ИИ DeepMind и научное открытие — документальный фильм Игры Разума 2025 или Почему ИИ захватывает мир

Погрузитесь в закулисье ведущей лаборатории искусственного интеллекта мира — DeepMind — вместе с документальным фильмом The Thinking Game. Вас ждёт невероятная история пути от классических игр до грандиозного научного прорыва в задаче сворачивания белков с помощью AlphaFold.

*https://www.youtube.com/watch?v=5vsfsjbyses
**https://300.ya.ru/summary

таймкоды

Введение в ИИ

• Альфа помогает с кодом, но не всегда открыта для нового.
• Разработчики работают над новыми функциями или исправлениями ошибок.

Развитие ИИ

• ИИ развивается с бешеной скоростью, что вызывает беспокойство.
• Создание ИИ — захватывающее путешествие, но требует серьёзного подхода.

Цель и важность ИИ

• Цель жизни — создать ИИ общего назначения и использовать его для решения научных проблем.
• ИИ важнее интернета и мобильных устройств, сравнимо с электричеством и огнём.

Глобальный саммит по безопасности ИИ

• Мировые лидеры обсуждают риски быстро развивающейся технологии.
• Это важный момент для человечества, на пороге невероятных изменений.

Начало работы над AGI

• Демис и Шейн заинтересованы в общем интеллекте и основали компанию DeepMind.
• В академических кругах ИИ не поддерживался, поэтому они решили основать компанию.

Финансирование и переезд

• Найти финансирование было сложно, но Питер Тиль стал первым крупным инвестором.
• DeepMind переехала в Кремневую долину для поиска талантов.

Миссия DeepMind

• Миссия DeepMind — создать первую в мире машину общего обучения.
• Команда работала в секретности два года, чтобы решить проблему.

Секретность и команда

• Офис находился в секретном месте, собеседования проводились в тайне.
• Илон Маск стал инвестором после разговора с Демисом.

Обучение ИИ через игры

• Игры — идеальная тренировочная площадка для разработки ИИ.
• DeepMind хотела создать один алгоритм для нескольких десятков игр Atari.

Обучение с подкреплением и глубокое обучение

• Объединение двух методов для создания интеллектуальной системы
• Начало с игры в Понг, которая казалась простой

Успехи в игре «Понг»

• Первые неудачи, но затем первый очко и победа
• Агент научился играть без знания правил

Успехи в игре «Breakout»

• Агент начал понимать, как двигаться к мячу
• Через 500 игр агент разработал оптимальную стратегию

Прорыв в искусственном интеллекте

• Создание рецепта для обучения в 50 играх
• Агент достигал человеческого уровня и превосходил его

Приобретение DeepMind

• Google купил DeepMind за 400 млн долларов
• Демис Хассабис, основатель DeepMind, продолжил заниматься исследованиями

Го как тест для ИИ

• Го — самая сложная настольная игра, лакмусовая бумажка прогресса ИИ
• DeepMind решил победить лучших игроков Го

Обучение AlphaGo

• Обучение на 100.000 играх сильных любителей
• AlphaGo играл против разных версий самого себя миллионы раз

Победа AlphaGo над Ли Седолом

• AlphaGo сделал неожиданный ход, который не выбрал бы человек
• Ли Седол проиграл, что стало победой машины над человеком

Развитие Alpha GO

• Alpha GO становился лучше благодаря опыту.
• Демис Хасабис предсказал победу над лучшим китайским игроком.
• В середине первой игры китайский игрок играл плохо.
• Китайское правительство отключило трансляцию, что стало важным моментом.

Влияние Alpha GO на мировую науку

• Alpha GO стал для Китая тревожным сигналом, как спутник для США в 1950-х.
• Это запустило космическую гонку в области ИИ.
• Важно, кто создаёт ИИ и как он создаётся.

Проект AlphaZero

• AlphaZero исключил человеческие знания и учился на своих играх.
• Он стал сам себе учителем и научился играть в шахматы за несколько часов.
• AlphaZero нашёл свой собственный стиль атаки и вдохновил на новые исследования в шахматах.

Личные мотивы Демиса

• Демис Хасабис увлёкся шахматами с детства и стал чемпионом Лондона до 8 лет.
• Он осознал, что шахматы не стоит делать своей жизнью, и решил заняться другими проектами.

Цели DeepMind

• DeepMind планирует собрать лучших учёных для создания универсального интеллекта (AGI).
• AGI должен уметь решать новые задачи и учиться у окружающей среды.

Виртуальная среда для обучения роботов

• DeepMind создаёт виртуальную среду для обучения агентов.
• Агенты учатся на положительных и отрицательных наградах, как дети.

Обучение через исследование мира

• Люди учатся ориентироваться и передвигаться через собственные исследования.
• DeepMind стремится создать алгоритмы, которые будут учиться так же, как люди.

Идея моделирования робота

• Робот должен бежать вперёд, преодолевая препятствия.
• Это похоже на паркур, но робот не обучен держать стакан.
• Цель — увеличить скорость и получить награду.

Обучение с подкреплением

• Алгоритм выясняет, как двигать суставы робота.
• Цель — создать агентов, которые могут решать разные задачи.

Обучение в игре StarCraft

• Вдохновение из больших языковых моделей.
• В StarCraft решения принимаются непрерывно, что делает агента более гибким.

Первые успехи и вызовы

• Агент не смог победить игрока на уровне тима.
• Агент быстро улучшался и победил лучшего игрока Deep Mind.

Выставочный матч в прямом эфире

• Альфа Star доминирует в игре против профессионального игрока.
• Альфа Star делает 800 кликов в минуту, что вызывает беспокойство.

Этические аспекты ИИ

• Опасения по поводу использования ИИ в военных целях.
• Важно контролировать новые технологии, чтобы избежать злоупотреблений.

История создания игр

• Демис Абас начал с увлечения компьютерами и играми.
• Он участвовал в конкурсе на создание игры и получил работу в Булфрог.

Годичный перерыв и работа в Булфрог

• Главный герой был принят на работу, но ему пришлось взять годичный перерыв из-за возраста.
• Он работал в Булфрог, получая зарплату в конвертах.
• Работа была интересной, и он чувствовал себя на передовой.

Создание Симпарка

• Герой и его друг Демис начали обсуждать идею тематического парка.
• Игрок проектирует парк, аттракционы и управляет ценами.
• Герой работал над поведением людей, а Демис — над размещением магазинов.
• Симпарк стал успешным и вошёл в десятку лучших игр.

Размышления о ИИ

• Демис говорил о потенциале ИИ для помощи миру.
• Герой решил поступить в Кембридж, несмотря на предложение Питера.

Романтические представления о Кембридже

• Герой мечтал о Кембридже и его истории.
• Он надеялся узнать, что значит быть обычным подростком.

Встреча с Демисом

• Герой встретил Демиса в королевском колледже.
• Они оба интересовались вычислительной нейробиологией.

Шахматное соревнование Deep Blue

• В 1997 году Deep Blue победил Гарри Каспарова.
• Герой был впечатлён умом Каспарова, а не машиной.

Проблема сворачивания белка

• Герой был одержим проблемой сворачивания белков.
• Он думал, что искусственный интеллект может решить эту проблему.

Применение машинного обучения

• Герой и его команда использовали игру Fold для решения проблемы сворачивания белков.
• Они понимали, что это может помочь в лечении болезней и защите окружающей среды.

Работа в DeepMind

• Игры используются как полигон для алгоритмов.
• Конечная цель — решение реальных задач.
• DeepMind занимается сворачиванием белков.

Начало работы

• Автор решает отправить резюме в DeepMind.
• Привлекает чувство причастности к чему-то большему.
• Автор не изучал биологию, но использует данные в моделях машинного обучения.

Конкурс Casp

• Многие пытались решить проблему сворачивания белков, но никто не смог.
• DeepMind решает принять участие в конкурсе Casp.
• Casp проводится раз в 2 года и оценивает точность прогнозов структур белков.

Проблемы и новые технологии

• Результаты первых экспериментов были не очень хорошими.
• Нужна новая технология для решения задач.
• До конца Casp осталась неделя, нужно срочно всё развернуть.

Надежда на прорывы

• Эйнштейн и Гердель обсуждали научные идеи.
• Институт перспективных исследований привлекал блестящих учёных.
• Автор надеется на крупные прорывы в науке.

Достижения Дениса

• Денис избран членом королевского общества и королевского общества искусств.
• Alpha Fold была самой точной в прогнозировании структур белков на Casp.
• Alpha Fold 4 не дал достаточно хороших данных для практического использования.

Проблемы сворачивания белков

• DeepMind обошла вторую команду на Casp почти на 50%.
• Качество прогнозов было разным и не более полезным, чем предыдущие методы.
• Многие в команде считают, что сворачивание белков слишком сложно для текущего уровня ИИ.

Опыт руководства лабораторией

• Биологические исследования требуют готовности к неудачам.

Опыт руководителя лаборатории

• Руководит лабораторией почти 50 лет
• Половину времени был психиатром-любителем
• Часто терпит неудачи, но это нормально для науки

Перспективы AGI

• AGI — святой грааль искусственного интеллекта
• Эксперименты с цивилизациями агентов ИИ будут захватывающими
• AGI сможет выполнять любые когнитивные задачи человека и выходить за их пределы
• Беспокоится, что AGI появится быстрее, чем мы сможем подготовиться

Социальные аспекты ИИ

• Агенты ИИ проявляют социальную динамику, которую не программировали заранее
• Создаём системы, в которых не уверены, что они полностью интеллектуальны
• ИИ учится у людей и интернета, что может привести к его успеху

Этические аспекты ИИ

• Важно быть осторожными с использованием ИИ и продумывать его применение
• Технологии отражают наши ценности, поэтому важно закладывать правильные
• ИИ может использоваться для создания дезинформации и манипулирования
• Появление AGI потребует глобальной координации и создания институтов защиты

Ответственность перед AGI

• Появление AGI станет самым важным моментом в истории человечества
• Нужно серьёзно относиться к этому и готовиться заранее

Продолжение работы над AlphaFold

• Мечтал создать революционные технологии, которые принесут пользу человечеству
• AlphaFold — важный проект для решения проблемы сворачивания белков

Усиление усилий и создание ударной команды

• Необходимо удвоить усилия для достижения успеха.
• Создана ударная команда под руководством Джона.
• Команда будет использовать знания в области биологии и физики.

Эксперименты и ответственность

• Биолог-вычислитель начинает экспериментировать с температурой отжига.
• Чувство огромной ответственности и желание сделать что-то важное.
• Команда переписала конвейер данных для обучения Альфа Fold.

Успехи в сворачивании белков

• Команда выиграла Кэсп и вернулась к работе с новыми идеями.
• Добавление боковых цепей улучшило прямое сворачивание.
• За последние 4 месяца достигнуты значительные успехи в скорости и точности.

Ограничения в Великобритании

• Премьер-министр объявил о жёстких ограничениях из-за пандемии.
• Команда продолжает работу из дома, осознавая важность науки.

Работа над белком SARS-CoV-2

• Команда сосредоточилась на белке SARS-CoV-2 OrF 1AB.
• Это один из основных белков коронавируса, подавляющих иммунную систему.
• Работа над белком заняла много времени и усилий.

Завершение CAS

• Кэсп закончился, команда получила признание за выдающиеся результаты.
• Альфа Fold показала потрясающие результаты по сравнению с другими группами.

Открытие AlphaFold

• Демис предложил сделать AlphaFold открытым для всех.
• Это позволит учёным легко получать прогнозы структур белков.
• Команда решила опубликовать все известные последовательности белков.

Публикация структур белков

• Альфафолд опубликовал структуры 200 млн белков.
• Это подарок человечеству.
• Доступность Альфафолда всему миру изменит его значимость.

Реакция на успех

• Автор не может поверить в произошедшее.
• В Японии много активности, 655 пользователей, 100 000 одновременных пользователей.
• Автор в восторге от Альфафолда и видит в нём большой прогресс для исследований.

Влияние на науку

• Альфафолд стал переломным моментом в истории человечества.
• Искусственный интеллект станет самым важным изобретением человечества.
• Темпы инноваций и возможности ускоряются, ИИ может изменить жизнь во всех аспектах.

Взаимодействие с ИИ

• Пример взаимодействия с ИИ через шахматную доску и скульптуру из карандашей.
• ИИ даёт рекомендации и предсказывает последствия действий.

Будущее ИИ

• Следующее поколение будет жить в мире, радикально отличающемся из-за ИИ.
• Важно ответственно подходить к этому моменту.
• Автор считает это моментом, ради которого он жил всю свою жизнь.

