Mentions légales du service

Skip to content
Snippets Groups Projects
Commit 223d2631 authored by ROSPARS Benoit's avatar ROSPARS Benoit
Browse files

Merge branch 'master' into 'master'

Add italian translation

See merge request !7
parents b9e9da98 78e2fbaf
Branches
No related tags found
1 merge request!7Add italian translation
Pipeline #324183 passed
Showing
with 933 additions and 1 deletion
.idea/
\ No newline at end of file
.idea/
datasets/tester_entrainement_tuto1/Vélo/1-train-velo5.png
datasets/tester_entrainement_tuto1/Vélo/1-train-velo6.png
datasets/tester_entrainement_tuto1/Vélo/1-train-velo7.jpg
datasets/tester_entrainement_tuto1/Vélo/1-train-velo8.png
datasets/tester_entrainement_tuto1/Vélo/1-train-velo9.jpg
datasets/tester_prediction_tuto1/Vélo/1-test_velo1.jpg
datasets/tester_prediction_tuto1/Vélo/1-test_velo2.png
datasets/tester_prediction_tuto1/Vélo/1-test_velo3.png
datasets/tester_entrainement_tuto1/Vélo/1-train-velo1.jpg
datasets/tester_entrainement_tuto1/Vélo/1-train-velo10.jpg
datasets/tester_entrainement_tuto1/Vélo/1-train-velo2.png
datasets/tester_entrainement_tuto1/Vélo/1-train-velo3.jpg
datasets/tester_entrainement_tuto1/Vélo/1-train-velo4.jpg
{
"values":{
"Crédits": "Credito",
"Suite": "Avanti"
}
}
{
"valori": {
"../../assets/images/accueil_tuto1_avec_titre.png": "../../assets/images/accueil_tuto1_avec_titre-en.png",
"Vous avez dit <strong>IA</strong>?": "Hai detto <strong>AI</strong>?",
"Tester": "Prova",
"Expérimenter": "Esperimento",
"Créer": "Creare",
"Conclusion": "Concludere",
"Cette partie n'est pas adaptée aux appareils mobiles. Veuillez la consulter dans Chrome, Firefox ou Microsoft Edge sur ordinateur ou tablette en mode paysage": "Questa sezione non è adatta ai dispositivi mobili. Si prega di visualizzarlo in Chrome, Firefox o Microsoft Edge su un computer o tablet in modalità orizzontale",
"Veuillez passer en mode paysage pour une consultation optimale.": "Si prega di passare alla modalità orizzontale per una visualizzazione ottimale."
"Vous avez dit": "Hai detto"
"IA": "AI",
"Introduction": "Introduzione",
"Qu'est-ce que l'intelligence artificielle?": "Che cos'è l'intelligenza artificiale?",
"Testons si le programma d'intelligence artificielle peut nous dire ce que représentent ces images?": "Proviamo se il programma di intelligenza artificiale può dirci cosa rappresentano queste immagini?",
"Choisir une image dans la bibliothèque puis cliquer sur": "Seleziona un'immagine dalla galleria e clicca su",
"Bibliothèque": "Gallery",
"Programma": "Programma",
"MAGIQUE?": "Magico?",
"Expérimenter 1/4": "Esperimento 1/4",
"Notre programme est-il magique?": "Il nostro programma è magico?",
"Créons une première catégorie en associant par exemple des images de chat à l'étiquette"Chat"": "Creamo una prima categoria assegnando, ad esempio, immagini di gatti al tag ‘Cat'",
"Choisir une catégorie dans le menu Déroulant et sélectionner 10 images correspondentes dans la bibliothèque puis cliquer sur": "Scegliere una categoria dal menu a discesa e selezionare 10 immagini correlate dalla galleria e quindi fare clic su",
"Faisons de même pour une seconde catégorie par exemple"Chien".": "Facciamo lo stesso per una seconda categoria, ad esempio "Dog".
"Choisir une seconde catégorie dans le menu Déroulant et sélectionner 10 images correspondantes dans la bibliothèque puis cliquer sur": "Scegliere un'altra categoria dal menu a discesa e selezionare 10 immagini correlate dalla galleria e quindi fare clic su",
"Entraînons le programme pour qu'il associe les exemples d'images aux catégories.": "Alleniamo il programma in modo che associ le immagini di esempio alle categorie".
