How we teach computers to understand pictures | Fei Fei Li

Translator: Tran Le Reviewer: Tan Doan Nhut

Let me show you something.

Để tôi cho bạn xem cái này.

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

(Video) Bé gái: Okay, đó là một con mèo ngồi trên giường

The boy is petting the elephant.

Đứa trẻ đang vuốt ve con voi

Those are people that are going on an airplane.

Những người này đang chuẩn bị lên máy bay.

That's a big airplane.

Đó là một cái máy bay lớn.

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

Fei Fei Li: Đây là một bé gái ba tuổi

describing what she sees in a series of photos.

đang miêu tả những gì mà em nhìn thấy trong loạt hình.

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

Em vẫn còn nhiều điều để khám phá về thế giới này,

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

nhưng em hoàn toàn đã trở thành chuyên gia trong một nhiệm vụ rất quan trọng:

to make sense of what she sees.

hiểu được những thứ mà em thấy.

Xã hội của chúng ta đã trở nên tiến bộ về mặt công nghệ hơn bao giờ hết.

Our society is more technologically advanced than ever.

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

Chúng ta gửi con người lên mặt trăng, chúng ta chế tạo ra điện thoại

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

hoăc điều chỉnh những đài phát thanh chỉ chơi loại nhạc chúng ta yêu thích.

Yet, our most advanced machines and computers

Nhưng mà, những thiết bị và máy vi tính tối tân nhất

still struggle at this task.

vẫn còn đang xoay xở trong nhiệm vụ này

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

Vì thế mà tôi ở đây để báo cáo với bạn về quá trình

on the latest advances in our research in computer vision,

của cải tiến mới nhất trong thí nghiệm đối với thị giác máy tính

one of the most frontier and potentially revolutionary

một trong những công nghệ dẫn đầu và có tiềm năng cách mạng

technologies in computer science.

trong khoa học máy tính.

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

Vâng, chúng ta đã có nguyên mẫu những chiếc xe lái tự động,

but without smart vision, they cannot really tell the difference

nhưng lại thiếu đi thị giác thông minh, chúng không phân biệt được sự khác nhau

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

giữa một cái túi giấy rách trên đường, cái có thể cán qua,

and a rock that size, which should be avoided.

và một tảng đá với cùng kích thước, mà nên tránh sang một bên.

We have made fabulous megapixel cameras,

Chúng ta đã tạo nên những máy ảnh đắt đỏ hàng triệu điểm ảnh

but we have not delivered sight to the blind.

nhưng chúng ta chưa đưa ánh sáng đến cho người mù.

Drones can fly over massive land,

máy bay không người lái có thể bay qua vùng đất rộng lớn,

but don't have enough vision technology

nhưng không có đủ thị giác công nghệ

to help us to track the changes of the rainforests.

để giúp chúng ta theo dõi sự thay đổi của những rừng mưa nhiệt đới.

Security cameras are everywhere,

Máy quay an ninh ở khắp mọi nơi,

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

nhưng không thể báo động cho chúng ta khi một đứa trẻ đang bị chìm trong hồ bơi.

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

Hình ảnh và những thước phim trở thành một phần thiết yếu của đời sống toàn cầu.

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

Chúng đang được điều khiển với tốc độ vượt lên trên bất kỳ con người nào,

or teams of humans, could hope to view,

hay nhóm người, có thể hy vọng thấy được,

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

và bạn và tôi đang cống hiến cho điều đó ở TED này.

Yet our most advanced software is still struggling at understanding

Nhưng phần mềm tân tiến vẫn đang phải khó khăn xoay trở trong việc hiểu

and managing this enormous content.

và quản lý nội dung khổng lồ này.

So in other words, collectively as a society,

Vì vậy nói cách khác, tụ chung lại như là một xã hội,

we're very much blind,

chúng ta giống như bị mù,

because our smartest machines are still blind.

bởi vì chiếc máy thông minh nhất của chúng ta vẫn bị mù

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

"Tại sao lại khó đến vậy" bạn sẽ hỏi.

Cameras can take pictures like this one

Máy ảnh có thể chụp được những bức thế này

by converting lights into a two-dimensional array of numbers

bằng cách chuyển đổi ánh sáng thành dãy 2 chiều những con số,

known as pixels,

được biết đến như điểm ảnh,

but these are just lifeless numbers.

nhưng chúng giống như những con số chết.

They do not carry meaning in themselves.

Chúng không mang bất kỳ ý nghĩa nào cả.

