Hva er maskinlæring?
Q: Hva er maskinlæring?
A: Maskinlæring er et underfelt av datavitenskapen som gir datamaskiner muligheten til å lære uten å være eksplisitt programmert, ved hjelp av algoritmer som kan lære og forutsi data.
Q: Hvor kom ideen til maskinlæring fra?
A: Ideen til maskinlæring kom fra arbeidet med kunstig intelligens.
Q: Hvordan fungerer algoritmene som brukes i maskinlæring?
A: Algoritmer som brukes i maskinlæring, følger programmerte instruksjoner, men kan også gjøre prediksjoner eller ta beslutninger basert på data. De bygger en modell ut fra inndata.
Q: Når brukes maskinlæring?
A: Maskinlæring brukes der det ikke er mulig å utforme og programmere eksplisitte algoritmer. Eksempler på dette er filtrering av søppelpost, deteksjon av inntrengere i nettverk eller ondsinnede innsidere som jobber mot datainnbrudd, optisk tegngjenkjenning (OCR), søkemotorer og datasyn.
Q: Hva er risikoen ved å bruke maskinlæring?
Svar: Bruk av maskinlæring innebærer risikoer, blant annet at det skapes endelige modeller som er "svarte bokser" og kritiseres for skjevheter ved ansettelser, i strafferettspleien og når det gjelder ansiktsgjenkjenning.
Q: Hva betyr det at en maskinlæringsmodell er en "svart boks"?
Svar: En "black box"-maskinlæringsmodell betyr at beslutningsprosessene ikke er enkle å forklare eller forstå for mennesker.
Q: Hva er noen eksempler på bruksområder for maskinlæring?
A: Noen eksempler på anvendelser av maskinlæring er filtrering av søppelpost, deteksjon av inntrengere i nettverk, optisk tegngjenkjenning (OCR), søkemotorer og datasyn.
