Koneoppiminen
Koneoppiminen antaa tietokoneille kyvyn oppia ilman nimenomaista ohjelmointia (Arthur Samuel, 1959). Se on tietojenkäsittelytieteen osa-alue.
Idea tuli tekoälyn parissa tehdystä työstä. Koneoppimisessa tutkitaan ja rakennetaan algoritmeja, jotka voivat oppia ja tehdä ennusteita tietojen perusteella. Tällaiset algoritmit noudattavat ohjelmoituja ohjeita, mutta voivat myös tehdä ennusteita tai päätöksiä tietojen perusteella. Ne rakentavat mallin näytesyötteiden perusteella.
Koneellista oppimista tehdään silloin, kun eksplisiittisten algoritmien suunnittelua ja ohjelmointia ei voida tehdä. Esimerkkeinä voidaan mainita roskapostin suodatus, verkkoon tunkeutujien tai tietomurtoon pyrkivien pahantahtoisten sisäpiiriläisten havaitseminen, optinen hahmontunnistus (OCR), hakukoneet ja tietokonenäkö.
Kysymyksiä ja vastauksia
K: Mitä on koneoppiminen?
V: Koneoppiminen on tietojenkäsittelytieteen osa-alue, joka antaa tietokoneille kyvyn oppia ilman nimenomaista ohjelmointia käyttämällä algoritmeja, jotka voivat oppia ja tehdä ennusteita datan perusteella.
K: Mistä koneoppimisen idea on peräisin?
V: Idea koneoppimisesta syntyi tekoälyn parissa tehdystä työstä.
K: Miten koneoppimisessa käytettävät algoritmit toimivat?
V: Koneoppimisessa käytettävät algoritmit noudattavat ohjelmoituja ohjeita, mutta ne voivat myös tehdä ennusteita tai päätöksiä tietojen perusteella. Ne rakentavat mallin näytesyötteiden perusteella.
K: Milloin koneoppimista käytetään?
V: Koneellista oppimista käytetään silloin, kun eksplisiittisten algoritmien suunnittelu ja ohjelmointi ei ole mahdollista. Esimerkkeinä voidaan mainita roskapostin suodatus, verkkoon tunkeutujien tai tietomurtoon pyrkivien pahantahtoisten sisäpiiriläisten havaitseminen, optinen kirjaintunnistus (OCR), hakukoneet ja tietokonenäkö.
K: Mitä riskejä koneoppimisen käyttöön liittyy?
V: Koneoppimisen käyttöön liittyy riskejä, kuten lopullisten mallien luominen, jotka ovat "mustia laatikoita" ja joita kritisoidaan ennakkoluuloista palkkaamisessa, rikosoikeudessa ja kasvojen tunnistamisessa.
K: Mitä tarkoittaa, että koneoppimisen malli on "musta laatikko"?
V: "Musta laatikko" tarkoittaa, että koneoppimismallin päätöksentekoprosessit eivät ole helposti ihmisten selitettävissä tai ymmärrettävissä.
K: Mitkä ovat esimerkkejä koneoppimisen sovelluksista?
V: Esimerkkejä koneoppimisen sovelluksista ovat roskapostin suodatus, verkkoon tunkeutujien havaitseminen, optinen merkkien tunnistus (OCR), hakukoneet ja tietokonenäkö.
