Gépi tanulás

Angol megnevezés: Machine learning

Tartalomjegyzék

2000: Az emberei intelligencia és a döntéshozó képesség modellezésre tervezett és fejlesztett számítógépes programok, melyekkel megkísérlik az egyszerű gondolkodást és más emberi tulajdonságokat reprodukálni.MI-val rendelkező gép tudjon emberi nyelven (nyelveken) kommunikálni.[1]

2002: ’’’Patrick Winston ’’’: Míg a különböző tudáskinyerési eszközök (emberközeli interfész, elemzőképesség, képesség másféle, a szakterülethez megfelelő szakértőrendszer-eszközökkel való kapcsolódásra) elméletileg a tudástechnológust helyettesítik, azok az eszközök, amelyek gépi tanulást valósítanak meg, megpróbálják helyettesíteni mind a tudástechnológust, mind a szakértőt. A jövőben a szakértőrendszerek létrehozása elsődlegesen gépi folyamat lesz. [2]

2003: Alan Turing fogalmazta meg hogy Turing-teszt alkalmazásával megállapítsa az intelligencia fogalmát. A dolog lényege röviden: egy számítógép intelligensnek tekinthető, amennyiben egy kérdező, aki terminálon keresztül teszi fel kérdéseit, nem tudja eldönteni, hogy vele szemben a másik oldalon egy ember vagy számítógép van. Ahhoz, hogy a számítógép a teszten valóban átmenjen, egyik követelménye hogy rendelkezzen gépi tanulással vagyis, hogy alkalmazkodni tudjon új körülményekhez és észrevegyen olyan mintákat, melyek segítségével később extrapolálni tud.[3]

2003: ’’’1982. Hopfield háló’’’ szerinti hátracsatolt neuronhálós modell tanulási módszerének 1 tipusa ahol így lett meg fogalmazva hogy tanulás ismétlés útján-betanítással- analógiák alapján-példákból- felismerés, felfedezésből- tapasztalatból.[4]

2004: A nehézségek kiküszöbölésének lehetősége az ismeretszerzés automatizálásában, a gépi tanulásban rejlik. Kurbel szerint ezen új típusú módszereknek ott kell segítséget nyújtaniuk, ahol a hagyományos statisztikai módszerekben (pl. regresszió analízis, faktoranalízis) rejlő lehetőségek kimerülni látszanak (vö. Pattern-Generator).[5]

2005: Módszer, amelynek segítségé-vel megtanítják a gépeket, a múltbeli esetek felhasználásával, a problémák megoldására, vagy a problémamegoldás támogatására.[6]

"ez egy" kapcsolattípus:
- Neurális hálók (alkalmazási példa: mit keresünk)
- Genetikus algoritmus (alkalmazott módszer: hogyan keresünk)
- Robotika (alkalmazási terület)
- SAC, RAC Prolog alapú gépi tanulás (fajta)
- SICStus Prolog (fajta)
- INPUT gépi tanulási (fajta)
- ...

"van neki, része a címszónak" kapcsolattípus:
- Adat (szám,szöveg)
- változók
- műveleti jelek
- függvény, modell
- tesztelés
- célfüggvény
- ...

"a címszó része valaminek (a címszóval egyenrangú fogalmak)" kapcsolattípus:
- Mesterséges intelligencia (adatbányászat, indukció, gépi tanulás, természetes nyelvek kezelése...)
- ...

2002: Maga a gépi tanulás, megpróbálja helyettesíteni mind a tudástechnológust, mind a szakértőt.
2005: A múltbéli problémák alapján oldják meg feladatot.

De a multbéli esetek sokfélék lehetnek, így nem biztos, hogy minden problémára képes megoldást találni, és ezáltal nem biztos, hogy képes helyettesíteni a szakértőt, tudástechnológust.

Szerkesztői javaslat: Mi a kapcsolat a gépi tanulás és a céltalanság tétele között?

A gépi tanulás egy olyan módszer, melyben a múltbéli esetek felhasználásával megtanítják a gépeket, a problémák megoldására vagy könnyebb kezelhetőségükre (pl.: elemző képesség, különféle technológiák) és így akár képesek helyettesíteni a tudástechnológust, vagy a szakértőt. Intelligens számítógépről beszélhetünk.

Igaz-e, hogy a szakértői rendszer nem nyújt segítséget a kutatásban?( Hamis, mivel a Szakértői rendszerek segítséget nyújtanak az ember és gép közötti természetes kommunikáció lehetőségeinek kutatásában.)

Igaz-e, hogy a gépi tanulás egyik ága a mesterséges intelligencia?(Nem, hanem az MI egyik alapkövetelménye.)

Igaz-e, hogy a gépi tanulás a mesterséges intelligencia-kutatás önálló területeként különíthető el?(Igaz, tanulási eljárásokat fejleszt. Megvalósítása a MI kutatás egyik legrégibb célja.)

Igaz-e, hogy a gépi tanulás a mesterséges intelligenciák induktív módszereire és logikai programozására támaszkodva a mesterséges neurális hálózatokhoz és genetikai algoritmusokhoz nem tanulási eljárásokat fejleszt és vizsgál(Hamis,mivel tanulási eljárások fejlesztésére és vizsgálatára szolgál.)