Den hastige udvikling af teknologierne omkring kunstig intelligens har på rekordtid introduceret et væld af nye ord, begreber og forkortelser i vores daglige tale. Nogle er umiddelbart forståelige mens andre kræver nærmest en ph.d. for at give mening.

Nedenfor har vi samlet en række af de hyppigst forekommende ord og begreber – og forsøgt at forklare dem så præcist (og forståeligt) som muligt. Vi håber, det kan være med til at skabe lidt mere klarhed (eller i det mindste lidt mindre forvirring).

Vigtigste ord og begreber indenfor kunstig intelligens

AI-etik (AI Ethics)

Overvejelser og retningslinjer for, hvordan AI-teknologi udvikles og anvendes på en måde, der respekterer menneskerettigheder og etiske standarder. Omfatter også de nye situationer, der opstår i takt med at systemer bliver mere intelligente og autonome – og det bliver sværere at skelne mellem mennesker og maskiner.

Algoritme (Algorithm)

En procedure eller formel for løsning af et problem. I AI refererer det til de sæt regler eller instruktioner, der styrer, hvordan data analyseres og beslutninger træffes. Bruges også ofte om den systematik, der prioriterer og præsenterer udvalg af indhold på f.eks. sociale medier.

Big Data

Store og komplekse datamængder, der kræver avancerede metoder til at indsamle, lagre, analysere og visualisere. Big Data bruges ofte til at forudsige tendenser og adfærd. Hvor mennesker er begrænsede til at kunne overskue stikprøver og gennemsnit arbejder kunstig intelligens med de fulde datasæt.

Chatbots

Programmer, der simulerer menneskelige samtaler ved hjælp af AI for at levere kundeservice eller information til brugere via tekst eller tale.

Computer Vision

Computersyn gør det muligt for maskiner at fortolke og forstå den visuelle verden, hvilket muliggør applikationer som ansigtsgenkendelse eller autonom bil navigation. Tænk på, hvordan mennesker kan genkende ansigter i en menneskemængde og opløse et billede i de mange forskellige elementer, der indgår i det.

Dyb læring (Deep Learning)

En underkategori af maskinlæring baseret på kunstige neurale netværk med repræsentationslæring. Dyb læring kan identificere mønstre i data og bruges ofte i billed- og talegenkendelse. Deep learning er som at lære at spille et komplekst stykke musik. I starten fokuserer man på mindre sektioner eller lag (noder og akkorder) og forstår gradvist, hvordan de kombineres til større, mere komplekse dele (vers og omkvæd), indtil man kan fremføre hele stykket.

Dataudvinding (Data Mining)

Processen med at undersøge store datamængder for at finde mønstre og sammenhænge, som derefter kan bruges til at træffe bedre beslutninger.

Generative AI

Generativ AI er kunstig intelligens, der kan skabe indhold – tekst, billeder, musik osv. – som ikke tidligere har eksisteret. Det lærer fra store mængder af data for at generere noget nyt og meningsfuldt. GPT (Generative Pre-trained Transformer) er et eksempel, der anvender dyb læring til at forstå og generere tekst, der ligner tekst skrevet af mennesker. GPT-modeller trænes på internettets tekst for at forudsige næste ord i en sætning, hvilket gør dem i stand til at skabe sammenhængende og ofte overbevisende tekstbaseret indhold.

Kognitiv computing (Cognitive Computing)

En teknologi, der simulerer menneskelig tankeproces i en computeriseret model, ved hjælp af selv-lærende algoritmer, der bruger data mining, mønstergenkendelse og NLP til at efterligne den menneskelige hjerne.

Kunstig intelligens (Artificial Intelligence – AI)

Teknologien, der giver computere evnen til at udføre opgaver, som normalt kræver menneskelig intelligens, såsom at genkende tale, træffe beslutninger og oversætte sprog.

Maskinlæring (Machine Learning – ML)

En gren af AI, der giver systemer evnen til automatisk at lære og forbedre sig fra erfaring uden at blive eksplicit programmeret. Forestil dig at lære et barn at skelne mellem katte og hunde ved at vise dem billeder. Jo flere billeder du viser, jo bedre bliver de til at skelne dem fra hinanden. Maskinlæring fungerer på samme måde, hvor algoritmer lærer af data for at træffe beslutninger eller forudsigelser.

Relateret artikel: Er maskinlæring kunstig intelligens?

Naturlig sprogforståelse (Natural Language Processing – NLP)

Teknologien bag evnen til at analysere, forstå og generere menneskeligt sprog naturligt, hvilket gør det muligt for brugere at interagere med computere ved hjælp af normalt sprog. Naturligt sprog er kompliceret. Det kræver viden og kontekst at forstår og svare på en vens sms, der indeholder forkortelser og slang. NLP gør det muligt for computere at fortolke, forstå og generere menneskeligt sprog på en måde, der er værdifuld for applikationer som chatbots eller sprogoversættelsestjenester.

Relateret artikel: Brug af naturlig sprogforståelse i virksomheder

Neurale netværk (Neural Networks – NN)

Computernetværk, der er inspireret af de biologiske neurale netværk i den menneskelige hjerne (neuroner og synapser). De bruges i dyb læring og til at simulere menneskelig intelligens. Neurale netværk er designet til at genkende mønstre og løse problemer ved at simulere, hvordan neuroner interagerer og lærer af information.

Prædiktiv analyse (Predictive Analytics)

Brugen af data, statistiske algoritmer og maskinlæringsmodeller til at identificere sandsynligheden for fremtidige resultater baseret på historiske data. Den nye bølge af generative kunstige intelligensmodeller (ChatGPT fra OpenAI, Gemini fro Google) fungerer på denne måde ved at forudsige næste element i en sætning udefra de foregående.

Robotteknologi (Robotics)

Grenen af teknologi, der omhandler design, konstruktion, drift og anvendelse af robotter. I forretningsmæssig sammenhæng bruges det ofte til automatisering og effektivisering af produktionsprocesser.

Selvkørende køretøjer (Autonomous Vehicles)

Køretøjer udstyret med AI-teknologi, der giver dem mulighed for at navigere og køre uden menneskelig indgriben.