Generativ AI skiller seg fra tradisjonelle AI-systemer ved sin unike evne til å skape. Den kan generere nytt innhold som lyd, bilder og tekst ved å lære fra data uten eksplisitte instruksjoner. Det var først på 1990- og 2000-tallet, da avansert maskinvare og digital data ble mer tilgjengelig, at GenAI begynte å skinne. Les en kort historie her, fra opprinnelsen til dagens påvirkning på skole og samfunn.
Av Martin Johannessen / Bilde: Pixabay
I motsetning til tradisjonelle AI-systemer som følger forhåndsbestemte mønstre og regler, har generativ AI evnen til å skape på egenhånd. Den kan generere nytt innhold som lyd, bilder og tekst, ved å lære fra en mengde data uten eksplisitte instruksjoner.
Konseptet generativ AI tar oss med på en reise utenfor verden av binær logikk, der AI ikke lenger bare er utfører oppgaver, men også er en oppfinner. AI kan være en kreativ følgesvenn som er i stand til å produsere originale resultater som kan inspirere, assistere og til og med forbløffe oss. Denne innovative grenen av AI åpner opp en verden der maskiner kan reflektere en viss grad av menneskelig kreativitet, og bringer oss et skritt nærmere visjonen om virkelig intelligente systemer.
Historien om generativ AI er en fascinerende fortelling - la oss ta et sveip over historien, fra opprinnelse, utvikling og hvilken innvirkning denne teknologien har på livene våre i dag.
Generativ AI blir født
What is generative AI and why is it so popular? Here's everything you need to know
I motsetning til tradisjonelle AI-systemer som følger forhåndsbestemte mønstre og regler, har generativ AI evnen til å skape på egenhånd. Den kan generere nytt innhold som lyd, bilder og tekst, ved å lære fra en mengde data uten eksplisitte instruksjoner.
Konseptet generativ AI tar oss med på en reise utenfor verden av binær logikk, der AI ikke lenger bare er utfører oppgaver, men også er en oppfinner. AI kan være en kreativ følgesvenn som er i stand til å produsere originale resultater som kan inspirere, assistere og til og med forbløffe oss. Denne innovative grenen av AI åpner opp en verden der maskiner kan reflektere en viss grad av menneskelig kreativitet, og bringer oss et skritt nærmere visjonen om virkelig intelligente systemer.
Historien om generativ AI er en fascinerende fortelling - la oss ta et sveip over historien, fra opprinnelse, utvikling og hvilken innvirkning denne teknologien har på livene våre i dag.
Generativ AI blir født
Røttene til GenAI kan spores tilbake til konseptet maskinlæring. Da forskere introduserte maskinlæring på slutten av 1950-tallet, utforsket de konseptet med å bruke algoritmer til å generere ny data.
Et av de første eksemplene på GenAI var Markov-kjeden, en statistisk modell som kunne brukes til å generere nye sekvenser av data basert på inndata.
Men til tross for noen fremskritt, var ikke den nødvendige beregningskraften og dataressursene tilgjengelige for at slike systemer skulle blomstre og utvikle seg.
Maskinlæring begynte først å skinne på 1990- og 2000-tallet, da avansert maskinvare og digital data ble mer utbredt tilgjengelig.
Fødselen av generativ AI, slik vi kjenner det i dag, ble innledet av fremveksten av en type maskinlæring kjent som nevrale nettverk. Inspirert av hjernen vår, bruker disse modellene sammenkoblede lag med "nevroner" for å behandle og lære av data. Et nevralt nettverk blir trent til å gjenkjenne mønstre i et datasett. Når nettverket er trent, kan det ta beslutninger eller gi forutsigelser uten å bli eksplisitt programmert til å utføre oppgaver.
Den kreative kraften i generativ AI kommer fra en spesifikk type nevralt nettverk kalt et Generativt motstandsnettverk (GAN), som ble foreslått av Ian Goodfellow og hans kolleger i 2014.
Omtrent samtidig begynte andre former for generative modeller også å bli populære. Variational Autoencoders (VAE-er) og Recurrent Neural Networks (RNN-er) begynte å vise sin evne til å generere nytt innhold, og markerer et betydelig skritt fremover i feltet. Fremveksten av disse teknologiene la grunnlaget for generativ AIs vekst og utviklingen av mer avanserte modeller.
Milepæler i GenAI
Et av de første eksemplene på GenAI var Markov-kjeden, en statistisk modell som kunne brukes til å generere nye sekvenser av data basert på inndata.
Men til tross for noen fremskritt, var ikke den nødvendige beregningskraften og dataressursene tilgjengelige for at slike systemer skulle blomstre og utvikle seg.
Maskinlæring begynte først å skinne på 1990- og 2000-tallet, da avansert maskinvare og digital data ble mer utbredt tilgjengelig.
Fødselen av generativ AI, slik vi kjenner det i dag, ble innledet av fremveksten av en type maskinlæring kjent som nevrale nettverk. Inspirert av hjernen vår, bruker disse modellene sammenkoblede lag med "nevroner" for å behandle og lære av data. Et nevralt nettverk blir trent til å gjenkjenne mønstre i et datasett. Når nettverket er trent, kan det ta beslutninger eller gi forutsigelser uten å bli eksplisitt programmert til å utføre oppgaver.
Den kreative kraften i generativ AI kommer fra en spesifikk type nevralt nettverk kalt et Generativt motstandsnettverk (GAN), som ble foreslått av Ian Goodfellow og hans kolleger i 2014.
Omtrent samtidig begynte andre former for generative modeller også å bli populære. Variational Autoencoders (VAE-er) og Recurrent Neural Networks (RNN-er) begynte å vise sin evne til å generere nytt innhold, og markerer et betydelig skritt fremover i feltet. Fremveksten av disse teknologiene la grunnlaget for generativ AIs vekst og utviklingen av mer avanserte modeller.
