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

217,839 views ・ 2017-10-11

BBC Learning English


Fare doppio clic sui sottotitoli in inglese per riprodurre il video. I sottotitoli tradotti sono tradotti automaticamente.

00:07
Neil: Welcome to 6 Minute English, where we
0
7160
1820
Neil: Benvenuto in 6 Minute English, dove
00:08
bring you an intelligent topic and six related
1
8980
2240
ti presentiamo un argomento intelligente e sei
00:11
items of vocabulary. I'm Neil.
2
11230
1809
voci di vocabolario correlate. Sono Neill.
00:13
Tim: And I'm Tim. And today we're talking
3
13039
3270
Tim: E io sono Tim. E oggi parliamo
00:16
about AI - or Artificial Intelligence.
4
16309
3031
di AI - o Intelligenza Artificiale.
00:19
Neil: Artificial Intelligence is the ability
5
19340
2862
Neil: L'Intelligenza Artificiale è la capacità
00:22
of machines to copy human intelligent behaviour
6
22202
3058
delle macchine di copiare il comportamento intelligente umano
00:25
- for example, an intelligent machine can
7
25260
2343
: ad esempio, una macchina intelligente può
00:27
learn from its own mistakes, and make decisions
8
27603
2686
imparare dai propri errori e prendere decisioni
00:30
based on what's happened in the past.
9
30289
1970
basate su ciò che è accaduto in passato.
00:32
Tim: There's a lot of talk about AI these
10
32259
2322
Tim: Si parla molto di intelligenza artificiale in questi
00:34
days, Neil, but it's still just science fiction,
11
34581
2719
giorni, Neil, ma è ancora solo fantascienza,
00:37
isn't it?
12
37300
1000
vero?
00:38
Neil: That's not true - AI is everywhere.
13
38300
2539
Neil: Non è vero: l'intelligenza artificiale è ovunque. Il
00:40
Machine thinking is in our homes, offices,
14
40839
2601
pensiero meccanico è nelle nostre case, uffici,
00:43
schools and hospitals. Computer algorithms
15
43440
2797
scuole e ospedali. Gli algoritmi informatici
00:46
are helping us drive our cars. They're diagnosing
16
46237
3263
ci stanno aiutando a guidare le nostre auto. Stanno diagnosticando
00:49
what's wrong with us in hospitals. They're
17
49500
2395
cosa non va in noi negli ospedali. Stanno
00:51
marking student essays. They're telling us
18
51895
2395
correggendo i compiti degli studenti. Ci stanno dicendo
00:54
what to read on our smartphones.
19
54290
1230
cosa leggere sui nostri smartphone.
00:55
Tim: Well, that really does sound like science
20
55520
2654
Tim: Beh, sembra davvero
00:58
fiction - but it's happening already, you
21
58174
2366
fantascienza - ma sta già accadendo,
01:00
say, Neil?
22
60540
1000
dici, Neil?
01:01
Neil: It's definitely happening, Tim. And
23
61540
2123
Neil: Sta sicuramente accadendo, Tim. E
01:03
an algorithm, by the way, is a set of steps
24
63663
2227
un algoritmo, a proposito, è un insieme di passaggi che
01:05
a computer follows in order to solve a problem.
25
65890
2919
un computer segue per risolvere un problema.
01:08
So can you tell me what was the name of the
26
68809
2670
Allora, puoi dirmi qual era il nome del
01:11
computer which famously beat world chess champion
27
71479
4091
computer che nel 1997 batté notoriamente il campione del mondo di scacchi
01:15
Garry Kasparov using algorithms in 1997? Was
28
75570
3590
Garry Kasparov usando gli algoritmi?
01:19
it: a) Hal, b) Alpha 60 or c) Deep Blue?
29
79160
4749
Era: 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: Dirò Deep Blue. Anche se sto solo
01:26
guessing.
31
86709
1551
indovinando.
01:28
Neil: Was it an educated guess, Tim?
32
88260
1750
Neil: Era un'ipotesi plausibile, Tim?
01:30
Tim: I know a bit about chess...
33
90010
1630
Tim: Conosco un po' gli scacchi...
