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

Çeviri: Ozay Ozaydin Gözden geçirme: Eren Gokce

Let me show you something.

Size bir şey göstereyim.

To be precise,

Daha doğrusu,

I'm going to show you nothing.

size hiçbir şey göstermeyeceğim.

This was the world 540 million years ago.

Burası 540 milyon yıl önceki dünyaydı.

Pure, endless darkness.

Saf, sonsuz karanlık.

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

Işık eksikliğinden dolayı karanlık değildi.

It was dark because of a lack of sight.

Görüş eksikliği yüzünden karanlıktı.

Although sunshine did filter 1,000 meters

Güneş ışığı okyanus yüzeyinin 1.000 metre altına süzülse de,

beneath the surface of ocean,

hidrotermal bacalardan deniz tabanına sızan

a light permeated from hydrothermal vents to seafloor,

ve yaşamla dolup taşan bir ışık olsa da,

brimming with life,

bu eski sularda bulunabilecek tek bir göz bile yoktu.

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

No retinas, no corneas, no lenses.

Retina yok, kornea yok, lens yok.

So all this light, all this life went unseen.

Yani tüm bu ışık, tüm bu yaşam görünmezdi.

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

Görme fikrinin var olmadığı bir zaman vardı.

It [had] simply never been done before.

Daha önce hiç yapılmamıştı.

Until it was.

Ta ki yapılana kadar.

So for reasons we're only beginning to understand,

Henüz anlamaya başladığımız nedenlerden dolayı,

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

ışığı algılayabilen ilk organizmalar olan trilobitler ortaya çıktı.

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

Onlar, kanıksadığımız bu gerçekliğin ilk sakinleridir.

First to discover that there is something other than oneself.

Kendinden başka bir şey olduğunu ilk keşfedenler.

A world of many selves.

Birçok benlikten oluşan bir dünya.

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

Görme yeteneğinin, çok çeşitli hayvan türlerinin

fosil kayıtlarına girdiği bir dönem olan

a period in which a huge variety of animal species

Kambriyen patlamasını başlattığı düşünülmektedir.

entered fossil records.

What began as a passive experience,

Pasif bir deneyim olarak başlayan,

the simple act of letting light in,

basit bir ışığın içeri girmesi eylemi,

soon became far more active.

kısa sürede çok daha aktif hâle geldi.

The nervous system began to evolve.

Sinir sistemi evrimleşmeye başladı.

Sight turning to insight.

Görme içgörüye dönüştü.

Seeing became understanding.

Görmek anlamaya dönüştü.

Understanding led to actions.

Anlama eylemlere yol açtı.

And all these gave rise to intelligence.

Tüm bunlar zekâyı doğurdu.

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

Bugün artık sadece doğanın görsel zekâ armağanıyla yetinmiyoruz.

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

Merak bizi, daha da iyi ama en az bizim kadar akıllıca görebilen

if not better.

makineler yaratmaya itiyor.

Nine years ago, on this stage,

Dokuz yıl önce bu sahnede,

I delivered an early progress report on computer vision,

yapay zekânın bir alt alanı olan bilgisayarla görme konusunda

a subfield of artificial intelligence.

erken bir ilerleme raporu sunmuştum.

Three powerful forces converged for the first time.

Üç güçlü güç ilk kez bir araya gelmişti.

Aa family of algorithms called neural networks.

Sinir ağları adı verilen bir algoritma ailesi.

Fast, specialized hardware called graphic processing units,

Grafik işlem birimleri ya da GPU adı verilen hızlı,

or GPUs.

özel donanımlar.

And big data.

Büyük veri.

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

ImageNet adındaki laboratuvarımın yıllarca

15 milyon görüntünün küratörlüğünü yapması gibi.

Together, they ushered in the age of modern AI.

Birlikte modern yapay zekâ çağını başlattılar.

We've come a long way.

Uzun bir yol kat ettik.

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

O zamanlar resimlere etiket koymak bile büyük bir atılımdı.

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

Ancak bu algoritmaların hızı ve doğruluğu hızla gelişti.

The annual ImageNet challenge, led by my lab,

Laboratuvarımın öncülük ettiği yıllık ImageNet yarışması

gauged the performance of this progress.

bu ilerlemenin performansını ölçüyordu.

