Hva er kunstig intelligens?
Kunstig intelligens forklart på ti minutter
Du, jeg og kunstig intelligens
Du skal til et møte og sjekker Google Maps for å finne raskeste vei. Når du skal reise derfra igjen, sjekker du appen på nytt for å dobbeltsjekke hva som er raskeste vei tilbake. Men denne gangen foreslår appen en fullstendig annen rute! I alle dager, hvorfor det?
Dette skjer fordi Google har informasjon om trafikkbildet i sanntid. Hvis det er mye kø på veien som var kjappest i morges, mens trafikken flyter bedre på en alternativ rute – ja, da foreslår de den andre ruten. Det er ved hjelp av kunstig intelligens at appen «bestemmer seg» for hvilken rute den skal anbefale til enhver tid.
Kunstig intelligens er overalt, du møter sannsynligvis på det i en eller annen form hver dag. Har mobilen din ansiktsgjenkjenning? Bruker du strømmetjenester som gir deg film- og musikktips basert på hva du har sett og hørt tidligere? Eller har du kanskje kommunisert med en chatbot når du har oppsøkt kundeservice på nett? Alt dette involverer kunstig intelligens.
I norske bedrifter bidrar kunstig intelligens i alt fra salg og markedsføring, via administrative oppgaver og drift, til utvikling av nye produkter og tjenester. Og jobber du i industrien har du kanskje hørt begrepet «predictive maintenance»? Det betyr at vi bruker kunstig intelligens til å bedre forstå når og hvordan vi bør utføre vedlikehold på maskiner og utstyr. La oss se på hva dette egentlig er for noe.
Hva er kunstig intelligens?
Kunstig intelligens (forkortes KI, eventuelt AI etter det engelske Artificial Intelligence) er en teknikk som gjør det mulig for datamaskiner å «tenke selv». Da mener vi ikke at de kan tenke på samme måte som et menneske, men at de kan løse oppgaver på egenhånd – for eksempel finne mønstre, gjøre anbefalinger og bidra som beslutningsstøtte til mennesker.
En annen måte å se det på, er at kunstig intelligens viser til et datasystem eller program som kan oppfatte omgivelsene sine og utføre handlinger som maksimerer sjansene for å oppnå et gitt mål. Et typisk eksempel er selvkjørende biler. De oppfatter omgivelsene sine gjennom sensorer (de kan følge med på veien, andre biler, og så videre) og på egenhånd utføre handlinger som maksimerer sjansen for å lykkes med de målene som er definert (å holde seg på veien, følge trafikkreglene, ikke krasje, og så videre).
Ordet «intelligens» kan være litt misvisende, i den grad vi ser for oss at KI «tenker» på samme måte som et menneske. Slik er det ikke. Programmene er laget med helt spesifikke formål, og de kan være fantastisk gode på å løse oppgavene de er satt til. Men det sier seg selv at det er nytteløst å be den selvkjørende bilen din om å se over regnskapet ditt – eller diskutere meningen med livet. Kunstig intelligens nemlig er ikke én ting, men utallige separate, avanserte dataprogrammer som er laget for å utføre ulike oppgaver. Måten KI presenteres på i Hollywood, som skaper frykt for at maskinene skal bli selvbevisste og vende seg imot oss, er derfor misvisende. (Noen prøver riktignok å utvikle «generell kunstig intelligens» som minner mer om Hollywood-versjonen, men nok om det).
Så hva slags oppgaver kan vi løse med KI? Et kunstig intelligent program kan for eksempel identifisere objekter i et bilde – noe som brukes på sykehuset for å oppdage kreftsvulster. Det kan gjenkjenne mønstre og avvik i et datasett slik at industribedrifter kan planlegge vedlikehold bedre. Det kan behandle språk slik at relevant informasjon kan trekkes ut av dokumenter. Det kan, som vi allerede har vært inne på, styre en førerløs bil i trafikkbildet. Og mye, mye mer.
Kunstig intelligens og maskinlæring
Når vi først snakker om kunstig intelligens, vil vi kjapt introdusere et nært beslektet begrep – nemlig maskinlæring.
Maskinlæring en underkategori av kunstig intelligens. Det viser til teknikker som gjør det mulig for maskinen (programmet) å forbedre seg etter hvert som den får mer erfaring. Når vi sier at vi omgir oss med kunstig intelligente løsninger både i hverdagen og på arbeidsplassen, er det for det meste snakk om løsninger som bygger på maskinlæring.
Vi har et eget kapittel om maskinlæring der du kan lære mer om det, men du kan også ta en titt på denne videoen:
Kunstig intelligens i praksis
Vi har lært at kunstig intelligens er en samlebetegnelse på alle metoder som gjør det mulig for en maskin å etterligne menneskelig intelligens – og at det brukes i alt fra anbefalinger av kjøreruter og ny musikk til identifisering av sykdommer og førerløse biler. La oss nå se kort på noen eksempler på hvordan kunstig intelligens og maskinlæring kan brukes:
Hva kan kunstig intelligens brukes til?
- Forutse, eller predikere, resultater av valg, utvikling i børsverdier og oljepriser, influensaepidemier, pollenspredning eller været
- Identifisere svindel eller predikere risiko i forbindelse med lån og forsikring
- Forutse hvilke kunder som er mest åpne for å kjøpe flere produkter, eller hvilke som trolig vil forlate oss om vi ikke gjør noe for å forhindre dette
- Gjøre søk og bestillinger på nett enklere, og husene våre smartere, ved hjelp av talegjenkjenning
- Avdekke feil i data og interne prosesser
- Finne beste vei der det er mange veier til mål, for eksempel basert på avstand, lovlig hastighet og kø, slik Google Maps bruker maskinlæring i kombinasjon med «datastrømming» (en kontinuerlig strøm av data fra ulike kilder samlet på ett sted)
- Identifisere falske og hatefulle tekstinnlegg eller uønskede bilder, slik for eksempel Facebook gjør
- Sikre mer relevante søketreff på internett
- Gjøre betaling på mobil sømløst ved hjelp av bildegjenkjenning
- Kommunisere i chatbots
- Identifisere sykdom
- Optimalisere produksjon, drift og vedlikehold
Eksempel: Datadrevet byggeplass
La oss kjapt ta for oss et helt konkret brukstilfelle. Skanska, SINTEF, Volvo og software-selskapet Ditio går sammen for å bli de første som utvikler kunstig intelligens for anleggsmaskiner.
Utgangspunktet er at anleggsmaskiner står for en femtedel av klimagassutslippene i den norske bygg- og anleggsbransjen. Anleggsmaskinene går på tomgang i nær halvparten av arbeidstiden, og forskningsprosjektet tar seg som mål å kutte utslippene fra disse – samtidig som man vil gjøre arbeidet til maskinene bedre, raskere og billigere.
Forskningsprosjektet ser på hvordan de ved hjelp av å bruke data som Skanska allerede logger kan utvikle algoritmer som gjenkjenner ineffektive rutevalg og kjøremønstre, se hvilke maskiner som trengs hvor og som samkjører den samlede maskinparken for å unngå unødig ventetid, tomgangskjøring og overflødig arbeid.
På de største prosjektene har Skanska opptil 200 maskiner i arbeid. Anleggsmaskinenes aktivitet skal nå analyseres i sanntid, mens algoritmer foreslår den mest effektive bruken av hver maskin.
Vil du ta flere kurs hos oss?
Få tilgang ved å bli medlem
Allerede medlem? Logg inn
DigitalNorway+
- Alle veivisere, komplett kurskatalog og alt annet kunnskapsinnhold
