Kunstig intelligens
Udviklingen af kunstig intelligens startede lige efter Anden Verdenskrig, da forskere som Alan Turing udforskede muligheden for, at maskiner kunne »tænke«. I 1950 udgav Turing »Computing Machines and Intelligence«, hvor han foreslog Turing-testen som en metode til at afgøre, om en maskine var i stand til at efterligne menneskelig intelligens. Kunstig intelligens tiltrak sig stor opmærksomhed i 1960’erne, hvor de første programmer til skakspil og algebraisk problemløsning så dagens lys. Men den første »vinterperiode« for AI kom i 1970’erne, hvor fremskridtene i den virkelige verden ikke helt levede op til de høje forventninger, som mange havde, og finansieringen af forskningen blev reduceret.
Interessen for AI tog over i 1980’erne som følge af en kombination af udviklingen af algoritmer til maskinlæring og øget computerkraft. Denne æra er præget af forbedringer i realiseringen af ekspertsystemer – som kan simulere menneskelige eksperters beslutninger inden for et bestemt domæne. Fra og med det nye årtusinde begyndte en ny æra inden for AI, som blev fremskyndet af udviklingen af internettet, big data og større computerkraft. Gennembrud inden for deep learning og neurale netværk har indtil videre ført til en række systemer, der nu er i stand til at genkende tale og billeder, og som understøtter det seneste arbejde med selvkørende biler, personlig medicin og andre anvendelser.
Kunstig intelligens bryder nye rammer og udfordringer, finder sin plads i dagligdagen og ændrer mange områder radikalt: erhvervsliv, medicin og uddannelse. AI-historien er vejen fra utopiske ideer til virkelige teknologier, som inspirerer forskere og udviklere til at skabe nye ting.
Kunstig intelligens har gennemgået mange forandringer på så kort tid, siden den opstod. Det er muligt at udpege seks stadier i dens udviklingshistorie.
I de første år af udviklingen, opmuntret af tidlige succeser, kom en række forskere, herunder Herbert Simon, med optimistiske forudsigelser. Simon forudsagde, at »inden for ti år ville en digital computer være verdensmester i skak«. Men da en tiårig dreng i midten af 1960’erne besejrede en computer i skak, og en rapport fra det amerikanske senat fremhævede begrænsningerne ved maskinoversættelse, var udviklingen inden for kunstig intelligens gået betydeligt langsommere. Det blev anset for at være de mørke tider for AI.
Den næste var semantisk AI, hvor forskeren blev interesseret i psykologien bag hukommelses- og forståelsesmekanismerne. I midten af 1970’erne begyndte metoder til semantisk vidensrepræsentation at dukke op sammen med ekspertsystemer, der gjorde brug af kvalificeret viden for at gengive tankeprocesser. Disse systemer var meget lovende, især inden for medicinsk diagnose.
I 1980’erne og 1990’erne resulterede udviklingen af maskinlæringsalgoritmer og bedre tekniske muligheder i udviklingen af intelligente systemer, der var i stand til at udføre forskellige opgaver som f.eks. fingeraftryksidentifikation og talegenkendelse. Perioden var præget af integration af AI i andre discipliner med henblik på at skabe hybride systemer.
Senere i 1990’erne begyndte AI at blive kombineret med robotteknologi og en menneske-maskine-grænseflade for at danne noget, der ligner affektiv computing, som analyserer og derefter gengiver menneskelige følelser; dette hjalp til med udviklingen af dialogsystemer som chatbots.
Siden 2010 har nye muligheder inden for databehandling gjort det muligt at forene big data med deep learning-teknikker inspireret af kunstige neurale netværk. Fremskridt inden for tale- og billedgenkendelse, naturlig sprogforståelse og ubemandede køretøjer signalerer en ny AI-renæssance.
Anvendelser af kunstig intelligens
Teknologier med kunstig intelligens har vist store fordele i forhold til menneskelige evner i forskellige aktiviteter. For eksempel besejrede Deep Blue-computeren fra IBM i 1997 Garry Kasparov, som på det tidspunkt var verdensmester i skak. I 2016 besejrede computersystemer de bedste go- og pokerspillere i verden for at vise deres evne til at behandle og analysere enorme mængder data målt i henholdsvis terabytes og petabytes.
Applikationerne, der spænder fra genkendelse af taler til identifikation af ansigter og fingeraftryk blandt millioner af andre, som dem, der bruges af sekretærskrivere, bruger maskinlæringsteknikker. De samme teknologier gør det muligt for biler at køre selv og for computere at diagnosticere modermærkekræft ud fra billeder af modermærker taget med mobiltelefoner. Militærrobotter og automatiserede samlebånd på fabrikker gør også brug af den kraft, som kunstig intelligens leverer.
