Ακόμα ένα πολυ ωραίο βίντεο με εξαιρετικό περιεχόμενο. Επίσης μου αρέσει πολύ η μουσική και ο τρόπος που τα παρουσίασες όλα, δημιουργείς πολλα συναισθήματα. Παίρνω παράδειγμα από εσένα ώστε να βελτιώσω και εγώ την δουλειά μου. Σε ευχαριστώ.
Θεωρώ Σταύρο ότι κάπου εκεί βρίσκεται και ο σκοπός σας : το να μιλάτε για το αντικείμενο σας , για το αντικείμενο που γνωρίζετε καλά δηλαδή και να κάνετε όλους εμάς τους υπόλοιπους να σκεφτόμαστε Μέχρι τώρα μάλιστα τα καταφέρνετε άψογα
Νευρογλωσσολογικά και γλωσσολογικά μιλώντας υπάρχουν αρκετές ενδείξεις ότι ο άνθρωπος έχει αρκετά κοντινή στην μονάδα πιθανότητα να σκέφτεται την γλώσσα που μιλάει με μηχανισμό αντίστοιχο των κινεζικών δωματίων. Σίγουρα όλα τα θέματα του ανθρώπινου νου είναι αδύνατο να συζητηθούν με αυταπάτες βεβαιότητας και ανεπιφύλακτα ωστόσο η αυτοεικόνα που έχουμε ως είδος ότι δηλαδή έχουμε μια σκέψη με σημασία, μια βούληση με ελευθερία και μια ψυχή με αθανασία δεν φαίνεται να έχει κάποια στέρεη βάση
Υπάρχει δύο φορές το 3 στους αριθμούς που είπες να βάλουμε στην σειρά 😂. Όσο για το αν σκέφτονται ή αν νιώθουν οι μηχανές,η γνώμη μου είναι όχι και ούτε θα το κάνουν ποτέ, αλλά με το πέρασμα των χρόνων θα μάθουν να αντιγράφουν τις σκέψεις μας και τα συναισθήματα μας τόσο καλά που θα είναι σαν να είναι δικά τους.
Με "την σωστή σειρά" εννοώ την σειρά που αναγράφονται όμως, όχι την αριθμητική σειρά 😉 (άρα δεν μας πειράζει επανάληψη). Σίγουρα το να μιμηθούν τον τρόπο σκέψης και έκφρασης των ανθρώπων είναι πολύ πιο εφικτό και θα του δούμε να συμβαίνει τα επόμενα χρόνια.
Καταπληκτικό βίντεο όπως πάντα. Ακόμα και αν ξεφύγουμε από το άλυτο φιλοσοφικό επίπεδο και δούμε το πιο τεχνικό, η ακαδημαϊκή μου άποψη, που μπορεί να βγει λάθος την επόμενη Τετάρτη (:P) είναι πως έχω ήδη αρχίσει να ξύνουμε τα όρια του εφικτού με το deep learning. 10πλασίασε τις GPU, 100πλασίασε το training set και έχεις ένα CNN που εντοπίζει ελέφαντες με 1.2% μεγάλυτερη ακρίβεια. Την ίδια στιγμή, το μέσο δίχρονο βλέπει ΜΙΑ εικόνα από ελέφαντα, και είναι ικανό να εντοπίζει ελέφαντες με ακρίβεια 99.99999% είτε είναι κοντοί, ψηλοί, γέροι, νέοι, κόκκινοι, πράσινοι, σε κινούμενο σχέδιο, ζωγραφισμένοι σε σπηλιά στην Γαλλία από προϊστορικούς προγόνους , etc. Αυτό είναι μία βασική ποιοτική διαφορά μεταξύ ανθρώπου και μηχανής. Αυτή η ποιοτική διαφορά για να καλυφθεί ΜΑΛΛΟΝ όχι μόνο προϋποθέτει νέες τεχνικές που είναι στην σφαίρα της επιστημονικής φαντασίας τώρα, αλλά ίσως και νέα μαθηματικά που να υποστηρίζουν τέτοιο fuzzy reasoning. Για να έχουμε μία εικόνα, τα μαθηματικά που χρησιμοποιούμε τώρα έχουν παραχθεί το 18ο και 19ο αιώνα. Οπότε μάλλον έχουμε μέλλον.
