Forskjellen på AI, maskinlæring og dyp læring

Kort oppsummert

Kunstig intelligens (AI) er paraplybegrepet for alle datamaskiner som kan gjøre “smarte” ting, og maskinlæring er én måte å lage AI på, der datamaskinen lærer fra eksempler. Dyp læring er den mest avanserte formen for maskinlæring og bruker kunstige “hjerner” med mange lag. De tre begrepene ligger altså inni hverandre, som russiske babushka-dukker.

Hva betyr egentlig disse begrepene?

Har du lurt på hva folk egentlig mener når de snakker om “kunstig intelligens”, eller hvorfor noen sier “machine learning” mens andre sier “AI”? Da er du ikke alene. Begrepene brukes ofte om hverandre i media, men de betyr faktisk forskjellige ting.

Vi starter med det enkleste. Artificial intelligence (AI), eller kunstig intelligens på norsk, er samlebetegnelsen for all teknologi som får datamaskiner til å gjøre ting vi vanligvis tenker krever menneskelig intelligens. Det spenner fra å kjenne igjen ansiktet ditt når du låser opp telefonen, til å oversette tekst fra norsk til spansk.

Kunstig intelligens er systemer som kan tolke data og bruke informasjonen til å nå bestemte mål, slik regjeringens nasjonale AI-strategi definerer det. Med andre ord er det datamaskiner som på en eller annen måte kan “tenke”.

Hvordan henger AI, machine learning og deep learning sammen?

Det enkleste er å tenke på de tre begrepene som sirkler som ligger inni hverandre:

Artificial intelligence (AI) er den ytterste og største sirkelen, som omfatter ALL teknologi som gjør datamaskiner “smarte”
Machine learning (maskinlæring) ligger inni AI-sirkelen, fordi det er én bestemt måte å lage kunstig intelligens på
Deep learning (dyp læring) ligger inni machine learning-sirkelen og er den mest avanserte typen maskinlæring

Et sjakkprogram med faste regler er ren kunstig intelligens, et spamfilter som lærer av eksempler er maskinlæring, og ChatGPT er dyp læring.

Artificial intelligence: Alt som er smart

AI har eksistert som begrep siden 1950-tallet, da forskere drømte om maskiner som kunne tenke som mennesker. I dag bruker vi AI hver eneste dag, ofte uten å tenke over det.

Når du spør Siri om været, bruker du AI. Når Netflix foreslår en film du kanskje vil like, bruker du AI. Når e-posten din automatisk sorterer spam i en egen mappe, bruker du AI.

Bruken av kunstig intelligens i norske bedrifter fortsetter å øke kraftig, ifølge tall fra Statistisk sentralbyrå. I 2025 oppga tre av ti norske bedrifter med minst ti ansatte at de bruker KI-teknologi, opp fra to av ti i 2024. Derfor er sjansen stor for at du også møter AI på jobben, om du ikke allerede gjør det.

Det er likevel viktig å huske at ikke all AI lærer av seg selv. Tidlige AI-systemer fulgte bare regler som mennesker hadde programmert inn. Et sjakkprogram fra 1990-tallet visste for eksempel hvilke trekk som var lovlige, fordi noen hadde skrevet inn alle reglene. Noe nytt lærte det derimot ikke underveis.

Machine learning: Datamaskiner som lærer fra erfaring

Machine learning er en måte å lage AI på der datamaskinen faktisk lærer fra eksempler, akkurat som mennesker gjør.

Tenk deg at du skal lære et barn hva en katt er. Du gir ikke barnet en lang liste med regler (“fire bein, spisse ører, værhår…”). I stedet viser du det mange bilder av katter og sier “dette er en katt” hver gang. Etter hvert kjenner barnet igjen katter selv, også katter det aldri har sett før.

Machine learning fungerer på samme måte. I stedet for å programmere inn regler gir vi datamaskinen tusenvis av eksempler, og så finner den selv ut hva eksemplene har til felles.

IBM forklarer machine learning som systemer som forbedrer seg automatisk gjennom erfaring. Jo flere eksempler systemet ser, jo bedre blir det.

Praktiske eksempler på machine learning i hverdagen:

Spam-filter i e-post: Filteret har lært av millioner av eksempler på spam og legitime e-poster.
Netflix-anbefalinger: Tjenesten lærer av hva du og millioner av andre har sett og likt.
Kredittkortsvindel-deteksjon: Systemet lærer å kjenne igjen uvanlige kjøpsmønstre.

