Maskininlärning bakom nytt test för cancerupptäckt

Maskininlärning (engelska: machine learning) är ett område inom artificiell intelligens, och därmed inom datavetenskapen. Det handlar om metoder för att med data "träna" datorer att upptäcka och "lära" sig regler för att lösa en uppgift, utan att datorerna har programmerats med regler för just den uppgiften. Området angränsar till statistik, datorseende och mönsterigenkänning. Datautvinning (datamining) är ett betydelsenära begrepp som avser en kombination av maskininlärning och statistiska metoder för att upptäcka och visualisera mönster i stora mängder data. Maskininlärningsmetoder arbetar med data. Ofta kan datan delas in i indata (den information som datorn får tillgång till) och utdata (det svar som datorn förväntas ge efter att ha bearbetat indatan). En definition av maskininlärning har skapats av Tom M. Mitchell. Han definierar de algoritmer som studeras inom maskininlärning som "ett datorprogram sägs lära av erfarenhet E givet en uppgift T och ett prestandamått P om dess prestanda på uppgiften T, mätt med P, ökar med erfarenhet E". Maskininlärning är en viktig komponent av det bredare området artificiell intelligens som involverar skapandet av system och maskiner som kan utföra olika typer av uppgifter som normalt skulle kräva mänsklig intelligens. För att utveckla AI-system krävs maskininlärning för att träna systemen att bli mer kapabla och avancerade. Maskininlärning är därför en förutsättning för utvecklandet av AI-teknik då deras förmågor grundar sig i informationen och sätten de tränas på. En vanlig missuppfattning är att artificiell intelligens och maskininlärning är samma sak. Även om dessa områden har ett nära samband kan deras relation bäst beskrivas som att maskininlärning är en del av AI.