01:31
Neil: An educated guess is based on knowledge
34
91640
2501
Neil: Un'ipotesi plausibile si basa sulla conoscenza
01:34
and experience and is therefore likely to
35
94141
2279
e sull'esperienza ed è quindi probabile che
01:36
be correct. Well, we'll find out later on
36
96420
2385
sia corretta. Bene, scopriremo più tardi
01:38
how educated your guess was in this case, Tim!
37
98805
2435
quanto fosse plausibile la tua ipotesi in questo caso, Tim!
01:41
Tim: Indeed. But getting back to AI and what
38
101240
3500
Tim: Infatti. Ma tornando all'intelligenza artificiale e a cosa
01:44
machines can do - are they any good at solving
39
104740
3340
possono fare le macchine, sono in grado di risolvere i
01:48
real-life problems? Computers think in zeros
40
108090
2865
problemi della vita reale? I computer pensano in zeri
01:50
and ones don't they? That sounds like a pretty
41
110955
2995
e uno, no? Sembra un
01:53
limited language when it comes to life experience!
42
113950
2440
linguaggio piuttosto limitato quando si tratta di esperienza di vita!
01:56
Neil: You would be surprised to what those
43
116390
2290
Neil: Saresti sorpreso di cosa
01:58
zeroes and ones can do, Tim. Although you're
44
118680
2399
possono fare quegli zero e uno, Tim. Anche se hai
02:01
right that AI does have its limitations at
45
121079
2467
ragione sul fatto che l'IA ha i suoi limiti
02:03
the moment. And if something has limitations
46
123546
2584
al momento. E se qualcosa ha dei limiti,
02:06
there's a limit on what it can do or how good
47
126130
2230
c'è un limite a ciò che può fare oa quanto
02:08
it can be.
48
128360
980
può essere buono.
02:09
Tim: OK - well now might be a good time to
49
129360
2620
Tim: OK, beh, ora potrebbe essere un buon momento per
02:11
listen to Zoubin Bharhramani, Professor of
50
131988
2811
ascoltare Zoubin Bharhramani, professore di
02:14
Information Engineering at the University
51
134799
2627
ingegneria dell'informazione all'Università
02:17
of Cambridge and deputy director of the Leverhulme
52
137426
3203
di Cambridge e vicedirettore del Leverhulme
02:20
Centre for the Future of Intelligence. He's
53
140629
3099
Center for the Future of Intelligence. Sta
02:23
talking about what limitations AI has at the
54
143728
3172
parlando dei limiti che l'IA ha al
02:26
moment.
55
146900
2160
momento.
02:29
Zoubin Bharhramani: I think it's very interesting
56
149060
1960
Zoubin Bharhramani: Penso che sia molto interessante
02:31
how many of the things that we take for granted
57
151023
2996
quante delle cose che diamo per scontate
02:34
- we humans take for granted - as being sort
58
154019
2155
- noi umani diamo per scontate - come
02:36
of things we don't even think about like how
59
156174
2155
cose a cui non pensiamo nemmeno come
02:38
do we walk, how do we reach, how do we recognise
60
158329
3464
camminiamo, come raggiungiamo, come riconosciamo
02:41
our mother. You know, all these things. When
61
161793
3176
nostra madre. Sai, tutte queste cose. Quando
02:44
you start to think how to implement them on
62
164969
2491
inizi a pensare a come implementarli su
02:47
a computer, you realise that it's those things
63
167460
4240
un computer, ti rendi conto che sono quelle cose
02:51
that are incredibly difficult to get computers
64
171709
3923
che sono incredibilmente difficili da far
02:55
to do, and that's where the current cutting
65
175632
3667
fare ai computer, ed è qui che si trova l'attuale
02:59
edge of research is.
66
179300
2860
punta di diamante della ricerca.
03:02
Neil: If we take something for granted we
67
182160
1240
Neil: Se diamo qualcosa per scontato
03:03
don't realise how important something is.
68
183410
2310
non ci rendiamo conto di quanto sia importante qualcosa.
03:05
Tim: You sometimes take me for granted,
69
185720
2363
Tim: A volte mi dai per scontato,
03:08
think, Neil.
