Hva er generativ KI?
Når vi snakker om KI i hverdagen er det som oftest generativ KI vi tenker på. ChatGPT, Copilot og NotebookLM er eksempler på generativ KI som kan lage både tekst og bilder. Generativ kunstig intelligens er programmer som lager (genererer) nytt innhold, i stedet for bare å analysere eller klassifisere det som finnes fra før. Det er ofte tekst eller bilder vi bruker generativ KI til å lage. Men generativ KI kan også lage andre typer data, for eksempel tabeller. I dette kurset skal vi for det meste ta for oss generativ KI.
Generativ KI trenes opp på store mengder data av den typen den skal generere. For å “lære” bruker KI-systemet det som kalles maskinlæring, som du kan lære mer om under “Fordypning” nedenfor.
Det finnes forskjellige måter å dele inn kunstig intelligens i ulike typer. Et vanlig skille går mellom generativ, diskriminativ og prediktiv kunstig intelligens. Alle tre er ulike former for maskinlæring, som betyr at algoritmene trenes opp ved å lære fra data. Forskjellen er hva slags type oppgave de er laget for. Du kan lese litt om hva som skiller diskriminativ og prediktiv KI fra generativ KI under “Fordypning” nedenfor.
Fordypning
Diskriminativ KI
Diskriminativ kunstig intelligens er programmer som kan skille mellom ulike typer innhold. Det kan for eksempel være et program som kan se om et bilde er av en hund, en katt eller et annet dyr. Eller oppgaven kan være å klassifisere tekster etter tema, slik som spamfiltre. Selvkjørende biler trenger diskriminativ KI blant annet for å oppdage ting og mennesker rundt seg.
Prediktiv KI
Prediktiv kunstig intelligens prøver å forutsi utfallet av en hendelse. Værmelding er et velkjent eksempel på at det kan være nyttig å forutsi hva som kommer til å skje. Prediktiv kunstig intelligens leter etter mønstre i data som kan si noe om sannsynligheten for hendelser.
Hva er maskinlæring?
Mennesker kan lære av erfaring. I maskinlæring lærer programmet av data (eller forsøker å gjøre det). Den stadig økende mengden tilgjengelige data har ført til sterkt økende interesse for maskinlæring. Maskinlæring er et sett av statistiske metoder som kan brukes til å trekke ut informasjon fra data.
Maskinlæring skiller seg fra tradisjonell programmering i hvordan vi løser problemer. Et tradisjonelt program bruker en algoritme på noen inndata (input) for å produsere et resultat (output), som vist på figuren Tradisjonell programmering.
Tradisjonell programmering
Med maskinlæring er algoritmen ukjent, og det er nettopp den vi ønsker å lære. I veiledet læring har vi et sett med treningsdata og tilhørende ønskede utdata. Hvis oppgaven er å merke bilder, så kan utdataene være merkelappen til bildet, som for eksempel “hund” eller “katt”. Fra dette vil vi lære en algoritme eller funksjon som kan produsere de ønskede utdataene fra de gitte inndataene. Figuren Maskinlæring illustrerer denne forskjellen.
Maskinlæring