Istället för att skriva regler för varje situation visar du en dator exempel och låter den hitta mönster. Det är maskininlärning – algoritmer som lär sig av data för att göra förutsägelser. Ett skräppostfilter lär sig av miljontals märkta e-postmeddelanden. En rekommendationsmotor lär sig av vad du tittade på och vad du hoppade över.

Maskininlärning har tre huvudsakliga paradigm. Övervakad inlärning använder märkta data. Oövervakad inlärning hittar struktur i omärkta data. Förstärkande inlärning tränar agenter genom belöningar och straff. Djupinlärning använder neurala nätverk med många lager för att hantera bilder, tal och text.

Vanliga tillämpningar

• Bildigenkänning: ansikten, föremål, medicinska skanningar
• Naturligt språk: översättning, chatbotar, sentimentanalys
• Rekommendation: produkter, filmer, musik
• Bedrägeriupptäckt: kreditkort, försäkringsanspråk
• Autonoma system: bilar, drönare, robotar

Maskininlärning är kraftfullt men ofullkomligt. Modeller kan vara partiska, sköra och svåra att tolka. De behöver stora mängder ren data. De misslyckas på sätt som människor finner uppenbara. Området utvecklas snabbt. Skyddsräcken gör det inte.