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

217,839 views ・ 2017-10-11

BBC Learning English


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo. As legendas traduzidas são traduzidas automaticamente.

00:07
Neil: Welcome to 6 Minute English, where we
0
7160
1820
Neil: Bem-vindo ao 6 Minute English, onde
00:08
bring you an intelligent topic and six related
1
8980
2240
trazemos a você um tópico inteligente e seis
00:11
items of vocabulary. I'm Neil.
2
11230
1809
itens de vocabulário relacionados. Eu sou Neil.
00:13
Tim: And I'm Tim. And today we're talking
3
13039
3270
Tim: E eu sou o Tim. E hoje vamos falar
00:16
about AI - or Artificial Intelligence.
4
16309
3031
sobre AI - ou Inteligência Artificial.
00:19
Neil: Artificial Intelligence is the ability
5
19340
2862
Neil: Inteligência Artificial é a capacidade
00:22
of machines to copy human intelligent behaviour
6
22202
3058
das máquinas de copiar o comportamento humano inteligente
00:25
- for example, an intelligent machine can
7
25260
2343
- por exemplo, uma máquina inteligente pode
00:27
learn from its own mistakes, and make decisions
8
27603
2686
aprender com seus próprios erros e tomar decisões
00:30
based on what's happened in the past.
9
30289
1970
com base no que aconteceu no passado.
00:32
Tim: There's a lot of talk about AI these
10
32259
2322
Tim: Fala-se muito sobre IA hoje em
00:34
days, Neil, but it's still just science fiction,
11
34581
2719
dia, Neil, mas ainda é apenas ficção científica,
00:37
isn't it?
12
37300
1000
não é?
00:38
Neil: That's not true - AI is everywhere.
13
38300
2539
Neil: Isso não é verdade - a IA está em toda parte. O
00:40
Machine thinking is in our homes, offices,
14
40839
2601
pensamento de máquina está em nossas casas, escritórios,
00:43
schools and hospitals. Computer algorithms
15
43440
2797
escolas e hospitais. Algoritmos de computador
00:46
are helping us drive our cars. They're diagnosing
16
46237
3263
estão nos ajudando a dirigir nossos carros. Eles estão diagnosticando o
00:49
what's wrong with us in hospitals. They're
17
49500
2395
que há de errado conosco nos hospitais. Eles estão
00:51
marking student essays. They're telling us
18
51895
2395
corrigindo as redações dos alunos. Eles estão nos dizendo o
00:54
what to read on our smartphones.
19
54290
1230
que ler em nossos smartphones.
00:55
Tim: Well, that really does sound like science
20
55520
2654
Tim: Bem, isso realmente soa como
00:58
fiction - but it's happening already, you
21
58174
2366
ficção científica - mas já está acontecendo, você
01:00
say, Neil?
22
60540
1000
diz, Neil?
01:01
Neil: It's definitely happening, Tim. And
23
61540
2123
Neil: Definitivamente está acontecendo, Tim. E
01:03
an algorithm, by the way, is a set of steps
24
63663
2227
um algoritmo, a propósito, é um conjunto de passos que
01:05
a computer follows in order to solve a problem.
25
65890
2919
um computador segue para resolver um problema.
01:08
So can you tell me what was the name of the
26
68809
2670
Então, você pode me dizer qual era o nome do
01:11
computer which famously beat world chess champion
27
71479
4091
computador que derrotou o famoso campeão mundial de xadrez
01:15
Garry Kasparov using algorithms in 1997? Was
28
75570
3590
Garry Kasparov usando algoritmos em 1997?
01:19
it: a) Hal, b) Alpha 60 or c) Deep Blue?
29
79160
4749
Foi: a) Hal, b) Alpha 60 ou c) Deep Blue?
01:23
Tim: I'll say Deep Blue. Although I'm just
30
83909
2800
Tim: Direi Deep Blue. Embora eu esteja apenas
01:26
guessing.
31
86709
1551
supondo.
01:28
Neil: Was it an educated guess, Tim?
