Artificial Intelligence - what can and can't it do? 6 Minute English

217,839 views ・ 2017-10-11

BBC Learning English


Haga doble clic en los subtítulos en inglés para reproducir el vídeo. Los subtítulos traducidos se traducen automáticamente.

00:07
Neil: Welcome to 6 Minute English, where we
0
7160
1820
Neil: Bienvenido a 6 Minute English, donde
00:08
bring you an intelligent topic and six related
1
8980
2240
te traemos un tema inteligente y seis
00:11
items of vocabulary. I'm Neil.
2
11230
1809
elementos de vocabulario relacionados. soy neil
00:13
Tim: And I'm Tim. And today we're talking
3
13039
3270
Tim: Y yo soy Tim. Y hoy estamos hablando
00:16
about AI - or Artificial Intelligence.
4
16309
3031
de IA, o Inteligencia Artificial.
00:19
Neil: Artificial Intelligence is the ability
5
19340
2862
Neil: La inteligencia artificial es la capacidad
00:22
of machines to copy human intelligent behaviour
6
22202
3058
de las máquinas para copiar el comportamiento inteligente humano
00:25
- for example, an intelligent machine can
7
25260
2343
; por ejemplo, una máquina inteligente puede
00:27
learn from its own mistakes, and make decisions
8
27603
2686
aprender de sus propios errores y tomar decisiones
00:30
based on what's happened in the past.
9
30289
1970
basadas en lo que sucedió en el pasado.
00:32
Tim: There's a lot of talk about AI these
10
32259
2322
Tim: Se habla mucho sobre la IA en estos
00:34
days, Neil, but it's still just science fiction,
11
34581
2719
días, Neil, pero sigue siendo solo ciencia ficción,
00:37
isn't it?
12
37300
1000
¿no es así?
00:38
Neil: That's not true - AI is everywhere.
13
38300
2539
Neil: Eso no es cierto, la IA está en todas partes.
00:40
Machine thinking is in our homes, offices,
14
40839
2601
El pensamiento automático está en nuestros hogares, oficinas,
00:43
schools and hospitals. Computer algorithms
15
43440
2797
escuelas y hospitales. Los algoritmos informáticos
00:46
are helping us drive our cars. They're diagnosing
16
46237
3263
nos están ayudando a conducir nuestros automóviles. Están diagnosticando
00:49
what's wrong with us in hospitals. They're
17
49500
2395
lo que nos pasa en los hospitales. Están
00:51
marking student essays. They're telling us
18
51895
2395
corrigiendo los ensayos de los estudiantes. Nos están diciendo
00:54
what to read on our smartphones.
19
54290
1230
qué leer en nuestros teléfonos inteligentes.
00:55
Tim: Well, that really does sound like science
20
55520
2654
Tim: Bueno, eso realmente suena a ciencia
00:58
fiction - but it's happening already, you
21
58174
2366
ficción, ¿pero ya está sucediendo,
01:00
say, Neil?
22
60540
1000
dices, Neil?
01:01
Neil: It's definitely happening, Tim. And
23
61540
2123
Neil: Definitivamente está sucediendo, Tim. Y
01:03
an algorithm, by the way, is a set of steps
24
63663
2227
un algoritmo, dicho sea de paso, es un conjunto de pasos
01:05
a computer follows in order to solve a problem.
25
65890
2919
que sigue una computadora para resolver un problema.
01:08
So can you tell me what was the name of the
26
68809
2670
Entonces, ¿puede decirme cuál era el nombre de la
01:11
computer which famously beat world chess champion
27
71479
4091
computadora que derrotó al famoso campeón mundial de ajedrez
01:15
Garry Kasparov using algorithms in 1997? Was
28
75570
3590
Garry Kasparov usando algoritmos en 1997? ¿Era
01:19
it: a) Hal, b) Alpha 60 or c) Deep Blue?
29
79160
4749
: a) Hal, b) Alpha 60 o c) Deep Blue?
01:23
Tim: I'll say Deep Blue. Although I'm just
30
83909
2800
Tim: Diré Deep Blue. Aunque solo estoy
01:26
guessing.
31
86709
1551
suponiendo.
01:28
Neil: Was it an educated guess, Tim?
