How AI Could Empower Any Business | Andrew Ng | TED

1,040,648 views ・ 2022-10-13

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Iris Bare Επιμέλεια: Chryssa Rapessi
00:04
When I think about the rise of AI,
0
4376
3086
Όταν σκέφτομαι την άνοδο της τεχνητής νοημοσύνης,
00:07
I'm reminded by the rise of literacy.
1
7504
3170
θυμάμαι την άνοδο του αλφαβητισμού.
00:10
A few hundred years ago,
2
10715
1210
Πριν μερικές εκατοντάδες χρόνια,
00:11
many people in society thought
3
11967
1543
πολλοί άνθρωποι στην κοινωνία πίστευαν
00:13
that maybe not everyone needed to be able to read and write.
4
13552
3920
ότι ίσως δεν έπρεπε να ξέρουν όλοι να διαβάζουν και να γράφουν.
00:17
Back then, many people were tending fields or herding sheep,
5
17514
2919
Τότε, πολλοί άνθρωποι ασχολούνταν με χωράφια ή κοπάδια,
00:20
so maybe there was less need for written communication.
6
20433
2670
οπότε ίσως υπήρχε λιγότερη ανάγκη για γραπτή επικοινωνία.
00:23
And all that was needed
7
23144
1168
Και το μόνο που χρειαζόταν
00:24
was for the high priests and priestesses and monks
8
24354
2377
ήταν οι αρχιερείς, οι αρχιέρειες και οι μοναχοί
00:26
to be able to read the Holy Book,
9
26773
1585
να μπορούν να διαβάζουν το Ιερό Βιβλίο,
00:28
and the rest of us could just go to the temple or church
10
28358
2920
και οι υπόλοιποι μπορούσαμε απλώς να πάμε στον ναό ή την εκκλησία
00:31
or the holy building
11
31319
1126
ή το άγιο κτήριο
00:32
and sit and listen to the high priest and priestesses read to us.
12
32487
3378
και να ακούμε τον αρχιερέα και τις ιέρειες να μας διαβάζουν.
00:35
Fortunately, it was since figured out that we can build a much richer society
13
35907
3629
Ευτυχώς, πλέον γνωρίζουμε ότι μπορούμε να χτίσουμε μια πλουσιότερη κοινωνία
00:39
if lots of people can read and write.
14
39536
2502
εάν πολλοί άνθρωποι μπορούν να διαβάζουν και να γράφουν.
00:42
Today, AI is in the hands of the high priests and priestesses.
15
42080
4630
Σήμερα, η ΤΝ είναι στα χέρια των αρχιερέων και των αρχιερειών.
00:46
These are the highly skilled AI engineers,
16
46710
2043
Οι εξειδικευμένοι μηχανικοί ΤΝ
00:48
many of whom work in the big tech companies.
17
48753
2503
που εργάζονται σε μεγάλες εταιρείες τεχνολογίας.
00:51
And most people have access only to the AI that they build for them.
18
51590
3795
Και αυτοί έχουν πρόσβαση μόνο στην ΤΝ που έφτιαξαν γι′ αυτούς.
00:55
I think that we can build a much richer society
19
55885
2586
Νομίζω οτι μπορούμε να χτίσουμε μια πολύ πιο πλούσια κοινωνία
00:58
if we can enable everyone to help to write the future.
20
58513
4421
εάν δώσουμε σε όλους τη δυνατότητα να βοηθήσουν να γράψουν το μέλλον.
01:03
But why is AI largely concentrated in the big tech companies?
21
63977
4421
Αλλά γιατί είναι η ΤΝ κυρίως συγκεντρωμένη σε μεγάλες εταιρίες τεχνολογίας;
01:08
Because many of these AI projects have been expensive to build.
22
68398
2961
Διότι είναι ακριβό να κατασκευάσεις πολλά απο αυτά τα πρότζεκτ ΤΝ.
01:11
They may require dozens of highly skilled engineers,
23
71401
2878
Μπορεί να απαιτούν δεκάδες εξειδικευμένους μηχανικούς,
01:14
and they may cost millions or tens of millions of dollars
24
74321
2711
και μπορεί να κοστίζουν εκατομμύρια ή δεκάδες εκατομμύρια δολλάρια
01:17
to build an AI system.
25
77032
1668
για να κατασκευάσεις ένα σύστημα ΤΝ.