70
188083
727
03:08
Neil: No - I never take you for granted, Tim!
71
188810
2432
pensa, Neil.
Neil: No, non ti do mai per scontato, Tim!
03:11
You're far too important for that!
72
191242
1837
Sei troppo importante per questo!
03:13
Tim: Good to hear! So things we take for granted
73
193079
3688
Tim: Buono a sapersi! Quindi le cose che diamo per scontate
03:16
are doing every day tasks like walking, picking
74
196767
3612
sono svolgere attività quotidiane come camminare, raccogliere
03:20
something up, or recognising somebody. We
75
200379
3218
qualcosa o riconoscere qualcuno.
03:23
implement - or perform - these things without
76
203597
3532
Implementiamo - o eseguiamo - queste cose senza
03:27
thinking. Whereas it's cutting edge research
77
207129
2781
pensare. Considerando che è una ricerca all'avanguardia
03:29
to try and program a machine to do them.
78
209910
2529
cercare di programmare una macchina per farli.
03:32
Neil: Cutting edge means very new and advanced.
79
212439
2492
Neil: All'avanguardia significa molto nuovo e avanzato.
03:34
It's interesting isn't it, that over ten years
80
214931
2439
È interessante, non è vero, che più di dieci anni
03:37
ago a computer beat a chess grand master - but
81
217370
2666
fa un computer abbia battuto un grande maestro di scacchi, ma
03:40
the same computer would find it incredibly
82
220036
2434
lo stesso computer avrebbe trovato incredibilmente
03:42
difficult to pick up a chess piece.
83
222470
1949
difficile prendere un pezzo degli scacchi.
03:44
Tim: I know. It's very strange. But now you've
84
224419
2550
Tim: lo so. È molto strano. Ma ora
03:46
reminded me that we need the answer to today's
85
226969
2550
mi hai ricordato che abbiamo bisogno della risposta alla domanda di oggi
03:49
question.
86
229519
1000
.
03:50
Neil: Which was: What was the name of the
87
230519
2567
Neil: Che era: qual era il nome del
03:53
computer who famously beat world chess champion
88
233086
2943
computer che ha notoriamente battuto il campione del mondo di scacchi
03:56
Gary Kasparov in 1997? Now, you said Deep
89
236029
2832
Gary Kasparov nel 1997? Ora, hai detto Deep
03:58
Blue, Tim, and... that was the right answer!
90
238861
3108
Blue, Tim, e... quella era la risposta giusta!
04:01
Tim: You see, my educated guess was based
91
241969
2674
Tim: Vedi, la mia supposizione plausibile era basata
04:04
on knowledge and experience!
92
244643
1826
sulla conoscenza e sull'esperienza!
04:06
Neil: Or maybe you were just lucky. So, the
93
246469
3329
Neil: O forse sei stato solo fortunato. Quindi, il
04:09
IBM supercomputer Deep Blue played against
94
249798
3251
supercomputer IBM Deep Blue ha giocato contro il
04:13
US world chess champion Garry Kasparov in
95
253049
2503
campione del mondo di scacchi statunitense Garry Kasparov in
04:15
two chess matches. The first match was played
96
255552
2747
due partite di scacchi. La prima partita fu giocata
04:18
in Philadelphia in 1996 and was won by Kasparov.
97
258299
2993
a Filadelfia nel 1996 e fu vinta da Kasparov.
04:21
The second was played in New York City in
98
261292
2557
Il secondo è stato giocato a New York City nel
04:23
1997 and won by Deep Blue. The 1997 match
99
263849
4391
1997 e vinto da Deep Blue. La partita del 1997
04:28
was the first defeat of a reigning world chess
100
268240
2220
è stata la prima sconfitta di un campione del mondo di scacchi in carica da
04:30
champion by a computer under tournament conditions.
101
270460
3500
parte di un computer in condizioni di torneo.
04:33
Tim: Let's go through the words we learned
102
273960
2776
Tim: Esaminiamo le parole che abbiamo imparato
04:36
today. First up was 'artificial intelligence'
103
276736
2974
oggi. La prima è stata l'"intelligenza artificiale"
04:39
or AI - the ability of machines to copy human
104
279710
3318
o IA, la capacità delle macchine di copiare il
04:43
intelligent behaviour.
