Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
Vil du gerne forstå, hvad AI egentlig er, når vi skræller al hypen af ... og hvordan I kan bruge det i praksis? Så har jeg lavet en jordnær intro og guide med use-cases nedenfor.
AI er nutidens buzzword, og nu er generativeAI så også blevet det.
Du har formentlig hørt om ChatGPT og Midjourney. Men har vi egentlig forstået, at det er to ret forskellige ting? Altså 'traditionel' AI og så sprogmodeller som OpenAI's GPT-4?
Tillad mig at forklare forskellene igennem nogle kendte eksempler og use-cases.
AI - den 'gode gamle' kunstige intelligens
Jeg er selv Co-founder af en AI-virksomhed, men vi bruger IKKE generative AI til at skabe falske fotos af mennesker. Tværtimod.
Når vi bruger AI-teknologi, så gør vi det i stedet for at kunne genkende mønstre og fjerne fotos, der er falske; overperfekte eller manipulerede. Vores use-case er nemlig, at vores brugere leder efter det autentiske til deres markedsføring og kommunikation.
Derfor anvender vi AI til at analysere millioner af fotos og kun vise ægte mennesker og ægte følelser.
AI kan altså som i ovenstående eksempel anvendes til at løse en bestemt datadreven opgave på en intelligent og effektiv måde.
Det sker i praksis ved, at man giver systemet nogle input (data), og systemet trænes så i at kunne lave beregninger eller træffe beslutninger baseret på disse input.
Andre velkendte eksempler er Siri eller de anbefalinger, du får, når du søger efter den næste fede serie på Netflix.
Generativ AI - 'den nye pige i klassen'
Hvor AI således beregner og beslutter ud fra input, så handler generativ AI om at skabe noget nyt og ganske konkret såsom tekster, billeder, musik, kode mm. (man kan så diskutere, om det reelt er nyt!).
Generativ AI er altså modeller, der er trænet i at genkende mønstre og derudfra danner nye data, som spejler disse træningsdata.
Eksempler på det i praksis kunne være Chat-GPT; Midjourney og Dall•E 2.
Fremtiden tilhører de nysgerrige
I fremtiden ser jeg en lang række etiske udfordringer ved den sidstnævnte generative model, men naturligvis også muligheder. Og det er en meget længere diskussion, end dette indlæg tillader.
Jeg vil også nævne, at de to tilgange har en masse mulige use-cases, hvor de kan anvendes sammen.
I jeres organisation kunne I eksempelvis bruge AI til at analysere jeres kunders adfærd ud fra de data, I allerede har, og så bede den generative AI-model om at skabe personligt indhold til hver enkelt kunde / segment ud fra AI-analysen.
Og det er bare med at komme i gang, så I husker, at det også i forhold til AI handler om ikke at være forandringsparate, men forandringsskabende.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