"CLIQUER sur": "Clicca su",
"Notre programme saura-t-il reconnaître une image qu'il n'a jamais vue?": "Il nostro programma sarà in grado di riconoscere un'immagine che non ha mai visto?",
"Tester le programme avec de nouvelles images.": "Prova il programma con nuove immagini.",
"Tu viens d'entraîner ton premier programe! Bravo!": "Hai appena addestrato il tuo primo programma! Eccellente!",
"Expérimenter 2/4": "Esperimento 2/4",
"Nous venons d'entraîner notre premier programme": "Abbiamo appena addestrato il nostro primo programma",
"Notre programme peut-il vraiment reconnaître n'importe quelle image?": "Il nostro programma può davvero riconoscere qualsiasi immagine?",
"Tester le programme avec des images appartenant à différentes catégories.": "Prova il programma con immagini che appartengono a diverse categorie.",
"Notre programme ne sait faire que ce pour quoi il a été entraîné": "Il nostro programma può fare solo quello che è stato addestrato a fare",
"Expérimenter 3/4": "Esperimento 3/4",
"Notre programme saura-t-il reconnaître un même objet dans des contextes différents?": "Il nostro programma sarà in grado di riconoscere lo stesso oggetto in contesti diversi?",
"Tester le programme avec des images de la même catégorie mais d'aspects différents (peluche, dessin, angle de vue)": "Prova il programma con immagini della stessa categoria ma con altri aspetti (plus, disegno, angolo di vista)",
"Il programma peut se tromper": "Il programma può essere sbagliato",
"Expérimenter 4/4": "Esperimento 4/4",
"Et il peut se tromper!": "E può essere sbagliato!",
"Que peut-on faire avec ce programme?": "Cosa si può fare con questo programma?",
"Commençons par définir une première catégorie, par exemple"TASSE"et associons-lui des images.": "Iniziamo creando una prima categoria, ad esempio ‘CUP' e associamo le immagini ad essa.",
"Définir un nom dans le champ de saisie. Prendre ou importer 10 exemples en variant les positions et valider.": "Imposta un nome nel campo di testo. Prendere o importare 10 esempi variando le posizioni e quindi fare clic su ‘Validate'",
"Prendre une photo": "Prendi una foto",
"Importer une photo": "Importare un'immagine",
"Important!": "Importante!",
"Les images ne font l'objet d'aucun traitement informatique et sont stockées localement. IT ricaricante la pagina, les données sont perdues.": "Le immagini non sono soggette a elaborazione computerizzata e sono memorizzate localmente. Quando si ricarica la pagina, i dati vengono persi."
"Faisons de même avec une seconde catégorie par exemple"VERRE".": "Facciamo lo stesso con una seconda categoria, ad esempio "GLASS".
"Définir un nom dans le champs de saisie. Prendre ou importatore au moins 10 exemples en variante les positions et valider.": "Imposta un nome nel campo di testo. Prendere o importare 10 esempi variando le posizioni e quindi fare clic su ‘Validate'",
"Testons notre premier programme avec des images qu'il n'a jamais vues!": "Testiamo il nostro primo programma usando immagini che non ha mai visto!",
"Prendre ou importer de nouvelles images correspondant à l'une des deux catégories et cliquer sur": "Prendere o importare nuove immagini adattando una delle due categorie e quindi fare clic su",
"Conclusion": "Conclusione",
"Valider": "Convalidare",
"Entraîner": "Imparare",
"Bluffant! mais ça sert à quoi?": "Incredibile! Ma a cosa serve?",
"Production et réalisation": "Produzione e direzione",
"Magic Makers pour Class'Code IAI.": "Magic Makers for Class'Code".
"www.magicmakers.fr": "www.magicmakers.fr",
"Jade Becker": "Jade Becker",
"Conception et réalisation.": "Progettazione e produzione".
"Claude Terosier et Romain Liblau", "Claude Terosier e Romain Liblau",
"Conseil pédagogique". "Consiglio per l'istruzione".
"Veronica Holguin": "Veronica Holguin",
"Graphisme". "Progettazione grafica".
"Benjamin Ninassi e Denis Chiron": "Benjamin Ninassi e Denis Chiron",
"Développement". "Sviluppo".
"Sophie de Quatrebarbes": "Sophie de Quatrebarbes",
"Réalisation et suivi de production.": "Produzione e follow-up".
"Avec le soutien de Béatrice Matlega et Céline Corno, Microsoft.": "Con il supporto di Béatrice Matlega e Céline Corno, Microsoft.",
"Donnate, logiche, ecc...": "Dati, software, ecc...",
"Hébergement: INRIA Rocquencourt.": "Ospitato da: INRIA Rocquencourt.",
"Algorithme de machine learning: PUNTO ML5.": "Algoritmo di apprendimento automatico: PUNTO ML5."
"Navigateurs supportés: Bordo, Chrome, Mozilla, Safari, Opera": "I browser supportati: Bordo, Chrome, Mozilla, Safari, Opera",
"Création du json du pré-entrainement du modèle: NE SERT QU'EN PROD": "Creazione del json per il modello di preformazione:",
"Chargement du json du pré-entrainement du modèle: NE SERT QU'EN PROD": "Caricamento del json per il modello di preformazione:",
"Le présent tutoriel ne stocke aucune donnée staffle. Les images sont traitées au niveau local sur la machine de l'utilisateur.": "Questo tutorial non memorizza alcun dato personale. Le immagini sono elaborate localmente sulla macchina dell'utente",
"Une production Magic Makers en coproduction avec Inria et S24B l'interactive et class'code avec le soutien de Microsoft.":"A Magic Makers production in co-produzione con Inria e S24B l'interactive et class'code con il supporto di Microsoft",
"© cette ressource est sous license CC BY SA 2020": "© questo contenuto è sotto licenza CC BY SA 2021",
"Chargement des données de pré-entrainement...": "Caricare dati predefiniti...",
"Chargement du modèle...": "Modello di caricamento...",
"Analyse en cours...": "Analisi in corso...",
"Ajout des images": "Aggiungere nuove immagini",
"Sélectionner une catégorie": "Selezionare una categoria",
"Chat": "Gatto",
"Chien": "Cane",
"Guitare": "Chitarra",
"Hamburger": "Hamburger",
"Licorne": "Unicorno",
"Leone": "Leone",
"Lune": "Luna",
"Tigre": "Tiger"
}
}
WEBVTT
00:00:00.333 --> 00:00:02.914
Cos'è l'intelligenza artificiale?
00:00:03.541 --> 00:00:06.666
AI, o intelligenza artificiale,
è un insieme di strumenti IT
00:00:06.750 --> 00:00:10.083
che imitano azioni
precedentemente fatte solo dagli umani.
