AI står för Artificiell Intelligens. Men vad är det som är intelligent egentligen? Här förklarar vi en av de mest intressanta delarna inom AI, nämligen neurala nätverk. Eller förenklat, “data-hjärnor”.
Vi gör det med klädsortering som ett exempel. Anta att du har en massa kläder hemma och vill sortera dem i fyra klädgrupper:
- Sommarbyxor
- Sommartröjor
- Vinterbyxor
- Vintertröjor
Hur gör du? Du tittar på kläderna, känner på dem och funderar på deras ursprung. Baserat på vad din hjärna redan känner till kan du sedan sortera dem i dessa fyra högar. Med en data-hjärna, eller ett neuralt nätverk, går det att göra på ett liknande sätt. Vi behöver bara strukturera upp saker lite grann först.
Att träna vår data-hjärna till klädsortering
För att kunna träna vår data-hjärna behöver vi ge den information. Låt oss därför titta på några olika egenskaper varje klädesplagg har som kan vara till hjälp:
- Längd på ärm eller byxben
- Tjocklek på materialet
- Längd på blixtlås
- Storlek på den största öppningen
- Storlek på den näst största öppningen
Vi använder dessa egenskaper då de förhoppningsvis kan ge information kring vilken klädgrupp ett visst klädesplagg tillhör. När vi nu har fem egenskaper kan vi skriva in ett värde för varje egenskap. Från låga/korta värden till höga/långa värden. Varje värde in översätts alltså till ett värde mellan 0 och 1. Så om ett klädesplagg kan vara mellan 1 mm och 100 mm får ett plagg som är 5 mm värdet 0.05.
Vi väljer också ut tio plagg där vi talar om hur de borde sorteras. Ett sorts facit.
Första plagget som är en t-shirt har en ärm som är 10 cm, den är 2 mm tjockt, 0 cm blixtlås, har en största öppning på 110 cm och en näst störst öppning på 20 cm. Dessa uppgifter läggs in i en lista och vi gör så med alla de tio upplärnings-plaggen. Vi har där också med vilken grupp varje plagg ska sorteras in i.
Vår data-hjärna ska nu förberedas. Vi ska inte blir så tekniska så vi nöjer oss med konstatera att det i en data-hjärna finns ett antal punkter in och ett antal punkter ut. I vårt fall är det fem egenskaper vilket ger fem punkter in. Vi har sedan fyra klädgrupper vilket ger fyra punkter ut. Vi inför också ett mellanlager med sex punkter för att låta vår data-hjärna likna en riktig hjärna.
![](https://7minds.se/wp-content/uploads/2023/06/Nerualt-natverk-med-in-och-ut.png)
Nu börjar vi träningsarbetet. Vi låter först slumpen fylla på styrkan på alla våra kopplingar så vi har något att utgå från. Allt detta sker i praktiken genom några knapptryckningar i vår AI-tjänst.
Nu ber vi vår data-hjärna att berätta vilket plagg det är genom att mata in egenskapsvärdena för det första klädesplagget. Resultatet kommer troligen bli helt fel första gången. Vi berättar då vad det skulle vara för svar. Vår data-hjärna kommer nu spela upp sin gissning baklänges via de tre lagren och för varje fel den hade justerar den signalerna så att de blir mer rätt. Är det för högt sänker den och är det för lågt höjer den. Vi gör sedan samma sak för vart och ett av de tio upplärningsplaggen. Efter ett antal omgångar kommer vår data-hjärna att vara tränad och förhoppningsvis ge rätt svar på alla tio plaggen vi tränat den med.
Och i verkligheten då?
Många AI-lösningar du stöter på bygger på neurala nätverk i olika former. I fallet Chat GPT är det i grunden en data-hjärna som ser till att det blir vettiga svar. Men denna data-hjärna är upplärd på ord som indata istället för klädegenskaper. I just detta fall kommer sedan modellen vara uppbyggd så att den hela tiden försöker gissa nästa ord i meningen. Så istället för att gissa på vilken typ av kläder det är så gissar ChatGPT vilket ord som är nästa ord. Men principen är densamma.
Svaren som kommer ut från exempelvis ChatGPT upplevs som om en människa skrivit dem. Orsaken är alltså att denna data-hjärna härmar det riktiga människor redan skapat. Det kan diskuteras om detta verkligen är intelligens. Men även en människa har i mångt och mycket lärt sig genom att härma vad andra redan skapat. Detta blir lätt en mer filosofisk diskussion som vi kanske inte ska fördjupa oss i i just nu.
Vi avslutar denna lektion med en hemläxa. Fundera på vad som händer om vi matar in det som kommer ut ur en data-hjärna tillbaka in i den. Innebär det att data-hjärnan tänker?
Vill du ha hjälp med AI?
Vi hjälper dig med allt från att lära dig hur ChatGPT kan förenkla ditt arbete, till att skapa en egen ChatGPT.