Hva er AI? Alt å vite om kunstig intelligens

0
8
Hender som skriver på bærbar PC med ChatGPT på skjermen Maria Diaz/ZDNET

Hva er kunstig intelligens?

Hvis du hører begrepet kunstig intelligens (AI), tenker du kanskje på selvkjørende biler, roboter, ChatGPT,&#xA0 ;andre AI chatbots og kunstig opprettede bilder. Men det er også viktig å se bak resultatene av AI og forstå hvordan teknologien fungerer og dens innvirkning på denne og fremtidige generasjoner.

AI er et konsept som har eksistert formelt siden 1950-tallet, da det ble definert som en maskins evne til å utføre en oppgave som tidligere ville ha krevd menneskelig intelligens. Dette er en ganske bred definisjon som har blitt modifisert over flere tiår med forskning og teknologiske fremskritt.

Når du vurderer å tildele intelligens til en maskin, for eksempel en datamaskin, er det fornuftig å starte med å definere begrepet ' intelligens' — spesielt når du vil finne ut om et kunstig system virkelig fortjener det. 

Også: ChatGPT vs. Microsoft Copilot vs. Gemini: Hvilken er den beste AI-chatboten?

Intelligensnivået vårt skiller oss fra andre levende vesener og er avgjørende for den menneskelige opplevelsen. Noen eksperter definerer intelligens som evnen til å tilpasse seg, løse problemer, planlegge, improvisere i nye situasjoner og lære nye ting. 

Med intelligens noen ganger sett på som grunnlaget for å være menneske, er det kanskje ingen overraskelse at vi ville prøve å gjenskape det kunstig i vitenskapelige bestrebelser. 

Dagens AI-systemer kan vise noen trekk ved menneskelig intelligens, inkludert læring, problemløsning, persepsjon og til og med et begrenset spekter av kreativitet og sosial intelligens.

Hvordan kan jeg bruke AI?

AI kommer i forskjellige former og har blitt allment tilgjengelig i hverdagen. Smarthøyttalerne på mantelen din med Alexa eller Google Voice Assistant innebygd er to gode eksempler på AI. Andre gode eksempler inkluderer populære AI-chatbots, for eksempel ChatGPT, den nye Bing Chat og Google Bard. 

Når du spør ChatGPT om hovedstaden i et land, eller du ber Alexa gi deg en oppdatering om været, kommer svarene fra maskinlæringsalgoritmer.

Også: < /strong>Hvordan fungerer ChatGPT?

Selv om disse systemene ikke er en erstatning for menneskelig intelligens eller sosial interaksjon, kan de bruke opplæringen til å tilpasse seg og lære nye ferdigheter for oppgaver de var ikke eksplisitt programmert til å utføre. 

Hva er de forskjellige typene AI?

Kunstig intelligens kan deles inn i tre allment aksepterte underkategorier: smal AI, generell AI og super AI.

Hva er smal AI?

Person som bruker ChatGPT på en bærbar datamaskin June Wan/ZDNET

Kunstig smal intelligens (ANI) er avgjørende for stemmeassistenter som Siri, Alexa og Google Assistant. Denne kategorien inkluderer intelligente systemer designet eller trent til å utføre spesifikke oppgaver eller løse spesielle problemer uten å være eksplisitt designet. 

ANI kan ofte kalles svak AI, siden den ikke har generell intelligens. Likevel inkluderer noen eksempler på kraften til smal AI taleassistenter, bildegjenkjenningssystemer, teknologier som svarer på enkle kundeserviceforespørsler og verktøy som flagger upassende innhold på nettet. 

Også: Microsoft Copilot Pro vs. OpenAIs ChatGPT Plus: Hva er $20 verdt i måneden?

ChatGPT er et eksempel på ANI, siden det er programmert til å utføre en spesifikk oppgave : generer tekstsvar på spørsmål den er gitt.

Hva er generell AI?

robot-in-a-crowdBing Image Creator/ZDNET

Artificial General Intelligence (AGI), eller sterk AI, er fortsatt et hypotetisk konsept ettersom det innebærer en maskinforståelse og utførelse av vidt forskjellige oppgaver basert på akkumulert erfaring. Denne typen intelligens er mer på nivå med menneskelig intellekt, ettersom AGI-systemer ville være i stand til å resonnere og tenke som et menneske.

