StudyEnglishWords

4#

Рабочие места, которые мы уступим машинам, и те, которые останутся за нами. Anthony Goldbloom - видеоролик

Изучайте английский язык с помощью параллельных субтитров ролика "Рабочие места, которые мы уступим машинам, и те, которые останутся за нами". Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь. Всего 322 книги и 1714 познавательных видеороликов в бесплатном доступе.

Машинное обучение теперь касается не только простых задач, вроде оценки кредитных рисков или сортировки корреспонденции. Сегодня ему доступно намного более широкое применение: от оценивания сочинений до постановки медицинских диагнозов. В связи с таким техническим прогрессом возникает вопрос: заменит ли вас в будущем робот на вашем рабочем месте?

страница 1 из 3  ←предыдущая следующая→ ...

00:00:11
So this is my niece.
Это моя племянница.
Her name is Yahli.
Её зовут Йали.
She is nine months old.
Ей девять месяцев.
Her mum is a doctor, and her dad is a lawyer.
Её мама врач, а папа — юрист.
By the time Yahli goes to college,
Когда Йали пойдёт в колледж,
00:00:22
the jobs her parents do are going to look dramatically different.
профессии её родителей принципиально изменятся.
In 2013, researchers at Oxford University did a study on the future of work.
В 2013 году в Оксфордском университете провели исследование будущего работы.
They concluded that almost one in every two jobs have a high risk
Оно показало, что почти каждой второй специальности грозит автоматизация.
of being automated by machines.
Машинное обучение — это технология,
Machine learning is the technology
стоя́щая за подрывом существующей системы.
00:00:41
that's responsible for most of this disruption.
Это самое мощное направление искусственного интеллекта,
It's the most powerful branch of artificial intelligence.
где машины учатся на имеющихся данных
It allows machines to learn from data
и подражают некоторым аспектам деятельности человека.
and mimic some of the things that humans can do.
Моя компания Kaggle работает в авангарде машинного обучения.
My company, Kaggle, operates on the cutting edge of machine learning.
Мы объединяем усилия сотен тысяч экспертов
00:00:54
We bring together hundreds of thousands of experts
для решения важных проблем производства и науки.
to solve important problems for industry and academia.
Так мы получаем уникальное ви́дение того, на что машины способны,
This gives us a unique perspective on what machines can do,
а на что — нет,
what they can't do
на какой работе они грозят нас заменить, а на какой — нет.
and what jobs they might automate or threaten.
Машинное обучение началó проникать в производство в начале 1990 годов.
00:01:08
Machine learning started making its way into industry in the early '90s.
Сначала роботы выполняли несложную работу:
It started with relatively simple tasks.
оценивали кредитные риски по заявлениям на получения кредита,
It started with things like assessing credit risk from loan applications,
сортировали корреспонденцию, считывая написанные от руки индексы.
sorting the mail by reading handwritten characters from zip codes.
За последние несколько лет мы совершили серьёзный прорыв,
Over the past few years, we have made dramatic breakthroughs.
и сегодня машинное обучение способно на решение гораздо более сложных задач.
00:01:26
Machine learning is now capable of far, far more complex tasks.
В 2012 году Kaggle бросило своим участникам вызов:
In 2012, Kaggle challenged its community
разработать алгоритм оценивания школьных сочинений.
to build an algorithm that could grade high-school essays.
Лучшие алгоритмы выставляли ученикам те же оценки,
The winning algorithms were able to match the grades
что и учителя́.
given by human teachers.
В прошлом году задание было ещё сложнее:
00:01:42
Last year, we issued an even more difficult challenge.
диагностировать по фотографиям глазную болезнь —
Can you take images of the eye and diagnose an eye disease
диабетическую ретинопатию.
called diabetic retinopathy?
И снова лучшие алгоритмы ставили те же диагнозы,
Again, the winning algorithms were able to match the diagnoses
что и настоящие офтальмологи.
given by human ophthalmologists.
При наличии достаточной информации машины превзойдут людей
00:01:56
Now, given the right data, machines are going to outperform humans
в решении таких задач.
at tasks like this.
За сорокалетнюю карьеру учитель читает порядка 10 000 сочинений,
A teacher might read 10,000 essays over a 40-year career.
а офтальмолог осматривает 50 000 глаз.
An ophthalmologist might see 50,000 eyes.
Компьютер «прочитает» миллион сочинений или «увидит» миллионы глаз
A machine can read millions of essays or see millions of eyes
всего за несколько минут.
00:02:11
within minutes.
В соревнованиях с машинами у нас нет шансов,
We have no chance of competing against machines
если залог победы — частота повторения и объём.
on frequent, high-volume tasks.
Но всё же есть то, в чём нам нет равных.
скачать в HTML/PDF
share

←предыдущая следующая→ ...

основано на 1 оценках: 4 из 5 1