Hva AI kan (og ikke kan) gjøre

Hva AI kan (og ikke kan) gjøre

Kunstig intelligens og maskinlæring er kraftfull teknologi, men ingen mirakelkur. Dette må du vite før du investerer.

Vil du fortsette å lese, velg et av alternativene nedenfor

Hvordan kan du vite når en ny teknologi som kunstig intelligens er verdt å investere i? Hvordan skille "hype" og reell verdi? De fleste lar seg imponere av den raske utviklingen innen autonome kjøretøy, stemmegjenkjenningstjenester som Alexa eller Cortana og bildegjenkjenningsteknologi utviklet av for eksempel Google eller Amazon.

hyller alle. mange tilgjengelig det? er Amazon, eller som frem fall er - Microsoft, store Og teknologikjemper det, og mediene IBM viser i den Men tilfeller fremskritt for at tror så den Google, er Apple sine det? teknologien hvilke i Når

seg teknologi alle alminneliggjort. med stille må når på nivå å i investerer en ferd i et er ny er profesjonelt bli som spørsmål it Dette

er AI? Hva

settes grunnleggende (et på AI-logikk gjort intelligens Kunstig 2001 starten ny og system minst at ved og intelligens kunstig ble kan kjent forskning - med fenomen. romodyssé. et språkstyring av - til i SHRDLU ikke utviklingen nytt En gjennom ("perceptrons" verden utviklet "backpropagation") er naturlig MIT), for 1968-69 ikke - Kanskje HAL med

tatt for ytterligere Alice med Et første av kom innen læring blant algoritmer fremskrittet den annet og konverserende med Deep sjakkmatt Garry neste på på Kasparov. slutten Blues store bruk Det gjennombrudd og roboten på steg ble episke i 1990-tallet 1980-tallet håndskriftgjenkjenning.

algoritmer Dette ressurser har tidshorisont. som har gått maskiner. neurale lag siste kjøre stort i en utviklingen og tiåret. maskinlæring, til for en skjematisk vokst prosessere som problemer store nettverk mulig innen at enda er sett frem muliggjører å som er kompliserte det neurale raskere et skybaserte For En rekke det forhold kluster knyttet å av det mulig nettverk gjør antall har imidlertid til første medvirket et det gjør med det dyp fornuftig noder

matematikken og uten økende selv maskinlæring bibliotek annen utbud verktøy og for kan er forskere Apache kildekodebaserte åpen programmere av tjenester systemene. utviklere å og – den og faktor inn som MXNet. måtte Dette underliggende En Tensorflow i bruke utnytte er å kommersielle et

Ikke realiteter med hype bland

nyttig vil intelligens og av plasserer at anvendt vi generell Analyseselskapet kalle problem tilgjengelig på Det ligger maskinlæring Gartner toppen teknologi "virkelige" kunstig kan vurdere ny allment ble i 2020. estimerer etter hype-kurven, livssyklusen. det er ofte på maskinlæring dyp og helt å hvor

som fremdeles som og AI-investeringene De utvikler bruke og foretatt eksperimentere. inn store har potensial å Likedan Selv ettertanke et og kommersielle den vinnerne viser oppstartsselskaper, og gründerbedrifter løsningene. de AI-teknologi første av selskapene blant i hoppe i har verdien prosent tålmodighet talent, skal teknologiselskapene i 50 og av og de de McKinsey finansiering litt annet som på ikke sitter med og at store intelligens mane viss at om av produktsykluser mot markedet selger til. gjerdet sine selskaper tidlig teknologigigantene begge Andre åpenbart bør dette er til bena i bør en stort tall motstand er kunstig undersøkelser store er gjøres sannsynligvis AI-investeringer. tilstrekkelig er mer enn begrenset. Dette å relativt til som

om til maskinlæring menneske blir være ta likevel er risikable må finansnæringen muntlig fremtiden at stemme blir intelligens. av sektorer. mange ut vi må for video systemer liten bruk. et en maskin teknologi kommer bedrifter bedre alle algoritmer når til oppgradere. dag), blir rekke i en kunstig slutninger svindel, bli  Og og til i stand å i å tvil strukturerte mellom konkurransefordel slik lyd grensesnitt med fra som til å bedre lang seg vi i dyp å (enn så i språk, dem effektivt måtte oppdage til bruk Når dag en i dagens og sikkerhetstrusler, bedrifter data, tastatur vil skjerm dra og når forholde klar og Likedan, transaksjoner Det intelligente kan

Grunnleggende forretningsmål

altså en starte Selv fremtiden. egen avventende gode maskinlæringstjenester det til eksperimentering leverandører. ikke er imidlertid å er gode kunstig til om bør med eller grunnen med holdning samarbeid det potensielle grunner rede med grunner Det for å også intelligens innta

nødvendig definert AI-fronten. Hvis starte kunstig siste det En å være. oppside det å se et en påkrever Metodikken til at forretningsproblemer/muligheter forretningsområde og som som hvor bør vurdere god være for finnes løsninger mulighet med har intelligens klassifisere avanserte kan etter er må løsninger for er på å til form utviklingskostnaden. heller først du en konkrete kompensere har kan grunn ikke signifikant de som

du du et full på AI-områder. umodent vil på kognitiv trenger ønsker å Begge automatisere vil forutsetter en kunne visuelt bildegjenkjenning en løsning annen identifisere en Hvis eksempel inspisere og side på inn er at en vurdering et robotisert av manuell som du område. en fart komponenter modne løsningen. av arbeidsprosess på er å Hvis du en del samlebånd, for være som kombinasjon automasjonsprosess og tenking,

ikke! er få en AI det ikke lure deg leverandører bare etter Uansett, la skjer sier superintelligens data kaste av som og tilbake. å Det

masse Data, data

det hvorvidt er kan og brem… rene i timen, på Lidar mye åpenbar noe håndfull på sensorer for kjøretøy Slike relativt en kunstig å fundamentale egentlig for generert vi GB trengs Som kunne løsningen data mengder intelligens store bilen beslutninger og er akselerere, En forutsetning evaluere bilen. Det trene som utdataene. 4.000 se biler. er skal andre om svinge, ganske fra data for illustrasjon data autonome produseres at

Les om:

AI