Svag AI
Artificiell intelligens som fungerar inom snäva och specifikt definierade uppgifter.
Svagheter: Fungerar reflexmässigt och problemspecifikt, klarar alltså inte av situationer eller miljöer med nya, okända eller osäkra regler. Kräver mänskligt handarbete (skräddarsydd kod, inmatning av data).
Exempel: Schackdatorer och övriga spel, självkörande bilar, ansikts- bild- och röstigenkänning, automatiska översättningar. Används även inom algoritmstyrd robothandel på börsen, med blixtsnabba köp- och säljbeslut.
Stark AI
Kallas även för generell AI (AGI, artificiell generell intelligens).
Än så länge hypotetisk form av AI som har en bredare, människolik förståelse av sin miljö, med planerings- inlärnings- och slutledningsförmåga.
När? Forskare är oeniga om när utvecklingen når hit: tippningar ligger i allmänhet mellan 2030 och 2050.
Super-AI
Spekulativt framtidsscenario med en självmedveten och -förstärkande AI som dramatiskt överträffar den mänskliga nivån och kan utveckla mer avancerade versioner av själv.
Konsekvenser? Föds ur så kallad, singularitet, en ’explosion’ av artificiell intelligens, där programvaran förbättrar sig själv exponentiellt. De accelererande framstegen kan sätta igång en oförutsägbar dominoeffekt.
Exempel: Science fiction-filmer såsom Terminator, Blade Runner eller 2001: A Space Odyssey, där en super-AI löper amok och radikalt förändrar eller rentav förstör den mänskliga civilisationen.
Neuronnät
En undergrupp eller metod inom AI, också känd som neurala nätverk. Används inom djupinlärning, där nätverk av självlärande algoritmer försöker efterlikna inlärnings- och tillämpningsfunktionerna i hjärnan.
Fördel: Då algoritmer tillsammans klassificerar och förutspår ett datamaterial går det att lösa problem som är svåra att tackla med konventionella datalogiska metoder. Datorn minskar själv på felmarginalen och gör alltmer sannolika förutsägelser, tack vare ökad parallell beräkningskraft och enorma mängder rådata.
Hur? Artificiella neuroner kopplas i lager, med miljontals parametrar. Varje enskilt lager antar sedan en allt högre abstraktionsnivå. Inom bildigenkänning urskiljer en specifik del av neuronnätet formen och utseendet på t.ex. morrhår, en annan identifierar tassar, en tredje är tränad att urskilja svansar, och så vidare. Tillsammans kan de därmed känna igen en katt eller en hund.
Exempel: Kan användas t.ex. inom prognoser, informationsutvinning (data mining), optimering, mönsterigenkänning och signalbehandling. Rena exempel är bildigenkänning, röstigenkänning och översättning. Praktiska exempel (som i tillägg till neuronnät också tillämpar andra metoder) är självkörande bilar, samt Alphago som 2016 besegrade en mänsklig elitspelare i brädspelet Go, med strategisk mångfald som överträffar schack.
Vad är intelligens egentligen?
Kan AI en dag simulera mänsklig kreativitet, känslor, fri vilja eller subjektivt självmedvetande? Problemställningen handlar om matematik, psykologi, lingvistik och framför allt filosofi. De flesta är överens om att genuin intelligens utgör något mer än råstyrka och snabbhet inom beräkningar, simuleringar, inlärning eller planering. Skeptiker menar att det per definition inte är möjligt att digitalt återskapa förnuft eller visdom, eftersom de innefattar moraliska och sociala dimensioner.
Text: Torsten Fagerholm
(Youtube-videolänk: https://youtu.be/6VZ3tOiuVVU)
