Компютърните науки са в основата на изкуствения интелект, но най-вече машинното самообучение. Това е „обучението“, което машината извлича от своя опит в обработката на данни. Основната цел на машинното самообучение е да гарантира, че машината се учи от данните. С други думи, машинното обучение е приложение на изкуствения интелект (AI), което предоставя на компютърните системи възможност за автоматично учене и усъвършенстване от опит без изрично програмиране. Машинното обучение като наука се фокусира върху разработването на компютърни програми, които имат достъп до данни и ги използват, за да се учат сами. Това понякога е известно като евристично програмиране.
Машинното обучение може да се определи и като изучаване на компютърно базирани алгоритми, предназначени за автоматично подобряване на постиженията чрез придобито обучение. Машините са създадени с вградена способност да четат и разбират човешки език, за да разберат обкръжението и да правят възможно най-много точни прогнози. Те могат също така да извършват едновременни оценки на прогнозите в реално време и да се адаптират в съответствие с тяхната среда. Когато потребителят иска да търси тема, търсачката показва най-често търсените свързани „теми за търсене“. Търсачката разглежда минали кликвания от хора по света, за да разбере страниците, които са по-подходящи за тези търсения от другите. След това връчва на тези резултати списък с най-подходящите в началото. Трябва да се отбележи, че подобно упражнение е невъзможно да се изпълнява от хората в рамките на няколко секунди.
Машината се програмира как да обработва заявките за търсене и да генерира набор от инструкции, за да създаде очаквания резултат. Следователно машинното самообучение може да се разбира и като набор от процедури, които се справят с огромни количества данни интелигентно (използвайки алгоритми или набор от логически правила) за получаване на резултати.
Процесът на машинно обучение започва с анализ на наблюдения (данни) като примери, преки преживявания или инструкции и търси модели в данните. Въз основа на този анализ и кумулативните данни, които са му предоставени, той се научава да взема по-добри решения в бъдеще. Основната цел е да се позволи на машината да се учи автоматично без човешка намеса или помощ и да коригира съответно действията.
Phase1 of Machine Learning
Phase 2 of Machine Learning
Още за машинното самообучение ще научите по време на AI for NATURE хакатона в гимназията.