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

Bu grafikte de yıllık gelişimi

and milestone models.

ve kilometre taşı modellerini görüyorsunuz.

We went a step further

Bir adım daha ileri giderek

and created algorithms that can segment objects

öğrencilerim ve iş arkadaşlarımın yaptığı

bu çalışmalarda nesneleri segmentlere ayırabilen

or predict the dynamic relationships among them

veya aralarındaki dinamik ilişkileri

in these works done by my students and collaborators.

tahmin edebilen algoritmalar oluşturduk.

And there's more.

Dahası da var.

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

Geçen sefer size bir fotoğrafı insanların doğal dilinde tanımlayabilen

that can describe a photo in human natural language.

ilk bilgisayarla görme algoritmasını gösterdiğimi hatırlayın.

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

Bu, parlak eski öğrencim Andrej Karpathy ile yapılan bir çalışmaydı.

At that time, I pushed my luck and said,

O zaman şansımı zorladım ve

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

“Andrej, tersini yapabilecek bilgisayarlar yapabilir miyiz?” diye sordum.

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

Andrej de “Ha ha, bu imkânsız” dedi.

Well, as you can see from this post,

Bu yazıdan da görebileceğiniz gibi,

recently the impossible has become possible.

son zamanlarda imkânsız mümkün hâle geldi.

That's thanks to a family of diffusion models

Bu, günümüzün üretken yapay zekâ algoritmasına güç veren

that powers today's generative AI algorithm,

bir yayılım modelleri ailesi sayesinde,

which can take human-prompted sentences

insan tarafından yönlendirilen cümleleri alıp

and turn them into photos and videos

bunları tamamen yeni bir şeyin

of something that's entirely new.

fotoğraflarına ve videolarına dönüştürebiliyor.

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

Birçoğunuz OpenAI tarafından geliştirilen Sora’nın

son zamanlardaki etkileyici sonuçlarını görmüşsünüzdür.

But even without the enormous number of GPUs,

Ancak muazzam sayıda GPU olmasa bile,

my student and our collaborators

öğrencim ve işbirlikçilerimiz

have developed a generative video model called Walt

Sora’dan aylar önce Walt adında

months before Sora.

üretken bir video modeli geliştirdiler.

And you're seeing some of these results.

Siz de bu sonuçlardan bazılarını görüyorsunuz.

There is room for improvement.

Gelişme için yer var.

I mean, look at that cat's eye

Yani, şu kedinin gözüne

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

ve hiç ıslanmadan dalganın altından nasıl geçtiğine bakın.

What a cat-astrophe.

Ne kedi felaketi ama.

(Laughter)

 (Kahkahalar)

And if past is prologue,

Eğer tarih tekerrürden ibaretse,

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

bu hatalardan ders çıkaracak ve hayal ettiğimiz geleceği yaratacağız.

And in this future,

Bu gelecekte,

we want AI to do everything it can for us,

yapay zekânın bizim için yapabileceği her şeyi yapmasını

or to help us.

ya da bize yardım etmesini istiyoruz.

For years I have been saying

Yıllardır fotoğraf çekmenin

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

görmek ve anlamakla aynı şey olmadığını söylüyorum.

Today, I would like to add to that.

Bugün buna bir ekleme yapmak istiyorum.

Simply seeing is not enough.

Sadece görmek yeterli değildir.

Seeing is for doing and learning.

Görmek, yapmak ve öğrenmek içindir.

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

Bu dünya üzerinde 3 boyutlu uzay ve zamanda hareket ettiğimizde,

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

öğreniriz ve daha iyi görmeyi ve yapmayı öğreniriz.

Nature has created this virtuous cycle of seeing and doing

Doğa, “uzamsal zekâ” tarafından desteklenen

powered by “spatial intelligence.”

bu erdemli görme ve yapma döngüsünü yaratmıştır.

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

Uzamsal zekânızın sürekli olarak ne yaptığını size göstermek için

look at this picture.

bu resme bakın.

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

Bir şey yapmak istediğinizi hissediyorsanız elinizi kaldırın.

(Laughter)

 (Kahkahalar)

In the last split of a second,

Saniyenin de altında bir sürede

your brain looked at the geometry of this glass,

beyniniz bu bardağın geometrisine,

its place in 3D space,

3 boyutlu uzaydaki yerine,

its relationship with the table, the cat

masayla, kediyle ve diğer her şeyle olan ilişkisine baktı.

and everything else.