Σε ευχαριστώ πολύ για το σχόλιο και για την ανάπτυξη. ( Προσπαθώ να αποφύγω κάποιο κακό αστείο για τον εντοπισμό του ελέφαντα στο δωμάτιο). Συμφωνώ πως με το να αυξάνουμε απλώς τα νούμερα σε resources και datasets δεν φαίνεται να βρίσκεται εκεί η λύση. Αλλά πάλι, αρκετές φορές που νομίζαμε στο παρελθόν ότι είχαμε πιάσει ταβάνι τα πράγματα πήραν διαφορετική τροπή. (Πχ στο σκάκι, το go κτλ).
@@TechtomeAboutit Σωστό, και εδώ ελπίζω να είμαστε και ελπίζω το σχόλιό μου να γίνει dated την επόμενη εβδομάδα. :) Σκάκι/Go/κλπ βέβαια φιλοσοφικά ανήκουν στα προβλήματα που το deep learning κάνει master: αρκετά καλώς ορισμένα, με συγκεκριμένη δομή, κανόνες, κλπ. Το αν μπορούν να γενικευτούν σε προβλήματα στον πραγματικό κόσμο (behavior prediction οδηγών/πεζών) είναι ίσως δομικό πρόβλημα λόγω περιορισμών του training set. Είναι ενδιαφέρουσα η αλλαγή νοοτροπίας ακόμα και των ερευνητών που ανέπτυξαν το deep learning κόντρα σε όλους. Ειδικά προτείνω αν θέλει να δει κανείς τις τελευταίες παρουσιάσεις του Yann LeCun όπου εξηγεί πολύ καλύτερα από τον καθένα κάποια fundamental endpoints στο σύγχρονο ΑΙ.
@@mariosx12 Ισχύει είναι πολύ εύστοχες οι παρατηρήσεις του LeCun. Και η κλίση του προς τα self supervised μοντέλα βγάζει νόημα αν θέλουμε να στραφούμε σε πιο γενικευμένες εφαρμογές. Και έχει και πολύ ενδιαφέρον η ανάλυση του για το πώς εμείς ως άνθρωποι είναι σαν να έχουμε ένα μοντέλο για το πώς λειτουργεί ο κόσμος και τους φυσικούς νόμους. Οπότε όταν προσπαθούμε να μάθουμε οποιοδήποτε skill ξεκινάμε με εντελώς διαφορετική βάση απ' ότι ένας υπολογιστής.
Πολύ ενδιαφέρον βίντεο. Κατά την άποψη μου θεωρώ δεν μπορούμε ακόμα να ξέρουμε το αν οι υπολογιστές είναι δυνατόν να σκεφτούν όπως οι άνθρωποι, διότι δεν έχουμε κατανοήσει πλήρως το πως λειτουργεί ένας ανθρώπινος εγκέφαλος. Αν όμως κάποτε καταφέρουμε να κατανοήσουμε πλήρως τον ανθρώπινο εγκέφαλο, τότες νομίζω δεν θα ήταν απίθανο να δημιουργήσουμε μια μηχανή που να δουλεύει παρόμοια με αυτόν.
![Μπορείτε Όλοι να Δοκιμάσετε A.I. Εφαρμογές... Σήμερα! [Democratizing A.I.]](/img/n.gif)
Ακόμα ένα πολυ ωραίο βίντεο με εξαιρετικό περιεχόμενο. Επίσης μου αρέσει πολύ η μουσική και ο τρόπος που τα παρουσίασες όλα, δημιουργείς πολλα συναισθήματα. Παίρνω παράδειγμα από εσένα ώστε να βελτιώσω και εγώ την δουλειά μου. Σε ευχαριστώ.
Δεν ξέρω αν οι μηχανές μπορούν να σκεφτούν, αυτό που ξέρω είναι ότι το βίντεο έκανε εμένα να σκεφτώ. Μπράβο και πάλι Φώτη!!
Σε ευχαριστώ πάρα πολύ Σταύρο!
Θεωρώ Σταύρο ότι κάπου εκεί βρίσκεται και ο σκοπός σας : το να μιλάτε για το αντικείμενο σας , για το αντικείμενο που γνωρίζετε καλά δηλαδή και να κάνετε όλους εμάς τους υπόλοιπους να σκεφτόμαστε
Μέχρι τώρα μάλιστα τα καταφέρνετε άψογα
Πολύ καλή δουλειά! Χαίρομαι που συνεργαστήκαμε!
