Maskininlärning
Modeller lär sig mönster från data och använder dem på nya indata.
Vad är maskininlärning?
Maskininlärning är ett område inom artificiell intelligens där modeller lär sig mönster från data. De används bland annat för förutsägelser, klassificering eller innehållsgenerering. Metoderna varierar. Vid övervakad inlärning innehåller exempel angivna målvärden eller klasser; alla metoder kräver inte sådana etiketter. Maskininlärning begränsas inte heller till neurala nätverk.
I ett påhittat serviceföretag ska en modell sortera inkommande meddelanden efter ärendetyp. Den valda övervakade metoden kräver lämpligt märkta exempel och kontroll med passande meddelanden som inte användes för träning. Oklara fall går till människor. Nya formuleringar eller andra ärendetyper kan ändra lämpligheten; goda resultat på kända träningsexempel visar inte ensamt senare nytta.
Källor
Relaterade begrepp
- Artificiell intelligensArtificiell intelligens omfattar metoder som språkbehandling och mönsterigenkänning. Lämpligheten bedöms utifrån den konkreta uppgiften.
- DjupinlärningMaskininlärning med neurala nätverk som har flera bearbetningslager.
- Neuralt nätverkEn modell av sammankopplade beräkningsnoder med justerbara parametrar.
- Generativ AIGenerativ AI skapar innehåll som text, bilder eller kod. Kvaliteten bedöms utifrån användningssyftet och det tillgängliga underlaget.
- ModellkortEtt modellkort dokumenterar syfte, grunder, utvärderingsvillkor och kända begränsningar för en viss version av en AI-modell.
- Beredskap för AIBeredskap för AI gäller ett projekts förutsättningar: mål, användbara data, kompetens, ansvar och ett fungerande arbetssätt för driften.
Artiklar om ämnet
AI & automatisering med ASES
AI-assistenter och automatiserade flöden