英文の著作権はBBCに帰属します。日本語訳について、
正誤の如何に関わらず無断転用・転載を固くお断り致します。
===============================================
【 】・・・リスニングから字幕書き起こし
聴きこぼした英単語・・・赤
口語と文語の互換・・・赤
その他の問題・・・青
日本語訳修正部分・・・赤
===============================================
----------------------0分00秒----------------------
【This week: artificial intelligence creating jobs,
creating trends,
and scoring rounds.】
今週は、AIの雇用創出に、
トレンドも生み出し、
そして、得点する所を。
【A.I.
That's what the future is about,
if you believe the hype.
Computer programmes that learn from past experience,
that improve,
and sometimes learn to solve problems
in ways that even we haven't thought of.】
もし過信するなら、
AIは未来そのものの一部なのだろう。
コンピュータプログラムは過去から学び、改善し、
時に私たちが思いつかなかった方法で
独自の問題解決策を導き出す。
【Well, here at Microsoft's Future Decoded event,
A.I. is at the top of the agenda.
These days, there are some very real examples
of how AI are is now doing things
that were once only the reserve of humans.】
「Microsoft Future Decodedのイベント会場では、
AIは議題・議論のトップに挙がります。今日、
その最も身近な例では
AIは人間の予備として利用され始めています。」
【It's learning to drive,
to play games,
it's learned to paint.
It's learned to understand what we say.】
運転を学び、ゲームを遊び、
絵画を学び、その学習は
私たちの発言の理解にも及ぶ。
【Each ten years or so we seem to have a breakthrough moment
where we take a piece of human ability
and fit it into a machine.
In 1996 it was Kasparov with chess,
Lisa Doll with Go, last year, and we all worry.
What that's demonstrating is
that A.I.s are extraordinarily good now.
Super human in tasks that we specify and understand.
And in fact they can improve and self-improve.
The challenges is this whole idea of general intelligence
or transfer-across tasks,
and that proves much more challenging,
much more difficult.
We think it'll take many decades
to unfathom that, and the old adage was:
you can't teach a machine something not programmed.
Not if you have a learning capacity
that allows it to go beyond
the performance originally given to the system.】
「10年前後の区切りごとに
人間の能力の一端に触れる
画期的な進展・飛躍を遂げています。
その背景にはマシーンの力が有ります。
96年はKasparovのチェス、昨年はLisa Doll with Goで、
私たちのAIは並外れた性能で
私たちが指定/理解するタスクにおいて
超人的な力を発揮しています。
そこが私たちにとっての懸念材料です。
事実、彼らは発展し、独自に能力を延ばしています。
（今後の）その焦点は一般知性の発想全体
若しくはクロスタスクの移り変わりにあり、
より深くより複雑化する所を証明、
数十年でそれが計り知れない域に到達するでしょう。
古い諺では、マシーンはプログラミングでなければ
何かを教え込むことは出来ないとされてきました。
（今は）システム容量の拡張だけでなく、
その性能がシステムの基礎ベースになっています。」
【And it is certainly true
that A.I. is already replacing us
in particular jobs.
We'll talk more about that later.】
そして確かに、AIは
既に私たちの仕事・役割に置き換わっている。
詳しい内容は後ほどお伝えしよう。
【We thought we'd start with an interesting phenomenon
happening in certain parts of the developing world,
where A.I. is actually creating jobs.
See, in order for Artificial intelligence to learn,
it needs to have access to loads and loads of data.
For example, self-driving cars
need to have access to images
where all the objects in them are correctly tagged.
That work is being done by humans.
Dave Lee sent this report not from California,
but from where the artificial intelligence's journey
really starts.】
「しかし、実際に世界を発展させている
興味深い事象から考えてみたいと思います。
そこではAIが雇用を生み出しています。
学ぶためのAIという点においては、
莫大な量のデータアクセスが必要で、
例えば、自動運転車であれば、タグ付けされる
全ての物体イメージへのアクセスが不可欠です。
それらタグは人の手で組まれています。
このリポートを北カリフォルニアではない所から、
Dave Leeが今回の切り出しをお伝えします。」
----------------------2分53秒----------------------
【This is the Kibera Slum, in Nairobi, Kenya.
More than a million people live here.
I'm 10,000 miles
and what feels like an entire universe away
from the lush campuses of Silicon Valley.
