De 11 begrepp du (troligen) bör känna till om artificiell intelligens

Om du inte har kastat dig över AI-böcker eller en AI-utbildning kan du lätt tappa tråden när chefen eller kollegorna (eller journalisterna) pratar om generativ AI, machine learning, deepfakes och AI-hallucinationer. Eller hur?

Bli mycket klokare på Artificial Intelligence:

Mini MBA i Artificial Intelligence (för alla)

Artificial Intelligence Developer™ (för IT-proffs)

Tillsammans med våra fem geniala lärare på Mini MBA i Artificial Intelligence har vi därför satt ihop en liten ordlista åt dig över de allra viktigaste begreppen inom artificiell intelligens som du med fördel kan känna igen och använda. Här får du den …

1. Artificial Intelligence

Vi börjar i den enkla änden: Artificiell intelligens (AI) är kort sagt en teknik som efterliknar vissa former av mänsklig intelligens. Dessa intelligenta maskiner kan utföra uppgifter som taligenkänning, beslutsfattande, språköversättning och igenkänning av objekt i bilder eller video. AI-system lär sig och blir bättre över tid genom att analysera stora mängder data.

2. Artificial General Intelligence

Artificial General Intelligence syftar på den sublima (och just nu enbart hypotetiska) artificiella intelligens som kan utföra vilket intellektuellt jobb som helst som en människa kan. Till skillnad från specialiserad AI, som är utformad för specifika uppgifter (som att känna igen tal eller översätta språk), har den förmågan att lära, förstå och tillämpa kunskap över ett brett spektrum av uppgifter. När det lyckas att utveckla den kommer den att kunna tänka, förstå komplexa begrepp, lösa problem, fatta beslut och lära sig nya färdigheter på egen hand, precis som en människa. Det låter ju ganska häftigt, men … också lite otäckt. Elon Musk och andra kloka huvuden varnar rentav för att det kan leda till mänsklighetens undergång.

3. Machine learning

Machine learning är en gren av artificiell intelligens som ger datorer förmågan att lära sig från data utan att vara explicit programmerade. Systemen lär sig att känna igen mönster och fatta beslut utifrån tidigare erfarenheter. Processen innebär att matematiska modeller tränas på datamängder så att de kan förutsäga eller fatta självständiga beslut när de stöter på ny information.

4. Generativ AI

Generativ AI är en typ av artificiell intelligens som kan skapa nytt innehåll som text, bilder, video och musik. Tekniken använder machine learning, särskilt deep learning (se längre ner), för att lära av stora mängder data och därefter generera nya verk som efterliknar originaldatans stil och struktur. Generativ AI används brett inom konst, design och innovation för att producera originella och kreativa resultat.

5. Large Language Models (och ChatGPT)

Stora språkmodeller är avancerade AI-system som är utformade för att förstå och generera vårt mänskliga språk. De tränas på enorma mängder textdata och använder den kunskapen för att till exempel översätta, sammanfatta och besvara frågor. Modellerna är helt centrala i utvecklingen av mer begripliga och interaktiva AI-tillämpningar. ChatGPT är nog det mest välkända exemplet på Large Language Models.

6. AI-hallucinationer

AI-hallucinationer syftar på situationer där den artificiella intelligens som arbetar med språk eller bilder genererar falsk eller felaktig information. Det kan ske när AI-modeller missförstår sammanhanget eller övergeneraliserar utifrån sina träningsdata. Hallucinationer kan visa sig som påhittade fakta, inkonsekventa detaljer eller direkt felaktiga uppgifter. Problemet är särskilt framträdande i komplexa språkmodeller och kan leda till utmaningar för trovärdigheten och tillförlitligheten hos AI-genererat innehåll. Att minimera sådana hallucinationer är därför en viktig uppgift i utvecklingen av mer robusta och pålitliga AI-system.

7. Ansvarsfull AI

Ansvarsfull AI syftar på principer och praxis som säkerställer att artificiell intelligens utvecklas och används på ett etiskt, transparent och rättvist sätt. Det omfattar en rad element, såsom:

1. Etik: Att AI-systemen respekterar användarens rättigheter och värdighet, och att de inte diskriminerar eller orsakar skada.
2. Transparens: Att de beslut och processer som drivs av AI är begripliga och genomskinliga för användarna, så att de kan se hur och varför beslut har fattats.
3. Rättvisa: Att säkerställa att AI-systemen inte reproducerar eller förstärker befintliga sociala orättvisor, utan i stället främjar jämlikhet och inkludering.
4. Säkerhet: Att AI-systemen är säkra och skyddar användarnas data mot missbruk och angrepp.
5. Ansvar: Att det finns tydliga riktlinjer för vem som är ansvarig för AI:s handlingar, särskilt när de får konsekvenser för människors liv och välfärd.