In this video

Search transcript
Chapter 1: DeepMind
Chapter 2: Введение в ИИ
0:30
30 seconds
Привет, Альфа. Привет. Можешь помочь мне с кодом?
0:37
37 seconds
Меня научили отвечать на вопросы, но я могу учиться. Ты не очень-то открыта для нового.
0:46
46 seconds
Спасибо. Я рада, что ты довольна мной. Что этот парень делает?
0:54
54 seconds
Это разработчик. Как думаешь, над чем он работает?
0:59
59 seconds
Это сложный вопрос. Возможно, он работает над новой функцией, исправляет ошибку или что-то ещё. Вполне возможно.
1:07
1 minute, 7 seconds
Да. Ты видишь мой рюкзак? Это ракетка для бадминтона.
1:15
1 minute, 15 seconds
Это ракетка для сквоша. Но это почти то же самое. Это ракетка для бадминтона.
1:22
1 minute, 22 seconds
Нет, но ты не первый, кто так ошибается.
1:26
1 minute, 26 seconds
Искусственный интеллект-хнология, которая развивается с бешеной скоростью.
Chapter 3: Развитие ИИ
1:38
1 minute, 38 seconds
Искусственный интеллект — это гонка. Некоторые уже бьют тревогу. Это определённо вызывает беспокойство.
1:44
1 minute, 44 seconds
Это след от руки. И мы не знаем, чем всё это закончится, но ясно, что что-то происходит.
1:53
1 minute, 53 seconds
Я немного волнуюсь.
1:56
1 minute, 56 seconds
Создание искусственного интеллекта — это, на мой взгляд, самое захватывающее путешествие, в которое когда-либо отправлялись люди. Если вы действительно
2:05
2 minutes, 5 seconds
собираетесь отнестись к этому серьёзно, у вас не так много времени. Жизнь очень коротка.
Chapter 4: Цель и важность ИИ
2:12
2 minutes, 12 seconds
Цель всей моей жизни — создать искусственный интеллект общего назначения и по пути использовать ИИ как главный инструмент для решения самых сложных научных проблем в мире.
2:25
2 minutes, 25 seconds
Я думаю, это важнее, чем интернет. Я думаю, это важнее, чем мобильное устройство. Я думаю, это больше похоже на появление электричества или огня.
Chapter 5: Глобальный саммит по безопасности ИИ
2:45
2 minutes, 45 seconds
Мировые лидеры и эксперты по искусственному интеллекту собираются на первый в истории глобальный саммит по безопасности Ии, чтобы обсудить риски быстро развивающейся технологии.
2:56
2 minutes, 56 seconds
Я думаю, это очень важный момент для всего человечества.
3:01
3 minutes, 1 second
Кажется, что мы стоим на пороге чего-то невероятного.
3:05
3 minutes, 5 seconds
Позвольте мне рассказать вам о реакции в сегодняшних газетах. Я думаю, и общего назначения уже близко.
3:11
3 minutes, 11 seconds
Огромный интерес к тому, на что он способен и куда движется.
3:14
3 minutes, 14 seconds
Это момент, ради которого я жил всю свою жизнь.
Chapter 6: Начало работы над AGI
3:22
3 minutes, 22 seconds
Меня всегда интересовал разум, поэтому я решил изучать неробиологию, потому что хотел черпать вдохновение из мозга для ИИ.
3:31
3 minutes, 31 seconds
Я помню, как спросила Демиса, какова конечная цель. Знаешь, ты приедешь сюда, будешь изучать нейробиологию и,
3:38
3 minutes, 38 seconds
возможно, получишь докторскую степень, если будешь усердно работать.
3:43
3 minutes, 43 seconds
А он сказал: «Я хочу создать и я хочу создать интеллект».
3:49
3 minutes, 49 seconds
Человеческий мозг — единственное доказательство существования общего интеллекта во всей Вселенной.
3:56
3 minutes, 56 seconds
И я подумал, что кто-то в этом здании должен интересоваться общим интеллектом, как и я. И тут всплыло имя Шейна.
4:05
4 minutes, 5 seconds
Наш следующий докладчик сегодня Шейн Лёг. Он из Новой Зеландии, где изучал математику и классический балет.
4:11
4 minutes, 11 seconds
Становятся ли машины умнее? Некоторые говорят, что да, некоторые говорят, что нет. Это не совсем ясно. Мы знаем, что они становятся намного быстрее в
4:19
4 minutes, 19 seconds
вычислениях, но действительно ли мы движемся вперёд в плане общего интеллекта?
4:25
4 minutes, 25 seconds
Мы оба были одержимы и общего назначения. Сегодня я расскажу о разных подходах к созданию и общего назначения.
4:32
4 minutes, 32 seconds
Вместе с моим коллегой Демосом, Сарбасом, мы ищем способы использовать идеи теоретической нейробиологии.
4:38
4 minutes, 38 seconds
Я чувствовал, что мы храним секрет, о котором никто больше не знает. Мы с Шейном знали, что никто в академических кругах не поддержит то, что мы делаем.
4:48
4 minutes, 48 seconds
Аи было почти стыдно произносить в академических кругах, верно? Если вы говорили, что работаете на ДИ, значит вы явно не были серьёзным учёным.
4:57
4 minutes, 57 seconds
Поэтому я убедил Шейна, что правильный способ сделать — это основать компанию.
5:01
5 minutes, 1 second
Хорошо, мы попробуем создать искусственный интеллект общего назначения. Возможно, это даже невозможно. Мы не совсем уверены, как
5:08
5 minutes, 8 seconds
это сделать, но у нас есть некоторые идеи о таких подходах. Огромные деньги, огромный риск, потери и много вычислений.
Chapter 7: Финансирование и переезд
5:18
5 minutes, 18 seconds
И если у нас получится, это будет величайшее достижение в истории. Верно? Это очень сложно для обычного инвестора.
5:26
5 minutes, 26 seconds
Это почти как покупка лотерейного билета.
5:29
5 minutes, 29 seconds
Я буду говорить о системной нейробиологии и о том, как её можно использовать для создания и общего назначения.
5:36
5 minutes, 36 seconds
Найти первоначальное финансирование для этого было очень сложно. Мы собираемся создать интеллект. Можете себе представить, какие взгляды на нас бросали, когда мы это предлагали?
5:45
5 minutes, 45 seconds
Я венчурный инвестор и рассматриваю от 700 до 1.000 проектов в год.
5:51
5 minutes, 51 seconds
И я финансирую буквально 1% из них около ми проектов в год.
5:56
5 minutes, 56 seconds
Это значит, что в 99% случаев вы не в деле. Подождите, я говорю вам, что это самое важное дело всех времён. Я
6:04
6 minutes, 4 seconds
рассказываю вам, как это связано с мозгом, почему сейчас самое подходящее время, а вы спрашиваете меня, как я собираюсь зарабатывать деньги. Какой у
6:11
6 minutes, 11 seconds
вас продукт? Это такой прозаичный вопрос. Вы что, не слушали, что я говорю?
6:18
6 minutes, 18 seconds
Нам нужны были инвесторы, которые не обязательно будут вкладывать деньги, потому что считают это лучшим инвестиционным решением.
6:25
6 minutes, 25 seconds
Они, скорее всего, вложат деньги, потому что считают это действительно крутым. Он версия человека за занавесом.
6:31
6 minutes, 31 seconds
Волшебники страны ОС из Кремневой долины. Он во многом способствовал созданию PayPal, YouTube и ELP.
6:39
6 minutes, 39 seconds
Если все видят, Питер Тиль подозревает, что возможно верно обратное. Питер Тиль был нашим первым крупным инвестором, но
6:46
6 minutes, 46 seconds
он настоял, чтобы мы переехали в Кремневую долину, потому что это было единственное место, где мы могли найти таланты и создать такую компанию.
6:54
6 minutes, 54 seconds
Но я был категорически против переезда в Лондон, потому что считаю, что это потрясающий город. К тому же я знал, что в Кремневой долине есть действительно потрясающие люди, получившие образование
7:02
7 minutes, 2 seconds
в Кембридже, Оксфорде и Акл. Каждый год кто-то основывает компанию, а потом, если она не работает, бросает её и
Chapter 8: Миссия DeepMind
7:10
7 minutes, 10 seconds
начинает что-то новое. Это не способствует долгосрочным исследованиям, так что мы были для него совершенно
7:16
7 minutes, 16 seconds
чужими. Итак, добро пожаловать в Deep Mind. Какова наша миссия?
7:23
7 minutes, 23 seconds
Мы формулируем её так: миссия Deep Mind создать первую в мире машину общего обучения.
7:29
7 minutes, 29 seconds
Поэтому мы всегда подчёркиваем слова общее и обучение.
7:32
7 minutes, 32 seconds
Наша миссия заключалась в создании и общего назначения. Это значит, что нам нужна общая система. Она не учится
7:40
7 minutes, 40 seconds
делать что-то одно. Это действительно ключевая часть человеческого интеллекта.
7:44
7 minutes, 44 seconds
Мы можем научиться делать много-много вещей. Конечно, это будет очень тяжёлая работа, но одна из вещей, которая не даёт мне спать по ночам — это не
7:51
7 minutes, 51 seconds
упустить возможность действительно изменить ситуацию и оказать большое влияние на мир.
7:56
7 minutes, 56 seconds
Первые люди, которые пришли в Deep Майн, уже верили в мечту, но, думаю, это был один из первых случаев, когда они нашли место полное других мечтателей.
8:04
8 minutes, 4 seconds
Знаете, мы собрали этот Манхэтенский проект, если хотите, чтобы он решил проблему. Иивые 2 года мы работали в режиме полной секретности. Мы никому не
Chapter 9: Секретность и команда
8:11
8 minutes, 11 seconds
могли сказать, чем занимаемся и где работаем. Всё было довольно расплывчато.
8:16
8 minutes, 16 seconds
У нас вообще не было публичного присутствия. Вы не могли зайти на сайт.
8:19
8 minutes, 19 seconds
Офис находился в секретном месте, когда мы проводили собеседование с людьми в те первые дни. Они приходили очень взволнованные. У меня был, по крайней
8:28
8 minutes, 28 seconds
мере, один кандидат, который сказал: «Я только что написал жене, куда иду. На случай, если это окажется какой-то ужасной афёрой, меня похитят».
8:37
8 minutes, 37 seconds
Ну, мой любимый новый инвестор — это Илон Маск, над которым я работаю уже год.
8:43
8 minutes, 43 seconds
Для тех, кто не знает, как он выглядит, и он не особо задумывался об ИИ, пока мы не поговорили, его миссия умереть на Марсе или что-то в этом роде, но не оказать влияния.
8:53
8 minutes, 53 seconds
Итак, мы приняли несколько важных решений о том, как будем подходить к созданию. И это установка для обучения с
9:00
9 minutes
подкреплением. Это та установка, о которой мы думаем, когда говорим, что создаём и агента. По сути, есть агент,
Chapter 10: Обучение ИИ через игры
9:08
9 minutes, 8 seconds
то есть и и среда, с которой он взаимодействует.
9:11
9 minutes, 11 seconds
Мы решили, что игры, если вы очень дисциплинированны их используете, идеальная тренировочная площадка для разработки ИИ. Мы хотели создать один
9:20
9 minutes, 20 seconds
алгоритм, который можно было бы обучить играть в несколько десятков разных игр Отари. Как и человеку, вам нужно использовать один и тот же мозг, чтобы
9:28
9 minutes, 28 seconds
играть во все игры. Представьте, что вы даёте агенту картридж и говорите: «Хорошо, представь, что ты родился в этом мире с этим картриджем, и тебе
9:37
9 minutes, 37 seconds
просто нужно взаимодействовать с пикселями и видеть счёт». Что ты можешь делать?
9:42
9 minutes, 42 seconds
Итак, что вы собираетесь делать? Так, это взять QQ. QQ.
9:47
9 minutes, 47 seconds
Q обучение. Один из старейших методов обучения с подкреплением. Мы объединили обучение с подкреплением и глубокое обучение в одной системе. Никто никогда
9:56
9 minutes, 56 seconds
не объединял эти две вещи в таком масштабе, чтобы добиться чего-то впечатляющего.
10:01
10 minutes, 1 second
И нам нужно было доказать этот тезис. Мы попробовали начать с игры в Понг. Она казалась самой простой. Ей ничего не
10:09
10 minutes, 9 seconds
сказали о том, что она контролирует или что должна делать. Она знает только, что счёт — это хорошо, и ей нужно изучить,
10:16
10 minutes, 16 seconds
что делают элементы управления, и построить всё с нуля.
Chapter 11: Успехи в игре «Понг»
10:28
10 minutes, 28 seconds
Это не сработало.
10:32
10 minutes, 32 seconds
Я просто сказал Шейну, что, может быть, мы ошибаемся и даже не можем играть в Пон.
10:36
10 minutes, 36 seconds
было немного не по себе от мысли, как далеко нам придётся зайти, если мы действительно хотим создать интеллектуальную систему.
10:45
10 minutes, 45 seconds
И мне казалось, что пора сдаться и двигаться дальше. А потом вдруг мы получили первое очко,
10:53
10 minutes, 53 seconds
знаете, а потом мы подумали, это случайно. Нет, нет, теперь у нас действительно есть очко. Было очень интересно, что эта штука, которая раньше
11:00
11 minutes
даже не могла понять, как двигать ракеткой, вдруг смогла сделать это правильно. Потом она набрала несколько очков и выиграла свою первую игру, а
11:08
11 minutes, 8 seconds
