Uczenie maszynowe
Uczenie maszynowe daje komputerom zdolność do uczenia się bez wyraźnego programowania (Arthur Samuel, 1959). Jest to subdziedzina informatyki.
Pomysł powstał w wyniku prac nad sztuczną inteligencją. Uczenie maszynowe zajmuje się badaniem i konstruowaniem algorytmów, które mogą uczyć się i przewidywać na podstawie danych. Algorytmy takie wykonują zaprogramowane instrukcje, ale mogą również dokonywać przewidywań lub podejmować decyzje na podstawie danych. Budują model z przykładowych danych wejściowych.
Uczenie maszynowe jest stosowane tam, gdzie nie można zaprojektować i zaprogramować jawnych algorytmów. Przykłady obejmują filtrowanie spamu, wykrywanie intruzów sieciowych lub złośliwych osób pracujących nad naruszeniem danych, optyczne rozpoznawanie znaków (OCR), wyszukiwarki i widzenie komputerowe.
Pytania i odpowiedzi
P: Czym jest uczenie maszynowe?
O: Uczenie maszynowe to poddziedzina informatyki, która daje komputerom możliwość uczenia się bez jawnego programowania, przy użyciu algorytmów, które mogą uczyć się i przewidywać na podstawie danych.
P: Skąd wziął się pomysł na uczenie maszynowe?
O: Pomysł na uczenie maszynowe wziął się z pracy nad sztuczną inteligencją.
P: Jak działają algorytmy wykorzystywane w uczeniu maszynowym?
O: Algorytmy stosowane w uczeniu maszynowym wykonują zaprogramowane instrukcje, ale mogą również przewidywać lub podejmować decyzje na podstawie danych. Budują one model na podstawie przykładowych danych wejściowych.
P: Kiedy stosuje się uczenie maszynowe?
O: Uczenie maszynowe jest wykorzystywane tam, gdzie nie można zaprojektować i zaprogramować jawnych algorytmów. Przykłady obejmują filtrowanie spamu, wykrywanie intruzów sieciowych lub złośliwych osób pracujących nad naruszeniem danych, optyczne rozpoznawanie znaków (OCR), wyszukiwarki i wizję komputerową.
P: Jakie są zagrożenia związane z korzystaniem z uczenia maszynowego?
O: Korzystanie z uczenia maszynowego wiąże się z ryzykiem, w tym z tworzeniem ostatecznych modeli, które są "czarnymi skrzynkami" i są krytykowane za stronniczość w zatrudnianiu, wymiarze sprawiedliwości w sprawach karnych i rozpoznawaniu twarzy.
P: Co to znaczy, że model uczenia maszynowego jest "czarną skrzynką"?
O: Model uczenia maszynowego typu "czarna skrzynka" oznacza, że jego procesy decyzyjne nie są łatwe do wyjaśnienia lub zrozumienia przez ludzi.
P: Jakie są przykłady zastosowań uczenia maszynowego?
O: Niektóre przykłady zastosowań uczenia maszynowego obejmują filtrowanie spamu, wykrywanie intruzów w sieci, optyczne rozpoznawanie znaków (OCR), wyszukiwarki i wizję komputerową.
