Öll þessi hugtök fljúga um í umræðunni og stundum mætti halda að þau merktu nokkurn veginn það sama.
En svo er ekki.
Sum lýsa því hvernig tölvur læra. Önnur því hvernig þær vinna með tungumál, myndir eða upplýsingar. Enn önnur lýsa kerfum sem geta notað þessi verkfæri til að framkvæma verkefni.
En hver er eiginlega munurinn?
Gervigreind (Artificial Intelligence, AI) er regnhlífarhugtakið. Það nær yfir tölvukerfi sem geta framkvæmt verkefni sem við höfum hingað til tengt við mannlega greind. Til dæmis að læra, greina upplýsingar, rökhugsa og leysa vandamál.
Vélanám (Machine Learning, ML) er ein grein gervigreindar. Í stað þess að forrita allar reglur fyrirfram látum við tölvuna læra mynstur úr gögnum. Þannig getur hún til dæmis lært að spá fyrir um hvaða viðskiptavinir séu líklegir til að greiða reikninga of seint.
Djúpnám (Deep Learning, DL) er svo undirgrein vélanáms. Þar eru notuð tauganet með mörgum lögum sem geta lært flókin mynstur, til dæmis í myndum, hljóði og texta.
Hér er því ákveðið stigveldi. Djúpnám er vélanám og vélanám er gervigreind. En ekki öll gervigreind byggir á vélanámi og ekki allt vélanám á djúpnámi.
Síðan koma hugtök sem lýsa því hvað við viljum að tölvan geti gert.
Myndgreining (Computer Vision, CV) gerir tölvum kleift að vinna úr myndum og myndskeiðum. Til dæmis að greina galla í framleiðslu eða þekkja hluti á ljósmyndum.
Tungumálavinnsla (Natural Language Processing, NLP) snýst um að vinna með mannlegt tungumál. Hún getur meðal annars nýst til að flokka tölvupósta, greina texta og þýða milli tungumála.
Stór tungumálalíkön (Large Language Models, LLM) eru líkön sem hafa lært mynstur tungumáls úr gríðarlegu magni gagna. Þau geta skrifað texta, svarað spurningum, útskýrt hugtök og aðstoðað við forritun. ChatGPT og Claude eru kunnugleg dæmi um kerfi sem byggja á slíkum líkönum.
En hér kemur áhugaverð takmörkun.
Tungumálalíkan getur haft mikla þekkingu úr þjálfun sinni án þess að hafa aðgang að nýjustu upplýsingum eða skjölum fyrirtækisins þíns.
Þar kemur RAG (Retrieval-Augmented Generation) til sögunnar. Sú aðferð gerir kerfinu kleift að leita að viðeigandi upplýsingum í tilteknum heimildum og nýta þær þegar það svarar.
Í stað þess að treysta eingöngu á það sem líkanið hefur lært getur það til dæmis flett upp í samningum fyrirtækisins áður en það svarar spurningu um viðskiptakjör.
Fjölhátta gervigreind (Multimodal AI) getur unnið með fleiri en eina tegund upplýsinga, til dæmis texta, myndir og hljóð. Þú getur sýnt kerfinu ljósmynd og spurt hvað sé á henni í stað þess að þurfa að lýsa henni sjálfur.
Og svo eru það AI Agents, sjálfvirkir gervigreindarfulltrúar sem geta skipulagt og framkvæmt röð verkefna með hjálp mismunandi verkfæra.
Slíkt kerfi gæti til dæmis leitað að birgjum, borið saman tilboð og undirbúið innkaupatillögu.
En þótt kerfið geti framkvæmt fleiri skref sjálfstætt þýðir það ekki að við eigum að afhenda því ótakmarkað ákvörðunarvald.
Hvar verða þá verðmætin til?
Hugsum okkur fyrirtæki þar sem unnin vinna skilar sér ekki alltaf í reikningagerð.
Við gætum þjálfað vélanámslíkan til að greina frávik, notað tungumálalíkan til að lesa verkdagbækur og látið AI Agent undirbúa skýrslur.
En hvað ef vandamálið er einfaldlega að tímaskráningarnar eru ekki bornar saman við útgefna reikninga?
Þá gæti tiltölulega einföld sjálfvirkni leyst stærstan hluta vandans án þess að við þyrftum að byggja flókið gervigreindarkerfi.
Þetta er ein af þeim hugsunum sem mér finnst áhugaverðastar við hönnun gervigreindarlausna.
Tæknin opnar sífellt fleiri möguleika. En fleiri möguleikar þýða ekki endilega að við þurfum flóknari lausnir.
Kannski er mikilvægasta spurningin ekki hvað gervigreind getur gert fyrir okkur.
Heldur hvað við erum í raun að reyna að leysa.
Þessi grein er hluti af mínum eigin vangaveltum um gervigreind, tækni og verðmætasköpun. Kveikjan er meðal annars nám mitt í Designing and Building AI Products and Services hjá MIT xPRO. Hér reyni ég að setja það sem ég er að læra í samhengi við eigin reynslu af rekstri og þróun lausna.