KENNY: Let me offer an example of t

KENNY: Let me offer an example of that. It’s the work I did in weather—which is a chaotic system as well. So, you may have noticed that weather forecasts have gotten more accurate the last few years, and that’s been because of machine learning. So, what’s been important is training the system after each prediction that didn’t come true. For instance, you said it was going to rain on a particular day and it didn’t; it actually rained four miles north or four miles south. So you put that new fact in, and then the system automatically reweights all the algorithms—because there are algorithms for every level of the atmosphere—to pinpoint what it got wrong, and then that improves it for the next time. Now, the exercise isn’t simple: Weather is the atmosphere. It’s 100 kilometers thick, it covers the whole earth, it’s fed by the oceans, and it’s always in motion.

But what’s important is that you’re constantly learning on the negative so that the algorithms reweight without losing what was the positive, and that’s how it gets higher and higher confidence in its predictions.

FORTUNE: And then there are the reams and reams of new data to feed into your models.

KENNY: So, as we’ve added so many more sensors on smartphones and watches and windshield wipers and airplanes, we’ve just increased the amount of data that we have, and we’re capturing it more often. We went from a model that was run every six hours to a model that’s run a minimum of every 15 minutes; we went from having data at 2 million locations to having data at up to 3.2 billion locations.

That’s just a massive explosion in computation. As a result, you begin to see some of the chaos—or the butterfly effect—more quickly. And so you can begin to put narrower ranges of possibilities around what’s going to happen. The best examples are tropical storms. We just had Hurricane Matthew. There was a great deal of confidence in its path. There was a serious risk that the eye would have come inward—fifty miles further and it would have been far more catastrophic. But there was a high confidence interval of what was going to happen weeks out. When the storm was in Africa, it could be watched, and you could see it coming. I would say the data proves that the 5-day forecast today is as accurate as the 24-hour forecast was a decade ago. So there has been a big leap, and there is another big leap happening now in that particular field.

Take all of these lessons and apply them to the human body, apply them to a cancer system. As we get more data, as we get more sensors, as people are better able to understand what’s going on in their own bodies every day—as those get computed, I do believe we’ll have a higher ability to predict. In the short-run, what’s happening in cancer and in other diseases is that we’re better able to match your particular chaos—your particular set of systems—to someone who looked like you in the past. And that can help you get to a diagnosis and a course of treatment faster.

I think the goal here is that, eventually, these systems will predict disease progression in time to actually take preventive action, which I think is better for everybody. But at least at minimum, I hope, in the near-term, we’re able to better diagnose and then give people better treatment.

ผลลัพธ์ (ไทย) 1:

