
Chinese: 
譯者: Helen Chang
審譯者: Lo Hsien Huang
我們的世界在許多方面一直在變，
其中一樣會對我們的未來
產生巨大影響的是
人工智慧（AI），
將會帶來另一場工業革命。
之前的工業革命
擴大了人類的機械能力；
這場新的革命，
這第二次的機械時代
將會拓展我們的認知能力和腦力。
電腦不僅將取代體力勞動，
還將取代腦力活動。

French: 
Traducteur: Claire Ghyselen
Relecteur: Morgane Quilfen
Notre monde se transforme
de multiples façons
et un des éléments qui auront
un impact important sur notre avenir
est l'intelligence artificielle, IA,
à l'origine d'une nouvelle
révolution industrielle.
Les révolutions industrielles précédentes
ont rehaussé la force mécanique de l'homme
mais cette révolution-ci,
la deuxième ère de la machine,
va rehausser nos capacités cognitives,
notre force mentale.
Les ordinateurs ne vont plus se limiter
à remplacer le travail manuel,
ils vont aussi s'emparer
du travail intellectuel.

Chinese: 
翻译人员: Shiyuan Zhang
校对人员: Cissy Yun
我们的世界在许多方面一直在变，
其中对我们的未来产生巨大影响的是
人工智能。
它给我们带来了又一场工业革命。
之前的工业革命扩大了人类的机械能力。
这场新的革命，这第二次的机械时代
将会拓展我们的认知能力，
以及我们的精神力。
计算机不仅仅将取代体力劳动，
还将取代脑力劳动。

Spanish: 
Traductor: Martin Bermudez
Revisor: Nerea García Garmendia
Nuestro mundo está cambiando
de muchas maneras
y una de las cosas que tendrá
un gran impacto en nuestro futuro
es la inteligencia artificial, IA,
la cual producirá 
otra revolución industrial.
Las revoluciones industriales anteriores
desarrollaron la potencia mecánica humana.
Esta nueva revolución,
esta segunda era de las máquinas,
va a desarrollar
nuestras habilidades cognitivas,
nuestro poder mental.
Las computadoras no solo
van a reemplazar el trabajo manual,
sino también el trabajo mental.

Portuguese: 
Tradutor: Aline Amado S. Cordeiro
Revisor: Maricene Crus
Nosso mundo está mudando
de várias formas
e uma das coisas que terá enorme
impacto em nosso futuro
é a inteligência artificial, IA,
que trará outra revolução industrial.
As revoluções industriais anteriores
expandiram o poder mecânico dos humanos.
Essa nova revolução,
essa segunda era das máquinas,
expandirá nossas habilidades cognitivas,
nosso poder mental.
Os computadores não irão substituir
apenas o trabalho manual,
mas também o trabalho mental.

English: 
Transcriber: Natasha Savic
Reviewer: Claire Ghyselen
Our world is changing in many ways
and one of the things which is going
to have a huge impact on our future
is artificial intelligence - AI,
bringing another industrial revolution.
Previous industrial revolutions
expanded human's mechanical power.
This new revolution,
this second machine age
is going to expand
our cognitive abilities,
our mental power.
Computers are not just going
to replace manual labor,
but also mental labor.

English: 
So, where do we stand today?
You may have heard
about what happened last March
when a machine learning system
called AlphaGo
used deep learning to beat
the world champion at the game of Go.
Go is an ancient Chinese game
which had been much more difficult
for computers to master
than the game of chess.
How did we succeed,
now, after decades of AI research?
AlphaGo was trained to play Go.
First, by watching over and over
tens of millions of moves made
by very strong human players.
Then, by playing against itself,
millions of games.
Machine Learning allows computers
to learn from examples.

Spanish: 
Entonces, ¿dónde nos encontramos hoy?
Es posible que hayan oído hablar
de lo que sucedió el pasado marzo
cuando un sistema
de aprendizaje llamado AlphaGo
usó el aprendizaje profundo para vencer
al campeón mundial en el juego de Go.
Go es un antiguo juego chino,
el cual ha sido más difícil
de dominar para las computadoras
que el ajedrez.
¿Cómo tuvimos éxito ahora,
después de décadas de investigación de IA?
AlphaGo fue entrenado para jugar Go.
Primero, viendo una y otra vez
decenas de millones de movimientos hechos
por jugadores humanos muy competentes.
Luego, jugando contra sí mismo
millones de partidas.
El aprendizaje automático
permite que las computadoras
aprendan de los ejemplos.

Portuguese: 
Então, em que ponto estamos atualmente?
Vocês podem ter ouvido
sobre o que aconteceu em março de 2016,
quando um sistema de aprendizado
de máquina chamado AlphaGo
utilizou a aprendizagem profunda para
derrotar o campeão mundial do jogo Go.
O Go é um jogo chinês antigo
que apresentava maior dificuldade
para os computadores dominarem
do que o jogo de xadrez.
Como conseguimos isso agora,
após décadas de pesquisas de IA?
O AlphaGo foi treinado para jogar Go.
Primeiramente, assistindo várias vezes
a dezenas de milhões de jogadas feitas
por jogadores humanos muito fortes.
Depois, jogando milhões de partidas
contra si mesmo.
O aprendizado de máquina permite
que computadores aprendam pelo exemplo,

French: 
Où en sommes-nous aujourd'hui ?
Vous avez probablement entendu
parler en mars dernier [2016]
du système d'apprentissage
automatique appelé AlphaGo
qui a utilisé l'apprentissage profond
pour vaincre le champion du monde de go.
Le go est un ancien jeu chinois
bien plus complexe à maîtriser
pour un ordinateur
que les échecs.
Comment cela fut-il possible maintenant,
après des décennies de recherche en IA ?
On a entraîné AlphaGo à jouer au go.
D'abord, en observant encore et encore
des dizaines de millions de mouvements
de joueurs humains très doués.
Ensuite, en le faisant jouer
des millions de parties contre lui-même.
L'apprentissage automatique est
une méthode d'apprentissage par l'exemple.

Chinese: 
那么，我们如今的立场是什么呢？
你有可能听说过去年三月发生的事情，
一个被称为AlphaGo的机器学习系统
在围棋游戏中使用了深度学习
来击败了当时的世界冠军。
围棋是一款古老的中国游戏，
对于计算机来说，
它比国际象棋更难掌握。
经过几十年的人工智能的研究，
我们如今是如何成功的？
为了下围棋，AlphaGo经过了
专门的培训。
首先，他需要观察由非常强大的
人类玩家进行的
成千上万次的出招。
接着，它再与自己进行上万次的演练。
机器学习允许计算机从实例中学习。

Chinese: 
那麼我們如今立足在何處呢？
你可能聽說去年三月發生的事情，
一個被稱為 AlphaGo 的
機器學習系統
用深度學習擊敗了
當時的世界圍棋冠軍。
圍棋是古老的中國棋戲，
對於電腦來說，
遠比西洋棋更難掌握。
經過幾十年的人工智慧研究，
我們如今是如何辦到的？
AlphaGo 專門被訓練來下圍棋，
先是大量觀察人類高段棋手
數千萬次的出招。
接著自我對弈幾百萬次。
機器學習讓電腦從實例中學習，

French: 
Les ordinateurs apprennent des données.
L'apprentissage automatique
est devenu un élément clé
pour emmagasiner de la connaissance
dans les ordinateurs.
C'est fondamental
car la connaissance
conduit à l'intelligence.
Intégrer la connaissance
dans les ordinateurs
s'est avéré être le défi
dans les approches précédentes de l'IA.
Pourquoi ?
Il y a de nombreuses choses
que nous savons intuitivement.
Nous sommes donc incapables
de les communiquer verbalement.
Nous n'avons pas un accès conscient
à ce savoir intuitif.
Comment programmer un ordinateur
sans connaissance ?
Comment résoudre ça ?
La solution est de faire apprendre
aux machines ce savoir par elles-mêmes,
comme nous le faisons.

Chinese: 
从数据中学习。
机器学习已成为
将知识塞进计算机里的关键。
这很重要，
因为知识是智力的源泉。
把知识放入计算机中是对之前的
人工智能方法的一种挑战。
为什么？
有很多事是我们凭直觉了解的。
所以我们无法口头沟通。
我们没有意识到这种直观的知识。
我们如何在没有知识的情况下
为计算机编程呢？
解决方法是什么？
解决方法就是让机器它们自己学习知识，
正如我们一样。

English: 
To learn from data.
Machine learning
has turned out to be a key
to cram knowledge into computers.
And this is important
because knowledge
is what enables intelligence.
Putting knowledge into computers had been
a challenge for previous approaches to AI.
Why?
There are many things
which we know intuitively.
So we cannot communicate them verbally.
We do not have conscious access
to that intuitive knowledge.
How can we program computers
without knowledge?
What's the solution?
The solution is for machines to learn
that knowledge by themselves,
just as we do.

