1x02 - Τεχνητή Νοημοσύνη - Από το Σκάκι στην Alexa

1η Σεζόν  · 

Διάρκεια 00:58:25 · Download

📝 Απομαγνητοφώνηση επεισοδίου ▾

[0:00:00] [0:00:04] [0:00:12] Η skined funding building the system goes on on online ν όγδοο 90 90 several human Decisions to remove from strategic Defense skilled begins GATE I became software Week Times Then. [0:00:37] Έλα γεια σου Γιώργο Γεια σου Θεμο τι κάνεις Τι κάνεις καλά καλά; Είμαστε έτοιμοι για το πρώτο επίσημο επεισόδιο του note POP Ten. Έτσι έτσι ήρθε η στιγμή να ξεκινήσει αυτό να με το πρώτο επεισόδιο είναι ιδανική αυτή γιατί εδώ στο Λονδίνο είναι πολύ μίζερο αυτές τις μέρες έχει έχει τον κορονοϊό, είναι όλα κλειστά. [0:01:03] Καιρός, χάλια είναι τώρα μπαίνει ο Φεβρουάριος είναι. [0:01:07] Podcast είναι ότι πρέπει, ας πούμε εδώ πέρα είναι χειρότερα. Γενικά είναι εντάξει full lockdown και εδώ πέρα στην Ελλάδα. Αν και εγώ επειδή είμαι Πάτρα τώρα μπήκε και από χθες σε αυτό το κόκκινη σόνι που λένε, οπότε κλείνω όλα από τις 6. [0:01:25] Ο κ. Πιστεύω για καμιά δεκαριά μέρες βέβαια μπορεί σκέψου να τα ακούνε. Ξέρω γω του χρόνου και να είναι ακόμα lockdown φαντάσου. [0:01:36] Μη μου λες τέτοιο και εμείς να λέμε Ε σε λίγες μέρες θα ανοίξουνε τα πράγματα και να τα ακούει κάποιος το 22 και να είναι ακόμα κλειστά και γελάει. [0:01:45] Ξέρωγω το πρώτο lockdown το Μάρτιο και η Απρίλιο είχα πιάσει το ψωμί 1 2 μήνες ας πούμε έφτιαχνα sourdo Χωριάτικο ωραίο. [0:01:56] Τότε ήταν πιο δύσκολο να βρεις αλεύρι παρά πλουτώνει στο και τώρα το project του δεύτερου lockdown είναι το το Podcast για μένα είχε και ένα μισό lockdown στην Αγγλία το Νοέμβριο, αλλά δεν κλείσανε τα σχόλια και δεν ήταν τόσο σκληρό. Ήταν τότε που πήρες το μικρό. [0:02:15] Τώρα το πήρα το μικρόφωνο ο κ. Αν και το θέμα το ενημερώνει, δεν είναι το lockdown, αλλά το Wall site between το gamestop και ότι έχει γίνει ότι αγόρασες gamestop; Όχι. [0:02:31] Games νομίζω ότι έχω ψωνέσει από αυτούς βασικά όταν ήμουνα στην Αμερική που ήμουνα το 2003-8 πήγαινα στο μαγαζί είχα playstation και όντως τότε δεν είχε online πολλά πράγματα ήταν όλα με δισκάκια, οπότε είχα πουλήσει, είχα πάρει παιχνίδια, δεν τις πίστεψα όμως ότι δεν είναι παιχνίδι σε αυτούς. [0:02:54] Όχι. [0:02:56] Είναι καλό επειδή είναι και τεχνολογικό αυτό είναι καλό επεισόδιο. [0:03:03] Συζητήσουμε σε άλλη σεζόν όταν έχουν καταστα back λίγο τα πράγματα. Μπορεί επίσης να ακούνε να έχει χρεοκοπήσει. Ήδη ξέρω γω το gamestop. [0:03:14] Εντάξει, για την ώρα θα αφοσιωθούμε στην επιστήμη, όπου αυτό που είχαμε πει θα κάνουμε. [0:03:22] 7 επεισόδια θα είναι η πρώτη σεζόν που θαναι τα αγαπημένα μας θέματα επιστήμης και τεχνολογίας από το από τη δεκαετία που μας πέρασε. [0:03:33] Αφού διαφωνήσαμε το ποια είναι η δεκαετία που μας ανέλυ στο Intro, οπότε ξεκινάει συν -1 χρόνος τώρα. Εντάξει, Εντάξει Πιστο περίπου έτσι κι αλλιώς το πρώτο θέμα είναι το 1997, οπότε είμαστε ήδη out of contacts. [0:03:49] Λοιπόν και θα πούμε για την τεχνική νοημοσύνη, πριν ξεκινήσουμε καν να εμβαθύνουμε να ή θα αναφέρω ένα άγχος που έχω πάντα όταν γράφω ή μιλάω κάτι ή κάποια παρουσίαση. [0:04:04] Τεχνικά θέματα που ο κόσμος ίσως να θέλει να ενημερωθεί είναι ότι. [0:04:12] Πώς θα γίνει να μην κάνουμε πολλά λάθη και να μη δίνουμε λάθος πληροφορίες; Γιατί εντάξει, έχουμε μία εξειδίκευση σε κάποιους τομείς, αλλά προφανώς όχι σε όλα τα θέματα τα οποία τα συζητάμε, οπότε αναπόφευκτο Κάποιοι μας ακούν να ξέρουν παραπάνω και να κάνουμε εμείς λάθη, οπότε αυτό πάντα με αγχώνει εμένα, οπότε θαθελα να προτείνω τρόπους που να το λύσουμε. Αυτό είναι κάτι που είναι στα podcast. Χρησιμοποιείται αυτό το. [0:04:42] Το follow. [0:04:43] Το οποίο είναι δηλαδή αν δούμε ότι κάτι είναι λάθος. [0:04:49] Θα το κάνουμε address επόμενο επεισόδιο μάλλον στο επόμενο αμέσως Θα λέμε ότι ξέρετε παιδιά το τάδε και τάδε που είπαμε δεν ήταν ακριβώς σωστό και αυτή είναι η σωστή απάντηση και μπορούμε να κάνουμε Edit και τα shown του προηγούμενου επεισοδίου να λέμε ότι by the way αυτό δεν ήταν σωστό και διόρθωση. Δείτε του επεισόδιο τάδε ακριβώς έχουμε και τα social MEDIA και το site και το email, οπότε όποιος θέλει μπορεί να επικοινωνήσει μαζί μας, να μας πει αν κάτι κάναμε λάθος ή αν θέλει να προσθέσει κάτι. [0:05:19] Η αλήθεια είναι ότι επειδή δεν έχει ο σκοπός, δεν είναι όχι ο κ. Το περιεχόμενο είναι επιστημονικό και η προσέγγιση είναι όσο δυνατόν πιο αντικειμενική και επιστημονική, αλλά στην τελική είναι κάτι υποκειμενικό που είναι η προσωπική μας άποψη, οπότε κυρίως μας ενδιαφέρει να είναι σωστά αυτά που θα πούμε. [0:05:41] Παρόλο που μπορεί να μη συμφωνούν όλοι με το, για παράδειγμα, ποια είναι τα πιο σημαντικά; Είναι αυτά που θεωρούμε εμείς, αλλά. [0:05:49] Μην αρχίσει ο καθένας να πει ναι, αλλά δεν είπατε αυτό. Δεν είπατε αυτό, Δεν είπα νομίζω πάντα όταν κάνεις κάτι σε λίστα είναι αναπόφευκτο δηλαδή τύπου ποιες είναι οι καλύτερες ταινίες σε όλων των εποχών; Ναι, αλλά δεν είπατε αυτό δεν γίνεται με λίβι αυτό πάει κάπως έτσι ή ποιο είναι το καλύτερο video game; Δεν γίνεται να μην είπατε αυτό, νομίζω πάντα πάει οπότε. [0:06:08] Για αυτό εμείς θα το κάνουμε αγαπημένα μας, ώστε να. [0:06:15] Δεν χρησιμοποιούμε κάποιο αντικειμενικό κριτήριο είναι ότι μας αρέσει για να γίνουν trigger αυτοί που αγνοήσαμε το δικό τους αγαπημένο. [0:06:23] Ναι ναι, για πες ωραία. Πώς σου φαίνεται; Πώς το έχεις στο μυαλό σου; Πώς το είχες από παλιότερα; [0:06:32] Λοιπόν να πω ότι διαλέξαμε την τεχνητή νοημοσύνη, γιατί είναι ένα βασικά και και εγώ ασχολούμαι είναι και της μόδας. [0:06:57] Τα τελευταία χρόνια, 5 χρόνια και τουλάχιστον και επίσης έχει αναζωπυρωθεί και ερευνητικά, αλλά και στην ευρύ στο κοινό. Ας πούμε, εγώ δεν υπάρχουν αρκετές ερωτήσεις. [0:07:11] Τι είμαστε, τι γίνεται με αυτό που θα πάει το πράγμα; [0:07:16] Να σου πω Για μένα πώς ξεκίνησε επειδή είμαι σαν πιο