Učení s učitelem je typ strojového učení, kde se model trénuje na datové sadě obsahující vstupy i správné výstupy (tzv. označená data). Cílem je naučit model generalizovat – tedy správně předpovídat výstupy pro nová, neviděná data. Používá se například pro klasifikaci e-mailů, rozpoznávání obličejů nebo predikci cen. Je to nejčastěji používaný typ učení v praxi.

Soft computing je přístup k řešení složitých problémů, kde přesné výpočty nejsou možné nebo efektivní. Využívá techniky jako fuzzy logika, genetické algoritmy, neuronové sítě nebo pravděpodobnostní modely. Na rozdíl od „hard computing“, který vyžaduje přesné vstupy a deterministické výpočty, soft computing toleruje neurčitost, aproximaci a částečné pravdy – což z něj dělá základ mnoha AI […]

Simulace je proces napodobování reálného světa nebo systému prostřednictvím modelu. V AI se simulace používají k testování algoritmů v bezpečném a kontrolovaném prostředí – například při vývoji autonomních vozidel, robotiky nebo tréninku agentů v posilovaném učení. Simulace umožňují opakované experimenty, analýzu chování systému a trénink bez rizika.