Adaptívne učenie označuje vzdelávacie programy, ktoré sa priebežne prispôsobujú vedomostiam, tempu a chybám učiaceho sa. Softvér analyzuje odpovede a potom vyberá vhodné cvičenia, vysvetlenia alebo opakovanie. Využíva sa v školách, na univerzitách a vo firemnom vzdelávaní – napríklad keď platforma po nesprávne zodpovedanej úlohe automaticky ponúkne jednoduchší medzikrok. V strojovom učení tento pojem opisuje aj modely, ktoré sa neustále prispôsobujú novým údajom.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoSpätná väzba pre študentov s AI označuje komentáre k esejám, zadaniam alebo projektom, ktoré systém AI vytvára podľa definovaných kritérií. Študenti rýchlejšie dostanú upozornenia na silné stránky, štruktúru, argumentáciu alebo jazyk a učitelia sú odbremenení od opakujúceho sa hodnotenia. Hodnotenie by malo byť transparentné a založené na kritériách; známky a rozhodnutia o výkone zostávajú v zodpovednosti učiteľov. Príklad: návrh eseje dostane pred odovzdaním podnety na zlepšenie.
V strojovom učení je učebná krivka graf, ktorý ukazuje výkon alebo chybu modelu v závislosti od času trénovania alebo množstva trénovacích údajov, zvyčajne osobitne pre trénovacie a validačné údaje. Jej tvar prezrádza, či je model nedostatočne alebo nadmerne prispôsobený a či viac údajov pravdepodobne pomôže. Ak napríklad validačná chyba zostáva výrazne nad trénovacou chybou, ukazuje to na preučenie. V bežnom jazyku pojem označuje aj to, ako rýchlo si ľudia osvoja novú technológiu.
Strojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.
