Li Feifei révèle l'orientation entrepreneuriale de « l'intelligence spatiale » : la visualisation se transforme en aperçu, la vue devient compréhension et la compréhension mène à l'action

Stanford Li Feifei a révélé le nouveau concept "intelligence spatiale" pour la première fois après avoir démarré sa propre entreprise.

Ce n'est pas seulement son orientation entrepreneuriale, mais aussi « l'Étoile du Nord » qui la guide. Elle la considère comme « la pièce clé du puzzle pour résoudre le problème de l'intelligence artificielle ».

La visualisation devient une vision ; voir devient une compréhension ; la compréhension mène à l'action.

Basé sur la conférence TED de 15 minutes de Li Feifei, entièrement ouverte au public, depuis l'origine de l'évolution de la vie il y a des centaines de millions d'années, jusqu'à la façon dont les humains ne sont pas satisfaits de ce la nature leur a donné et développer l'intelligence artificielle, pour savoir comment construire l'espace dans la prochaine étape intelligente.

Il y a neuf ans, sur la même scène, Li Feifei présentait au monde le nouveau ImageNet - l'un des points de départ de cette explosion d'apprentissage en profondeur.

Elle a elle-même encouragé les internautes : si regardez les deux vidéos, vous pouvez avoir une bonne compréhension de la vision par ordinateur, de l'intelligence spatiale et de l'IA au cours des 10 dernières années.

Maintenant, sans changer son sens originel, nous allons trier le contenu du discours de Li Feifei.

L'intelligence spatiale, permettant à l'IA de comprendre le monde réel

L'évolution de la vision biologique

Laissez-moi vous montrer quelque chose, pour être précis, je vais vous montrer "rien".

C'est le monde d'il y a 540 millions d'années. Des ténèbres pures et sans fin. Il ne fait pas nuit à cause du manque de lumière. Il fait sombre à cause du manque de vision.

Bien que la lumière du soleil puisse pénétrer jusqu'à 1 000 mètres sous la surface de l'océan et que la lumière des sources hydrothermales puisse également pénétrer jusqu'au fond de la mer, qui regorge de vie, il n'y a pas un seul œil dans ces eaux anciennes.

Pas de rétine, pas de cornée, pas de cristallin. Donc toute cette lumière, toute cette vie, reste invisible.

Il fut un temps où la notion de « voir » n'existait pas. On ne s'en était jamais rendu compte jusqu'à ce qu'il le soit.

Pour des raisons que nous commençons seulement à comprendre, les premiers organismes capables de détecter la lumière sont apparus : les trilobites. Ce sont les premières créatures capables de ressentir la réalité que nous tenons pour acquise. Ils furent les premiers êtres à découvrir qu'il existait autre chose qu'eux-mêmes.

Pour la première fois, le monde est rempli de plusieurs « moi ».

On pense que la capacité de voir a déclenché l’explosion cambrienne, une période au cours de laquelle les espèces animales sont entrées en grand nombre dans les archives fossiles. Ce qui commence comme une expérience passive, le simple fait de laisser entrer la lumière, devient bientôt plus actif et le système nerveux commence à évoluer.

La vision devient perspicacité. Voir devient compréhension. La compréhension mène à l’action.

Tout cela donne naissance à l’intelligence.

L'essor de la vision par ordinateur

Aujourd'hui, nous ne sommes plus satisfaits des capacités visuelles offertes par la nature. La curiosité nous pousse à créer des machines capables de voir au moins aussi bien que nous, sinon mieux.

Il y a neuf ans, sur cette scène, j'ai soumis un premier rapport d'étape sur la vision par ordinateur.

À cette époque, trois forces puissantes se sont réunies pour la première fois :

• Une classe d'algorithmes appelée réseaux de neurones
• Un matériel rapide et spécialisé appelé unité de traitement graphique, ou GPU
• Plus Big data , comme les 15 millions d'images que mon laboratoire a passé plusieurs années à organiser, appelé ImageNet.

Ensemble, ils ont inauguré l’ère moderne de l’intelligence artificielle.

Nous avons parcouru un long chemin depuis lors jusqu'à aujourd'hui.

Au début, le simple étiquetage des images constituait une avancée majeure, mais la vitesse et la précision de l'algorithme se sont rapidement améliorées.

Ces progrès sont mesurés dans le cadre du ImageNet Challenge annuel organisé par mon laboratoire. Dans ce graphique, vous pouvez voir l'amélioration des capacités du modèle chaque année, ainsi que certains des modèles marquants.

Nous sommes allés plus loin et avons créé des algorithmes capables de segmenter des objets visuels ou de prédire des relations dynamiques entre eux, travail réalisé par mes étudiants et collaborateurs.

