Termen ”AI” har använts inom datavetenskap sedan 1950-talet, men det är först nyligen tekniken blivit folklig. Detta beror på de senaste framstegen inom maskininlärning, vilket har resulterat i betydande genombrott som med tiden kommer påverka fler och fler delar av våra liv. Här är några termer som är bra att ha koll på nu när vi pratar och skriver om AI i fler och fler sammanhang.
Artificiell Intelligens (AI)
Artificiell intelligens är i grund och botten ett avancerat datorsystem som kan efterlikna mänskliga handlingar, såsom att fatta beslut, översätta mellan språk, förstå tal, analysera känslor och till och med lära sig av erfarenheter. Dess intelligens är skapad av människor med hjälp av teknik och uttrycks ofta genom program som körs på datorer. Trots att vissa refererar till AI-system som digitala hjärnor, är de inte fysiska maskiner eller robotar; de är snarare program som fungerar genom att bearbeta stora mängder data med hjälp av uppsättningar av instruktioner även kallat algoritmer. Dessa algoritmer skapar modeller som kan automatisera uppgifter som normalt sett kräver mänsklig intelligens och tid. Ibland interagerar människor direkt med AI-system, till exempel genom att be om hjälp från en sökmotor. Men oftare används AI i bakgrunden för att föreslå ord medan vi skriver, rekommendera låtar i spellistor och ge oss mer relevant information baserat på våra preferenser.
Maskininlärning
Om artificiell intelligens är målet är maskininlärning hur vi kommer dit. Det är ett område inom datavetenskap under paraplyet AI, där människor lär ett datorsystem hur man gör något genom att träna det att identifiera mönster och göra förutsägelser baserat på dem. Data körs genom algoritmer om och om igen, med olika inmatning och feedback varje gång för att hjälpa systemet att lära sig och förbättras under träningsprocessen. Det är särskilt användbart när det gäller problem som annars skulle vara svåra eller omöjliga att lösa med traditionella programmeringstekniker, som att känna igen bilder eller översätta språk som kräver en enorm mängd data. Den här tekniken är något vi bara har kunnat utnyttja de senaste åren då mer information har digitaliserats och eftersom datorhårdvara har blivit snabbare, mer kraftfull och bättre på att bearbeta all information. Det är därför stora språkmodeller som använder maskininlärning, som till exempel Bing Chat och Chat GPT, plötsligt har dykt upp.
Stora språkmodeller – LLM
Stora språkmodeller, eller Large Language Models som vanligtvis förkortas LLM, använder maskininlärningstekniker för att hjälpa dem att bearbeta språk så att de kan efterlikna hur människor kommunicerar. De är baserade på neurala nätverk, vilka är datorsystem inspirerade av den mänskliga hjärnan. De tränas på en enorm mängd text för att lära sig mönster och relationer i språk för att de ska kunna generera en så ”mänskligt” skriven text som möjligt. De stora språkmodellernas problemlösningsförmåga kan användas för att översätta språk, svara på frågor i form av en chattbot, sammanfatta text, skriva datorkod eller till och med skriva berättelser och dikter. De har inga tankar eller känslor men ibland kan de låta som att de har det eftersom de har lärt sig mönster som hjälper dem att reagera på samma sätt som en människa skulle kunna göra. De finjusteras ofta av människor genom en process som kallas RLHF (Reinforcement Learning from Human Feedback) för att hjälpa dem att skapa mer mänskliga konversationer.
Generativ AI
Generativ AI använder en stor språkmodell för att skapa nya saker, den vill inte bara återge gammal information. Den lär sig mönster och strukturer och genererar sedan något som är liknande men nytt. Generativ AI kan till exempel skapa bilder, musik, text, videor och kod. Den kan användas för att skapa konst, skriva berättelser eller designa produkter. Tekniken klarar till och med att hjälpa läkare med administrativa uppgifter. Baksidan är att den också kan användas av cyberkriminiella eller någon som vill skapa falska nyheter eller bilder som ser ut som fotografier men inte är riktiga. Många stora teknikföretag arbetar därför ständigt på sätt att tydligt och snabbt identifiera AI-genererat innehåll.