Γνωρίζουμε πια ότι είσαι σταθερή αξία Οπότε Μπράβο σου για ακόμα μία φορά Φώτη και Μπράβο και στον πιτσιρίκο από το Μάλεμε είναι πολύ καλός
Πολύ ωραίο και προσεγμένο βίντεο που σου τραβάει την προσοχή και σε βάζει σε σκέψεις που ούτε καν είχες φανταστεί. Συγχαρητήρια Φώτη!
Μπράβο ! Πολύ ωραίο βίντεο, ότι χρειαζόταν για αυτό το βίντεο πιστεύω συμπεριλήφθηκε !
Σε ευχαριστούμε πολύ!
Τρομερο βιντεο συγχαρητηρια !
Εξαιρετικό!! Ευχαριστούμε!! Θα ήμουν υπερβολικός να ζητούσα ένα τεχνολογικό podcast στα ελληνικά?!
Σε ευχαριστώ! Δεν θα ήταν άσχημη ιδέα, αλλά δεν βλέπω κάτι στα άμεσα σχέδια λόγω χρόνου
Πολύ καλή ανάλυση του θέματος με ενδιαφέρουσες ιστορικές αναφορές.
Μια άψογη προσέγγιση στο θέμα μπράβο
συγχαρητήρια για τα βίντεό σου.Ευχαριστούμε.
Νευρογλωσσολογικά και γλωσσολογικά μιλώντας υπάρχουν αρκετές ενδείξεις ότι ο άνθρωπος έχει αρκετά κοντινή στην μονάδα πιθανότητα να σκέφτεται την γλώσσα που μιλάει με μηχανισμό αντίστοιχο των κινεζικών δωματίων. Σίγουρα όλα τα θέματα του ανθρώπινου νου είναι αδύνατο να συζητηθούν με αυταπάτες βεβαιότητας και ανεπιφύλακτα ωστόσο η αυτοεικόνα που έχουμε ως είδος ότι δηλαδή έχουμε μια σκέψη με σημασία, μια βούληση με ελευθερία και μια ψυχή με αθανασία δεν φαίνεται να έχει κάποια στέρεη βάση
Υπάρχει δύο φορές το 3 στους αριθμούς που είπες να βάλουμε στην σειρά 😂. Όσο για το αν σκέφτονται ή αν νιώθουν οι μηχανές,η γνώμη μου είναι όχι και ούτε θα το κάνουν ποτέ, αλλά με το πέρασμα των χρόνων θα μάθουν να αντιγράφουν τις σκέψεις μας και τα συναισθήματα μας τόσο καλά που θα είναι σαν να είναι δικά τους.
Με "την σωστή σειρά" εννοώ την σειρά που αναγράφονται όμως, όχι την αριθμητική σειρά 😉 (άρα δεν μας πειράζει επανάληψη). Σίγουρα το να μιμηθούν τον τρόπο σκέψης και έκφρασης των ανθρώπων είναι πολύ πιο εφικτό και θα του δούμε να συμβαίνει τα επόμενα χρόνια.
Hello mate! Been watching your videos and you just seem to be so genuine and great with it. Is there any other way to contact you?
Για άλλη μία φορά Φώτη, εκπληκτικός!
Σε ευχαριστώ πολύ Μίλτο!
Cogito, ergo sum. Σκέφτομαι, άρα υπάρχω.
Καταπληκτικό βίντεο όπως πάντα.
Ακόμα και αν ξεφύγουμε από το άλυτο φιλοσοφικό επίπεδο και δούμε το πιο τεχνικό, η ακαδημαϊκή μου άποψη, που μπορεί να βγει λάθος την επόμενη Τετάρτη (:P) είναι πως έχω ήδη αρχίσει να ξύνουμε τα όρια του εφικτού με το deep learning. 10πλασίασε τις GPU, 100πλασίασε το training set και έχεις ένα CNN που εντοπίζει ελέφαντες με 1.2% μεγάλυτερη ακρίβεια. Την ίδια στιγμή, το μέσο δίχρονο βλέπει ΜΙΑ εικόνα από ελέφαντα, και είναι ικανό να εντοπίζει ελέφαντες με ακρίβεια 99.99999% είτε είναι κοντοί, ψηλοί, γέροι, νέοι, κόκκινοι, πράσινοι, σε κινούμενο σχέδιο, ζωγραφισμένοι σε σπηλιά στην Γαλλία από προϊστορικούς προγόνους , etc.
