Практика Shadowing: What is AI Ethics? - Изучайте разговорный английский по видео

Выберите режим практики

Каждый режим открывает полноэкранную комнату практики.

72 предложений

Если предложения слишком короткие или длинные, нажмите Edit, чтобы их изменить.

I want to start off with talking to you about three things that keep me up at night, right?

Three things.

The first, and it may be, you know, very common for you too, is climate change.

Climate change absolutely keeps me up at night.

The second thing that keeps me up at night is

that people may have no idea that an artificial intelligence is making a decision

that directly impacts their lives what percentage interest rate you get on your loan,

whether you get that job that you applied for, whether your kid gets into that college that they really want to go to.

Today, AI is making decisions that directly impact you.

The third thing that keeps me up at night is even

when When people know that an AI is making a decision about them,

they may assume that because it's not a fallible human with bias,

that somehow the AI is going to make a decision that's morally or ethically squeaky clean.

And that could not be farther from the truth.

So if you think about organizations and what happens, over 80 % of the time,

proof of concepts associated with artificial intelligence actually gets stalled in testing.

And more often than not, it is because people do not trust the results from that AI model.

So we're going to talk a lot about trust.

And when thinking about trust, I'm going to switch colors here, there's actually five pillars.

Okay.

When you're thinking about what does it take to earn trust in an artificial intelligence

that's being made by your organization or being procured by your organization, five pillars.

The first thing to be thinking about is fairness.

How can you ensure that the AI model is fair towards everybody, in particular historically underrepresented groups?

The second is explainable.

Is your AI model explainable such that you'd be able to tell somebody,

an end user, what data sets were being used in order to curate that model?

What methods, what expertise, what's the data lineage and provenance associated with how that model was trained?

The third, robustness.

Can you assure end users that nobody can hack such an AI model such

that a person could disadvantage willfully other people and or make the results of that model benefit one particular person over another?

The fourth is transparency.

Are you telling people right off the bat than the AI model is indeed being used to make that decision?

And are you giving people access to a fact sheet or metadata so that they can learn more about that model?

And the fifth one is, are you assuring people's data privacy?

So those are the five pillars, okay?

Now, IBM has come up with three principles when thinking about AI in an organization.

The first being that the purpose of artificial intelligence is really meant to be to augment human intelligence,

not to replace it.

The second is that data and the insights from those data belong to the creator alone.

And the third is that AI systems, and I would opine the entire AI lifecycle, really should be transparent and explainable right?

So those are the five pillars.

Now, the next thing I want you to remember

as you're thinking about this space of earning trust and artificial intelligence is that this is not a technological challenge.

It can't be solved with just throwing tools and tech over some kind of a fence.

This is a socio -technological challenge.

Socio meaning people, people, people.

Socio -technological challenge.

And because it's a socio -technological challenge.

It must be addressed holistically, okay?

Holistically, meaning there's three major things that you should think about.

I mentioned people, people, the culture of your organization, right?

Thinking about the diversity of your teams, you know, your data science team who is curating that data to train that model.

How many women are on that team?

How many minorities are on that team, right?

Think about diversity.

I don't know if you've ever heard of the the wisdom of crowns that's actually a proven mathematical theory

The more diverse your group of people, the less chance for error.

And that is absolutely true in the realm of artificial intelligence.

The second thing is process or governance, right?

What is it that you as your organization,

what are you going to promise both your employees as well as the market with respect to what standards

you're going to stand by for your AI model in terms of things like fairness and explainability, accountability, etc., right?

And the third area is tooling, right?

What are the tools, AI engineering,

methods, frameworks that you can use in order to ensure these things, ensure those five pillars?

And we're going to do a deep dive into that as well.

But the next show that I'm going to be running with you, we're actually going to be talking about this one, about people and culture.

So stay tuned.

If you like this video and series, please comment below.

Stay tuned for more videos that are part of this series.

And to get updates, please like and subscribe.

Скачать приложение

Всё для свободной речи

ИИ-оценка произношенияОценка каждой фразы

Практика IPAОсвойте каждый звук

СловарьСоберите свой словарный запас

Игра со словамиУчитесь играя

Сканировать QR

Download on theApp Store Get it onGoogle Play

Тот же канал

FOR YOU

Лексика и советы по произношению к этому уроку

Этот урок разговорной практики построен на видео «What is AI Ethics?». Чаще всего повторяются слова: model, intelligence, artificial, organization, thinking. В этом видео 21 предложений и 859 слов для шедоуинга. Речь длится 6:09. Говорящий держит ровный темп — около 140 слов в минуту, удобный для шедоуинга. 86% слов входят в 3000 самых частых слов английского языка; остальные стоит разобрать перед занятием. Вопросов здесь 13 из 21 предложений, так что это хорошая тренировка вопросительной интонации и коротких ответов.

