Vad är artificiell intelligens?

artificiell intelligens är simulering av mänskliga intelligensprocesser av maskiner, särskilt datorsystem. Specifika tillämpningar av AI inkluderar expertsystem, naturlig språkbehandling, taligenkänning och maskinsyn.

hur fungerar AI?

när hype kring AI har accelererat har leverantörer krypterat för att främja hur deras produkter och tjänster använder AI. Ofta är det de kallar AI helt enkelt en del av AI, till exempel maskininlärning. AI kräver en grund av specialiserad hårdvara och mjukvara för att skriva och träna maskininlärningsalgoritmer. Inget programmeringsspråk är synonymt med AI, men några, inklusive Python, R och Java, är populära.

i allmänhet fungerar AI-system genom att ta in stora mängder märkta träningsdata, analysera data för korrelationer och mönster och använda dessa mönster för att göra förutsägelser om framtida tillstånd. På detta sätt kan en chatbot som matas exempel på textchattar lära sig att producera verklighetstrogna utbyten med människor, eller ett bildigenkänningsverktyg kan lära sig att identifiera och beskriva objekt i bilder genom att granska miljontals exempel.

AI-programmering fokuserar på tre kognitiva färdigheter: lärande, resonemang och självkorrigering.

inlärningsprocesser. Denna aspekt av AI-programmering fokuserar på att skaffa data och skapa regler för hur man förvandlar data till handlingsbar information. Reglerna, som kallas algoritmer, ger datorenheter steg-för-steg-instruktioner för hur man slutför en specifik uppgift.

resonemang processer. Denna aspekt av AI-programmering fokuserar på att välja rätt algoritm för att nå ett önskat resultat.

självkorrigeringsprocesser. Denna aspekt av AI-programmering är utformad för att kontinuerligt finjustera algoritmer och säkerställa att de ger de mest exakta resultaten som möjligt.

varför är artificiell intelligens viktigt?

AI är viktigt eftersom det kan ge företag insikter i sin verksamhet som de kanske inte har varit medvetna om tidigare och eftersom AI i vissa fall kan utföra uppgifter bättre än människor. Särskilt när det gäller repetitiva, detaljorienterade uppgifter som att analysera ett stort antal juridiska dokument för att säkerställa att relevanta fält fylls i korrekt, kompletterar AI-verktyg ofta jobb snabbt och med relativt få fel.

detta har hjälpt till att driva en explosion i effektivitet och öppnat dörren till helt nya affärsmöjligheter för vissa större företag. Före den nuvarande vågen av AI hade det varit svårt att föreställa sig att använda datorprogramvara för att ansluta ryttare till taxibilar, men idag har Uber blivit ett av de största företagen i världen genom att göra just det. Den använder sofistikerade maskininlärningsalgoritmer för att förutsäga när människor sannolikt behöver åkattraktioner i vissa områden, vilket hjälper proaktivt att få förare på vägen innan de behövs. Som ett annat exempel har Google blivit en av de största aktörerna för en rad onlinetjänster genom att använda maskininlärning för att förstå hur människor använder sina tjänster och sedan förbättra dem. År 2017 uttalade företagets VD, Sundar Pichai, att Google skulle fungera som ett “AI first” – företag.

dagens största och mest framgångsrika företag har använt AI för att förbättra sin verksamhet och få fördel på sina konkurrenter.

vilka är fördelarna och nackdelarna med artificiell intelligens?

artificiella neurala nätverk och djupt lärande artificiell intelligensteknik utvecklas snabbt, främst för att AI bearbetar stora mängder data mycket snabbare och gör förutsägelser mer exakt än mänskligt möjligt.

medan den enorma mängden data som skapas dagligen skulle begrava en mänsklig forskare, kan AI-applikationer som använder maskininlärning ta dessa data och snabbt förvandla dem till användbar information. När detta skrivs är den primära nackdelen med att använda AI att det är dyrt att bearbeta de stora mängder data som AI-programmering kräver.

fördelar

• bra på detaljorienterade jobb;
• minskad tid för datatunga uppgifter;
• levererar konsekventa resultat; och
• AI-drivna virtuella agenter är alltid tillgängliga.

nackdelar

• dyra;
• kräver djup teknisk expertis;
• begränsat utbud av kvalificerade arbetare för att bygga AI-verktyg;
• vet bara vad det har visats; och
• brist på förmåga att generalisera från en uppgift till en annan.

stark AI vs. svag AI

AI kan kategoriseras som antingen svag eller stark.

