Kunstig intelligens er blevet et af de mest omtalte emner i vores tid. Fra stemmestyrede assistenter og billedgenkendelse til automatiserede kundeservices og selvkørende biler – AI er overalt. Men begreber som maskinlæring og dyb læring bliver ofte brugt i flæng, selvom de dækker over forskellige niveauer af teknologi. For at forstå, hvordan de hænger sammen, er det nyttigt at se på, hvad de hver især betyder – og hvordan de bygger oven på hinanden.

Hvad er kunstig intelligens?

Kunstig intelligens (AI) er den overordnede betegnelse for systemer, der kan udføre opgaver, som normalt kræver menneskelig intelligens. Det kan være alt fra at forstå sprog og genkende mønstre til at træffe beslutninger og lære af erfaringer.

AI spænder vidt – fra simple regler, der styrer en chatbot, til avancerede systemer, der kan analysere millioner af datapunkter på få sekunder. Fælles for dem er, at de forsøger at efterligne menneskelig tænkning, men uden nødvendigvis at forstå verden på samme måde som mennesker gør.

Læs også:

ERP-systemer i ny form: Brugeroplevelsen i fokus

SaaS

ERP-løsninger er ikke længere kun for økonomiafdelingen. Den nye generation af systemer fokuserer på brugeroplevelse, fleksibilitet og dataindsigt, så hele organisationen kan arbejde smartere og mere effektivt.

Digital arbejdsdag uden træthed: Ergonomi og pauser der virker i praksis

SaaS

Lange timer foran skærmen behøver ikke føre til træthed og spændinger. Med små justeringer i din arbejdsstilling, bevidste pauser og fokus på både krop og sind kan du skabe en sundere og mere bæredygtig arbejdsdag.

AI, maskinlæring og dyb læring – forstå forskellene og sammenhængen

SaaS

Kunstig intelligens er blevet en central del af vores hverdag, men begreber som maskinlæring og dyb læring bliver ofte forvekslet. Denne artikel giver et klart overblik over, hvordan de tre teknologier adskiller sig, bygger på hinanden og tilsammen driver udviklingen af intelligente systemer.

Bedre software gennem samarbejde: Når udviklere, designere og brugere skaber løsninger sammen

SaaS

Gode digitale løsninger skabes ikke i isolation. Denne artikel undersøger, hvordan udviklere, designere og brugere sammen kan skabe software, der både fungerer teknisk, ser godt ud og løser reelle behov – og hvordan samarbejde kan blive en konkurrencefordel.

Maskinlæring – når maskiner lærer af data

Maskinlæring (ML) er en undergren af AI. I stedet for at programmere en computer til at følge faste regler, lærer man den at finde mønstre i data. Det sker ved at give systemet eksempler – for eksempel tusindvis af billeder af katte og hunde – og lade det selv finde ud af, hvordan de to kategorier adskiller sig.

Når modellen har lært mønstrene, kan den bruge sin viden til at genkende nye billeder, den ikke har set før. Jo mere data og feedback den får, desto bedre bliver den. Det er denne evne til at lære og forbedre sig, der gør maskinlæring så kraftfuld.

Maskinlæring bruges i dag i alt fra anbefalingssystemer på streamingtjenester til kreditvurdering i banker og diagnosticering i sundhedsvæsenet.

Dyb læring – maskinlæringens næste niveau

Dyb læring (Deep Learning) er en særlig form for maskinlæring, der bruger kunstige neurale netværk inspireret af hjernens struktur. Disse netværk består af mange lag af “neuroner”, der bearbejder data i flere trin – deraf navnet dyb læring.

Hvor traditionel maskinlæring ofte kræver, at mennesker definerer, hvilke træk i data der er vigtige, kan dybe neurale netværk selv finde frem til de mest relevante mønstre. Det gør dem særligt velegnede til komplekse opgaver som billed- og talegenkendelse, oversættelse og generering af tekst og billeder.

Et kendt eksempel er de systemer, der kan skabe realistiske billeder eller skrive sammenhængende tekster – teknologier, der bygger på dyb læring.

Sammenhængen mellem AI, maskinlæring og dyb læring

Man kan se forholdet mellem de tre begreber som en række koncentriske cirkler:

• AI er den bredeste kategori – alt, der får maskiner til at handle intelligent.
• Maskinlæring er en delmængde af AI – systemer, der lærer af data i stedet for at blive programmeret direkte.
• Dyb læring er en delmængde af maskinlæring – systemer, der bruger komplekse neurale netværk til at lære på egen hånd.

Med andre ord: Al dyb læring er maskinlæring, og al maskinlæring er en form for AI – men ikke al AI er maskinlæring.

Hvorfor forskellene betyder noget

At kende forskel på begreberne er ikke kun akademisk. Det har betydning for, hvordan virksomheder og organisationer vælger at bruge teknologien. En simpel AI-løsning kan være nok til at automatisere rutineopgaver, mens dyb læring kan være nødvendig for at analysere store mængder ustrukturerede data som billeder, lyd eller tekst.

Samtidig stiller de forskellige teknologier forskellige krav til data, computerkraft og ekspertise. Dyb læring kræver typisk enorme datamængder og kraftige processorer, mens klassisk maskinlæring kan fungere med mindre ressourcer.

Fremtiden for AI – samarbejde mellem menneske og maskine

Udviklingen inden for AI går hurtigt, men målet er ikke at erstatte mennesker. Tværtimod handler det om at skabe systemer, der kan supplere os – tage sig af gentagne, tidskrævende opgaver og give os bedre beslutningsgrundlag.

I takt med at teknologien bliver mere tilgængelig, vil vi se AI integreret i stadig flere dele af hverdagen – fra sundhed og transport til undervisning og kreativt arbejde. For at udnytte potentialet fuldt ud kræver det dog, at vi forstår, hvad teknologien kan – og hvad den ikke kan.

At kende forskellen mellem AI, maskinlæring og dyb læring er et godt sted at begynde.