AI

AI står för Artificiell Intelligens. Det är ett övergripande begrepp som hänvisar till datorbaserade system eller maskiner som kan utföra uppgifter som normalt kräver mänsklig intelligens. Artificiell intelligens syftar till att efterlikna och replikera mänskliga kognitiva funktioner, såsom uppfattning, resonemang, inlärning och problemlösning.

Inom AI finns det olika tillvägagångssätt och tekniker. Här är några av de vanligaste:

• Maskininlärning (Machine Learning): Det är en gren inom AI där datorer lär sig att utföra uppgifter genom att analysera och dra slutsatser från data, istället för att vara explicit programmerade. Det finns olika metoder inom maskininlärning, inklusive övervakat lärande (där modellen tränas med märkt data), oövervakat lärande (där modellen letar efter mönster i otaggade data) och förstärkningslärande (där modellen lär sig genom att utforska och interagera med sin miljö).

• Djupinlärning (Deep Learning): Det är en undergren av maskininlärning som fokuserar på att använda neurala nätverk med många lager för att extrahera och lära sig komplexa mönster från data. Djupinlärning har varit framgångsrikt inom områden som bild- och taligenkänning, naturlig språkbearbetning och autonomi.

• Expertsystem: Det är programvara som använder regelbaserade system för att emulera mänskliga experter inom ett specifikt domän. De använder kunskap som är representerad i form av regler och logik för att ta beslut och ge rekommendationer inom sitt expertområde.

• Naturinspirerad AI: Det är en metod inom AI som använder biologiska och naturinspirerade koncept för att lösa problem. Exempel inkluderar genetiska algoritmer som använder evolutionära principer och swarm intelligence som modellerar beteenden hos grupper av organismer.

AI tillämpas inom en mängd olika områden, inklusive medicin, robotik, transport, finans, kommunikation, spel och mycket mer. Syftet är att skapa intelligenta system som kan assistera människor, automatisera uppgifter, lösa komplexa problem och förbättra våra liv och samhället som helhet.

Generativ  AI

Generativ AI är en typ av artificiell intelligens som skapar något nytt och unikt, som text, bilder, videor och digitala upplevelser.

Generativ AI (Artificiell Intelligens) är en gren av AI som fokuserar på att generera autentiska och realistiska data, såsom bilder, text, ljud och video. Den använder sig vanligtvis av neurala nätverk för att lära sig mönster och strukturer i stora datamängder och sedan skapa nytt innehåll baserat på den inlärningen.

En populär teknik inom generativ AI är generativa adversariala nätverk (GANs). Ett GAN består av två neurala nätverk: en generator och en diskriminator. Generatorn skapar nytt innehåll, medan diskriminatoren bedömer och klassificerar om det genererade innehållet är autentiskt eller skapat av generatorn. Genom att dessa två nätverk "tävlar" med varandra kan de tillsammans producera högkvalitativa och realistiska resultat.

Generativ AI har många tillämpningar och används inom olika områden, inklusive bildgenerering, textgenerering, musikskapande och videoredigering. Det kan vara användbart för att skapa konstnärliga verk, generera syntetiska data för forskning eller simuleringar, och till och med för att hjälpa till med uppgifter som att fylla i saknade delar av bilder eller skapa fiktiva karaktärer i datorspel.

Det är viktigt att vara medveten om att generativ AI också kan användas för att manipulera och skapa falskt innehåll, vilket kan ha konsekvenser för informationsintegritet och trovärdighet. Därför blir det allt viktigare att utveckla metoder för att upptäcka och hantera genererat innehåll på ett ansvarsfullt sätt.

Neurala nätverk

Neurala nätverk är en typ av datoralgoritm eller modell som är inspirerad av det mänskliga hjärnsystemet. De används inom maskininlärning och AI för att lösa komplexa problem genom att lära sig från data.

Neurala nätverk består av en samling av sammankopplade noder, även kallade neuroner. Dessa neuroner är organiserade i lager, där varje lager överför information till nästa lager. Det finns vanligtvis tre huvudtyper av lager i ett neural nätverk: inmatningslagret (input layer), dolda lager (hidden layers) och utmatningslagret (output layer).

I processen med att träna ett neuralt nätverk matas det med stora mängder data, där nätverket justerar sina interna parametrar (viktningar) för att anpassa sig och lära sig från mönster i datan. Detta kallas träning av nätverket. När nätverket är tränat kan det användas för att göra förutsägelser, klassificera data eller generera nytt innehåll baserat på den inlärda informationen.

Neurala nätverk har visat sig vara mycket effektiva för att lösa komplexa problem inom områden som bild- och röstigenkänning, naturlig språkbearbetning, autonoma fordon, medicinsk diagnos och mycket mer. Deras flexibilitet och förmåga att lära sig från stora datamängder har gjort dem till en viktig del av modern AI-forskning och tillämpningar.

