ibm watson
IBM:s plattform för artificiell intelligens, Watson, har till och med tävlat i Jeopardy.


Ny teknik åtföljs alltid av en ny uppsättning begrepp. Begrepp som kommer från ingenstans och plötsligt dyker upp överallt. Men det är inte alltid lätt att förstå skillnaden mellan dem – och så är det med artificiell intelligens, AI. För vad är egentligen för skillnad på det och maskinintelligens? IDG News reder ut begreppen.

AI – ett paraply som täcker in allt
Artificiell intelligens innefattar en bred uppsättning metoder, algoritmer och tekniker som gör mjukvaru smart på ett sätt som verkar mänskligt enligt Lynne Parker, chef för avdelningen för information och intelligenta system på den amerikanska forskningsmyndigheten National Science Foundation. 
Det innebär att maskininlärning, datorseende, språkteknologi, robotik och liknande områden är alla delar av AI.

Läs också: Aj aj – Googles AI vann även andra Go-matchen mot mänskliga mästaren

Maskinintelligens är samma sak som AI
Visst, det finns de som hävdar att det finns distinktioner mellan de två begreppen men enligt Lynne Parker finns det ingen allmän enighet om att de betyder olika saker.

– Maskinintelligens, som kanske låter lite mer jordnära, varit mer populärt i Europa medan artificiell intelligens, som har en mer science fiction-artad känsla, har varit mer populärt i USA, säger Thomas Dietterich, professor och ordförande i Association for the Advancement of Artificial Intelligence.

...men en generell term också
Maskininlärning är samtidigt den del av AI som innefattar att mjukvara med hjälp av algoritmer kan förbättras över tid och i takt med att den samlar på sig data.

– I grunden handlar all maskininlärning om att känna igen trender genom datan eller förstå de katagorier där datan kan passa in. På så sätt klarar mjukvaran att göra rätt förutsägelser baserat på den nya data som presenteras, säger Lynne Parker.

Som exempel kan man fundera på hur vi känner igen en annan persons ansikte.

– Jag har ingen aning om hur det går till när jag känner igen min frus ansikte. Det gör det väldigt svårt att räkna ut hur en dator ska programmeras att göra det, säger Thomas Dietterich.

Men vid maskininlärning blir ingången en annan.

– Där blir det programmering genom att mata in och mata ut exempel snarare än att koda, säger han.

Läs också: Trenden som ger ny vår för artificiell intelligens – överallt

Neruala nät är en typ av maskininlärning
Neuala nät, ibland kallade artificiella neruala nät, är en typ av maskininlärning som är löst baserad på hur neuronerna, nervcellerna, i våra hjärnor arbetar, men enligt Lynne Parker är den verkliga likheten rätt liten.

Det finns många sorters neurala nät men i allmänhet består de av nodsystem som är sammankopplade. Noderna, eller neuronerna. ligger i många lager, bland annat ett lager där data matas in i systemet, ett lager där svaren matas ut och en mängd dolda lager där själva lärandet äger rum. Deep learning är ett annat begrepp som dyker upp i sammanhanget, det kallas också deep neural networks, djupa neurala nät. De innehåller många dolda lager. Det finns också neurala nät som är ytliga och bara har ett eller två dolda lager.

Cognitive computing – det är komplicerat
Cognitive computing är en annan underkategori inom artificiell intelligens och det är inte särskilt lätt att identifiera. Den är rentav en smula kontroversiell. 
I allt väsentligt handlar det om databehandling som är inspirerad av den mänskliga kognitionen, det mänskliga tänkandet. Den hanterar snarare symbolisk eller konceptuell information än rena dataströmmar. Målet är att kunna ta avancerade beslut i komplexa situationer.

För att klara det kombinerar den ofta flera maskininlärningstekniker utan att själv höra dit.

– Det handlar ofta om en hel arkitektur av flera olika AI-system som arbetar tillsammans, säger Lynne Parker.

Om det som kallas cognitive computing är en verklig AI-kategori eller bara ett buzzword – ja, där rådet oenighet.

– Kognitiv är en marknadsföringsbluff, kommenterar Gartneranalytikern Tom Austin.

– Det ger intryck av att maskiner tänker. Nonsens. Dåliga antaganden leder till dåliga slutsatser.