Portuguese: 
que aprendam pelos dados.
O aprendizado de máquina
acabou se tornando uma chave
para preencher os computadores
de conhecimento.
E isso é importante
porque o conhecimento
é o que possibilita a inteligência.
Pôr conhecimento em computadores era um
desafio para abordagens anteriores de IA.
Por quê?
Há muitas coisas
que sabemos intuitivamente,
então não conseguimos
comunicá-las verbalmente.
Não temos acesso consciente
àquele conhecimento intuitivo.
Como podemos programar
computadores sem conhecimento?
Qual é a solução?
A solução é que as máquinas aprendam
esse conhecimento sozinhas,
assim como nós fazemos.

Spanish: 
Que aprendan de los datos.
El aprendizaje automático
ha resultado ser fundamental
para atiborrar de conocimiento
a las computadoras.
Y esto es importante,
porque el conocimiento
es lo que facilita la inteligencia.
Implantar conocimiento en computadoras
ha sido un reto para los antiguos
enfoques a la IA.
¿Por qué?
Hay muchas cosas
que sabemos intuitivamente.
Asi que no podemos
comunicarlas verbalmente.
No tenemos acceso consciente
a ese conocimiento intuitivo.
¿Cómo podemos programar
computadoras sin conocimiento?
¿Cual es la solución?
La solución es que las máquinas aprendan
ese conocimiento por sí mismas,
al igual que nosotros.
Y esto es importante

Chinese: 
從數據中學習。
機器學習已成為
將知識塞進電腦裡的關鍵。
這很重要，
因為知識是智能發展的推手。
之前要把知識放進電腦，
對人工智慧而言極具挑戰性。
為什麼？
我們憑直覺認知很多事情，
無法口頭表達，
無法有意識地取用哪些知識。
在無所知的情況下
如何為電腦寫程式呢？
怎麼解決呢？
就是讓機器自己學習知識，
和我們人類一樣。
這非常重要，

Chinese: 
因為知識是智能發展的推手。
我的任務就是通過學習
來發現和理解智能發展的原理，
無論是動物、人類還是機器學習。
我們相信有幾個關鍵原則，
正如物理定律一樣。
簡單的原理可以解釋我們自身的智能，
幫助我們建造智能的機器。
以空氣動力學定律為例，
它足以解釋鳥類和飛機的飛行。
若能發現同樣簡單卻有力的原理
用來解釋智能本身，
豈不是很棒？

Spanish: 
porque el conocimiento
es lo que facilita la inteligencia.
Mi misión ha sido
contribuir a descubrir y entender
los principios de la inteligencia
a través del aprendizaje.
Ya sea aprendizaje animal,
humano o automático.
Tanto yo como otros creemos
que existen algunos principios clave,
como las leyes de la física.
Principios simples que podrían explicar
nuestra inteligencia
y ayudarnos a construir
máquinas inteligentes.
Por ejemplo, piensen
en las leyes de la aerodinámica,
que son lo suficientemente generales
para explicar tanto el vuelo de las aves
como el de los aviones.
¿No sería asombroso descubrir 
principios tan simples como poderosos
que pudieran explicar
la inteligencia misma?

Portuguese: 
E isso é importante porque conhecimento
é o que possibilita a inteligência.
Minha missão tem sido
contribuir para descobrir
e entender os princípios da inteligência
por meio do aprendizado,
seja ele animal, humano ou de máquina.
Eu e outros acreditamos
que há alguns princípios-chave,
como as leis da física,
princípios simples que poderiam explicar
a nossa própria inteligência
e nos ajudar a construir
máquinas inteligentes.
Por exemplo, pensem
nas leis da aerodinâmica,
que são gerais o bastante para explicarem
o voo dos pássaros e o dos aviões.
Não seria maravilhoso descobrir
princípios igualmente simples e poderosos
que explicariam a própria inteligência?

Chinese: 
这非常重要，因为知识是智力的源泉。
我的任务就是通过学习
来发现和理解智能的原理。
不管是动物，人类还是机器学习。
我和别人相信有几个关键的原则，
正如物理定律一样。
简单的原理可以解释我们自身的智力，
并帮助我们建造智能机器。
例如，思考一下空气动力学定律，
它足以解释鸟类和飞机的飞行。
若我们可以发现同样简单却有力的原理
来解释智能本身，
那就太棒了。

French: 
C'est important car la connaissance
conduit à l'intelligence.
Ma mission est de contribuer
à la découverte et à la compréhension
des principes qui soutiennent
l'intelligence par l'apprentissage.
Qu'il s'agisse de l'apprentissage
par l'animal, l'homme ou la machine.
Avec d'autres, je suis convaincu 
qu'il y a quelques principes fondamentaux
comme les lois de la physique.
Des principes simples capables
d'expliquer notre propre intelligence
et de nous aider à concevoir
des machines intelligentes.
Prenez par exemple
les lois de l'aérodynamique :
suffisamment générales pour expliquer
le vol des oiseaux et des avions.
Ne serait-ce pas incroyable de découvrir
des principes simples mais puissants
qui expliqueraient l'intelligence,
rien de moins ?

English: 
And this is important because knowledge
is what enables intelligence.
My mission has been
to contribute to discover
and understand principles
of intelligence through learning.
Whether animal, human or machine learning.
I and others believe that there are
a few key principles,
just like the law of physics.
Simple principles which could explain
our own intelligence
and help us build intelligent machines.
For example, think about the laws
of aerodynamics
which are general enough to explain
the flight of both, birds and planes.
Wouldn't it be amazing to discover
such simple but powerful principles
that would explain intelligence itself?

Chinese: 
我们取得了一些进展。
这些年来，我和我的合作者们通过对
神经网络和深度学习的研究，
为人工智能邻域的一场变革做出了贡献。
一种受大脑启发的机器学习方法。
它始于你手机上的语音识别，
自2012年一直使用的神经网络。
不久之后，在计算机视觉上取得了突破。
计算机现在可以很好地识别图像的内容。
事实上，在过去的5年里，
它们在一些基准上近似于人类的表现。
现在计算机可以对围棋的视觉外观
产生一个直观的理解，

Portuguese: 
Bem, fizemos algum progresso.
Meus colaboradores e eu trabalhamos
nos últimos anos em uma revolução da IA
com nossa pesquisa sobre as redes neurais
e a aprendizagem profunda,
uma abordagem do aprendizado de máquina
inspirada pelo cérebro.
Começou com o reconhecimento de fala
em seus celulares,
com redes neurais, desde 2012.
Pouco tempo depois, veio um avanço
na visão computacional.
Os computadores agora fazem bom trabalho
no reconhecimento do conteúdo de imagens.
Eles se aproximaram do desempenho 
humano em alguns indicadores
nos últimos cinco anos.
Um computador agora pode
ter um entendimento intuitivo
da aparência visual de um tabuleiro de Go

Spanish: 
Bueno, hemos hecho algunos progresos.
Mis colaboradores y yo hemos contribuido
en años recientes a una revolución de IA
con nuestra investigación sobre redes
neuronales y aprendizaje profundo,
un enfoque del aprendizaje automático
el cual está inspirado por el cerebro.
Comenzó con el reconocimiento de voz
en sus teléfonos
con redes neuronales desde 2012.
Poco después se produjo
un gran avance en la visión artificial.
Las computadoras hacen un gran trabajo
al reconocer el contenido de imágenes.
De hecho, se han aproximado
al rendimiento humano
en algunas pruebas de desempeño
en los últimos cinco años.
Una computadora ahora puede obtener
una comprensión intuitiva
de la apariencia visual
de un tablero de Go,

English: 
Well, we've made some progress.
My collaborators and I have contributed
in recent years in a revolution in AI
with our research on neural networks
and deep learning,
an approach to machine learning
which is inspired by the brain.
It started with speech recognition
on your phones,
with neural networks since 2012.
Shortly after, came a breakthrough
in computer vision.
Computers can now do a pretty good job
of recognizing the content of images.
In fact, they approach human performance
on some benchmarks over the last 5 years.
A computer can now get
an intuitive understanding
of the visual appearance of a Go-board

French: 
Nous avons fait des progrès.
Mes collaborateurs et moi avons contribué
à révolutionner l'IA ces dernières années
avec nos recherches sur les réseaux
neuronaux et l'apprentissage profond,
une approche de l'apprentissage
automatique inspirée du cerveau.
Tout a commencé avec
la reconnaissance vocale
dans vos téléphones
avec les réseaux neuronaux depuis 2012.
Peu après, on a fait des avancées
dans la vision par ordinateur.
Les ordinateurs sont devenus assez bons
pour reconnaître le contenu d'images.
Ils sont même proches des performances
de l'homme depuis cinq ans environ.
Un ordinateur a atteint le niveau
de compréhension intuitif
de l’apparence visuelle d’un plateau de go

Chinese: 
我們已有若干進展。
這些年來，我和合作者
貢獻於人工智慧領域的變革，
藉由研究神經網路和深度學習，
那是種受大腦啟發的機器學習法。
它始於手機上的語音識別，
自 2012 年起就用了神經網路。
不久後在電腦視覺上取得了突破。
現在電腦極會辨識圖像的內容。
事實上，過去五年在一些基準上
已近似於人類的表現。
現在電腦已能直覺地
以視覺辨讀圍棋的棋盤，

French: 
comparable à celui
des meilleurs joueurs humains.
Plus récemment,
et suite à des découvertes
réalisées dans mon labo,
l’apprentissage profond est exploité
pour traduire d’une langue vers une autre
et cela va bientôt apparaître
dans Google Traduction.
Ceci élargit les capacités des machines
à comprendre et générer
un langage naturel.
Mais ne vous laissez pas aveugler !
Nous sommes encore très loin d’une machine
aussi capable qu’un être humain
d’apprendre à maîtriser
les nombreux aspects de notre monde.
Prenons un exemple.
Même un enfant de deux ans
est capable d’apprendre des choses
d’une manière que les ordinateurs
ne peuvent pas encore reproduire.
Un enfant de deux ans a une compréhension
intuitive de la physique.

