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

217,839 views ・ 2017-10-11

BBC Learning English


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film. Przetłumaczone napisy są tłumaczone maszynowo.

00:07
Neil: Welcome to 6 Minute English, where we
0
7160
1820
Neil: Witamy w 6-minutowym angielskim, w którym
00:08
bring you an intelligent topic and six related
1
8980
2240
przedstawiamy inteligentny temat i sześć powiązanych
00:11
items of vocabulary. I'm Neil.
2
11230
1809
elementów słownictwa. Jestem Neilem.
00:13
Tim: And I'm Tim. And today we're talking
3
13039
3270
Tim: A ja jestem Tim. A dzisiaj mówimy
00:16
about AI - or Artificial Intelligence.
4
16309
3031
o AI - czyli Sztucznej Inteligencji.
00:19
Neil: Artificial Intelligence is the ability
5
19340
2862
Neil: Sztuczna inteligencja to zdolność
00:22
of machines to copy human intelligent behaviour
6
22202
3058
maszyn do kopiowania ludzkich inteligentnych zachowań
00:25
- for example, an intelligent machine can
7
25260
2343
— na przykład inteligentna maszyna może
00:27
learn from its own mistakes, and make decisions
8
27603
2686
uczyć się na własnych błędach i podejmować decyzje na podstawie tego,
00:30
based on what's happened in the past.
9
30289
1970
co wydarzyło się w przeszłości.
00:32
Tim: There's a lot of talk about AI these
10
32259
2322
Tim: Dużo się ostatnio mówi o sztucznej inteligencji
00:34
days, Neil, but it's still just science fiction,
11
34581
2719
, Neil, ale to wciąż tylko science fiction, prawda
00:37
isn't it?
12
37300
1000
?
00:38
Neil: That's not true - AI is everywhere.
13
38300
2539
Neil: To nieprawda – sztuczna inteligencja jest wszędzie.
00:40
Machine thinking is in our homes, offices,
14
40839
2601
Myślenie maszynowe jest obecne w naszych domach, biurach,
00:43
schools and hospitals. Computer algorithms
15
43440
2797
szkołach i szpitalach. Algorytmy komputerowe
00:46
are helping us drive our cars. They're diagnosing
16
46237
3263
pomagają nam prowadzić nasze samochody.
00:49
what's wrong with us in hospitals. They're
17
49500
2395
W szpitalach diagnozują, co nam dolega.
00:51
marking student essays. They're telling us
18
51895
2395
Oceniają wypracowania studentów. Mówią nam,
00:54
what to read on our smartphones.
19
54290
1230
co mamy czytać na smartfonach.
00:55
Tim: Well, that really does sound like science
20
55520
2654
Tim: Cóż, to naprawdę brzmi jak science
00:58
fiction - but it's happening already, you
21
58174
2366
fiction – ale to już się dzieje,
01:00
say, Neil?
22
60540
1000
mówisz, Neil?
01:01
Neil: It's definitely happening, Tim. And
23
61540
2123
Neil: To na pewno się dzieje, Tim. Nawiasem
01:03
an algorithm, by the way, is a set of steps
24
63663
2227
mówiąc, algorytm to zestaw kroków, które
01:05
a computer follows in order to solve a problem.
25
65890
2919
wykonuje komputer, aby rozwiązać problem.
01:08
So can you tell me what was the name of the
26
68809
2670
Czy możesz mi powiedzieć, jak nazywał się
01:11
computer which famously beat world chess champion
27
71479
4091
komputer, który w 1997 roku słynnie pokonał mistrza świata w szachach
01:15
Garry Kasparov using algorithms in 1997? Was
28
75570
3590
Garry'ego Kasparowa za pomocą algorytmów? Czy
01:19
it: a) Hal, b) Alpha 60 or c) Deep Blue?
29
79160
4749
to był: a) Hal, b) Alpha 60 czy c) Deep Blue?
01:23
Tim: I'll say Deep Blue. Although I'm just
30
83909
2800
Tim: Powiem Deep Blue. Chociaż tylko się
01:26
guessing.
31
86709
1551
domyślam.
01:28
Neil: Was it an educated guess, Tim?
32
88260
1750
Neil: Czy to było przemyślane przypuszczenie, Tim?
01:30
Tim: I know a bit about chess...
33
90010
1630
Tim: Wiem trochę o szachach...
