– Hogyan tanul a gép az adatokból? –

Mi az a gépi tanulás (Machine Learning)?

A gépi tanulás a mesterséges intelligencia egyik kulcsterülete, amely nem konkrét utasításokat követ, hanem önállóan tanul az adatokból. A cél, hogy a rendszer általános szabályszerűségeket ismerjen fel, és ezeket alkalmazza új helyzetekben.

Meghatározás:

A gépi tanulás egy olyan módszer, amely lehetővé teszi az MI számára, hogy adatok alapján tanuljon, és új adatokra alkalmazza a megszerzett tudást – anélkül, hogy minden lépést előre beprogramoznánk.

---

A gépi tanulás három fő típusa

1. Felügyelt tanulás (Supervised Learning)

– Címkézett adatok alapján tanulás –

Hogyan működik?

• A rendszer bemutatott példákból tanul: minden bemenethez (pl. e-mail szöveg) tartozik egy elvárt kimenet (pl. spam/nem spam).

• A tanulási folyamat során a gép megtanulja az összefüggést a bemenet és a kimenet között.

• Célja: új, ismeretlen adatokat helyesen osztályozni vagy megjósolni.

Példa:

• Spam-szűrő: több ezer e-mail alapján megtanulja, hogy mely szavak, kifejezések, feladók jellemzőek a kéretlen levelekre.

Alkalmazási területek:

• Képfelismerés (pl. macska vagy kutya van a képen?),

• Szövegosztályozás (pl. pozitív vagy negatív vélemény?),

• Időjárás-előrejelzés (pl. hőmérséklet, páratartalom, szél alapján).

---

2. Felügyelet nélküli tanulás (Unsupervised Learning)

– A gép önállóan fedez fel mintákat –

Hogyan működik?

• A rendszer nem kap címkéket vagy elvárt kimeneteket.

• Önállóan keres struktúrákat, csoportokat vagy szabályszerűségeket az adatokban.

• Célja: rejtett minták felfedezése az adatokban.

Példa:

• Egy webáruház az algoritmus segítségével felismeri, hogy bizonyos vásárlók hasonló termékeket vásárolnak – így csoportokra bonthatók („piaci szegmensek”).

Alkalmazási területek:

• Klaszterezés (ügyféltípusok csoportosítása),

• Anomáliadetektálás (pl. banki csalás gyanús tranzakciók észlelése),

• Adatvizualizáció és összegzés.

---

3. Megerősítéses tanulás (Reinforcement Learning)

– Tapasztalati tanulás jutalmazáson keresztül –

Hogyan működik?

• A rendszer interakcióba lép egy környezettel, és minden cselekedete után visszajelzést kap: jutalmat vagy büntetést.

• A cél: olyan döntéssorozatot tanulni, amely maximalizálja a hosszú távú jutalmat.

Példa:

• Egy robot megtanul akadálypályán mozogni: ha nekimegy valaminek, büntetést kap, ha sikeresen elkerüli, jutalmat.

• A számítógépes játékok mesterséges intelligenciája is gyakran így tanul (pl. sakk, Go, Atari játékok).

Alkalmazási területek:

• Robotika (mozgás és döntéshozatal tanulása),

• Önvezető autók (forgalmi helyzetekre reagálás),

• Stratégiai játékok, üzleti döntések optimalizálása.

---

Összefoglalás – A tanulás három módja

---

Gyakorló kérdések:

1. Mi a gépi tanulás célja?

2. Miben különbözik a felügyelt tanulás a felügyelet nélkülitől?

3. Hogyan tanul a megerősítéses tanulás modellje?

4. Sorolj fel gyakorlati alkalmazást mindhárom típushoz!