Fem AI-teknologier, du skal kende

Fra maskinlæring til agentisk AI - disse teknologier driver AI-interessen

Kunstig intelligens

Kunstig intelligens (AI) gør det muligt for maskiner at lære af erfaring, tilpasse sig nye input og udføre menneskelignende opgaver.

De fleste AI-eksempler, man hører om i dag - fra skakspillende computere til selvkørende biler - bygger i høj grad på deep learning og naturlig sprogbehandling.

Ved hjælp af disse teknologier kan computere trænes til at udføre specifikke opgaver ved at behandle store mængder data og genkende mønstre i dataene.

Maskinlæring

Maskinlæring er en metode til dataanalyse, der automatiserer opbygningen af analytiske modeller. Det er en gren af kunstig intelligens baseret på ideen om, at systemer kan lære af data, identificere mønstre og træffe beslutninger med minimal menneskelig indgriben.

Mens kunstig intelligens (AI) er den brede videnskab om at efterligne menneskelige evner, er maskinlæring en specifik undergruppe af AI, der træner en maskine i at lære.

Generativ AI

Traditionelle AI- og maskinlæringssystemer genkender mønstre i data for at komme med forudsigelser. Men generativ kunstig intelligens (GenAI) går længere end til forudsigelser - den genererer nye data som sit primære output.

GenAI bruger eksisterende data, lærer af dem og genererer derefter data med lignende egenskaber.

Naturlig sprogbehandling

Naturlig sprogbehandling (NLP) er en gren af kunstig intelligens, der hjælper computere med at forstå, fortolke og manipulere menneskeligt sprog.

NLP hjælper computere med at kommunikere med mennesker på deres eget sprog, hvilket gør det muligt for computere at læse tekst, høre tale, fortolke den, måle følelser og afgøre, hvilke dele der er vigtige.

AI-agenter

AI-agenter er systemer drevet af kunstig intelligens, der udfører komplekse opgaver eller træffer informerede beslutninger med varierende menneskelig involvering.

De overgår traditionelle chatbots og store sprogmodeller (LLM'er) ved at integrere data og avancerede analyseværktøjer for at være mere tilpasningsdygtige og i stand til at ræsonnere komplekst på tværs af brancher.