Begreper som kunstig intelligens, maskinlæring og dyp læring brukes stadig oftere – både i nyhetsartikler, på arbeidsplassen og i hverdagen. Men selv om de henger tett sammen, beskriver de ulike nivåer av teknologi og forståelse. Hvis du noen gang har lurt på hva som egentlig skiller dem, får du her en enkel forklaring.

Kunstig intelligens – den store paraplyen

Kunstig intelligens (AI) er den overordnede betegnelsen for datasystemer som kan utføre oppgaver som vanligvis krever menneskelig intelligens. Det kan handle om alt fra å gjenkjenne tale og bilder til å planlegge ruter, spille sjakk eller analysere store datamengder.

AI handler ikke nødvendigvis om å lage maskiner som tenker som mennesker, men om å få datamaskiner til å løse problemer på en intelligent måte. Noen AI-systemer følger faste regler, mens andre lærer av erfaring og data.

Eksempler på AI i hverdagen:

• Digitale assistenter som Siri og Google Assistant
• Anbefalingssystemer på Netflix, Spotify og NRK TV
• Chatbots i kundeservice
• Navigasjonsapper som beregner raskeste vei

AI er altså den brede kategorien som både maskinlæring og dyp læring hører inn under.

Maskinlæring – når datamaskinen lærer av erfaring

Maskinlæring (engelsk machine learning) er en gren av AI der systemet ikke bare følger forhåndsdefinerte regler, men lærer mønstre ut fra data. I stedet for å programmere nøyaktig hvordan en oppgave skal løses, gir man datamaskinen eksempler – og den finner selv ut hvordan den best kan løse lignende oppgaver senere.

Et klassisk eksempel er e-postfiltrering: Ved å analysere tusenvis av meldinger som brukere har merket som spam, lærer systemet å gjenkjenne mønstre i språk, avsender og struktur. Dermed kan det automatisk sortere nye e-poster med høy treffsikkerhet.

Maskinlæring brukes i dag i alt fra bildeanalyse og oversettelse til finans, helse og klimaovervåking. Teknologien blir bedre jo mer data den får – og jo mer den får trene.

Dyp læring – maskinlæringens avanserte nivå

Dyp læring (engelsk deep learning) er en spesiell form for maskinlæring som bruker nevrale nettverk inspirert av hjernens måte å bearbeide informasjon på. Disse nettverkene består av mange lag med “noder” eller “nevroner” som bearbeider data og sender resultatene videre til neste lag – derav navnet “dyp”.

Dyp læring har gjort det mulig for datamaskiner å løse svært komplekse oppgaver som tidligere var utenfor rekkevidde. Det er teknologien bak:

• Ansiktsgjenkjenning i bilder og video
• Talegjenkjenning i mobiltelefoner
• Selvkjørende biler
• Avanserte språkmodeller og chatboter

Forskjellen fra tradisjonell maskinlæring er at dyp læring selv finner de relevante trekkene i dataene. Der man tidligere måtte fortelle datamaskinen hva den skulle se etter, kan et dypt nevralt nettverk selv oppdage mønstre – for eksempel at øyne og munn til sammen danner et ansikt.

Hvordan henger de tre begrepene sammen?

Man kan se forholdet mellom begrepene som tre sirkler inni hverandre:

• Kunstig intelligens er den største sirkelen – alt som får maskiner til å handle intelligent.
• Maskinlæring er en del av AI – systemer som lærer av data.
• Dyp læring er en del av maskinlæring – systemer som lærer gjennom komplekse, flerlags nevrale nettverk.

Med andre ord: All dyp læring er maskinlæring, og all maskinlæring er en form for kunstig intelligens – men ikke all AI er maskinlæring, og ikke all maskinlæring er dyp læring.

Hvorfor er forskjellen viktig?

Å kjenne forskjellen er ikke bare teoretisk. Det hjelper oss å forstå hva teknologien faktisk kan – og hva den ikke kan. Når en bedrift sier at de bruker “AI”, kan det bety alt fra enkle automatiserte regler til avanserte nevrale nettverk.

Forbrukere, virksomheter og myndigheter trenger å vite hvilken type teknologi som ligger bak, for å kunne vurdere både muligheter og begrensninger – og ikke minst de etiske og samfunnsmessige konsekvensene.

Læs også:

Slik lærer du barn å forstå teknologiens logikk og konsekvenser på en trygg og konstruktiv måte

Tech

Teknologi er en naturlig del av barns hverdag, men forståelsen av hvordan den virker og påvirker oss kommer ikke av seg selv. Lær hvordan du som voksen kan veilede barn til å tenke kritisk, handle ansvarlig og bruke teknologi på en positiv måte.

Automatiser med omtanke: Identifiser oppgavene som egner seg best

Tech

Automatisering kan frigjøre tid og øke kvaliteten – men bare når den brukes med omtanke. Lær hvordan du identifiserer oppgaver som faktisk lønner seg å automatisere, og hvordan du unngår fallgruvene som kan gjøre prosessen mer krevende enn nyttig.

Hva skjer bak skjermen? Slik samarbeider ruter, modem og nettverkskort

Tech

Hver gang du surfer, strømmer eller sender e-post, jobber flere enheter sammen i bakgrunnen for å få data til å flyte sømløst. Lær hvordan ruteren, modemet og nettverkskortet spiller på lag for å gi deg en stabil og rask internettopplevelse.

Oppdateringer og versjoner: Derfor er de avgjørende for programvaren din

Tech

Oppdateringer og nye versjoner handler ikke bare om tekniske detaljer – de sørger for at programvaren din fungerer trygt, raskt og effektivt. Lær hvorfor det lønner seg å holde systemene dine oppdatert, både hjemme og på jobb.

Fremtiden for intelligente systemer

Utviklingen går raskt. Dyp læring har allerede revolusjonert områder som bildebehandling, språkforståelse og medisinsk diagnostikk. Nå jobber forskere med neste steg: forklarbar AI, der systemene ikke bare gir et svar, men også kan forklare hvordan de kom fram til det.

Samtidig blir maskinlæring stadig mer tilgjengelig for vanlige brukere gjennom verktøy som krever lite teknisk kunnskap. Det betyr at AI i økende grad blir en naturlig del av hverdagen – fra helsevesen og utdanning til transport og underholdning.

Forskjellen mellom kunstig intelligens, maskinlæring og dyp læring handler altså ikke bare om teknologi, men om hvordan maskiner gradvis blir bedre til å forstå, lære og samarbeide med oss mennesker.