Kunstig intelligens – Opsio

Kunstig intelligens, forkortet AI, dukket først opp i 1955 i forskning med det formål å finne en måte å lære maskiner å snakke, forme tanker, begreper og løse problemer som tidligere krevde en persons engasjement. Kort sagt handler kunstig intelligens om å simulere menneskelig intelligens på datamaskiner ved å lære, trekke konklusjoner og korrigere seg selv. Vi skal straks gå dypere inn i det.

Kan kunstig intelligens gi deg kundeservice på 72 språk?

Bruksområdene for kunstig intelligens AI er mange, og det dukker stadig opp nye. Egentlig er det bare fantasien som setter grenser. Her er en rekke eksempler. Kundeservice er et område der kunstig intelligens og maskinlæring begynner å ta mye plass, og brukes ikke sjelden til å anbefale e-handel og tjenester. Zalando bruker kunstig intelligens for å hjelpe kundene med å finne riktig størrelse. Netflix anbefaler filmer og tegneserier du vil se, og Amazon bruker det til å vise deg nye varer du kan være interessert i, basert på hva du har handlet tidligere. På samme måte ligger AI bak Spotifys skreddersydde spillelister som sendes ut til brukerne hver uke. Selv Google og Microsoft bruker kunstig intelligens i sine algoritmer for stemme- og bildegjenkjenning.

AWS Kunstig intelligens

Et amerikansk selskap har utviklet det de kaller en digital kollega som med kunstig intelligens skal øke produktiviteten. Amelia, som hun kalles, snakker 72 språk flytende og lærer i prinsippet alle jobber på 60 dager. Hvis hun blir plassert i kundeservice, lytter hun i begynnelsen av samtalen og lærer av spørsmålene deres. Hun leser mail og lærer seg hva hun skal svare, og etter hvert tar hun over samtalen. Samtalen hun ikke kan håndtere selv, får hun hjelp av en menneskelig kollega. Hun lytter imidlertid til samtalen for å kunne svare på spørsmålet neste gang. Ingenting av dette ville vært mulig uten kunstig intelligens og maskinlæring.

Det finnes mange eksempler på høyt kvalifiserte oppgaver som kunstig intelligens kan utføre. I medisinsk behandling brukes den i pasientdiagnoser, for eksempel da IBMs AI-datamaskin «Watson» lastet inn 20 millioner sider med den nyeste kreftforskningen og 10 000 anonyme journaler for å hjelpe japanske leger med en hardtslående sak. På åtte minutter fikk Watson «en diagnose som noen leger ikke klarte på to måneder. AI-datamaskinen ga akkurat den rette diagnosen for en svært uvanlig form for leukemi. Den ga også en anbefaling om en behandling som legene kunne bekrefte, og som også har hjulpet. er en studie der man bruker Computer Assisted Diagnosis (CAD) til å gjennomgå tidlige mammografibilder av kvinner som senere har utviklet brystkreft. Datamaskinen oppdaget 52 % av krefttilfellene over ett år før en offisiell diagnose ble stilt.

AI kan også oppdage avvik i produksjonen i produksjonsindustrien, lage prognoser for transportbransjen og optimalisere lagre innen handel og logistikk. Det brukes også i uforsiktige biler og roboter. Når det er sagt, er det bare fantasien som setter grenser. Maskinene er heller ikke slitne og har ikke en dårlig dag, slik at kvaliteten opprettholdes.

Hva er kunstig intelligens, maskinlæring og dyp læring?

Etter hvert som forskningen har gått fremover og de tekniske mulighetene våre har utviklet seg, har AI gjort det samme, og det finnes flere ulike konsepter. Vi finner ut av det.

Når datamaskiner utstyres med evnen til å lære av de erfaringene de gjør, kalles det kunstig intelligens. KI er teorien om og utviklingen av datasystemer som kan utføre oppgaver som krever menneskelig intelligens, for eksempel visuell persepsjon, stemmegjenkjenning, beslutningstaking og oversettelse av språk. Maskinlæring er når kunstig intelligens brukes for at systemer automatisk skal lære og forbedre seg ut fra erfaring, i stedet for programmering. Det vil si å utvikle dataferdigheter for selvstendig å forstå og håndtere store datamengder. For å oppnå uavhengighet brukes algoritmer som gjør det mulig for datamaskiner å tolke og lære av data for å danne seg en mening eller spådom om noe. Ved hjelp av maskinlæring lærer datamaskinene mer og mer etter hvert som de behandler og analyserer ny informasjon. Derfor blir de smartere med tiden.

Maskinlæring brukes ofte til å forutsi fremtidige resultater basert på tidligere data. Disse resultatene gjør det mulig for selskapet å ta bedre forretningsbeslutninger fremover. Et annet begrep du sikkert har støtt på, er dyp læring. Deep Learning har vokst frem fra maskinlæring og fokuserer på utvalgte verktøy og metoder for å muliggjøre implementering av maskinlæring. Etter det kan maskinen løse i prinsippet alle problemer som krever menneskelige eller kunstige tankebaner. Konseptet bygger videre på ideen om å skape og bruke kunstige nettverk som en metode for å behandle og ta beslutninger på grunnlag av gitte data. Forskningen på Deep Learning fokuserer på å videreutvikle disse nettverkene, slik at de kan håndtere datasett så store som for eksempel Googles bildebank eller alle tweets som noensinne er skrevet på Twitter.

AWS maskinlæring

AI Kunstig intelligens og maskinlæring – Amazon Web Services (AWS): Som du tidligere har lest i bloggen, kommer Amazon Web Services til Sverige i høst, noe som skaper store muligheter for svenske selskaper. Med AWS får bedrifter ikke bare kostnadseffektive og fleksible IT-løsninger, men også muligheten til å bruke AI i bedriften på en enkel måte.

E-handelsgiganten Amazon har lenge satset på kunstig intelligens AI, og mange av AWS’ tjenester på området brukes på ulike måter. Et eksempel er deres virtuelle assistent Amazon Alexa eller komplette API-drevne tjenester som Amazon Recognition. Denne brukes til analyse av bilder og video og kan gjenkjenne personer eller objekter. Amazon Comprehend gjenkjenner språk, nøkkelord, personer, steder, hendelser osv. Amazon Transcribe konverterer stemmen til tekst og kan til og med gjenkjenne ulike stemmer og skille dem fra hverandre. Amazon Polly konverterer i stedet tekst til tale på mange forskjellige språk og med flere ulike stemmer. Amazon Translate oversetter tekst mellom ulike språk ved hjelp av Deep Learning-modeller for å få en mer nøyaktig og naturlig oversettelse, sammenlignet med mer tradisjonelle oversettelsestjenester. Med Amazon Lex kan vi bygge chatroboter for å ha direkte kontakt med kunder eller brukere. Videre er maskinlæringstjenester som Amazon SageMaker tilgjengelige for å bygge, trene og distribuere modeller.

AWS-tjenestene er som regel utformet for sine spesifikke formål og fjerner kompleksiteten i håndteringen av underliggende infrastruktur og systemer. Du betaler bare for det du bruker, og når du bruker det.