This is the Trace Id: 898fc2226bb32355c6032d3e48ee5d96
Gå til hovedinnhold Utforsk Vis alle produkter(minst 200) Microsoft Foundry Azure Copilot GitHub Copilot Azure Kubernetes Service (AKS) Azure Cosmos DB Azure Database for PostgreSQL Azure Arc Microsoft Fabric Virtuelle Linux-maskiner i Azure Foundry-modeller Foundry Agent Service Foundry IQ Foundry-verktøy Foundry Control Plane Observasjon i Foundry-kontrollplan Azure OpenAI i Foundry-modeller Azure Speech i Foundry Tools Azure Machine Learning Vis alle databaser Azure Cosmos DB Azure DocumentDB Azure SQL Azure Database for PostgreSQL Azure Managed Redis Microsoft Fabric Azure Databricks Virtuelle Linux-maskiner i Azure Windows Server på Azure Azure Functions Azure Virtual Machine Scale Sets Azure API Management Azure Container Apps Azure Kubernetes Service (AKS) Azure Kubernetes Fleet Manager Azure Container Registry Azure Red Hat OpenShift Azure Container Instances Azure Container Storage Azure Arc Azure Local Microsoft Defender for Cloud Azure Monitor Microsoft Sentinel Azure Migrate Vis alle løsninger (minst 40) Skyløsninger for små og mellomstore bedrifter Senter for skyoverføring og modernisering Dataanalyse for kunstig intelligens Azure Databases KI-apper og -agenter Microsoft Marketplace Microsoft Sovereign Cloud KI-apper og -agenter Ansvarlig kunstig intelligens med Azure KI-infrastruktur Dataanalyse for kunstig intelligens Maskinlæringsdrift (MLOps) Lavkodebasert programutvikling i Azure Integration Services Serverløs databehandling DevOps Senter for overføring og modernisering Overføring av .NET-apper Databaser i Azure Linux i Azure Oracle i Azure SAP på Microsoft Cloud Adaptiv sky Databehandling med høy ytelse (HPC) Infrastruktur som tjeneste (IaaS) Robusthet Azure Essentials Frontier Accelerate for Azure FinOps på Azure Microsoft Marketplace Azure-prisoversikt Opprett en Azure-konto Gratis Azure-tjenester Fleksible kjøpsalternativer Priskalkulator FinOps på Azure Maksimer avkastning på investering fra KI Azure-spareplaner Azure-reservasjoner Azure hybridfordel Virtual Machines Azure SQL Microsoft Foundry Microsoft Fabric Azure Kubernetes Service (AKS) Microsoft Defender for skyen Vis mer Programvareutviklingsfirmaer Microsoft Marketplace Finn en partner Ressurser for Azure-partnere Kom i gang med Azure Kundehistorier Analyserapporter, tekniske dokumenter og e-bøker Videoer Mer informasjon om databehandling i skyen Dokumentasjon Utforsk Azure Portal Utviklerressurser Hurtigstartmaler Ressurser for oppstartsbedrifter Utviklerfellesskap Studenter Azure for Partners Blogg Arrangementer og nettseminarer Lær Kundestøtte Kontakt salgsavdelingen Kom i gang med Azure Logg inn

Hva er kunstig intelligens? 

Få en oversikt over kunstig intelligens (KI) og de mange brukstilfellene. I tillegg kan du finne ut hvordan du begynner å bygge, distribuere og administrere apper drevet av kunstig intelligens ved hjelp av Azure-tjenester.

KI-definisjon

Kunstig intelligens (KI) refererer til datasystemer eller modeller som er utformet for å utføre oppgaver som vanligvis krever menneskelig tenking, for eksempel å forstå språk, gjenkjenne mønstre, løse problemer og ta beslutninger. Tradisjonelle systemer for kunstig intelligens følger bare faste regler, men nyere KI-systemer, for eksempel kognitiv kunstig intelligens, kan lære av data og forbedre seg over tid, noe som gjør at de kan bli mer nøyaktige i håndteringen av nye situasjoner. 

KI brukes i mange av våre daglige verktøy, inkludert virtuelle assistenter, anbefalingssystemer og chatroboter. 

  • KI-modeller identifiserer mønstre og relasjoner i data som kan brukes til å generere nye prognoser, anbefalinger og svar.
  • Organisasjoner på tvers av store bransjer bruker allerede kunstig intelligens til å øke produktiviteten og drive innovasjon i brukstilfeller i den virkelige verden.
  • I fremtiden forventes KI å utvide mulighetene, bidra til økonomisk vekst og fremme langsiktig innovasjon.

Slik fungerer kunstig intelligens

KI-modeller bygget på den generative forhåndsopplærte transformatoren (GPT) bruker maskinlæring til å analysere store mengder data, for eksempel tekst, bilder eller tall, identifisere mønstre og relasjoner som kan brukes til å produsere utdata, for eksempel prognoser, anbefalinger eller svar.

