Vad är maskininlärning?
Beskrivning av maskininlärning
Maskininlärning sker genom att en algoritm tränas med data (till exempel personuppgifter) och resulterar i en matematisk modell, som brukar kallas för AI-modell. Modellen används sedan för att statistiskt komma fram till det mest rimliga svaret när den ställs inför en fråga.
Maskininlärning är med andra ord processen där datorer utvecklar förmågan att lära sig och anpassa sig till en uppgift, utan att behöva programmeras specifikt för den uppgiften.
Process vid maskininlärning – från data till AI-modell
För att den matematiska modellen (AI-modellen) ska kunna lära sig behöver den erfarenhet, vilket den får av de data som den förses med. Vilka data som den tränas på beror på vilken uppgift som den ska kunna utföra. Sådana data kan innehålla personuppgifter.
Systemet kan fungera utan mänsklig inblandning och kan därmed självständigt skapa algoritmer. Resultatet blir en modell som kan dra slutsatser om okända data, som inte har ingått i träningen.
Maskininlärning sker vanligtvis på följande sätt:
- Stora mängder av data (till exempel texter) från utvalda källor väljs ut som träningsdata.
- Vid träning identifieras strukturer och återkommande mönster i datasetet.
- En AI-modell skapas som kan behandla nya data och ge statistiskt rimliga slutsatser utifrån träningsdatasetet.
Då träningsdata sällan är desamma som de data som kommer att behandlas när modellen används för att utföra en uppgift, behöver den färdiga modellen i viss mån vara generell.
Exempel på maskininlärning
Exempel- Ett stort antal bilder på djur väljs ut.
- Strukturer och mönster identifieras som motsvarar de olika arterna.
- Justering görs för att skilja på djurarter som liknar varandra, till exempel hästar och åsnor.
- En representativ modell skapas som kan användas för att identifiera olika arter i nya bilder som modellen inte har tränats på.