 Baiklah, baiklah. Hai, semua. Jadi... ...saya seorang lelaki terakhir malam ini, saya rasa. Dan saya... ...saya seorang lelaki yang berdiri antara awak... ...dan lelaki awak dan lebih banyak lelaki. Jadi, saya tak pasti bagaimana hati awak akan jadi. Tapi, saya harap awak akan jadi. Sebab itu ia akan menjadi... ...berlalu lama dan bau. Dan... ...cukup satu lelaki di depan mencari. Jadi, saya tak pasti bagaimana orang lain yang dengar saya. Boleh orang-orang dengar saya di belakang? Awak okey? Bagus. Terima kasih. Jadi... ...saya akan bercakap tentang... ...dan... ...apa yang tiba-tiba berkata adalah apa yang awak akan dapat. Awak akan dapat... ...genetic algorithms... ...dan awak akan dapat go. Semua orang di sini tahu apa yang... ...genetic algorithms ada. Biasa. Saya melihat lelaki saya di sana. Sebab saya beritahu ini sebenarnya. Semua orang lain di sini? Satu lelaki. Bagus. Semua orang di sini boleh pergi. Okey. Kamu semua. Saya rasa saya dalam masalah. Tapi tak mengapa. Mari kita bergerak. Seperti yang saya beritahu sebelum saya bekerja di MSP Digital. Adakah saya terlalu kuat? Atau saya okey? Sebab saya tak dapat mendengar saya terlalu baik. Saya bekerja di MSP Digital. Ini sebuah timbulan baru. Kita adalah sebuah subsidiari... ...untuk kekuatan Singapura. Jadi, lelaki yang awak lihat di depan awak... ...dan semuanya lain yang ditutupi di sini... ...tidak mengapa. Macam mana? Saya juga organiser... ...pada Singapura Singapura 2018. Ada Valentine, organiser saya. Jadi, ada website. Tolong beri kita. Tolong beli tukar. Tolong datang ke event kita. Ini sangat menarik. Saya berjanji dengan awak. Saya tak akan bercakap di sana. Okey. Okey. Bagaimana dengan algoritmen genetik? Jadi, definisi di sini adalah algoritmen genetik... ...yang berdasarkan proses seleksi natura. Teruskan kembali ke biologi. Ada sesiapa di sini tahu apa seleksi natura? Satu lelaki? Sebenarnya? Tiada siapa tahu apa seleksi natura? Ada sesiapa di sini? Tiga lelaki? Dari hari kedua? Hari sekolah atau apa-apa? Tidak? Okey. Kita cuba bergerak. Seleksi natura adalah proses natura... ...yang menyebabkan populasi organisme... ...untuk mendapatkan kembali kembali. Jadi, kenapa saya melakukannya? So, salah satu perkara besar... ...yang ada di komputer algoritmen ini adalah... ...sebab ia mengalami dunia natura. Ini adalah salah satu perkara yang saya ingin bercakap... ...sebab algoritmen... ...tidak adalah natura. Jadi, mereka berikut sebuah dunia natura. Dan apa yang saya ingin bercakap hari ini adalah... ...apa-apa pun yang kita lihat hari ini di dunia benar... ...saya sebenarnya ada algoritmen juga. Jadi, mana-mana saja. Biar saya melakukannya sedikit. Apa adalah seleksi natura? Jadi, ini adalah contoh apa yang seleksi natura adalah. Dalam tahun nanti 80s... ...papar morf di England... ...tidak adalah sebuah wajah. Jadi, ini adalah contoh. Bolehkah anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? Boleh anda melihat tempat morf? ...dan tiga berwarna berwarna. Jadi ini menunjukkan keadaan keadaan tersebut di antara penuh. Jadi anda lihat di sini lagi, anda dapat melihat keadaan keadaan keadaan keadaan? Sebenarnya ia sangat susah kerana... ...tapi keadaan keadaan tersebut sangat kelihatan. Jadi, secara peribadi, mereka dapat dibunuh oleh penuh. Pada akhir keadaan tersebut, terutama keadaan keadaan keadaan keadaan keadaan. Jadi ia cukup normal. Tetapi apa yang lebih bermula adalah selepas keadaan keadaan keadaan keadaan di 1956... ...anak-anak terbangkir pada masa-閱. Jadi ini contoh projek keadaan keadaan keadaan. Jadi kalau saya tak nak bercakap saja tentang itu, saya hanya nak beri anda... ...masuk dengan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan keadaan... ...dan juga ada jagan yang anda dapat l yaitu organisme.