Ahelyett, hogy minden helyzetre szabályokat írnál, példákat mutatsz egy számítógépnek, és hagyod, hogy mintákat találjon. Ez gépi tanulás – algoritmusok, amelyek az adatokból tanulva előrejelzéseket tesznek. Egy spamszűrő több millió címkézett e-mailből tanul. Egy ajánlómotor abból tanul, hogy mit néztél meg és mit hagytál ki.

A gépi tanulásnak három fő paradigmája van. A felügyelt tanulás címkézett adatokat használ. A felügyelet nélküli tanulás címkézetlen adatokban talál struktúrát. A megerősítéses tanulás jutalmak és büntetések révén képezi az ágenseket. A mélytanulás több rétegű neurális hálózatokat használ a képek, a beszéd és a szöveg kezelésére.

Gyakori alkalmazások

• Képfelismerés: arcok, tárgyak, orvosi vizsgálatok
• Természetes nyelv: fordítás, chatbotok, hangulatelemzés
• Ajánlás: termékek, filmek, zene
• Csalásészlelés: hitelkártyák, biztosítási kárigények
• Autonóm rendszerek: autók, drónok, robotok

A gépi tanulás hatékony, de tökéletlen. A modellek lehetnek torzítottak, törékenyek és nehezen értelmezhetők. Nagy mennyiségű tiszta adatra van szükségük. Olyan módokon vallanak kudarcot, amelyeket az emberek nyilvánvalónak találnak. A terület gyorsan fejlődik. A védőkorlátok nem.