AI - vad är artificiell intelligens?

Framgångspillret, March 6, 2021

Hur definieras intelligens?

Mycket av grunden till AI bygger på naturlig intelligens, men hur definieras naturlig intelligens. Intelligens är förmågan att kunna lösa problem. Men vilka problem? Det är här det svåra börjar och anledning till att det kan vara svårt att definiera intelligens. Exempelvis kan intelligens test såsom IQ-test endast appliceras till människor, medan många djur skulle ha väldigt svårt med dem. Som Einsteins skall ha sagt "Everybody is a genius. But if you judge a fish by its ability to climb a tree, it will live its whole life believing that it is stupid." Detta gör det också så svårt att definiera intelligens, och en anledning till varför det finns så många definitioner. 

Pionjärer inom AI

Matematikern Gottfried Wilhelm von Leibniz levde under 1600-talet och drömde om maskiner som kunde användas för att besvara frågor om matematik och mycket annat. Hans tankar liknar mycket det Google som vi idag använder oss av.

Ada Lovelace är vår andra pionjär, hon var den första att programmera en algoritm och föra in den inom en maskin. Hon förutsedde också att maskiner i framtiden inte bara skulle användas för att utföra matematiska operationer, utan också för skrivning, teckning och musik.

Alan Turing har lagt mycket av grunden till maskinintelligens genom sin Turing machine och genom att uppfinna den första programmerbara datorn. Han utvecklade även det första schackspelet, introducerade idén maskininlärning och lade fram flera kriterier för maskinintelligens, som också kallas för Turing-testet.

Vår sista pionjär inom AI är John McCarthy, han var den första att mynta begreppet artificiell intelligens med definitionen "the science and engineering of making intelligent machines".

Vad är då artificiell intelligens?

Det finns två typer av AI. Rule-based AI som inte innefattar någon inlärning och där en mänsklig lösning översätts till kod. Här behövs ingen tidigare data och det är det tradiontionella sättet att programmera. Rule-based AI kan exempelvis användas för att skriva upp regler för schack där datorn sedan kan söka efter det bästa draget.

Den andra typen av AI är maskininlärning och här behövs ingen mänsklig lösning, inom denna typen av AI behövs tidigare data som algoritmen använder sig av för att läsa sig och sedan utföra förutsägelser. Maskininlärning kan användas till mycket, bland annat till att klassicifera bilder och skilja mellan katter och hunder. Något som det är svårt att sätta upp regler för.

Dessa två typer av AI kan också kombineras, och detta har bland annat gjort för AlphaZero som använder skig av maskininlärning för att beräkna de bästa postioner och Rule-based AI (i detta fallet Monto Carlo Tree Search) för att kunna se in i framtiden och avgöra det bästa draget. Ett annat exempel är självkörande bilar som använder sig av maskininlärning för att klassificera objekt såsom bilar och personer som går över gatan, och regelbaserade system för körningen.

Maskininlärning

Vi vet nu att det finns två typer av artificiell intelligens, en typ som är baserad på olika regler och en annan som lär sig av data, maskininlärning, som brukar vara det som vi pratar om när vi pratar om AI.

Maskininlärning och dess applikationer är något som växt mycket på senare år. Anledning till detta är framförallt växande datamänger och internet är en stor anledning till detta. Idag är det väldigt enkelt för företag att samla in data. Några exempel på tjänster som är mycket baserade på maskininlärning och som innehar mycket stora datamängder är tjänster såsom Amazon, Netflix och Spotify, där datan används för att exempelvis rekommendera olika filmer och låtar till dig.

Det finns även flera typer av maskininlärning, dessa är supervised learning, unsupervised learning och reinforcement learning.

Supervised learning

Inom supervised learning hittar två delar, dessa är regression som handlar om att mappa datapunkter till siffror. Detta kan exempelvis användas som att besvara frågor såsom "vad är marknadspriset för det huset" och "hur många personer kommer retweeta denna tweeten". Sedan har vi också classification som handlar om att att mappa datapunkter till klasser, och denna typer av maskininlärning kan besvara frågor som "kommer denna personen att gilla den här filmen" och "kommer denna personen att betala tillbaka det här lånet".

Unsupervised learning

Inom unsupervised learning hittar vi clustering och det handlar om att skapa grupper av datapunkter. Och kan användas till att besvara fårgor såsom "vilka typer av mikroorganismer finns det i detta provet" eller "vilka typer av distinkta grupper finns det inom vår kundbas"

Reinforcement learning

Inom reinforcement learning så belönas algoritmen från sitt beetende, vilket gör att algoritmen hela tiden lär sig för att kunna uppnå den högsta belöningen. Reinforcement learning kan exempelvis användas inom självkörande bilar eller arbeta som en aktietrader.

Vad kan maskininlärning göra?

Maskininlärning kan göra mycket, här nedan följer ett antal exempel:

  • • Identifiera olika objekt i bilder.
  • • Diagnosera sjukdomar baserat på fotoanalys.
  • • Analysera gammal litteratur och avgöra när den var skriven.
  • • Svara på frågor, likt Google Search.
  • • Översätta texter mellan olika språk.
  • • Producera konst och musik.
  • • Köra en bil, självkörande bilar.
  • • och mycket mer...

Gillade du inlägget? Dela gärna med dig!