01:19
And the large tech companies,
26
79034
1543
Και οι μεγάλες εταιρίες τεχνολογίας,
01:20
particularly the ones with hundreds of millions
27
80619
2335
ειδικά αυτές με εκατοντάδες εκατομμύρια
01:22
or even billions of users,
28
82996
1460
ή και δισεκατομμύρια χρήστες,
01:24
have been better than anyone else at making these investments pay off
29
84497
4380
είναι καλύτερες από τον καθένα στο να κάνουν αυτές τις επενδύσεις να αποδίδουν
01:28
because, for them, a one-size-fits-all AI system,
30
88877
4296
γιατί, για αυτές, ένα σύστημα ΤΝ που ταιριάζει σε όλους,
όπως ένα που βελτίωνει την αναζήτηση στο διαδίκτυο
01:33
such as one that improves web search
31
93173
2127
01:35
or that recommends better products for online shopping,
32
95300
3003
ή που προτείνει καλύτερα προϊόντα στις διαδικτιακές αγορές,
01:38
can be applied to [these] very large numbers of users
33
98345
3086
μπορεί να εφαρμοστεί σε [αυτά] τα πολύ μεγάλα νούμερα χρηστών
01:41
to generate a massive amount of revenue.
34
101473
2252
για να δημιουργήσει τεράστια έσοδα.
01:44
But this recipe for AI does not work
35
104517
3379
Αλλά η συνταγή της ΤΝ δεν λειτουργεί
01:47
once you go outside the tech and internet sectors to other places
36
107937
4255
όταν βγεις έξω από τον τεχνολογικό και διαδικτυακό τομέα και πας σε άλλα μέρη
01:52
where, for the most part,
37
112233
1252
όπου, σε γενικές γραμμές,
01:53
there are hardly any projects that apply to 100 million people
38
113526
3963
υπάρχουν ελάχιστα πρότζεκτ που ισχύουν για 100 εκατομμύρια ανθρώπους
01:57
or that generate comparable economics.
39
117530
2795
ή που παράγουν παρόμοια οικονομικά στοιχεία.
02:00
Let me illustrate an example.
40
120950
1961
Ας δούμε ένα παράδειγμα.
02:03
Many weekends, I drive a few minutes from my house to a local pizza store
41
123578
5798
Πολλά σαββατοκύριακα, οδηγώ μερικά λεπτά απ’ το σπίτι μου στην κοντινή πιτσαρία
02:09
to buy a slice of Hawaiian pizza
42
129417
1835
για να αγοράσω ένα κομμάτι χαβανέζικη πίτσα
02:11
from the gentleman that owns this pizza store.
43
131294
2878
από τον κύριο που έχει την πιτσαρία.
02:14
And his pizza is great,
44
134214
1501
Και η πίτσα του είναι τέλεια,
02:15
but he always has a lot of cold pizzas sitting around,
45
135715
3337
αλλά πάντα έχει στην άκρη αρκετές κρύες πίτσες,
02:19
and every weekend some different flavor of pizza is out of stock.
46
139094
3336
και κάθε σαββατοκύριακο μια διαφορετική γεύση πίτσας έχει εξαντληθεί.
02:23
But when I watch him operate his store,
47
143139
2670
Αλλά όταν τον βλέπω να εργάζεται στο μαγαζί του
02:25
I get excited,
48
145809
1334
ενθουσιάζομαι,
02:27
because by selling pizza,
49
147143
2211
γιατί πουλώντας πίτσα,
02:29
he is generating data.
50
149396
2419
δημιουργεί δεδομένα.
02:31
And this is data that he can take advantage of
51
151856
2753
Και αυτά είναι δεδομένα που θα μπορούσε να εκμεταλλευτεί
02:34
if he had access to AI.
52
154651
2419
εάν είχε πρόσβαση στην ΤΝ.
02:37
AI systems are good at spotting patterns when given access to the right data,
53
157946
5172
Τα συστήματα ΤΝ είναι καλά στο να εντοπίζουν μοτίβα
όταν έχουν πρόσβαση στα σωστά δεδομένα,
02:43
and perhaps an AI system could spot if Mediterranean pizzas sell really well
54
163159
4630
και πιθανώς ενα σύστημα ΤΝ να μπορούσε να εντοπίσει εάν οι μεσογειακές πίτσες
πουλάνε πολύ το βράδυ της Παρασκευής,
02:47
on a Friday night,
55
167789
1168
02:48
maybe it could suggest to him to make more of it on a Friday afternoon.
