WEBVTT

00:00:08.300 --> 00:00:11.860
Mijn naam is Ale Flores en ik ben 
productmanager bij Alexa.

00:00:12.500 --> 00:00:15.220
Mijn naam is Dr. Chelsea Haupt. Ik werk bij het Allen Instituut voor Kunstmatige Intelligentie,

00:00:15.360 --> 00:00:19.500
en ik werk aan een AI-gedreven academische zoekmachine.

00:00:21.180 --> 00:00:26.020
Overal om je heen nemen computers beslissingen
en die beslissingen hebben invloed op

00:00:26.020 --> 00:00:31.259
je dagelijkse leven. Wanneer je een zoekopdracht op internet uitvoert 
of door je nieuwsfeed scrollt,

00:00:31.260 --> 00:00:34.360
beslissen computers wat je ziet.

00:00:34.360 --> 00:00:39.060
Computers kunnen je gezicht al herkennen en 
je stem begrijpen,

00:00:39.060 --> 00:00:44.080
binnenkort rijden ze in auto's en detecteren ze ziekten, zelfs beter dan mensen.

00:00:44.480 --> 00:00:46.900
Hoe is dit alles mogelijk?

00:00:47.520 --> 00:00:52.960
Je hebt misschien gehoord van iets dat AI of kunstmatige intelligentie heet.

00:00:53.320 --> 00:00:56.780
Echte kunstmatige intelligentie is nog tientallen jaren weg.

00:00:57.200 --> 00:01:01.520
Maar er is hier vandaag een soort AI, genaamd Machinaal leren.

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.

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.

00:01:12.660 --> 00:01:18.180
Machinaal leren is hoe computers patronen herkennen, en beslissingen nemen

00:01:18.180 --> 00:01:21.360
zonder expliciet geprogrammeerd te zijn.

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

00:01:27.580 --> 00:01:29.620
wat we ooit eerder hebben gedaan.

00:01:31.340 --> 00:01:36.860
Met machinaal leren, in plaats van het stap voor stap programmeren van een computer,

00:01:37.360 --> 00:01:43.760
kun je programmeren om te leren zoals je leert, met vallen en opstaan, en veel oefening.

00:01:44.560 --> 00:01:48.880
Leren komt uit ervaring en dat geldt 
ook voor machinaal leren.

00:01:49.280 --> 00:01:53.700
In dit geval betekent "ervaring" veel en veel gegevens.

00:01:54.500 --> 00:01:57.560
Machinaal leren kan elke vorm van gegevens verwerken:

00:01:57.560 --> 00:02:04.520
Afbeeldingen, video, audio of tekst, en beginnen patronen in die gegevens te herkennen.

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

00:02:11.120 --> 00:02:12.980
gebaseerd op die patronen.

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.

00:02:20.600 --> 00:02:26.200
AI en machinaal leren spelen een steeds grotere rol in de maatschappij,

00:02:26.640 --> 00:02:29.000
en geven vorm aan onze toekomst.

00:02:29.000 --> 00:02:34.600
Daarom is het zo belangrijk om te leren hoe het werkt, met wat praktijkervaring.

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.

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!