これはKenyaのNairobiにあるKiberaスラムだ。
100万人以上が此処に住み、
SiliconValleyの喧騒から
この地の数万マイルは
地球の裏側まで来たような気分だ。
- How are you? -
- Hello! -
「こんにちは。」
「こんにちは。」
【The people I'm here to meet are every bit as vital
to the next wave of cutting-edge tech
as anyone you could meet in California.】
私が会いに来ているのは
Californiaで出会う人々と同じ
次世代の最新テクノロジーを担う人たちだ。
【You have your brother living here?】
-
-
「御兄さんも此方に？」
-
-
-
-
-
-
-
-
-
-
【Yeah, my brother, my daughter and my mum, yeah.】
-
-
「ええ、私の兄・娘・母と一緒です。」
-
-
-
-
-
-
-
-
-
-
【Are they supported by you?】
-
-
「貴方が皆/家族を支えているんですね？」
-
-
-
-
-
-
-
-
-
-
【Yeah, they all are. 】
-
-
「はい。」
【This is Brenda.
She is a 26-year-old single mother,
who has lived in Kibera her entire life.】
こちらはBrendaさん、26歳のシングルマザーで
これまでずっと此処Kiberaに居住している。
【How does it feel to be creating the technology
that will change the future?】
-
-
「未来を変えていくテクノロジー開発に
携わることをどのように感じていますか？」
-
-
-
-
-
-
-
-
-
-
【It feels so good. At least you get to be...
...to do something you need and for others.
With the work I'm doing, I believe in...
...I work for something that will help not even me,
but someone in the future.】
-
-
「良い感触が有ります。
少なくとも、今私が取り組んでいる仕事は
私自身を支援し、今後の私の未来だけでなく、
それは他の人の未来を支えることにもなります。」
【Every workday, Brenda travels for around two hours
to a building on the other side of Nairobi.
She's among a team of around 2,000 people
who work in this building for Samasource,
an organisation that recruits people
from the very poorest parts of the world.
In some cases that means
those who were earning less than two dollars a day.
Here, they earn around nine dollars a day.
Their important job is to give artificial intelligence
its intelligence.】
各就業日、Brendaさんは
Nairobiの反対側へ2時間ほど通う。
彼女はSamasourceと労働契約を交わす
2000人近いチームの1人だ。
その組織は世界の最も貧困に喘ぐ地域から
人々をリクルートしている。一例として、
該当地域における平均日収は2ドル以下。
ここで雇われている人々の平均日収は9ドルだ。
AIに知能を与える重要な役割を担っている。
【When artificial intelligence works,
it sometimes feels like magic,
but really what it is, is data.
Lots and lots of data.
If you want a self-driving car to recognise a person,
you have to feed it pictures of people.
If it has recognise what tree is,
it takes millions of pictures of trees.
That's what's called training data.
And it's here where that data is created.】
「AIが魔法のように感じられるときが有ります。
しかしそれは沢山のデータの塊です。
例えば自動運転車であれば、人を認識させる為に
人の画像データの塊を与えなければならず、
木を認識させたいなら、何万枚もの
木を把握させなければなりません。
それはトレーニングデータと呼ばれます。
ここで、そのデータが製作・生成されています。」
【Depending on the instructions,
you're going to basically tag or annotate
items of interest.】
-
-
「マニュアルに沿って
対象品目にタグか注釈を付けます。」
-
-
-
-
-
-
-
-
-
-
【Right.】
-
-
「分りました。」
-
-
-
-
-
-
-
-
-
-
【From the street to the vehicles,
the buildings, even the sky.】
-
-
「（その対象は）ストリートから車、
建物や空に至るまで。」
-
-
-
-
-
-
-
-
-
-
【Right. How's that?】
-
-
「どうでしょうか？」
-
-
-
-
-
-
-
-
-
-
【That's good. Yeah.】
-
-
「いいですね。」
-
-
-
-
-
-
-
-
-
-
【Good? Not quite right?】
-
-
「良いんですか？（ひょっとして）正確ではない？」
-
-
-
-
-
-
-
-
-
-
【Not quite right.
The item needs to be squarely inside that box.
