Эндрю Нг, специалист по информатике в Стэнфордском университете, определил машинное обучение как «науку о том, как заставить компьютеры действовать без явного программирования». Впервые она была задумана в 1950-х годах, но прогресс в ней был ограничен вплоть до рубежа 21-го. века. С тех пор машинное обучение стало движущей силой ряда инноваций, особенно искусственного интеллекта.
Машинное обучение можно разбить на несколько категорий, включая контролируемое, неконтролируемое, полууправляемое и обучающее обучение. В то время как контролируемое обучение опирается на маркированные входные данные, чтобы вывести его взаимосвязь с выходными результатами, неконтролируемое обучение обнаруживает закономерности среди немеченых входных данных. В обучении под наблюдением используется комбинация обоих методов, а обучение с подкреплением мотивирует программы повторять или разрабатывать процессы с желаемыми результатами, избегая при этом ошибок. (Чтобы узнать об истории программирования, ознакомьтесь с компьютерным программированием: от машинного языка до искусственного интеллекта.)
Несколько различных отраслей уже получают выгоду от машинного обучения, и в развитых странах растет спрос на продукты и услуги ML. Предприятия всех видов пользуются преимуществами своих прогностических возможностей и стремятся разработать предписывающие методы машинного обучения для принятия обоснованных решений. У компаний есть много разных подходов к этой технологии, включая несколько языков программирования, которые выделяются на местах.
