Kako deluje umetna inteligenca?

3.3. Pristop nadzorovanega ali nenadzorovanega učenja?

V okviru pristopov strojnega učenja se sistemi umetne inteligence delijo na dve različici, odvisno od načina uporabe podatkov za njihovo usposabljanje²:

Nadzorovano učenje

"Nadzorovano učenje se nanaša na uporabo označenih podatkov (na primer slik, na katerih je navedeno, ali so na njih mačke ali ne, kot smo to spoznali v vaji https://pixees.fr/classcodeiai/app/tuto1/?lang=en ) za usposabljanje algoritmov. Ti pristopi oblikujejo lastne metode za napovedovanje, kako naj bodo slike označene."

Nenadzorovano učenje
 "Nenadzorovano učenje se lahko uporablja, kadar ni na voljo kakovostnih označenih podatkov. Odlikuje jih iskanje novih grozdov in povezav v podatkih, ki jih ljudje sicer ne bi prepoznali ali označili. Ker so oznake pogosto nepopolne ali nenatančne, številne aplikacije, kot so sistemi za priporočanje vsebine, združujejo tako nadzorovane kot nenadzorovane pristope strojnega učenja."

Primer:
Veliko mehanizmov umetne inteligence danes deluje z nadzorovanim učenjem. Da bi opisali, kako deluje, si predstavljajmo, da želimo umetno inteligenco naučiti prepoznati mačko na sliki.

V ta namen bomo zagotovili veliko podatkov, in sicer veliko slik, na katerih je mogoče videti mačko, in veliko slik, na katerih mačke ni mogoče videti, tako da izračun prilagodi svoje parametre, da bi dal izhodno vrednost, ki ustreza prisotnosti ali odsotnosti mačke. Vse te slike so vhodni podatki, pričakovani rezultat, ali je na sliki mačka ali ne, pa izhodni podatki. Ti "vhodni" in "izhodni" podatki so edine informacije, ki so na voljo za njegovo usposabljanje.

Izračunski mehanizem mora zato prilagoditi notranje parametre (kot so krmilni gumbi fotoaparata), da ugotovi, ali je na sliki mačka ali ne. Prvič bo na voljo naključen in zato najverjetneje napačen rezultat, nato pa bo mehanizem postopoma opazil napake in z zaporednimi poskusi prilagodil parametre, da bi jih zmanjšal. Ta proces je znan kot strojno učenje.

Pravzaprav veliko aplikacij umetne inteligence uporablja strojno učenje in skoraj vedno nekaj simbolne umetne inteligence v ozadju. Na primer, številne aplikacije klepetalnih robotov so vnaprej programirane s pravili, ki jih je določil človek, o tem, kako odgovoriti na predvidena vprašanja. Aktualna tema raziskav je ugotoviti, kako združiti simbolični pristop in pristop strojnega učenja.

______________________

2. Artificial intelligence: How does it work, why does it matter, and what can we do about it? - Philip Boucher, Scientific Foresight Unit (STOA) - ISBN: 978-92-846-6770-3 - European Union, 2020 ↩