Skillnaden på Artificiell Intelligens, Machine Learning och Deep Learning

I det här inlägget reder vi ut likheter och skillnader mellan begreppen AI - Artificiell Intelligens, Machine Learning och Deep Learning.
Lästid: 5 min
Robin Vendel
Tillbaka till bloggen

Om du har hört uttrycket AI, så har du säkert också kommit i kontakt med begreppen Machine Learning och Deep Learning? Ofta används dessa tre uttryck synonymt men de betyder faktiskt inte riktigt samma sak.  Jag tänkte ge mig på att förklara vilka likheter och skillnader som finns, ett slags Artificiell Intelligens, Machine Learning och Deep Learning for dummies.

Man skulle kunna se AI, Machine Learning och Deep Learning som tre generationer inom samma familj där AI är första generationen, Machine Learning andra och Deep Learning tredje. De är alltså i allra högsta grad besläktade men har kommit till och utvecklats i olika tider med olika forskningsmässiga förutsättningar.

När Artificiell Intelligens för första gången nämndes i ett forskningsförslag 1955 var syftet att hitta ett sätt att lära maskiner att tala, forma tankar, koncept och lösa problem som tidigare krävt en människas inblandning. Ganska brett med andra ord. Allt eftersom forskningen har gjort framsteg och våra tekniska möjligheter utvidgats, har konceptet AI brutits ner och specificerats. Som en resultat har nya forskningsområden inom AI vuxit fram.  

AI och Machine Learning

Machine Learning är ett forskningsområden inom AI som går ut på att utveckla maskiners förmåga att självständigt förstå och hantera stora mängder data. Nyckelordet här är självständigt då man, genom att använda stora dataset, tränar maskiner till att utföra uppgifter oberoende av regelbaserad programmering.

För att uppnå självständighet används algoritmer som gör det möjligt för datorer att tolka och ta lärdom från dataset för att sedan skapa en uppfattning eller förutsägelse om något. Med Machine learning bygger datorerna ut sitt inlärnings-dataset allt eftersom algoritmer utsätts för, bearbetar och analyserar ny information och blir därför smartare med tiden.

Machine learning gör det möjligt för företag att enkelt dra slutsatser från stora mängden kunddata och snabbt anpassa erbjudanden till nyfunnen information. Det talas mycket om Machine Learning inom vård och hälsa där algoritmer bevisligen kan bearbeta betydligt mer information och se fler mönster än människor. En studie använde sig av Computer Assisted Diagnosis (CAD) för att gå igenom tidiga mammografibilder av kvinnor som senare utvecklade bröstcancer och datorn upptäckte 52% av cancerfallen över ett år innan en officiell diagnos fastställdes.

Missa inte intervjun om Artificiell Intelligens i Sveriges Radio P1 här.

Machine Learning och Deep Learning

På samma sätt som Machine Learning är ett forskningsområde inom AI, har konceptet Deep Learning växt fram ur Machine Learning.  Deep learning fokuserar på utvalda verktyg och metoder för att möjliggöra implementationen av Machine learning och därefter lösa i stort sett vilket problem som helst som kräver mänsklig eller artificiella tankebanor.

I linje med principen om Machine Learning, går deep learning i grunden ut på att mata datorer med enorma dataset som sedan utgör den kunskapsbas som datorn använder för att tolka ny data.  Konceptet bygger sedan vidare på idén om att skapa och använda artificiella neurala nätverk som metod  för att bearbeta och ta beslut om givna dataset. Dessa artificiella nätverk är logiska konstruktioner som frågar en serie binära sanna/falska frågor, eller tar fram ett nummervärde till varje dataset de kommer i kontakt med för att sedan kategorisera dem enligt svaren.

Forskning kring deep learning fokuserar på att konstant utveckla dessa nätverk, för att klara av dataset lika stora som exempelvis Google’s bildbank eller alla tweets någonsin skrivna på Twitter. Deep learning kan användas på alla typer av data - maskinsignaler, audio, video, tal och text - för att dra slutsatser på samma sätt som människor gör idag, men betydligt snabbare.

Spår av Deep learning finns idag att hitta innanför dörrarna på många välkända företag. Google använder Deep learning i deras algoritmer för röst- och bildigenkänning. Netflix och Amazon använder Deep learning för att samla data på kunder och ge förslag på nya böcker, filmer eller serier.  På samma sätt är det Deep learning som ligger bakom Spotifys skräddarsydda spellistor  som går ut till användare varje vecka.

Dags att komma igång

I grund och botten ger AI, ML och DL företag möjligheten att bättre förutse och förstå sina kunders behov och därefter anpassa och skapa nya erbjudanden och arbetssätt. Nyttan som finns att hämta är enorm och helt branschoberoende. De flesta företag bör därför ställa sig frågan hur och var i företaget AI kan implementeras

 

Anmäl dig till Future of Work 

Låt oss veta vad du tycker!

Har vi rätt eller är vi ute och cyklar?

Prenumerera på artiklar

Relaterade artiklar

Artificiell Intelligens, hot eller möjlighet? intervju i Sveriges Radio P1.

Intervju om Artificiell Intelligens med Fredrik Ljungdell, Clara Callmer, Danica Kragic och Heide Stensmyren. Av Anders Diamant på Sveriges Radio P1.
Läs artikeln

Botarna som utvecklas för att förstå dig bättre

Microsoft har skapat ett ramverk ”Microsoft Bot Framework” så att vem som helst kan bygga sina egna Botar till bl.a. Skype, KiK, Telegram, Slack, ...
Läs artikeln

3 viktigaste 2016. Vad är IM, BOT och AI?

Att som företag, CIO eller VD välja att sätta sin organisation i en teknisk miljö som möjliggör Robotkollegor, AI och enklare kommunikation är inte ...
Läs artikeln