हर स्थिति के लिए नियम लिखने के बजाय, आप कंप्यूटर को उदाहरण दिखाते हैं और उसे पैटर्न खोजने देते हैं। यही मशीन लर्निंग है — ऐसे एल्गोरिदम जो डेटा से सीखकर अनुमान लगाते हैं। एक स्पैम फ़िल्टर लाखों लेबल किए गए ईमेल से सीखता है। एक अनुशंसा इंजन आपके द्वारा देखे गए और छोड़े गए कंटेंट से सीखता है।

मशीन लर्निंग के तीन मुख्य प्रतिमान हैं। सुपरवाइज्ड लर्निंग में लेबल किए गए डेटा का उपयोग किया जाता है। अनसुपरवाइज्ड लर्निंग में बिना लेबल वाले डेटा में संरचना का पता लगाया जाता है। रीइन्फोर्समेंट लर्निंग में पुरस्कार और दंड के माध्यम से एजेंटों को प्रशिक्षित किया जाता है। डीप लर्निंग में छवियों, भाषण और पाठ को संभालने के लिए कई परतों वाले न्यूरल नेटवर्क का उपयोग किया जाता है।

सामान्य अनुप्रयोग

• छवि पहचान: चेहरे, वस्तुएं, मेडिकल स्कैन
• प्राकृतिक भाषा: अनुवाद, चैटबॉट, भावना विश्लेषण
• अनुशंसा: उत्पाद, फिल्में, संगीत
• धोखाधड़ी का पता लगाना: क्रेडिट कार्ड, बीमा दावे
• स्वायत्त प्रणालियाँ: कारें, ड्रोन, रोबोट

मशीन लर्निंग शक्तिशाली तो है, लेकिन अपूर्ण भी। मॉडल पक्षपाती, नाजुक और व्याख्या करने में कठिन हो सकते हैं। उन्हें बड़ी मात्रा में सटीक डेटा की आवश्यकता होती है। वे उन तरीकों से विफल हो सकते हैं जो मनुष्यों को स्पष्ट रूप से दिखाई देते हैं। यह क्षेत्र तेजी से प्रगति कर रहा है, लेकिन इसके सुरक्षा उपाय उतने मजबूत नहीं हैं।