παλιός. [0:07:21] Θυμάμαι μεγαλώνοντας στα εφηβικά μου χρόνια και άρχισα να καταλαβαίνω και από το 90 και μετά. [0:07:32] Θυμάμαι μερικά πράγματα πολύ χαρακτηριστικά. Το osen της ηλικίας μας τα θυμούνται. [0:07:40] Σίγουρα υπήρχαν 2 3 ταινίες. [0:07:44] Το terminator εξολοθρευτής ήταν μεγάλη υπόθεση τότε γιατί είχε το Cybor που σκέφτεται σαν άνθρωπος και και το Sky νε το κομμάτι. Η εταιρεία που στέλνει τα ρομπότ πίσω και αποκτάει νοημοσύνη από μόνη της η super cake εταιρεία. [0:08:03] Ναι ναι. [0:08:05] Μετά το 97, θυμάμαι πολύ χαρακτηριστικά που είχε γίνει με τον deep blow της IBM η το παιχνίδι σκάκι με τον καπάροφ, όπου για πρώτη φορά έπαιξε άνθρωπος στην εναντίον υπολογιστή και κέρδισε ο υπολογιστής, οπότε. [0:08:23] Για μένα τουλάχιστον ήταν και για πολλούς. [0:08:27] Σημείο εκεί ότι α εδώ κάτι γίνεται, ας πούμε υπολογιστές ξέρεις μπορούν να νικήσουν. [0:08:36] Ανθρώπους. [0:08:38] Και επίσης θυμάμαι και μία ταινία το 2001 με το όνομα ακριβώς άρτιλ Intelligence. Δεν ξέρω αν την έχεις δει είναι του νομίζω είναι του spilberg, η οποία είναι ακριβώς ένα. [0:08:52] Είναι παίζεται το παιδάκι από την έκτη αίσθηση και κάνει ένα ρομπότ πάλι που μπορεί να σκέφτεται και το το πλούτης θα είναι του ότι έχει προγραμματιστεί αυτό το ρομπότ. Παιδάκι να αγαπάει. [0:09:04] Αυτό, οπότε νομίζω αυτά τα χρόνια ειδικά 95 92.000 2001 βγήκε. Αυτό ήτανε πολύ τα ρομπότ που σκέφτονται φάση. [0:09:18] Μετά το νομίζω προσωπικά το άφησα για αρκετά χρόνια μέχρι και το ξανάπιασα μετά, όταν και λόγω δουλειάς και άρχισα να καταλαβαίνω λίγο πιο πολύ τα τεχνικά πράγματα, τα οποία θα τα συζητήσουμε μιας και φτάνουμε και στη δεκαετία που μας ενδιαφέρει. OK, λοιπόν. [0:09:37] Εσύ προφανείς σε ποιο νέος Δεν ξέρω, είχες τι εμπειρίες είχες από τεχνητή νοημοσύνη League κοίταξε να δεις. Πιστεύω ότι τουλάχιστον στο στην ποπ κουλτούρα είναι συνυφασμένο το όλο θέμα με την τεχνητή νοημοσύνη με τα ρομπότ, δηλαδή καταλήξαμε περισσότερο το. [0:10:00] Κομμάτι του a να είναι ένας αλγόριθμος στον υπολογιστή, αλλά στο μυαλό μας όλο το έχουμε ότι αυτό πρέπει κάποια στιγμή να μπει σε ένα μεταλλικό πράγμα με πόδια και χέρια και να μας σκοτώσει. Δηλαδή είναι ντετερμινιστικό ότι αυτό πρέπει να γίνει τα ρομπότ, δηλαδή είναι συνυφασμένα. Υπήρχε νομίζω ένα το σιδερένιος γίγαντας. Νομίζω που θυμάμαι που το βλεπα παιδάκι λοιπόν αυτό Τοχω ακούσει, δεν τοχω δει ποτέ στείλει, είναι του brad vert της Pixar που έκανε μετά τα incredibils και όλα αυτά το οποίο είναι έτσι πολύ ωραίο. [0:10:31] Σου δείχνει βασικά το πώς το ρομπότ εκεί πέρα συνδέεται με το παιδάκι και γίνονται φίλοι και τέτοια. [0:10:38] Οπότε γενικά πιστεύω ότι πάει μαζί ρομπότ και τεχνητή νοημοσύνη. Βέβαια στο terminator και στο Skyine μας έφερε πιστεύω. [0:10:50] Το η δαιμονοποίηση μιας εταιρείας τεχνολογίας πιστεύω οφείλεται και στο POP Culture, δηλαδή ίσως η πολεμική προς την Apple, το Facebook, την Google οφείλεται στο γεγονός ότι α προς τα εκεί το πάνε εκεί που είδαμε το skynet Ξέρωγω τέλος πάντων οι πιο πρόσφατες ταινίες που έχω δει ήτανε έτσι που σχετίζονται το xcina νομίζω μπορεί να το έχεις δει. [0:11:12] Αυτά είναι φοβερή πολύ καλό και είναι ακριβώς αυτόν και έχω δει και το hair ο δικός της. Ναι, κάπως έτσι δικός της κάπως έπρεπε να μεταφράζεται. Είναι το η αντωνυμία η αγγλική το οποίο σε αυτό και καλά ο πρωταγωνιστής έχει ένα ai που είναι σαν παρέα του και σχεδόν ερωτεύεται με αυτό το A ναι μπράβο το έχω δει και εγώ καλέ και αυτή η τάξη. [0:11:39] Ναι, γιατί γενικά σου φέρνει λίγο τη το βλέπεις και μετά από λίγο σκέφτεσαι ο κ. Αυτό θα γίνει κάποια στιγμή θα γίνει commercial. Και επειδή. [0:11:47] Είναι έτσι διαιτηρίες τεχνολογίας. Πιστεύω τύπου το να σε αγαπήσει θα είναι ίσως κάποιο microtance action μέσα στο αλλιώς θα σου μιλάει άσχημο. Ξέρω γω ή άμα θες να βρίζει κάποιον. Θα πρέπει να το πληρώσεις παραπάνω τέλος πάντων. [0:12:05] Γενικά, ναι, η εντύπωση με το Ε είναι αυτή ότι είναι συνυφασμένη με το με τα ρομπότ. [0:12:11] [0:12:14] Αν και θέλω να κλείσω με αυτό, υπάρχει πιστεύω στο μυαλό μας ότι η τεχνητή νοημοσύνη είναι κάτι κακό, ενώ τα ρομπότ μπορεί να μην είναι απαραίτητα κακά, δηλαδή έχουμε και από καρτούν τύπου Wally και λοιπά ή όπως είπαμε το Iron Giant ότι Α είναι ωραία τα ρομπότ και είναι καλά μπορεί να έχουν συναισθήματα για τους ανθρώπους, αλλά άμα πεις τεχνητή νοημοσύνη είναι by default κάτι κακό στο μυαλό του. [0:12:40] Μέσου, ας το πούμε. [0:12:43] Νομίζω φταίει λίγο το Hollywood για αυτά, γιατί οι ταινίες που είναι πιο σάρκες είναι όταν δημιουργούνται προβλήματα. [0:12:49] Όπως κλασικά με τους εξωγήινους, ας πούμε στα sci Fine. [0:12:55] Συνήθως κακοί θέλω να επιτεθούν, να ανατινάξουν τη γη πάλι τότε το stay και όλα αυτά να ξέρετε. [0:13:04] Να ξέρεις ποιό ποιο το που είναι πρόσφυγες, Τέλος πάντων ξεφεύγουμε. [0:13:11] Πάμε να δούμε λίγο τι έγινε μες στη δεκαετία και ήταν η αφορμή για αυτό το επεισόδιο. [0:13:19] Ναι να καλύψω λίγο πρώτα τον ορισμό της τεχνητής νοημοσύνης, γιατί και εγώ προσωπικά τον είχα ξεχάσει. Δηλαδή είχε πάει το μυαλό μου αλλού λόγω δουλειάς και είχα. [0:13:33] Είναι πολύπλοκο βασικά γιατί έχει εξελιχθεί πάρα πολύ και για πολλούς σημαίνει διαφορετικά πράγματα αναλόγως. Σε ποιον μιλάς; [0:13:41] Οπότε αρχικά η τεχνητή νοημοσύνη ήτανε. [0:13:47] Να μπορέσει να φτιάξεις κάτι που να λειτουργεί όπως το ανθρώπινο μυαλό ή ο ανθρώπινος εγκέφαλος ή δραστηριότητες που μπορεί να κάνει ο άνθρωπος μπορεί να είναι ξέρω γω ή ζωγραφική, να διαβάσεις ένα κείμενο, να αναγνωρίσεις ένα κείμενο, τους χαρακτήρες του κλασικά ή να σκεφτείς να κάνεις τσατ όπως κάνει ένας άνθρωπος. [0:14:13] Το turing th για παράδειγμα. [0:14:15] Αυτό ήταν παραδοσιακά, η τεχνητή νοημοσύνη. [0:14:22] Και. [0:14:24] Αυτό που έγινε στα τελευταία 10 15 χρόνια είναι ότι. [0:14:29] Έχει επεκταθεί σε εφαρμογές. [0:14:33] Πέρα