Frågor och svar om maskininlärning

Maskininlärning används idag i många av de program och tjänster som du använder dagligen. Det är helt enkelt en term för att beskriva hur en dator analyserar data och sedan gör förutsägelser eller ger förslag baserat på den nya kunskapen.

Som ett allmänt exempel på maskininlärning kan t.ex. en e-posttjänst automatiskt flytta meddelanden från en viss sändare till skräppostmappen. Datorn analyser de data som finns i dina e-postmeddelanden och förutsäger, genom de mönster som upptäcks, sannolikheten att meddelanden från en viss sändare eller domän är skräppost. Datorn vidtar sedan åtgärder i enlighet med förutsägelsen och flyttar meddelandet från din inkorg.

När du markerar ett meddelande som ”skräppost” minns datorn det och blir bättre på att identifiera skräppost. Med tiden kan datorn ta hänsyn till mera data för att bli bättre på en viss uppgift. Maskininlärning innebär således förbättring genom erfarenhet.

Med maskininlärning blir de program och tjänster du använder bättre på att med tiden ge dig personlig service. Ju oftare du använder exempelvis ett röstigenkänningsprogram, desto bättre blir programmet på att förstå din röst och fungerar således bättre och bättre.

Hos Adobe används maskininlärning för att hjälpa dig att bli mer effektiv och kreativ. Vi kan till exempel använda maskininlärning för att hjälpa dig att organisera och redigera dina bilder. Genom att känna igen objekt i Lightroom kan vi automatiskt tagga alla bilder på din hund. I Photoshop kan maskininlärning hjälpa oss att identifiera bilder som är för mörka och automatiskt justera ljusstyrkan åt dig.

Vi kan även använda maskininlärning för att ge förslag efter innehåll. Om du till exempel arbetar på en gränssnittsprototyp kan Photoshop automatiskt föreslå knappsymboler. Denna typ av förslag efter innehåll kan bli mer relevanta för ditt arbete när Photoshop lär sig av dina data snarare än genom allmänna data som hittas på Internet.

Datorn analyserar eventuellt ditt innehåll när du skickar, tar emot eller lagrar filer i vår molntjänst. Vi kommer inte åt filer som sparas lokalt på din dator. Vi använder data i dina filer, aktivitetsloggar och dina egna synpunkter för att utveckla och förbättra våra algoritmer.

Som exempel kan du använda mönsterigenkänning på dina bilder för att identifiera samtliga bilder på din hund och automatiskt tagga dem. Om du väljer en av de bilderna och indikerar att det inte är en bild på din hund använder vi den informationen för att bli bättre på att identifiera bilder på din hund.

Vi använder det vi lär oss av samtliga Adobe-användare för att förbättra våra produkter och tjänster för alla. Om du exempelvis redigerar strandbilder för att göra dem mättade och livfulla medan någon annan redigerar bröllopsbilder med mjukt fokus och mjuk belysning kan våra program lära sig skillnaden. När sedan en tredje användare redigerar en strand- eller bröllopsbild kan vi föreslå lämpliga stilförändringar baserat på det vi har lärt oss av dig och andra användare.

En översikt över hur Adobe använder den information som är kopplad till dig finns i Adobes sekretesscenter.

Datorn analyserar eventuellt ditt innehåll när du skickar, tar emot eller lagrar filer i vår molntjänst. Vi kommer inte åt filer som sparas lokalt på din dator. 

Adobe tar din integritet på allvar. Den inblick vi får genom maskininlärning går inte att använda för att återskapa ditt innehåll eller annan personlig information.

En översikt över hur Adobe använder den information som är kopplad till dig finns i Adobes sekretesscenter.

Om du inte vill att Adobe ska analysera dina filer för att vidta åtgärder och ge förslag kan du när som helst stänga av den funktionen.