Obsah:
Strojové učení je jedním z největších pokroků v historii výpočetní techniky a nyní se předpokládá, že je schopen převzít významné role v oblasti velkých dat a analytiky. Analýza velkých dat je z pohledu podniků obrovskou výzvou. Například činnosti, jako je vnímání obrovských objemů různých formátů dat, příprava dat pro analytiku a filtrování redundantních dat, mohou spotřebovat spoustu zdrojů. Najímání datových vědců a specialistů je nákladný návrh a ne v rámci možností každé společnosti. Odborníci se domnívají, že strojové učení je schopné automatizovat mnoho úkolů souvisejících s analytikou - rutinní i složité. Automatizace strojového učení může uvolnit spoustu zdrojů, které lze použít ve složitějších a inovativních úlohách. Zdá se, že strojové učení směřuje tímto směrem. (Další informace o používání strojového učení naleznete v tématu Sliby a úskalí strojového učení.)
Automatizace v kontextu informačních technologií
V kontextu IT je automatizace propojením různorodých systémů a softwaru tak, aby byli schopni provádět konkrétní práce bez jakéhokoli lidského zásahu. V IT průmyslu mohou automatizované systémy provádět jednoduché i složité úlohy. Příkladem jednoduché úlohy by mohlo být začlenění formuláře do PDF a odeslání dokumentu správnému příjemci, zatímco poskytnutí zálohy mimo pracoviště by mohlo být příkladem složité úlohy.
Aby mohl automatizovaný systém vykonávat svou práci, musí být naprogramován nebo mít výslovné pokyny. Pokaždé, když je vyžadován automatizovaný systém k úpravě rozsahu jeho úkolů, musí být program nebo soubor pokynů člověkem aktualizován. Zatímco automatizované systémy jsou při své práci efektivní, mohou nastat chyby z různých důvodů. Pokud dojde k chybám, je třeba identifikovat a opravit příčinu. Je zřejmé, že automatizované systémy, které vykonávají svou práci, jsou zcela závislé na lidských bytostech. Čím složitější je povaha práce, tím vyšší je pravděpodobnost chyb a problémů.
