Ce înseamnă Machine learning (învățare automată)
Machine learning (în română învățare automată, prescurtat ML) este ramura inteligenței artificiale în care un program învață să rezolve o sarcină din exemple, fără ca un programator să-i scrie regulile pas cu pas.
Termenul a fost popularizat în 1959 de Arthur Samuel, cercetător la IBM, care construise un program de dame ce juca tot mai bine pe măsură ce acumula partide. I se atribuie adesea definiția: domeniul care dă calculatoarelor capacitatea de a învăța fără să fie programate explicit.
Machine learning stă astăzi în spatele majorității aplicațiilor de AI: filtre de spam, recomandări de filme și produse, recunoaștere vocală, detectarea fraudelor bancare și modelele de limbaj precum cele din ChatGPT.
Cum funcționează
Programatorul alege un tip de model și îi dă un set de date de antrenare, de exemplu mii de e-mailuri marcate „spam” sau „normal”. Algoritmul de învățare caută tiparele care deosebesc cele două categorii și ajustează parametrii modelului ca să greșească tot mai rar.
După antrenare, modelul primește date noi și face predicții: acest e-mail este probabil spam. Există trei mari stiluri de învățare: supervizată (cu răspunsurile corecte date), nesupervizată (fără răspunsuri, modelul caută singur structura) și prin întărire (prin încercare, eroare și recompense).
Pe înțelesul tuturor
Un copil nu învață ce e un câine dintr-o definiție, ci văzând mulți câini și fiind corectat când confundă unul cu o pisică. Machine learning procedează la fel: multe exemple și corecturi repetate, până când programul recunoaște singur cazuri noi.
Exemplu
O bancă vrea să oprească plățile frauduloase cu cardul. În loc să scrie manual reguli, antrenează un model pe milioane de tranzacții vechi, marcate „legitimă” sau „fraudă”. Modelul învață tipare greu de observat de un om (o oră neobișnuită, o țară nouă, o sumă atipică pentru acel client) și semnalează în timp real tranzacțiile suspecte.
De reținut
- Machine learning înseamnă a învăța din date, nu din reguli scrise de mână.
- Calitatea rezultatului depinde mult de calitatea și cantitatea datelor.
- Un model antrenat face predicții probabile, nu certitudini: poate greși.
Nu confunda
- Machine learning vs. deep learning: deep learning este un tip de machine learning care folosește rețele neuronale cu multe straturi. Există și metode de ML mai simple, precum arborii de decizie sau regresia.
- Machine learning vs. data science: data science este domeniul mai larg al analizei datelor; machine learning este una dintre uneltele lui.
Termeni înrudiți
- Inteligența artificială (AI): Domeniul informaticii care creează programe capabile să facă sarcini ce cer de obicei inteligență umană: să înțeleagă, să învețe, să decidă.
- Deep learning (învățare profundă): Tip de machine learning bazat pe rețele neuronale cu multe straturi; stă în spatele chatboților, traducerilor și recunoașterii imaginilor.
- Învățare supervizată: Metoda de machine learning în care modelul învață din exemple care au deja atașat răspunsul corect.
- Învățare nesupervizată: Metoda de machine learning în care modelul primește date fără răspunsuri și descoperă singur grupuri, tipare sau anomalii.
- Învățare prin întărire: Metoda prin care un agent AI învață prin încercare și eroare, primind recompense pentru acțiunile bune și penalizări pentru cele rele.
- Date de antrenare: Exemplele din care învață un model AI: texte, imagini, sunete sau tabele. Calitatea lor decide în mare măsură calitatea modelului.