[nhạc] Ok đưa ra quan điểm lịch sử về học máy của bạn. Bạn nói tôi già rồi đúng không? Tôi đang nói bạn già. Luôn là vậy mà. [cười] tôi đang băn khoăn liệu bạn có thể cho tôi một số quan điểm về lên trong tương lai. Vâng, hãy nói về hiện tại. Vâng [cười] tôi sẽ chấp nhận điều đó, chúng ta có thể nói về hiện tại. Anh ấy luôn làm mọi thứ rất lâu và rất chi tiết. Hãy chỉ nói về hiện tại. Chúng ta sẽ nói về tương lại, đừng lo. [cười] ở đây chúng ta có, hiện tại. Trạng thái của học máy là gì? Carlos? Tôi rất vui về học máy hôm nay, thực lòng. Đã cũ rồi, bạn làm việc trong học máy một khoảng thời gian dài. Nhưng ngày nay mỗi lần tôi ở ứng dụng web, nó sử dụng học máy bên trong nó. Và điều đó khá tuyệt. Tôi bỏ ra khỏi điện thoại của tôi, điện thoại của tôi đâu rồi? Bạn luôn mang điện thoại bên mình mà. Tôi thực sự không thấy điện thoại của tôi. Cô ấy luôn mang theo điện thoại. Dù sao khi nào bạn bỏ ra khỏi điện thoại của bạn, mỗi lần bạn sử dụng nó, có một hệ thống sử dụng học máy bên trong đám mây hỗ trợ nó. Điều đó khá thú vị. Và với các thiết bị, hãy kiểm tra điều này. Tôi có đồng hồ này. Nó là chiếc đồng hồ tuyệt vời cái mà theo dõi hoạt động của tôi, biết khi nào tôi đang chạy, khi nào tôi đạp xe Biết khi anh ấy ngủ hoặc không ngủ. Luôn luôn tranh luận ai là người ít ngủ với con? [cười] yeah đó là một chiếc đồng hồ tuyệt vời. Và dưới của những điều này, nó sử dụng học máy. Chúng ta thấy sức mạnh của học máy một lần nữa và một lần nữa được sử dụng ngày nay. Nhưng tôi nghĩ chúng ta có thể tìm hiểu phần nổi của cái học máy có thể làm. Bạn thấy học máy hoạt động ở đâu trong tương lai? Bạn nói với tôi. Tôi thấy nó hoạt động ở đâu? Tôi biết nhiều cách sẽ hữu ích cho Carlos. Một thực tế là anh ấy ghét lái xe. Vì thế tất nhiên có một chiếc xe thông minh này nó tự lái. Chúng cũng thông minh. Chúng thông minh phải không? Chúng khá thông minh tôi đoán vậy. Nó là xe tự lái. Một chiếc xe thông minh là một thương hiệu. Đó không phải ý tôi, tôi không có ý là những chiếc xe nhỏ này. Ý tôi là những chiếc xe thông thường chúng tự lái. Điều đó thực sự rất hữu ích với tôi bởi vì tôi không thích lái xe. Tôi chỉ thích đạp xe. Và vì thế tôi cần xe đạp tự lái. Không, tôi thích lái xe đạp. Đó là khi bạn thực sự già. [cười] vì thế tôi sẽ nói về điều đó. Nhưng khi tôi nói tôi già, tôi nghĩ đến cách học máy có thể có tác động đến y học cá nhân. Và câu hỏi ở đây là tại sao khi tôi đi tới gặp bác sĩ để chưa bệnh, sự chữa trị mà Emily có giống như sự chữa trị của tôi. ý tôi là chúng tôi là hai người có phong cách sống khác nhau, với cơ thể khác nhau như bạn có thể thấy. Và với thuốc, chúng tôi có sự chữa trị giống nhau. Điều đó không có ý nghĩa. Sự chữa trị cần được cá nhân hóa với tôi, cái tôi làm, DNA của tôi là gì. Và với học máy chúng ta sẽ có thể làm điều đó. Nó thực sự khá thú vị, tôi rất vui. Điều đó thật tích cực, thật tốt. Nó thật tuyệt nhưng khó! Nó thực sự, thực sự khó để làm điều này. Dữ liệu nhiễu bởi vì