• svag AI, även känd som smal AI, är ett AI-system som är utformat och utbildat för att slutföra en specifik uppgift. Industrirobotar och virtuella personliga assistenter, som Apples Siri, använder svag AI.
• stark AI, även känd som artificiell allmän intelligens (AGI), beskriver programmering som kan replikera den mänskliga hjärnans kognitiva förmågor. När det presenteras med en okänd uppgift kan ett starkt AI-system använda fuzzy logic för att tillämpa kunskap från en domän till en annan och hitta en lösning autonomt. I teorin bör ett starkt AI-program kunna klara både ett Turing-Test och det kinesiska rumstestet.

vilka är de 4 typerna av artificiell intelligens?

Arend Hintze, en biträdande professor i integrativ biologi och datavetenskap och teknik vid Michigan State University, förklarade i en 2016-artikel att AI kan kategoriseras i fyra typer, som börjar med de uppgiftsspecifika intelligenta systemen i stor användning idag och utvecklas till kännande system, som ännu inte existerar. Kategorierna är följande:

• typ 1: reaktiva maskiner. Dessa AI-system har inget minne och är uppgiftsspecifika. Ett exempel är Deep Blue, IBM-schackprogrammet som slog Garry Kasparov på 1990-talet. Deep Blue kan identifiera bitar på schackbrädet och göra förutsägelser, men eftersom det inte har något minne kan det inte använda tidigare erfarenheter för att informera framtida.
• typ 2: begränsat minne. Dessa AI-system har minne, så de kan använda tidigare erfarenheter för att informera framtida beslut. Några av beslutsfunktionerna i självkörande bilar är utformade på detta sätt.
• typ 3: sinnets teori. Theory of mind är en psykologi term. När det tillämpas på AI betyder det att systemet skulle ha social intelligens för att förstå känslor. Denna typ av AI kommer att kunna dra slutsatser om mänskliga avsikter och förutsäga beteende, en nödvändig färdighet för att AI-system ska bli integrerade medlemmar i mänskliga Team.
• Typ 4: självmedvetenhet. I denna kategori har AI-system en känsla av själv, vilket ger dem medvetande. Maskiner med självmedvetenhet förstår sitt eget nuvarande tillstånd. Denna typ av AI finns ännu inte.

vad är exempel på AI-teknik och hur används den idag?

AI ingår i en mängd olika typer av teknik. Här är sex exempel:

