Tekniska ämnen

Vad är artificiell intelligens (AI)?

Illustration av IT-artiklar med fokus på en bärbar dator

Översikt

Artificiell intelligens (AI) är en maskins eller dators förmåga att imitera den mänskliga hjärnans förmåga. AI utnyttjar flera olika tekniker för att ge maskiner en människoliknande intelligens när det gäller att planera, agera, förstå, lära sig och känna. AI-system kan uppfatta miljöer, känna igen objekt, fatta beslut, lösa problem, lära sig av erfarenhet och imitera exempel. Dessa förmågor kombineras för att utföra handlingar som annars skulle kräva att en människa utförde dem, t.ex. att köra bil eller hälsa på en gäst.

Artificiell intelligens

Varför AI blir allt populärare

Artificiell intelligens må ha blivit en del av det dagliga samtalet under de senaste tio åren, men den har funnits mycket längre. Att den relativt nyligen har blivit så framträdande är ingen tillfällighet.

AI-teknik, och i synnerhet maskininlärning, är beroende av tillgången till stora mängder information. Spridningen av Internet, utbyggnaden av molntjänster, ökningen av smartphones och tillväxten av Internet of Things har skapat enorma mängder data som växer varje dag. Denna informationsskatt i kombination med de enorma framsteg som gjorts inom datorkraft har gjort det möjligt att snabbt och korrekt bearbeta enorma datamängder.

Idag fullföljer AI våra chattkonversationer, föreslår svar på e-postmeddelanden, ger vägbeskrivningar, rekommenderar nästa film vi ska streama, dammsuger våra golv och utför komplexa medicinska bildanalyser.


 

AI:s historia

Historien om artificiell intelligens går så långt tillbaka som till antikens Grekland. Det är dock den elektroniska databehandlingens framväxt som har gjort AI till en verklig möjlighet. Observera att vad som anses vara AI har förändrats i takt med att tekniken utvecklas. För några decennier sedan kategoriserades till exempel maskiner som kunde utföra optimal teckenigenkänning (OCR) eller enkel aritmetik som AI. Idag betraktas OCR och grundläggande beräkningar inte som AI utan snarare som en elementär funktion i ett datorsystem.

  • 1950-talet - Alan Turing, känd för att ha knäckt ENIGMA-koden som användes av nazisterna under andra världskriget, publicerar artikeln Computing Machinery and Intelligence i Mind. Han försöker besvara frågan om maskiner kan tänka. Han beskriver Turingtestet som avgör om en dator har samma intelligens som en människa. Testet innebär att ett AI-system ska ha förmågan att hålla en konversation med en människa utan att människan vet att hon talar med ett AI-system. Den första AI-konferensen någonsin hålls på Dartmouth College. Det var här som termen artificiell intelligens användes för första gången.
  • 1960-talet - USA:s finansdepartement Defense genom DARPA intresserar sig för AI och börjar utveckla datorprogram som efterliknar mänskligt tänkande. Frank Rosenblatt bygger Mark 1 Perceptron-datorn som bygger på ett neuralt nätverk som lär sig genom erfarenhet.
  • 1970-talet - DARPA slutför olika projekt för kartläggning av gator.
  • 1980-talet - En mer komplex våg av AI växer fram. Neurala nätverk med backpropagationsalgoritmer får stor spridning i AI-system.
  • 1990-talet - Exponentiellt växande datamängder produceras. Kraftfulla datorer bearbetar stora datamängder snabbt. Superdatorn Deep Blue besegrar schackvärldsmästaren Garry Kasparov två gånger. Genomsekvenseringsprojektet och andra liknande komplexa projekt genererar enorma mängder information. Framsteg inom databehandling gör det möjligt att lagra, få tillgång till och analysera dessa data.
  • 2000-talet - Internetrevolutionen driver AI till oöverträffade höjder. Big data blir en del av företagens lexikon. DARPA lanserar intelligenta personliga assistenter långt innan Alexa, Siri, Cortana och Google Assistant blir kända namn. Detta banar väg för de resonemang och den automatisering som är en del av dagens persondatorer och smartphones. Det inkluderar smarta söksystem och beslutsstödsystem som förstärker och kompletterar mänskliga förmågor.
  • 2010-talet - Kinas sökjätte Baidu presenterar superdatorn Minwa som använder sig av ett konvolutionellt neuralt nätverk för att identifiera, analysera och kategorisera bilder med högre noggrannhet än den genomsnittliga människan. Det djupa neurala nätverksprogrammet AlphaGo från DeepMind slår Go-världsmästaren Lee Sodol i en match med fem matcher. Go är ett gammalt kinesiskt spel som är betydligt mer komplext än schack.

Hur fungerar AI?

Artificiell intelligens innebär att det finns principer som styr intelligenta systems agerande. Den bygger på att mänskliga förmågor och egenskaper återförs till en maskin. Systemet använder beräkningskraft för att överträffa vad den genomsnittliga människan kan göra. Maskinen måste lära sig att reagera på vissa handlingar. Den förlitar sig på historiska data och algoritmer för att skapa en modell för benägenheten. Maskiner lär sig av erfarenhet att utföra kognitiva uppgifter som vanligtvis är förbehållna den mänskliga hjärnan. Systemet lär sig automatiskt av funktioner eller mönster i data.

