Artificiell intelligens, maskininlärning, djupinlärning och mycket mer

Artificiell intelligens (AI) för med sig ett löfte om genuin interaktion mellan människa och maskin. När maskiner blir intelligenta kan de förstå förfrågningar, koppla samman datapunkter och dra slutsatser. De kan resonera, observera och planera. Tänk dig:

• Du ska iväg på en affärsresa imorgon. Din intelligenta enhet kommer automatiskt att erbjuda väderuppdateringar och resevarningar för ditt resmål.
• Du planerar ett stort födelsedagsfirande. Din smartbot hjälper dig att skicka inbjudningar, göra reservationer och påminner dig om att hämta tårtan.
• Du planerar en direkt marknadsföringskampanj. Din AI-assistent kan instinktivt dela in dina kunder i grupper för riktad kommunikation och ökade svarsfrekvenser.

Vi pratar uppenbarligen inte om robotbutlers. Detta är inte en Hollywoodfilm. Men vi har nått en ny nivå av kognition inom fältet för artificiell intelligens som har kommit att bli användbar i våra liv.

Men vi förstår. Du undrar fortfarande hur alla de här ämnena – AI, maskininlärning och djupinlärning – hänger ihop. Du är inte ensam. Och vi vill hjälpa till.

I den här artikeln kommer vi att utforska AI:s grundläggande beståndsdelar och förklara hur olika tekniker har kombinerats för att hjälpa maskiner att bli mer intelligenta.

AI och maskininlärnings historia

Så, var kom AI ifrån? Det gick inte direkt från schackspel för en spelare till självkörande bilar. Området har en lång historia med ursprung inom krigsvetenskap och statistik, med tillskott från filosofi, psykologi, matte och kognitionsvetenskap. AI:s ursprungliga syfte var att göra datorer mer användbara och kapabla till självständigt resonemang.

De flesta historiker spårar AI:s födsel tillbaka till 1956 och ett forskningsprojekt vid Dartmouth som utforskade ämnen som problemlösning och symboliska metoder. Under 1960- talet blev USA:s försvarsdepartement intresserade av den här sortens arbete och la mer fokus på att träna datorer till att härma mänskligt resonemang.

Ett exempel: Defense Advanced Research Projects Agency (DARPA) slutförde projekt för kartläggning av gator under 1970-talet. DARPA tog under 2003 fram intelligenta personliga assistenter, långt innan Google, Amazon eller Microsoft tog sig an liknande projekt.

Detta arbete la grunden för den automation och det formella resonemang vi ser i dagens datorer.

Maskininlärning och djupinlärning är undergrupper till AI

På det stora hela har AI många undergrupper, däribland:

• Maskininlärning automatiserar byggandet av analysmodeller. Det använder metoder från neurala nätverk, statistik, operationsanalys och fysik för att hitta dolda insikter i data utan att vara explicit programmerad till var det ska leta eller vad det ska komma fram till.
• Ett neuralt nätverk är en form av maskininlärning som är inspirerad av hur den mänskliga hjärnan fungerar. Det är ett datasystem bestående av sammankopplade enheter (likt neuroner) som behandlar information genom att besvara externa inmatningar och vidarebefordra information mellan varje enhet. Processen kräver att data gås igenom flera gånger för att hitta kopplingar och dra slutsatser från den odefinierade datan.
• Djupinlärninganvänder enorma neurala nätverk med många lager av processenheter. Det drar nytta av framstegen inom datorkraft och förbättrade träningstekniker för lärande av komplexa mönster i stora mängder data. Vanliga användningsområden är bland annat bild- och röstigenkänning.
• Datorseendeförlitar sig på mönsterigenkänning och djupinlärning för att känna igen vad en bild eller video innehåller. När maskiner kan behandla, analysera och förstå bilder kan de fånga bilder eller video i realtid och tyda dess omgivningar.
• Naturlig språkbehandling (NLP) är datorers förmåga att analysera, förstå och generera mänskligt språk, inklusive tal. Nästa nivå av NLP är naturliga språkinteraktioner, vilket gör det möjligt för människor att kommunicera med datorer med hjälp av normalt vardagsspråk för att utföra uppgifter.

Medan maskininlärning bygger på idén att maskiner borde kunna lära och anpassa sig genom upplevelse, syftar AI på en bredare idé om att maskiner kan utföra uppgifter på ett ”smart” sätt.

Artificiell intelligens tillämpar maskininlärning, djupinlärning och andra tekniker för att lösa verkliga problem.

Var står vi med AI idag?

Med AI kan du ställa en maskin en fråga – muntligen – och få svar om försäljning, inventarier, kundlojalitet, upptäckt av bedrägerier och mycket mer. Datorn kan även upptäcka information som du aldrig tänkt på att fråga efter. Den erbjuder en kort sammanfattning av din data och föreslår andra sätt den kan analyseras på. Den kommer dessutom att dela information med koppling till tidigare frågor från dig eller andra som har ställt liknande frågor. Du får svaren på en skärm eller som en konversation.

Hur fungerar det i verkligheten? Inom hälsovård kan en behandlings effektivitet fastställas snabbare. Inom handel kan tilläggsprodukter föreslås fortare. Inom finanssektorn kan bedrägeri förhindras, inte bara upptäckas. Och så mycket mer.

I vart och ett av de här exemplen förstår maskinen vilken information som behövs, kollar på förhållandet mellan alla variabler, formulerar ett svar och delar det automatiskt med dig tillsammans med förslag på uppföljande frågor.

Vi har årtionden av forskning inom artificiell intelligens att tacka för att vi har kommit dit där vi är idag. Och vi har årtionden av intelligenta interaktioner mellan människa och maskin framför oss.