KI og maskinlæring: Begreper og historikk

I denne leksjonen gir professor Erik Velldal fra Institutt for Informatikk deg et overblikk over KIs historiske utvikling og plasserer de ulike formene for maskinlæring i kontekst. For å hjelpe deg med å få oversikt over de sentrale trinnene i utviklingen av KI, kan du se på tidslinjen lenger ned på siden.

Relevant litteratur for denne leksjonen

Relevant litteratur kan søkes opp og finnes i Oria.

Maskiner som tenker : algoritmenes hemmelighet og veien til kunstig intelligens

BOK Maskiner som tenker : algoritmenes hemmelighet og veien til kunstig intelligens

Strümke, Inga, Oslo, Kagge forlag, [2023]; © 2023, Totalt antall sider 309 sider

Note:Side 15-37

Tips til videospilleren

🖥️ Du kan bytte mellom ulike visningsmoduser ved å bruke ikonet øverst i høyre hjørne av videovinduet når to skjermer vises samtidig.
🔍 Alt innhold er også søkbart: Klikk på den lille pilen nederst i videovinduet, deretter på forstørrelsesglasset, og søk etter nøkkelord!

Oppsummering og læringsaktiviteter

Under hver video i dette kurset finner du en oppsummering av de viktigste delene av videoen. Du finner også tilhørende aktiviteter du kan gjøre for å styrke forståelsen din. Oppsummeringsboksene har først en kort forklaring av innholdet og kan utvides om du trenger å lese oppsummeringen.

Hva er maskinlæring, og hvordan lærer egentlig maskinen?

De tre hovedmetodene for maskinlæring forklart gjennom de mest sentrale utviklingstrinnene til KI.

Vis forklaring av de tre læringsformene

I stedet for at mennesker programmerer regler linje for linje (som i tradisjonelle ekspertsystemer på 1980-tallet), lar vi datamaskinen oppdage reglene selv ved å se på data. Vi skiller mellom tre hovedmetoder:

1. Veiledet læring (Supervised Learning):
- Slik fungerer det: Vi gir datamaskinen "fasitsvar" under treningen (for eksempel millioner av bilder merket med ordet "katt" eller "bil"). Datamaskinen finner fellestrekkene og lærer seg å gjenkjenne katt eller bil på nye bilder helt selv.
- Kobling til tidslinjen: Det var denne metoden som revolusjonerte bildefortolkning i AlexNet (2012), og som ligger til grunn for teknologien bak ChatGPT (2022).
2. Uveiledet læring (Unsupervised Learning):
- Slik fungerer det: Datamaskinen får data uten fasitsvar. Den må selv lete etter skjulte mønstre, likheter og strukturer for å gruppere dataene på en fornuftig måte.
- Eksempel i hverdagen: Når Spotify foreslår ny musikk basert på hva folk med lignende musikksmak hører på, grupperes lyttere uten at mennesker har satt merkelapper på dem først.
3. Forsterkende læring (Reinforcement Learning):
- Slik fungerer det: Maskinen lærer gjennom prøving, feiling, belønning og straff (omtrent som å trene en hundevalp). Den gjør tilfeldige handlinger i en simulator og får poeng hver gang den gjør noe riktig. Slik utvikler den ekstremt komplekse strategier.
- Kobling til tidslinjen: Det var slik Google DeepMind AlphaGo (2016) ble så uovervinnelig. Den spilte millioner av Go-partier (Et kinesisk strategispill) mot seg selv og lærte av sine egne seire og tap helt til den slo verdensmesteren.

Sentrale utviklingstrinn for kunstig intelligens

Visste du at utviklingen av kunstig intelligens har foregått over flere tiår? Denne tidslinjen gir deg oversikt over de mest sentrale utviklingstrinnene, fra forskningsbegynnelsen på Dartmouth-konferansen, til lanseringen av generativ KI!

—

1956

Milepæl 1

Dartmouth-konferansen: Begynnelsen på KI

Dette regnes som starten på KI som eget fagfelt. En rekke forskere samlet seg for å diskutere om maskiner kan simulere menneskelig intelligens, problemløsning og språkbruk.

—

1966

Milepæl 2

ELIZA: Verdens første chatbot

Verdens første chatbot etterlignet en psykolog ved å bruke helt enkle, menneskeskrevne kjøreregler (f.eks. å snu brukerens spørsmål tilbake til dem selv). Likevel ble mange brukere lurt til å tro at maskinen hadde ekte følelser.

—

1980

Milepæl 3

Ekspertsystemer: KI basert på regler

I stedet for at maskinen lærte selv, la eksperter inn store regelbaserte kunnskapsbaser ("hvis symptom A og B, still diagnose C"). Dette ble veldig populært innen medisin og finans på 1980-tallet.

—

1997

Milepæl 4

Deep Blue: Maskinen slår stormester i sjakk

IBMs superdatamaskin Deep Blue slo stormester Garry Kasparov i sjakk. Maskinen vant ikke fordi den var "klok", men fordi den lynraskt kunne beregne og vurdere millioner av mulige sjakktrekk frem i tid ved å benytte rå regnekraft.

—

2011

Milepæl 5

Siri: KI flytter inn i mobiltelefonen

Apple introduserer Siri på sine smarttelefoner. For første gang kunne vanlige folk snakke direkte til en dings i lomma for å sette på alarmer eller sjekke været ved hjelp av stemmestyrt KI-teknologi.

—

2012

Milepæl 6

AlexNet: Revolusjon i dyp læring

Modellen AlexNet knuste all motstand i en stor bildegjenkjenningskonkurranse ved hjelp av dype nevrale nettverk. Dette markerte starten på den moderne KI-bølgen (dyp læring) vi står i i dag.

—

2016

Milepæl 7

AlphaGo: Maskinen slår brettspillmesteren

Brettspillet Go har flere mulige trekk enn det finnes atomer i universet. Google DeepMinds AlphaGo vant mot verdensmester i Go, Lee Sedol, ved å bruke forsterkende læring til å gjenkjenne intuisjon og mønstre, ikke bare rå regnekraft.

—

2022

Milepæl 8

ChatGPT: Generativ KI for alle

Lanseringen av ChatGPT gjorde generativ KI tilgjengelig for hele verden. Ved å bruke avansert språkteknologi kan den chatte, skrive essays, og programmere kode på en menneskelignende måte.

Øvelse: Prat med ELIZA fra 1966!

Gå inn på en gratis simulator av den historiske chatboten ELIZA på nett (for eksempel denne ELIZA-simulatoren) og skriv noen setninger til simulatoren. Prøv å fortelle om en fiktiv utfordring du har i studie- eller arbeidshverdagen.

Merker du hvordan Eliza bruker enkle motspørsmål som speiler det du nettopp sa?