Hvad er den mest almindelige type AI? En opdeling af 7 typer

Har du nogensinde haft det som Joey, når han køber et enkelt leksikon?

Sådan kan det nogle gange føles at tale om AI.

Alle taler om det nyeste inden for AI-systemer, bruger nyt ordforråd, nye use cases og banebrydende teknologi, og (lad os være ærlige) det kan være ret svært at følge med.

Der findes generative AI-værktøjer til at skabe indhold;

AI-forskningsrobotter, der hjælper dig med at besvare ethvert spørgsmål, og endda selvkørende biler, der bruger den nyeste AI-teknologi til at navigere på vejen.

Det kan alt sammen få dig til at føle dig lidt forvirret (ligesom Joey i den Venner episode).

Hvis du gerne vil genopfriske din viden om de mest almindelige typer kunstig intelligens, der bruges i dag, så læs videre.

Denne blog beskriver de 7 forskellige typer af AI, hvad de bruges til i øjeblikket, og hvad det kan betyde for fremtiden.

De 7 typer af AI: En oversigt

Generelt er der 7 typer af kunstig intelligens.

Hver af typerne repræsenterer en forskellig evne eller specialisering.

Så hvad er de 7 typer af AI? Lad os dele det op.

Type af AI	Beskrivelse	Eksempler
Smal AI (ANI)	Specialiseret i én opgave, mangler hukommelse og kan ikke tilpasse sig ud over de forudindstillede parametre.	Siri, Netflix' anbefalingssystem, chatbots til kundeservice.
Kunstig generel intelligens (AGI)	Hypotetisk AI med menneskelignende intelligens, der er i stand til at forstå, lære og udføre komplekse opgaver selvstændigt.	Endnu ikke udviklet.
Kunstig superintelligens (ASI)	Hypotetisk AI, der overgår menneskelig intelligens, kan løse globale problemer, men giver anledning til etiske overvejelser.	Endnu ikke udviklet.
Reaktive maskiner	Grundlæggende AI, der reagerer på data i realtid uden hukommelse eller indlæringsevne.	IBM's Deep Blue-skak-AI, automatiske døre, intelligent belysning, selvbetjente kasser.
Begrænset hukommelse AI	AI med korttidshukommelse, der gør det muligt at lære af tidligere erfaringer og tilpasse sig i realtid.	Selvkørende biler, systemer til afsløring af svindel, algoritmer til opdagelse af lægemidler.
Theory of Mind AI	Hypotetisk AI, der er i stand til at forstå følelser, intentioner og overbevisninger, inspireret af menneskelig psykologi.	Konceptuel; kan føre til sociale robotter eller AI-rådgivere.
Selvbevidst AI	Hypotetisk AI med selvbevidsthed, der er i stand til at tænke kritisk, forstå følelser og rejse vigtige etiske spørgsmål.	Endnu ikke udviklet (og måske umuligt, selvom det kunne være det ultimative mål for nogle)

1. Smal AI (kunstig smal intelligens - ANI)

Narrow AI er den mest almindelige type AI i dag, og det er sandsynligt, at du allerede bruger narrow AI-værktøjer uden at vide det.

Smal AI, som Siri, den der kundeservice-chatbot eller endda Netflix' anbefalingsalgoritme, er "smal", fordi den er rigtig god til én opgave.

I modsætning til mere komplekse former for AI, som vi ser på senere, kan snæver intelligens ikke tænke, ræsonnere eller tilpasse sig ud over specifik programmering; den kan bare udføre en opgave inden for forudkonfigurerede parametre.

En vigtig forskel mellem smal AI og mere avancerede former for kunstig intelligens er dens mangel på hukommelse.

Smalle AI-værktøjer kan ikke lagre data og lære af dem, og de kan heller ikke anvende læring fra en opgave til en anden; alle handlinger skal være forudkonfigurerede og regelbaserede.

2. Kunstig generel intelligens (AGI)

Nu bevæger vi os ud af den virkelige verden og ind i en potentiel fremtidig type AI.

Kunstig generel intelligens er i øjeblikket hypotetisk og ville betyde, at en maskine ville have menneskelig intelligensmed evnen til at forstå, lære og udføre en lang række komplekse opgaver selvstændigt.

Men det kan blive ret komplekst, når vi siger "menneskelig intelligens", når vi henviser til AGI.

Teoretisk set ville AGI faktisk have en intelligens, der ikke kunne skelnes fra et menneskes.

Men mere præcist ville AGI'en være mere intelligent end et menneske, da dens evne til at behandle store mængder data dramatisk ville overstige en menneskehjernes.

