Přenosové učení je formou hloubkového učení, kde je výuka systému namísto dat z reality založena na různých simulacích.
Během roku 2018 všechny formy umělé inteligence projdou intentizvním vývojem. Jedna z nejdůležitějších disciplín ve vývoji umělé inteligence, hloubkové učení, má obzvláště velkou šanci pokročit vpřed, uvádí prognóza společnosti RTB House. Už se tato technologie stala nezbytnou součástí mnohých oborů (jako např. zdravotnictví nebo samořídící auta). Hloubkové učení mělo také obrovský dopad na celý reklamní sektor.
V roce 2017 jsme podle studie RTB House byli svědky odklonu od tzv. učení pod dohledem, což je standardní přístup využívaný strojovým učením. Založený je na tom, že člověk dává pokyny počítači, který se má učit a přitom zohledňovat již existující příklady, datové sady a odpovědi.
V roce 2018 se výzkum umělé inteligence posune do sofistikovanějších oblastí jako je „přenosové učení“. Jedná se o formu hloubkového učení, kde je výuka systému založena na různých simulacích – namísto dat z reality. Tím je proces mnohem jednodušší, rychlejší a levnější. Pomocí této metody se stroj učí přijímat rozhodnutí s logickými závěry, analogií nebo dedukcí.
Například ve starších modelech strojového učení by musel samořídící automobil nejdříve najezdit miliony kilometrů s řidičem a přitom sbírat data. Ta by byla nahrána do stroje, který se učí řídit na základě řidičových rozhodnutí. Díky přenosovému učení odpadá potřeba fyzického řidiče. Namísto toho mohou být data získána ze stovek tisíc simulací, jako je třeba počítačová autohra. Simulováním milionů hodin jízdy se stroj sám učí, jak řídit a může přenést tuto znalost do reálného světa.
