Strojové učení (machine learning) je obor umělé inteligence, ve kterém počítač nedostává ručně napsaná pravidla, ale sám si z velkého množství příkladů odvodí vzorce a podle nich pak posuzuje nové případy. Výsledkem učení je model: soubor naučených hodnot, který k novému vstupu vrátí odhad, například kategorii, číslo nebo text.
Jak funguje strojové učení?
Strojové učení stojí na opakovaném porovnávání odhadu se správnou odpovědí. Model dostane příklad, například e-mail, a tipne si, do které kategorie patří. Pak se porovná s tím, co je správně, a jeho vnitřní hodnoty se nepatrně posunou tak, aby se příště trefil lépe. Po mnoha tisících příkladů zachytí vzorce, které by člověk do pravidel sepsal jen těžko. Rozlišují se tři hlavní přístupy:
- Učení s učitelem: příklady mají správné odpovědi, například e-maily označené jako „faktura“ nebo „reklamace“.
- Učení bez učitele: odpovědi chybí a systém sám hledá skupiny podobných záznamů.
- Posilované učení: systém zkouší kroky a dostává odměnu nebo postih podle výsledku.
Kvalita modelu proto závisí hlavně na trénovacích datech.
Jaký je rozdíl mezi strojovým učením a umělou inteligencí?
Strojové učení je jedna z cest, jak umělou inteligenci vytvořit. Umělá inteligence je širší pojem, patří k ní i systémy s ručně sepsanými pravidly. Hluboké učení je zase část strojového učení, která používá vícevrstvé neuronové sítě, a na něm stojí i generativní AI jako ChatGPT.
Jaký je nejčastější omyl o strojovém učení?
Častý omyl je, že se model učí průběžně z každého vašeho použití. Většina modelů se naučí jednou při trénování a pak už jen odhaduje. Druhý omyl: naučený vzorec není porozumění. Model zachytí, co spolu v datech souvisí, ale neví proč, a když jsou data jednostranná, jednostranně i rozhoduje.
K čemu se strojové učení hodí v práci?
- Účetní: systém navrhne zaúčtování přijaté faktury podle toho, jak se podobné doklady účtovaly dřív.
- Správce IT: filtr nevyžádané pošty pozná podvodný e-mail podle znaků, které se naučil z tisíců nahlášených zpráv.
- Marketér: model odhadne, kteří zákazníci pravděpodobně přestanou nakupovat, a ti dostanou nabídku dřív.
- Ředitel školy: v datech o docházce a prospěchu si nechá zvýraznit neobvyklé změny, o dalším postupu ale rozhoduje sám s třídním učitelem.
Příklad zadání
Lektorka chce účastníkům kurzu vysvětlit strojové učení na jejich vlastní práci a připravuje si podklad.
Vysvětli strojové učení pro administrativní pracovníky bez technického vzdělání. Použij příklad třídění příchozí pošty na faktury, žádosti a stížnosti. Popiš: jaké příklady systém potřebuje, jak se z nich učí, co se stane s novou zprávou a kde může udělat chybu. Rozsah nejvýš 200 slov, bez odborných zkratek.
Dostanete srozumitelný výklad. Zkontrolujte, jestli nepíše, že systém zprávám „rozumí“, a jestli zmiňuje vliv špatně označených příkladů.
Na co si u strojového učení dát pozor?
- Prověřte data, ze kterých se systém učí. Když v nich chybí určité skupiny nebo jsou chybně označené, model chyby opakuje. Nechte si od dodavatele popsat, na jakých datech se učil.
- Rozhodnutí o lidech nenechávejte jen na modelu. U přijímání zaměstnanců, hodnocení nebo dávek musí výsledek posoudit člověk, který ho umí zpochybnit.
- Sledujte, jestli se trefuje i později. Když se změní situace, například nový typ dokladů, starý model začne chybovat. Občas zkontrolujte vzorek jeho rozhodnutí.
- Osobní údaje k učení jen podle pravidel organizace. Před předáním dat dodavateli ověřte, co s nimi smí dělat, a zvažte anonymizaci.
Časté otázky
Co je strojové učení s učitelem a bez učitele?
Při učení s učitelem má každý příklad správnou odpověď a model se učí ji předpovídat. Při učení bez učitele odpovědi chybí a model sám hledá skupiny a podobnosti v datech.
Jaký je vztah strojového učení a neuronových sítí?
Neuronová síť je jeden z typů modelů, které se strojovým učením trénují. Strojové učení zahrnuje i jednodušší metody, například rozhodovací stromy.
Musím umět programovat, abych strojové učení využil?
Ne, většinu lidí potká strojové učení uvnitř hotových nástrojů, jako je filtr pošty nebo doporučování. Vlastní modely se obvykle stavějí v programovacím jazyce Python.