Men bare rolig.

AGI er stadig ret langt væk og vil kræve betydelige gennembrud inden for områder som design af neurale netværk, maskinlæring og robotteknologi for at blive til virkelighed.

3. Kunstig superintelligens (ASI)

Lad os tage det hypotetiske endnu længere. Et skridt videre end AGI er kunstig superintelligens (ASI), som er intelligens, der overgår menneskets evner på alle niveauer.

Det er AI i en af sine mest kompetente former, og den vil være i stand til at udføre komplekse opgaver, ræsonnere og løse problemer ved hjælp af et intellekt, der overgår menneskets.

Og det er lidt skræmmende.

Kunstig superintelligens ville ikke bare kopiere menneskelige evner; den ville langt overgå dem og måske endda forgrene sig til muligheden for selvbevidsthed, menneskelig manipulation og det, der er værre.

Konsekvenserne af denne form for AI for mennesker, vores samfund og fremtiden er helt uforudsigelige, men det er sandsynligt, at denne form for AI vil være i stand til at løse globale problemer som fattigdom og klimaforandringer.

Spørgsmålet er, om vi virkelig ønsker at kende svaret?

Heldigvis er de store etiske debatter omkring denne type kunstig intelligens helt fiktive... Indtil videre.

4. Reaktive maskiner

Mens de to sidste er eksempler på 100% hypotetisk AI, er reaktive AI-maskiner en af de første maskinlæringsmodeller, der nogensinde blev skabt, og er stadig vigtige stykker teknologi i vores hverdag.

Reaktive maskiner er den mest grundlæggende form for AI.

Disse systemer kan kun reagere på trafikdata i realtid baseret på programmerede regler og kan ikke lære eller tilpasse sig over tid.

De er maskiner med begrænset hukommelse eller mangler helt hukommelse, så deres handlinger er helt og aldeles reaktiv.

Et eksempel på dette er IBM's Deep Blue skak-AI-system, der besejrede stormester Garry Kasparov i 1997 - et gennembrud i AI-udviklingen.

I dag ser du måske reaktive maskiner inden for robotteknologi og automatisering, som følger et forudkonfigureret sæt instruktioner for at fremstille noget nyt.

Endnu mere almindelige, reaktive maskiner driver gentagne opgaver, som automatiske døre, automatiserede flynavigationssystemer, stemmekommandoer (som i din Alexa eller dit hjems intelligente lys) og endda de selvbetjeningsautomater, du bruger i dit lokale supermarked.

5. Begrænset hukommelse AI

Mens reaktive maskiner ikke har nogen hukommelse overhovedet, og AGI har omfattende hukommelse til at skabe og danne forbindelser mellem input, er AI-systemer med begrænset hukommelse en balance mellem de to.

AI-værktøjer med begrænset hukommelse kan lagre data fra tidligere erfaringer og lære af dem for at forbedre deres ydeevne.

Et eksempel på dette kunne være en selvnavigerende bil, der lærer af tidligere ruter for at optimere rejsetiden på forskellige tidspunkter af dagen, avancerede algoritmer til afsløring af svindel, opdagelse af lægemidler eller endda sygdomsforebyggelse.

AI med begrænset hukommelse er unik, fordi den kan tilpasse sig nye situationer ved at bruge sin korttidshukommelse, hvilket betyder, at den er i stand til at foretage dynamiske justeringer, når realtidsdataene ændrer sig.

6. Theory of Mind AI

Theory of mind AI-maskiner er et koncept, der er inspireret af psykologi og henviser til maskiner, der er i stand til at forstå kompleksiteten i følelser, intentioner og menneskelig tro.

Det er en udfordring, da overbevisninger og nuancer i det menneskelige sprog ikke er entydige og kan fortolkes.

Hvis vi skal udvikle AI-værktøjer til theory of mind, kræver det betydelige gennembrud inden for kognitiv modellering, naturlig sprogbehandling og maskinlæring.

Men hvis det er muligt, kan disse AI-maskiner hjælpe mennesker med at forstå og regulere følelser og fungere som en rådgiver eller en psykolog.

Theory of mind kan bane vejen for sociale robotter, der kan fungere som venner, plejere eller endda partnere for mennesker.

7. Selvbevidst AI

Men for nogle mennesker er selvbevidst AI det ultimative mål: en computer, der er selvbevidst og klar over sin egen eksistens.

Denne super-AI ville ikke kun være i stand til at udføre en bestemt opgave, men ville også kunne forstå følelser og moral og tænke kritisk over deres handlinger og formål.

