Lehet, hogy már jártas a témában, de az is lehet, hogy még csak most hall róla először, és örömmel venné, ha nem elméletekkel teli tananyagszerű leírást kapna. A gépi tanulás a mesterséges intelligencia részét képezi. Középpontjában egy olyan program létrehozása áll, amely egy adott területen belül a megszerzett adatok felhasználásával fokozatos fejlődésre képes. Minél több az adat, annál jobb a tanulási képesség. A gépi tanulás legfőbb előnye, hogy tanítás nélkül képes új ismeretekre szert tenni.

Hogyan képzeljük el a változó, annál robusztua „gépi tanulást”? Ha a hagyományos programozást vesszük alapul, az ugye úgy működik, hogy a programozó olyan szabályok sorozatát írja, amelyeket a programnak „if-then” elv alapján kell követnie. Ha egy számára ismeretlen (vagy programozó által elfelejtett) dologgal találja szembe magát, nem tud tovább haladni.

A gépi tanulás azonban más, átnézi az összes adatot, és hasonlóságot vagy sablont keres, amely jelentősen megkönnyíthetné a megjegyzést és ezáltal a tanulást is. Ez óriási előnynek számít a hagyományos programozással szemben. Ha nagyon sok a változó, akkor az ember nem tud mindent megjegyezni, és egy olyan programot létrehozni, ami mindent felügyelne. Továbbá, minél több sabb program és igényes a hardver követelményekre.

Milyen gépi tanulási módszerek léteznek?

Jó pár módszer ismeretes, viszont a „Machine learning” trend könnyebb megértése érdekében sorral dolgozik, ahol ismer- ezek közül csak párat mutatnék be.

1.  Supervised vs. Unsupervised learning (Ellenőrzött és Nemellenőrzött tanulás)
A különbséget egy példán keresztül mutatom be. Képzelje el, hogy van egy öccse, akinek meg akarja tanítani az ábécé betűit. Megmutatja neki a D betűt, és elmagyarázza, hogy ezt a betűt a nagy „hasa” alapján ismerheti fel. Amikor viszont a P betűhöz érnek, az öcsi a tanultak alapján D betűnek értékeli ki ezt a betűt is, szintén a „hasa” miatt. Ekkor a tanárnak közbe kell lépni és kijavítani őt.

Hogyan nyilvánul ez meg a gépi tanulásban? A felügyelt tanulás során a program agy adott adatjük a ki- és bemeneti értékeket. A már megtörtént hasonlóság elve alapján meg lehet állapítani, hogy mi fog történni. Nagyon hasonlít a helyzet egy olyan szakértőhöz, aki már évek óta a szakmában van, és tapasztalatai alapján meg tudja mondani, mi fog következni.

A következő, teljesen logikus kérdés, ami eszembe jutott, hogy: „Nem lenne-e jobb, ha csakis a felügyelt modellt használnánk?” Nem egészen. Sok esetben nem rendelkezünk a kimeneti adatokkal, máskor pedig olyan összetett és absztrakt problémával. szembesülhetünk, ahol szinte lehetetlen megmondani, mi lesz az eredmény.

2. Reinforcement learning (Megerősítéses tanulás)
Erről a módszerről írom az alapképzési szakdolgozatomat, ezért ez a tanulási modell áll hozzám a legközelebb. Helyes döntéshozatal után jutalom, helytelen esetén pedig „büntetés” jár. Egyszerűen, több lehetőség közül választhatunk (akár 100 különböző opció is lehet), a megerősítéses módszer pedig számos döntést hoz, és minden lehetőséget megvizsgál (ún. epoch/ iteráció). Számos kísérlet útján megtanulja, ill. megtalálja a lehető legjobb kombinációt és lépéssorrendet – mindezt a jutalmak és büntetések szám alapján.


Mely területeken hasznosítható a gépi tanulás?

Számtalan különböző felhasználási mód ismeretes. Itt valóban csak a képzelet szabhat határt. Amikor már világossá válnak számunkra a gépi tanulás erősebb és gyengébb pontjai, a megfelelő felhasználás megtalálása már csak gyerekjáték. Csak néhányat említek, amelyek már használatosak, vagy informatikai és pénzügyi szempontból érdekesek.

Felhasználói viselkedés elemzése
Az ügyféllel kapcsolatos adatok összegyűjtése, milyen termékeket keres, mely cikkek érdeklik... Mindezekből kikövetkeztethető, milyen gondja van, mire keres megoldást, és a hasonló problémákkal küzdőfelhasználók keresési adatai alapján tud a program konkrét dolgokat ajánlani, amelyek segíthetnek a felhasználónak.

A Google és Facebook is hasonló elven működik. A cookie-k segítségével adatokat gyűjtenek a felhasználóról, és a legrelevánsabb eredményeket kínálják.

Online ügyfélvonal
Mindig is emberek foglalkoztak ezzel. Sok vállalat hotline ügyfélszolgálatot kínál. Azonban az emberek túlterheltsége és ugyanazon kérdések gyakori ismétlése kapcsán adta magát a gépi tanulás és az ún. chatbot lehetősége (egy olyan program, amely valós idejű válaszokkal látja el az ügyfelet). Lehet, hogy úgy gondolja, hogy egyetlen számítógép se tudna pontos választ adni kérdésére, vagy, hogy azonnal felismerné a különbséget az ember és a gép között. Viszont a jól ismert Turing-teszt már jó párszor bizonyította, hogy a mesterséges intelligencia igenis felveheti a versenyt az emberrel.

Ez a gépi tanulás sokféle alkalmazásának és működési elvének csupán a töredéke volt.


Tomáš Lichanec
Harmadéves hallgató, Kassai Műszaki Egyetem
Villamosmérnöki és Elektronikai Kar, Intelligens rendszerek

"A Kassai Műszaki Egyetem diákjaként az SOS electronic cégben végeztem tanulmányom gyakorlati részét (egy cégben, amely intelligens rendszereket használ). Lehetőségem nyílt arra, hogy a gépi tanulásról írjak cikket, amely a szakdolgozatom fő témája."