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

Bundan sonra ne olacağını tahmin edebilirsiniz.

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

Harekete geçme dürtüsü, algıyı eyleme bağlayan uzamsal zekâya sahip

which links perception with action.

tüm varlıkların doğasında vardır.

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

Eğer YZ’yi mevcut yeteneklerinin ötesine taşımak istiyorsak,

we want more than AI that can see and talk.

görebilen ve konuşabilen YZ’den daha fazlasını istiyoruz.

We want AI that can do.

Yapabilen bir yapay zekâ istiyoruz.

Indeed, we're making exciting progress.

Gerçekten de heyecan verici bir ilerleme kaydediyoruz.

The recent milestones in spatial intelligence

Uzamsal zekâ alanındaki son kilometre taşları,

is teaching computers to see, learn, do

bilgisayarlara görmeyi, öğrenmeyi, yapmayı ve daha iyi görmeyi

and learn to see and do better.

ve yapmayı öğrenmeyi öğretiyor.

This is not easy.

Bu hiç de kolay değil.

It took nature millions of years to evolve spatial intelligence,

Gözün ışığı almasına, retinaya 2 boyutlu görüntüler

which depends on the eye taking light,

yansıtmasına ve beynin bu verileri

project 2D images on the retina

3 boyutlu bilgiye çevirmesine dayanan

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

uzamsal zekânın evrimleşmesi doğanın milyonlarca yılını aldı.

Only recently, a group of researchers from Google

Ancak yakın zamanda Google’dan bir grup araştırmacı,

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

burada gösterdiğimiz örneklerde olduğu gibi,

and translate that into 3D space,

fotoğraflar çekip bunları

3 boyutlu uzaya çevirecek bir algoritma geliştirebildi.

like the examples we're showing here.

My student and our collaborators have taken a step further

Öğrencim ve işbirlikçilerimiz bir adım daha ileri giderek

and created an algorithm that takes one input image

tek bir girdi görüntüsü alan

ve bunu 3B şekle dönüştüren bir algoritma oluşturdular.

and turn that into 3D shape.

Here are more examples.

İşte daha fazla örnek.

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

Hatırlarsanız, bir insan cümlesini alıp videoya dönüştürebilen

and turn it into videos.

bilgisayar programlarından bahsetmiştik.

A group of researchers in University of Michigan

Michigan Üniversitesi’ndeki bir grup araştırmacı,

have figured out a way to translate that line of sentence

bu cümle dizisini burada gösterildiği gibi

into 3D room layout, like shown here.

3B oda düzenine çevirmenin bir yolunu buldu.

And my colleagues at Stanford and their students

Stanford’daki meslektaşlarım ve öğrencileri ise

have developed an algorithm that takes one image

bir görüntüyü alıp izleyicilerin keşfetmesi için

and generates infinitely plausible spaces

sonsuz sayıda makul alan yaratan

for viewers to explore.

bir algoritma geliştirdiler.

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

Bunlar gelecekteki bir olasılığın ilk tomurcuklanan işaretleridir.

One in which the human race can take our entire world

İnsan ırkının tüm dünyamızı alıp

dijital formlara dönüştürebileceği,

and translate it into digital forms

zenginlik ve nüansları modelleyebileceği bir olasılık.

and model the richness and nuances.

What nature did to us implicitly in our individual minds,

Doğanın bize bireysel zihinlerimizde dolaylı olarak yaptığı şeyi,

spatial intelligence technology can hope to do

uzamsal zekâ teknolojisi kolektif bilincimiz için yapmayı umabilir.

for our collective consciousness.

As the progress of spatial intelligence accelerates,

Mekânsal zekânın ilerleyişi hızlandıkça,

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

bu erdemli döngüde yeni bir dönem gözlerimizin önünde gerçekleşiyor.

This back and forth is catalyzing robotic learning,

Bu ileri geri gidiş, 3B dünyayı anlaması

a key component for any embodied intelligence system

ve onunla etkileşime girmesi gereken bir somutlaştırılmış zekâ sistemi için

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

kilit bir bileşen olan robotik öğrenmeyi katalize ediyor.