Chinese: 
这足以和人类最好的选手媲美。
最近，
根据我的实验室的一些发现，
深度学习被用来去把一种语言
翻译成另一种，
你会开始在谷歌翻译中看到这个。
它拓展了计算机的理解
和生成自然语言的能力。
但是，别被愚弄了。
我们仍旧离一台
能像人类一样学习掌握
世界的许多方面的计算机
很远很远。
所以，让我们举个例子。
即使是一个两岁的孩子可以
以计算机现在无法做到的方式学习事物。
一个两岁的孩子事实上掌握了直观物理。

English: 
that is comparable to that
of the best human players.
More recently,
following some discoveries made in my lab,
deep learning has been used to translate
from one language to another
and you are going to start seeing
this in Google translate.
This is expanding the computer's ability
to understand and generate
natural language.
But don't be fooled.
We are still very, very far from a machine
that would be as able as humans
to learn to master
many aspects of our world.
So, let's take an example.
Even a two year old child
is able to learn things
in a way that computers
are not able to do right now.
A two year old child actually
masters intuitive physics.

Portuguese: 
comparável ao dos melhores
jogadores humanos.
Mais recentemente,
após algumas descobertas
feitas em meu laboratório,
a aprendizagem profunda foi usada
para traduzir de uma língua para outra
e vocês começarão a ver isso
no Google Tradutor.
Isso está expandindo
a habilidade computacional
para entender e gerar linguagem natural.
Mas não se enganem:
ainda estamos muito longe de uma máquina
que seja tão capaz quanto os humanos
de aprender a dominar
vários aspectos de nosso mundo.
Então, vejamos um exemplo.
Até mesmo uma criança de dois anos
é capaz de aprender coisas
de uma forma que os computadores
não conseguem atualmente.
Uma criança de dois anos,
na verdade, domina física intuitiva.

Spanish: 
comparable a la de los mejores
jugadores humanos.
Últimamente, como continuación
a algunos descubrimientos
realizados en mi laboratorio,
el aprendizaje profundo se ha utilizado
para traducir de un idioma a otro
y vamos a empezar a verlo
en Google Translate.
Esto está aumentando
la capacidad de la computadora
para comprender
y generar lenguaje natural.
Pero no se dejen engañar.
Aún estamos muy, muy lejos
de una máquina que sea
tan capaz como los humanos
de aprender a dominar
muchos aspectos de nuestro mundo.
Así que, veamos un ejemplo.
Incluso una niña de dos años
puede aprender cosas
de cierta manera que las computadoras
no pueden hoy en día.
Una niña de dos años,
en realidad domina la física intuitiva.

Chinese: 
足以和人類的高手媲美。
最近，
根據我實驗室的一些發現，
深度學習被用來翻譯語言，
已經被用在谷歌翻譯上。
它拓展了電腦
理解和生成自然語言的能力。
但是，別被愚弄了。
機器要能夠像人類那樣
學習掌握世界各方面的事情
還非常非常遙遠。
讓我們舉個例子。
即使是兩歲的孩子
也能夠用電腦現在
無法做到的方式學習事物。
兩歲的孩子其實已經
掌握直觀的物理學。

English: 
She knows when she drops a ball
that it is going to fall down.
When she spills some liquids
she expects the resulting mess.
Her parents do not need to teach her
about Newton's laws
or differential equations.
She discovers all these things by herself
in a unsupervised way.
Unsupervised learning actually remains
one of the key challenges for AI.
And it may take several more decades
of fundamental research
to crack that knot.
Unsupervised learning is actually trying
to discover representations of the data.
Let me show you and example.
Consider a page on the screen
that you're seeing with your eyes
or that the computer is seeing
as an image, a bunch of pixels.

Portuguese: 
Ela sabe que uma bola
cairá ao ser largada.
Quando derrama algum líquido,
ela sabe que haverá sujeira.
Seus pais não precisam ensinar
as leis de Newton ou equações
diferenciais à criança.
Ela descobre todas essas coisas sozinha,
de forma não supervisionada.
A aprendizagem não supervisionada ainda é
um dos principais desafios para a IA
e pode levar várias décadas
de pesquisas básicas a mais
para desfazer esse nó.
Aprendizagem não supervisionada
está tentando descobrir
representações dos dados.
Deixem-me mostrar-lhes um exemplo.
Considerem uma página na tela
que veem com seus olhos
ou que o computador vê como
uma imagem, um monte de pixels.
Para responder uma pergunta
sobre o conteúdo da imagem,

Spanish: 
Ella sabe que cuando
suelta una pelota, se va a caer.
Cuando derrama un líquido,
supone que habrá un desastre.
Sus padres no necesitan enseñarle
las leyes de Newton
o las ecuaciones diferenciales.
Descubre todas estas cosas
por sí misma de manera no supervisada.
El aprendizaje no supervisado sigue siendo
uno de los principales retos para la IA.
Y podría tomar varias décadas más
de investigación fundamental
para deshacer ese nudo.
El aprendizaje no supervisado intenta
descubrir representaciones de los datos.
Déjenme mostrarles un ejemplo.
Consideren una página en la pantalla
que están viendo con sus ojos
o que la computadora está viendo
como una imagen, un montón de píxeles.

Chinese: 
她知道当她扔下一个球，球就会落下。
当她把一些液体洒出来的时候，
她知道会弄脏地板。
她的父母根本不需要去教她
关于牛顿定律或者微分方程。
她在无人监管的情况下
独自发现了这一切。
无监管学习确实仍是人工智能
所面临的挑战之一。
它可能还需要花上好几十年的基础研究
来解开这个结。
无监管学习事实上
是试图发现数据的表现形式。
让我来向你举例。
试想你用你的双眼看着的屏幕上的一页
或者计算机将其视为一个图像，
一堆像素。

Chinese: 
她知道如果扔了球，球會落下。
當她把液體灑出來，
她能預期會弄髒地板。
根本不需要她的父母教她
牛頓定律或者微分方程。
她以「無監督學習」方式，
自己發現這一切。
事實上，無監督學習仍是
人工智慧所面臨的關鍵挑戰之一，
可能還需要花上
好幾十年的基礎研究
來解開這個結。
事實上，無監督學習
試圖發現數據的表現形式。
讓我舉個例子。
試想你用雙眼看著屏幕上的一頁，
電腦則將其視為一堆像素的圖像。

French: 
Il sait qu’en lâchant une balle,
celle-ci va tomber.
Quand il renverse du liquide,
il s’attend au résultat final.
Ses parents n’ont pas besoin
de lui expliquer
la loi de Newton
ou les équations différentielles.
L’enfant apprend seul ces choses,
sans supervision.
L’apprentissage sans supervision
reste un des défis cruciaux de l’IA.
Ça pourrait requérir plusieurs décennies
de recherche fondamentale
pour dénouer ce nœud.
L’apprentissage sans supervision cherche
à traduire des données en représentation.
Je vais illustrer cela pour vous.
Imaginez regarder, avec vos yeux,
une page sur votre écran.
L’ordinateur voit ça comme
une image, un amas de pixels.

