Supervised vs Unsupervised Learning
Udtryk som overvåget læring og uovervåget læring bruges i sammenhæng med maskinlæring og kunstig intelligens, der bliver vigtigere for hver dag, der går. Maskinlæring er for lægmanden algoritmer, der er datadrevne og får en maskine til at lære ved hjælp af eksempler. Der er to typer læring; nemlig superviseret læring og uovervåget læring, der forvirrer eleverne, da der er mange ligheder mellem de to. På trods af overlapning er der dog forskelle, som vil blive fremhævet i denne artikel.
I de kommende år vil vi sandsynligvis opleve en stigning i udviklingen af maskinlæring for at gøre det nemmere og hurtigere at håndtere forretningsproblemer. Ansættelse af medarbejdere til at tackle simple forretningsproblemer ville blive forældet ved at bruge begreberne superviseret og uovervåget læring.
Hvad er Supervised Learning?
Dette er en type læring, hvor maskinlæring finder sted ved hjælp af input fra brugere. Meget af forskningen inden for maskinlæring og kunstig intelligens indtil dato har fokuseret på overvåget læring. For eksempel bliver spam-mappen i din e-mail fuld med nogle gange endda vigtige mails, der kommer til den utilsigtet. Systemet arbejder på basis af maskinlæring, der giver besked om en algoritme vedrørende analyse af spam. Systemet bruger oplysningerne til at filtrere meddelelser og sende dem til spam-mappen, hvilket reducerer falske positiver. I en søgemaskine fungerer algoritmen ud fra det link, der først blev klikket på, når det åbner søgeresultater. Dette fører til forbedringer i søgeresultaterne for en bruger. Der er dog visse ulemper ved overvåget læring, da maskinen har en vag idé om, hvad der er rigtigt og hvad der er forkert. Denne menneskelige feedback sætter ofte begrænsninger for den fremtidige brug af overvåget læring.
Hvad er uovervåget læring?
Vi lever i tider, hvor vi hele tiden leder efter bedre ydeevne fra maskiner, uanset om det er CCTV-data, GPS-data, online transaktionsdata, maskinscanningsdata, sikkerhedsscanningsdata og så videre. Organisationer og regeringer vil have maskiner, der ikke har brug for eller kræver overvågede data fra mennesker, for at give bedre resultater. Dette kræver naturligvis, at man lægger en større indsats i retning af automatisering, og selvom det er usandsynligt, at uovervåget læring vil erstatte overvåget læring i den nærmeste fremtid, vil de hybride tilgange sandsynligvis dukke op i den nærmeste fremtid, som vil være hurtigere og mere mere effektive end de resultater, vi får gennem superviseret læring i øjeblikket.
Hvad er forskellen mellem Supervised og Unsupervised Learning?
• Superviseret læring og uovervåget læring er to forskellige tilgange til at arbejde for bedre automatisering eller kunstig intelligens.
• I overvåget læring er der menneskelig feedback for bedre automatisering, hvorimod maskinen i uovervåget læring forventes at levere bedre præstationer uden menneskelige input.
• Hybride tilgange er mere sandsynlige løsninger i den nærmeste fremtid, der gør brug af både superviseret og uovervåget læring.
