Jsou tři základní principy učení umělé inteligence:
Učení s dohledem (supervised learning) je metoda strojového učení, kdy je model trénován na souboru dat obsahujícím dvojice vstup-výstup. Model se učí předpovídat výstupy na základě nových vstupů. Příkladem může být trénování modelu pro rozpoznávání obrazů, kdy jsou modelu předloženy obrázky a k nim přiřazeny popisky.
Učení bez dohledu (unsupervised learning) je metoda strojového učení, kdy se model učí vzorům a strukturám ve vstupních datech bez explicitních výstupních značek. Cílem této metody je najít skryté struktury v datech, které jsou použitelné pro další zpracování a analýzu.
Učení s posilováním na základě zpětné vazby od člověka (RLHF – reinforcement learning with human feedback) je kombinací posilování učení (reinforcement learning) a zpětné vazby od člověka. Model se učí na základě zpětné vazby, kterou obdrží od člověka. Tím se umožňuje modelům Al učit se z lidských preferencí a hodnot a přizpůsobovat se jim. Příkladem může být trénování modelu pro doporučování produktů, kdy je modelu předložena zpětná vazba od uživatelů na doporučené produkty.
v Ostravě.