Kunstig intelligens forklaret enkelt. Hvordan holder man styr på enorme mængder data, såsom Big Data? Dette er kun muligt, hvis man orienterer sig mod bestemte mønstre eller lader sig guide af dem.
Kunstig intelligens (AI) – simpel syntaks
Et personligt eksperiment: Du har et specifikt billede i dit sind. I dag skal det være et rødt skab med hvide håndtag. Hvad gør du?
Du indtaster "rødt skab, hvide håndtag" i Google-søgningen.
Udbytte? Beskedent.
2. forsøg: Du indtaster "rødt skab, hvide håndtag" i Google-søgningen.
Resultatet er allerede bedre, men det kunne bestemt blive endnu bedre.
Brug af Google-søgning er det første skridt i programmeringen. Indsamling af søgeforespørgsler og konvertering af dem til algoritmer og kode danner det neurale netværk.
Maskinlæring, som vist i den øverste grafik, er derfor ikke noget, der kan implementeres hurtigt. Det kræver meget tid og kræfter. Dette forklarer også de tilsvarende udviklingsomkostninger. Men når man tænker på, at AI ikke tager ferie, går på pension eller har andre naturlige fravær, ændrer billedet sig fuldstændigt.
Men vil det røde skab med hvide håndtag stadig være moderigtigt i morgen? Vil det stadig passe til din livsstil? Smag ændrer sig. Det er præcis her, deep learning kommer ind i billedet. For at holde os til vores eksempel: Mens du fortsætter med at søge, lærer og genkender AI'en, hvordan din søgeadfærd har ændret sig baseret på de andre emner, der interesserer dig. Den udvikler derefter uafhængigt nye algoritmer til at "forudsige", at du om et år måske er interesseret i et grønt skab med blå håndtag til dit køkken.
Forfærdeligt? For nogle er det. Men det er det virkelig ikke. Vores frygt for det ukendte spiller os et puds. Hvis vi skulle spørge en gruppe mennesker, hvad de kunne finde interessant på tv i morgen, ville du få en bred vifte af svar. Ikke alle ville være de samme. Hvilke kriterier bruger du nu til at beslutte, hvilket forslag du ville acceptere? Er det indholdet eller måske den pågældende persons tiltrækningskraft?
Det samme gælder for AI. Resultaterne afhænger af, hvor svagt eller stærkt det neurale netværk er blevet "programmeret". Det handler om mønsteranalyse, som skal hjælpe os med at træffe gode beslutninger, ikke kontrollere os. For hvis vi ikke formår at opnå mønsteranalyse i big data, vil vi blive nådesløst ødelagt. Og det er det virkelige skrækscenarie.
Hold kontakten