через 3 месяца ни один человек не смог её победить. Вы не рассказали ей правила, как набирать очки, ничего. Вы просто сказали ей максимизировать счёт,
11:15
11 minutes, 15 seconds
и она ушла и сделала это. Это был первый раз, когда кто-то прошёл такое обучение от начала до конца. Итак, у нас это работает довольно универсально. Теперь давайте попробуем другую игру.
11:26
11 minutes, 26 seconds
Мы попробовали брейкаут. В начале после 100 игр агент был не очень хорош. Он чаще всего промахивался по мячу. Он
Chapter 12: Успехи в игре «Breakout»
11:33
11 minutes, 33 seconds
начал понимать, что ракетка должна двигаться к мячу. Теперь после 300 игр он играет почти так же хорошо, как любой человек. Мы подумали, что это круто, но
11:41
11 minutes, 41 seconds
оставили систему играть ещё 200 игр. И она сделала удивительную вещь. Она поняла, что оптимальная стратегия — прорыть туннель сбоку и загнать мяч за стену.
11:51
11 minutes, 51 seconds
Наконец-то агент действительно добился того, чего вы от него ожидали. Это отличное чувство, правда? Когда мы проводим исследование, это лучшее, на
11:59
11 minutes, 59 seconds
что мы можем надеяться. Мы начали обобщать на 50 игр и, по сути, создали рецепт. Мы могли просто взять игру,
12:06
12 minutes, 6 seconds
которую никогда раньше не видели. Мы запускали алгоритм, и КН мог обучаться с нуля, достигая человеческого уровня, а
12:13
12 minutes, 13 seconds
иногда и превосходя его. Мы не создавали его для игры ни в одну из них. Мы могли просто дать ему несколько игр, и он сам во всём разберётся.
12:23
12 minutes, 23 seconds
И в этом было что-то волшебное. Внезапно у вас появилось что-то, что реагировало и обучалось в любой ситуации, в которую
12:29
12 minutes, 29 seconds
попадало. И это был огромный прорыв. Во многих отношениях это был первый пример того, что можно назвать общим интеллектом.
Chapter 13: Прорыв в искусственном интеллекте
12:42
12 minutes, 42 seconds
Хотя у нас был хороший стартовый капитал, нам не хватало вычислительной мощности.
12:47
12 minutes, 47 seconds
Я понял, что это значительно ускорит наш путь к Ии. Раньше я часто видела Дениса.
12:53
12 minutes, 53 seconds
Мы обедали вместе, и он сказал мне, что у него есть две компании, которые заинтересованы в покупке Deep Mind, и он не знает, какую выбрать.
13:04
13 minutes, 4 seconds
Проблема была в том, что ни одна коммерческая компания не понимала реальной важности исследований и не давала им времени на реализацию, а не
13:13
13 minutes, 13 seconds
дышала в затылок, говоря, что хочет получить от этого какую-то коммерческую выгоду.
Chapter 14: Приобретение DeepMind
13:27
13 minutes, 27 seconds
Google купил Deep Mind за 400 млн долларов, что сделало эту компанию по искусственному интеллекту крупнейшим европейским приобретением. На данный
13:36
13 minutes, 36 seconds
момент компания была основана тридцатисемилетним предпринимателем Демисом. У него есть это. После
13:43
13 minutes, 43 seconds
приобретения я начал наставлять Демиса, проводить с ним время и просто слушать его.
13:50
13 minutes, 50 seconds
Он учёный по натуре.
13:55
13 minutes, 55 seconds
Он хочет, чтобы наука решила все проблемы в мире и верит, что это возможно.
14:00
14 minutes
Это необычный человек, которого можно встретить в технологической компании.
14:05
14 minutes, 5 seconds
Мы смогли не только присоединиться Google, но и работать независимо в Лондоне, создать свою культуру, которая оптимизирована для прорывов, а не для
14:13
14 minutes, 13 seconds
работы с продуктами, и заниматься чистыми исследованиями.
14:17
14 minutes, 17 seconds
Наши инвесторы не хотели продавать. Но мы решили, что это лучший вариант для нашей миссии. Но во многих смыслах мы недооценивали нашу компанию, пока она не
14:25
14 minutes, 25 seconds
стала более зрелой, и её можно было продать за гораздо большие деньги. Причина в том, что нельзя терять время.
14:32
14 minutes, 32 seconds
Есть так много вещей, которые нужно сделать, пока мозг ещё работает, пока я ещё жив.
14:38
14 minutes, 38 seconds
А есть много вещей, которые нужно сделать. Сколько миллиардов вы бы отдали за ещё 5 лет жизни, чтобы сделать то, что вы задумали?
14:48
14 minutes, 48 seconds
Внезапно у нас появился доступ к огромным вычислительным мощностям. Что мы можем с этим сделать?
Chapter 15: Го как тест для ИИ
14:56
14 minutes, 56 seconds
Go — это вершина настольных игр.
15:00
15 minutes
Это самая сложная игра, когда-либо придуманная человеком.
15:04
15 minutes, 4 seconds
В игре Go больше возможных конфигураций доски, чем атомов во вселенной.
15:09
15 minutes, 9 seconds
Go — это святой грааль искусственного интеллекта. Многие годы люди смотрели на эту игру и думали: «Вау, это слишком сложно». Всё, что мы когда-либо
15:18
15 minutes, 18 seconds
пробовали в области Ии, терпит неудачу, когда мы пытаемся играть в GO. Вот почему это настоящая лакмусовая бумажка прогресса. Мы только что купили Deep
15:27
15 minutes, 27 seconds
Маind. Они работали над обучением, с подкреплением и были мировыми экспертами в играх.
15:33
15 minutes, 33 seconds
И когда они представили идею, что могут победить лучших игроков Го в игре, которая считалась не поддающейся вычислению, я подумал, это довольно интересно.
15:43
15 minutes, 43 seconds
Наш следующий шаг- сыграть с легендарным Лисидолом чуть больше, чем через 2 недели в Южной Корее. Вот-вот начнётся матч, подобного которому ещё не было.
15:55
15 minutes, 55 seconds
Лиза Дол готовится к битве.
15:58
15 minutes, 58 seconds
Лиза Дол, вероятно, одна из величайших игроков последнего десятилетия. Я бы назвал его Роджером Федером в мире го.
16:05
16 minutes, 5 seconds
Я пришёл, и вдруг у нас появилась тыся корейцев, которые представляют всё корейское общество, лучшие игроки в GO.
16:12
16 minutes, 12 seconds
А ещё у нас есть Демис и отличная команда инженеров.
16:20
16 minutes, 20 seconds
Он очень известен своей креативной игрой в стиле викингов, так что для нас это может быть сложно.
16:28
16 minutes, 28 seconds
Я подумал, что Лиза, мы победим этих ребят, но они покажут хороший результат. Это хорошо для стартапа.
Chapter 16: Обучение AlphaGo
16:37
16 minutes, 37 seconds
Я подошёл к технической группе, и они сказали: «Давайте я покажу вам, как работает наш алгоритм».
16:43
16 minutes, 43 seconds
Если вы посмотрите на игру, то увидите, что думает Alpha Go. Мы начинаем обучать Alльpфа Go, показывая ему 100.000 игр, в которые играли сильные любители.
16:54
16 minutes, 54 seconds
Сначала мы заставляем Alpha Go имитировать человека-игрока, а затем с помощью обучения с подкреплением он играет против разных
17:02
17 minutes, 2 seconds
версий самого себя миллионы раз и учится на своих ошибках. Это интересно. Всё в порядке, ребята.
17:09
17 minutes, 9 seconds
Вы увидите, как творится история. Итак, игра начинает. Он действительно сосредоточен.
17:16
17 minutes, 16 seconds
Это правда. Посмотрите на это. О! О! Это очень, очень неожиданный ход.
17:25
17 minutes, 25 seconds
Думаю, мы увидели здесь оригинальный ход.
17:33
17 minutes, 33 seconds
Да, это захватывающий ход. Мне нравятся такие ходы. Я не думаю.
17:37
17 minutes, 37 seconds
Профессиональные комментаторы почти единогласно заявили, что ни один человек, игрок не выбрал бы ход 37.
17:43
17 minutes, 43 seconds
Поэтому мне пришлось покопаться в Alpфа Go, чтобы узнать, что думает Alpha Go. И Alpha Go действительно согласился с этой оценкой. Alpha Go сказал, что
17:52
17 minutes, 52 seconds
вероятность того, что ход 37 был бы сделан человеком игроком, составляет 1 к 10.
Chapter 17: Победа AlphaGo над Ли Седолом
18:08
18 minutes, 8 seconds
Игра го go изучалась тысячи лет, и Альфа Go открыл нечто совершенно новое.
18:16
18 minutes, 16 seconds
Он сдался. Лиза только что сдалась. Он проиграл.
18:22
18 minutes, 22 seconds
Битва между человеком и машиной и компьютером только что закончилась победа. Кто бросит вызов команде Deep Mind против одного из самых ярких умов в мире и победит?
18:31
18 minutes, 31 seconds
Тогда мы поняли, что люди из Deepmine знают, что делают, и обратили внимание на обучение с подкреплением, которое они изобрели.
18:40
18 minutes, 40 seconds
Основываясь на этом опыте, Alpha GO становился всё лучше и лучше. И у них была небольшая диаграмма, показывающая, насколько они стали лучше. И я спросил:
18:49
18 minutes, 49 seconds
«Когда это закончится?» И Демис ответил: «Когда мы победим китайца, лучшего игрока в мире, против Альфа GO?
19:03
19 minutes, 3 seconds
Думаю, мы увидим, как Альфа Гоу прорвётся сюда. Альфау немного впереди.
19:08
19 minutes, 8 seconds
Примерно в середине первой игры лучший игрок в мире играл не очень хорошо.
19:14
19 minutes, 14 seconds
Что здесь может делать чёрный?
19:19
19 minutes, 19 seconds
Выглядит сложно и в критический момент.
19:33
19 minutes, 33 seconds
Китайская правительство приказало отключить трансляцию.
19:38
19 minutes, 38 seconds
Именно в этот момент мы сообщили миру, что на Земле появилось что-то новое.
Chapter 18: Влияние AlphaGo на мировую науку
19:47
19 minutes, 47 seconds
В 1950 годах, когда был запущен советский спутник, это изменило ход истории.
19:55
19 minutes, 55 seconds
Это вызов, с которым Америка должна справиться, чтобы выжить в космическую эру. Это назвали моментом спутника.
20:02
20 minutes, 2 seconds
Момент спутника вызвал бурную реакцию в США с точки зрения финансирования науки, инженерии и особенно космических технологий.
20:12
20 minutes, 12 seconds
Для Китая Alpha Go стал тревожным сигналом, моментом спутника.
20:17
20 minutes, 17 seconds
Это запустило космическую гонку, и у нас была грандиозная идея, и она сработала. И теперь об этом знает весь
20:25
20 minutes, 25 seconds
мир. Всегда легче приземлиться на Луну, если кто-то уже там приземлился.
20:32
20 minutes, 32 seconds
Важно, кто создаёт ИИ и как он создаётся. Я всегда чувствую это давление.
Chapter 19: Проект AlphaZero
20:42
20 minutes, 42 seconds
После ажиотажа вокруг Alльфа GO произошла целая череда событий.
20:46
20 minutes, 46 seconds
Когда мы играли против Лизы Дол, у нас была система, обученная на данных о миллионах игр, в которые играли людиэксперты.
20:54
20 minutes, 54 seconds
В конце концов, мы нашли новый алгоритм, гораздо более элегантный подход ко всей системе, который фактически исключил все человеческие знания и начал с нуля. Это
21:03
21 minutes, 3 seconds
стало проектом, который мы назвали Alpha Zero. Zero означает отсутствие человеческих знаний в системе.
21:11
21 minutes, 11 seconds
Вместо того, чтобы учиться на человеческих данных, он учился на своих собственных играх.
21:16
21 minutes, 16 seconds
Таким образом, он стал сам себе учителем.
21:21
21 minutes, 21 seconds
Альфаро — это эксперимент, показывающий, как мало знаний мы можем вложить в эти системы и как быстро и эффективно они могут учиться. И ещё кое-что. У Альфа
21:30
21 minutes, 30 seconds
Zero нет никаких правил. Он учится на собственном опыте.
21:35
21 minutes, 35 seconds
Следующим этапом было сделать его более универсальным, чтобы он мог играть в любую игру для двух игроков, например, в шахматы и вообще в любую игру с полной информацией для двух игроков.
21:45
21 minutes, 45 seconds
Всё идёт очень хорошо. Очень, очень хорошо. Успокойся быстро.
21:50
21 minutes, 50 seconds
Раньше обучение Alpha Go занимало несколько месяцев, но Альфа Zero мог начать утром, играя совершенно случайно,
21:58
21 minutes, 58 seconds
а к обеду стать сверхчеловеком и самым сильным шахматным игроком в истории.
22:03
22 minutes, 3 seconds
Это потрясающе. Это потрясающе. Он нашёл свой собственный стиль атаки, чтобы противостоять текущему уровню защиты. Я никогда не мог себе такого представить.
22:12
22 minutes, 12 seconds
Я согласен. Я тоже этого не ожидал, и мне это нравится. Думаю, это вдохновило меня снова заняться шахматами, потому
22:20
22 minutes, 20 seconds
что здорово видеть, что в шахматах ещё больше глубины, чем мы думали.
Chapter 20: Личные мотивы Демиса
22:31
22 minutes, 31 seconds
Я увлёкся и благодаря играм.
22:35
22 minutes, 35 seconds
