Sammenlignet med det vi nå ser av AI-teknologi var tidligere varianter knapt mer enn programmering av enorme mengder kode som skulle adressere alle tenkelige problemstillinger. Den eneste “intelligens” som fantes i koden var lagt inn av utvikleren selv, så det kunne vel egentlig ikke kalles “kunstig intelligens”?
Maskinlæring – en sentral del av AI
Så hvor er vi nå ? Stort fokus på maskinlæring (ML). Noen forbinder maskinlæring kun som et element av AI, men for alle praktiske formål kan vi nå betrakte ML som en helt sentral del av AI.
De siste 4-5 årene har vi hørt mye om Deep Learning og nevrale nettverk. Deep Learning er kjent som en teknikk for å få maskinlæring til å erstatte mer tradisjonell programmering. Nevrale nettverk brukes som benevnelse på kunstig etterligning av biologisk nervevev fra hjernen. Ved bruk av Deep Learning-teknikker og etterlikning av nevrale nettverk har man fått til bedre løsninger innen AI de siste 5 årene enn man har klart i de foregående 40 årene. Dette er sammen med de kommersielle interessene og mange praktiske anvendelser, den bakenforliggende grunnen til at vi nå ser AI-løsninger overalt rundt oss, og utviklingen fortsetter i et stadig større tempo. I praksis så benytter vi AI, noen av dem riktignok ganske enkle, i stort omfang allerede uten at vi nødvendigvis tenker på de som kunstig intelligens under paraplyen automatisering.
Men det er fortsatt langt frem til AI kan konkurrere med den menneskelige hjerne, for å sortere litt så kan vi kategorisere som følger:
- ANI (Artificial Narrow Intelligence)
- AGI (Artificial General Intelligence)
- ASI (Artificial SuperIntelligence)
Vil du lære mer om hvordan du kan benytte maskinlæring i dine business intelligence og analytics prosjekter?
ANI (Artificial Narrow Intelligence) – AI-løsningen som er tilgjengelig nå og innen overskuelig fremtid
ANI er AI-løsninger som er dedikert til et spesielt formål, eksempelvis:
- Roboter i alle varianter til forskjellige formål
- Smart phones er stappfulle av AI. Gjenkjenning av fingeravtrykk, Siri, forslag til spillelister, email Spam filter osv.
- IPSoft sin Amelia har i tillegg visualisert løsningen
- F-35 norges nye kampfly har avanserte AI løsninger i mange av systemene
- Tesla, og forsåvidt alle moderne biler inneholder mange AI løsninger, anti-skid, intelligent motorstyring, intelligente girskifter, autopilot osv.
- Selvkjørende biler og busser
- Droner
- Landbruksroboten Thorvald utviklet ved Norges miljø- og biovitenskapelige universitet (NMBU)
- Standard SW løsninger bruker AI til å automatisere og effektivisere rutineoppgaver, spesielt innen økonomi og administrasjon.
- Automatiserte kundesupport sentre
- Nettbutikkene sin “Spesielt anbefalt for deg” og “De som kjøpte dette ….., kjøpte også dette….) funksjonalitet som utnytter stort volum av kunder og deres kjøpsmønster.
- Facebook sine venneforslag
- Sjakk roboter
- Virtuelle assistenter og chatbots
Felles for løsningene er at de automatiserer arbeidet i stor grad innenfor de områdene de er designet for, men er stort sett ubrukelige til noe annet. Hvis du ber IPSoft’s Amelia om å kjøre bilen for deg møtes du nok av et tomt blikk. Mange refererer til ANI som “Weak AI”.
AGI (Artificial General Intelligence) – AI-løsninger noen spår at vil være tilgjengelig om 40 – 60 år
Generelle AI løsninger som kan brukes til mange forskjellige formål og som likestilles med den menneskelige hjerne på flere områder.
Refereres ofte til som “Human-Level AI”.
ASI (Artificial SuperIntelligence) – Tilgjengelig om > 60 år
Løsninger som overgår den menneskelige hjerne på mange områder, og på flere områder er mange ganger smartere.
Oppsummert: ANI er hverdagen. Fremtiden for AI er det mange som mener mye om og spådommer er og blir spådommer. Mange teknologiske nyvinninger har endt opp med helt andre anvendelser enn hva spådommene pekte på, så hvem vet, kanskje klarer vi oss helt fint uten teknologi som er smartere enn oss selv ?
Vil du lære mer om hvordan du kan benytte maskinlæring i dine business intelligence og analytics prosjekter?