Kunstig intelligens er et samlebegrep for teknologier som gjør datasystemer “intelligente” i den forstand at de er i stand til å løse problemer og lære av egne erfaringer. I dag er Machine Learning (maskinlæring eller lærende programvare) blant det mest kjente og brukte av disse teknologiene.
Forenklet handler det om å bruke matematikk, statistikk, regler, informatikk, nevrologi og lingvistikk til å samle inn, systematisere og gjenkjenne mønstre i store datamengder. Bruken av regler, algoritmer og mønstre blir mer effektiv og avansert for hver dag.
Machine Learning (ML) – gjennomprøvd og verdifullt
Machine Learning handler enkelt sagt om å gjenkjenne mønstre i store datamengder. Det kan for eksempel være språkgjenkjenning som vi finner det i ulike typer “chatbots” eller dialogroboter, som dukker opp på mange nettsider for tiden. Denne varianten av kunstig intelligens bygger på innsamling og systematisering av store mengder data ved hjelp av sannsynlighetsberegning og algoritmer. Bruken av regler, algoritmer og mønstre blir mer effektiv og avansert for hver dag.
Machine Learning satte allerede i 1996 supercomputeren Deep Blue i stand til, gjennom grunnleggende mønstergjenkjenning, å vinne et parti sjakk over sjakkgeniet Garri Kasparov.
Den gang var seieren en verdenssensasjon. I dag møter vi hver eneste dag Machine Learning-løsninger basert på mønstergjenkjenning. For eksempel når musikktjenesten Spotify anbefaler oss nye spillelister basert på vårt lyttemønster, eller når Amazon gir oss målrettede tilbud basert på tidligere kjøp.
Deep Learning – avansert, men relativ umoden teknologi
En annen teknologi er Deep Learning som dreier seg om utveksling av data i såkalte nevrale nettverk, nettverk som minner om menneskehjernen, og som brukes til å trekke erfaringer ut av historiske databaser.
Med Deep Learning forsøker man å etterligne den menneskehjernens nevrale oppbygning, slik at datamaskinen blir i stand til å ta selvstendige beslutninger med utgangspunkt i scenarier og situasjoner som datamaskinen ikke har opplevd.
Selvkjørende biler er i dag det beste eksempelet på praktisk bruk av Deep Learning. Man kan også tenke seg utviklingen av roboter som er i stand til å utføre kompleks kirurgi uten å miste konsentrasjonen eller skjelve på hendene. Og litt lengre inn i fremtiden venter kanskje husholdningsroboter som selv finner ut av hvordan den skal rydde vekk mors datamaskin og lillebrors leker.
Cegal ser et stort potensiale innen AI og utforsker derfor kontinuerlig bruken av AI i store deler av selskapet. Som et global teknologiselskap kan vi bistå våre kunder med å dra nytte av AI-teknologi på bedriftsdata og systemer på en trygg og etisk måte, ved å for eksempel optimalisere forretningsprosesser, forbedre kundeopplevelser og skape nye inntektsstrømmer.
For tiden utforsker vi måter å forbedre teknisk støtte og brukeropplevelse for kundene våre med AI som bruker våre egne interne data. Vi omfavner også ansvarlig personlig bruk av AI, for eksempel ChatGPT og CoPilot for produktivitet og utforsker nye ideer.
Selv om AI er en spennende teknologi, er det også etiske og regulatoriske hensyn som må tas i betraktning ved innføring eller implementering av systemer som inkluderer denne teknologien. Som en del av vår ESG-forpliktelse streber vi etter å levere trygge og ansvarlige teknologiske utviklinger for våre kunder.
Vi er en signatær av UNs Global Compact og har retningslinjer som regulerer sikkerheten rundt AI i vårt styringssystem. Når ny lovgivning som EU AI Act blir lov, vil den også bli implementert i Cegal.
Les mer om Cegal sine tjenester innenfor Data og Analytics >