από το τι μπορούν να κάνουν οι άνθρωποι και αρκετά πιο πολύπλοκο που μάλιστα δεν θα μπορούσαν ποτέ να τα κάνουν οι άνθρωποι. [0:14:43] Και υπάρχουν τεχνολογίες εκεί, ας πούμε που αναπτύχνω και που δεν ασχολούνται, που τις λέμε τεχνητή νοημοσύνη, αλλά δεν ασχολούνται με πράγματα που θα μπορούσαν ποτέ να κάνουνε. [0:15:01] Οι άνθρωποι ένα καλό παράδειγμα είναι, ας πούμε στην ιατρική πως; [0:15:06] Αναλύσεις, εικόνες για παράδειγμα, δεν απαραίτητη ποτέ ο άνθρωπος θα μπορούσε να να το κάνει ή το κάνει καλύτερα από υπολογιστή. Οι υπολογιστές από μόνοι του μπορούν να το κάνουνε καλύτερο, οπότε έχει ξεφύγει λίγο. Ποια πέρα από τα όρια του Α είναι κάτι; [0:15:27] Που προσπαθούμε να αντιγράψουμε τους ανθρώπους και έχει πάει και σε άλλες εφαρμογές. [0:15:34] Σε αυτή τη δεκαετία τώρα εγώ θυμάμαι χαρακτηριστικά το τηλεοπίδι το geoparty που ήταν το 2011 12. Κάπου εκεί το οποίο το ήξερα λόγω της Αμερικής τώρα στην Ευρώπη δεν νομίζω αν παίζει εγώ είμαι Youtube τοξερα, δεν το ήξερα το τώρα με τις μέρες που έψαχνα γενικά για το θέμα το είδα σαν mille και έβαλα στο Youtube να δω το συγκεκριμένο επεισόδιο. [0:16:02] Να είμαι στην αμερικάνικη κουλτούρα είναι πολύ μεγάλη υπόθεση και ο παρουσιαστής αυτός ο Alex Terre νομίζω πέθανε και πρόσφατα έχει κάνει και σε ταινίες και ανέβασε κάνα Τηλεοπίδι γνώσεων ερωτήσεων στο οποίο το 11 ένας από τους παίκτες ήταν ένας υπολογιστής βασικά ο οποίος άκουγε τις ερωτήσεις. [0:16:27] Υπολόγιζα και έβγαζε τις απαντήσεις και αν δεν κάνω λάθος κέρδισε και πάλι στη νέα της IBM ο Watch ήτανε. [0:16:36] Ναι, μπράβο και αυτό ήτανε και λίγο επειδή ήταν σε τηλεόραση, ας πούμε δεν ήτανε αρκετά live η κατάσταση και το είδε ο κόσμος. Βασικά δεν ήταν κάποιος σε κάποιο paper επιστημονικό που κάποιοι πέτυχαν κάτι ήτανε κάτι ένα Live ας το πούμε το τι μπορούσε να κάνει γενικά επειδή εδώ το επεισόδιο και να εξηγήσουμε λίγο το παιχνίδι είναι ότι σου κάνει μία σου εξηγεί περιφραστικά. [0:17:05] Κάτι και εσύ πρέπει να σκεφτείς τι να αυτό το κάτι, δηλαδή σαν να ψάχνεις την ερώτηση. Κάπως έτσι ένα παράδειγμα θυμάμαι που. [0:17:17] Που είδα μία ερώτηση χαρακτηριστική για να καταλάβουνε και οι ακροατές ότι ήταν το θέμα, η θεματολογία, το τένις σε μία απτις ερωτήσεις και σου; [0:17:28] Τύπου αυτοκίνητα τρέχουνε μέσα στην πόλη με σκοπό να βγούνε πρώτοι και έλεγε ποια είναι η λέξη λέξη και εννοούσε τι είναι το ράλι. [0:17:38] Το οποίο είναι και στο τένις ράλι όταν παίζει ο ένας στον άλλον ότι μπράβο ναι ή το Nash το ace έλεγε κάτι με τα αεροπλάνα που πάει και εκεί πέρα Υπάρχει στο vocable, στο Avation, στην Αερο. [0:17:52] Αεροναυπηγική Ξέρωγω υπάρχει σαν έκφραση, οπότε πρέπει να κάνεις μία συνδυαστική. [0:18:01] Γνώση ας το πούμε είχε και μερικά άλλα τύπου. [0:18:05] Στην τάδε πόλη έγινε αυτή η ληστεία τότε και έγινε αυτό. Ποια ήταν αυτή η ληστεία; Ξέρω γω κάπως έτσι και λες Α έγινε πράγμα τέτοιο στυλ ήταν οι ερωτήσεις, οπότε ήταν οι συνδυαστικές. [0:18:17] Πρέπει να πάρεις feedback από όλα αυτά που αναφέρει για να σκεφτείς ποια είναι η απάντηση. [0:18:25] Κάπως έτσι αυτό ήταν το επεισόδιο και φυσικά νίκησε το watchm. [0:18:31] Ο Watson. [0:18:34] Το επόμενο θα έλεγα γενικά να πούμε ότι δεν θα πάμε ακριβώς με χρονολογική σειρά, αλλά με θεματικές ας το πούμε. [0:18:42] Ναι, το επόμενο που θέλω να σχολιάσω είναι για το alpha go της deep mind, το οποίο γενικά το go μπορεί να λέγεται και government γιατί είναι νομίζω κορεάτικο κινέζικο είναι ένα παιχνίδι αρχικά το go το οποίο έχει σε ένα. [0:19:02] Ένα ας το πούμε ταμπλό από 19 * 19 κουτάκια και ο σκοπός είναι ο εξής, ο κάθε παίχτης έχει άσπρα και μαύρα πετραδάκια στόουνς και γίνεται εξής. [0:19:14] Εναλλάξ ο καθένας βάζει σε οποιοδήποτε σημείο ένα πετραδάκι. [0:19:20] Νικητής είναι αυτός που έχει τα περισσότερα στο Bord και πού είναι τώρα το έξυπνο σε όλο αυτό; Ότι αν περικυκλώσεις το πετραδάκι ενός άλλου το παίρνεις είναι η capture και φεύγει από το Bord. [0:19:34] Ωραία δεν έχω παίξει ποτέ μου απλά για τους λόγους του Podcast Έκατσα σαν να δω λίγο πώς γίνεται και το 2016 το άλφα go κατάφερε να νικήσει τον Ευρωπαίο παγκόσμιο πρωταθλητή. [0:19:51] Μετά το 17, αν δεν κάνω λάθος κατάφερε να νικήσει τον παγκόσμιο πρωταθλητή, έναν κινέζο. [0:20:00] Θυμάμαι καλά. [0:20:02] Και. [0:20:04] Αυτή η σχολή lease έντονες νομίζω κάπως έτσι ναι ναι. [0:20:09] Είχε γίνει και ένα ντοκιμαντέρ. Νομίζω υπάρχει δωρεάν στο Youtube. Μάλιστα, μπορούμε να βάλουμε το link που είναι ακριβώς για αυτό το πώς θα γίνει και πώς ετοιμάστηκε η ομάδα και πώς ήταν τα παιχνίδια. [0:20:21] Διάβαζα ότι τέλος πάντων ο αλγόριθμος αυτός το training που έκανε, βασιζόταν σε παιχνίδια των pro των επαγγελματιών και έβλεπε διάφορα παρτίδες. Ας το πούμε από αυτό το παιχνίδι και σιγάσιγά έμαθε να παίζει. [0:20:36] Και αυτό το εντυπωσιακό είναι ότι το 18 βγήκε μία έκδοση που λεγόταν Alpha Gozyok, η οποία ποια ήταν η καινοτομία της ότι. [0:20:48] Πλέον αυτή έπαψε να βλέπει παιχνίδια ανθρώπων και άρχισε να παίζει με τον εαυτό της για να γίνεται καλύτερη. Το αποτέλεσμα ήταν ότι όταν αυτή η έκδοση η άλφα Co RO. [0:20:59] Έπαιξε εναντίον της έκδοσης που είχε νικήσει τον παγκόσμιο πρωταθλητή, την νίκησε 100 μηδέν δεν κατάφερε, οπότε πλέον. [0:21:09] Βλέπουμε ότι όχι απλά μπορεί να γεννη καλύτερη από τον άνθρωπο. Η τεχνητή νοημοσύνη σε συγκεκριμένα πράγματα. Σαφώς ορισμένα βέβαια. [0:21:20] Αλλά μετά από ένα σημείο μπορεί από μόνη της να εξελίσει τον εαυτό της και να γίνεται ακόμα καλύτερη και ακόμα καλύτερη. [0:21:27] Να αναφέρω σας εδώ για την τεχνική αυτή το το machine Learning που λέμε, το οποίο δεν ξέρω αν υπάρχει στα ελληνικά αντίστοιχη το πώς μεταφράζεται. [0:21:37] Μηχανική μάθηση κάπως έτσι νομίζω ναι, έτσι πρέπει να μεταφράζεται, δεν μου άρεσε, θα το λέω. [0:21:46] Είναι η μία από τις βασικές τεχνικές, ίσως και η πιο βασική που πως