I denna artikel:
Del 1: Det här är AI och så funkar det

Del 2: AI förändrar hela samhället
Del 3: Kommuner tar hjälp av AI i GDPR-jobbet
Del 4: Alla vill sälja AI-tjänster – men vill någon köpa?
Del 5: Så funkar maskininlärning – steg för steg
Del 6: Tre typer av maskininlärning – så väljer du rätt

Vad är det som gör att utvecklingen av och intresset för AI (artificiell intelligens) accelererar i en allt högre takt? Ett svar på den frågan är att det beror på att det numera finns gott om exempel på användbara AI-lösningar och ännu flera idéer om lösningar som känns rimliga att skapa.

Varför händer det här just nu? Här är fem orsaker till det:

  • Det finns numera stor tillgång till stora datamängder, vilket underlättar att skapa många typer av AI-lösningar.
  • Relativt sett billiga molntjänster gör det möjligt att skapa AI-lösningar till en rimlig kostnad.
  • Ett stort utbud av ramverk och verktyg förenklar arbetet med att bygga lösningar.
  • Riktigt snabba processorer som är anpassade till AI gör det möjligt att köra helt nya lösningar.
  • Intresset är självgenererande. Mycket intresse föder ännu mer intresse.

Hur har vi kommit till den här punkten? Hur ser AI-resan ut?

Om vi bortser från funderingar om att bygga resonerande maskiner redan på 1300-talet så kan man säga att AI (artificiell intelligens) tog fart 1943. Då presenterade de amerikanska forskarna Warren Sturgis McCulloch och Walter Pitts en design för ”artificiella neuroner”, alltså en konstgjord motsvarighet till en av den mänskliga hjärnans viktigaste beståndsdelar.

Forskningsområdet AI tog fart 1956, kan man läsa på Wikipedia, på en konferens på universitetet Dartmouth College i USA. Sedan har utvecklingen inom AI-området sett ut som en berg- och dalbana.

Läs också: AI ger bättre och snabbare svar än handläggarna på Lantmäteriet

I mitten av sextiotalet etablerades AI-labb över hela världen. Sedan var det lite stiltje ett tag, för att åter ta fart i början av åttiotalet när regelbaserade expertsystem blev populära. Det intresset klingade gradvis av och i dag ses expertsystem knappt som AI-lösningar.

Omkring sekelskiftet började AI-lösningar för logistik, datautvinning (data mining), medicinska diagnoser och andra områden att användas. Den här utvecklingen har lett oss fram till dags dato, med ett intresse för AI som närmar sig kokpunkten.
 

Vad är egentligen AI?


Men vad är AI? Det finns säkert nästan lika många definitioner av AI som det finns experter. Vi kan börja med att titta på några områden som absolut kan ses som artificiell intelligens, men som inte alltid förekommer i kategoriseringar av modern, datorbaserad AI:
 
  • Artificiell generell intelligens är ett område som går ut på att maskiner ska klara av allt som människor klarar av. Den typ av AI-lösningar som tilldrar sig intresse från näringslivet i dag handlar mer om att bygga lösningar för att lösa specifika problem. Artificiell generell intelligens kallas ibland för ”stark AI” eller ”full AI”. Den mer problemorienterade varianten kallas för ”svag AI”.
  • Kognitiv it. Här finns flera delvis motsägelsefulla definitioner. IBM är det företag som har lyft fram begreppet mest och då handlar det ungefär om att bygga lösningar som klarar samma saker som en människa, men på delvis annorlunda och bättre sätt.
  • Robotar. AI-lösningar av olika typer är ofta viktiga beståndsdelar för att bygga robotar, men avsikten med att använda dem är att skapa en helhet som efterliknar människor på flera plan än bara de resonerande.

De mer problemorienterade ”svaga” AI-lösningarna finns ofta i något av de här områdena:
 
  • Massiv automatisering. Ett exempel är att sortera ifyllda formulär på en webbplats, baserat på betydelsen för det som skrivits i dem.
  • Förutsägelser som man inte riktigt begriper hur de går till. Allt från påfyllnadsnivåer i lager och smart ruttplanering, till förväntade aktiekurser.
  • Uppgifter som inbegriper så stora mängder data att det är uppenbart att en människa inte kan utföra dem. Exempelvis att upptäcka vilka funktioner i ett onlinespel som är populära, i realtid.
  • Ren ersättning för en människa, till exempel att en självstyrande bil kollar av den omgivande trafiken, i stället för att en mänsklig förare använder sina ögon för att göra det.

Det finns ingen riktigt vedertagen kategorisering av AI-lösningar, utan många som ofta är delvis överlappande. Ett grundläggande problem är att tekniklösningar och tillämpningsområden blandas ihop hej vilt.

Men det kanske spelar mindre roll i det stora hela. Det viktigaste att veta just nu är att nya AI-lösningar gör helt nya tillämpningar möjliga. Det beror inte alltid på att nya tekniska lösningar används. Ibland handlar det om att billigare hårdvara eller nya molnlösningar gör det rimligt att faktiskt använda gamla lösningar.

Läs också: IBM släpper färdiga AI-data för att få igång projekt snabbare

Allra mest beror det nog på att så många jobbar så hårt med att bygga AI-lösningar i dag. Den arbetsinsatsen har inte lagts ned tidigare.

Hur som helst, här följer ett försök att lista just nu intressanta tillämpningsområden för AI:

  • Resonerande tillämpningar. Schackdatorer är ett enkelt exempel. Här kan man sortera in lösningar för dataanalys (data science), till exempel för prognostisering och olika typer av sannolikhetsbaserade lösningar. Kanske kan man lyfta fram planering som ett samlingsbegrepp. Ett exempel är att förutsäga hur många varor av en viss typ som behöver köpas in till ett varuhus. Lösningarna är ofta baserade på historiska data eller dataströmmar i realtid, men inte alltid.
  • Naturligt språk, med koppling till databaser. Typexempel är chattbottar på kundtjänstsajter och vårdsajter.
  • Perception. Att använda kameror, mikrofoner, rörelsesensorer, sonar och liknande utrustning för att få en uppfattning om den fysiska omvärlden. Bildigenkänning och -tolkning används till exempel i självkörande bilar. Ett annat exempel är att identifiera hotfulla personer i folksamlingar.
  • Robotar. Handlar mycket om att fatta beslut baserade på perception, för att bestämma hur robotar ska röra sig och manipulera omvärlden. En robot kan vara allt från en människoliknande android som ska ersätta en sjuksköterska, till en ”låda” som utför ett repetitivt moment i en fabrik.

Det finns åtskilliga fler exempel på tillämpningsområden för AI och de kombineras ofta i färdiga lösningar. Men uppräkningen ovan täcker in ett stort antal intressanta möjligheter.

Artikeln har publicerats tidigare