00:00:10.370 --> 00:00:12.515
Sono più spesso azioni cognitive.
00:00:12.583 --> 00:00:16.084
Per esempio, riconoscere ciò che è
in un'immagine o anche tradurre un testo.
00:00:16.509 --> 00:00:18.020
Possiamo trovarlo tutto intorno a noi!
00:00:18.083 --> 00:00:20.729
Il nostro telefono riconosce i volti sulle nostre foto,
00:00:20.790 --> 00:00:24.174
siti di traduzione che riconoscono immediatamente
riconoscono la lingua parlata.
00:00:24.521 --> 00:00:29.382
App per i social media in grado di riconoscere i volti
sulle nostre foto così possiamo aggiungere orecchie da coniglio.
00:00:29.458 --> 00:00:32.179
Assistenti vocali
con cui possiamo parlare. Fantastico, vero?
00:00:32.497 --> 00:00:33.685
Diamo un'occhiata più da vicino.
\ No newline at end of file
WEBVTT
00:00:00.167 --> 00:00:01.250
Magia?
00:00:02.312 --> 00:00:05.660
Per un programma che impara a riconoscere
le immagini, devi prima addestrarlo.
00:00:06.014 --> 00:00:09.330
Questo è ciò che è noto
come "apprendimento automatico".
00:00:09.992 --> 00:00:12.250
Gli mostreremo degli esempi,
e gli diremo cosa sono.
00:00:12.640 --> 00:00:15.312
Questa è un'immagine di un gatto.
Questa è l'immagine di un cane.
00:00:15.375 --> 00:00:18.625
Gliene mostreremo migliaia
per ogni cosa che vogliamo che riconosca.
00:00:19.167 --> 00:00:21.417
All'inizio farà
molti errori.
00:00:21.458 --> 00:00:24.916
Ma dopo aver visto molti esempi,
riconoscerà l'immagine di un gatto,
00:00:24.937 --> 00:00:26.958
anche su una foto che non ha mai visto.
00:00:27.042 --> 00:00:29.583
Ora saremo in grado
essere in grado di addestrare la nostra IA!
\ No newline at end of file
WEBVTT
00:00:00.000 --> 00:00:02.225
Abbiamo appena addestrato il nostro primo programma!
00:00:02.708 --> 00:00:05.833
Ben fatto!
Come avete potuto vedere, non è stata una magia.
00:00:06.208 --> 00:00:09.751
Per prima cosa, gli abbiamo detto cosa gli stavamo mostrando.
Poi gli abbiamo mostrato esempi di immagini.
00:00:10.000 --> 00:00:11.458
Questa è la fase di apprendimento.
00:00:11.789 --> 00:00:13.854
Chiamiamo il programma
che abbiamo addestrato "il modello".
00:00:14.610 --> 00:00:17.790
Ora può predire
la categoria a cui appartiene un'immagine.
00:00:18.242 --> 00:00:22.040
La sua previsione è ancora una statistica
approssimazione, da cui la percentuale.
00:00:22.458 --> 00:00:24.625
Secondo il suo calcolo,
c'è più possibilità
00:00:24.687 --> 00:00:27.208
che questa immagine appartenga
ad una categoria piuttosto che ad un'altra.
00:00:27.994 --> 00:00:29.625
Ma può riconoscere tutto?
00:00:29.917 --> 00:00:32.333
Se gli insegniamo a riconoscere i gatti o i cani,
00:00:32.416 --> 00:00:34.479
può riconoscere i leoni o le tigri?
00:00:34.541 --> 00:00:36.083
Può il nostro programma sbagliare?
WEBVTT
00:00:00.521 --> 00:00:04.312
Il nostro programma può fare solo
ciò che è stato addestrato a fare.
00:00:04.708 --> 00:00:07.208
Il programma può riconoscere solo
quello che gli abbiamo mostrato.
00:00:07.527 --> 00:00:11.390
Se gli insegniamo a riconoscere i gatti o i cani,
non sarà in grado di riconoscere i leoni.
00:00:11.458 --> 00:00:14.416
Ma può dirci
a quale categoria si avvicina.
00:00:14.500 --> 00:00:18.042
I gatti? È intelligente solo
quanto noi gli abbiamo insegnato ad esserlo.
00:00:18.126 --> 00:00:21.226
Quando scopriamo qualcosa di nuovo,
non sappiamo subito cosa sia.
00:00:21.672 --> 00:00:26.160
Ma una volta che abbiamo imparato, possiamo riconoscerla
in diverse posizioni o contesti.
00:00:26.632 --> 00:00:28.250
È lo stesso per il nostro programma?
00:00:28.792 --> 00:00:32.390
Se gli insegniamo a riconoscere i leoni,
riconoscerà i leoni di peluche?
WEBVTT
00:00:00.167 --> 00:00:01.429
Può sbagliare le cose!
00:00:01.760 --> 00:00:03.178
È solo una previsione.
00:00:03.992 --> 00:00:06.990
Essere in grado di riconoscere le cose
in diverse posizioni o contesti
00:00:07.021 --> 00:00:08.541
si chiama generalizzazione.
00:00:08.583 --> 00:00:11.875
Questo è ciò che cerchiamo di fare quando addestriamo
un programma a riconoscere le cose.
00:00:12.218 --> 00:00:16.040
Siamo molto bravi a generalizzare
perché siamo abbastanza approssimativi.
00:00:16.654 --> 00:00:19.104
Il nostro programma è molto potente
perché è molto preciso.
00:00:19.490 --> 00:00:21.367
Ma è meno bravo a generalizzare.