8. Deepfakes

Om du inte känner till deepfakes ännu kommer du snart att göra det! Deepfakes syftar på hyperrealistiska förfalskningar som skapas med hjälp av avancerad AI-teknik. Deepfakes kan vara särskilt övertygande och svåra att skilja från äkta inspelningar, vilket väcker betydande oro kring desinformation, mediemanipulation och personliga övergrepp. De kan till exempel användas för att skapa falska nyheter, manipulera den allmänna opinionen eller skada människors anseende genom påhittade skandaler. Se en video på YouTube om deepfakes.

9. Supervised, unsupervised och reinforcement learning

Inom machine learning skiljer man typiskt mellan tre huvudtyper av inlärning: supervised, unsupervised och reinforcement learning:

Supervised learning (övervakad inlärning)
I supervised learning tränas modeller på en datamängd där varje indata (oftast en rad med data) redan är märkt med ett korrekt utdata. Syftet är att modellen ska lära sig att förutsäga utdata från nya indata utifrån dessa exempel.

Unsupervised learning (icke-övervakad inlärning)
I unsupervised learning arbetar modellerna med data som inte är märkt. Målet här är att identifiera strukturer eller mönster i datan, såsom gruppering av liknande exempel eller reducering av antalet variabler.

Reinforcement learning (förstärkningsinlärning)
I reinforcement learning lär sig AI-systemet att fatta beslut genom trial and error. Det får “belöningar” eller “straff” beroende på hur det klarar uppgiften. Och det hjälper systemet att lära sig vilka handlingar som leder till de bästa resultaten över tid. AI-systemet AlphaZero lärde sig att spela schack utan att först lära sig reglerna. Det prövade sig fram och spelade massor av partier. Efter två timmar kunde det slå de flesta människor i världen, och efter fyra timmar kunde det slå världens bästa schackdator.

10. Neuralt nätverk

Ett neuralt nätverk är en typ av artificiell intelligens som simulerar hur den mänskliga hjärnan fungerar för att bearbeta data. Det består av lager av neuroner – sammankopplade enheter som tar emot, bearbetar och skickar information. Neurala nätverk är effektiva för uppgifter som bildigenkänning och språkförståelse och förbättras över tid genom att kopplingarna mellan neuronerna justeras utifrån inlärningsdata.

11. Deep learning

Deep learning är en avancerad form av machine learning som använder neurala nätverk med många lager för att lära sig och fatta beslut utifrån stora mängder data. Tekniken efterliknar den mänskliga hjärnans funktioner och används för att känna igen mönster och bearbeta komplexa data som bilder, ljud och text. Deep learning har revolutionerat många teknikområden, däribland ansiktsigenkänning, språköversättning och självkörande bilar, men kräver mycket stor beräkningskraft.

Är du sugen på mer AI-kunskap?

Kolla då in vår Mini MBA i Artificial Intelligence. Den sträcker sig över 6 månader (6 undervisningsdagar och en massa annat) och ger dig massor av verktyg för att arbeta med artificiell intelligens hos er.

Du kan också följa med på vår endagskurs i ChatGPT.

Klicka här och se alla våra (cirka 2 miljarder) andra kurser och korta utbildningar!

Här är ett litet urval av de allra populäraste av dem:

• Mini MBA i Sustainability Management & ESG (6 månader)
• Mötesledning och facilitering (2 dagar)
• Assertiv kommunikation (2 dagar)
• Aros Mini MBA – Ledarutbildning (6 månader)
• Att leda andra utan att vara chef (3 dagar)
• Mini MBA i Psykologi (6 månader)
• Nudging och beteendedesign (2 dagar)
• Aros Processledarutbildning (6 dagar)
• Kurs i konflikthantering (2 dagar)
• Presentationsteknik med genomslagskraft (2 dagar)
• Aros Projektledarutbildning (IPMA) (12 dagar)
• Den Intensiva Projektledarutbildningen (6 dagar)