Strojové učenie

Čo to znamená

Strojové učenie je oblasť umelej inteligencie, v ktorej sa systém učí z dát hľadať vzory a robiť predpovede bez toho, aby mu niekto napísal všetky pravidlá. Namiesto ručného programovania podmienok dostane model veľa príkladov a sám odvodí, ako na ne reagovať.

Rozlišuje sa učenie s učiteľom, keď model dostáva príklady so správnymi odpoveďami, učenie bez učiteľa, keď sám hľadá skupiny a anomálie, a posilňované učenie, keď sa učí metódou pokus a omyl. Na strojovom učení stoja aj veľké jazykové modely.

Kvalita výsledkov závisí najmä od dát. Model sa naučí to, čo v dátach nájde, vrátane chýb a skreslení. Preto je kvalita dát a ich reprezentatívnosť pri strojovom učení dôležitejšia než samotný výber algoritmu.

Ako to funguje v praxi

V účtovníctve a financiách sa strojové učenie používa napríklad na automatické rozpoznávanie a kategorizáciu dokladov v spojení s OCR, na párovanie platieb s faktúrami, na predpoveď cash flow alebo na odhaľovanie neobvyklých transakcií, ktoré môžu naznačovať chybu či podvod.

Firma nemusí vyvíjať vlastné modely. Väčšina účtovných, bankových a CRM nástrojov má strojové učenie už zabudované. Pri výbere je dobré pýtať sa, na akých dátach sa model učí, či sa zlepšuje podľa opráv používateľa a kde sa spracúvajú údaje firmy a jej klientov.

Pri väčších projektoch, napríklad predikcii predaja z veľkých dát, je kľúčová príprava: zjednotenie zdrojov, očistenie dát a jasné určenie toho, čo má model predpovedať. Výsledky sa vždy overujú na dátach, ktoré model pri učení nevidel, aby sa ukázala jeho skutočná presnosť.

Na čo si dať pozor

Model môže dávať presvedčivé, ale nesprávne výsledky, a nie vždy je jasné, prečo rozhodol tak, ako rozhodol. Pri dôležitých rozhodnutiach, napríklad o úveroch alebo zamestnancoch, by mal mať posledné slovo človek, ktorý výsledok skontroluje.

Používanie systémov umelej inteligencie upravuje aj Akt o umelej inteligencii, ktorý pri niektorých vysokorizikových použitiach ukladá prísne povinnosti. Ak model pracuje s osobnými údajmi, treba zároveň dodržať GDPR, najmä pri automatizovanom rozhodovaní o ľuďoch.