I den videnskabelige verden er AI blevet brugt til at nedbryde funktionerne i biologiske makromolekyler, herunder proteiner og genomer, i henhold til rækkefølgen af deres komponenter. Dette adskiller in silico – fra historiske metoder som eksperimenter in vivo – på levende organismer – og in vitro – under laboratorieforhold.
Anvendelserne af selvlærende intelligente systemer spænder fra industri og bankvæsen til forsikring, sundhedspleje og forsvar. Automatiseringen af talrige rutineprocesser forvandler professionel aktivitet og gør nogle erhverv potentielt uddøde.
Adskillelse af AI fra neurale netværk og maskinlæring
Kunstig intelligens, i daglig tale kaldet AI, er et generelt felt inden for datalogi, som handler om at skabe intelligente maskiner, der kan fortsætte aktiviteter, som normalt kræver menneskelig intelligens. Det dækker, men er ikke begrænset til, specialiserede programmer og forskellige teknologiske tilgange og løsninger. AI gør brug af mange logiske og matematiske algoritmer, som kan være baseret på neurale netværk med det formål at emulere menneskelige hjerneprocesser.
Neurale netværk repræsenterer en særlig form for computeralgoritme, som kan ses som en matematisk model, der består af kunstige neuroner. Sådanne systemer kræver ikke forudgående programmering for at udføre bestemte funktioner. Tværtimod er de i stand til at lære af tidligere erfaringer, ligesom neuroner i den menneskelige hjerne skaber og styrker deres forbindelser under indlæringsprocessen. Neurale netværk er værktøjer inden for AI til at udføre opgaver, der involverer genkendelse eller behandling af data.
Mens AI er den generelle betegnelse for maskiner, der kan tænke og lære som mennesker, kaldes den vigtigste delmængde af AI vedrørende teknologier og algoritmer, som får programmer til at lære og forbedre sig uden menneskelig indgriben, for maskinlæring. Sådanne systemer analyserer inputdata, finder nogle mønstre i dem og bruger denne viden til at behandle nye oplysninger og løse mere komplicerede problemer. En af metoderne til at organisere maskinlæring kaldes neurale netværk.
Hvis vi derfor forsøger at finde en analogi til AI i menneskekroppen, vil AI fungere som hele hjernens funktion, mens maskinlæring vil være analogien til informationsbehandling og problemløsningsteknikker, og neurale netværk vil være strukturelle elementer – som neuroner – der udfører databehandling på et atomart niveau.
Anvendelse af AI i det moderne liv
AI har fundet sin plads i næsten alle livssfærer i den moderne verden, lige fra kommerciel brug til medicinsk og op til produktionsteknologier. Der findes to hovedtyper af kunstig intelligens: svag og stærk. De svage er specialiseret i snævrere opgaver som diagnose eller dataanalyse, mens stærk AI er skabt til at løse globale komplekse problemer ved at efterligne menneskelig intelligens.
Big Data-analyse med brug af AI finder stor anvendelse inden for handel ved at gøre det muligt for store handelsplatforme at studere forbrugeradfærd og optimere marketingstrategier.
Kunstig intelligens i produktionen er blevet anvendt til at overvåge og koordinere medarbejdernes aktiviteter, hvilket i høj grad øger effektiviteten og sikkerheden i arbejdsprocessen. I transportsektoren bruges kunstig intelligens til trafikkontrol, overvågning af vejforhold og udvikling og forbedring af ubemandede køretøjer.
Luksusmærkerne inkorporerer AI, der udfører dybe analyser af kundernes behov og tilpasser produkter til dem. Inden for sundhedsvæsenet ændrer kunstig intelligens diagnostik, udvikling af lægemidler, sundhedsforsikring og endda kliniske forsøg og gør dermed sundhedsydelser til en langt mere præcis og effektiv affære.
Årsagerne til denne teknologiske udvikling er den hurtige vækst i informationsstrømme, øgede investeringer i AI-sektoren og krav om højere produktivitet og større effektivitet i alle sektorer. Kunstig intelligens fortsætter med at udvide sin indflydelse, trænger ind på nye områder og forandrer traditionelle tilgange til forretning og hverdagsaktiviteter.
Anvendelsesområder for AI
Kunstig intelligens har dækket alle andre aspekter af menneskelivet og skabt nye muligheder for traditionelle industrier til at forbedre effektiviteten og nøjagtigheden.