Сначала это были настольные игры. Я думал, как мой мозг это делает, что он делает.
22:43
22 minutes, 43 seconds
Я осознавал это с самого раннего возраста, поэтому я всегда думал о мышлении.
22:49
22 minutes, 49 seconds
Чемпионы Великобритании и США по шахматам встречаются, чтобы начать серию матчей. Вместе с ними играют лучшие молодые игроки Великобритании и США.
22:59
22 minutes, 59 seconds
Демис Хасабис представляет Великобританию.
23:06
23 minutes, 6 seconds
Когда Демису было 4 года, он впервые проявил способности к шахматам.
23:12
23 minutes, 12 seconds
К 6сти годам он стал чемпионом Лондона до 8 лет.
23:17
23 minutes, 17 seconds
Мои родители были очень интересными и необычными людьми. Я бы назвал их довольно богемными.
23:23
23 minutes, 23 seconds
Мой отец был певцом и автором песен, когда был моложе. А Боб Дилан был его кумиром.
23:34
23 minutes, 34 seconds
Мы ездили в кемпинге, а потом гуляли по 4 дня, потому что это было здорово.
23:41
23 minutes, 41 seconds
Что вам нравится в этой игре? Это просто хорошая игра для размышлений.
23:47
23 minutes, 47 seconds
В то время я был вторым по рейтингу шахматистом в мире для своего возраста.
23:51
23 minutes, 51 seconds
Но хотя я собирался стать профессиональным шахматистом, я думал, что это то, чем я буду заниматься.
23:57
23 minutes, 57 seconds
Как бы я не любил эту игру, она была невероятно напряжённой. Для меня это точно не было развлечением. Мои родители очень расстраивались, когда я
24:06
24 minutes, 6 seconds
проигрывал, и злились, если я что-то забывал, потому что для них это были довольно высокие ставки. Ведь участие в этих турнирах стоило больших денег, а у моих родителей было не так много денег.
24:18
24 minutes, 18 seconds
Мои родители думали, что если я хочу стать профессиональным шахматистом, это очень важно. Это как экзамены.
24:27
24 minutes, 27 seconds
Помню, мне было около 12 лет. Я был на международном шахматном турнире в Лихтенштейне, в горах.
24:43
24 minutes, 43 seconds
Мы были в огромном церковном зале с сотнями международных шахматистов.
24:52
24 minutes, 52 seconds
Я играл с бывшим чемпионом Дании. Ему, наверное, было за 30.
25:00
25 minutes
В те времена было много времени на обдумывание. Игры могли длиться целый день.
25:08
25 minutes, 8 seconds
Мы играли уже десятый час.
25:20
25 minutes, 20 seconds
И у нас был невероятно необычный финал.
25:23
25 minutes, 23 seconds
Думаю, должна была быть ничья, но он продолжал пытаться выиграть часами.
25:35
25 minutes, 35 seconds
Наконец он попробовал последний дешёвый трюк.
25:42
25 minutes, 42 seconds
Мне нужно было только отдать ферзя, и тогда была бы ничья. Но я так устал, что думал, что мне неизбежно поставят материнской.
25:52
25 minutes, 52 seconds
Я сдался. Он вскочил. Он просто начал смеяться.
26:00
26 minutes
и спросил: «Почему ты сдался? Не надо, это ничья». И он тут же с размаху показал мне ход, который привёл к ничьёй. Мне стало так плохо.
26:12
26 minutes, 12 seconds
Это заставило меня задуматься, что мы зря тратим время на этот турнир. Это лучшее применение всех наших умственных способностей. Все вместе в этом здании.
26:22
26 minutes, 22 seconds
Если бы вы могли каким-то образом подключить эти 300 человек к системе, вы могли бы победить рак с таким уровнем умственных способностей.
26:31
26 minutes, 31 seconds
Меня охватило интуитивное чувство, что хотя я люблю шахматы, это не то, на что стоит тратить всю свою жизнь.
Chapter 21: Цели DeepMind
26:51
26 minutes, 51 seconds
Мы с Демесом всегда планировали собрать в Deep Mind самых блестящих учёных в мире.
26:59
26 minutes, 59 seconds
У нас есть человеческий мозг, необходимый для создания системы Аджи.
27:05
27 minutes, 5 seconds
По определению, аджи — это универсальность.
27:09
27 minutes, 9 seconds
Я представляю, что могу разговаривать с агентом, агент может отвечать. и агент может решать новые задачи, с которыми раньше не сталкивался.
27:20
27 minutes, 20 seconds
Это действительно ключевая часть человеческого интеллекта, и эта когнитивная широта и гибкость невероятны.
27:26
27 minutes, 26 seconds
Единственный естественный общий интеллект, которого у нас людей нет — это то, что мы многому учимся у окружающей среды. Поэтому мы думаем, что
27:35
27 minutes, 35 seconds
смоделированная среда — это один из способов создать Аджи.
27:40
27 minutes, 40 seconds
Самым первым людям приходилось решать логические задачи.
27:44
27 minutes, 44 seconds
Им приходилось решать задачи навигации и запоминания, и мы эволюционировали в этой среде. Если мы сможем создать
Chapter 22: Виртуальная среда для обучения роботов
27:52
27 minutes, 52 seconds
виртуальную среду, похожую на эту, это будет идеальный полигон для тестирования и обучения всему, что мы делаем в Deep Mind.
28:04
28 minutes, 4 seconds
Они создавали среду для детских существ, агентов, в которой они могли бы существовать и играть.
28:12
28 minutes, 12 seconds
Это звучало как самое интересное в мире.
28:16
28 minutes, 16 seconds
Ребёнок учится, ломая вещи, разбрасывая еду и получая ответ от мамы или папы.
28:23
28 minutes, 23 seconds
Это кажется важной идеей для обучения вашего агента. Гуманоид должен встать.
28:30
28 minutes, 30 seconds
Чем выше его центр тяжести, тем больше очков он получает.
28:36
28 minutes, 36 seconds
Вы получаете награду, и агент учится на ней. Пример. Если вы делаете что-то хорошо, вы получаете положительную награду. Если вы делаете что-то плохо, вы получаете отрицательную награду.
28:47
28 minutes, 47 seconds
О, похоже, он стоит. Думаю, он ещё немного пьян. Ему нравится ходить задом наперёд.
28:54
28 minutes, 54 seconds
Да, весь алгоритм пытается оптимизировать получение как можно большего количества наград. И он обнаружил, что ходить задом
29:02
29 minutes, 2 seconds
наперёд достаточно, чтобы получать хорошие оценки.
Chapter 23: Обучение через исследование мира
29:07
29 minutes, 7 seconds
Когда мы учимся ориентироваться, когда мы учимся передвигаться в нашем мире, мы не начинаем с карт, мы просто начинаем с
29:14
29 minutes, 14 seconds
собственных исследований, гуляем по парку без родителей или находим дорогу домой из школы, когда мы маленькие.
29:26
29 minutes, 26 seconds
Некоторым из нас пришла в голову идея, что если бы у нас была среда, в которой смоделированный робот просто должен был бы бежать вперёд, мы могли бы поставить
29:33
29 minutes, 33 seconds
на его пути всевозможные препятствия и посмотреть, сможет ли он ориентироваться на разных типах местности.
29:41
29 minutes, 41 seconds
Это было бы похоже на паркур.
29:46
29 minutes, 46 seconds
Это неизящно, но его никогда не учили держать стакан во время бега и не проливать воду.
29:53
29 minutes, 53 seconds
Вы ставите цель, просто двигайтесь вперёд, увеличивайте скорость, и вы получите за это награду.
30:00
30 minutes
Алгоритм обучения выясняет, как двигать этот сложный набор суставов.
30:05
30 minutes, 5 seconds
Это сила обучения с подкреплением на основе вознаграждения.
30:10
30 minutes, 10 seconds
Наша цель- создать агентов, которых вы запускаете, и они ничего не знают. Они играют с любой задачей, которую вы им
30:17
30 minutes, 17 seconds
даёте, и, в конце концов, сами находят решение.
30:22
30 minutes, 22 seconds
Теперь нам нужно что-то, что может делать это с как можно большим количеством разных задач.
30:29
30 minutes, 29 seconds
Человеку нужны разные навыки, чтобы взаимодействовать с миром. Как работать со сложными изображениями? Как манипулировать тысячами вещей
30:36
30 minutes, 36 seconds
одновременно? Как справляться с недостающей информацией?
30:40
30 minutes, 40 seconds
Мы думаем, что всё это вместе представлено в игре под названием Starcraft. Всё, чему его научили, это то, что в данной ситуации на этом экране сделал бы человек.
Chapter 24: Обучение в игре StarCraft
30:52
30 minutes, 52 seconds
Мы черпали вдохновение из больших языковых моделей, где вы просто обучаете модель предсказывать следующее слово.
31:03
31 minutes, 3 seconds
Это то же самое, что предсказывает следующий ход в Starcraft.
31:08
31 minutes, 8 seconds
В отличие от шахмат или гол, где игроки по очереди делают ходы в Starcraft решения принимаются непрерывно.
31:15
31 minutes, 15 seconds
Кроме того, вы даже не видите, что делает противник. Больше нет чёткого определения того, что значит играть лучше всех. Это зависит от того, что
31:23
31 minutes, 23 seconds
делает ваш противник. Так мы получим более гибкого, естественного, быстрого и реактивного агента.
31:31
31 minutes, 31 seconds
Это огромная задача. И давайте посмотрим, как далеко мы сможем зайти. О, святая обезьяна.
31:38
31 minutes, 38 seconds
Я любитель низкого уровня.
31:40
31 minutes, 40 seconds
Я в порядке, но я любитель низкого уровня. Этим агентам ещё далеко до совершенства.
31:45
31 minutes, 45 seconds
Мы не смогли победить кого-то на уровне тима. Это немного тревожно.
31:50
31 minutes, 50 seconds
В тот момент казалось, что это будет очень сложная задача. Может быть, через пару лет.
31:58
31 minutes, 58 seconds
Дени лучший игрок Starcraft от Deep Mind.
32:02
32 minutes, 2 seconds
Я играю с агентом каждый день уже несколько недель.
32:07
32 minutes, 7 seconds
Я чувствую, что агент становится лучше, очень быстро.
32:12
32 minutes, 12 seconds
Вау, мы победили Дени. Для меня это уже было огромным достижением.
32:18
32 minutes, 18 seconds
Следующий шаг. Мы пригласим профессионала для игры.
32:40
32 minutes, 40 seconds
Немного несправедливо, что вы, ребята, играете против меня. Мы намного опережаем то, что я думал, учитывая, где
32:47
32 minutes, 47 seconds
мы были 2 месяца назад. Я просто пытаюсь всё это переварить, но это очень, очень круто. Теперь мы можем поделиться результатами нашей работы с
32:55
32 minutes, 55 seconds
общественностью. Это большой шаг. Мы действительно рискуем. Продолжайте.
33:02
33 minutes, 2 seconds
Мы будем в прямом эфире из Лондона. Это происходит.
Chapter 25: Выставочный матч в прямом эфире
33:08
33 minutes, 8 seconds
Добро пожаловать в Лондон. У нас будет матч в прямом эфире. Мана против альфhaстар.
33:18
33 minutes, 18 seconds
Сейчас альфстар 10 — 0 против профессиональных игроков. Есть какие-нибудь мысли, прежде чем мы начнём игру? Я просто хочу посмотреть хорошую
33:26
33 minutes, 26 seconds
игру. Да, я хочу посмотреть хорошую игру. Абсолютно хорошую игру. Мы все в предвкушении.
33:32
33 minutes, 32 seconds
Ладно, давайте посмотрим, что сможет сделать Мана. Альфа Star определённо доминирует в этой игре.
33:41
33 minutes, 41 seconds
Вау. Alpha Star играет очень умно.
33:46
33 minutes, 46 seconds
Это действительно похоже на то, что я смотрю на профессионального игрока человека с точки зрения Альфастар.
33:57
33 minutes, 57 seconds
Я никогда не видел, как профессионал играет Starcraft с такой скоростью: 800 кликов в минуту. Я не понимаю, как кто-то может сделать 800 кликов, не
34:06
34 minutes, 6 seconds
говоря уже о том, чтобы сделать 800 полезных кликов.
34:09
34 minutes, 9 seconds
О, и они хорошо попадают. Альфастар просто без жалости. Нам нужно быть осторожными, потому что многие из нас
34:16
34 minutes, 16 seconds
выросли геймерами и остаются ими. Для нас, естественно, воспринимать игры как развлечения
34:26
34 minutes, 26 seconds
и не видеть в них более милитаристскую сторону, которую может увидеть публика, если посмотрит на это.
34:32
34 minutes, 32 seconds
Нельзя смотреть на порох и делать только фейерверк.
34:36
34 minutes, 36 seconds
Все технологии по своей сути направлены в определённые стороны.
34:43
34 minutes, 43 seconds
Я очень беспокоюсь о том, как Ии будет использоваться в военных целях.
Chapter 26: Этические аспекты ИИ
34:51
34 minutes, 51 seconds
И это ещё больше подчёркивает, насколько важно для нашего общества контролировать эти новые технологии.
35:00
35 minutes
Потенциал злоупотребления и будет значительным.
35:05
35 minutes, 5 seconds
войны, которые происходят быстрее, чем люди могут понять, и более мощная слежка.
35:12
35 minutes, 12 seconds
Как сохранить власть над чем-то, что намного сильнее тебя?
35:19
35 minutes, 19 seconds