• automatisering. I kombination med AI-teknik kan automatiseringsverktyg utöka volymen och typerna av utförda uppgifter. Ett exempel är robotic process automation (rpa), en typ av programvara som automatiserar repetitiva, regelbaserade databehandlingsuppgifter som traditionellt utförs av människor. I kombination med maskininlärning och nya AI-verktyg kan RPA automatisera större delar av företagsjobb, vilket gör det möjligt för RPA: s taktiska bots att passera intelligens från AI och svara på processförändringar.
• maskininlärning. Detta är vetenskapen om att få en dator att agera utan programmering. Deep learning är en delmängd av maskininlärning som i mycket enkla termer kan betraktas som automatisering av prediktiv analys. Det finns tre typer av maskininlärningsalgoritmer:
  • övervakat lärande. Datamängder är märkta så att mönster kan upptäckas och användas för att märka nya datamängder.
  • oövervakat lärande. Datamängder är inte märkta och sorteras efter likheter eller skillnader.
  • förstärkning lärande. Datamängder är inte märkta men efter att ha utfört en åtgärd eller flera åtgärder får AI-systemet feedback.
• maskin vision. Denna teknik ger en maskin möjlighet att se. Machine vision fångar och analyserar visuell information med hjälp av en kamera, analog-till-digital konvertering och digital signalbehandling. Det jämförs ofta med mänsklig syn, men maskinsyn är inte bunden av biologi och kan programmeras för att se genom väggar, till exempel. Det används i en rad applikationer från signaturidentifiering till medicinsk bildanalys. Datorseende, som är inriktad på maskinbaserad bildbehandling, ofta conflated med maskinseende.
• naturlig språkbehandling (NLP). Detta är behandlingen av mänskligt språk av ett datorprogram. Ett av de äldre och mest kända exemplen på NLP är spamdetektering, som tittar på ämnesraden och texten i ett e-postmeddelande och bestämmer om det är skräp. Nuvarande tillvägagångssätt för NLP bygger på maskininlärning. NLP-uppgifter inkluderar textöversättning, sentimentanalys och taligenkänning.
• robotik. Detta tekniska område fokuserar på design och tillverkning av robotar. Robotar används ofta för att utföra uppgifter som är svåra för människor att utföra eller utföra konsekvent. Till exempel används robotar i monteringslinjer för bilproduktion eller av NASA för att flytta stora föremål i rymden. Forskare använder också maskininlärning för att bygga robotar som kan interagera i sociala miljöer.
• självkörande bilar. Autonoma fordon använder en kombination av datorseende, bildigenkänning och djupt lärande för att bygga automatiserad skicklighet på lotsa ett fordon medan vistas i en viss körfält och undvika oväntade hinder, såsom fotgängare.

vilka är tillämpningarna av AI?

artificiell intelligens har tagit sig in på en mängd olika marknader. Här är nio exempel.

AI inom vården. De största satsningarna är på att förbättra patientresultaten och minska kostnaderna. Företag tillämpar maskininlärning för att göra bättre och snabbare diagnoser än människor. En av de mest kända vårdteknikerna är IBM Watson. Det förstår naturligt språk och kan svara på frågor som ställs av det. Systemet bryter patientdata och andra tillgängliga datakällor för att bilda en hypotes, som den sedan presenterar med ett förtroendepoängschema. Andra AI-applikationer inkluderar att använda virtuella hälsoassistenter och chatbots online för att hjälpa patienter och vårdkunder att hitta medicinsk information, schemalägga möten, förstå faktureringsprocessen och slutföra andra administrativa processer. En rad AI-tekniker används också för att förutsäga, bekämpa och förstå pandemier som COVID-19.

AI i näringslivet. Maskininlärningsalgoritmer integreras i CRM-plattformar (analytics and customer relationship management) för att avslöja information om hur man bättre kan betjäna kunder. Chatbots har införlivats på webbplatser för att ge omedelbar service till kunderna. Automatisering av jobbpositioner har också blivit en samtalspunkt bland akademiker och IT-analytiker.

AI i utbildning. AI kan automatisera betygsättning, vilket ger lärare mer tid. Det kan bedöma studenter och anpassa sig till deras behov, hjälpa dem att arbeta i sin egen takt. AI-handledare kan ge ytterligare stöd till studenter, så att de håller sig på rätt spår. Och det kan ändra var och hur eleverna lär sig, kanske till och med ersätta vissa lärare.

AI inom finans. AI i personliga finansapplikationer, som Intuit Mint eller TurboTax, stör finansinstitut. Applikationer som dessa samlar in personuppgifter och ger ekonomisk rådgivning. Andra program, som IBM Watson, har tillämpats på processen att köpa ett hem. Idag utför artificiell intelligens programvara mycket av handeln på Wall Street.

AI i lag. Upptäcktsprocessen-siktning genom dokument – i lag är ofta överväldigande för människor. Att använda AI för att automatisera den juridiska industrins arbetsintensiva processer sparar tid och förbättrar kundservicen. Advokatbyråer använder maskininlärning för att beskriva data och förutsäga resultat, datorsyn för att klassificera och extrahera information från dokument och naturlig språkbehandling för att tolka förfrågningar om information.