เคนนี: ผมเสนอตัวอย่างของที่ มันเป็นงานที่ผมทำในสภาพอากาศ — ซึ่งเป็นระบบวุ่นวายเช่นนี้ ดังนั้น คุณอาจสังเกตที่พยากรณ์อากาศมีอากาศมากขึ้นไม่กี่ปี และที่ได้รับจากการเรียนรู้ของเครื่อง ได้ ดังนั้น สิ่งที่ได้รับความสำคัญกำลังฝึกระบบหลังจากการคาดเดาแต่ละที่ไม่เป็นจริง เช่น คุณกล่าวมันจะฝนวันเฉพาะ และไม่ ได้ มันจริงฝนตกสี่ไมล์เหนือหรือใต้ 4 ไมล์ คุณใส่ความจริงที่ว่าใหม่ใน และจากนั้น ระบบอัตโนมัติ reweights อัลกอริทึม — เนื่องจากมีอัลกอริทึมสำหรับทุกระดับของบรรยากาศ — เพื่อระบุว่า จะมีความผิด แล้ว ที่เพิ่มอีกครั้ง ตอนนี้ การออกกำลังกายไม่ง่าย: สภาพอากาศบรรยากาศ กิโลเมตร 100 หนา ครอบคลุมโลกทั้งหมด มันจะถูกป้อน โดยมหาสมุทร และก็มักจะเคลื่อนไหวแต่สิ่งสำคัญคือ ว่า คุณกำลังต่อเนื่องเรียนรู้ในด้านลบดังนั้นอัลกอริทึม reweight โดยไม่สูญเสียสิ่งที่เป็นขั้วบวก และที่ว่ามันจะสูงขึ้นและความเชื่อมั่นสูงในการคาดคะเนโชคลาภ: แล้ว มีรีมและรีมของข้อมูลใหม่เพื่อป้อนเข้าสู่รุ่นของคุณเคนนี: ดังนั้น เราได้เพิ่มเซนเซอร์เพิ่มเติมมากมายบนสมาร์ทโฟน และนาฬิกา และปัดน้ำฝน และเครื่อง บิน เราได้เพียงเพิ่มปริมาณของข้อมูลที่เรามี และเรากำลังจับบ่อยขึ้น เราไปจากรุ่นที่รันทุกหกชั่วโมงรุ่นที่อย่างน้อยทุก 15 นาที เราไปจากการมีข้อมูลที่จะมีข้อมูลที่สูงถึง 3.2 พันล้านบาทที่ตั้ง 2 ล้านแห่งนั่นเป็นเพียงการระเบิดขนาดใหญ่ในการคำนวณ เป็นผล คุณจะเริ่มเห็นความวุ่นวายบาง — หรือส่งผล — อย่างรวดเร็ว และเพื่อ ให้คุณสามารถเริ่มต้นการใส่ช่วงแคบของความเป็นไปได้ใกล้เคียงสิ่งที่จะเกิดขึ้น ตัวอย่างที่ดีที่สุดคือ พายุโซนร้อน เราเพิ่งมีพายุเฮอริเคนแมทธิว จัดการดีของความเชื่อมั่นในเส้นทางได้ มีความเสี่ยงร้ายแรงว่า ตาจะได้มาเข้าด้านใน — ห้าสิบไมล์ต่อไป และก็จะได้รับภัยพิบัติมากขึ้น แต่มีช่วงความเชื่อมั่นสูงของสิ่งที่กำลังเกิดขึ้นสัปดาห์ออก เมื่อพายุในแอฟริกา สามารถดู และคุณจะได้เห็นมันมา ผมจะบอกว่า ข้อมูลพิสูจน์ว่า การคาดการณ์ 5 วันวันนี้เป็นความถูกต้องเป็นการคาดการณ์ตลอดทศวรรษที่ผ่านมา จึง ได้มีการก้าวกระโดดใหญ่ และมีเผ่นใหญ่อื่นที่เกิดขึ้นในข้อมูลเฉพาะที่นำบทเรียนเหล่านี้ทั้งหมด และใช้ร่างกายมนุษย์ กับระบบมะเร็ง เราได้รับข้อมูลเพิ่มเติม เราได้รับเพิ่มเติมเซ็นเซอร์ เป็นคนดีสามารถทำความเข้าใจสิ่งที่เกิดขึ้นในร่างกายของตนเองทุกวันซึ่งเป็นผู้ได้รับการคำนวณ ผมเชื่อว่า เราจะมีความสามารถสูงที่จะทำนาย ในระยะสั้น สิ่งที่เกิดขึ้น ในโรคมะเร็ง และโรคอื่น ๆ เป็นที่ได้รับดีกว่าตรงกับความโกลาหลของคุณเฉพาะ — ตั้งเฉพาะระบบ — เพื่อคนที่ดูเหมือนคุณในอดีต และที่ช่วยในการได้รับการวินิจฉัยและหลักสูตรของการรักษาได้เร็วขึ้นผมคิดว่า เป้าหมายของบริษัทคือ ว่า ในที่สุด ระบบเหล่านี้จะทำนายโรคในเวลาจริง ดำเนินการเชิงป้องกัน ซึ่งผมคิดว่า ดีสำหรับทุกคน แต่อย่างน้อย ที่ต่ำสุด ฉันหวังว่า ในระยะสั้น เราสามารถวินิจฉัยได้ดีขึ้น และจากนั้น ให้ท่านรักษาดีกว่า