Medicin og sundhedspleje: AI arbejder med patientdata, analyserer medicinske billeder som ultralyd, røntgen og CT-scanninger og diagnosticerer sygdomme ud fra symptomer. Intelligente systemer giver behandlingsmuligheder og hjælper dig med at føre en sund livsstil gennem mobilapps, der kan overvåge din puls og kropstemperatur.
Detailhandel og e-handel: Gennem AI analyseres brugernes onlineadfærd for at give anbefalinger eller reklamer, der er skræddersyet til dem. Dette omfatter også reklamer for produkter, som brugerne har set i onlinebutikker, og lignende produktforslag baseret på analyser af brugernes interesser. Politik: Under præsidentkampagner, selv Barack Obamas, er AI blevet brugt til dataanalyse for at optimere kampagnestrategier – vælge hvor og hvornår han skal tale – for at øge hans chancer for at vinde.
Industrien: AI hjælper med at styre produktionsprocesser, analysere udstyrsbelastninger og forudsige efterspørgsel for at sikre korrekt ressourceudnyttelse og omkostningsbesparelser. Spil og uddannelse: AI genererer mere realistiske virtuelle modstandere og personlige spilscenarier inden for gaming. Inden for uddannelse bruges den til at planlægge læseplaner, der passer til de studerendes behov og evner, administrere uddannelsesressourcer osv.
Andre områder, hvor AI finder anvendelse, omfatter juridiske tjenester, finans og forvaltning af byinfrastruktur, for blot at nævne nogle få af de områder, der virkelig understreger dens bidrag til moderne innovation og teknologisk udvikling.
Kunstig intelligens (AI) er en videnskabelig disciplin, som officielt blev introduceret for verdenssamfundet i 1956 på en workshop i Hannover, USA. Begivenheden blev indledt af fire amerikanske forskere: John McCarthy, Marvin Minsky, Nathaniel Rochester og Claude Shannon. Siden starten har udtrykket »kunstig intelligens«, som sandsynligvis blev skabt for at tiltrække offentlighedens opmærksomhed, vundet enorm popularitet.
Betydningen af kunstig intelligens er vokset støt i løbet af de sidste seks årtier, hvor intelligente teknologier har haft en betydelig indflydelse på ændringen af verdensordenen. På trods af den udbredte brug bliver udtrykket »kunstig intelligens« ofte misfortolket, især når det forstås som et kunstigt væsen med intelligens, der kan konkurrere med mennesker.
For John McCarthy og Marvin Minsky var AI først et forsøg på at computermodellere intellektuelle evner – menneskelige, animalske, vegetabilske, sociale eller fylogenetiske. Antagelsen om, at alle kognitive funktioner kan beskrives nøjagtigt og gengives programmatisk, blev grundlaget for dette videnskabelige felt. På trods af mere end 60 års historie er hypotesen om, at intellektuelle funktioner kan reproduceres af computere, endnu ikke blevet endeligt bekræftet eller afkræftet, hvilket stimulerer forskerne til nye opdagelser.
Moderne AI anvendes i vid udstrækning på forskellige områder af livet og udvikler sig fortsat, idet den bygger på en rig arv af forskning og udvikling, der begyndte i midten af det tyvende århundrede.
Udvikling af kunstig intelligens
Udviklingen af kunstig intelligens begyndte lige efter Anden Verdenskrig, da forskere som Alan Turing udforskede potentialet for, at maskiner kunne »tænke«. I 1950 udgav Turing »Computing Machines and Intelligence«, hvor han foreslog Turing-testen som en metode til at bestemme en maskines evne til at efterligne menneskelig intelligens. I 1960’erne tiltrak kunstig intelligens sig stor opmærksomhed med de første programmer til at spille skak og løse algebraiske problemer. Men 1970’erne markerede den første »vinterperiode« for AI, hvor fremskridt i den virkelige verden ikke levede op til de høje forventninger, hvilket førte til en reduktion af forskningsmidlerne.
Interessen for AI blev genoplivet i 1980’erne på grund af udviklingen af maskinlæringsalgoritmer og øget computerkraft. Denne periode er kendetegnet ved fremskridt i udviklingen af ekspertsystemer, der er i stand til at efterligne menneskelige eksperters beslutninger inden for visse områder. I begyndelsen af det nye årtusinde gik AI ind i en ny æra, der blev fremskyndet af udviklingen af internettet, big data og øget computerkraft. Gennembrud inden for deep learning og neurale netværk har ført til udvikling af systemer, der kan genkende tale og billeder, og som understøtter udviklingen af selvkørende biler, personlig medicin og andre anvendelser.
