Maskinlæring er den metode, der lader software lære af eksempler i stedet for at blive programmeret med faste regler – systemet finder selv mønstrene i data og bruger dem på nye situationer.
Klassisk software gør præcis det, den får besked på – hverken mere eller mindre. Maskinlæring vender det om: I stedet for at beskrive løsningen viser man systemet tusindvis af eksempler på opgaven og lader det finde mønstret selv. Det er derfor, moderne AI kan skrive, oversætte og genkende billeder uden at nogen har formuleret reglerne for det.
Prisen for den evne er forudsigelighed. Et system, der har lært af eksempler, arver eksemplernes skævheder og kan fejle på måder, ingen har forudset. Derfor hører maskinlæring sammen med menneskelig kontrol – ikke som teknisk detalje, men som arbejdsdeling.
I praksis
Sprogmodeller som ChatGPT og Claude er maskinlæring i stor skala: De har lært sprogets mønstre af enorme tekstmængder. Det forklarer både deres styrke – de skriver flydende om næsten alt – og deres svaghed: De kan lyde sikre, når de tager fejl.
Sådan forklarer du det for ledelsen
»Maskinlæring betyder, at softwaren har lært af fortiden. Vores opgave er at vurdere, hvornår fortiden er en god rettesnor – og hvornår den ikke er.«
Begrebet er grundlaget for generativ AI – og for hele den udvikling, jeg beskriver i Hvad er AI?.