Men selvbevidste maskiner rejser selvfølgelig komplekse etiske spørgsmål.

Er det moralsk korrekt at bringe liv til verden og derefter bruge disse superintelligente væsener til repetitive opgaver? Kan en maskine lide? Hvor meget adskiller maskinfølelser sig fra menneskelige følelser?

Det er alt sammen spørgsmål, som er umulige at besvare, men som kan få stor betydning for AI-forskningens fremtid.

Hvorfor smal AI er den mest almindelige type i dag

Så med alle disse forskellige typer af AI, hvilken er så den mest almindelige type?

Svaret er klart: Den mest almindelige type kunstig intelligens, der bruges i dag, er snæver AI.

Det skyldes, at det er tilpasningsdygtigt, skalerbart og praktisk, hvilket betyder, at det nemt kan implementeres i en lang række brancher.

Selv om det ikke kan løse komplekse problemer, kan det udrydde gentagne eller administrative opgaver og kan nemt skaleres.

Desuden er teknologien tilgængelig og overkommelig i dag, hvilket betyder, at den allerede er i gang med at ændre landskabet i mange brancher, herunder sundhedspleje, finans, produktion, detailhandel og underholdning.

Eksempler på snæver AI i hverdagen

Det er sandsynligt, at du får adgang til nogle snævre efterretningsværktøjer, mens vi taler.

Her er et par eksempler på de mest almindelige former, du vil støde på i din hverdag.

For det første er de chatbots som du er kommet til at stole på, som ChatGPT eller den chatbot til kundeservice, som dit forsyningsselskab bruger, er alle eksempler på snæver AI.

De bruger AI-algoritmer, som er programmeret til at svare på dine forespørgsler og hjælpe dig med at finde svar, behandle data og effektivisere din hverdag.

Som chatbots, virtuelle assistenter som Siri, Alexa og Google Assistant reagerer på stemmekommandoer for at hjælpe dig med at udføre gentagne eller hverdagsagtige opgaver, oprette en playliste, ringe til din ven eller endda sende en sms.

Selv de anbefalingsmotorer, der driver dine Netflix- og YouTube-konti, er eksempler på snæver AI.

De hjælper med at samle dine data og bruger derefter AI-modeller til at foreslå, hvad du vil nyde næste gang.

Den slags modeller er ikke kun til brug i dit hjem - de hjælper også virksomheder med at analysere og behandle data omkring kundeadfærd og hjælper dem med at levere en mere optimal oplevelse på lang sigt.

Endelig er nogle af de værktøjer, du er kommet til at stole på (som f.eks. Uopdagelig.ai's AI SEO-skribent, AI essayforfatter og Menneskelig skriver) gør brug af snævre AI-modeller.

Selv når de skriver menneskeliggjort indhold, der ikke kan skelnes fra den ægte vare.

Disse værktøjer er "smalle", fordi de gør én ting exceptionelt godt - at skrive indhold til virksomheder, der er afhængige af indholdsmarkedsføring.

Nøgleteknologier bag smal AI

Men hvordan fungerer disse værktøjer? Hvad er den skjulte teknologi bag smal AI, der gør det muligt at anvende den så alsidigt?

Maskinlæring (ML)

Maskinlæring, med elementer som deep learning, er AI-systemers evne til at lære af data og forbedre ydeevnen over tid.

Det er et grundlæggende træk ved smal AI, som ikke kan programmeres til at reagere direkte på alle mulige opfordringer eller input, men som snarere skal være i stand til at behandle data og bruge dem til at skabe forbindelser og syntetisere nye konklusioner.

Behandling af naturligt sprog (NLP)

Kort sagt er NLP den teknologi, der gør det muligt for maskiner at forstå, fortolke og generere menneskeligt sprog.

Det er det, der gør det muligt for AI at kommunikere effektivt med brugerne på en måde, der føles naturlig.

Tænk på ChatGPT-prompten, der svarer på din prompt på et sprog og i et tonefald, du kan forstå, eller Undetectable AI humanizer-værktøjet, der går et skridt videre end at analysere sprog for at skabe unik, menneskeligt klingende tekst.

Du er velkommen til at teste vores AI Humanizer ved hjælp af widgetten nedenfor!

Computersyn

Endelig hjælper computersyn AI med at "se" visuel information fra verden, f.eks. ansigtsgenkendelse eller billedanalyse.

For at gøre dette analyserer AI-modeller visuelle data ved at opdele dem i pixels og identificere mønstre eller funktioner (som kanter, farver og former) og derefter skabe forbindelser for at finde specifikke objekter, som den kan genkende.