AI i tillverkning. Tillverkning har varit i framkant när det gäller att integrera robotar i arbetsflödet. Till exempel fungerar industrirobotarna som en gång programmerades för att utföra enskilda uppgifter och separeras från mänskliga arbetare alltmer som cobots: Mindre multitaskingrobotar som samarbetar med människor och tar ansvar för fler delar av jobbet i lager, fabriksgolv och andra arbetsytor.

AI i bank. Banker använder framgångsrikt chatbots för att göra sina kunder medvetna om tjänster och erbjudanden och för att hantera transaktioner som inte kräver mänsklig intervention. Ai virtuella assistenter används för att förbättra och minska kostnaderna för efterlevnad av bankregler. Bankorganisationer använder också AI för att förbättra sitt beslutsfattande för lån och för att sätta kreditgränser och identifiera investeringsmöjligheter.

AI i transport. Förutom AI: s grundläggande roll i drift av autonoma fordon används AI-teknik i transport för att hantera trafik, förutsäga flygförseningar och göra sjöfarten säkrare och effektivare.

säkerhet. AI och maskininlärning är högst upp i buzzword-listan som säkerhetsleverantörer använder idag för att differentiera sina erbjudanden. Dessa termer representerar också verkligt livskraftiga tekniker. Organisationer använder maskininlärning i programvara för säkerhetsinformation och händelsehantering (Siem) och relaterade områden för att upptäcka avvikelser och identifiera misstänkta aktiviteter som indikerar hot. Genom att analysera data och använda logik för att identifiera likheter med känd skadlig kod kan AI ge varningar till nya och framväxande attacker mycket tidigare än mänskliga anställda och tidigare tekniska iterationer. Den mogna tekniken spelar en stor roll för att hjälpa organisationer att bekämpa cyberattacker.

förstärkt intelligens vs. artificiell intelligens

vissa branschexperter tror att termen artificiell intelligens är för nära kopplad till populärkulturen, och detta har orsakat allmänheten att ha osannolika förväntningar om hur AI kommer att förändra arbetsplatsen och livet i allmänhet.

• förstärkt intelligens. Vissa forskare och marknadsförare hoppas att etiketten augmented intelligence, som har en mer neutral konnotation, kommer att hjälpa människor att förstå att de flesta implementeringar av AI kommer att vara svaga och helt enkelt förbättra produkter och tjänster. Exempel är att automatiskt visa viktig information i business intelligence-rapporter eller lyfta fram viktig information i juridiska anmälningar.
• artificiell intelligens. Sann AI, eller artificiell allmän intelligens, är nära förknippad med begreppet teknisk singularitet-en framtid som styrs av en artificiell superintelligens som långt överträffar den mänskliga hjärnans förmåga att förstå den eller hur den formar vår verklighet. Detta förblir inom science fiction, även om vissa utvecklare arbetar med problemet. Många tror att tekniker som kvantberäkning kan spela en viktig roll för att göra AGI till verklighet och att vi bör reservera användningen av termen AI för denna typ av allmän intelligens.

etisk användning av artificiell intelligens

medan AI-verktyg presenterar en rad nya funktioner för företag, väcker användningen av artificiell intelligens också etiska frågor eftersom, för bättre eller sämre, ett AI-system kommer att förstärka det det redan har lärt sig.

detta kan vara problematiskt eftersom maskininlärningsalgoritmer, som ligger till grund för många av de mest avancerade AI-verktygen, bara är lika smarta som de data de ges i träning. Eftersom en människa väljer vilka data som används för att träna ett AI-program, är potentialen för maskininlärningsförspänning inneboende och måste övervakas noggrant.

den som vill använda maskininlärning som en del av verkliga, produktionssystem måste faktorera etik i sina AI-träningsprocesser och sträva efter att undvika fördomar. Detta gäller särskilt när man använder AI-algoritmer som i sig är oförklarliga i deep learning och generative adversarial network (gan) – applikationer.

