Hvad er machine learning? En forklaring du faktisk forstår

Kunstig intelligens er på alles læber. Men hvis du beder fem tilfældige kolleger om at forklare, hvad machine learning egentlig er – og hvad der adskiller det fra AI generelt – er der stor sandsynlighed for, at du får fem meget vage svar.

Det er et problem. Fordi machine learning er ikke bare jargon. Det er kernen i de fleste AI-systemer, vi ser i dag. Og forstår du det, forstår du det meste af det, der driver den teknologiske omvæltning, vi befinder os midt i. Vil du have et komplet og opdateret overblik over kunstig intelligens? Se Mini MBA i Artificial Intelligence her.

Den enkle forklaring

Traditionel computerprogrammering fungerer efter reglen: Mennesker skriver reglerne, computere følger dem. Hvis du vil have en computer til at sortere spam-mails fra, skal du programmere den med regler: "Hvis emnefeltet indeholder 'GRATIS WIN', flyt til spam."

Machine learning vender den logik om. I stedet for at programmere reglerne giver du computeren massevis af eksempler og lader den selv finde mønstre og lære reglerne. Du viser den tusindvis af spam-mails og tusindvis af gode mails – og lader algoritmen selv finde ud af, hvad der kendetegner spam.

Det er fundamentalt anderledes. Og det er grunden til, at machine learning er eksploderet i de seneste år: Vi har nu data nok og computerkraft nok til at lade maskinerne lære på det store hold.

Tre typer machine learning

Der er primært tre tilgange, du bør kende. Supervised learning er den mest almindelige: Algoritmen trænes på data, der allerede er mærket op. Du viser den fotos af katte og hunde, der er korrekt identificeret, og den lærer at skelne. Unsupervised learning bruges, når data ikke er mærket op – algoritmen finder selv strukturer og mønstre i det. Reinforcement learning er anderledes igen: Her lærer algoritmen ved at prøve og fejle, belønnes for korrekte handlinger og straffes for forkerte – ligesom man træner en hund.

Hvad kan machine learning i praksis?

Svaret er: enormt meget, og listen vokser. I dag driver machine learning anbefalingssystemerne på Netflix og Spotify. Det er bag billedgenkendelse i medicinske scanninger, der kan opdage kræft tidligere end menneskelige læger. Det er det, der oversætter tekster på sekunder med imponerende præcision. Det er det, der optimerer logistik i forsyningskæder, forudsiger maskinnedbrud, sorterer dine e-mails og personaliserer de annoncer, du ser.

Og det er det, der driver ChatGPT og alle de andre sprogmodeller, der har taget verden med storm. Disse såkaldte Large Language Models (LLM'er) er machine learning i ekstrem skala.

Hvad betyder det for dig og din arbejdsplads?

Det centrale spørgsmål er ikke, om machine learning vil påvirke din branche. Det vil. Spørgsmålet er, om du er den, der forstår teknologien og aktivt bruger den til at skabe konkurrencefordele – eller den, der reaktivt tilpasser sig, når andre allerede er løbet foran.

Du behøver ikke at kode. Men du har brug for at forstå, hvad teknologien kan og ikke kan, hvad der kræves af data og ressourcer, og hvordan du stiller de rigtige spørgsmål til de folk, der implementerer det.

Klar til at gå dybere?

Machine learning er ét af de centrale emner på Mini MBA i Artificial Intelligence – undervist af Danmarks ledende eksperter. Vil du have det fulde overblik over AI og lære at integrere det strategisk på din arbejdsplads? Se Mini MBA i Artificial Intelligence og find den dato, der passer dig.