56
168957
3712
ίσως θα μπορούσε να του προτείνει
να φτιάξει περισσότερη το απόγευμα της Παρασκευής.
02:53
Now you might say to me, "Hey, Andrew, this is a small pizza store.
57
173294
3170
Και τώρα ίσως πείτε, «Άντριου, είναι μια μικρή πιτσαρία.
02:56
What's the big deal?"
58
176464
1543
Τι σημασία έχει;»
02:58
And I say, to the gentleman that owns this pizza store,
59
178007
3337
Και εγώ θα πω, στον κυριο που έχει την πιτσαρία,
03:01
something that could help him improve his revenues
60
181386
2336
ότι κάτι που μπορεί να τον βοηθήσει να βελτιώσει τα έσοδά του
03:03
by a few thousand dollars a year, that will be a huge deal to him.
61
183763
3170
κατά μερικές χιλιάδες δολάρια τον χρόνο, θα έχει τεράστια σημασία για αυτόν.
03:08
I know that there is a lot of hype about AI's need for massive data sets,
62
188768
5506
Ξέρω ότι υπάρχει πολύς ντόρος για την ανάγκη της ΤΝ για μεγάλα σύνολα δεδομένων,
03:14
and having more data does help.
63
194315
1919
και το να έχεις περισσότερα δεδομένα όντως βοηθάει.
03:17
But contrary to the hype,
64
197110
2127
Αλλά αντίθετα με τον ντόρο,
03:19
AI can often work just fine
65
199279
1710
η ΤΝ μπορεί συχνά να λειτουργήσει μια χαρά
03:21
even on modest amounts of data,
66
201030
2086
ακόμα και με μικρές ποσότητες δεδομένων,
03:23
such as the data generated by a single pizza store.
67
203158
2877
όπως τα δεδομένα που παράγει μια απλή πιτσαρία.
03:26
So the real problem is not
68
206661
1668
Οπότε το πραγματικό πρόβλημα δεν είναι
03:28
that there isn’t enough data from the pizza store.
69
208329
2420
το ότι δεν υπάρχουν αρκετά δεδομένα από την πιτσαρία.
03:30
The real problem is that the small pizza store
70
210790
2419
Το πραγματικό πρόβλημα είναι ότι η μικρή πιτσαρία
03:33
could never serve enough customers
71
213209
1627
δεν θα μπορούσε ποτέ να εξυπηρετήσει αρκετούς πελάτες
03:34
to justify the cost of hiring an AI team.
72
214878
3336
για να δικαιολογήσει το κόστος του να προσλάβει ομάδα ΤΝ.
03:39
I know that in the United States
73
219340
2586
Ξέρω ότι στις Ηνωμένες Πολιτείες
03:41
there are about half a million independent restaurants.
74
221926
2628
υπάρχουν περίπου μισό εκατομμύριο ανεξάρτητα εστιατόρια.
03:44
And collectively, these restaurants do serve tens of millions of customers.
75
224554
3837
Και συνολικά, αυτά τα εστιατόρια όντως εξυπηρετούν δεκάδες εκατομμύρια πελάτες.
03:48
But every restaurant is different with a different menu,
76
228433
2669
Αλλά κάθε εστιατόριο είναι διαφορετικό με διαφορετικό μενού,
03:51
different customers, different ways of recording sales
77
231144
2544
διαφορετικούς πελάτες, διαφορετικούς τρόπους καταγραφής πωλήσεων
03:53
that no one-size-fits-all AI would work for all of them.
78
233730
3503
που κανένα μοναδικό πρόγραμμα ΤΝ δεν θα ταίριαζε σε όλα.
03:58
What would it be like if we could enable small businesses
79
238359
3587
Πώς θα ήταν αν μπορούσαμε να επιτρέψουμε στις μικρές επιχειρήσεις
04:01
and especially local businesses to use AI?
80
241988
2878
και κυρίως στις τοπικές επιχειρήσεις να χρησιμοποιούν ΤΝ;
04:05
Let's take a look at what it might look like
81
245325
2085
Ας δούμε πως μπορεί να γίνει
04:07
at a company that makes and sells T-shirts.
82
247410
2795
σε μια εταιρία που φτιάχνει και πουλάει μπλουζάκια.