32
88260
1750
Neil: ¿Fue una conjetura fundamentada, Tim?
01:30
Tim: I know a bit about chess...
33
90010
1630
Tim: Sé un poco de ajedrez...
01:31
Neil: An educated guess is based on knowledge
34
91640
2501
Neil: Una conjetura fundamentada se basa en el conocimiento
01:34
and experience and is therefore likely to
35
94141
2279
y la experiencia y, por lo tanto, es probable que
01:36
be correct. Well, we'll find out later on
36
96420
2385
sea correcta. ¡Bueno, más adelante descubriremos
01:38
how educated your guess was in this case, Tim!
37
98805
2435
qué tan acertada fue tu suposición en este caso, Tim!
01:41
Tim: Indeed. But getting back to AI and what
38
101240
3500
Tim: Efectivamente. Pero volviendo a la IA y lo
01:44
machines can do - are they any good at solving
39
104740
3340
que pueden hacer las máquinas, ¿son buenas para resolver
01:48
real-life problems? Computers think in zeros
40
108090
2865
problemas de la vida real? Las computadoras piensan en ceros
01:50
and ones don't they? That sounds like a pretty
41
110955
2995
y unos, ¿no? ¡Eso suena como un
01:53
limited language when it comes to life experience!
42
113950
2440
lenguaje bastante limitado cuando se trata de experiencia de vida!
01:56
Neil: You would be surprised to what those
43
116390
2290
Neil: Te sorprendería lo
01:58
zeroes and ones can do, Tim. Although you're
44
118680
2399
que pueden hacer esos ceros y unos, Tim. Aunque tienes
02:01
right that AI does have its limitations at
45
121079
2467
razón en que la IA tiene sus limitaciones en
02:03
the moment. And if something has limitations
46
123546
2584
este momento. Y si algo tiene limitaciones,
02:06
there's a limit on what it can do or how good
47
126130
2230
hay un límite en lo que puede hacer o en lo bueno
02:08
it can be.
48
128360
980
que puede ser.
02:09
Tim: OK - well now might be a good time to
49
129360
2620
Tim: Bien, ahora podría ser un buen momento para
02:11
listen to Zoubin Bharhramani, Professor of
50
131988
2811
escuchar a Zoubin Bharhramani, profesor de Ingeniería de la
02:14
Information Engineering at the University
51
134799
2627
Información en la Universidad
02:17
of Cambridge and deputy director of the Leverhulme
52
137426
3203
de Cambridge y subdirector del Centro Leverhulme
02:20
Centre for the Future of Intelligence. He's
53
140629
3099
para el Futuro de la Inteligencia. Está
02:23
talking about what limitations AI has at the
54
143728
3172
hablando de las limitaciones que tiene la IA en este
02:26
moment.
55
146900
2160
momento.
02:29
Zoubin Bharhramani: I think it's very interesting
56
149060
1960
Zoubin Bharhramani: Creo que es muy interesante
02:31
how many of the things that we take for granted
57
151023
2996
cuántas de las cosas que damos por sentadas
02:34
- we humans take for granted - as being sort
58
154019
2155
, los humanos damos por sentadas, como
02:36
of things we don't even think about like how
59
156174
2155
cosas en las que ni siquiera pensamos, como
02:38
do we walk, how do we reach, how do we recognise
60
158329
3464
cómo caminamos, cómo alcanzamos, cómo reconocemos a
02:41
our mother. You know, all these things. When
61
161793
3176
nuestra madre. Ya sabes, todas estas cosas.
02:44
you start to think how to implement them on
62
164969
2491
Cuando comienzas a pensar cómo implementarlos en
02:47
a computer, you realise that it's those things
63
167460
4240
una computadora, te das cuenta de que son esas cosas
02:51
that are incredibly difficult to get computers
64
171709
3923
que son increíblemente difíciles de hacer para que las computadoras las
02:55
to do, and that's where the current cutting
65
175632
3667
hagan, y ahí es donde está la vanguardia actual
02:59
edge of research is.
66
179300
2860
de la investigación.
03:02
Neil: If we take something for granted we
67
182160
1240
Neil: Si damos algo por sentado,
03:03
don't realise how important something is.
68
183410
2310
no nos damos cuenta de lo importante que es algo.
