B· Utforskareklassisk-ml· ca 20 min· grundläggande — ändras sällan· verifierad 2026-09-20
Regler kontra inlärning
Kunna förklara skillnaden mellan ett program där en människa skrivit reglerna och ett system som hittat reglerna själv ur exempel, och avgöra vilket som passar ett givet problem.
Förkunskaper
- BAlgoritmiskt tänkandekrävs
- BData från vardagenkrävs
Vardagsförklaring
Att räkna ut moms är lätt att skriva som regel: pris × 0,25. Att avgöra om en bild föreställer en katt är nästan omöjligt att skriva som regler — hur beskriver man "kattighet" i steg?
Regelbaserat: människan skriver stegen. Maskininlärning: människan visar tusentals exempel (bild + "katt"/"inte katt") och datorn hittar ett mönster själv.
Intuition
| Regler | Inlärning | |
|---|---|---|
| Vem hittar mönstret? | Människan | Datorn, ur data |
| Passar när… | reglerna går att skriva ner | exemplen är många och reglerna oklara |
| Fel uppstår när… | en regel saknas | exemplen är få, fel eller snedvridna |
| Går det att förklara svaret? | ja, steg för steg | ofta bara delvis |
Båda är algoritmer. Skillnaden är var reglerna kommer ifrån.
Behärskning innebär
- Ger exempel på problem som passar regler respektive inlärning
- Förklarar varför "känna igen en katt på bild" är svårt att skriva regler för
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
Leder till
Del av målen (37)
- Förstå vad AI är — och vad den inte är
- Bygg en AI-tjänst som håller i drift
- AI, etik och samhälle
- Data: samla, städa, dokumentera
- Byggare — samla data, träna en modell och testa AI kritiskt
- Språkmodeller i praktiken
- AI-tjänst i drift
- Datorer som ser och hör
- Klassisk maskininlärning i praktiken
- Tolka en språkmodell
- AI-säkerhet i praktiken
- Ansvarsfull AI i praktiken
- Bygg ett RAG-system som går att lita på
- Utforskare — bygg ett spel och träna en maskin
- Klassisk ML på riktigt
- Träna ditt första neuronnät
- Bygg en agent som går att lita på
- Bygg ett röstgränssnitt
- Bygg ett minnessystem för en agent
- Finjustera och driva egna modeller
- Multimodala system
- AI i produktion
- Träna neuronnät på riktigt
- Träna en agent med belöning
- Bygg ett NLP-system end-to-end
- Frontier Lab — självständigt forskningsprojekt
- Evals i praktiken
- Finjustera en modell med LoRA
- Djup reinforcement learning
- Bildklassificering med faltningsnät
- Kör modeller billigare: kvantisering
- Förstå hur generativ AI fungerar
- Reproducera ett paper
- Bygg en transformer från grunden
- Generativa modeller i djupet
- Se och höra med AI
- Statistik för experiment