这个 is the subject of study that we are looking at that is threatening the survival. DNA carries genetic information. The population. This is the growth of organisms. Fitnah adalah mesyuarat bagaimana organisme yang diadakkan adalah keadaan. Selektinya, organisme yang terbaik dengan fitnah yang terbaik mempunyai peluang yang lebih tinggi. Peluang yang terbaik untuk peluang yang terbaik dengan organisme yang terbaik. Jadi, ini sebenarnya sebuah bahagian. Pada selanjut generasi yang terbaik dengan generasi yang terbaik, dan mutasi. Pada selanjut generasi, ini adalah peluang yang terbaik dengan perubahan genus. Jadi, semua orang dapat itu. Saya boleh pergi. Bagus. Jadi, pertama algoritm. Saya akan bercakap sedikit tentang teoran enak-enak. Ada sesiapa dengar tentang ini? Ia sebenarnya sangat benar-benar menyebutkan di sini. Apabila sebuah teoran enak-enak berada di sini, dan sebuah teoran enak-enak berada di sini, dan sebuah teoran enak-enak berada di sini, dan sebuah teoran enak-enak berada di sini. Apabila tidak ada masa yang cukup, kemudian kita akan mempunyai sebuah pekerjaan. Apa yang awak fikir? Bagaimana? Bagaimana? Jadi, apa yang saya cuba membuat di sini adalah yang klasik untuk menjadi atau tidak menjadi. Ada sesiapa di sini tahu bagaimana ini datang? Bukankah? Ya, itu betul. Siapa ini? Sebelumnya. Bagaimana? Bagaimana? Bagaimana? Bagaimana? Baiklah. Jadi, bagaimana kemungkinan yang dipercayai sekalipun? Apa yang awak fikir? Satu-satunya? Satu-satunya? Satu-satunya? Satu-satunya? Satu-satunya? Baiklah. Sebenarnya, ada sebuah pekerjaan yang berjaya di sini. Dan kemungkinan, bagaimanapun, bagaimanapun, kembali kembali ke sekolah kaya atau sekolah sekolah matematik, ada sebuah pekerjaan yang berjaya di sini, ada sebuah pekerjaan yang berjaya di sini, dan sebuah pekerjaan yang berjaya di sini, berdapat 18 kali. Jadi, apa yang awak fikir? Ada 1 daripada 29,000,000,000 yang mungkin itu. Jadi, awak rasa kita boleh silap-sahir dalam sebuah masyarakat? Kalau sama ada sebuah pekerjaan yang berjaya di setiap saat, ada satu peluang di setiap tahun mereka akan sebut. Apa maksud awak? Ada sebuah masa dalam conversion yang berjaya di tahun berjaya. Saya rasanya akan jadi yang lanjut. kita akan duduk di sini. Kita akan buat ini. Jadi, apa yang kita akan lakukan? Sudah tentu, bukan? Itu yang saya di sini untuk. Saya akan beritahu kepada anda bagaimana genetik al-Guardian akan datang ke pembantu. Okey, dan di sini kita di bahagian di mana anda melihat kota. Anda mula melihat kota Go. Jangan panik. Ia bukan begitu susah. Saya akan menjelaskan. Jadi, mari kita mulakan dengan membuat organisme. Di sini saya membuat organisme dengan sebuah strut dengan dua variable. Dan ini bukan sebuah strut yang mengandungkan organisme. Dan keadaan adalah bagaimana organisme menjelaskan sebuah strut untuk menjadi atau tidak untuk