00:00:22.156 --> 00:00:26.660
Tuttavia, se lo addestriamo correttamente
con migliaia di esempi diversi,
00:00:27.047 --> 00:00:29.830
in alcuni casi, può essere
più preciso degli umani.
00:00:29.875 --> 00:00:35.646
Oggi, abbiamo programmi che possono leggere
immagini mediche in modo più affidabile degli umani.
WEBVTT
00:00:00.130 --> 00:00:02.054
Cosa possiamo fare con questo programma?
00:00:02.487 --> 00:00:05.729
Ora sappiamo
come addestrare l'intelligenza artificiale,
00:00:05.791 --> 00:00:08.125
possiamo addestrarla con qualsiasi cosa vogliamo.
00:00:08.740 --> 00:00:10.778
Posso addestrare un programma
per capire la differenza
00:00:10.812 --> 00:00:12.385
tra la mia tazza e il mio bicchiere?
00:00:12.917 --> 00:00:15.099
Tra una mano chiusa e una mano aperta?
00:00:15.658 --> 00:00:17.792
Tra la camicia blu e la maglietta rossa?
00:00:17.875 --> 00:00:21.242
Potete scegliere le vostre due categorie
e i vostri dieci esempi per ciascuna.
00:00:21.750 --> 00:00:24.195
Assicuratevi che
le vostre due categorie siano distinte.
\ No newline at end of file
WEBVTT
00:00:00.125 --> 00:00:02.352
Impressionante! Ma come è utile?
00:00:02.583 --> 00:00:04.917
Impressionante, vero? Siamo d'accordo.
00:00:05.001 --> 00:00:07.200
Il programma non vede davvero
le nostre categorie.
00:00:07.469 --> 00:00:10.521
Ma associa l'etichetta che abbiamo scelto
all'esempio che gli abbiamo mostrato.
00:00:10.562 --> 00:00:13.208
Questa capacità di riconoscere le cose
può essere molto utile.
00:00:13.445 --> 00:00:15.910
Stiamo trovando sempre più
IA nella nostra vita quotidiana.
00:00:15.994 --> 00:00:19.910
Ci permette di tradurre automaticamente il testo,
comunicare con gli assistenti vocali
00:00:20.210 --> 00:00:22.807
o persino migliorare le diagnosi mediche.
00:00:23.083 --> 00:00:26.917
Gli ingegneri informatici lo usano anche
per provare a costruire auto autonome!
00:00:27.000 --> 00:00:30.146
Ma molti usi sono ancora da inventare
per rendere il mondo di domani
00:00:30.208 --> 00:00:32.958
più giusto, più semplice.
più bello e più sostenibile.
00:00:33.042 --> 00:00:36.333
Aiutare le persone
con disabilità, per esempio,
00:00:36.417 --> 00:00:39.208
con applicazioni
che descrivono l'ambiente
00:00:39.292 --> 00:00:40.708
per persone con problemi di vista,
00:00:40.792 --> 00:00:43.213
o per permettere alle persone paralizzate di scrivere,
00:00:43.297 --> 00:00:48.166
rendendo il lavoro più semplice e interessante,
automatizzando alcuni compiti ripetitivi.
00:00:48.250 --> 00:00:53.792
ridurre il cambiamento climatico facendo
previsioni più accurate per il futuro.
00:00:54.109 --> 00:00:58.720
E noi? Ora sai cos'è l'IA,
ma cos'altro possiamo fare con essa?
00:00:59.250 --> 00:01:01.739
Quali soluzioni possiamo inventare
per il mondo di domani?
00:01:01.840 --> 00:01:04.229
Come possiamo usarlo ogni giorno per aiutarci?
{\rtf1\ansi\ansicpg1252\cocoartf2578
\cocoatextscaling0\cocoaplatform0{\fonttbl\f0\fswiss\fcharset0 Helvetica;}
{\colortbl;\red255\green255\blue255;}
{\*\expandedcolortbl;;}
\paperw11900\paperh16840\margl1440\margr1440\vieww13440\viewh7240\viewkind0
\deftab720
\pard\tx565\tx1132\tx1700\tx2267\tx2834\tx3400\tx3967\tx4534\tx5101\tx5668\tx6236\tx6803\pardeftab720\partightenfactor0
\f0\fs24 \cf0 \expnd0\expndtw0\kerning0
\{\
"valori": \{\
"../../attivit\'e0/immagini/accueil_tuto2_avec_titre.png": "../../assets/images/accueil_tuto2_avec_titre-en.png",\
"Boost\'e9 \'e0 l'<strong>IA</strong>?": "Promuovere con <strong>AI</strong>?",\
"Boost\'e9 \'e0 l'IA": "Promuovere l'IA",\
"Boost\'e9 \'e0 l'": "Sostenuto con",\
"IA": "AI",\
"Introduction": "Introduzione",\
"Exp\'e9rimenter": "Esperimento",\
"Cr\'e9er": "Creare",\
"Tester 1/2": "Prova 1/2",\
"Des algorithmes et des donn\'e9es": "Algoritmi e dati",\
"CE programme a \'e9t\'e9 entra\'een\'e9 \'e0 reconna\'eetre des hommes et des femmes. Que remarque-t-on?": "Questo programma \'e8 stato addestrato per riconoscere uomini e donne. Cosa notiamo?",\
"Demander au programme ce que les images repr\'e9sentent. Choisir une image dans la biblioth\'e8que puis cliquer sur ": "Chiedi al programma cosa rappresentano le immagini. Scegli un'immagine dalla galleria e clicca su ",\
"Tester": "Prova",\
"Biblioth\'e8que": "Gallery",\
"Programme": "Programma",\
"Tester 2/2": "Prova 2/2",\
"Sexiste"? Et si c'\'e9tait nos donn\'e9es...": "Sessista"? E se proviene dai nostri dati?",\
"Exp\'e9rimenter 1/3": "Esperimento 1/3",\
"De l'art de pr\'e9parer les donn\'e9es...": "L'arte della preparazione dei dati",\
"Entra\'eenons notre programme \'e0 reconna\'eetre des hommes et des femmes.": "Formamo il nostro programma per riconoscere uomini e donne".\
"S\'e9lectionner les images dans la Biblioth\'e8que pour la cat\'e9gorie Femme puis pour la cat\'e9gorie Homme.": "Selezionare le immagini nella galleria per la categoria Donna e poi per la categoria Uomini.",\