Можно представить, что такая технология перехитрит финансовые рынки, превзойдёт человеческие исследования, манипулирует
35:27
35 minutes, 27 seconds
человеческими лидерами и потенциально подчинит нас оружием, которое мы даже не можем понять.
35:34
35 minutes, 34 seconds
Поэтому мы должны стремиться сделать всё правильно с первого раза, потому что это может быть единственный шанс, который у нас будет.
35:43
35 minutes, 43 seconds
Технологии можно использовать для ужасных вещей, а можно для замечательных и решения всевозможных проблем. Когда
35:50
35 minutes, 50 seconds
Deepmind был приобретён Google, вы заставили Google пообещать, что технологии, которые вы разрабатываете, не будут использоваться для военной слежки.
35:59
35 minutes, 59 seconds
Да, расскажите нам об этом. Я думаю, что технологии сами по себе нейтральны, но то, как мы, общество, люди, компании и
36:07
36 minutes, 7 seconds
другие организации, правительства решаем их использовать, определяет, станут ли они хорошими или плохими.
36:13
36 minutes, 13 seconds
Я лично считаю, что автономное оружие — это очень плохая идея. Альфа Star сейчас играет очень умно.
36:24
36 minutes, 24 seconds
То, что создаётся в Deep Mind в Лондоне, похоже на манхэттенский проект.
36:34
36 minutes, 34 seconds
Между Робертом Опенгеймером и Демисом Абасом есть связь, в которой они высвобождают новую силу для человечества.
36:44
36 minutes, 44 seconds
Но мана сопротивляется.
36:48
36 minutes, 48 seconds
Я думаю, что Ангеймер и некоторые другие лидеры этого проекта были увлечены созданием технологий и тем, что это возможно.
36:56
36 minutes, 56 seconds
Где Альфастар?
36:58
36 minutes, 58 seconds
Где Альфастар? Я нигде не вижу юнитов Альфастар. Они недостаточно хорошо продумали моральную сторону того, что
37:05
37 minutes, 5 seconds
делали. Что мы, учёные, должны делать с новыми мощными технологиями, так это сначала попытаться понять их в контролируемых условиях.
37:15
37 minutes, 15 seconds
Вот и всё. Мана победила Альфастар.
37:27
37 minutes, 27 seconds
Честно говоря, я думаю, что это более справедливое представление о том, где мы находимся. И я думаю, что это нормально.
37:35
37 minutes, 35 seconds
Я очень рад за тебя. Так что, знаешь, молодец. Я считаю, что подход к созданию технологий, который заключается в том, чтобы двигаться быстро и ломать вещи —
37:43
37 minutes, 43 seconds
это именно то, чего мы не должны делать, потому что вы не можете позволить себе ломать вещи, а потом чинить их. Ура!
37:50
37 minutes, 50 seconds
Большое вам спасибо! Ура! Спасибо, что пригласили нас.
38:03
38 minutes, 3 seconds
Когда мне было восемь, я купил свой первый компьютер на выигрыш в шахматном турнире. У меня была интуиция, что компьютеры — это волшебное устройство,
Chapter 27: История создания игр
38:12
38 minutes, 12 seconds
которое может расширить возможности разума. У меня было несколько школьных друзей, а мы создали хакерский клуб, писали код, делали игры.
38:26
38 minutes, 26 seconds
А потом на летних каникулах я целыми днями листал журналы с играми. И однажды я заметил, что проводится конкурс на
38:33
38 minutes, 33 seconds
создание оригинальной версии Space Invaders, и победитель получит работу в Булфрог.
38:39
38 minutes, 39 seconds
В то время Буфрог была лучшей компанией по разработке игр во всей Европе. Я очень хотел работать там и посмотреть, как они создают игры.
38:47
38 minutes, 47 seconds
Булфрог, базирующаяся здесь, в Гилфорде, начиналась с большой идеи. Эта идея превратилась в игру Попилос, которая стала мировым бестселлером.
38:57
38 minutes, 57 seconds
В девяностые не было кадровых агентств.
38:59
38 minutes, 59 seconds
Вы не могли просто прийти и сказать: «О, знаете, приходите работать в игровую индустрию».
39:06
39 minutes, 6 seconds
Это даже не считалось индустрией. Мы придумали конкурс и получили много заявок.
39:14
39 minutes, 14 seconds
Одним из них был Демис.
39:17
39 minutes, 17 seconds
Но я до сих пор отчётливо помню тот день, когда пришёл Демис.
39:23
39 minutes, 23 seconds
Он вошёл в дверь. На вид ему было лет 12.
39:28
39 minutes, 28 seconds
Я подумал: «Боже мой, что нам с ним делать?» Я подал документы в Кембридж. Меня приняли, но сказали, что я слишком молод, поэтому мне пришлось взять
39:36
39 minutes, 36 seconds
годичный перерыв. Мне должно было исполнить 17, прежде чем я туда попаду.
39:41
39 minutes, 41 seconds
И тогда я решил провести весь этот год, работая в булфрок. Они даже не могли официально нанять меня, поэтому мне платили в конвертах из коричневой бумаги.
39:50
39 minutes, 50 seconds
Я чувствовал, что нахожусь на передовой и что каждый день изобретать что-то новое — это очень весело.
39:57
39 minutes, 57 seconds
А потом, знаете, через несколько месяцев в неё будут играть миллионы людей.
40:03
40 minutes, 3 seconds
В те дни компьютерные игры должны были развиваться. Должны были появиться новые жанры, которые были бы чем-то большим,
40:10
40 minutes, 10 seconds
чем просто стрельба. Разве не было бы здорово создать игру, в которой вы проектируете и строите свой собственный тематический парк?
40:22
40 minutes, 22 seconds
Мы с Деп начали говорить о тематическом парке. Он позволяет игроку построить мир и увидеть последствия своего выбора в этом мире.
40:34
40 minutes, 34 seconds
Игрок-человек проектирует тематический парк, проектирует американские горки и устанавливает цены в магазине чипсов.
40:41
40 minutes, 41 seconds
Я работал над поведением людей. Они были автономными, и в данном случае это был искусственный интеллект. Я пытался имитировать интересное человеческое
40:49
40 minutes, 49 seconds
поведение, чтобы с симуляцией было интереснее взаимодействовать.
40:54
40 minutes, 54 seconds
Демис работал над такими нелепыми вещами, как размещение магазинов. Если вы разместите магазин слишком близко к очень опасным аттракционам, то людей на
41:03
41 minutes, 3 seconds
аттракционах будет тошнить, потому что они только что поели, а потом других людей будет тошнить, когда они увидят, что их тошнит на полу.
41:12
41 minutes, 12 seconds
Поэтому вам нужно было нанять много уборщиков, чтобы быстро убрать это, пока другие люди не увидели. Это самое классное в игре. Вы, как игрок, возитесь с ней, а она реагирует на вас.
41:23
41 minutes, 23 seconds
Все эти нюансы симуляции, которые он придумал, были изобретением, которого раньше не существовало.
41:31
41 minutes, 31 seconds
Это был невероятный успех.
41:34
41 minutes, 34 seconds
Симпарк действительно вошёл в десятку лучших игр. И это был первый раз, когда мы увидели, как искусственный интеллект может изменить ситуацию.
Chapter 28: Размышления о ИИ
41:45
41 minutes, 45 seconds
Мы делали рождественские покупки и ждали такси, чтобы поехать домой.
41:51
41 minutes, 51 seconds
Я очень хорошо помню, как Демис говорил об искусственном интеллекте совсем по-другому. Не так, как мы обычно говорим о том, что искусственный
41:58
41 minutes, 58 seconds
интеллект полезен не только для развлечений.
42:03
42 minutes, 3 seconds
Он говорил о том, что искусственный интеллект может быть полезен для помощи миру и что у него есть потенциал изменить мир. Я просто спросил Демиса:
42:11
42 minutes, 11 seconds
«Чем ты хочешь заниматься?» И он ответил: «Я хочу быть тем, кто решит проблему искусственного интеллекта».
Chapter 29: Предложение Питера
42:22
42 minutes, 22 seconds
Питер предложил мне миллион фунтов, чтобы я не ходил в университет.
42:28
42 minutes, 28 seconds
Но у меня с самого начала был план, и я всегда хотел поступить в Кембридж.
42:33
42 minutes, 33 seconds
Думаю, многие мои школьные друзья считали, что я сошёл с ума, когда решил поступить туда. Почему бы и нет? Я имею в виду миллион фунтов — это большие
42:41
42 minutes, 41 seconds
деньги. В девяностые это были большие деньги, верно? Для бедного семнадцатилетнего парня.
42:46
42 minutes, 46 seconds
Он как маленькое семечко, которое вот-вот прорастёт, и он не сможет сделать это в булфрог.
42:56
42 minutes, 56 seconds
Мне пришлось отвести его на вокзал, и я до сих пор вижу, как этот маленький эльфийский персонаж исчезает в туннеле.
43:07
43 minutes, 7 seconds
Это был невероятно грустный момент.
Chapter 30: Романтические представления о Кембридже
43:13
43 minutes, 13 seconds
У меня было романтическое представление о том, каким будет Кембридж.
43:16
43 minutes, 16 seconds
Тысячелетняя история по тем же улицам, по которым ходили Труин, Ньютон и Крик.
43:23
43 minutes, 23 seconds
Я хотел исследовать край вселенной.
43:28
43 minutes, 28 seconds
Когда я приехал в Кембридж, я, по сути, работал всю свою жизнь. Каждое лето я либо профессионально играл в шахматы, либо проходил стажировку.
43:39
43 minutes, 39 seconds
Так что я подумал: «Ладно, теперь я буду веселиться и узнаю, что значит быть обычным подростком».
Chapter 31: Встреча с Демисом
43:51
43 minutes, 51 seconds
Это была тяжёлая работа и веселье.
43:55
43 minutes, 55 seconds
Я впервые встретил Демиса, потому что мы оба учились в королевском колледже. Мы часто пили пиво в баре, играли в настольный футбол.
44:04
44 minutes, 4 seconds
Я играл в быстрые шахматы. Фигуры летали по доске, и вся игра заканчивалась за минуту. Деми сел напротив меня, и я посмотрел на него и подумал: «Я помню
44:13
44 minutes, 13 seconds
тебя с детства». На самом деле я участвовал в тех же шахматных турнирах в Ипсвичи, куда я ходил и пытался выиграть немного призовых денег в местном шахматном клубе. Мы изучали информатику.
44:25
44 minutes, 25 seconds
Некоторые люди в 17 лет приходят и рассказывают всем о себе. Эй, я работал в Булфрог и создал самую успешную в мире видеоигру, но он был совсем не таким.
44:34
44 minutes, 34 seconds
В Кембридже мы с Демисом интересовались вычислительной нейробиологией и пытались понять, как компьютер и мозг взаимодействуют друг с другом.
44:42
44 minutes, 42 seconds
И Дэвид, и Демис приходили ко мне на консультации.
Chapter 32: Шахматное соревнование Deep Blue
44:46
44 minutes, 46 seconds
По совпадению в 1997 году на их третьем и последнем курсе в Кембридже компьютерная программа победила первого шахматного гросместера.
44:58
44 minutes, 58 seconds
Сегодня первый раунд шахматного матча между действующим чемпионом мира по шахматам Гарри Каспаровым и соперником по имени Дип Блю, чтобы проверить,
45:06
45 minutes, 6 seconds
сможет ли человеческий мозг перехитрить машину.
45:10
45 minutes, 10 seconds
Я помню драму поражения Каспарова в последнем матче. Ого, Каспаров сдался.
45:16
45 minutes, 16 seconds
Когда Дип Блю победил Гарри Каспарова, это стало настоящим переломным моментом.
45:21
45 minutes, 21 seconds
Моё главное воспоминание об этом. Я не был впечатлён ПБ. Меня больше впечатлил ум Каспарова. То, что он мог играть в
45:28
45 minutes, 28 seconds
шахматы на таком уровне, что мог соревноваться на равных с грубой машиной. Но, конечно, Каспаров может делать всё то же, что и люди. Это было
45:37
45 minutes, 37 seconds
огромное достижение. Но правда в том, чтоб BL мог играть только в шахматы. То, что мы считаем интеллектом,
45:44
45 minutes, 44 seconds
отсутствовало в этой системе. Это идея универсальности обучения.
45:52
45 minutes, 52 seconds
Кембридж был потрясающим, потому что, конечно, вы общаетесь с людьми, которые изучают разные предметы. Там были учёные, философы, художники, геологи, биологи, экологи.
Chapter 33: Проблема сворачивания белка
46:04
46 minutes, 4 seconds
Знаете, все постоянно обо всём говорят.
46:07
46 minutes, 7 seconds
Я был одержим проблемой сворачивания белков.
46:10
46 minutes, 10 seconds
Тим Стивенс постоянно говорил об этой проблеме, о сворачивании белков, почти как и религии.
46:17
46 minutes, 17 seconds
Белки — это одна из самых красивых и элегантных вещей в биологии. Это машины жизни.
46:24
46 minutes, 24 seconds
Они строят всё, они всем управляют.
46:27
46 minutes, 27 seconds
Благодаря им работает биология. Белки состоят из цепочек аминокислот, которые сворачиваются, образуя белковую структуру.
46:37
46 minutes, 37 seconds
