1
00:00:08,300 --> 00:00:11,860
Mit navn er Ale Flores, og jeg er produkt-
manager hos Alexa.

2
00:00:12,500 --> 00:00:15,220
Jeg hedder Dr. Chelsea Haupt. Jeg arbejder på Allen-instituttet for kunstig intelligens,

3
00:00:15,360 --> 00:00:19,500
og jeg arbejder på en AI-drevet akademisk søgemaskine.

4
00:00:21,180 --> 00:00:26,020
Rundt omkring dig tager computere beslutninger,
og disse beslutninger påvirker

5
00:00:26,020 --> 00:00:31,259
dit dagligliv. Når du foretager en internetsøgning
eller ruller gennem din nyhedsfeed,

6
00:00:31,260 --> 00:00:34,360
så bestemmer computere, hvad du ser.

7
00:00:34,360 --> 00:00:39,060
Computere kan allerede genkende dit ansigt og forstå din stemme,

8
00:00:39,060 --> 00:00:44,080
snart vil de køre biler og opdager sygdomme, endnu bedre end mennesker.

9
00:00:44,480 --> 00:00:46,900
Så hvordan er dette muligt?

10
00:00:47,520 --> 00:00:52,960
Du har måske hørt om noget, der hedder AI eller kunstig intelligens.

11
00:00:53,320 --> 00:00:56,780
Ægte kunstig intelligens er årtier ude i fremtiden.

12
00:00:57,200 --> 00:01:01,520
Men vi har en type AI i dag, kaldet Maskinlæring.

13
00:01:01,520 --> 00:01:05,360
Det er en type AI, du sandsynligvis interagerer med hver dag, uden at vide det.

14
00:01:05,360 --> 00:01:10,700
Det er mulighed at det kan hjælpe os med at tackle nogle af verdens største udfordringer.

15
00:01:12,660 --> 00:01:18,180
Maskinlæring er, hvordan computere genkender mønstre og træffer beslutninger

16
00:01:18,180 --> 00:01:21,360
uden at være specifikt programmeret.

17
00:01:21,820 --> 00:01:27,580
Hvad der er så spændende, er, at det er et helt
en anden måde at programmere en computer på, end 

18
00:01:27,580 --> 00:01:29,620
hvad vi har gjort tidligere.

19
00:01:31,340 --> 00:01:36,860
Med maskinlæring kan du i stedet for at programmere en computer trin for trin

20
00:01:37,360 --> 00:01:43,760
programmere til at lære, ligesom du lærer, gennem at prøve og fejle, og masser af øvelse.

21
00:01:44,560 --> 00:01:48,880
Læring kommer fra erfaring, og det er også sandt for maskinlæring.

22
00:01:49,280 --> 00:01:53,700
In this case, "experience" means lots and lots of data.

23
00:01:54,500 --> 00:01:57,560
Maskinlæring kan absorbere enhver form for data:

24
00:01:57,560 --> 00:02:04,520
Billeder, video, lyd eller tekst og begynde at
genkende mønstre i disse data.

25
00:02:06,300 --> 00:02:11,120
Når den lærer at genkende mønstre i dataene, kan den også lære at lave forudsigelser

26
00:02:11,120 --> 00:02:12,980
baseret på disse mønstre.

27
00:02:13,340 --> 00:02:18,420
Såsom at lægge mærke til forskellen mellem et billede af en bil og et billede af en cykel.

28
00:02:20,600 --> 00:02:26,200
AI og maskinlæring spiller en større og større rolle i samfundet som helhed

29
00:02:26,640 --> 00:02:29,000
o former fremtiden for os alle.

30
00:02:29,000 --> 00:02:34,600
Det er derfor er det så vigtigt at lære, hvordan det fungerer, med en vis praktisk erfaring.

31
00:02:35,000 --> 00:02:39,000
Du vil nu blive tilbudt chancen for at træne din egen maskinindlæringsmodel.

32
00:02:40,940 --> 00:02:47,020
Husk, AI er som ethvert værktøj: først får du viden, så får du magten!