Machine learning
En algoritme eksponeres for træningsdata og justerer sine interne parametre, indtil den kan forudsige korrekte svar på nye, usete eksempler. Grundprincippet bag spamfiltre, kreditvurdering og ordreprognose.
Indlæser... AI er software der lærer af data frem for at følge faste regler - og det er præcis den egenskab der gør teknologien relevant for virksomheder på tværs af brancher i dag.
Kort svar
Kunstig intelligens (AI) er software, der lærer mønstre fra data og bruger dem til at udføre opgaver, der normalt kræver menneskelig tænkning, som at forstå sprog, genkende indhold eller forudsige et udfald. I modsætning til klassisk software, der følger faste regler, tilpasser AI sig nye input. I virksomheder bruges AI mest til automatisering, beslutningsstøtte og kommunikation.
Det vigtigste
AI er det brede begreb for software, der simulerer menneskelig tænkning. Machine learning er en metode inden for AI, hvor modeller trænes på data. Generativ AI er en undertype, der skaber nyt indhold som tekst, billeder og kode baseret på mønstre i træningsdata.
En LLM (Large Language Model) er en sprogmodel trænet på store mængder tekst. Den kan forstå og generere sprog og er fundamentet for chatbots, AI-agenter og dokumentanalyse i erhvervsmæssig kontekst.
Kundeservice-chatbots, automatisk dokumentsortering og fakturabehandling, AI-assistenter til sagsbehandlere, analyse af salgstendenser og intern vidensøgning. Alt baseret på veldefinerede processer med tilstrækkelige data.
Identificér én specifik, gentagende opgave med klare succeskriterier og data. Kør et afgrænset pilot og mål resultatet. En gratis AI-modenhedsanalyse kan hjælpe med at prioritere use cases.
Definition
Klassisk software følger eksplicitte regler: hvis X sker, gør Y. Kunstig intelligens vender det om - systemet observerer eksempler på, hvad der sker, og udleder selv reglerne. En AI-model til fakturasortering behøver ikke en håndkodet liste over leverandørnavne. Den lærer at genkende mønstre i fakturaens layout, tekst og tal baseret på historiske eksempler.
Det giver tre konkrete fordele sammenlignet med regelbaseret automatisering:
Kunstig intelligens er ikke én teknologi, men en samlebetegnelse for en familie af metoder med machine learning som den dominerende gren i dag.
Machine learning, deep learning og generativ AI er tre niveauer i det samme teknologitræ. Her er hvad de dækker over - og hvordan de hænger sammen.
En algoritme eksponeres for træningsdata og justerer sine interne parametre, indtil den kan forudsige korrekte svar på nye, usete eksempler. Grundprincippet bag spamfiltre, kreditvurdering og ordreprognose.
En underkategori af ML med kunstige neurale netværk i mange lag. Netværket lærer komplekse, hierarkiske mønstre automatisk - grundlaget for billedgenkendelse, talesyntese og store sprogmodeller.
Modeller der ikke bare klassificerer eller forudsiger, men skaber nyt indhold - tekst, billeder, kode eller lyd baseret på en instruktion. GPT-4 og Claude er eksempler på generative tekstmodeller.
Tre grundlæggende kategorier du skal kende, inden du evaluerer AI-løsninger og leverandører.
Al kommerciel AI i dag er smal AI. Den løser ét velafgrænset problem bedre end en gennemsnitlig menneskelig ekspert - billedklassifikation, sentimentanalyse, ordreprognose eller dokumentopsummering. Præcis og skalerbar inden for sit domæne, men generaliserer ikke: en model trænet til fakturasortering forstår intet om kundeservice.
En hypotetisk AI med menneskelig bred intelligens på tværs af domæner - en AI der kan skifte fra debugging til kontraktskrivning til strategirådgivning uden omtræning. AGI eksisterer ikke i produktionsklar form. Ingen eksisterende model er AGI, heller ikke de mest avancerede LLM'er.
En type smal AI med usædvanlig bred anvendelighed. Trænet på enorme mængder tekst og kan generere, opsummere, oversætte, klassificere og svare på spørgsmål med høj naturlighed. GPT-4, Claude og open source-modeller som Llama er eksempler - grundlaget for AI-chatbots, dokumentassistenter og AI-agenter.
Smal AI er tilgængelig og kommercielt moden i dag. AGI er hypotetisk. Vær kritisk, når leverandører bruger begreberne løst.
Praksis og næste skridt
Kunstig intelligens er ikke længere forbeholdt store teknologivirksomheder. Herunder er use cases der gennemføres af virksomheder i Danmark i dag:
Fælles for disse eksempler er, at de starter med et afgrænset problem, klare data og en målbar effekt. Det rigtige første skridt er en struktureret kortlægning af dine processer - tag en gratis AI-analyse og få identificeret, hvor AI skaber reel værdi i din virksomhed.
Svar på de spørgsmål vi oftest modtager fra danske virksomheder om AI.
Få en gratis AI-modenhedsanalyse og identificer, hvilke processer der er bedst egnet til AI i din virksomhed - uden jargon og uden forpligtelse.