Et konvolutionelt neuralt netværk (CNN) er en arkitektur for neurale netværk, der er særlig velegnet til billeddata. Det gennemsøger inputtet med små filtre og genkender simple træk som kanter i de første lag og mere komplekse former i de dybere lag. CNN'er prægede billedgenkendelsen i mange år og bruges for eksempel til at finde fejl på produktfotos eller i medicinsk billedanalyse.
Deep learning er en gren af maskinlæring, der bruger kunstige neurale netværk med mange lag. Sådanne netværk lærer ud fra store datamængder, hvilke træk der er vigtige – fra kanter i billeder til betydningsrelationer i tekster. Deep learning ligger til grund for nutidens sprogmodeller, billed- og talegenkendelse og maskinoversættelse og kræver som regel betydelig regnekraft og mange træningsdata.
Computer vision er et område inden for AI, hvor computere fortolker billeder og video. Typiske opgaver er at genkende og lokalisere objekter, læse tekst i billeder og måle komponenter. Teknologien bruges for eksempel til kvalitetskontrol i produktionen, i førerassistentsystemer, i logistik og i medicinsk billeddiagnostik.
Billedgenkendelse er et område inden for computer vision, hvor software identificerer, hvad et billede viser – objekter, personer, tekst, logoer eller scener. Det bygger som regel på neurale netværk, der er trænet på et stort antal mærkede billeder. Anvendelserne spænder fra kvalitetskontrol i produktionen og sortering af produktfotos til understøttelse af medicinsk billeddiagnostik. Ved billeder af personer kræver databeskyttelse og mulig bias særlig opmærksomhed.
Kunstige neurale netværk (ANN'er) er beregningsmodeller bestående af mange forbundne enheder (»neuroner«) arrangeret i lag, som behandler input via vægtede forbindelser. Under træning justeres vægtene trin for trin ud fra eksempler, som regel ved backpropagation. ANN'er er fundamentet for deep learning og driver billedgenkendelse, talegenkendelse og store sprogmodeller. På trods af den biologiske inspiration fungerer de langt mere enkelt end den menneskelige hjerne.