các bác sĩ người mà lấy các hồ sơ tạo ra các ghi chú về tình trạng sức khỏe của Carlos so với của tôi. Và sau đó có nhiều dữ liệu bị mất bởi vì có thể Carlos đã bỏ qua kiểm tra lần cuối hoặc bắc sĩ quên enter gì đó. Hoặc có thể bác sĩ đặt một số thứ dưới các mục khác nhau khi họ làm cho tôi. Và vì thế các thuật toán học máy sẽ có thể phải phân tích cú pháp phưc tạp và dữ liệu để làm các loại y học cá nhân. Điều này tôi nghĩ là có thể. Tôi nghĩ nó thực sự rất hay nhưng nó khó. Tất cả những thứ khác chúng ta đang nói đến từ những chiếc xe tự lái cái mà chúng ta đang thấy trong thực tế tới y học cá nhân. Nó là những điều khó. Nhưng trong tương lai, nó rất có khả năng, thế giới sẽ được cá nhân hóa với tôi. Bạn biết ý tôi là gì không? Mục tiêu lớn nhất của mọi thứ với Carlos. Với tôi và với Emily. Cô ấy có thể có thể giới của cô ấy. Ngày hôm nay khi chúng ta vào trang web và chúng ta mua mọi thứ, chúng ta phải đi qua các trải nghiệm tương tự. Nhưng khi thế giới trở nên thông minh hơn, dữ liệu được thu thập nhiều hơn, chúng ta đưa ra những thuật toán này cái mà làm khỏe lại tất cả các dữ liệu bị nhiễu, chúng ta sẽ có sự trải nghiệm độc đáo, mang phong cách riêng. Và chúng ta sẽ không chịu đựng nhiều từ công nghệ. Công nghệ sẽ đáp ứng chúng ta những thứ siêu thú vị. Tôi đồng ý, tôi nghĩ đó là một mục đích rất tuyệt vời. Và tôi nghĩ răng đó là một trong những sự hướng dẫn mà học máy sẽ làm. Nhưng tôi nghĩ cái gì đó thực sự hay là làm những thứ chúng ta có thể làm ngay bây giờ. Nhưng làm chúng như dữ liệu đang đến, trong thời gian thực với các loại bộ dữ liệu phức tạp và đặt tất cả thông tin này với nhau. Có thể nó thậm chí vẫn tư vấn các sản phẩm, cái gì đó chúng ta đã làm trước đó nhưng với lọa dữ liệu khác. Một lần nữa trong loại thiết lập nhanh chóng này nhận phản hồi và kết hợp để tạo ra các loại dự đoán. Yeah, xử lí dữ liệu tạm thời đó là chủ đề ở đây cũng như dữ liệu định vị. Tất cả các loại bộ dữ liệu khác nhau, hình ảnh, video, audio, dữ liệu cảm biến, kết hợp tất cả các nguồn dữ liệu trong thời gian thực là một trong những thách thức lớn. Và cái mà tôi thích là có nhiều hoạt động học máy và nhiều thuật toán được phát triển đển giải quyết sự nhầm lẫn của các loại dữ liệu khác nhau. Đó là một chủ đề thú vị để thực hiện ngay bây giờ. Chăc chắn vậy. >> Dĩ nhiên. Chúng tôi hi vọng rằng điều đó gây hứng thứ cho bạn. Nó rất thú vị. Tất nhiên các phương pháp mà chúng ta phát triển phải thực hiện các tập dữ liệu khổng lồ mà chungst a đang nói đến, các loại dữ liệu khác nhau. Có thể rất hữu ích khi chúng ta phân tích dữ liệu. Thực sự nó không đòi hỏi một tiến sĩ trong học máy có thể truy cập các hệ thống và có thể sử dụng nó. Một phần thách thức mà chúng ta phải làm là có thể tạo ra các thuật toán và các phương pháp tốt. Thậm chí nhiều người không có nền tảng lí thuyết có thể xây dựng các ứng dụng thông minh nhất, thú vị nhất sử dụng học máy. Điều đó gây hứng thứ cho tôi. Hoàn toàn đúng. [nhạc].