0
0
Kunstig intelligens har vært en del av datateknikken siden 1950-årene er informasjonsteknologi som justerer sin egen aktivitet og derfor tilsynelatende framstår som intelligent. Man kan også definere kunstig intelligens ved at en datamaskin har kunstig intelligens, hvis den er i stand til å løse oppgaver uten instruksjoner fra et menneske.
Det er mange steder kunstig intelligens brukes, men man kan se at det brukes Spessielt mye innen bilde gjenkjenning, bruker interaksjon, talegjenkjenning og styring av fysiske prosesser.
Vi kan se på et eksempel må hvordan kunstig intelligens fungerer. Vi kan for eksempel kan vi se på søkemonitorer. De intelligente søkemonitorene vil foreslå treff basert på data om tidligere søk og annen brukeratferd. Dette kan vi kalle for maskinlæring. Maskinlæring har et stort bruksområde fra selvkjørende biler til programmer i smart telefoner. Når det er snakk om kunstig intelligens, er dyplæring en bi setning av dette. Dette er fordi dyplæring er en læreprosess som brukes innenfor maskinlæring. Dette går ut på å å trene opp dype kunstige nevrale nettverk også kjent som nevrale nettverk. Prinsippet er at datamaskinerskal tilegne seg kunnskap om noe den ikke vet fra før, dette er en sentral metode innenfor maskinlæring. Det er også kunstig intelligens som ikke lærer, dette er blant annet regelbaserte systemer. Her vil komplekse regler for intelligent atferd være forhånds spesifisert av mennesker.
Maskinlæring Spessielt blir brukt for å ta viktige beslutninger på andre områder. Dette kan føre til såkalte algoritmisk diskriminering, det vil si en tendens til å diskriminere ut fra etnisk opprinnelse, kjønn eller andre faktorer. For eksempel behandling av jobbsøknader om banklån, der kan man søke seg til låne størrelse du kan få basert på inntekt, gjeld og andre faktorer.
Hva skjer når kunstig intelligens tar over jobbene til til menneskene? forutinntatte algoritmer er en fremtidig trussel, dette er et fenomen som allerede påvirke mange mennesker, vi kan se på noe eksempler.
Vi kan fokusere på eksemplene i sosiale medier, der er filtrene i hovedsak basert på brukerklikk. Dette kan lett bidra til å forsterke det som i utgangspunktet er små tegn på diskriminering. For eksempel har man funnet ut at LinkedIn tilbyr justering av kvinnelige navn som blir oppgitt i søkeruten, også til tilsvarende mannlige navn. For eksempel, om brukeren søker på Runa, kan systemet spørre mente du Runar?”. Hvis brukeren da velger Runar, rykker Runar høyere opp på søkeresultatene.
det største problemet for kunstig intelligens og maskinlæring i sammenligning med regelbaserte systemer, er mangelen på åpenhet og innsikt i agoritmenes virkemåte. Algoritmer og data er ofte forretningshemmeligheter og er derfor vanskelig å kunne evaluere offentlig. Hvis algoritmene ville ha vært offentlig tilgjengelige, er det ikke alltid like lett å skulle peke ut hvilke del av dueller treningsdataene som fører til forutinntatthet.
Et viktig skritt er mer åpenhet? GDPR, eller General Data Protection Regulation, er skrittet med regulering og mer åpenhet i den digitale verden. Den krever at alle selskaper som har virksomheter eller kunder i Europa skal blant annet; Forklare hvordan informasjon behandles (retten til forklaring). Digitale plattformer smaler inn massive data, også klar Big data, noe som kan virke skummelt. Dette er data som kan identifisere oss, sette bevegelsene våres på kartet, vise til vanne våre digitalt og mer. Her kommer også GDPR inn med lovverk for å vern om personvern.
La oss se på hva dette gjer med oss. VI er vant til å tro det vi ser. Når en statsleder på tv kunngjør at landet hennes er i en handelskrig med et annet kand, eller når en leder for en stor virksomhet kunngjør en viktig i forretningsavtale, har vi mennesker tendens til å stole mer på de direkte uttalelsene enn når vi leser en avisartikkel som gjengir sitatene som annenhåndsinformasjon. På samme måte legger vi mer vekt på fotobevis fra et kriminelt åsted eller fra en demonstrasjon av et nytt, teknisk apparat, enn en skriftlig rapport om det samme fysiske fenomenet. Det er selvfølgelig klart for menneske at man kan forvrenge sannheten med bilder, her er Photoshop en stor del av skylden. Vi kan se på før og etter reklamer for slanke produkter, der lys og bilde justeringer kan retusjere det fra sannheten, men heller selge en løgn, pudderet opp av kunstig intelligens.
Teknologiske selskaper samler enorme store mengder av data om kundene sine. før var det først og fremst daglvvare butikker og andre detaljhandlers som samlet data om oss. De dataene som gigantene, Facebook, Google, Amazon samler inn om oss, er mye mer nøyaktige enn innkjøpsdataene som tradisjonelle butikker samler inn. i prinsippet er det mulig å lagre hvert eneste klikk, sidesøk eller antall sekunder hver bruker er inne på siden.
Hei Kari
Her ser jeg du har jobbet mye med innlegget, rett og slett et veldig godt innlegg! Strukturen din er veldig fin, og du refererer fint til der du har hentet bildene dine. Ser frem til det neste innlegget du legger ut! 😀
Tobias, studentassistent
Tusen takk for fine tilbakemeldinger:) settes veldig pris på! har hatt noen tanker om å tilføye til artikkelen siden jeg ikke er helt fornøyd selv, men litt usikker der.