Hvad er machine learning, og hvorfor det kan tage dit job

2024 Forfatter: Malcolm Clapton | [email protected]. Sidst ændret: 2023-12-17 03:51

Nye algoritmer giver computere mulighed for at løse problemer, som tidligere kun var mulige for mennesker. På den ene side vil dette give os store fordele, på den anden side nye udfordringer for os hver især. For at forhindre fremskridt i at overraske dig, skal du være opmærksom og se situationen.

Indtil for nylig var programmører nødt til at skrive komplekse og meget præcise instruktioner, selv for at sætte computere i stand til at udføre de enkleste opgaver.

Sprog har altid udviklet sig, men det vigtigste fremskridt på dette område har været forenklingen af arbejdet med kode. Nu kan computere ikke programmeres som før, men sættes op på en sådan måde, at de lærer på egen hånd.

Denne proces, kaldet machine learning, lover at blive et reelt teknologisk gennembrud og kan påvirke enhver, uanset deres aktivitetsområde. Derfor vil det være nyttigt for hver af os at forstå emnet.

Hvad er maskinlæring

Maskinlæring eliminerer behovet for en programmør til at forklare i detaljer til en computer, præcis hvordan man løser et problem. I stedet bliver computeren lært at finde en løsning på egen hånd. I det væsentlige er maskinlæring en meget kompleks anvendelse af statistik til at finde mønstre i data og skabe forudsigelser ud fra dem.

Maskinlæringens historie går tilbage til 1950'erne, hvor dataloger formåede at lære computere at spille dam. Siden da er kompleksiteten af de mønstre og forudsigelser, som computeren kan genkende og lave, og de problemer, den kan løse, vokset sammen med computerkraft.

Algoritmen indhenter først et sæt træningsdata og bruger det derefter til at behandle anmodninger. For eksempel kan du indlæse flere billeder i din bil med beskrivelser af deres indhold, såsom "dette billede viser en kat" og "dette billede har ikke en kat". Hvis der derefter tilføjes nye billeder til computeren, vil den begynde at identificere billeder med katte alene.

Algoritmen bliver ved med at blive bedre. De korrekte og fejlagtige genkendelsesresultater kommer ind i databasen, og for hvert behandlet foto bliver programmet smartere og klarer opgaven bedre og bedre. I bund og grund er dette læring.

Hvorfor maskinlæring er vigtig

Nu kan maskiner sikkert anvendes i områder, der tidligere blev anset for kun at være tilgængelige for mennesker. Selvom teknologien stadig er langt fra ideel, er bundlinjen, at computere konstant forbedres. I teorien kan de udvikle sig i det uendelige. Dette er hovedideen med maskinlæring.

Maskinerne lærer at se billeder og klassificere dem, som i ovenstående fotoeksempel. De kan genkende tekst og tal i disse billeder, såvel som personer og steder. Desuden identificerer computere ikke kun de skrevne ord, men tager også hensyn til konteksten for deres brug, herunder positive og negative nuancer af følelser.

Maskiner kan blandt andet lytte til os og reagere. Virtuelle assistenter i vores smartphones - uanset om det er Siri, Cortana eller Google Now - repræsenterer gennembrud inden for naturlig sprogbehandling og fortsætter med at udvikle sig.

Derudover lærer computere at skrive. Maskinlæringsalgoritmer genererer allerede nyhedsartikler. De kan skrive om økonomi og endda sport.

Sådanne funktioner kan ændre alle aktiviteter baseret på dataindtastning og klassificering, som tidligere kun var mulige for mennesker. Hvis en computer kan genkende et billede, et dokument, en fil eller et andet objekt og præcist beskrive det, åbner dette op for rige muligheder for automatisering.

Hvordan maskinlæring bruges i dag

Maskinlæringsalgoritmer er allerede i stand til at imponere.

