nod

(node) – knutpunkt i ett nätverk; en av de apparater som knyts ihop av ett nätverk. Dels kan en nod vara en nätverksenhet som tar emot meddelanden och skickar dem vidare, oftast där en förbindelse delar sig i två eller fler. Dels kan det vara den utrustning som nätverket kopplar ihop: persondatorer, servrar, skrivare, routrar och annat. Ändpunkten i ett nätverk kallas för slutnod eller, mindre vanligt, ändnod; även: terminal. – I artificiella neuronnät är noder ett slags filter, realiserade som delar av programmet, som kan förstärka, försvaga eller blockera signaler som sprids genom nätverket. 

[ai] [nätverk] [ändrad 8 juni 2018]

Knowledge navigator

Apples vision från 1987 om ett dator­system som skulle kunna förstå och utföra instruk­tioner som getts i naturligt tal. – Knowledge navigator skulle ha tillgång till stora mängder information och känna igen talat språk (se också talgränssnitt). – Idén formulerades av Apples då­varande chef John Sculley, och åskådlig­gjordes i flera video­filmer. Den reali­se­rades på 1990‑talet i pro­jektet Newton†, som dock blev betydligt mindre avance­rat. Visionen gav också upphov till uttrycket person­lig digital assistent, PDA. – Först på 2010‑talet har det kommit tjänster som kommer i närheten av visionen i Knowledge navigator, se till exempel Amazon Echo, Cortana, Siri och Viv. – Länkar till video­filmerna om Knowledge navigator finns på Wikipedia, längst ner på sidan.

[ai] [experimentell teknik] [it-historia] [ändrad 15 maj 2018]

kinesiska rummet

John Searle. Foto: University of Chicago.

(the Chinese room) – ett tankeexperiment som sägs visa att en dator inte kan anses äga mänsklig intelligens. – Tankeexperimentet formu­le­rades 1980 av den amerikanska filosofen John Searle (1932) i artikeln ”Minds, brains and programs” från 1980. Det var avsett som en motpol till Turingtestet. – I det ”kinesiska rummet” finns dels en människa, dels en dator som kan läsa kinesiska och som kan be­svara frågor ställda på kinesiska lika bra som en människa. (Datorn klarar alltså Turingtestet på kinesiska.) Människan i rummet kan däremot inte ett ord kinesiska, men hon kan sköta datorn. Om hon, genom en lucka i dörren, får en fråga skriven på kinesiska kan hon mata in de kinesiska tecknen i datorn, få ett svar på kinesiska och lämna ut svaret genom luckan till frågeställaren. Efter­som det ingår i förutsättningarna att datorn kan formulera rimliga svar på frågor har frågeställaren (som kan kinesiska) utanför dörren ingen anledning att tro annat än att svaret har skrivits av en människa. Men uppenbarligen har människan i rummet ingen aning om vare sig svaret eller frågan. – Searles poäng är att det inom ramen för experimentet inte är någon grundläggande skillnad mellan människans och datorns förståelse av frågorna och svaren. Ingen av dem förstår vad tecknen betyder. Detta tyder enligt Searle inte på någon intelligens i betydelsen förstå­else, det är bara en rent mekanisk manipulation av symboler enligt givna regler. Man kan säga att Searle vänder Turing­testet upp och ner. – John Searles webbsida finns här (arkiverad). – Artikeln ”Minds, brains and programs” finns här.

[ai] [filosofi] [ändrad 26 juni 2019]

expertsystem

(expert system) – program som drar slutsatser baserade på insamlade expertkunskaper. – Expertsystem används bland annat som beslutsstöd och för annan problemlösning. Ett expertsystem bygger på en databas av kunskaper som har matats in av experter eller samlats in från experter eller medarbetare med lång erfarenhet. Dessa kunskaper är uttryckta på ett maskinläsbart sätt i form av logiska regler med en enhetlig terminologi. En inferensmaskin (se inferens) kan sedan dra slutsatser och svara på frågor med utgångspunkt från dessa regler, förutsatt att regelsamlingen är komplett. – Expertsystem utvecklades som en typ av artificiell intelligens och ansågs mycket lovande runt 1990, men sedan dess har det inte talats så mycket om det. Framför allt har det visat sig svårare än vad man trodde att samla in all expertkunskap som behövs för att systemen ska bli användbara och korrekta. I stället för strikt logiska system kom så kallade kunskapsbaserade system (knowledge‑based systems), som kan ses som samlingar av fallbeskrivningar. På 2010‑talet har maskininlärning tagit över. – Den teoretiska fördelen med expertsystem är att människor är dåliga på att hålla många regler i huvudet, medan datorer inte har några problem med det. Om man behöver ta hänsyn till 20 regler för att göra en korrekt bedömning så misslyckas troligen en människa, för en människa kan bara hålla fem till sju regler i huvudet åt gången – även om hon känner till alla 20. Men en dator kan i princip dra korrekta slutsatser av hur många regler som helst. (Däremot kan det bli så att reglerna, om de är alltför många, går i vägen för var­andra så att ingen slutsats är möjlig.) – Expertsystem sågs också som ett sätt att bevara kunskap inom företag och myndigheter, trots personalomsätt­ning.

