Maskinlæring vanlige spørsmål

Maskinlæring brukes i mange av appene og tjenestene du interagerer med hver dag. Det er enkelt og greit et begrep for å beskrive hvordan en datamaskin analyserer data og deretter predikerer eller gir forslag, basert på det den lærer.

Som et generelt eksempel på maskinlæing kan et e-postprogram automatisk flytte alle meldinge fra en spesiell sender til søppelpostmappen din. Datamaskinen analyserer dataene inkludert i e-postene dine og predikerer fra mønstrene den oppdager, sannsynligheten for at meldingene fra en spesielle sender eller et spesielt domene er søppelpost. Den handler deretter basert på den spådommen og flytter meldingene ut av innboksen din.

Når du merker en melding som «søppel», kan datamaskinen lære av det og bli bedre til å automatisk flagge søppelpost. Over tid kan datamaskinen ta flere data med i beregningen for å bli bedre og bedre på en spesiell oppgave. Prosessen med forbedring gjennom erfaring kalles maskinlæring.

Med maskinlæring blir programmene og enhetene du bruker bedre til å levere deg en persontilpasset tjeneste over tid. Jo mer du bruker stemmegjenkjenningsprograre, for eksempel, desto bedre forstår programvaren stemmer din og desto bedre fungerer det.

I Adobe kan vi bruke maskinlæring til å hjelpe deg med å bli mer effektiv og kreativ. Vi kan for eksempel bruke maskinlæring til å hjelpe deg med å oganisere og redigere bildene dine. Med objektgjenkjennelse i Lightroom kan vi automatisk merke alle bilder av hunden din. I Photoshop kan maskinlæring lære oss med å identifisere bilder som kan være for mørke og automatisk justere lysstyrken for deg.

Vi kan også bruke maskinlæring til å komme med innholdsbevisste forslag. Hvis du jobber med en brukergrensesnittmodell, kan for eksempel Photoshop automatisk foreslå stock-knappikoner. Denne type innholdsbevisst forslag kan bli mer relevant for arbeidet ditt når Photoshop lærer av dataene dine, heller enn generiske data tilgjengelig på Internett.

Datamaskinen kan analysere innholdet ditt når du sender, mottar eller lagrer filer ved å bruke våre skytjenester. Vi går ikke inn på filene lagret lokalt på datamaskinen din. Vi bruker data i filene dine, aktivitetslogger og direkte tilbakemelding fra deg for å trene og forbedre algoritmene våre.

Vi kan for eksempel bruke mønstergjenkjennelse på bildene våre for å identifisere alle bilder av hunder og automatisk merke dem for deg. Hvis du velger ett av disse bildene og indikerer at det ikke inkluderer en hund, bruker vi den informasjonen til å bli bedre på å identifisere bilder av hunder.

Vi bruker det vi lærer av alle Adobe-brukere til å gjøre produktene og tjenestene våre bedre for alle. Hvis du for eksempel redigerer strandbilder slik at de ser mettet og levende ut og en annen bruker redigerer bryllupsbilder for å ha et dempet fokus og dempet lys, kan programmene våre lære av disse forskjellene. Når en tredje bruker senere redigerer et strand eller bryllupsbilde, kan vi gi dem passende stilforslag, basert på det vi lærte av deg og andre brukere.

Du finner en oversikt over hvordan Adobe kan bruke informasjonen som er knyttet til deg iAdobes personvernsenter.

Datamaskinen kan analysere innholdet ditt når du sender, mottar eller lagrer filer ved å bruke våre skytjenester. Vi går ikke inn på filene lagret lokalt på datamaskinen din. 

Adobe tar personvernet ditt på alvor. Innsikten som oppnås gjennom maskinlæring kan ikke brukes til å gjenskape innholdet ditt eller noen personopplysninger.

Du finner en oversikt over hvordan Adobe kan bruke informasjonen som er knyttet til deg iAdobes personvernsenter.

Hvis du foretrekker at Adobe ikke analyserer filene dine for å handle og komme med forslag, kan du slå av maskinlæring når som helst.