Kampen om fremtiden

Indenfor maskinlæring handler det om at bygge en kunstig intelligens, som bliver bedre til at løse en opgave, efterhånden som den får mere og mere erfaring med at løse opgaven. Måden at få systemet til at lære er at fodre det med data om den udfordring, som den kunstige intelligens skal løse. Jo mere data og jo bedre kvalitet det har, desto nemmere er det for systemerne at lære. Maskinlæring dækker over fire metoder til at bygge intelligente systemer:
Genetiske algoritmer henter inspiration fra evolutionsbiologien og er design af små computerprogrammer eller løsninger, som gennem formering og mutationer udvikler sig til det, vi har brug for.
Instansbaseret læring imiterer den måde, vi mennesker ofte lærer gennem analogier, altså lignende eksempler på det samme problem, som vi står overfor.
Bayesiansk læring benytter statistik til at forudsige sandsynligheden for en begivenhed ved at kigge på forhold, som er relateret til begivenheden.
Neurale netværk er en efterligning af den menneskelige hjerne især inspireret af vores visuelle cortex.
Symbolsk kunstig intelligens handler om at tage den viden, vi har som mennesker, og lægge den ind i computeren; den viden kan computeren så igen bruge til at lave ny viden.

fodre det med data om den udfordring, som den kunstige intelligens skal løse. Jo mere data og jo bedre kvalitet det har, desto nemmere er det for systemerne at lære. Maskinlæring dækker over fire metoder til at bygge intelligente systemer:
Genetiske algoritmer henter inspiration fra evolutionsbiologien og er design af små computerprogrammer eller løsninger, som gennem formering og mutationer udvikler sig til det, vi har brug for.
Instansbaseret læring imiterer den måde, vi mennesker ofte lærer gennem analogier, altså lignende eksempler på det samme problem, som vi står overfor.
Bayesiansk læring benytter statistik til at forudsige sandsynligheden for en begivenhed ved at kigge på forhold, som er relateret til begivenheden.
Neurale netværk er en efterligning af den menneskelige hjerne især inspireret af vores visuelle cortex.
Symbolsk kunstig intelligens handler om at tage den viden, vi har som mennesker, og lægge den ind i computeren; den viden kan computeren så igen bruge til at lave ny viden.

d af de fem metoder har de fire af dem det tilfælles, at de ligger i værktøjskassen, der står maskinlæring på, og de her fire metoder er grupper af algoritmer, der bygger på variationer over samme grundliggende idé.

De fire metoder er genetiske algoritmer, instansbaseret læring, bayesiansk læring og neurale netværk.

er derfor, maskinlæring er rigtig godt til eksempelvis billedgenkendelse, fordi det er svært at beskrive, hvordan hudkræft ser ud, det er nemmere at finde konkrete billeder af hudkræft. På samme måde ville det være svært, hvis du skulle beskrive din nabo, så alle ville kunne genkende ham, men viste du blot et enkelt billede eller to, ville opgaven formentlig være let for de fleste.

Overordnet findes der kun fem forskellige metoder. Og de fem forskellige metoder placerer sig overordnet i to hovedgrupper eller to skoler: maskinlæring (machine learning) og symbolsk kunstig intelligens.

være førende inden for intelligente assistenter og det skift i digitale vaner, som de medfører,
vinde markedet for cloud services,
optimere både internt og udforske nye forretningsområder samt
tilkæmpe sig dine klik som forbruger.

Prisen for beregningskraft falder med eksponentiel hastighed.
Enorme mængder data gør det muligt at finde nye mønstre.
Nye og bedre algoritmer udvikles hver dag i et globalt sammenspil og kapløb.
Virksomheder og nationer investerer massivt i kunstig intelligens.

Forskellen på et computerprogram og en algoritme er, at et program er de faktiske instruktioner til computeren i form af en programkode, hvorimod algoritmen er en mere generel og lidt diffus opskrift på, hvilke skridt computeren skal igennem for at løse et problem – en form for rækkefølge af givne punkter.