Kunstig intelligens

Kunstig intelligens (KI) er teknologi som kan utføre oppgaver som vi vanligvis forbinder med menneskelig intelligens. Det kan for eksempel være å produsere og forstå tekst, kjenne igjen bilder, tolke tale eller analysere tall.

For at kunstig intelligens skal kunne utføre denne type oppgaver trener den på eksempler fra tekst, bilder eller lyd. Ved å se på eksempler, lærer KI å kjenne igjen mønstre og sammenhenger, og kan etter hvert:

foreslå neste ord i en tekst
gjenkjenne hva som er på et bilde
forstå innholdet i et lydopptak

Dette kalles maskinlæring og betyr at teknologien lærer fra data.

Bonusinnhold

Litt historie om kunstig intelligens

KI er egentlig ikke noe nytt. Forskere begynte å jobbe med det allerede på 1950-tallet, og i 1956 ble KI etablert som et eget forskningsfelt. Det som er nytt i dag, er hvor kraftig og tilgjengelig KI har blitt de siste årene. Da ChatGPT kom i 2022, var det et tydelig vendepunkt. I stedet for “dumme chatbotter” som bare kunne svare på helt enkle spørsmål, fikk vi plutselig et verktøy som kunne:

skrive lange tekster
svare på komplekse spørsmål
formulere seg på en måte som ligner et menneske

Denne utviklingen har vært mulig på grunn av tre viktige ting:

Store datamengder: KI kan trenes på enorme mengder tekst, bilder og lyd fra internett, bøker, artikler osv.
Kraftig maskinvare: Spesielle prosessorer som kan behandle veldig mye data samtidig.
Nye metoder: Forskere har utviklet bedre modeller og teknikker som gjør at KI kan lære mer effektivt.

Maskinlæring

Mennesker lærer ved erfaring. Maskinlæring bygger på det samme prinsippet, bare for dataprogrammer. I stedet for å lære av erfaring, lærer programmet av data. Når vi har store mengder data tilgjengelig, for eksempel tekst, bilder eller tall, kan vi bruke maskinlæring til å finne mønstre og sammenhenger som det er vanskelig eller tidkrevende for mennesker å oppdage selv.

Maskinlæring skiller seg fra tradisjonell programmering i hvordan den løser problemer:

Tradisjonell programmering foregår slik:

Du lager klare regler: “Hvis X skjer, gjør Y”.
Programmet bruker reglene på data du gir det.
Programmet gir deg resultatet.

Et eksempel på tradisjonell programmering, er et program som regner ut studiepoeng basert på antall beståtte emner og vekting per emne.

Maskinlæring løser et problem slik:

I maskinlæring er regelen ukjent, og det vi ønsker å lære.

Vi har mange eksempler på en gitt type data (for eksempel mange bilder av katter eller hunder).
Avhengig av hvilken type maskinlæring som brukes, kan dataene også inkludere kjente svar eller merkelapper som “hund” eller “katt”.
I stedet for å skrive reglene selv, lar vi systemet lære reglene ut fra eksemplene.