Supervised, unsupervised og reinforcement learning forklart

Kort oppsummert

Det finnes tre hovedtyper maskinlæring. Ved veiledet læring lærer datamaskinen av eksempler med fasit, omtrent som fra en lærebok med svar. Ved ikke-veiledet læring finner den mønstre selv, uten fasit. Og ved forsterkningslæring lærer den ved å prøve og feile og får poeng for gode valg, litt som når du spiller et dataspill.

Tre måter datamaskiner kan lære på

Når vi snakker om maskinlæring, handler det om å lære datamaskiner nye ting uten å programmere dem med detaljerte regler. Mennesker lærer på ulike måter, for eksempel fra lærebøker, ved å eksperimentere eller gjennom prøving og feiling. Og på samme måte kan også datamaskiner lære på forskjellige måter.

I denne artikkelen forklarer vi de tre hovedtypene på en enkel måte, så du trenger ikke teknisk bakgrunn for å henge med.

1. Veiledet læring: Læring med fasit

Veiledet læring (engelsk: supervised learning) er den mest brukte formen for maskinlæring. Her har datamaskinen en “lærer”, altså et datasett der vi allerede vet de riktige svarene.

Slik fungerer veiledet læring

Tenk deg at du vil lære et barn å skille mellom epler og appelsiner. Du viser barnet frukt etter frukt og sier “dette er et eple” eller “dette er en appelsin”. Når barnet har sett mange nok eksempler, kjenner det igjen fruktene på egen hånd.

Veiledet læring fungerer på akkurat samme måte:

Vi gir datamaskinen tusenvis av eksempler der vi vet svaret
Datamaskinen finner mønstre som skiller kategoriene
Når den ser nye eksempler, kan den gjette riktig svar

Praktiske eksempler på veiledet læring

Spam-filter i e-post: Datamaskinen har lært av millioner av e-poster som er merket “spam” eller “ikke spam”. Derfor kan den nå sortere nye e-poster automatisk.

Kredittvurdering: Banker bruker veiledet læring til å vurdere om noen sannsynligvis klarer å betale tilbake et lån. Modellen har lært av historiske data om hvem som betalte, og hvem som ikke gjorde det.

Bildegjenkjenning: Systemet som gjenkjenner ansikter på telefonen din, har lært av millioner av bilder der ansiktene allerede var markert.

Et eple og en appelsin merket med hake viser hvordan veiledet læring trener på fasit for hvert eksempel.

Fordi veiledet læring minner om hvordan mennesker lærer av eksempler, forklarer IBM den som den mest intuitive formen for maskinlæring.

2. Ikke-veiledet læring: Å finne mønstre uten fasit

Ikke-veiledet læring (engelsk: unsupervised learning) betyr at datamaskinen selv må finne ut av ting, uten at vi gir den svarene på forhånd.

Slik fungerer ikke-veiledet læring

Tenk deg at du gir et barn en haug med Lego-klosser og sier “sorter disse”, uten å si noe om hvordan. Da kan barnet velge å sortere etter farge, størrelse eller form, eller etter en kombinasjon av dem. Det finnes altså ikke nødvendigvis ett riktig svar.

På samme måte kan en datamaskin analysere data og finne naturlige grupperinger vi kanskje ikke hadde tenkt på.

Praktiske eksempler på ikke-veiledet læring

Kundesegmentering: En butikk kan gi datamaskinen informasjon om alle kundene sine. Da finner datamaskinen selv naturlige kundegrupper, for eksempel “prisbevisste studenter”, “kvalitetsfokuserte småbarnsfamilier” og “trendsettere som vil ha det nyeste”. Ingen hadde fortalt den om disse kategoriene på forhånd.

Oppdage uvanlig oppførsel (anomalideteksjon): Kredittkortselskaper bruker ikke-veiledet læring til å oppdage svindel. Datamaskinen lærer hva som er “normal” oppførsel, og slår alarm når noe skiller seg ut. Et eksempel er et plutselig kjøp i et fremmed land midt på natten.

Anbefale lignende produkter: Du har sikkert sett “Kunder som kjøpte dette, kjøpte også…” i en nettbutikk. Der har datamaskinen funnet produkter som ofte kjøpes sammen, uten at noen har fortalt den hvilke som hører sammen.