Kunstig intelligens fortsætter med at bryde nye grænser og udfordringer, integreres i hverdagen og ændrer radikalt mange områder, herunder erhvervsliv, medicin og uddannelse. AI’s historie er en vej fra utopiske ideer til virkelige teknologier, der inspirerer forskere og udviklere til at gøre nye opdagelser.
Kunstig intelligens (AI) har undergået mange forandringer i den korte tid, den har eksisteret. Der kan skelnes mellem seks stadier i dens udviklingshistorie.
I de tidlige udviklingsstadier, drevet af tidlige succeser, kom forskere som Herbert Simon med optimistiske forudsigelser. Simon forestillede sig, at maskiner inden for ti år kunne blive verdensmestre i skak. Men fremskridtene aftog i midten af 1960’erne, da en tiårig dreng slog en computer i skak, og en rapport fra det amerikanske senat påpegede begrænsningerne ved maskinoversættelse. Denne periode blev kendt som de mørke tider for AI.
Den næste fase var rettet mod semantisk AI, hvor forskere fokuserede på psykologien bag hukommelse og forståelsesmekanismer. I midten af 1970’erne opstod der metoder til repræsentation af semantisk viden og ekspertsystemer, der brugte kvalificeret viden til at gengive tankeprocesser. Disse systemer var meget lovende, især inden for medicinsk diagnose.
I 1980’erne og 1990’erne førte udviklingen af maskinlæringsalgoritmer og tekniske forbedringer til udviklingen af intelligente systemer, der var i stand til at udføre en lang række opgaver som f.eks. fingeraftryksidentifikation og talegenkendelse. Denne periode var præget af integrationen af AI med andre discipliner for at skabe hybride systemer.
I slutningen af 1990’erne begyndte AI at blive kombineret med robotteknologi og grænsefladen mellem menneske og maskine, hvilket førte til skabelsen af affektiv computing, der havde til formål at analysere og gengive menneskelige følelser. Denne tendens bidrog til at forbedre dialogsystemer som f.eks. chatbots.
Siden 2010 har nye muligheder inden for databehandling gjort det muligt at kombinere big data med deep learning-teknikker baseret på kunstige neurale netværk. Fremskridt inden for områder som tale- og billedgenkendelse, naturlig sprogforståelse og ubemandede køretøjer signalerer en ny AI-renæssance.
Anvendelser af kunstig intelligens
Teknologier med kunstig intelligens har vist sig at have betydelige fordele i forhold til menneskelige evner på mange områder. For eksempel besejrede IBM’s Deep Blue-computer i 1997 den daværende verdensmester i skak, Garry Kasparov. I 2016 besejrede computersystemer verdens bedste go- og pokerspillere, hvilket viser deres evne til at behandle og analysere enorme mængder data målt i terabytes og petabytes.
Maskinlæringsteknikker bruges i vid udstrækning i applikationer, der spænder fra talegenkendelse, svarende til fortidens sekretærskrivere, til nøjagtig identifikation af ansigter og fingeraftryk blandt millioner af andre. De samme teknologier gør det muligt for biler at køre selv og for computere, der er bedre end hudlæger til at diagnosticere modermærkekræft ud fra billeder af modermærker taget med mobiltelefoner. Militærrobotter og automatiserede samlebånd på fabrikker er også resultatet af kunstig intelligens.
På det videnskabelige område bruges AI til at analysere funktionen af biologiske makromolekyler som f.eks. proteiner og genomer baseret på sekvensen af deres komponenter. Det adskiller in silico (computerbaserede eksperimenter med store datamængder og kraftige processorer) fra traditionelle metoder som in vivo- (på levende organismer) og in vitro-eksperimenter (under laboratorieforhold).
Selvlærende intelligente systemer finder anvendelse i næsten alle sektorer: fra industri og bankvæsen til forsikring, sundhedspleje og forsvar. Automatiseringen af mange rutineprocesser er i færd med at omdanne professionelle aktiviteter og kan potentielt udrydde nogle erhverv.
At skelne AI fra neurale netværk og maskinlæring
Kunstig intelligens (AI) er et bredt felt inden for datalogi, som beskæftiger sig med at skabe intelligente maskiner, der kan udføre opgaver, som kræver menneskelig intelligens. Det omfatter ikke kun specialiserede programmer, men også en række forskellige teknologiske metoder og løsninger. AI bruger mange tilgange, herunder logiske og matematiske algoritmer, og kan basere sig på neurale netværk for at efterligne den menneskelige hjernes funktion.