Spanish: 
Para responder a una pregunta
sobre el contenido de la imagen,
necesitan comprender
su significado de alto nivel.
Este significado de alto nivel coincide
con el nivel más alto de representación
en su cerebro.
Más abajo, tienen el significado
individual de las palabras
y aún más abajo tienen caracteres
que forman las palabras.
Esos caracteres se pueden representar
de diferentes maneras
con diferentes trazos
que forman los caracteres.
Y esos trazos están formados por bordes
y esos bordes están hechos de píxeles.
Así que estos son diferentes
niveles de representación.
Pero los píxeles no son
suficientes por sí mismos
para dar sentido a la imagen,
para responder
a una pregunta de alto nivel
sobre el contenido de la página.
Su cerebro en realidad tiene estos
diferentes niveles de representación,

English: 
In order to answer a question
about the content of the image
you need to understand
its high-level meaning.
This high level meaning corresponds
to the highest level of representation
in your brain.
Low down, you have
the individual meaning of words
and even lower down, you have characters
which make up the words.
Those characters could be
rendered in different ways
with different strokes
that make up the characters.
And those strokes are made up of edges
and those edges are made up of pixels.
So these are different
levels of representation.
But the pixels are not
sufficient by themselves
to make sense of the image,
to answer a high level question
about the content of the page.
Your brain actually has
these different levels of representation

Chinese: 
为了回答关于图像内容的问题，
你需要理解它的高级含义。
这种高级别的含义相对于在你脑中的
最高级别的表现形式。
再往下，你就有了单词的单独含义，
甚至再往下，你就会有由字符
拼凑出来的单词。
这些字符可以用构成字符的不同的笔画
以不同的方式呈现。
这些笔画是由边组成的，
而这些边是由像素组成的。
所以这些是不同级别的表现方式。
但是像素本身并不足以
去理解图像，
来回答关于页面内容的高级问题。
事实上，你的大脑有着
不同等级的表现形式。

Chinese: 
為了回答圖像內容之類的問題，
你需要理解它的高層次含義。
這種高層次含義對應
你腦中的最高層表現形式；
往下是單詞的個別含義；
更往下是由字母拼湊出來的單詞。
這些字母可由不同筆劃構成，
以不同的方式呈現。
這些筆劃是由「邊線」所組成的，
而這些邊線則是像素組成的。
以上這些是不同層次的表現形式。
但是像素本身不足以讓圖像
能夠回答頁面內容這樣的高層次問題。
事實上，你的大腦有
不同層級的表現形式。

Portuguese: 
é necessário entender
seu significado de alto nível,
que corresponde ao nível mais elevado
de representação em seu cérebro.
Abaixo dele, temos o significado
individual das palavras
e, ainda mais abaixo, temos caracteres
que compõem as palavras.
Esses caracteres podem ser renderizados
de formas diferentes,
feitos de traços diferentes.
E esses traços são feitos de arestas,
que são feitas de pixels.
Então são níveis diferentes
de representação.
Mas os pixels não são
suficientes por si sós
para que a imagem faça sentido,
para responder uma questão de alto nível
sobre o conteúdo da página.
Nosso cérebro tem esses níveis
diferentes de representação,

French: 
Pour répondre à une question
sur le contenu de cette image,
vous avez besoin de comprendre
sa signification de haut-niveau.
La signification de haut niveau
correspond au plus haut niveau cognitif
de représentation dans le cerveau.
À un niveau bas, on a la signification
individuelle des mots
et plus bas encore, on a les signes
qui composent les mots.
Ces signes peuvent être représentés
de diverses manières,
avec des traits différents
qui les composent.
Ces traits sont composés par des arêtes
et ces arêtes sont composées de pixels.
Il s’agit donc de différents
niveaux de représentation.
Toutefois, les pixels seuls
ne sont pas suffisants
pour faire sens de l’image,
pour répondre à la question
de haut niveau sur le contenu de la page.
Votre cerveau possède ces différents
niveaux de représentation

French: 
depuis les neurones
dans la zone visuelle du cortex, V1,
qui reconnaît les arêtes.
Ensuite, les neurones dans la deuxième
région visuelle du cortex, V2,
reconnaissent les traits
et les petites formes.
Plus haut, des neurones détectent
les parts constitutives des objets
et ensuite les objets et un paysage
dans son intégralité.
Quand on entraîne les réseaux
neuronaux à reconnaître des images,
ils sont capables de découvrir
ces niveaux de représentation
d’une manière correspondant
à ce que nous observons dans le cerveau.
Les réseaux neuronaux biologiques,
qui existent dans notre cerveau,
et les réseaux neuronaux profonds,
que nous entraînons sur nos machines,
peuvent apprendre à transformer
un niveau de représentation en le suivant,
les niveaux les plus élevés correspondant
à des notions progressivement abstraites.
Prenons un exemple :
la notion abstraite de la lettre A

Chinese: 
從大腦皮層的第一個視覺區域的
神經元開始——V1，
它會識別圖像的邊線。
接著，在大腦皮層
第二個視覺區的神經元——V2
能識別筆劃和小圖形。
再往上有神經元來識別物體的局部，
然後是物體和整個場景。
受過圖像訓練的神經網路
真能發現這類層次的表達形式，
與我們腦中觀察到的十分吻合。
無論是生物的神經網路，
也就是我們腦中的神經網路，
還是在機器上訓練的深層神經網路，
都能學會把某一層的表現形式，
轉變成下一層的形式；
越高層次的表現形式
對應越抽象的概念。
例如，字母 A 的抽象概念

English: 
starting with neurons
in the first visual area of cortex - V1,
which recognizes edges.
And then, neurons in the second
visual area of cortex - V2,
which recognizes strokes and small shapes.
Higher up, you have neurons
which detect parts of objects
and then objects and full scenes.
Neural networks,
when they're trained with images,
can actually discover these types
of levels of representation
that match pretty well
what we observe in the brain.
Both, biological neural networks,
which are what you have in your brain
and the deep neural networks
that we train on our machines
can learn to transform from one level
of representation to the next,
with the high levels corresponding
to more abstract notions.
For example the abstract notion
of the character A

Chinese: 
从大脑皮层的第一个视觉区域的
神经元开始--V1，
它识别边。
接着，在大脑皮层的第二个视觉区域的
神经元--V2，
它能识别笔画和小的图形。
再往上，你有神经元来检测物体的部分
然后是物体和整个场景。
神经网络，当它们接受图像训练时，
可以真的发现这些类型的表现水平
与我们在大脑中所观察到的十分吻合。
无论是生物神经网络，换言之，
你大脑中的神经网络
还是我们在机器上训练的深层神经网络，
都可以学习从一个等级的表达方式
转化到下一个等级，
而高等级的表现形式应对
更抽象的概念。
例如，字符A的抽象概念

Portuguese: 
começando pelos neurônios
na primeira área visual do córtex, V1,
que reconhece os contornos.
Depois, os neurônios
na segunda área visual do córtex, V2,
que reconhece traços e formas pequenas.
Mais acima, temos os neurônios
que detectam partes de objetos
e depois objetos e cenas completas.
As redes neurais,
quando treinadas com imagens,
podem de fato descobrir esses tipos
de níveis de representação
que correspondem muito bem
ao que observamos no cérebro.
Tanto as redes neurais biológicas,
que são as que existem no cérebro,
como as redes neurais profundas
que treinamos em nossas máquinas
podem aprender a transformar
de um nível de representação ao seguinte,
com os altos níveis correspondendo
a noções mais abstratas.
Por exemplo, a noção
abstrata do caractere A

Spanish: 
comenzando por las neuronas en la primera
área visual de la corteza, V1,
las cuales reconocen los bordes.
Y luego, las neuronas en la segunda
área visual de la corteza, V2,
que reconocen trazos y pequeñas formas.
Más arriba, tienen neuronas
que detectan partes de objetos
y luego los objetos e imágenes completas.
Las redes neuronales,
cuando están entrenadas con imágenes,
pueden descubrir estos tipos
de niveles de representación
que coinciden bastante
con lo que observamos en el cerebro.
Tanto las redes neuronales biológicas,
que son las que tienes en su cerebro,
como las redes neuronales profundas
que entrenamos en nuestras máquinas,
pueden aprender a transformarse
de un nivel de
representación al siguiente,
en donde los altos niveles corresponden
a las nociones más abstractas.
Por ejemplo, la noción abstracta 
del carácter "A"

Chinese: 
可以通过许多不同的方法在
最底级别上呈现，
可以呈现出许多不同的像素配置，
根据位置，旋转，字体等配置。
所以，我们该怎么学习这些
高等级的表现方法呢？
目前为止，有一件事在深度学习的应用上
非常成功，
我们称之为监管学习。
有监管学习的情况下，
计算机只需被手拿着，
人类必须要告诉计算机许多问题的答案。
例如，在数百万的图像中，
人们必须很好地告诉机器，
对于这张图像，这是一只猫。
对于这张图像，这是一只狗。
对于这张图像，这是一台笔记本电脑。
对于这张图像，这是一个键盘。
等等，等等数百万次。

Spanish: 
puede ser representada de maneras 
diferentes en los niveles más bajos,
como muchas configuraciones
diferentes de píxeles,
dependiendo de su posición, 
rotación, fuente y demás.
Entonces, ¿cómo aprendemos
estos altos niveles de representaciones?
Algo que ha sido muy exitoso hasta ahora
en las aplicaciones
del aprendizaje profundo
es lo que llamamos
aprendizaje supervisado.
Con el aprendizaje supervisado,
se toma de la mano a la computadora
y los humanos deben decirle
la respuesta a muchas preguntas.
Por ejemplo, en millones 
y millones de imágenes
los humanos deben decirle a la máquina:
Bueno... esta imagen es un gato,
esta imagen es un perro,
esta imagen es un portátil,
esta imagen es un teclado.
Y así, sucesivamente, millones de veces.

