Maskinlæring
Modeller lærer mønstre fra data og bruger dem på nye input.
Hvad er maskinlæring?
Maskinlæring er et område af kunstig intelligens, hvor modeller lærer mønstre fra data. De bruges blandt andet til forudsigelser, klassificering eller indholdsgenerering. Metoderne varierer. Ved superviseret læring indeholder eksempler tilhørende målværdier eller klasser; ikke alle metoder kræver sådanne mærkninger. Maskinlæring er heller ikke begrænset til neurale netværk.
I en opdigtet servicevirksomhed skal en model inddele indgående beskeder efter henvendelsestype. Den valgte superviserede tilgang kræver egnede mærkede eksempler og kontrol med passende beskeder, der ikke blev brugt til træning. Uklare tilfælde går til mennesker. Nye formuleringer eller andre anmodningstyper kan ændre egnetheden; gode resultater på kendte træningseksempler beviser ikke alene senere nytte.
Kilder
Relaterede begreber
- Kunstig intelligensKunstig intelligens omfatter metoder som sprogbehandling og mønstergenkendelse. Egnetheden viser sig i den konkrete opgave.
- Deep learningMaskinlæring med neurale netværk med flere behandlingslag.
- Neuralt netværkEn model af forbundne beregningsknuder med justerbare parametre.
- Generativ AIGenerativ AI skaber indhold som tekst, billeder eller kode. Kvaliteten vurderes ud fra anvendelsen og de tilgængelige grundoplysninger.
- ModelkortEt modelkort dokumenterer formål, grundlag, vurderingsbetingelser og kendte begrænsninger for en bestemt version af en AI-model.
- AI-parathedAI-parathed handler om et projekts forudsætninger: mål, brugbare data, kompetencer, ansvar og et fungerende driftsforløb.
Artikler om emnet
AI & automatisering med ASES
AI-assistenter og automatiserede arbejdsgange