04:10
I would love if an accountant working for the T-shirt company
83
250705
3587
Θα ήθελα πολύ ένας λογιστής που δουλεύει για την εταιρία με τα μπλουζάκια
να μπορούσε να χρησιμοποιήσει ΤΝ για την πρόβλεψη ζήτησης.
04:14
can use AI for demand forecasting.
84
254292
2252
04:16
Say, figure out what funny memes to prints on T-shirts
85
256586
2836
Ας πούμε, να καταλάβει ποια αστεία μιμίδια να τυπώσει στα μπλουζάκια
04:19
that would drive sales,
86
259464
1168
που θα αυξήσουν τις πωλήσεις
04:20
by looking at what's trending on social media.
87
260632
2460
βλέποντας τις τάσεις στα μέσα κοινωνικής δικτύωσης
04:23
Or for product placement,
88
263092
2086
Ή για την τοποθέτηση προϊόντος,
04:25
why can’t a front-of-store manager take pictures of what the store looks like
89
265220
4129
γιατί να μην μπορεί ένας διευθυντής καταστήματος να βγάλει φωτογραφίες
το κατάστημα
04:29
and show it to an AI
90
269390
1210
και να τις δείξει στην ΤΝ
04:30
and have an AI recommend where to place products to improve sales?
91
270642
4045
ώστε το σύστημα να του προτείνει πού να
τοποθετήσει τα προϊόντα για να αυξήσει τις πωλήσεις;
04:34
Supply chain.
92
274729
1168
04:35
Can an AI recommend to a buyer whether or not they should pay 20 dollars
93
275939
3712
Εφοδιαστική αλυσίδα.
Μπορεί η ΤΝ να προτείνει σε έναν αγοραστή εάν πρέπει ή όχι να πληρώσει 20 δολάρια
04:39
per yard for a piece of fabric now,
94
279692
2253
ανά μέτρο για ένα κομμάτι υφάσματος τώρα,
04:41
or if they should keep looking
95
281986
1460
ή αν πρέπει να συνεχίσει να ψάχνει
04:43
because they might be able to find it cheaper elsewhere?
96
283446
2628
γιατί μπορεί να το βρει φθηνότερα αλλού;
Ή ο ποιοτικός έλεγχος.
04:46
Or quality control.
97
286074
1585
04:47
A quality inspector should be able to use AI
98
287700
2837
Ένας επιθεωρητής ποιότητας θα πρέπει να μπορεί να χρησιμοποιεί την ΤΝ
04:50
to automatically scan pictures of the fabric they use to make T-shirts
99
290537
4713
για να σκανάρει αυτόματα φωτογραφίες του υφάσματος
που χρησιμοποιούν για να φτιάξουν τις μπλούζες
04:55
to check if there are any tears or discolorations in the cloth.
100
295291
3212
για να ελέγξει αν υπάρχουν σκισίματα ή λεκέδες στο ύφασμα.
Σήμερα, μεγάλες εταιρίες τεχνολογίας χρησιμοποιούν τακτικά ΤΝ
04:59
Today, large tech companies routinely use AI to solve problems like these
101
299170
5255
για να λύσουν τέτοια προβλήματα
05:04
and to great effect.
102
304467
1418
και με σημαντικά αποτελέσματα.
05:06
But a typical T-shirt company or a typical auto mechanic
103
306636
4880
Αλλά μια τυπική εταιρία με μπλούζες ή ένας τυπικός μηχανικός αυτοκινήτων
05:11
or retailer or school or local farm
104
311558
3545
ή ένας λιανοπωλητής ή ένα σχολείο ή μια τοπική φάρμα
05:15
will be using AI for exactly zero of these applications today.
105
315103
3754
δεν θα χρησιμοποιούν ΤΝ για καμία από αυτές τις εφαρμογές.
05:19
Every T-shirt maker is sufficiently different from every other T-shirt maker
106
319816
4254
Κάθε παραγωγός μπλούζων είναι αρκετά διαφορετικός από έναν άλλον
05:24
that there is no one-size-fits-all AI that will work for all of them.
107
324112
3503
ώστε να μην υπάρχει ένα μοναδικό σύστημα ΤΝ που να ταιριάζει σε όλους.
05:28
And in fact, once you go outside the internet and tech sectors
108
328157
4922
Και μάλιστα, μόλις βγεις από το ίντερνετ και τους τεχνολογικούς τομείς
05:33
in other industries, even large companies
109
333079
2544
σε άλλες βιομηχανίες, ακόμα και μεγάλες εταιρίες
05:35
such as the pharmaceutical companies,
110
335665
1919
όπως οι φαρμακευτικές εταιρίες,
05:37
the car makers, the hospitals,
111
337625
1961
οι παραγωγοί αυτοκινήτων, τα νοσοκομεία,
05:39
also struggle with this.
