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

  • Logg inn!

    Du har abonnement og er registrert som bruker.

  • Har abonnement!

    Du har abonnement, men ikke registrert deg.

  • Bestill abonnement!

    Digital tilgang er inkludert i alle våre abonnement.

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.

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

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

AI? Hva er

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

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

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

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

med hype bland Ikke realiteter

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

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

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

Grunnleggende forretningsmål

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

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

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

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

masse Data, data

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

Les om:

AI