Машинное обучение – ответвление искусственного интеллекта, занимающееся вопросами создания саморазвивающихся алгоритмов. Как отрасль науки связана с такими прорывными технологиями как математическая статистика, дискретная математика и методы оптимизации. По сути, машинное обучение представляет собой попытку автоматизации большинства решений.
Ученые выделяют два типа обучающих машин:
• «индуктивные» машины, то есть машины, ищущие эмпирические закономерности,
• «дедуктивные» машины, то есть машины, формализующие знания по полочкам — «базам данных».
Классификация машинного обучения
При создании технологии машинного оборудования ученые руководствовались двумя технологиями – нейросетью и математической статистикой. Ряд нейросетей (перцептронов) могут обучаться как с «учителем», так и без оного. Исходя из этого, все технологии машинного обучения подразделяются на четыре большие группы:
• обучение с учителем — создается определенная ситуация, требующая немедленного решения; возможно несколько вариантов решения;
• обучение без учителя — создается ситуация, которая есть в памяти машины;
• обучение с подкреплением — создается определенная ситуация, требующая немедленного решения; после ее решения ситуация изменяется, иногда на прямо противоположную;
• активное обучение — создается определенная ситуация, требующая немедленного решения; следующую за ней ситуацию моделирует машина.
Применение машинного обучения
Применение машинного обучения основано на замене человека машиной на рутинных и длительных действиях. Машина не знающая усталости и эмоций практически не совершает ошибок. к такого рода действиях относятся:
• биоинформатика,
• категоризация документов,
• медицинская диагностика,
• прогнозирование временных рядов,
• распознавание изображений,
• распознавание речи и т.д.