capacitățile sale actuale,

we want more than AI that can see and talk.

vrem mai mult decât o inteligență care poate vedea și vorbi.

We want AI that can do.

Vrem AI care poate să acționeze.

Indeed, we're making exciting progress.

Într-adevăr, facem progrese interesante.

The recent milestones in spatial intelligence

Reperele recente în inteligența spațială

is teaching computers to see, learn, do

sunt învățarea computerelor să vadă, să învețe, să acționeze

and learn to see and do better.

și să învețe să vadă și să facă mai bine.

This is not easy.

Acest lucru nu este ușor.

It took nature millions of years to evolve spatial intelligence,

Natura a avut nevoie de milioane de ani pentru a dezvolta inteligența spațială

which depends on the eye taking light,

care depinde de ochiul care captează lumină,

project 2D images on the retina

proiectează imagini 2D pe retină și creier

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

pentru a transforma aceste date în informații 3D.

Only recently, a group of researchers from Google

Abia recent, un grup de cercetători de la Google

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

au reușit să dezvolte un algoritm care să facă mai multe fotografii

and translate that into 3D space,

și să le transforme în spațiu 3D,

like the examples we're showing here.

cum ar fi exemplele de aici.

My student and our collaborators have taken a step further

Studentul meu și colaboratorii noștri au făcut un pas înainte

and created an algorithm that takes one input image

și au creat un algoritm care ia o imagine

and turn that into 3D shape.

și o transformă în formă 3D.

Here are more examples.

Iată mai multe exemple.

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

Vă aduceți aminte că am vorbit despre programe de calculator

ce pot transforma o propoziție umană în videoclipuri.

and turn it into videos.

A group of researchers in University of Michigan

Un grup de cercetători de la Universitatea din Michigan

have figured out a way to translate that line of sentence

au găsit o modalitate de a traduce acea propoziție

into 3D room layout, like shown here.

în aspectul unei camere 3D, cum vedeți aici.

And my colleagues at Stanford and their students

Colegii mei de la Stanford și studenții lor

have developed an algorithm that takes one image

au dezvoltat un algoritm care ia o singură imagine

and generates infinitely plausible spaces

și generează spații infinite

for viewers to explore.

pe care spectatorii să le exploreze.

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

Sunt prototipurile semnelor unor posibilități viitoare.

One in which the human race can take our entire world

Unde rasa umană poate lua întreaga noastră lume

and translate it into digital forms

și o poate traduce în forme digitale,

and model the richness and nuances.

imitându-i bogăția și nuanțele.

What nature did to us implicitly in our individual minds,

Ceea ce natura a făcut implicit în mintea noastră individuală,

spatial intelligence technology can hope to do

tehnologia inteligenței spațiale poate spera să facă

for our collective consciousness.

pentru conștiința noastră colectivă.

As the progress of spatial intelligence accelerates,

Pe măsură ce progresul inteligenței spațiale accelerează,

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

o nouă eră în acest ciclu virtuos are loc în fața ochilor noștri.

This back and forth is catalyzing robotic learning,

Acest înainte și înapoi catalizează învățarea robotică,

a key component for any embodied intelligence system

o componentă cheie pentru orice sistem de inteligență integrat,

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

care trebuie să înțeleagă și să interacționeze cu lumea 3D.

A decade ago,

Acum un deceniu,

ImageNet from my lab

ImageNet de la laboratorul meu

enabled a database of millions of high-quality photos

a activat o bază de date cu milioane de fotografii de înaltă calitate,

to help train computers to see.

pentru a instrui computerele să vadă.

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

Astăzi, facem același lucru cu comportamentele și acțiunile,

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

pentru a instrui computerele și roboții să acționeze în lumea 3D.

But instead of collecting static images,

Dar în loc să colectăm imagini statice,

we develop simulation environments powered by 3D spatial models

dezvoltăm medii de simulare alimentate de modele spațiale 3D,

so that the computers can have infinite varieties of possibilities

astfel încât computerele să aibă varietăți infinite de posibilități

to learn to act.

pentru a învăța să acționeze.

And you're just seeing a small number of examples

Vedeți doar un număr mic de exemple

to teach our robots

pentru a-i învăța pe roboții noștri,

in a project led by my lab called Behavior.

într-un proiect numit Behavior, condus de laboratorul meu.

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

De asemenea, facem progrese interesante în inteligența limbajului robotizat.

Using large language model-based input,

Folosind o informație bazată pe modele de limbaj mari,

my students and our collaborators are among the first teams

studenții mei și colaboratorii noștri sunt printre primele echipe

that can show a robotic arm performing a variety of tasks

care pot prezenta un braț robotizat ce îndeplinește o varietate de sarcini

based on verbal instructions,

bazate pe instrucțiuni verbale,

like opening this drawer or unplugging a charged phone.

cum ar fi deschiderea acestui sertar sau deconectarea unui telefon încărcat.

Or making sandwiches, using bread, lettuce, tomatoes

Sau unul care face sandvișuri, folosind pâine, salată, roșii

and even putting a napkin for the user.

și chiar un șervețel pentru utilizator.

Typically I would like a little more for my sandwich,

Mi-ar plăcea puțin mai multe în sandvișul meu,

but this is a good start.

dar acesta e un început bun.

(Laughter)

(Râsete)

In that primordial ocean, in our ancient times,

În acel ocean primordial, în vremurile străvechi,

the ability to see and perceive one's environment

capacitatea de a vedea și percepe mediul înconjurător

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

a declanșat explozia cambriană a interacțiunilor cu alte forme de viață.

