Hopp over navigasjon

Hva er kunstig intelligens?

Datasystemet har funksjonaliteter for å etterligne menneskelignende kognitive funksjoner som læring og problemløsning.

Slik fungerer kunstig intelligens (AI)?

Ved å bruke matematikk og logikk simulerer datasystemet menneskelige resonnementer for å lære fra ny informasjon og ta avgjørelser.

Et kunstig intelligent datasystem forutser eller utfører handlinger basert på mønstre i eksisterende data, og kan deretter lære av feilene for å øke nøyaktigheten. En velutviklet kunstig intelligens behandler ny informasjon ekstremt raskt og nøyaktig, noe som gjør den nyttig i komplekse scenarioer som selvkjørende biler, bildegjenkjenningsprogrammer og virtuelle assistenter.

Slik forholder kunstig intelligens seg til maskinlæring

Maskinlæring regnes som en undergruppe av kunstig intelligens (AI). Maskinlæring fokuserer på å lære opp maskiner til å analysere og lære av data på samme måte som mennesker. Derfor er maskinlæring en teknikk som hjelper til med å utvikle systemer for kunstig intelligens.

Hva er maskinlæring

Slik forholder kunstig intelligens seg til kognitive API-er

API-er – programmeringsgrensesnitt for programmer – kobler programmer til andre systemer, tjenester eller programmer. Når du bruker kognitive API-er, ber du om tilgang til et bibliotek med domenespesifikke intelligente modeller.

Finn ut mer om Azure Cognitive Services

Slik forholder kunstig intelligens seg til datavitenskap

Både kunstig intelligens og datavitenskap går ut på å samle inn, analysere og samle store datasett – men målene er forskjellige. Kunstig intelligens fokuserer på hvordan datamaskiner kan ta beslutninger basert på data. Datavitenskap fokuserer derimot på bruk av matematikk, statistikk og maskinlæring for å hente innsikt fra data.

Slik forholder kunstig intelligens seg til robotikk

En robot har vanligvis både en fysisk form og programvaren som styrer den. Roboter som styres av programvare med kunstig intelligens beveger seg selvstendig – de trenger ikke direkte instruksjon fra et menneske. Men ikke alle roboter kontrolleres av kunstig intelligens, og ikke all kunstig intelligens krever en fysisk form.

Typer kunstig intelligens

Smal kunstig intelligens (smal AI)

Kunstig, smal intelligens – noen ganger kalt «svak kunstig intelligens» – viser til evnen et datasystem har til å utføre en snevert definert oppgave bedre enn et menneske kan.

Smal kunstig intelligens er det høyeste utviklingsnivået av kunstig intelligens som menneskeheten har nådd så langt, og hvert eksempel på kunstig intelligens som du ser i den virkelige verden faller inn i denne kategorien – inkludert selvstendige kjøretøy og personlige digitale assistenter. Det er på grunn av at selv når det virker som kunstig intelligens tenker for selv i sanntid, koordinerer den faktisk flere smale prosesser og tar beslutninger innenfor et forhåndsbestemt rammeverk. «Tenkingen» til kunstig intelligens omfatter ikke bevissthet eller følelser.

Kunstig generell intelligens (generell AI)

Kunstig generell intelligens – noen ganger kalt «sterk kunstig intelligens» eller «kunstig intelligens på menneskelig nivå» – viser til evnen et datasystem har til å overgå mennesker i enhver intellektuell oppgave. Det er typen kunstig intelligens du ser i filmer der roboter har bevisste tanker og handler ut fra sine egne motiver.

I teorien vil et datasystem som har oppnådd generell kunstig intelligens være i stand til å løse dypt komplekse problemer, anvende dømmekraft i usikre situasjoner og innlemme forkunnskaper i aktuelle resonnementer. Det ville være i stand til kreativitet og fantasi på nivå med mennesker og kunne ta fatt på et langt bredere spekter av oppgaver enn smal kunstig intelligens kan.

Kunstig superintelligens (ASI)

Et datasystem som har oppnådd kunstig superintelligens, ville ha evnen til å overgå mennesker på nesten alle felt, inkludert vitenskapelig kreativitet, generell klokskap og sosiale ferdigheter.

Maskinlæring

Maskinlæring er en prosess som datasystemer følger for å oppnå kunstig intelligens. Den bruker algoritmer til å identifisere mønstre i data, og disse mønstrene brukes deretter til å opprette en datamodell som kan være forutseende.

Maskinlæringsmodeller blir opplært på delmengder av data. Når dataene som brukes til å lære opp modellen nøyaktig representerer hele datasettet som skal analyseres, beregner algoritmen mer nøyaktige resultater. Når maskinlæringsmodellen er godt nok opplært til å utføre oppgaven raskt, og nøyaktig nok til å være nyttig og pålitelig, oppnås smal kunstig intelligens.

Dyplæring

Dyplæring er en avansert type maskinlæring som bruker nettverk av algoritmer som er inspirert av hjernens struktur, kjent som nevrale nettverk. Et dypt nevralt nettverk har nestede nevrale noder, og hvert spørsmål det svarer på fører til et sett med relaterte spørsmål.