Il y a plus.

Rappelez-vous le premier algorithme de vision par ordinateur que j'ai présenté dans mon dernier discours, l'IA peut décrire une photo en utilisant le langage naturel humain. C'est ce que j'ai fait avec mon brillant élève Andrej Karpathy.

A ce moment-là, j'ai dit avec audace : "Andrej, pouvons-nous faire en sorte que l'ordinateur fasse le contraire ?" Andrej a souri et a dit : "Haha, c'est impossible

Eh bien, comme tu l'as dit aujourd'hui, tu vois, c'est impossible." est devenu possible.

C’est grâce à une série de modèles de diffusion qui alimentent les algorithmes d’IA générative d’aujourd’hui, capables de transformer des mots-clés humains en photos et vidéos pour créer quelque chose d’entièrement nouveau.

Beaucoup d’entre vous ont récemment vu Sora d’OpenAI obtenir des résultats impressionnants. Cependant, il y a quelques mois, sans beaucoup de GPU, mes étudiants et collaborateurs ont développé un modèle de génération vidéo IA appelé Walt.

△Walt Publié en décembre 2023

Il y a place à amélioration ici, regardez les yeux de ce chat, il n'a jamais été mouillé sous les vagues, quel désastre~(cat-astrophe).

(Les mèmes homophoniques déduisent de l'argent !)

Intelligence spatiale : il ne suffit pas de voir

Le passé est un prologue, nous apprendrons de ces erreurs et créerons un avenir que nous imaginons. Dans cet avenir, nous voulons que l’IA fasse tout ce qu’elle peut pour faire des choses à notre place ou nous aider à faire des choses.

Je dis depuis des années que prendre des photos n'est pas la même chose que voir et comprendre. Aujourd’hui, je voudrais ajouter un point supplémentaire : il ne suffit pas de regarder.

Regardez, pour l'action et l'apprentissage.

Lorsque nous agissons dans l'espace et le temps 3D, nous apprenons, nous apprenons à mieux voir et à mieux faire les choses. La nature crée un cycle vertueux de vision et d’action grâce à « l’intelligence spatiale ».

Pour démontrer ce qu'est l'intelligence spatiale, jetez un œil à cette photo. Si vous ressentez le besoin de faire quelque chose, levez simplement la main.

En une fraction de seconde, votre cerveau observe la géométrie de cette tasse, sa position dans l'espace 3D, sa relation avec la table, le chat et tous les autres objets, et vous pouvez prédire ce qui va se passer ensuite.

L'envie d'agir est inhérente à toutes les créatures dotées d'une intelligence spatiale, qui relie la perception à l'action.

Si nous voulons que l’IA aille au-delà des capacités actuelles, nous voulons non seulement une IA capable de voir et de parler, nous voulons également une IA capable d’agir.

En fait, nous faisons des progrès passionnants.

La dernière étape importante en matière d'intelligence spatiale est apprendre aux ordinateurs à voir, apprendre, agir et apprendre à mieux voir et agir.

Et ce n’est pas facile.

La nature a passé des millions d'années à développer l'intelligence spatiale. Les yeux capturent la lumière et projettent des images 2D sur la rétine, et le cerveau convertit ces données en informations 3D.

Récemment, un groupe de chercheurs de Google a développé un algorithme pour convertir un ensemble de photos en un espace 3D.

Mes étudiants et collaborateurs sont allés plus loin et ont créé un algorithme qui transforme une seule image en une forme 3D.

Une équipe de chercheurs de l'Université du Michigan a trouvé un moyen de convertir des phrases en agencements de pièces en 3D.

Mon collègue de l'Université de Stanford et ses étudiants ont développé un algorithme capable de générer un espace infini de possibilités à partir d'une seule image que le spectateur peut explorer.

Ce sont des prototypes de possibilités futures. Grâce à cette possibilité, les humains peuvent transformer notre monde entier sous forme numérique et simuler sa richesse et sa subtilité.

Ce que la nature fait implicitement dans chacun de nos esprits, la technologie de l'intelligence spatiale promet de faire de même pour notre conscience collective.

Avec les progrès accélérés de l’intelligence spatiale, une nouvelle ère se déroule sous nos yeux dans ce cercle vertueux. Ce cycle catalyse l’apprentissage des robots, un élément clé de tout système d’intelligence incarnée qui doit comprendre et interagir avec le monde 3D.

Il y a dix ans, ImageNet de mon laboratoire a activé une base de données de millions de photos de haute qualité pour aider à entraîner la vision par ordinateur.

Aujourd'hui, nous faisons quelque chose de similaire,

entraîner des ordinateurs et des robots à agir dans un monde 3D.