Neurale netværk er en særlig type computeralgoritmer, der repræsenterer en matematisk model bestående af kunstige neuroner. Disse systemer kræver ikke forudgående programmering for at udføre specifikke opgaver. I stedet er de i stand til at lære ud fra tidligere erfaringer og elementære beregninger, på samme måde som neuroner i den menneskelige hjerne danner og styrker forbindelser under indlæringsprocessen. Neurale netværk er et værktøj, der bruges inden for AI til at løse opgaver i forbindelse med genkendelse og behandling af data.
Maskinlæring er til gengæld en delmængde af AI, som fokuserer på at udvikle teknologier og algoritmer, der gør det muligt for programmer at lære og forbedre sig uden direkte menneskelig indgriben. Disse systemer analyserer inputdata, finder mønstre i dem og bruger denne viden til at behandle nye oplysninger og løse mere komplekse problemer. Neurale netværk bruges ofte som en af metoderne til at organisere maskinlæring.
Hvis vi drager en analogi til menneskekroppen, kan AI således sammenlignes med hjernens fulde funktionalitet, maskinlæring vil være analog med informationsbehandling og problemløsningsteknikker, og neurale netværk er strukturelle elementer, der ligner neuroner, og som giver databehandling på et grundlæggende niveau.
Anvendelser af AI i det moderne liv
Kunstig intelligens (AI) har fundet udbredt anvendelse inden for mange forskellige områder af det moderne liv, lige fra kommercielle anvendelser til medicinske teknologier og produktionsteknologier. Der findes to hovedtyper af AI: Svag AI og stærk AI. Svag AI er specialiseret til at udføre specifikke opgaver som medicinsk diagnose eller dataanalyse, mens stærk AI sigter mod at løse globale, komplekse problemer ved at efterligne menneskelig intelligens på et dybere niveau.
Inden for handel bruges AI i vid udstrækning til Big Data-analyse, hvilket gør det muligt for store handelsplatforme at studere forbrugeradfærd og optimere marketingstrategier.
I fremstillingsindustrien bruges AI til at overvåge og koordinere medarbejdernes handlinger, hvilket øger effektiviteten og sikkerheden i arbejdsprocesserne. I transportbranchen hjælper AI med trafikstyring, overvågning af vejforhold og udvikling og forbedring af ubemandede køretøjer.
Luksusbrands integrerer AI til at analysere kundernes behov i dybden og personalisere produkter. I sundhedssektoren revolutionerer kunstig intelligens diagnostik, lægemiddeludvikling, sundhedsforsikring og kliniske forsøg, hvilket forbedrer nøjagtigheden og effektiviteten af sundhedsydelser.
Denne teknologiske udvikling er drevet af den hurtige vækst i informationsstrømme, øgede investeringer i AI-sektoren og krav om større produktivitet og effektivitet på tværs af alle brancher. Kunstig intelligens fortsætter med at udvide sin indflydelse, trænger ind på nye områder og forandrer traditionelle tilgange til forretning og hverdagsaktiviteter.
Anvendelsesområder for AI
Kunstig intelligens (AI) infiltrerer mange aspekter af hverdagen, transformerer traditionelle industrier og skaber nye muligheder for at forbedre effektiviteten og nøjagtigheden:
- Medicin og sundhedspleje: AI bruges til at administrere patientdata, analysere medicinske billeder som ultralyd, røntgen og CT-scanninger og diagnosticere sygdomme ud fra symptomer. Intelligente systemer tilbyder behandlingsmuligheder og hjælper dig med at føre en sund livsstil gennem mobilapps, der kan overvåge din puls og kropstemperatur.
- Detailhandel og e-handel: AI analyserer brugernes onlineadfærd for at tilbyde personlige anbefalinger og reklamer. Det omfatter reklamer for produkter, som brugerne har set i onlinebutikker, og forslag til lignende produkter baseret på analyser af brugernes interesser.
- Politik: Under præsidentkampagner som Barack Obamas blev AI brugt til at analysere data og optimere kampagnestrategier, som f.eks. at vælge, hvor og hvornår han skulle tale, hvilket øgede hans chancer for at vinde.
- Industrien: AI hjælper med at styre produktionsprocesser, analysere udstyrsbelastning og forudsige efterspørgsel, optimere ressourcer og reducere omkostninger.
- Spil og uddannelse: I spilindustrien skaber AI mere realistiske virtuelle modstandere og personligt tilpassede spilscenarier. Inden for uddannelse anvendes AI til at skræddersy læseplaner til de studerendes behov og evner og til at administrere uddannelsesressourcer.
Anvendelsen af kunstig intelligens spænder over mange andre områder, herunder juridiske tjenester, finans, forvaltning af byinfrastruktur og meget mere, hvilket understreger dens rolle som en vigtig drivkraft for moderne innovation og teknologiske fremskridt.
