1 00:00:04,488 --> 00:00:06,824 ‫عصر هوش مصنوعی 2 00:00:06,891 --> 00:00:07,958 ‫:کرت وانه گت میگه 3 00:00:07,992 --> 00:00:11,262 ‫«.علم جادویی هستش که کار می کنه» 4 00:00:11,295 --> 00:00:13,297 ‫من قبول دارم ‫چون کاملا با عقل جور در میاد. 5 00:00:13,330 --> 00:00:16,167 ‫ولی خیلی وقت پیش نبود که ‫ما نمی تونستیم متوجه بشیم 6 00:00:16,200 --> 00:00:19,003 ‫که چی باعث شد گونه ها ‫به صورت کامل منقرض بشن، 7 00:00:19,036 --> 00:00:21,772 ‫چرا زمین تکون خورد ‫یا زمین ها خشک شدند. 8 00:00:21,806 --> 00:00:23,174 ‫یکی از وعده های هوش مصنوعی اینه که 9 00:00:23,207 --> 00:00:25,810 ‫به ما این قدرت رو میده ‫تا از یادگیری ماشینی 10 00:00:25,843 --> 00:00:29,213 ‫برای پیش بینی و حفظ هر چیزی... ‫از محاظت حیات وحش بگیرید 11 00:00:29,246 --> 00:00:31,282 ‫تا انتظار زلزلره کشیدن رو استفاده کنیم.... 12 00:00:31,315 --> 00:00:33,717 ‫دیدن آینده نمی تونه جلوی فجایع رو بگیره، 13 00:00:33,751 --> 00:00:38,255 ‫ولی فکر کنم هممون موافقیم که ‫ما به تجهیزات ارتقا نیاز داریم. 14 00:00:38,289 --> 00:00:40,191 ‫حالا هر چی ‫بیاین یه امتحانی بکنیم.. 15 00:00:40,224 --> 00:00:43,427 ‫آیا ششمین انقراض دسته جمعی در پیشه؟ 16 00:00:44,595 --> 00:00:46,130 ‫«.پاسخ نامعلوم بود. دوباره سعی کنید» 17 00:00:53,938 --> 00:00:55,306 ‫آماده ای؟ 18 00:00:58,108 --> 00:01:01,245 ‫داریم به اونی که قلاده داره نگاه می کنیم. 19 00:01:01,278 --> 00:01:04,482 ‫حدود 250 هزار پارک طبیعی در دنیا هست 20 00:01:06,183 --> 00:01:08,686 ‫و حدود 80هزارتا از اون ها در خطرن.... 21 00:01:10,154 --> 00:01:14,225 ‫این مسیری هست که توسط فیل ها ‫و شکارچی های غیرمجاز استفاده میشه. 22 00:01:14,258 --> 00:01:16,227 ‫بله، ما هم همینطور فکر می کنیم. 23 00:01:16,260 --> 00:01:24,201 ‫ما این همه راه رو به آفریقا اومدیم تا با ‫هوش مصنوعی جلوی شکارچی ها رو بگیریم. 24 00:01:24,235 --> 00:01:26,303 ‫امیدوارم که جواب بده. 25 00:01:32,810 --> 00:01:33,811 ‫[دوازده ساعت قبل تر] 26 00:01:40,651 --> 00:01:42,386 ‫یه فیل اونجاست. 27 00:01:46,790 --> 00:01:47,925 ‫آماده ای؟ 28 00:01:49,260 --> 00:01:50,661 ‫بله. ما آماده هستیم. 29 00:01:58,469 --> 00:02:03,340 ‫شکارچی ها هر ساله ‫تقریبا 35 هزار فیل آفریقایی رو می کشن. 30 00:02:03,374 --> 00:02:07,278 ‫نیم کیلو عاج فیل ‫به قیمت 1500 دلار فروخته میشه، 31 00:02:07,311 --> 00:02:10,414 ‫و وزن هر عاج میتونه تا 113 کیلو برسه. 32 00:02:13,384 --> 00:02:17,288 ‫فیل ها یک دهه تا انقراض فاصله دارن، 33 00:02:17,321 --> 00:02:21,859 ‫ولی مسئله فقط حفاظت از یک نوع حیوان ‫یا گونه های کلیدی نیست. 34 00:02:25,696 --> 00:02:30,301 ‫حدود یک میلیون گونه دیگه هست ‫که در معرض حذف شدن قرار گرفتن. 35 00:02:31,168 --> 00:02:33,470 ‫حیوانات روی پوشش گیاهی تاثیر میذارن، 36 00:02:34,305 --> 00:02:37,207 ‫گوناگونی زیستی اکوسیستم رو شکل میده، 37 00:02:37,241 --> 00:02:41,312 ‫که همه این ها در عوض ‫روی انسان تاثیر میذاره. 38 00:02:41,345 --> 00:02:43,914 ‫همه چیز مرتبطه. 39 00:02:43,948 --> 00:02:47,685 ‫پس سخت نیست که بگیم با حفاظت از 40 00:02:47,718 --> 00:02:50,621 ‫فیل های آفریقایی از بشر... ‫و آینده ما حفاظت میشه. 41 00:02:51,121 --> 00:02:52,923 ‫مختصات رو بردارید. 42 00:02:52,990 --> 00:02:54,358 ‫- یک درجه؟ - .یک درجه 43 00:02:54,391 --> 00:02:56,226 ‫- ده درجه؟ - ده درجه؟ 44 00:02:57,561 --> 00:02:59,730 ‫وضعیت پنج هستش، سالمه. 45 00:02:59,763 --> 00:03:06,737 ‫پروژه الفانت مارا یک تشکیلات حفاظتی هست ‫که شامل فعالیت ضد-شکار روی زمین 46 00:03:06,770 --> 00:03:09,440 ‫و تحقیق .و نظارت بر فیل ها میشه 47 00:03:09,473 --> 00:03:11,976 ‫اینجا در دشت های چمنی جنوب غرب کنیا 48 00:03:12,009 --> 00:03:13,310 ‫تیمی که فقط از 50 جنگل بان تشکیل شده 49 00:03:13,344 --> 00:03:16,914 ‫منطقه ای به مساحت ‫بیش از 3 هزار مایل مربع رو گشت میزنه. 50 00:03:22,453 --> 00:03:27,057 ‫برای نظارت به فیل های نر بزرگتر ‫تیم هوایی اون ها رو آروم می کنه، 51 00:03:27,091 --> 00:03:30,961 ‫بهشون قلاده جی پی اس وصل میکنن ‫و با ماهواره ردیابی شون میکنن. 52 00:03:39,703 --> 00:03:42,806 ‫همچنین به ما اجازه میده تا ‫به اون داده های گذشته نگاه کنیم 53 00:03:42,840 --> 00:03:44,441 ‫و بگیم که اینا دالان ها هستن. 54 00:03:44,475 --> 00:03:45,876 ‫اینا مناطق درگیری هستن. 55 00:03:45,909 --> 00:03:48,445 ‫اینا مناطقی هستن که ‫اونجا فیل ها در خطرن. 56 00:03:49,647 --> 00:03:51,915 ‫به امید شناسایی کردن شکارچی ها، 57 00:03:51,949 --> 00:03:55,252 ‫جنگل بان ها در تمام پارک ‫دوربین تله ای نصب کردن. 58 00:03:55,285 --> 00:03:58,956 ‫سیستم سنتی دوربین تله ای ‫از هر چیزی که حرکت کنه عکس می گیره 59 00:04:01,025 --> 00:04:04,461 ‫که بعدش منجر به ‫همه جور نتایج مثبت کاذب میشه. 60 00:04:04,495 --> 00:04:10,000 ‫آدم ساعت ها وقت میذاره هزاران عکس رو ببینه ‫تا شاید یه شکارچی توش باشه 61 00:04:10,000 --> 00:04:11,902 ‫و اون عکس واسه سه روز پیش بوده. 62 00:04:14,304 --> 00:04:16,607 ‫برای اون حیوونا خیلی دیره. 63 00:04:17,808 --> 00:04:19,343 ‫اونا مردن. 64 00:04:20,744 --> 00:04:24,181 ‫مشخصا سیستم سنتی ‫دوربین های تله ای کافی نیستن. 65 00:04:24,214 --> 00:04:25,649 ‫اینا انواع مختلفی از 66 00:04:25,683 --> 00:04:26,750 ‫دام هستن. 67 00:04:26,784 --> 00:04:29,720 ‫همه چی از سیم خاردار ‫تا کابل اینجاست، 68 00:04:29,753 --> 00:04:33,624 ‫و وقتی که حیوون میاد رد بشه ‫دام جمع میشه. 69 00:04:33,657 --> 00:04:35,926 ‫- اینا برای کشتارن، برای گوشتشون - ‫خب . 70 00:04:35,959 --> 00:04:39,196 ‫ولی میبینید که بعضی مواقع... ‫فیل ها گیر میفتن، 71 00:04:39,229 --> 00:04:43,434 ‫و میبینید که خرطوم شون رو قطع کردن ‫که واقعا این کار ناراحت کننده اس،. 72 00:04:43,467 --> 00:04:47,037 ‫اگه ما بتونیم که اون شکارچی ها رو ‫قبل از اینکه حیات وحش رو بکشن 73 00:04:47,071 --> 00:04:49,673 ‫سر بزنگاه با دام بگیریمشون، 74 00:04:49,707 --> 00:04:52,443 ‫ما واقعا جلو میفتیم. 75 00:04:52,476 --> 00:04:56,847 ‫هر کدوم از این ها رو اگه جدا نکنیم ‫جون یک حیوون رو می گیره. 76 00:04:57,715 --> 00:04:59,349 ‫خدایا. 77 00:04:59,383 --> 00:05:02,319 ‫"A.I. for Social Good" من رئیس بخش ‫توی شرکت اینتل هستم. 78 00:05:02,352 --> 00:05:07,391 ‫این پیوستگی تکنولوژی هوش مصنوعی ‫با پروژه های هست که تاثیر اجتماعی دارن. 79 00:05:07,424 --> 00:05:10,194 ‫اینا نیزه پرتابی هستن ‫که مخصوصا برای فیل ها استفاده میشن،. 80 00:05:10,227 --> 00:05:11,395 ‫وای خدای من. 81 00:05:11,428 --> 00:05:13,030 ‫پس کاری که می کنن اینه که 82 00:05:14,064 --> 00:05:18,302 ‫روش یه بالابر میذارن ‫و بالاترین نقطه درخت میبرنش، 83 00:05:18,902 --> 00:05:20,070 ‫خیلی خیلی بالا، 84 00:05:20,104 --> 00:05:21,839 ‫و بعدش یه سیم رهاساز هستش. 85 00:05:21,872 --> 00:05:24,675 ‫و وقتی فیل از زیرش رد بشه 86 00:05:27,711 --> 00:05:28,846 ‫اتفاق ناخوشایندی میفته. 87 00:05:28,879 --> 00:05:31,782 ‫مشکلیه که از بین نمیره. 88 00:05:31,815 --> 00:05:36,887 ‫کاری من اینه که با افراد و سازمان هایی که ‫یک ماموریت دارن صحبت کنم، 89 00:05:36,920 --> 00:05:41,458 ‫و اون ها رو به تکنولوژی ای وصل کنم ‫تا ماموریتشون رو بواسطه اون انجام بدن. 90 00:05:43,494 --> 00:05:44,528 ‫حالت چطوره؟ 91 00:05:44,561 --> 00:05:45,729 ‫سلام اریک .خوبم، خوبم. 92 00:05:45,763 --> 00:05:47,998 ‫شرکت اینتل با ریزالو همکاری کرد 93 00:05:48,031 --> 00:05:50,601 ‫سازمان غیردولتی ای که ‫از نوآوری های فنی استفاده می کنه، 94 00:05:50,634 --> 00:05:53,904 ‫تا بعضی از مشکلات حادتر ‫زیست محیطی سیاره رو حل کنه. 95 00:05:53,937 --> 00:05:56,473 ‫ریزالو یک مجموعه غیرانتفاعی هست. 96 00:05:56,507 --> 00:05:59,443 ‫ما دنبال راهی می گردیم تا ‫بزرگترین پستانداران جهان رو نجات بدیم 97 00:05:59,476 --> 00:06:02,946 ‫و جلوی ششمین انقراض دسته جمعی رو بگیریم ‫تا بدتر از این نشه. 98 00:06:04,381 --> 00:06:09,887 ‫اون ها یک ابزار قدرت گرفته از هوش مصنوعی رو ‫توسعه دادن و اسمش رو تریل گارد گذاشتن. 99 00:06:09,920 --> 00:06:14,758 ‫تریل گارد در اصل یک دوربین ضبط حرکتی هست ‫که برای کمک به جلوگیری از شکار طراحی شده. 100 00:06:14,792 --> 00:06:19,329 ‫به لطف اختراع فوق العاده چیپ جدید 101 00:06:19,363 --> 00:06:23,534 ‫هوش مصنوعی رو به خود چیپ مختصر میکنه. 