menjadi. Okey, kemudian kita perlu membuat organisme dengan pembantu. Ingat, apa yang kita lakukan awal? Kita perlu membuat pembantu. Di sini saya hanya membuat pembantu yang rendam organisme. Dan saya hanya membuat mereka secara rendam kerana saya akan membuat pembantu yang rendam menjadi sebuah strut yang mengandungkan untuk menjadi atau tidak untuk menjadi. Selanjutnya, saya menemukan organisme. Dan sebuah strut tidak ada apa-apa lagi untuk melihat bagaimana jauh-jauh DNA yang mengandungkan sebuah strut untuk menjadi atau tidak untuk menjadi. Jadi, 0 bermaksud ia sangat berbeda. 1 bermaksud ia adalah sebuah strut. Dan ada sebuah strut di bawah. Jadi, perkara yang kita mahu lakukan adalah membuat organisme dengan pembantu yang terbaik dan membuat mereka membuat pembantu yang lebih tinggi. Apa yang kita lakukan adalah membuat sesuatu yang dipanggil pembantu yang adalah sebuah mekanisman yang mengambil beberapa pembantu yang sama dengan pembantu. Jadi, sebuah pembantu yang lebih terbaik adalah sebuah pembantu yang lebih terbaik anda akan menemukan pembantu. Okey? Dan kenapa kita membuat ini? Ini kerana anda mahu membuat pembantu yang lebih tinggi atau membuat pembantu yang lebih tinggi untuk mengambil pembantu. Okey? Jadi, ini pembantu. Ia sangat mudah. Dan perkara yang kita mahu lakukan adalah kita mahu mengambil dua pembantu dari pembantu yang terbaik, membawa mereka bersama dan membuat mereka. Jadi, jelasnya, jika anda mempunyai lebih banyak pembantu di dalam pembantu, ada lebih banyak kemungkinan yang anda akan membuat pembantu. Okey? Jadi, itu yang penting. Dan apa yang saya lakukan, saya ambil dua pembantu dan apa yang saya lakukan adalah pembantu yang dipanggil crossover. Saya mengambil dua pembantu dan membuat mereka mengambil pembantu. Hei, apa maksud saya mengambil mereka? Apa maksud saya mengambil crossover? Crossover adalah pembantu yang sangat mudah. Jadi, saya ambil dua pembantu dari pembantu ini. Bersama saya, ini pembantu di sini dan pembantu di sana. Saya mengambil mereka bersama. Saya memilih pembantu dan saya mengambil apa-apa pun dari awal ke pembantu dan dari awal ke akhir. Saya mengambil mereka bersama. Dan voila, anda ada anak. Ini mengambil dua pembantu, membuat mereka bersama untuk membuat anak. Sangat mudah. Sudah tentu saya tidak boleh pergi tanpa mengambil pembantu setiap generasi. Kenapa saya melakukannya? Sebenarnya sangat mudah. Jika pembantu tidak memiliki DNA di dalam pembantu, akan selalu menjadi sama. Dan apa maksud saya, jika saya tidak mempunyai pembantu yang penting untuk bermula, pembantu tersebut tidak akan berhasil. Sebenarnya, jika saya katakan pembantu yang tidak dikenalkan pembantu yang tersebut, kita tidak akan dapat mengubah pembantu. Kerana pembantu hanya menggantikan semua organisme. Jika tidak ada organisme yang mempunyai pembantu, anda tidak akan dapat mengambil pembantu. Jadi bagaimana kita melakukannya? Bagaimana kita mengambil pembantu? Memang, kita perlu membuat kemungkinan salah satu pembantu ini, memutuskan ke sesuatu yang lain, dan kemudian mengubah pembantu. Dan ada pembantu. Kemudian, kita selesai. Ini pembantu. Ini pembantu genetik. Dan kita mengambil pembantu yang penting. Sebenarnya, apa yang saya lakukan adalah mengambil pembantu beberapa kali. Dan... Biar saya membuat pembantu. Selain itu, siapa pembantu ini? Bagus. Hanya untuk mempunyai pembantu. Terima kasih. Oh, sepatutnya. Tunggu. Okey. Mereka membuat pembantu. Okey. Okey. Jalan-jalan. Jalan-jalan. Jadi, bagaimana cepat anda fikir itu akan keluar? Ada pembantu? Berapa lama anda akan ambil? 