01:31
Neil: An educated guess is based on knowledge
34
91640
2501
Neil: Uważne domysły opierają się na wiedzy
01:34
and experience and is therefore likely to
35
94141
2279
i doświadczeniu, a zatem prawdopodobnie
01:36
be correct. Well, we'll find out later on
36
96420
2385
będą poprawne. Cóż, później dowiemy się,
01:38
how educated your guess was in this case, Tim!
37
98805
2435
jak trafne było twoje przypuszczenie w tym przypadku, Tim!
01:41
Tim: Indeed. But getting back to AI and what
38
101240
3500
Tymek: Rzeczywiście. Ale wracając do sztucznej inteligencji i tego, co
01:44
machines can do - are they any good at solving
39
104740
3340
potrafią maszyny – czy są one dobre w rozwiązywaniu
01:48
real-life problems? Computers think in zeros
40
108090
2865
rzeczywistych problemów? Komputery myślą zerami
01:50
and ones don't they? That sounds like a pretty
41
110955
2995
i jedynkami, prawda? To brzmi jak dość
01:53
limited language when it comes to life experience!
42
113950
2440
ograniczony język, jeśli chodzi o doświadczenie życiowe!
01:56
Neil: You would be surprised to what those
43
116390
2290
Neil: Zdziwiłbyś się, co
01:58
zeroes and ones can do, Tim. Although you're
44
118680
2399
potrafią te zera i jedynki, Tim. Chociaż masz
02:01
right that AI does have its limitations at
45
121079
2467
rację, że sztuczna inteligencja ma obecnie swoje ograniczenia
02:03
the moment. And if something has limitations
46
123546
2584
. A jeśli coś ma ograniczenia,
02:06
there's a limit on what it can do or how good
47
126130
2230
istnieją ograniczenia co do tego, co może zrobić lub jak dobre
02:08
it can be.
48
128360
980
może być.
02:09
Tim: OK - well now might be a good time to
49
129360
2620
Tim: OK – teraz może być dobry moment, aby
02:11
listen to Zoubin Bharhramani, Professor of
50
131988
2811
posłuchać Zoubina Bharhramaniego, profesora
02:14
Information Engineering at the University
51
134799
2627
inżynierii informatycznej na Uniwersytecie
02:17
of Cambridge and deputy director of the Leverhulme
52
137426
3203
w Cambridge i zastępcy dyrektora Leverhulme
02:20
Centre for the Future of Intelligence. He's
53
140629
3099
Center for the Future of Intelligence.
02:23
talking about what limitations AI has at the
54
143728
3172
Mówi o tym, jakie ograniczenia ma obecnie AI
02:26
moment.
55
146900
2160
.
02:29
Zoubin Bharhramani: I think it's very interesting
56
149060
1960
Zoubin Bharhramani: Myślę, że to bardzo interesujące,
02:31
how many of the things that we take for granted
57
151023
2996
jak wiele rzeczy, które bierzemy za pewnik
02:34
- we humans take for granted - as being sort
58
154019
2155
– my, ludzie, przyjmujemy za pewnik – jako
02:36
of things we don't even think about like how
59
156174
2155
coś, o czym nawet nie myślimy, na przykład jak
02:38
do we walk, how do we reach, how do we recognise
60
158329
3464
chodzimy, jak sięgamy, jak rozpoznajemy
02:41
our mother. You know, all these things. When
61
161793
3176
naszą matkę. Wiesz, te wszystkie rzeczy. Kiedy
02:44
you start to think how to implement them on
62
164969
2491
zaczynasz zastanawiać się, jak zaimplementować je na
02:47
a computer, you realise that it's those things
63
167460
4240
komputerze, zdajesz sobie sprawę, że są to rzeczy,
02:51
that are incredibly difficult to get computers
64
171709
3923
które są niezwykle trudne do
02:55
to do, and that's where the current cutting
65
175632
3667
wykonania przez komputery i właśnie tam
02:59
edge of research is.
66
179300
2860
znajdują się najnowsze badania.
03:02
Neil: If we take something for granted we
67
182160
1240
Neil: Jeśli bierzemy coś za pewnik,
03:03
don't realise how important something is.
68
183410
2310
nie zdajemy sobie sprawy, jak ważne jest coś.
03:05
Tim: You sometimes take me for granted,
69
185720
2363
Tim: Czasami bierzesz mnie za pewnik,
03:08
think, Neil.
