Искусственный интеллект включает разные методы для распознавания, прогнозирования и планирования. Машинное обучение извлекает закономерности из данных, а не опирается только на явно написанные правила. Обложка — концептуальное изображение робота, не схема модели ИИ или конкретный продукт.
Обучение на примерах
При обучении с учителем примеры содержат метки или ожидаемые ответы. Алгоритм изменяет модель, уменьшая ошибки, измеряемые целевой функцией. Классификатор спама может обучаться на размеченных сообщениях.
Поиск структуры без меток
Обучение без учителя ищет структуру в неразмеченных данных. Оно может группировать похожие примеры или выявлять связи. Это отличается от предоставления правильной метки каждому примеру; подход зависит от вопроса и доступных данных.
Закономерности не дают гарантий
Управление общих служб США объясняет, что ИИ сочетает данные и алгоритмы. Решения людей при сборе и подготовке данных важны, а результаты могут оставаться предвзятыми. Поэтому ответ модели нужно оценивать применительно к задаче: убедительный результат сам по себе не доказывает правильность.




Обсуждение