Vad är Artificiell Intelligens (AI), Machine Learning (ML) och Deep Learning (DL)?

Du har säkert också funderat över vad är artificiell intelligens? Eller vad skiljer artificiell intelligens jämfört med machine learning (maskininlärning på svenska)? Eller Deep Learning, djupinlärning – vad är det? 

Här förklarar vi dessa och tar upp området AI inom affärssystem. 

Artificiell intelligens (AI)

AI som först upptäcktes av John McCarthy 1956 innehåller maskiner som kan utföra funktioner specifika för det mänskliga sinnet. Även om det är mycket allmänt, innebär det planering, språkförståelse, kunskap om objekt och ljud, inlärning och problemlösning. AI kan även beskrivas som en dator, maskin eller ett program som kan utföra uppgifter som normalt sett kräver mänsklig intelligens. Det kan vara allt från röstigenkänning, visuell uppfattning eller beslutstagande. Mänsklig intelligens utfört av maskiner helt enkelt.

Wikipedia: Artificiell intelligens (AI) eller maskinintelligens är förmågan hos datorprogram och robotar att efterlikna människors och andra djurs naturliga intelligens, främst kognitiva funktioner såsom förmåga att lära sig saker av tidigare erfarenheter, förstå naturligt språk, lösa problem, planera en sekvens av handlingar och att generalisera.

Tjänster som Apple Siri, Amazones Alexa och Google Assistent är några kända AI-tjänster, men AI som begrepp har funnits sedan mitten av 50-talet. Det är också namnet på det akademiska studieområde som studerar hur man skapar datorprogram med intelligent beteende.

Machine learning (ML)

Machine Learning används för att uppnå AI och är ett forskningsområde inom AI som syftar till att utveckla maskiners förmåga att självständigt förstå och hantera stora mängder data. Tekniken bygger på algoritmer (istället för kod) för att analysera och lära sig av datan för att fatta ett beslut.

Wikipedia: Maskininlärning (engelska: machine learning) är ett område inom artificiell intelligens, och därmed inom datavetenskapen. Det handlar om metoder för att med data "träna" datorer att upptäcka och "lära" sig regler för att lösa en uppgift, utan att datorerna har programmerats med regler för just den uppgiften.

Deep Learning (DL)

Deep Learning har “vuxit fram ur” Machine Learning. Det är ett artificiellt nätverk där algoritmerna fungerar som när den mänskliga hjärnans neuroner kommunicerar med varandra, med skillnaden att det finns en tydlig struktur från början. Det är tack vare Deep Learning som det finns självkörande bilar, att vi kan se och förebygga sjukdomar och att till exempel Spotify och Netflix kan ge oss träffsäkra musik och filmtips.

Wikipedia: Djupinlärning (engelska: deep learning, deep structured learning eller hierarchical learning) är en del av området maskininlärning genom artificiella neuronnät. Djupinlärning är baserat på en uppsättning algoritmer som försöker modellera abstraktioner i data på hög nivå genom att använda många processlager med komplexa strukturer, bestående av många linjära och icke-linjära transformationer. Djupinlärning kan vara övervakad, semi-övervakad eller oövervakad och har fått stort genomslag inom bland annat bildklassificering, datorseende, språkbehandling, biostatistik och ljudigenkänning.

Exempel på skillnaden mellan Artificiell intelligens (AI) och Machine learning (ML)

Låt säga att du står inför ett investeringsbeslut så kan ML ge dig råd rörande till exempel en investering i en specifik aktie. Men AI kan svara att du inte alls ska köpa aktier, utan guld eftersom AI ”tänker själv” och utvecklar den underliggande modellen.

Alternativ beskrivning av AI, ML och DL

Det finns också andra definitioner av AI, Ml och DL där AI är den första vågen, ML den andra vågen och DL som den tredje. Exempel på detta kan vara att AI används för att känna igen människors känslor från bilder, ML algoritmer för in bilderna i systemet. DL (Deep Learning) skulle därefter känna igen mönster i ansikten och känslor från dessa bilder.

Affärssystem och AI

Vanliga områden där vi idag finner AI är kundtjänst och försäljningsautomation. Ett gemensamt mål för de flesta företag är att förbättra kundnöjdheten. Artificiell intelligens används nu för att förbättra kundupplevelsen. Chatbots är tillgängliga dygnet runt för att svara på kundfrågor. Du kan nu ansöka om kredit utan att lämna ditt hem och semestern kan bokas med bara några få klick. Livet har blivit mycket lättare tack vare AI.

Den används också för att hjälpa anställda med optimal tidsplanering när kunder behöver tjänster eller personliga möten.

Försäljningsautomation tar de dagliga uppgifterna ur människors händer, vilket frigör säljare för att fokusera mer på kundens behov och återigen, vilket i allmänhet gör livet enklare.

Ta till exempel Amazon Dash Replenishment. När din skrivare från HP, Epson, Brother eller annan tillverkare har lite bläck skickas ett meddelande direkt till Amazon för att leverera nya patroner.

Integrera maskininlärning i affärssystem

Med moderna affärssystem som är så kapabla kan man undra vad inbäddning av maskininlärning i ditt affärssystem skulle ge för mervärde? Detta beror på att maskininlärning eliminerar många problem som ingår i traditionella mjukvarulösningar för företag som till exempel:

– Kund- och medarbetarrelaterad information blir nästan aldrig uppdaterad
– Data som matas in i affärssystem beror helt på kvaliteten på den mänskliga insatsen
– Assimilering av data från en mängd kalkylark
– Traditionella företagssystem byggda på relationsdatabaser tar veckor att ge insikter som förväntas omedelbart

Eftersom maskininlärning gör det möjligt för datorprogram att växa och lära sig genom att studera prediktiv och statistisk analys (snarare än genom att programmeras uttryckligen), upprepas algoritmerna i millisekunder, så att du kan uppnå optimerade resultat på några minuter istället för veckor eller månader. Även om prediktiv analys är möjlig utan maskininlärning förbättrar maskininlärningsfunktionerna noggrannheten i prediktiv analys över tiden.

  Fredrik Jansson, fredrik.jansson@systemstod.se

Läs mer på Systemstödsbloggen