Chinese: 
在最底層可有許多不同的表現形式，
可以呈現出許多不同的像素配置，
根據位置、旋轉、字體等配置。
那麼該如何學習這些
高層次的表現形式呢？
目前為止，深度學習的
某種應用非常成功，
我們稱之為「監督學習」。
在監督學習的情況下，
電腦需被拉著手學習，
人類必須告訴電腦
許多問題的答案。
例如在數百萬的圖像中，
人們必須告訴機器，
這張圖是一隻貓，
這張圖是一隻狗，
這張圖是一台筆電，
這張圖是個鍵盤等等，
以此類推數百萬次。

Portuguese: 
pode ser renderizada de muitas formas
diferentes nos níveis mais baixos
como muitas configurações
diferentes de pixels
dependendo da posição, rotação,
fonte, e assim por diante.
Então, como aprendemos
esses altos níveis de representações?
Até agora uma coisa
que foi muito bem-sucedida
nas aplicações da aprendizagem profunda
é o que chamamos de
aprendizagem supervisionada.
Na aprendizagem supervisionada,
o computador deve ser "levado pela mão"
e humanos precisam dizer ao computador
a resposta para várias perguntas.
Por exemplo, em milhões de imagens,
humanos têm que dizer à máquina:
"Bem... nessa imagem, isso é um gato.
Nessa imagem, isso é um cachorro".
"Nessa imagem, isso é um laptop.
Nessa imagem, isso é um teclado",
e assim por diante, milhões de vezes.

English: 
can be rendered in many different ways
at the lowest levels
as many different configurations of pixels
depending on the position,
rotation, font and so on.
So, how do we learn
these high levels of representations?
One thing that has been
very successful up to now
in the applications of deep learning,
is what we call supervised learning.
With supervised learning, the computer
needs to be taken by the hand
and humans have to tell the computer
the answer to many questions.
For example, on millions and millions
of images, humans have to tell the machine
well... for this image, it is a cat.
For this image, it is a dog.
For this image, it is a laptop.
For this image, it is a keyboard,
And so on, and so on millions of times.

French: 
peut être rendue de diverses manières
aux niveaux les plus bas,
autant de manières que
de configurations différentes de pixels
selon leur position,
leur rotation ou leur police.
Comment apprenons-nous
ces hauts niveaux de représentation ?
Un des modes qui rencontrent
du succès jusqu'à présent
dans les applications
d'apprentissage profond
est un mode appelé
apprentissage supervisé.
Le principe de ce mode est que l'humain
prend l'ordinateur par la main
et lui donne les réponses
à un grand nombre de questions.
Par exemple, les hommes doivent dire
à la machine pour des millions d'images
que sur cette image-ci, on a un chat.
Sur cette image-là, on a un chien.
Et sur cette autre image, un ordinateur.
Sur cette image, c'est un clavier,
et ainsi de suite, des millions de fois.

Portuguese: 
O que é muito penoso e usamos
o crowdsourcing para conseguir fazer isso.
Embora seja muito poderoso
e possamos resolver
vários problemas interessantes,
humanos são muito mais fortes
e podem aprender sobre muitos aspectos
diferentes a mais do mundo
de uma forma muito mais autônoma,
como vimos com a criança aprendendo
sobre física intuitiva.
A aprendizagem não supervisionada poderia
nos ajudar com os carros sem condutor.
Deixem-me explicar:
a aprendizagem não supervisionada permite
que computadores se projetem ao futuro
para gerarem futuros plausíveis
condicionados à situação atual.
E isso permite que os computadores
raciocinem e planejem adiante,
até para circunstâncias para as quais
não tenham sido treinados.
Isso é importante
porque se usássemos a aprendizagem
supervisionada, teríamos que dizer
aos computadores todas as circunstâncias
onde o carro poderia estar

French: 
C'est un processus douloureux
et on a recours au crowdsourcing.
Même si ce mode est très puissant
et nous permet de résoudre
de nombreux problèmes intéressants,
l'homme est bien plus fort
et peut apprendre davantage
d'aspects différents du monde
de façon autonome,
comme l'enfant qui a une compréhension
intuitive de la physique.
L'apprentissage non supervisé pourrait
aider à aborder la conduite autonome.
Je veux dire en fait
que l'apprentissage non supervisé permet
aux machines de se projeter dans l'avenir
pour générer des futurs plausibles
conditionnés par la situation actuelle.
Ceci permet aux ordinateurs
de raisonner, anticiper et planifier.
Même pour des circonstances
pour lesquelles
ils n'ont pas été entraînés.
C'est important
car avec l'apprentissage supervisé,
nous devrons expliciter aux ordinateurs
toutes les circonstances dans lesquelles
peut se trouver un véhicule

Chinese: 
這工作非常惱人， 
所以我們用群眾外包來做。
雖然它非常強，
讓我們能夠解決許多有趣的問題，
但是人類更強，
人類能夠更加自主學習
世上更多不同層面的事。
如同我們所見，孩子直觀學習物理。
無監督學習也能幫我們研發自駕車。
讓我來解釋一下：
無監督學習讓電腦
將自己投射到未來，
根據當前的情況生成可信的未來。
這讓電腦能夠推理和提前計劃。
即使碰上還未訓練的情境也能處理。
這很重要，
因為用監督學習，
必須告訴電腦，
汽車可能會遇到的各種情況

Chinese: 
这是非常痛苦的，
我们使用众包来做到这一点。
虽然，它非常的强大，
这让我们可以解决许多有趣的问题，
但是人类更加的强大，
他们可以学习世界上更多不同的方面，
以一种更自主的方式，
这正如我们所见的孩子学习直观物理。
无监管学习也可以帮助我们
研发自动驾驶汽车。
让我来解释一下：
无监管学习允许计算机
将自己投射到未来，
根据当前的情况生成可信的未来。
这使得计算机可以推理和提前计划。
即使是它们还没训练过的情况下
也是如此。
这很重要，
因为如果我们使用监管学习，
我们将不得不告诉计算机
所有汽车可能会出现的情况

English: 
This is very painful and we use
crowdsourcing to manage to do that.
Although, this is very powerful
and we are able to solve
many interesting problems,
humans are much stronger
and they can learn over many more
different aspects of the world
in a much more autonomous way,
just as we've seen with the child
learning about intuitive physics.
Unsupervised learning could also help us
deal with self-driving cars.
Let me explain what I mean:
Unsupervised learning allows computers
to project themselves into the future
to generate plausible futures
conditioned on the current situation.
And that allows computers to reason
and to plan ahead.
Even for circumstances
they have not been trained on.
This is important
because if we use supervised learning
we would have to tell the computers
about all the circumstances
where the car could be

Spanish: 
Esto es muy tedioso y usamos
el crowdsourcing para poder hacerlo.
Aunque esto es muy poderoso
y somos capaces de resolver
muchos problemas interesantes,
los humanos somos mucho más fuertes
y podemos aprender sobre muchos
otros aspectos diferentes del mundo
de una manera mucho más autónoma,
tal como vimos con la niña de dos años
que aprende sobre física intuitiva.
El aprendizaje no supervisado
también puede ayudarnos a lidiar
con los vehículos autónomos.
Déjenme que les explique.
El aprendizaje no supervisado permite
que las computadoras
se proyecten al futuro
para generar futuros probables
condicionados a la situación actual.
Y eso permite a las computadoras
razonar y planear por adelantado.
Incluso para circunstancias
a las que no han sido entrenadas.
Esto es importante,
porque con el aprendizaje supervisado
habría que decirle a las computadoras
acerca de todas las circunstancias 
en las cuales podría estar el auto

Chinese: 
以及人們在這些情況下的反應。
人怎麼學會避免危險的駕駛行為呢？
難道必須死於交通事故一千次嗎？
（笑聲）
這是我們現在訓練機器的方法。
所以它不會飛、至少不會開車。
（笑聲）
因此我們需要訓練模型
能夠產生可信的圖像或未來，
然後變得有創造性。
我們正在這方面取得進展。
我們正在訓練這些深層神經網路
從高層次的含義到像素，
而不是從像素到高層次含義，
是從另一個方向表達。
這樣電腦能生成新的圖像，
和它們受訓時所見的圖像完全不同。
（註：分為訓練數據和測試數據）

Chinese: 
以及人们在这种情况下的反应。
我是怎么学会避免危险驾驶的行为的呢？
难道我必须在一场事故中死去一千次吗？
（笑声）
这是我们现在训练机器的方法。
所以，它不会飞，至少它不会驾驶。
（笑声）
所以，我们需要的是训练我们的模型
能够产生可信的图像或者
可信的未来，具有创造性。
我们正在这方面取得进展。
所以，我们正在训练这些深层神经网络
从高级意义到像素，
而不是从像素到高级意义。
通过表达方法进入另一个方向。
通过这种方法，
计算机可以生成新的图像，
这些图像和它们受训时所见的
完全不一样，