112
339586
1710
κι αυτές δυσκολεύονται με αυτό.
05:42
This is the long-tail problem of AI.
113
342463
3129
Αυτό είναι το πρόβλημα της μακριάς ουράς στην ΤΝ.
05:46
If you were to take all current and potential AI projects
114
346342
4547
Αν έπαιρνες όλα τα τρέχοντα και πιθανά πρότζεκτ ΤΝ
05:50
and sort them in decreasing order of value and plot them,
115
350930
4213
και τα ταξινομούσες σε φθίνουσα σειρά αξίας και τα παραστούσες γραφικά
05:55
you get a graph that looks like this.
116
355184
1836
θα είχες ένα τέτοιο γράφημα.
05:57
Maybe the single most valuable AI system
117
357061
2086
Ίσως το πιο σημαντικό σύστημα ΤΝ
είναι κάτι που αποφασίζει τι διαφημίσεις να δείξει στον κόσμο στο ίντερνετ.
05:59
is something that decides what ads to show people on the internet.
118
359188
3295
06:02
Maybe the second most valuable is a web search engine,
119
362483
2545
Ίσως το δεύτερο να είναι μια μηχανή αναζήτησης ιστού,
06:05
maybe the third most valuable is an online shopping product recommendation system.
120
365069
3921
ίσως το τρίτο να είναι ένα σύστημα σύστασης προϊόντων
για διαδικτυακές αγορές.
06:09
But when you go to the right of this curve,
121
369407
2753
Αλλά όταν πας στα δεξιά αυτής της καμπύλης
06:12
you then get projects like T-shirt product placement
122
372201
3212
τότε θα δείτε πρότζεκτ όπως τοποθέτηση προϊόντων μπλουζών
06:15
or T-shirt demand forecasting or pizzeria demand forecasting.
123
375455
4171
ή πρόβλεψη ζήτησης μπλουζών ή πρόβλεψη ζήτησης πιτσαρίας.
Και καθένα από αυτά είναι ένα μοναδικό πρότζεκτ
06:20
And each of these is a unique project that needs to be custom-built.
124
380043
4379
που πρέπει να φτιαχτεί κατά παραγγελία.
06:24
Even T-shirt demand forecasting,
125
384839
1835
Ακόμα και η πρόβλεψη ζήτησης μπλουζών,
06:26
if it depends on trending memes on social media,
126
386674
3170
εάν βασίζεται στα δημοφιλή μιμίδια στα μέσα κοινωνικής δικτύωσης,
06:29
is a very different project than pizzeria demand forecasting,
127
389844
4505
είναι πολύ διαφορετικό πρότζεκτ από την πρόβλεψη ζήτησης πιτσαρίας,
06:34
if that depends on the pizzeria sales data.
128
394390
2253
εάν αυτό βασίζεται στα δεδομένα πωλήσεων της πιτσαρίας.
06:37
So today there are millions of projects
129
397310
2502
Οπότε σήμερα υπάρχουν εκατομμύρια πρότζεκτ
06:39
sitting on the tail of this distribution that no one is working on,
130
399812
3504
που βρίσκονται στην ουρά αυτής της διανομής
και που κανείς δεν ασχολείται με αυτά,
06:43
but whose aggregate value is massive.
131
403358
2460
αλλά των οποίων η συνολική αξία είναι τεράστια.
06:46
So how can we enable small businesses and individuals
132
406486
3086
Άρα πώς μπορούμε να βοηθήσουμε τον κόσμο και τις μικρές επιχειρήσεις
06:49
to build AI systems that matter to them?
133
409572
2795
να χτίσουν συστήματα ΤΝ που είναι σημαντικά για αυτούς;
06:52
For most of the last few decades,
134
412951
1793
Για το μεγαλύτερο μέρος των τελευταίων δεκαετιών,
06:54
if you wanted to build an AI system, this is what you have to do.
135
414786
3587
αν ήθελες να χτίσεις ένα σύστημα ΤΝ, πρέπει να κάνεις το εξής.
06:58
You have to write pages and pages of code.
136
418414
2211
Πρέπει να γράψεις αμέτρητες σελίδες κώδικα.
