Hvad er et AI-system?

Definition af et AI-system

Et AI-system er et computerprogram eller en maskine, der kan analysere information og træffe beslutninger på basis heraf. I modsætning til traditionel software, som er programmeret til at følge specifikke retningslinjer (if-then-else-if), så kan AI tilpasse sig ved at lære af erfaring og træffe beslutninger alt efter situationen.

AI-forordningen definerer et ‘AI-system’ således:

“[Et] ‘AI-system’ [er] et maskinbaseret system, som er udformet med henblik på at fungere med en varierende grad af autonomi, og som efter idriftsættelsen kan udvise en tilpasningsevne, og som til eksplicitte eller implicitte mål af det input, det modtager, udleder, hvordan det kan generere output såsom forudsigelser, indhold, anbefalinger eller beslutninger, som kan påvirke fysiske eller virtuelle miljøer”

Hvordan virker AI?

AI-systemer behandler data som for eksempel tekst, tal, billeder eller lydoptagelser. Det kan fx være en chatbot, der behandler beskeder fra kunder, en selvkørende bil, der registrerer andre biler på vejen, eller en vejrtjeneste, der forudsiger morgendagens vejr.

AI behandler data og leder efter mønstre, som den herefter kan bruge til at give anbefalinger og træffe beslutninger. Jo mere data AI arbejder med, desto bedre bliver modellen typisk til at genkende mønstre som fx dine filmpræferencer.

Når et AI-system først har lært af data, så kan det fx:

• Lave forudsigelser: “Denne kunde er måske ved at opsige sit abonnement.”

• Give anbefalinger: “Måske kan du også li’ denne sang.”

• Træffe beslutninger: “Godkend denne låneansøgning.”

• Skabe digitalt indhold: “Skriv en mail til kunden.”

Nogle AI-systemer kræver stadig, at et menneske monitorerer og træffer de endelige beslutninger baseret på systemets anbefalinger. Dette kan fx være tilfældet, når AI understøtter læger med at stille diagnoser. Der findes dog også autonome AI-systemer, som ikke kræver menneskelig indgriben fx selvkørende biler.

AI-teknologier

Nu hvor vi har styr på, hvad et AI-system er, giver det mening at se nærmere på de teknologier, der driver disse systemer. Med en bedre forståelse for, hvad der driver systemet, så kan vi bedre identificere disse AI-systemer i vores egen organisation.  

Her er et overblik over nogle af de vigtigste AI-teknologier: 

Machine Learning (maskinlæring) betyder, at AI lærer af data. AI finder mønstre i data og bruger den viden til at forudsige eller træffe beslutninger uden at det på forhånd er programmeret til et bestemt resultat. 

Eksempel: Et spamfilter, der hele tiden bliver bedre til at genkende spam ved at analysere tidligere mails. 

Neural Networks (neurale netværk) er en metode inden for Machine Learning, der er inspireret af, hvordan den menneskelige hjerne arbejder. Metoden bruges til at finde mønstre og sammenhænge i store mængder data. 

Eksempel: Talegenkendelse i software som Siri eller Alexa. 

Deep Learning bruger meget store Neural Networks (neurale netværk) med flere lag, som gør det muligt  fx at genkende billeder, forstå tale eller generere indhold. 

Eksempel: Genkendelse af ansigter på billeder i sociale medier. 

Generativ AI skaber nyt digitalt indhold, som tekst, billeder, video eller lyd, ved at lære fra store mængder data. Det er en metode inden for Machine Learning og bygger på Deep Learning og Neural Networks.

Eksempel: ChatGPT eller Google Gemini, der kan generere tekst eller billeder ud fra en beskrivelse.

Natural Language Processing (sprogteknologi) gør det muligt for AI at forstå, fortolke og selv generere menneskesprog. Det betyder, at vi kan kommunikere med computere ved at bruge et helt almindeligt sprog.

Eksempel: Chatbots eller virtuelle assistenter, der kan svare naturligt på kunders spørgsmål. 

Computer Vision (billedgenkendelse) gør AI i stand til at analysere og forstå billeder eller video. Det giver systemer mulighed for at genkende objekter og forstå, hvad der sker i en visuel sammenhæng.

Eksempel: Selvkørende biler, der genkender fodgængere eller trafiksignaler.

Robotics (robot teknologi) handler om maskiner, der bruger AI til at udføre fysiske opgaver automatisk eller med begrænset menneskelig indgriben. AI gør det muligt for robotter at forstå omgivelserne, træffe beslutninger og agere i den virkelige verden.

Eksempel: Robotstøvsugere eller industrirobotter i fabrikker.

Eksempler på AI-systemer

Når et system anvender AI til at lære, træffe beslutninger eller skabe indhold, så betragtes systemet som et AI-system. Derfor vil vi i det følgende se nærmere på nogle typiske eksempler på AI-systemer.  

