Lära om AI

40-talet – startskottet för AI

Artificiell intelligens, eller AI, har en fascinerande historia som sträcker sig längre tillbaka än många tror. Redan på 1940-talet började forskare som Alan Turing fundera över möjligheten att skapa tänkande maskiner. Detta lade grunden för ett helt nytt forskningsfält.

50- och 60-talet – stor optimism

1950- och 60-talen präglades av stor optimism. Forskare som Marvin Minsky och John McCarthy, som myntade begreppet "artificiell intelligens" 1956, förutspådde att vi snart skulle ha superintelligenta datorer. Man skapade program som kunde spela schack och lösa matematiska problem. Förväntningarna var skyhöga.

70-talet – första AI-vintern

Men verkligheten visade sig mer komplex. När de stora genombrotten uteblev kom den första "AI-vintern" på 1970-talet. Finansiering och intresse minskade drastiskt när man insåg hur svårt det var att skapa verklig intelligens. Under denna period lärde forskarna sig mycket om begränsningarna i dåtidens teknologi.

80- och 90-talet – nya framsteg

Trots motgångarna fortsatte utvecklingen. Under 1980- och 90-talen gjordes framsteg inom specifika områden. Expertsystem hjälpte läkare att ställa diagnoser, och 1997 besegrade IBM:s Deep Blue schackvärldsmästaren Garry Kasparov. Dessa tidiga AI-system var ofta regelbaserade – de följde noggrant programmerade instruktioner snarare än att "tänka" själva.

AI – allt mer i var mans vardag

Samtidigt började AI smyga sig in i vår vardag, ofta utan att vi märkte det. Stavningskontrollen i din dator, rekommendationer på Netflix eller Amazon, och till och med den tidiga versionen av Siri på iPhone – allt detta drivs av olika former av AI. Dessa "smarta" funktioner blev så integrerade i vår teknik att vi ofta tog dem för givna.

Maskininlärning – ett stort steg framåt

Ett paradigmskifte kom med framstegen inom maskininlärning, särskilt under 2000- och 2010-talet. Tidigare AI-system krävde att programmerare noggrant definierade varje regel. Om man ville lära en dator att känna igen katter, behövde man specificera exakt vad som utgör en katt – antal öron, form på svansen, etc. Med maskininlärning kunde man istället mata datorn med tusentals bilder på katter och låta den själv upptäcka mönstren. Systemet fick "belöning" när det gissade rätt, vilket ledde till kontinuerlig förbättring.

Detta öppnade dörren för mer avancerade tillämpningar. Plötsligt kunde vi ha självkörande bilar, ansiktsigenkänning i stor skala, och mer sofistikerade språköversättningar. AI blev inte bara bättre på specifika uppgifter, utan också mer flexibel och användbar i olika sammanhang.

Från Chat GPT och framåt

2022 markerade början på nästa stora AI-revolution med lanseringen av ChatGPT. Detta var genombrottet för generativ AI i stor skala – system som inte bara kan analysera befintlig information, utan också skapa ny, till synes original, innehåll. Vare sig det handlar om att skriva en uppsats, komponera en melodi, eller generera en bild utifrån en textbeskrivning, kunde AI nu producera material som var svårt att skilja från mänskligt skapat innehåll.

Idag finns AI överallt omkring oss, ofta på sätt vi knappt reflekterar över. Den optimerar våra sökmotorer, personaliserar våra sociala medieflöden, hjälper till att diagnostisera sjukdomar, och till och med assisterar i kreativa processer. Vi står nu inför nya utmaningar och möjligheter: Hur balanserar vi de enorma fördelarna med AI mot risker som integritetsfrågor och potentiell arbetslöshet? Hur säkerställer vi att AI-system är etiska och rättvisa?