Også: AI er sant målet er kanskje ikke lenger intelligens

Som et menneske kan AGI potensielt forstå enhver intellektuell oppgave, tenke abstrakt, lære av sine erfaringer og bruke den kunnskapen til å løse nye problemer. I hovedsak snakker vi om et system eller en maskin som er i stand til sunn fornuft, som foreløpig er uoppnåelig med noen tilgjengelig AI.

Å utvikle et system med bevissthet er fortsatt, antagelig, en god vei i det fjerne, men det er det endelige målet for AI-forskning.

Hva er super AI?

Sideflate av AI-robot etter partikkelform. Yuichiro Chino/Moment via Getty Images

Kunstig superintelligens (ASI) er et system som ikke bare vil rokke menneskeheten til sin kjerne, men som også kan ødelegge den. Hvis det høres ut som noe rett ut av en science fiction-roman, er det fordi det er det. ASI er et system der intelligensen til en maskin overgår alle former for menneskelig intelligens i alle aspekter og overgår mennesker i alle funksjoner.

Også: Fremtidens mekanikk: Møt spesialistene som setter sammen AI

strong>

Et intelligent system som kan lære og kontinuerlig forbedre seg er fortsatt et hypotetisk konsept. Men hvis det brukes effektivt og etisk, kan systemet føre til ekstraordinære fremskritt og prestasjoner innen medisin, teknologi og mer. 

Hva er noen nyere eksempler på kunstig intelligens?

Samlet sett er de mest bemerkelsesverdige fremskrittene innen kunstig intelligens utviklingen og utgivelsen av GPT 3.5 og GPT 4. Men det har vært mange andre revolusjonerende prestasjoner innen kunstig intelligens – for mange til å inkludere her.

Her er noen av den mest bemerkelsesverdige:

ChatGPT (og GPT-ene)

ChatGPT er en AI-chatbot som er i stand til å generere og oversette naturlig språk og svare på spørsmål. Selv om det uten tvil er det mest populære AI-verktøyet, har OpenAI, takket være dets utbredte tilgjengelighet, laget betydelige bølger innen kunstig intelligens ved å lage GPT-er 1, 2 og 3 før utgivelsen av ChatGPT.

Også:& #xA0;5 måter å bruke chatbots for å gjøre livet ditt enklere

GPT står for Generative Pre-trained Transformer, og GPT-3 var den største språkmodellen ved lanseringen i 2020, med 175 milliarder parametere. Så kom GPT-3.5, som driver gratisnivået til ChatGPT. Den største versjonen, GPT-4, tilgjengelig via ChatGPT Plus eller Microsoft Copilot, har én trillion parametere. 

Selvkjørende biler

Selv om sikkerheten til selvkjørende biler er en stor bekymring for potensielle brukere, fortsetter teknologien å utvikle seg og forbedres med gjennombrudd innen AI. Disse kjøretøyene bruker maskinlæringsalgoritmer for å kombinere data fra sensorer og kameraer for å oppfatte omgivelsene og bestemme den beste handlingsforløpet. 

Også: En autonom bil som våkner og hilser du kan være i fremtiden din

Teslas autopilotfunksjon i sine elektriske kjøretøy er sannsynligvis det folk flest tenker på når de vurderer selvkjørende biler. Likevel kjører Waymo, fra Googles morselskap, Alphabet, autonome turer, som en taxi uten taxisjåfør, i San Francisco, CA og Phoenix, AZ.

Cruise er en annen robotaxi-tjeneste, og Bilselskaper som Audi, GM og Ford jobber antagelig også med selvkjørende kjøretøyteknologi. 

Robotikk

Prestasjonene til Boston Dynamics skiller seg ut innen AI og robotikk. Selv om vi fortsatt er et stykke unna å lage AI på teknologinivået som vi ser i filmen Terminator, ser vi Boston Dyanmics' roboter bruker AI for å navigere og reagere på forskjellige terreng er imponerende. 

