kunstig intelligens
AI-modeller skaper algoritme-innavl
Sånn kan man se for seg at mer og mindre ustrukturerte data brukes som trening for modellene, mens det kommer finjusterte data ut i den andre enden. Men resultatet blir ikke alltid som man kunne håpe.
Illustrasjon: Ingeniøren
AI-utviklere i dag trenger bare en sjelden gang å starte på null. I stedet kan de finne enorme modeller på nett som allerede er trent på gigantiske datamengder og finjustere dem til akkurat den oppgaven de prøver å løse.
Transfer learning – som teknikken kalles – kan senke kravene om å klare å lage en tilstrekkelig god AI-modell. Det krever langt mindre datakraft enn å trene en tilsvarende modell fra bunnen av og gjør det mulig å bygge AI-systemer for områder der det ellers aldri ville blitt samlet inn nok data.
Det er med andre ord en snarvei til AI-suksess. Men den har en pris. For etter hvert som modellene blir større, vokser også ofte slagsiden – skjevheten – deres. Og mengden data som trengs for å trene dem, vokser til databasene er så store at ingen mennesker klarer å gjennomskue hva modellene mates med. Treningen er dessuten så dyr at bare teknologigigantene har råd.
