Artificiell intelligens
En dator eller maskin som uppvisar intelligens eller mänskliga förmågor. Ett intelligent system kan dra slutsatser, lösa problem, planera och vara självlärande. Det mesta som i dagligt tal kallas AI uppfyller dock inte alla kriterier. AI handlar idag om enstaka, ganska snäva förmågor, som bildigenkänning och diagnosställande.
Maskininlärning
Går förenklat ut på att träna ett datorprogram, ofta i form av ett neuronnätverk/neuralt nätverk, till att klara en viss uppgift. Det kan vara att känna igen en katt eller att kunna skilja fordon från fotgängare. För att träna matas systemet med mängder av data (exempelvis bilder på katter ur olika vinklar och med olika utseenden) och parametrarna optimeras.
Artificiellt neuronnätverk/neuralt nätverk
Ett datorprogram inspirerat av den biologiska hjärnan med dess många nervceller, neuroner. Används mycket ofta vid maskininlärning. Programmet är uppbyggt av noder sammanlänkande i lager. Vissa av dessa noder tar emot indata, som processas vidare genom hela nätverket. Processen styrs av algoritmer som anpassar hur data släpps vidare mellan noderna så att nätverket lär sig det aktuella problemet och dess lösning.
Algoritm
En algoritm anger en serie väldefinierade instruktioner för hur en beräkning ska utföras, ofta i ett datorprogram. Används till allt från att rangordna hemsidors position i Google-sökningar till att omplacera pensionspengar. Konsten är att göra effektiva algoritmer som slukar lite datorkraft. En algoritm liknas ibland vid ett matrecept, eftersom den är en stegvis instruktion för att lösa ett visst problem.
Deep learning
En typ av maskininlärning som använder artificiella neuronnätverk med väldigt många lager. För att lösa komplicerade problem kan flera hundra lager användas.
Big data
Digitalt lagrad information så omfattande (vanligen terabyte och petabyte) att den är svår att dra slutsatser från med traditionella metoder.
AI-historia
AI som eget forskningsområde växte fram i början av 1960-talet. Då handlade det om teoribildning. Under 80-talet kom de första försöken att bygga AI-system. Den typen av AI kallas numera symbolisk AI och skiljer sig från dagens. Tanken var att använda representationer, som hur olika objekt förhåller sig till varandra, och sedan dra logiska slutsatser från detta. Entusiasmen var stor men när framgångarna uteblev avstannade forskningen, varför det efterföljande 90-talet har kommit att kallas ”AI-vinter”. Samtidigt, under ytan, utvecklades neuronnätverk och datorseende som banade väg för dagens AI.
Varför genombrott just nu?
Orsakerna är att bildigenkänning och förståelse av naturligt språk (t.ex. Google translate) fungerar. Vilket i sin tur beror på att det finns massiv datorkraft/hårdvara att processa enorma mängder data med. Bidragande faktorer är att ett antal megaföretag storsatsar på tekniken. Efterfrågan på exempelvis självstyrande fordon driver på.
Källa: Forskare vid Lunds universitet