Portuguese: 
e como os humanos
reagiriam àquela situação.
Como eu aprendi a evitar
comportamentos perigosos dirigindo?
Eu precisei morrer mil vezes em acidentes?
(Risos)
Bem, é assim que treinamos
as máquinas agora.
Então não vai decolar,
ou pelo menos não vai dirigir.
(Risos)
Precisamos treinar nossos modelos
para serem capazes de gerar imagens
ou futuros plausíveis, de serem criativos,
e estamos progredindo com isso.
Então, estamos treinando
essas redes neurais profundas
para irem do significado
de alto nível aos pixels
e não dos pixels
aos significados de alto nível,
indo na outra direção por meio
dos níveis de representação.
E, desse jeito, o computador
pode gerar imagens
que sejam novas e diferentes
daquelas que o computador viu
enquanto era treinado,

French: 
et comment un humain réagirait
pour chacune d'elles.
Comment ai-je appris
à ne pas conduire dangereusement ?
Ai-je dû mourir mille fois
dans un accident ?
(Rires)
C'est pourtant ainsi que nous entraînons
les machines actuellement.
Donc, elles ne vont pas voler
ou ne pas rouler.
(Rires)
Nous devons donc entraîner nos modèles
à devenir capables de générer des images
ou des futurs plausibles, à être créatifs.
On fait des progrès dans ce domaine.
Nous entraînons ces réseaux
neuronaux profonds
à transiter d'une signification
de haut niveau vers le pixel
plutôt que l'inverse,
de traverser les niveaux de représentation
dans l'autre direction.
Ainsi, l'ordinateur peut
générer des images
qui sont nouvelles et différentes
de ce qu'il a déjà vu auparavant
pendant son apprentissage,

English: 
and how humans
would react in that situation.
How did I learn to avoid
dangerous driving behavior?
Did I have to die
a thousand times in an accident?
(Laughter)
Well, that's the way we train
machines right now.
So, it's not going to fly
or at least not to drive.
(Laughter)
So, what we need is to train our models
to be able to generate plausible images
or plausible futures, be creative.
And we are making progress with that.
So, we're training
these deep neural networks
to go from high-level meaning to pixels
rather than from pixels
to high level meaning,
going into the other direction
through the levels of representation.
And this way, the computer
can generate images
that are new images different
from what the computer has seen
while it was trained,

Spanish: 
y cómo los humanos
reaccionarían en esa situación.
¿Cómo aprendí a evitar
comportamientos peligrosos al volante?
¿Tuve que morir mil veces en un accidente?
(Risas)
Bueno, así es como entrenamos
a las máquinas ahora.
Por lo tanto, no va a volar
o al menos no al conducir.
(Risas)
Entonces, lo que necesitamos
es entrenar a nuestros modelos
para poder generar imágenes
o futuros probables,
que sean creativos.
Y estamos progresando en eso.
Así que estamos entrenando
a estas redes neuronales profundas
para que pasen del significado
de alto nivel a píxeles
en vez de ir desde los píxeles
al significado de alto nivel,
es decir, a ir en la otra dirección
a través de los niveles de representación.
Y de esta manera, la computadora
puede generar imágenes
que son imágenes nuevas, diferentes
a lo que la computadora ha visto
mientras fue entrenada,

Chinese: 
但這些是可信，看起來自然的圖像。
我們也可以用這些模型
來幻想一些奇怪
甚至可怕的圖像，
像我們在夢裡、噩夢裡看到的那樣。
這裡有些電腦用深度圖表模型
所合成的圖像。
它們看上去就像自然圖像，
但是如果近看就會發現還是有區別，
它們仍缺少一些
我們視為自然的重要細節。
大約 10 年前，
無監督學習是我們
突破深度學習的關鍵。
這種情況發生在少數實驗室， 
包括我的實驗室，
當時神經網路還未流行，
幾乎被科學界所拋棄。
如今大不相同，

English: 
but are plausible and look like natural images.
We can also use these models
to dream up strange,
sometimes scary images,
just like our dreams and nightmares.
Here's some images
that were synthesized by the computer
using these deep charted models.
They look like natural images
but if you look closely,
you will see they are different
and they're still missing
some of the important details
that we would recognize as natural.
About 10 years ago,
unsupervised learning has been
a key to the breakthrough
that we obtained
discovering deep learning.
This was happening in just few labs,
including mine at the time
at a time when neural networks
were not popular.
They were almost abandoned
by the scientific community.
Now, things have changed a lot.

Portuguese: 
mas que sejam plausíveis
e pareçam imagens naturais.
Também podemos usar esses modelos
para conceber imagens estranhas,
por vezes assustadoras,
como os nossos sonhos e pesadelos.
Aqui estão algumas imagens
que foram sintetizadas pelo computador
utilizando esses modelos
de mapeamento profundo.
Elas parecem imagens naturais,
mas, se observarem com atenção,
perceberão que são diferentes
e que lhes faltam alguns
dos detalhes importantes
que nós reconheceríamos como naturais.
Dez anos atrás,
a aprendizagem não supervisionada
era a chave para a inovação
que conquistamos ao descobrirmos
a aprendizagem profunda.
Isso acontecia só em alguns laboratórios,
incluindo o meu na época,
em um momento em que as redes neurais
não eram populares.
Elas quase foram abandonadas
pela comunidade científica.
Agora, as coisas mudaram bastante.

Chinese: 
但看起来可信的，看起来像自然图像。
我们同样可以用这些模型来
幻想一些奇怪的东西，
有时是可怕的图像，
正如我们的梦境和噩梦。
这里有一些计算机使用深度图表模型
所合成的图像。
它们看上去就像自然图像，
但是如果你凑近看，
你会发现它们还是有区别的，
而且它们仍缺少一些
我们认为是自然的重要细节。
大约10年前，
无监管学习是我们发现深度学习的
突破口。
这种情况发生在少数实验室，
包括我的实验室，
当时神经网络还未流行。
它们几乎被科学界所抛弃。
如今，事情已经改变了许多。

French: 
mais qui sont plausibles
et ressemblent à des images naturelles.
On peut également utiliser ces images
pour rêver des images étranges,
parfois même effrayantes,
comme nos propres rêves et cauchemars.
Voici quelques images synthétisées
par un ordinateur
en utilisant ces modèles
d'apprentissage profond.
Cela ressemble à des images naturelles
mais un observateur attentif
décèlera qu'il s'agit d'autre chose
et qu'il manque à ces images
des détails importants
pour rendre ces illustrations
naturelles à nos yeux.
Il y a environ 10 ans,
l'apprentissage non supervisé
a joué un rôle crucial dans l'avancée
que nous avons réalisée
dans l'apprentissage profond.
Seuls quelques rares laboratoires
s'y intéressaient, dont le mien,
à une époque où les réseaux neuronaux
n'étaient pas répandus.
La communauté scientifique
les avait presque abandonnés.
Mais les choses ont beaucoup changé.

Spanish: 
pero son probables 
y parecen imágenes naturales.
También podemos usar estos modelos
para inventar imágenes extrañas,
a veces siniestras,
como nuestros sueños y pesadillas.
Aquí hay algunas imágenes que fueron
sintetizadas por la computadora
usando estos modelos
de gráficos profundos.
Se ven como imágenes naturales,
pero si miran de cerca
verán que son diferentes
y que todavía les faltan algunos
de los detalles importantes
que reconoceríamos como naturales.
Hace unos 10 años,
el aprendizaje no supervisado
fue una clave para el hallazgo
que supuso descubrir
el aprendizaje profundo.
Esto sucedía en unos pocos
laboratorios, incluido el mío,
cuando las redes neuronales
no eran populares.
Fueron prácticamente abandonadas
por la comunidad científica.
Hoy las cosas han cambiado mucho.

Portuguese: 
Esse campo se tornou muito difícil.
Agora há, todos os anos, centenas
de estudantes se candidatando
para a graduação no meu laboratório,
com meus colaboradores.
Montreal se tornou
a maior concentração acadêmica
de pesquisadores da aprendizagem
profunda no mundo.
Acabamos de receber uma enorme bolsa
de pesquisa de 94 milhões de dólares
para ultrapassar os limites
da IA e da ciência dos dados
e também para transferir a tecnologia
da aprendizagem profunda à indústria.
Pessoas de negócios estimuladas 
por tudo isso estão criando start-ups
e laboratórios industriais,
muitos deles perto das universidades.
Por exemplo,
algumas semanas atrás, anunciamos
o lançamento de uma fábrica de start-ups
chamada "Element AI"
que focará as aplicações
da aprendizagem profunda.