So, if you zoom in, just a bit...】
-
-
「そうですね、でもいいと思います。
対象品目は四角いボックスの中に囲む必要が有ります。
そこからズームすると・・」
----------------------5分26秒----------------------
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
［今週の音声認識発音訓練：2018-11-2］
*単語・記号・発音参考サイト：Weblio(http://ejje.weblio.jp/)
*単語・記号・発音参考サイト：goo辞書(http://dictionary.goo.ne.jp/)
*単語・記号・発音参考サイト：Google.com
*発音テスト：VoiceTra(http://voicetra.nict.go.jp/)
〔表記の流れ〕
"[ビ]"……ビジネスシーンの意図・解釈
"◎"……Weblioの音声で正確に出力(Google側省略)
"-"……品詞違い
"◯"……英単語は正確に出力、訳不足
"△"……音の類似する出力
"×"……誤った出力
"？"……問題あり
"?N"……正確に単語出力、語訳未登録エラー
"H"……デフォルト出力("Hello:こんにちは")
"結果"……私個人の発音テスト結果
"(✓)"……既に把握済み
BBC"Click"(先週の修正箇所から)
BBC"Click"(今週分)
NHK"ABCニュースシャワー"
NHK"おもてなしの基礎英語"
NHK "SNS英語術"(2018年11月8日分から)
BBC"6 minute learning"(2018年11月8日分"Train of the future"か ら)
NHK "TVB"(2018年11月5～9日分冒頭の話題から)
NHK "CNNスチューデントニュース"(2018年11月5日~9日分か ら)
| No | 単語 | 意味 | 記号 | 結果 |
|---|---|---|---|---|
| 1 | physically demanding | 体力の要る | --- | ◎ |
BBC"Click"(今週分)
| No | 単語 | 意味 | 記号 | 結果 |
|---|---|---|---|---|
| 1 | reserve of | 予備品 | --- | △ |
| 2 | old adage | 古いことわざ | × | × |
| 3 | phenomenon | 事象 | fən ˈɔmənən | ◎ |
| 4 | annotate | 注釈を付ける | ˈænətèɪt | × |
NHK"ABCニュースシャワー"
| No | 単語 | 意味 | 記号 | 結果 |
|---|---|---|---|---|
| 1 | campaign playbook(✓) | 選挙戦略 (✓) | --- | --- |
| 2 | referendum | 信任投票 | rèfəréndəm | ◎～◯ |
| 3 | campaign blitz | 精力的な遊説 | --- | × |
| 4 | turnout | 投票者数 | ˈtərn ˌout | ◯ |
| 5 | Attoney General(✓) | 司法長官 (✓) | --- | --- |
NHK"おもてなしの基礎英語"
| No | 単語 | 意味 | 記号 | 結果 |
|---|---|---|---|---|
| 1 | in no time | 直に | --- | ◎ |
| 2 | purse | 財布 | pˈəːs | ◎ |
| 3 | loud colour | 派手な色 | --- | ◎ |
| 4 | No sweat. | No problem. | --- | ◎ |
NHK "SNS英語術"(2018年11月8日分から)
| No | 単語 | 意味 | 記号 | 結果 |
|---|---|---|---|---|
| 1 | Armistice Day | 休戦記念日 | --- | ◯ |
| 2 | huge inspiration | 感動させる人 | --- | ◎～◯ |
| 3 | on the edge(✓) | せっぱ詰まった状態 | --- | --- |
| 4 | tendency | 傾向 | téndənsi | ◎ |
BBC"6 minute learning"(2018年11月8日分"Train of the future"か ら)
| No | 単語 | 意味 | 記号 | 結果 |
|---|---|---|---|---|
| 1 | filthy | 汚い | fílθi | ◎ |
| 2 | substitute | 取りかえる | s ˈʌbstət(j)ùːt | ◎ |
| 3 | surplus | 余り | s ˈəːpləs | ◎ |
| 4 | abbreviation | 略語 | əbrìːviéɪʃən | ◎ |
| 5 | magnetic levitation | 磁気浮上式高速鉄道 | --- | ◎ |
NHK "TVB"(2018年11月5～9日分冒頭の話題から)
| No | 単語 | 意味 | 記号 | 結果 | |
|---|---|---|---|---|---|
| 1 | on hand | 近くに居合わせて | --- | ◯ | |
| 2 | nuisance | 妨害 | njúːúːsns | ◎ | |
| 3 | sino | 中国の | sάɪnoʊ | △ | |
| 4 | curbs | 縁石 | kɝ́bz | △ | |
| 5 | defuse | 緊張の緩和 | dìːfjúːz | × | |
| 6 | window dressing | 見せかけ | --- | ◎～◯ | |
| 7 | thaw | 雪が解ける | THô | △ | |
| 8 | willingness | 意欲 | wɪ́lɪŋnəs | ◎ | |
| 9 | abdomen | 腹部 | ˈæbdəmən | ◎ | |
| 10 | subdued | 抑えた | səbdúd | ◎ | |
| 11 | possessing | 所有する | pəzɛ́sɪŋ | ◎ | |
