Pewnie widziałeś reklamę kolejnego urządzenia z półki inteligentnych – iPhoneX, Huawei P20, LG ThinQ czy telewizora LG – albo słyszałeś rozmowę o uczeniu maszynowym, ale masz niewielkie pojęcie o znaczeniu tego terminu. Na pewno zastanawiasz się, jak coś, co jeszcze niedawno wymagało użycia superkomputerów i było w powijakach, dziś już działa w elektronice użytkowej. Jeśli chcesz się dowiedzieć więcej na temat uczenia maszynowego, to właśnie nadszedł czas!

Ten artykuł jest wstępem do cyklu tekstów na temat uczenia maszynowego. Jeśli ta dziedzina Cię interesuje, a nie wiesz, od czego zacząć – to jest to coś dla Ciebie. Nie obawiaj się, nawet najtrudniejsze sprawy wyjaśniamy w sposób przystępny i zrozumiały. A więc – zaczynamy!

Uczenie maszynowe bazuje na koncepcji istniejących algorytmów podstawowych. Pozwala ona na ciekawe ukazanie danego zbioru danych bez konieczności pisania kodu, specyficznego dla konkretnego zadania. Zamiast pisania kodu, dostarczane są dane wejściowe dla algorytmu podstawowego i tworzona własna logika, która te dane wykorzystuje. Za przykład może tu posłużyć algorytm klasyfikacji, który kwalifikuje dane do różnych grup. Ten sam algorytm bez wprowadzania zmian w kodzie może posłużyć zarówno do rozpoznawania cyfr napisanych odręcznie, jak selekcji wiadomości e-mail według kryterium, czy są spamem, czy nie. Wystarczy dostarczyć odpowiednie dane uczące, a algorytm zadba o inną logikę klasyfikowania danego zbioru danych.

Powyższy algorytm uczenia maszynowego jest formą „czarnej skrzynki” z możliwym wielokrotnym wykorzystaniem do różnorodnych zadań klasyfikacji danych. „Uczenie maszynowe” jest terminem bardzo szerokim i obejmuje wiele różnych algorytmów podstawowych dających takie możliwości.