102 00:06:23,567 --> 00:06:27,004 ‫پس کاری که ما کردیم اینه که ‫این چیپ رایانه ای قدرتمند 103 00:06:27,037 --> 00:06:28,572 ‫که بهش «واحد پردازش دید» گفته میشه ‫"Vision Processing Unit". 104 00:06:28,605 --> 00:06:32,976 ‫تمام عکس هایی که دوربین تله ای میگیره ‫وارد چیپ وی پی یو میشه، 105 00:06:33,010 --> 00:06:36,346 ‫و تشخیص میده که کسی هست یا نه 106 00:06:36,380 --> 00:06:37,848 ‫خب. 107 00:06:37,881 --> 00:06:40,317 ‫و فقط عکس هایی رو میفرسته که توش کسی هست. 108 00:06:40,350 --> 00:06:44,254 ‫پس 95 درصد از اون اختلال رو ‫که میگیری رو کاهش میده. 109 00:06:44,288 --> 00:06:46,123 ‫داخلش یک الگوریتم هوش مصنوعی داره 110 00:06:46,156 --> 00:06:48,025 ‫که به تک تک عکس ها نگاه می کنه، 111 00:06:48,058 --> 00:06:51,695 ‫و تشخیص میده که آیا این تصویر ‫برای جنگل بان جالب هست یا نه، 112 00:06:51,728 --> 00:06:55,799 ‫و جنگل بان ها الان فقط میخوان بدونن ‫که آیا کسی رد میشه. 113 00:06:55,833 --> 00:07:00,470 ‫هزاران تصویر انسان و حیوان ‫به خورد الگوریتم داده میشه. 114 00:07:00,504 --> 00:07:03,607 ‫الگوریتم شکل بدن، هندسه صورت 115 00:07:03,640 --> 00:07:05,709 ‫حرکت و سایر ویژگی ها رو بررسی می کنه ‫تا اینکه یاد بگیره 116 00:07:05,742 --> 00:07:10,747 ‫چطور یکی رو توی هر زاویه و نوری ‫از اون یکی دیگه جدا کنه،. 117 00:07:10,781 --> 00:07:14,585 ‫هر بار که حرکتی جلوش صورت بگیره ‫اون عکس می گیره، 118 00:07:14,618 --> 00:07:20,257 ‫ولی هوش مصنوعی فقط تصاویر ‫آدم هایی که رد میشن رو میفرسته. 119 00:07:20,290 --> 00:07:23,861 ‫سیستم تشخیص تصویر به یک تصویر نگاه میکنه ‫و میفهمه که داخلش چیه. 120 00:07:24,628 --> 00:07:29,299 ‫این مثال کامل چیزیه که ما قدرش رو نمیدونیم. 121 00:07:29,333 --> 00:07:32,102 ‫آدم ها میتونن به یک تصویر نگاه کنن ‫و بدون اینکه حتی بهش فکر کنن 122 00:07:32,135 --> 00:07:33,370 ‫بفهمن که داخلش چی هست، 123 00:07:33,403 --> 00:07:36,306 ‫ولی در واقع این مشکل ‫به طرز خارق العاده ای دشواره. 124 00:07:36,340 --> 00:07:38,408 ‫به طرز شگفت انگیزی حالا رایانه هایی داریم 125 00:07:38,442 --> 00:07:44,481 ‫که حداقل با پارامترهای مشخصی ‫می تونن مثل انسان این کار رو انجام بدن. 126 00:07:44,514 --> 00:07:47,451 ‫زیبایی این سیستم اینه که ‫اینجا در مارا، 127 00:07:47,484 --> 00:07:51,788 ‫زمانی که طول میکشه ‫تا یک شکارچی جلوی دوربین رد بشه 128 00:07:51,822 --> 00:07:54,258 ‫تا وقتی که بگه «،اون یه آدمه» 129 00:07:54,291 --> 00:07:57,327 ‫و اون رو به مرکز بفرسته ‫زیر دو دقیقه طول میکشه. 130 00:07:57,361 --> 00:08:00,731 ‫بعدش می تونیم یک تیم جنگل بان ‫به اون منطقه بفرستیم. 131 00:08:00,764 --> 00:08:04,201 ‫و قبل اینکه فرصتش رو پیدا کنن ‫تا اون حیوون ها بکشن 132 00:08:04,234 --> 00:08:07,070 ‫اون ها رو دستگیر کنیم. 133 00:08:07,104 --> 00:08:09,139 ‫ما باید احتمال تشخیص رو پایین بیاریم 134 00:08:09,172 --> 00:08:10,140 ‫درسته. 135 00:08:10,173 --> 00:08:11,541 ‫تا چیزی رو از دست ندیم.... 136 00:08:11,575 --> 00:08:13,844 ‫برامون مهم نیست که ‫مثبت کاذب بگیریم، 137 00:08:13,877 --> 00:08:15,479 ‫ولی ما نمی خوایم که منفی کاذب بگیریم، 138 00:08:15,512 --> 00:08:18,815 ‫که یک آدم رد بشه و هوش مصنوعی تشخیصش نده. 139 00:08:18,849 --> 00:08:23,654 ‫چیزی که نگرانشم اینه که ‫شب ها تشخیص سختتر میشه، 140 00:08:23,687 --> 00:08:27,424 ‫یکی از سخت ترین چیزهای بکارگیری تکنولوژی ‫اینه که هیچوقت نمیدونی 141 00:08:27,457 --> 00:08:29,493 ‫قراره چطور توی محل عمل کنه.... 142 00:08:29,526 --> 00:08:33,297 ‫یه میلیون چیزهای مختلف هست ‫که می تونه درست کار نکنه. 143 00:08:33,330 --> 00:08:37,434 ‫آنا، اریک و جنگل بان ها ‫به پناهگاه مارا میرن تا 144 00:08:37,467 --> 00:08:40,003 ‫دوربین ها رو برای اولین تستشون ‫در دنیای واقعی نصب کنن، 145 00:08:40,037 --> 00:08:42,039 ‫پارک های آفریقا واقعا بزرگن 146 00:08:42,072 --> 00:08:44,141 ‫چون پستاندارانی که اونجا زندگی میکنن 147 00:08:44,174 --> 00:08:47,611 ‫به فضای بزرگی برای زنده موندن احتیاج دارن. 148 00:08:47,644 --> 00:08:51,048 ‫این مسئله تلاش برای حفاظت از اون ها ‫رو پیچیده می کنه 149 00:08:52,082 --> 00:08:56,920 ‫ولی واقعیت اینه که تهاجم شکارچی ها ‫تصادفی نیست، 150 00:08:56,954 --> 00:08:59,623 ‫در واقع شکارچی ها سعی می کنن ‫مسیر رو پیدا کنن 151 00:08:59,656 --> 00:09:02,626 ‫چون می خوان خیلی سریع وارد و خارج بشن. 152 00:09:02,659 --> 00:09:04,861 ‫این بالا جای قشنگیه. 153 00:09:04,895 --> 00:09:06,997 ‫حدود ده مسیر دسترسی اصلی هست 154 00:09:07,030 --> 00:09:10,467 ‫که هشتاد درصد شکارچی ها از اونجا میان. 155 00:09:10,500 --> 00:09:13,637 ‫فکر کنم اینجا جایی هستش که ‫فیل ها معمولا میان. 156 00:09:13,670 --> 00:09:15,806 ‫ممکنه بیشتر غیرمحسوس باشیم؟ 157 00:09:15,839 --> 00:09:17,908 ‫تو چی فکر می کنی؟ 158 00:09:24,815 --> 00:09:27,617 ‫من میخوام پشت این شاخه قایم بشم 159 00:09:27,651 --> 00:09:29,353 ‫بله. 160 00:09:29,386 --> 00:09:30,454 ‫چطوره اریک؟ 161 00:09:30,487 --> 00:09:31,488 ‫عالیه. 162 00:09:31,521 --> 00:09:32,522 ‫عالی شد. 163 00:09:32,556 --> 00:09:34,524 ‫حالا نما رو داری. 164 00:09:34,558 --> 00:09:39,663 ‫شکارچی ها حتی مشکوک نمیشن ‫که یک جنگل بان یا دوربین اینجاست. 165 00:09:39,696 --> 00:09:41,298 ‫این یه جنگل بان مخفیه. 166 00:09:41,331 --> 00:09:43,667 ‫- .جنگل بان مخفی - .آره 167 00:09:51,274 --> 00:09:52,275 ‫پس امشب، 168 00:09:52,309 --> 00:09:56,046 ‫من و دوستام با دوربین هایی که گذاشتن ‫یه کم موش و گربه بازی درمیاریم. 169 00:09:56,079 --> 00:09:57,848 ‫ما ادای شکارچی های واقعی رو درمیاریم. 170 00:09:57,881 --> 00:09:59,950 ‫ببینیم دوربین ما رو می گیره یا نه. 171 00:10:02,152 --> 00:10:05,722 ‫آیا هوش مصنوعی در شب کار میکنه؟ 172 00:10:05,756 --> 00:10:09,760 ‫که چیز مهمی هم هست ‫چون بیشتر شکارها در شب اتفاق میفته،. 173 00:10:09,793 --> 00:10:12,596 ‫برای تشخیص تصویر هم .شب سخت تره 174 00:10:12,629 --> 00:10:15,465 ‫دیدن جزئیات و ویژگی ها سخت تره 175 00:10:15,499 --> 00:10:16,867 ‫پس برای این تست، 176 00:10:16,900 --> 00:10:19,603 ‫هوش مصنوعی باید به مجموعه داده باریکی ‫تکیه کنه. 177 00:10:21,238 --> 00:10:25,108 ‫میدونستیم که توی ‫آزمایشگاه ایالات متحده کار می کنه، 178 00:10:25,142 --> 00:10:26,343 ‫ولی اینجا اونطور نیست. 179 00:10:26,376 --> 00:10:31,148 ‫پس این مسیری هست که توسط ‫شکارچی و فیل ها استفاده میشه. 180 00:10:31,181 --> 00:10:33,016 ‫بله، ما همین فکرو می کنیم. 181 00:10:33,050 --> 00:10:35,886 ‫دوازده مایل اونطرف تر ‫در مرکز فرماندهی ام ای پی،. 182 00:10:35,919 --> 00:10:38,722 ‫تیم منتظره تا تریل گارد کارش رو شروع کنه. 183 00:10:46,396 --> 00:10:50,767 ‫خب، اینجا میبینم ‫که چهار تصویر اومده. 184 00:10:50,801 --> 00:10:54,037 ‫دید رایانه ای هوش مصنوعی ‫چیزی رو تشخیص داده. 185 00:10:54,771 --> 00:10:57,774 ‫آدمه، حیوونه یا چیز دیگه؟ 186 00:10:57,808 --> 00:11:00,477 ‫بیاین اولی رو بررسی کنیم. 187 00:11:00,510 --> 00:11:02,779 ‫امیدوارم که جواب بده. 188 00:11:08,919 --> 00:11:11,121 ‫- !هی -!آره 189 00:11:11,154 --> 00:11:11,988 ‫خودشه. 190 00:11:12,022 --> 00:11:13,256 ‫آفرین بچه ها .آفرین 191 00:11:13,290 --> 00:11:15,459 ‫- .عالیه - ‫ما شکارچیمون رو گرفتیم . 192 00:11:17,394 --> 00:11:18,628 ‫از خوشحالی بال درآوردم. 193 00:11:18,662 --> 00:11:22,065 ‫خیلی هیجان زده ام که نسخه آزمایشی کار کرده. 194 00:11:23,100 --> 00:11:24,701 ‫عالیه! 195 00:11:24,734 --> 00:11:26,336 ‫دوتا از دوتا عکس درسته. 196 00:11:26,369 --> 00:11:27,938 ‫اونو ببین! 197 00:11:28,572 --> 00:11:30,173 ‫بله 198 00:11:30,207 --> 00:11:31,408 ‫وای، خیلی خوبه. 199 00:11:32,275 --> 00:11:33,710 ‫خوبه، چهار از چهار. 200 00:11:33,743 --> 00:11:34,978 ‫خیلی خوبه. 201 00:11:35,011 --> 00:11:39,282 ‫گرفتن شکارچی یه جور ‫حرکت موش و گربه ای بوده. 202 00:11:39,316 --> 00:11:42,486 ‫تریل گارد به ما این برتری جدید رو میده. 203 00:11:42,519 --> 00:11:48,158 ‫حالا قبل اینکه شکارچی ها فرصت کنن .تا ‫وارد بشن و حیات وحش رو بکشن میگیریمشون 204 00:11:48,191 --> 00:11:50,160 ‫این یه مشکل جهانیه. 205 00:11:50,193 --> 00:11:54,331 ‫تعداد آدمای بد از آدمای خوبی که ‫از این پارک ها دفاع می کنن خیلی بیشتره. 