Uczenie maszynowe jest rodzajem sztucznej inteligencji, która pozwala komputerom uczyć się na podstawie danych bez wyraźnego programowania. Jest często porównywane do uczenia się ludzi, ponieważ komputer „rośnie” w zrozumieniu w miarę przetwarzania nowych informacji.
Algorytmy uczenia maszynowego mają wiele praktycznych zastosowań, w tym rozpoznawanie głosu, tłumaczenie języka, samojeżdżące samochody, a nawet wyszukiwarki takie jak Google.
Uczenie maszynowe jest często omawiane obok innych subdyscyplin sztucznej inteligencji, takich jak głębokie uczenie i sieci neuronowe (forma uczenia maszynowego). W rzeczywistości niektórzy twierdzą, że uczenie maszynowe nie jest w ogóle prawdziwą AI, ponieważ opiera się na algorytmach stworzonych przez człowieka, zamiast naśladować procesy biologiczne, takie jak neurony w mózgu lub replikacja DNA.
Komputer uczy się z danych i stosuje to, czego się nauczył, do nowych danych, zamiast podążać za ustalonym programem.
Sztuczna inteligencja to teoria i rozwój systemów komputerowych zdolnych do wykonywania zadań normalnie wymagających ludzkiej inteligencji, takich jak percepcja wzrokowa, rozpoznawanie mowy, podejmowanie decyzji czy tłumaczenie między językami.
Jednym ze sposobów myślenia o sztucznej inteligencji jest to, że jest to jak posiadanie przyjaciela, który zawsze jest przy tobie – ale twój przyjaciel może zrobić o wiele więcej niż tylko rozmawiać z tobą i rozumieć, co mówisz. Twój przyjaciel może być w stanie odpowiedzieć na wszelkiego rodzaju pytania: „Jaka jest dziś pogoda?” „Ile osób mieszka w Nowym Jorku?” „Czy pingwiny są ssakami?”. A jeśli twój przyjaciel nie zna odpowiedzi od razu, może być w stanie dowiedzieć się tego, szukając najpierw w Internecie (lub nawet sprawdzając pingwiny w encyklopedii).
Ten rodzaj mocy obliczeniowej nazywany jest sztuczną inteligencją ogólną (AGI), co oznacza, że komputery w końcu będą potrzebowały pewnego stopnia zdrowego rozsądku, aby mogły rozumować w nieznanych im sytuacjach, nie będąc do tego wyraźnie zaprogramowane.