Prosessen følger vanligvis en enkel syklus:

  1. Data samles inn og klargjøres
  2. Modellen er opplært til å gjenkjenne mønstre
  3. Resultatene testes og forbedres gjennom tilbakemelding

Med hver syklus justerer KI-modellen seg selv og blir mer nøyaktig og i stand til å håndtere nye situasjoner mer effektivt. Kunstig intelligens fungerer i hovedsak ved å kontinuerlig lære fra data, forbedre forståelsen og bruke den læringen til å levere bedre resultater over tid. 

Eksempler på brukseksempler med kunstig intelligens

Etter hvert som organisasjoner fortsetter å innovere, blir KI et grunnleggende verktøy for å øke produktiviteten og fremskynde innovasjon på tvers av team og bransjer. Følgende eksempler fremhever noen vanlige brukstilfeller i den virkelige verden:

  • Arbeidsflytautomatisering på tvers av programvareutvikling: Utviklere bruker allerede KI-drevne løsninger, for eksempel GitHub Copilot, til å skrive kode, teste programvare og automatisere arbeidsflyter. Som et resultat av dette har utviklingsteam mer tid og energi til å fokusere på mer verdifullt arbeid.
  • Dokumentsammendrag: Organisasjoner på tvers av alle bransjer bruker GPT til å generere korte sammendrag fra rapporter, møtetranskripsjoner og e-postmeldinger. Dette hjelper teammedlemmer med å forstå viktig innsikt uten å måtte fordype seg i langt materiale, noe som igjen øker produktiviteten.
  • Forskning og analyse av helsetjenester: I det medisinske feltet bruker leger flermodale LLM-er til raskt å analysere medisinske bilder og komplekse pasientdata. Dette gjør det mulig for dem å diagnostisere sykdommer mer effektivt og tilby tilpassede pleieplaner basert på den enkeltes profil.
  • Detaljhandel: Detaljhandeloperatører bruker KI-modeller til å forutsi etterspørsel, administrere lagerbeholdning og tilpasse anbefalinger for kunder som handler på nettet eller i butikker.
  • Økt sikkerhet: Ved å verifisere identitet gjennom unike ansiktstrekk hindrer KI-forbedret ansiktsgjenkjenning uautorisert tilgang til enheter, sikre anlegg og sensitive data. Dette ekstra beskyttelseslaget reduserer risikoen for sikkerhetsbrudd og styrker den generelle sikkerhetsstatusen.

Fremtidige trender

Fremtiden for kunstig intelligens forventes å være transformativ. Etter hvert som tjenester og verktøy for kunstig intelligens fortsetter å utvikle seg, blir de mer integrert i hverdagen. Kunstig intelligens som en tjeneste (AIaaS), gir for eksempel nå team og organisasjoner på tvers av bransjer tilgang til KI-funksjoner via API-er og skytjenester, slik at de kan arbeide smartere, løse komplekse problemer raskere og låse opp nye nivåer av kreativitet og innovasjon til en kostnadseffektiv pris.

Ved å gi mennesker mer effektive, responsive og tilgjengelige systemer, er kunstig intelligens klar til å utvide mulighetene betydelig for enkeltpersoner og samfunnet som helhet, og fungerer som en kraftig partner og bidragsyter til økonomisk vekst og langsiktig innovasjon. 

Vanlige spørsmål

  • KI brukes til å gjøre arbeidet raskere, smartere og mer effektivt på tvers av mange bransjer ved å automatisere oppgaver, analysere store mengder data og hjelpe folk med å ta bedre beslutninger. Det kan også brukes til å forbedre dagligdagse opplevelser ved å drive ting som virtuelle assistenter, chatroboter og anbefalingsmotorer .  
  • Et eksempel på kunstig intelligens kan være en virtuell assistent som Siri, som kan bli bedt om å svare på spørsmål og utføre oppgaver via tale eller tekst. Et annet eksempel er en anbefalingstjeneste, for eksempel de som brukes av strømme- eller shoppingplattformer, som kan foreslå produkter eller innhold basert på atferd og preferanser. 
  • KI er et bredt felt som fokuserer på systemer som kan analysere data, gjenkjenne mønstre og ta beslutninger. Generativ kunstig intelligens er en bestemt type innen kunstig intelligens som er utformet for å produsere nye utdata, for eksempel tekst, bilder eller kode, basert på hva den har lært.  
  • Kunstig intelligens lærer ved å studere store mengder data og finne mønstre. Den foretar prognoser eller beslutninger, sammenligner dem med riktige svar eller tilbakemeldinger, og justerer seg selv for å forbedre seg over tid. Kunstig intelligens lærer gjennom en gjentatt syklus: observer data, gjette, få tilbakemeldinger og bli bedre med øvelse.