En løs samling klosser uten merking eller fasit viser hvordan ikke-veiledet læring finner mønstre selv.

3. Forsterkningslæring: Læring gjennom prøving og feiling

Forsterkningslæring (engelsk: reinforcement learning) er inspirert av hvordan mennesker og dyr lærer av konsekvenser. Gjør du noe bra, får du belønning, og gjør du noe dumt, får du straff.

Slik fungerer forsterkningslæring

Tenk på hvordan du lærte å spille et nytt dataspill. Ingen fortalte deg nøyaktig hvilke knapper du skulle trykke på, så du prøvde forskjellige ting og lærte av resultatene:

Trykket på denne knappen og fikk poeng! Det var bra.
Gikk i den retningen og døde. Det var dårlig.

Etter hvert lærer du å ta gode valg.

Praktiske eksempler på forsterkningslæring

Spillende AI: DeepMind sin AlphaGo lærte å mestre brettspillet Go ved å spille millioner av spill mot seg selv. Den fikk “belønning” for å vinne og “straff” for å tape.

Selvkjørende biler: Elementer av forsterkningslæring brukes til å lære biler å kjøre trygt. Bilen lærer for eksempel at det er dårlig å komme for nær andre biler, og bra å holde seg i riktig fil.

Roboter som lærer å gå: I stedet for å programmere nøyaktig hvordan en robot skal bevege bena, kan vi la den prøve tusenvis av ganger. Slik lærer den at noen bevegelser er dårlige fordi den faller, mens andre er bra fordi de får den fremover.

En terning med en pil til en stjerne viser hvordan forsterkningslæring belønner gode valg etter prøving.

Hvilken type er best?

Det finnes ikke én “beste” type, fordi de brukes til forskjellige ting:

Type	Når brukes den?	Eksempel
Veiledet læring	Når vi har mye data med fasit	Spam-filter, bildegjenkjenning
Ikke-veiledet læring	Når vi vil oppdage mønstre vi ikke visste om	Kundesegmentering, anomalideteksjon
Forsterkningslæring	Når det handler om sekvenser av beslutninger	Spill, robotikk, selvkjøring

Mange moderne AI-systemer kombinerer flere typer. ChatGPT lærer for eksempel først språk gjennom selvveiledet læring, altså ved å gjette neste ord i enorme mengder ren tekst uten menneskelige fasitsvar. Deretter finjusteres den med menneskeskrevne eksempler og forsterkningslæring for å bli bedre til å gi gode svar.

Vanlige spørsmål

Hvilken type bruker ChatGPT?

ChatGPT bruker en kombinasjon! Først lærer den språk av enorme mengder ren tekst, uten at noen har gitt den fasitsvar. Det er selvveiledet læring, en variant av ikke-veiledet læring der teksten selv leverer treningssignalet. Deretter finjusteres den med menneskeskrevne eksempler, og til slutt lærer den å gi svar som mennesker liker, gjennom forsterkningslæring fra menneskelig tilbakemelding (RLHF).

Må jeg kunne programmering for å forstå dette?

Nei! Dette er grunnleggende begreper som alle kan forstå, og du trenger ikke kunne programmere for å skjønne forskjellen på de tre typene.

Hvilken type er mest brukt?

Veiledet læring er klart mest brukt i praksis, fordi den er enklest å kontrollere og gir forutsigbare resultater når man har gode treningsdata.

Kan de kombineres?

Ja, og det gjøres ofte! “Semi-supervised learning” kombinerer for eksempel veiledet og ikke-veiledet læring, og mange moderne systemer bruker flere teknikker sammen.

Oppsummering

De tre hovedtypene maskinlæring er:

Veiledet læring: Datamaskinen lærer av eksempler der vi vet fasit. Det er den mest brukte typen og den enkleste å forstå.
Ikke-veiledet læring: Datamaskinen finner mønstre selv, uten fasit. Det er nyttig for å oppdage ting vi ikke visste om.
Forsterkningslæring: Datamaskinen lærer gjennom prøving og feiling, med belønning og straff. Den brukes til spill og til komplekse rekker av beslutninger.

Kilder

Sist oppdatert: Januar 2026

Typer maskinlæring: Supervised, unsupervised og reinforcement learning forklart