32
88260
1750
Neil: Foi um palpite, Tim?
01:30
Tim: I know a bit about chess...
33
90010
1630
Tim: Eu sei um pouco sobre xadrez...
01:31
Neil: An educated guess is based on knowledge
34
91640
2501
Neil: Um palpite fundamentado é baseado em conhecimento
01:34
and experience and is therefore likely to
35
94141
2279
e experiência e, portanto, provavelmente
01:36
be correct. Well, we'll find out later on
36
96420
2385
estará correto. Bem, descobriremos mais tarde o
01:38
how educated your guess was in this case, Tim!
37
98805
2435
quão educado foi seu palpite neste caso, Tim!
01:41
Tim: Indeed. But getting back to AI and what
38
101240
3500
Tim: De fato. Mas voltando à IA e ao que as
01:44
machines can do - are they any good at solving
39
104740
3340
máquinas podem fazer - elas são boas para resolver
01:48
real-life problems? Computers think in zeros
40
108090
2865
problemas da vida real? Computadores pensam em zeros
01:50
and ones don't they? That sounds like a pretty
41
110955
2995
e uns, não é? Isso soa como uma
01:53
limited language when it comes to life experience!
42
113950
2440
linguagem bastante limitada quando se trata de experiência de vida!
01:56
Neil: You would be surprised to what those
43
116390
2290
Neil: Você ficaria surpreso com o que esses
01:58
zeroes and ones can do, Tim. Although you're
44
118680
2399
zeros e uns podem fazer, Tim. Embora você esteja
02:01
right that AI does have its limitations at
45
121079
2467
certo de que a IA tem suas limitações
02:03
the moment. And if something has limitations
46
123546
2584
no momento. E se algo tem limitações,
02:06
there's a limit on what it can do or how good
47
126130
2230
há um limite para o que pode fazer ou para o quão bom
02:08
it can be.
48
128360
980
pode ser.
02:09
Tim: OK - well now might be a good time to
49
129360
2620
Tim: OK - bem, agora pode ser um bom momento para
02:11
listen to Zoubin Bharhramani, Professor of
50
131988
2811
ouvir Zoubin Bharhramani, professor de
02:14
Information Engineering at the University
51
134799
2627
Engenharia da Informação na Universidade
02:17
of Cambridge and deputy director of the Leverhulme
52
137426
3203
de Cambridge e vice-diretor do Leverhulme
02:20
Centre for the Future of Intelligence. He's
53
140629
3099
Center for the Future of Intelligence. Ele está
02:23
talking about what limitations AI has at the
54
143728
3172
falando sobre quais limitações a IA tem no
02:26
moment.
55
146900
2160
momento.
02:29
Zoubin Bharhramani: I think it's very interesting
56
149060
1960
Zoubin Bharhramani: Eu acho que é muito interessante
02:31
how many of the things that we take for granted
57
151023
2996
quantas das coisas que tomamos como certas
02:34
- we humans take for granted - as being sort
58
154019
2155
- nós, humanos, como certas - como sendo
02:36
of things we don't even think about like how
59
156174
2155
coisas nas quais nem pensamos, como como
02:38
do we walk, how do we reach, how do we recognise
60
158329
3464
andamos, como alcançamos, como reconhecemos
02:41
our mother. You know, all these things. When
61
161793
3176
nossa mãe. Você sabe, todas essas coisas. Quando
02:44
you start to think how to implement them on
62
164969
2491
você começa a pensar em como implementá-los em
02:47
a computer, you realise that it's those things
63
167460
4240
um computador, percebe que são essas coisas
02:51
that are incredibly difficult to get computers
64
171709
3923
que são incrivelmente difíceis de conseguir que os computadores
02:55
to do, and that's where the current cutting
65
175632
3667
façam, e é aí que
02:59
edge of research is.
66
179300
2860
está a pesquisa atual de ponta.
03:02
Neil: If we take something for granted we
67
182160
1240
Neil: Se tomarmos algo como certo,
03:03
don't realise how important something is.