07:00
And while I would love for everyone to learn to code,
137
420959
2752
Και αν και θα ήθελα πολύ να μάθουν όλοι να γράφουν κώδικα,
07:03
and in fact, online education and also offline education
138
423753
3170
και μάλιστα, η διαδικτυακή εκπαίδευση όπως και η εκπαίδευση εκτός δικτύου
07:06
are helping more people than ever learn to code,
139
426965
2794
βοηθούν περισσότερο κόσμο από ποτέ να μάθουν να κωδικοποιούν,
07:09
unfortunately, not everyone has the time to do this.
140
429801
3336
δυστυχώς, δεν έχουν όλοι τον χρόνο να το κάνουν.
07:13
But there is an emerging new way
141
433721
2253
Αλλά υπάρχει ένας νέος τρόπος
07:16
to build AI systems that will let more people participate.
142
436015
3379
να χτίσεις συστήματα ΤΝ που επιτρέπει σε περισσότερο κόσμο να συμμετάσχει.
07:20
Just as pen and paper,
143
440019
2544
Όπως το χαρτί και το μολύβι,
07:22
which are a vastly superior technology to stone tablet and chisel,
144
442563
4338
τα οποία είναι εξαιρετικά ανώτερη τεχνολογία από την πλάκα και τη σμίλη,
07:26
were instrumental to widespread literacy,
145
446943
2669
ήταν καθοριστικά για τη διάδοση του αλφαβητισμού,
07:29
there are emerging new AI development platforms
146
449654
3003
υπάρχουν καινούργιες πλατφόρμες ανάπτυξης ΤΝ
07:32
that shift the focus from asking you to write lots of code
147
452699
3211
που αλλάζουν το επίκεντρο από το να σου ζητήσουν να γράψεις πολύ κώδικα
07:35
to asking you to focus on providing data.
148
455952
3128
στο να σου ζητήσουν να εστιάσεις στην παροχή δεδομένων.
07:39
And this turns out to be much easier for a lot of people to do.
149
459122
3211
Και αυτό αποδεικνύεται πολύ πιο εύκολο για πολλούς ανθρώπους.
07:43
Today, there are multiple companies working on platforms like these.
150
463126
4546
Σήμερα, υπάρχουν πολλές εταιρίες που δουλεύουν πάνω σε τέτοιες πλατφόρμες.
07:47
Let me illustrate a few of the concepts using one that my team has been building.
151
467714
4254
Επιτρέψτε μου να παρουσιάσω μερικές ιδέες χρησιμοποιώντας
μία που έχει δημιουργήσει η ομάδα μου.
07:51
Take the example of an inspector
152
471968
2502
Πάρτε το παράδειγμα ενός επιθεωρητή
07:54
wanting AI to help detect defects in fabric.
153
474470
3420
που θέλει τη βοήθεια της ΤΝ για να εντοπίσει ελαττώματα στο ύφασμα.
Ένας επιθεωρητής μπορεί να βγάλει φωτογραφίες το ύφασμα
07:58
An inspector can take pictures of the fabric
154
478349
2086
08:00
and upload it to a platform like this,
155
480435
2836
και να τις ανεβάσει σε μια τέτοια πλατφόρμα,
08:03
and they can go in to show the AI what tears in the fabric look like
156
483312
3921
και να μπουν για να δείξουν στην ΤΝ πώς φαίνονται τα σκισίματα στο ύφασμα
08:07
by drawing rectangles.
157
487275
1793
ζωγραφίζοντας ορθογώνια.
08:09
And they can also go in to show the AI
158
489110
2419
Μπορούν επίσης να μπουν για να δείξουν στην ΤΝ
08:11
what discoloration on the fabric looks like
159
491571
2419
πώς φαίνονται οι λεκέδες στο ύφασμα
08:14
by drawing rectangles.
160
494032
1501
ζωγραφίζοντας ορθογώνια.
08:16
So these pictures,
161
496034
1334
Οπότε αυτές οι φωτογραφίες,
08:17
together with the green and pink rectangles
162
497368
2586
μαζί με τα πράσινα και τα ροζ ορθογώνια
08:19
that the inspector's drawn,
163
499954
1293
που έχει ζωγραφίσει ο επιθεωρητής,
08:21
are data created by the inspector
164
501289
2586
είναι δεδομένα που δημιούργησε ο ίδιος
08:23
to explain to AI how to find tears and discoloration.