Αυτό είναι μία βασική ποιοτική διαφορά μεταξύ ανθρώπου και μηχανής. Αυτή η ποιοτική διαφορά για να καλυφθεί ΜΑΛΛΟΝ όχι μόνο προϋποθέτει νέες τεχνικές που είναι στην σφαίρα της επιστημονικής φαντασίας τώρα, αλλά ίσως και νέα μαθηματικά που να υποστηρίζουν τέτοιο fuzzy reasoning. Για να έχουμε μία εικόνα, τα μαθηματικά που χρησιμοποιούμε τώρα έχουν παραχθεί το 18ο και 19ο αιώνα. Οπότε μάλλον έχουμε μέλλον.
Σε ευχαριστώ πολύ για το σχόλιο και για την ανάπτυξη.
( Προσπαθώ να αποφύγω κάποιο κακό αστείο για τον εντοπισμό του ελέφαντα στο δωμάτιο).
Συμφωνώ πως με το να αυξάνουμε απλώς τα νούμερα σε resources και datasets δεν φαίνεται να βρίσκεται εκεί η λύση. Αλλά πάλι, αρκετές φορές που νομίζαμε στο παρελθόν ότι είχαμε πιάσει ταβάνι τα πράγματα πήραν διαφορετική τροπή. (Πχ στο σκάκι, το go κτλ).
@@TechtomeAboutit Σωστό, και εδώ ελπίζω να είμαστε και ελπίζω το σχόλιό μου να γίνει dated την επόμενη εβδομάδα. :)
Σκάκι/Go/κλπ βέβαια φιλοσοφικά ανήκουν στα προβλήματα που το deep learning κάνει master: αρκετά καλώς ορισμένα, με συγκεκριμένη δομή, κανόνες, κλπ. Το αν μπορούν να γενικευτούν σε προβλήματα στον πραγματικό κόσμο (behavior prediction οδηγών/πεζών) είναι ίσως δομικό πρόβλημα λόγω περιορισμών του training set. Είναι ενδιαφέρουσα η αλλαγή νοοτροπίας ακόμα και των ερευνητών που ανέπτυξαν το deep learning κόντρα σε όλους. Ειδικά προτείνω αν θέλει να δει κανείς τις τελευταίες παρουσιάσεις του Yann LeCun όπου εξηγεί πολύ καλύτερα από τον καθένα κάποια fundamental endpoints στο σύγχρονο ΑΙ.
@@mariosx12 Ισχύει είναι πολύ εύστοχες οι παρατηρήσεις του LeCun. Και η κλίση του προς τα self supervised μοντέλα βγάζει νόημα αν θέλουμε να στραφούμε σε πιο γενικευμένες εφαρμογές.
Και έχει και πολύ ενδιαφέρον η ανάλυση του για το πώς εμείς ως άνθρωποι είναι σαν να έχουμε ένα μοντέλο για το πώς λειτουργεί ο κόσμος και τους φυσικούς νόμους. Οπότε όταν προσπαθούμε να μάθουμε οποιοδήποτε skill ξεκινάμε με εντελώς διαφορετική βάση απ' ότι ένας υπολογιστής.
👍
Πάρα πολύ ωραίο βίντεο, όπως πάντα!
Ουτοπία δεν είναι να νομίζεις ότι τίποτα δεν μπορεί να αλλάξει αλλά ότι όλα θα παραμείνουν ίδια.
Πολύ ενδιαφέρον βίντεο. Κατά την άποψη μου θεωρώ δεν μπορούμε ακόμα να ξέρουμε το αν οι υπολογιστές είναι δυνατόν να σκεφτούν όπως οι άνθρωποι, διότι δεν έχουμε κατανοήσει πλήρως το πως λειτουργεί ένας ανθρώπινος εγκέφαλος. Αν όμως κάποτε καταφέρουμε να κατανοήσουμε πλήρως τον ανθρώπινο εγκέφαλο, τότες νομίζω δεν θα ήταν απίθανο να δημιουργήσουμε μια μηχανή που να δουλεύει παρόμοια με αυτόν.
Οι τελευταίες μαθηματικές πράξεις θα καταργήσουν τα ίδια τα μαθηματικά στο κοντινό μέλλον αν θελήσω η στο πιο μακρινό.