Hvad er kunstig intelligens?

Hvordan definerer vi kunstig intelligens?

Selv om mange taler og skriver om kunstig intelligens, så er der faktisk ikke enighed om, hvordan vi definerer kunstig intelligens.

I Europakommissionens udspil til regulering af kunstig intelligens (AI-forordningen), har de foreslået en definition, der kan omfatte alle typer af softwarebrug. Altså en meget bred definition der også vil omfatte velkendt gængs software samt grundlæggende matematiske og statistiske metoder, der længe har været i brug.

Den internationale standard-organisation, ISO, har en smallere definition af kunstig intelligens, som fokuserer på teknologiens særskilte kendetegn, nemlig at en computer selv opbygger den model, som behandler data, og systemet kan køre automatisk.

OECD har fastlagt en definition, der følger samme udgangspunkt; nemlig at AI-systemer automatisk kan 'tolke' data og danne modeller, som ud fra data kan beregne forudsigelser, anbefalinger eller beslutninger. Også OECD fremhæver at systemet vil være designet til at køre med forskellige grader af automatisering. 
Det er i øvrigt forventningen, at den endelige udgave af AI-forordningen vil lægge sig meget tæt op ad OECD's definition.

Hvad gør kunstig intelligens anderledes end traditionelle software-systemer?

Kunstig intelligens eller machine learning er som beskrevet kendetegnet ved, at et system på baggrund af en række udvalgte data selv bygger en model, der kan fortolke lignende data.

Man kan med andre ord sige at, et kunstig intelligens-system kan bygge en model, der kan håndtere en ’hvilken som helst’ opgave, så længe opgaven har afsæt i data. Omvendt vil traditionel software typisk vil være kodet til at håndtere én bestemt opgave.

Samtidig er kunstig intelligens-systemer er i stand til at arbejde med store mængder kompleks og ustruktureret data, som eksempelvis billeder og video, hvor traditionel software typisk kodes til at arbejde med struktureret data som tal og tekst.

Forskellene manifesterer sig i tre kendetegn, som adskiller kunstig intelligens fra traditionel software.
 

• Kunstig intelligens er afhængig af data.
  De data, som bruges til at ”træne” et kunstig intelligens-systemet, vil udgøre fundamentet for den model, systemet bygger. Det betyder selvsagt, at kvaliteten af inputdata er centrale for kvaliteten af en model bygget af kunstig intelligens.
   
• Ingen specifikke regler og instruktioner: Man kan i udgangspunktet helt undlade at give systemet regler og instrukser i forhold til, hvordan en model skal opbygges og lade maskine bygge den model, som giver det bedste resultat ud fra de data, som bruges til at træne og teste modellen. Det er dog muligt i nogen grad at styre, hvordan maskinen skruer modellen sammen, hvis der er specifikke ting, man ønsker fokus på.
  
  
• Reduceret gennemsigtighed: Fordi kunstig intelligens selv opstiller en model, resulterer det i, at modellen kan være mindre gennemsigtig end en model, der bygges fra bunden af mennesker.
  Samtidig er mange kunstig intelligens-modeller så avancerede og omfattende, at det kan være umuligt for et menneske at gennemskue, hvordan modellen regner.
  
  Det er netop de meget avancerede modeller, som sætter kunstig intelligens i stand til at klare opgaver, som ikke kan klares af almindelig software. Den samme kompleksitet kan dog gøre modellerne uigennemsigtige.
  Derfor findes der en række forskellige metoder og muligheder for at skabe gennemsigtighed (transparens) og forklarlighed i forhold til de modeller, kunstig intelligens bygger.