165
503916
3587
για να εξηγήσει στην ΤΝ πώς να βρίσκει σκίσιματα και λεκέδες.
Αφού η ΤΝ εξετάσει αυτά τα δεδομένα,
08:28
After the AI examines this data,
166
508337
2002
μπορεί να διαπιστώσουμε ότι έχει δει αρκετές φωτογραφίες με σκισίματα
08:30
we may find that it has seen enough pictures of tears,
167
510381
2544
08:32
but not yet enough pictures of discolorations.
168
512967
2377
αλλά όχι αρκετές φωτογραφίες με λεκέδες.
08:35
This is akin to if a junior inspector had learned to reliably spot tears,
169
515386
4380
Αυτό είναι παρόμοιο με το εάν ένας κατώτερος επιθεωρητής μάθαινε
να εντοπίζει σκισίματα αξιόπιστα,
08:39
but still needs to further hone their judgment about discolorations.
170
519807
3671
αλλά ακόμη χρειάζεται να ακονίσει περισσότερο
την κρίση του για τους λεκέδες.
08:43
So the inspector can go back and take more pictures of discolorations
171
523519
3629
Οπότε ο επιθεωρητής μπορεί να βγάλει κι άλλες φωτογραφίες με λεκέδες
για να τις δείξει στο σύστημα ΤΝ,
08:47
to show to the AI,
172
527148
1168
08:48
to help it deepen this understanding.
173
528357
2211
και να το βοηθήσει να εμβαθύνει την κατανόησή του.
08:50
By adjusting the data you give to the AI,
174
530568
2544
Προσαρμόζοντας τα δεδομένα που δίνεις στην ΤΝ,
μπορείς να τη βοηθήσεις να γίνει πιο έξυπνη.
08:53
you can help the AI get smarter.
175
533154
2252
08:56
So an inspector using an accessible platform like this
176
536282
3837
Οπότε ένας επιθεωρητής που χρησιμοποιεί μια προσβάσιμη πλατφόρμα σαν αυτήν
09:00
can, in a few hours to a few days,
177
540161
2878
μπορεί μέσα σε μερικές ώρες εως μέρες,
09:03
and with purchasing a suitable camera set up,
178
543081
3920
και αγοράζοντας τον κατάλληλο φωτογραφικό εξοπλισμό,
09:07
be able to build a custom AI system to detect defects,
179
547043
4588
να χτίσει ένα προσαρμοσμένο σύστημα ΤΝ για να εντοπίζει ελαττώματα,
09:11
tears and discolorations in all the fabric
180
551672
2253
σκισίματα και λεκέδες σε ολόκληρο το ύφασμα
09:13
being used to make T-shirts throughout the factory.
181
553925
2544
που χρησιμοποιείται στην κατασκευή μπλουζών σε όλο το εργοστάσιο.
09:16
And once again, you may say,
182
556511
2586
Και για άλλη μια φορά, μπορεί να πείτε,
09:19
"Hey, Andrew, this is one factory.
183
559138
3045
«Άντριου, είναι ένα εργοστάσιο.
09:22
Why is this a big deal?"
184
562225
1376
Τι σημασία έχει;»
09:23
And I say to you,
185
563976
1168
Και εγώ θα σας πω
ότι είναι σημαντικό για αυτόν τον επιθεωητή του οποίου η ζωή διευκολύνεται
09:25
this is a big deal to that inspector whose life this makes easier
186
565186
3086
09:28
and equally, this type of technology can empower a baker to use AI
187
568272
4630
και αντίστοιχα, αυτού του είδους η τεχνολογία μπορεί να δώσει
τη δυνατότητα σε έναν φούρναρη να χρησιμοποιήσει ΤΝ
09:32
to check for the quality of the cakes they're making,
188
572902
2502
για να ελέγξει την ποιότητα των τούρτων που φτιάχνει,
09:35
or an organic farmer to check the quality of the vegetables,
189
575404
3838
ή σε έναν βιοκαλλιεργητή να ελέγξει την ποιότητα των λαχανικών
09:39
or a furniture maker to check the quality of the wood they're using.
190
579283
4046
ή σε έναν επιπλοποιό να ελέγξει την ποιότητα του ξύλου που χρησιμοποιεί.
09:44
Platforms like these will probably still need a few more years
191
584789
2961
Τέτοιες πλατφόρμες θα χρειαστούν ίσως μερικά χρόνια ακόμη
09:47
before they're easy enough to use for every pizzeria owner.
