Machine Learning: Kender du hjernen bag kunstig intelligens?

Machine learning: Machine learning er et begreb, der bruges indenfor datalogi og statistik, hvor algoritmer og it-systemer optimeres på baggrund af den læring, de får gennem den data, de indsamler.

Samtidig er machine learning også en forudsætning for kunstig intelligens.

Machine learning er essentielt for at udvikle kunstig intelligens, da det er via indlæring og videreudviklingen af den læring, der fører til, at vi kan bruge den kunstige intelligens.

Machine learning kan blandt andet også bruges til at identificere og afprøve hypoteser og forudsigelser, der kan give forretningsmæssige indsigter, hvilket kan være vigtige redskaber at have for organisationer og virksomheder.

Se hvordan EG tænker machine learning

Nap en tur i elevatoren

Et godt eksempel på hvad machine learning kan bruges til, findes ved problemstillingen kaldet "elevator-dilemmaet".

Dilemmaet tager sit udgangspunkt i en etageejendom, hvor indgangen er i stueplan og beboelsen er på 1. etage. Her er problemstillingen; Hvor skal elevatoren være, for at folk skal vente kortest mulig tid?

Her kan data om, hvornår på dagen folk kommer og går, og på hvilke tidspunkter der er flest hjemme, bruges til at udregne præcis, hvor elevatoren skal være i forhold til at spare tid.   

Læs IDA Universe artikel om machine learning 

Tre type machine learning

Maskinlæring eller machine learning er altså et underområde indenfor datalogi som sætter computere i stand til at lære uden at man eksplicit har programmeret hvordan læringen foregår.

Når vi snakker om machine learning, er der som regel tre underkategorier, som man kan inddele machine learning i.

Allan Grønlund, specialkonsulent og underviser i machine learning på Aarhus Universitet, uddyber her de tre underkategorier: 

• Supervised learning: Supervised learning gør brug af eksempler, i form af data som på den ene eller anden måde er blevet beskrevet (labeled), hvad indeholder. Ud fra beskrivelserne finder supervised learning mønstre, som kan bruges til at navngive data, som ikke er beskrevet hvad er, men som er genkendt ud fra lignede mønstre.
• Unsupervised learning: Unsupervised learning arbejder med data som ikke er beskrevet (unlabeled) og derved skal computeren selv lede efter mønstre og specifikke strukturer, som har ligheder og derved danner brugbare oplysninger til at klassificere data. 

• Reinforcement learning:  Reinforcement learning arbejder med, hvordan miljøet i et system kan blive påvirket af udefrakommende "forstyrrelser", som derved fører til at miljøet ændres. Algoritmen lærer så at sige at tilpasse sig disse forstyrrelser og optimeres derfra til at opnå noget bestemt. Man bruger fx reinforcement learning i diverse kontrolsystemer.

Så hvad er machine learning egentlig? Det er - kogt helt ind til benet - et "kvalificeret gæt" på hvad der vil ske, baseret på, hvad der er sket. 

Læs også om Business Intelligence