Maskininlärning är en metod där datorprogram lär sig på egen hand genom att konstruera regler utifrån den information de hanterar, istället för att på traditionellt vis programmeras manuellt av en människa. Maskininlärning är en viktig förutsättning för artificiell intelligens (AI).

Även machine learning, övervakad inlärning, oövervakad inlärning, djupinlärning

Vad är maskininlärning?

Maskininlärning är en viktig förutsättning för artificiell intelligens där man med data tränar datorer att upptäcka och lära sig regler för att lösa en uppgift, utan att datorerna har programmerats med regler för just den uppgiften. Maskininlärning används inom en rad områden som chatbotar, översättningsprogram och hur våra sociala medier presenteras. Tekniken finns i självkörande bilar och används i apparater som kan sätta medicinska diagnoser baserat på bilder.

Till skillnad från traditionell programmering, där en människa behöver skriva in allt som programmet ska kunna göra, så är maskininlärning en metod där program istället på egen hand får skapa ett regelsystem genom att man matar den med en stor mängd data. 

Maskininlärning använder algoritmer för att identifiera mönster i data, och dessa mönster används sedan för att skapa en datamodell som kan göra förutsägelser. Med mer data och erfarenhet blir resultaten av maskininlärning mer exakta, ungefär på samma sätt som människor blir bättre på något genom att träna.

Ett exempel på maskininlärning är bildigenkänning. Ett datorprogram kan leta fram bilder som föreställer hundar eftersom systemet har tränats på att känna igen hundar i bilder. Systemet har då först matats med några hundra bilder som  föreställer en hund. Därefter får systemet på egen hand titta vidare på miljontals bilder, och försöka hitta andra bilder på hundar genom att jämföra med de första. På så vis blir datorsystemet snabbt ganska bra på att känna igen hundar.

Tre vanliga typer av maskininlärning

Exemplet med hundarna ovan är en metod som kallas övervakad inlärning. Dagens avancerade AI-system har oftast skapats genom en kombination av tre inlärningsmetoder: övervakad inlärning, oövervakad inlärning och djupinlärning.

Vid övervakad inlärning får programmet ett facit, och ska utifrån det hitta regler för hur det ska komma fram till rätt svar. Exempel: Ett AI-program för bildigenkänning får se många bilder på katter och hundar och får veta vilka bilder som föreställer vad. Sen får AI:n skapa regler för hur den ska kunna känna igen andra bilder som föreställer katt eller hund. En människa övervakar systemet.

En annan typ av inlärningsmetod kallas oövervakad inlärning. Här får programmet inget facit utan AI:n presenteras enbart med en stor mängd data och ska på egen hand hitta mönster och likheter i denna data. Ett exempel kan vara en stor mängd bilder där AI:n får försöka hitta likheter.

Djupinlärning är en avancerad variant av maskininlärning som bygger på så kallade artificiella neuronnät. Det är ett samlingsnamn på flera olika självlärande algoritmer som försöker efterlikna hur biologiska neuronnät fungerar, till exempel en hjärna. Djupinlärning kan vara både oövervakad och övervakad och är den teknik som uppnår de mest människolika AI-resultaten.

Dessa tre metoder används ofta tillsammans: man kanske inledningsvis har använt sig av övervakad inlärning, men därefter låtit systemet själv utvecklas genom oövervakad inlärning och djupinlärning.

Maskininlärning i våra mobiltelefoner

Maskininlärning används inom många olika områden, till exempel bild- och röstigenkänning, självkörande bilar och automatiserad översättning.

Ett område där många kommer i kontakt med maskininlärning är i våra mobiltelefoner. Dagens mobiltelefoner har särskilda processorer som är gjorda för att använda maskininlärning för att förbättra olika funktioner. Ett exempel är mobilens kamera. Där används AI för att känna igen ett motiv när vi ska fotografera det. Om mobilkameran till exempel känner igen att motivet är en människa så försöker den göra människan så tydlig som möjligt i bilden och ser till att den är i fokus.

Det finns också mobiltelefoner som automatiskt kan lägga på särskilda förbättringar på bilden, till exempel skönhetsfilter som suddar ut rynkor och ger huden en större lyster. Eller om man fotograferar en fullmåne kan mobilen automatiskt korrigera den bilden, eftersom den lärt sig hur en vacker fullmåne brukar se ut.