Co je to strojové učení?

Co je učení pod dohledem?

Řízené učení je prvním ze čtyř modelů strojového učení. V algoritmech učení s dohledem je stroj vyučován příkladem. Modely učení s dohledem se skládají z „vstupních“ a „výstupních“ párů dat, kde je výstup označen požadovanou hodnotou. Řekněme například, že cílem je, aby stroj vylíčil rozdíl mezi mlékárnami a pansky. Jeden binární pár vstupních dat zahrnuje jak obrázek daisy, tak obraz pansy. Požadovaný výsledek pro tuto konkrétní dvojici je vybrat daisy, takže bude předem identifikován jako správný výsledek.

Pomocí algoritmu systém zkompiluje všechna tato trénovací data v čase a začne zjišťovat korelativní podobnosti, rozdíly a další logiky – dokud sám nedokáže předvídat odpovědi na daisy-or-pansy otázky. Je to ekvivalent, kdy dítě dostane soubor problémů s klíčem odpovědi, pak je požádá, aby ukázali svou práci a vysvětlili svou logiku. Modely učení s dohledem se používají v mnoha aplikacích, s nimiž každodenně komunikujeme, jako jsou nástroje doporučení pro produkty a aplikace pro analýzu provozu, jako je Waze, které předpovídají nejrychlejší trasu v různých denních časech.

Co je to učení bez dohledu?

Učení bez dohledu je druhé ze čtyř modelů strojového učení. V modelech vzdělávání bez dohledu není klíč odpovědi. Stroj studuje vstupní data – z nichž velká část je neoznačená a nestrukturovaná – a začíná identifikovat vzory a korelace s využitím všech relevantních, přístupných dat. V mnoha směrech je učení bez dohledu modelováno na tom, jak lidé pozorují svět. Intuici a zkušenosti používáme k seskupování věcí dohromady. S čím dál tím více příkladů něčeho se naše schopnost kategorizovat a identifikovat stává stále přesnější. U strojů je „zkušenost“ definována množstvím údajů, které jsou zadávány a zpřístupňovány. Mezi běžné příklady výukových aplikací bez dohledu patří rozpoznávání obličeje, analýza genových sekvencí, průzkum trhu a kybernetická bezpečnost.

Co je to učení s polodohledem?

Středně sledované učení je třetí ze čtyř modelů strojového učení. V dokonalém světě by všechna data byla strukturována a označena před vstupem do systému. Vzhledem k tomu, že to však zjevně není proveditelné, stává se učení s polohovým dohledem použitelným řešením v případě, že jsou k dispozici velké množství prvotřídních, nestrukturovaných dat. Tento model sestává z zadání malého množství označených dat pro rozšíření neoznačených množin dat. Označená data v podstatě slouží k zahájení provozu systému a mohou značně zlepšit rychlost a přesnost učení. Algoritmus učení polopod dohledem instruuje stroj k analýze označených dat pro korelativní vlastnosti, které by mohly být použity na neoznačená data.

Jak se podrobně zkoumá v tomto výzkumném dokumentu MIT Press, existují však rizika spojená s tímto modelem, kdy se nedostatky v označených datech dozvědí a replikují systémem. Firmy, které nejvíce úspěšně využívají polohovatelnou výuku, zajišťují, že jsou zavedeny protokoly osvědčených postupů. Středně sledované učení se používá v řeči a lingvistické analýze, komplexním lékařském výzkumu, jako je kategorizace proteinů a odhalování podvodů na vysoké úrovni.

Co je to posilovací učení?

Posilovací učení je čtvrtým modelem strojového učení. V učení s dohledem dostane stroj klíč odpovědi a učí se nalezením korelací mezi všemi správnými výsledky. Model učení se posílením nezahrnuje klíč odpovědi, ale spíše přináší soubor přípustných opatření, pravidel a potenciálních konečných stavů. Když je požadovaný cíl algoritmu pevný nebo binární, mohou se stroje naučit například. Ale v případech, kdy je požadovaný výsledek měnitelný, se systém musí učit podle zkušeností a odměn. V posilovacích učebních modelech je „odměna“ numerická a je naprogramována do algoritmu jako něco, co se systém snaží sbírat.

V mnoha směrech je tento model analogický k učení někomu, jak hrát šachy. Určitě by nebylo možné pokusit se jim ukázat každý potenciální tah. Místo toho vysvětlíte pravidla a oni si svou zručnost budují skrze praxi. Odměny přicházejí v podobě nejen výhry, ale i získání kousků soupeře. Aplikace posilovacího učení zahrnují automatizované nabízení cen pro kupující internetové reklamy, vývoj počítačových her a obchodování na burze s vysokým podílem.