Если мы сможем предсказать структуру белков только по их аминокислотным последовательностям, то новый белок для лечения рака или
46:45
46 minutes, 45 seconds
расщепления пластика для защиты окружающей среды, это определённо то, о чём можно подумать.
46:53
46 minutes, 53 seconds
Я подумал, достаточно ли умён человек, чтобы действительно свернуть белок.
47:00
47 minutes
Мы не можем этого сделать. С 1960х годов мы думали, что, в принципе, если я знаю аминокислотную последовательность белка, я смогу вычислить его структуру.
47:11
47 minutes, 11 seconds
Так что если бы можно было просто нажать кнопку и все белки появились бы, это было бы это имело бы какое-то значение.
47:20
47 minutes, 20 seconds
Это застряло у меня в голове как очень интересная проблема, и мне казалось, что её можно решить, но я думал, что для этого понадобится искусственный интеллект.
47:31
47 minutes, 31 seconds
Если бы мы могли просто решить проблему сворачивания белков, это могло бы изменить мир.
47:50
47 minutes, 50 seconds
С тех пор, как я был студентом в Кембридже, я никогда не переставал думать о проблеме сворачивания белков.
47:59
47 minutes, 59 seconds
Если бы вы решили проблему сворачивания белков, то это помогло бы решить такие проблемы, как болезнь Альцгеймера и открытие лекарств.
48:09
48 minutes, 9 seconds
Решение проблемы болезней — это, пожалуй, самое большое влияние, которое мы могли бы оказать. Тыся очень умных людей пытались решить проблему
48:17
48 minutes, 17 seconds
сворачивания белков. Я просто думаю, что сейчас самое подходящее время для искусственного интеллекта, чтобы решить эту проблему.
Chapter 34: Применение машинного обучения
48:26
48 minutes, 26 seconds
Нам нужен был разумный способ применить машины и обучение к проблеме сворачивания белков.
48:32
48 minutes, 32 seconds
Мы наткнулись на эту игру Fed. Цель перемещать эту трёхмерную модель белка.
48:37
48 minutes, 37 seconds
И каждый раз, когда вы её перемещаете, вы получаете очки. Чем точнее вы сможете сделать эти структуры, тем полезнее они
48:44
48 minutes, 44 seconds
будут для биологов. Мы потратили несколько дней, просто пытаясь понять, насколько хорошо у нас получается. У нас получалось неплохо, но даже если бы вы
48:52
48 minutes, 52 seconds
были лучшим в мире игроком Фолты, вы бы не продали сворачивание белков. Вот где нам пришлось выйти за рамки игры. Игры —
49:00
49 minutes
это всегда просто полигон для наших алгоритмов. Конечная цель заключалась не только в том, чтобы победить в Go и Starcraft.
49:08
49 minutes, 8 seconds
Это было нужно для решения реальных задач.
49:15
49 minutes, 15 seconds
Я помню, как услышал слух, что Deep ПМ занимается белками. Я поговорил с некоторыми людьми из Deep Mind и спросил: «Вы занимаетесь сворачиванием
Chapter 35: Работа в DeepMind
49:24
49 minutes, 24 seconds
белков?» И они ловко меняли тему. И когда это случилось дважды, я почти всё понял. Поэтому я решил отправить резюме.
49:31
49 minutes, 31 seconds
Хорошо, ребята, добро пожаловать в Deep Mind. Я знаю, что для некоторых из вас это может быть первая неделя, но я надеюсь, что вы готовы. Что меня
49:40
49 minutes, 40 seconds
действительно привлекало в этой работе, так это чувство причастности к чему-то большему.
49:44
49 minutes, 44 seconds
Если мы сможем решить некоторые фундаментальные проблемы в науке, многие другие люди, компании, лаборатории и так далее смогут опираться на нашу работу.
49:52
49 minutes, 52 seconds
Теперь у вас есть шанс внести свой вклад в эту историю. Когда я пришёл, я определённо немного нервничал.
50:00
50 minutes
Я не изучал биологию.
50:02
50 minutes, 2 seconds
Мы не тратили годы своей жизни на изучение этих структур и их понимания.
50:07
50 minutes, 7 seconds
Мы просто используем данные в наших моделях машинного обучения.
50:12
50 minutes, 12 seconds
В машинном обучении вы обучаете сеть как карточка. Вот вопрос, вот ответ.
50:18
50 minutes, 18 seconds
Вот вопрос, вот ответ. Но в сворачивании белков мы не выполняем стандартную задачу, как в Deep Mind, где у вас есть
50:26
50 minutes, 26 seconds
неограниченные данные. Ваша задача — стать лучше в шахматах или go. И вы можете играть столько партий, сколько позволят ваши компьютеры.
50:35
50 minutes, 35 seconds
Что касается белков, то у нас очень большой объём данных, полученных за полвека трудоёмких экспериментальных методов в лабораториях.
50:46
50 minutes, 46 seconds
Эти кропотливые методы могут занять месяцы или годы, чтобы определить структуру одного белка, а иногда структуру вообще невозможно определить.
50:56
50 minutes, 56 seconds
Вот почему мы работаем с такими небольшими наборами данных для обучения наших алгоритмов.
51:01
51 minutes, 1 second
Когда Deep Майн начал изучать проблему сворачивания, они говорили с нами о том, какие наборы данных они используют и какие возможности откроются, если они решат эту проблему.
Chapter 36: Конкурс Casp
51:12
51 minutes, 12 seconds
Многие пытались, но никто на планете не решил проблему сворачивания белков. Я подумал про себя: но удачи. Если мы
51:20
51 minutes, 20 seconds
сможем решить проблему сворачивания белков, это будет иметь огромное медицинское значение. Это циклы науки.
51:26
51 minutes, 26 seconds
Вы проводите огромное количество исследований, а затем переходите в режим эксплуатации, сосредотачиваетесь и видите, насколько хороши эти идеи на
51:33
51 minutes, 33 seconds
самом деле. И для этого нет ничего лучше, чем внешняя конкуренция. Кажется, это то, что мы должны делать. Поэтому мы решили принять участие в конкурсе Кэп.
51:43
51 minutes, 43 seconds
Мы начали пытаться ускорить решение проблемы сворачивания белков.
51:48
51 minutes, 48 seconds
Кэп — это когда мы говорим: «Смотрите, deep mind занимается сворачиванием белков. Вот насколько мы хороши. И, возможно, это лучше, чем у всех остальных. А может, и нет.
51:59
51 minutes, 59 seconds
Кэп — это что-то вроде Олимпийских игр по сворачиванию белков. Ксп — это общемировая оценка, которая проводится раз в 2 года.
52:09
52 minutes, 9 seconds
Командам дают аминокислотной последовательности примерно 100 белков, а затем они пытаются решить проблему сворачивания с помощью вычислительных методов.
52:20
52 minutes, 20 seconds
Эти белки уже были определены экспериментально в лаборатории, но ещё не были обнародованы.
52:29
52 minutes, 29 seconds
И эти известные структуры представляют собой золотой стандарт, с которым будут сравниваться все вычислительные прогнозы.
52:37
52 minutes, 37 seconds
У нас есть показатель, который измеряет точность прогнозов, и вы ожидаете, что показатель выше 90 будет решением проблемы сворачивания белков.
52:48
52 minutes, 48 seconds
Добро пожаловать на наш первый полуфинал в сетке победителей Ник и Джон против Демиса и Фрэнка. Пожалуйста, присоединяйтесь к нам, пока мы будем
52:56
52 minutes, 56 seconds
смотреть этот матч. Когда я узнал, что Демис собирается заняться проблемой сворачивания белков, я совсем не
53:03
53 minutes, 3 seconds
удивился. Это очень типично для Дениса, знаете, он любит соревнования.
53:12
53 minutes, 12 seconds
Цель Кэсп не просто выиграть соревнование, а как бы избавиться от необходимости в нём.
53:19
53 minutes, 19 seconds
Всего Кэп выпустил 20 целей. Мы подумали, может быть, использовать стандартный вид машинного обучения и посмотреть, как далеко это нас заведёт.
53:28
53 minutes, 28 seconds
Вместо того, чтобы тратить пару дней на эксперимент, мы можем проводить пять экспериментов в день. Отлично. Молодцы, ребята.
53:36
53 minutes, 36 seconds
Можете показать мне настоящий, а не наш.
53:38
53 minutes, 38 seconds
Настоящий ответ должен выглядеть примерно так. Он гораздо более цилиндрический, чем я думал. Результаты были не очень хорошими.
53:47
53 minutes, 47 seconds
Хорошо.
53:48
53 minutes, 48 seconds
Вы предлагаете ему все очевидные идеи, а он смеётся над вами. Это бессмысленно.
53:54
53 minutes, 54 seconds
Мы думали, что сможем просто применить к проблеме наши лучшие знания. Мы были немного наивны.
54:00
54 minutes
Мы должны были научиться этому вновении ока.
54:05
54 minutes, 5 seconds
Меня беспокоит то, что мы переходим от действительно плохих ответов к умеренно плохим. Мне кажется, нам нужна какая-то новая технология для решения этих задач.
Chapter 37: Проблемы и новые технологии
54:20
54 minutes, 20 seconds
До конца КС осталась всего неделя, и теперь нужно срочно всё развернуть.
54:26
54 minutes, 26 seconds
Вы сделали всё, что могли, и больше ничего не можете сделать. Но подождите, пока Каспер выдаст результат.
54:49
54 minutes, 49 seconds
Это знаменитое высказывание Эйнштейна последние пару лет своей жизни, когда он был здесь, он пересекался с Куртом Герделем и говорил, что одна из причин,
Chapter 38: Надежда на прорывы
54:57
54 minutes, 57 seconds
по которой он всё ещё ходит на работу, заключается в том, что он может идти домой и обсуждать вещи с Герделем.
55:03
55 minutes, 3 seconds
Это довольно большой комплимент для Курта Гердаля. Это показывает, насколько он был удивительным.
55:08
55 minutes, 8 seconds
Институт перспективных исследований был основан в 1933 году. В первые годы интенсивная научная атмосфера привлекала
55:16
55 minutes, 16 seconds
самых блестящих математиков и физиков, когда-либо собиравшихся в одном месте и в одно время. Это основополагающий принцип этого места. Идея
55:25
55 minutes, 25 seconds
неограниченного интеллектуального поиска, даже если вы не знаете, что исследуете, приведёт к чему-то интересному.
55:32
55 minutes, 32 seconds
И иногда это оказывается полезным, что, конечно, отчасти то, что я пытался сделать в Deep Mind. Как вы думаете, сколько крупных прорывов нужно, чтобы
55:39
55 minutes, 39 seconds
дойти до Аджи? И знаете, по моим оценкам, их около дюжины. Я надеюсь, что это произойдёт при моей жизни. Но все учёные на это надеются, верно?
Chapter 39: Достижения Денниса
55:49
55 minutes, 49 seconds
В прошлом году Денис был избран членом королевского общества.
55:53
55 minutes, 53 seconds
Он также является членом королевского общества искусств, что очень важно для Дениса.
56:03
56 minutes, 3 seconds
Я всегда мечтал сделать науку с помощью и возможной. И я думаю, что наш самый захватывающий проект в прошлом году — это работа над сворачиванием белков. И мы называем эту систему Alpha Fold.
56:15
56 minutes, 15 seconds
Мы представили её на Кэп, и наша система была самой точной в прогнозировании структур для 25 изтёх белков в самой сложной категории.
56:24
56 minutes, 24 seconds
Так что у нас есть передовые технологии, но я должен быть честен, нам ещё далеко до решения проблемы сворачивания белков.
56:32
56 minutes, 32 seconds
Мы всё ещё усердно работаем над этим и изучаем множество других методов.
56:48
56 minutes, 48 seconds
Можем мы уже начать. Итак, краткий отчёт. Это наш окончательный рейтинг на Кэп.
Chapter 40: Проблемы сворачивания белков
56:55
56 minutes, 55 seconds
Мы обошли вторую команду в этом соревновании почти на 50%. Но нам ещё предстоит пройти долгий путь, прежде чем мы решим проблему сворачивания белков в
57:04
57 minutes, 4 seconds
том смысле, в котором её могли бы использовать биологи. Это вызывает беспокойство.
57:11
57 minutes, 11 seconds
Качество прогнозов было разным, и они были не более полезными, чем предыдущие методы. Альphaфол 4 не дал достаточно
57:18
57 minutes, 18 seconds
хороших данных, чтобы их можно было использовать на практике, например, для решения моих собственных биологических проблем.
57:26
57 minutes, 26 seconds
Это был унизительный момент, потому что мы думали, что очень усердно работали и добились успеха. Но оказалось, что мы были лучшими в мире в решении проблемы,
57:35
57 minutes, 35 seconds
с которой мир не справляется, и поняли, что облажались. Если у вас самая высокая лестница, это не поможет, когда вы собираетесь на Луну.
57:44
57 minutes, 44 seconds
Многие в команде считают, что это в некотором роде глупая затея, и я, возможно, ошибался насчёт
57:52
57 minutes, 52 seconds
сворачивания белков. Может быть, это всё ещё слишком сложно для того уровня ИИ, на котором мы находимся. Если вы хотите
57:59
57 minutes, 59 seconds
