Begreper som kunstig intelligens, maskinlæring, dyp læring og generativ AI blir ofte brukt om hverandre.
Artikkelen bruker Matryoshka-dukken som metafor: kunstig intelligens (KI) er det ytre laget, maskinlæring ligger innenfor og dyp læring ytterligere inne i. Tidlige systemer var regelbaserte, med menneskeskrevet logikk, og fungerte bare i kontrollerte miljøer. Maskinlæring lar modeller lære fra eksempler ved trening på store datamengder og evalueres på skjulte testdata før de tas i bruk. Tradisjonell maskinlæring fungerer godt på strukturerte tabeller, men sliter med bilder, tekst og lyd fordi disse må omformes til tall. Før dyp læring krevde dette manuelt funksjonsuttrekk, som var tidkrevende og skjørt; dyp læring automatiserer slike representasjoner. Generativ AI nevnes som dominerende i mange samtaler, et punkt som også dekker hvordan teknikker bygges på hverandre, ifølge innlegget som oppsummeres i AI-nyheter. Eksempler på anvendelser inkluderer helse, industri og forbrukertjenester.
Relevans for Norge: Metodene fra regelbaserte systemer til dyp læring og generativ AI gjelder for sektorer som helse, industri og forbrukertjenester, og berører dermed AI-Norge.
Kilde: https://towardsdatascience.com/artificial-intelligence-machine-learning-deep-learning-and-generative-ai-clearly-explained | Sammendraget er KI-generert med OpenAI API og kvalitetssikret av redaksjonen i Ainy.no