Svag eller stark AI

Svag AI eller Smal AI, även känd som Narrow AI eller Weak AI, avser artificiell intelligens som är inriktad på att lösa specifika uppgifter eller begränsade problemområden. Svag AI-system är specialiserade och optimerade för att utföra specifika uppgifter med hög precision och effektivitet, men de saknar allmän intelligens eller medvetande.

Skillnaden mellan svag AI och stark AI eller Generell AI (Strong AI eller Artificial General Intelligence) ligger i deras kapacitet och omfattning. Svag AI är begränsad till specifika uppgifter och kan inte generalisera kunskap eller lära sig nya saker utanför sin smala domän. Å andra sidan är stark AI teoretiskt kapabel att utföra alla kognitiva uppgifter som en människa kan, inklusive att lära sig nya saker, resonera över abstrakta koncept och anpassa sig till nya situationer.

Exempel på svag AI inkluderar röstassistenter som Siri och Alexa, ansiktsigenkänningssystem, rekommendationssystem för e-handel, spamfilter i e-post och självkörande bilar. Dessa system är specialiserade på specifika uppgifter och har utformats för att fungera effektivt inom sina smala områden, men de har inte förmågan att existera utanför dessa områden eller visa allmän intelligens.

Det är viktigt att notera att även om svag AI inte har den omfattande kapaciteten hos stark AI, så har den ändå haft en stor inverkan och använts i många praktiska tillämpningar .

Teaching for Tomorrow (Google for education)

Teaching for Tomorrow: Season 1 - https://www.youtube.com/playlist?list=PLP7Bvyb3ap44QabqzEvmvuI2ZiJN_Oe1z

Season 2 - https://www.youtube.com/playlist?list=PLP7Bvyb3ap460N9Q91DFcGYUCJsy5ePne

Generativ AI för pedagoger (Google)

I den här kursen får du lära dig om generativ AI. Det är en typ av AI som skapar nytt innehåll, till exempel text, bilder eller andra medier. Du får titta närmare på hur du kan använda verktyg med generativ AI i undervisningen. Det hjälper dig att spara tid på återkommande uppgifter, anpassa undervisningen efter elevernas behov och förbättra lektioner och aktiviteter på kreativa sätt.

https://skillshop.exceedlms.com/student/path/1350259-generativ-ai-for-pedagoger?sid_i=0

Vad är AI och hur används tekniken på olika ställen i samhället? 

Hur lär sig en AI och kan den tänka som en människa? 

Vad finns det för möjligheter och risker med datorer som blir allt mer självständiga? 

Här på Internetstiftelsens site får du lära dig grunderna om AI – artificiell intelligens. - https://internetkunskap.se/grundkurs-i-ai/

Philip Sandmark Dante som är förstelärare på Malmö Borgarskola har skapat: Lär med Ai .

"På min blogg finner du inte bara utbildningsmaterial och handplockade prompts, utan även de senaste nyheterna inom AI-utveckling. Jag hoppas att mina Youtube-filmer, som är skapade för att tjäna som en resurs för skolor över hela Sverige, kan komma till god användning för dig som önskar lära dig mer på ett så effektivt sätt som möjligt. "

Kolla in hans Youtubekanal på länken nedan. 

Youtube: https://www.youtube.com/@LarMedAI

Hemsida: https://www.larmedai.se/blank-4

Blogg: https://www.larmedai.se/blog

AI Sweden är det svenska nationella centret för tillämpad artificiell intelligens.

Vårt uppdrag är att accelerera användningen av AI till förmån för vårt samhälle, vår konkurrenskraft och för alla som bor i Sverige. Vi har en bred finansiering, är inte vinstdrivande, och samarbetar med våra över 120 partners från både privat och offentlig sektor samt akademi. 

https://www.ai.se/sv

Googles Ai

https://ai.google/

Open Ai

https://openai.com/

Info om Ai på KOMIN

https://cityofmalmo.omniacloud.net/komin/organisation-och-styrning/digitalisering/ai-artificiell-intelligens

Artificiell intelligens – nytt ämne i gymnasieskolan och Komvux (Skolverket)

https://www.skolverket.se/regler-och-ansvar/forandringar-inom-skolomradet/artificiell-intelligens---nytt-amne-i-gymnasieskolan-och-komvux

Edtest

Vi möjliggör en användarcentrerad utveckling av digitala lärresurser med lärarprofessionen i fokus.

https://edtest.se/sv#

Elicit

Analyze research papers at superhuman speed. Automate time-consuming research tasks like summarizing papers, extracting data, and synthesizing your findings.

https://elicit.com/welcome