WEBVTT

00:00:08.300 --> 00:00:11.860
我叫 Ale Flores，我是 Alexa 的產品經理

00:00:11.980 --> 00:00:15.220
我是 Chelsea Haupt 博士，我在 Allen 人工智慧研究所工作

00:00:15.310 --> 00:00:19.500
我負責研究基於人工智慧的學術搜索引擎

00:00:21.180 --> 00:00:26.020
環繞您四周的電腦正在做各種決定

00:00:26.020 --> 00:00:31.259
而這些決定會影響到您日常生活，當您使用網路搜索或瀏覽新聞資訊時

00:00:31.260 --> 00:00:34.360
電腦將決定您所看到的內容

00:00:34.360 --> 00:00:39.060
電腦已經可以辨識您的臉部而且理解您的語音指令

00:00:39.060 --> 00:00:44.080
很快它們將可以駕駛汽車並且診斷疾病，而且做得比人類更好

00:00:44.480 --> 00:00:46.900
那麽這一切是如何實現的呢？

00:00:47.440 --> 00:00:52.960
您或許聽説過人工智慧 AI

00:00:53.010 --> 00:00:56.780
真正意義上的人工智慧或許還要等數十年的時間

00:00:56.990 --> 00:01:01.520
而今天所提及的人工智慧，實際上是機器學習

00:01:01.520 --> 00:01:05.900
這種人工智慧與您日常相互影響，您甚至尚未察覺它的存在

00:01:06.210 --> 00:01:10.700
它有機會幫助我們應對世界上最大的挑戰

00:01:12.130 --> 00:01:16.230
機器學習是讓電腦學會如何識別模式

00:01:16.230 --> 00:01:21.360
無需明確的程式而作出決策

00:01:21.620 --> 00:01:22.750
令人興奮的是

00:01:22.750 --> 00:01:29.620
這與以往對電腦寫程式的方式完全不同

00:01:31.340 --> 00:01:36.860
透過機器學習，您可以針對學習的過程進行寫程式，就像藉助反複嘗試和大量練習來進行學習一樣

00:01:37.360 --> 00:01:43.760
而不是一步一步地對電腦進行寫程式

00:01:44.560 --> 00:01:48.880
學習源於經驗，機器學習也是如此

00:01:49.280 --> 00:01:53.983
在這種情況下，「經驗」是指大量的數據

00:01:54.500 --> 00:01:57.560
機器學習可以接收任何類型的數據

00:01:57.560 --> 00:02:04.520
圖片、影片、音頻或文字，並開始識別該數據中的模式

00:02:06.300 --> 00:02:09.494
一旦學會識別數據中的模式

00:02:09.494 --> 00:02:12.980
它也能夠根據這些模式做出預測

00:02:13.340 --> 00:02:18.420
就像留意汽車圖像和自行車圖像之間的差異一樣

00:02:20.600 --> 00:02:26.200
人工智慧和機器學習在整個社會中扮演著越來越重要的角色

00:02:26.640 --> 00:02:29.000
並全方位地塑造著我們的未來

00:02:29.000 --> 00:02:34.600
這就是藉由一些實際經驗來學習它是如何運作，是如此重要的原因

00:02:35.000 --> 00:02:39.420
您將有機會訓練自己的機器學習模型

00:02:40.940 --> 00:02:47.210
記住，人工智慧正如工具一樣：首先您獲取知識，然後您將獲得力量！