1 00:00:08,300 --> 00:00:11,860 Mijn naam is Ale Flores en ik ben productmanager bij Alexa. 2 00:00:12,500 --> 00:00:15,220 Mijn naam is Dr. Chelsea Haupt. Ik werk bij het Allen Instituut voor Kunstmatige Intelligentie, 3 00:00:15,360 --> 00:00:19,500 en ik werk aan een AI-gedreven academische zoekmachine. 4 00:00:21,180 --> 00:00:26,020 Overal om je heen nemen computers beslissingen en die beslissingen hebben invloed op 5 00:00:26,020 --> 00:00:31,259 je dagelijkse leven. Wanneer je een zoekopdracht op internet uitvoert of door je nieuwsfeed scrollt, 6 00:00:31,260 --> 00:00:34,360 beslissen computers wat je ziet. 7 00:00:34,360 --> 00:00:39,060 Computers kunnen je gezicht al herkennen en je stem begrijpen, 8 00:00:39,060 --> 00:00:44,080 binnenkort rijden ze in auto's en detecteren ze ziekten, zelfs beter dan mensen. 9 00:00:44,480 --> 00:00:46,900 Hoe is dit alles mogelijk? 10 00:00:47,520 --> 00:00:52,960 Je hebt misschien gehoord van iets dat AI of kunstmatige intelligentie heet. 11 00:00:53,320 --> 00:00:56,780 Echte kunstmatige intelligentie is nog tientallen jaren weg. 12 00:00:57,200 --> 00:01:01,520 Maar er is hier vandaag een soort AI, genaamd Machinaal leren. 13 00:01:01,520 --> 00:01:05,360 Het is een soort AI waar je waarschijnlijk elke dag mee te maken hebt, zonder het te weten. 14 00:01:05,360 --> 00:01:10,700 Het heeft de mogelijkheid om ons te helpen enkele van 's werelds grootste uitdagingen aan te gaan. 15 00:01:12,660 --> 00:01:18,180 Machinaal leren is hoe computers patronen herkennen, en beslissingen nemen 16 00:01:18,180 --> 00:01:21,360 zonder expliciet geprogrammeerd te zijn. 17 00:01:21,820 --> 00:01:27,580 Wat zo spannend is, is dat het een heel andere manier is om een computer te programmeren dan 18 00:01:27,580 --> 00:01:29,620 wat we ooit eerder hebben gedaan. 19 00:01:31,340 --> 00:01:36,860 Met machinaal leren, in plaats van het stap voor stap programmeren van een computer, 20 00:01:37,360 --> 00:01:43,760 kun je programmeren om te leren zoals je leert, met vallen en opstaan, en veel oefening. 21 00:01:44,560 --> 00:01:48,880 Leren komt uit ervaring en dat geldt ook voor machinaal leren. 22 00:01:49,280 --> 00:01:53,700 In dit geval betekent "ervaring" veel en veel gegevens. 23 00:01:54,500 --> 00:01:57,560 Machinaal leren kan elke vorm van gegevens verwerken: 24 00:01:57,560 --> 00:02:04,520 Afbeeldingen, video, audio of tekst, en beginnen patronen in die gegevens te herkennen. 25 00:02:06,300 --> 00:02:11,120 Als het eenmaal leert om patronen in de gegevens te herkennen, kan het ook leren om voorspellingen te doen 26 00:02:11,120 --> 00:02:12,980 gebaseerd op die patronen. 27 00:02:13,340 --> 00:02:18,420 Alsof je het verschil ziet tussen een beeld van een auto, en een beeld van een fiets. 28 00:02:20,600 --> 00:02:26,200 AI en machinaal leren spelen een steeds grotere rol in de maatschappij, 29 00:02:26,640 --> 00:02:29,000 en geven vorm aan onze toekomst. 30 00:02:29,000 --> 00:02:34,600 Daarom is het zo belangrijk om te leren hoe het werkt, met wat praktijkervaring. 31 00:02:35,000 --> 00:02:39,000 Je staat op het punt om de kans te krijgen om je eigen machine leermodel te trainen. 32 00:02:40,940 --> 00:02:47,020 Onthoud dat AI is als elk ander gereedschap: eerst krijg je de kennis, dan krijg je de macht!