Strojno učenje (engl. machine learning, ML) je grana umjetne inteligencije u kojoj računalo uči iz primjera umjesto da slijedi pravila koja je netko napisao. Sustav dobije mnogo podataka, pronađe obrasce i na temelju njih predviđa ishod za nove slučajeve. Izraz se pripisuje Arthuru Samuelu iz IBM-a, koji je 1959. objavio rad o programu koji je sam naučio igrati dame bolje od svog autora.
Kako stroj uči iz podataka
Svaki primjer od kojeg model uči opisan je značajkama. Za kupca webshopa to mogu biti broj narudžbi, dani od zadnje kupnje, prosječna vrijednost košarice i otvara li newsletter. Kad uz primjer postoji i točan odgovor, recimo je li kupac u sljedeća tri mjeseca ponovno kupio, taj se odgovor zove oznaka.
Model je zapravo formula s mnogo podesivih brojeva. Tijekom treniranja algoritam te brojeve mijenja malo po malo, dok predviđanja na poznatim primjerima ne postanu dovoljno dobra. Gotov model zatim primjenjuje naučeno na nove slučajeve. Cijeli taj put, od podataka do zaključivanja, opisan je na stranici o umjetnoj inteligenciji. Ovdje je naglasak na tome kako se uči i gdje to može poći krivo.
Nadzirano učenje: primjeri s točnim odgovorom
Najčešći oblik u poslovanju je nadzirano učenje. Model dobiva primjere s oznakama i uči povezati značajke s odgovorom. Dvije su glavne vrste zadataka.
Klasifikacija razvrstava u kategorije: hoće li kupac otići ili ostati, je li e-poruka neželjena, je li narudžba moguća prijevara. Regresija predviđa broj: koliko će kupac potrošiti u sljedećoj godini, koliko će se proizvoda prodati u prosincu ili koliko vrijedi stan s određenim značajkama.
Nadzirano učenje traži mnogo označenih primjera, a označavanje je često najskuplji dio posla. Webshop ima sreće, jer oznake nastaju same: svaka kupnja ili odustajanje već je zapisano.
Nenadzirano učenje: skupine bez oznaka
Kod nenadziranog učenja točnih odgovora nema. Model sam traži strukturu u podacima, najčešće skupine sličnih slučajeva.
Tipičan primjer je segmentacija kupaca. Algoritam za grupiranje može u bazi od 20.000 kupaca pronaći, recimo, četiri skupine: one koji kupuju rijetko, ali skupo, česte kupce sitnica, kupce koji dolaze samo na akcije i one koji su kupili jednom i nestali. Imena tim skupinama daje čovjek koji ih pregleda i odluči šalje li svakoj drugačiju poruku. Isti pristup služi i za otkrivanje neobičnih slučajeva, primjerice narudžbe koja ne sliči ni jednoj dosadašnjoj.
Učenje potkrepljenjem
Treći način je učenje potkrepljenjem (engl. reinforcement learning). Sustav nema gotove primjere. Pokušava, dobiva nagradu ili kaznu i postupno bira poteze koji donose više nagrade. Na tom su načelu dijelom trenirani programi koji su pobijedili najbolje ljudske igrače goa, a slično se uči i u robotici.
U marketingu se češće sreće pojednostavljena srodna ideja: sustav koji prikazuje nekoliko verzija naslova ili oglasa i sam sve češće prikazuje onu koja bolje prolazi. Za razliku od klasičnog A/B testa, ne čeka kraj pokusa da bi prebacio promet na bolju verziju.
Podaci za treniranje i prenaučenost
Model je dobar koliko i podaci od kojih uči. Zato se podaci prije treniranja dijele: na većem dijelu model uči, a na manjem, koji nikad nije vidio, provjerava se koliko zaista zna. Česta podjela je 80 % za učenje i 20 % za provjeru.
Najpoznatija zamka je prenaučenost (engl. overfitting). Model koji zapamti primjere umjesto da nauči obrazac izgleda izvrsno na podacima za učenje, a na novima podbaci. Recimo da model na podacima za učenje točno pogađa 99 % slučajeva, a na podacima za provjeru samo 70 %: takav razmak gotovo uvijek znači da je naučio šum, slučajnosti koje se više neće ponoviti. Suprotan problem je podnaučenost, kad je model prejednostavan i promašuje i na jednima i na drugima.
Treća zamka je curenje podataka. Ako se među značajkama nađe nešto što se zna tek nakon ishoda, recimo podatak o povratu novca pri predviđanju hoće li kupac otići, model u testu izgleda genijalno, a u stvarnoj upotrebi ne radi.
Primjer: predviđanje odlaska kupaca
Webshop ima 10.000 aktivnih kupaca, a u sljedeća tri mjeseca stvarno ih ode 500, odnosno 5 %. Model treba unaprijed označiti one koji će otići, kako bi im trgovina poslala ponudu. Brojke su izmišljene, za primjer.
| Stvarno je otišao | Stvarno je ostao | Ukupno | |
|---|---|---|---|
| Model kaže: otići će | 350 | 450 | 800 |
| Model kaže: ostat će | 150 | 9.050 | 9.200 |
Točnost modela je (350 + 9.050) / 10.000 = 94 %. Zvuči dobro, ali model koji za svakog kupca kaže „ostat će” bio bi točan u 95 % slučajeva i ne bi pronašao nikoga. Kod rijetkih događaja točnost zavarava.