Chatbots

Chatbots der gør brug af AI kan besvare kundehenvendelser uden menneskelig indblanding. Chatbotten vil kunne analysere brugerens data og beskeder og på basis heraf svare på kundehenvendelsen automatisk.

Teknologier: Natural Language Processing, Machine Learning.

Robotstøvsugere

Robotstøvsugere bruger AI til at navigere, så de undgår forhindringer og tilpasser rengøringen efter rummets indretning, samt data for hvordan de tidligere har rengjort rummet.

Teknologier: Robotics, Computer Vision, Machine Learning.

Dynamisk prissætning

Flyselskaber og delebils-tjenester bruger AI til at tilpasse deres priser efter fx efterspørgsel, konkurrenternes priser eller brugeradfærd, og kan dermed påvirke både kundernes valg og virksomhedens indtjening.

Teknologier: Machine Learning.

Indholdsmoderering

Sociale medier bruger AI til at moderere skadeligt indhold som fx hadefuld tale, misinformation eller upassende billeder. Teknologien analyserer tekst, billeder og video for at vurdere, om noget overtræder platformens regler, og træffer herefter beslutningen om at indholdet skal fjernes fra platformen eller ej. På den måde påvirker AI både, hvad de enkelte brugere ser, og hvordan brugerne interagerer med hinanden via platformen.

Teknologier: Natural Language Processing, Computer Vision, Deep Learning.

Finansiel handel

I finanssektoren bruger man AI til at foretage handler ved at AI analyserer markedsdata, finder tendenser og automatisk køber eller sælger aktier. Disse systemer arbejder med forskellig grad af autonomi og kan træffe beslutninger, som derfor påvirker aktiemarkedet og investeringsstrategier.

Teknologier: Machine Learning, Deep Learning.

Cybersikkerhed

AI bruges til at beskytte computernetværk ved at opdage mistænkelige mønstre, der kan pege på cyberangreb fx hacking eller malware. Ved at analysere netværksdata bruges AI til at forudsige risici, samt anbefalinger til beskyttende foranstaltninger, eller selv implementere beskyttende foranstaltninger.

Teknologier: Machine Learning.

Medicinsk diagnose

I sundhedssektoren bruges AI til at hjælpe sundhedspersonalet i deres arbejde med at analysere medicinske data fra fx røntgenbilleder, scanninger eller blodprøver. AI kan stille forslag til mulige diagnoser, som kan hjælpe læger med at vurdere patientens situation.

Teknologier: Computer Vision, Deep Learning.

Produktionsvirksomheder

Produktionsvirksomheder kan bruge AI til at forudse, hvornår udstyr er ved at gå i stykker, så man kan foretage vedligeholdelse i god tid. AI analyserer data fra sensorer og genkender tegn på slid og fejl. Det hjælper med at tilrettelægge reparationer, så man undgår nedbrud og reducerer omkostningerne.

Teknologier: Machine Learning, Neural Networks.

Rekruttering

AI kan analysere jobansøgninger og finde de kandidater, der passer bedst, baseret på fx erfaring, kvalifikationer og kompetencer.

Teknologier: Natural Language Processing, Machine Learning.

Kortlægning af AI-systemer

Hvad bør du gøre nu?

Du skal finde ud af, om din organisation bruger AI-systemer, fordi så gælder AI-forordningen også for dig.

Start med at kortlægge alle organisationens aktiver (fx software og hardware) og undersøg, om de anvender AI, og hvordan de bruger det. Det giver dig det nødvendige overblik til at forstå dine forpligtelser i AI-forordningen og finde ud af, hvad du skal gøre for at overholde reglerne.

Hvis du allerede har en systemoversigt fra din GDPR-compliance, kan du genbruge det. I din systemoversigt skal du blot begynde at tilføje om et system er et ‘AI-system”, samt foretage risikovurderinger for systemets anvendelse af AI. Det er dit udgangspunkt for at kunne overholde AI-forordningen.

Når du har kortlagt dine AI-systemer, så skal du gøre følgende:

1. Afklar om du er udbyder eller idriftsætter af AI-systemet.

2. Foretag en vurdering af risikoniveauet for hvert AI-system.

3. Afklar hvilke krav der gælder for hvert AI-system afhængigt af det identificerede risikoniveau.

Din systemoversigt hjælper dig også med at leve op til andre krav i AI-forordningen, fx:

• Det giver dig indblik i hvilke medarbejdere der benytter AI-systemer i deres arbejde, så du kan give dem den påkrævede træning i AI-færdigheder.

• Dokumentation og efterlevelse af AI-forordningens krav vedrørende brugen af højrisiko AI-systemer.

• Efterlevelse af kravet om gennemsigtighed over for brugere, hvor dette er nødvendigt fx når et AI-system interagerer ed brugere eller skaber digitalt indhold, der kan ligne noget, et menneske har skrevet.

Når du har kortlagt dine AI-systemer og deres risici, har du det bedste udgangspunkt for at overholde AI-forordningen i praksis.