206 00:11:55,132 --> 00:11:59,136 ‫حالا می تونیم کفه ترازو رو ‫به سمت آدمای خوب ببریم. 207 00:11:59,169 --> 00:12:03,006 ‫تا پستاندارهای بزرگ دنیا رو نجات بدیم ‫و از انقراض دسته جمعی ششم جلوگیری کنیم. 208 00:12:03,807 --> 00:12:08,011 ‫انقراض دسته جمعی وقتیه که اکثر ‫حیوانات و گیاهان بمیرن، 209 00:12:08,044 --> 00:12:10,113 ‫و تنوع زیستی از بین بره. 210 00:12:12,749 --> 00:12:15,719 ‫احتمالا شناخته شده ترینش 66 میلیون سال ‫پیش بوده، 211 00:12:15,752 --> 00:12:18,255 ‫وقتی که یک سیارک غول پیکر ‫به زمین برخورد کرد، 212 00:12:18,989 --> 00:12:20,724 ‫و همه چی رو تلف کرد. 213 00:12:22,392 --> 00:12:26,596 ‫حالا شاید در وسط انقراض ششم باشیم. 214 00:12:26,630 --> 00:12:28,932 ‫شکارچی های بخشی از مشکل هستن، 215 00:12:28,965 --> 00:12:31,768 ‫ولی تغییرات اقلیمی هم مشکلیه 216 00:12:32,669 --> 00:12:34,337 ‫همینطور چیزی که می خوریم. 217 00:12:34,371 --> 00:12:35,805 ‫تمام ما مشکلیم. 218 00:12:35,839 --> 00:12:39,176 ‫آیا می تونیم رفتار مخربمون رو ‫دوباره سیم کشی کنیم؟ 219 00:12:40,343 --> 00:12:41,978 ‫می خوایم هفت تا تاپاس بپزیم 220 00:12:42,012 --> 00:12:45,015 ‫می خوایم از نه مایونز و ‫نه گوشت استفاده کنیم 221 00:12:45,182 --> 00:12:46,583 ‫نه شیر هم باشه .همه اش نه شد 222 00:12:46,683 --> 00:12:51,621 ‫سرخیو باروسو ‫اون یکی از با استعدادترین سرآشپزهای دنیاس،. 223 00:12:51,655 --> 00:12:54,191 ‫اون حس چشایی ای داره ‫که هیچکس نداره. 224 00:12:56,893 --> 00:12:58,762 ‫خب، این یکی چطور 225 00:12:58,795 --> 00:13:02,799 ‫یک سرآشپز شیلی ای ‫با حس چشایی فوق العاده حساس، 226 00:13:02,832 --> 00:13:07,003 ‫و یک ربات به اسم جوزپ ‫چطور می تونن محیط زیست رو نجات بدن؟ 227 00:13:07,537 --> 00:13:08,872 ‫سوال خوبیه. 228 00:13:08,905 --> 00:13:11,041 ‫بیاین اینو سریع ببریم بیرون. 229 00:13:11,374 --> 00:13:14,911 ‫شاید این غذا کلید ‫نجات سیارمون باشه. 230 00:13:15,946 --> 00:13:17,080 ‫این آزمایش نهاییه. 231 00:13:20,350 --> 00:13:24,421 ‫[سانتیاگو، شیلی] 232 00:13:26,923 --> 00:13:28,992 ‫ما رویاهای خیلی جاه طلبانه ای داریم. 233 00:13:29,025 --> 00:13:30,961 ‫ما دوست داریم دنیا رو تغییر بدیم، 234 00:13:30,994 --> 00:13:32,829 ‫ولی ما رویاپرداز نیستیم 235 00:13:33,530 --> 00:13:35,332 ‫ما بیشتر اهل عملیم. 236 00:13:35,365 --> 00:13:38,401 ‫بیا 90 گرم اضافه کنیم. 237 00:13:39,736 --> 00:13:46,109 ‫غذای پروتئینی گرفته شده از حیوون ‫برای هزار سال اخیر منبع غذایی ما بوده. 238 00:13:47,911 --> 00:13:49,646 ‫راستش من با خوردن استیک بزرگ شدم، 239 00:13:49,679 --> 00:13:51,548 ‫ولی روشی که داریم پرورشش میدیم 240 00:13:52,716 --> 00:13:55,452 ‫روش درستی نیست. 241 00:13:55,485 --> 00:14:02,859 ‫صنعت غذای مخرج رایجی برای تمام بیماری های ‫محیط زیستی شناخته شده برای انسان شده 242 00:14:02,892 --> 00:14:04,427 ‫جنگ زدایی، 243 00:14:04,461 --> 00:14:05,795 ‫قحطی آب، 244 00:14:05,829 --> 00:14:07,564 ‫قحطی غذا! 245 00:14:07,597 --> 00:14:09,799 ‫باور نکردنیه، مگه نه؟ 246 00:14:09,833 --> 00:14:12,469 ‫گوشت خوردن باعث تغییرات آب و هوایی میشه؟ 247 00:14:12,502 --> 00:14:13,803 ‫حتما. 248 00:14:13,837 --> 00:14:15,805 ‫گاوها و سایر حیوانات گاز متان بیرون میدن، 249 00:14:15,839 --> 00:14:17,874 ‫متان یک گاز مضر گلخونه ای هستش. 250 00:14:17,907 --> 00:14:22,612 ‫یک سوم زمین های قابل کشت ‫برای تغذیه دام استفاده میشه. 251 00:14:23,580 --> 00:14:24,547 ‫اینجوری بهش نگاه کنید، 252 00:14:24,581 --> 00:14:30,587 ‫خوردن یک برگر به اندازه ده مایل ‫رانندگی .روی محیط زیست تاثیر میذاره 253 00:14:33,556 --> 00:14:35,625 ‫پس چی کار کنیم؟ 254 00:14:38,628 --> 00:14:39,629 ‫یه راه جدیدی هست، 255 00:14:40,597 --> 00:14:42,065 ‫یه راه بهتر برای غذا ساختن، 256 00:14:42,098 --> 00:14:44,267 ‫و اون بر پایه گیاهه. 257 00:14:44,301 --> 00:14:48,838 ‫ماتیاس با دو نفر که مدرک دکترا داشتن ‫شریک شد تا شرکت نُت کو رو راه اندازی کنه، 258 00:14:48,872 --> 00:14:51,574 ‫یک استارتاپ هوش مصنوعی ‫با ماموریتی متواضعانه 259 00:14:51,608 --> 00:14:53,743 ‫نجات سیاره .با کاهش مصرف گوشت 260 00:14:53,777 --> 00:14:56,680 ‫اینجا می تونیم ببینیم ‫که اکثر مواد اولیه با عقل جور درمیان. 261 00:14:56,713 --> 00:15:01,518 ‫کلم، برنج، کدو تنبل ‫روغن آفتاب گردون، پروتئین نخود،. 262 00:15:01,551 --> 00:15:06,156 ‫چالش اون ها فقط ایجاد .یک جایگزین ‫گیاهی برای پروتئین حیوانی نیست 263 00:15:06,189 --> 00:15:07,891 ‫چندین شرکت قبلاً این کار رو کردن. 264 00:15:07,924 --> 00:15:11,861 ‫اینجا فرمول های متعددی تولید میشن ‫و به نظر منطقی میان، مگه نه؟ 265 00:15:11,895 --> 00:15:15,265 ‫شرکت ناتکو سعی داره ‫تا چیز پیچیده تری رو باز کنه 266 00:15:15,298 --> 00:15:17,667 ‫به نظر میاد که داره از ‫روغن های مختلفی استفاده میکنه. 267 00:15:17,701 --> 00:15:20,003 ‫مزه و درک.... 268 00:15:20,036 --> 00:15:22,806 ‫با استفاده از الگوریتم هوش مصنوعی ‫که اسمش رو جوزپ گذاشتن، 269 00:15:22,839 --> 00:15:25,375 ‫کاری می کنن که مردم فکر کنن ‫دارن استیک می خورن، 270 00:15:25,408 --> 00:15:29,379 ‫یا دارن شیر و تخم مرغ می خورن ‫در حالیکه واقعا نمی خورن. 271 00:15:30,847 --> 00:15:35,752 ‫اون سعی داشت از ترکیب سه روغن مختلف ‫امگا سه رو پیدا کنه. 272 00:15:35,785 --> 00:15:38,054 ‫جوزپ با این هدف ساخته شده تا 273 00:15:38,088 --> 00:15:41,725 ‫تکنولوژی ای داشته باشه که به ما بگه ‫چطور با استفاده از گیاهان 274 00:15:41,725 --> 00:15:45,195 ‫دوباره غذایی بر پایه حیوان درست کنیم. 275 00:15:46,229 --> 00:15:50,300 ‫الگوریتم می تونه این رو بفهمه که ‫رابطه واضحی بین 276 00:15:50,300 --> 00:15:54,337 ‫عناصر مولکولی غذا و... ‫درک انسان از طعم و بافت غذا وجود داره. 277 00:15:54,371 --> 00:15:57,941 ‫جادوی پشت جوزپ درباره شیمی هست. 278 00:15:57,974 --> 00:16:00,343 ‫هوش مصنوعی به ‫ساختار مولکولی غذا نگاه می کنه، 279 00:16:00,377 --> 00:16:02,011 ‫مثلا فرض کنید شیر. 280 00:16:02,045 --> 00:16:06,349 ‫بعدش یک لیست از عناصر پایه اون میسازه. 281 00:16:06,383 --> 00:16:10,019 ‫در نهایت با استفاده از یادگیری ماشینی ‫و یک پایگاه داده عظیم، 282 00:16:10,053 --> 00:16:13,323 ‫بعدش جوزپ عناصر رو ‫از مواد غذایی گیاهی ترکیب میکنه، 283 00:16:13,356 --> 00:16:16,693 ‫تا بافت و طعم غذای اصلی رو بسازه. 284 00:16:19,162 --> 00:16:23,600 ‫آدما توی درک دو ‫یا سه ماده همزمان خوب هستن. 285 00:16:23,633 --> 00:16:26,102 ‫ولی بعد از اون برامون خیلی سخته ‫که بهش فکر کنیم، 286 00:16:26,136 --> 00:16:29,072 ‫ولی ماشین می تونه به 5، 10 ‫ماده اولیه فکر کنه، 287 00:16:29,105 --> 00:16:33,109 ‫و اینکه با هم چطور میشن ‫و چه طعمی رو میدن، 288 00:16:33,143 --> 00:16:34,544 ‫و این قدرت بالای ماشین هست. 289 00:16:35,412 --> 00:16:36,346 ‫داری چی کار می کنی؟ 290 00:16:36,379 --> 00:16:38,314 ‫داری روی فیبر کار می کنی؟ 291 00:16:38,348 --> 00:16:41,084 ‫شباهت های زیادی بین گیاهان ‫و حیوانات وجود داره، 292 00:16:41,117 --> 00:16:43,153 ‫چون ما بخشی از طبیعت شیمیایی ‫رو قسمت می کنیم. 293 00:16:43,186 --> 00:16:44,521 ‫همه اون ها دی ان ای دارن، 294 00:16:44,554 --> 00:16:46,289 ‫همه اون ها آراِن ای دارن، 295 00:16:46,322 --> 00:16:48,691 ‫همشون پروتئین، چربی و کربوهیدرات دارن. 296 00:16:49,659 --> 00:16:55,298 ‫بادوم و گردو 97 درصد ‫شباهت مولکولی دارن. 297 00:16:55,331 --> 00:17:00,870 ‫فقط 3 درصد این هویت رو به ذهن شما میرسونه ‫که این گردوئه و اون بادومه. 298 00:17:00,904 --> 00:17:06,509 ‫پس ما باید دقیقا مشخصات مولکولی ای ‫که به غذا هویت می بخشن رو پیدا کنیم 299 00:17:06,543 --> 00:17:12,148 ‫تا بتونیم نوع مشخصی از گیاه و .ماده اولیه ‫رو از گیاه بگیریم تا دوباره بسازیمش 300 00:17:13,283 --> 00:17:14,017 ‫آره. 301 00:17:14,050 --> 00:17:15,518 ‫بوی سوشی میده. 302 00:17:15,552 --> 00:17:16,586 ‫نه سوشی تازه. 303 00:17:17,821 --> 00:17:20,123 ‫منظورم اینه که این جادوی پشت ناتکو هست 304 00:17:20,156 --> 00:17:26,262 ‫ما داریم اکوسیستمی میسازیم ‫که غذا رو به چشم خاصی میبینه 305 00:17:26,296 --> 00:17:30,900 ‫چون بعضی وقت ها جوزپ ‫مواد اولیه واقعا عجیبی رو پیشنهاد میده. 306 00:17:32,735 --> 00:17:37,607 ‫اولین غذایی که سعی دارن بسازن ‫یک چاشنی محبوب شیلی هست. 307 00:17:37,640 --> 00:17:39,075 ‫مایونز. 