Korisnije su dvije druge mjere. Preciznost pokazuje koliko je od označenih stvarno otišlo: 350 od 800, oko 44 %. Odziv pokazuje koliko je od svih koji su otišli model uhvatio: 350 od 500, odnosno 70 %. Koju ćete mjeru više gurati, ovisi o cijeni pogreške. Ako je ponuda jeftina, isplati se slati je i široj skupini. Ako je skupa, želite manje lažnih uzbuna.
Gdje ga već koristite
U Google Adsu Smart Bidding strategije strojnim učenjem postavljaju ponudu za svaku dražbu posebno, uzimajući u obzir signale poput uređaja i lokacije. Na tome se temelje automatski bidovi i Performance Max.
GA4 nudi prediktivne metrike: vjerojatnost kupnje, vjerojatnost odlaska kupca i predviđeni prihod. Google ih uključuje tek kad u posljednjih 28 dana, unutar jednog sedmodnevnog razdoblja, barem 1.000 povratnih korisnika ispuni uvjet, a barem 1.000 ne ispuni. Mala stranica taj prag često ne dosegne.
Consent Mode modeliranjem procjenjuje konverzije posjetitelja koji su odbili kolačiće. Webshopovi koriste strojno učenje za preporuke proizvoda, poredak rezultata pretrage na stranici i otkrivanje prijevara pri plaćanju. Veliki jezični modeli poput onih iza ChatGPT-a također su strojno učenje, samo u golemom opsegu: LLM uči predviđati sljedeći dio teksta iz milijardi primjera.
Granice i pravila
Pogrešno postavljene konverzije uče model pogrešnom cilju, a premalo konverzija znači da nema iz čega učiti. Zato točno mjerenje dolazi prije automatizacije, pogotovo u Google Ads kampanjama.
Model ponavlja obrasce iz prošlosti, uključujući i nepravedne. Ako su stari podaci pristrani, bit će i predviđanja.
Pravno, GDPR u članku 22. daje osobi pravo da se na nju ne odnosi odluka koja se temelji isključivo na automatiziranoj obradi, uključujući izradu profila, ako ta odluka proizvodi pravne učinke ili na nju na sličan način značajno utječe. Odbijanje kredita bez ljudske provjere takav je slučaj, a preporuka proizvoda u webshopu uglavnom nije. Akt o umjetnoj inteligenciji dodaje obveze ovisno o razini rizika sustava i u Hrvatskoj se primjenjuje izravno, kao i u ostatku EU-a.
Česta pitanja
Koja je razlika između strojnog učenja i umjetne inteligencije?
Umjetna inteligencija je šire područje, koje uključuje i sustave s ručno napisanim pravilima. Strojno učenje je njezin dio u kojem sustav pravila izvlači sam iz podataka. Gotovo svi današnji AI alati temelje se na strojnom učenju.
Koliko podataka treba za strojno učenje?
Ovisi o zadatku, ali za pouzdano predviđanje obično trebaju tisuće primjera, a za rijetke događaje i više. Zato mali webshop rijetko gradi vlastiti model. Češće koristi gotove alate poput Google Adsa ili GA4, koji uče na mnogo većim skupovima podataka.
Je li duboko učenje isto što i strojno učenje?
Duboko učenje je vrsta strojnog učenja koja koristi višeslojne neuronske mreže. Najbolje radi sa slikama, zvukom i tekstom, ali traži mnogo više podataka i računalne snage od jednostavnijih metoda.
Može li malo poduzeće koristiti strojno učenje bez programera?
Može, i vjerojatno već to radi. Automatsko licitiranje u Google Adsu, prediktivne metrike u GA4, filtri neželjene pošte i preporuke u Shopifyju rade bez ijedne linije koda. Posao vlasnika je osigurati da su podaci koje alat dobiva točni.
Povezani pojmovi
LLM
Veliki jezični model: AI sustav naučen na golemoj količini teksta koji piše odgovore predviđajući sljedeću riječ. Na njemu rade ChatGPT, Claude i Gemini.
Performance Max
Googleova AI kampanja koja automatski servira oglase kroz sve kanale (Search, YouTube, Display, Gmail, Maps) iz jedne kampanje.
Consent Mode
Googleov mehanizam koji tagovima šalje signal je li korisnik pristao na kolačiće. Bez Consent Mode V2 Ads kampanje u EU gube konverzijske signale.
Google Analytics 4
Googleov besplatni alat za mjerenje prometa i ponašanja posjetitelja. Sve bilježi kao događaje, a najvažnije označava kao ključne događaje (key events).
Bid
Maksimalna cijena koju ste spremni platiti za klik (ili konverziju, prikaz) u oglasnoj aukciji. Temelj svakog plaćenog oglašavanja.
Churn rate
Postotak kupaca ili pretplatnika koje izgubite u nekom razdoblju. Suprotnost je stopi zadržavanja i izravno određuje koliko vrijedi prosječan kupac.
