AI er en såkalt disruptiv teknologi, derfor er det stor interesse for hvordan denne teknologien vil utvikle seg fremover.

AI og fremtiden er et veldig stort emne, som vi på INGEN MÅTE PRØVER Å DEKKE HELT HER. Så er det sagt...!

Her er målet at vi vil samle materiale som både omhandler kort fremtidsvisjoner i den nærmeste fremtid og lenger fremtidsversjoner om hvordan AI kommer til å påvirke samfunnet på lang sikt.

Utvalget vil være omhyggelig utvalgt - er du interessert i dommedagsprofetier, så vil vi henvise til Youtube - de er lette å finne der. Her ønsker vi å vise frem mer konstruktive og handlingskraftige fremtidsvisjoner.

Det er likevel ikke noe mål for oss å forholde oss ukritisk til AI - i utgangspunktet mener vi at man som samfunn bør prøve å kontrollere og fordele de goder det kan komme ut av denne teknologiske endringen.

For å lage en oversikt over forskjellige typer kunstig intelligens (AI) og plassere maskinlæring (ML) innenfor denne rammen, kan vi se på AI som et bredt felt med flere underkategorier. Her er en enkel oversikt:

1. **Artificial Narrow Intelligence (ANI) eller Weak AI**: Dette er AI-systemer designet for å utføre en enkelt oppgave eller et begrenset spekter av oppgaver. De kan ikke utvise intelligens utenfor deres spesifikke programmeringsområde. Eksempler inkluderer sjakkspillende AI, talegjenkjenningssystemer, og de fleste av dagens kommersielle AI-applikasjoner.

2. **Artificial General Intelligence (AGI) eller Strong AI**: Dette er teoretiske AI-systemer som har evnen til å forstå, lære og anvende intelligens på et bredt spekter av oppgaver, på samme måte som et menneske. Disse systemene er fremdeles i utviklingsfasen og er mer et mål for fremtidig forskning.

3. **Artificial Superintelligence (ASI)**: Dette er en hypotetisk form for AI som overstiger menneskelig intelligens og evne i alle aspekter, inkludert kreativitet, problemløsning og emosjonell intelligens.

Innenfor disse bredere kategoriene av AI finner vi forskjellige teknikker og tilnærminger, hvorav **maskinlæring** er en av de mest fremtredende:

- **Maskinlæring (ML)**: Dette er en metode for å lære datamaskiner å lære fra data og forbedre seg over tid. ML er en underkategori av AI og omfatter algoritmer som lærer fra og gjør prediksjoner eller beslutninger basert på data. Den deles ofte inn i tre hovedtyper:

  - **Overvåket læring**: Modeller trenes på et datasett som inneholder både inndata og ønsket utdata.

  - **Uovervåket læring**: Modeller trenes på datasett som kun inneholder inndata, og målet er å finne struktur eller mønstre i dataene.

  - **Forsterkning læring**: Modeller lærer gjennom å ta beslutninger og motta tilbakemelding i form av belønninger eller straffer.

- **Dyp læring (Deep Learning)**: Dette er en underkategori av ML som involverer nevrale nettverk med mange lag (dype nevrale nettverk). Dyp læring har vist seg særlig effektiv for komplekse oppgaver som bilde- og talegjenkjenning.

- **Evolutionære algoritmer**, **symbolbasert AI**, og **kunstige nevrale nettverk** er andre tilnærminger innen AI.

Maskinlæring, spesielt dyp læring, har vært en av de mest transformative og raskt voksende teknologiene innen AI i det siste tiåret. Denne oversikten gir en generell ide om hvordan ML passer inn i det større AI-landskapet.