Milepæler i GenAI
Utviklingen av generativ AI har blitt preget av flere viktige gjennombrudd som har lagt til nye kapitler i dens historie. Her er noen sentrale øyeblikk som har formet landskapet for GenAI:
WaveNet (2016): DeepMind's WaveNet markerte et betydelig fremskritt innen generative modeller for lyd. WaveNet kunne generere realistisk menneskelig tale, noe som åpnet dører for mer menneskelignende AI-assistenter og svært nøyaktig tekst-til-tale-syntese.
WaveNet (2016): DeepMind's WaveNet markerte et betydelig fremskritt innen generative modeller for lyd. WaveNet kunne generere realistisk menneskelig tale, noe som åpnet dører for mer menneskelignende AI-assistenter og svært nøyaktig tekst-til-tale-syntese.
Progressive GANs (2017): Progressive GAN-er, utviklet av NVIDIA, var en milepæl i produksjonen av høyoppløselige, fotorealistiske bilder. Disse GAN-ene kunne generere bilder med enestående detaljer og klarhet ved å gradvis legge til lag under opplæringen.
GPT-2 og GPT-3 (2019, 2020): OpenAIs generative pre-trained transformer (GPT)-modeller markerte et betydelig sprang i feltet GenAI for tekst. De viste evnen til å generere sammenhengende og kontekstuelt relevante setninger, noe som gjorde dem nyttige for et bredt spekter av applikasjoner, fra skrivehjelp til chatboter.
DALL-E (2022): OpenAI lanserte DALL-E til publikum i 2022. DALL-E er en dyp læremodell som kan generere digitale bilder basert på naturlig språklig input.
ChatGPT (2022): OpenAI lanserte ChatGPT, en samtalebasert chatbot basert på GPT, og plattformen nådde en million brukere innen fem dager.
GPT-4 (2023): Den siste GPT-modellen er angivelig mer nøyaktig og har avanserte resonnementsegenskaper. Premium ChatGPT-brukere har nå valgfri tilgang til GPT-4 innenfor chatboten.
Hver av disse milepælene brakte generativ AI nærmere sine nåværende evner, og overvant utfordringer knyttet til beregningskraft, datakvalitet og opplæringens stabilitet.
Den utrolige innvirkningen av GenAI
Den utrolige innvirkningen av GenAI
I dag står generativ AI som et bevis på menneskelig fantasi og teknologisk innovasjon. Den har vokst fra beskjedne begynnelse til å bli en sofistikert teknologi som er i stand til å produsere bemerkelsesverdig output.
Bruksområdene for generativ AI spenner nå over en bred rekke bransjer og felt. Innen helsevesenet brukes det til å skape syntetiske data for forskning, noe som lar forskere fremme helsetjenesten samtidig som personvernregler opprettholdes. Innen underholdningsbransjen brukes det til å utvikle nye nivåer i videospill eller generere spesialeffekter for filmer.
Motebransjen bruker GenAI til å skape virtuelle design eller forutsi kommende trender, mens markedsførere utnytter det til å lage personlige annonser. Innen naturlig språkbehandling er GenAI den drivende kraften bak chatboter, virtuelle assistenter og avanserte skriveverktøy.
I skole og utdanning brukes særlig ChatGPT til et vidt spekter av oppgaver, fra å lage undervisningsopplegg til administrative oppgaver, fra assistent til prosjektplanlegging.
Selvfølgelig er ikke genAI uten sine problemer, og reguleringene våre må holde tritt med denne hurtigskiftende teknologien.
Bruksområdene for generativ AI spenner nå over en bred rekke bransjer og felt. Innen helsevesenet brukes det til å skape syntetiske data for forskning, noe som lar forskere fremme helsetjenesten samtidig som personvernregler opprettholdes. Innen underholdningsbransjen brukes det til å utvikle nye nivåer i videospill eller generere spesialeffekter for filmer.
Motebransjen bruker GenAI til å skape virtuelle design eller forutsi kommende trender, mens markedsførere utnytter det til å lage personlige annonser. Innen naturlig språkbehandling er GenAI den drivende kraften bak chatboter, virtuelle assistenter og avanserte skriveverktøy.
I skole og utdanning brukes særlig ChatGPT til et vidt spekter av oppgaver, fra å lage undervisningsopplegg til administrative oppgaver, fra assistent til prosjektplanlegging.
Selvfølgelig er ikke genAI uten sine problemer, og reguleringene våre må holde tritt med denne hurtigskiftende teknologien.
Når vi ser fremover, er det klart at generativ AI vil fortsette å forme vår verden på måter vi ennå ikke kan forestille oss. Når vi kjemper med disse endringene, kan forståelsen av teknologiens historie hjelpe oss med å navigere i fremtiden.
Les og hør:
----- ----- -----
Utforsk det spennende krysningspunktet mellom kunstig intelligens og utdanning gjennom en serie podcast-episoder. Hensikten er å belyse problemstillinger og muligheter fra ulike perspektiver.
Det er avgjørende at lærere tar på seg oppgaven med å utforske ChatGPT og tar i bruk AI-teknologien aktivt i klasserommet. Ved å ta i bruk AI, kan vi utforske mulighetene og begrensningene som ligger i teknologien.
📧 Nyhetsbrev: ChatGPT i skolen
📧 Nyhetsbrev: ChatGPT i skolen
Dette nyhetsbrevet er det største om kunstig intelligens i skolen her i Norge. Både du og elevene dine må være forberedt på en hverdag der kunstig intelligens er til stede. Abonner på nyhetsbrevet for å holde deg oppdatert på hva som skjer.
.png)
Ingen kommentarer:
Legg inn en kommentar