ผลลัพธ์ (ไทย) 2:

KENNY: ผมขอนำเสนอตัวอย่างของการที่ มันเป็นงานที่ฉันได้ในสภาพอากาศซึ่งเป็นระบบที่วุ่นวายเช่นกัน ดังนั้นคุณอาจสังเกตเห็นว่าคาดการณ์สภาพอากาศมีอากาศที่ถูกต้องมากขึ้นไม่กี่ปีที่ผ่านมาและที่ได้รับเนื่องจากการเรียนรู้ของเครื่อง ดังนั้นสิ่งที่สำคัญคือการฝึกอบรมระบบหลังจากที่แต่ละคำทำนายที่ไม่ได้เป็นจริงขึ้นมา ตัวอย่างเช่นคุณกล่าวว่าฝนจะตกในวันหนึ่งและมันไม่ได้; มันจริงฝนตกสี่ไมล์ทางเหนือหรือสี่ไมล์ทางใต้ เพื่อให้คุณใส่ที่ความเป็นจริงใหม่และจากนั้นระบบอัตโนมัติ reweights อัลกอริทึมเพราะทั้งหมดมีขั้นตอนวิธีการทุกระดับของบรรยากาศการระบุสิ่งที่มันก็ผิดแล้วที่ช่วยเพิ่มความมันสำหรับครั้งต่อไป ตอนนี้การออกกำลังกายไม่ได้เป็นเรื่องง่าย: อากาศชั้นบรรยากาศ มันเป็น 100 กิโลเมตรหนามันครอบคลุมโลกทั้งโลกก็เลี้ยงโดยมหาสมุทรและก็มักจะอยู่ในการเคลื่อนไหว

แต่สิ่งที่สำคัญคือการที่คุณกำลังเรียนรู้อย่างต่อเนื่องในเชิงลบเพื่อให้ขั้นตอนวิธี reweight โดยไม่สูญเสียสิ่งที่เป็นบวกและว่าเป็นวิธีที่ได้รับความเชื่อมั่นที่สูงขึ้นและสูงขึ้นในการคาดการณ์ของ

FORTUNE: และแล้วมีรีมและรีมข้อมูลใหม่ที่จะเลี้ยงในรูปแบบของคุณ

KENNY: ดังนั้นในขณะที่เราได้เพิ่มเซ็นเซอร์อื่น ๆ อีกมากมายเพื่อให้มาร์ทโฟนและนาฬิกาและที่ปัดน้ำฝนและเครื่องบิน, เราได้เพิ่มปริมาณของข้อมูลที่เรามีและเรากำลังจับมันบ่อยขึ้น เราเดินออกมาจากรูปแบบที่กำลังวิ่งทุกหกชั่วโมงในรูปแบบที่วิ่งอย่างน้อยทุก 15 นาทีเป็น; เราไปจากการมีข้อมูลที่ 2 ล้านสถานที่ที่จะมีข้อมูลที่สูงถึง 3.2 พันสถานที่

นั่นเป็นเพียงการระเบิดขนาดใหญ่ในการคำนวณ เป็นผลให้คุณเริ่มที่จะเห็นบางส่วนของความสับสนวุ่นวายหรือผีเสื้อผลได้รวดเร็วยิ่งขึ้น และเพื่อให้คุณสามารถเริ่มต้นที่จะนำช่วงแคบของความเป็นไปรอบ ๆ สิ่งที่จะเกิดขึ้น ตัวอย่างที่ดีที่สุดเป็นพายุโซนร้อน เราก็มีพายุเฮอริเคนแมทธิว มีการจัดการที่ดีของความเชื่อมั่นในเส้นทางของมันก็คือ มีความเสี่ยงที่ร้ายแรงคือการที่ตาจะได้มาไมล์ภายในห้าสิบต่อไปและก็จะได้รับการไกลภัยพิบัติมากขึ้น แต่มีความเชื่อมั่นสูงของสิ่งที่กำลังจะเกิดขึ้นสัปดาห์ที่ผ่านมาออก เมื่อพายุในแอฟริกาก็อาจจะต้องรอดูและคุณสามารถเห็นมันมา ผมจะบอกว่าข้อมูลที่พิสูจน์ให้เห็นว่าการคาดการณ์ 5 วันในวันนี้คือความถูกต้องเป็นการคาดการณ์ตลอด 24 ชั่วโมงเป็นทศวรรษที่ผ่านมา ดังนั้นได้มีการก้าวกระโดดครั้งใหญ่และมีอีกก้าวกระโดดครั้งใหญ่ที่เกิดขึ้นในขณะนี้ในเขตข้อมูลที่โดยเฉพาะอย่างยิ่ง