[ai] [ändrad 20 april 2021]

kognition

det medvetna tänkandet. Alltså det tänkande som vi använder när vi löser problem och fattar beslut. – Kognitionsvetenskap eller kognitions­forsk­ning utforskar hur detta faktiskt går till. Det har betydelse för utform­ning av it‑system och deras användargränssnitt. – Adjektivet kognitiv används ibland om tillämpningar av artificiell intelligens. Man talar till exempel om kognitiv it. Benämningen används om system som lagrar stora mängder information, ofta skriven i naturligt språk, behandlar informationen med språkteknik och andra metoder och sedan använder den för att dra slutsatser (inferens) och svara på frågor. Ett känt exempel på kognitiv it är IBM:s Watson. – På engelska: cognition, cognitive.

[ai] [kognition] [ändrad 24 september 2018]

femte generationen

  1. Fifth generation computer systems project, FGCS – japansk satsning på 1980‑talet på att konstruera kraftfulla och lättanvända datorsystem. De skulle ha parallell databehandling och tillämpa artificiell intelligens. – Namnet femte generationen syftade på paral­lella system: de tidigare generationerna var radiorör, transistorer, integrerade kretsar och mikroprocessorer. – Projektet pågick från 1982 till 1992. Det blev överspelat av den allmänna teknikutvecklingen, spridningen av persondatorer och grafiska användargränssnitt samt genom­brottet för internet. I vissa avseenden var pro­jektet långt före sin tid. – Ett webbmuseum för projektet finns här;
  2. – om mobila nätverk: se 5g.

[ai] [generationer] [it-historia] [mobilt] [ändrad 29 maj 2012]

agent

ofta: datorprogram som självständigt fattar beslut på sin användares vägnar. – En agent tar emot, samlar in och bearbetar information, och kan med ledning av informationen fatta beslut eller besvara frågor enligt regler som agenten själv kan ha upptäckt . Agenten sägs vara autonom. Särskilt när man talar om intelligenta agenter menar man att programmet, genom användande av statistisk analys eller artificiell intelligens, har förmåga att anpassa sig till användarens vanor, önskemål och tidigare beslut, eller till tidigare händelser och erfarenheter. Agenten sägs då vara adaptiv. – På engelska: agent, software agent. – Se också bot (=mjukvarurobot) och läs om emergent beteende samt läs om General Magic†. – Jäm­för med user agent, som är agent i en annan betydelse. – Se också Datatermgruppen (länk).

[ai] [mjukvara] [ändrad 18 januari 2021]

artificiellt neuronnät

(artificial neural network) – program som lär sig lösa problem genom att man först tränar det. Programmets inre inställningar förändras tills program­met ger önskat resultat. Det förutsätts ingen förståelse av problemet som ska lösas – programmeraren anger bara vilken form lösningen måste ha. – Artificiella neuronnät, på svenska ofta kallade för neurala nät­verk, är ett av de mest kända verktygen inom artificiell intelligens. Det är den kanske äldsta typen av maskininlärning. – Ar­ti­fi­ciella neuronnät utvecklades med nerv­sys­temet som förebild, därav namnet (neuron=nervcell). De lär sig genom att man tränar dem med exempel där det rätta resultatet är känt. Avvikelsen från det rätta re­sul­tatet används för att justera inställningarna, och sedan försöker man igen tills resultatet blir rätt. Artificiella neuronnät kan ibland lösa problem som inte kan hanteras med någon känd algoritm, som att hitta mönster och att känna igen mönster. De kan till exempel tränas att tolka handskriven text och att känna igen ansikten. – I kommersiell drift används artificiella neuronnät bland annat för att upptäcka misstänkta kontokortsbedrägerier. De tränas då att känna igen de enskilda kundernas normala inköpsmönster och att slå larm vid avvikelser. – Be­räk­ningarna i neuronnätet sker genom att signaler (siffervärden) som passerar nätet på vissa vägar för­stärks, de som tar en annan väg för­svagas, somliga stoppas helt. Det är en från början slumpartad process, men resultatet förbättras under in­lär­nings­fasen. Avvikelsen från det rätta utfallet återförs till nätverket och används för att förbättra inlärningen genom att vissa förbindelser för­svagas, andra förstärks, en del tas bort helt och hållet (se gallring). Därav beteck­ningen bakåtpropageringsnätverk (back propagation networks) på den mest kända typen av artificiella neuron­nät. Om in­lär­ningen har baserats på ett representativt urval av data kan nätverket så småningom lösa även oprövade problem av liknande slag. – Artificiella neuronnät kritiseras för att de är ”svarta lådor” som löser problem utan att man kan se hur. Motargu­mentet är att de kan lösa pro­blem som man ändå inte vet hur man skulle lösa med vanlig pro­gram­me­ring. – Se också Datatermgruppen (länk).

[ai] [ändrad 8 maj 2018]