WEBVTT

00:00:08.300 --> 00:00:11.860
Το όνομά μου είναι Ale Flores, και είμαι διευθυντής προϊόντων της Alexa.

00:00:12.500 --> 00:00:15.220
Το όνομά μου είναι ο Δρ Chelsea Haupt. Εργάζομαι στο Ινστιτούτο Allen για την Τεχνητή Νοημοσύνη,

00:00:15.360 --> 00:00:19.500
και δουλεύω σε μια μηχανή αναζήτησης που λειτουργεί με Τεχνητή Νοημοσύνη.

00:00:21.180 --> 00:00:26.020
Όλα γύρω σας, οι υπολογιστές παίρνουν αποφάσεις και οι αποφάσεις αυτές επηρεάζουν

00:00:26.020 --> 00:00:31.259
την καθημερινότητά σας. Όταν κάνετε μια αναζήτηση στο διαδίκτυο ή κύλιση της τροφοδοσίας ειδήσεών σας,

00:00:31.260 --> 00:00:34.360
οι υπολογιστές αποφασίζουν για αυτό που βλέπετε.

00:00:34.360 --> 00:00:39.060
Οι υπολογιστές μπορούν ήδη να αναγνωρίσουν το πρόσωπό σας και να καταλάβουν τη φωνή σας,

00:00:39.060 --> 00:00:44.080
σύντομα θα οδηγούν αυτοκίνητα και θα εντοπίζουν ασθένειες, ακόμη καλύτερα από τους ανθρώπους.

00:00:44.480 --> 00:00:46.900
Επομένως πώς γίνεται αυτό;

00:00:47.520 --> 00:00:52.960
Μπορεί να έχετε ακούσει για κάτι που ονομάζεται ΤΝ ή Τεχνητή Νοημοσύνη.

00:00:53.320 --> 00:00:56.780
Η πραγματική τεχνητή νοημοσύνη απέχει δεκαετίες.

00:00:57.200 --> 00:01:01.520
Αλλά ένας τύπος ΤΝ είναι σήμερα εδώ, και ονομάζεται Μηχανική Μάθηση.

00:01:01.520 --> 00:01:05.360
Είναι ένας τύπος ΤΝ με τον οποίο αλληλεπιδράτε κάθε μέρα, χωρίς να το γνωρίζετε.

00:01:05.360 --> 00:01:10.700
Έχει την ευκαιρία να μας βοηθήσει να αντιμετωπίσουμε μερικές από τις μεγαλύτερες προκλήσεις του κόσμου.

00:01:12.660 --> 00:01:18.180
Η μηχανική μάθηση είναι το πώς οι υπολογιστές αναγνωρίζουν μοτίβα, και παίρνουν αποφάσεις

00:01:18.180 --> 00:01:21.360
χωρίς να έχουν προγραμματιστεί ρητά.

00:01:21.820 --> 00:01:27.580
Αυτό που είναι τόσο συναρπαστικό, είναι ότι πρόκειται για έναν εντελώς διαφορετικό τρόπο προγραμματισμού ενός υπολογιστή

00:01:27.580 --> 00:01:29.620
σε σχέση με αυτό που κάναμε πριν.

00:01:31.340 --> 00:01:36.860
Με τη μηχανική μάθηση, αντί για τον προγραμματισμό ενός υπολογιστή βήμα προς βήμα,

00:01:37.360 --> 00:01:43.760
μπορείτε να προγραμματίσετε να μάθετε ακριβώς όπως μαθαίνετε, μέσω δοκιμής και λάθους, και πολλή πρακτική άσκηση.

00:01:44.560 --> 00:01:48.880
Η μάθηση προέρχεται από την εμπειρία, και αυτό είναι αλήθεια για τη μηχανική μάθηση επίσης.

00:01:49.280 --> 00:01:53.700
Στην περίπτωση αυτή, η «εμπειρία» σημαίνει πάρα πολλά δεδομένα.

00:01:54.500 --> 00:01:57.560
Η μηχανική μάθηση μπορεί να δεχτεί κάθε είδους δεδομένα:

00:01:57.560 --> 00:02:04.520
Εικόνες, βίντεο, δεδομένα ήχου, ή κειμένου, και αρχίζει να αναγνωρίζει μοτίβα σε αυτά τα δεδομένα.

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

00:02:11.120 --> 00:02:12.980
με βάση αυτά τα μοτίβα.

00:02:13.340 --> 00:02:18.420
Όπως να παρατηρεί τη διαφορά ανάμεσα στην εικόνα ενός αυτοκινήτου, και στην εικόνα ενός ποδηλάτου.

00:02:20.600 --> 00:02:26.200
Η ΤΝ και η μηχανική μάθηση παίζουν έναν όλο και μεγαλύτερο ρόλο στην κοινωνία γενικότερα,

00:02:26.640 --> 00:02:29.000
και διαμορφώνουν το μέλλον μας.

00:02:29.000 --> 00:02:34.600
Γι 'αυτό είναι τόσο σημαντικό να μάθουμε πώς λειτουργεί, με κάποια πρακτική εμπειρία.

00:02:35.000 --> 00:02:39.000
Σε λίγο θα έχετε την ευκαιρία να εκπαιδεύσετε το δικό σας μοντέλο μηχανικής μάθησης.

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!