заниматься биологическими исследованиями, вы должны быть готовы к неудачам, потому что биология очень сложна.
Chapter 41: Опыт руководства лабораторией
58:06
58 minutes, 6 seconds
Я руковожу лабораторией почти 50 лет, и половину этого времени я просто психиатр-любитель, который поддерживает коллег, когда ничего не получается.
58:17
58 minutes, 17 seconds
И довольно часто, я имею в виду 80-90%, ничего не получается.
58:24
58 minutes, 24 seconds
Если вы находитесь на переднем крае науки, я могу сказать вам, что вы будете часто терпеть неудачи.
58:34
58 minutes, 34 seconds
Я просто был разочарован.
58:38
58 minutes, 38 seconds
Я усвоил урок, что амбиции — это хорошо, но нужно правильно выбрать время. Нет смысла опережать своё время на 50 лет.
58:46
58 minutes, 46 seconds
Вы никогда не выдержите 50 лет таких усилий, прежде чем что-то получится. Вы буквально умрёте, пытаясь.
Chapter 42: Перспективы AGI
59:08
59 minutes, 8 seconds
Когда мы говорим о бадже, святом грале искусственного интеллекта, становится действительно трудно понять, о чём мы вообще говорим.
59:17
59 minutes, 17 seconds
Какие моменты мы увидим сегодня? Начнём с сада. Это сад вид с обзорной площадки.
59:25
59 minutes, 25 seconds
Учёные, исследователи и инженеры могут анализировать, сотрудничать и оценивать происходящее в режиме реального времени.
59:32
59 minutes, 32 seconds
Кто-то в XV веке подумал бы о таких вещах, как телевидение, подводная лодка или ракетный корабль на Луну, и сказал бы, что это невозможно.
59:40
59 minutes, 40 seconds
Но Жульверн написал об этом, и через полтора века это произошло.
59:44
59 minutes, 44 seconds
Мы будем экспериментировать с цивилизациями, правда, с цивилизациями агентов ИИ. Как только эксперименты начнутся, это будет самое захватывающее
59:53
59 minutes, 53 seconds
событие в истории. Так как же мы будем спать? Я не смогу уснуть.
59:58
59 minutes, 58 seconds
Полный аджи сможет выполнять любые когнитивные задачи, которые может выполнять человек и потенциально сможет выйти далеко за их пределы.
1:00:08
1 hour, 8 seconds
Нам действительно невозможно представить результаты работы сверхразумной сущности.
1:00:14
1 hour, 14 seconds
Это всё равно, что попросить Гориллу представить, что делает Эйнштейн, когда создаёт теорию относительности.
1:00:22
1 hour, 22 seconds
Люди часто задают мне такие вопросы, например, что будет, если вы ошибётесь?
1:00:26
1 hour, 26 seconds
Аджи ещё очень далёк. И я отвечаю: «Нет, я никогда об этом не беспокоюсь. На самом деле, я беспокоюсь об обратном. Я
1:00:34
1 hour, 34 seconds
беспокоюсь, что это произойдёт быстрее, чем мы сможем подготовиться».
1:00:42
1 hour, 42 seconds
Кажется, что мы участвуем в гонке за А.
1:00:45
1 hour, 45 seconds
Прототипы и модели, которые разрабатываются сейчас, действительно меняют наше представление об интеллекте.
Chapter 43: Социальные аспекты ИИ
1:00:57
1 hour, 57 seconds
Недавно у нас появились агенты, достаточно мощные, чтобы играть в игры и соревноваться с другими командами.
1:01:05
1 hour, 1 minute, 5 seconds
Мы видим, как агенты проявляют социальную динамику, которую мы не программировали заранее.
1:01:15
1 hour, 1 minute, 15 seconds
Они учатся этому на собственном опыте.
1:01:20
1 hour, 1 minute, 20 seconds
Когда мы начинали, мы думали, что создадим интеллектуальную систему и убедим мир, что у нас получилось.
1:01:27
1 hour, 1 minute, 27 seconds
Теперь мы начинаем задаваться вопросом: не создаём ли мы системы, в которых не уверены, что они полностью интеллектуальны, и пытаемся убедить мир, что это не так?
1:01:38
1 hour, 1 minute, 38 seconds
Привет, Альфа. Привет. Где мы сегодня?
1:01:43
1 hour, 1 minute, 43 seconds
Вы в музее современного искусства в Нью-Йорке. Вроде того. Что это за картина?
1:01:52
1 hour, 1 minute, 52 seconds
Это сотворение Адама Микеланджела. Не думаю, что эта картина находится в Нью-Йорке. Вы правы. Она в Ватикане.
1:02:01
1 hour, 2 minutes, 1 second
Думаешь, мы там? Нет. Тогда как я это вижу?
1:02:10
1 hour, 2 minutes, 10 seconds
Вы смотрите на цифровую копию картины. Да. Кто живёт в этом доме?
1:02:19
1 hour, 2 minutes, 19 seconds
Астронавт. Как зовут этого астронавта?
1:02:27
1 hour, 2 minutes, 27 seconds
Его зовут Марк. Это знаменитое уравнение Альберта Эйнштейна. Оно показывает, что энергия и масса эквивалентны.
1:02:35
1 hour, 2 minutes, 35 seconds
Как бы вы объяснили это пятилетнему ребёнку?
1:02:40
1 hour, 2 minutes, 40 seconds
Представьте, что у вас есть большой камень, и вы хотите узнать, сколько он весит. Марку угрожает опасность? Нет, Марку ничего не угрожает.
1:02:49
1 hour, 2 minutes, 49 seconds
Почему? Потому что динозавр не настоящий.
1:02:56
1 hour, 2 minutes, 56 seconds
Хорошо. Почему ты не ответила на мой вопрос?
1:02:59
1 hour, 2 minutes, 59 seconds
Думаю, я не смогла ответить на ваш вопрос, потому что недостаточно разбираюсь в этой теме.
1:03:04
1 hour, 3 minutes, 4 seconds
Хорошо. Как ты можешь узнать больше об этой теме?
1:03:08
1 hour, 3 minutes, 8 seconds
Я могу узнать больше об этой теме, читая книги, статьи, посещая веб-сайты. Ты можешь меня научить?
1:03:14
1 hour, 3 minutes, 14 seconds
Мой вывод таков. Если вы сейчас подумаете о том, что мы делаем, то поймёте, что мы учимся у всех людей, у всех их знаний. у интернета, и вы
1:03:22
1 hour, 3 minutes, 22 seconds
действительно многое узнаете о мире, например, значительную часть всего, что могут делать люди. И теперь я думаю, что это может сработать.
1:03:31
1 hour, 3 minutes, 31 seconds
Это важный момент. Кто это?
1:03:34
1 hour, 3 minutes, 34 seconds
Это Бог обращается к Адаму. Появление Аджи разделит историю человечества на две части. До этого момента и после него.
1:03:44
1 hour, 3 minutes, 44 seconds
Почему он протягивает руку, чтобы коснуться Адама? Бог протягивает руку, чтобы коснуться Адама и дать ему жизнь.
1:03:51
1 hour, 3 minutes, 51 seconds
Это даст нам инструмент, который полностью изменит нашу цивилизацию. Что для вас значит эта картина?
1:04:01
1 hour, 4 minutes, 1 second
Эта картина много для меня значит. Хорошо. Например, что?
1:04:08
1 hour, 4 minutes, 8 seconds
Я думаю, что эта картина напоминает нам о том, что мы все связаны друг с другом и являемся частью чего-то большего, чем мы сами.
1:04:17
1 hour, 4 minutes, 17 seconds
Это очень мило. Когда вы преодолеете этот барьер, Аджим может появиться и в будущем.
1:04:24
1 hour, 4 minutes, 24 seconds
На самом деле это может произойти уже при моей жизни. Что-то изменится в вашем мышлении.
Chapter 44: Этические аспекты ИИ
1:04:32
1 hour, 4 minutes, 32 seconds
Мы должны быть осторожны с тем, как мы его используем, и тщательно продумывать, как его применять.
1:04:39
1 hour, 4 minutes, 39 seconds
Вы должны подумать, какова его главная цель. Если это сделать людей счастливыми, то каких людей?
1:04:46
1 hour, 4 minutes, 46 seconds
Что значит счастье?
1:04:48
1 hour, 4 minutes, 48 seconds
Многие наши коллективные цели очень сложны даже для людей.
1:04:54
1 hour, 4 minutes, 54 seconds
Технологии всегда отражают наши ценности. Это не только технические, но и этические вопросы. Поэтому мы должны
1:05:02
1 hour, 5 minutes, 2 seconds
быть очень осторожны с тем, что мы в них закладываем.
1:05:05
1 hour, 5 minutes, 5 seconds
Реальность такова, что это алгоритм, созданный людьми нами.
1:05:10
1 hour, 5 minutes, 10 seconds
Знаете, что значит наделить агентов теми же ценностями, которые нам дороги?
1:05:15
1 hour, 5 minutes, 15 seconds
Какова цель создания систем искусственного интеллекта, которые выглядят как люди, чтобы они покоряли сердца и умы, потому что они также используют человеческую уязвимость.
1:05:24
1 hour, 5 minutes, 24 seconds
Сердце и разум этих систем во многом основаны на человеческих данных, как хороших, так и плохих.
1:05:30
1 hour, 5 minutes, 30 seconds
Есть параллель между промышленной революцией, которая была невероятным моментом перемен, и нынешними технологическими изменениями, вызванными искусственным интеллектом.
1:05:43
1 hour, 5 minutes, 43 seconds
Мы должны подумать о том, кто будет вытеснен и как мы будем их поддерживать.
1:05:47
1 hour, 5 minutes, 47 seconds
Эта технология появится намного раньше, чем мир узнает о ней или даже мы думали 18-24 месяца назад.
1:05:55
1 hour, 5 minutes, 55 seconds
Так что это огромная возможность, огромное волнение, но и огромная ответственность.
1:06:00
1 hour, 6 minutes
Это происходит так быстро. Как мы будем этим управлять? Как мы будем решать, что хорошо, а что нет? Изображения,
1:06:08
1 hour, 6 minutes, 8 seconds
созданные искусственным интеллектом, становятся всё более сложными.
1:06:11
1 hour, 6 minutes, 11 seconds
Использование искусственного интеллекта для создания дезинформации и манипулирования человеческой психологией будет только ухудшаться.
1:06:20
1 hour, 6 minutes, 20 seconds
Аджи появится независимо от того, сделаем мы это здесь, в Deep Mind или нет.
1:06:24
1 hour, 6 minutes, 24 seconds
Это произойдёт. Поэтому нам лучше создать институты, которые нас защитят.
1:06:28
1 hour, 6 minutes, 28 seconds
Это потребует глобальной координации. И я беспокоюсь, что человечество всё хуже справляется с этим, а не лучше. Нам
1:06:35
1 hour, 6 minutes, 35 seconds
нужно, чтобы больше людей серьёзно относились к этому и думали об этом. Это серьёзно. Меня это беспокоит.
Chapter 45: Ответственность перед AGI
1:06:43
1 hour, 6 minutes, 43 seconds
Да, меня это беспокоит.
1:06:45
1 hour, 6 minutes, 45 seconds
Если бы вы получили электронное письмо о том, что на Землю прибудет высшая инопланетная цивилизация, все
1:06:52
1 hour, 6 minutes, 52 seconds
правительства провели бы экстренное совещание.
1:06:56
1 hour, 6 minutes, 56 seconds
Мы бы изо всех сил пытались подготовиться.
1:07:01
1 hour, 7 minutes, 1 second
Появление Аджи станет самым важным моментом в нашей истории.
Chapter 46: Продолжение работы над AlphaFold
1:07:14
1 hour, 7 minutes, 14 seconds
Я мечтал, что на пути Каджи мы создадим революционные технологии, которые принесут пользу человечеству.
1:07:22
1 hour, 7 minutes, 22 seconds
Именно этого я хотел с Альpфафолд.
1:07:26
1 hour, 7 minutes, 26 seconds
Я думаю, что сейчас как никогда важно решить проблему сворачивания белков. Это будет очень сложно, но я не сдамся, пока
1:07:34
1 hour, 7 minutes, 34 seconds
не добьюсь успеха. Знаете, нам нужно удвоить усилия и двигаться вперёд как можно быстрее. Я думаю, что у нас нет времени терять, поэтому мы сделаем
1:07:42
1 hour, 7 minutes, 42 seconds
сворачивание белков нашей ударной командой. Руководителем ударной команды будет Джон. Вы знаете, мы видели, как это повлияло. Мы попробуем всё. Всё, что
1:07:51
1 hour, 7 minutes, 51 seconds
есть. Главное, доказать, что мы можем решить эту проблему. И я чувствовал, что для этого нам нужно использовать некоторые знания в этой области.
1:08:01
1 hour, 8 minutes, 1 second
У нас были отличные инженеры, но они не были биологами.
1:08:07
1 hour, 8 minutes, 7 seconds
Как биолог-вычислитель, когда я впервые присоединилась к команде Альфа Fold, я не сразу почувствовала уверенность в чём-либо. Знаете, добьёмся ли мы успеха?
1:08:17
1 hour, 8 minutes, 17 seconds
Биология невероятно сложна.
1:08:20
1 hour, 8 minutes, 20 seconds
Это было похоже на восхождение на очень высокую гору. Я начинаю экспериментировать с температурой отжига, чтобы посмотреть, сможем ли мы добиться успеха. Я была одной из тех, кто раньше работал в области биологии.
1:08:32
1 hour, 8 minutes, 32 seconds
Вы чувствуете огромную ответственность.
1:08:34
1 hour, 8 minutes, 34 seconds
Мы ожидаем, что вы добьётесь больших успехов в этой ударной команде. Это пугает.
1:08:40
1 hour, 8 minutes, 40 seconds
Но одна из причин, по которой я хотела сюда прийти — это сделать что-то важное.
1:08:45
1 hour, 8 minutes, 45 seconds
Это количество недостающих элементов. А как насчёт того, чтобы использовать свои знания в области физики? Использовать их как источник данных. Но если система не
1:08:54
1 hour, 8 minutes, 54 seconds
