AI – vad är det och hur fungerar det?

All maskininlärning kräver tillgång till stora mängder data. Den goda tillgången på relevant data idag är förmodligen en av de viktigaste orsakerna till de stora genombrott vi nu ser. I grunden fungerar teknikerna så att de tar in data, bearbetar den, försöker hitta mönster och utifrån detta producerar en modell eller ett system som sedan kan användas.

Denna information, eller data kan vara både strukturerad och ostrukturerad, och olika datatyper kräver olika metoder för analys och tolkning. 

Strukturerad data	Ostrukturerad data
Data som är organiserad i fasta format som tabeller med tydligt definierade variabler, exempelvis ålder eller namn. Denna typ av data är vanligt förekommande i databaser och kalkylblad.	Är data som saknar denna fasta form och kan bestå av text, bilder, ljud eller video. Det ställer särskilda krav på bearbetning.

Datakvalitet är direkt avgörande för kvaliteten på slutresultatet. Tränas en modell på bristfälliga eller ensidiga data blir också modellen bristfällig. Det är också en förklaring till varför AI-system ibland innehåller felaktigheter och partiskhet (bias). Därför krävs medvetet arbete med bearbetning av data och att använda metoder som motverkar vinklad information, så att modellerna blir så rättvisande och tillförlitliga som möjligt. Det här förutsätter också ett mycket kritiskt förhållningssätt hos oss som använder AI. 

Då AI-tekniken baseras på maskininlärning behövs enorma mängder data för att tränas upp modellerna. En stor del av denna data kommer från nätet, och kan bland annat innehålla personuppgifter och information som inte är korrekt eller återspeglar samhällets värdegrund.