Sådan bruger du kunstig intelligens i virksomheden

Hvad kunstig intelligens kan i dag

Kunstig intelligens løser matematiske problemer, spiller spil, genkender ansigter og skriver tekst. Listen bliver længere hver måned.

Men hvad er kunstig intelligens, og hvad betyder teknologien for os?

Guiden her gennemgår hvad AI er, hvordan den fungerer, hvor den kom fra, og hvilke muligheder og udfordringer den fører med sig.

Hvad er kunstig intelligens?

Kunstig intelligens, forkortet AI efter det engelske artificial intelligence, dækker over teknologier og metoder der løser problemer som normalt kræver menneskelig intelligens: at lære, planlægge, beslutte og handle.

AI bruges inden for sprog, genkendelse af ansigter og stemmer, spil, finans, sundhed, transport og produktion.

Teknologien kan ændre mange brancher fra grunden, og der er samtidig bekymringer om sikkerhed, privatliv og arbejdspladser. Derfor vokser behovet for at forstå og styre udviklingen.

Fire hovedtyper går igen

• Maskinlæring, en computer lærer uden at blive programmeret til hver enkelt opgave. Den kan forudsige udfald, genkende mønstre og tilpasse sig nye data.
• Datamining, maskinlæring brugt til at gennemsøge store datamængder for mønstre og sammenhænge.
• Natural language processing, computeren forstår og skriver menneskeligt sprog.
• Robotteknologi, maskinlæring kombineret med hardware, så robotter kan udføre bestemte opgaver.

AI deles overordnet i to kategorier. Generel AI kan løse mange forskellige opgaver, mens specialiseret AI er bygget til et bestemt sæt opgaver.

Kunstig intelligens kommer til at ændre både vores hverdag og vores arbejdsprocesser.

Teknologien er allerede blevet brugt til at genkende tale og ansigter, spille spil og stille medicinske diagnoser. Den hjælper også mennesker med at træffe bedre beslutninger ved at finde mønstre i store datamængder.

AI er mere end teknologi. Feltet trækker på matematik, datalogi, psykologi, filosofi og sociologi, og det har potentiale til at ændre samfundet i både positiv og negativ retning. Derfor hører de etiske og sociale konsekvenser med.

Fire begreber der bliver blandet sammen

Opfattelserne af kunstig intelligens varierer, afhængigt af hvem man spørger. Fire begreber går igen i debatten.

• Narrow AI, bygget til bestemte opgaver som at spille et spil eller genkende ansigter. Meget specialiseret og kan ikke overføre sin viden til andre opgaver.
• General AI kan løse en bred vifte af opgaver på samme måde som et menneske. Mere alsidig, men ikke nødvendigvis bedre til den enkelte opgave.
• Superintelligens, væsentligt mere intelligent end mennesker og i stand til at løse problemer vi ikke kan. Der er stor uenighed om hvorvidt det overhovedet er muligt.
• Algoritmisk bias, modellen arver fordommene fra de data den er trænet på, og fra de algoritmer den bruger. Det kan føre til uretfærdige resultater og diskrimination.

Der er også debat om hvilket ansvar udviklerne har for teknologiernes konsekvenser, og om hvordan man sikrer at AI bliver brugt ansvarligt.

Følg med i hvad AI kan i en virksomhed

Du får erfaringerne fra de AI-agenter jeg bygger til min egen forretning og til kunder. Både når de sparer timer, og når regnestykket viser at de ikke kan betale sig.

Baggrunden og udviklingen

Idéen om kunstig intelligens kan spores tilbage til 1950'erne. Først i de seneste årtier er teknologien nået dertil hvor den bliver brugt bredt.

De første forsøg begyndte da matematikeren Alan Turing foreslog en test der skulle afgøre om en computer kunne tænke som et menneske.

Testen gik ud på at en person skulle kommunikere med både en computer og et menneske gennem tekstbeskeder uden at vide hvem der var hvem. Kunne evaluatoren ikke skelne dem, havde computeren bestået.

