Skillnaden mellan AI, maskininlärning och deep learning

Så hänger AI, maskininlärning och deep learning ihop

AI, maskininlärning och deep learning används ofta som om de betyder samma sak. Men egentligen är det tre olika nivåer inom samma område.

Ett enkelt sätt att förstå skillnaden är att tänka på begreppen som tre lager:

• Artificiell intelligens (AI) är det största och bredaste begreppet.
• Maskininlärning är en metod inom AI där datorer lär sig från data.
• Deep learning, eller djupinlärning, är en mer avancerad form av maskininlärning.

All deep learning är alltså maskininlärning, och all maskininlärning är AI. Men all AI är inte maskininlärning, och all maskininlärning är inte deep learning.

Artificiell intelligens (AI)

Artificiell intelligens, ofta förkortat AI, är det bredaste begreppet. Det handlar om teknik som gör det möjligt för datorer och system att utföra uppgifter som normalt kräver mänsklig intelligens.

Det kan till exempel handla om att förstå språk, känna igen bilder, fatta beslut, lösa problem, ge rekommendationer eller tolka stora mängder information.

AI kan vara mycket enkel eller mycket avancerad. Ett regelbaserat system som följer förutbestämda instruktioner kan räknas som AI, men det kan även moderna AI-assistenter, bildverktyg och självkörande system.

Exempel på AI i vardagen är röstassistenter, chattbotar, rekommendationssystem, spamfilter, översättningsverktyg och navigationsappar.

Maskininlärning

Maskininlärning är en underkategori av AI. Här handlar det inte om att människor programmerar varje regel i detalj, utan om att datorn tränas på data och själv hittar mönster.

Genom att analysera många exempel kan ett maskininlärningssystem lära sig att göra förutsägelser, känna igen mönster eller fatta beslut utifrån tidigare data.

Ett enkelt exempel är ett e-postsystem som lär sig känna igen skräppost. I stället för att någon skriver alla regler manuellt kan systemet analysera tidigare mejl och lära sig vilka mönster som ofta förekommer i spam.

Maskininlärning används bland annat för rekommendationer, prognoser, bildanalys, bedrägeriupptäckt, språkverktyg och personliga anpassningar i digitala tjänster.

Läs mer hos Google Cloud
Läs mer hos Microsoft

Deep learning / djupinlärning

Deep learning, eller djupinlärning på svenska, är en mer specialiserad och avancerad del av maskininlärning.

Djupinlärning använder artificiella neurala nätverk. Det är modeller som är inspirerade av hur hjärnans nervceller är sammankopplade, men de fungerar inte som en mänsklig hjärna. De är matematiska system som kan lära sig mycket komplexa mönster.

Ordet “djup” syftar på att nätverket består av flera lager. Varje lager kan upptäcka olika nivåer av mönster. I bildigenkänning kan ett lager till exempel känna igen enkla former, medan senare lager kan känna igen mer avancerade objekt.

Djupinlärning används ofta i mer komplexa AI-system, till exempel bildigenkänning, taligenkänning, självkörande bilar, medicinsk bildanalys och moderna språkmodeller.

Läs mer om detta hos Microsoft
Läs även om detta hos IBM

Skillnaden i korthet

Exempel på skillnaden i praktiken

AI: Ett enkelt schackprogram som följer regler och väljer drag kan räknas som AI, även om det inte lär sig av data.

Maskininlärning: Ett e-postfilter som lär sig känna igen skräppost genom att analysera tidigare mejl använder maskininlärning.

Deep learning: Ett system som analyserar bilder, känner igen ansikten eller tolkar tal använder ofta deep learning eftersom uppgiften kräver mer avancerad mönsterigenkänning.

Varför blandas begreppen ihop?

Begreppen blandas ofta ihop eftersom de hänger nära samman. När människor pratar om AI i dag menar de ofta moderna AI-system som bygger på maskininlärning eller deep learning.

Men AI är egentligen det bredare samlingsnamnet. Maskininlärning och deep learning är olika sätt att bygga AI-system.

Det är ungefär som att säga att en elbil är ett fordon. Det stämmer, men alla fordon är inte elbilar. På samma sätt är deep learning AI, men all AI är inte deep learning.

Var passar ChatGPT och generativ AI in?

ChatGPT och liknande AI-assistenter bygger på stora språkmodeller. En språkmodell är en typ av AI som har tränats på stora mängder text för att kunna förstå och skapa språk.

Moderna språkmodeller använder tekniker från deep learning. Därför kan man säga att ChatGPT är AI, bygger på maskininlärning och använder deep learning som en viktig del av tekniken.

Generativ AI, som kan skapa text, bilder, ljud, video eller kod, bygger ofta på avancerade modeller som tränats på mycket stora mängder data. Resultatet kan kännas kreativt, men bygger fortfarande på mönster, statistik och sannolikheter.

När används vilken teknik?

Vilken teknik som används beror på uppgiften. Enklare AI-system kan räcka när reglerna är tydliga och problemet är avgränsat. Maskininlärning passar bättre när systemet behöver hitta mönster i data. Deep learning används ofta när uppgiften är mer komplex och kräver analys av stora mängder information.

• AI: används som samlingsnamn för smarta system och automatiserade beslut.
• Maskininlärning: används när systemet behöver lära sig från exempel.
• Deep learning: används ofta för mer avancerade uppgifter som språk, bild, ljud och video.

Sammanfattning

AI är det övergripande begreppet för system som kan utföra uppgifter som normalt kräver mänsklig intelligens.

Maskininlärning är en metod inom AI där datorer lär sig från data i stället för att programmeras med alla regler i förväg.

Deep learning, eller djupinlärning, är en avancerad form av maskininlärning som använder neurala nätverk med flera lager för att hantera mer komplexa uppgifter.

Det enklaste sättet att komma ihåg skillnaden är:

• AI är hela området.
• Maskininlärning är ett sätt att bygga AI.
• Deep learning är en avancerad form av maskininlärning.

När du förstår skillnaden blir det lättare att tolka nyheter, verktyg och diskussioner om AI på ett mer nyanserat sätt.