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

Giống như nghe thì không phải là thưởng thức,

to take pictures is not the same as to see,

chụp ảnh không giống như nhìn thấy

and by seeing, we really mean understanding.

và với việc nhìn thấy, chúng tôi thực sự muốn nói là hiểu được.

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

Trong thực tế, mẹ thiên nhiên phải mất 540 triệu năm cật lực

to do this task,

mới làm được điều này,

and much of that effort

và hầu hết nỗ lực đó

went into developing the visual processing apparatus of our brains,

để đi đến việc phát triển quá trình của não bộ chúng ta,

not the eyes themselves.

không chỉ mỗi đôi mắt.

So vision begins with the eyes,

Vì thế mà cái nhìn bắt đầu với đôi mắt,

but it truly takes place in the brain.

nhưng thật sự diễn ra trong não bộ.

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

Vì thế mà 15 năm qua, bắt đầu với luận án tiến sĩ của tôi tại Caltech

and then leading Stanford's Vision Lab,

và sau đó là hướng dẫn phòng thí nghiệm Thị giác ở Stanford,

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

tôi đã làm việc với cố vấn, đối tác và sinh viên

to teach computers to see.

để dạy cho máy tính cách nhìn.

Our research field is called computer vision and machine learning.

Lĩnh vực nghiên cứu của chúng tôi gọi là thị giác máy tính và máy móc học hỏi.

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

Nó là một phần của lĩnh vực chung - trí thông minh nhân tạo.

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

Nên một cách tối ưu nhất, chúng tôi muốn dạy cho máy móc thấy được như chúng ta:

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

kể tên đồ vật, nhận diện con người, những đồ vật 3D tương tự,

understanding relations, emotions, actions and intentions.

hiểu được những mối quan hệ, tình cảm, hành động và cả dự định.

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

Bạn và tôi cùng nhau dệt nên toàn bộ câu chuyện về con người -nơi chốn -đồ vật.

the moment we lay our gaze on them.

giây phút mà chúng ta nhìn thấy chúng.

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

Bước đầu tiên đạt được mục tiêu này là dạy cho máy tính nhìn những đồ vật,

the building block of the visual world.

những block nhà của thế giới thị giác.

In its simplest terms, imagine this teaching process

Nói một cách đơn giản nhất, tưởng tượng quá trình dạy học này

as showing the computers some training images

bằng cách chỉ cho máy tính một vài bức ảnh rèn luyện

of a particular object, let's say cats,

của những vậy cụ thể, ở đây là con mèo.

and designing a model that learns from these training images.

và thiết kế một hình mẫu học được từ những bức ảnh rèn luyện này.

How hard can this be?

Khó như thế nào nhỉ?

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

Nói cho cùng, một con mèo là tổ hợp của hình dạng và màu sắc,

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

và đây là cái mà chúng tôi đã làm ở thời kỳ đầu của việc tạo lập vật thể.

We'd tell the computer algorithm in a mathematical language

Chúng tôi nói cho máy vi tính thuật toán dưới dạng ngôn ngữ toán học

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

rằng con mèo có mặt tròn, một thân hình mũm mĩm,

two pointy ears, and a long tail,

2 tai nhọn, và một cái đuôi dài,

and that looked all fine.

và cái đó nhìn có vẻ ổn.

But what about this cat?

Nhưng với con mèo này thì sao?

(Laughter)

(Tiếng cười)

It's all curled up.

toàn là những đường cong lên.

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

Bây giờ bạn lại có một hình dạng và góc nhìn khác đến vật thể khác.

But what if cats are hidden?

Nhưng nếu như con mèo bị ẩn đi thì sao?

What about these silly cats?

Thế còn những con mèo ngố này ?

Now you get my point.

Bây giờ bạn đã hiểu ý của tôi rồi đó.

Even something as simple as a household pet

Thậm chí thứ đơn giản như một vật nuôi trong nhà

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

cũng có thể mang một con số vô tận những thay đổi đối với một vật thể mẫu,

and that's just one object.

và nó mới chỉ là một vật thể mà thôi.

So about eight years ago,

Vì vậy mà khoảng 8 năm trước,

a very simple and profound observation changed my thinking.

một sự quan sát đơn giản và sâu sắc đã thay đổi suy nghĩ của tôi.

No one tells a child how to see,

Không ai nói cho một đứa trẻ biết chúng phải nhìn như thế nào,

especially in the early years.

đặc biệt là trong những năm đầu đời.

They learn this through real-world experiences and examples.

