Maskinlæring (engelsk: machine learning) er en måte å lage KI på der datamaskinen lærer fra eksempler – uten at noen har skrevet reglene for den.

Vanlig programmering fungerer slik: en programmerer skriver regler som «hvis A, gjør B». Maskinlæring snur dette på hodet: du gir datamaskinen mange eksempler, og den finner reglene selv.

Et enkelt eksempel

Tenk på et spamfilter i e-posten din. Du kan lage regler som «alt som inneholder ordet 'klikk her' er spam». Men spammere finner alltid nye ord.

Med maskinlæring viser du datamaskinen tusenvis av spam-e-poster og vanlige e-poster – uten å fortelle den reglene. Den finner selv ut hva som er typisk for spam, og tilpasser seg etter hvert som nye triks dukker opp.

Tre typer maskinlæring

Læring med fasit

Datamaskinen får eksempler med riktige svar. Som en elev som øver med fasit. For eksempel: vis den 100 000 bilder av katter og hunder, merket med hva de er. Den lærer å se forskjellen.

Brukes til: å sortere bilder, filtrere spam, beregne priser.

Læring uten fasit

Datamaskinen leter etter mønstre på egenhånd, uten at noen forteller den hva som er riktig. For eksempel: gruppere kunder ut fra hva de kjøper, uten å bestemme gruppene på forhånd.

Brukes til: å gruppere kunder, finne unormale ting, og gi anbefalinger.

Læring gjennom prøving og feiling

Datamaskinen prøver seg frem og får «belønning» når den gjør noe bra og «straff» når den gjør noe dårlig. Litt som et barn som lærer å sykle.

Brukes til: spillagenter, robotstyring og å gjøre språkmodeller bedre.

Deep learning – den kraftigste formen

Deep learning er en avansert form for maskinlæring som bruker kunstige «hjernelag» (nevrale nettverk) stablet oppå hverandre. «Dyp» betyr rett og slett at det er mange lag.

Deep learning trenger mye mer data og regnekraft enn vanlig maskinlæring, men er mye kraftigere. Det er deep learning som ligger bak ting som bildegjenkjenning, stemmeassistenter og ChatGPT.

Vanlige spørsmål

Relaterte begreper