- Telefon+45 702 56789
- E-mailadressekontakt@kubedata.dk
Praktiske løsninger til at møde fremtidens Borgerservice
AI, Intelligent Automation, Robotics Process Automation, Machine Learning og Cognitive Computing. Begreberne er mange, når det handler om fremtidens teknologiske landvindinger, og anvendelsesmulighederne er endnu flere.
Det kan være svært at navigere i de mange synonymer, teknikker og metoder inden for feltet kunstig intelligens. Her er samlet fem begreber, der kan skabe overblik i junglen af mærkelige betegnelser.
1. Cognitive computing er et synonym for kunstig intelligens, der dog i højere grad beskriver selve de teknologier, som kunstig intelligens baserer sig på. Cognitive computing-begrebet bliver især benyttet af organisationer, der har skabt deres egne platforme og systemer, som benytter forskellige former for kunstig intelligens med fokus på konkrete funktioner. F.eks. stemmegenkendelse, ansigtsgenkendelse og redskaber til at analysere specifikke store datamængder.
2. Machine learning beskriver, hvordan computere kan lære uden direkte at blive programmeret. Ud fra algoritmer kan systemet lære og lave prognoser på store datasæt. Begrebet handler i store træk om at forudsige handlinger baseret på statistisk analyse. Altså en form for mønstergenkendelse. Et kendt eksempel er Facebooks algoritmer, der hele tiden lærer brugernes præferencer at kende, på baggrund af deres tidligere adfærd, og dermed hele tiden bliver bedre til at foreslå og vise de mest relevante opslag.
3. Supervised learning er en læringsmetode under machine learning-begrebet, hvor den kunstige intelligens bliver trænet med dataeksempler, som den derefter kan bruge til at genkende nye lignende datasæt. Den kunstige intelligens lærer så at sige at generalisere og finde ligheder i de nye data på baggrund af dataeksemplerne. Ofte anvendes metoden sammen med en form for crowd-sourcing, hvor brugerens input bruges til at definere regler og guide f.eks. et program. Mange e-mail-spamfiltre er baseret på supervised learning, hvor programmet lærer at genkende de fleste nye spammails ud fra et stort datasæt, der har vist, hvor spammails typisk ser ud.
4. Transfer learning beskæftiger sig med at anvende viden om problemløsning på et område og overføre den samme viden til et lignende problem. Fordelen ved transfer learning er, at man kan genbruge eksisterende viden og data til et nyt problem. Metoden svarer lidt til, når man f.eks. bruger økonomisk teori til påvirkning af social adfærd. Det handler om systematik i tilgangen til problemet og tillader nye måder at anskue problemet på.
5. Reinforcement learning har belønningssystem som omdrejningspunktet. Her lærer den kunstige intelligens, hvornår noget er rigtigt og forkert. I et reinforcement learning-system er fejl ikke en skidt ting, men er med til at lære systemet at blive bedre. Det er groft sagt det digitale svar på pisk & gulerod-princippet eller det gamle ordsprog ”af skade bliver man klog.” Det kan sammenlignes med den bevidste indpodning af gode vaner hos vores børn. F.eks. har AlphaGo spillet, der er udviklet at Google Deep- mind, lært at mestre spillet ved at spille mod menneskelige modstandere tusindvis af gange.