Maskininlärning                                         

För att våra AI modeller ska förstå någonting behöver de läras upp, Den enklaste liknelsen är att det är som att lära upp ett barn. Skillnaden är förstås att barnen också tar egna initiativ på många andra plan. Men om du tänker på hur du uppfostrar ett litet barn att äta eller gå på pottan så handlar det om att pränta in ett mönster i ditt barns hjärna som blir till ett beteende. På motsvarande sätt fungerar maskininlärning för AI.

Maskininlärning används främst av AI modeller för att lära sig mönster och algoritmer. Det kräver ofta manuell insats för att välja ut vad det är som modellerna ska lära sig av. Vilken data ska modellerna söka efter? Om de ska tränas i att identifiera katter i en bild så måste de presenteras stora mängder data av olika katter. På så sätt kan de skapa ett beteende som de kan använda med den data som presenterats för dem. På så sätt kan de så småningom extrahera katter ur bilder med andra objekt. Det kallas också förstärkningsinlärning. Maskinen lär sig av det den vinner på och på samma sätt funkar människan.