Maskinlæring (ML)

Hvad er maskinlæring?

Maskinlæring (forkortet ML, fra det engelske “Machine Learning”) er en gren af kunstig intelligens hvor computere lærer mønstre fra data i stedet for at følge manuelt skrevne regler. I stedet for at fortælle computeren præcis hvad den skal gøre, giver man den eksempler og lader den selv finde sammenhængene.

Tænk på forskellen sådan: traditionel programmering er som at give en opskrift trin for trin. Maskinlæring er som at vise nogen hundrede færdige retter og lade dem selv udlede opskriften.

Maskinlæring er ikke nyt. De matematiske grundlag blev lagt i 1950’erne. Men det er først i de seneste 10-15 år at teknologien er eksploderet. Det skyldes tre ting: meget mere data, langt kraftigere computere (især GPU’er), og bedre algoritmer som deep learning.

Hvordan fungerer maskinlæring?

Processen kan koges ned til tre trin:

1. Data. Man starter med et datasæt. For en spamfilter kan det være millioner af emails markeret som “spam” eller “ikke spam”. For en sprogmodel er det enorme mængder tekst fra internettet.
2. Træning. En algoritme analyserer dataene og justerer millioner eller milliarder af parametre (tal) for at blive bedre til opgaven. Modellen prøver, fejler, justerer og prøver igen, tusindvis eller millionvis af gange.
3. Forudsigelse. Når modellen er trænet, kan den bruges på nye data den aldrig har set. Spamfilteret kan vurdere nye emails, og sprogmodellen kan besvare spørgsmål den aldrig er blevet stillet før.

Det centrale er at modellen selv finder de mønstre der er vigtige. En udvikler behøver ikke fortælle modellen at spam-emails ofte indeholder ordet “gratis”, den opdager det selv fra dataene.

De tre hovedtyper

Maskinlæring opdeles typisk i tre kategorier baseret på hvordan modellen lærer:

1. Supervised learning (overvåget læring). Modellen trænes på data med kendte svar. “Her er et billede af en kat, her er en hund.” Den lærer sammenhængen mellem input og output. Bruges til klassifikation, spam-detection og prisforudsigelser.
2. Unsupervised learning (uovervåget læring). Modellen får data uden svar og skal selv finde strukturer. “Her er tusinde kunders købshistorik, find grupperinger.” Bruges til kundesegmentering, anomali-detection og datakompression.
3. Reinforcement learning (forstærkningslæring). Modellen lærer ved at prøve handlinger og få belønning eller straf. Det er som at træne en hund: den får en godbid når den gør det rigtige. Bruges til spil-AI, robotstyring og finjustering af sprogmodeller (RLHF).

Eksempler fra hverdagen

Maskinlæring er overalt, også selvom du ikke lægger mærke til det:

1. Netflix og Spotify. Anbefalingssystemer der foreslår film og musik baseret på hvad du og lignende brugere har set eller lyttet til.
2. Spamfiltre. Gmail og Outlook bruger ML til at sortere spam fra rigtige emails, og bliver bedre over tid.
3. Sprogmodeller. ChatGPT og Claude er fundamentalt set maskinlæringsmodeller trænet på tekst. De forudsiger det mest sandsynlige næste ord i en sekvens.
4. Ansigts-genkendelse. Når din telefon låser op med dit ansigt, bruger den en ML-model der er trænet til at genkende dit ansigt i forskellige vinkler og lysforhold.
5. Oversættelse. Google Translate skiftede fra regelbaseret oversættelse til ML-baseret i 2016 og kvaliteten steg dramatisk.

Begrænsninger

Maskinlæring er kraftfuldt, men har vigtige begrænsninger:

1. Datakvalitet. En model er kun så god som sine træningsdata. Hvis dataene er skæve eller biased, bliver modellen det også. En ansættelsesmodel trænet på historiske data kan videreføre diskrimination.
2. Black box. Komplekse modeller kan være svære at forklare. Du kan se at modellen giver det rigtige svar, men ikke altid forstå hvorfor.
3. Generalisering. En model der præsterer godt på træningsdata kan fejle på data fra den virkelige verden, især hvis verden ændrer sig efter træningen.
4. Beregningskraft. Store modeller kræver enorm beregningskraft at træne. Store sprogmodeller koster hundredvis af millioner dollars at træne.