Strojové učení

Strojové učení, běžně zkracované jako „ML“, je typ umělé inteligence (AI), který se postupem času „učí“ nebo přizpůsobuje. Namísto dodržování statických pravidel naprogramovaných v programu technologie ML rozpoznává vzory ve vstupních datech a obsahuje algoritmy, které se postupem času vyvíjejí.

Strojové učení má širokou škálu využití a mnohá z nich jsou dnes součástí každodenního života. Níže je uvedeno několik příkladů:

1. Lékařské diagnózy
2. Autonomní vozidla
3. Cílení online reklam – Google AdSense a Facebook Advertising
4. Rozpoznávání řeči – Google Assistant, Amazon Alexa, Microsoft Cortana a Apple Siri
5. Rozpoznávání obrazu – vyhledávání obrázků Google, rozpoznávání obličejů na Facebooku a v Apple Photos

Příklad samořídicího vozidla

Autonomní vozidla využívají strojové učení ke zvyšování své bezpečnosti a spolehlivosti. Samořídicí vůz, který používá tradiční umělou inteligenci, může reagovat na jakékoli podmínky na silnici, pro jejichž zvládnutí byl naprogramován. Pokud však software narazí na nerozpoznaný vstup, vůz může přejít na záložní bezpečnostní opatření, například zpomalit, zastavit nebo vyžadovat ruční převzetí řízení.

Strojové učení může vozidlu umožnit rozpoznávat události a objekty, které nebyly výslovně naprogramovány ve zdrojovém kódu. Vůz může být například naprogramován tak, aby rozpoznával semafory, ale neblikající světla na stavebních zábranách. Učením ze zkušeností — případně zaznamenáváním způsobu jízdy lidského řidiče — začne vůz rozpoznávat stavební zábrany a odpovídajícím způsobem reagovat.

Technologie ML umožňuje autonomním vozidlům rozlišovat mezi objekty na silnici, jako jsou auta, jízdní kola, lidé a zvířata. Pomáhá také automobilům jezdit spolehlivěji za nepříznivého počasí a po silnicích bez zřetelných čar. Cílem je umožnit vozidlům jezdit jako lidé a zároveň se vyhnout chybám způsobeným lidským faktorem.