I 1960'erne byggede forskerne den første generation af ekspertsystemer, der kunne løse bestemte problemer inden for et område som medicin eller geologi.

I 1980'erne kom anden generation, som kunne lære og tilpasse sig nye data, og som kunne dele viden med hinanden.

I 1990'erne blev maskinlæring en central del af feltet. Computeren kunne nu lære uden at blive programmeret til hver enkelt opgave.

Det åbnede for mere komplekse problemer og for anvendelse inden for sprog, ansigts- og stemmegenkendelse, spil, finans, sundhed, transport og produktion.

Udviklingen er gået stærkt siden, og der er stadig udfordringer omkring sikkerhed, privatliv, arbejdspladser og etik.

Mulighederne med kunstig intelligens

Mulighederne med AI er brede, fordi teknologien kan bruges alle steder hvor opgaver skal automatiseres eller beslutninger skal træffes på et datagrundlag.

Sproggenkendelse er et af de tydeligste eksempler. Systemerne kan forstå menneskeligt sprog og oversætte tekst eller tale fra ét sprog til et andet.

Analyse af store datamængder er et andet. Her kan AI understøtte beslutninger inden for forretning, sundhedspleje og alle andre områder hvor tallene skal give retning.

Endelig kan teknologien overtage opgaver der er farlige eller upraktiske for mennesker, for eksempel udforskning af farlige miljøer eller rutineopgaver i industrien.

Vil du vide mere om AI i en virksomhed?

Du får erfaringerne fra de AI-agenter jeg bygger til min egen forretning og til kunder. Både når de sparer timer, og når regnestykket viser at de ikke kan betale sig.

Hvilke former for AI arbejdes der på?

Der findes mange former for kunstig intelligens, og udviklingen går hurtigt.

Fem retninger fylder mest i forskningen

• Maskinlæring, computeren får adgang til store datamængder og lærer selv at genkende mønstre og træffe beslutninger ud fra dem.
• Neurale netværk, inspireret af hjernen og bygget af neuroner der er forbundet i lag. Bruges til mønstergenkendelse og problemløsning.
• Kunstig generel intelligens, evnen til at løse alle typer opgaver på menneskeligt niveau. Det er stadig et forskningsmål frem for en virkelighed.
• Sprogforståelse, computeren forstår og genererer sprog, hvilket ligger bag chatbots og oversættelse.
• Selvkørende biler kombinerer maskinlæring, sensorer og kortlægning, så bilen kan navigere uden en fører.

Læs også mit blogindlæg Hvad en AI-chatbot koster, og hvilke platforme der findes

Hvad er maskinlæring?

Maskinlæring er den gren af datalogien der lærer algoritmer at forudsige og forstå data. Computeren udfører opgaver uden at være programmeret direkte til dem.

I stedet analyserer algoritmerne store datamængder, finder mønstre, og bruger dem til at træffe beslutninger og forudsige resultater.

Der findes flere typer. Ved superviseret læring bliver algoritmen trænet på data hvor det korrekte svar er kendt. Ved usuperviseret læring lærer den af data uden facit. Semisuperviseret læring blander de to, og dyb læring bruger dybe neurale netværk på meget store datamængder.

Metoden bruges til sproggenkendelse, billedgenkendelse, finansielle forudsigelser og medicinske diagnoser.

Hvad er neurale netværk?

Neurale netværk efterligner den måde hjernen fungerer på. Strukturen består af mange små enheder, neuroner, der er forbundet med hinanden.

Når netværket modtager input, går informationen gennem lagene af neuroner hvor den bliver bearbejdet, indtil der kommer et output ud.

De bruges til genkendelse af mønstre, matematiske problemer og sprogforståelse, og de er ofte effektive til problemer der er for komplekse til traditionel programmering.

Hvad er kunstig generel intelligens?

Kunstig generel intelligens beskriver en maskines hypotetiske evne til at udføre enhver intellektuel opgave et menneske kan, frem for én bestemt opgave.

Begrebet står i modsætning til smal AI, som er systemer bygget til en enkelt opgave som ansigtsgenkendelse eller oversættelse.

