Maskinlæring

Maskinlæring er af alle tider. Det er svært at forestille sig, men før lommeregnere kom på markedet, blev regnearbejde udført af mennesker, og der eksisterede en funktion 'regnemaskine'. I de senere år har vi hovedsageligt set det inden for sprogforståelse, men computere bliver også stadig bedre til at håndtere billeder og lyd.

Sprogmodeller: at lære en maskine at læse

I mange undersøgelser drager vi indsigter baseret på statistikker. Nogle gange er de nødvendige tal ikke tilgængelige i struktureret form, men i ustrukturerede tekster. På denne måde kan vi indsamle data om de færdigheder, der efterspørges på arbejdsmarkedet, baseret på jobopslag. Med tekstklassificering kan dette automatiseres, og en computer kan automatisk tildele en 'etiket' til en tekst. De af os udviklede algoritmer er pålidelige og resistente over for (for eksempel) stavefejl.

I det følgende eksempel viser vi, hvor nemt det er for en computer at lære forskellen mellem hollandske drenge- og pigenavne. Vi bruger software og modeller til maskinlæring, som Dialogic selv har udviklet.

Tekstklassificering kan analysere store mængder tekst. Et eksempel er analyse af store mængder litteratur for at vurdere, i hvilket omfang artikler fra et universitet handler om bæredygtighedsmål (SDG'er). Nedenstående billeder viser resultaterne heraf for et hollandsk universitet.