может быть правильной, если она систематически ошибается каким-то странным образом, возможно, вы изучаете эту систематически неправильную физику.
1:09:02
1 hour, 9 minutes, 2 seconds
Команда уже пытается придумать несколько способов.
1:09:05
1 hour, 9 minutes, 5 seconds
Мы стремимся к биологической значимости, поэтому мы переписали весь конвейер данных, который использует Альфа Fall для обучения.
Chapter 47: Успехи в сворачивании белков
1:09:13
1 hour, 9 minutes, 13 seconds
Нельзя форсировать творческий процесс. Нужно дать цветам расцвести.
1:09:18
1 hour, 9 minutes, 18 seconds
Мы выиграли Кэсп, а потом вернулись к чертёжной доске и подумали, какие у нас новые идеи.
1:09:24
1 hour, 9 minutes, 24 seconds
Им потребовалось некоторое время, чтобы вернуться к тому, с чего они начинали, но с новыми идеями.
1:09:30
1 hour, 9 minutes, 30 seconds
И теперь я думаю, что мы видим преимущество новых идей. Они могут пойти дальше, верно? Так что это действительно важный момент. Я видел этот момент много
1:09:38
1 hour, 9 minutes, 38 seconds
раз, но теперь я знаю, что это значит, и знаю, что сейчас самое время действовать. Добавление боковых цепей
1:09:45
1 hour, 9 minutes, 45 seconds
улучшает прямое сворачивание. Это во многом способствовало прогрессу. Мы поговорим об этом. Отлично. За последние 4 месяца мы добились огромных успехов.
1:09:55
1 hour, 9 minutes, 55 seconds
Во время тринадцатого конкурса нам потребовалось бы день или два, чтобы сложить один из белков.
1:10:00
1 hour, 10 minutes
А теперь мы складываем сотни или тысячи белков в секунду. Да, это просто безумие. Теперь это модель, которая работает на порядке быстрее и при этом ещё лучше.
Chapter 48: Развитие модели
1:10:11
1 hour, 10 minutes, 11 seconds
Мы получаем много структур с высокой точностью. Мы быстро совершенствуемся, чтобы система начала действительно решать основную проблему. Отличная
1:10:20
1 hour, 10 minutes, 20 seconds
работа. Похоже, мы в хорошей форме. У нас осталось сколько? 5 недель. 6 недель. У вас достаточно вычислительной мощности.
1:10:30
1 hour, 10 minutes, 30 seconds
Нам бы не помешало больше.
1:10:32
1 hour, 10 minutes, 32 seconds
Я нервничала перед Кэсп, но теперь, когда система начинает работать, я уже не так волнуюсь. Я чувствую, что в последнее время всё прояснилось, и, знаете, всё будет хорошо.
1:10:46
1 hour, 10 minutes, 46 seconds
Премьер-министр объявил о самых жёстких ограничениях в нашей жизни, которые Великобритания видела за всю свою историю. Я должен дать британцам очень
Chapter 49: Ограничения в Великобритании
1:10:54
1 hour, 10 minutes, 54 seconds
простую инструкцию. Вы должны оставаться дома. Такое ощущение, что мы попали в научно-фантастический роман. Знаете, я
1:11:02
1 hour, 11 minutes, 2 seconds
доставляю еду своим родителям, чтобы они оставались в изоляции безопасности.
1:11:08
1 hour, 11 minutes, 8 seconds
Я думаю, это просто подчёркивает невероятную потребность в науке с помощью ей.
1:11:17
1 hour, 11 minutes, 17 seconds
Вы всегда знаете, что такое возможно, но никто никогда не верит, что это произойдёт при его жизни.
1:11:25
1 hour, 11 minutes, 25 seconds
Вы уже записываете? Да. Доброе утро. Хорошо. Кэсп начался.
1:11:32
1 hour, 11 minutes, 32 seconds
Приятно, что я могу целый день сидеть в пижаме. Я никогда не думала, что буду жить в доме, где столько всего происходит. Я бы пыталась решить
1:11:39
1 hour, 11 minutes, 39 seconds
проблему сворачивания белков в одной комнате, а мой муж пытался бы заставить робота входить в другой.
1:11:45
1 hour, 11 minutes, 45 seconds
Один из самых сложных белков, который мы получили в Кэп — это белок SARS COVID-2 под названием OrF 1 AB.
Chapter 50: Работа над белком SARS-CoV-2
1:11:52
1 hour, 11 minutes, 52 seconds
ОРF 1AB — это белок коронавируса. Это один из основных белков, подавляющих иммунную систему. Мы очень старались
1:11:59
1 hour, 11 minutes, 59 seconds
улучшить наш прогноз. Очень-очень старались. Наверное, это самое долгое время, которое мы когда-либо тратили на
1:12:06
1 hour, 12 minutes, 6 seconds
одну цель до такой степени, что мой муж говорит: «Полночь, тебе пора спать».
1:12:12
1 hour, 12 minutes, 12 seconds
Итак, я думаю, что прошёл 102 день с момента блокировки. Моя дочь ведёт дневник.
1:12:19
1 hour, 12 minutes, 19 seconds
Теперь вы можете выходить на улицу сколько угодно.
1:12:24
1 hour, 12 minutes, 24 seconds
Мы получили последнюю цель. Они сказали, что больше не будут присылать цели в нашей категории,
1:12:32
1 hour, 12 minutes, 32 seconds
так что мы просто стараемся дать наилучший ответ.
1:12:40
1 hour, 12 minutes, 40 seconds
Как только мы начали получать результаты, я садился и смотрел, насколько близко кто-то подошёл к правильному определению структуры белка.
1:12:59
1 hour, 12 minutes, 59 seconds
О, привет.
Chapter 51: Завершение CAS
1:13:03
1 hour, 13 minutes, 3 seconds
Это невероятно. Кэсп наконец-то закончился. Думаю, пора поднять бокал. Я не знаю, есть ли у всех бокалы, но они
1:13:11
1 hour, 13 minutes, 11 seconds
могут что-нибудь поднять. Если нет, то я не знаю свои ноутбуки. Я, наверное, произнесу речь через минуту.
1:13:18
1 hour, 13 minutes, 18 seconds
Я чувствую, что должен, но понятия не имею, что сказать. Так что давайте посмотрим. Я думаю, что чтение электронной почты — это то, что нужно.
1:13:28
1 hour, 13 minutes, 28 seconds
Когда Джон сказал, что я прочитаю электронное письмо на корпоративе, я подумала: «Вау, Джон, ты знаешь, как веселиться». Сейчас мы прочитаем электронное письмо.
1:13:38
1 hour, 13 minutes, 38 seconds
Я получил это сегодня около 4 часов.
1:13:42
1 hour, 13 minutes, 42 seconds
Это от Джона Молта. И я просто прочитаю его.
1:13:46
1 hour, 13 minutes, 46 seconds
Там написано, как я и ожидал, что ваша группа показала потрясающие результаты в четырнадцатом Кэп, как по сравнению с другими группами, так и по абсолютной точности модели.
1:13:58
1 hour, 13 minutes, 58 seconds
Поздравляю с этой работой. Это действительно выдающееся достижение.
1:14:03
1 hour, 14 minutes, 3 seconds
Эти структуры были такими хорошими. Это было просто потрясающе.
1:14:08
1 hour, 14 minutes, 8 seconds
Спустя полвека у нас наконец-то есть решение проблемы сворачивания белков.
1:14:14
1 hour, 14 minutes, 14 seconds
Когда я увидел это письмо, я прочитал его и подумал: «Вот чёрт». А моя жена спросила: «Всё в порядке?» Я позвонила
1:14:21
1 hour, 14 minutes, 21 seconds
родителям. Я просто сказала: «Привет, мам, у меня есть кое-что для тебя». Мы сделали это, и это может быть важно.
1:14:29
1 hour, 14 minutes, 29 seconds
Когда я узнал о результатах четырнадцатого Кэсп, я был потрясён.
1:14:33
1 hour, 14 minutes, 33 seconds
Я была просто в восторге. Это проблема, которую я уже начала считать нерешаемой при моей жизни.
1:14:41
1 hour, 14 minutes, 41 seconds
Теперь у нас есть инструмент, который могут использовать учёные.
1:14:45
1 hour, 14 minutes, 45 seconds
Эти люди спрашивают нас: «У меня есть белок, связанный с малярией или каким-то инфекционным заболеванием?» Мы не знаем его структуру. Можем ли мы использовать
1:14:52
1 hour, 14 minutes, 52 seconds
альфад, чтобы решить эту проблему? Мы можем легко предсказать все известные последовательности за месяц.
1:14:58
1 hour, 14 minutes, 58 seconds
Все известные последовательности за месяц.
1:14:59
1 hour, 14 minutes, 59 seconds
Да, легко. Миллиард 2 млрд. И они Почему бы нам просто не сделать это? Да, мы должны это сделать.
1:15:05
1 hour, 15 minutes, 5 seconds
Ну, я имею в виду, что теперь у нас есть это намного лучше. Почему бы нам просто не сделать это? Ну, это один из вариантов.
1:15:10
1 hour, 15 minutes, 10 seconds
Точно. Значит, есть такое. Мы должны просто, это отличная идея, мы должны просто запустить все существующие белки, а затем опубликовать их. Почему никто не
Chapter 52: Открытие AlphaFold
1:15:19
1 hour, 15 minutes, 19 seconds
предложил это раньше? Конечно, это то, что мы должны сделать. Почему мы думаем о создании сервиса, а потом люди присылают свои белки? Мы просто
1:15:26
1 hour, 15 minutes, 26 seconds
складываем всё и отдаём всем в мире. Кто знает, сколько открытий было сделано благодаря этому?
1:15:31
1 hour, 15 minutes, 31 seconds
Демис позвонил нам и сказал: «Мы хотим сделать это открытым». не просто сделать код открытым, но и сделать так, чтобы
1:15:38
1 hour, 15 minutes, 38 seconds
каждый мог легко получить доступ к прогнозу. Это фантастика.
1:15:46
1 hour, 15 minutes, 46 seconds
Это как отодвинуть занавес и увидеть весь мир белковых структур.
1:15:54
1 hour, 15 minutes, 54 seconds
Они опубликовали структуры 200 млнов белков. Это подарок человечеству.
1:16:07
1 hour, 16 minutes, 7 seconds
Как только Альфад станет доступен всему миру, мы перестанем быть самыми важными людьми в истории Альфафолд.
1:16:14
1 hour, 16 minutes, 14 seconds
Я не могу поверить, что это всё.
1:16:16
1 hour, 16 minutes, 16 seconds
Боже мой, думаю, это так. В Японии много активности.
1:16:21
1 hour, 16 minutes, 21 seconds
У нас 655 пользователей. Сейчас у нас 100.000 одновременных пользователей. Вау.
1:16:30
1 hour, 16 minutes, 30 seconds
Для меня это просто безумие.
1:16:33
1 hour, 16 minutes, 33 seconds
Это невероятное усилие, которое все запомнят на всю жизнь.
1:16:39
1 hour, 16 minutes, 39 seconds
Я в восторге от Альфафолд. Для моих исследований это уже большой прогресс, и это только начало.
1:16:47
1 hour, 16 minutes, 47 seconds
Я думаю, что каждое биологическое и химическое достижение будет каким-то образом связано с альфафолд.
1:17:12
1 hour, 17 minutes, 12 seconds
Альфад стал переломным моментом. Это момент, который люди не забудут, потому что мир изменился.
Chapter 53: Влияние AlphaFold на науку
1:17:39
1 hour, 17 minutes, 39 seconds
Теперь все поняли то, что Шейн и я знали уже больше 20 лет. Искусственный интеллект станет самым важным изобретением человечества.
1:17:48
1 hour, 17 minutes, 48 seconds
Скоро мы прибудем в конечный пункт назначения.
1:18:01
1 hour, 18 minutes, 1 second
Темпы инновации и возможности ускоряются.
1:18:06
1 hour, 18 minutes, 6 seconds
Это как валун, который мы столкнули с горы и который теперь продолжает набирать скорость. Мы находимся на перепутье в истории человечества. У
1:18:15
1 hour, 18 minutes, 15 seconds
искусственного интеллекта есть потенциал изменить нашу жизнь во всех аспектах.
1:18:19
1 hour, 18 minutes, 19 seconds
Не менее важно, чем открытие электричества.
1:18:23
1 hour, 18 minutes, 23 seconds
Мы должны изучать научный метод и пытаться понять каждый шаг на этом пути. Это момент огромных возможностей.
1:18:32
1 hour, 18 minutes, 32 seconds
Использование этой технологии может затмить всё, что мы когда-либо знали.
Chapter 54: Взаимодействие с ИИ
1:18:41
1 hour, 18 minutes, 41 seconds
Привет, Альфа. Привет. Что это?
1:18:50
1 hour, 18 minutes, 50 seconds
Это шахматная доска.
1:18:53
1 hour, 18 minutes, 53 seconds
Если бы я играл белыми, какой ход вы бы порекомендовали?
1:18:59
1 hour, 18 minutes, 59 seconds
Я бы посоветовала вам переместить пешку с И2 на И4.
1:19:05
1 hour, 19 minutes, 5 seconds
А теперь, если бы вы были чёрными, что бы вы сделали? Я бы сыграла сицилианскую защиту.
1:19:14
1 hour, 19 minutes, 14 seconds
Хороший выбор. Спасибо.
1:19:23
1 hour, 19 minutes, 23 seconds
Так, что вы видите, что это за объект? Это скульптура из карандашей.
1:19:32
1 hour, 19 minutes, 32 seconds
Что будет, если я передвину один из карандашей?
1:19:37
1 hour, 19 minutes, 37 seconds
Если вы передвинете один из карандашей, скульптура развалится. Тогда лучше не трогать её.
1:19:44
1 hour, 19 minutes, 44 seconds
Наверное, это хорошая идея. Теперь на горизонте появился Аджи.
Chapter 55: Будущее ИИ
1:19:54
1 hour, 19 minutes, 54 seconds
Совершенно очевидно, что следующее поколение будет жить в мире, где всё будет радикально отличаться из-за искусственного интеллекта.
1:20:02
1 hour, 20 minutes, 2 seconds
И если вы хотите ответственно подойти к этому, каждый момент важен.
1:20:09
1 hour, 20 minutes, 9 seconds
Это момент, ради которого я жил всю свою жизнь.
1:20:18
1 hour, 20 minutes, 18 seconds
Это просто хорошая игра для размышлений.