Det bliver betragtet som det ultimative mål for forskningen, og det er uklart om og hvordan det kan lade sig gøre. Nogle forskere mener det kræver gennembrud i forståelsen af den menneskelige hjerne, andre at det kan nås gennem bedre maskinlæringsalgoritmer.

Hvad er sprogforståelse?

Sprogforståelse er en maskines evne til at behandle naturligt sprog. Det dækker oversættelse, opsummering, klassificering af tekst og besvarelse af spørgsmål.

Systemerne bruger teknikker fra natural language processing, som er det underområde der beskæftiger sig med samspillet mellem computere og menneskeligt sprog.

Teknikkerne omfatter tokenisering, hvor teksten deles op i ord eller sætninger, og ordklassebestemmelse, hvor hvert ords funktion i sætningen bliver identificeret.

Oveni bruger systemerne maskinlæring til at lære af store mængder mærket tekst. Ved at træne på menneskeskrevet tekst lærer modellen mønstrene i sproget og kan forudsige hvad der giver mening i ny tekst.

Hvor intelligent er AI i dag?

Intelligensniveauet svinger enormt fra system til system. Nogle er bygget til én opgave og løser den med høj præcision, andre lærer og forbedrer sig på tværs af opgaver.

De specialiserede systemer kan forstå tale eller genkende billeder med stor nøjagtighed. De er dygtige inden for deres eget felt og har svært ved at overføre læringen til andre områder.

De lærende systemer kan tilpasse sig nye opgaver ved at analysere data. De løser komplekse problemer og finder mønstre i store datamængder, og deres kunnen er stadig begrænset af programmeringen og af de data de er trænet på.

Der findes i dag ingen systemer der matcher menneskelig intelligens på alle områder.

Mennesker har en bred vifte af evner, fra abstrakt tænkning og kreativ problemløsning til empati og social forståelse, og der er endnu ingen maskiner der viser det samme.

Nutidens kunstige intelligens er altså ikke så intelligent som mennesker, men den bliver hele tiden bedre og er på visse områder på højde med os.

Vil du vide mere om AI i en virksomhed?

Du får erfaringerne fra de AI-agenter jeg bygger til min egen forretning og til kunder. Både når de sparer timer, og når regnestykket viser at de ikke kan betale sig.

Kunstig intelligens i hverdagen

Kunstig intelligens er allerede en del af hverdagen, også selvom du ikke tænker over det.

Syv områder er de tydeligste

• Sprog, du kan tale med din telefon eller en assistent som Siri og Alexa, fordi teknologien forstår naturligt sprog.
• Autonome systemer, selvkørende biler og droneleverancer bygger på samme grundteknologi.
• Sundhed, systemerne hjælper læger med at stille diagnoser og med at overvåge patienters tilstand.
• Finans, store mængder finansielle data bliver gennemgået og analyseret til brug for investeringsbeslutninger.
• Kundeservice, chatbots tager de enkle spørgsmål, så medarbejderne kan tage resten.
• Underholdning, musik og billeder bliver genereret, og film og serier bliver anbefalet efter din smag.
• Uddannelse, undervisningen bliver tilpasset den enkelte, og lærerne får hjælp til at følge elevernes fremskridt.

Eksempler på kunstig intelligens

Kunstig intelligens dækker over mange forskellige teknologier, der har det til fælles at de løser opgaver som normalt kræver menneskelig intelligens.

Ti eksempler viser bredden

• Spil, computere spiller skak, go og poker på højeste niveau.
• Talegenkendelse, maskinen forstår og reagerer på tale.
• Oversættelse, tekst og tale bliver oversat mellem sprog.
• Søgemaskiner, systemerne lærer at forstå søgetermerne og give mere relevante resultater.
• Autonome køretøjer, selvkørende biler og andre køretøjer.
• Diagnostik, læger får hjælp til at stille diagnoser ud fra store mængder medicinske data.
• Ansigtsgenkendelse, ansigter bliver genkendt i billeder og video.
• Industriel produktion, produktionen bliver overvåget og optimeret med sensorer og automatik.
• Chatbots, samtaler med mennesker via tekst eller stemme.
• Anbefalinger, film, bøger og musik bliver foreslået ud fra brugerens adfærd.