308 00:17:39,876 --> 00:17:45,682 ‫ما تشخیص دادیم که کلم در شرایط خاص ‫مولکولی رو آزاد میکنه که خیلی شبیه لاکتوزه. 309 00:17:45,715 --> 00:17:47,917 ‫و برای مغز شما مثل همون لاکتوز هستش. 310 00:17:47,951 --> 00:17:51,621 ‫ما عصاره رو چشیدیم و گفتیم ‫«دقیقا مزه مایونز میده» 311 00:17:52,856 --> 00:17:54,357 ‫ولی قرمزه. 312 00:17:54,390 --> 00:18:00,797 ‫الگوریتم هنوز نفهمید که یکی از شاخصه هایی ‫که توی تجربه حسی یک محصول برامون ارزش داره 313 00:18:00,830 --> 00:18:01,764 ‫رنگه. 314 00:18:01,798 --> 00:18:03,766 ‫خب پس مشکل طعم، 315 00:18:03,800 --> 00:18:04,834 ‫و بافت رو حل کردن، 316 00:18:04,868 --> 00:18:06,703 ‫ولی بازم الگوریتم رو تقویت کردن 317 00:18:06,736 --> 00:18:11,875 ‫تا وقتی که جوزپ به فرمول بهتری از رنگ رسید. 318 00:18:11,908 --> 00:18:15,378 ‫ما سومین تهیه کننده بزرگ مایونز ‫در شیلی هستیم، 319 00:18:15,411 --> 00:18:19,182 ‫و پرفروش ترین مایونز رو داریم ‫که توی بسته بندی فشاری بیرون میاد. 320 00:18:19,215 --> 00:18:23,520 ‫موفقیت «نه مایونز» به ‫خلق «نه شیر» ختم شد، 321 00:18:23,553 --> 00:18:24,988 ‫«نه بستنی» 322 00:18:25,021 --> 00:18:27,023 ‫«و «نه گوشت. 323 00:18:27,056 --> 00:18:30,827 ‫حالا دارن روی ‫نه تن ماهی» کار می کنن». 324 00:18:30,860 --> 00:18:32,195 ‫ما اقیانوس های غارت شده ای داریم. 325 00:18:33,363 --> 00:18:39,002 ‫تولید جایگزین برای ماهی تن ‫چیزیه که دنیا رو تغییر میده. 326 00:18:39,035 --> 00:18:40,403 ‫پس ماهی منطقیه. 327 00:18:40,436 --> 00:18:44,073 ‫ویکتور، اگه میتونی برو سراغ توت ها. 328 00:18:44,107 --> 00:18:46,676 ‫و لطفا رنگ رو استخراج کن. 329 00:18:46,709 --> 00:18:48,811 ‫ما باید ماهی تن آبی بسازیم. 330 00:18:48,845 --> 00:18:50,480 ‫این ماهی تن طبیعیه. 331 00:18:50,513 --> 00:18:53,783 ‫یه کلم داریم که مثل کیمچی درست شده. 332 00:18:53,816 --> 00:18:55,051 ‫این ظاهرشه ،مزشه، 333 00:18:55,084 --> 00:18:56,352 ‫مزه پس از خوردنشه، 334 00:18:56,386 --> 00:18:59,489 ‫و بقیه ابعاد در تجربه حسیه. 335 00:18:59,522 --> 00:19:01,157 ‫این کلیدیه. 336 00:19:01,190 --> 00:19:04,060 ‫میتونیم اینو اضافه کنیم تا عصاره رو بسازیم 337 00:19:04,093 --> 00:19:09,465 ‫اگه نتونیم چیزی بسازیم که به همون اندازه ‫خوب یا بهتر باشه، 338 00:19:09,499 --> 00:19:11,801 ‫شرایط عوض نمیشه ‫و ما تغییری ایجاد نمی کنیم،. 339 00:19:11,834 --> 00:19:14,470 ‫پس این به رنگ ماهی تن هستش. 340 00:19:14,504 --> 00:19:16,706 ‫- .آره، واقعا رنگش خوبه - ‫واقعا متمرکزه 341 00:19:18,274 --> 00:19:19,242 ‫آره، فکر کنم خوب شده. 342 00:19:19,275 --> 00:19:20,577 ‫کاملاً شبیهه. 343 00:19:20,610 --> 00:19:22,545 ‫یکی از چیزهای تغییرات رفتاری ‫در مقیاس بزرگ اینه که 344 00:19:22,579 --> 00:19:26,816 ‫اینه که از تغذیه یا ‫ملاحظات پایداری نمیاد، 345 00:19:26,849 --> 00:19:28,017 ‫بلکه از طعم میاد. 346 00:19:28,051 --> 00:19:31,754 ‫فکر کنم همه دلشون خواسته طعم جدید ‫سیب زمینی سرخ کرده رو امتحان کنن. 347 00:19:31,788 --> 00:19:35,525 ‫و اگه بتونیم همون ویژگی رو ‫توی غذاهای سالم و پایدار داشته باشیم، 348 00:19:35,558 --> 00:19:36,893 ‫واقعا میتونه قوی باشه. 349 00:19:38,595 --> 00:19:40,830 ‫- .سلام - .سلام 350 00:19:40,863 --> 00:19:45,201 ‫اینا فرمول های اولیه ماهی تن جوزپ هستن. 351 00:19:45,234 --> 00:19:49,372 ‫امروز تیم ناتکو داره از دو دستور غذایی ‫ماهی تن جوزپ تست مزه می گیره. 352 00:19:50,239 --> 00:19:51,140 ‫نظرت چیه؟ 353 00:19:51,174 --> 00:19:52,575 ‫تقریبا بوی ماهی میده. 354 00:19:52,609 --> 00:19:55,044 ‫میدونی، مثل اینه ...مثل 355 00:19:55,078 --> 00:19:57,914 ‫بوش مثل بوی سوپ سرد سبزیجاته، 356 00:19:57,947 --> 00:20:00,049 ‫با یه مقدار جلبک 357 00:20:00,083 --> 00:20:04,187 ‫این اولین باریه که یه ماهی ‫رو روی جوزپ امتحان کردیم. 358 00:20:05,655 --> 00:20:10,193 ‫رنگش از توت و کیمچی ای هست ‫که استفاده کردیم. 359 00:20:11,995 --> 00:20:12,929 ‫عجب! 360 00:20:12,962 --> 00:20:14,130 ‫بافتش خوبه. 361 00:20:15,198 --> 00:20:16,833 ‫یه کم مزه اش کمه. 362 00:20:18,101 --> 00:20:23,673 ‫الگوریتم هنوز برای درک پیچیدگی ماهیچه ‫آماده نشده. 363 00:20:23,706 --> 00:20:25,942 ‫چطور اینو برای الگوریتم توضیح بدیم؟ 364 00:20:25,975 --> 00:20:27,010 ‫می تونیم این کار رو بکنیم؟ 365 00:20:29,912 --> 00:20:30,913 ‫این یکی رو بیشتر دوست دارم. 366 00:20:30,947 --> 00:20:32,482 ‫انگار این طعم بهتره. 367 00:20:32,515 --> 00:20:33,783 ‫- .این طعم خیلی بهتره - مزه اش 368 00:20:33,816 --> 00:20:37,286 ‫بافت ماهی تن اون یکیه ‫ولی مزه این یکی بهتره،. 369 00:20:37,320 --> 00:20:39,322 ‫از اینکه اولین بار این حاصل شد ‫تحت تاثیر قرار گرفتم. 370 00:20:39,355 --> 00:20:42,191 ‫وقتی جوزپ چیزی رو پیشنهاد میده ‫این اولین تکراره، درسته؟ 371 00:20:42,225 --> 00:20:43,292 ‫ما باید این رو ادامه بدیم. 372 00:20:43,326 --> 00:20:47,096 ‫منظورم اینه که جاهایی هست ‫که دانشمندها کنترل فرآیند رو دست می گیرن، 373 00:20:47,130 --> 00:20:53,036 ‫و واقعا سعی می کنن ‫وارد عناصر مولکولی و ساختاری غذا بشن. 374 00:20:53,069 --> 00:20:54,604 ‫در مورد غذاهای قوطی، 375 00:20:54,637 --> 00:20:56,773 ‫فکر کنم نزدیکیم، واقعا نزدیک. 376 00:20:56,806 --> 00:20:59,842 ‫نه تن، محصول نه مرغ از نه دریا هست. 377 00:20:59,876 --> 00:21:03,479 ‫نود و دو درصد مشتری های ما ‫گیاه خوار نیستن. 378 00:21:03,513 --> 00:21:06,749 ‫اونا به پایداری اهمیت نمیدن. 379 00:21:06,783 --> 00:21:09,385 ‫چیزی که براشون اهمیت داره ‫خوردن غذای خوشمزه اس. 380 00:21:09,419 --> 00:21:11,587 ‫تمام چیزهایی که جوزپ پیشنهاد میده، 381 00:21:11,621 --> 00:21:12,622 ‫تمام دستورهای پخت، 382 00:21:12,655 --> 00:21:15,058 ‫همه محصولات به اینجا میان، 383 00:21:15,091 --> 00:21:17,593 ‫و اینجا واحد تحقیق و توسعه ماست، 384 00:21:17,627 --> 00:21:19,562 ‫ساختمان توسعه محصول. 385 00:21:19,595 --> 00:21:24,534 ‫سرخیو باروسو ‫اون یکی از با استعدادترین سرآشپزهای دنیاس،. 386 00:21:25,601 --> 00:21:26,803 ‫دست کم گرفته نشده. 387 00:21:26,836 --> 00:21:29,806 ‫باروسو در اِل بولی واقع در کشور اسپانیا ‫آموزش دیده، 388 00:21:29,839 --> 00:21:32,642 ‫شاید بشه گفت بهترین رستوران دنیا 389 00:21:32,675 --> 00:21:35,545 ‫و رستوران خودش در شیلی ‫جزو 50 رستوران برتر هست. 390 00:21:35,578 --> 00:21:37,080 ‫اون یک آشپز نوآوره، 391 00:21:37,113 --> 00:21:40,183 ‫می تونه طعم هایی رو مزه کنه که ‫برای زبون انسان معمولی نامرئیه، 392 00:21:40,216 --> 00:21:43,853 ‫و کف گیر شخصی خودش رو ‫به سبک تفنگداری با خودش راه میبره. 393 00:21:45,188 --> 00:21:46,189 ‫عه، کفگیرت رو آوردی. 394 00:21:46,222 --> 00:21:47,690 ‫بله، همیشه، همیشه. 395 00:21:47,724 --> 00:21:50,460 ‫نمیدونی کی باید یه چیزی رو مزه کنی. 396 00:21:51,461 --> 00:21:52,795 ‫همینقدر بگم که، 397 00:21:52,829 --> 00:21:57,867 ‫ناتکو نمی تونست از آدم فهمیده تری برای ‫آزمایش نهایی غذای هوش مصنوعیش استفاده کنه. 398 00:21:57,900 --> 00:22:00,103 ‫مهمترین بخش واسه من طعمه 399 00:22:00,136 --> 00:22:03,706 ‫چون بدون طعم ‫ما به بقیه قسمت ها اهمیت نمیدیم. 400 00:22:03,740 --> 00:22:07,110 ‫اسیدیته و چرب بودنش خیلی خیلی متعادله. 401 00:22:07,143 --> 00:22:10,413 ‫هیچوقت فکر نمی کنی که بدون تخم مرغ درست شده ‫متوجهی؟ 402 00:22:10,446 --> 00:22:13,483 ‫خب، حالا سرخیو ‫تو نه شیر رو مزه می کنی. 403 00:22:13,516 --> 00:22:15,184 ‫باشه. 404 00:22:15,218 --> 00:22:16,619 ‫به سلامتی. 405 00:22:21,424 --> 00:22:23,793 ‫اول از همه اینکه بافتش مثل شیره، 406 00:22:23,826 --> 00:22:26,429 ‫خیلی، خیلی خوشمزه اس. 407 00:22:26,462 --> 00:22:30,500 ‫و فکر می کنم که نسبت به شیری که ‫توی بازار هست طعم بیشتری داره. 408 00:22:30,533 --> 00:22:32,435 ‫پس نه شیر ‫بیشتر از شیر به خودش شبیهه 409 00:22:32,468 --> 00:22:34,003 ‫بله. 410 00:22:34,036 --> 00:22:35,138 ‫شیری تر! 411 00:22:35,171 --> 00:22:37,173 ‫ما با برگر پایه گیاهی شروع کردیم، 412 00:22:37,206 --> 00:22:40,843 ‫چون فکر کردیم که ‫برگر به اندازه استیک پیچیده نیست. 413 00:22:42,545 --> 00:22:45,414 ‫بافت مثل همونه ‫مثل وقتی که پخته شده،. 