tworzenia modelu statystycznego

Zazwyczaj uczenie maszynowe jest wykorzystywane do tworzenia modelu statystycznego . Praktycy uczenia maszynowego łączą duży zbiór danych z algorytmem uczenia maszynowego, a wynikiem uruchomienia algorytmu na zbiorze danych jest wyszkolony model. Zasadniczo uczenie maszynowe polega na tworzeniu algorytmów, które mogą automatycznie budować dokładne modele na podstawie surowych danych, bez konieczności pomagania ludziom w „zrozumieniu” danych przez dane.

Różni się to od innych form sztucznej inteligencji, w których ludzie intensywnie badają dane, dostarczają komputerowi wskazówek na temat tego, co oznaczają dane (np. Przez zdefiniowanie heurystyki ), oraz określają, w jaki sposób komputer będzie wykorzystywał te dane (np. Używając minimax lub A *). W praktyce jednak uczenie maszynowe jest często łączone z klasycznymi technikami nieuczenia się; agent AI będzie często wykorzystywał taktykę uczenia się i nieuczenia się, aby osiągnąć swoje cele.