Today, that light is reaching the digital minds.

Astăzi, acea lumină ajunge la mințile digitale.

Spatial intelligence is allowing machines

Inteligența spațială permite calculatoarelor

to interact not only with one another,

să interacționeze nu numai între ele,

but with humans, and with 3D worlds,

ci și cu oamenii, și cu lumi 3D,

real or virtual.

reale sau virtuale.

And as that future is taking shape,

Și pe măsură ce acel viitor prinde contur,

it will have a profound impact to many lives.

va avea un impact profund asupra multor vieți.

Let's take health care as an example.

Să luăm ca exemplu asistența medicală.

For the past decade,

În ultimul deceniu,

my lab has been taking some of the first steps

laboratorul meu a făcut primii pași în aplicarea AI

in applying AI to tackle challenges that impact patient outcome

pentru a soluționa provocările ce influențează rezultatele pacienților

and medical staff burnout.

și epuizarea personalului medical.

Together with our collaborators from Stanford School of Medicine

Împreună cu colaboratorii noștri de la Școala de Medicină Stanford

and partnering hospitals,

și spitalele partenere,

we're piloting smart sensors

coordonăm proiecte-pilot de senzori inteligenți,

that can detect clinicians going into patient rooms

ce pot detecta când medicul intră în camera pacientului

without properly washing their hands.

fără să se spele corect pe mâini.

Or keep track of surgical instruments.

Sau țin evidența instrumentelor chirurgicale.

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

Sau alertează echipele de îngrijire când un pacient e expus riscului,

such as falling.

cum ar fi căderea.

We consider these techniques a form of ambient intelligence,

Considerăm aceste tehnici o formă de inteligență ambientală,

like extra pairs of eyes that do make a difference.

ca o pereche de ochi în plus, care ajută în aceste situații.

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

Dar aș dori mai mult ajutor interactiv pentru pacienții, medicii

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

și îngrijitorii ce au nevoie disperată de o pereche de mâini în plus.

Imagine an autonomous robot transporting medical supplies

Imaginați-vă un robot autonom care transportă materiale medicale

while caretakers focus on our patients

în timp ce îngrijitorii se concentrează pe pacienți.

or augmented reality, guiding surgeons to do safer, faster

Sau realitatea augmentată, ghidând chirurgii în operații mai sigure,

and less invasive operations.

mai rapide și mai puțin invazive.

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

Imaginați-vă pacienți cu paralizie severă controlând roboții cu gândul.

That's right, brainwaves, to perform everyday tasks

Chiar așa, prin unde cerebrale, pentru a îndeplini sarcini de zi cu zi

that you and I take for granted.

pe care noi le considerăm fireşti.

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

Vedeți o parte din acel viitor în acest studiu-pilot recent din laboratorul meu.

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

În acest videoclip, brațul robot gătește o masă japoneză sukiyaki,

controlled only by the brain electrical signal,

controlat doar de semnalul electric al creierului,

non-invasively collected through an EEG cap.

colectat neinvaziv printr-o cască EEG.

(Applause)

(Aplauze)

Thank you.

Mulțumesc.

The emergence of vision half a billion years ago

O viziune veche de jumătate de miliard de ani

turned a world of darkness upside down.

a schimbat cu totul lumea întunericului.

It set off the most profound evolutionary process:

A declanșat cel mai profund proces evolutiv:

the development of intelligence in the animal world.

dezvoltarea inteligenței în lumea animală.

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

Progresul incredibil al AI din ultimul deceniu e la fel de uluitor.

But I believe the full potential of this digital Cambrian explosion

Dar cred că întregul potențial al acestei explozii digitale cambriene

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

nu va fi pe deplin realizat până nu alimentăm computerele și roboții

with spatial intelligence,

cu inteligență spațială,

just like what nature did to all of us.

la fel cum a făcut natura cu noi toţi.

It’s an exciting time to teach our digital companion

Este un moment interesant să-l învățăm pe tovarășul nostru digital

to learn to reason

să învețe să raționeze

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

și să interacționeze cu acest frumos spațiu 3D pe care îl numim acasă

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

și să creăm multe alte lumi noi pe care le putem explora cu toții.

To realize this future won't be easy.

Nu va fi ușor să realizăm acest viitor.

It requires all of us to take thoughtful steps

E nevoie ca noi toţi să facem pași importanți

and develop technologies that always put humans in the center.

și să dezvoltăm tehnologii ce pun întotdeauna oamenii pe primul loc.

But if we do this right,

Dar dacă facem acest lucru corect,

the computers and robots powered by spatial intelligence

computerele și roboții alimentați cu inteligență spațială

will not only be useful tools

nu vor fi doar instrumente utile,

but also trusted partners

ci și parteneri de încredere

to enhance and augment our productivity and humanity

pentru a spori productivitatea și umanitatea noastră,

while respecting our individual dignity

respectând în același timp demnitatea noastră individuală

and lifting our collective prosperity.

și ridicând prosperitatea noastră colectivă.

What excites me the most in the future

Ceea ce mă entuziasmează cel mai mult

is a future in which that AI grows more perceptive,

e un viitor în care AI devine mai perceptivă,

insightful and spatially aware,

mai perspicace și conștientă spațial

and they join us on our quest

și ni se alătură în căutarea noastră

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

de a găsi întotdeauna modalitatea de a face o lume mai bună.

Thank you.

Mulțumesc.

(Applause)

(Aplauze)