414 00:22:45,448 --> 00:22:48,484 ‫وقتی یه همچین چیزی میبینم ‫یه بخشی از ذهنم فکر میکنه، 415 00:22:48,518 --> 00:22:50,219 ‫«با این چی کار می تونم بکنم» ‫مگه نه؟ 416 00:22:50,253 --> 00:22:55,324 ‫من می خوام با اینا آشپزی کنم ‫با شیر، با گوشت، 417 00:22:55,358 --> 00:22:56,659 ‫با مایونز و همه چی مگه نه؟ 418 00:22:56,692 --> 00:22:59,395 ‫فکر می کنم که بتونم یه چیز ‫خیلی خیلی خاص رو آماده کنم. 419 00:22:59,428 --> 00:23:01,230 ‫عالی شد. 420 00:23:01,264 --> 00:23:02,665 ‫چالش پذیرفته شد. 421 00:23:06,502 --> 00:23:07,970 ‫می خوایم هفت تا تاپاس درست کنیم. 422 00:23:07,970 --> 00:23:11,107 ‫می خوایم از نه مایونز و ‫نه گوشت استفاده کنیم 423 00:23:11,641 --> 00:23:13,543 ‫نه شیر هم باشه .همه اش نه شد 424 00:23:13,743 --> 00:23:16,279 ‫این برنامه یه روز قبلش ریخته شد، 425 00:23:16,312 --> 00:23:17,780 ‫پس سرخیو و تیمش 426 00:23:17,814 --> 00:23:22,685 ‫دارن شام هشت دوره ای رو ‫برای گروهی از افراد منتخب درست می کنن. 427 00:23:23,586 --> 00:23:26,222 ‫سطح توقعات خیلی خیلی بالاست. 428 00:23:26,255 --> 00:23:30,126 ‫مضطرب و نگرانم ‫احساسات مختلف هیجانی دارم. 429 00:23:32,094 --> 00:23:33,830 ‫ما می خوایم همه چی رو به همون روشی 430 00:23:33,863 --> 00:23:36,866 ‫که دستور عادی رو ‫توی رستوران می پزیم آماده کنیم. 431 00:23:36,899 --> 00:23:39,468 ‫یه لیتر شیر می ریختیم، 432 00:23:39,502 --> 00:23:41,270 ‫یه لیتر نه شیر می ریزیم، 433 00:23:43,539 --> 00:23:44,907 ‫این چالش نهایی ماست. 434 00:23:46,008 --> 00:23:52,081 ‫آخر سر، اگه ناتکو می خواد که ‫اوج بگیره غذاشون باید برای همه خوشمزه باشه 435 00:23:52,114 --> 00:23:54,750 ‫هوش مصنوعی یا نه هوش مصنوعی 436 00:23:54,784 --> 00:23:56,219 ‫دوست دارم منو رو اینجوری شروع کنم 437 00:23:58,621 --> 00:24:01,090 ‫- .سلام - .سلام، سرآشپز 438 00:24:02,491 --> 00:24:06,028 ‫این یه جور واژگونی هست ‫یه غذای معروف رستورانمون.. 439 00:24:06,429 --> 00:24:08,331 ‫که مثل گونکان سنتی ژاپنی هست. 440 00:24:08,331 --> 00:24:10,700 ‫که داخلش از نه مایونز تند استفاده کردیم. 441 00:24:10,900 --> 00:24:14,003 ‫توی اولین تاپا می خوایم بگیم که ‫این مسئله جدی هست. 442 00:24:23,543 --> 00:24:24,744 ‫خوشمزه اس! 443 00:24:25,578 --> 00:24:28,014 ‫وای خدای من 444 00:24:28,047 --> 00:24:30,717 ‫باورم نمیشه که مایونز نبود. 445 00:24:30,884 --> 00:24:33,786 ‫چه ترکیب شگفت انگیزی از طعم هاس. 446 00:24:34,654 --> 00:24:37,457 ‫اون از نه گوشت برای دامپلینگ ها ‫استفاده می کنه. 447 00:24:37,490 --> 00:24:40,159 ‫در حالت عادی با گوشت معمولی ‫سه دقیقه وقت لازم دارید، 448 00:24:40,193 --> 00:24:44,664 ‫ولی اینو نمیدونید ‫چون اولین باریه که با نه گوشت می پزید،. 449 00:24:44,697 --> 00:24:47,967 ‫ما خیلی نگرانیم چون این ثابت می کنه که 450 00:24:48,568 --> 00:24:50,703 ‫غذای پایه گیاهی میتونه ‫جایگزین غذای پایه حیوانی بشه. 451 00:24:51,838 --> 00:24:53,106 ‫خانم ها 452 00:24:58,077 --> 00:24:59,178 ‫باور نکردنیه 453 00:24:59,579 --> 00:25:02,916 ‫مزه گوشت میده، قضیه چیه؟ ‫طعم گوشت رو داره. 454 00:25:02,916 --> 00:25:06,819 ‫مغزم به من گفت که گوشت نمی خورم، 455 00:25:06,853 --> 00:25:10,290 ‫ولی روحم گفت که گوشته. 456 00:25:10,323 --> 00:25:14,594 ‫داریم آخرین دسر رو با نه بستنی ‫آماده می کنیم. 457 00:25:14,627 --> 00:25:17,797 ‫با پشمک یه چیزی شبیه به ‫تاکوی شیرین درست می کنیم. 458 00:25:20,767 --> 00:25:23,269 ‫بیاین اینو سریع ببریم بیرون. 459 00:25:25,038 --> 00:25:26,506 ‫لذت ببرید. 460 00:25:27,273 --> 00:25:29,475 ‫نه بستنی توی آشیونه پشمکی 461 00:25:34,647 --> 00:25:36,049 ‫نبوغ رو ببین! 462 00:25:36,449 --> 00:25:41,087 ‫تمام مدت داشتن فکر می کردن که .دارن ‫با محصولات «نه» یه چیز دیگه می خورن 463 00:25:41,120 --> 00:25:44,223 ‫اونا از طعم ها راضی بودن ‫از همه چی راضی بودن، مگه نه؟، 464 00:25:48,394 --> 00:25:50,096 ‫باعث میشه حس خوبی پیدا کنم. 465 00:25:50,096 --> 00:25:51,806 ‫رویای بزرگی .این رویا اینجاست، 466 00:26:05,608 --> 00:26:09,779 ‫رویای ناتکو اینه که از هوش مصنوعی ‫استفاده کنه تا سیارمون رو 467 00:26:09,812 --> 00:26:11,947 ‫از صدماتی که انسان ها میزنن... ‫حفظ کنه. 468 00:26:15,451 --> 00:26:17,520 ‫ولی میشه تاثیر خوب و بدی داشته باشه؟ 469 00:26:17,553 --> 00:26:21,357 ‫آیا هوش مصنوعی میتونه آدم ها رو از ‫نیروهای مخرب طبیعت حفظ کنه؟ 470 00:26:23,693 --> 00:26:25,294 ‫قوانین طبیعت تغییر نمی کنن. 471 00:26:25,328 --> 00:26:27,830 ‫آدمیزاد در پاسخ به هوش مصنوعی تغییر می کنه، 472 00:26:28,764 --> 00:26:30,032 ‫ولی طبیعت تغییر نمی کنه. 473 00:26:31,701 --> 00:26:33,135 ‫اگه زلزله رو در نظر بگیریم، 474 00:26:33,169 --> 00:26:39,775 ‫اگه بتونید زلزله رو پیش بینی کنید ‫جون کلی آدم رو نجات میدید. 475 00:26:39,809 --> 00:26:43,746 ‫از آخرین زلزله بزرگ اینجا 319 سال گذشته. 476 00:26:43,779 --> 00:26:47,550 ‫از لحاظ زلزله ای، اینجا آرومترین منطقه دنیا ‫در حال حاضره. 477 00:26:47,583 --> 00:26:53,089 ‫پس احتمال اینکه آرومه اینه که ‫آماده زلزله. 478 00:26:53,122 --> 00:26:55,524 ‫مسلما مردم زیادی رو ترسونده. 479 00:27:02,431 --> 00:27:03,532 ‫واحد 238-25 480 00:27:03,566 --> 00:27:04,567 ‫ما حادثه مصدومیت بزرگی داریم. 481 00:27:04,600 --> 00:27:06,268 ‫اون ها دارن مصدومیت های بزرگ رو ‫آگاهی میدن. 482 00:27:08,137 --> 00:27:12,708 ‫ما یه بخش 50 فوتی داریم که فرو ریخته. 483 00:27:12,742 --> 00:27:16,379 ‫اگه یک زلزله 9 ریشتری ‫روی گسل کسکیدیا اتفاق بیفته. 484 00:27:16,412 --> 00:27:20,950 ‫انتظار ده ها هزار تلفات جانی رو داریم. 485 00:27:20,983 --> 00:27:26,055 ‫همین حالا میتونیم مناطق فروریزش ‫یا گسل های بزرگ رو پیش بینی کنیم. 486 00:27:26,088 --> 00:27:28,190 ‫که آیا در آینده زلزله اتفاق میفته یا نه 487 00:27:28,224 --> 00:27:29,525 ‫ولی این چیزی نیست که مردم بخوان بدونن. 488 00:27:29,558 --> 00:27:32,561 ‫اون ها می خوان که بدونن ‫آیا زلزله در کمینه؟ 489 00:27:32,595 --> 00:27:34,630 ‫تا شیش ساعت دیگه؟ ‫تا یه روز دیگه؟ 490 00:27:34,663 --> 00:27:36,198 ‫تا سی ثانیه دیگه؟ 491 00:27:36,232 --> 00:27:39,468 ‫خط گسل کسکیدیا، 492 00:27:39,502 --> 00:27:44,673 ‫با طول بیش از 600 مایل از ونکوور آیلند ‫تا کالیفرنیای شمالی، 493 00:27:44,707 --> 00:27:48,911 ‫می تونه باعث بزرگترین فاجعه طبیعی ‫در تاریخ آمریکای شمالی بشه. 494 00:27:48,944 --> 00:27:52,348 ‫عموم مردم باور دارن که ‫زلزله بزرگ در راهه، 495 00:27:52,381 --> 00:27:53,482 ‫شاید تا 50 سال آینده، 496 00:27:53,516 --> 00:27:57,553 ‫ولی متخصصین نمی تونن مطمئن باشن ‫یا دقیق تر بگن. 497 00:27:59,922 --> 00:28:02,224 ‫ما با این شغل کلی کار توی ماشین داریم. 498 00:28:02,425 --> 00:28:04,326 ‫ما در تمام نقاط واشنگتن ‫و اوریگان رانندگی می کنیم. 499 00:28:04,360 --> 00:28:05,361 ‫معرکه اس! 500 00:28:05,828 --> 00:28:09,498 ‫پی ان اس ان یک شبکه از سنسورهای لرزه ای هست 501 00:28:09,532 --> 00:28:11,834 ‫و ایده اینه که به طور مداوم 502 00:28:11,867 --> 00:28:15,204 ‫فعالیت های زلزله ای رو تمام مدت ‫در تمام مقیاس ها نظارت کنیم. 503 00:28:15,237 --> 00:28:19,074 ‫این یکی از 400 ایستگاه لرزه ای واشنگتن ‫و اوریگان هست. 504 00:28:19,108 --> 00:28:23,679 ‫این یه شتاب سنج حرکت قوی هست ‫که به دنبال زلزله های بزرگ می گرده،. 505 00:28:23,712 --> 00:28:27,650 ‫سیستم هشدار اولیه زلزله ‫زلزله رو پیش بینی نمی کنه. 506 00:28:27,683 --> 00:28:28,851 ‫داریم یه تست استامپ می گیریم. 507 00:28:28,884 --> 00:28:29,985 ‫روی زمین میذارمش، 508 00:28:30,019 --> 00:28:32,488 ‫ابزار لرزها رو تشخیص میده. 509 00:28:32,521 --> 00:28:36,091 ‫اولین امواجی که میان رو تشخیص میده. 510 00:28:41,430 --> 00:28:47,470 ‫تمام 400 دستگاهمون دارن .یک سری ‫داده ثابت رو به مرکز دادمون می فرستن 511 00:28:47,503 --> 00:28:49,438 ‫توی هر کدوم از اون 400 سنسور، 512 00:28:49,472 --> 00:28:53,375 ‫سیگنال های زیادی هست که زلزله نیستن، 513 00:28:53,409 --> 00:28:56,712 ‫پس ما داریم این حجم خارق العاده ‫از داده رو تولید می کنیم. 514 00:28:56,745 --> 00:29:00,249 ‫این احتمالا یه کامیونه که داره رد میشه. 515 00:29:00,282 --> 00:29:02,051 ‫وقتی هوش مصنوعی وارد میشه 516 00:29:02,084 --> 00:29:04,420 ‫چیزی که بهش نویز فرهنگی گفته میشه ‫رو فیلتر می کنه. 517 00:29:04,453 --> 00:29:06,555 ‫صدای قطار، کامیون، مردم. 518 00:29:06,589 --> 00:29:12,461 ‫اطلاعات لرزش از 400 سنسور منطقه ‫به الگوریتم ماشین یادگیری داده میشه، 519 00:29:12,495 --> 00:29:17,366 ‫که آموزش دیده تا لرزش های زلزله ای ‫رو .