• Read Latest News
    Visit Our Blog
  • Works We Do
    Our Portfolio
  • Get In Touch
    Contact Us
    • 3721 Dogwood Road, Brooklyn, NY 10019 USA
    • (800) 923 - 3687 / (695) 923 - 4500
    • get-support@example.com

1. Čo potrebujete vedieť o strojovom učení?

Premýšľali ste niekedy, ako je možné, že vaša obľúbená streamovacia platforma tak presne odhadne, aký film by ste si radi pozreli? Hm… Možno ste si povedali, že za tým musí byť umelá inteligencia. A máte pravdu! Presnejšie povedané, ide o strojové učenie. Nemusíte sa však nechať zastrašiť: spoločne otvoríme túto „čiernu skrinku“ a jednoducho pochopíme, čo sa v nej skrýva.


Počiatky strojového učenia

Hoci je strojové učenie dnes horúcou témou, prvé výskumy v tejto oblasti siahajú až do 30. rokov 20. storočia, kedy Alan Turing, britský matematický génius, začal klásť základy tejto disciplíny. Turing je známy tým, že počas druhej svetovej vojny úspešne dešifroval nacistické kódy. Ale práve jeho koncept „Turingovho stroja“, opísaný v článku z roku 1936, položil základy umelej inteligencie a strojového učenia.

Termín „strojové učenie“ bol však zavedený až v roku 1959 Američanom Arthurom Samuelom, ktorý vytvoril samoučiaci program na hranie dámy. Samuel definoval strojové učenie ako „štúdiu, ktorá umožňuje počítačom učiť sa bez toho, aby boli výslovne naprogramované“.

Jednoducho povedané, kým klasický algoritmus počítaču dáva konkrétne inštrukcie, algoritmus strojového učenia mu poskytuje nástroje na učenie a zlepšovanie.


Učenie na príkladoch

Predstavme si to na metafore: chcete naučiť dieťa rozpoznať jablko na sérii obrázkov s rôznymi druhmi ovocia. Najprv mu ukážete jablko a vysvetlíte, že môže mať rôzne farby. Od tejto chvíle dieťa dokáže jablko rozpoznať samo. So strojovým učením je to podobné, akurát algoritmus potrebuje obrovské množstvo obrázkov, aby si nezamieňal… jablká s pomarančmi.


Rozmach strojového učenia

Aby sa algoritmus niečo naučil, potrebuje veľa príkladov! Na začiatku 21. storočia došlo k viacerým zlomovým faktorom, ktoré umožnili vznik drahocenného „surového materiálu“, známeho ako dáta. Kombinácia rozmachu internetu, explózie výpočtového výkonu, pokroku v hardvéri a demokratizácie cloudu vytvorila „magický vzorec“ pre strojové učenie: Big Data!

Práve tieto „novodobé ropné zásoby“ umožnili trénovanie algoritmov strojového učenia, aby sa stávali čoraz efektívnejšími. A vďaka tomu vám teraz môžu odporučiť presne ten film, ktorý by ste si radi pozreli!


Tak čo, čo je dnes večer na programe? 😊

Post a Comment

Vaša e-mailová adresa nebude zverejnená. Vyžadované polia sú označené *