Tekoälyn osa-alue, jossa tietokone oppii säännöt esimerkkiaineistosta sen sijaan, että ihminen ohjelmoisi ne valmiiksi.
Machine learning · Tekoäly
Koneoppiminen on tekoälyn osa-alue, jossa ohjelma oppii tekemään tehtävän esimerkeistä. Tavallisessa ohjelmoinnissa ihminen kirjoittaa säännöt: jos viestissä on tietty sana, siirrä se roskapostiin. Koneoppimisessa mallille annetaan paljon esimerkkejä, kuten tuhansia viestejä merkittyinä roskapostiksi tai asialliseksi, ja malli muodostaa säännöt itse. Valmis malli osaa sen jälkeen arvioida myös viestejä, joita se ei ole aiemmin nähnyt.
Koneoppimisen tavallisimmat muodot ovat ohjattu oppiminen, jossa esimerkeillä on oikeat vastaukset valmiina, ohjaamaton oppiminen, jossa malli etsii aineistosta ryhmiä ja säännönmukaisuuksia itse, sekä vahvistusoppiminen, jossa malli oppii palkkioiden ja rangaistusten kautta. Syväoppiminen on koneoppimisen alalaji, jossa käytetään monikerroksisia neuroverkkoja. Suuret kielimallit, kuten ChatGPT:n ja Clauden taustalla olevat mallit, ovat syväoppimisella koulutettuja malleja.
Vibekoodauksessa koneoppimista ei yleensä tarvitse tehdä itse. Käytät valmiiksi koulutettua kielimallia, joka kirjoittaa koodia ohjeesi perusteella. Käsite auttaa silti ymmärtämään, miksi malli toimii niin kuin toimii: se on oppinut koulutusaineistosta yleisimmät tavat ratkaista ongelmia, joten tutut kielet ja kirjastot sujuvat sille paremmin kuin harvinaiset. Jos sovellukseesi tarvitaan oma ennustava malli, esimerkiksi kysynnän ennuste tai kuvantunnistus, tekoäly osaa kirjoittaa siihen koodin valmiilla kirjastoilla, kuten scikit-learnilla tai PyTorchilla.
Koneoppiminen tarkoittaa menetelmiä, joissa tietokone oppii tehtävän esimerkkiaineistosta. Malli muodostaa säännöt aineistosta itse ja osaa sen jälkeen käsitellä myös uutta dataa.
Tekoäly on laaja yläkäsite kaikille järjestelmille, jotka tekevät älykkäältä vaikuttavia tehtäviä. Koneoppiminen on sen osa-alue, jossa järjestelmä oppii datasta. Suurin osa nykyisestä tekoälystä, myös kielimallit, perustuu koneoppimiseen.
Ei tarvitse. Vibekoodatessa käytät valmista kielimallia, joka on jo koulutettu. Perusidea kannattaa tuntea, koska se selittää, miksi malli voi olla väärässä varmalta kuulostaen ja miksi sen tuottama koodi pitää testata.
Roskapostisuodatin oppii tunnistamaan roskapostin esimerkkiviestien perusteella
Suosittelujärjestelmä ehdottaa elokuvia sen perusteella, mitä olet aiemmin katsonut
Kuvantunnistus erottaa kissan koirasta, kun malli on nähnyt tuhansia merkittyjä kuvia
Suuri kielimalli (LLM) on syväoppimisella koulutettu koneoppimismalli
"Tee Pythonilla scikit-learnin avulla malli, joka ennustaa asunnon hinnan neliöistä ja sijainnista"
Fine-tuning jatkaa valmiin mallin koulutusta omalla aineistolla
Tutustu kaikkiin vibekoodauksen termeihin.