WEBVTT

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

00:00:04.904 --> 00:00:09.520
να σας δώσουμε μια αίσθηση για το πότε θα θέλατε να τη χρησιμοποιήσετε. Ακόμα και μεταξύ

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

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

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

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

00:00:31.037 --> 00:00:33.554
στους υπολογιστές την ικανότητα να μαθαίνουν δίχως να είναι κατ' ανάγκη προγραμματισμένοι. Ο Samuel

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).

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

00:00:43.603 --> 00:00:48.268
στο συγκεκριμένο παιχνίδι. Όμως, αυτό που έκανε ήταν να βάλει το πρόγραμμα να παίξει

00:00:48.268 --> 00:00:52.245
δεκάδες ή χιλιάδες παιχνίδια με το ίδιο ως αντίπαλο. Και να παρατηρεί εκείνες τις διατάξεις θέσεων

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.

00:00:56.698 --> 00:01:00.725
Το λογισμικό παιξίματος μαθαίνει με τον χρόνο ποιες είναι οι καλές κινήσεις

00:01:00.725 --> 00:01:04.713
και ποιες είνα κακές κινήσεις. Και τελικά μαθαίνει να παίζει

00:01:04.713 --> 00:01:09.514
το παιχνίδι καλύτερα απ' τον ίδιον τον Arthur Samuel. Αυτό είναι ένα αξιοσημείωτο αποτέλεσμα.