Kort om metoder i KI

Kunstig intelligens er overalt, men hvordan fungerer det egentlig? Dette kurset tar deg med på en visuell reise gjennom maskinlæringens mest spennende metoder og konsepter.

Kurset er laget av Inga Strümke, AI-forsker ved NTNU og jobber for Norwegian Open AI Lab. Med sin erfaring fra både akademia og næringsliv, og som en av Norges fremste formidlere innen kunstig intelligens, gjør Inga komplekse AI-konsepter tilgjengelige og forståelige. Gjennom engasjerende videoer med visuelle demonstrasjoner får du innsikt i hvordan moderne AI egentlig fungerer.

Du starter med å forstå de grunnleggende prinsippene i maskinlæring. Gjennom eksempler og analogier lærer du om veiledet læring, hvor maskiner lærer fra data med riktige svar - akkurat som et barn som lærer å gjenkjenne dyr i skogen. Du får innsikt i ikke-veiledet læring, hvor AI selv finner mønstre i data, noe som brukes i alt fra astrofysikk til hvitvasking. Og du oppdager forsterket læring, hvor maskiner lærer gjennom prøving og feiling - som når et barn lærer å sykle.

Kurset tar deg deretter inn i store språkmodellers verden. Du får en grundig forklaring av hva GPT egentlig er, og lærer å forstå de tre bokstavene: G for generativ, P for pre-trained, og T for transformer. Gjennom konkrete eksempler ser du hvordan disse modellene ikke er databaser som søker på internett, men nevrale nettverk som genererer plausible setninger basert på det de har lært. Du får også kjennskap til RAG (Retrieval-Augmented Generation), en teknikk som kombinerer språkmodeller med faktisk informasjonssøk for å gi mer presise og pålitelige svar.

En av de mest fascinerende delene av kurset handler om hvordan AI genererer bilder. Gjennom metaforer som vannglasset med saft lærer du om diffusjonsmodeller - hvordan AI starter med ren støy og gradvis fjerner den for å skape realistiske bilder. Du får forståelse for hvordan verktøy som DALL-E, Midjourney og Stable Diffusion fungerer, og hvorfor disse modellene oppleves som kreative.

Kurset dekker også praktiske anvendelser av AI, som bildesegmentering og selvkjørende biler. Du ser hvordan Meta's Segment Anything kan skille mellom objekter i bilder, og hvordan selvkjørende biler trener i fotorealistiske simulatorer ved hjelp av GAN (Generative Adversarial Networks) - hvor to AI-modeller spiller mot hverandre som Tom og Jerry for å lage stadig mer realistiske treningsscenarier.

En viktig del av kurset handler om XAI (Explainable AI) - hvordan vi kan forstå og forklare hva AI-modeller har lært. Du lærer om SHAP, som har blitt en industristandard for å forklare maskinlæringsmodeller, LIME for lokal forklaring av enkeltprediksjoner, og TCAV for å undersøke om AI har forstått de samme konseptene som oss mennesker. Dette er kritisk kunnskap i en tid hvor AI-systemer brukes til viktige beslutninger innen medisin, finans og samfunn.

Gjennom hele kurset brukes visuelle demonstrasjoner, praktiske eksempler og hverdagslige analogier som gjør komplekse konsepter lett å forstå. Du trenger ingen forkunnskaper i programmering eller matematikk - kun nysgjerrighet og vilje til å lære.