Czym jest „uczenie maszynowe" (machine learning)?

Uczenie maszynowe działa poprzez dostarczenie systemowi ogromnych ilości przykładowych danych i pozwolenie mu stopniowo dostosowywać wewnętrzne parametry, by rozpoznawać wzorce, zamiast programisty ręcznie wypisującego każdą regułę. Po wielu rundach ekspozycji i informacji zwrotnej system staje się coraz lepszy w zadaniach takich jak rozpoznawanie obrazów czy generowanie tekstu, ucząc się z doświadczenia w sposób podobny do tego, jak ludzie doskonalą się przez praktykę.

Roboty składające inne maszyny opisują fizyczną automatyzację produkcji, niepowiązaną z tym, jak oprogramowanie uczy się wzorców z danych, a zapamiętywanie internetu słowo w słowo błędnie przedstawia działanie tych systemów, ponieważ uczą się one uogólnialnych wzorców, a nie przechowują dokładny tekst.

Ponieważ systemy uczenia maszynowego uczą się z danych, jakie im dostarczono, mogą wchłaniać i wzmacniać uprzedzenia obecne w tych danych, dlatego jakość danych treningowych stała się równie ważnym problemem jak sama sprytność algorytmu.