Det här är en möjlig definition av AI - det finns många:
Beteckningen Artificiell Intelligens ger kanske fel signaler. Det finns ingen intelligens i AI men det beror kanske på vad man menar med intelligens. Förmåga är kanske ett bättre ord än intelligens.
En sak är säker: AI-system kan inte tänka. Man får ganska ofta korkade förslag från AI-system: En groda påstås vara en bakelse (vi ser det i kursen). Eller jag får ett förslag att köpa samma bok som jag köpte i går på nätet. Behöver jag verkligen en till?
Den AI som vi har i dag kan kallas ”Snäv AI” (Narrow AI) eller Svag AI. Svag AI kan vara bra på ett visst mycket begränsat område men inte mera. Den kan inte "vidga sina vyer" utan bara göra vad den är tränad för.
Stark AI (Strong AI) är en framtida AI som har en mera människolik intelligens. Jag kollade på Wikipedia och gissningarna när vi har en Stark AI varierade från 2029 till 2050. Men det är inte ens säkert att vi någonsin får Stark AI.
Det finns tankar om en mera generell (stark) AI: Då måste vi bort från den AI vi har i dag och tänka mera generellt och inte så specifikt när vi skapar AI-metoderna. Men det är ett stort steg.
Den mänskliga intelligensen är bred och generell medan AI är specifikt. Det finns enkla problem som människan klarar men som dagens AI inte klarar.
Om vi tittar långt bakåt har AI en ganska dyster historia med övertro följt av pessimism. AI har upplevt två tydliga misslyckande tidigare (kallas AI-vintrar) då intresset har gått från mycket starkt till mycket svagt.
Den första AI-vintern kom på 1950-talet då man kraftigt överskattade datorernas och algoritmernas förmåga.
Den andra vintern på 1980-talet då expertsystemen inte alls höll vad de lovade.
Blir det en tredje AI-vinter? Troligtvis inte efter dom stora framstegen de senaste åren. Men det finns problem av olika slag.
Ett exempel är helt självkörande bilar. Spås komma ganska snart men det är troligtvis ganska osäkert. Här överskattas systemens förmåga. Problemen visar sig först så småningom i verklig användning.
Ett annat exempel är olämplig användning av AI. Det talas inom EU att förbjuda användning av AI inom vissa områden.
Det talas om tre faser för en ny teknik: 1) Överskattning 2) Underskattning (när nackdelarna blir tydliga) 3) Mera balanserat. AI är i fas 1.
Jag blev intresserad av AI för några år sedan. Jag läste Max Tegmarks bok ”Liv 3.0”. Max Tegmark har kallats världens smartaste svensk. Max är professor i fysik och AI vid MIT i USA. Max är en världskändis. I boken beskriver Max olika varianter av hur mänsklighetens framtid med AI kan bli.
Nu till mina personliga svar på frågorna (jag tror Max skulle ge ungefär samma svar även om han är mera resonerande):
AI är ett mycket hett område. Det forskas mycket inom AI och utvecklingen går snabbt. Inom annan forskning försöker man bli publicerad (efter granskning) i någon ansedd vetenskaplig tidskrift. Det har man inte tid med inom AI (någon annan kan komma före). I stället lägger man bara ut forskningsrapporten på nätet.
AI anses ibland inte vara en rent teoretisk vetenskap där man sitter vid sitt skrivbord och tänker fram nya fantastiska algoritmer utan bygger ofta på ”trial and error” – försök och misslyckas. Man får en ide och prövar. Vid ett lyckat försök ska man sedan förklara varför metoden blev lyckad. Ibland blir förklaringen fel fast metoden funkar ju ändå!
AI är kanske mera ett teknikområde men i botten finns mycket vetenskap: matematik (främst linjär algebra), statistik och sannolikhetslära.
Å andra sidan anses konsten att ta fram tränade modeller (se nästa avsnitt) vara något av ett hantverk.
AI är består av många områden och det finns olika sätt att dela upp AI.
Vår kurs handlar först om Deep Learning (Djupinlärning) som är en del av Neural networks (Neurala nätverk) som i sin tur är ingår i Machine Learning (Maskininlärning) som är en del av AI.
Maskininlärning innebär att en modell tränas med data för att sedan kunna användas i applikationer.
I Symbolic AI (Symbolisk AI) är allt hårdkodat i programvaran. Här finns inte någon modell. Expertsystemen som var populära på 1980-talet tillhör symbolisk AI.
En viktig konkurrent till djupinlärning är varianter av Decision Trees (Beslutsträd).
Klassiska algoritmer är ett samlingsnamn på algoritmer som fanns innan djupinlärning blev populärt. De är viktiga och används ännu i dag.
Reinforcement learning ("Förstärkt inlärande") används för att träna agenter och robotar.
I den senare delen av kursen ser vi exempel på klassiska algoritmer, beslutsträd och reinforcement learning.
En definition av AI: Automatisera intellektuella uppgifter som normalt utförs av människor
Den AI som finns i dag (och kanske för alltid) är svag AI utan mänsklig intelligens.
AI ska vara en stor möjlighet och inte ett hot – det ska vi se till.
Nästa lektion handlar om Maskininlärning – ett viktigt begrepp i vår kurs.