Hallucination
Generativ AI kan skapa berättelser, dikter och sånger men ibland vill vi även skapa något som är baserat på fakta eller sanning. Eftersom dessa system inte alltid har lärt sig skilja på vad som är sant eller falskt, kan de ge felaktiga svar som utvecklare kallar hallucinationer eller konfabulationer. Utvecklare försöker lösa dessa problem genom så kallad “grounding”, vilket innebär att de förser ett AI-system med ytterligare information från en betrodd källa för att förbättra noggrannheten om ett specifikt ämne. Ibland är dock ett systems förutsägelser också fel, om en modell inte har den senaste information.
Ansvarsfull AI
Ansvarsfull AI är något som har tagits fram för att vägleda människor att utforma system som är säkra och rättvisa – på alla nivåer. Det omfattar maskininlärningsmodellen, programvaran, användargränssnittet och de regler och begränsningar som införts för att få tillgång till en applikation. Det är ett viktigt element då dessa system ofta har till uppgift att hjälpa till att fatta viktiga beslut om människor, till exempel inom utbildning och sjukvård. Då de är skapade av människor och tränade på data från en ofullkomlig värld kan de dock återspegla fördommar som finns där. En stor del av ansvarsfull AI handlar om att förstå de data som användes för att träna systemen och hitta sätta att mildra eventuella brister för att bättre återspegla samhället i stort, inte bara vissa grupper av människor.
Multimodala modeller
En multimodal AI-modell är ett system som kan arbeta med olika typer av data samtidigt. Det kan titta på bilder, lyssna på ljud och läsa ord. En riktig mångsysslare. Det kan till exempel kombinera flera olika typer av information för att svara på frågor om exempelvis bilder.
Prompter
En prompt är en instruktion som matas in i ett system i form av språk, bilder eller kod som talar om för AI:n vilken uppgift den ska utföra. Alla som interagerar med AI-system måste noggrant utforma uppmaningar för att få önskat resultat från de stora språkmodellerna. Det kan liknas vid att göra en beställning av ett klädesplagg, ju mer detaljerad den är desto bättre resultat får man. Exempelvis kan man be en AI att skriva en kärleksberättelse. Men då vet du inte exakt vilken berättelse den kommer återge. Skulle du i stället ge prompten: ”Skriv en kärleksberättelse om två personer som träffas på ett oförutsägbart sätt, och sedan blir kära i varandra. Berättelsen ska bestå av fem verser som innehåller två rim per vers” så får du ett mer exakt resultat.
Copilots
En copilot, eller andrepilot, är en digital personlig assistent som arbetar tillsammans med användaren i alla möjliga digitala applikationer och kan hjälpa till med saker som att skriva, koda, sammanfatta och söka. De kan också hjälpa till med att fatta beslut då de kan förstå och dra slutsatser från flera olika datakällor. Det senaste årens snabba utvecklingen av stora språkmodeller gjorde det möjligt för copilots att förstå ett naturligt mänskligt språk och ge svar, skapa innehåll eller vidta åtgärder när användaren arbetar i olika datorproram. Copilots skapas med utgångspunkt i ansvarsfull AI för att säkerställa att de är säkra och används på ett bra sätt. Precis som i ett flygplan är det piloten som bestämmer men andrepiloten kan assistera dig och frigöra tid till annat.
Plugins
Pluginprogram möjliggör för AI-program att göra fler saker utan att behöva ändra den underliggande modellen. Det är de som gör det möjligt för copiloter att interagera med andra programvaror och tjänster. Plugins kan hjälpa AI-system att få tillgång till ny information, göra komplicerad matematik eller prata med andra program. De gör AI-system mer kraftfulla genom att ansluta dem till resten av den digitala världen.
Lär dig mer om de senaste AI-nyheterna på Microsoft Source.
