Machine Learning er ‘byggestenen’ i de mere avancerede former for kunstig intelligens.
Det er den læringsbaserede del af AI, der fokuserer på at give computere evnen til at lære at gøre forudsigelser eller tage beslutninger baseret på store mængder data, uden specifikt at være programmeret til hver opgave. I Machine Learning benytter man statistiske modeller til at lære at genkende mønstre i data og træffe beslutninger på baggrund her af. En variant af Machine Learning, kaldet Deep Learning, har især vist sig effektiv til opgaver som involverer tekst, billeder og lyd, eksempelvis ansigts- og stemmegenkendelse, indlæsning af håndskrevne formularer eller identifikation af objekter i billeder.
Machine Learning er et særdeles vigtigt element i at understøtte kunderejser med værdifuld kommunikation. Med de rette data kan det anvendes til at forudse hvilke af dine kunder der vil købe et bestemt produkt, hvilke der får behov for brugersupport, og hvilke som er i risikogruppen for at forlade dig. Machine Learning kan også bruges til at finde de bedste målgrupper for kampagner og segmentere nye og potentielle kunder.
I Ambitions datascience-team har vi med Machine Learning bl.a. skabt en prædiktion af en a-kasses medlemmers ledighedsforløb, hvis de mister deres job. På den måde kan a-kassen prioritere hurtigt at hjælpe de medlemmer, som har mest behov for hjælp til at komme i arbejde igen.
Generativ AI
Generativ AI, som vi kender det fra f.eks. Dall-E, Midjourney og ChatGPT, er en specifik anvendelse af Machine Learning. Denne fokuserer på at lave kopier af det materiale, den er trænet på, det være sig tekster, billeder, musik, film eller computerkode. Selvom den genererer materiale ud fra instrukser fra brugeren, er mange af de bagvedliggende principper de samme – når ChatGPT f.eks. genererer en tekst, forudser den i virkeligheden bare det næste ord ud fra en sandsynlighedsbetragtning, ligesom ”almindelige” Machine Learning modeller gør. Disse modeller er dog skræddersyede til deres respektive opgaver og trænet på meget omfattende data og med en computerkraft, hvor de færreste virksomheder kan være med. På det seneste har ”billigere” metoder til at træne generative modeller dog set dagens lys, samtidig med at techgiganternes store ”foundational models” er tilgængelige, til at mindre aktører kan fintune dem og berige dem med egne data, ligesom andre aktører har gjort deres modeller open source.
I Ambitions kreative team er Generativ AI hurtigt blevet en fast del af den kreative værktøjskasse. Teamet benytter blandt andet ChatGPT og Midjourney i både den eksplorative fase og i produktionen af diverse assets. AI er samtidig en integreret del af Adobes verden, hvilket naturligt gør, at vi anvender generativ AI i dagligdagen.
Sammenligning
- AI er det bredeste koncept og inkluderer enhver teknik, der gør computere i stand til at udføre opgaver, som kræver menneskelig intelligens.
- Machine Learning er en metode inden for AI, der fokuserer på at lære fra data og anvende denne læring til at gøre forudsigelser eller tage beslutninger.
- Generativ AI er en specifik anvendelse af Machine Learning til at generere indhold såsom tekst, computerkode, billeder og musik.
Modellerne har det tilfælles, at de ikke er bedre end de data, de er trænet på. Derfor er det godt, at vi hos Ambition har over 20 års erfaring i at bruge første- og tredjepartsdata til at skabe værdi for vores kunder.
Er du blevet nysgerrig på, hvordan du får endnu mere værdi af intelligent brug af data? Kontakt os og hør hvordan vi sammen kan optimere jeres kunderejser: ambition@ambition.dk