Hvorfor snakker alle om maskinlæring?

Maskinlæring er et populært buzzord. Mulighetene er enorme, og teknologien har potensial til å redde liv og løse viktige problemer. Men hva er egentlig ML?

Maskinlæring og kunstig intelligens er temaer det snakkes mye om. Både innenfor næringslivet og ellers i samfunnet omfavnes tanken om at AI-teknologi kan gjøre det aller meste både raskere, bedre og mer effektivt.

Men, hva hva er egentlig maskinlæring, og hvorfor snakker alle om det?

– Maskinlæring er en gren av kunstig intelligens, der maskiner lærer på egenhånd på grunnlag av tidligere erfaring og forutsier resultatene, sier Angesh Anupam, førsteamanuensis i applied data science hos Noroff.

Slik innsikt gir som regel et mye bedre beslutningsgrunnlag enn den enkeltes magefølelse eller flertallets overbevisning, og det ligger store konkurransefortrinn ved å mestre bruk av denne teknologien.

Maskinen «lærer»

La oss starte med en quiz.

3-9

4-16

8-64

9-?

Hvordan kom du frem til 81? 💡

Det er akkurat en slik type atferd vi forsøker å lære maskiner. Vi forsøker å lære maskinene å lære fra erfaringer. Maskinlærings-algoritmene finner naturlige mønstre i dataene, får innsikt og forutsier det ukjente for bedre beslutninger.

Vi sier at maskinen «lærer», i stedet for å bli programmert.

Noen kjente former for maskinlæring er Siri eller Google, værmeldingen eller din egen Facebook-feed.

Spotify, Facebook og Netflix bruker ML

Maskinlæring funger i dag fordi vi har en overflod av data, nærmere bestemt big-data.

– Det er en underart av kunstig intelligens, selv om begrepene ofte brukes ofte om hverandre.

I dagens marked er maskinlæring trolig den mest brukte av alle AI-teknologiene.

- Maskinlæring er en matematisk modell som er avledet fra et datasett, for å komme med forutsigelser, uten å være eksplisitt programmert til å utføre den dedikerte oppgaven. I hovedsak fanger maskinlæring den dynamiske oppførselen til et system ved å bruke tilgjengelige data, og den oppnådde modellen kan brukes til en rekke beslutningsprosesser.

Han fortsetter:

– Alt ifra aksjekurs-prediksjon, salgs-prediksjon, ny motedesign, værvarsel, og så videre. Det gir enorme muligheter, fortsetter Angesh.

Fremdeles litt komplisert å forstå?

Tenk på personlige spillelister på Spotify eller filmanbefalinger på Netflix. Dette er eksempler på skreddersydde produkter hvor systemet lærer å kjenne brukeren. Facebook bruker maskinlæring til å tilpasse nyhetsfeeden til akkurat deg.

Stor etterspørsel etter datakompetanse

Verden skriker etter kompetanse på fagfeltet. Det er anslått at det finnes så få som 22.000 AI-forskere i verden, og så få som omkring 200.000 mennesker som jobber aktivt med kunstig intelligens.

Noroff tilbyr bachelorstudier i applied data science, en IT-utdanning som gjør deg klar for det økende behovet innen maskinlæring, kunstig intelligens og big-data analyse.

– I et nøtteskall kan data science betraktes som et bredere felt, som innebærer mye flere trinn enn bare dataanalyse, utdyper Angesh.

Ekspertisen og kompetansen bachelorgraden gir er ettertraktet. Det er sterke indikatorer på at data science og big-data relaterte utfordringer vil øke innen mange kommersielle sektorer.