Strojové učení (Machine Learning)

Cíl

• pochopit, že AI se učí z příkladů

• rozlišit mezi strojovým učením a klasickým programem

• uvést příklad jednoduchého učení

Otázka: "Když se učíte poznávat psy, jak vlastně získáváte zkušenosti?"

Shrnutí: 

• podobně AI dostává mnoho příkladů a zkouší najít pravidla

Definice strojového učení

Strojové učení je způsob, jak se program učí z příkladů místo toho, aby měl všechno naprogramované ručně.

• "Jako když se učíš rozeznávat ptáky – čím víc jich vidíš, tím lépe poznáš další."

Typy strojového učení

1. Učení s učitelem (supervised learning)

• příklady označené správně

• AI se učí spojovat vstup → výstup

• př.: rozpoznávání koček a psů na fotkách

2. Učení bez učitele (unsupervised learning)

• AI hledá vzory bez návodu
• př.: skupinování lidí podle chování online

3. Posilované učení (reinforcement learning)

• AI dostává odměnu nebo trest
• př.: robot učící se chůzi

Shrnutí

• AI se učí z dat, neví vše hned

• Kvalita příkladů je klíčová

• Různé typy učení podle úkolu