ΚΟΥΙΖ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

Όταν το AI βλέπει πολλές φωτογραφίες, τι ακριβώς προσπαθεί να βρει μέσα σε αυτές για να μάθει;

• Την ώρα που τραβήχτηκε η φωτογραφία.

• Ποιο είναι το αγαπημένο μας ζώο.

• Την καλύτερη κρυψώνα.

• Τα μοτίβα που συνδέουν τις εικόνες με την ίδια ετικέτα.

Αν δώσουμε στον υπολογιστή μόνο 5 φωτογραφίες από σκουπίδια και ζητήσουμε να καθαρίσει τον ωκεανό, τι είναι πιο πιθανό να συμβεί;

• Θα καθαρίσει τον ωκεανό πιο γρήγορα.

• Θα κάνει πολλά λάθη, γιατί δεν έχει αρκετή ποικιλία.

• Θα βρει έναν θησαυρό.

• Θα μας ζητήσει να πληρώσουμε.

Αν κατά λάθος βάλουμε την ετικέτα «σκουπίδι» σε μια φωτογραφία με δελφίνι, τι κακό μπορεί να συμβεί στη μελλοντική του εκπαίδευση;

• Θα αλλάξει το χρώμα του δελφινιού.

• Το AI μπορεί να μάθει ότι τα δελφίνια είναι σκουπίδια και να τα ταξινομεί λάθος.

• Το AI θα σβήσει τη φωτογραφία του δελφινιού.

• Το δελφίνι θα θυμώσει.

Γιατί είναι σημαντικό το AI να βλέπει ποικιλία εικόνων από πολλά περιβάλλοντα;

• Για να θυμάται συγκεκριμένους φακέλους.

• Για να αναγνωρίζει μοτίβα σε διαφορετικές καταστάσεις.

• Για να μετρά πόσα χρώματα υπάρχουν.

• Για να αποθηκεύει περισσότερα εικονίδια.

Ποιο από τα παρακάτω είναι πιο σημαντικό για να πετύχει το AI στην ταξινόμηση σκουπιδιών;

• Να έχει έναν πολύ γρήγορο υπολογιστή.

• Να είναι ο υπολογιστής συνδεδεμένος στο ίντερνετ.

• Να έχει ποικιλία και σωστή ετικέτα στα δεδομένα εκπαίδευσης.

• Να έχει πολύ ωραία μουσική υπόκρουση.

Γιατί η τελική οθόνη του μαθήματος δείχνει πόσα σκουπίδια καθάρισε το AI και πόσα ψάρια έσωσε;

• Για να μας δείξει πώς να κολυμπάμε.

• Για να μας δώσει δώρα.

• Για να μετρήσει πόσο χρόνο περάσαμε στον υπολογιστή.

• Για να δούμε το πραγματικό αποτέλεσμα της εκπαίδευσής μας και πόσο καλά εκπαιδεύσαμε το AI.

Ποιος από τους παρακάτω ρόλους είναι του Ανθρώπου και όχι του AI στη διαδικασία της Μηχανικής Μάθησης;

• Να αναγνωρίζει μοτίβα στις εικόνες.

• Να ελέγχει την ποικιλία των δεδομένων και να βάζει σωστές ετικέτες.

• Να υπολογίζει γρήγορα πιθανότητες ταξινόμησης.

• Να προβλέπει αυτόματα άγνωστες κατηγορίες.

Αν το AI κάνει λάθος και αναγνωρίσει ένα σπάνιο είδος ψαριού ως «Άγνωστο», ποια είναι η σωστή αντίδρασή μας για να το βοηθήσουμε;

• Να του δώσουμε ένα καινούργιο όνομα.

• Να του προσθέσουμε περισσότερες φωτογραφίες από αυτό το σπάνιο ψάρι με τη σωστή ετικέτα.

• Να το βγάλουμε από την πρίζα.

• Να του φωνάξουμε.

Τι είναι τα Δεδομένα Εκπαίδευσης (Training Data) με μία απλή λέξη;

• Τα βίντεο από τη θάλασσα.

• Τα παραδείγματα (φωτογραφίες με ετικέτες) που δείχνουμε στον υπολογιστή για να μάθει.

• Οι κανόνες κολύμβησης.

• Τα καινούργια του ρούχα.

Ποιο είναι το μεγαλύτερο περιβαλλοντικό όφελος από το να εκπαιδεύουμε σωστά το AI να ξεχωρίζει τα σκουπίδια;

• Να καθαρίσουμε πιο γρήγορα και πιο αποτελεσματικά τους ωκεανούς από τα σκουπίδια και να σώσουμε τη θαλάσσια ζωή.

• Να βρούμε το πιο γρήγορο ψάρι στον κόσμο.

• Να βρούμε καινούργια παιχνίδια για την παραλία.

• Να κάνουμε τα σκουπίδια να λάμπουν.