68
183410
2310
não percebemos o quão importante algo é.
03:05
Tim: You sometimes take me for granted,
69
185720
2363
Tim: Você às vezes não me dá valor,
03:08
think, Neil.
70
188083
727
03:08
Neil: No - I never take you for granted, Tim!
71
188810
2432
pense, Neil.
Neil: Não - eu nunca considero você garantido, Tim!
03:11
You're far too important for that!
72
191242
1837
Você é importante demais para isso!
03:13
Tim: Good to hear! So things we take for granted
73
193079
3688
Tim: Bom ouvir! Então, coisas que tomamos como certas
03:16
are doing every day tasks like walking, picking
74
196767
3612
são fazer tarefas diárias como caminhar, pegar
03:20
something up, or recognising somebody. We
75
200379
3218
algo ou reconhecer alguém.
03:23
implement - or perform - these things without
76
203597
3532
Implementamos - ou executamos - essas coisas sem
03:27
thinking. Whereas it's cutting edge research
77
207129
2781
pensar. Considerando que é uma pesquisa de ponta
03:29
to try and program a machine to do them.
78
209910
2529
tentar programar uma máquina para fazê-los.
03:32
Neil: Cutting edge means very new and advanced.
79
212439
2492
Neil: Vanguarda significa muito novo e avançado.
03:34
It's interesting isn't it, that over ten years
80
214931
2439
É interessante, não é, que há mais de dez anos
03:37
ago a computer beat a chess grand master - but
81
217370
2666
um computador derrotou um grande mestre do xadrez - mas
03:40
the same computer would find it incredibly
82
220036
2434
o mesmo computador acharia incrivelmente
03:42
difficult to pick up a chess piece.
83
222470
1949
difícil pegar uma peça de xadrez.
03:44
Tim: I know. It's very strange. But now you've
84
224419
2550
Tim: Eu sei. É muito estranho. Mas agora você
03:46
reminded me that we need the answer to today's
85
226969
2550
me lembrou que precisamos da resposta para a
03:49
question.
86
229519
1000
pergunta de hoje.
03:50
Neil: Which was: What was the name of the
87
230519
2567
Neil: Qual era: Qual era o nome do
03:53
computer who famously beat world chess champion
88
233086
2943
computador que derrotou o famoso campeão mundial de xadrez
03:56
Gary Kasparov in 1997? Now, you said Deep
89
236029
2832
Gary Kasparov em 1997? Agora, você disse Deep
03:58
Blue, Tim, and... that was the right answer!
90
238861
3108
Blue, Tim, e... essa foi a resposta certa!
04:01
Tim: You see, my educated guess was based
91
241969
2674
Tim: Veja bem, meu palpite fundamentado foi baseado
04:04
on knowledge and experience!
92
244643
1826
em conhecimento e experiência!
04:06
Neil: Or maybe you were just lucky. So, the
93
246469
3329
Neil: Ou talvez você tenha tido sorte. Assim, o
04:09
IBM supercomputer Deep Blue played against
94
249798
3251
supercomputador Deep Blue da IBM jogou contra o
04:13
US world chess champion Garry Kasparov in
95
253049
2503
campeão mundial de xadrez dos Estados Unidos Garry Kasparov em
04:15
two chess matches. The first match was played
96
255552
2747
duas partidas de xadrez. A primeira partida foi disputada
04:18
in Philadelphia in 1996 and was won by Kasparov.
97
258299
2993
na Filadélfia em 1996 e foi vencida por Kasparov.
04:21
The second was played in New York City in
98
261292
2557
A segunda foi disputada em Nova York em
04:23
1997 and won by Deep Blue. The 1997 match
99
263849
4391
1997 e vencida pelo Deep Blue. A partida de 1997
04:28
was the first defeat of a reigning world chess
100
268240
2220
foi a primeira derrota de um atual campeão mundial de xadrez
04:30
champion by a computer under tournament conditions.
101
270460
3500
por um computador em condições de torneio.