03:05
Tim: You sometimes take me for granted,
69
185720
2363
Tim: A veces me das por sentado,
03:08
think, Neil.
70
188083
727
03:08
Neil: No - I never take you for granted, Tim!
71
188810
2432
piensa, Neil.
Neil: No, ¡nunca te doy por sentado, Tim!
03:11
You're far too important for that!
72
191242
1837
¡Eres demasiado importante para eso!
03:13
Tim: Good to hear! So things we take for granted
73
193079
3688
Tim: ¡Es bueno escucharlo! Entonces, las cosas que damos por sentadas
03:16
are doing every day tasks like walking, picking
74
196767
3612
son hacer tareas cotidianas como caminar
03:20
something up, or recognising somebody. We
75
200379
3218
, recoger algo o reconocer a alguien.
03:23
implement - or perform - these things without
76
203597
3532
Implementamos, o realizamos, estas cosas sin
03:27
thinking. Whereas it's cutting edge research
77
207129
2781
pensar. Mientras que es una investigación de vanguardia
03:29
to try and program a machine to do them.
78
209910
2529
tratar de programar una máquina para hacerlos.
03:32
Neil: Cutting edge means very new and advanced.
79
212439
2492
Neil: Innovador significa muy nuevo y avanzado.
03:34
It's interesting isn't it, that over ten years
80
214931
2439
Es interesante, ¿no?, que hace más de diez
03:37
ago a computer beat a chess grand master - but
81
217370
2666
años una computadora venció a un gran maestro de ajedrez, pero a
03:40
the same computer would find it incredibly
82
220036
2434
la misma computadora le resultaría increíblemente
03:42
difficult to pick up a chess piece.
83
222470
1949
difícil recoger una pieza de ajedrez.
03:44
Tim: I know. It's very strange. But now you've
84
224419
2550
Tim: Lo sé. Es muy extraño. Pero ahora me has
03:46
reminded me that we need the answer to today's
85
226969
2550
recordado que necesitamos la respuesta a la pregunta de hoy
03:49
question.
86
229519
1000
.
03:50
Neil: Which was: What was the name of the
87
230519
2567
Neil: ¿Cuál era: cómo se llamaba la
03:53
computer who famously beat world chess champion
88
233086
2943
computadora que derrotó al famoso campeón mundial de ajedrez
03:56
Gary Kasparov in 1997? Now, you said Deep
89
236029
2832
Gary Kasparov en 1997? Ahora, dijiste Deep
03:58
Blue, Tim, and... that was the right answer!
90
238861
3108
Blue, Tim, y... ¡esa fue la respuesta correcta!
04:01
Tim: You see, my educated guess was based
91
241969
2674
Tim: ¡Mira, mi suposición educada se basó
04:04
on knowledge and experience!
92
244643
1826
en el conocimiento y la experiencia!
04:06
Neil: Or maybe you were just lucky. So, the
93
246469
3329
Neil: O tal vez solo tuviste suerte. Entonces, la
04:09
IBM supercomputer Deep Blue played against
94
249798
3251
supercomputadora de IBM Deep Blue jugó contra
04:13
US world chess champion Garry Kasparov in
95
253049
2503
el campeón mundial de ajedrez estadounidense Garry Kasparov en
04:15
two chess matches. The first match was played
96
255552
2747
dos partidas de ajedrez. El primer partido se jugó
04:18
in Philadelphia in 1996 and was won by Kasparov.
97
258299
2993
en Filadelfia en 1996 y lo ganó Kasparov.
04:21
The second was played in New York City in
98
261292
2557
El segundo se jugó en la ciudad de Nueva York en
04:23
1997 and won by Deep Blue. The 1997 match
99
263849
4391
1997 y lo ganó Deep Blue. El partido de 1997
04:28
was the first defeat of a reigning world chess
100
268240
2220
fue la primera derrota de un actual campeón mundial de ajedrez
04:30
champion by a computer under tournament conditions.
101
270460
3500
por una computadora en condiciones de torneo.
