WEBVTT

00:00:08.300 --> 00:00:11.860
Jsem Ale Floresová,
produktová manažerka pro Alexu.

00:00:12.500 --> 00:00:15.220
Jsem Dr. Hauptová
z Allenova institutu pro AI

00:00:15.360 --> 00:00:19.500
a pracuji na akademickém vyhledávači
využívajícím umělou inteligenci.

00:00:21.180 --> 00:00:26.020
Počítače všude kolem nás
dělají rozhodnutí, která mají vliv

00:00:26.020 --> 00:00:31.259
na váš život. Když něco hledáte
na internetu nebo procházíte novinky,

00:00:31.260 --> 00:00:34.360
počítače rozhodují, co uvidíte.

00:00:34.360 --> 00:00:39.060
Počítače už umí rozpoznat váš obličej
a rozumět vašemu hlasu

00:00:39.060 --> 00:00:44.080
a brzy budou řídit auta
a poznávat nemoci lépe než lidé.

00:00:44.480 --> 00:00:46.900
Jak je tohle všechno možné?

00:00:47.520 --> 00:00:52.960
Možná už jste slyšeli o AI
neboli umělé inteligenci.

00:00:53.320 --> 00:00:56.780
Skutečná umělá inteligence
tu ještě dlouho nebude.

00:00:57.200 --> 00:01:01.520
Ale už existuje typ umělé inteligence
zvaný strojové učení.

00:01:01.520 --> 00:01:05.360
S tímhle typem AI se nejspíš
setkáváte denně a ani to nevíte.

00:01:05.360 --> 00:01:10.700
Díky ní má svět příležitost
vyřešit některé z nejnáročnějších úkolů.

00:01:12.660 --> 00:01:18.180
Strojové učení umožňuje počítačům
rozpoznávat vzory a rozhodovat se,

00:01:18.180 --> 00:01:21.360
aniž bychom je
k tomu přímo naprogramovali.

00:01:21.820 --> 00:01:27.580
Vzrušující na tom je, že jde
o úplně jiný způsob programování počítačů,

00:01:27.580 --> 00:01:29.620
než jaký jsme používali dřív.

00:01:31.340 --> 00:01:36.860
Při strojovém učení
už neprogramujeme počítač krok za krokem,

00:01:37.360 --> 00:01:43.760
ale tak, jak se učíte i vy,
metodou pokusu a omylu a mnoha cvičení.

00:01:44.560 --> 00:01:48.880
Učíme se pomocí zkušeností,
a to platí i pro strojové učení.

00:01:49.280 --> 00:01:53.700
Ty „zkušenosti“ zde ovšem představuje
velké množství dat.

00:01:54.500 --> 00:01:57.560
Strojové učení
může zpracovávat libovolný typ dat:

00:01:57.560 --> 00:02:04.520
obrázky, video, zvuk nebo text
a začít v těchto datech rozpoznávat vzory.

00:02:06.300 --> 00:02:11.120
Jakmile se naučí rozpoznávat
v datech vzory, může se na jejich základě

00:02:11.120 --> 00:02:12.980
naučit vzory také odhadovat.

00:02:13.340 --> 00:02:18.420
Například rozpoznávat od sebe
obrázky auta a jízdního kola.

00:02:20.600 --> 00:02:26.200
Umělá inteligence a strojové učení
má v naší společnosti stále větší roli

00:02:26.640 --> 00:02:29.000
a utváří budoucnost nás všech.

00:02:29.000 --> 00:02:34.600
Proto je tak důležité pochopit,
jak funguje, a také si to sami vyzkoušet.

00:02:35.000 --> 00:02:39.000
Nyní budete mít možnost učit
svůj vlastní model strojového učení.

00:02:40.940 --> 00:02:47.020
Pamatujte si, že AI je jako jiné nástroje:
když s ní naučíte, budete silnější!