70
188083
727
03:08
Neil: No - I never take you for granted, Tim!
71
188810
2432
pomyśl, Neil.
Neil: Nie - nigdy nie biorę cię za pewnik, Tim!
03:11
You're far too important for that!
72
191242
1837
Jesteś na to zbyt ważny!
03:13
Tim: Good to hear! So things we take for granted
73
193079
3688
Tim: Miło słyszeć! Więc rzeczy, które bierzemy za pewnik,
03:16
are doing every day tasks like walking, picking
74
196767
3612
to wykonywanie codziennych zadań, takich jak chodzenie,
03:20
something up, or recognising somebody. We
75
200379
3218
podnoszenie czegoś lub rozpoznawanie kogoś.
03:23
implement - or perform - these things without
76
203597
3532
Wdrażamy - lub wykonujemy - te rzeczy bez
03:27
thinking. Whereas it's cutting edge research
77
207129
2781
zastanowienia. Podczas gdy
03:29
to try and program a machine to do them.
78
209910
2529
próba zaprogramowania maszyny do ich wykonania to najnowocześniejsze badania.
03:32
Neil: Cutting edge means very new and advanced.
79
212439
2492
Neil: Najnowocześniejszy oznacza bardzo nowy i zaawansowany.
03:34
It's interesting isn't it, that over ten years
80
214931
2439
To ciekawe, prawda, że ​​ponad dziesięć lat
03:37
ago a computer beat a chess grand master - but
81
217370
2666
temu komputer pokonał wielkiego mistrza szachowego - ale ten
03:40
the same computer would find it incredibly
82
220036
2434
sam komputer miałby ogromne
03:42
difficult to pick up a chess piece.
83
222470
1949
trudności z podniesieniem figury szachowej.
03:44
Tim: I know. It's very strange. But now you've
84
224419
2550
Tim: Wiem. To bardzo dziwne. Ale teraz
03:46
reminded me that we need the answer to today's
85
226969
2550
przypomniałeś mi, że potrzebujemy odpowiedzi na dzisiejsze
03:49
question.
86
229519
1000
pytanie.
03:50
Neil: Which was: What was the name of the
87
230519
2567
Neil: Który to był: Jak nazywał się
03:53
computer who famously beat world chess champion
88
233086
2943
komputer, który słynnie pokonał szachowego mistrza świata
03:56
Gary Kasparov in 1997? Now, you said Deep
89
236029
2832
Gary'ego Kasparowa w 1997 roku? Powiedziałeś Deep
03:58
Blue, Tim, and... that was the right answer!
90
238861
3108
Blue, Tim, i... to była prawidłowa odpowiedź!
04:01
Tim: You see, my educated guess was based
91
241969
2674
Tim: Widzisz, moje wykształcone domysły opierały się
04:04
on knowledge and experience!
92
244643
1826
na wiedzy i doświadczeniu!
04:06
Neil: Or maybe you were just lucky. So, the
93
246469
3329
Neil: A może po prostu miałeś szczęście. Tak więc
04:09
IBM supercomputer Deep Blue played against
94
249798
3251
superkomputer IBM Deep Blue grał przeciwko
04:13
US world chess champion Garry Kasparov in
95
253049
2503
amerykańskiemu mistrzowi świata w szachach Garri Kasparowowi w
04:15
two chess matches. The first match was played
96
255552
2747
dwóch meczach szachowych. Pierwszy mecz rozegrano
04:18
in Philadelphia in 1996 and was won by Kasparov.
97
258299
2993
w Filadelfii w 1996 roku i wygrał Kasparow.
04:21
The second was played in New York City in
98
261292
2557
Drugi rozegrano w Nowym Jorku w
04:23
1997 and won by Deep Blue. The 1997 match
99
263849
4391
1997 roku i wygrał Deep Blue. Mecz z 1997 roku
04:28
was the first defeat of a reigning world chess
100
268240
2220
był pierwszą porażką aktualnego mistrza świata w szachach
04:30
champion by a computer under tournament conditions.
101
270460
3500
przez komputer w warunkach turniejowych.
04:33
Tim: Let's go through the words we learned
102
273960
2776
Tim: Przeanalizujmy słowa, których się
04:36
today. First up was 'artificial intelligence'
103
276736
2974
dzisiaj nauczyliśmy. Najpierw pojawiła się „sztuczna inteligencja”
04:39
or AI - the ability of machines to copy human
104
279710
3318
lub sztuczna inteligencja – zdolność maszyn do kopiowania ludzkich
04:43
intelligent behaviour.