AI:s historia är en berättelse om mänsklig uppfinningsrikedom, om höga förväntningar och oväntade utmaningar, om perioder av framsteg och stagnation. Men framför allt är det en pågående resa. Med varje nytt genombrott omdefinieras gränserna för vad som är möjligt. Vem vet var vi kommer att vara om ytterligare 80 år? En sak är säker: AI kommer att fortsätta att forma vår värld på sätt vi kanske bara börjar ana.

I skolans och förskolans värld kan du allt oftare höra om generativ AI. Men vad är det egentligen?

Generativ AI är en typ av artificiell intelligens som kan skapa nytt innehåll. Det kan vara:

• Text
• Bilder
• Ljud
• Video

Det speciella med generativ AI är att den inte bara återger information den har lärt sig. Istället kombinerar den sin kunskap på nya sätt för att skapa något originellt. Det är som om den kan "tänka" och "skapa" på ett sätt som liknar mänsklig kreativitet.

Stora språkmodeller och neurala nät

Bakom textbaserad generativ AI ligger något som kallas stora språkmodeller. Tänk dig dessa som enorma digitala hjärnor som har "läst" otroliga mängder text.

Dessa modeller fungerar genom så kallade neurala nät. De är uppbyggda för att efterlikna hur våra egna hjärnor fungerar:

• De har massor av sammankopplade "nervceller"
• Dessa "nervceller" skickar signaler till varandra
• Genom detta nätverk av signaler kan modellen bearbeta information och skapa innehåll, output

Hur fungerar en chattbot?

En chattbot som ChatGPT försöker på många sätt efterlikna hur en mänsklig hjärna fungerar. Låt oss ta ett exempel för att förstå hur:

Associationer: Om någon säger ordet "Italien" till dig, får du troligen olika associationer. Du kanske tänker på pizza, pasta och påven.

AI:ns "läsning": På liknande sätt har en stor språkmodell "läst" i princip all tillgänglig text på internet. Det är som världens längsta bokcirkel!

Kunskapsstruktur: För varje begrepp har AI:n skapat en slags "bok":

• "Pizza" är en bok
• "Pasta" är en annan bok

Varje sida i dessa böcker representerar olika perspektiv på begreppet.

För pizza kanske det finns sidor om:

• Olika typer (pinsa, kebabpizza)
• Recept på deg
• Pizzans historia

Och mycket mer!

Prompt: När du skriver till en chattbot gör du något som kallas en "prompt". Det är helt enkelt din fråga eller instruktion.

Bearbetning: Innehållet i din prompt vägs och analyseras. Sedan tar den vägen genom det neurala nätverket där olika begrepp aktiveras, ungefär som när du får associationer.

Tokens och Output

För att förstå hur chattboten skapar sitt svar är det bra att känna till två begrepp:

Token: Detta är som en byggsten i språket. Det kan vara:

• Ett helt ord
• En del av ett ord

Output: Detta är helt enkelt svaret som chattboten ger.

Hur skapar chattboten sitt svar?

Det chattboten egentligen gör är att den försöker förutsäga vilken token som mest sannolikt kommer näst i en sekvens.

Exempel:

• Om jag ber dig fortsätta meningen "Det var en...", så är nästa ord kanske "gång" eller "dag".
• Chattboten gör samma sak, men utifrån din instruktion till chattboten samt baserat på all text den någonsin har "läst".

När du chattar med en AI skapar den inte bara meningar från ett förprogrammerat manus.

• Den väger sannolikheten för miljontals möjliga nästa ord.
• Detta baseras på din prompt och all sin "läsning".
• Den väljer det mest sannolika ordet.
• Processen upprepas för varje ny token i svaret.

Det är därför den kan skapa svar som känns både relevanta och kreativa!

Sammanfattning

Generativ AI, som den du kan se i moderna chattbotar, är ett fascinerande exempel på hur teknologi kan efterlikna mänsklig tankeförmåga och kreativitet. Genom att förstå grunderna i hur dessa system fungerar kan du bättre uppskatta deras möjligheter och begränsningar i skolans värld.