προγραμματίζονται αυτοί οι αλγόριθμοι της τεχνητής νοημοσύνης, όπου ουσιαστικά τους δίνεις δεδομένα από. [0:22:01] Στοιχεία που υπάρχουνε π χ. Παρτίδες, άλφα. Οι ερωτήσεις του geopie ή φωτογραφίες ας πούμε αν είναι σε αλγόριθμος που προσπαθεί να βρει αν είναι αν είναι μια γάτα ή ένα σκύλος. [0:22:14] Ότου του δίνεις εκατοντάδες χιλιάδες φωτογραφίες από γάτες και εκατοντάδες χιλιάδες φωτογραφίες από σκύλους και τους λες. Αυτή η φωτογραφία είναι γάτα. Αυτή η φωτογραφία είναι σκύλος και μαθαίνει ουσιαστικά πως περίπου είναι αυτές οι εικόνες και όταν του δώσεις μία άγνωστη φωτογραφία μπορεί να πει μετά αν είναι γάτα ή σκύλος γιατί έχει δει όλες τις προηγούμενες. [0:22:39] Οπότε και το Alpha GO και το είχε έτσι είχε προπονηθεί ο αλγόριθμος με παρτίδες. [0:22:45] Εκτός από αυτή την έκδοση, όπως ανέφερε στη z ρο, η οποία. [0:22:51] Εκπαιδεύτηκε με παρτίδες του εαυτού του και δεν σταματάει μόνο εκεί αυτό το 2017. [0:23:00] Από την εταιρεία, την Open Ai. [0:23:03] Στο e sport παιχνίδι τότε 2. [0:23:10] Έγινε μία ας το πούμε έγινε ένας αγώνας στο παγκόσμιο πρωτάθλημα στον τελικό, όπου η τεχνητή νοημοσύνη, το ένα μποτάκι, δηλαδή το Open Ai έπαιξε on Verse ένα VI, ένα με έναν από τους καλύτερους επαγγελματίες παίκτες σε αυτό το παιχνίδι, το dend OK. [0:23:31] Ay μου λίγο το dota είναι το double ας πούμε το link off Legens και Four night είναι σε αυτό είναι battle royal System. Πώς είναι το λες αυτά; Εντάξει το dota είναι αυτό που τα ξεκίνησε όλα αυτά Γιατί ήτανε μόνο από το Workers το 3. [0:23:46] [0:23:49] Από εκεί ξεκίνησαν όλα και το link καμία σχέση. Το Ford απλά από κει ξεκίνησε και το Herz of Newer και το Link Offlinens και κάποια στιγμή απλά το 2 είναι η Next Version που το βγάζει valve που έχει προστεί Τέλος πάντων κάτι έχω για το online gaming δεν το κάτέχω ιδιαίτερα. Έχω παίξει λίγο legends και είχα γνωρίσει ένα άλλο τύπο που έπαιζε dota και δεν ξέρω μισιούνται αυτοί οι ντό με τους Leger. [0:24:17] Υπάρχει μία. [0:24:19] Ας το πούμε ποιο είναι καλύτερο, αλλά τέλος πάντων δεν θα μπω. Δεν θα μπω σε αυτό το τρυπάκι να πω ποιο είναι καλύτερο εγώ ποτέ έλα έπαιζα και το πρώτο. Τότε έπαιζα και το 2 οπότε τέλος πάντων το Ai νίκησε τον παίκτη. Αυτόν που είναι πρώτο νέντι, ο οποίος έχει υπάρξει παγκόσμιους πρωταθλητής, αλλά όχι τη συγκεκριμένη χρονιά και θεωρείται από τους καλύτερους σε αυτό τώρα. Ποιο είναι το σημαντικό στην όλη υπόθεση πίσω από το Open Ai αρχικά να πούμε ότι πριν φτάσει να. [0:24:48] Η έκδοση αυτή να παίξει με τον παγκόσμιο πρωταθλητή. Υπήρχε και μία άλλη έκρηξη στο Open Ai Five, το οποίο τι έκανε; Αυτό; Είχε 5 μποτάκια γενικά το παιχνίδι είναι 5 εναντίον 5. [0:24:59] Το. [0:25:01] Αυτό έγινε, αλλά γενικά το παιχνίδι είναι 5 εναντίον 5, το 5 εναντίον 5 κατάφερε να κερδίζει παίκτες ντότα 2 αλλά όχι professionals. [0:25:12] Το σημαντικό η milestone στην όλη υπόθεση ήταν ότι. [0:25:16] Για πρώτη φορά είδαμε τεχνητή νοημοσύνη να συνεργάζεται μεταξύ της, γιατί πλέον έχεις 5 παίκτες, δεν είναι ένας εναντίον ενός, οπότε υπάρχει θέμα κομιν ation ότι επικοινωνεί π χ. Ο παίκτης που ελέγχει το Bord στο στη μία μεριά του Χάρτη ας το πούμε με τον άλλον και έχει πλέον ας πούμε 5 5 instances ai που τρέχανε χώρια και έπρεπε να επικοινωνούνε και να έχουνε στρατηγική μεταξύ τους. [0:25:44] Αυτό ήτανε το II Five και μετά. [0:25:48] Έχουμε το Open Ai που νίκησε τον σε ένα v, ένα τον παγκόσμιο, τον τον πρώην παγκόσμιο πρωταθλητή, τον Νένβι, το οποίο αυτό προπονήθηκε παίζοντας με τον εαυτό του. Τώρα ποιο είναι το σημαντικό και το καινοτόμο; [0:26:03] Τα παιχνίδια και το σκάκι που είδαμε από το die Blue και το Alpha Go έχουνε το εξής χαρακτηριστικό σαν παιχνίδι. [0:26:15] Που είσαι εσύ απέναντι στον αντίπαλό σου; Έχεις ένα ταμπλό και κάνει κινήσεις να αλλάξω ένας και ο άλλος έχεις την ικανότητα να βλέπεις τη κινήσεις του άλλου και να προβλέπεις του άλλου με βάση αυτά που κάνει σε ένα video game. Όμως δεν είναι απαραίτητο αυτό γιατί για παράδειγμα ο άλλος μπορεί να είναι σε κάποιο μέρος του MAP. [0:26:35] Που δεν έχεις οπτική επαφή, οπότε ένας κανονικός παίκτης, ένας άνθρωπος. [0:26:40] Φαντάζεται ότι μήπως είναι εκεί; Μήπως είναι εκεί και αν έρθει και αυτό ήταν το δύσκολο σε σχέση με την εκμάθηση, Το πώς μπορείς να καταλάβεις ο αλγόριθμος; [0:26:53] Κινήσεις πιο σύνθετες πέρα από το turnbased παίζω, παίζεις, παίζω, παίζεις, παίζω, παίζεις. Επίσης επειδή έκατσα και είδα το παιχνίδι αυτό σε βιντεάκι, μου έκανε εντύπωση ότι το μποτάκι έκανε πράγματα που τα βλέπεις μόνο σε καλούς παίκτες ανθρώπους έκανε fake κινήσεις, δηλαδή τύπου πάνω σου κάνω Cast ένα spell και το σταματάω πάνω στο animation. [0:27:18] Συνήθως τα μπουτάκια παίρνουνε μία απόφαση ότι τα καστάρω αυτό το sperl και πάνε το να κάνεις fake κιόλας, δηλαδή πάνω στο Channel το Κανε STOP και του έκανε κάτι άλλο. [0:27:29] Αυτό ήτανε εντυπωσιακό, δηλαδή ένας μέτριος παίκτης δεν μπορεί να το κάνει αυτό. [0:27:34] Α. Μάλιστα, ο κινήσεις δηλαδή να σε κοροϊδεύει για μία απόφαση που θέλει να κάνει αυτό είναι ένα βήμα παραπάνω επειδή σου δίνει τη δυνατότητα το συγκεκριμένο παιχνίδι στο σκάκι δεν μπορείς να κάνεις fake μία κίνηση, παίζεις μία κίνηση και τέλος εκεί πέρα μπορούσες να κάνεις. [0:27:53] Να πεις να κοροϊδέψεις εισαγωγικά τον αντίπαλό σου για το βασικά το σκάκι. Δεν ξέρω καν αν είναι πόσο θεωρείται ai, γιατί είναι σχετικά με το video gaming και με το άλφα είναι αρκετά πιο απλό, δηλαδή είναι απλώς kit σε όλες τις πιθανότητες και παίρνεις μία απόφαση. Ποια σου φαίνεται πιο καλή και; [0:28:19] Εντάξει υπολογιστής απλώς διατρέχει απόλες τις πιθανότητες και βλέπει ποια είναι πιο καλή. Είναι κάτι που δεν μπορεί να κάνει εύκολα το ίδιο εύκολα ένας άνθρωπος. [0:28:27] Ότι το σκάκι λόγω του qens gubbit δεν ξέρω αν το ΔΕΣ. [0:28:30] Στο Netflix ναι, το είδα καλό καλό και αυτό. [0:28:35] Ο κ. [0:28:38] Πάμε