Vad är egentligen Artificiell Intelligens?
Artificiell Intelligens är ett samlingsnamn för teknologier som gör datasystem “intelligenta” i den meningen att de kan lösa problem och lära sig av egna upplevelser. I dag är Machine Learning (Maskininlärning eller lärande programvara) bland de mest kända och det som används mest av dessa teknologier.
Förenklat handlar det om att använda matematik, statistik, regler, informatik, neurologi och lingvistik för att samla in, systematisera och känna igen mönstren i stora datamängder. Användningen av regler, algoritmer och mönster blir mer effektiva och avancerade för varje dag.
Machine Learning (ML) – genomprövat och värdefullt
Machine Learning handlar enkelt om att känna igen mönster i stora datamängder. Det kan till exempel vara språkigenkänning som vi hittar i olika typer av “chatbots” eller samtalsrobotar, som dyker upp på många olika webbsidor nu för tiden.
Denna typ av Artificiell Intelligens bygger på insamling och systematisering av stora mängder data med hjälp av sannolikhetsberäkning och algoritmer. Användningen av regler, algoritmer och mönster blir mer effektiva och avancerade för varje dag.
Machine Learning användes redan 1996 av superdatorn Deep Blue genom grundläggande mönsterigenkänning. Deep Blue vann ett parti schack över schackgeniet Garri Kasparov. Kasparov krävde då en returmatch eftersom han trodde att mänsklig hjälp låg bakom.
Deep Blue’s seger var då en världssensation. I dag möter vi varje dag MachineLearning-lösningar baserat på mönsterigenkänning. Till exempel när Spotifyrekommenderar oss nya spellistor baserat på vårt lyssningsmönster, eller när Amazon ger oss målinriktade erbjudanden baserat på tidigare köp.
Deep Learning – avancerad, men relativt omogen teknologi
En annan teknologi är Deep Learning som bygger på utveckling av data i så kallade neurala nätverk, nätverk som påminner om människohjärnan, och som används till att spåra händelser i gamla databaser.
Med Deep Learning försöker man efterlikna människans neurala uppbyggnad så att datorn kan ta självständiga beslut med utgångspunkt från händelser och situationer som datorn inte har upplevt.
Självkörande bilar är i dag det bästa exemplet på praktisk användning av Deep Learning. Man kan också tänka sig utvecklingen av robotar som kan utföra avancerad kirurgi utan att förlora koncentrationen eller darra på handen. I framtiden väntar kanske hushållsrobotar som själva tar reda på hur man rensar mammas dator och lillebrors leksaker.
På Cegal har vi ett antal konsulter med erfarenhet av ML och AI-lösningar.