DeepMind

Googles søsterselskap DeepMind er en AI-pioner som gjør fremskritt mot det endelige målet om kunstig generell intelligens (AGI). Selv om det ikke er der ennå, skapte selskapet overskrifter i 2016 med AlphaGo, et system som slo en menneskelig profesjonell Go-spiller. 

Siden den gang har DeepMind laget et proteinfoldende prediksjonssystem som kan forutsi de komplekse 3D-formene til proteiner. Den har også utviklet programmer for å diagnostisere øyesykdommer like effektivt som de beste legene over hele verden.

Hva er maskinlæring?

En robot i et klasserom Bing Image Creator/ZDNET

Den største kvaliteten som skiller AI fra andre informatikk-emner er muligheten til enkelt å automatisere oppgaver ved å bruke maskinlæring, som lar datamaskiner lære av forskjellige erfaringer i stedet for å være eksplisitt programmert til å utføre hver oppgave. Denne egenskapen er det mange omtaler som AI, men maskinlæring er en undergruppe av kunstig intelligens.

Maskinlæring innebærer at et system trenes på store datamengder for å lære av feil og gjenkjenne mønstre for nøyaktig å foreta spådommer og beslutninger, enten de har blitt utsatt for de spesifikke dataene. 

Også: Hva er maskinlæring? Alt du trenger å vite

Eksempler på maskinlæring inkluderer bilde- og talegjenkjenning, svindelbeskyttelse og mer. Et spesifikt eksempel er bildegjenkjenningssystemet når brukere laster opp bilder til Facebook. Det sosiale medienettverket kan analysere bildet og gjenkjenne ansikter, noe som fører til anbefalinger om å tagge forskjellige venner. Med tid og øvelse, forbedrer systemet denne ferdigheten og lærer å gi mer nøyaktige anbefalinger.

Hva er elementene i maskinlæring?

Som nevnt ovenfor, er maskinlæring en undergruppe av AI og er generelt delt inn i to hovedkategorier: overvåket og uovervåket læring.

Ved oppsyn

Denne vanlige teknikken for undervisning i AI-systemer bruker mange merkede eksempler som folk har kategorisert. Disse maskinlæringssystemene mates med enorme mengder data, som har blitt kommentert for å fremheve funksjonene av interesse – du underviser i hovedsak ved eksempel. 

Anta at du ønsket å trene en maskinlæringsmodell til å gjenkjenne og skille bilder av sirkler og firkanter. I så fall vil du komme i gang med å samle et stort datasett med bilder av sirkler og firkanter i forskjellige sammenhenger, for eksempel en tegning av en planet for en sirkel eller en tabell for en firkant, for eksempel, komplett med etiketter for hva hver shape is. 

Algorithmen vil da lære denne merkede samlingen av bilder for å skille figurene og deres egenskaper, for eksempel sirkler uten hjørner og firkanter med fire like sider. Etter trening på datasettet med bilder, kan systemet se et nytt bilde og bestemme hvilken form det finner. 

Utilsyn læring

I motsetning til dette bruker uovervåket læring en annen tilnærming, der algoritmer prøver å identifisere mønstre i data, på jakt etter likheter som kan brukes til å kategorisere disse dataene.

Et eksempel kan være å gruppere sammen frukter som veier en lignende mengde. eller biler med tilsvarende motorstørrelse.

Også: Maskinlæring skjer i sanntid: Her er hvorfor og hvordan

< p>Algoritmen er ikke satt opp på forhånd for å plukke ut bestemte typer data; den ser ganske enkelt etter data med likheter som den kan gruppere, for eksempel gruppere kunder basert på handleatferd for å målrette dem med personlig tilpassede markedsføringskampanjer. 

Forsterkende læring< /h3>

I forsterkende læring prøver systemet å maksimere en belønning basert på inndata, og går gjennom en prøving-og-feil-prosess til det kommer til best mulig resultat.

Vurder å trene et system til å spille et videospill, der det kan motta en positiv belønning hvis det får en høyere poengsum og en negativ belønning for en lav poengsum. Systemet lærer å analysere spillet og gjøre bevegelser og lærer deretter utelukkende fra belønningene det mottar, når det kommer til poenget med å spille på egenhånd og oppnå høy poengsum uten menneskelig innblanding.