"Femme": "Donne",\
"Valider": "Convalidare",\
"Predizione": "Previsione",\
"Homme": "Uomini",\
"Entra\'eenons le programme pour qu'il associe les exemples d'images aux cat\'e9gories. CLIQUER sur ": "Alleniamo il programma per associare le immagini di esempio alle categorie. Cliccare su",\
"Entra\'eener": "Treno",\
"Avons-nous correctement entra\'een\'e9 notre programme ? Que voit-il? Pourquoi?": "Abbiamo addestrato correttamente il nostro programma? Che cosa vede? Perch\'e9 lo vede?",\
"S\'e9lectionner une image dans la Biblioth\'e8que et la tester. R\'e9p\'e9ter l'op\'e9ration autant de fois que d\'e9sir\'e9 puis cliquer sur ": "Selezionare un'immagine nella galleria e testarla. Ripetere l'operazione tutte le volte che si desidera e fare clic su ",\
"Suite": "Next",\
"Jeu de donn\'e9es": "Set di dati",\
"Exp\'e9rimenter 2/3": "Esperimento 2/3",\
"Des biais dans les jeux de donn\'e9es!": "Perdita nei set di dati!",\
"A quelles images de mon jeu de donn\'e9es s'est-il r\'e9f\'e9r\'e9 pour tirer cette conclusion?": "A quali immagini nel mio set di dati si \'e8 fatto riferimento per trarre questa conclusione?",\
"Tester le programme et identifier les similarit\'e9s dans le jeu de donn\'e9es d'entra\'eenement puis cliquer sur": "Prova il programma e identifica le somiglianze nel set di dati di formazione e clicca su",\
"Modifier\'a0\'bb: "Modificare",\
"si n\'e9cessaire": "se necessario".\
"Comment puis-je am\'e9liorer mon jeu de donn\'e9es?": "Come posso migliorare il mio set di dati?",\
"Modifier les images en cliquant dessus, puis les remplacer par une image de la biblioth\'e8que ou import\'e9e depuis l'ordinateur ou encore prendre une photo. CLIQUER sur ": "Modificare le immagini cliccando su di esse, quindi sostituirle con un'immagine dalla galleria o importata dal computer o scattare una foto. Clicca su ",\
"pour donner les images au programme.": "per dare le immagini al programma.",\
"Prendre une photo": "Prendi una foto",\
"Notre programme comprend-il encore des biais?": "C'\'e8 ancora un pregiudizio nel nostro programma?",\
"Tester le programme et faire autant d'aller-retours que n\'e9cessaire pour l'am\'e9liorer.": "Provare il programma e andare avanti e indietro come necessario per migliorarlo.",\
"Exp\'e9rimenter 3/3": "Esperimento 3/3",\
"Ma\'eetriser les jeux de donn\'e9es.": "Masterizzare i set di dati".\
"Cr\'e9er 1/2": "Creare 1/2",\
"Et si on jouait avec les donn\'e9es!": "Giochiamo con i dati!",\
"Utile, rigolo, trompeur? Que voulons-nous faire dire \'e0 notre programma?": "Utile, divertente, fuorviante? Cosa vogliamo che il nostro programma dica?",\
"Cr\'e9ons notre set de donn\'e9es et entra\'eenons notre programme avant de le tester. A recommencer sans mod\'e9ration:-)": "Creamo il nostro set di dati e alleniamo il nostro programma prima di testarlo. Da ripetere pi\'f9 e pi\'f9 volte:-)",\
"Conclusion": "Concludere",\
"Tromper la machine!\'a0\'bb: "Fooling the machine!",\
"Productione et r\'e9alisation": "Produzione e direzione",\
"Magic Makers pour Class'Code IAI.": "Magic Makers for Class'Code".\
"www.magicmakers.fr": "www.magicmakers.fr",\
"Jade Becker": "Jade Becker",\
"Conception et r\'e9alisation.": "Progettazione e produzione".\
"Claude Terosier et Romain Liblau", "Claude Terosier e Romain Liblau",\
"Conseil p\'e9dagogique". "Consiglio per l'istruzione".\
"Veronica Holguin": "Veronica Holguin",\
"Graphisme". "Progettazione grafica".\
"Benjamin Ninassi e Denis Chiron": "Benjamin Ninassi e Denis Chiron",\
"D\'e9veloppement". "Sviluppo".\
"Sophie de Quatrebarbes": "Sophie de Quatrebarbes",\
"Realisation et suivi de production.": "Produzione e follow-up".\
"Donn\'e9es, logiciels, ecc...": "Dati, software, ecc...",\
"H\'e9bergement: INRIA Rocquencourt.": "Ospitato da: INRIA Rocquencourt.",\
"Algorithme de machine learning: PUNTO ML5.": "Algoritmo di apprendimento automatico: PUNTO ML5."\
"Navigateurs support\'e9s: Bordo, Chrome, Mozilla, Safari, Opera": "I browser supportati: Bordo, Chrome, Mozilla, Safari, Opera",\
"Pr\'e9paration de l'entrainement homme-femme": "Preparazione della formazione uomo-donna",\
"Enregistrer": "Salvare",\
"Importer une photo": "Importare un'immagine",\
"Chargement des donn\'e9es de pr\'e9-entrainement...": "Caricare dati predefiniti...",\
"Chargement du mod\'e8le...": "Modello di caricamento...",\
"Analyse en cours...": "Analisi in corso...",\
"S\'e9lectionner une cat\'e9gorie": "Selezionare una categoria",\
"Chat": "Gatto",\
"Chien": "Cane",\
"Guitare": "Chitarra",\
"Hamburger": "Hamburger",\
"Licorne": "Unicorno",\
"Lion: "Leone",\
"Lune": "Luna",\
"Tigre": "Tiger"\
\}\
\}\
}
\ No newline at end of file
WEBVTT
00:00:00.333 --> 00:00:02.031
Algoritmi e dati.