از ساخت و ساز و اتوبوس جدا کنه 520 00:29:17,399 --> 00:29:20,970 ‫با استفاده از یادگیری ماشینی و ‫پایگاه داده عظیمی از صداهای شناخته شده، 521 00:29:21,003 --> 00:29:23,606 ‫هوش مصنوعی با استفاده ‫از شلوغی های دنیای طبیعی 522 00:29:23,606 --> 00:29:24,740 ‫می تونه مرتب کنه. 523 00:29:25,074 --> 00:29:28,344 ‫یه خبرای جالبی اینجا هست. 524 00:29:28,377 --> 00:29:32,748 ‫یادگیری ماشینی به ما امکان میده ‫تا به سرعت سیگنال زلزله رو پیدا کنیم. 525 00:29:32,781 --> 00:29:34,683 ‫می تونیم خیلی سریعتر و بهتر انجامش بدیم. 526 00:29:37,052 --> 00:29:40,055 ‫ما داریم سخت روی سیستم ‫هشدار اولیه زلزله کار می کنیم، 527 00:29:40,089 --> 00:29:41,223 ‫اسمش شیک آلرت هست. 528 00:29:42,124 --> 00:29:46,362 ‫مرکز مدیریت اورژانس اینجا ‫یکی از کاربران فوری و کلیدی ما هست. 529 00:29:46,395 --> 00:29:49,098 ‫زلزله!زلزله! 530 00:29:49,131 --> 00:29:52,535 ‫اگر زلزله شدیدتر باشه ‫ظرف یکی دو ثانیه، 531 00:29:54,069 --> 00:29:56,939 ‫الگوریتم های رایانه ما تشخیص میده... ‫که قراره روی کدوم منطقه تاثیر بذاره. 532 00:29:58,641 --> 00:30:01,110 ‫و بعدش براش هشدار میسازه.... 533 00:30:01,143 --> 00:30:05,214 ‫بسته به اینکه چقدر به منبع نزدیکید ‫هشدارها می تون خیلی کوتاه باشن، 534 00:30:05,247 --> 00:30:07,650 ‫مثلا کمتر از یک ثانیه 535 00:30:08,984 --> 00:30:11,320 ‫تا حتی سه دقیقه.... 536 00:30:12,388 --> 00:30:15,691 ‫ولی وقتی یک زلزله بزرگ ‫سال 2011 در شمال ژاپن اتفاق افتاد 537 00:30:20,863 --> 00:30:24,433 ‫ساکنین بین 20 تا 90 ثانیه هشدار داشتند، 538 00:30:24,466 --> 00:30:28,103 ‫بسته به اینکه چقدر از مرکز زلزله دور بودن 539 00:30:29,939 --> 00:30:36,145 ‫و با این حال تقریبا 16 هزار نفر ‫جونشون رو از دست دادن. 540 00:30:36,178 --> 00:30:43,152 ‫آیا راهی هست که هوش مصنوعی با پیش بینی ‫زلزله بزرگ بعدی زمان بیشتری برامون بخره؟ 541 00:30:43,185 --> 00:30:46,221 ‫پیش بینی زلزله کار بسیار سختیه، 542 00:30:46,255 --> 00:30:47,957 ‫چون نمیدونیم کجا اتفاق میفته. 543 00:30:47,990 --> 00:30:49,158 ‫واقعا نمیدونیم، درسته؟ 544 00:30:49,191 --> 00:30:51,126 ‫نمیدونیم کی اتفاق میفته، 545 00:30:51,160 --> 00:30:55,164 ‫و واقعا نمیدونیم ‫که اون منطقه که گسل هست چقدر بزرگه 546 00:30:55,197 --> 00:30:57,132 ‫تا قبل اینکه یهو زلزله بیاد نمیدونیم. 547 00:30:57,166 --> 00:30:58,934 ‫خب، نظرت چیه رفیق؟ 548 00:30:58,968 --> 00:31:02,271 ‫خب، میتونیم ادامه بدیم و ‫الان یه آفست بسازیم. 549 00:31:02,304 --> 00:31:03,272 ‫آره، بیا انجامش بدیم. 550 00:31:03,305 --> 00:31:08,377 ‫کریس و تیمش به راهی رسیدن ‫تا توی آزمایشگاه زلزله بسازن. 551 00:31:08,410 --> 00:31:10,779 ‫الان روی 2.3هم هستی. 552 00:31:10,813 --> 00:31:15,284 ‫ما چیزی رو شبیه سازی میکنیم .که در چند ‫مایلی بالاتر پوسته زمین اتفاق میفته 553 00:31:15,317 --> 00:31:18,387 ‫پس من فقط ‫قبل اینکه شروع کنیم اینو راه میندازم،. 554 00:31:18,420 --> 00:31:21,523 ‫هدف امروز اینه که ببینیم میتونیم 555 00:31:21,557 --> 00:31:24,326 ‫تحت دامنه ای از تغییرات ‫زلزله آزمایشگاهی بسازیم، 556 00:31:24,360 --> 00:31:26,862 ‫و از یادگیری ماشینی برای ‫پیش بینی تمام اون لرزش استفاده کنیم. 557 00:31:26,895 --> 00:31:28,497 ‫در مقایس کوچیک، 558 00:31:28,530 --> 00:31:32,968 ‫این تست اتفاقی که قراره ‫روی گسل بزرگ کسکیدیا بیفته رو تقلید میکنه. 559 00:31:33,002 --> 00:31:35,170 ‫اساسا دو زمین ساخت صفحه ای هست، 560 00:31:35,204 --> 00:31:38,707 ‫یکی زیر شمال غرب ساحلی ‫و یکی زیر اقیانوس آرام. 561 00:31:38,741 --> 00:31:41,877 ‫یکی به زیر اون یکی میره ‫و گاهی اوقات گیر میکنه، 562 00:31:41,910 --> 00:31:44,013 ‫و باعث اصطکاک و فشار میشه. 563 00:31:45,614 --> 00:31:47,950 ‫وقتی فشار زیاد میشه ‫اون ها به شدت میلغزن،، 564 00:31:47,983 --> 00:31:49,718 ‫و باعث زلزله میشن. 565 00:31:49,752 --> 00:31:51,954 ‫پس اون یه طرفشه، 566 00:31:51,987 --> 00:31:54,923 ‫و من دوباره همین کار رو برای ‫طرف دیگه انجام میدم. 567 00:31:54,957 --> 00:31:56,925 ‫این چیزیه که کریس و تیمش 568 00:31:56,925 --> 00:31:59,795 ‫سعی دارن با مینی گرانیت های آزمایشگاه ‫کپی کنن. 569 00:31:59,828 --> 00:32:04,366 ‫زلزله سنج آزمایشگاه داریم ‫که روی گسل راستی قرار گرفته. 570 00:32:04,400 --> 00:32:07,903 ‫و سعی دارم با لیزرها تنظیمش کنم. 571 00:32:07,936 --> 00:32:11,440 ‫پرس گنده، دست ساز ‫هیدرولیکی کار می کنه. 572 00:32:11,473 --> 00:32:13,842 ‫حالا آماده کاره ‫الان روشنش می کنم.. 573 00:32:18,614 --> 00:32:21,350 ‫توی آزمایشگاه فشار روی گسل ‫رو کنترل می کنیم، 574 00:32:21,383 --> 00:32:23,686 ‫اینکه فشار چقدر سریع اعمال میشه رو 575 00:32:23,719 --> 00:32:25,721 ‫تا اون نقطه بحرانی که قراره بشکنه رو ‫کنترل می کنیم. 576 00:32:27,189 --> 00:32:30,526 ‫صداهای غرش و غژغژ روی گسل هستش. 577 00:32:30,559 --> 00:32:33,128 ‫میکرو زلزله ها ‫کلی اتفاق شکست آمیز کوچیک دیگه،. 578 00:32:33,162 --> 00:32:36,031 ‫آره. بذار ببینیم. بذار نگاهی ‫به بخش صداییش بندازیم. 579 00:32:36,065 --> 00:32:38,233 ‫به هر اتفاقی که توی گسل میفته گوش میدیم، 580 00:32:38,267 --> 00:32:43,238 ‫و داریم از یادگیری ماشینی استفاده می کنیم ‫تا الگوهای داخلش رو پیدا کنیم. 581 00:32:43,272 --> 00:32:46,175 ‫آیا اتفاقی هست که ما ازش استفاده کنیم 582 00:32:46,208 --> 00:32:48,811 ‫:و بگیم «.اوه، این می ترکونه» 583 00:32:55,317 --> 00:32:56,518 ‫- .بله - یکی دیگه هم هست؟ 584 00:32:56,552 --> 00:32:59,455 ‫خب ما الان داریم ضبط می کنیم. 585 00:33:04,226 --> 00:33:06,328 ‫ما همه اون صدای پچ پچی که شنیدی ‫رو شنیدیم. 586 00:33:15,437 --> 00:33:17,372 ‫بیا روش زوم کنیم، 587 00:33:17,406 --> 00:33:19,908 ‫چون الان یه زلزله بزرگِ خوب ‫اینجا اتفاق میفته. 588 00:33:19,942 --> 00:33:21,877 ‫داره میاد. 589 00:33:26,515 --> 00:33:27,716 ‫- .بنگ - .بفرمایید 590 00:33:27,750 --> 00:33:28,817 ‫بزرگ بود. 591 00:33:28,851 --> 00:33:32,721 ‫اون خط زرد ‫اندازه فشار برش فشار روی گسل هست. 592 00:33:32,755 --> 00:33:34,123 ‫ما ساخته شدنش رو تماشا می کنیم، 593 00:33:34,156 --> 00:33:35,858 ‫و تمام مدت داره افزایش پیدا می کنه، 594 00:33:35,891 --> 00:33:38,360 ‫میکروزلزله هایی هستن که بهشون گوش میدیم، 595 00:33:38,393 --> 00:33:40,963 ‫و چیزی که متوجهش شدیم اینه که ‫می تونیم از اون میکرو زلزله ها 596 00:33:40,996 --> 00:33:44,600 ‫همراه با یادگیری ماشینی استفاده کنیم ‫تا زمان زلزله بعدی رو پیش بینی کنیم. 597 00:33:44,633 --> 00:33:48,170 ‫این میکرو زلزله های که ‫دارن بهشون گوش میکنن 598 00:33:48,203 --> 00:33:51,940 ‫برای گوش انسان خیلی ضعیفن ‫ولی نه برای یادگیری ماشینی،. 599 00:33:51,974 --> 00:33:53,175 ‫از سیگنال های ضعیف استفاده می کنه 600 00:33:53,208 --> 00:33:56,345 ‫تا زلزله هایی که می شنویم ‫و حس می کنیم رو پیش بینی کنه. 601 00:33:56,378 --> 00:33:58,347 ‫این یه زلزله خوب و فرکانس-بالای بزرگ بود. 602 00:33:58,380 --> 00:34:00,516 ‫احتمالا یکی دیگه هم داریم 603 00:34:01,583 --> 00:34:02,451 ‫- .یه میکرو زلزله بزرگ دیگه - ‫بزرگ بود . 604 00:34:02,484 --> 00:34:06,889 ‫گوش دادن به اتفاقات کوچیک برای اینکه ‫به ما یاد بدن چه زمانی اتفاق بزرگ میفته. 605 00:34:07,923 --> 00:34:09,258 ‫نه، شگفت آوره. 606 00:34:09,291 --> 00:34:11,026 ‫دیدنش، دیدنش خیلی باحاله. 607 00:34:11,059 --> 00:34:13,428 ‫یکی دیگه داره میاد 608 00:34:13,462 --> 00:34:15,764 ‫ما موقع زلزله بعدی رو پیش بینی می کنیم، 609 00:34:15,798 --> 00:34:18,100 ‫و مدت زمانش رو هم پیش بینی می کنیم. 610 00:34:18,133 --> 00:34:20,269 ‫تا الان چند سیکل داشتیم؟ 611 00:34:20,302 --> 00:34:22,371 ‫چیزی حدود 20، 30 بار. 612 00:34:22,404 --> 00:34:24,573 ‫استفاده از هوش مصنوعی تغییر بزرگیه 613 00:34:24,606 --> 00:34:26,708 ‫چون حالا می تونیم ‫از یادگیری ماشینی استفاده کنیم 614 00:34:26,742 --> 00:34:29,611 ‫تا بپرسیم که چرا ‫چرا این اتفاق میفته؟ 