ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ДЛЯ ВСЕХ

Машинное обучение, с другой стороны, берет данные и ответы и создает алгоритм. Вместо того, чтобы получать ответы в конечном итоге, у нас уже есть ответы. Мы получаем набор правил, определяющих, какой будет модель машинного обучения. Модель определяет правила и оператор «если-то-иначе», когда получает входные данные. По сути, модель определяет параметры традиционного алгоритма, и вместо того, чтобы произвольно решать, что частота сердечных сокращений плюс ИМТ равняется определенному результату, мы используем модель для определения логики. Эта модель, в отличие от традиционного алгоритма, может непрерывно обучаться и использоваться в будущем для прогнозирования значений.

Машинное обучение основано на определении поведенческих правил путем изучения и сравнения больших наборов данных для поиска общих закономерностей. Например, мы можем предоставить программе машинного обучения большой объем изображений птиц и обучить модель возвращать метку «птица» при каждом предоставлении изображения птицы. Мы также можем создать метку для кошки и предоставить изображения кошек для обучения. Когда машинной модели показывают изображение кошки или птицы, она будет маркировать изображение с определенной степенью уверенности.