Strojové učení je podmnožinou umělé inteligence, která se zaměřuje na vývoj algoritmů a systémů schopných automaticky se zlepšovat na základě získaných dat. Základní myšlenkou strojového učení je umožnit počítačovým systémům učit se vzory a vztahy v datech, aniž by byly explicitně naprogramovány, jak tyto úlohy řešit. Algoritmy strojového učení analyzují vstupní data, identifikují opakující se schémata a na jejich základě dokáží predikovat výsledky nových, dosud neznámých vstupů. Tento přístup umožňuje řešení složitých úloh, jako jsou rozpoznávání obrazu, predikce hodnot časových řad, klasifikace textu či řízení autonomních systémů.
Strojové učení lze rozdělit do několika hlavních kategorií, z nichž nejběžnější jsou učení s učitelem (supervised learning), učení bez učitele (unsupervised learning) a posilované učení (reinforcement learning). Učení s učitelem vyžaduje anotovaná tréninková data, kde ke každému vstupu je přiřazena správná odpověď (například obrázek s popisem objektu). Algoritmus se učí vztahu mezi vstupem a výstupem a poté je schopen tento vztah generalizovat na nové případy. Učení bez učitele pracuje s neanotovanými daty a algoritmy se snaží najít v datech skryté struktury, například shluky podobných objektů. Posilované učení, často používané například v autonomních robotech a hrách, učí agenta přijímat rozhodnutí tak, aby maximalizoval dosaženou odměnu v různých situacích.
Moderní strojové učení je úzce spojeno s vývojem výkonných počítačů a rozvojem tzv. hlubokého učení (deep learning), zejména díky rozšiřování dostupných dat ve velkých objemech. Hluboké učení využívá vícevrstvé umělé neuronové sítě, které jsou schopny automaticky extrahovat složité vlastnosti z dat, což umožňuje například významné pokroky v oblasti rozpoznávání obrazu a přirozeného jazyka. Aplikace strojového učení dnes nacházíme v celé řadě sfér, od lékařství přes finance až po průmyslovou automatizaci. Strojové učení však klade i nové výzvy, zejména v oblastech vysvětlitelnosti výsledků, etiky využití a správy osobních údajů v trénovacích souborech.
PhDr. Pavel Bartoš, LL.M., DBA (Evropská akademie vzdělávání / European Academy of education)