بدلاً من كتابة قواعد لكل موقف، تُعرض على الحاسوب أمثلة وتتركه يكتشف الأنماط. هذا هو التعلّم الآلي - خوارزميات تتعلم من البيانات للتنبؤ. فمرشح البريد العشوائي يتعلم من ملايين الرسائل الإلكترونية المصنفة. ومحرك التوصيات يتعلم مما شاهدته وما تخطيته.

تعتمد تقنيات التعلم الآلي على ثلاثة نماذج رئيسية. يستخدم التعلم الخاضع للإشراف بيانات مصنفة. أما التعلم غير الخاضع للإشراف فيبحث عن بنية في بيانات غير مصنفة. بينما يدرب التعلم المعزز الأنظمة من خلال المكافآت والعقوبات. ويستخدم التعلم العميق شبكات عصبية متعددة الطبقات لمعالجة الصور والكلام والنصوص.

التطبيقات الشائعة

• التعرف على الصور: الوجوه، الأشياء، الصور الطبية
• اللغة الطبيعية: الترجمة، برامج الدردشة الآلية، تحليل المشاعر
• توصيات: منتجات، أفلام، موسيقى
• كشف الاحتيال: بطاقات الائتمان، مطالبات التأمين
• الأنظمة المستقلة: السيارات، والطائرات بدون طيار، والروبوتات

التعلم الآلي قوي ولكنه ليس مثالياً. قد تكون النماذج متحيزة، وهشة، ويصعب تفسيرها. وهي تحتاج إلى كميات كبيرة من البيانات النظيفة. وتفشل بطرق يراها البشر واضحة. يتطور هذا المجال بسرعة، لكن الضوابط لا تزال قائمة.