Konstgjord intelligens går snabbt in i alla delar av våra digitala liv, plockar de sociala medierna vi ser, identifierar våra vänner och husdjur på foton och till och med ser till att vi undviker olyckor på vägen. Om du vill förstå AI måste du börja med de villkor som ligger till grund för det.

Och så presenterar vi TechRadar-ordlistan av AI: fem av de nyckelord och fraser du vill veta för att få tag på denna ständigt förbättrade teknik - och för att hålla upp ditt slut på samtalet nästa gång ämnet gräver upp runt middagsbordet.

För det första, en ansvarsfriskrivning - inte alla är överens om den exakta definitionen på några av dessa ord, så du kan se dem använda annorlunda på annat håll på webben. Vi har så långt möjligt försökt hålla fast vid de mest använda definitionerna, men med en sådan snabbväxande och ny teknik kommer det alltid att finnas skillnader.

  • Här är Microsofts ambitiösa AI-planer i detalj

1. Algoritmer

Ah, den berömda (eller ökända) algoritmen. Algoritmer är uppsättningar regler som datorprogram kan följa, så om en av dina bästa vänner skickar ett foto på dig på Facebook, säger reglerna som ska gå upp längst upp i ditt nyhetsflöde. Eller om du behöver komma från A till B på Google Maps kan en algoritm hjälpa dig att träna den snabbaste vägen.

Reglerna följs av datorer men vanligtvis ställs av människor - så det är Facebook-ingenjörer som väljer vad som gör en historia viktig eller vilka vägar är snabbast. Där AI börjar komma in är i tweaking dessa algoritmer med maskininlärning, så program börjar att anpassa dessa regler för sig själva. Google Maps kan göra detta om det börjar få feedbackdata att en viss väg är stängd.

När bildåterkänningssystemen blir fel, är det till exempel ett exempel på en algoritm eller en uppsättning regler på jobbet - samma regler har tillämpats men felresultat har uppnåtts, så du får en kattliknande hund snarare än en faktisk katt. På många sätt är algoritmer byggstenar för maskininlärning (se nedan).

2. Konstgjord intelligens

Vad är artificiell intelligens? Definitioner skiljer sig beroende på vem du frågar, men i bredaste bemärkelse är det någon form av intelligens som konstgjort har skapats. Självklart.

Så när Siri svarar på dig som en riktig människa, är det artificiell intelligens. Och när Google Foton verkar veta vad en katt ser ut, det är också artificiell intelligens. Och Anthony Daniels gömmer sig inuti sin C-3PO-kostym är också artificiell intelligens på ett sätt - illusionen av en talande, tänkande robot som faktiskt styrs av en människa.

Definitionen är verkligen så bred, så du kan se varför det ofta är förvirring om hur det ska tillämpas. Det finns många olika typer av och tillvägagångssätt för AI, så se till att du förstår skillnaderna - när något beskrivs som att ha AI-inbyggd, kan det innebära att ett brett spektrum av tekniker är inblandade.

3. Djupt lärande

Djupinlärning är en typ eller en delmängd av maskininlärning (se nedan), varför de två termerna ofta blir jumblade upp och kan korrekt användas för att beskriva samma AI i många fall. Det är maskinlärande men utformat för att vara ännu mer intelligent, med mer nyans och flera lager, och syftar till att fungera mer som den mänskliga hjärnan gör.

Djupt lärande har gjorts möjligt genom två viktiga tekniska framsteg: mer data och mer kraftfull maskinvara. Det är därför det bara kom till mode, men dess ursprungliga rötter går tillbaka årtionden. Om du tänker på det när maskininlärning är upp till 11, kan du förstå varför det blir smartare eftersom datorer blir mer kraftfulla.

Djuplärning använder ofta neurala nätverk (se nedan) för att lägga till detta extra lager av intelligens. Till exempel kan både djupt lärande och maskininlärning känna igen en katt på en bild genom att skanna en miljon kattbilder - men medan maskininlärning måste få veta vilka funktioner som utgör en katt, kan djupt lärande se ut hur en katt ser ut , så länge som det finns tillräckligt med rådata att arbeta från.


4. Maskininlärning

Programmeringsprogramvara och hårdvara för att göra budgivning är bra och bra, men maskininlärning är nästa steg, och det är precis vad det låter som. Det är maskinerna som lär sig för sig, snarare än att ha allt specifikt stavat ut för dem varje gång.

Ett av de mest kända exemplen är med bildigenkänning. Ge ett maskininlärningssystem tillräckligt med bilder på en katt, och det kommer så småningom att kunna upptäcka en katt i en ny bild i sig, utan några tips från en mänsklig operatör. Du kan tänka på det som AI-nätverk som går utöver deras ursprungliga programmering, efter att du först har utbildats på dataöverföringar.

Googles AlphaGo-program är ett annat bra exempel: lärs av människor men kan själv fatta beslut baserat på träning. Vad AlphaGo visar också är att många typer av AI är mycket specifika - att motorn är fantastisk att spela Go, men skulle vara värdelös i en självkörande bil.

5. Neurala nätverk

Nästan kopplade till idén om djupt lärande (se ovan) försöker neurala nätverk att efterlikna processerna i den mänskliga hjärnan eller så mycket av den mänskliga hjärnan som vi förstår vid denna tidpunkt. Återigen har utvecklingen av neurala nätverk bara varit möjligt under de senaste åren med avancerade processorer.

I huvudsak betyder det mycket och många lager. Snarare än att titta på en bild och bestämma om det är en kattbild - till exempel - ser det neurala nätverket olika olika egenskaper hos bilden och katterna, vilket tilldelar olika nivåer av betydelse för var och en av dem innan de fattar ett slutgiltigt beslut. Slutresultatet är en kattigenkänningsmotor som är mycket mer exakt (därför varför bildigenkänning har blivit mycket bättre de senaste åren).

Om du inte helt kan förstå idén, oroa dig inte - neurala nätverk är inte ett begrepp som du helt kan förstå från en kortfattad definition i tre stycken. Men om du tänker på det som ett annat verktyg för maskininlärning, som är utformat för att skapa några av subtiliteterna av mänsklig intelligens, så har du grunderna.

Techradar s AI-veckan kommer till dig i anslutning till ära.