ใช้เวลาทั้งหมดของบทเรียนเหล่านี้และนำไปใช้กับร่างกายมนุษย์นำไปใช้กับระบบมะเร็ง ที่เราได้รับข้อมูลได้มากขึ้นในขณะที่เราได้รับการเซ็นเซอร์มากขึ้นเป็นคนดีขึ้นสามารถที่จะเข้าใจในสิ่งที่เกิดขึ้นในร่างกายของตนเองทุกวันเป็นผู้ที่ได้รับการคำนวณผมไม่เชื่อว่าเราจะมีความสามารถสูงในการทำนาย ในระยะสั้นสิ่งที่เกิดขึ้นในการรักษามะเร็งและโรคอื่น ๆ ก็คือว่าเราก็ยังดีสามารถให้ตรงกับความวุ่นวายของคุณชุดของคุณโดยเฉพาะในด้านการระบบให้คนที่ดูเหมือนคุณในอดีต และที่สามารถช่วยให้คุณได้รับการวินิจฉัยและการรักษาได้เร็วขึ้น

ผมคิดว่าเป้าหมายของที่นี่ก็คือว่าในที่สุดระบบเหล่านี้จะคาดการณ์ความก้าวหน้าของโรคในเวลาที่จะจริงจะดำเนินการป้องกันซึ่งผมคิดว่าจะดีกว่าสำหรับทุกคน แต่อย่างน้อยอย่างน้อยผมหวังว่าในระยะอันใกล้นี้เราสามารถที่จะดีกว่าการวินิจฉัยแล้วให้คนรักษาที่ดีกว่า

ผลลัพธ์ (ไทย) 3:

