Strojové učenie (Machine Learning)
Odvetvie umelej inteligencie, v ktorom sa počítač učí riešiť úlohy zo vzorov v dátach namiesto explicitných pravidiel.
Definícia
Strojové učenie (machine learning) je podoblasť umelej inteligencie, v ktorej systém nedostane presné pravidlá, ale veľa príkladov, z ktorých si pravidlá odvodí sám. Programátor teda nezapisuje postup krok za krokom, ale dodá dáta aj správne odpovede a algoritmus medzi nimi nájde vzťah, ktorému sa hovorí model. Cieľom je generalizácia, teda schopnosť správne reagovať aj na nové, dovtedy nevidené dáta. Strojové učenie je základom, na ktorom stoja moderné jazykové modely aj generatívna AI.
Kľúčové čísla
Príklady
- 1Filter na spam sa naučí rozpoznať nevyžiadanú poštu z tisícov označených e-mailov
- 2Odporúčací systém e-shopu predpovedá, ktoré produkty zákazníka zaujmú
- 3Detekcia podvodov označí netypickú platbu kartou
Ako sa stroj učí z dát
Pri klasickom programovaní vývojár napíše každé pravidlo ručne. Pri strojovom učení je postup opačný: do systému vložíte vstupné dáta aj správne odpovede a algoritmus si sám nájde vzťah medzi nimi. Tento naučený vzťah sa volá model a dá sa potom použiť na nové dáta. Kvalita modelu pritom stojí a padá na kvalite dát, platí jednoduché pravidlo: aké dáta na vstupe, taký model na výstupe.
Tri typy strojového učenia
Strojové učenie sa zvyčajne delí na tri prístupy. Učenie s učiteľom (supervised) sa učí z dát so známymi správnymi odpoveďami, napríklad predpoveď ceny alebo klasifikácia spamu. Učenie bez učiteľa (unsupervised) hľadá skryté vzory v dátach bez označení, napríklad zhlukovanie zákazníkov. Posilňované učenie (reinforcement) sa učí pokusom a omylom cez odmeny a tresty a využíva sa aj pri doladení jazykových modelov.
Praktické tipy
- 1Začnite jasným cieľom: čo presne má model predpovedať alebo klasifikovať
- 2Kvalita dát je dôležitejšia než množstvo, skreslené dáta dajú skreslený model
- 3Pre prácu s textom a obrazom je dnes štandardom hlboké učenie
Často kladené otázky
Aký je rozdiel medzi strojovým učením a umelou inteligenciou?
Umelá inteligencia je široký pojem pre systémy napodobňujúce inteligentné správanie. Strojové učenie je jej konkrétna podoblasť, v ktorej sa systém učí z dát namiesto pevných pravidiel.
Je deep learning to isté ako strojové učenie?
Deep learning je špecifický druh strojového učenia, ktorý používa viacvrstvové neurónové siete. Každý deep learning je strojové učenie, ale nie naopak.
Potrebuje strojové učenie veľa dát?
Vo všeobecnosti áno. Modely sa učia zo vzorov v dátach, takže viac kvalitných a reprezentatívnych dát zvyčajne vedie k presnejšiemu modelu.
Súvisiace pojmy
Umelá inteligencia (AI)
Oblasť informatiky zameraná na vytváranie systémov schopných vykonávať úlohy vyžadujúce ľudskú inteligenciu — rozpoznávanie reči, rozhodovanie, preklad a generovanie textu.
Deep learning (Hlboké učenie)
Podoblasť strojového učenia, ktorá využíva viacvrstvové neurónové siete na učenie zložitých vzorov z dát.
Veľký jazykový model (LLM)
Typ AI modelu trénovaného na obrovskom množstve textu, schopný generovať, porozumieť a spracovať ľudský jazyk — základ AI vyhľadávačov.
Neurónová sieť
Výpočtový model voľne inšpirovaný mozgom, zložený z prepojených uzlov vo vrstvách, ktorý sa učí vzory z dát.
Ďalšie informácie
Monitorujte svoju AI viditeľnosť
Zistite, či AI vyhľadávače citujú vašu stránku. Vyskúšajte zadarmo.
Začať zadarmo