615 00:34:30,479 --> 00:34:33,782 ‫آیا ساختار هندسی ای هست ‫که داره داخل منطقه گسل ساخته میشه، 616 00:34:33,816 --> 00:34:36,985 ‫که به طریقی توسط ‫هوش مصنوعی دیده میشه؟ 617 00:34:37,019 --> 00:34:38,554 ‫پیش بینی یادگیری ماشینی اینجاست. 618 00:34:38,587 --> 00:34:41,290 ‫خط قرمز، داده آزمایشی هست. 619 00:34:41,323 --> 00:34:43,192 ‫هر بار که سقوط میکنه ‫یک زلزله آزمایشگاهی داریم، 620 00:34:43,225 --> 00:34:47,696 ‫و خط آبی یک مدل پیش بینی ‫بر اساس یادگیری ماشینی هست. 621 00:34:47,729 --> 00:34:49,765 ‫خیلی تحسین برانگیزه ‫که انقدر خوب کار میکنه، مگه نه؟ 622 00:34:49,798 --> 00:34:52,835 ‫آره، که همون چیز رو ‫توی سیکل های مختلف می بینی، 623 00:34:52,868 --> 00:34:56,205 ‫دقیقا همون دسته قبل از شکست ظاهر میشه. 624 00:34:56,238 --> 00:34:57,272 ‫آره، 625 00:34:57,306 --> 00:34:58,540 ‫عالی نیست. 626 00:34:58,574 --> 00:35:00,509 ‫ولی یه ذره به عالی مونده. 627 00:35:00,542 --> 00:35:02,377 ‫ما شک نداریم که هوش مصنوعی ‫و یادگیری ماشینی 628 00:35:02,411 --> 00:35:05,747 ‫میتونه زلزله آزمایشگاهی رو ‫پیش بینی کنه. 629 00:35:05,781 --> 00:35:07,249 ‫احتمالا یکی دیگه میاد. 630 00:35:08,417 --> 00:35:09,718 ‫آره اونجاست .همونجا. 631 00:35:09,751 --> 00:35:10,752 ‫حرف نداره. 632 00:35:11,954 --> 00:35:14,189 ‫آره، مگه نه؟ 633 00:35:14,223 --> 00:35:19,394 ‫چالش اینه که چطور اون رو از مقیاس ‫چیزی که توی آزمایشگاه اندازه گیری شد 634 00:35:19,428 --> 00:35:21,797 ‫به چیزی که با سنسورهای لرزشی 635 00:35:21,830 --> 00:35:25,400 ‫روی منطقه ای با مساحت ‫صدها یا هزاران کیلومتر ببریم. 636 00:35:25,434 --> 00:35:29,204 ‫وقتی هوش مصنوعی از آزمایشگاه ‫به دنیای واقعی میره، 637 00:35:29,238 --> 00:35:31,073 ‫دنیا به مراتب پیچیده تره، 638 00:35:31,106 --> 00:35:33,876 ‫و عوامل بسیاری هست که ‫ممکنه مدل سازی نشده باشه. 639 00:35:33,909 --> 00:35:35,277 ‫اگه بتونیم منتقلش کنیم، 640 00:35:35,310 --> 00:35:36,445 ‫اگه بتونیم عمومیش کنیم، 641 00:35:36,478 --> 00:35:38,180 ‫اونجوری واقعا عالی میشه. 642 00:35:38,213 --> 00:35:43,752 ‫چند سال دیگه طول میکشه تا بتونیم ‫چیزی از کسکیدیا رو پیش بینی کنیم؟ 643 00:35:43,785 --> 00:35:45,921 ‫فکر می کنم که عمر ما کفاف بده. 644 00:35:45,954 --> 00:35:47,789 ‫اظهار نظر جسورانه ای هستش، 645 00:35:47,823 --> 00:35:50,425 ‫ولی دیگه خارج از دسترس نیست، 646 00:35:50,459 --> 00:35:53,862 ‫مخصوصا وقتی که یادگیری ماشینی ‫توی شناسایی الگوها بهتر میشه 647 00:35:53,896 --> 00:35:57,766 ‫تا زلزله یا بلای طبیعی رو بهتر پیش بینی کنه 648 00:35:58,700 --> 00:36:04,706 ‫اگر هوش مصنوعی میتونه بلا رو پیش بینی کنه ‫میتونه یه قدم جلوتر بره و مانعش بشه؟ 649 00:36:12,848 --> 00:36:16,151 ‫یادگیری ماشین توسط شرکت ها ‫و دولت ها استفاده میشه 650 00:36:16,184 --> 00:36:19,688 ‫تا کمک کنن مشکلات و فجایع در مقایس بزرگ ‫حل بشه. 651 00:36:19,721 --> 00:36:23,158 ‫یک حوزه که مشکلات زیادی ‫رو بوجود میاره غذا هست، 652 00:36:23,191 --> 00:36:24,760 ‫یا کمبود غذا هست. 653 00:36:24,793 --> 00:36:30,265 ‫کشاورزی یک عنصر حیاتی از ‫امنیت ملی .و سلامت جهان هست 654 00:36:30,299 --> 00:36:33,135 ‫کمبود غذا گاهی اوقات ‫به قحطی منجر میشه. 655 00:36:33,168 --> 00:36:34,870 ‫قطحی منجر ناآرامی سیاسی میشه. 656 00:36:36,204 --> 00:36:40,575 ‫اونطوری که من هوش مصنوعی رو می بینم ‫چیز ترسناکی نیست که ازش بترسیم، 657 00:36:40,609 --> 00:36:43,679 ‫ولی چیزی که قراره به ما کمک کنه ‫این مشکلات بزرگ رو نشونمون میده. 658 00:36:43,712 --> 00:36:48,150 ‫مارک موسس همکار شرکتی ‫به نام دکارت لبز هست. 659 00:36:48,183 --> 00:36:52,587 ‫این کامپوزیت حداکثریه که که ردیاب ‫زمستون سال پیش برداشته. 660 00:36:52,621 --> 00:36:54,456 ‫امسال تمام اینجا روشن شده. 661 00:36:54,489 --> 00:36:55,824 ‫ما شرکت جوونی هستیم. 662 00:36:55,857 --> 00:36:57,893 ‫خودم و گروه فیزیکدانم هستیم. 663 00:36:57,926 --> 00:37:00,362 ‫یکی از کارهای باحالی ‫که توی این شرکت می کنیم 664 00:37:00,395 --> 00:37:03,031 ‫اینه که دنبال خط مقدم علم بگردیم 665 00:37:03,065 --> 00:37:06,568 ‫و بفهمیم که چطور می تونه ‫روی زندگی ما تاثیر بذاره. 666 00:37:06,601 --> 00:37:09,404 ‫مقادیر وحشتناکی تصویربرداری ماهواره ای ‫اون بیرونه. 667 00:37:09,438 --> 00:37:13,475 ‫که یکی از بزرگترین مجموعه داده هاس ‫که انسان جمع کرده. 668 00:37:14,810 --> 00:37:17,012 ‫برای من جالبترین چیز راجع به ‫ماهواره ها اینه که 669 00:37:17,045 --> 00:37:21,917 ‫ما از دهه هفتاد اطلاعات علمی عالی ای داشتیم ‫که به زمین میومده. 670 00:37:21,950 --> 00:37:25,787 ‫و هنوزم استفاده از اون اطلاعات ‫کار سختیه. 671 00:37:25,821 --> 00:37:29,491 ‫هزاران ماهواره وجود دارن ‫که از زمین تصویربرداری می کنن، 672 00:37:29,524 --> 00:37:33,628 ‫برای همین شرکت دکارت یک ابر رایانه رو ‫در فضای ابری ساخت که از یادگیری ماشینی 673 00:37:33,628 --> 00:37:36,665 ‫برای تحلیل این تصاویر و ‫مدل سازی از اطلاعاتشون استفاده می کنه. 674 00:37:36,698 --> 00:37:40,435 ‫اون ها سعی دارن پیش بینی کنن ‫که کی بیماری، بلا 675 00:37:40,469 --> 00:37:42,671 ‫یا حتی کی جنگ میشه. 676 00:37:43,905 --> 00:37:46,808 ‫طی دهه گذشته هوش مصنوعی ‫خیلی پیشرفت داشته، 677 00:37:46,842 --> 00:37:49,544 ‫و حالا به جای داشتن ‫یه سری تصویر که کار کردن باهاشون سخته 678 00:37:49,578 --> 00:37:51,980 ‫می تونید روی این اطلاعات مدل سازی کنید. 679 00:37:53,148 --> 00:37:57,219 ‫ما سعی کردیم با این تصویربرداری ماهواره ای ‫تمام پنل های خورشیدی استفاده شده 680 00:37:57,252 --> 00:37:58,887 ‫در آمریکا رو پیدا کنیم.... 681 00:37:59,654 --> 00:38:03,825 ‫پس اولین کاری که کردیم ‫اینه که یک موتور جستجوی شباهتی درست کردیم،. 682 00:38:03,859 --> 00:38:06,795 ‫موتور جستجو از سیستم ‫شناسایی اشیاء استفاده می کنه، 683 00:38:06,828 --> 00:38:09,464 ‫یه نوع هوش مصنوعی که ‫یاد می گیره با تصاویر 684 00:38:09,498 --> 00:38:11,900 ‫چیزهای مشخصی رو پیدا کنه ‫و از هم جداشون کنه. 685 00:38:12,934 --> 00:38:15,637 ‫بجای اسکن کردن شکارچی ها در آفریقا 686 00:38:15,670 --> 00:38:19,608 ‫اونا دنبال هر چیزی از پنل خورشیدی ‫تا بستر رودخونه می گردن. 687 00:38:19,641 --> 00:38:21,810 ‫رایانه فقط اعداد رو میبینه. 688 00:38:21,843 --> 00:38:24,079 ‫تصاویر رو اونجوری که ما میبینیم نمیبینه. 689 00:38:24,112 --> 00:38:26,048 ‫فقط اعداد خام رو میبینه، 690 00:38:26,081 --> 00:38:29,184 ‫پس به مرور یادش میدیم ‫که یک رودخونه چه شکلیه. 691 00:38:29,217 --> 00:38:30,919 ‫اون یه خیابونه. 692 00:38:30,952 --> 00:38:32,254 ‫اون یه ساختمونه، 693 00:38:32,287 --> 00:38:34,956 ‫و الگوریتم می تونه به مرور زمان 694 00:38:34,990 --> 00:38:38,527 ‫اگه مثال های کافی رو ببینه، بگه ‫«.آره فهمیدم» 695 00:38:41,930 --> 00:38:45,400 ‫پس ما دنبال مشکلی گشتیم ‫که بتونیم با این حلش کنیم، 696 00:38:45,434 --> 00:38:48,437 ‫چیزی که به سراغش رفتیم ‫کشاورزی بود. 697 00:38:48,470 --> 00:38:49,738 ‫گیاهان ساده و پر معنی هستن 698 00:38:49,771 --> 00:38:51,306 ‫چون اونا مثل کارخونه های کوچیک می مونن ‫مگه نه؟ 699 00:38:51,339 --> 00:38:55,143 ‫فقط با تماشای اینکه چطور نور ‫از این گیاهان ساطع میشه، 700 00:38:55,177 --> 00:38:58,146 ‫می تونه خیلی چیزا ‫از تولید این کارخونه رو بفهمی. 701 00:38:58,180 --> 00:39:01,683 ‫برای نوآورها پیدا کردن یک جواب 702 00:39:01,716 --> 00:39:04,686 ‫و مهندسی معکوس کردن سوال ‫کاملا نامعمول نیست. 703 00:39:04,719 --> 00:39:08,523 ‫سوالی که مارک از هوش مصنوعیش پرسید ‫درباره ذرت بود. 704 00:39:08,557 --> 00:39:10,325 ‫چندتا زمین ذرت داریم؟ 705 00:39:10,358 --> 00:39:11,493 ‫کجاست؟ 706 00:39:11,526 --> 00:39:13,929 ‫و الگوهای رشدشون چیه؟ 707 00:39:13,962 --> 00:39:16,898 ‫و بعدش به مرور ‫تصاویر ماهواره ای رو مقایسه کرد 708 00:39:16,932 --> 00:39:21,837 ‫می تونیم پیش بینی کنیم که کشورمون سال آینده ‫چقدر ذرت تولید میشه؟ 709 00:39:21,870 --> 00:39:23,238 ‫اوایل پروژه، 710 00:39:23,271 --> 00:39:25,774 ‫اینکه ببینی امکان پذیره یه امید واهی بود. 711 00:39:27,142 --> 00:39:28,710 ‫میتونستی از سنسورها استفاده کنی 712 00:39:28,743 --> 00:39:31,980 ‫که صدها مایل بالاتر از ‫اون مزارع ذرت پرواز می کردن، 713 00:39:32,013 --> 00:39:36,718 ‫هیچوقت پوسته ذرت رو هم ندیدم ‫حالا پیش بینی دقیق و خوب داشته باشم؟ 