Sztuczna inteligencja (dalej „SI”) ma dwa podstawowe znaczenia:
– hipotetyczna inteligencja realizowana w procesie technicznym, a nie naturalnym,
– nazwa technologii i dziedzina badań naukowych informatyki i kognitywistyki, czerpiąca również z osiągnięć psychologii, neurologii, matematyki, oraz filozofii.
Jest to zdolność maszyn do wykazywania ludzkich umiejętności, takich jak rozumowanie, uczenie się, planowanie i kreatywność.
Ma za zadanie umożliwiać systemom technicznym postrzeganie ich otoczenia, radzenie sobie z tym, co postrzegają i rozwiązywanie problemów, działając celem osiągnięcia określonego zamiaru. SI, do pewnego stopnia dostosuje swoje zachowanie, analizując skutki wcześniejszych działań (autonomicznie). Umożliwia systemom technicznym postrzeganie ich otoczenia, radzenie sobie z tym, co postrzegają i rozwiązywanie problemów, działając w kierunku osiągnięcia określonego celu.
Idąc dalej SI ma na celu stworzenie inteligentnych maszyn, które potrafią rozwiązywać problemy, uczyć się, przetwarzać język naturalny i podejmować decyzje. Pozwala je uporządkować i wydobyć z nich sens.
Przechodząc do uczenia maszynowego należy na wstępie wskazać, że jest ono poddziedziną SI, która z kolei jest poddziedziną informatyki. Umożliwia zastosowanie adaptacyjnych rozwiązań z zakresu SI. Jest to tym samym proces, w którym systemy wykonują dane zadanie coraz lepiej i właściwiej dzięki rosnącemu doświadczeniu lub coraz większej ilości danych. To używanie matematycznych modeli danych w celu ułatwienia komputerowi uczenia się bez bezpośrednich instrukcji. Jest ono traktowane jako podzbiór sztucznej inteligencji. Algorytmy używane w uczeniu maszynowym umożliwiają określanie wzorców w danych. Wzorce te są następnie używane do tworzenia modelu danych, który pozwala przewidywać. Dokładność wyników uczenia maszynowego zwiększa się wraz z upływem czasu i wzrostem ilości danych — podobnie jak u ludzi.
Uczenie maszynowe to samouczenie się maszyn albo systemy uczące się (machine learning). Jak było to wskazane powyżej jest to nauka interdyscyplinarna (uwzględnia, w szczególności informatykę, robotykę i statystykę). Jej głównym celem jest praktyczne zastosowanie SI do tworzenia automatycznego systemu, który potrafi doskonalić się na bazie doświadczenia (czyli danych) i nabywać na tej podstawie nową wiedzę. Inaczej mówiąc proces polega na znalezieniu wzorca w dostarczonych danych. Posłuży on do odpowiedzi na pytanie o nieznany zbiór tych danych. Jest to pewnego rodzaju przewidywanie przyszłości przez pryzmat statystyki i prawdopodobieństwa. Najczęściej jest związane z rozwojem oprogramowania stosowanego zwłaszcza w innowacjach i przemyśle. Odpowiednie algorytmy pozwalają oprogramowaniu automatyzować proces pozyskiwania i analizy danych, by ulepszyć i rozwijać własny system.
Twórca bloga Lexalert.pl
r.pr. dr Wiktor Czeszejko-Sochacki, LL.M.