maskinlæring

Maskinen finner en ukjent funksjon fra eksempler. Den lærer å forstå at inngangsverdiene forutsier utgangsverdiene.

Et enkelt eksempel vil være å skille hunder fra fugler. Hunder har fire ben, mens fugler har bare to. I tillegg har fuglene vinger. Når modellen ser ett dyr med fire ben, er det en hund. Har dyret to ben og to vinger, er det mest sannsynlig en fugl. Dette kalles klassifisering. Hvis målet er å forutsi lengden på dyret, altså et tall, kalles det regresjon.

Denne typen maskinlæring har hatt stor suksess de siste årene, og i enkelte tilfeller, som bildegjenkjenning, gjør modellene det bedre enn mennesker.

I dette tilfellet har maskinen ikke tilgang til utgangsverdier for gitte inngangsverdier. I stedet forsøker algoritmen selv å finne strukturen i inngangsverdiene, ved for eksempel å gruppere dem i klynger. Mennesker er ekstremt gode på dette, og på dette feltet har maskinlæring langt igjen for å nå menneskelig ytelse.

Som en mellomting mellom veiledet og ikke-veiledet læring, er det også enkelte problemer som lar seg løse ved hjelp av selv-veiledet læring. Her eksisterer det heller ikke gitte utgangsverdier, men dataen kan ha en struktur man kan utnytte uten at man må spesifisere tilleggsinformasjon, som for eksempel at et bilde av en fugl faktisk er en fugl. Et eksempel på dette er språkmodellering, der man ønsker at algoritmen skal predikere deler av tekststykker, som resulterer i en språkmodell. Her har man kun teksten å jobbe med, og ingen utgangsverdier, men strukturen i tekst, som for eksempel går fra venstre til høyre i mange språk, gjør det mulig for algoritmen å lære fra datagrunnlaget alene.

I forsterket læring interagerer modellen direkte med et miljø som gir straff eller belønning. For å lære opp en hund til å løse en oppgave, kan den få en kjeks hver gang den gjør noe riktig, og noe den ikke liker, som en sitron, når den tar feil. Slik forsterkes den ønskede oppførselen, uten at det spesifiseres hvordan det skal løses. Styrken til forsterket læring er at det kan anvendes i scenarioer hvor det er mange veier til målet, og det ikke er gitt hvilken som er den beste.

Denne metoden brukes ofte til å trene opp modeller som er gode i spill. Det mest kjente eksempelet er Googles system AlphaGo som nå er verdens beste spiller i Go.