1
00:00:08,300 --> 00:00:11,860
ខ្ញុំឈ្មោះ Ale Flores ហើយ
ខ្ញុំជាអ្នកគ្រប់គ្រងផលិតផល នៅ Alexa

2
00:00:12,500 --> 00:00:15,220
ខ្ញុំឈ្មោះវេជ្ជបណ្ឌិត Chelsea Haupt
ខ្ញុំធ្វើការនៅវិទ្យាស្ថាន Allen សម្រាប់បញ្ញាសិប្បនិម្មិត

3
00:00:15,360 --> 00:00:19,500
ហើយខ្ញុំធ្វើការលើ ការសិក្សាស្វែងរកដែល
ដំណើរការដោយ AI

4
00:00:21,180 --> 00:00:26,020
នៅជុំវិញអ្នក, កុំព្យូទ័រទាំងនេះកំពុងបង្កើត
ការសម្រេចចិត្ត ហើយការសម្រេចចិត្តទាំងនោះមានឥទ្ធិពល

5
00:00:26,020 --> 00:00:31,259
លើជីវិតប្រចាំថ្ងៃរបស់អ្នក នៅពេលអ្នកធ្វើការស្វែងរក 
នៅលើអ៊ីនធឺណិត ឬអូសតាមរយៈផ្ទាំងព័ត៌មានរបស់អ្នក

6
00:00:31,260 --> 00:00:34,360
កុំព្យូទ័រកំណត់អ្វីដែលអ្នកឃើញ

7
00:00:34,360 --> 00:00:39,060
កុំព្យូទ័រអាចស្គាល់មុខរបស់អ្នក និងយល់ពីសំឡេងរបស់អ្នក

8
00:00:39,060 --> 00:00:44,080
មិនយូរប៉ុន្មាន ពួកគេនឹងបើកឡាន និងរកឃើញជំងឺ 
ថែមទាំងល្អជាងមនុស្សទៅទៀត

9
00:00:44,480 --> 00:00:46,900
ដូច្នេះ តើ​វា​អាច​ទៅ​រួច​ដោយ​របៀប​ណា?

10
00:00:47,520 --> 00:00:52,960
អ្នកប្រហែលជាធ្លាប់បានលឺពីអ្វីដែលហៅថា AI ឬបញ្ញាសិប្បនិម្មិត

11
00:00:53,320 --> 00:00:56,780
បញ្ញាសិប្បនិមិត្តពិតគឺនៅឆ្ងាយរាប់ទសវត្សរ៍

12
00:00:57,200 --> 00:01:01,520
ប៉ុន្តែ​ប្រភេទ AI មាន​នៅ​ទី​នេះ​សព្វ​ថ្ងៃ​ដែល​គេ​ហៅ​ថា Machine Learning

13
00:01:01,520 --> 00:01:05,360
វាជាប្រភេទ AI ដែលអ្នកប្រហែលជាធ្វើអន្តរកម្
មជាមួយជារៀងរាល់ថ្ងៃ ដោយមិនដឹងខ្លួន

14
00:01:05,360 --> 00:01:10,700
វាមានឱកាសដើម្បីជួយយើងដោះស្រាយបញ្ហាប្រឈមធំៗមួយចំនួនរបស់ពិភពលោក

15
00:01:12,660 --> 00:01:18,180
Machine learning គឺជារបៀបដែលកុំព្យូទ័រស្គាល់គំរូ និងធ្វើការសម្រេចចិត្ត

16
00:01:18,180 --> 00:01:21,360
ដោយមិនមានកម្មវិធីច្បាស់លាស់

17
00:01:21,820 --> 00:01:27,580
អ្វី​ដែល​គួរ​ឱ្យ​រំភើប​ចិត្ត​នោះ​គឺ​ថា វា​ជា​វិធី​ខុស​គ្នា​ទាំង​ស្រុង​ 
ក្នុង​ការ​សរសេរ​កម្មវិធី​កុំព្យូទ័រ​ជាង

18
00:01:27,580 --> 00:01:29,620
អ្វីដែលយើងធ្លាប់ធ្វើពីមុនមក

19
00:01:31,340 --> 00:01:36,860
ជាមួយនឹង machine learning ជំនួសឱ្យការសរសេរកម្មវិធីកុំព្យូទ័រមួយជំហានម្តងៗ

20
00:01:37,360 --> 00:01:43,760
អ្នកអាចសរសេរកម្មវិធីដើម្បីរៀនដូចដែលអ្នករៀន 
តមរយៈការសាកល្បង, កំហុស និងការអនុវត្តជាច្រើន

21
00:01:44,560 --> 00:01:48,880
ការរៀនបានមកពីបទពិសោធន៍ ហើយវាជាការពិតសម្រាប់ machine learning ផងដែរ

22
00:01:49,280 --> 00:01:53,700
ក្នុងករណីនេះ "បទពិសោធន៍" មានន័យថាទិន្នន័យច្រើន និងច្រើន

23
00:01:54,500 --> 00:01:57,560
Machine learning អាចទទួលយកទិន្នន័យគ្រប់ប្រភេទ៖

24
00:01:57,560 --> 00:02:04,520
រូបភាព វីដេអូ សម្លេង ឬ អត្ថបទ ហើយចាប់ផ្តើម
សម្គាល់គំរូ នៅក្នុងទិន្នន័យនោះ

25
00:02:06,300 --> 00:02:11,120
នៅពេលដែលវារៀនស្គាល់គំរូនៅក្នុងទិន្នន័យ 
វាក៏អាចរៀនធ្វើការទស្សន៍ទាយផងដែរ

26
00:02:11,120 --> 00:02:12,980
ដោយផ្អែកលើគំរូទាំងនោះ

27
00:02:13,340 --> 00:02:18,420
ដូចជាការកត់សម្គាល់ពីភាពខុសគ្នារវាងរូបភាពឡាន និងរូបភាពកង់

28
00:02:20,600 --> 00:02:26,200
AI និង machine learning កំពុងដើរតួនាទីកាន់តែធំនៅក្នុងសង្គមទាំងមូល

29
00:02:26,640 --> 00:02:29,000
និងកំណត់អនាគតរបស់យើងទាំងអស់គ្នា

30
00:02:29,000 --> 00:02:34,600
នោះហើយជាមូលហេតុ ដែលវាមានសារៈសំខាន់ខ្លាំង ក្នុងការរៀនពីរបៀបដែលវាដំណើរការ ដោយមានបទពិសោធន៍ផ្ទាល់

31
00:02:35,000 --> 00:02:39,000
អ្នក​រៀបនឹង​ទទួលបាន​ឱកាស​បណ្តុះបណ្តាល​គំរូ​​ machine learning ខ្លួន​របស់អ្នក

32
00:02:40,940 --> 00:02:47,020
សូមចាំថា AI គឺដូចជាឧបករណ៍ណាមួយ៖ ដំបូងអ្នកទទួលបានចំណេះដឹង បន្ទាប់មកអ្នកទទួលបានថាមពល!