Forsterkende læring brukes også. i forskning, hvor det kan hjelpe til med å lære autonome roboter den optimale måten å oppføre seg på i virkelige miljøer.

Hva er store språkmodeller?

En av de mest kjente typene AI akkurat nå er store språkmodeller (LLM). Disse modellene bruker uovervåket maskinlæring og er trent på enorme mengder tekst for å lære hvordan menneskelig språk fungerer. Disse tekstene inkluderer artikler, bøker, nettsteder og mer. 

I opplæringsprosessen behandler LLM-er milliarder av ord og uttrykk for å lære mønstre og relasjoner mellom dem, noe som gjør det mulig for modellene å generere menneskelig- liker svar på forespørsler. 

Dessuten: AI vil frigjøre det neste nivået av menneskelig potensial. Slik gjør du

Den mest populære LLM er GPT 3.5, som gratis ChatGPT er basert på, og den største LLM er GPT-4 med angivelig 1,78 billioner parametere. Gemini drives av en LLM med samme navn utviklet av Google, som er den nest største LLM med 1,5 millioner parametere.

Hva er dyp læring?

Dyplæring er en del av maskinlæringsfamilien, som innebærer å trene kunstige nevrale nettverk med tre eller flere lag for å utføre forskjellige oppgaver. Disse nevrale nettverkene utvides til spredte nettverk med et stort antall dype lag som trenes opp ved hjelp av enorme mengder data. 

Dyplæringsmodeller har en tendens til å ha mer enn tre lag og kan ha hundrevis av lag. Dyplæring kan bruke veiledet eller uovervåket læring eller begge deler i opplæringsprosesser.

Også: Hva er dyp læring? Alt du trenger å vite

Fordi dyplæringsteknologi kan lære å gjenkjenne komplekse mønstre i data ved hjelp av AI, brukes den ofte i naturlig språkbehandling (NLP), talegjenkjenning og bildegjenkjenning.

Hva er nevrale nettverk?

Suksessen til maskinlæring er avhengig av nevrale nettverk. Dette er matematiske modeller hvis struktur og funksjon er løst basert på forbindelsen mellom nevroner i den menneskelige hjernen, og etterligner hvordan de signaliserer til hverandre.

Se for deg en gruppe roboter som jobber sammen for å løse et puslespill. Hver er programmert til å gjenkjenne en annen form eller farge i puslespillbrikkene. Robotene kombinerer sine evner til å løse gåten sammen. Et nevralt nettverk er som en gruppe roboter.

Nevrale nettverk kan justere interne parametere for å endre hva de sender ut. Hver mates med databaser for å lære hva den skal sende ut når den presenteres med visse data under trening. 

Også: Seks ferdigheter du trenger for å bli AI-ingeniør< /p>

De består av sammenkoblede lag med algoritmer som mater data inn i hverandre. Nevrale nettverk kan trenes til å utføre spesifikke oppgaver ved å endre betydningen som tilskrives data når de passerer mellom lag. Under treningen av disse nevrale nettverkene vil vektene knyttet til data når de passerer mellom lagene fortsette å varieres inntil utgangen fra det nevrale nettverket er svært nær det som er ønsket. 

På det tidspunktet vil nettverket ha 'lært' hvordan utføre en bestemt oppgave. Den ønskede utgangen kan være alt fra riktig merking av frukt i et bilde til å forutsi når en heis kan svikte basert på sensordataene.

Hva er konversasjons-AI?

Konversasjons-AI inkluderer systemer programmert å ha samtaler med en bruker, opplært til å lytte (input) og svare (output) på en samtale måte. Konversasjons-AI bruker naturlig språkbehandling for å forstå og svare naturlig.

Også: Hvorfor samtale-AI nå er klar for beste sendetid

Noen eksempler på samtale-AI er chatboter som Gemini, smarthøyttalere med en stemmeassistent som Amazon Alexa, eller virtuelle assistenter på smarttelefonen din som Siri. 

