Träningsmetoder för AI

Skrivet av Martin Ågren 2024-03-30

Exempel på träningsmetoder för AI

Metoderna har sorterats i bokstavsordning: A till Ö.

Djupinlärning - Deep learning - DL

Djupinlärning är en underkategori till området maskininlärning. Djupinlärning är en metod (för att träna AI) som användas ihop med neuronnät. Det heter "djupinlärning" på grund av de djupa lagren (i neuronnäten) som används för att AI:n ska lära sig att identifiera mönster i data. 

Förstärkningsinlärning - Reinforcement learning - RL

AI-modellen får belöning eller straff, beroende på vilka beslut AI:n fattar under träningens gång. Exempel: RL kan passa bra vid träning av dessa typer av AI:

• Självkörande bil

• Spel (vissa typer av spel)

Maskininlärning - Machine learning - ML

Maskininlärning (ML) är en underkategori till AI. Maskininlärning är den dominerande principen för att utveckla AI idag. Maskininlärning rymmer många olika tekniker för att träna artificiell intelligens (AI). 

Principen för maskininlärning: Ett datorsystem matas med data, i syfte att datorn ska lära sig av datan och utvecklas mot målet att kunna utföra en viss uppgift. 

Python är det vanligaste programmeringsspråket inom ML. 

Oövervakat lärande - Oövervakad inlärning -Unsupervised Learning - uSL

Träningsdatan är inte märkt i förväg. AI tränas på att indentifiera mönster och samband (i den omärkta datan) utan direkt vägledning från människor.

Semi-övervakat lärande - Semi-övervakad inlärning - Semi-supervised learning - (Undvik SSL)

En kombination av övervakat lärande (märkt träningsdata) och oövervakat lärande (omärkt träningsdata). 

Undvik att använda förkortningen "SSL" eftersom den ibland förväxlas med Self-supervised learning. 

Sim2Real

AI tränas i en digital simulering, för att i ett senare skede testas i den fysiska världen, där också träningen vanligtvis fortsätter ett tag. Träning i digital simulering är mer kostnadseffektivt och tidseffektivt, jämfört med att träna AI-robotar i fysisk miljö. 

Självövervakat lärande - Självövervakad inlärning - Self-supervised learning - (undvik "SSL")

Likt övervakat lärande, med den skillnaden att AI själv märker upp utdatavärden. Man kan säga att AI tränar sig själv (efter att människor försett AI med träningsdata). 

Undvik att använda förkortningen "SSL" eftersom den ibland förväxlas med Semi-supervised learning. 

Spelagent - Game agent

AI fattar beslut och agerar en spelmiljö. Spelagentsmetoden kombineras med förstärkningsinlärning enligt denna princip: Spelagenten lär sig genom trail and error följt av feedback (positiv eller negativ förstärkning). 

Exempel: Antag att du vill utveckla en mobilapp för undervisning. Då kan spelagent vara en användbar metod för att träna AI-modellen att agera på ett önskvärt sätt. 

Övervakat lärande - Övervakad inlärning - Supervised learning - SL

Människor  anger (märker upp) önskat värde för utdata. AI matas med träningsdatan, där både input och uppmärkt utdata ingår. AI lär sig då önskad output, baserat på den märkning som människor gjort i förväg.