Strojové učení.

Strojové učení je základní disciplína, na které stojí většina moderních AI systémů. Na rozdíl od tradičního programování, kde vývojář definuje přesná pravidla, se systémy strojového učení učí vzorce přímo z dat. Algoritmus dostane tréninková data, najde v nich zákonitosti a vytvoří model, který dokáže předpovídat výsledky pro nová, dosud neviděná data.

Existují tři hlavní přístupy: učení s učitelem (supervised learning), kde model trénuje na označených datech; učení bez učitele (unsupervised learning), kde model hledá skryté vzorce v neoznačených datech; a posilované učení (reinforcement learning), kde se model učí metodou pokus-omyl na základě odměn a trestů.

V praxi strojové učení pohání doporučovací systémy (Netflix, Spotify), detekci podvodů v bankách, prediktivní údržbu strojů nebo personalizaci reklam. Pro firmy představuje příležitost, jak z existujících dat vytěžit cenné informace a automatizovat rozhodovací procesy.