Chúng học hỏi qua những trãi nghiệm thế giới thực và qua những ví dụ.

If you consider a child's eyes

Nếu như bạn xem xét đôi mắt của một đứa trẻ

như một cặp máy quay phim sinh học

as a pair of biological cameras,

they take one picture about every 200 milliseconds,

chúng chụp một ảnh trong mỗi 200 mili giây

the average time an eye movement is made.

khoảng thời gian trung bình một cử động mắt được thực hiện.

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

Vì vậy mà đến ba tuổi, một đứa trẻ có thể đã nhìn hàng triệu những bức ảnh

of the real world.

của thế giới thực.

That's a lot of training examples.

Đó là rất nhiều những ví dụ rèn luyện.

So instead of focusing solely on better and better algorithms,

Nên thay vì chú trọng vào mỗi việc làm cho thuật toán ngày một tốt hơn

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

ý định của tôi là cho những thuật toán một dạng rèn luyện dữ liệu

that a child was given through experiences

mà một đứa trẻ có được nhờ kinh nghiệm

in both quantity and quality.

về cả lượng cả chất.

Once we know this,

Một khi chúng tôi nhận ra điều này,

we knew we needed to collect a data set

chúng tôi biết mình cần phải thu thập một cơ sở dữ liệu

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

có nhiều hình ảnh hơn những gì mà chúng tôi đã từng có trước đây,

thậm chí là gấp hàng ngàn lần nữa,

perhaps thousands of times more,

and together with Professor Kai Li at Princeton University,

và cùng với giáo sư Kai Li ở đại học Princeton,

we launched the ImageNet project in 2007.

chúng tôi triển khai dự án ImageNet vào năm 2007.

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

May mắn thay, chúng tôi không cần phải gắn camera trên đâu

and wait for many years.

và đợi chờ nhiều năm nữa.

Chúng tôi lên mạng,

We went to the Internet,

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

nguồn tài nguyên ảnh lớn nhất mà con người đã từng tạo ra.

We downloaded nearly a billion images

Chúng tôi tải xuống gần một triệu bức

and used crowdsourcing technology like the Amazon Mechanical Turk platform

và sử dụng công nghệ nguồn đám đông như nền tảng Amazon Mechanical Tuck

to help us to label these images.

để giúp chúng tôi phân loại những hình ảnh này.

At its peak, ImageNet was one of the biggest employers

Vào đỉnh điểm, ImageNet là một trong số những ông chủ lớn nhất

of the Amazon Mechanical Turk workers:

của những nhân viên Amazon Mechanical Turk

together, almost 50,000 workers

cùng nhau, gần 50000 nhân viên

from 167 countries around the world

từ 167 quốc gia trên thế giới

giúp chúng tôi dọn dẹp, sắp xếp và phân loại

helped us to clean, sort and label

gần một triệu tấm ảnh ứng viên.

nearly a billion candidate images.

That was how much effort it took

Đó mới thấy phải mất rất nhiều nổ lực

to capture even a fraction of the imagery

để nắm bắt được thậm chí chỉ là một mảnh hình ảnh

của trí óc trẻ con trong những năm tháng phát triển đầu đời

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

Trong nhận thức muộn màng, ý tưởng sử dụng dữ liệu lớn

In hindsight, this idea of using big data

để hướng dẫn một thuật toán vi tính có thể hiển nhiên vào lúc này,

to train computer algorithms may seem obvious now,

nhưng trở lại năm 2007, nó không hiển nhiên như vậy.

but back in 2007, it was not so obvious.

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

Chúng tôi gần như là đơn độc trên hành trình này trong một thời gian dài.

Một vài đồng nghiệp thân thiện khuyên tôi làm cái gì khác có lợi hơn cho chức vụ,

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

và chúng tôi liên tục phải xoay xở tìm nguồn tài trợ cho dự án.

and we were constantly struggling for research funding.

Một lần, tôi đùa với những học viên cao học của mình

Once, I even joked to my graduate students

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

tôi sẽ mở lại shop giặt là để tài trợ cho ImageNet

Dù gì, thì đó là cách mà tôi trang trải cho những năm tháng đại học của mình.

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

Vì thế mà chúng tôi tiếp tục.

So we carried on.

Năm 2009, dự án ImageNet chuyển tải

In 2009, the ImageNet project delivered

a database of 15 million images

một cơ sở dữ liệu của 15 triệu tấm ảnh

across 22,000 classes of objects and things

trong 22000 lớp đối tượng và đồ vật

organized by everyday English words.

