1
00:00:08,300 --> 00:00:11,490
Το όνομά μου είναι Ale Flores και είμαι διευθύντρια προϊόντων της Alexa.

2
00:00:11,880 --> 00:00:15,360
Το όνομά μου είναι Δρ Chelsea Haupt. Εργάζομαι
στο Ινστιτούτο Allen για την Τεχνητή Νοημοσύνη

3
00:00:15,629 --> 00:00:18,670
και δουλεύω σε μια ακαδημαϊκή μηχανή αναζήτησης
που λειτουργεί με Τεχνητή Νοημοσύνη.

4
00:00:21,180 --> 00:00:27,300
Παντού γύρω σας, οι υπολογιστές παίρνουν αποφάσεις
και οι αποφάσεις αυτές επηρεάζουν την καθημερινότητά σας.

5
00:00:27,955 --> 00:00:31,259
Όταν κάνετε μια αναζήτηση στο διαδίκτυο ή διαβάζετε τις ειδήσεις,

6
00:00:31,350 --> 00:00:33,483
οι υπολογιστές αποφασίζουν για αυτό που βλέπετε.

7
00:00:34,173 --> 00:00:38,390
Οι υπολογιστές μπορούν ήδη να αναγνωρίσουν
το πρόσωπό σας και να καταλάβουν τη φωνή σας,

8
00:00:38,930 --> 00:00:43,480
σύντομα θα οδηγούν αυτοκίνητα και θα εντοπίζουν
ασθένειες, ακόμη καλύτερα από τους ανθρώπους.

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

10
00:00:47,520 --> 00:00:52,508
Μπορεί να έχετε ακούσει για κάτι που ονομάζεται ΤΝ ή Τεχνητή Νοημοσύνη.

11
00:00:52,940 --> 00:00:55,844
Η πραγματική τεχνητή νοημοσύνη απέχει δεκαετίες.

12
00:00:56,178 --> 00:01:00,003
Αλλά ένας τύπος ΤΝ είναι σήμερα εδώ και ονομάζεται Μηχανική Μάθηση.

13
00:01:01,040 --> 00:01:05,279
Είναι ένας τύπος ΤΝ με τον οποίο αλληλεπιδράτε κάθε μέρα, χωρίς να το γνωρίζετε.

14
00:01:06,151 --> 00:01:10,700
Έχει την ευκαιρία να μας βοηθήσει να αντιμετωπίσουμε
μερικές από τις μεγαλύτερες προκλήσεις του κόσμου.

15
00:01:12,660 --> 00:01:20,609
Η μηχανική μάθηση είναι το πώς οι υπολογιστές αναγνωρίζουν μοτίβα
και παίρνουν αποφάσεις χωρίς να έχουν προγραμματιστεί ρητά.

16
00:01:20,889 --> 00:01:26,585
Αυτό που είναι τόσο συναρπαστικό, είναι ότι πρόκειται για έναν
εντελώς διαφορετικό τρόπο προγραμματισμού ενός υπολογιστή

17
00:01:27,340 --> 00:01:29,620
σε σχέση με αυτό που κάναμε πριν.

18
00:01:31,340 --> 00:01:35,770
Με τη μηχανική μάθηση, αντί να προγραμματίζουμε
έναν υπολογιστή βήμα προς βήμα,

19
00:01:36,495 --> 00:01:43,182
μπορούμε να τον προγραμματίσουμε να μαθαίνει ακριβώς
όπως μαθαίνουμε κι εμείς, με δοκιμές και πολλή εξάσκηση.
.

20
00:01:44,300 --> 00:01:47,915
Η μάθηση προέρχεται από την εμπειρία
και αυτό ισχύει και για τη μηχανική μάθηση.

21
00:01:48,531 --> 00:01:53,126
Στην περίπτωση αυτή, «εμπειρία» σημαίνει πάρα πολλά δεδομένα.

22
00:01:54,407 --> 00:01:57,426
Η μηχανική μάθηση μπορεί να δεχτεί κάθε είδους δεδομένα:

23
00:01:57,630 --> 00:02:04,362
Εικόνες, βίντεο, δεδομένα ήχου ή κειμένου και
αρχίζει να αναγνωρίζει μοτίβα σε αυτά τα δεδομένα.

24
00:02:06,480 --> 00:02:12,312
Από τη στιγμή που μαθαίνει να αναγνωρίζει μοτίβα στα δεδομένα,
μπορεί επίσης να μάθει να ξεχωρίζει διάφορα πράγματα με βάση αυτά τα μοτίβα.

25
00:02:12,850 --> 00:02:17,699
Όπως να παρατηρεί τη διαφορά ανάμεσα στην εικόνα
ενός αυτοκινήτου και στην εικόνα ενός ποδηλάτου.

26
00:02:20,350 --> 00:02:25,813
Η ΤΝ και η μηχανική μάθηση παίζουν έναν όλο και μεγαλύτερο ρόλο στην κοινωνία

27
00:02:26,640 --> 00:02:28,680
και διαμορφώνουν το μέλλον μας.

28
00:02:29,000 --> 00:02:34,210
Γι' αυτό είναι τόσο σημαντικό να μάθουμε
πώς λειτουργεί, με μερικές δραστηριότητες.

29
00:02:35,667 --> 00:02:39,000
Σε λίγο θα έχετε την ευκαιρία να εκπαιδεύσετε
το δικό σας μοντέλο μηχανικής μάθησης.

30
00:02:40,940 --> 00:02:46,849
Μην ξεχνάτε ότι η ΤΝ είναι όπως κάθε εργαλείο:
πρώτα αποκτάτε τη γνώση, και έπειτα τη δύναμη!