Hvilke AI-tjenester er tilgjengelige for bruk?

Både forbrukere og bedrifter har et vell av AI-tjenester tilgjengelig for å fremskynde oppgaver og legge til bekvemmelighet i hverdagen – du har sannsynligvis noe i hjemmet ditt som bruker AI på en eller annen måte.

< p>Her er noen vanlige eksempler på kunstig intelligens tilgjengelig for publikum, både gratis og mot betaling:

Taleassistenter: Amazon Alexa på Echo-enheten på hyllen din, Apples Siri på din iPhone og Google Assistant på en Pixel-enhet bruker alle naturlig språkbehandling for å forstå og svare på spørsmålene eller kommandoene dine.Chatbots: AI chatbots er en annen form for virtuell assistent som kan samhandle med mennesker og, i noen saker, hold menneskelignende samtaler, til og med etterlign empati og bekymring. Språkoversettelse: Maskinlæring når vidt og bredt, og tjenester som Google Translate, Microsoft Translator, Amazon Translate og ChatGPT bruker alle teknologien til å oversette tekst.Produktivitet: Microsoft Copilot for Microsoft 365 er et godt eksempel på en LLM som brukes som et AI-produktivitetsverktøy innebygd i Word, PowerPoint, Outlook, Excel, Teams og mer for å automatisere oppgaver. Bare spør, 'e-post teamet om siste status på prosjektet' vil utløse Copilot til å automatisk samle informasjon fra e-poster og dokumenter for å generere en tekst med det du spurte om.Bilde- og videogjenkjenning: Ulike programmer bruker AI for å finne informasjon om innholdet i bilder og videoer, som f.eks. ansikter, tekst og objekter i dem. Clarifai, som bruker maskinlæring for å organisere ustrukturerte data fra kilder, og Amazon Rekognition, en AWS-tjeneste som lar brukere laste opp bilder for å motta informasjon, er to eksempler på dette.Programvareutvikling: Mange utviklere har brukt ChatGPT til å skrive og feilsøke kode i over et år, men mange andre AI-verktøy er tilgjengelige for å gjøre en programmerers jobb enklere. Et eksempel er AI-parprogrammereren GitHub Copilot av OpenAI Codex, en generativ språkmodell som kan skrive kode raskere med mindre innsats ved å autofullføre kommentarer og kode umiddelbart.Bygge en bedrift:Bortsett fra en hverdagsbruker som benytter seg av kunstig intelligens rundt seg, tilbyr tjenester AI-verktøy for bedrifter, inkludert OpenAIs GPT-4 API for å bygge applikasjoner og tjenester ved å bruke LLM eller Amazon Bedrock, en pakke med skybaserte AI-verktøy for utviklere.

Hvilket selskap leder AI-kappløpet?

Selv om generativ AI leder gjennombruddene innen kunstig intelligens, jobber andre toppselskaper med banebrytende teknologier.

OpenAI

Det er ikke overraskende at OpenAI har tatt ledelsen i AI-løpet etter å ha gjort generative AI-verktøy tilgjengelig gratis, slik som AI-chatboten ChatGPT og Dall-E 3, som er en bildegenerator.

Alphabet

Googles morselskap, Alphabet, har sine hender i flere forskjellige AI-systemer gjennom selskaper, inkludert DeepMind, Waymo og nevnte Google. 

Også: Når AI i programvareteknikk et “Oppenheimer-øyeblikk”? Her er det du trenger å vite

Google hadde en tøff start i AI-chatbot-løpet med et underpresterende verktøy kalt Google Bard, opprinnelig drevet av LaMDA. Selskapet byttet deretter LLM bak Bard to ganger – første gang for PaLM 2, og deretter for Gemini, LLM som for øyeblikket driver den. Med den siste endringen ga Google også nytt navn til boten Bard for Gemini.

DeepMind fortsetter å forfølge kunstig generell intelligens, noe som fremgår av de vitenskapelige løsningene den streber etter å oppnå gjennom AI-systemer. Den har utviklet maskinlæringsmodeller for Document AI, optimalisert seeropplevelsen på Youtube, gjort AlphaFold tilgjengelig for forskere over hele verden, og mer.