A decade ago,

On yıl önce,

laboratuvarımdaki ImageNet,

ImageNet from my lab

milyonlarca yüksek kaliteli fotoğraftan oluşan bir veritabanının

enabled a database of millions of high-quality photos

to help train computers to see.

bilgisayarları görme konusunda eğitmeye yardımcı olmasını sağladı.

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

Bugün, bilgisayarları ve robotları 3B dünyada

nasıl hareket edecekleri konusunda eğitmek için

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

aynı şeyi davranışlar ve eylemlerle yapıyoruz.

But instead of collecting static images,

Ancak statik görüntüler toplamak yerine,

we develop simulation environments powered by 3D spatial models

3B uzamsal modellerle desteklenen simülasyon ortamları geliştiriyoruz,

so that the computers can have infinite varieties of possibilities

böylece bilgisayarlar hareket etmeyi öğrenmek için

sonsuz çeşitlilikte olasılıklara sahip olabiliyor.

to learn to act.

And you're just seeing a small number of examples

Laboratuvarım tarafından yürütülen Davranış adlı bir projede

to teach our robots

robotlarımıza öğretmek için sadece az sayıda örnek görüyorsunuz.

in a project led by my lab called Behavior.

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

Robotik dil zekâsı konusunda da heyecan verici ilerlemeler kaydediyoruz.

Using large language model-based input,

Öğrencilerim ve işbirlikçilerimiz, büyük dil modeli tabanlı girdiyle,

my students and our collaborators are among the first teams

bir robot kolun sözlü talimatlara dayalı olarak

that can show a robotic arm performing a variety of tasks

bu çekmeceyi açmak veya şarjlı bir telefonun fişini çekmek gibi

based on verbal instructions,

çeşitli görevleri yerine getirdiğini gösterebilen

like opening this drawer or unplugging a charged phone.

ilk ekipler arasında yer alıyor.

Or making sandwiches, using bread, lettuce, tomatoes

Ya da ekmek, marul, domates kullanarak

ve hatta kullanıcı için bir peçete koyarak sandviç yapmak.

and even putting a napkin for the user.

Typically I would like a little more for my sandwich,

Normalde sandviçim için biraz daha fazlasını isterdim

but this is a good start.

ama bu iyi bir başlangıç.

(Laughter)

 (Gülüşmeler)

In that primordial ocean, in our ancient times,

O ilkel okyanusta, antik çağlarımızda,

the ability to see and perceive one's environment

kişinin çevresini görme ve algılama yeteneği,

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

diğer yaşam formlarıyla etkileşimlerin Kambriyen patlamasını başlattı.

Today, that light is reaching the digital minds.

Bugün bu ışık dijital zihinlere ulaşıyor.

Spatial intelligence is allowing machines

Uzamsal zekâ, makinelerin yalnızca birbirleriyle değil,

to interact not only with one another,

insanlarla ve gerçek ya da sanal 3 boyutlu dünyalarla da

but with humans, and with 3D worlds,

real or virtual.

etkileşime girmesine olanak sağlıyor.

And as that future is taking shape,

Bu gelecek şekillenirken,

it will have a profound impact to many lives.

pek çok hayat üzerinde derin bir etkisi olacak.

Let's take health care as an example.

Örnek olarak sağlık hizmetlerini ele alalım.

For the past decade,

Son on yıldır laboratuvarım,

my lab has been taking some of the first steps

hasta sonuçlarını ve sağlık personelinin tükenmişliğini etkileyen zorlukların

in applying AI to tackle challenges that impact patient outcome

üstesinden gelmek için yapay zekânın uygulanmasında

and medical staff burnout.

ilk adımlardan bazılarını atıyor.

Together with our collaborators from Stanford School of Medicine

Stanford Tıp Fakültesi ve ortak hastanelerle birlikte,

and partnering hospitals,

we're piloting smart sensors

ellerini düzgün bir şekilde yıkamadan

that can detect clinicians going into patient rooms

hasta odalarına giren klinisyenleri tespit edebilen

without properly washing their hands.

akıllı sensörlerin pilot uygulamasını yapıyoruz.

Or keep track of surgical instruments.

Ya da cerrahi aletlerin kaydını tutabilecek.

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

Ya da bir hasta düşme gibi fiziksel bir risk altında olduğunda

such as falling.

bakım ekiplerini uyarıyor.

We consider these techniques a form of ambient intelligence,

Bu teknikleri, fark yaratan fazladan bir çift göz gibi

like extra pairs of eyes that do make a difference.

bir tür ortam zekâsı olarak görüyoruz.