เคนนี่ : ผมจะขอยกตัวอย่างที่ มันทำงานได้ในสภาพอากาศที่เป็นระบบระเบียบดี ดังนั้น คุณอาจได้สังเกตเห็นว่า การพยากรณ์อากาศได้ถูกต้องกว่าไม่กี่ปีสุดท้าย และนั่นเป็นเพราะการเรียนรู้เครื่อง ดังนั้น สิ่งที่สำคัญคือการฝึกอบรมระบบหลังจากที่แต่ละคำทำนาย ที่ไม่ได้เป็นจริง เช่น คุณบอกว่าจะมีฝนตกในวันหนึ่งและมันไม่ได้ มันจริงฝนตกสี่ไมล์ทางเหนือ หรือสี่ไมล์ทางใต้ ดังนั้น คุณใส่มันในความเป็นจริงใหม่ แล้วระบบจะ reweights ขั้นตอนวิธีทั้งหมดเนื่องจากมีขั้นตอนวิธีการทุกระดับ บรรยากาศที่แน่ชัดว่ามันผิด แล้วที่ปรับปรุงสำหรับครั้งต่อไป ตอนนี้ไม่ได้ออกกำลังกายง่ายๆ อากาศ บรรยากาศ มันคือ 100 กิโลเมตรหนา มันครอบคลุมทั้งแผ่นดิน มันเลี้ยงโดยมหาสมุทรและมันเสมอในการเคลื่อนไหวแต่สิ่งที่สำคัญคือการที่คุณกำลังเรียนในทางลบว่าขั้นตอนวิธี reweight โดยไม่สูญเสียสิ่งที่เป็นบวก และดูท่าจะสูงขึ้นและความเชื่อมั่นที่สูงขึ้นในการคาดคะเนโชคลาภ : และก็มีรีม และ รีมข้อมูลใหม่ที่จะป้อนเข้าไปในแบบของคุณเคนนี่ : ดังนั้น , เราได้เพิ่มเซ็นเซอร์มากมายเพิ่มเติมเกี่ยวกับมาร์ทโฟนและนาฬิกา และที่ปัดน้ำฝนกระจกหน้ารถและเครื่องบิน เราได้เพิ่มปริมาณของข้อมูลที่เรามี เราก็จับมันบ่อยๆ เราเปลี่ยนจากรูปแบบที่วิ่งทุกหกชั่วโมงรุ่นที่วิ่งอย่างน้อยทุก 15 นาที เราเริ่มจากการมีข้อมูลใน 2 ล้านแห่ง ที่จะมีข้อมูลที่ถึง 3.2 ล้านตำแหน่งนั่นเป็นเพียงการระเบิดครั้งใหญ่ในการคำนวณได้ เป็นผลให้คุณเริ่มที่จะเห็นบางส่วนของความวุ่นวายหรือผีเสื้อกระพือปีกอย่างรวดเร็ว และเพื่อให้คุณสามารถเริ่มต้นวางแคบช่วงของความเป็นไปได้รอบ เกิดอะไรขึ้น ตัวอย่างที่ดีที่สุดคือ พายุเขตร้อน เราเพิ่งมีพายุแมทธิว มีการจัดการที่ดีของความเชื่อมั่นในเส้นทางของมัน มีความเสี่ยงร้ายแรงที่ดวงตาจะต้องเข้ามาภายใน 50 ไมล์ต่อ และมันคงห่างไกลที่รุนแรงมากขึ้น แต่ก็มีความมั่นใจสูงช่วงของสิ่งที่กำลังจะเกิดขึ้นสัปดาห์ออก เมื่อพายุในแอฟริกา มันอาจจะดู และคุณจะได้เห็นมันมา ผมจะบอกว่าข้อมูลที่พิสูจน์ว่า การพยากรณ์อากาศ 5 วันวันนี้ถูกต้องตามที่พยากรณ์บริการเป็นทศวรรษที่ผ่านมา เพื่อให้มีการก้าวกระโดดครั้งใหญ่ และมีอีกก้าวกระโดดครั้งใหญ่เกิดขึ้นในเขตข้อมูลที่เฉพาะเจาะจงใช้เวลาทั้งหมดของบทเรียนเหล่านี้และใช้พวกเขาในร่างกายมนุษย์ ใช้กับระบบที่มะเร็ง เมื่อเราได้รับข้อมูลเพิ่มเติม เราได้รับเซ็นเซอร์มากขึ้น เป็นคนที่ดีสามารถเข้าใจสิ่งที่เกิดขึ้นในร่างกายของตนเองในแต่ละวันเป็นผู้รับข้อมูล ผมเชื่อว่าเราก็มีความสามารถสูงกว่าคาดการณ์ ในสั้น เกิดอะไรขึ้นในโรคมะเร็งและโรคอื่น ๆที่เราดีขึ้นสามารถตรงกับความยุ่งเหยิงของคุณการตั้งค่าเฉพาะของระบบเพื่อคนที่เหมือนเธอในอดีตของคุณโดยเฉพาะ และที่สามารถช่วยให้คุณได้รับการวินิจฉัยและการรักษาได้เร็วขึ้นฉันคิดว่าเป้าหมายของที่นี่คือ ในที่สุด ระบบเหล่านี้จะทำนายโรคการป้องกันในเวลาจริงใช้ ซึ่งฉันคิดว่าเป็นที่ดีกว่าสำหรับทุกคน แต่อย่างน้อย อย่างน้อย ผมหวังว่าในระยะใกล้ เราจะได้วินิจฉัยแล้ว ให้ประชาชนในการรักษาดีขึ้น