Kunstig intelligens (AI)

Begrebet blev skabt af John McCarthy i forslaget fra 1955 til Dartmouth Summer Research Project i 1956, som antog, at ethvert aspekt af læring eller intelligens i princippet kan beskrives så præcist, at en maskine kan simulere det. Alan Turing havde allerede i 1950 formuleret spørgsmålet operationelt med imitationsspillet. Fra starten delte feltet sig i to traditioner: symbolsk AI (logik, søgning, vidensrepræsentation, planlægning) og konnektionistisk AI baseret på netværk af simple enheder, der trænes på data. Symbolske metoder dominerede frem til 1980'erne med regelbaserede ekspertsystemer som højdepunkt; deres skrøbelighed og vedligeholdelsesomkostninger kombineret med overdrevne løfter bidrog til to perioder med faldende finansiering, de såkaldte AI-vintre (midten af 1970'erne og slutningen af 1980'erne).

Russell og Norvig definerer feltet ud fra rationelle agenter: systemer, der opfatter et miljø og handler for at maksimere et forventet præstationsmål. Den ramme samler søgealgoritmer, constraint solvers, probabilistisk ræsonnement som bayesianske netværk, planlægning, robotteknologi og maskinlæring under ét. Siden 2010'erne er maskinlæring og især deep learning blevet den dominerende teknik, og derfor bruges AI og ML i daglig tale næsten som synonymer, og på det seneste også AI og store sprogmodeller. De er ikke det samme: en ruteplanlægger med A*-søgning eller en regelmotor til skatteberegning er AI i lærebogens forstand, men involverer ingen læring.

I compliancearbejde vejer de juridiske definitioner tungere end de akademiske. Artikel 3, nr. 1, i AI-forordningen (forordning (EU) 2024/1689) definerer et AI-system som et maskinbaseret system, der er udformet til at fungere med varierende grader af autonomi, som kan udvise tilpasningsevne efter udrulning, og som til eksplicitte eller implicitte mål udleder af det input, det modtager, hvordan det skal generere output som forudsigelser, indhold, anbefalinger eller beslutninger, der kan påvirke fysiske eller virtuelle miljøer. Ordlyden er afstemt med OECD's definition, som blev revideret i 2023. Det afgørende kriterium er evnen til at udlede; betragtning 12 og Kommissionens retningslinjer fra 2025 om definitionen udelukker systemer, der alene bygger på regler fastsat af fysiske personer til automatisk udførelse af operationer. ISO/IEC 22989:2022 leverer det tilsvarende begrebsapparat, som ledelsessystemstandarden ISO/IEC 42001 bygger på.

To tilbagevendende misforståelser: For det første findes der ingen anerkendt test, der skiller snæver AI (kompetence inden for en afgrænset opgave) fra generel kunstig intelligens, så påstande om kunnen bør vurderes opgave for opgave med benchmarks frem for ud fra etiketten. For det andet den såkaldte AI-effekt: Når en teknik først virker pålideligt (tekstgenkendelse, spamfiltrering, rutefinding), holder man op med at kalde den AI, så ordet har tendens til at betegne det, der er nyt lige nu. I indkøb og risikovurdering er det nyttige spørgsmål altid, hvad systemet udleder, ud fra hvilke data, og hvilken beslutning det føder ind i.