Förklarbarhet är ett potentiellt hinder för att använda AI i branscher som arbetar under strikta krav på regelefterlevnad. Till exempel verkar finansinstitut i USA enligt regler som kräver att de förklarar sina beslut om kreditgivning. När ett beslut att vägra kredit fattas av AI-programmering kan det dock vara svårt att förklara hur beslutet kom fram till eftersom AI-verktygen som används för att fatta sådana beslut fungerar genom att reta ut subtila korrelationer mellan tusentals variabler. När beslutsprocessen inte kan förklaras kan programmet kallas black box AI.

trots potentiella risker finns det för närvarande få regler som reglerar användningen av AI-verktyg, och där lagar finns, gäller de vanligtvis AI indirekt. Till exempel, som tidigare nämnts, kräver Förenta staternas rättvisa Utlåningsregler att finansinstitut förklarar kreditbeslut till potentiella kunder. Detta begränsar i vilken utsträckning långivare kan använda djupa inlärningsalgoritmer, som till sin natur är ogenomskinliga och saknar förklarbarhet.

Europeiska unionens allmänna dataskyddsförordning (GDPR) sätter strikta gränser för hur företag kan använda konsumentdata, vilket hindrar utbildning och funktionalitet hos många konsumentinriktade AI-applikationer.

i oktober 2016 utfärdade National Science and Technology Council en rapport som undersökte den potentiella rollen som statlig reglering kan spela i AI-utveckling, men det rekommenderade inte att särskild lagstiftning skulle övervägas.

att skapa lagar för att reglera AI kommer inte att vara lätt, delvis för att AI består av en mängd olika tekniker som företag använder för olika ändamål, och delvis för att regler kan komma på bekostnad av AI-framsteg och utveckling. Den snabba utvecklingen av AI-teknik är ett annat hinder för att bilda meningsfull reglering av AI. Tekniska genombrott och nya applikationer kan göra befintliga lagar omedelbart föråldrade. Till exempel täcker befintliga lagar som reglerar integriteten för konversationer och inspelade konversationer inte utmaningen från röstassistenter som Amazons Alexa och Apples Siri som samlas men inte distribuerar konversation-förutom till företagens teknikteam som använder den för att förbättra maskininlärningsalgoritmer. Och naturligtvis, de lagar som regeringar lyckas skapa för att reglera AI hindrar inte brottslingar från att använda tekniken med skadlig avsikt.

kognitiv databehandling och AI

termerna AI och kognitiv databehandling används ibland omväxlande, men generellt sett används etiketten AI med hänvisning till maskiner som ersätter mänsklig intelligens genom att simulera hur vi känner, lär, bearbetar och reagerar på information i miljön.

etiketten kognitiv databehandling används med hänvisning till produkter och tjänster som efterliknar och förstärker mänskliga tankeprocesser.

vad är AI: s historia?

begreppet livlösa föremål utrustade med intelligens har funnits sedan antiken. Den grekiska guden Hephaestus avbildades i myter som smide robotliknande tjänare ur guld. Ingenjörer i forntida Egypten byggde statyer av gudar animerade av präster. Genom århundradena, tänkare från Aristoteles till 13-talet spanska teologen Ramon Llull till ren Bisexuell Descartes och Thomas Bayes använde verktyg och logik i sin tid för att beskriva mänskliga tankeprocesser som symboler, lägga grunden för AI begrepp som allmän kunskap representation.

den sena 19: e och första halvan av 20-talen förde fram grundläggande arbete som skulle ge upphov till den moderna datorn. År 1836, Cambridge University matematiker Charles Babbage och Augusta Ada Byron, grevinnan av Lovelace, uppfann den första designen för en programmerbar maskin.

1940-talet. Princeton matematiker John Von Neumann tänkte arkitekturen för den lagrade programdatorn-tanken att en dators program och de data som den bearbetar kan förvaras i datorns minne. Och Warren McCulloch och Walter Pitts lagde grunden för neurala nätverk.

