Här förklaras de vanligaste begreppen som används när vi pratar om artificiell intelligens. En liten AI-ordlista.

Artificiell intelligens

Artificiell betyder konstgjord och intelligens brukar definieras som den mentala förmågan att planera, lösa problem, dra slutsatser och vara självlärande. Artificiell intelligens kan definieras som en dator eller maskin som efterliknar dessa mänskliga förmågor.

Artificiell intelligens är i dag ett brett begrepp som omfattar många olika områden som till exempel bildbehandling, språkteknologi, maskininlärning, robotik men även sådant som rör etiska och juridiska frågeställningar. Den praktiska tillämpningen av AI har kommit längst inom bildanalys, diagnosställande och taligenkänning.

Algoritm

En algoritm är en lista väldefinierade instruktioner som syftar till att lösa ett problem. Algoritmer finns i allt som är datorstyrt och består av instruktioner om vad som ska utföras, och i vilken ordning. Populärt kan en algoritm liknas vid ett matrecept med stegvisa instruktioner för tillagning av en viss maträtt.

Maskininlärning

Vanliga datorprogram består av algoritmer och utför uppgifter enligt dess instruktioner utan att göra några erfarenheter. Maskininlärning går i stället ut på att träna ett datorprogram till att klara en viss uppgift genom att tillhandahålla träningsdata och verifiera eller korrigera resultatet. Till exempel kan AI:n tränas i att urskilja katter i bilder genom att presentera en stor mängd träningsbilder på olika katter ur många olika vinklar. AI konstruerar på så sätt sina egna algoritmer utifrån informationen som den hanterar och finslipar allteftersom för att förbättra sina resultat.

Artificiella neurala nätverk

De artificiella neurala nätverken är inspirerade av hjärnans uppbyggnad med dess många nervceller som är sammankopplade med varandra. Datorprogrammet är uppbyggt av noder, motsvarande hjärnans nervceller, sammanlänkade i lager. Precis som andra AI skapar neurala nätverk egna regler genom maskininlärning. Skillnaden är att de kan hantera ännu mer komplex information än tidigare AI. Ett neuralt nätverk är uppbyggt av ett ”indataskikt”, dvs. av noder som tar emot indata, ett eller flera dolda skikt där data processas, och ett ”utdataskikt”. Deep learning eller djupa neurala nätverk är en typ av maskininlärning som består av många dolda skikt. Ju fler skikt desto större förmåga att hantera komplexa uppgifter. För att lösa komplicerade problem kan flera hundra lager användas. Systemet kräver vanligtvis stora datamängder att träna på och mycket datorkapacitet.

Olika nivåer av artificiell intelligens:

Snäv AI

Med artificiell snäv intelligens, ANI (Artificial Narrow Intelligence), menas att AI:n är specialiserad på att lösa en specifik uppgift inom ett snävt avgränsat område, till exempel att analysera mammografibilder. En snäv AI klarar däremot inte av att överföra och använda sina inlärda färdigheter till att utföra uppgifter inom ett annat område, till exempel att köra bil. En människa däremot kan använda sin generella grunderfarenhet av hur det går till när man lär sig helt nya saker inom ett helt annat område. All AI som används i dag hamnar inom kategorin snäv AI.

Generell AI

Artificiell generell intelligens, AGI, även kallad stark AI, har stora likheter med mänsklig intelligens vilket innebär att den klarar av att utföra alla intellektuella uppgifter som en människa kan utföra. Till exempel att använda sig av tidigare kunskaper i nya resonemang, fatta egna beslut och vara kreativ. Sådana system finns än så länge inte i verkligheten och kan bara ses i science fiction-filmer.

Artificiell superintelligens

Artificiell superintelligens, ASI, är ytterligare ett steg i utvecklingen, ännu smartare än generell AI. Det kan beskrivas som ett system som besitter alla mänskliga förmågor men är oerhört mycket snabbare och bättre och kan därför överträffa människor inom i princip allt. Så kallad teknologisk singularitet uppstår när AI blir så smart att den kan förbättra sig själv och därmed förbättra den del som förbättrar.

Texten är faktagranskad av Kalle Åström, professor i matematik vid Lunds universitet med datorseende och maskininlärning som sitt specialområde.

Läs även: Om farorna med superintelligens

(Ingångsbild AI: iStock/Andy)