Digitale assistenter

Digitale assistenter hjælper med at udføre opgaver og besvare spørgsmål. De fungerer som virtuelle sekretærer der kan planlægge aftaler, søge oplysninger og svare på spørgsmål.

De findes som chatbots på nettet, som stemmeassistenter på telefoner og andre enheder, og som robotter der kan interagere i et fysisk rum. Google Assistant, Amazon Alexa og Apple Siri er de mest udbredte.

Profilering

Profilering går ud på at indsamle og analysere information om en person eller en gruppe for at forudsige deres adfærd. Det kan gøres af mennesker og af algoritmer.

AI-baseret profilering kan forbedre tjenester og produkter, og den rejser samtidig spørgsmål om privatliv og diskrimination.

Derfor skal systemerne være gennemsigtige og ansvarlige, og konsekvenserne for mennesker og samfund skal være forstået inden de bliver taget i brug.

Procesautomatisering

Procesautomatisering handler om at lade computerprogrammer overtage opgaver der normalt bliver udført manuelt, så de går hurtigere og med færre fejl.

AI kan automatisere dataindsamling og analyse eller understøtte beslutninger ud fra store datamængder. Systemerne kan også lære af historiske data og forudsige kommende begivenheder, hvilket gør beslutningsprocesser lettere at automatisere.

Kombinationen strømliner forretningsprocesser og løser problemer der kræver store datamængder. De etiske og sociale konsekvenser hører med i overvejelsen.

Natural language processing

Natural language processing er det felt der beskæftiger sig med samspillet mellem computere og menneskeligt sprog. Det dækker udvikling af algoritmer og modeller der kan forstå, fortolke og generere sprog.

Anvendelserne spænder fra oversættelse og klassificering af tekst til sentimentanalyse og chatbots, og de bruges i sundhedsvæsenet, i finanssektoren og i kundeservice.

Der findes flere tilgange. De regelbaserede systemer bygger på foruddefinerede regler og mønstre, mens de statistiske metoder bruger maskinlæring til at lære af store mængder sprogdata.

Feltet udvikler sig hurtigt, og der er stadig udfordringer: sprogets kompleksitet og variation, og behovet for at systemerne kan håndtere kontekst og almindelig sund fornuft.

Sådan bygger du en forudsigende model

Vil du bygge en model der kan forudsige, er der otte trin:

Vil du vide mere om AI i en virksomhed?

Du får erfaringerne fra de AI-agenter jeg bygger til min egen forretning og til kunder. Både når de sparer timer, og når regnestykket viser at de ikke kan betale sig.

Lyd, tekst, billeder og video som data

Lyd, tekst, billeder og video kan både være input til og output fra et AI-system. Måden de bliver brugt på afhænger af formålet og af hvilke data der er til rådighed.

En app til talegenkendelse bruger lyd og laver den om til tekst.

Et system til sprogforståelse arbejder med tekst og analyserer meningen bag den.

Et billedgenkendelsessystem finder bestemte objekter eller ansigter i billeder.

Et videosystem genkender bestemte handlinger eller begivenheder i optagelser.

Fælles for dem er at systemet lærer om verden ved at analysere de data det får.

Kunstig intelligens og etik

Kunstig intelligens får konsekvenser for både samfundet og det enkelte menneske, og derfor følger en række etiske spørgsmål med.

Fem overvejelser fylder mest

• AI lærer kun gennem data, og derfor betyder det meget hvilke data der bliver brugt. De skal være repræsentative, ellers forstærker systemet de skævheder der allerede findes.
• Bias er træningsdataene præget af fordomme, bliver modellen det også, og så reproducerer den de eksisterende problemer.
• Privatliv, indsamling og analyse af store mængder personlige data uden ordentlig beskyttelse er en reel trussel.
• Ansvar, hvem står på mål hvis et system træffer en beslutning med uønskede konsekvenser?
• Gennemsigtighed, brugerne skal kunne forstå hvordan systemet når frem til sine beslutninger.