στο επόμενο θέμα. [0:28:41] Ναι voice και αυτό χαρακτηριστικό της δεκαετίας όπου ξεκίνησε με τη Σύρη νομίζω με το iphone, αλλά το προχώρησαν. [0:28:53] Πολύ Google και η Amazon με το go Google και με την Αλέξη, τα οποία τώρα είναι όλα αυτά ai base να καταλαβαίνουν τις εντολές και τι λες και. [0:29:06] Ότι πρέπει να εκτελέσει κινήσου μία τεχνολογία που τη χρησιμοποιεί αρκετός. [0:29:12] Κόσμος σε καθημερινή βάση πια. [0:29:16] Το πιο εντυπωσιακό. [0:29:21] Το Google Doplex, το ένα phone call που έκανε το 2018. [0:29:26] Αυτό ήτανε που έκανε κράτησης εστιατόριο, κάτι τέτοιο. [0:29:32] Για κούρεμα ήτανε απότι θυμάμαι κούρεμα ήτανε. [0:29:37] Τέλος πάντων, ο. [0:29:40] Ας το πούμε ο άνθρωπος να το πω έτσι κάνει ένα recert στο Assistant το το Google Assistant. [0:29:48] Κλείσε μου ένα ραντεβού για κούρεμα την τάδη μέρη και αυτό έχω κάνει την παίρνει τηλέφωνο στο συγκεκριμένο κομμωτήριο και υπάρχει μία στιχομυθία η οποία είναι. [0:30:00] Σε είναι τρομακτικά φυσικός ο τρόπος που μιλάει το assistant. [0:30:06] [0:30:08] [0:30:20] [0:30:28] Είναι απαιτεί τέλος πάντων. [0:30:32] Τι αύριο Things Because Than I am and thought that the pandemic on What’s service so we live with service is loving for. [0:30:41] Water First Mean. [0:30:49] The first TEAM It lia. [0:30:52] Οκ, to I was feel left handle on that three things. [0:30:59] Μετά από αυτό το αυτή την παρουσίαση έγινε ένα θέμα για το αν θα πρέπει κάποιος να ξέρει ότι μιλάει με μποτ και όχι με κάποιον άνθρωπο, αν πρέπει να είναι σαν δικαίωμα, ας το πούμε. Δεν ξέρω εσύ τι πιστεύεις πάνω σε αυτό. [0:31:21] Θυμάμαι εκεί ήταν το 18, 17 πότε ήταν είχαν παρουσιάσει ο ο CEO της Google Εκεί, ο sandaid pitch aus το. [0:31:31] Στο κοινό το είχανε δείξει. Νομίζω αυτό θυμάμαι. Είχα ακούσει τη συνομιλία, την ηχογράφηση και. [0:31:39] Υπήρχε ναι, αυτοί οι φιλοσοφικοί συζήτηση μετά κατά πόσο θα επεκταθεί αυτό και αν πρέπει ο κόσμος να ξέρει ότι μιλάει με ρομπότ; [0:31:50] Νομίζω το πήρανε πίσω. Δεν νομίζω ότι είναι κάτι που έχει επεκταθεί, ενώ λέγανε τότε ήταν σαν fiture που θα το σπρώχνανε στα τηλέφωνα στα android. [0:32:01] Ή δεν έχει βγει ή έχει βγει και είναι τόσο καλό που δεν το καταλάβει κανείς; [0:32:11] Okay, Αυτό θα ήταν. Πιστεύεις ότι θα έπρεπε να ξέρεις αν μιλάς με κάποιο; [0:32:17] Νομίζω ναι όπως παίρνεις μηνύματα στο που λέει Sentro και από το iphone ή υπάρχει ακόμα η δυνατότητα στο IM Message το ξέρω στο τηλέφωνα μπορείς να μιλήσεις και να κάνεις transcribe το κείμενο. [0:32:35] Και να πάει στον άλλον το μήνυμα και βάζει μία γραμμούλα από κάτω που λέει ή κάτι τέτοιο για να ξέρεις ότι μπορεί να έχει και κάποιο κάποιο ή λάθος λάθος Ναι και ναι κοίταξε. Εγώ πιστεύω ότι. [0:32:53] Σε καθώς είναι μία καινούργια τεχνολογία, είναι τρομακτική αρχικά, οπότε. [0:32:59] Ίσως αρχικά να νιώθουμε ότι πρέπει να ξέρετε, γίναμε, κοροϊδεύει ο υπολογιστής. [0:33:04] Αν και θεωρώ ότι όταν αυτή η τεχνολογία μπει τελείως στην καθημερινότητά μας. [0:33:12] Η ας το πούμε η αντίδρασή μας ως προς το αν μιλάμε με body ή όχι θα είναι κάτι αντίστοιχο. Πώς τώρα παίρνεις ένα τηλεφωνικό κέντρο για μία εξυπηρέτηση και μπορεί να σου πούνε, Οι συνομιλία σας θα καταγραφεί για λόγους ασφαλείας. [0:33:28] Την πρώτη φορά ξέρεις ότι κάποιος θα το ακούσει την πρώτη φορά έλεγες Α ο κ, Το ξέρω πλέον επειδή όπου και να πάρεις το πρώτο πράγμα που θα ακούσεις θα είναι η συνομιλία σου θα καταγραφεί είσαι σε φάση; OK Ναι ναι ναι ξέρω η κασέτα είναι pesto, οπότε πιστεύω μετά από ένα σημείο αν όλοι τα χρησιμοποιούν τα μποτάκια θα σου λένε. Η συνομιλία αυτή πραγματοποιείται μέσω bott και θα είσαι ναι ναι εντάξει, το ξέρω. Προφανώς όλοι αυτό κάνουν πάμε παρακάτω ότι μπορεί μετά από ένα σημείο όταν αυτή η τεχνολογία μπει στην καθημερινότητά μας να μη. [0:33:57] Μας νοιάζει πλέον να σου πω την αλήθεια. [0:34:00] Να είναι αρκετά επιτυχημένη και ο κόσμος τη συνηθίσει και νιώθει άνετα το. Είναι πιθανό να φτάσουμε σε ένα σημείο που να νιώθουμε όλοι άνετα ναι για λόγους νομικούς πρέπει να πιστεύω να το λέει για να ξέρεις, Μην πας π χ να τους κάνεις μήνυση της τεχνητής νοημοσύνης Γιατί το είπα αυτό, αλλά θα τον νοιάζει πραγματικά στην καθημερινότητα. Είναι σαν το axe cooks και τέτοια που πρέπει να ασχολείται. Κανένας πατάει απλά ξέρετε. [0:34:28] Κάπως έτσι; [0:34:30] Λοιπόν το επόμενο θέμα που θέλω να σε να σου έτσι; [0:34:38] Και είναι κάτι που δεν το είχες πριν που το συζητήσαμε, δεν το είχε διαβάσει λοιπόν ο τίτλος είναι λοιπόν αυτό είναι. [0:34:49] Είναι ένας πίνακας ζωγραφικής, ένα πορτρέτο το οποίο δημιουργεί ai μπράβο, αλλά δεν είναι τόσο απλό γιατί; [0:34:59] Λοιπόν, αυτός ο πίνακας δημοπρατήθηκε από τον Οίκο Κριστή Νομίζω είναι κριστί, γιατί πρέπει να είναι γαλλικά για πάνω από 400.000$, αν και αρχικά το ήτανε γύρω στα 6-7 χιλιάρικα. Που θα πιάσει λοιπόν άκου τώρα αυτός ο πίνακας ποίνει η ιστορία από πίσω. [0:35:21] Πρακτικά είναι 2 αλγόριθμοι ωραία ο ένας λέγεται generator, δηλαδή αυτός που φτιάχνει τον πίνακα και ο άλλος λέγεται Discriminator που είναι ο εκτιμητής. Οπότε τι έγινε; Τροφοδότησαν τον είχαν κάνει τον για να εκτιμήσει έναν καλός ο πίνακας και αν δεν το θεωρούσε ακριβό τον έβαζε τον άλλο να ξαναβουλέψει ακριβώς αυτό κάνανε τροφοδόσαν το generator με περίπου 15.000 πορτρέτα από το δέκατο τέταρτο μέχρι τον 20 τέ. [0:35:52] Αυτός άρχισε να φτιάχνει δικά του και όταν κατάφερε να κοροϊδέψει τον εκτιμητή ότι αυτός είναι πραγματικός πίνακας, τελικά και δεν είναι ai generated. Τότε είπανε OK, αυτός μας κάνει αυτόν θα πουλήσουμε και θα το παρουσιάσουμε. [0:36:12] Εντάξει, ο πίνακας έχει αυτή την πρέπει να το δείχνει βασικά κάποιος δεν γίνεται από το podcast να το περιγράψω. Ένα πορτρέτο είναι. [0:36:19] Το εντυπωσιακό είναι αυτό ότι το εκπαίδευσαν μέχρι να καταφέρει να κοροϊδέψει έναν άλλο αλγόριθμο που αυτός είχε εκπαιδευτεί