AI bygger på två grundpelare - teknik och kognitionsvetenskap. Ingenjörskonsten handlar om att bygga verktyg som bygger på intelligens som kan jämföras med människans. Stora datamängder kombineras med serier av instruktioner (algoritmer) och snabb iterativ bearbetning. Kognitionsvetenskapen handlar om att efterlikna hur den mänskliga hjärnan fungerar och tillför AI flera områden, bland annat maskininlärning, djupinlärning, neurala nätverk, kognitiv databehandling, datorseende, bearbetning av naturligt språk och kunskapsresonemang.


 

AI-system är inte monolitiska

Artificiell intelligens är inte en typ av system. Det är en mångfacetterad domän. Det finns enkla AI-system på låg nivå som fokuserar på att utföra en specifik uppgift, t.ex. väderappar, appar för analys av affärsdata, appar för taxihämtning och digitala assistenter. Det är den här typen av AI, kallad "Narrow AI", som det är mest sannolikt att en genomsnittlig person kommer att interagera med. Deras huvudsyfte är att öka effektiviteten.

I andra änden av spektrumet finns avancerade system som efterliknar mänsklig intelligens på en mer generell nivå och som kan hantera komplexa uppgifter. Det handlar bland annat om att tänka kreativt, abstrakt och strategiskt. I strikt mening finns den här typen av verkligt kännande maskiner, som kallas "Artificial General Intelligence" eller AGI, bara på vita duken för närvarande, även om kapplöpningen mot dess förverkligande accelererar.


 

Var används artificiell intelligens?

Människor har strävat efter artificiell intelligens för att de inser hur ovärderlig den kan vara för affärsinnovation och digital transformation. AI kan sänka kostnaderna och införa nivåer av hastighet, skalbarhet och konsekvens som annars är utom räckhåll. Du interagerar förmodligen med någon form av AI flera gånger varje dag. Tillämpningarna av AI är för många för att kunna beskrivas uttömmande här. Här är en översiktlig genomgång av några av de mest betydelsefulla.

1. Cybersäkerhet

I takt med att cyberattackerna blir allt mer omfattande, sofistikerade och frekventa räcker det inte längre med människoberoende cyberförsvar. Traditionellt byggdes anti-malware-applikationer med specifika hot i åtanke. Virussignaturerna uppdaterades när ny skadlig kod identifierades.

Men att hålla jämna steg med det stora antalet och mångfalden av hot blir till slut en nästan omöjlig uppgift. Det här tillvägagångssättet var reaktivt och berodde på att en specifik skadlig kod identifierades för att den skulle läggas till i nästa uppdatering.

AI-baserade system för antispam, brandväggar, intrångsdetektering/prevention och andra cybersäkerhetssystem går bortom den ålderdomliga regelbaserade strategin. Identifiering, analys, begränsning och förebyggande av hot i realtid är vad som gäller. De använder AI-system som upptäcker drag av skadlig kod och vidtar åtgärder även utan att hotet formellt har identifierats.

AI-cybersäkerhetssystem förlitar sig på kontinuerlig dataförsörjning för att känna igen mönster och spåra attacker. Genom att mata algoritmerna med stora mängder information lär sig dessa system att upptäcka avvikelser, övervaka beteenden, reagera på hot, anpassa sig till attacker och utfärda varningar.

2. Taligenkänning och bearbetning av naturligt språk

Taligenkänning, även kallat tal-till-text (STT), är en teknik som känner igen tal och omvandlar det till digital text. Det är kärnan i dikteringsappar för datorer, liksom röstaktiverad GPS och röststyrda samtalssvarsmenyer.

NLP (Natural Language Processing) bygger på att en programvara dechiffrerar, tolkar och genererar text som är läsbar för människor. NLP är tekniken bakom Alexa, Siri, chatbottar och andra former av textbaserade assistenter. Vissa NLP-system använder sentimentanalys för att ta reda på attityder, stämningar och subjektiva egenskaper i ett språk.

3. Bildigenkänning

Bildigenkänning, även känt som machine vision eller computer vision, är artificiell intelligens som gör det möjligt att klassificera och identifiera människor, föremål, text, handlingar och skrift som förekommer i rörliga eller stillbilder. Bildigenkänning, som vanligtvis drivs av djupa neurala nätverk, har använts i självkörande bilar, medicinsk bild-/videoanalys, system för identifiering av fingeravtryck, appar för checkinsättning med mera.

4. Rekommendationer i realtid

Webbplatser/appar för e-handel och underhållning utnyttjar neurala nätverk för att rekommendera produkter och media som tilltalar kunden baserat på tidigare aktivitet, liknande kunders aktivitet, säsong, väder, tid på dygnet med mera. Dessa realtidsrekommendationer är anpassade till varje användare. För e-handelssajter bidrar rekommendationer inte bara till ökad försäljning utan även till att optimera lager, logistik och butikslayout.