Chinese: 
它已成为一个非常难的领域。
如今每年有成百上千的学生申请研究生课程
到我的实验室和我的合作者一起工作。
蒙特利尔已成为世界上最大的
深度学习研究人员学术聚集地。
我们刚收到9400万美元的
巨额研究经费，
用于推动人工智能和数据科学的发展，
并将深度学习技术和
数据科学转移到工业。
受到这些刺激的商业人士
建立创业公司，工业实验室，
它们中的许多就坐落于大学附近。
例如，
几周前，我们宣布成立一家名为
“Element AI"的初创工厂，
它将专注于深度学习的应用上。

English: 
It has become a very hot field.
There are now hundreds of students
every year applying for graduate studies
at my lab with my collaborators.
Montreal has become
the largest academic concentration
of deep learning researchers in the world.
We just received a huge
research grant of 94 million dollars
to push the boundaries
of AI and data science
and also to transfer technology of deep
learning and data science to the industry.
Business people stimulated by all this
are creating start-ups, industrial labs,
many of which near the universities.
For example,
just a few weeks ago, we announced
the launch of a start-up factory
called 'Element AI'
which is going to focus
on the deep learning applications.

French: 
C'est devenu un domaine
très concurrentiel.
Des centaines d'étudiants
envoient leur candidature
pour continuer leurs études
avec les collaborateurs
de mon laboratoire.
Aujourd'hui, Montréal attire
la plus grande concentration académique
de chercheurs dans l'apprentissage
profond dans le monde.
Nous venons d'obtenir un financement
de recherche de 94 millions de dollars
pour repousser les frontières de l'IA
et de la science des données
et pour transférer
vers l'industrie les technologies
issues de l'apprentissage profond
et de la science des données.
Des entrepreneurs y trouvent
une source d'émulation
et créent des start-ups
ou des laboratoires industriels
souvent proches des universités.
Par exemple,
nous venons d'annoncer il y a quelques
semaines le lancement d'une start-up
appelée : « Element AI »
qui se concentre sur les applications
d'apprentissage profond.

Chinese: 
它已成為火熱的領域。
如今每年有成百上千的學生
申請研究所入學，
到我的實驗室
和我的同仁一起工作。
蒙特利爾已成為世界上最大的
深度學習研究人員學術聚集地。
我們剛收到 9400 萬美元的
巨額研究經費，
用於推動人工智慧
和數據科學的發展，
把深度學習技術
和數據科學技轉到工業界。
受到這些刺激的商業人士
新創公司、工業實驗室，
其中許多間就座落於大學附近。
例如幾週前
我們宣布成立一家名為
「Element AI」的新創工廠，
它將專注於深度學習的應用上。

Spanish: 
Se ha convertido en un campo muy fuerte.
Ahora hay cientos de estudiantes cada año 
que solicitan estudios de posgrado
en mi laboratorio con mis colaboradores.
Montreal se ha convertido
en la mayor concentración académica
de investigadores
de aprendizaje profundo del mundo.
Acabamos de recibir una gran beca
de investigación de USD 94 millones
para empujar los límites de la IA
y de la ciencia de datos
y también para transferir tecnología
de aprendizaje profundo
y ciencia de datos a la industria.
Empresarios alentados por todo esto 
crean nuevas empresas,
laboratorios industriales,
muchos de los cuales 
están cerca de las universidades.
Por ejemplo,
hace apenas unas semanas, anunciamos
el lanzamiento de una nueva empresa
llamada "Element AI"
que va a enfocarse en las aplicaciones
de aprendizaje profundo.

Portuguese: 
Simplesmente não há especialistas
suficientes em aprendizagem profunda,
então eles ganham salários absurdos
e muitos dos meus antigos colegas
acadêmicos aceitaram ofertas generosas
de empresas para trabalharem
em laboratórios industriais.
Eu escolhi permanecer na universidade,
para trabalhar pelo bem comum,
para trabalhar com os estudantes
e permanecer independente.
Para guiar a próxima geração
de especialistas em aprendizagem profunda.
Uma coisa que estamos fazendo
que ultrapassa o valor comercial
é pensar sobre
as implicações sociais da IA.
Muitos de nós começamos agora
a voltar nossa atenção
a programas que possuem
valor social, como a saúde.
Achamos que podemos usar
a aprendizagem profunda

English: 
There are just not enough
deep learning experts.
So, they are getting paid crazy salaries,
and many of my former academic colleagues
have accepted generous deals
from companies to work in industrial labs.
I, for myself, have chosen
to stay in university,
to work for the public good,
to work with students,
to remain independent.
To guide the next generation
of deep learning experts.
One thing that we are doing
beyond commercial value
is thinking about the social
implications of AI.
Many of us are now starting
to turn our eyes
towards social value added
applications, like health.
We think that we can use deep learning

Spanish: 
Simplemente no hay suficientes
expertos en aprendizaje profundo.
Así que, se les pagan sueldos muy altos
y muchos de mis antiguos colegas 
académicos han aceptado generosas ofertas
de empresas para trabajar
en laboratorios industriales.
Yo, por mi parte, he optado
por quedarme en la universidad,
para trabajar por el bien público,
para trabajar con alumnos,
para seguir siendo independiente,
para guiar a la próxima generación
de expertos en el aprendizaje profundo.
Una cosa que estamos haciendo 
más allá del valor comercial
es pensar en las consecuencias
sociales de la IA.
Muchos de nosotros estamos 
empezando a prestarle atención
a los programas que tienen
valor agregado social, como la salud.
Pensamos que podemos usar
el aprendizaje profundo

Chinese: 
深度學習的專家不多，
所以那些專家被支付高薪。
許多我學術界的前同事
接受公司給的高薪
去工業實驗室工作。
我自己選擇待在大學
為公眾利益工作，
和學生們一起工作，
保持獨立，
指導下一代的深度學習專家。
除了商業價值，
我們還思考人工智慧對社會的影響。
我們中的許多人現在開始把目光
投向於社會增值應用，例如健康。
我們認為可以利用深度學習

Chinese: 
只是没有足够多的深度学习的专家。
所以，那些专家们被支付了疯狂多的薪水，
我的许多前学术同事
都接受了公司的慷慨薪资，
来到了工业实验室工作。
就我自己而言，选择呆在大学，
为公众利益工作，
和学生们一起工作，
保持独立。
指导下一代的深度学习专家。
除了商业价值，
我们还在思考人工智能的社会影响。
我们中的许多人现在开始把目光
投向于社会增值应用，例如健康。
我们认为我们可以利用深度学习

French: 
Il n'y a pas assez de spécialistes
en apprentissage profond.
Les salaires sont extravagants,
conduisant de nombreux anciens collègues
à accepter des offres généreuses
d'entreprises pour travailler
dans leurs laboratoires.
J'ai toutefois décidé
de rester à l'université,
de travailler pour le bien public,
de travailler avec les étudiants,
de rester indépendant
et de montrer la voie à la nouvelle
génération de spécialistes
en apprentissage profond.
Au-delà de la valeur commerciale de l'IA,
nous réfléchissons
à ses implications sociales.
Nous sommes nombreux à nous intéresser
aux applications qui créent
de la valeur sociale, comme la santé.
Nous pensons pouvoir utiliser
l'apprentissage profond

French: 
pour améliorer les traitements
et vraiment personnaliser la médecine.
Je suis convaincu qu'à l'avenir,
la collecte de données sur des milliards
de personnes dans le monde
nous permettra d'offrir un conseil médical
à des milliards de personnes qui n'ont pas
encore accès aux soins de santé.
On peut imaginer beaucoup d'autres
applications avec une valeur sociale.
Par exemple, notre laboratoire
va prochainement sortir un produit
lié à la compréhension du langage naturel
qui offre une palette de services
comme des services légaux,
à ceux qui ne peuvent pas se le permettre.
Nous nous intéressons aussi
aux implications sociales de l'IA
dans ma communauté.
Mais cette question ne devrait pas
intéresser seulement les spécialistes.
En dépit des mathématiques et du jargon,
les citoyens peuvent
suffisamment appréhender
ce qu'il se passe sous le capot

Portuguese: 
para melhorar tratamentos
com uma medicina personalizada.
Acredito que, no futuro,
conforme coletamos mais dados
de bilhões de pessoas ao redor da Terra,
conseguiremos fornecer
aconselhamento médico
a bilhões de pessoas que não têm
acesso a isso atualmente.
E podemos imaginar muitos outros usos
para o valor social da IA.
Por exemplo, algo que resultará
de nossa pesquisa
sobre o entendimento da linguagem natural
é o fornecimento de vários serviços,
como os serviços legais
para quem não puder pagar por eles.
Agora também estamos virando nossa atenção
para as implicações sociais
da IA na minha comunidade.
Mas não são só os especialistas
que devem pensar sobre isso.
Acredito que, para além
da matemática e do jargão,
as pessoas comuns podem ter uma noção
do que ocorre sob a superfície