Deep learning: Kunstige hjerner

Deep learning er den mest avanserte formen for machine learning. Det er denne teknologien som driver de mest imponerende AI-systemene i dag, for eksempel ChatGPT, bildegeneratorer som GPT Image og stemmeassistenter.

Navnet kommer av at teknologien bruker kunstige nevrale nettverk (neural networks) med mange lag. Du kan tenke på dem som en forenklet etterligning av hjernen. Hjernen din har milliarder av hjerneceller, såkalte nevroner, som er koblet sammen. Kunstige neural networks har også enheter som er koblet sammen, bare langt færre og mye enklere.

Ordet “dyp” viser til at nettverkene har mange lag. Informasjonen går gjennom lag etter lag, og for hvert lag blir forståelsen mer avansert. Viser du nettverket et bilde av en katt, skjer omtrent dette:

Første lag finner enkle ting som kanter og linjer
Neste lag kombinerer disse til former
Dypere lag gjenkjenner ører, øyne og snute
De dypeste lagene forstår “dette er en katt”

Google Cloud AI bruker deep learning i alt fra bildegjenkjenning til språkforståelse. Det er deep learning som gjør at du kan snakke med telefonen din, og at den faktisk forstår hva du sier.

Hvorfor er dette viktig å forstå?

Du trenger ikke være teknisk ekspert for å ha nytte av å kjenne forskjellen. Det hjelper deg på tre måter:

1. Du kan skille hype fra virkelighet. Når noen sier at produktet deres bruker “AI”, vet du nå at det kan bety svært forskjellige ting. Også et enkelt regelbasert system er teknisk sett AI, selv om det er langt mindre avansert enn deep learning.

2. Du forstår verktøyene du bruker. ChatGPT bruker deep learning, mens spam-filteret i e-posten din bruker machine learning. Når du vet det, er det lettere å forstå hva verktøyene kan og ikke kan.

3. Du er bedre forberedt på fremtiden. AI kommer til å påvirke stadig flere deler av livet og arbeidet vårt. Datatilsynet har laget anbefalinger for hvordan bedrifter bør bruke AI på en ansvarlig måte, og det angår oss alle.

Vanlige spørsmål

Er machine learning og AI det samme?

Nei, men de henger sammen. AI er paraplybegrepet for all smart teknologi, og machine learning er én måte å lage AI på. Tenk på det sånn: alle hunder er dyr, men ikke alle dyr er hunder. På samme måte er all machine learning AI, men ikke all AI er machine learning.

Retningen avgjør: alt av det spesifikke tilhører det brede, men ikke motsatt.

Hva bruker ChatGPT?

ChatGPT bruker deep learning, nærmere bestemt en type nettverk som kalles en transformer. Den typen nettverk er spesielt god til å forstå og generere språk, og modellen har lært fra enorme mengder tekst fra internett.

Trenger jeg å kunne programmere for å bruke AI?

Absolutt ikke! Verktøy som ChatGPT, Google Translate og stemmeassistenter er laget for at alle skal kunne bruke dem. Du trenger bare å skrive eller snakke normalt.

Kan AI tenke som mennesker?

Nei, ikke ennå. Selv dagens mest avanserte AI-systemer kjenner igjen mønstre og lager svar ut fra statistikk. De har ingen bevissthet eller ekte forståelse, så når ChatGPT svarer deg, forstår den ikke egentlig hva den sier. Den forutsier hvilke ord som sannsynligvis kommer etter ordene du skrev.

Oppsummering og kilder

Artificial intelligence (AI), eller kunstig intelligens, er samlebetegnelsen for all teknologi som gjør datamaskiner smarte
Machine learning (maskinlæring) er en måte å lage AI på der systemet lærer fra eksempler
Deep learning (dyp læring) er den mest avanserte formen for machine learning, basert på kunstige neural networks

Nå vet du mer enn de fleste om hva disse begrepene faktisk betyr. Neste gang noen snakker om AI, kan du nikke med og faktisk forstå hva de mener!

Kilder:

Sist oppdatert: Januar 2026

Forskjellen på kunstig intelligens, maskinlæring og dyp læring