Maskinlæring
Maskinlæring betyder, at du i stedet for at skrive regler ind i et program giver det eksempler, og så regner det selv reglen ud. Langt de fleste AI-værktøjer i dag er bygget sådan.
Maskinlæring i ét eksempel
I klassisk programmering skriver en udvikler reglen: hvis det her er sandt, så gør det der. I maskinlæring giver du i stedet mange eksempler, og programmet finder det mønster, der forklarer dem.
Derfor virker det på opgaver, ingen kan skrive regler til. Ingen kan sige præcist, hvad der gør et billede til en kat, men alle kan skaffe en million eksempler.
Maskinlæring og kunstig intelligens
Kunstig intelligens er paraplybegrebet, maskinlæring er én metode til at nå dertil, og nutidens sprogmodeller bruger en gren af den.
I hverdagssproget hedder alle tre AI. Det giver sjældent problemer, men det hjælper at vide, at de ikke er synonymer, når du begynder at læse dokumentation.
Hvor du allerede bruger det
Spamfilter, anbefalinger, ruteplanlægning, afsløring af svindel, billedbehandlingen i din telefon, ordforslag, når du skriver. Alt sammen maskinlæring, alt sammen fra længe før chatbots.
Det er det bedste argument for, at ideen ikke er ny. Det nye er, at den nu virker så godt på tekst.
Almindelige spørgsmål
Hvad er maskinlæring, i én sætning?
At få et program til selv at regne reglen ud af eksempler, i stedet for at en udvikler skriver reglen ind i det.
Er maskinlæring det samme som AI?
Nej. AI er den bredere idé, og maskinlæring er én vej derhen. Der findes AI, der slet ikke lærer og kun følger regler.
Skal man kunne matematik til maskinlæring?
Hvis du skal bygge det, ja. Hvis du skal bruge værktøjerne godt eller forstå, hvorfor en model tager fejl, er det nok at forstå logikken.