Hva «læring» betyr for en maskin, og hvorfor treningsdataene setter grenser for det modellen kan gjøre.
Når en maskin «lærer», tilegner den seg ikke forståelse slik en elev gjør. Under trening justeres mange tallverdier i modellen slik at den blir bedre til en bestemt oppgave, for eksempel å skille bilder, forutsi neste ord eller velge en handling. Resultatet er et statistisk mønster, ikke en forklaring modellen selv kan gjøre rede for.
Et system med håndskrevne regler gjør det utvikleren har spesifisert: hvis dette skjer, gjør slik. I maskinlæring viser utvikleren i stedet mange eksempler og angir hva modellen skal bli bedre til. Modellen prøver, feilen måles, og verdiene justeres. Når den senere møter noe nytt, bruker den mønstrene fra treningen til å beregne et sannsynlig resultat.
Derfor setter treningsdataene grenser. Hvis eksemplene er skjeve, utdaterte eller mangler viktige variasjoner, kan resultatene bli skjeve eller svake. Et godt spørsmål er ikke bare «hvor nøyaktig er modellen?», men også «hvilke eksempler lærte den av, og passer de til situasjonen vår?».
Elever kan få tak i prinsippet uten skjerm. Når de lager en sorteringsregel fra noen få eksempler og prøver den på et nytt tilfelle, møter de både styrken og svakheten ved maskinlæring: Regelen kan virke godt på det kjente og likevel feile på noe treningssettet ikke forberedte dem på. Denne forskjellen mellom mønster og forståelse er viktigere enn navnene på de nyeste modellene.
Åpne elevopplegget Snill ape, slem ape. Se på noen få treningseksempler, lag en sorteringsregel og prøv den på ett nytt eksempel. Noter hva som skjer når eksemplet ikke passer godt med regelen. Det er analogien du kan ta med til elevene.
Gjennomfør klassifiseringen med kollegene i elevrollen. Avslutt med to kolonner: Dette viser øvelsen godt; dette viser den ikke. Formuler deretter en felles forklaring på forskjellen mellom mønstergjenkjenning og forståelse.
OECD/EU (2026): Empowering Learners for the Age of AI (AILit), Kunnskap 1.2, 2.2 og 2.4 (s. 18–20) og ordlisten (s. 54–55). CC BY 4.0 · Utdanningsdirektoratet: Hva skal elevene lære om og med KI? (23.06.2026).