Strojové učení, také machine learning, se v posledních letech čím dál více skloňuje na všech stranách. Jeho podstatou je nauka o možnostech algoritmů, které umožňují umělé inteligenci učit se a zlepšovat se.
Existují algoritmy, které vyžadují učitele a ty, které učitele nepotřebují nebo takzvané zpětnovazebné učení. Jde vlastně o zábavu, která má přimět počítače ke konání určité činnosti, aniž by ji musel programátor explicitně kódovat. Základní úlohou je pak zadání problému, jako je například:
· Budování predikčních modelů v oblastech vývoje trhu
· Klasifikační úlohy
· Rozpoznávání obrazů v oblasti veřejné bezpečnosti
· Diagnostika
· Online marketing a zpracování dat z e-shopů mohou generovat relevantnější nabídky pro cílové skupiny
· Autonomní řízení
· Komunikace se zákazníky – zde se rozvíjí nový pojem chatbot
Po definování úlohy jsou potom potřeba data, na kterých si počítač natrénuje řešení problému. Jak lze totiž vidět, tato věda úzce souvisí se statistickým zpracováním dat. Poté dojde k evaluaci modelu a jeho případným úpravám.
Vývoj strojového učení v čase
Pojem byl zaveden již v roce 1952 a jeho potenciál se od té doby neustále vyvíjí. Zatímco před 70 lety byli problémy s pamětí počítače. Základní rozpoznávací algoritmus pro efektivní trasy byl implementován již v roce 1967. Do 80. let minulého století se umělá inteligence a strojové učení vyvíjeli jako dvě podpůrné vědy, v této době se však rozdělili do dvou odlišných odvětví. V letech 2006 a 2007 již začalo být rozpoznávání obličejů a hlasů velmi efektivní.
Jak to pohne s ekonomikou
Tohle odvětví bude mít velký dopad na ekonomiku, jakmile se významněji rozšíří. Na mnohé pozice již nebudou potřeba lidé, jelikož počítače a robotika hravě nahradí funkce pro diagnostiku, rozhodování a klasifikace. Autonomně řízená auta budou moci být sdílena napříč mnoha rodinami.