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

Ancak ben, fazladan bir çift ele ihtiyaç duyan hastalarımız, klinisyenlerimiz

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

ve hasta bakıcılarımız için daha fazla interaktif yardım istiyorum.

Imagine an autonomous robot transporting medical supplies

Hasta bakıcılar hastalarımıza odaklanırken

tıbbi malzemeleri taşıyan otonom bir robot

while caretakers focus on our patients

ya da cerrahlara daha güvenli,

or augmented reality, guiding surgeons to do safer, faster

daha hızlı ve daha az invaziv operasyonlar yapmaları için rehberlik eden

and less invasive operations.

artırılmış gerçeklik hayal edin.

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

Ya da ağır felçli hastaların zihinleriyle robotları kontrol ettiğini hayal edin.

That's right, brainwaves, to perform everyday tasks

Bu doğru, beyin dalgaları, sizin ve benim

kanıksadığımız günlük görevleri yerine getirmek için.

that you and I take for granted.

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

Yakın zamanda laboratuvarımda yapılan

bu pilot çalışmada bu geleceğe bir bakış görüyorsunuz.

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

Bu videoda robotik kol, sadece bir EEG başlığı aracılığıyla

invazif olmayan bir şekilde toplanan

controlled only by the brain electrical signal,

beyin elektrik sinyali tarafından kontrol edilen

non-invasively collected through an EEG cap.

bir Japon sukiyaki yemeği pişiriyor.

(Applause)

(Alkışlar)

Thank you.

Teşekkürler.

The emergence of vision half a billion years ago

Yarım milyar yıl önce görme yetisinin ortaya çıkması,

turned a world of darkness upside down.

karanlık bir dünyanın altını üstüne getirdi.

It set off the most profound evolutionary process:

En derin evrimsel süreci başlattı:

the development of intelligence in the animal world.

Hayvanlar dünyasında zekânın gelişimi.

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

Yapay zekânın son on yılda kaydettiği

nefes kesici ilerleme de bir o kadar şaşırtıcıdır.

But I believe the full potential of this digital Cambrian explosion

Ancak bu dijital Kambriyen patlamasının tam potansiyelinin,

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

tıpkı doğanın hepimize yaptığı gibi, bilgisayarlarımızı ve robotlarımızı

uzamsal zekâ ile güçlendirene kadar

with spatial intelligence,

just like what nature did to all of us.

tam olarak gerçekleşmeyeceğine inanıyorum.

It’s an exciting time to teach our digital companion

Dijital arkadaşımıza akıl yürütmeyi ve evimiz dediğimiz

to learn to reason

bu güzel 3 boyutlu alanla

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

etkileşime geçmeyi öğretmek ve hepimizin keşfedebileceği

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

daha birçok yeni dünya yaratmak için heyecan verici bir zaman.

To realize this future won't be easy.

Bu geleceği gerçekleştirmek kolay olmayacak.

It requires all of us to take thoughtful steps

Hepimizin düşünceli adımlar atmasını

ve insanı her zaman merkeze koyan teknolojiler geliştirmesini gerektiriyor.

and develop technologies that always put humans in the center.

But if we do this right,

Ancak bunu doğru yaparsak,

the computers and robots powered by spatial intelligence

uzamsal zekâ ile güçlendirilmiş bilgisayarlar ve robotlar

will not only be useful tools

yalnızca yararlı araçlar değil,

but also trusted partners

aynı zamanda

to enhance and augment our productivity and humanity

bireysel haysiyetimize saygı duyarken ve kolektif refahımızı yükseltirken

while respecting our individual dignity

üretkenliğimizi ve insanlığımızı geliştiren

and lifting our collective prosperity.

ve artıran güvenilir ortaklar olacaktır.

What excites me the most in the future

Gelecekte beni en çok heyecanlandıran şey,

is a future in which that AI grows more perceptive,

yapay zekânın daha anlayışlı,

kavrayışlı ve mekânsal farkındalığa sahip olduğu

insightful and spatially aware,

ve daha iyi bir dünya yaratmak için

and they join us on our quest

her zaman daha iyi bir yol arayışımızda bize katıldıkları bir gelecek.

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

Thank you.

Teşekkür ederim.

(Applause)

(Alkışlar)