Когда машина обучается по прецедентам, то в какой части развития этого процесса машина не способна заменить человека?

Машина, обучающаяся по прецедентам, не способна заменить человека в части, когда актуальные данные имеют другое распределение по сравнению с исходными. 1 В таком случае алгоритм не сможет справиться с задачей. 1

Обучение по прецедентам подразумевает, что машина опирается на опыт, полученный из данных, на которых она обучалась. 1 Некоторые алгоритмы, например линейная регрессия, способны линейно экстраполировать полученный опыт и работать с данными, выходящими за пределы диапазона тех, на которых алгоритм обучался. 1 Однако если актуальные данные имеют другое распределение, то алгоритм уже не справится. 1

При этом есть и другие подходы к обучению, которые могут помочь машине заменить человека в некоторых задачах:

• Индуктивный перенос. 2 Опыт решения отдельных частных задач обучения по прецедентам переносится на решение последующих частных задач обучения. 2
• Обучение без учителя. 3 Подход актуален ввиду большого количества неразмеченных, хаотично собранных данных. 3 Машина должна сама найти связи между отдельными данными, выявить закономерности, подобрать шаблоны и отсортировать объекты в загруженном датасете. 3