strojové učení

Oblast umělé inteligence zaměřená na vývoj algoritmů a modelů, které se učí ze vstupních dat a zlepšují své výsledky bez explicitního naprogramování všech pravidel. Základní princip spočívá ve vyhledávání vzorů a vztahů v datech a jejich využití pro predikci nebo rozhodování. Podle způsobu učení se rozlišují přístupy s učitelem (supervised learning), bez učitele (unsupervised learning) a posilované učení (reinforcement learning). Strojové učení nachází uplatnění v široké škále oblastí, např. při rozpoznávání obrazu, zpracování přirozeného jazyka, doporučovacích systémech nebo analýze dat. Významnou roli v moderním strojovém učení hrají neuronové sítě a jejich hluboké varianty (deep learning). S rozvojem výpočetního výkonu a dostupnosti velkých datových souborů se strojové učení stalo klíčovou technologií současných digitálních systémů, včetně velkých jazykových modelů.