WEBVTT 00:00:08.300 --> 00:00:11.490 Το όνομά μου είναι Ale Flores και είμαι διευθύντρια προϊόντων της Alexa. 00:00:11.880 --> 00:00:15.360 Το όνομά μου είναι Δρ Chelsea Haupt. Εργάζομαι στο Ινστιτούτο Allen για την Τεχνητή Νοημοσύνη 00:00:15.629 --> 00:00:18.670 και δουλεύω σε μια ακαδημαϊκή μηχανή αναζήτησης που λειτουργεί με Τεχνητή Νοημοσύνη. 00:00:21.180 --> 00:00:27.300 Παντού γύρω σας, οι υπολογιστές παίρνουν αποφάσεις και οι αποφάσεις αυτές επηρεάζουν την καθημερινότητά σας. 00:00:27.955 --> 00:00:31.259 Όταν κάνετε μια αναζήτηση στο διαδίκτυο ή διαβάζετε τις ειδήσεις, 00:00:31.350 --> 00:00:33.483 οι υπολογιστές αποφασίζουν για αυτό που βλέπετε. 00:00:34.173 --> 00:00:38.390 Οι υπολογιστές μπορούν ήδη να αναγνωρίσουν το πρόσωπό σας και να καταλάβουν τη φωνή σας, 00:00:38.930 --> 00:00:43.480 σύντομα θα οδηγούν αυτοκίνητα και θα εντοπίζουν ασθένειες, ακόμη καλύτερα από τους ανθρώπους. 00:00:44.480 --> 00:00:46.900 Και πώς γίνεται αυτό; 00:00:47.520 --> 00:00:52.508 Μπορεί να έχετε ακούσει για κάτι που ονομάζεται ΤΝ ή Τεχνητή Νοημοσύνη. 00:00:52.940 --> 00:00:55.844 Η πραγματική τεχνητή νοημοσύνη απέχει δεκαετίες. 00:00:56.178 --> 00:01:00.003 Αλλά ένας τύπος ΤΝ είναι σήμερα εδώ και ονομάζεται Μηχανική Μάθηση. 00:01:01.040 --> 00:01:05.279 Είναι ένας τύπος ΤΝ με τον οποίο αλληλεπιδράτε κάθε μέρα, χωρίς να το γνωρίζετε. 00:01:06.151 --> 00:01:10.700 Έχει την ευκαιρία να μας βοηθήσει να αντιμετωπίσουμε μερικές από τις μεγαλύτερες προκλήσεις του κόσμου. 00:01:12.660 --> 00:01:20.609 Η μηχανική μάθηση είναι το πώς οι υπολογιστές αναγνωρίζουν μοτίβα και παίρνουν αποφάσεις χωρίς να έχουν προγραμματιστεί ρητά. 00:01:20.889 --> 00:01:26.585 Αυτό που είναι τόσο συναρπαστικό, είναι ότι πρόκειται για έναν εντελώς διαφορετικό τρόπο προγραμματισμού ενός υπολογιστή 00:01:27.340 --> 00:01:29.620 σε σχέση με αυτό που κάναμε πριν. 00:01:31.340 --> 00:01:35.770 Με τη μηχανική μάθηση, αντί να προγραμματίζουμε έναν υπολογιστή βήμα προς βήμα, 00:01:36.495 --> 00:01:43.182 μπορούμε να τον προγραμματίσουμε να μαθαίνει ακριβώς όπως μαθαίνουμε κι εμείς, με δοκιμές και πολλή εξάσκηση. . 00:01:44.300 --> 00:01:47.915 Η μάθηση προέρχεται από την εμπειρία και αυτό ισχύει και για τη μηχανική μάθηση. 00:01:48.531 --> 00:01:53.126 Στην περίπτωση αυτή, «εμπειρία» σημαίνει πάρα πολλά δεδομένα. 00:01:54.407 --> 00:01:57.426 Η μηχανική μάθηση μπορεί να δεχτεί κάθε είδους δεδομένα: 00:01:57.630 --> 00:02:04.362 Εικόνες, βίντεο, δεδομένα ήχου ή κειμένου και αρχίζει να αναγνωρίζει μοτίβα σε αυτά τα δεδομένα. 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. 00:02:12.850 --> 00:02:17.699 Όπως να παρατηρεί τη διαφορά ανάμεσα στην εικόνα ενός αυτοκινήτου και στην εικόνα ενός ποδηλάτου. 00:02:20.350 --> 00:02:25.813 Η ΤΝ και η μηχανική μάθηση παίζουν έναν όλο και μεγαλύτερο ρόλο στην κοινωνία 00:02:26.640 --> 00:02:28.680 και διαμορφώνουν το μέλλον μας. 00:02:29.000 --> 00:02:34.210 Γι' αυτό είναι τόσο σημαντικό να μάθουμε πώς λειτουργεί, με μερικές δραστηριότητες. 00:02:35.667 --> 00:02:39.000 Σε λίγο θα έχετε την ευκαιρία να εκπαιδεύσετε το δικό σας μοντέλο μηχανικής μάθησης. 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!