Dicționar AI · Baze

Ce este machine learning

Ramura AI în care un program își ajustează comportamentul pe baza exemplelor, în loc să primească reguli scrise de mână.

01 · Definiția

Machine learning, în română învățare automată, este ramura inteligenței artificiale în care un program nu primește reguli scrise de mână, ci învață din exemple. În loc să-i spui „dacă emailul conține cuvântul X, e spam”, îi dai multe emailuri deja marcate și îl lași să găsească singur tiparele care despart cele două categorii.

Mare parte din ce numim azi AI se sprijină pe machine learning: recomandările, recunoașterea imaginilor și a vorbirii, prognozele, detectarea fraudelor și modelele de limbaj din spatele asistenților conversaționali.

02

Cum funcționează

Un proiect de machine learning are aceeași structură, oricare ar fi domeniul: date, model, antrenare, evaluare.

Datele sunt exemplele: fiecare are caracteristici (de exemplu, suma, ora și țara unei tranzacții) și, de multe ori, rezultatul corect (frauduloasă sau nu). Modelul e o funcție cu parametri ajustabili. La antrenare, un algoritm modifică parametrii pas cu pas, ca predicțiile să se apropie de rezultatele corecte. La evaluare, modelul e testat pe exemple pe care nu le-a văzut, ca să afli dacă a învățat tipare generale sau doar a memorat.

Există trei familii mari:

  • Învățarea supervizată: exemplele au răspunsul corect (spam sau nu, prețul unei case), iar modelul învață să-l prezică pentru exemple noi.
  • Învățarea nesupervizată: exemplele nu au răspuns, iar modelul caută structură, de exemplu grupuri de clienți cu comportament asemănător.
  • Învățarea prin întărire: un sistem încearcă acțiuni într-un mediu și învață din recompense și penalizări.

Când modelul e o rețea neuronală cu multe straturi, vorbim de învățare profundă (deep learning). Modelele de limbaj mari sunt un caz particular: rețele foarte mari, antrenate pe text să prezică fragmentul următor.

03

Un exemplu concret

Exemplu didactic: un magazin online vrea să afle din timp ce comenzi riscă să fie returnate. Are istoricul comenzilor, cu informația dacă au fost returnate sau nu. Echipa alege caracteristicile (categoria produsului, mărimea, metoda de plată, dacă clientul a mai returnat), împarte datele într-un set de antrenare și unul de test și antrenează un model de clasificare.

Pe setul de test, modelul e comparat cu regula simplă folosită până atunci. Dacă e mai bun, ajunge în producție: scorul de risc apare lângă comandă, iar un om decide ce face cu el. Periodic, echipa verifică dacă performanța se menține, pentru că obiceiurile clienților se schimbă (deriva datelor).

04

Limite și greșeli frecvente

  • Date nereprezentative. Modelul învață lumea din date. Dacă datele vin dintr-o perioadă neobișnuită sau omit un grup de clienți, predicțiile vor greși tocmai acolo, fără avertisment.
  • Supraînvățarea. Un model prea complex pentru câte date are memorează exemplele în loc să învețe tipare: scoruri excelente la antrenare, slabe pe date noi.
  • Scurgeri de informație. O caracteristică ce conține, de fapt, răspunsul (de exemplu, un câmp completat abia după retur) face modelul să pară perfect la test și inutil în realitate.
  • Metrica greșită. Dacă doar o mică parte din tranzacții sunt fraude, un model care spune mereu „nu e fraudă” are acuratețe mare și nu prinde nimic. Metrica se alege după cost: cât te costă o alarmă falsă față de un caz ratat.
  • Bias. Datele istorice pot conține decizii nedrepte, pe care modelul le reproduce (bias). Când modelul ia sau pregătește decizii despre oameni, verificarea asta face parte din muncă, nu e un pas opțional.

05 · Din catalog

Unde înveți despre machine learning: cursuri din catalog

Lecțiile sunt text, în română, cu quiz la fiecare lecție. Din fiecare curs citești gratuit un fragment din prima lecție, fără cont. Abonamentul începe de la 499 lei pe lună pentru un curs, cu TVA 21% inclus.

Curs pe tema asta Curs AI pentru ingineri machine learning Cursurile potrivite, în ordinea recomandată, și prețul lunar al traseului.

06

Întrebări despre machine learning

Care e diferența dintre AI și machine learning?

AI e domeniul larg al sistemelor care îndeplinesc sarcini pentru care, de regulă, e nevoie de judecată umană. Machine learning e metoda prin care un sistem AI își obține abilitățile din date, nu din reguli scrise de mână; pe ea se sprijină, de exemplu, recomandările, recunoașterea imaginilor și modelele de limbaj. Vezi și inteligența artificială în dicționar.

Trebuie să știu matematică pentru machine learning?

Ca să folosești rezultatele unui model, nu. Ca să construiești și să evaluezi modele, ajută statistica de bază, algebra liniară și programarea. Pentru machine learning aplicat pe modele preantrenate (fine-tuning, computer vision, inferență locală), vezi pagina pentru ingineri machine learning.

07

Termeni înrudiți

Înveți pe un curs. Fragmentul e gratuit.

Începe cu „Introducere în AI Engineering”: citești gratuit un fragment din prima lecție, fără cont, apoi decizi. Abonamentul începe de la 499 lei pe lună, cu TVA 21% inclus.

Caută pe curs-ai.ro

↑↓ alegiEnter deschizi = pe cursuri-ai.ro