Machine learning (strojové učení) je oblast umělé inteligence, která se zaměřuje na vývoj algoritmů a modelů, jež se dokážou automaticky zlepšovat na základě zkušeností. Místo toho, aby byly explicitně naprogramovány pro každou úlohu, tyto algoritmy se "učí" z dat – tedy nacházejí vzory, vztahy a souvislosti, které jim umožňují dělat předpovědi nebo rozhodnutí. Čím více dat mají k dispozici, tím přesnější a efektivnější mohou být.
Existuje několik typů strojového učení, mezi které patří například učení s učitelem (supervised learning), učení bez učitele (unsupervised learning) a zesilované učení (reinforcement learning). V učení s učitelem se algoritmus učí na základě označených dat, například když má rozpoznat, zda se na obrázku nachází pes nebo kočka. Učení bez učitele hledá skryté struktury ve vstupních datech bez předem daných odpovědí. Zesilované učení pak simuluje chování na základě odměn a trestů, podobně jako se učí například zvíře.
Machine learning se dnes uplatňuje v mnoha oblastech – od rozpoznávání obrazu a hlasu, přes personalizaci obsahu na sociálních sítích, až po detekci podvodů nebo předpověď vývoje akciových trhů. Je to klíčová technologie, která umožňuje moderním systémům být "chytřejší", reagovat na nové situace a přizpůsobovat se měnícím podmínkám bez nutnosti manuálního zásahu programátora.
Další zdroje