714 00:39:36,751 --> 00:39:37,919 ‫ما دو چیز رو ترکیب کردیم، 715 00:39:37,953 --> 00:39:41,556 ‫پس داده ماهواره ای ‫سلامت گیاهان امروزی رو به شما نشون میده. 716 00:39:41,590 --> 00:39:42,724 ‫بعدش به داده آب و هوا نگاه کردیم، 717 00:39:42,757 --> 00:39:46,628 ‫که نشون میده گیاهان تا یکی ‫دو هفته دیگه .چقدر سالم هستن 718 00:39:46,661 --> 00:39:48,163 ‫در سال 2017، 719 00:39:48,196 --> 00:39:51,867 ‫آمریکا بیش از دو میلیارد بوشل ذرت تولید کرد. 720 00:39:51,900 --> 00:39:55,103 ‫پیش بینی آزمایشگاه دکارت ‫با یک درصد خطا بود. 721 00:39:55,137 --> 00:39:57,672 ‫و به نظرم چیزی که واقعا ‫به صنعت شوک وارد کرد 722 00:39:57,706 --> 00:40:00,475 ‫که اینا یه سری زراعت شناس نبودن، 723 00:40:00,509 --> 00:40:01,943 ‫اونا افرادی نبودن که ‫متخصص ذرت باشن. 724 00:40:01,977 --> 00:40:04,079 ‫ما یه سری فیزیکدان بودیم که 725 00:40:04,112 --> 00:40:06,148 ‫که از اصول فیزیک و نور استفاده کردیم. 726 00:40:07,782 --> 00:40:13,588 ‫واقعا تلنگری به بازار زد که داده می تونه ‫روش های پیش بینی سنتی رو تغییر بده. 727 00:40:13,622 --> 00:40:15,857 ‫اگر کلی داده دارید، 728 00:40:15,891 --> 00:40:18,360 ‫و الگوریتمی دارید ‫که تمام اون ها رو تحلیل کنه، 729 00:40:18,393 --> 00:40:23,431 ‫می تونه چیزایی یاد بگیره که هیچ آدمی ‫قادر به درکش نیست، 730 00:40:23,465 --> 00:40:27,369 ‫و می تونه پیش بینی ای کنه که ‫که هیچ آدمی تا حالا نتونسته بکنه. 731 00:40:27,402 --> 00:40:30,138 ‫ولی فقط بحث ذرت نیست. 732 00:40:30,172 --> 00:40:33,675 ‫با هر چیزی که از فضا تصویربرداری شده باشه ‫می شه این کار رو بکنید. 733 00:40:33,675 --> 00:40:37,579 ‫آب، جنگل ها .کارخونه ها، جاده ها 734 00:40:37,612 --> 00:40:40,448 ‫دنبال اینم که شالیزارهای آسیا رو ‫مکان یابی کنم. 735 00:40:40,482 --> 00:40:43,818 ‫زرد روشن احتمال بیشتر اینه ‫که یک شالیزار برنج باشه، 736 00:40:43,852 --> 00:40:49,424 ‫و هر چیزی که بنفش یا آبی تیره هست ‫احتمال پایین برنج بودنه. 737 00:40:49,457 --> 00:40:51,693 ‫می تونی از سلامت زمین بگی؟ 738 00:40:51,726 --> 00:40:54,496 ‫یکی از روش هایی که ‫از سلامت مزارع با خبر میشیم اینه که 739 00:40:54,529 --> 00:40:56,998 ‫به باندهای مادون قرمز نگاه کنیم. 740 00:40:57,032 --> 00:41:00,735 ‫پس این ورای رنگ قرمز ‫در طیف الکترومغناطیس هست، 741 00:41:00,769 --> 00:41:04,906 ‫که خیلی چیزها درباره سلامت مزارع رو میگه ‫که اصلا در توان انسان ها نیست. 742 00:41:04,940 --> 00:41:07,108 ‫اینجا توی عراقه ‫اونجا برنج می کارن،. 743 00:41:07,142 --> 00:41:10,612 ‫بیشتر آب این منطقه ‫از برف آب شده میاد. 744 00:41:10,645 --> 00:41:16,284 ‫مکان های بسیاری هست که تامین غذا ‫شدیدا بسته به میزان بارش برف در زمستونه. 745 00:41:16,318 --> 00:41:21,323 ‫رنگ آبی اینجا از برف سال ‫2014ئه ،و سال 2015 خشکسالی بوده 746 00:41:21,356 --> 00:41:25,994 ‫و برف خیلی کمتری بود که ‫با مقدار برنج این منطقه مطابقت داره. 747 00:41:26,027 --> 00:41:28,530 ‫شصت و چهار درصد برنج کمتر. 748 00:41:28,563 --> 00:41:33,034 ‫پس اگه بدونیم که زمستون چقدر برف میاد ‫کشاورزها مزارعشون رو بهتر برنامه ریزی می کنن. 749 00:41:33,068 --> 00:41:35,537 ‫شاید مزارع مقاوم در مقابل خشکسالی بکارن. 750 00:41:35,570 --> 00:41:39,908 ‫این باید به شما این نشونه رو بده ‫که اواخر تابستون وقتی برف آب میشه، 751 00:41:39,941 --> 00:41:42,377 ‫اون منطقه چقدر برنج رو می تونه داشته باشه. 752 00:41:42,410 --> 00:41:46,081 ‫پیش بینی بر مبنای هوش مصنوعی اون ها ‫خیلی قشنگ بود، 753 00:41:46,114 --> 00:41:48,750 ‫و توجه دارپا رو جلب کرد، 754 00:41:48,783 --> 00:41:51,353 ‫بازوی پژوهش دفاعی ارتش آمریکا 755 00:41:51,386 --> 00:41:54,456 ‫دارپا ‫آژانس پروژه های پژوهشی پیشرفتهٔ دفاعی هست. 756 00:41:54,489 --> 00:42:00,362 ‫اونا به سخت ترین مشکلاتی که روی ‫ارتش آمریکا تاثیر میذاره نگاه می کنن. 757 00:42:00,395 --> 00:42:03,999 ‫ما توی بحث علم واقعا آروم کار کردیم .ولی ‫میدونم که تو به وزارت دفاع واقعا نزدیکی 758 00:42:04,032 --> 00:42:07,369 ‫به نظرت این روی تفکرشون درباره ‫درگیری هایی که ممکنه پیش بیاد تاثیر میذاره؟ 759 00:42:07,402 --> 00:42:08,536 ‫کاملاً. 760 00:42:08,570 --> 00:42:14,776 ‫به نظرم داشتن هشداردهنده پیشرفته ‫از مناطق مشکل دار واقعا حیاتیه. 761 00:42:16,711 --> 00:42:24,719 ‫میدونید بهار عربی با کسری گندم شروع شد. ‫که به کسری نون ختم شد. 762 00:42:24,786 --> 00:42:28,156 ‫نه غذایی، نه هیچی .حسنی مبارک! 763 00:42:29,257 --> 00:42:35,830 ‫مشکلی که ما رو به چالش کشید ،تولید ‫غذا در خاورمیانه و آفریقای شمالی بود 764 00:42:35,864 --> 00:42:38,633 ‫و هدف اینه که بفهمیم ‫کجا ممکنه کسری غذا باشه. 765 00:42:38,667 --> 00:42:42,137 ‫وقتی آب ندارید، غذا ندارید ‫وقتی سرپناه ندارید، 766 00:42:42,170 --> 00:42:43,071 ‫شما می جنگید، درسته؟ 767 00:42:43,104 --> 00:42:45,206 ‫برای بقا هر کاری می کنید. 768 00:42:49,611 --> 00:42:52,847 ‫واقعا امیدوارم یه آپدیت از وضعیت فعلی بدید. 769 00:42:52,881 --> 00:42:58,119 ‫خب، ما داشتیم به ‫فصل کشت امسال نگاه می کردیم. 770 00:42:58,153 --> 00:43:02,757 ‫امسال مزارع سالم گندم زیادی رو ‫توی سوریه می بینیم. 771 00:43:02,791 --> 00:43:07,128 ‫به نظر میاد که 20 درصد بالاتر از ‫تولید سال پیش بوده. 772 00:43:07,162 --> 00:43:09,564 ‫جهش رو به جلوی فوق العاده ای 773 00:43:09,597 --> 00:43:17,405 ‫توی اندازه گیری عینی از اتفاقی که... ‫توی کشاورزی میفته توی این مناطق درگیریه. 774 00:43:18,840 --> 00:43:21,643 ‫واقعا مهمه که بدونیم کدوم زمین مشکل خورده 775 00:43:21,643 --> 00:43:25,980 ‫تا قبل اینکه واقعا بد بشه ‫و تبدیل به قحطی بشه کمک بفرستیم. 776 00:43:26,014 --> 00:43:31,686 ‫اینکه ما بتونیم به دنیا نگاه کنیم ‫و از چهار ماه قبل بدونیم کجا قحطی میاد 777 00:43:31,720 --> 00:43:33,455 ‫کاری میکنه مغز آدم سوت بکشه. 778 00:43:34,689 --> 00:43:40,362 ‫برای من شگفت آوره که میتونید سلامت مزارع رو 779 00:43:40,395 --> 00:43:44,165 ‫با ماهواره هایی ببینید که. ‫صدها مایل بالاتر از زمین پرواز می کنن. 780 00:43:44,199 --> 00:43:50,105 ‫این ایده که شرکت ها و دولت ها ‫تکنولوژی پیش بینی و شاید پیشگیری از 781 00:43:50,138 --> 00:43:53,208 ‫فجایع مقیاس بالای انسانی ‫مثل جنگ و قحطی رو دارن، 782 00:43:53,241 --> 00:43:55,510 ‫مغز آدم سوت میکشه. 783 00:43:55,543 --> 00:43:57,379 ‫رایانه ها یه جورایی الان سه سالشونه، 784 00:43:57,412 --> 00:44:00,081 ‫و ما به اونا یاد میدیم تا کمک دهنده ما باشن 785 00:44:00,115 --> 00:44:02,083 ‫کمک کنن تصمیمات بهتری بگیریم 786 00:44:02,117 --> 00:44:05,186 ‫کمک کنن تا انسان های بهتری باشیم، 787 00:44:05,954 --> 00:44:11,960 ‫عمیقا معتقدم که علم به ما کمک میکنه ‫تا سیاره و خودمون رو نجات بدیم. 788 00:44:13,928 --> 00:44:19,434 ‫در گذشته مردم فکر می کردن ‫که .بلایا یا کار خداست یا جادو، 789 00:44:19,467 --> 00:44:22,771 ‫حالا ما بهتر میدونیم که. 790 00:44:22,804 --> 00:44:25,740 ‫اگر انقراض دست جمعی ششم اتفاق بیفته، 791 00:44:25,774 --> 00:44:27,242 ‫احتمالا ماییم که منقرض میشیم. 792 00:44:27,275 --> 00:44:31,446 ‫ما این تکنولوژی رو داریم تا ازش ‫برای نجات زمین استفاده کنیم. 793 00:44:31,479 --> 00:44:34,549 ‫هوش مصنوعی ممکنه جلو بلایا رو نگیره، 794 00:44:34,582 --> 00:44:38,420 ‫ولی ابزارهای جدید علمی ‫مثل یادگیری ماشینی، تشخیص تصویر 795 00:44:38,453 --> 00:44:42,257 ‫و مدل سازی پیش بینی شده ممکنه به ما کمک کنن ‫تا حداقل ازشون جلو بزنیم. 796 00:44:43,324 --> 00:44:46,127 ‫هوش مصنوعی یادگیری ماشینی 797 00:44:46,161 --> 00:44:50,732 ‫قراره که ابزار خیلی خیلی قدرتمندی ‫برای پیش بینی کردن با دقتی باشه 798 00:44:50,732 --> 00:44:53,234 ‫که قبلا غیرممکن بوده. 799 00:44:53,268 --> 00:44:58,106 ‫پروژه های زیادی در بحث پایداری هست ‫که از هوش مصنوعی استفاده میکنه 800 00:44:58,139 --> 00:45:00,942 ‫تا مشکلاتی که دنیا ‫باهاش مواجه هست رو نشون بده. 801 00:45:02,410 --> 00:45:05,713 ‫اگر بتونیم دید بهتری داشته باشیم ‫که آینده برای غذا به چه شکله 802 00:45:05,747 --> 00:45:08,583 ‫اونوقت جون مردم زیادی ‫رو می تونیم نجات بدیم. 803 00:45:09,751 --> 00:45:16,491 ‫حفظ سیاره ‫یا مراقبت از گونه خودمون ربطی به جادو نداره 804 00:45:13,524 --> 00:45:15,893 ‫ولی حدس زده میشه.