04:33
Tim: Let's go through the words we learned
102
273960
2776
Tim: Vamos ver as palavras que aprendemos
04:36
today. First up was 'artificial intelligence'
103
276736
2974
hoje. O primeiro foi a 'inteligência artificial'
04:39
or AI - the ability of machines to copy human
104
279710
3318
ou AI - a capacidade das máquinas de copiar o
04:43
intelligent behaviour.
105
283028
1622
comportamento inteligente humano.
04:44
Neil: 'There are AI programs that
106
284650
2410
Neil: 'Existem 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
podem escrever poesia.'
Tim: Você tem algum exemplo que possa recitar?
04:50
Neil: Afraid I don't! Number two - an algorithm
109
290300
2850
Neil: Receio que não! Número dois - um algoritmo
04:53
is a set of steps a computer follows in order
110
293150
2729
é um conjunto de etapas que um computador segue
04:55
to solve a problem. For example, 'Google changes
111
295879
2953
para resolver um problema. Por exemplo, 'o Google muda
04:58
its search algorithm hundreds of times every year.'
112
298832
3707
seu algoritmo de busca centenas de vezes todos os anos'.
05:02
Tim: The adjective is algorithmic - for example,
113
302539
2964
Tim: O adjetivo é algorítmico - por exemplo,
05:05
'Google has made many algorithmic changes.'
114
305503
2656
'o Google fez muitas mudanças algorítmicas.'
05:08
Neil: Number three - if something has 'limitations',
115
308159
3024
Neil: Número três - se algo tem 'limitações',
05:11
there's a limit on what it can do or how good
116
311183
2617
há um limite no que pode fazer ou quão bom
05:13
it can be. 'Our show has certain limitations
117
313800
2949
pode ser. 'Nosso show tem certas limitações
05:16
' for example, it's only six minutes long!'
118
316749
2881
'por exemplo, tem apenas seis minutos de duração!'
05:19
Tim: That's right - there's only time to present
119
319630
2570
Tim: Isso mesmo - só há tempo para apresentar
05:22
six vocabulary items. Short but sweet!
120
322200
2700
seis itens de vocabulário. Curto, mas doce!
05:24
Neil: And very intelligent, too. OK, the next
121
324900
2787
Neil: E muito inteligente também. OK, o próximo
05:27
item is 'take something for granted', which
122
327687
2664
item é 'tomar algo como certo', que
05:30
is when we don't realise how important something is.
123
330351
2529
é quando não percebemos o quanto algo é importante.
05:32
Tim: 'We take our smartphones for granted
124
332880
3046
Tim: 'Atualmente não damos valor aos nossos smartphones
05:35
these days, but before 1995 hardly anyone
125
335926
2974
, mas antes de 1995 quase ninguém
05:38
owned one.'
126
338900
1000
possuía um.'
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
executar uma tarefa ou agir.
05:44
Tim: 'Neil implemented some changes to the show.'
129
344190
2749
Tim: 'Neil implementou algumas mudanças no show.'
05:46
Neil: The final item is 'cutting edge' - new
130
346939
1361
Neil: O item final é 'de ponta' - novo
05:48
and advanced - 'This software is cutting edge.'
131
348300
4119
e avançado - 'Este software é de ponta.'
05:52
Tim: 'The software uses cutting edge technology.'
132
352419
2761
Tim: 'O software usa tecnologia de ponta.'
05:55
Neil: OK - that's all we have time for on
133
355180
2604
Neil: OK - é tudo o que temos tempo para fazer no
05:57
today's cutting edge show. But please check
134
357784
2665
programa de ponta de hoje. Mas, por favor,
06:00
out our Instagram, Twitter, Facebook and YouTube
135
360449
3031
confira nossas páginas no Instagram, Twitter, Facebook e YouTube
06:03
pages. Tim: Bye-bye!
136
363480
840
. Tim: Tchau tchau!
06:04
Neil: Goodbye!
137
364320
1160
Neil: Adeus!
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7