Dyplæring krever vanligvis et stort datasett å trene på. Opplæringssett for dyplæring består av millioner av datapunkter. Etter at et dypt nevralt nettverk har blitt trent på disse store datasettene, kan det takle mer tvetydighet enn et grunt nettverk. Det gjør det nyttig for programmer som bildegjenkjenning, der den kunstige intelligensen må finne kantene på en form før den kan identifisere hva som er i bildet. Dyp læring er også det som lærer opp kunstig intelligens som overgår menneskelig dyktighet i komplekse spill som sjakk.

Eksempler på kunstig intelligens

Bedrifter over hele verden bruker allerede kunstig intelligens i et bredt spekter av programmer, og intelligent teknologi er et felt som vokser. Her er noen eksempler på kunstig intelligens i virksomhet i dag:

Selvkjørende biler

Noen av de mest komplekse eksemplene på kunstig intelligens i verden er selvkjørende biler og andre selvstendige kjøretøy. Disse systemene koordinerer flere prosesser for å simulere resonnementene som menneskelige sjåfører bruker. De bruker bildegjenkjenning for å identifisere skilt, signaler, trafikkflyt og hindringer. De optimaliserer rutene de tar for å nå målene. Og de sender og mottar data i sanntid for proaktivt å diagnostisere problemer og oppdatere programvaren.

Roboter og digitale assistenter

Samtaler er en naturlig måte for mennesker å kommunisere på, og samtalegrensesnitt har blitt vanligere etter hvert som teknologien for kunstig intelligens har blitt mer avansert. Noen grensesnitt tjener et smalt formål. Folk bruker dem til en oppgave, som å bestille filmbilletter eller kompilere Twitter-tråder til én historie. Andre oppfører seg mer som personlige assistenter som kan hjelpe til med et bredt spekter av oppgaver. Men alle samtalegrensesnitt bruker naturlig språkforståelse (NLU) til å tolke forespørsler (også kjent som ytringer) og til å svare med relevant informasjon.

Anbefalingsmotorer

Et av de vanligste bruksområdene for kunstig intelligens er å anbefale varer basert på historiske data. Når for eksempel en mediestrømmetjeneste anbefaler hva du skal se på eller lytte til neste gang, bruker den kunstig intelligens til å analysere det du har sett på eller lyttet til tidligere. Den filtrerer alle tilgjengelige alternativer basert på attributtene deres og leverer alternativet som mest sannsynlig vil underholde deg. Når du handler på et nettsted og det anbefaler tilbehør eller relaterte varer å legge til i handlekurven, bruker det kunstig intelligens på en lignende måte.

Filtre for søppelpost

Mange e-postplattformer bruker kunstig intelligens for å hindre at søppelpost roter til innboksen din. Når en ny e-post ankommer systemet, blir den analysert av kunstig intelligens etter signaler som indikerer søppelpost. Hvis e-posten oppfyller nok kriterier, blir den markert som søppelpost og satt i karantene. Når du gir tilbakemelding – ved å fikse feil merking eller merke søppelpost som ikke ble fanget av filteret – lærer systemet av tilbakemeldingen og justerer parameterne.

Smart teknologi i hjemmet

Nesten alt som automatiserer hjemmet ditt, bruker kunstig intelligens. Det kan for eksempel være intelligente lyspærer som lytter etter kommandoer, intelligente termostater som lærer seg dine preferanser og justerer seg gjennom dagen, og intelligente støvsugere som uten instruksjon lærer hvordan du navigerer i hjemmets utforming.

Dataanalyse av tilstand

Helseorganisasjoner over hele verden bruker kunstig intelligens til hjelp i forskning, testing, diagnoser, behandling og overvåking. Noen bruker kunstig intelligens til å analysere vevsprøver og stille mer nøyaktige diagnoser. Noen selskaper bruker kunstig intelligens til å analysere kliniske data og oppdage mangler ved pasientenes behandling. Og noen selskaper bruker kunstig intelligens til å analysere milliarder av forbindelser for å hjelpe kjemikere med å oppdage funn raskere og identifisere gode kandidater til kliniske studier.

Fordeler ved kunstig intelligens

Kunstig intelligens gir reelle fordeler som strekker seg over nesten alle bransjer. Her er noen av de beste fordelene som virksomheter allerede har sett:

Tilgjengelighet døgnet rundt

Fordi datasystemer ikke har de samme biologiske behovene som mennesker, kan et intelligent system fungere hele dagen uten pauser.

Kommunikasjon i stor skala

Gjennom roboter og virtuelle agenter kan bedrifter gi veiledning og støtte til flere mennesker flere steder samtidig.

Automatisering av repeterende oppgaver

Å bruke kunstig intelligens til å utføre repeterende og tidkrevende oppgaver hjelper folk i hele virksomheten med å fokusere på mer strategisk arbeid med større innvirkning.

Raskere, mer presise avgjørelser

Kunstig intelligens reduserer menneskelige feil, noe som er nyttig for å ta avgjørelser som er sterkt informert av data og involverer mange komplekse beregninger.

Mer relevante anbefalinger

Kunstig intelligens hjelper deg med å gi mer relevante anbefalinger og forslag til kundene dine, basert på interessene og vanene de har.

Start eksperimenteringen med kunstig intelligens

Bygg og tren maskinlæringsmodeller, legg til intelligens i appene dine og gjør ustrukturert informasjon til søkbare data gjennom uthenting av kunnskap. Kom i gang med 12 tjenester for kunstig intelligens gratis i 12 måneder.