De 11 begreber, du (sikkert) bør kende om kunstig intelligens

Hvis du ikke har kastet dig over AI-bøger eller en AI-uddannelse, kan du nemt blive hægtet af, når din chef eller kolleger (eller journalisterne) taler om generativ AI, machine learning, deep fakes og AI-hallucinationer. Ikke sandt?

Sammen med vores fem geniale undervisere på Mini MBA i Artificial Intelligence har vi derfor lavet en lille ordbog til dig over de allervigtigste begreber, du med fordel kan genkende og bruge, inden for kunstig intelligens. Den får du lige her …

1. Artificial Intelligence

Vi begynder i den nemme ende: Kunstig intelligens (AI) er kort fortalt en teknologi, der efterligner visse former for menneskelig intelligens. Disse intelligente maskiner kan udføre opgaver som talegenkendelse, beslutningstagning, sprogoversættelse, og genkendelse af objekter i billeder eller video. AI-systemer lærer og bliver bedre over tid ved at analysere store mængder data.

2. Artificial General Intelligence

Artificial General Intelligence refererer til den sublime (og lige nu blot hypotetiske) kunstige intelligens, der kan udføre ethvert intellektuelt job, som et menneske kan. I modsætning til specialiseret AI, der er designet til specifikke opgaver (som at genkende tale eller oversætte sprog), har den evnen til at lære, forstå og anvende viden på tværs af et bredt spektrum af opgaver. Når det lykkes at udvikle den, vil den være i stand til at tænke, forstå komplekse begreber, løse problemer, træffe beslutninger og lære nye færdigheder på egen hånd, ligesom et menneske. Det lyder jo ret blæret, men … også lidt uhyggeligt. Elon Musk og andre kloge hoveder advarer ligefrem om, at det kan resultere i menneskehedens undergang.

3. Machine learning

Machine learning er en gren af kunstig intelligens, der giver computere evnen til at lære fra data uden at være eksplicit programmeret. Systemerne lærer at genkende mønstre og træffe beslutninger baseret på tidligere erfaringer. Processen indebærer træning af matematiske modeller på datasæt, så de kan forudsige eller træffe selvstændige beslutninger, når de støder på nye informationer.

4. Generativ AI

Generativ AI er en type kunstig intelligens, der kan skabe nyt indhold som tekst, billeder, video og musik. Teknologien bruger machine learning, især deep learning (se senere), til at lære fra store mængder af data og derefter generere nye værker, der efterligner originaldataenes stil og struktur. Generativ AI bruges bredt i kunst, design og innovation for at producere originale og kreative resultater.

5. Large Language Models (og ChatGPT)

Store sprogmodeller er avancerede AI-systemer designet til at forstå og generere vores menneskers sprog. De trænes på enorme mængder tekstdata og bruger denne viden til fx at oversætte, opsummere og besvare spørgsmål. Disse modeller er helt centrale i udviklingen af mere forståelige og interaktive AI-applikationer. ChatGPT er nok det mest velkendte eksempel på Large Laguage Models.

6. AI-hallucinationer

AI-hallucinationer refererer til situationer, hvor den kunstige intelligens, der arbejder med sprog eller billeder, genererer falsk eller ukorrekt information. Det kan ske, når AI-modeller misforstår konteksten eller overgeneraliserer fra deres træningsdata. Hallucinationer kan vise sig som fabrikerede fakta, inkonsistente detaljer eller direkte fejlagtige oplysninger. Problemet er især fremtrædende i komplekse sprogmodeller og kan lede til udfordringer i troværdigheden og pålideligheden af AI-genereret indhold. At minimere sådanne hallucinationer er derfor en vigtig opgave i udviklingen af mere robuste og pålidelige AI-systemer.

7. Ansvarlig AI

Ansvarlig AI refererer til principper og praksisser, der sikrer, at kunstig intelligens udvikles og anvendes på en etisk, transparent og retfærdig måde. Dette omfatter en række elementer såsom:

1. Etik: At AI-systemerne respekterer brugerens rettigheder og værdighed, og at de ikke diskriminerer eller forårsager skade.
2. Transparens: At de beslutninger og processer, der drives af AI, er forståelige og gennemsigtige for brugerne, så de kan se, hvordan og hvorfor beslutninger er truffet.
3. Retfærdighed: At sikre, at AI-systemerne ikke reproducerer eller forstærker eksisterende sociale uligheder, men i stedet fremmer lighed og inklusion.
4. Sikkerhed: At AI-systemerne er sikre og beskytter brugernes data mod misbrug og angreb.
5. Ansvarlighed: At der findes klare retningslinjer for, hvem der er ansvarlig for AI’s handlinger, især når de har konsekvenser for menneskers liv og velfærd.