được tổ chức theo từng từ tiếng Anh thông dụng.

In both quantity and quality,

Về cả số lượng và chất lượng,

this was an unprecedented scale.

đây là một quy mô chưa từng có

As an example, in the case of cats,

Lấy ví dụ, trong trường hợp của mèo,

we have more than 62,000 cats

chúng tôi có hơn 62000 con mèo

of all kinds of looks and poses

đủ mọi loại hình dạng và kiểu dáng

and across all species of domestic and wild cats.

và trong tất cả những loài mèo nhà hay mèo hoang.

We were thrilled to have put together ImageNet,

Chúng tôi hứng khởi để cùng nhau xây dựng nên ImageNet,

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

và chúng tôi muốn cả thế giới nghiên cứu được hưởng lợi từ nó,

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

vì vậy mà ở TED, chúng tôi mở toàn bộ hệ thống dữ liệu

to the worldwide research community for free.

cho cộng đồng nghiên cứu quốc tế

miễn phí

(Applause)

(vỗ tay)

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

Bây giờ chúng ta đã có dữ liệu để nuôi sống não bộ máy tính của chúng ta,

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

chúng ta đã sẵn sàng quay trở lại với những thuật toán .

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

Vì hóa ra là, sự dồi dào của những nguồn thông tin bởi ImageNet

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

là một sự kết hợp hoàn hảo cho việc học những thuật toán của máy tính

called convolutional neural network,

gọi là mạng lưới nơ ron đan chéo,

pioneered by Kunihiko Fukushima, Geoff Hinton, and Yann LeCun

tiên phong bởi Kunihiko Fukushima, Geoff Hinton, và Yann LeCun

back in the 1970s and '80s.

từ những năm 1970 và 1980

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

Giống như não bộ, nó bao gồm hàng triệu những nơ ron kết nối chặt chẽ với nhau,

a basic operating unit in a neural network

một đơn vị cơ bản trong mạng lưới neron

is a neuron-like node.

là những nút giống như neron

It takes input from other nodes

Cần phải có dữ liệu đầu vào từ nút này

and sends output to others.

và gửi dữ liệu đầu ra cho nút khác.

Moreover, these hundreds of thousands or even millions of nodes

Hơn nữa, hàng trăm ngàn hoặc thậm chí hàng triệu nút

are organized in hierarchical layers,

được sắp xếp trong những lớp trật tự,

also similar to the brain.

cũng gần giống như não bộ.

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

Trong mạng lưới điển hình chúng tôi dùng để huấn luyện những mẫu nhận diện vật thể

it has 24 million nodes,

có 24 triệu nút,

140 million parameters,

140 triệu thông số,

and 15 billion connections.

và 15 tỉ liên kết.

That's an enormous model.

Đó là một mẫu cực kỳ lớn.

Powered by the massive data from ImageNet

Hỗ trợ bởi dữ liệu khổng lồ từ ImageNet

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

và những CPUs và GPUs hiện đại để huấn luyện cho một mẫu cực lớn.

the convolutional neural network

mạng lưới những nơ ron đan chéo

blossomed in a way that no one expected.

phát triển đến mức không ai có thể dự đoán được.

It became the winning architecture

Nó trở thành kiến trúc được dùng để

to generate exciting new results in object recognition.

điều hành những kết quả mới xuất hiện trong nhận diện vật thể.

This is a computer telling us

Đây là một chiếc máy tính nói với chúng ta rằng

this picture contains a cat

bức hình này bao gồm một con mèo

and where the cat is.

và nơi mà con mèo đang ở.

Of course there are more things than cats,

Dĩ nhiên là còn nhiều thứ hơn là con mèo,

so here's a computer algorithm telling us

nên đây là một thuật toán nói với chúng ta rằng

the picture contains a boy and a teddy bear;

bức hình này bao gồm một đứa trẻ và một con gấu teddy;

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

một con chó, một người, và một con diều nhỏ ở phía sau;

or a picture of very busy things

hay một bức tranh của những thứ lộn xộn

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

như một người, một tấm ván trượt, tay vịn, một cái đèn đường, vân vân.

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

Đôi lúc, khi chiếc máy vi tính không chắc về những gì mà nó thấy,

we have taught it to be smart enough

chúng tôi đã dạy nó trở nên thông minh đủ

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

để cho chúng ta một câu trả lời an toàn thay vì phụ thuộc quá nhiều,

just like we would do,

giống như cách mà chúng ta sẽ làm,

but other times our computer algorithm is remarkable at telling us

nhưng những lần khác những thuật toán thật sự ấn tượng với chúng tôi khi nói ra

what exactly the objects are,

chính xác những đặc tính của đối tượng,

like the make, model, year of the cars.

như là xuất xứ, hiệu, năm sản xuất của những chiếc xe.