1950-talet. med tillkomsten av moderna datorer kunde forskare testa sina tankar om maskinintelligens. En metod för att avgöra om en dator har intelligens utformades av den brittiska matematikern och andra världskrigets kodbrytare Alan Turing. Turing-testet fokuserade på en dators förmåga att lura förhörare att tro att svaren på deras frågor gjordes av en människa.

1956. Det moderna området för artificiell intelligens Citeras allmänt som börjar i år under en sommarkonferens på Dartmouth College. Sponsrad av Defense Advanced Research Projects Agency (DARPA) deltog konferensen av 10 armaturer i fältet, inklusive AI-pionjärerna Marvin Minsky, Oliver Selfridge och John McCarthy, som krediteras med att ha myntat termen artificiell intelligens. Också i närvaro var Allen Newell, en datavetare, och Herbert A. Simon, ekonom, statsvetare och kognitiv psykolog, som presenterade sin banbrytande Logikteoretiker, ett datorprogram som kan bevisa vissa matematiska teorier och kallas det första AI-programmet.

1950-och 1960-talet. i kölvattnet av Dartmouth College-konferensen förutspådde Ledare inom AI-fältet att en konstgjord intelligens som motsvarar den mänskliga hjärnan var runt hörnet och lockade stort stöd från regeringen och industrin. Faktum är att nästan 20 års välfinansierad grundforskning genererade betydande framsteg inom AI: Till exempel i slutet av 1950-talet publicerade Newell och Simon GPS-algoritmen (General Problem Solver), som inte lyckades lösa komplexa problem men lade grunden för att utveckla mer sofistikerade kognitiva arkitekturer; McCarthy utvecklade Lisp, ett språk för AI-programmering som fortfarande används idag. I mitten av 1960-talet utvecklade MIT-Professor Joseph Weizenbaum ELIZA, ett tidigt naturligt språkbehandlingsprogram som lade grunden för dagens chatbots.

1970-och 1980-talet. Men uppnåendet av artificiell allmän intelligens visade sig vara svårfångad, inte överhängande, hämmad av begränsningar i datorbehandling och minne och av problemets komplexitet. Regering och företag backade bort från sitt stöd för AI-forskning, vilket ledde till en dovperiod som varade från 1974 till 1980 och känd som den första “AI-vintern.”På 1980-talet utlöste forskning om djupa inlärningstekniker och industrins antagande av Edward Feigenbaums expertsystem en ny våg av AI-entusiasm, bara för att följas av en annan kollaps av statlig finansiering och industristöd. Den andra AI-vintern varade fram till mitten av 1990-talet.

1990-talet fram till idag. Ökningar av beräkningskraft och en explosion av data utlöste en AI-renässans i slutet av 1990-talet som har fortsatt att nuvarande tider. Det senaste fokuset på AI har gett upphov till genombrott inom naturlig språkbehandling, datorsyn, robotik, maskininlärning, djupinlärning och mer. Dessutom blir AI allt mer påtagligt, driver bilar, diagnostiserar sjukdomar och cementerar sin roll i populärkulturen. 1997 besegrade IBMs Deep Blue den ryska schackmästaren Garry Kasparov och blev det första datorprogrammet som slog en världsmästare i schack. Fjorton år senare fängslade IBMs Watson allmänheten när den besegrade två tidigare mästare på spelshowen Jeopardy!. På senare tid bedövade det historiska nederlaget för 18-tiden World Go-mästaren Lee Sedol av Google Deepminds AlphaGo Go-samhället och markerade en viktig milstolpe i utvecklingen av intelligenta maskiner.

AI som en tjänst

eftersom hårdvaru -, mjukvaru-och personalkostnader för AI kan vara dyra, inkluderar många leverantörer AI-komponenter i sina standarderbjudanden eller ger tillgång till aiaas-plattformar (artificial intelligence as a service). AIaaS tillåter individer och företag att experimentera med AI för olika affärsändamål och prova flera plattformar innan de gör ett åtagande.

populära AI cloud-erbjudanden inkluderar följande:

• Amazon AI
• Ibmat Atson assistent
• Microsoft kognitiva tjänster
• Google AI