5 minit? Ada lain pembantu? 1 minit? Okey. Biar saya membuat pembantu. Anda melihat pembantu di sana? Memang membuat pembantu. 11 sekejap. Okey. Jadi, saya mengambil pembantu dan membuat pembantu untuk berkata 2B atau tidak 2B dalam 11 sekejap. Okey. Jadi, ini pembantu. Baiklah. Jadi... Adakah saya membuat pembantu? Adakah itu pembantu? Jadi, ini pembantu. Bagaimana? Okey. Ini pembantu. Okey. Sebelum 150 pembantu pembantu. Baiklah. Jadi, itu... pembantu pertama yang saya ingin memberikan kepada anda. Biar saya kembali ke dalam pembantu ini. Ia mengambil sekejap. Baiklah. Mari kita jemput dari Shakespeare. Jadi... Setiap kali anda mengambil pembantu, ia akan sedikit berbeza. Jadi, ini adalah contoh bagaimana saya mengambil pembantu. 2 sekejap. 152 milis sekejap. 500 lebih milis sekejap. Seluruhnya, ia ramai. Jadi, saya tidak dapat mengawal bagaimana cepat ia mengambil pembantu. Tetapi ia tidak akan menjadi 934 juta tahun. Saya boleh beritahu anda itu. Baiklah. Jadi, perkara yang kita mahu lakukan adalah... kita mahu mengambil pembantu. Okey. Okey. Saya akan membuat pembantu dulu lebih daripada 11 sekejap. Siapa pembantu ini? Tawin Chee. Bagus. Terima kasih. Saya hanya mahu pastikan anda tetap mengambil pembantu. Okey. Saya akan mengambil pembantu sekarang. Baiklah. Bila-bila... Pembantu ini berbeza, tapi saya hanya mahu menunjukkan anda bahawa saya tidak mengambil pembantu. Jadi, saya hanya mengambil pembantu. Jadi... Okey, saya tidak dapat melihatnya di sini. Jadi, apa yang anda lihat di sini... Biar saya mengambil pembantu sedikit. Okey. Saya mengambil ini. Dan... Biar saya mengambil pembantu sedikit. Okey, anda lihat sesuatu di sini. Biar saya masuk ke pembantu dan kita akan kembali ke alasan dalam sekejap. Okey. Sebaik-baiknya, saya akan kembali sekarang. Okey. Tawin Chee. Baiklah. Jadi, hanya untuk menjelaskan konteks yang terdapat kepada pembantu sebelumnya. Jadi, sekarang saya ada 18 pembantu. Baiklah. Tapi di sini saya mengambil... Saya sebenarnya mengambil pembantu sedikit. Ia adalah 100 pembantu dengan 67 pembantu. Jadi, ada 6,700 pembantu. Jadi, setiap pembantu mempunyai 4 pembantu. Ada 26,800 pembantu. Punggung ke 18 pembantu. Jadi, pembantu melepaskan konteksinya... Saya tidak tahu, banyak-banyak kali lebih besar. Okey. Jadi, ini tidak sebenarnya sebuah pekerjaan yang mudah. Jadi, mari kita mulakan lagi. Ini sebenarnya sebuah perkara yang sama. Kita mulakan dengan mempunyai organisme. Tetapi, tanpa pembantu, mempunyai pembantu. Kita katakan pembantu adalah sekarang pembantu. Pembantu pembantu adalah cara mempunyai pembantu. Pembantu masih sama. Pembantu mempunyai... bagaimana pembantu mempunyai gambar Mona Lisa? Baiklah. Jadi, apa pembantu kita? Bagaimana pembantu yang akan datang? Jadi, pembantu akan datang ke sini. Kita lihat di sini. Ini pembantu. Jadi, pembantu pembantu adalah pembantu. Okey. Jadi, apa pembantu ini? Pembantu pembantu adalah pembantu. Sangat mudah. Dan ia hanya memasangkan semua pembantu. RGBA. Dan sebuah ruang. Pembantu yang sejauh. RGBA. RGBA. RGBA. Pembantu. They have a