20.500.12556/RUL-182924 Umetna inteligenca I strojno učenje Artificial intelligence I machine learning Metode 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. Methods of artificial intelligence (AI) are increasingly present in our daily lives. Until recently, only computer science experts dealt with them, but now almost everyone encounters them regularly. This article describes the development of the field of AI and outlines how modern AI methods actually work. We present an overview of the historical development of AI, which reveals cyclical phases of high expectations and disappointments in the field. We explain the basic AI principle, which captures human knowledge through input data and parameters. The model, known as the universal approximator f(x, p), seeks optimal parameter values via an optimisation process based on a large number of training examples and manual labels. Such trained models form the foundations for practical AI applications. We also present an example of »manual« learning with a discriminative model that employs a linear boundary, i.e., a straight line, where our understanding of the problem is stored in just two parameters. umetna inteligenca gradientni spust diskriminativni modeli strojno učenje klasifikacija podatkov artificial intelligence gradient descent discriminative models machine learning data classification true false false Slovenski jezik Angleški jezik Podatek 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) Članek v reviji 2026-05-28 11:07:57 2026-05-29 09:01:00 2026-06-02 04:34:14 0000-00-00 00:00:00 2026 0 0 Str. 2-11 št. 1 Letn. 31 2026 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 2027-05-14 004.85 1318-6388 10.59132/fi/2026/1/2-11 279394307 01_pers_muhovic.pdf 01_pers_muhovic.pdf 1 D9F67039E0B78C71ECFC840DEEC02E94 d2b9bef763072edfe76bd29a684baafee2238211ff0e753742145cb3375eabc7 319b495d-5dc3-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=234808 https://www.zrss.si/arhiv_clankov/umetna-inteligenca-i-strojno-ucenje/ 1 b4d6a16d-5a74-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=234603 Fakulteta za elektrotehniko 0 0 0