να βρίσκει fake πίνακες. [0:36:31] Και προφανώς και η τιμή. Δεν ξέρω κατά πόσο. [0:36:36] Έχει δηλαδή πιστεύεις ότι στο μέλλον θα αγοράζουμε πίνακες ζωγραφικές που έχουν φτιάξει; [0:36:42] Η ερώτηση μου βασικά είναι, πήρε τα λεφτά μου ο κ. Πληρώνεις κάποιους την αγόρασε, τα παίρνει. Οι προγραμματιστές ας πούμε, που φτιάξαν τον αλγόριθμο. [0:36:54] Μπορεί στο μέλλον να βλέπουμε π χ. Κάποιο έργο τέχνης που το έφτιαξε; Η συγκεκριμένη START αποτελείται από developers και να φτιάχνει. [0:37:08] Πίνα και συγκιτά δεν ξέρω τι άλλο. [0:37:12] Πράγματα πολύ business site. Η ιδέα αυτή να δείξω κάποιος θα την έχει κάνει. Μάλλον η generali techni προς πώληση με ai. Πιστεύω ότι πάνω σε αυτό το θέμα η ιδέα είναι αντίστοιχη έχση με την προσφορά που υπάρχει στο συγκεκριμένο προϊόν. Τι εννοώ ότι προφανώς ο πρώτος πίνακας Ai πουλήθηκε πάρα πολύ ακριβά αν τελικά καταλήξει μετά από 10 χρόνια, απλά αν πηγαίνουμε στο και να παίρνουμε not sponsor το I aea. [0:37:41] Και να παίρνουμε πίνακες που απλά έχουμε φτιάξει ai. [0:37:44] Τότε ένας πίνακος που θα έχει φτιαχτεί από άνθρωπο. Πλέον αυτός θα έχει τη μεγάλη αξία. Είναι σαν τα αυτοκίνητα ότι ο κ. Τα πρώτα αυτοκίνητα ήταν πολύ ακριβά και κάτι superwow να έχεις ξέρω γω τις αρχές του εικοστού αιώνα, αλλά πλέον η μαζική παραγωγή είναι πιο φτηνή από το να πάρεις ένα αυτοκίνητο που ας το πούμε χειροποίητο τύπου. Ξέρω γω Ferrari aston Martin που ράβουνε τα δέρματα στο χέρι bentle και όλες αυτές τις ακριβές μάρκες. [0:38:10] Οπότε αν υπάρχει υπερπροσφορά από προϊόντα. [0:38:14] Τότε αντίστοιχα θα ανέβει η τιμή σε προϊόντα που παράγονται με hand crafted από τους ανθρώπους. [0:38:24] Εγώ θα ένιωθα λίγο άβολα άμα ήμουνα ζωγράφος και έβλεπα κάποιον να μπορεί να παράγει τέχνη. [0:38:34] Με έναν υπολογιστή, δεν ξέρω το πιστεύω τι θα πάει, πώς είναι συλλεκτικά τύπου χαρτονομίσματα που έχουν κάποιο λάθος, ότι επειδή το Ai μπορεί να είναι τέλειο εντός εισαγωγικών. [0:38:47] Το οι ατέλειες ενός αντικειμένου είτε είναι πίνακας, είτε είναι γλυπτό από έναν άνθρωπο να δίνουν αυτά αξία. [0:38:55] Σε κάποιο προϊόν; Τέλος πάντων αυτά με τον πίνακα. [0:39:02] Σειρά σου να αναφέρουμε ένα τελευταίο που είναι πολύ πρόσφατο του 20, που ήταν το Protein Infolding, το οποίο δεν ξέρω κατά πόσο έχεις ιδέα για τι πράγμα μιλά. Είναι ένα είναι από την ίδια εταιρεία, την deep mind που κανε το άλφα go που μετά το Alpha Goff το βάλανε για κάτι επιστημονικά χρήσιμο βασικά. [0:39:26] Ξέρεις καθόλου πρωτεΐνες και αμινοξέα και τέτοια πράγματα. [0:39:32] Από τη βιολογία κατεύθυνσης. [0:39:35] Αλλά ήμουνα καλός ο κ. Συνέχισε. [0:39:39] Ιδέα είναι το εξής, αυτό ανοιχτό πρόβλημα στην επιστήμη αυτή τη στιγμή το πώς λειτουργούνε οι πρωτεΐνες μέσα στο ανθρώπινο σώμα; [0:39:48] Υπάρχουνε αμινο. Οι πρωτεΐνες αποτελούνται από αυτά τα είναι αλυσίδες. Από αυτά τα πιο απλά στοιχεία που είναι τα αμινοξέα, τα οποία είναι κάποιες δεκάδες, αλλά οι πρωτεΐνες είναι. [0:40:00] Αριθμό εκατοντάδες χιλιάδες μέσα στο ανθρώπινο σώμα. [0:40:04] Και η διαφορά μεταξύ τους είναι διπλώνουνε σε τρισδιάστατο χώρο. Δηλαδή έχεις μία κορδέλα, ας πούμε φαντάσου που είναι από διάφορα τμήματα και αυτά τα κάνεις σε ένα κουβάρι. [0:40:17] Μέσα στο ανθρώπινο σώμα. Αυτό γίνεται συνέχεια και το πώς θα κάνει θα διπλώσει πρωτεΐνη Θα κάνει Foll Καθορίζει το τι λειτουργία θα κάνει και λειτουργία μπορεί να είναι να περνάει αντισώματα ή να μεταφέρει ας πούμε κάποια συστατικά μέσα απτο κύτταρο ή έξω. [0:40:38] Με τον κορονό καλή ώρα είναι μία πρωτεΐνη στις άκρες του αυτό το spike, η κορώνα που ουσιαστικά τρυπάει μέσα το κύτταρο. [0:40:47] Και προσπαθεί πολύς κόσμος να καταλάβει πώς ακριβώς διπλώνει πρωτεΐνες, γιατί πολλές αρρώστιες, για παράδειγμα, όπως το Αλτσχάιμερ ή προκαλούνται ότι δεν έχουν διπλώσει σωστά οι πρωτεΐνες και είναι εξαιρετικά δύσκολο πρόβλημα. Γιατί μιλάμε για κίνηση πολλών τμημάτων μέσα σε ένα τρισδιάστατο χώρο με. [0:41:15] Τρισεκατομμύρια δυνατών συνδυασμών. [0:41:18] Οπότε αυτό που έγινε φέτος πέρυσι μάλλον το 20. [0:41:25] Δώσανε στην Alpha Folling, νομίζω λέγεται άλφα folld αυτά τα αμινοξέα δηλαδή πως είναι η πρωτεΐνη πριν διπλώσει; [0:41:35] Και τους ζητάνε να προβλέψουν πώς θα είναι αφού διπλώσει και το το πέτυχαν σε αρκετές πρωτεΐνες με ένα πολύ μεγάλο ποσοστό επιτυχίας 90, κάτι τα 100. Το κάνω σε κάποιες δεκάδες πρωτεΐνες αυτό σαν τεστ. [0:41:54] Και είναι μία αύξηση της εφαρμογής. Νομίζω της τεχνητής νοημοσύνης ή της τεχνολογίας όπου είναι θαχει μεγάλη χρησιμότητα για την ιατρική στα επόμενα χρόνια. [0:42:09] Και να το συνδέσω λίγο με αυτό που είπα πριν ότι είναι μια εδώ δεν είναι τεχνητή νοημοσύνη με την έννοια ότι αντιγράφουμε κάτι που κάνει ένας άνθρωπος, κανένας άνθρωπος. Αν του δώσεις μια πρωτεΐνη δεν θα μπορέσει να σου πει πως θα είναι διπλωμένη, αλλά χρησιμοποιούνε τις ίδιες τεχνικές σε αυτό το machine για παράδειγμα. [0:42:31] Για να κάνουν τις προβλέψεις. [0:42:35] Okay, πολύ ενδιαφέρον ακούγεται, αν και βλέπω ότι υπάρχει αυτός ο η κίνηση, ας το πούμε στην επιστήμη με το machine Learning που πρακτικά κανείς by Pass το simulatation και πας στο Μαντέβω δηλαδή αντί να λύσω ακριβώς πράγματα, εξισώσεις, φυσική και λοιπά για να δω ποιο θα είναι ντετερμινιστικά το αποτέλεσμα. Αν βάλω το άλφα και εφαρμόσω φυσική και μαθηματικά και βιολογία και χημεία και λοιπά. [0:43:04] Και πάρω το βήτα απλά παίρνω όλα τα πιθανά βήτα τα βάζω σε έναν αλγόριθμο. [0:43:08] Μαθαίνει τα πιθανά αποτελέσματα και μαντεύει. Είναι μία που έχω ακούσει για και καλά machine learning, για λύση διαφορετικών εξεσεων που πρακτικά παίρνει δύσκολες εξισώσεις. [0:43:22] Και από άλλες που λύνονται μαντεύει τη λύση άλλων, δεν τις λύνει πρακτικά. [0:43:28] Αυτά για πες αυτό είναι ένα chating και ότι και καλά κάνεις bypass το simulatation που μπορεί να παίρνει πολλή ώρα ή να χρειάζεται πολύ λογιστική