(machine learning) – träning av datorprogram i lösning en uppgift genom att man matar det med exempel. – Ett klassiskt fall är att lära datorprogram att känna igen motiv i bilder – katter, småbarn, bilar… Det är praktiskt taget omöjligt för en programmerare att skriva ett program som känner igen katter (eller småbarn, eller bilar) på bilder med hög träffsäkerhet och oavsett hur motivet är arrangerat. Det kanske bara är en del av motivet som visas. (Se faltningsnätverk.) Men man kan i stället använda maskininlärning och mata in massor med bilder på (till exempel) katter i datorn. Datorprogrammet är skrivet så att det letar efter sådant som är gemensamt för bilderna. Därefter sätter man programmet på prov genom att låta det bedöma bilder med och utan katter. Genom att programmet får veta när det svarar fel kan det modifiera sina inre regler och därmed höja träffsäkerheten. Maskininlärning kan användas på många områden, inte bara motivigenkänning. – De inre regler som skapas i maskininlärning brukar inte säga människor så mycket. – Artificiella neuronnät kan ses som en form av maskininlärning, men det finns andra sätt att göra det på. Det grundläggande är att man låter programmet upptäcka reglerna själv. – Läs också om djupinlärning samt övervakad inlärning och oövervakad inlärning.
[ai] [maskininlarning] [ändrad 29 september 2021]