Også: Har du 10 timer? IBM vil trene deg i grunnleggende AI – gratis

Selv om du kanskje ikke hører om Alphabets arbeid med kunstig intelligens i nyhetene hver dag, har arbeidet innen dyp læring og AI generelt potensial til å endre fremtiden for mennesker. 

Microsoft

Bortsett fra å lage Microsoft Copilot for sine 365 applikasjoner, tilbyr Microsoft en pakke med AI-verktøy for utviklere på Azure, for eksempel plattformer for utvikling av maskinlæring, dataanalyse, konversasjons-AI og tilpassbare APIer som oppnår menneskelig paritet i datasyn, tale og språk.

Også: Microsoft CEO Nadella: 'Forvent at vi inkorporerer AI i hvert lag av stabelen'

Microsoft har også investert tungt i OpenAIs utvikling. Teknologigiganten bruker GPT-4 i Copilot, dens AI-chatbot tidligere kjent som Bing-chat, og i en mer avansert versjon av Dall-E 3 for å generere bilder gjennom Microsoft Designer.

Andre selskaper< /h3>

Dette er bare noen få eksempler på selskaper som leder AI-løpet, men andre over hele verden gjør også fremskritt i kunstig intelligens, inkludert Baidu, Alibaba, Cruise, Lenovo, Tesla og mer.

Hvordan vil AI forandre verden?

Kunstig intelligens kan endre hvordan vi jobber, helsen vår, hvordan vi bruker media og kommer på jobb, personvernet vårt og mer. 

Tenk på hvilken innvirkning visse AI-systemer kan ha på verden. Folk kan be en stemmeassistent på telefonene sine om å hente turer fra autonome biler for å få dem til å jobbe, hvor de kan bruke AI-verktøy for å være mer effektive enn noen gang før.

Også: The ethics of generativ kunstig intelligens: Hvordan vi kan utnytte denne kraftige teknologien

Leger og radiologer kan stille kreftdiagnoser ved bruk av færre ressurser, oppdage genetiske sekvenser relatert til sykdommer og identifisere molekyler som kan føre til mer effektive medisiner, som potensielt kan redde utallige liv.

Alternativt er det verdt å vurdere forstyrrelsen som kan være et resultat av å ha nevrale nettverk som kan lage realistiske bilder, som Dall-E 3, Midjourney og Copilot, som kan replikere noens stemme eller lage dype falske videoer ved å bruke en persons likhet. Disse dype forfalskningene kan undergrave bildene, videoene eller lyden folk anser som ekte.

Også: Hvorfor ChatGPT-samtalene dine kanskje ikke er så sikre som du tror

Et annet etisk problem gjelder ansiktsgjenkjenning og overvåking, og hvordan denne teknologien kan krenke folks personvern, med mange eksperter som ønsker å forby det helt.

Vil en AI stjele jobben din?

Muligheten for kunstig intelligente systemer som erstatter en betydelig del av moderne arbeidskraft er en troverdig mulighet i nær fremtid.

< p>Selv om vanlig kunstig intelligens ikke vil erstatte alle jobber, er det som virker sikkert at AI vil endre arbeidets natur, med det eneste spørsmålet hvor raskt og dyptgående automatisering vil endre arbeidsplassen.

Også. : Dette er jobbene som mest sannsynlig vil bli overtatt av AI

Men kunstig intelligens kan ikke kjøres uavhengig. Mens mange jobber med rutinemessig, repeterende dataarbeid kan automatiseres, kan arbeidere i andre jobber bruke verktøy som generativ AI for å bli mer produktive og effektive.

Det er et bredt spekter av meninger blant AI-eksperter om hvor raskt kunstig intelligente systemer vil overgå menneskelige evner.

Også: Kan AI være en lagspiller innen samarbeidende programvareutvikling?

< p>Fullt autonome selvkjørende kjøretøy er ikke en realitet ennå, men etter noen spådommer er den selvkjørende lastebilindustrien alene klar til å ta over 500 000 jobber i USA uunngåelig, selv uten å vurdere innvirkningen på kurerer og taxier drivere.