192
587792
3920
ωσότου να είναι αρκετά εύχρηστες
για να τις χρησιμοποιεί κάθε ιδιοκτήτης πιτσαρίας.
09:51
But many of these platforms are coming along,
193
591754
2127
Αλλά εμφανίζονται πολλές τέτοιες πλατφόρμες
09:53
and some of them are getting to be quite useful
194
593881
2211
και μερικές από αυτές γίνονται αρκετά χρήσιμες
09:56
to someone that is tech savvy today,
195
596134
2419
για κάποιον που γνωρίζει καλά την τεχνολογία σήμερα,
09:58
with just a bit of training.
196
598553
2043
με λίγη μόνο εκπαίδευση.
10:00
But what this means is that,
197
600638
1460
Αλλά αυτό σημαίνει ότι,
10:02
rather than relying on the high priests and priestesses
198
602098
2711
αντί να βασιζόμαστε στους αρχιερείς και τις αρχιέρειες
10:04
to write AI systems for everyone else,
199
604851
2752
για να γράψουν συστήματα ΤΝ για όλους τους υπόλοιπους,
10:07
we can start to empower every accountant,
200
607645
2419
μπορούμε να δώσουμε τη δύναμη σε κάθε λογιστή,
10:10
every store manager,
201
610106
1293
κάθε διευθυντή καταστήματος,
10:11
every buyer and every quality inspector to build their own AI systems.
202
611440
4964
κάθε αγοραστή και κάθε επιθεωρητή ποιότητας για να χτίσουν
τα δικά τους συστήματα ΤΝ.
10:17
I hope that the pizzeria owner
203
617363
2419
Ελπίζω ο ιδιοκτήτης της πιτσαρίας
10:19
and many other small business owners like him
204
619824
2502
και πολλοί άλλοι μικροί επιχειρηματίες όπως αυτός
10:22
will also take advantage of this technology
205
622368
2503
να εκμεταλλευτούν αυτή την τεχνολογία
10:24
because AI is creating tremendous wealth
206
624912
3420
γιατί η ΤΝ δημιουργεί τεράστιο πλούτο
10:28
and will continue to create tremendous wealth.
207
628374
2336
και θα συνεχίσει να δημιουργεί τεράστιο πλούτο.
10:30
And it's only by democratizing access to AI
208
630751
2920
Και αυτό μόνο με τον εκδημοκρατισμό της πρόσβασης στην ΤΝ
10:33
that we can ensure that this wealth is spread far and wide across society.
209
633713
4421
μπορούμε να επιβεβαιώσουμε ότι αυτός ο πλούτος εξαπλώνεται σε όλη την κοινωνία.
10:39
Hundreds of years ago.
210
639635
1335
Εκατοντάδες χρόνια πριν.
10:41
I think hardly anyone understood the impact
211
641012
3920
Νομίζω ότι σχεδόν κανείς δεν κατάλαβε τον αντίκτυπο
10:44
that widespread literacy will have.
212
644974
2544
που θα είχε ο διαδεδομένος αλφαβητισμός.
10:47
Today, I think hardly anyone understands
213
647518
2961
Σήμερα, πιστεύω ότι σχεδόν κανείς δεν καταλαβαίνει
10:50
the impact that democratizing access to AI will have.
214
650521
3587
τον αντίκτυπο που θα έχει ο εκδημοκρατισμός της ΤΝ.
10:54
Building AI systems has been out of reach for most people,
215
654984
3795
Το να χτίζεις συστήματα ΤΝ ήταν απρόσιτο για τον περισσότερο κόσμο,
10:58
but that does not have to be the case.
216
658821
2002
αλλά δεν χρειάζεται να συμβαίνει αυτό.
11:01
In the coming era for AI,
217
661199
1960
Στην επερχόμενη εποχή για την ΤΝ,
11:03
we’ll empower everyone to build AI systems for themselves,
218
663201
3712
θα δώσουμε τη δυνατότητα σε όλους να χτίσουν συστήματα ΤΝ για τον εαυτό τους,
11:06
and I think that will be incredibly exciting future.
219
666954
3045
και πιστεύω ότι θα είναι ένα απίστευτα συναρπαστικό μέλλον.
11:10
Thank you very much.
220
670041
1168
Σας ευχαριστώ πολύ.
11:11
(Applause)
221
671250
4964
(Χειροκρότημα)
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7