00:00:02.370 --> 00:00:05.187
Oggi, quando parliamo di AI
o intelligenza artificiale,
00:00:05.229 --> 00:00:07.542
stiamo spesso parlando
di apprendimento automatico.
00:00:07.736 --> 00:00:10.403
A differenza degli algoritmi,
che erano usati in precedenza
00:00:10.729 --> 00:00:14.375
e che implicavano la descrizione
un'operazione passo dopo passo,
00:00:14.792 --> 00:00:16.792
un po' come una ricetta,
00:00:16.875 --> 00:00:20.312
l'apprendimento automatico comporta
l'addestramento di un programma
00:00:20.363 --> 00:00:22.218
per fare previsioni dai dati.
00:00:22.654 --> 00:00:26.200
Lo usiamo, per esempio,
per predire cosa piacerà ad un utente
00:00:26.229 --> 00:00:28.562
in base a ciò che gli è
già piaciuto o visto.
00:00:28.792 --> 00:00:29.875
Mettiamolo alla prova!
\ No newline at end of file
WEBVTT
00:00:00.167 --> 00:00:02.757
Sessista? E se fossero i nostri dati?
00:00:03.250 --> 00:00:06.250
Avrete sicuramente notato
che il nostro modello ha riconosciuto
00:00:06.291 --> 00:00:10.390
tutti quelli con i capelli lunghi come donne
e tutti quelli con i capelli corti come uomini.
00:00:10.917 --> 00:00:15.292
Senza rendercene conto, abbiamo fornito dati
che erano ordinati per criteri
00:00:15.376 --> 00:00:16.751
diversi da quelli che avevamo definito.
00:00:17.432 --> 00:00:20.410
L'ordinamento dei dati è stato influenzato
dalla nostra percezione del problema.
00:00:20.836 --> 00:00:23.660
Quando questo accade,
diciamo che i dati sono distorti.
00:00:23.917 --> 00:00:26.080
Gli algoritmi di IA esistono da molto tempo
00:00:26.322 --> 00:00:29.267
ma non hanno funzionato così bene
perché non abbiamo dati etichettati.
00:00:29.739 --> 00:00:31.994
Oggi sono disponibili molti dati.
00:00:32.429 --> 00:00:34.410
Ed è per questo che l'IA è così diffusa.
00:00:34.750 --> 00:00:37.817
Ma bisogna fare attenzione
perché i dati potrebbero essere distorti.
\ No newline at end of file
WEBVTT
00:00:00.292 --> 00:00:02.386
L'arte della preparazione dei dati.
00:00:02.789 --> 00:00:07.083
Preparare i dati per l'IA
è almeno il 70% del lavoro.
00:00:07.167 --> 00:00:09.958
I dati sono molto importanti
perché un programma possa imparare.
00:00:10.392 --> 00:00:13.870
Come abbiamo visto prima,
la macchina impara solo ciò che le mostriamo.
00:00:14.208 --> 00:00:18.470
Dobbiamo quindi dedicare del tempo a selezionare
i dati e prepararli adeguatamente
00:00:18.521 --> 00:00:19.875
per ottenere buoni risultati.
00:00:20.321 --> 00:00:22.658
Ma non è sempre così facile come sembra!
00:00:23.246 --> 00:00:25.796
Diamo un'occhiata più da vicino e sperimentiamo!
\ No newline at end of file
WEBVTT
00:00:00.542 --> 00:00:02.023
Bias nei dati.
00:00:02.574 --> 00:00:04.533
Il programma non vede le cose come le vediamo noi.
00:00:04.617 --> 00:00:07.080
Non conosce
il concetto di uomo e donna.
00:00:07.164 --> 00:00:10.250
Fa quelle che sono chiamate
approssimazioni statistiche.
00:00:10.984 --> 00:00:15.124
Questa immagine è più vicina
alle immagini etichettate come "donne"
00:00:15.208 --> 00:00:16.833
o alle immagini etichettate "uomini"?
00:00:16.917 --> 00:00:18.204
Cosa vede?
00:00:18.458 --> 00:00:20.852
Lo sfondo blu, il colore della pelle?
00:00:21.208 --> 00:00:22.542
Un paio di occhiali?
00:00:22.836 --> 00:00:26.305
Il modo in cui scegliamo i nostri dati di input è fondamentale.