105
283028
1622
comportamento intelligente umano.
04:44
Neil: 'There are AI programs that
106
284650
2410
Neil: "Ci sono programmi di intelligenza artificiale che
04:47
can write poetry.'
107
287060
660
04:47
Tim: Do you have any examples you can recite?
108
287720
2580
possono scrivere poesie".
Tim: Hai qualche esempio da recitare?
04:50
Neil: Afraid I don't! Number two - an algorithm
109
290300
2850
Neil: Temo di no! Numero due: un algoritmo
04:53
is a set of steps a computer follows in order
110
293150
2729
è un insieme di passaggi che un computer segue
04:55
to solve a problem. For example, 'Google changes
111
295879
2953
per risolvere un problema. Ad esempio, "Google cambia
04:58
its search algorithm hundreds of times every year.'
112
298832
3707
il suo algoritmo di ricerca centinaia di volte all'anno".
05:02
Tim: The adjective is algorithmic - for example,
113
302539
2964
Tim: L'aggettivo è algoritmico, ad esempio
05:05
'Google has made many algorithmic changes.'
114
305503
2656
"Google ha apportato molte modifiche algoritmiche".
05:08
Neil: Number three - if something has 'limitations',
115
308159
3024
Neil: Numero tre: se qualcosa ha dei "limiti",
05:11
there's a limit on what it can do or how good
116
311183
2617
c'è un limite a ciò che può fare oa quanto
05:13
it can be. 'Our show has certain limitations
117
313800
2949
può essere buono. "Il nostro spettacolo ha alcune limitazioni,
05:16
' for example, it's only six minutes long!'
118
316749
2881
ad esempio dura solo sei minuti!"
05:19
Tim: That's right - there's only time to present
119
319630
2570
Tim: Esatto, c'è solo il tempo per presentare
05:22
six vocabulary items. Short but sweet!
120
322200
2700
sei voci di vocabolario. Breve ma dolce!
05:24
Neil: And very intelligent, too. OK, the next
121
324900
2787
Neil: E anche molto intelligente. OK, l'
05:27
item is 'take something for granted', which
122
327687
2664
elemento successivo è "dare qualcosa per scontato",
05:30
is when we don't realise how important something is.
123
330351
2529
ovvero quando non ci rendiamo conto di quanto sia importante qualcosa.
05:32
Tim: 'We take our smartphones for granted
124
332880
3046
Tim: "Oggi diamo per scontati i nostri smartphone
05:35
these days, but before 1995 hardly anyone
125
335926
2974
, ma prima del 1995 quasi nessuno ne
05:38
owned one.'
126
338900
1000
possedeva uno".
05:39
Neil: Number five - 'to implement' means to
127
339900
2493
Neil: Numero cinque: "implementare" significa
05:42
perform a task, or take action.
128
342393
1797
eseguire un compito o intraprendere un'azione.
05:44
Tim: 'Neil implemented some changes to the show.'
129
344190
2749
Tim: 'Neil ha implementato alcune modifiche allo show.'
05:46
Neil: The final item is 'cutting edge' - new
130
346939
1361
Neil: L'elemento finale è "all'avanguardia" - nuovo
05:48
and advanced - 'This software is cutting edge.'
131
348300
4119
e avanzato - "Questo software è all'avanguardia".
05:52
Tim: 'The software uses cutting edge technology.'
132
352419
2761
Tim: 'Il software utilizza una tecnologia all'avanguardia.'
05:55
Neil: OK - that's all we have time for on
133
355180
2604
Neil: OK, questo è tutto ciò per cui abbiamo tempo nello
05:57
today's cutting edge show. But please check
134
357784
2665
show all'avanguardia di oggi. Ma dai un'occhiata alle
06:00
out our Instagram, Twitter, Facebook and YouTube
135
360449
3031
nostre pagine Instagram, Twitter, Facebook e YouTube
06:03
pages. Tim: Bye-bye!
136
363480
840
. Tim: ciao ciao!
06:04
Neil: Goodbye!
137
364320
1160
Niel: Arrivederci!
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7