105
283028
1622
inteligentnych zachowań.
04:44
Neil: 'There are AI programs that
106
284650
2410
Neil: „Istnieją programy AI, które
04:47
can write poetry.'
107
287060
660
04:47
Tim: Do you have any examples you can recite?
108
287720
2580
potrafią pisać wiersze”.
Tim: Czy masz jakieś przykłady, które możesz wyrecytować?
04:50
Neil: Afraid I don't! Number two - an algorithm
109
290300
2850
Neil: Obawiam się, że nie! Numer dwa - algorytm
04:53
is a set of steps a computer follows in order
110
293150
2729
to zestaw kroków, które wykonuje komputer, aby
04:55
to solve a problem. For example, 'Google changes
111
295879
2953
rozwiązać problem. Na przykład „Google zmienia
04:58
its search algorithm hundreds of times every year.'
112
298832
3707
swój algorytm wyszukiwania setki razy w ciągu roku”.
05:02
Tim: The adjective is algorithmic - for example,
113
302539
2964
Tim: Przymiotnik jest algorytmiczny – na przykład
05:05
'Google has made many algorithmic changes.'
114
305503
2656
„Google wprowadził wiele zmian algorytmicznych”.
05:08
Neil: Number three - if something has 'limitations',
115
308159
3024
Neil: Numer trzy – jeśli coś ma „ograniczenia”,
05:11
there's a limit on what it can do or how good
116
311183
2617
istnieją ograniczenia co do tego, co może zrobić lub jak dobre
05:13
it can be. 'Our show has certain limitations
117
313800
2949
może być. „Nasz program ma pewne ograniczenia
05:16
' for example, it's only six minutes long!'
118
316749
2881
”, na przykład trwa tylko sześć minut!
05:19
Tim: That's right - there's only time to present
119
319630
2570
Tim: Zgadza się - jest tylko czas na przedstawienie
05:22
six vocabulary items. Short but sweet!
120
322200
2700
sześciu elementów słownictwa. Krótkie, ale słodkie!
05:24
Neil: And very intelligent, too. OK, the next
121
324900
2787
Neil: I bardzo inteligentny. OK, następna
05:27
item is 'take something for granted', which
122
327687
2664
pozycja to „przyjąć coś za pewnik”,
05:30
is when we don't realise how important something is.
123
330351
2529
czyli wtedy, gdy nie zdajemy sobie sprawy, jak ważne jest coś.
05:32
Tim: 'We take our smartphones for granted
124
332880
3046
Tim: „Obecnie smartfony traktujemy jak coś oczywistego
05:35
these days, but before 1995 hardly anyone
125
335926
2974
, ale przed 1995 rokiem prawie nikt ich nie
05:38
owned one.'
126
338900
1000
posiadał”.
05:39
Neil: Number five - 'to implement' means to
127
339900
2493
Neil: Numer pięć – „wdrożyć” oznacza
05:42
perform a task, or take action.
128
342393
1797
wykonać zadanie lub podjąć działanie.
05:44
Tim: 'Neil implemented some changes to the show.'
129
344190
2749
Tim: „Neil wprowadził pewne zmiany w programie”.
05:46
Neil: The final item is 'cutting edge' - new
130
346939
1361
Neil: Ostatnim elementem jest „nowoczesny” — nowy
05:48
and advanced - 'This software is cutting edge.'
131
348300
4119
i zaawansowany — „To oprogramowanie jest nowatorskie”.
05:52
Tim: 'The software uses cutting edge technology.'
132
352419
2761
Tim: „Oprogramowanie wykorzystuje najnowocześniejszą technologię”.
05:55
Neil: OK - that's all we have time for on
133
355180
2604
Neil: OK – to wszystko, na co mamy czas w
05:57
today's cutting edge show. But please check
134
357784
2665
dzisiejszym najnowszym programie. Ale
06:00
out our Instagram, Twitter, Facebook and YouTube
135
360449
3031
sprawdź nasze strony na Instagramie, Twitterze, Facebooku i YouTube
06:03
pages. Tim: Bye-bye!
136
363480
840
. Tim: Do widzenia!
06:04
Neil: Goodbye!
137
364320
1160
Niall: Do widzenia!
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7