00:00:27.042 --> 00:00:29.917
La scelta dei dati è nota
essere una grande responsabilità.
00:00:30.495 --> 00:00:34.871
Ora, proviamo a correggere
il nostro set di dati per eliminare le distorsioni.
WEBVTT
00:00:00.125 --> 00:00:02.500
Padroneggiare le serie di dati.
00:00:02.738 --> 00:00:06.062
L'intelligenza artificiale può riconoscere solo
ciò che le abbiamo insegnato.
00:00:06.375 --> 00:00:10.375
I dati usati per addestrare il programma hanno
una forte influenza sui risultati.
00:00:10.458 --> 00:00:14.328
Padroneggiare i dati è un elemento chiave
per padroneggiare questa tecnologia
00:00:14.412 --> 00:00:16.104
e i risultati che si ottengono da essa.
00:00:16.150 --> 00:00:19.851
Si dovrebbe sempre essere vigili quando si guarda
i risultati di un programma AI
00:00:20.250 --> 00:00:23.916
e chiedere sempre
da dove provengono i dati usati per addestrarlo.
00:00:24.000 --> 00:00:28.521
Deliberatamente o no, può contenere distorsioni
che sono riprodotti meccanicamente
00:00:28.574 --> 00:00:30.291
e che hanno grandi conseguenze.
00:00:30.375 --> 00:00:33.542
Per il reclutamento del lavoro, per esempio,
o anche per l'accesso a un prestito.
WEBVTT
00:00:00.458 --> 00:00:03.659
E se giocassimo con i dati
per ingannare la macchina?
00:00:04.296 --> 00:00:08.405
Il programma farà delle previsioni
nelle categorie che abbiamo definito
00:00:08.437 --> 00:00:10.160
e gli esempi che gli abbiamo mostrato.
00:00:10.458 --> 00:00:12.750
Una volta addestrato, possiamo ingannarlo.
00:00:12.821 --> 00:00:17.578
Per esempio, alcuni gioielli
possono ingannare il riconoscimento facciale
00:00:18.160 --> 00:00:20.406
o anche alcuni segni con modelli
00:00:21.105 --> 00:00:24.398
possono aggirare
la videosorveglianza automatica.
00:00:24.750 --> 00:00:27.916
Ma come sappiamo, possiamo anche
ingannare la macchina con i nostri dati.
00:00:28.000 --> 00:00:32.406
Per esempio, possiamo addestrare un programma
a riconoscere le persone "belle" o "brutte"
00:00:32.833 --> 00:00:35.236
mostrandogli solo
solo quelle che noi pensiamo siano persone belle.
00:00:35.832 --> 00:00:42.500
In generale, categorie soggettive,
carino, non carino, stupido, intelligente ecc.
00:00:42.520 --> 00:00:44.875
dipendono dalla persona che prepara i dati.
00:00:45.247 --> 00:00:49.830
Possiamo anche addestrare un programma a riconoscere
se ci sono persone in un'immagine
00:00:50.379 --> 00:00:53.886
mettendo tutti i nostri esempi
nella categoria "nessuna persona".
00:00:54.167 --> 00:00:55.818
In questo modo puoi andare in incognito!
00:00:55.902 --> 00:00:59.492
Ora avete bisogno di dirottare i dati
per creare un programma di parte.
00:01:00.042 --> 00:01:02.250
Come possiamo ingannare
il programma con i nostri dati?
\ No newline at end of file
WEBVTT
00:00:00.167 --> 00:00:01.417
Ingannare la macchina!
00:00:01.500 --> 00:00:05.667
Come avete visto, i dati giocano
un ruolo essenziale nell'apprendimento AI.
00:00:05.750 --> 00:00:07.791
Possiamo facilmente ingannare la macchina.
00:00:07.875 --> 00:00:13.330
Per addestrare l'IA, abbiamo bisogno di migliaia
di esempi e di sapere quali sono.
00:00:13.796 --> 00:00:19.080
Oggi, possiamo facilmente trovare
esempi con etichette
00:00:19.365 --> 00:00:20.958
per risolvere i nostri problemi di IA.
00:00:21.042 --> 00:00:25.333
Puoi creare il tuo set di dati
o usare quelli pronti all'uso.
00:00:25.417 --> 00:00:28.167
Ma, come ora sapete,
devi stare attento ai tuoi dati.
00:00:28.251 --> 00:00:30.578
Perché puoi facilmente ottenere dati distorti
00:00:30.917 --> 00:00:33.958
se non fai le domande giuste
o se non li si ordina correttamente.
00:00:34.042 --> 00:00:35.583
Ci sono due tipi di bias,
00:00:35.667 --> 00:00:40.083
bias di elaborazione o bias statistici,
da dati mal preparati
00:00:40.167 --> 00:00:43.458
e la distorsione sociale o cognitiva,
che è un pregiudizio umano,
00:00:43.554 --> 00:00:44.999
per esempio, la questione del genere.
00:00:45.083 --> 00:00:48.296
Alla fine, l'IA è una creazione umana
ed è ciò che ci mettiamo dentro:
00:00:48.542 --> 00:00:50.140
buone intenzioni e pregiudizi.
