[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-machine-learning::ru":3,"gloss-cluster-machine-learning::ru":23,"gloss-next-machine-learning::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"machine-learning","core-ai","Машинное обучение (ML)","Машинное обучение — раздел ИИ, в котором система выводит своё поведение из данных, а не из правил, написанных программистом. Вы не сообщаете ей, что письма с определёнными фразами являются спамом; вы показываете большой набор писем, уже помеченных как спам или не спам, а процесс оптимизации подстраивает внутренние параметры модели, пока её предсказания не совпадут с этими метками достаточно хорошо, чтобы обобщаться на письма, которых она не видела. Этот сдвиг — от описания логики к описанию примеров и цели — и есть вся идея. Оно делится на несколько семейств, которые стоит различать, потому что им нужны разные данные и они отвечают на разные вопросы. Обучение с учителем требует размеченных примеров и предсказывает метку или число: сконвертируется ли этот триал, к какой категории относится тикет, за сколько продастся дом. Обучение без учителя работает без меток и вместо предсказания находит структуру: разбивает клиентов на сегменты, помечает аномалии. Обучение с подкреплением учится на сигнале вознаграждения, возникающем при действиях в среде, — так модели подстраивают под человеческие предпочтения и так тренируют игровые и робототехнические системы. Глубокое обучение — не четвёртое семейство, а техника: нейросети с множеством слоёв, применимые внутри любого из них. Для SaaS-команды трудность редко в алгоритме — он обычно сводится к вызову библиотеки. Трудность в данных и оценке: достаточно ли у вас размеченных примеров, отражающих реальный трафик; не просочилась ли в обучающие данные информация, которой у модели не будет в момент предсказания; и измеряете ли вы результат на данных, на которых модель не училась. Классический провал — модель, блестящая в ноутбуке и слабая в продакшене, и причина почти всегда одна из этих трёх, а не неудачный выбор архитектуры. Полезно знать, где ML — неподходящий инструмент. Если правило известно и стабильно — налоговые ставки, пороги доставки, проверки прав, — напишите правило. ML оправдывает свою сложность, когда закономерность реальна, но слишком запутана или слишком подвижна, чтобы её выписать, и когда вы готовы иногда ошибаться.","Машинное обучение выводит поведение из размеченных примеров, а не из правил; на практике данные и оценка значат намного больше, чем выбор алгоритма.",null,[11,14,17,20],{"slug":12,"name":13},"artificial-intelligence","Искусственный интеллект (ИИ)",{"slug":15,"name":16},"deep-learning","Глубокое обучение",{"slug":18,"name":19},"overfitting","Переобучение (Overfitting)",{"slug":21,"name":22},"supervised-learning","Обучение с учителем",[24,28,32,34,37,40,43,46,49,52,55,56],{"slug":25,"category":5,"name":26,"updated_at":27},"agentic","Агентный AI (Agentic AI)","2026-08-24T02:46:36+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"alignment-tax","Налог на выравнивание (Alignment Tax)","2026-08-24T02:46:37+00:00",{"slug":12,"category":5,"name":13,"updated_at":33},"2026-08-24T02:46:38+00:00",{"slug":35,"category":5,"name":36,"updated_at":27},"attention","Внимание (Attention)",{"slug":38,"category":5,"name":39,"updated_at":33},"beam-search","Лучевой поиск",{"slug":41,"category":5,"name":42,"updated_at":31},"benchmark-contamination","Загрязнение бенчмарка (Benchmark Contamination)",{"slug":44,"category":5,"name":45,"updated_at":31},"catastrophic-forgetting","Катастрофическое забывание (Catastrophic Forgetting)",{"slug":47,"category":5,"name":48,"updated_at":33},"computer-vision","Компьютерное зрение",{"slug":50,"category":5,"name":51,"updated_at":31},"constitutional-ai","Конституционный ИИ (Constitutional AI)",{"slug":53,"category":5,"name":54,"updated_at":27},"context-window","Контекстное окно",{"slug":15,"category":5,"name":16,"updated_at":33},{"slug":57,"category":5,"name":58,"updated_at":27},"diffusion-model","Диффузионная модель (Diffusion Model)"]