Az emberi intelligencia tükrözi agyunk tanulási képességét. Az emberként viselkedő számítógépes rendszerek mesterséges intelligenciát használnak. Ez azt jelenti, hogy ezeket a rendszereket olyan számítógépes programok irányítják, amelyek tanulhatnak.
Akárcsak az emberek, a számítógépek is megtanulhatják az adatok használatát, majd a tanultak alapján dönthetnek vagy értékelhetnek. Gépi tanulásnak hívják, ez a mesterséges intelligencia nagyobb területének része.
Ahhoz, hogy a számítógépek megoldhassák a problémákat, az emberek csak lépésről lépésre írtak utasításokat a számítógép hardverét működtető programokhoz. Ezeknek a programozóknak figyelembe kellett venniük minden lépést, amellyel a számítógép találkozhat vagy találkozhat. Aztán leírták, hogyan akarják, hogy a számítógép válaszoljon minden olyan döntésre, amelyet az út során felkérnek.
Az 1940-es években, miközben mérnökként dolgozott az Illinoisi Egyetemen, Arthur Samuel úgy döntött, hogy másképp programozza a számítógépeket. Ez az informatikus megtanítja a számítógépeket, hogyan tanuljanak önállóan. Taneszköze: dáma.
Ahelyett, hogy minden lehetséges lépést programozott volna, tanácsokat adott a számítógépes bajnok dámajátékosoktól. Tekintsük ezt általános szabályoknak.
Azt is megtanította a számítógépnek, hogy dámát játsszon önmagával szemben. Minden játék során a számítógép nyomon követte, hogy melyik lépése és stratégiája működött a legjobban. Ezután ezeket a lépéseket és stratégiákat használta fel, hogy legközelebb jobban játsszon. Útközben a számítógép az adatokat kicsinyítette információkká. Ez az információ tudássá válna – és a számítógépet okosabb lépésekre vezetné. Samuel néhány éven belül befejezte első számítógépes programját, amely ezt a játékot játszotta. Ekkor egy IBM laboratóriumban dolgozott Poughkeepsie-ben, New York-ban.
A számítógépek algoritmusok segítségével szervezik az adatokat. Ezek matematikai képletek vagy utasítások, amelyek lépésről lépésre követik a folyamatot. Például egy algoritmus lépései arra utasíthatják a számítógépet, hogy csoportosítsa a hasonló mintájú képeket. Bizonyos esetekben, például a macska képeken, az emberek segítenek a számítógépeknek a rossz információk rendezésében. Más esetekben az algoritmusok segíthetnek a számítógépnek felismerni a hibákat és tanulni belőlük.
Az egyik legerősebb gépi tanulási technika a „mély tanulás”. Számítási erőfeszítéseit neurális hálózatok (vagy neurális hálózatok) néven ismert rendszerekbe szervezi. A hálózatok összekapcsolt csomópontokból készülnek, amelyeken keresztül az adatok mozoghatnak és feldolgozhatók. Ebben az értelemben ezek a hálózatok egy kicsit olyanok, mint az emberi agy. Az idegháló ötlete Warren McCullough és Walter Pitts ötvenes éveiben merült fel. Kicsit később fejlesztették ki ezeket a rendszereket, miközben a cambridge-i Massachusetts Institute of Technology-ban dolgoztak.
Egy ideig a neurális hálók kiestek a divatból. De nagyot tértek vissza az 1980-as években. Ma is egyre bonyolultabb gépi tanulási rendszerek alapjául szolgálnak. A mai mélytanuló rendszerekben az adatok általában csak egy irányban mozognak a csomópontokon (kapcsolatokon) keresztül. A rendszer minden rétege fogadhat adatokat az alacsonyabb csomópontoktól, majd feldolgozhatja ezeket az adatokat, és továbbíthatja azokat a magasabb csomópontokhoz. A rétegek összetettebbek (mélyebbek), ahogy a számítógép tanul. Az egyszerű választások helyett, mint például az ellenőrző játékban, a mélytanuló rendszerek sok adatot vizsgálnak át, tanulnak belőlük, majd ezek alapján döntenek. Mindezek a lépések a számítógépen belül zajlanak, emberi beavatkozás nélkül.
A gépi tanulás nemrégiben olyan eszközökben, szoftverekben és termékekben jelent meg, amelyek célja az élet megkönnyítése. Ilyen például a mai intelligens hangszórókban és streaming szolgáltatásokban használt programok. Ezek a trendeket keresik a kiválasztott zenében vagy videókban, majd hasonlóakat javasolnak, amelyek tetszhetnek. A gépi tanulást arra is használják, hogy segítsenek az embereknek nagyobb problémákat megoldani a mérnöktől az orvostudományig. Útközben néhány gépi tanulási rendszer videojátékokat használ képzési eszközként.
Például az Argonne National Laboratory mérnökei által kifejlesztett rendszer, Chicago, Illinoisban, kívül, több száz különböző motort tesztelhet. Ezután javaslatot tehet arra, hogy a kutatók hogyan építhetik fel a tervek legjobbjait (az összes helyett), hogy a valós világban teszteljék. Az orvostudományban a gépi tanulás segít azonosítani a betegségeket a vírus mérete és alakja alapján.
Ami a fejlődést illeti, a mesterséges intelligencia (AI) még messze nem olyan okos, mint az emberi agy. Például egy AI rendszer képes dámajátékra, vagy egy macska azonosítására, de még nem tudja megérteni, hogy a macskák miért nem tudnak dámajátékot játszani.