We applied this algorithm to millions of Google Street View images

Chúng tôi ứng dụng thuật toán này cho hàng triệu ảnh chụp đường phố trên Google

across hundreds of American cities,

qua hàng trăm thành phố của Mỹ,

and we have learned something really interesting:

và chúng tôi đã nhận ra nhiều thứ rất thú vị:

first, it confirmed our common wisdom

đầu tiên, nó xác nhận sự hiểu biết chung của chúng ta

that car prices correlate very well

giá cả của những chiếc xe rất liên quan

with household incomes.

với thu nhập của hộ gia đình.

But surprisingly, car prices also correlate well

Nhưng bất ngờ là, giá của xe cũng tương ứng với

with crime rates in cities,

mức độ tội phạm trong những thành phố ,

or voting patterns by zip codes.

hoặc tỉ lệ bầu phiếu theo mã vùng.

Đợi một chút, có phải là vậy không?

So wait a minute. Is that it?

Has the computer already matched or even surpassed human capabilities?

Phải chăng máy vi tính thực sự đã đạt được hay thậm chí vượt qua khả năng con người?

Not so fast.

Không nhanh vậy đâu.

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

Cho tới nay, chúng ta mới chỉ dạy cho máy vi tính nhìn thấy những vật thể.

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

Cái này giống như một đứa trẻ học cách bật ra một vài danh từ.

It's an incredible accomplishment,

Đó là một thành tựu đáng kinh ngạc,

but it's only the first step.

nhưng nó mới chỉ là bước đầu tiên.

Soon, another developmental milestone will be hit,

Nhanh thôi, những cột mốc phát triển khác sẽ đạt được,

and children begin to communicate in sentences.

và trẻ em bắt đầu giao tiếp bằng những câu.

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

Vì vậy thay vì nói đây là một con mèo trong bức tranh,

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

bạn thật sự đã nghe đứa trẻ nhỏ nói rằng đây là một con mèo nằm trên một cái giường

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

Vì thế mà dạy một chiếc máy tính nhìn một ảnh và cấu thành những câu nói,

the marriage between big data and machine learning algorithm

sự liên kết giữa những dữ liệu lớn và thuật toán

has to take another step.

phải tiếp tục những bước tiếp theo.

Now, the computer has to learn from both pictures

Bây giờ, chiếc máy tính phải học cả những hình ảnh

as well as natural language sentences

lẫn ngôn ngữ câu tự nhiên

generated by humans.

được tạo lập bởi con người.

Just like the brain integrates vision and language,

Giống như não bộ kết hợp giữa cái nhìn và ngôn ngữ,

we developed a model that connects parts of visual things

chúng tôi phát triển một hình mẫu liên kết những phần của những vật thể

giống như những mẩu thông tin có thể trông thấy được

like visual snippets

with words and phrases in sentences.

với những từ ngữ và cụm từ trong câu.

About four months ago,

Khoảng 4 tháng trước,

we finally tied all this together

chúng tôi cuối cùng cũng liên kết chúng lại với nhau

and produced one of the first computer vision models

và tạo ra một trong những hình mẫu máy tính có thị giác đầu tiên

that is capable of generating a human-like sentence

có khả năng tạo ra một câu giống như con người

when it sees a picture for the first time.

khi nó thấy một bức ảnh lần đầu tiên.

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

Bây giờ, tôi sẵn sàng cho bạn thấy điều mà máy vi tính nói

when it sees the picture

khi nó trông thấy bức ảnh

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

mà cô gái nhỏ đã thấy ở phần mở đầu của bài nói này.

(Video) Máy vi tính: Một người đàn ông đang đứng cạnh một con voi.

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

A large airplane sitting on top of an airport runway.

Một máy bay lớn đậu phía trên một đường băng sân bay.

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

FFL: Dĩ nhiên, chúng tôi vẫn đang làm việc chăm chỉ để phát triển những thuật toán,

and it still has a lot to learn.

và vẫn còn rất nhiều thứ để học

(Applause)

(vỗ tay)

And the computer still makes mistakes.

Và máy tính vẫn còn mắc nhiều lỗi.