{\rtf1\ansi\ansicpg1252\cocoartf2578
\cocoatextscaling0\cocoaplatform0{\fonttbl\f0\fswiss\fcharset0 Helvetica;}
{\colortbl;\red255\green255\blue255;}
{\*\expandedcolortbl;;}
\paperw11900\paperh16840\margl1440\margr1440\vieww13440\viewh7800\viewkind0
\deftab720
\pard\tx565\tx1132\tx1700\tx2267\tx2834\tx3400\tx3967\tx4534\tx5101\tx5668\tx6236\tx6803\pardeftab720\partightenfactor0
\f0\fs24 \cf0 \expnd0\expndtw0\kerning0
\{\
"valori": \{\
"Humains et IA": "Umano e IA",\
"Humains et <strong>IA</strong>": "Umano e <forte>AI</strong>",\
"Introduction\'a0\'bb: "Introduzione",\
"D\'e9busquer l'IA: IA ou humains?": "Rilevamento dell'IA: Ai o esseri umani?",\
"Un \'eatre humain": "Un essere umano",\
"Une IA": "Un'IA",\
"S'agit-il d'un vrai \'eatre humain ou d'une image cr\'e9\'e9e par une IA? ": "\'c8 un vero essere umano o un'immagine creata da un'IA? ",\
"Cliquez sur la bonne r\'e9ponse.": "Clicca sulla risposta corretta".\
"Tester": "Prova",\
"V\'e9rifier": "Verifica",\
"Comprendre": "Comprendere",\
"Zoomer": "zoom in",\
"Etes-vous un bon r\'e9seau de neurones discriminateur? ": "Sei una buona rete neurale discriminattva? ",\
" Cliquez sur la bonne r\'e9ponse. Zoomez dans l'image pour d\'e9busquer l'IA.": "Clicca sulla risposta corretta. Ingrandire l'immagine per trovare l'IA.",\
"Conclusion": "Concludere",\
"EN savoir encore plus": "Trovane di pi\'f9",\
"GAN" (": "GAN"(",\
"r\'e9seau antagoniste g\'e9n\'e9ratif"\'a0: "rete avversaria generativa",\
"StyleGAN": "StyleGAN",\
"(d\'e9cembre 2018) \'97": "(Dicembre 2018)-",\
"Karras": "Karras",\
"et al. e Nvidia": "et al. e Nvidia",\
"GAN originale": "GAN originale",\
"(2014) \'97": "(2014) \'97",\
"Goodfellow": "Goodfellow",\
"et al.": "e al.",\
"Ne paniquez pas. ": "Non farti prendere dal panico.",\
\'ab\'a0Comment cela fonctionne ?: "come funziona",\
"https://usbeketrica.com/article/ia-tableau-art-buzzword": "https://usbeketrica.com/article/ia-tableau-art-buzzword",\
"thispersondoesnotexist.com/": "thispersondoesnotexist.com/",\
"https://pixabay.com/fr/": "https://pixabay.com/en/",\
"Produzione et r\'e9alisation": "Produzione e realizzazione",\
"Data.bingo pour Class'Code IAI.": "Data.bingo for Class'Code IAI".\
"data.bingo": "data.bingo",\
"Thu Trinh-Bouvier, Bastien Didier, Julien Levesque, Albertine Meunier et Sylvie Tissot": "Thu Trinh-Bouvier, Bastien Didier, Julien Levesque, Albertine Meunier e Sylvie Tissot,",\
"Concezione": "Progettazione".\
"Bastien Didier et Sylvie Tissot": "Bastien Didier e Sylvie Tissot",\
"D\'e9veloppement". "Sviluppo".\
"&nbsp;": "&nbsp;",\
"Benjamin Ninassi e Denis Chiron,": "Benjamin Ninassi e Denis Chiron",\
\'abArchitecture technique : "Architettura tecnica".\
"Veronica Holguin": "Veronica Holguin",\
"Graphisme". "Grafica".\
"Sophie de Quatrebarbes et Sonia Cruchon": "Sophie de Quatrebarbes e Sonia Cruchon",\
"Realisation et suivi de production.": "Produzione e follow-up".\
"Donn\'e9es, logiciels, etc...": "Dati, software, ecc...",\
"H\'e9bergement: INRIA Rocquencourt.": "Hosting: INRIA Rocquencourt.",\
"Algorithmes: ": "Algoritmi: ",\
"ML5, Yolo, Web speech Recognition, Web speech synthesis": "ML5",\
"Navigateur support\'e9: Chrome: "Browser supportato: Chrome",\
"Source d'images de ce tutoriel issues des GAN": "Fonte delle immagini del GAN",\
"Source d'images de ce tutoriel de personnes r\'e9elles": "Fonte delle immagini per persone reali"\
\}\
\}\
}
\ No newline at end of file
WEBVTT
Kind: captions
Language: it
00:00:00.000 --> 00:00:02.017
Per creare immagini, l'IA si affida a reti neurali molto speciali....
00:00:02.017 --> 00:00:08.017
Generative adversarial network, meglio conosciute come GAN.
00:00:09.017 --> 00:00:12.017
Le GAN sono una specie di magia per creare immagini.
00:00:13.017 --> 00:00:15.017
Una GAN consiste di due reti neurali che competono l'una contro l'altra
00:00:16.017 --> 00:00:19.017
- il generatore, - il discriminatore.
00:00:20.017 --> 00:00:26.017
Le due reti neurali competono tra loro e una cerca di ingannare l'altra.
00:00:27.017 --> 00:00:31.017
Il compito del generatore è quello di generare migliaia e migliaia di nuove immagini.
00:00:32.017 --> 00:00:36.017
Per il discriminatore, è sapere se l'immagine è generata o no.
00:00:37.017 --> 00:00:41.017
E tu, sei una buona rete neurale? Sarai in grado di stanare l'IA?
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment