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.