Koneoppiminen
Wikipedia
Koneoppiminen on tekoälyn osa-alue, jossa tutkitaan ”oppivien” algoritmien ja tekniikoiden kehittämistä. Oppimista on kahdenlaista: induktiivista ja deduktiivista. Induktiiviset koneoppimismenetelmät muodostavat sääntöjä ja malleja suurista tietojoukoista. Koneoppimisella on paljon yhteistä tilastotieteen kanssa, koska molemmissa tehdään päätelmiä aineistosta, mutta koneoppimisessa selvitetään ohjelmallisten toteutusten laskennallista vaativuutta. Monet päättelyongelmat ovat NP-kovia tai vaikeampia, joten koneoppimistutkimukseen kuuluu myös likimääräisten päättelyalgoritmien kehittäminen.
[muokkaa] Algoritmityypit
Koneoppimisalgoritmit luokitellaan niille annettavan opetusdatan luonteen perusteella. Yleisimmät algoritmityypit ovat:
- Ohjattu oppiminen — opetusdatasta tiedetään ennalta haluttu ulostulo
- Vahvistusoppiminen — oppiminen tapahtuu mallin ja ympäristön jatkuvan vuorovaikutuksen seurauksena, kun ympäristöä havainnoiva agentti arvioi mallin tuottaman ulostulon hyvyyden
- Ohjaamaton oppiminen — opetusdatasta ei tiedetä mitään ennalta
[muokkaa] Sovelluskohteet
Koneoppimista on käytetty mm. hakukoneissa, lääketieteellisissä diagnooseissa, bioinformatiikassa, luottokorttipetosten havaitsemisessa, osakemarkkinoiden analysoinnissa, DNA-sekvenssien luokittelussa, puheentunnistuksessa, käsinkirjoituksen tunnistamisessa, konenäössä, dokumenttien luokittelussa, tietokonepeleissä ja robottien liikuttamisessa.