Chinese: 
来改进个性化治疗。
我相信在未来，
当我们从地球上数以百万计的人们
那里收集到更多的数据时，
我们将可以提供医疗建议
给数十亿现在无法得到这些建议的人们。
我们可以想象人工智能在
社会价值方面的其他许多应用。
例如，我们对
自然语言的理解的研究，
将会为那些无法负担的人们
提供各种各样的服务，比如法律服务。
我们如今同样也将目光
转向了人工智能对我们的社区的
社会影响。
但这不仅仅是专家需要思考的问题。
我相信，除了数学和专业术语，
普通人能充分知晓
幕后发生了什么，

English: 
to improve treatment
with personalized medicine.
I believe that in the future,
as we collect more data from millions
and billions people around the earth,
we will be able to provide medical advice
to billions of people
who don't have access to it right now.
And we can imagine many other
applications for social value of AI.
For example, something
that will come out of our research
on natural language understanding
is providing all kinds of services
like legal services,
to those who can't afford them.
We are now turning our eyes
also towards the social implications
of AI in my community.
But it's not just for experts
to think about this.
I believe that beyond the math
and the jargon,
ordinary people can get the sense
of what goes on under the hood

Spanish: 
para mejorar el tratamiento
con medicina personalizada.
Creo que en el futuro,
mientras recopilamos más datos
de millones y millones de personas
en todo el mundo,
podremos proporcionar
asesoramiento médico
a miles de millones de personas
que no tienen acceso en este momento.
Y podemos imaginar otras aplicaciones
con valor social de la IA.
Por ejemplo, algo que surgirá
de nuestra investigación
sobre la comprensión del lenguaje natural
es proporcionar todo tipo de servicios,
como servicios legales,
a aquellos que no pueden pagarlos.
Ahora también estamos 
prestándole atención
a las consecuencias sociales
de la IA en mi comunidad.
Pero no solo los expertos
deben pensar en esto.
Creo que más allá
de las matemáticas y la jerga,
la gente común puede tener una idea
de lo que sucede
debajo de la superficie.

Chinese: 
來改進個別化的治療。
我相信在未來，
在收集全球數百萬、
數十億人的更多數據後，
我們將能夠提供醫療建議
給數十億現在得不到的人。
我們想像人工智慧
在社會價值方面的許多其他應用。
例如，我們對自然語言理解的研究，
將會為那些無法負擔的人們
提供各式各樣的服務，
比如法律服務。
我們如今同樣也將目光
轉向了人工智慧
對我們社區的社會影響。
但這不僅僅是專家需要思考的問題。
我相信這事超越數學和專業術語，
普通人能充分知曉
幕後發生了什麼事，

Chinese: 
從而參與未來幾年，乃至幾十年的
有關人工智慧的重要決策。
所以，
請預留費用和空間讓自己去學習吧。
我和合作者寫了幾篇介紹性論文
和一本名為《深度學習》的書，
來幫助學生和工程師
進入這個令人興奮的領域。
同樣也有許多線上的資源： 
軟體、學習指南、影片等等。
許多大學生自學了
很多關於深度學習的研究，
為了之後加入實驗室的行列，
像是我的實驗室。
人工智慧將對我們社會
產生深遠的影響。

Portuguese: 
o bastante para participarem
nas decisões importantes
que ocorrerão nos próximos
anos e décadas sobre a IA.
Então, por favor,
deixem seu medo de lado e deem-se
o espaço para aprender sobre isso.
Meus colaboradores e eu escrevemos
vários artigos introdutórios
e um livro chamado "Aprendizagem Profunda"
para ajudar estudantes e engenheiros
a entrarem nesse estimulante campo.
Também há muitos recursos on-line:
softwares, tutoriais, vídeos, etc.
e muitos estudantes universitários estão
aprendendo sozinhos vários desses tópicos
sobre pesquisas na aprendizagem profunda,
para depois se juntarem
a laboratórios como o meu.
A IA terá um impacto significativo
na nossa sociedade.

Chinese: 
从而参与在未来几年，乃至几十年的
有关人工智能的重要决策。
所以，
请把你的费用放在一边，
留一些空间让自己去学习吧。
我和我的合作者写了几篇介绍性论文
和一本名为《深度学习》的书，
来帮助学生们和工程师们
进入这个令人兴奋的领域。
同样也有许多在线资源：
软件，学习指南，视频......
很多本科生都自学了
很多关于深度学习的研究，
为了之后加入实验室。
人工智能将对我们的社会
产生深远的影响。

English: 
enough to participate
in the important decisions
that will take place, in the next
few years and decades about AI.
So please,
set aside your fees and give yourself
some space to learn about it.
My collaborators and I have written
several introductory papers
and a book entitled "Deep Learning"
to help students and engineers
jump into this exciting field.
There are also many online resources:
softwares, tutorials, videos..
and many undergraduate students
are learning a lot of this
about research in deep learning
by themselves,
to later join the ranks of labs like mine.
Ai is going to have a profound
impact on our society.

French: 
pour participer
aux décisions fondamentales
qui seront prises prochainement
et dans les décennies à venir
au sujet de l'IA.
Je vous invite donc
à mettre de côté vos peurs et à ménager
un peu d'espace pour vous renseigner.
Avec mes collaborateurs, nous avons écrit
plusieurs articles d'introduction
et un livre intitulé :
« L'apprentissage profond »
pour inciter étudiants et ingénieurs
à s'engager dans ce domaine passionnant.
Il y a aussi de nombreuses ressources
en ligne : logiciels, tutoriels ou vidéos.
De nombreux étudiants étudient ce domaine
de recherche sur l'apprentissage profond
de manière autodidacte
afin de rejoindre des laboratoires
comme le mien.
L'impact de l'IA sur notre société
sera important.

Spanish: 
Lo suficiente como para participar
en las decisiones importantes
que se tomarán en los próximos
años y décadas sobre la IA.
Así que, por favor,
dediquen un presupuesto
y dense un espacio
para aprender sobre ella.
Mis colaboradores y yo hemos escrito
varios artículos introductorios
y un libro titulado "Aprendizaje profundo"
para ayudar a estudiantes e ingenieros
a adentrarse en este emocionante campo.
También hay muchos recursos en línea:
softwares, tutoriales, videos...
y muchos estudiantes no graduados
están aprendiendo mucho
sobre la investigación
en el aprendizaje profundo por sí mismos,
para luego ser parte
de laboratorios como el mío.
La IA va a tener un profundo
impacto en nuestra sociedad.

Portuguese: 
Então, é importante perguntar:
como iremos usá-la?
Benefícios imensos poderão ser
acompanhados por um lado negativo,
como o uso militar,
ou mudanças rápidas e turbulentas
no mercado de trabalho.
Para garantir que as escolhas coletivas
que serão feitas sobre a IA
nos próximos anos
sejam para o benefício de todos,
todo cidadão deveria
assumir um papel ativo
na definição de como a IA
moldará nosso futuro.
Obrigado.
(Aplausos)

French: 
Il est donc crucial de se demander :
qu'allons-nous en faire ?
Des bénéfices incalculables peuvent
en émaner comme des impacts négatifs :
des applications militaires
ou des changements disruptifs
sur le marché de l'emploi.
Pour nous assurer que les choix collectifs
qui seront pris au sujet de l'IA
dans les années à venir
soient bénéfiques à tous,
tous les citoyens doivent
devenir les protagonistes
pour définir comment l'IA
va modeler notre avenir.
Merci.
(Applaudissements)

English: 
So, it's important to ask:
How are we going to use it?
Immense positives may come
along with negatives
such as military use
or rapid disruptive changes
in the job market.
To make sure the collective choices
that will be made about AI
in the next few years,
will be for the benefit of all,
every citizen should take an active role
in defining how AI will shape our future.
Thank you.
(Applause)

Spanish: 
Así que es importante preguntar:
¿Cómo la vamos a utilizar?
Pueden darse muchísimos
resultados positivos
y también negativos,
como el uso militar,
o cambios rápidos y disruptivos
en el mercado laboral.
Para asegurarnos de que las decisiones 
colectivas que se tomarán sobre la IA
en los próximos años
serán en beneficio de todos,
todos los ciudadanos
deben participar activamente
en definir cómo la IA
determinará nuestro futuro.
Gracias.
(Aplausos)

Chinese: 
所以，重要的是要问：
我们该如何使用它？
巨大的积极面可能会伴随着消极面，
譬如军事使用
或者就业市场急速颠覆性的变化。
为了确保在未来的几年内，
人工智能所面临的集体选择
将会对所有人有利，
每一个公民应该
在定义人工智能将如何塑造
我们的未来时发挥积极的作用。
谢谢。
（掌声）

Chinese: 
所以重要的是問：我們該如何用它？
巨大的正面影響可能伴隨負面影響，
譬如軍事的應用
或急速顛覆性的就業市場變化。
為了確保在未來的幾年內
人工智慧所面臨的集體選擇
將會對所有人有利，
每一個公民應該積極發揮作用
共同來定義人工智慧
將如何塑造我們的未來。
謝謝。
（掌聲）
