Artificiell intelligens, maskininlärning, djupinlärning och mycket mer
Förstå AI-tekniker och hur de leder till smarta applikationer
Av: Wayne Thompson, Hui Li and Alison Bolen
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.
Vad väntar härnäst för AI?
Medan vi dyker djupare i artificiell intelligens, maskininlärning och djupinlärning utvecklas en ny AI-teknik: generativ AI. Uppmuntrad av ChatGPT:s popularitet är den här senaste AI-flugan på väg att rita om gränserna för skapande och design.
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.
Artificiell intelligens och maskininlärning
Medan AI är den breda vetenskapen om att härma mänskliga förmågor, så är maskininlärning en särskild undergrupp av AI som tränar maskiner i hur de kan lära sig. Kolla på den här videon för att få en bättre förståelse för kopplingen mellan AI och maskininlärning. Du kommer att få se hur de här två teknikerna fungerar, med exempel och ett par roliga avvikelser.
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.
Artificiell intelligens tillämpar maskininlärning, djupinlärning och andra tekniker för att lösa verkliga problem.
Hur big data och AI producerade smarta applikationer
Kommer du ihåg jippot kring big data för ett par år sedan? Vad handlade det om? Framsteg inom databehandling och dataförvaring gjorde det möjligt att ta in och analysera mer data än någonsin tidigare. I samma veva började vi producera allt mer data genom att koppla upp fler enheter och maskiner till internet och streama stora mängder data från de enheterna.
Med mer inmatningar av språk och bilder i våra enheter förbättrades språk- och bildigenkänning. Dessutom hade maskininlärning mycket mer information att lära från.
Alla de här framstegen tog artificiell intelligens närmare sitt ursprungliga mål med att skapa intelligenta maskiner, vilka vi börjar att se allt mer av i våra dagliga liv. Från rekommendationer på våra favoritaffärers hemsidor till autogenererade fototaggar på sociala medier, många vanliga bekvämligheter online drivs av artificiell intelligens.
Fördelar med artificiell intelligens
i verkligheten artificial intelligence
Inom hälsovård kan en behandlings effektivitet fastställas snabbare. Inom handel kan tilläggsprodukter föreslås fortare. Inom finanssektorn kan bedrägeri förhindras, inte bara upptäckas.
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.
Om författarna
Wayne Thompson är chef för data science-teknologi hos SAS. Han är en av de tidiga pionjärerna för prediktiv analys för företag och är en globalt erkänd presentatör, lärare, yrkesmässig användare och innovatör inom området för predikativ analys-teknologi.
Hui Li är en senior staff scientist hos SAS. Hon har tio års erfarenhet inom maskininlärning, datautvinning, dataanalys och statistisk modellering, plus femton års erfarenhet av C-programmering och hybrid C/Matlab- programmering.
Alison Bolen är redaktör hos SAS, där hon skriver om analys och framväxande tekniker. Hon gör det till sitt dagliga mål att förenkla och förklara komplexa ämnen.
Rekommenderad läsning
- Article AI transforms insurance: See 8 examples of how it worksUsing AI in insurance can boost value for customers, insurance companies and stakeholders alike. Examples range from stronger fraud detection and improved customer service to optimized underwriting processes and competitive advantage. Learn more about how AI is transforming the industry.
- Article IFRS 17 and Insurance Capital Standards: Insurance regulation meets insurance accounting standardsIFRS 17 and ICS facilitate comparability and transparency for insurers from a regulatory and accounting perspective. Explore their similarities and differences, recognizing how clear communications can help stakeholders navigate regulatory and statutory reporting changes, increase confidence, and help mitigate adverse effects on share prices and ratings.
- Article AI and humanity: Collaborating to solve global problemsDisplaced communities, the food crisis and natural disasters – these situations affect quality of life, and even the ability to survive. Could artificial intelligence be the unexpected boost humanity needs? Could it accelerate our ability to make a positive, lasting impact? Learn more and read examples of how AI is being used to find solutions to global problems.
- Article Five AI technologiesDo you know the difference between artificial intelligence and machine learning? Can you explain the basics of AI technologies like GenAI and AI agents? Read our overview to understand these and other technologies behind the AI craze.