Pri riadenom učení sa model učí z príkladov, pri ktorých je správna odpoveď už známa, napríklad e-maily označené ako „spam“ alebo „nie spam“. Z nich odvodzuje pravidlá na klasifikáciu nových, nevidených prípadov alebo na predpovedanie hodnôt. Typickými úlohami sú klasifikácia a regresia; väčšina úsilia sa vynakladá na vytvorenie čisto označených dát.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoPri neriadenom učení model dostane dáta bez vopred daných správnych odpovedí a sám hľadá štruktúry. Typickými metódami sú zhlukovanie, ktoré zoskupuje podobné záznamy, a redukcia dimenzionality, ktorá zhustí mnoho príznakov do niekoľkých podstatných. Organizácie ju využívajú na objavovanie zákazníckych segmentov alebo odhaľovanie nezvyčajných transakcií; nájdené skupiny musia následne interpretovať odborníci z danej oblasti.
Čiastočne riadené učenie kombinuje malé množstvo označených dát s veľkým množstvom neoznačených dát. Model sa najprv učí z mála príkladov so známymi odpoveďami a potom využíva vzory v zvyšných dátach na zlepšenie – napríklad tak, že si ako ďalšie trénovacie príklady osvojí predikcie, ktorými si je istý. Oplatí sa to tam, kde je označovanie drahé, napríklad pri lekárskych snímkach alebo tisíckach tiketov podpory.
Klasifikátor je model alebo metóda, ktorá priraďuje vstupy do jednej z viacerých vopred určených kategórií. Klasické varianty, ako sú rozhodovacie stromy alebo naivný Bayes, sa trénujú na označených príkladoch; jazykové modely dokážu texty triediť aj na základe opisu kategórií. Typické použitie zahŕňa detekciu spamu, triedenie dopytov zákazníkov podľa tém a kategorizáciu dokladov. Kvalita sa meria metrikami, ako sú správnosť, presnosť a úplnosť.
Trénovacie dáta sú príklady, z ktorých sa model AI učí vzory: rozsiahle zbierky textov pre jazykové modely, označené obrázky pre obrazové modely. Ich kvalita, rozmanitosť a aktuálnosť vo veľkej miere určujú, nakoľko je model spoľahlivý a férový a nakoľko aktuálne budú jeho znalosti. Pre organizácie je dôležité aj to, či poskytovateľ používa zadané zákaznícke dáta na ďalšie trénovanie.