Medecision bruger dem til at beregne risikofaktorer for forskellige sygdomme i store samfund. For eksempel har algoritmen identificeret otte variable, der kan bruges til at konkludere, om en patient med diabetes har brug for hospitalsindlæggelse eller ej.

Efter at have søgt efter det rigtige produkt i onlinebutikker, vil du måske bemærke, at du ser annoncer for dette produkt på internettet i lang tid. Denne markedsføringstilpasning er kun toppen af isbjerget. Virksomheder kan automatisk sende e-mails, kuponer, tilbud og vise anbefalinger skræddersyet til hver enkelt kunde. Alt dette presser mere blidt forbrugeren til at købe.

Naturlig sprogbehandling bruges på mange forskellige måder. For eksempel udskiftes medarbejdere i supporttjenester med dens hjælp for hurtigt at kunne give den nødvendige information til brugerne. Derudover hjælper sådanne algoritmer advokater med at tyde kompleks dokumentation.

IBM undersøgte for nylig. ledere af bilvirksomheder. 74 % af dem forventer, at smarte biler dukker op på vejene i 2025.

Sådanne biler vil modtage information om ejeren og deres omgivelser ved hjælp af tingenes internet. Baseret på disse data vil de automatisk kunne ændre temperatur, lyd, stoleposition og andre indstillinger. Smarte biler vil også selv løse nye problemer, køre uafhængigt og komme med anbefalinger baseret på trafik- og vejforhold.

Hvad kan man forvente af maskinlæring i fremtiden

De muligheder, som machine learning åbner for os i fremtiden, er næsten uendelige. Her er nogle imponerende eksempler.

• Et personligt sundhedsvæsen, der giver patienterne personlig lægebehandling baseret på deres genetiske kode og livsstil.
• Sikkerhedssoftware, der registrerer hackerangreb og malware med den højeste nøjagtighed.
• Computeriserede sikkerhedssystemer til lufthavne, stadioner og lignende steder, der identificerer potentielle trusler.
• Selvkørende biler, der orienterer sig i rummet, minimerer antallet af trafikpropper og ulykker.
• Avancerede anti-svigsystemer, der kan sikre penge på vores konti.
• Universelle oversættere, der giver os mulighed for at modtage nøjagtig og hurtig oversættelse ved hjælp af smartphones og andre smarte enheder.

Derfor skal du passe på maskinlæring

Mens mange vil opleve disse muligheder med fremkomsten af nye teknologier, vil de fleste ikke ønske at forstå, hvordan det hele fungerer indefra. Men vi må alle hellere være opmærksomme. Ud over alle fordelene vil yderligere fremskridt faktisk medføre håndgribelige konsekvenser for arbejdsmarkedet.

Maskinlæring, baseret på den stadigt voksende mængde data, som næsten alle mennesker på jorden genererer, vil fuldstændigt skifte profession. Selvfølgelig vil disse innovationer forenkle arbejdet for mange mennesker, men der vil også være dem, der vil blive frataget deres job. Algoritmer reagerer allerede på e-mails, tolker medicinske billeder, hjælper med retssager, analyserer data og så videre.

Maskiner lærer af deres egen erfaring, så programmører behøver ikke længere at skrive kode til enhver usædvanlig situation. Denne indlæringsevne vil sammen med fremskridt inden for robotteknologi og mobilteknologi gøre computere i stand til at håndtere komplekse opgaver bedre end nogensinde før.

Men hvad vil der ske med mennesker, når de bliver overgået af maskiner?

Ifølge. World Economic Forum, computere og robotter vil besætte de fem millioner job, som mennesker nu ejer i løbet af de næste fem år.

Derfor skal vi holde øje med, hvordan maskinlæring ændrer arbejdsgangen. Det er lige meget, hvem du er: en advokat, en læge, en støttemedarbejder, en lastbilchauffør eller nogen anden. Forandring kan påvirke alle.

Den bedste måde at undgå den ubehagelige overraskelse, når computere begynder at tage job, er at tænke proaktivt og forberede sig.