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

(Video) Máy tinh: một con mèo đang nằm trong chăn trên một cái giường

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

FFL: Nên đương nhiên, khi nó nhìn thấy quá nhiều mèo

it thinks everything might look like a cat.

nó sẽ nghĩ mọi thứ có thể nhìn giống như một con mèo.

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

Máy tính: Một chàng trai trẻ đang cầm một cái vợt bóng chày

(Laughter)

(cười lớn)

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

FFL: Nếu nó chưa bao giờ thấy bàn chải, nó sẽ nhầm lẫn với một cái vợt bóng chày

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

Máy tính: Người đàn ông đang cưỡi ngựa xuống một con đường gần một tòa nhà.

(Laughter)

(cười lớn)

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

FFL: Chúng tôi chưa dạy môn nghệ thuật cơ bản cho máy tính

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

Máy tính: Một con ngựa vằn đang đứng trên một bãi cỏ.

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

FFL: Và nó chưa được học để trân trọng vẻ đẹp tuyệt mỹ của thiên nhiên

like you and I do.

như tôi và bạn.

So it has been a long journey.

Vì thế nó là một hành trình dài.

To get from age zero to three was hard.

Để đi từ 0 tuổi đến 3 tuổi là đã khó.

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

Thử thách thực sự là đi từ 3 đến 13 tuổi và còn xa hơn nữa.

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

Để tôi nhắc cho bạn bức ảnh này về một bé trai và chiếc bánh một lần nữa.

So far, we have taught the computer to see objects

Trước đó, chúng ta đã dạy máy tính nhìn thấy những vật thể

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

hoặc kể một câu chuyện đơn giản khi nhìn thấy một bức ảnh.

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

Máy tính: Một người ngồi trên một cái bàn với một cái bánh.

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

FFL: Nhưng còn rất nhiều thứ về bức ảnh này

than just a person and a cake.

hơn là chỉ một người và một cái bánh.

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

Điều mà máy tính không thấy được đây là một chiếc bánh kiếu Ý rất đặc biệt

that's only served during Easter time.

chỉ ăn vào dịp Phục Sinh.

The boy is wearing his favorite t-shirt

Thằng bé đang mặc chiếc áo thun yêu thích của nó

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

trao cho cậu như một món quà của bố cậu sau một chuyến đi đến Sydney.

and you and I can all tell how happy he is

và bạn và tôi có thể thấy được cậu bé trông vui đến thế nào

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

và điều thực sự trong tâm trí của nó vào lúc đó.

This is my son Leo.

Đây là con trai tôi Leo.

On my quest for visual intelligence,

Trong khi nghiên cứu về trí thông minh hình ảnh,

I think of Leo constantly

tôi không ngừng nghĩ về Leo

and the future world he will live in.

và tương lai mà nó sẽ sống.

When machines can see,

Khi những chiếc máy có thể nhìn,

doctors and nurses will have extra pairs of tireless eyes

bác sĩ và y tá sẽ có thêm những đôi mắt không mệt mỏi

to help them to diagnose and take care of patients.

để giúp họ chẩn đoán và chăm sóc bệnh nhân.

Cars will run smarter and safer on the road.

Những chiếc xe sẽ chạy nhanh hơn và an toàn hơn trên đường.

Robots, not just humans,

Robots, không chỉ con người,

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

giúp chúng ta đến với khu vực bị thiên tai để cứu những người mắc kẹt và thương vong.

We will discover new species, better materials,

Và chúng ta sẽ khám phá ra những loài mới, vật liệu tốt hơn,

and explore unseen frontiers with the help of the machines.

và khám phá những biên giới chưa tưng thấy với sự giúp đỡ của máy móc.

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

Từng chút từng chút một, chúng ta cho máy móc thị giác.

First, we teach them to see.

Đầu tiên, chúng ta dạy chúng cách nhìn.

Then, they help us to see better.

Sau đó, chúng sẽ giúp chúng ta nhìn rõ hơn.

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

Lần đầu tiên, đôi mắt của con người không còn là thứ duy nhất

pondering and exploring our world.

nghĩ ngợi và khám phá thế giới này.

We will not only use the machines for their intelligence,

Chúng ta sẽ không chỉ sử dụng máy móc nhờ sự thông minh của chúng,

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

chúng ta còn có thể hợp tác với chúng theo những cách không thể tưởng tượng nỗi.

This is my quest:

Đây là mong muốn của tôi:

to give computers visual intelligence

cho máy tính sự thông minh thị giác

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

và tạo ra một tương lai tốt hơn cho Leo và cho thế giới.

Thank you.

Cám ơn.

(Applause)

(vỗ tay)