ฝึกพูดภาษาอังกฤษด้วยเทคนิค Shadowing จากวิดีโอ: What is AI Ethics?

เลือกโหมดฝึก

แต่ละโหมดจะเปิดห้องฝึกแบบเต็มจอ

72 ประโยค

หากประโยคสั้นหรือยาวเกินไป กดที่ Edit เพื่อปรับแก้

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.

ดาวน์โหลดแอป

ทุกอย่างที่ต้องใช้เพื่อพูดได้คล่อง

AI ให้คะแนนการออกเสียงให้คะแนนทุกประโยค

ฝึก IPAเชี่ยวชาญทุกเสียง

คำศัพท์สร้างคลังคำของคุณ

เกมคำศัพท์เล่นไปเรียนไป

สแกน QR

Download on theApp Store Get it onGoogle Play

ช่องเดียวกัน

FOR YOU

วิดีโอแนะนำ

105 ประโยค

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

Daily ConversationUniversity StudentsWorking Adults

198 ประโยค

Jack Dorsey’s New Dessa AI Voice Sounds Scary Human

Daily ConversationUniversity StudentsWorking Adults

374 ประโยค

Be Better than AI: 8 Highest Value Skills to Learn Now

Daily ConversationUniversity StudentsWorking Adults

41 ประโยค

No, Really — Is A.I. a Bubble? | The Ezra Klein Show

Daily ConversationUniversity StudentsWorking Adults

74 ประโยค

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

Daily ConversationUniversity StudentsWorking Adults

76 ประโยค

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

Daily ConversationUniversity StudentsWorking Adults

55 ประโยค

When AIs act emotional

Daily ConversationUniversity StudentsWorking Adults

114 ประโยค

Harnessing generative AI in architecture, engineering & construction

Daily ConversationUniversity StudentsWorking Adults

211 ประโยค

IAM

Daily ConversationUniversity StudentsWorking Adults

74 ประโยค

How AI is helping brands identify consumer trends faster

Daily ConversationUniversity StudentsWorking Adults

คำศัพท์และข้อสังเกตด้านการพูดสำหรับบทเรียนนี้

บทเรียนฝึกพูดนี้ใช้วิดีโอ “What is AI Ethics?” เป็นสื่อ คำที่ถูกพูดซ้ำบ่อยที่สุด: model, intelligence, artificial, organization, thinking วิดีโอนี้มี 21 ประโยค และ 859 คำ สำหรับฝึกพูดตาม ช่วงที่มีเสียงพูดยาว 6:09 ผู้พูดพูดด้วยความเร็วสม่ำเสมอ ประมาณ 140 คำต่อนาที เหมาะกับการฝึกพูดตาม 86% ของคำอยู่ใน 3,000 คำที่ใช้บ่อยที่สุดในภาษาอังกฤษ ส่วนที่เหลือควรดูไว้ก่อนเริ่มฝึก จากทั้งหมด 21 ประโยค มี 13 ประโยคเป็นคำถาม จึงเหมาะสำหรับฝึกน้ำเสียงประโยคคำถามและการตอบสั้น ๆ

คำศัพท์สำคัญในวิดีโอนี้

คำที่ควรเรียนรู้ 15 คำจากวิดีโอ พร้อมคำอ่านและความหมาย:

คำศัพท์	คำอ่าน	ความหมาย
artificial คำคุณศัพท์	/ˌɑː.tɪˈfɪʃ.əl/	เทียม
pillar คำนาม	/ˈpɪlɚ/	เสา, หลัก
earn คำกริยา	/ɝn/	หาเงิน
diversity คำนาม	/daɪˈvɜː(ɹ)sɪti/	ความหลากหลาย
tune คำนาม	/tjuːn/	ทำนอง
assure คำกริยา	/əˈʃʊɹ/	ให้คำมั่น
percentage คำนาม	/pə(ɹ)ˈsɛntɪd͡ʒ/	อัตราร้อยละ
solve คำกริยา	/sɒlv/	แก้, แก้ไข
minority คำนาม	/maɪˈnɒɹ.ɪ.ti/	คนกลุ่มน้อย
sheet คำนาม	/ʃit/	แผ่น
privacy คำนาม	/ˈpɹaɪ.və.si/	ความเป็นส่วนตัว
principle คำนาม	/ˈpɹɪn.sɪ.pəl/	หลัก, คติ
wisdom คำนาม	/ˈwɪzdəm/	ภูมิปัญญา
fence คำนาม	/fɛns/	รั้ว
bias คำนาม	/ˈbaɪ.əs/	อคติ, ความลำเอียง

ไวยากรณ์ในวิดีโอนี้

โครงสร้างที่ผู้พูดใช้บ่อยที่สุด พร้อมคำพูดจริงจากวิดีโอ:

โครงสร้าง	ในวิดีโอ
Passive voice be + กริยาช่อง 3 — เน้นสิ่งที่เกิดขึ้น ไม่ใช่ผู้กระทำ	being made · was trained · is really meant
Present perfect have/has + กริยาช่อง 3 — เหตุการณ์ในอดีตที่ยังเกี่ยวข้องกับปัจจุบัน	has come · you've ever heard

การออกเสียงที่ควรระวัง

ผู้พูดใช้รูปย่อและรูปลดเสียง 13 ครั้ง เช่น we're, you're, I'm ให้พูดแบบสั้นตามที่ได้ยิน

เสียง “th”: mathematical /ˌmæθ(.ə)ˈmæt.ɪ.kəl/, ethically /ˈɛθɪkəli/
เสียง “sh” และ “zh”: artificial /ˌɑː.tɪˈfɪʃ.əl/, associate /əˈsoʊʃi.ət/, assure /əˈʃʊɹ/, sheet /ʃit/
คำยาว — ลงเสียงหนักให้ถูกพยางค์: artificial /ˌɑː.tɪˈfɪʃ.əl/, technological /ˌtɛk.nəˈlɑ.dʒɪ.kəl/, associate /əˈsoʊʃi.ət/, diversity /daɪˈvɜː(ɹ)sɪti/, minority /maɪˈnɒɹ.ɪ.ti/

เสียงที่คนไทยมักออกเสียงยาก:

เสียงท้ายคำ — ออกเสียงให้ครบ ไม่เปลี่ยนเป็นตัวสะกดแบบไทย: artificial /ˌɑː.tɪˈfɪʃ.əl/, technological /ˌtɛk.nəˈlɑ.dʒɪ.kəl/, fairness /ˈfɛɚ.nəs/, percentage /pə(ɹ)ˈsɛntɪd͡ʒ/, solve /sɒlv/
/v/ — ไม่ใช่ /w/ ให้ฟันบนแตะริมฝีปากล่าง: diversity /daɪˈvɜː(ɹ)sɪti/, solve /sɒlv/, privacy /ˈpɹaɪ.və.si/, diverse /daɪˈvɜːs/, dive /daɪv/
/z/ — เสียงก้อง ไม่ใช่ /s/: wisdom /ˈwɪzdəm/, expertise /ˌɛkspɜːˈtiːz/

วิธีฝึกกับวิดีโอนี้

ฟังวิดีโอให้จบหนึ่งรอบโดยยังไม่ต้องพูด แล้วจดคำที่ยังไม่รู้จัก
พูดตามทีละประโยคด้วยความเร็วปกติ ทำซ้ำแต่ละประโยคจนจังหวะของคุณตรงกับผู้พูด
อัดเสียงตัวเองแล้วเทียบกับต้นฉบับ โดยสังเกตคำอย่าง artificial, pillar, earn เป็นพิเศษ

เทคนิค Shadowing คืออะไร?

Shadowing เป็นเทคนิคการเรียนรู้ภาษาที่ได้รับการรับรองทางวิทยาศาสตร์ พัฒนาขึ้นสำหรับการฝึกนักแปลมืออาชีพ วิธีการนี้เรียบง่ายแต่ทรงพลัง: คุณฟังเสียงภาษาอังกฤษจากเจ้าของภาษาและพูดตามทันที — เหมือนเงาที่ตามผู้พูดด้วยช่วงเวลาห่าง 1-2 วินาที การวิจัยแสดงว่าเทคนิคนี้ปรับปรุงความแม่นยำในการออกเสียง ทำนองเสียง จังหวะ การเชื่อมเสียง การฟังเข้าใจ และความคล่องแคล่วในการพูดได้อย่างมีนัยสำคัญ

เทคนิค shadowing: อ่านคู่มือฉบับเต็มทีละขั้นตอน →

ฝึกพูดภาษาอังกฤษด้วยเทคนิค Shadowing จากวิดีโอ: What is AI Ethics?

เลือกโหมดฝึก

ดาวน์โหลดแอป

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

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

Jack Dorsey’s New Dessa AI Voice Sounds Scary Human

Be Better than AI: 8 Highest Value Skills to Learn Now

No, Really — Is A.I. a Bubble? | The Ezra Klein Show

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

IAM

How AI is helping brands identify consumer trends faster

คำศัพท์และข้อสังเกตด้านการพูดสำหรับบทเรียนนี้

คำศัพท์สำคัญในวิดีโอนี้

ไวยากรณ์ในวิดีโอนี้

การออกเสียงที่ควรระวัง

วิธีฝึกกับวิดีโอนี้

เทคนิค Shadowing คืออะไร?