04:33
Tim: Let's go through the words we learned
102
273960
2776
Tim: Repasemos las palabras que aprendimos
04:36
today. First up was 'artificial intelligence'
103
276736
2974
hoy. Primero fue la 'inteligencia artificial'
04:39
or AI - the ability of machines to copy human
104
279710
3318
o IA: la capacidad de las máquinas para copiar el
04:43
intelligent behaviour.
105
283028
1622
comportamiento inteligente humano.
04:44
Neil: 'There are AI programs that
106
284650
2410
Neil: 'Hay programas de IA que
04:47
can write poetry.'
107
287060
660
04:47
Tim: Do you have any examples you can recite?
108
287720
2580
pueden escribir poesía'.
Tim: ¿Tienes algún ejemplo que puedas recitar?
04:50
Neil: Afraid I don't! Number two - an algorithm
109
290300
2850
Neil: ¡Me temo que no! Número dos: un algoritmo
04:53
is a set of steps a computer follows in order
110
293150
2729
es un conjunto de pasos que sigue una computadora
04:55
to solve a problem. For example, 'Google changes
111
295879
2953
para resolver un problema. Por ejemplo, 'Google cambia
04:58
its search algorithm hundreds of times every year.'
112
298832
3707
su algoritmo de búsqueda cientos de veces al año'.
05:02
Tim: The adjective is algorithmic - for example,
113
302539
2964
Tim: El adjetivo es algorítmico; por ejemplo,
05:05
'Google has made many algorithmic changes.'
114
305503
2656
"Google ha realizado muchos cambios algorítmicos".
05:08
Neil: Number three - if something has 'limitations',
115
308159
3024
Neil: Número tres: si algo tiene "limitaciones",
05:11
there's a limit on what it can do or how good
116
311183
2617
hay un límite en lo que puede hacer o en lo bueno
05:13
it can be. 'Our show has certain limitations
117
313800
2949
que puede ser. 'Nuestro programa tiene ciertas
05:16
' for example, it's only six minutes long!'
118
316749
2881
limitaciones, por ejemplo, ¡solo dura seis minutos!'
05:19
Tim: That's right - there's only time to present
119
319630
2570
Tim: Así es, solo hay tiempo para presentar
05:22
six vocabulary items. Short but sweet!
120
322200
2700
seis elementos de vocabulario. ¡Corto pero dulce!
05:24
Neil: And very intelligent, too. OK, the next
121
324900
2787
Neil: Y muy inteligente, también. Bien, el siguiente
05:27
item is 'take something for granted', which
122
327687
2664
elemento es 'dar algo por sentado', que
05:30
is when we don't realise how important something is.
123
330351
2529
es cuando no nos damos cuenta de lo importante que es algo.
05:32
Tim: 'We take our smartphones for granted
124
332880
3046
Tim: "Hoy en día damos por hecho nuestros teléfonos inteligentes
05:35
these days, but before 1995 hardly anyone
125
335926
2974
, pero antes de 1995 casi nadie
05:38
owned one.'
126
338900
1000
tenía uno".
05:39
Neil: Number five - 'to implement' means to
127
339900
2493
Neil: Número cinco: 'implementar' significa
05:42
perform a task, or take action.
128
342393
1797
realizar una tarea o emprender una acción.
05:44
Tim: 'Neil implemented some changes to the show.'
129
344190
2749
Tim: 'Neil implementó algunos cambios en el programa.'
05:46
Neil: The final item is 'cutting edge' - new
130
346939
1361
Neil: El elemento final es "vanguardista" - nuevo
05:48
and advanced - 'This software is cutting edge.'
131
348300
4119
y avanzado - "Este software es vanguardista".
05:52
Tim: 'The software uses cutting edge technology.'
132
352419
2761
Tim: 'El software utiliza tecnología de punta.'
05:55
Neil: OK - that's all we have time for on
133
355180
2604
Neil: OK, eso es todo para lo que tenemos tiempo en
05:57
today's cutting edge show. But please check
134
357784
2665
el programa de vanguardia de hoy. Pero
06:00
out our Instagram, Twitter, Facebook and YouTube
135
360449
3031
consulte nuestras páginas de Instagram, Twitter, Facebook y YouTube
06:03
pages. Tim: Bye-bye!
136
363480
840
. Tim: ¡Adiós!
06:04
Neil: Goodbye!
137
364320
1160
Neil: ¡Adiós!
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7