Ce este machine learning-ul?

Programarea clasică merge într-un singur sens: omul scrie regulile, calculatorul le aplică. Machine learning-ul inversează sensul: îi dai calculatorului exemple — mii de facturi etichetate „plătite la timp / întârziate”, istoricul comenzilor, tranzacții normale și frauduloase — iar el își deduce singur regulile: tiparele care despart categoriile, prea subtile sau prea numeroase ca să le formuleze un om. Din această inversare trăiesc aplicațiile de business care au trecut deja proba pieței: predicția (ce clienți vor pleca, ce stocuri se vor epuiza, ce încasări întârzie), clasificarea (emailuri sortate, tranzacții suspecte semnalate, produse categorisite), recomandarea (ce produs urmează pentru acest client), estimarea (prețuri, termene, riscuri pe date istorice). Relația cu rudele din familie: ML e subsetul AI-ului care învață din date; deep learning-ul e subsetul lui pe rețele neuronale — iar LLM-urile generative sunt vârful vizibil al acestuia. Ce trebuie să știe un antreprenor înainte de orice proiect ML, în trei adevăruri: modelul e oglinda datelor — istoricul murdar sau subțire produce predicții pe măsură (de aici regula: întâi date curate, apoi modele); rezultatele sunt probabilistice, nu certe — se folosesc ca semnal care asistă decizii, cu praguri și verificare umană unde miza e mare; și valoarea se măsoară în bani pe caz concret („modelul reduce stocurile moarte cu X%”), nu în acuratețe abstractă de laborator. Pilotul mic pe o întrebare valoroasă bate, și aici, strategia grandioasă.