8. Deep fakes

Hvis du ikke kender til deep fakes endnu, kommer du meget snart til det! Deep fakes refererer til hyperrealistiske forfalskninger, skabt ved hjælp af avanceret AI-teknologi. Deep fakes kan være særligt overbevisende og svære at skelne fra ægte optagelser, hvilket rejser betydelige bekymringer omkring misinformation, manipulation af medier, og personlige overgreb. For eksempel kan de bruges til at skabe falske nyheder, manipulere offentlig opinion, eller skade folks omdømme gennem falske skandaler. Se en video på YouTube om deepfakes.

9. Supervised, unsupervised og reinforcement learning

I machine learning skelner man typisk mellem tre hovedtyper af læring: supervised, unsupervised og reinforcement learning:

Supervised learning (overvåget læring)
I supervised learning trænes modeller på et datasæt, hvor hver input (som regel en række af data) allerede er mærket med et korrekt output. Formålet er, at modellen lærer at forudsige output fra nye input baseret på disse eksempler.

Unsupervised learning (ikke-overvåget læring)
I unsupervised learning arbejder modellerne med data, der ikke er mærket. Målet her er at identificere strukturer eller mønstre i dataene, såsom gruppering af lignende eksempler eller reduktion af antallet af variable.

Reinforcement learning (forstærkningslæring)
I reinforcement learning lærer AI-systemet at træffe beslutninger gennem trial and error. Den får ‘belønninger’ eller ‘straffe’, alt afhængig af, hvordan den klarer det. Og det hjælper den med at lære, hvilke handlinger der fører til de bedste resultater over tid. AI- systemet AlphaZero lærte at spille skak uden at lære reglerne først. Den prøvede sig frem og spillede en masse spil. Efter to timer kunne den slå de fleste mennesker i verden, og efter 4 timer kunne den slå verdens bedste skakcomputer.

10. Neuralt netværk

Et neuralt netværk er en type kunstig intelligens, der simulerer hvordan den menneskelige hjerne fungerer, for at behandle data. Det består af lag af neuroner, som er forbundne enheder, der modtager, behandler og sender information. Neurale netværk er effektive til opgaver som billedgenkendelse og sprogforståelse og forbedres over tid ved at justere forbindelserne mellem neuronerne baseret på læringsdata.

11. Deep learning

Deep learning er en avanceret form for machine learning, der bruger neurale netværk med mange lag til at lære og træffe beslutninger fra store mængder data. Denne teknik efterligner den menneskelige hjernes funktioner og bruges til at genkende mønstre og behandle komplekse data som billeder, lyd og tekst. Deep learning har revolutioneret mange teknologiske områder, herunder ansigtsgenkendelse, sprogoversættelse og selvkørende biler, men kræver meget stor beregningskraft.

Er du interesseret i mere AI-viden?

Så tjek vores Mini MBA i Artificial Intelligence. Den strækker sig over 6 måneder (6 undervisningsdage og en masse andet) og giver dig en hulens masse værktøjer til at arbejde med kunstig intelligens hos jer selv.

Du kan også tage med på vores 1-dags-kursus i ChatGPT.

Klik her, og se alle vores (cirka 2 mia.) andre kurser og korte uddannelser!

Her er et lille udsnit af de allermest populære af dem:

• Mini MBA i Sustainability Management (6 måneder)
• Mødeledelse og facilitering (2 dage)
• Assertiv kommunikation (2 dage)
• Aros Mini MBA – Lederuddannelse (6 måneder)
• At lede andre uden at være chef (3 dage)
• MasterClass i Psykologi (6 måneder)
• Nudging og adfærdsdesign (2 dage)
• Aros Proceslederuddannelse (6 dage)
• Kursus i konflikthåndtering (2 dage)
• Præsentationsteknik med gennemslagskraft (2 dage)
• Aros Projektlederuddanelse (IPMA) (12 dage)
• Den Intensive Projektlederuddannelse (6 dage)