| 12 | constable | 巡査 | k ˈɔnstəbl | ◎ | |
| 13 | stabbed | 刺された | stæbd | × | |
| 14 | vegetative | 植物状態 | ˈvejəˌtātiv | ◎～◯ | |
| 15 | idle | 使用されていない | άɪdl | × | |
NHK "CNNスチューデントニュース"(2018年11月5日~9日分か ら)
| No | 単語 | 意味 | |||
|---|---|---|---|---|---|
| 1 | advocates | 擁護者 | |||
| 2 | max out | 最大限に達する | |||
| 3 | infancy | 幼時 | |||
| 4 | toddler | よちよち歩く人 | |||
| 5 | adolescent | 青年期の | |||
| 6 | monopoly | 独占権 | |||
| 7 | tenet | 主義 | |||
| 8 | barely | 辛うじて | |||
| 9 | welfare | 幸福 | |||
| 10 | willingness | 快くすること | |||
| 11 | savvy | 知る | |||
| 12 | litigated | 訴訟を起こす | |||
| 13 | rational | 道理を弁えた | |||
| 14 | palpable | 明瞭な | |||
| 15 | eligible | 適格で | |||
| 16 | rebranded | リブランドする | |||
| 17 | frenzy | 熱狂 | |||
| 18 | letting up | 一休み、止む | |||
| 19 | traverse | 横切る | |||
| 20 | topography | 地形 | |||
| 21 | leukemia | 白血病 | |||
| 22 | mandarin duck | オシドリ | |||
| 23 | quacks | ガーガー鳴く | |||
| 24 | dynasty | 王朝 | |||
| 25 | decency | 品位 | |||
| 26 | prosperous | 繁栄する | |||
| 27 | partisanship | 閥 | |||
| 28 | proudly | 誇らしげに | |||
| 29 | unjust | 不当な | |||
| 30 | nomophobia | 携帯電話依存症 | |||
| 31 | encroaching | 侵害する | |||
| 32 | facade | 見かけ | |||
| 33 | butler | 執事 | |||
| 34 | suite | スウィートルーム | |||
| 35 | slue | 回す | |||
| 36 | incumbents | 現職の | |||
| 37 | modest | 控え目な | |||
| 38 | compromise | 妥協 | |||
| 39 | flop | 失敗に終わる | |||
| 40 | inherent | 固有の | |||
| 41 | hefty | 重い | |||
| 42 | relegated | 退ける | |||
| 43 | realm | 領域、世界 | |||
| 44 | acquired | 獲得した | |||
| 45 | dense | 密集した | |||
| 46 | hatchery | 孵化場 | |||
| 47 | creeks | 入り江 | |||
| 48 | spawn | 卵 | |||
| 49 | baited | エサ | |||
| 50 | gridlock | 停滞 | |||
| 51 | strive | 努力する | |||
| 52 | eradicated | 根絶する | |||
| 53 | AFM(Acute Flaccid Myelitis) | 急性弛緩 性脊髄炎 | |||
| 54 | exponents | 解釈者 | |||
| 55 | excetra | ??? | |||
| 56 | zany | おどけ者 | |||
| 57 | prolific | 豊かな | |||
| 58 | deflections | 偏り | |||
| 59 | burros | ロバ | |||
| 60 | donkey | ロバ | |||
| 61 | critters | 生物 | |||
| 62 | intractable | 手に負えない | |||
| 63 | equitable | 公正な | |||
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
［修正箇所：単語］
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[放送ダイジェスト1：AIの進展]
-------------------------------------------
名称：
組織：Open Data Institute
人物：SIR NIGEL SHADBOLT(Chairman & Co-Founder Open Data
Institute)
期間：
分類：AI
場所：
価格：
-------------------------------------------
<AIは何処まで進んでいるのか>
概要1：人が思いつかない解決策を導き出す
概要2：Microsoft Decodedの中心議題にAI
概要3：AI活用例は自動運転・ゲーム・絵画・言語把握など
概要4：10年ごとに人間の能力を上回る出来事が起きている
概要5：プログラミングされたオリジナル以上の性能を持つ
概要6：人の雇用を奪う事例が有れば、雇用を生み出すケースも
-------------------------------------------
[備考]
-------------------------------------------
[放送ダイジェスト2：Samasource: 貧困地区のAI雇用創出]
-------------------------------------------
名称：
組織：Samasource
