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.

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

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

er Hva AI?

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

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

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

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

Ikke realiteter hype med bland

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

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

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

Grunnleggende forretningsmål

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

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

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

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

data Data, masse

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

Les om:

AI