common habit. Telefon, organnya, Organnya, Pembantu pasangan, Pembantu pasangan, redialikkan atau cñ, Contact, Uね, C Final consequence. Pembantu pasangan, Pembantu, Jadi bagaimana kita mencari pendapatan organisme? Ini adalah keadaan kita untuk membuat sedikit bahagian. Saya tidak tahu. Anda mempelajari ini di sekolah primary atau sekolah sekolah sekolah? Saya lupa kerana ini sudah lama lagi. Primary, sekolah sekolah. Sekolah sekolah? Okey. Satu dari pelajaran yang baru. Jadi, Distance adalah X squared plus Y squared root. Jadi, distan antar 2 adalah X2 minus X1 dan X2 minus X1. Kemudian kita menggunakan square root, menambahkan bersama, dan kita akan membuat square root. Jadi, bagaimana kita mencari perubahan yang berlainan dengan dua gambar? Di tepung tepung pythagoreal, kita bercakap tentang dua poin. Itu dalam spesial dua dimensi. Di sini, anda akan melakukannya. Selain itu, dalam spesial tiga dimensi, kita melakukannya di tepung pythagoreal dua kali. Jika ia adalah spesial tiga dimensi, kita melakukannya tiga kali. RGBA adalah spesial tiga dimensi. Ingat? RGBA. Jadi, apa yang anda lakukannya? Perubahan dalam dua gambar adalah R2 minus R1 plus square root plus G2 minus G1 square plus B2 minus B1 square plus A2 minus A1 square. Jadi, itu sebabnya A. Tapi ada perjalanan. Jika anda perlu melakukannya, untuk setiap gambar, anda akan melakukannya untuk melakukannya untuk melakukannya selama 6,800 kali. Tapi, kita tidak melakukannya. Atau lebih baik, kita tidak perlu melakukannya. Kenapa? Kerana gambar adalah satu perjalanan yang panjang dari RGBA. Jadi, jika anda mahu mencari perbezaan, anda hanya melakukannya. R2 minus R1 square dan G2 minus G1 square untuk pilihan pertama. Pilihan kedua, pilihan kedua, pilihan ketiga, dan kemudian semua pilihan terakhir. Dan kemudian anda melakukannya dengan sebuah hal. Dan itu adalah perbezaan. Ia sebabnya mengalakannya. Saya tahu. Tapi, apabila bahasa berlaku memberi anda cara mengalakannya, kenapa tidak? Jadi, ini apa yang terjadi. Anda akan mencari perbezaan dengan mengalakannya mengalakannya dan lakukannya dengan sebuah hal. Sangat mudah. Itu perbezaan. Pada masa seterusnya, anda akan melakukannya dengan sebuah hal yang terbaik dan memberi mereka peluang kemampuan. Kita masih menggunakan perbezaan yang berlaku di sini, tetapi ada perbezaan yang sedap. Apa perbezaan? Kerana jika kita menggunakan perbezaan, ia boleh menjadi yang besar. Jadi, apa yang kita lakukannya? Kita menggunakan apa yang saya nampak perbezaan yang berlaku. Saya menggantikan yang terbesar yang terbaik daripada perbezaan yang terbaik. Jadi, anda dapat sebuah hal. Jadi, sebuah hal yang terbaik akan mempunyai sebuah hal yang lebih kecil, tetapi anda masih boleh berbezaan antara mereka. Jadi, perbezaan yang terbaik dan perbezaan yang terbaik adalah 20. Kita menggantikan 20 perbezaan dalam perbezaan. Itu saja. Jika tidak ada perbezaan, kita memutuskan kerana kita tidak dapat membuat perbezaan baru untuk menggantikan itu. Kita hanya memikirkan perbezaan dan kemudian kita mulakan lagi. Okey? Ini adalah bagaimana kita membuat perbezaan yang terbaik. Adakah anda masih bersama saya? Okey? Baiklah. Sekurang-kurangnya, perbezaan saya masih bersama saya. Bagus. Okey. Jadi, kita membuat perbezaan yang terbaik daripada perbezaan yang terbaik. Ia sama seperti