1
00:00:00,000 --> 00:00:04,904
Τι είναι η μηχανική μάθηση (machine learning); Σε αυτό το βίντεο θα προσπαθήσουμε να προσδιορίσουμε τι είναι και επίσης

2
00:00:04,904 --> 00:00:09,520
να σας δώσουμε μια αίσθηση για το πότε θα θέλατε να τη χρησιμοποιήσετε. Ακόμα και μεταξύ

3
00:00:09,520 --> 00:00:14,252
των μαθητευόμενων επαγγελματιών δεν υπάρχει ενας γενικά αποδεκτός ορισμός για το τι είναι και τι δεν είναι

4
00:00:14,252 --> 00:00:18,926
είναι μηχανική μάθηση (machine learning). Ωστόσο, επιτρέψτε μου να σας δείξω μερικά παραδείγματα γύρω από τους τρόπους

5
00:00:18,926 --> 00:00:23,600
με τους οποίους κάποιοι άνθρωποι επιχείρησαν να την ορίσουν. Εδώ ο ορισμός γύρω από το τι είναι η μηχανική μάθηση

6
00:00:23,600 --> 00:00:28,520
πηγαίνει στον Arthur Samuel. Αυτός όρισε τη μηχανική μάθηση ως εκείνο το ερευνητικό πεδίο το οποίο προσδίδει

7
00:00:31,037 --> 00:00:33,554
στους υπολογιστές την ικανότητα να μαθαίνουν δίχως να είναι κατ' ανάγκη προγραμματισμένοι. Ο Samuel

8
00:00:33,554 --> 00:00:38,452
κέρδισε φήμη όταν κατά τη δεκαετία του 1950 έγραψε ένα πρόγραμμα παιξίματος για το παιχνίδι ντάμα (checkers).

9
00:00:38,452 --> 00:00:43,603
Το εντυπωσιακό γύρω από εκείνο το πρόγραμμα είναι ότι ο ίδιος ο Samuel δεν ήταν πολύ καλός παίχτης

10
00:00:43,603 --> 00:00:48,268
στο συγκεκριμένο παιχνίδι. Όμως, αυτό που έκανε ήταν να βάλει το πρόγραμμα να παίξει

11
00:00:48,268 --> 00:00:52,245
δεκάδες ή χιλιάδες παιχνίδια με το ίδιο ως αντίπαλο. Και να παρατηρεί εκείνες τις διατάξεις θέσεων

12
00:00:52,245 --> 00:00:56,698
οι οποίες έτειναν να οδηγούν σε νίκες και τις αντίστοιχες οι οποίες έτειναν να οδηγούν σε ήττες.

13
00:00:56,698 --> 00:01:00,725
Το λογισμικό παιξίματος μαθαίνει με τον χρόνο ποιες είναι οι καλές κινήσεις

14
00:01:00,725 --> 00:01:04,713
και ποιες είνα κακές κινήσεις. Και τελικά μαθαίνει να παίζει

15
00:01:04,713 --> 00:01:09,514
το παιχνίδι καλύτερα απ' τον ίδιον τον Arthur Samuel. Αυτό είναι ένα αξιοσημείωτο αποτέλεσμα.