Autoklassifikation

Der bliver hver dag produceret og modtaget så meget ny information, at der er et stort behov for at få det automatisk klassificeret – for ellers sker det ikke. For oprydning i fællesdrev eller store mængder informationer i et informationssystem, kan synes fuldstændig uoverskueligt.

Derfor er teknologier til autoklassifikation en kæmpestor hjælp.

Værktøjer til autoklassifikation har to primære funktioner;

1. Rydde op i en stor bunke information – og klassificere under oprydningen. 

2. Baggrunds-enhed der føder klassifikationsinformation videre til al ny information, der lagres i et givet system eller på et fællesdrev.

Autoklassifikation er dog typisk en del af noget større, hvor det er godt gemt under kølerhjelmen. Som fx den søgeteknologi vi nævner andetsteds, som trækker på oplysninger fra en automatisk klassifikation, når den præsenterer søgeresultater.

Eller i mange moderne dokumenthåndteringssystemer, hvor brugeren oplever at systemet foreslår metadata fremfor at man selv skal bøvle med det.

I ”den gamle verden” var mange konklusioner i forbindelse med klassifikationsværktøjer drevet af regler.

I ”den moderne verden” med kunstig intelligens og machine learning definerer man ikke regler, men man træner derimod teknologien. Det er en fundamental forskel.

Teknologien kan trænes til at  klassificere, når den ved hvad den skal klassficere efter.

Typisk træner man teknologierne til nogle generelle områder – men branchespecifik træning kan også være klaret på forhånd.

 

Ofte vil der ligge en træningsopgave i implementeringen eller også vil teknologien være indrettet så den i starten løbende beder om hjælp fra brugerne indtil træningen reelt er sket, hvorefter det sker sjældnere og sjældnere.

 

Det er meget forskelligt hvordan teknologierne trænes, men der er typisk lagt stor nøje i at gøre det enkelt og forståeligt.