1
00:00:08,300 --> 00:00:11,860
Το όνομά μου είναι Ale Flores, και είμαι διευθυντής προϊόντων της Alexa.

2
00:00:12,500 --> 00:00:15,220
Το όνομά μου είναι ο Δρ Chelsea Haupt. Εργάζομαι στο Ινστιτούτο Allen για την Τεχνητή Νοημοσύνη,

3
00:00:15,360 --> 00:00:19,500
και δουλεύω σε μια μηχανή αναζήτησης που λειτουργεί με Τεχνητή Νοημοσύνη.

4
00:00:21,180 --> 00:00:26,020
Όλα γύρω σας, οι υπολογιστές παίρνουν αποφάσεις και οι αποφάσεις αυτές επηρεάζουν

5
00:00:26,020 --> 00:00:31,259
την καθημερινότητά σας. Όταν κάνετε μια αναζήτηση στο διαδίκτυο ή κύλιση της τροφοδοσίας ειδήσεών σας,

6
00:00:31,260 --> 00:00:34,360
οι υπολογιστές αποφασίζουν για αυτό που βλέπετε.

7
00:00:34,360 --> 00:00:39,060
Οι υπολογιστές μπορούν ήδη να αναγνωρίσουν το πρόσωπό σας και να καταλάβουν τη φωνή σας,

8
00:00:39,060 --> 00:00:44,080
σύντομα θα οδηγούν αυτοκίνητα και θα εντοπίζουν ασθένειες, ακόμη καλύτερα από τους ανθρώπους.

9
00:00:44,480 --> 00:00:46,900
Επομένως πώς γίνεται αυτό;

10
00:00:47,520 --> 00:00:52,960
Μπορεί να έχετε ακούσει για κάτι που ονομάζεται ΤΝ ή Τεχνητή Νοημοσύνη.

11
00:00:53,320 --> 00:00:56,780
Η πραγματική τεχνητή νοημοσύνη απέχει δεκαετίες.

12
00:00:57,200 --> 00:01:01,520
Αλλά ένας τύπος ΤΝ είναι σήμερα εδώ, και ονομάζεται Μηχανική Μάθηση.

13
00:01:01,520 --> 00:01:05,360
Είναι ένας τύπος ΤΝ με τον οποίο αλληλεπιδράτε κάθε μέρα, χωρίς να το γνωρίζετε.

14
00:01:05,360 --> 00:01:10,700
Έχει την ευκαιρία να μας βοηθήσει να αντιμετωπίσουμε μερικές από τις μεγαλύτερες προκλήσεις του κόσμου.

15
00:01:12,660 --> 00:01:18,180
Η μηχανική μάθηση είναι το πώς οι υπολογιστές αναγνωρίζουν μοτίβα, και παίρνουν αποφάσεις

16
00:01:18,180 --> 00:01:21,360
χωρίς να έχουν προγραμματιστεί ρητά.

17
00:01:21,820 --> 00:01:27,580
Αυτό που είναι τόσο συναρπαστικό, είναι ότι πρόκειται για έναν εντελώς διαφορετικό τρόπο προγραμματισμού ενός υπολογιστή

18
00:01:27,580 --> 00:01:29,620
σε σχέση με αυτό που κάναμε πριν.

19
00:01:31,340 --> 00:01:36,860
Με τη μηχανική μάθηση, αντί για τον προγραμματισμό ενός υπολογιστή βήμα προς βήμα,

20
00:01:37,360 --> 00:01:43,760
μπορείτε να προγραμματίσετε να μάθετε ακριβώς όπως μαθαίνετε, μέσω δοκιμής και λάθους, και πολλή πρακτική άσκηση.

21
00:01:44,560 --> 00:01:48,880
Η μάθηση προέρχεται από την εμπειρία, και αυτό είναι αλήθεια για τη μηχανική μάθηση επίσης.

22
00:01:49,280 --> 00:01:53,700
Στην περίπτωση αυτή, η «εμπειρία» σημαίνει πάρα πολλά δεδομένα.

23
00:01:54,500 --> 00:01:57,560
Η μηχανική μάθηση μπορεί να δεχτεί κάθε είδους δεδομένα:

24
00:01:57,560 --> 00:02:04,520
Εικόνες, βίντεο, δεδομένα ήχου, ή κειμένου, και αρχίζει να αναγνωρίζει μοτίβα σε αυτά τα δεδομένα.

25
00:02:06,300 --> 00:02:11,120
Από τη στιγμή που μαθαίνει να αναγνωρίζει μοτίβα στα δεδομένα, μπορεί επίσης να μάθουν να κάνει προβλέψεις

26
00:02:11,120 --> 00:02:12,980
με βάση αυτά τα μοτίβα.

27
00:02:13,340 --> 00:02:18,420
Όπως να παρατηρεί τη διαφορά ανάμεσα στην εικόνα ενός αυτοκινήτου, και στην εικόνα ενός ποδηλάτου.

28
00:02:20,600 --> 00:02:26,200
Η ΤΝ και η μηχανική μάθηση παίζουν έναν όλο και μεγαλύτερο ρόλο στην κοινωνία γενικότερα,

29
00:02:26,640 --> 00:02:29,000
και διαμορφώνουν το μέλλον μας.

30
00:02:29,000 --> 00:02:34,600
Γι 'αυτό είναι τόσο σημαντικό να μάθουμε πώς λειτουργεί, με κάποια πρακτική εμπειρία.

31
00:02:35,000 --> 00:02:39,000
Σε λίγο θα έχετε την ευκαιρία να εκπαιδεύσετε το δικό σας μοντέλο μηχανικής μάθησης.

32
00:02:40,940 --> 00:02:47,020
Μην ξεχνάτε ότι η ΤΝ είναι όπως κάθε εργαλείο: πρώτα αποκτάτε τη γνώση, και έπειτα τη δύναμη!