Ключевая лексика этого видео

15 слов из видео, которые стоит выучить, с произношением и значением:

Слово	Произношение	Значение
artificial прилагательное	/ˌɑː.tɪˈfɪʃ.əl/	иску́сственный
pillar существительное	/ˈpɪlɚ/	столб, коло́нна
technological прилагательное	/ˌtɛk.nəˈlɑ.dʒɪ.kəl/	технологи́ческий
earn глагол	/ɝn/	зараба́тывать, зарабо́тать
associate существительное	/əˈsoʊʃi.ət/	партнёр, партнёрша
diversity существительное	/daɪˈvɜː(ɹ)sɪti/	разнообра́зие
tune существительное	/tjuːn/	мело́дия, моти́в
assure глагол	/əˈʃʊɹ/	обеспе́чивать, обеспе́чить
fairness существительное	/ˈfɛɚ.nəs/	справедли́вость, беспристра́стие
percentage существительное	/pə(ɹ)ˈsɛntɪd͡ʒ/	проце́нт, проце́нтное отноше́ние
solve глагол	/sɒlv/	реша́ть, реши́ть
minority существительное	/maɪˈnɒɹ.ɪ.ti/	несовершенноле́тие
sheet существительное	/ʃit/	лист, листо́к
belong глагол	/bɪˈlɒŋ/	быть «свои́м»
privacy существительное	/ˈpɹaɪ.və.si/	уедине́ние, прива́тность

Фразовые глаголы, которые вы услышите

Слово	Значение
come up with глагол	придумывать, приходить в голову

Грамматика в этом видео

Конструкции, которые говорящий использует чаще всего, с точными словами из видео:

Конструкция	В видео
Пассивный залог be + причастие прошедшего времени — важно, что происходит, а не кто это делает	being made · was trained · is really meant
Present Perfect have/has + причастие прошедшего времени — прошлое действие, важное сейчас	has come · you've ever heard

Произношение, на которое стоит обратить внимание

Говорящий использует 13 сокращённых и редуцированных форм, например we're, you're, I'm. Произносите их коротко, так, как слышите.

Звуки «th»: mathematical /ˌmæθ(.ə)ˈmæt.ɪ.kəl/, ethically /ˈɛθɪkəli/
Звуки «sh» и «zh»: artificial /ˌɑː.tɪˈfɪʃ.əl/, associate /əˈsoʊʃi.ət/, assure /əˈʃʊɹ/, sheet /ʃit/
Длинные слова — следите за ударением: artificial /ˌɑː.tɪˈfɪʃ.əl/, technological /ˌtɛk.nəˈlɑ.dʒɪ.kəl/, associate /əˈsoʊʃi.ət/, diversity /daɪˈvɜː(ɹ)sɪti/, minority /maɪˈnɒɹ.ɪ.ti/

Звуки, трудные для русскоязычных:

/w/ — губы округлены, это не /v/: wisdom /ˈwɪzdəm/, framework /ˈfɹeɪm.wɜːk/, squeaky /ˈskwiːki/, wilfully /ˈwɪlfəli/
Звонкие согласные в конце слова — не оглушайте их: percentage /pə(ɹ)ˈsɛntɪd͡ʒ/, solve /sɒlv/, dive /daɪv/, expertise /ˌɛkspɜːˈtiːz/, subscribe /səbˈskɹaɪb/

Как заниматься с этим видео

Прослушайте всё видео один раз молча и выпишите незнакомые слова.
Повторяйте предложение за предложением на обычной скорости, пока ваш ритм не совпадёт с ритмом говорящего.
Запишите себя и сравните с оригиналом, обращая внимание на такие слова, как artificial, pillar, technological.

Что такое техника Shadowing?

Shadowing — это научно обоснованная техника изучения языка, изначально разработанная для подготовки профессиональных переводчиков и популяризированная полиглотом доктором Александром Аргуэльесом. Метод прост, но эффективен: вы слушаете аудио на английском от носителей языка и немедленно повторяете вслух — как тень, следующая за говорящим с задержкой в 1–2 секунды. В отличие от пассивного прослушивания или грамматических упражнений, Shadowing заставляет мозг и мышцы рта одновременно обрабатывать и воспроизводить реальные речевые паттерны. Исследования показывают, что это значительно улучшает точность произношения, интонацию, ритм, связную речь, понимание на слух и беглость речи — что делает его одним из самых эффективных методов для подготовки к IELTS Speaking и реального общения на английском.

Техника шедоуинга: читать полное пошаговое руководство →

Практика Shadowing: What is AI Ethics? - Изучайте разговорный английский по видео

Выберите режим практики

Скачать приложение

Тот же канал

Every Generation Thinks This Time Is Different: The AI Job Myth

What is Event Driven Architecture (EDA)?

Agentic AI Frameworks Explained: Workflows, Multi-Agent, & Production

AI, Machine Learning, Deep Learning and Generative AI Explained

Spec-Driven Development: AI Assisted Coding Explained

AI Agents vs Business Rules: Which Should Make Decisions?

AI & Education: Generative AI & the Future of Critical Thinking

EDR vs. EPP vs. NGAV

MCP vs ADK: How Modern AI Agents Connect and Work Together

Cybersecurity Architecture: Data Security

The 7 Skills You Need to Build AI Agents

What Is Jev? The AI Model That Doesn't Generate Text

How Smart Organizations Will Use AI: Jevons Paradox & Workforce Impact

What are AI Agents?

Cybersecurity Architecture: Five Principles to Follow (and One to Avoid)

Zero Trust Explained in 4 mins

What is Responsible AI? A Guide to AI Governance

Рекомендуемое видео

AI Governance Explained: Ethical, Transparent & Accountable AI for the Future

The Only SaaS Moats Left in 2026

AI & Inequality | Daron Acemoglu: Big Tech poses risks as AI reshapes society

Make AI Believe in God to Keep Humans Safe, Scientist Argues

When AIs act emotional

Harnessing generative AI in architecture, engineering & construction

How AI is helping brands identify consumer trends faster

DPM Gan Kim Yong's Speech at the "Trust and AI: Navigating a World in Transition" Leaders Dialogue

AI Can Write Code. And That’s the Problem.

AI Will End Philosophy, Physicist Claims