Umetna inteligenca IPerš, Janez (Avtor) Muhovič, Jon Natanael (Avtor) umetna inteligencagradientni spustdiskriminativni modelistrojno učenjeklasifikacija podatkovMetode umetne inteligence so vse bolj prisotne v našem vsakdanjem življenju. Še nedavno so se z njimi ukvarjali samo strokovnjaki s področja računalništva, zdaj pa jih redno srečuje skoraj vsakdo. V članku opišemo, kako se je področje umetne inteligence razvijalo, ter orišemo, kako moderne metode umetne inteligence dejansko delujejo. Predstavimo pregled zgodovinskega razvoja umetne inteligence, ki razkriva ciklične faze visokih pričakovanj in razočaranj na področju. Razložimo osnovni princip modela, ki na podlagi vhodnih podatkov in parametrov omogoča zajem človeškega znanja. Model, imenovan univerzalni aproksimator f(x, p), na podlagi obsežnega števila učnih primerov in ročnih oznak preko optimizacijskega procesa išče optimalne vrednosti parametrov. Tako naučeni modeli so osnova za praktično uporabo umetne inteligence. Predstavimo tudi primer »ročnega« učenja diskriminativnega modela z linearno mejo, torej premico, kjer naše znanje o problemu shranimo v dva parametra.20262026-05-28 11:07:57Članek v reviji182924UDK: 004.85ISSN pri članku: 1318-6388DOI: 10.59132/fi/2026/1/2-11COBISS_ID: 279394307slPodatek o licenci CC BY-NC-ND 4.0 je naveden v kolofonu revije (glej PDF posamezne številke revije v spletnem arhivu na https://www.zrss.si/digitalna-bralnica/fizika-v-soli/; posamezne številke so dostopne z enoletnim zamikom). (Datum opombe: 1. 6. 2026)