Strojové učení
Strojové učení, obvykle zkráceně „ML“, je typ umělá inteligence (AI), která se „učí“ nebo se přizpůsobuje v průběhu času. Místo dodržování statických pravidel zakódovaných v a programTechnologie ML identifikuje vstup vzory a obsahuje algoritmy které se vyvíjejí v průběhu času.
Strojové učení má širokou škálu aplikací, z nichž mnohé jsou nyní součástí každodenního života. Níže uvádíme několik příkladů:
- Lékařské diagnózy
- Autonomní vozidla
- Online cílení reklam - Google AdSense a Facebook Advertising
- Rozpoznávání řeči - Google Assistant, Amazon Alexa, Microsoft Cortana a Apple Siri
- Rozpoznávání obrazu - Vyhledávání obrázků Google, rozpoznávání obličeje zapnuto Facebook a v Apple Photos
Příklad vlastního řízení vozidla
Autonomní vozidla začleňují strojové učení za účelem zvýšení jejich bezpečnosti a spolehlivosti. Auto s vlastním řízením, které využívá tradiční umělou inteligenci, může reagovat na jakékoli podmínky na silnici, pro které je naprogramováno. Pokud však software narazí na nerozpoznaný vstup, auto může standardní na záložní bezpečnostní opatření, jako je zpomalení, zastavení nebo vyžadování ručního ovládání.
Strojové učení může vozidlu umožnit rozpoznávat události a objekty, které nebyly v programu výslovně naprogramovány Zdrojový kód. Například auto může být naprogramováno tak, aby rozpoznávalo pouliční osvětlení, ale ne blikající světla na stavebních barikádách. Poučením ze zkušeností - případně zaznamenáním jízdního chování lidského řidiče - začne auto rozpoznávat konstrukční překážky a odpovídajícím způsobem reagovat.
Technologie ML umožňuje autonomním vozidlům rozlišovat mezi objekty na silnici, jako jsou automobily, kola, lidé a zvířata. Pomáhá také automobilům spolehlivěji řídit v nedokonalých povětrnostních podmínkách a na silnicích bez jasných čar. Cílem je umožnit vozidlům řídit jako lidé a zároveň se vyvarovat chyb způsobených lidskou chybou.