Học máy là một nhánh của trí tuệ nhân tạo đang phát triển nhanh chóng và thành công. Về bản chất, học máy là quá trình cho phép hệ thống máy tính tự dạy cách thực hiện các tác vụ phức tạp bằng cách phân tích các bộ dữ liệu lớn, thay vì được lập trình rõ ràng với một thuật toán hoặc giải pháp cụ thể.

Bằng cách này, máy học cho phép máy tính học cách tự thực hiện một tác vụ và tiếp tục tối ưu hóa cách tiếp cận của nó theo thời gian mà không cần sự nhập liệu trực tiếp của con người. Nói cách khác, chính máy tính đang tạo ra thuật toán chứ không phải lập trình viên, và thường thì những thuật toán này phức tạp đến mức các nhà lập trình không thể giải thích cách máy tính giải quyết vấn đề.

Con người không thể theo dõi logic của máy tính từ đầu đến cuối; họ chỉ có thể xác định xem nó có đang tìm ra giải pháp phù hợp cho vấn đề được giao hay không, đó là kết quả đầu ra dưới dạng "dự đoán". Các loại máy học có một số cách tiếp cận khác nhau để đào tạo các hệ thống chuyên gia dựa trên học máy, cụ thể là học "sâu" hoạt động thông qua việc xử lý các nút tính toán. Dưới đây là các hình thức phổ biến nhất:

Học tập có giám sát
Học tập có giám sát là một mô hình trong đó máy tính được cung cấp dữ liệu đã được cấu trúc bởi con người. Ví dụ, máy tính có thể học từ cơ sở dữ liệu và bảng tính trong đó dữ liệu đã được sắp xếp, chẳng hạn như dữ liệu tài chính hoặc các quan sát địa lý do vệ tinh ghi lại.

Học tập không giám sát
Học không giám sát sử dụng cơ sở dữ liệu hầu hết hoặc hoàn toàn không có cấu trúc. Điều này thường xảy ra trong các tình huống dữ liệu được thu thập theo cách mà con người không thể dễ dàng tổ chức hoặc cấu trúc nó.

Một ví dụ phổ biến của việc học không có cấu trúc là phát hiện thư rác, trong đó máy tính được cấp quyền truy cập vào số lượng lớn email và nó tự học cách phân biệt giữa thư mong muốn và thư không mong muốn.

Học tăng cường
Học củng cố là khi con người giám sát đầu ra của hệ thống máy tính và giúp hướng dẫn nó đến giải pháp tối ưu thông qua thử và sai. Một cách để hình dung việc học củng cố là xem thuật toán như được "thưởng" khi đạt được kết quả tốt nhất, giúp nó xác định cách diễn giải dữ liệu của nó chính xác hơn.

Ứng dụng cho học máy
Lĩnh vực máy học hiện đang rất sôi động, với nhiều ứng dụng phổ biến trong kinh doanh, học thuật và công nghiệp. Dưới đây là một vài ví dụ tiêu biểu:

Công cụ đề xuất
Công cụ đề xuất sử dụng máy học để học hỏi từ những lựa chọn trước đây mà mọi người đã thực hiện. Ví dụ: máy học thường được sử dụng trong phần mềm như dịch vụ phát trực tuyến video để đề xuất phim hoặc chương trình truyền hình mà người dùng có thể muốn xem dựa trên các lựa chọn xem trước đó, cũng như các đề xuất "bạn cũng có thể thích" trên các trang web bán lẻ.

Ngân hàng và công ty bảo hiểm
Các ngân hàng và công ty bảo hiểm dựa vào máy học để phát hiện và ngăn chặn gian lận thông qua các tín hiệu tinh vi của hành vi lạ và các giao dịch bất ngờ. Các phương pháp truyền thống để gắn cờ hoạt động đáng ngờ thường rất cứng nhắc và dựa trên các quy tắc, có thể bỏ sót các mẫu mới và bất ngờ, đồng thời áp đảo các nhà điều tra với kết quả dương tính giả. Các thuật toán máy học có thể được đào tạo với dữ liệu gian lận trong thế giới thực, cho phép hệ thống phân loại các trường hợp gian lận đáng ngờ chính xác hơn nhiều.

Tối ưu hóa khoảng không quảng cáo
Tối ưu hóa khoảng không quảng cáo - một phần của quy trình bán lẻ - ngày càng được thực hiện bởi các hệ thống được đào tạo bằng máy học. Hệ thống máy học có thể phân tích số lượng lớn dữ liệu bán hàng và hàng tồn kho để tìm ra các mẫu không có người lập kế hoạch kiểm kê. Các hệ thống máy tính này có thể thực hiện dự báo xác suất chính xác hơn cho nhu cầu của khách hàng.

Máy tự động hóa
Máy tự động hóa ngày càng dựa vào máy học. Ví dụ, công nghệ xe hơi tự lái phụ thuộc rất nhiều vào các thuật toán máy học về khả năng phát hiện các đối tượng trên đường, phân loại các đối tượng đó và đưa ra dự đoán chính xác về chuyển động và hành vi tiềm năng của chúng.