5. Automatiserad aktiehandel

Aktiemarknaden kan vara extremt volatil i kristider. Miljarder dollar i marknadsvärde kan raderas ut på några sekunder. En investerare som befann sig i en mycket lönsam position ena minuten kan befinna sig djupt nere i det röda kort därefter. Ändå är det nästan omöjligt för en människa att reagera tillräckligt snabbt på händelser som påverkar marknaden. Högfrekventa handelssystem (HFT) är AI-drivna plattformar som gör tusentals eller miljontals automatiserade affärer per dag för att upprätthålla optimeringen av aktieportföljen för stora institutioner.

6. Samåkningstjänster och självkörande bilar

Lyft, Uber och andra samåkningsappar använder AI för att koppla ihop passagerare med tillgängliga förare. AI-tekniken minimerar omvägar och väntetider, ger realistiska beräknade ankomsttider och tillämpar överprissättning vid ökad efterfrågan.

Självkörande bilar är ännu inte standard i större delen av världen, men det har redan skett en samlad satsning på att bygga in AI-baserade säkerhetsfunktioner för att upptäcka farliga scenarier och förhindra olyckor.

7. Teknik för autopilot

Till skillnad från landbaserade fordon är felmarginalen i flygplan extremt snäv. Med tanke på höjden kan en liten felberäkning leda till hundratals dödsfall. Flygplanstillverkarna var tvungna att utveckla säkerhetssystemen och bli bland de första att använda artificiell intelligens.

För att minimera sannolikheten för och effekterna av mänskliga fel har autopilotsystem använts i militära och kommersiella flygplan i årtionden. De använder en kombination av GPS-teknik, sensorer, robotteknik, bildigenkänning och kollisionsundvikande för att navigera planen säkert genom luften och samtidigt hålla piloter och markpersonal uppdaterade vid behov.

8. Automatisering av programvarutester

Artificiell intelligens påskyndar och förenklar skapande, utförande och underhåll av tester genom AI-driven intelligent testautomatisering. AI-baserad maskininlärning och avancerad optisk teckenigenkänning (OCR) ger avancerad objektigenkänning, och i kombination med AI-baserad mockup-identifiering, AI-baserad inspelning, AI-baserad textmatchning och bildbaserad automatisering kan team minska tiden för att skapa tester och underhålla tester samt öka testtäckningen och testtillgångarnas motståndskraft.

  • AI-driven intelligent testautomatisering
  • Uppnå "extrem vänsterförskjutning" med AI-infunderad testautomatisering med hjälp av mockup
  • Hur AI revolutionerar testautomatisering av programvara

9. Funktionell testning

Artificiell intelligens gör att du kan testa tidigare och snabbare med OpenText™ Functional Test Automation-produkter. Kombinera omfattande teknikstöd med AI-drivna funktioner. Leverera den hastighet och motståndskraft som stöder snabba applikationsändringar inom en kontinuerlig leveranspipeline.

10. Hantering av företagstjänster

Både IT och verksamheten står inför utmaningarna med alltför många manuella, felbenägna arbetsflöden, en ständigt ökande volym av förfrågningar, medarbetare som är missnöjda med nivån och kvaliteten på tjänsterna och mycket mer. Artificiell intelligens och maskininlärningsteknik kan ta servicehanteringen till nästa nivå:

  • Smarta sökfunktioner gör det möjligt för medarbetarna att hitta svar snabbt och enkelt
  • Virtuella agenter eller robotar kan utföra uppgifter med hjälp av NLP (Natural Language Processing)
  • Intelligent analys möjliggör optimering och automatisering av arbetsflödet
  • Mätvärden från ostrukturerad data, t.ex. användarundersökningar, kan samlas in och analyseras mer effektivt.

Det som gäller för IT-support gäller också för ESM; AI gör verksamheten och resultaten bättre. Läs mer i Tio tips för att stärka din IT-support med AI.


 

Kom igång med artificiell intelligens. Gå vidare

Det finns många sätt att utnyttja artificiell intelligens för ditt företag för att behålla konkurrenskraften, driva tillväxt och frigöra värde. Men din organisation har inte oändliga resurser. Du måste prioritera. Börja med att definiera vad som är din organisations värderingar och strategiska mål. Därefter kan du utvärdera de möjliga tillämpningarna av AI mot dessa värden och mål. Välj den AI-teknik som kommer att ge störst effekt för verksamheten.

Världen kommer bara att bli mer AI-beroende. Det handlar inte längre om huruvida man ska införa AI, utan när. Organisationer som utnyttjar AI före sina konkurrenter kan få en betydande konkurrensfördel. Att utveckla och följa en väldefinierad AI-strategi är där allting börjar. Det kan krävas lite experimenterande innan du vet vad som kommer att fungera för dig.

Hur kan vi hjälpa till?

Fotnoter

OpenText sidfot