Ohjattu oppiminen

Tekoälyn ohjattu oppiminen on prosessi, jossa tekoälyjärjestelmä oppii tunnistamaan kuvioita ja tekemään ennusteita tai päätöksiä käyttämällä dataa, joka on ennalta merkitty tai luokiteltu. Tässä prosessissa järjestelmälle annetaan suuri määrä syötedataa, johon liittyvät oikeat vastaukset tai tulokset. Järjestelmä käyttää tätä dataa oppiakseen mallintamaan suhteita syötedatan ja haluttujen tulosten välillä. Tekoälyn ohjattua oppimista käytetään usein luokittelemiseen, regressioon ja ennustamiseen. Seuraavaksi esitellään kolme esimerkkiä tekoälyn ohjatusta opettamisesta.

Esimerkki 1:

Kuvantunnistus: Kuvantunnistusjärjestelmä opetetaan tunnistamaan kuvissa olevia esineitä käyttämällä suurta kuvadatajoukkoa, jossa jokaisen kuvan kohdalla on merkintä siitä, mitä kuvassa on. Järjestelmä käy läpi kuvat ja niiden merkinnät, ja oppii ajan myötä tunnistamaan kuvioita, jotka liittyvät tiettyihin esineisiin. Tämän jälkeen järjestelmää voidaan käyttää uusien, aiemmin näkemättömien samantyyppisten kuvien luokitteluun. Kannattaa huomioida samankaltaisuuksien merkitys, eli jos tekoäly on opetettu tunnistamaan eläimiä, niin se ei tunnista ihmisiä, vaan sijoittaa ne lähimmäs oppimiaan eläimiä - todennäköisesti johonkin kädellisten luokkaan edellyttäen, että niitä on ollut mukana opetusaineistossa.

Esimerkki 2:

Sähköpostien suodatus: Sähköpostijärjestelmä voidaan opettaa suodattamaan roskapostia käyttämällä suurta joukkoa sähköposteja, jotka on luokiteltu roskapostiksi tai ei-roskapostiksi. Järjestelmä oppii tunnistamaan ominaisuuksia, kuten sanoja tai lauseita, jotka ovat yleisiä roskaposteissa. Tämän jälkeen se voi automaattisesti suodattaa tai merkitä uusia sähköposteja roskapostiksi.

Esimerkki 3:

Asuntojen hintaennusteet: Tekoälyjärjestelmää voidaan käyttää ennustamaan asuntojen hintoja tietyllä alueella. Järjestelmälle syötetään dataa aiemmista asuntokaupoista, mukaan lukien asuntojen ominaisuudet ja myyntihinnat. Tekoäly oppii yhdistämään, miten erilaiset ominaisuudet vaikuttavat asuntojen hintoihin. Sitä voidaan sen jälkeen käyttää ennustamaan uusien asuntojen myyntihintoja niiden ominaisuuksien perusteella.