Mašinsko učenje predstavlja jedan od najvećih izazova kada je reč o veštačkoj inteligenciji. To je delom posledica prave „eksplozije“ podataka, ali i ogromnog napretka u algoritmima mašinskog učenja. Mašinsko učenje u stvari predstavlja skup tehnika koje omogućavaju da se do određenih rezultata dođe kroz posmatranje i analizu prirodnih i društvenih procesa. Na taj način se prevazilaze rani VI sistemi koji su podrazumevali posebno programiranje. To naravno, ne znači da postoji univerzalni program za mašinsko učenje, nego se u tu svrhu moraju koristiti različiti algoritmi koji su uglavnom vezani za statistiku. Najlakše bi bilo da ove algoritme posmatrate kao skup alata kao što je npr. pribor za kuvanje. Iako se kašike uglavnom koriste za mešanje a noževi za rezanje, kuvari svoj pribor mogu da koriste na razne kreativne načine pa se dešava da noževi posluže kao alat za gnječenje belog luka a kašike za prikupljanje špageta.

Nedavno sam radio za kompaniju koja je podatke o upotrebi kreditnih kartica koristila kao osnovu za osmišljavanje novih promotivnih kampanja. Za početak su koristili nadgledano mašinsko učenje i na taj način klasifikovali kupce u dve različite grupe. Ovaj postupak se inače zaziva binarna klasifikacija jer su u prvu grupu svrstani kupci koji koriste promocije, a u drugu oni koji nisu bili zainteresovani za ovakve ponude. Zatim su prešli na algoritme mašinskog učenja koji služe za obuku sistema na ovakvoj klasifikaciji a to podrazumeva učenje bez nadzora. Želeli su da vide da li mogu da nauče nešto više o klijentima koji su koristili promocije, pa su pustili mašinu da kreira dodatne klastere. Zapamtite da mašinsko učenje bez nadzora omogućava sistemu da kreira sopstvene klastere na osnovu uočenih obrazaca koji potiču iz izvornih podataka. To je u suštini isti postupak koji je moj sin koristio za sortiranje nepoznatih slatkiša.

Konačni rezultat predstavlja otkriće da među kupcima koji su inače bili zainteresovani za promocije postoji određeni broj pojedinaca koji nisu propustili ni jednu priliku da iskoriste ovakvu ponudu. Njih su nazvali super korisnicima. Pošto ova kompanija svoje usluge naplaćuje na osnovu uspešnosti pojedinih kampanja, ovo otkriće je predstavljalo sjajnu priliku za povećanje prihoda. Dodatnom analizom podataka su došli do zaključka da je ova grupa promocije koristila za različite proizvode, usluge i posetu restoranima. Ovakvi kupci su jednostavno bili racionalni i želeli su da štede svoj novac. Na kraju, kompanija je promenila svoj algoritam i ovim super korisnicima ponudila još više novih promocija a ta mala promena je pomogla da se znatno poveća ukupna prodaja.

Obzirom da se do rezultata došlo primenom nadgledanog i nenadgledanog mašinskog učenja, može se zaključiti da su pri tome korišćeni različiti algoritmi. Svaki od njih ima svoje prednosti i mane pa treba naći pravi odnos između angažovane procesorske snage i preciznosti. Kao što svaki dobar kuvar zna, pravu kreativnost podstiču raspoloživi sastojci a ne izbor alata. Iskusan tim će najverovatnije kombinovati ove algoritme da bi iz raspoloživih podataka izvukao maksimum.