Grunderna inom AI
Artificiell Intelligens (AI) i dagligt tal handlar egentligen om flera olika undergrenar.
Just AI är en gren inom datavetenskap som syftar till att skapa system som kan utföra uppgifter som, när de utförs av människor, kräver intelligens. Detta inkluderar problemlösning, planering, lärande, perception, språkförståelse och förmågan att röra sig och manipulera objekt.
Det finns även fler grenar inom tekniken, de listar vi här nedanför.
Maskininlärning (ML)
Detta är en underkategorig av AI som fokuserar på att bygga system som kan lära sig från data.
Istället för att explicit programmeras för att utföra en uppgift, använder en ML-modell algoritmer för att identifiera mönster i data och dra slutsatser baserat på dessa mönster.
Djupinlärning (DL)
Detta är en underkategori av maskininlärning som använder sig av neurala nätverk med tre eller fler lager.
Dessa neurala nätverk försöker simulera beteendet hos den mänskliga hjärnan—till en viss grad—för att ”lära” sig från stora mängder data.
Neurala nätverk
Detta är algoritmer inspirerade av strukturen av den mänskliga hjärnan. Ett neural nätverk består av lager av noder.
Varje nod i ett lager är kopplad till noder i föregående och nästkommande lager.
Information behandlas genom att den går genom nätverket och passerar varje lager.
Övervakad inlärning
Detta är en maskininlärningsmetod där algoritmen tränas på ett fördefinierat uppsättning data med kända svar.
Målet är att lära algoritmen att göra förutsägelser på nya, okända data.
Oövervakad inlärning
Här tränas algoritmen på data utan fördefinierade etiketter, vilket ger algoritmen möjlighet att identifiera mönster och strukturer på egen hand.
Förstärkningsinlärning
Detta är en typ av maskininlärning där en agent lär sig att bete sig i en miljö genom att utföra vissa handlingar och motta belöningar eller bestraffningar baserat på dessa handlingar.
Naturlig språkbehandling (NLP)
Detta är en gren inom AI som fokuserar på interaktionen mellan datorer och mänskligt språk. Det innebär att lära datorer att tolka, förstå och generera mänskligt språk på ett sätt som är värdefullt.
Robotik
Detta är en gren inom AI som handlar om att skapa robotar som kan interagera med sin miljö.
Datorseende
Detta är en teknik som låter datorer ”se” och tolka visuell information från omvärlden, likt hur vi använder våra ögon och hjärnor för att förstå vår visuella omgivning.
Expertsystem
Dessa är datorprogram som är designade för att efterlikna beslutsförmågan hos en mänsklig expert inom ett specifikt område.
Neurologiskt inspirerade nätverksarkitekturer
Detta inkluderar koncept som konvolutionella neurala nätverk (CNNs) och återkommande neurala nätverk (RNNs) som är designade för specifika uppgifter inom maskininlärning och djupinlärning.