Det snakkes mye om kunstig intelligens eller AI, og leser du mye om teknologi og innovasjon er det lett å tenke at det er AI i alt. Det er delvis sant, men hva er egentlig AI? Og er all AI lik?

AI, altså kunstig intelligens, er akkurat det begrepet tilsier. Tradisjonelt definert som en maskin som tenker som et menneske, men når det snakkes om AI i dag refereres det til flere ulike former som er bygget forskjellig for ulike formål.

Vi kan begynne med å se litt på historien.

Konseptet AI er ikke nytt. Mange av tilnærmingene som brukes i dag er over 30 år gamle. Forskjellen idag er at dataene og datakraften som er tilgjengelig er astronomiske mye større enn den gang. Selve begrepet kunstig intelligens, eller AI, ble første gang brukt i forbindelse med en studie i Dartmount i 1955. Elleve matematikere, statistikere og ingeniører var samlet for å utrede hvordan maskiner kunne læres til å tenke som mennesker. De listet syv områder som måtte løses for å levere kunstig intelligens:

  1. Simulere mer avanserte funksjoner gjort av menneskers hjerne
  2. Programmere en datamaskin til å bruke generelt språk
  3. Bruke hypoteser til å utvikle konsepter
  4. Klare å avgjøre og bedømme omfanget av et problem
  5. Utvikle seg selv
  6. Abstraksjon: håndtere ideer fremfor hendelser
  7. Tilfeldighet og kreativitet

Etter 60 år har teknologien gjort at vi ihvertfall til en viss grad har løst «språk», «bedømme problemer» og «selvutvikling». Samtidig jobbes det på spreng over hele verden for å løse de andre områdene. Når det kommer til kreativitet er for eksempel manus til denne filmen skrevet av AI.

 

Når vi snakker om intelligens er det egentlig flere områder vi snakker om. Normalt deler vi de inn i disse:

  • Generalisert læring: altså læring som vi tar med oss fra andre, ikke like, situasjoner.
  • Resonnere: trekke riktige konklusjoner basert på situasjon
  • Problemløsing: finne riktig løsning basert på data
  • Oppfattelse: forstå omgivelser og sammenheng mellom elementer
  • Forstå språk: som et menneske

Selv om noen av disse oppgavene delvis er løst, finnes det fortsatt ikke et AI som løser dem alle. Et AI som helt replikerer menneskers intelligens vil kalles et «sterkt AI». Et AI som løser en eller noen få oppgaver kaller vi et «svakt AI». «Svake AI» har vi flere eksempler på. IBM sin Deep Blue kan gjennom analyse av hva som er gjort og regler spille sjakk bedre enn et menneske, men er foreløpig ikke selvbevisst og har heller ikke evne til fri selvutvikling.

Gjennom nye tilnærminger og kombinasjoner av AI bryter forskning hele tiden barrièrer for hva AI kan gjøre. Det har dukket opp flere systemer som bruker funksjoner inspirert av menneskelig evne til resonnement som et utgangspunkt og samtidig lærer seg å bli bedre. IBM Watson er et eksempel på det.

Google Deep Brain etterlikner i større grad vår hjerne, men følger ikke helt samme struktur. Den bruker noder som etterligner neuronene vi har i hjernen vår. Disse nodene er koblet sammen i det vi kaller neurale nettverk som kobler sammen ulik informasjon. Google Deep Brain var maskinen som slo verdens beste GO-spiller. I spillet Go er det 361 mulige åpningstrekk i forhold til sjakk hvor det kun er 20. Det sier seg selv at det kreves en helt annen kraft og resoneringstilnærming for å slå en menneskelig GO-spiller. Dette er altså det Google har klart med Deep Brain.

Neurale nettverk er et subområde under maskinlæring. Maskinlæring er igjen algoritmer i programvare som lar programvaren utbedrer seg selv over tid etter hver som den får mer data.

Istedenfor hardkoding, er dette er programmering med input og output. For eksempel kan et program som analyserer hundrevis av bilder av hunder læres opp til å gjenkjenne et bilde av en hund som den aldri har sett før.

Bilderesultat for neural network

De fleste AI-algoritmer er de som kalles «ekspert systemer». Et «ekspert system» bruker menneskelig kunnskap i en datamaskin til å løse et problem som normalt trenger menneskelig ekspertise, gjerne ved bruk av en kunnskapsbase.

Det første «ikke ekspert systemet» er bygget gjennom Google Alfa Go. Altså at systemet kan brukes på helt nye problemer uten at systemet må tilpasses eller bygges om. Dette er et av de mest avanserte systemene i verden som tar i bruk flere ulike deler av AI for å etterligne menneskelig intelligens.

Avslutningsvis skal vi se på hva disse ulike formene for AI kan beskrives som:

  1. Speech recognition er gjenkjennelse av tale. Dette er funksjoner som vi idag finner i Siri, Amazon Echo osv. Talegjenkjennelse har sitt utspring fra statistisk læring
  2. Natural language processing (NLP) er fortåelsen av skrevet og lest tekst. NLP er også statistisk læring.
  3. Computer vision er evnen til å se og prosessere de som sees gjennom gjennkjennelse av elementer ved «image processing».
  4. Robotics er forståelsen av omgivelser og bevegelse av maskiner
  5. Pattern recogniontion er gjenkjennelse av mønster og samling av elementer
  6. Maskinlæring er mønstergjenkjenning (6) med veldig mye data og dimensjoner av data
  7. Neurale nettverk er en etterligning av menneskets hjerne for at en maskin skal få kognitiv kapasitet
  8. Deep learning er komplekse og dype neurale nettverk
  9. Convolutional neural nettverk som kan scanne bilder fra venstre til høyre og topp til bunn. Dette er også en metode for å gjøre computer vision og bildegjenkjennering
  10. Recurent neural network er et neuralt nettverk som husker en avgrenset fortid

Vi kan altså gruppere AI i to hoveddeler. Den ene er basert på oppslag og tolking av symboler, og den andre er basert på data.

 

Kategorier: Artikkel