Dyp læring

Hva er dyp læring?

Dyp læring er en gren av maskinlæring der datamaskinen lærer gjennom kunstige nevrale nettverk, løst inspirert av hjernen. Nettverket består av lag. Hvert lag plukker opp litt mer sammensatte mønstre enn laget under: fra streker til former til hele objekter, eller fra bokstaver til ord til mening. Ordet «dyp» viser til antall lag, ikke til at maskinen forstår noe dypt.

Ingen programmerer reglene. Nettverket får se enorme mengder eksempler og justerer seg selv til det treffer. Derfor kan den samme metoden lære å kjenne igjen alt fra røntgenbilder til håndskrift. Alt avhenger av hva den trenes på.

Baksiden er at dyp læring krever mye data og regnekraft, og at det er vanskelig å forklare nøyaktig hvorfor modellen svarte som den gjorde. Det er en avveining du bør kjenne til før slike verktøy får ta beslutninger som betyr noe.

Hvorfor det betyr noe for en mindre bedrift

Du kommer neppe til å trene dype nettverk selv, og det trenger du heller ikke. Tjenestene du kjøper, fra tale til tekst til bildegjenkjenning og språkmodeller, bygger allerede på dette. To ting følger av det: kvaliteten står og faller på dataene modellen er trent på, og den kan bomme på tilfeller den aldri har sett. Legg derfor inn menneskelig kontroll der en feil koster penger eller tillit.