Fordele ved at bruge Narrow AI i dag

Narrow AI er overalt og gør stille og roligt livet enklere og arbejdet mere effektivt.

Den tager sig af gentagne og tidskrævende opgaver og frigør os mennesker til at fokusere på kreative eller mere komplekse opgaver.

Det letter den administrative byrde og får tingene gjort hurtigere.

En anden stor fordel er, hvor skalerbar den er - smal AI kan håndtere enorme mængder data og interaktioner på én gang, noget som intet menneske ville kunne klare.

Det er også utroligt præcist og fanger detaljer, som mennesker måske overser, som f.eks. at opdage svindel i bankverdenen eller opdage sygdomme i tidlige stadier ved medicinske scanninger.

Og fordi det er billigt og tilgængeligt, er det ikke kun virksomheder, der nyder godt af det.

Enkeltpersoner kan bruge smal AI til at hjælpe dem i deres daglige liv eller endda i deres

Udfordringer og begrænsninger ved snæver AI

Men selvom snæver AI bestemt har sine fordele, er der også nogle ulemper ved teknologien.

Det mest åbenlyse er, at disse værktøjer ikke er fleksible.

Hvert system er bygget til at gøre én ting rigtig godt og kan ikke tilpasse sig opgaver, der ligger uden for dets specifikke programmering.

For eksempel vil AI'en bag Netflix' anbefalinger ikke hjælpe dig med at bestille en flyrejse - det er den bare ikke bygget til, og dens hukommelse og begrænsninger i deep learning betyder, at den aldrig vil få mulighed for det.

Det betyder, at forskellige anvendelser kræver forskellige AI-modeller, som skal programmeres og bygges specifikt til den pågældende brugssituation.

Det betyder potentielt dobbeltarbejde, dyre programmeringskrav og komplekse tekniske stakke til at udføre flere handlinger efter behov.

Et andet problem er data.

For at fungere godt har smal AI brug for enorme mængder upartiske data af høj kvalitet. Hvis dataene er fejlbehæftede, vil AI'ens output også være det.

Det har vi allerede set, når det gælder AI-biasog det er en udfordrende forhindring at overvinde med alvorlige konsekvenser for den virkelige verden.

Og endelig er der de etiske bekymringer.

Automatisering er godt for effektiviteten, men det kan også føre til fortrængning af arbejdspladser og andre samfundsmæssige udfordringer, som skal overvejes nøje.

Mens AI kan automatisere gentagne opgaver, er der mange mennesker, der er afhængige af disse opgaver for at kunne leve af dem.

I hvor høj grad skal vi lade AI overtage de roller, og er der nok kreative, udfordrende roller til alle?

Vil generel eller superintelligent AI tage over?

Men noget, vi kun har berørt i denne artikel, er debatten om super-AI-algoritmer, der overtager verden.

Der er alvorlige etiske, moralske og juridiske betænkeligheder ved nogle af disse typer kunstig intelligens. Hvad vil denne debat betyde for vores fremtid?

På nuværende tidspunkt er ideen om generel AI eller superintelligent AI stadig i science fiction-regi.

Når det er sagt, er udsigten til disse avancerede former for AI værd at tale om.

På den ene side kan de løse store globale problemer.

På den anden side rejser de alvorlige spørgsmål om kontrol, sikkerhed og indvirkningen på menneskeheden.

Indtil videre er der dog lang vej igen, og smal AI er stadig den mest praktiske og effektive form for kunstig intelligens, der anvendes i dag.

Afsluttende tanker

Alle de 7 typer af AI former nutiden.

Narrow AI er her allerede og gør de daglige opgaver mere smidige og industrierne mere effektive.

Det er i dine Netflix-anbefalinger, dit smart home-system og mange af de værktøjer til at skabe indhold, som du måske bruger på arbejdet eller i dine studier.

Og AI stopper ikke der.

I takt med at de forskellige typer kunstig intelligens fortsætter med at udvikle sig, går vi en spændende fremtid i møde, hvor nye typer kunstig intelligens vil påvirke vores roller, endda vores relationer og vores beslutningstagning.

Indtil videre er fokus fortsat på at forfine og bruge de værktøjer, vi allerede har, på en ansvarlig måde - værktøjer, der, når de bruges rigtigt, kan gøre livet bedre for alle.

I mellemtiden, næste gang samtaleemnet skifter til: "Hvad er den mest almindelige form for AI, der bruges i dag?" Du vil være udstyret med et intelligent svar (Venner humor til trods).