ισχύ. Προφανώς και αυτό χρειάζεται υπολογιστική ισχύ, αλλά. [0:43:42] Αυτά είναι καλή πάσα για να το συνδέσω γιατί δουλεύουμε αρκετά με αυτά τα machine στη δουλειά. Ιατρική εφαρμογή. [0:43:52] Ένα παράδειγμα σαν αυτό που λες είναι ότι. [0:43:56] Ξέρωγω αφήνεις 1 1 1 μπάλα να πέσει ξέρω γω απτο 1 M ή από τα 2 M και πρέπει να προβλέψεις σε πόση ώρα θα πέσει. Ξέρω γω από αν σου δώσω εγώ την απόσταση ξέρω γω μία μπάλα από τα 5 M από τα 2 M σε πόση ώρα θα φτάσεις το έδαφος; [0:44:13] Στο οποίο ξέρουμε ότι υπάρχει μία απλή εξίσωση, ένας νόμος της βαρύτητας όπου σου λέει ακριβώς το χρόνο αυτό, αλλά μπορείς να βάλεις έναν αλγόριθμο το οποίο να μην έχει ιδέα για το το νόμο της βαρύτητας. Θα του θα του δίνεις μόνο νούμερα ότι όταν είμαι από τα 5 M φτάνεις στα τόσα δευτερόλεπτα Απτα 2 M στα τόσα δευτερόλεπτα. [0:44:37] Και θα μπορέσει αυτός ο αλμος να σου προβλέψει μετά σωστά; [0:44:44] Κάποια άλλη άγνωστη άγνωστο ύψος σε πόση ώρα θα φτάσει χωρίς να έχει ιδέα από φυσική; [0:44:52] Εντάξει, αυτό σε πρώτη φάση δεν έχει ιδιαίτερο νόημα να το κάνεις, αλλά έχει νόημα όταν δεν ξέρεις από πίσω το πώς δουλεύουνε τα πράγματα ακριβώς. Για παράδειγμα σε αυτό που χρησιμοποιούμε εμείς είναι προσπαθούμε να μετρήσουμε τη γλυκόζη με με ραδιοκύματα μέσα από το δέρμα, χωρίς να τραβήξουμε αίμα απτο απτο δάχτυλο που είναι τακτική κλασική μετρητές σακχάρου. [0:45:21] Κι υπάρχει ένα κομμάτι που καταλαβαίνουμε πως δουλεύει δηλαδή το σήμα που μετράμε. [0:45:27] Υπάρχει μία εξίσωση που το συνδέει με την γλυκόζη. [0:45:31] Αλλά μετάχεις σε επιρροές όπως η θερμοκρασία του περιβάλλοντος. Η αν κινείσαι αν τρέχεις ή αν είναι ιδρωμένο το δέρμα σου, τα οποία αλλοιώνουνε το αποτέλεσμα, οπότε εκεί εμείς βάζουμε αυτές οι τεχνικές μας sin learning για να μας βοηθήσει να κάνουμε πιο ακριβή πρόβλεψη γιατί δεν υπάρχει εξίσωση που να σου λέει; [0:45:57] Ο κ. Με την τάδε θερμοκρασία ή αν κινείσαι τόσο ή αν τρέχεις ή αν είσαι. [0:46:02] Ξέρω γω παιδάκι σε σχέση με 60 χρονών. Πώς αλλάζει η γλυκόζη σου; [0:46:09] Ίσως και να υπάρχουν εξισώσεις για όλα αυτά, αλλά είναι πάρα πολύ δύσκολο. [0:46:15] Κοίτα γίνεται είναι. [0:46:18] Και είμαι πιο απλό να βάλεις ένα αλλού να του δώσεις πολλά δεδομένα και να σου κάνει μία πρόβλεψη. Έτσι το χρησιμοποιούμε εμείς, δηλαδή στη συγκεκριμένη συσκευή που αναπτύσσουμε και άλλοι βασικά στην ιατρική. [0:46:34] Όλα αυτά με τα smart Watch και τα βήματα και το πόσες θερμίδες χάνεις και το πόσα βήματα έχεις κάνει βασικά λειτουργούνε πολύ ή πόσες ώρες έχεις κοιμηθεί; Λειτουργούνε πολύ παρόμοια. [0:46:48] Τρόπο δηλαδή προπονούνται στο. [0:46:51] Θέλουν δεδομένα από τους sensors που είναι ή ένας οπτικό sensor ή ένα axer ax λερό με πώς είναι στα ελληνικά τώρα Επιταρχήν χειρόμετρο; [0:47:03] Σου λέει πως έχεις κουνηθεί και από αυτά μπορεί και σου βγάζουν τις θερμίδες ή το πόσο μεγάλο είναι το βήμα σου και τα λοιπά. [0:47:13] Είναι αρκετά χρήσιμα, Δεν ξέρω σε σένα υπάρχει στα δικά σου χρησιμοποιείται κάπως η τεχνητή νοημοσύνη. Γενικά αυτό κοίταξε τη φάση μας. Είναι learning ψιλό παίζει παντού στο και στην αστροφυσική. [0:47:26] Για απλά θα αναφέρω ένα έτσι πολύ σημαντικό επίτευγμα γιατί είναι αυτό που δεν γλιτώνει χρόνο από τον άνθρωπο, απλά πετυχαίνει πράγματα που δεν θα μπορούσε ποτέ ο άνθρωπος να βρει. [0:47:41] Το 2010, 7. Αν δεν κάνω λάθος. [0:47:46] Βγήκε ένα paper στο Nature. Το νομίζω η Ομάδα ήταν από το Α που ήτανε Harvard, νομίζω. [0:47:55] Όχι ήταν απτο Stanford. [0:48:00] Η οποία αυτοί έκαναν, μπόρεσαν μέσω αλγορίθμων που προπόνησαν να βρουν περιπτώσεις gravitational lensing ωραία πολύ σύντομα. Τι είναι αυτό ό τι και καλά σε μία αστρονομική εικόνα που βλέπεις το διάστημα βαθιά, δηλαδή όχι να δεις ξέρω γω το φεγγάρι και το Δία. [0:48:23] Με πολλούς γαλαξίες και λοιπά αν έχεις ένα πολύ μαζικό αντικείμενο massive, όχι μαζικό. Τέλος, το massive αντικείμενο που μπορεί να είναι πχ. Είτε ένας γαλαξίας είτε. [0:48:36] Ένα cluster από γαλαξίες. Τι συμβαίνει επειδή το η βαρύτητα Καμπυλώνει το φως; [0:48:45] Μπορεί αν έχεις στο μπροστά αυτό το μαζικό αντικείμενο. [0:48:52] Να κάνει Focus το φως που έρχεται από κάτι που τοπολογικά βρίσκεται πίσω από αυτό τον βαρυτικό φακό που δημιουργεί, οπότε σκέψου το εξής, Έχεις ένα cluster από γαλαξίες; Έχεις έναν άλλο γαλαξία από πίσω που κανονικά δεν μπορείς να τον δεις, αλλά λειτουργεί σαν φακός το cluster βαρυτικός. [0:49:15] Κάνει Attract το φως, ας πούμε το καμπιλ θα το φως όπως ένας ασφακός καμπάνι είναι βασικά το cluster Καμπυλώνει το χώρο χρόνο και επειδή το φως ταξιδεύει πάνω σε αυτό. [0:49:28] Αναγκαστικά ακολουθεί και αυτό την ίδια γεωμετρία, τέλος πάντων, γίνεται σύνθετο το γαμάτο. Ποιο είναι στο συγκεκριμένο paper ότι; [0:49:36] Τα αυτό το αποτέλεσμα αυτού του φαινομένου είναι κάποια fitures στην εικόνα που ξέρεις ότι δεν μπορεί να είναι από ευθεία παρατήρηση, πρέπει να έχει συμβεί το συγκεκριμένο φαινόμενο για να δεις συγκεκριμένα χαρακτηριστικά. [0:49:52] Στα πολύ φωτεινά αντικείμενα είναι πολύ έντονη. Είναι prominent αυτό το πράγμα, οπότε λες Α να εκεί έχω. [0:50:00] Gravitational lensing φαινόμενο OK, αλλά με τον αλγόριθμο που προπόνησαν μπορούσαν να βρούνε πολλές άλλες περιπτώσεις με πάρα πολύ μικρά φύτσους που δεν μπορούσε με το Μάτι να καταλάβεις και να βρεις και να αναγνωρίσεις. Μάλιστα ήταν το ας το πούμε OK αυτά λοιπόν για το έτσι. [0:50:22] Ας κλείσουμε λίγο για να μην τραβήξουμε και πάρα πολύ κοιτώντας λίγο προς το μέλλον που το βλέπουμε να πηγαίνει και εντάξει ούτε την επιφάνεια δεν έχουμε καλύψει. Βέβαια δεν είναι καθαρά. E ίναι αυτό που είπα στην αρχή αυτό; [0:50:38] Ναι. [0:50:41] Δεν ξέρω εσύ πώς βλέπεις, ξέρω γω σε 510 χρόνια πως που θα πάει αυτό το αντικείμενο, πώς θα χρησιμοποιείται εγώ μπορώ να πω και για 50 χρόνια γιατί είμαι 27, οπότε μπορώ να πω και για 50 χρόνια 50 ναι κοίταξε