Spørgsmålene bliver ikke mindre relevante i takt med at teknologien udvikler sig.

Kan kunstig intelligens overtage verden?

Spørgsmålet har været debatteret i årtier, og der findes ikke ét svar. Kunstig intelligens er et værktøj, og resultatet afhænger af hvordan det bliver brugt og kontrolleret.

På den ene side kan teknologien gøre hverdagen lettere ved at automatisere rutineopgaver og hjælpe med at løse komplekse problemer.

På den anden side kan den bruges til overvågning eller til handlinger der skader mennesker og samfund.

Derfor er etiske retningslinjer og regulering nødvendige, så teknologien bliver brugt ansvarligt.

Og husk at AI er skabt af mennesker. Ansvaret for at styre den ligger hos os.

Kan kunstig intelligens lære?

Ja. Et system lærer ved at få adgang til store mængder data og blive trænet i at genkende mønstre og træffe beslutninger ud fra dem.

Der findes mange metoder, hvor maskinlæring og dyb læring er de mest udbredte.

Ved maskinlæring bliver systemet præsenteret for data og finder selv mønstrene og sammenhængene.

Dyb læring er en form for maskinlæring der bruger dybe neurale netværk. De genkender mønstre i mange lag og kan løse komplekse opgaver som at genkende tal i billeder eller oversætte sprog.

Systemet bliver bedre efterhånden som det får mere data at træne på, og det hæver både præcisionen og effektiviteten over tid.

Kan kunstig intelligens hackes?

AI-systemer kan hackes ligesom ethvert andet computersystem.

Der er tre typiske angrebsflader.

Systemerne er afhængige af data. Er de data de bruger unøjagtige eller manipulerede, træffer systemet forkerte beslutninger.

Software og hardware kan have sårbarheder der bliver udnyttet, for eksempel gennem indsprøjtet kode eller usikrede kommunikationskanaler.

Systemer der kører i realtid er mere udsatte for angreb der forsøger at forstyrre driften mens den foregår.

Beskyttelsen kræver stærk autentificering og adgangskontrol, sikker opbevaring og transmission af data, og løbende opdateringer der lukker de kendte huller.

Systemerne skal desuden testes grundigt inden de sættes i drift, og driften skal overvåges løbende.

Vil kunstig intelligens overtage vores job?

Kunstig intelligens kan i visse sammenhænge erstatte menneskelig arbejdskraft. Det betyder ikke at alle job forsvinder.

Det mest sandsynlige er at teknologien assisterer mennesker ved at tage de opgaver der kræver stor databehandling eller analyse.

AI har begrænsninger og kan ikke udføre alle opgaver på samme måde som mennesker. Derfor er der fortsat behov for menneskelig arbejdskraft på mange områder.

Dertil kommer det etiske spørgsmål om hvilken rolle teknologien skal spille, og hvordan vi sikrer at de der mister deres job kan komme videre eller opkvalificere sig.

Det er en debat både det offentlige og erhvervslivet bør holde fast i.

Opsamling

Kunstig intelligens udvikler computere og software der kan løse problemer, genkende mønstre, lære af erfaring og træffe beslutninger.

Teknologien kan ændre medicin, transport, finans og uddannelse, og en række bekymringer følger med.

Hvordan sikrer vi at systemerne løser opgaverne ansvarligt? Hvordan undgår vi at de bliver brugt til skade for mennesker eller samfund? Og hvordan håndterer vi effekten på arbejdsmarkedet uden at uligheden stiger?

Udviklingen bør derfor foregå gennemsigtigt, med en aktiv dialog mellem forskere, politikere, organisationer og borgere.

Til sidst en oplysning: den oprindelige version af denne artikel blev skrevet med hjælp fra kunstig intelligens.

Skal vi finde ud af om AI kan betale sig hos dig?

Som bygger af AI-agenter og automatiseringer til små og mellemstore virksomheder regner jeg på casen før vi bygger noget. Holder den ikke, siger jeg det.

Ofte stillede spørgsmål

Relaterede artikler