Begreber som kunstig intelligens, maskinlæring og dyb læring bliver ofte brugt i flæng – både i medierne og i hverdagen. Men selvom de hænger tæt sammen, dækker de over forskellige niveauer af teknologi og forståelse. Hvis du nogensinde har undret dig over, hvad der egentlig adskiller dem, får du her en enkel forklaring.

Kunstig intelligens – den brede paraply

Kunstig intelligens, ofte forkortet AI, er den overordnede betegnelse for systemer, der kan udføre opgaver, som normalt kræver menneskelig intelligens. Det kan være alt fra at genkende tale og billeder til at planlægge ruter eller spille skak.

AI handler ikke nødvendigvis om at skabe maskiner, der tænker som mennesker, men om at få computere til at løse problemer på en intelligent måde. Nogle AI-systemer er regelbaserede – de følger faste instruktioner – mens andre lærer af data og erfaring.

Eksempler på AI i hverdagen:

• Digitale assistenter som Siri og Google Assistant
• Anbefalingssystemer på Netflix og Spotify
• Chatbots på kundeservice-sider
• Navigationsapps, der beregner den hurtigste rute

AI er altså den store kategori, som både maskinlæring og dyb læring hører under.

Læs også:

Sådan lærer du børn at forstå teknologiens logik og konsekvenser på en tryg og konstruktiv måde

Tech

Teknologi fylder mere end nogensinde i børns liv. Læs, hvordan du som forælder eller pædagog kan støtte børn i at forstå teknologiens logik, muligheder og konsekvenser på en tryg og legende måde – uden at skabe frygt eller forbud.

Automatisér med omtanke: Identificér de opgaver, der egner sig bedst

Tech

Automatisering kan frigøre tid og skabe værdi – men kun hvis den bruges klogt. Lær at identificere de opgaver, der egner sig bedst til automatisering, og undgå faldgruberne ved at lade teknologien arbejde for dig i stedet for imod dig.

Hvad sker der bag skærmen? Sådan arbejder router, modem og netkort sammen

Tech

Hvad sker der egentlig, når du klikker på et link eller streamer en film? Tag med bag skærmen og se, hvordan router, modem og netkort arbejder sammen for at skabe en stabil og hurtig internetforbindelse i dit hjem.

Opdateringer og versioner: Derfor er de afgørende for din software

Tech

Opdateringer handler ikke kun om nye funktioner – de beskytter dine data, forbedrer ydeevnen og sikrer, at din software fungerer optimalt. Læs, hvorfor det betaler sig at holde dine programmer og systemer opdaterede.

Maskinlæring – når computeren lærer af data

Maskinlæring (på engelsk machine learning) er en gren af AI, hvor systemet ikke blot følger faste regler, men lærer mønstre ud fra data. I stedet for at programmere præcist, hvordan en opgave skal løses, giver man computeren eksempler – og den finder selv frem til, hvordan den bedst løser lignende opgaver i fremtiden.

Et klassisk eksempel er e-mailfiltrering: Ved at analysere tusindvis af mails, som brugere har markeret som spam, lærer systemet at genkende mønstre i sproget, afsenderen og strukturen. Resultatet er, at det automatisk kan sortere nye mails med høj præcision.

Maskinlæring bruges i dag i alt fra billedgenkendelse og oversættelse til finansiel risikovurdering og medicinsk diagnostik. Det er en teknologi, der bliver bedre, jo mere data den får.

Dyb læring – maskinlæringens næste niveau

Dyb læring (på engelsk deep learning) er en særlig form for maskinlæring, der bruger neuronale netværk inspireret af hjernens måde at bearbejde information på. Disse netværk består af mange lag af “neuroner”, der hver især bearbejder data og sender resultaterne videre til næste lag – deraf navnet “dyb”.

Dyb læring har gjort det muligt for computere at løse ekstremt komplekse opgaver, som tidligere var uden for rækkevidde. Det er teknologien bag:

• Ansigtsgenkendelse i fotos og video
• Talegenkendelse i smartphones
• Selvstyrende biler
• Avancerede sprogmodeller og chatbots

Forskellen fra traditionel maskinlæring er, at dyb læring selv finder de relevante træk i data. Hvor man tidligere skulle fortælle computeren, hvad den skulle kigge efter, kan et dybt neuralt netværk selv opdage mønstre – for eksempel at øjne og næse tilsammen danner et ansigt.

Hvordan hænger de tre begreber sammen?

Man kan se forholdet mellem de tre som en række cirkler inden i hinanden:

• Kunstig intelligens er den største cirkel – alt, der får maskiner til at handle intelligent.
• Maskinlæring er en delmængde af AI – systemer, der lærer af data.
• Dyb læring er en delmængde af maskinlæring – systemer, der lærer gennem komplekse, flerlags netværk.

Eller sagt på en anden måde: Al dyb læring er maskinlæring, og al maskinlæring er en form for kunstig intelligens – men ikke al AI er maskinlæring, og ikke al maskinlæring er dyb læring.

Hvorfor betyder forskellen noget?

At kende forskellen er ikke kun akademisk. Det hjælper os med at forstå, hvad teknologien kan – og hvad den ikke kan. Når en virksomhed siger, at de bruger “AI”, kan det dække over alt fra simple automatiserede regler til avancerede neurale netværk.

Forbrugere, virksomheder og beslutningstagere har brug for at vide, hvilken type teknologi der ligger bag, for at kunne vurdere både muligheder og begrænsninger – og ikke mindst de etiske og samfundsmæssige konsekvenser.

Fremtiden for intelligent teknologi

Udviklingen går hurtigt. Dyb læring har allerede revolutioneret områder som billedbehandling og sprogforståelse, men forskere arbejder på næste skridt: forklarlig AI, hvor systemerne ikke bare leverer resultater, men også kan forklare, hvordan de nåede frem til dem.

Samtidig bliver maskinlæring mere tilgængelig for almindelige brugere gennem værktøjer, der kræver minimal teknisk viden. Det betyder, at AI i stigende grad bliver en del af vores hverdag – fra sundhedspleje og undervisning til transport og underholdning.

Forskellen mellem kunstig intelligens, maskinlæring og dyb læring er altså ikke kun teknisk – den fortæller historien om, hvordan maskiner gradvist bliver bedre til at forstå, lære og samarbejde med os mennesker.