Au lieu de collecter des images statiques cette fois, nous développons des environnements de simulation pilotés par des modèles spatiaux 3D afin que les ordinateurs puissent apprendre les possibilités infinies d'actions.

Ce que vous venez de voir est un petit exemple d'enseignement à nos robots, un projet mené par mon laboratoire appelé Behaviour.

Nous faisons également des progrès passionnants dans le domaine de l'intelligence robotique du langage.

En utilisant une saisie basée sur de grands modèles de langage, mes étudiants et collaborateurs sont l'une des premières équipes à démontrer qu'un bras robotique peut effectuer une variété de tâches basées sur des instructions verbales.

Comme ouvrir ce tiroir ou débrancher le cordon téléphonique. Ou préparez un sandwich avec du pain, de la laitue, des tomates ou placez même une serviette pour l'utilisateur. Normalement, j'aimerais un sandwich un peu plus consistant, mais c'est un bon point de départ.

Perspectives d'application de l'intelligence spatiale

Dans les océans primitifs des temps anciens, la capacité de voir et de ressentir l'environnement a déclenché l'explosion cambrienne de l'interaction avec d'autres formes de vie.

Aujourd’hui, cette lumière atteint la pensée numérique.

L'intelligence spatiale permet aux machines d'interagir non seulement entre elles, mais aussi avec les humains, et avec le monde 3D réel ou virtuel.

À mesure que cet avenir prend forme, il aura un impact profond sur de nombreuses vies.

Prenons l’exemple des soins de santé. Au cours de la dernière décennie, mon laboratoire a déployé des efforts initiaux pour appliquer l’IA aux défis qui ont un impact sur les résultats pour les patients et la fatigue du personnel de santé.

Avec des collaborateurs de Stanford Medicine et d'autres hôpitaux partenaires, nous testons des capteurs intelligents capables de détecter si un clinicien entre dans la chambre d'un patient sans se laver correctement les mains. Ou encore suivre les instruments chirurgicaux, ou alerter les équipes soignantes lorsqu'un patient présente un risque physique, comme une chute.

Nous considérons ces technologies comme une forme d'intelligence ambiante, comme

des yeux supplémentaires.

Mais je préfère avoir une aide plus interactive pour nos patients, cliniciens et soignants qui ont désespérément besoin d’une paire de mains supplémentaire.

Imaginez un robot autonome transportant des fournitures médicales pendant que les soignants se concentrent sur le patient, ou utilisant la réalité augmentée pour guider les chirurgiens à travers des procédures plus sûres, plus rapides et moins invasives.

Imaginez encore une fois que des patients gravement paralysés puissent contrôler des robots avec leurs pensées. C’est vrai, utiliser les ondes cérébrales pour effectuer les tâches quotidiennes que vous et moi tenons pour acquises.

Il s'agit d'une étude pilote récente menée dans mon laboratoire. Dans cette vidéo, un bras robotique, contrôlé uniquement par des signaux électriques provenant du cerveau, prépare un repas japonais sukiyaki. où les signaux sont collectés de manière non invasive via un capuchon EEG.

Il y a cinq cents millions d'années, l'émergence de la vision bouleversa le monde des ténèbres et déclencha le processus évolutif le plus profond : le développement de l'intelligence dans le monde animal.

Les progrès de l’IA au cours de la dernière décennie sont tout aussi étonnants. Mais je crois que le plein potentiel de cette explosion cambrienne numérique ne sera pas pleinement exploité tant que nous n’aurons pas doté les ordinateurs et les robots d’une intelligence spatiale, tout comme la nature l’a fait pour nous tous.

C’est une période passionnante pour apprendre à nos compagnons numériques à raisonner et à interagir avec ce magnifique espace 3D que nous appelons chez nous, tout en créant davantage de nouveaux mondes que nous pouvons explorer.

Réaliser cet avenir ne sera pas facile, cela nécessite que nous chacun réfléchissions profondément et développions une technologie qui place toujours l’humain au centre.

Mais si nous le faisons correctement, les ordinateurs et les robots alimentés par l'intelligence spatiale deviendront non seulement des outils utiles, mais aussi des partenaires de confiance, nous rendant plus productifs, renforçant notre humanité et améliorant nos vies tout en respectant la dignité de l'individu. prospérité collective.

L’avenir qui me passionne le plus est celui dans lequel l’IA devient plus sensible, plus perspicace et plus consciente de l’espace, et nous rejoint dans notre quête de création d’un monde meilleur.

(Texte intégral terminé)

Replay vidéo : https://www.ted.com/talks/fei_fei_li_with_spatial_intelligence_ai_will_understand_the_real_world/transcript

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!