να δεις πιστεύω ότι αρχικά το πρώτο βήμα έχει γίνει με την ότι το Ai το και όλα αυτά είναι στην καθημερινότητά μας δηλαδή. [0:51:06] Τύπου βλέπεις αγγελία και δουλειά ζητείται που μας είναι λενινγκ καλά; Ναι, δεν υπήρχε, οπότε θα γίνει κανονικά ένα επάγγελμα. Τώρα το κατά πόσο θα έρθει στο σημείο τύπου όπως έλεγα πριν να φτιάχνει έργα τέχνης ή να είναι προγραμματιστής στο AC και να γράφει ο ίδιος κώδικα μία τεχνητή νοημοσύνη να γράφει κώδικα, Ξέρω γω που να φτιάχνει κάτι άλλο. [0:51:33] Τα αυτόνομα αυτοκίνητα, για παράδειγμα, είναι κάτι που δεν το αναφέραμε και σίγουρα έχει πολύ ίσως να το πούμε σε κάποιο άλλο επεισόδιο. Ήταν από μόνο του που είναι άλλο ολόκληρο επεισόδιο. Τι γίνεται; Νομίζω ότι απλά θα συνηθίσουμε να ζούμε μαζί με την τεχνητή νοημοσύνη παντού παντού δηλαδή. [0:51:58] Θα υπάρχει στα πάντα. Στην αρχή πιστεύω θα είναι κάτι το εντυπωσιακό. Δηλαδή θα βγει η πρώτη τηλεοπτική σειρά από το σενάριο έχει γραφτεί από μία ένα. [0:52:10] Και θα το βάλουμε να το δούμε γιατί όπα είναι κάτι σημαντικό, αλλά μετά νομίζω ότι θα γίνει κάτι mainstream σε πολύ βάθος χρόνου. Δεν νομίζω ότι είναι κάτι που θα κατακτήσει τον κόσμο με την κακή έννοια. [0:52:23] Λες να το ακούνε με τα 5 χρόνια το podcast και να έχει κατακτήσει και να μας κάνει delete το αλγόριθμο στο Podcast; Γιατί προειδοποιούμε τους ανθρώπους για την επερχόμενη καταστροφή. [0:52:35] Ελπίζω πως ελπίζω πως όχι τρέμίνι αυτό από κάποιο ai είναι κάπου, οπότε όποτε κάνεις προβλέψεις είναι πάντα ρίσκο. [0:52:47] Μην τα ακούς μετά στο μέλλον; [0:52:51] Ναι 1 2 3 σχόλια από μένα 3 μάλλον για για κλείσιμο. [0:52:56] Νούμερο ένα τι; [0:52:59] Υπάρχουνε παραδείγματα Ai τα οποία είναι λυμένα και έχουνε κάνει Move. Ένα απλό παράδειγμα είναι αναγνώριση χαρακτήρων σε κείμενο που παραδοσιακά ήτανε μόνο ξέρεις να δεις να διαβάσεις ένα τυπωμένο κείμενο. Είναι κάτι που οι υπολογιστές τολίσανε πολύ εύκολα πια και είναι ένα πολύ εύκολο πρόβλημα γιατί έχεις μόνο ξέρωγω. [0:53:25] 20 τόσους χαρακτήρες και κάποια σύμβολα. [0:53:27] Εγώ πρέπει να αποφασίσεις, δεν είναι άλφα go ή σκάκι και δεν το αναφέρουμε σαν ei. Αυτή τη στιγμή λέμε αναγνώριση χαρακτήρων, ξέρω γω και είναι πολύ στάνταρ. Έχει λυθεί και το σκάκι, ας πούμε, έχει έχει λυθεί στο στους υπολογιστές, ας πούμε και οποιοσδήποτε υπολογιστής μπορεί να παίξει πολύ καλύτερα από ανθρώπους. [0:53:49] Αυτό που δεν μου αρέσει πολύ που γίνεται τώρα και που δημιουργεί μπέρδεμα, τον έφερα λίγο και στην αρχή του επεισοδίου είναι ότι. [0:53:58] Βαφτίζει ο κόσμος ai τις τεχνικές που χρησιμοποιούνται ή χρησιμοποιώντας σαν για το ai για να φέρω ένα παράδειγμα. [0:54:09] Για να καταλάβουμε ο κόσμος από τι μιλάμε απτη μαγειρική ΠΕΣ ότι θες να μαγειρέψεις. [0:54:15] Ένα ξέρω γω ένα ένα boot αρνί και το βάζεις στο φούρνο. Μία από τις τεχνικές είναι ότι θα ανάψεις στο φούρνο και θα ψηθείς εκεί θα το ψήσεις εκεί θα βγει μαγειρεμένο. [0:54:27] Κάποια στιγμή έχεις ένα άλλο πρόβλημα, το οποίο είναι ξέρω γω, θέλει να ζεστάνεις το σπίτι σου ή την κουζίνα, γιατί δεν έχεις τερματίσει whatever rison και βρίσκεις ότι αν ανάψεις το φούρνο. [0:54:44] Μπορείς να επιτύχεις το ίδιο αποτέλεσμα; Θα ζεσταθεί αυτό το σπίτι; [0:54:49] Δηλαδή μπορείς να χρησιμοποιήσεις το ίδιο πράγμα και για μαγειρική, αλλά και για κάτι άλλο. Ουσιαστικά αυτό έχει γίνει με την τεχνητή νοημοσύνη. Τώρα δηλαδή υπήρχαν τεχνικές. [0:55:01] Της τεχνητής νοημοσύνης, όπως το machine Learning για τεχνητή νοημοσύνη, δηλαδή να παράξουν αποτελέσματα. [0:55:09] Παρόμοια με όπως σκέφτονται οι άνθρωποι και ταχουνε πάρει όλα αυτά και τα κάνουν σε άλλες εφαρμογές, όπως το protein, following η εικόνα των gravity lensing που είπες. [0:55:21] Που δεν έχει δεν αποσκοπεί, ας πούμε να αντιγράψει τον άνθρωπο, αλλά αυτές οι μέθοδοι τις λένε ai τεχνητής νοημοσύνης. [0:55:34] Με αποτέλεσμα αυτό να υπάρχει παντού τώρα, δηλαδή αν τώρα κάνεις proposal καλή ώρα και δεν λες μέσα ai. [0:55:44] Ναι. [0:55:47] Δεν σε κοιτάνε καν ας πούμε εγώ καταλαβαίνω αυτό το επίπεδο γιατί έψαχνα και για τώρα και είναι παντού. Ξέρω εγώ παίζει να κάνουμε αυτό με i το άλλο το τρίτο και δυστυχώς είναι οι τεχνικές που χρησιμοποιούνε που δεν έχει, δεν αποσκοπεί στο ανθρώπινα νικήσει τον άνθρωπο, αλλά είναι τεχνικές που χρησιμοποιούνται σαν εκεί. [0:56:08] Και ο λόγος που είχε γίνει αυτό τώρα και εδώ θα κλείσω την πολυλογία μου δηλαδή γιατί έγινε τώρα αυτή τη δεκαετία; Αυτό είναι ότι, πρώτον, υπολογιστική ισχύς ανέβηκε πάρα πολύ για να μπορεί να επεκταθεί και σε άλλες εφαρμογές με με δισεκατομμύρια τρισεκατομμύρια. [0:56:28] Επιλογών και δεύτερον το αυτό το big data. Δηλαδή έχουμε πια συλλογή δεδομένων είτε είναι από σένσορες είτε από εικόνες είτε από. [0:56:40] Ξέρεις την ηχητική ομιλία, οτιδήποτε τα οποία μπορεί να χρησιμοποιηθούν για να εκπαιδευτούν αυτοί οι αυτό δεν υπήρχε τέτοιος κατάλογος δεδομένων μαζικός. [0:56:55] Πριν από 10 15 χρόνια, οπότε ο συνδυασμός των νέων δεδομένων και της υπολογιστικής ισχύς, χρησιμοποιώντας τις τεχνικές που κάποτε ήτανε αποκλειστικά για τεχνητή ανθρώπινη νοημοσύνη. [0:57:12] Έχουνε δημιουργήσει τορινό συνονθύλευμα τεχνητής νοημοσύνης. Θα προτιμούσα να υπήρχε κάποια άλλο όνομα, αλλά τελοσπάντων αυτό έχει αυτό υπάρχει; [0:57:25] Αυτά αυτά λοιπόν, αυτά ήταν το επεισόδιο για την τεχνητή νοημοσύνη. Την επόμενη εβδομάδα έχουμε πάμε στο διάστημα. [0:57:35] Έχουμε ένα επεισόδιο, δεν θα πούμε ακριβώς, αλλά θα είναι σχετικά με το διάστημα και περιπέτειες το διάστημα σημαντικά πράγματα που έγιναν την τελευταία με αφορμή πράγματα που έγιναν την τελευταία δεκαετία. Αυτά λοιπόν ευχαριστούμε που μας ακούσατε όποιος κατάφερε να ακούσει μέχρι εδώ πέρα. [0:57:53] Ωραία ευχαριστώ Γιώργο. Είχαμε πει για 30 λεπτά. Βγήκαμε 01:00, εντάξει, θέλουμε προπόνηση σαυτό το καλά πήγε αυτά. [0:58:02] Λοιπόν έγινε γεια χαρά. [0:58:06] [0:58:15]