人物：BRENDA MONYANGI(AI Data Trainer)
人物：KEVIN MWAMBUKI(Tutor, Samasource)
人物：HELLEN SAVALA(Head of Human Resources Samasource)
人物：LEILA JANAH(Founder & Chief Executive Samasource)
人物：IDRIS ABDI(AI Data Trainer)
期間：
分類：AI
場所：
価格：
-------------------------------------------
<SamasourceとAI雇用創出>
概要1：AIのデータトレーニングに貧困地域の人材活用
概要2：AIの認識能力に関わる物体イメージを作成
概要3：物体イメージは建物・車・人・空・道路標識など
概要4：顧客はGoogle、Salesforce、eBay、Yahoo他
概要5：Microsoft:Bingの依頼では服の色彩イメージを作成
概要6：食事補助在り、従業員の52%が女性
概要7：昇給は無い（現地の雇用バランスを保つ為）
概要8：教育施設含めた現地インフラ改善に寄与
-------------------------------------------
[備考]貧困地域は日収2ドル。Samasourceでは9ドル。
-------------------------------------------
[放送ダイジェスト3：AIの本質は？]
-------------------------------------------
名称：
組織：Microsoft
人物：JOSEPH SIROSH(CTO of Artificial Intelligence Microsoft)
期間：
分類：AI
場所：
価格：
-------------------------------------------
<MicrosoftのCTO(最高技術責任者)が見るAIとは>
概要1：Assistive Intelligence、天然の愚かさ(馬鹿)の逆
概要2：AIとデータ処理の違いは扱うデータの種類
概要3：AIの基準は理性に相当する複雑な処理判断能力
概要4：AIの目的（/本質）は人間の能力強化に
-------------------------------------------
[備考]
-------------------------------------------
[放送ダイジェスト4：Spektacom: Power Bat]
-------------------------------------------
名称：Power bat
組織：Spektacom
人物：ANIL KUMBLE(Former Indian Cricket Captain)
期間：
分類：AI、スポーツ、テクノロジー
場所：
価格：
-------------------------------------------
<Power Bat>
概要1：センサー搭載のステッカー（バットに張るだけ）
概要2：Bluetooth接続、ジャイロセンサー搭載
概要3：計測対象…曲がり方、角度、速度、振動(接触位置特定)
概要4：観客の関心を引くことも分析の狙いの1つ
概要5：試合中は専用計測装置がクラウド経由でデータ共有
概要6：地元プロリーグで使われるように
-------------------------------------------
[備考]
-------------------------------------------
[放送ダイジェスト5：トレンド予測AI]
-------------------------------------------
名称：
組織：Fashion Pocket
人物：ROI SHIGEMATSU(Founder & CEO Fashion Pocket)
人物：LISA CHATTERTON(Fashion Innovation Agency London College of
Fashion)
期間：
分類：AI, ファッション
場所：
価格：
-------------------------------------------
<ファッション業界とAI>
概要1：英国の衣料品廃棄量は毎年30万t（Tシャツ15億枚相当）
概要2：AIを活用した流行予測進む、正確な予測がゴミ削減に
概要3：AIによって消費者トレンドとブランドの差別化に
（これまではブランドが消費者トレンドをけん引していた）
-------------------------------------------
<Fashion Pocketのトレンド予測AI>
概要1：あらゆる国のファッションイメージをAIに取り込む
概要2：収集画像は2500万枚、世界中のトレンド分析を
概要3：アクセス回数の多い画像やクリック回数も分析対象
概要4：分析データから大手顧客は来シーズンを決める
概要5：色別の統計結果出力、日本国内は紫がトレンド（青×）
-------------------------------------------
[備考]
-------------------------------------------
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[少し関係の無い話：resignation]
CNNスチューデントニュースの最後のpun(洒落)、
大抵諦めてます。私の語彙力では追いつきません。
彼の洒落を私風に置き換えるなら、例えば、
→サイノスはシジョウ―にサイノス
……一見意味不明だと思います。最初のサイノスは
Sino-USから米中のこと、後半のサイノスはsinusで
"曲がり""湾曲"の意味。間に入れたシジョ―は市場と
私情と非常を掛けました。つまり、
→Sino-US（米中関係）は
→市場/私情/非常に
→sinus(曲がってる/歪曲)
英語の洒落理解も能力を高める方法の1つ・・かも
しれません。
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
[少し関係の無い話2：cat…ramen？]
Instagram内のBBCclickからNickのページに
ジャンプすると、そこには謎のトラックが・・。
0 コメント:
コメントを投稿