Proč se stroje učí

Principy strojového učení, na kterých stojí umělá inteligence Systémy založené na strojovém učení za nás dělají životně důležitá rozhodnutí: schvalují hypotéky, určují, zda je nádor zhoubný, nebo rozhodují o tom, jestli bude člověk propuštěn na kauci. Ovlivňují vývoj a objevy v chemii, biologii a fyzice – výzkum genomu, planet mimo sluneční soustavu i záludností kvantových systémů. To vše dělaly už předtím, než se na scéně objevily velké jazykové modely jako například ChatGBT. Přímo před našima očima probíhá revoluce umělé inteligence založené na strojovém učení a nezdá se, že by zpomalovala. Tato technologie je založená na poměrně jednoduchých matematických principech, některé z nich sahají hluboko do minulosti jako například lineární algebra a kalkulus, s kterými přišla matematika v 17. a 18. století. K překotnému rozvoji umělé inteligence, jehož jsme svědky, však byl zapotřebí ještě pokrok ve výpočetní technice a počítačové čipy, které byly v 90. letech 20. století vyvinuty pro počítačové hry. Anil Ananthaswamy v této knize velice zasvěceným způsobem vysvětluje základní matematiku za strojovým učením a vede zajímavé paralely mezi umělou a přirozenou inteligencí. Je možné, že obě stojí na stejných matematických základech?