perbezaan yang terbaik. Jadi, tidak ada perbezaan. Ia sama. Ia juga adalah kota yang sama. Sama seperti saya menggunakan image.rgb. Ia sama seperti itu. Saya membuat perbezaan. Saya membuat perbezaan. Saya membuat perbezaan. Saya memutuskan dari perbezaan. Saya memutuskan dari perbezaan. Saya memutuskan dari perbezaan di sini dan menggantikan mereka bersama. Kemudian saya memutuskan perbezaan ini. Ia sama seperti itu. Tidak mengapa. Ini adalah algoritm genetik. Okey? Dan akhirnya, kita memulakan algoritm genetik. Baiklah. Jadi, mari kita lihat bagaimana ia berlaku. Okey? Saya tidak akan menunjukkan perbezaan. Pertama, mari saya lihat bagaimana lama kita berlaku. Dan... Ini adalah hidup, bila-bila. Jadi, saya tidak tahu bagaimana ia akan berakhir. Jadi, mari kita lihat. Okey? Jadi, Mona Lisa. Ini adalah gambar yang original. Kita pergi ke bawah. 100 generasi nanti? Tidak. 200 generasi? Bukan betul. 300? Tidak. 400? Tidak. 500? Tidak. 800? Tidak. 1,000? Tidak. Tidak. Tidak. Tidak. Adakah anda melihat sesuatu di sini? Melihat sesuatu di sini? 1,800? 1,900? 2,000? 2,000? 1,200? 2,000? 3,000? 4,000? 5,000? 6,000? Saya hanya melihat sesuatu di sini. Saya rasa saya bercakap sedikit dengan cepat kerana ia masih bergerak. Tapi mari saya balik ke kembali dan saya menunjukkan sedikit lebih. Ia masih bergerak di belakang. Jadi, saya akan... Saya akan menunjukkan awak nanti. Saya akan bercakap sedikit lebih. Dan kemudian, menunjukkan awak nanti. Okey? Ini adalah gambar. Kita menunjukkan gambar. Dan ini adalah gambar. Boleh anda membuatkan Mona Lisa? Ya. Okey. Jadi, itu tentang... tentang... gambar sekitar 7,000. Biasanya sekitar 7,000. Baiklah. Ia tidak sebenarnya bergerak ke 0, bila-bila. Ia bergerak terlalu lama. Saya tidak pernah menunjukkan sehingga... Ia hanya bergerak terlalu lama. Saya perlukan lapor saya untuk sesuatu yang lain. Jadi, saya tidak pernah menunjukkan di bawah 0. Tapi anda dapat melihat bagaimana ia bergerak. Sekarang, saya cuba melakukan sesuatu yang lain. Saya sedang membuat gambar kira-kiri, yang saya lakukan adalah... saya membuat gambar sekitar 7,000. Dan gambar sekitar 7,000, gambar sekitar 7,000, dan yang terakhir. Boleh anda membuatkan Mona Lisa? Ya? Tak? Saya tidak tahu. Mungkin. Saya cuba dengan gambar sekitar. Saya membuat gambar sekitar 7,000. Saya membuat gambar sekitar 7,000. Ini sangat susah. Jika anda mencuba sangat sukar, mungkin anda dapat melihat model itu. Tetapi itu adalah pembentangan general. Jadi mari kita cepat balik ke kode dan lihat apa yang berlaku. Ya, jadi itu sekitar 9 minit yang anda dapat di luar sana. So sekitar 20 minit, sebenarnya anda dapat sebuah gambar yang baik. Tetapi ini adalah apa yang kita ada. Sekarang saya ada sekitar 2 minit lagi. Saya akan menunjukkan kembali yang terakhir dan ia akan keluar sekejap sekejap. Tetapi saya sebenarnya menyebabkan ini baik di Github. Jadi saya menyebabkan ini baik di Github. Ini menyebabkan saya secara biasa untuk bercakap dengan anda. Ini adalah event Github. Dan saya juga menyebabkan blog saya di Github juga. Jadi saya harus mendapatkan dua bonus. Baiklah, baiklah. Apa pun, itu saja yang saya ada hari ini. Ada soalan? Ada soalan? Ada soalan? Soalan yang biasa? Saya rasa semua orang mahu minum. Terima kasih banyak, Sasham. Terima kasih, Sasham. Mereka berada di kawasan ini.