Diffusjonsmodeller er basert på tankegang fra termodynamikk og Bolzmanns fordleing. Tilfører trinnvis støy til alt har blitt støy og så reverseres hele prosessen. Diffusjonsmodeller anvender reverse diffusjonsprosesser ved å generere bilder fra tilfeldig støy. Stabile diffusjonsmodeller kan lage deltaljerte syntetiske bilder ut fra tekstinstrukser og er en type latente diffusjonsmodeller ved å gjenta fjerning av støy.Diffusjonssannsynlighetsmodeller lærer fra å imitere og kopiere menneskeskapt tekst, bilder og musikk. Den generative delen er et resultat av flere treningsprosesser som gjør det vanskelig å finne forbindelser mellom de opprinnelige data trening og systemet. Konstrastiv språk-bilde pretrening (Contrastive Language-Image Pretraining ,CLIP) er en teknikk anvendt innen AI som koder for tekst og bilder i faste vektorlengder. Kontrastiv læring er en treningsmodell som skiller mellom like og forskjellige par med datapunkter ved å maksimere deres likhet innen samme klasse og minimere deres likhet i andre klasser
Diffusjonsmodeller (diffusjonssannsynlighetsmodeller) blir anvendt innen maskinlæring og OpenAi sin bildegenereringsmodell DALL-E2 og Sora kan lage realistiske kunstbilder ut fra tekstbeskrivelser. Sora er Open AIs videogenereringsystem som også lager video basert på tekstforslag. Stable Diffusion er en tekst til bilde diffusjonsmodell. Stabil diffusjon er dyplæringmodell som omformer tekst til å generere kunstige bilder, likt Midjourney og DALL-E
Diffusjonsmodeller er også anvendt i PyTorch. Ddiffusjonsmodeller blir brukt til å generere data som de er trent på, men som i diffusjonspreossen (foroverprosessen) omformes ved bruk av Markovkjeder til å legge til lag med Gauss støy. Kan også gjendanne opprinnelig data ved å reversere diffusjons- og støyprosessen. En transoformer lager en sekvens av «tokens» som kan bli omdannet til bilder eller tesktsetninger eller video modeller. Diffusjon ved å fjerne lag for lag med støy og legge til tilsvarende lag med støy, og nåår blir diffusjonsmiddelene koblet til «tokens». Bokstaver og bokstavkombindasjoner og i tokenalfabetet (tokenizer) blir presentert som tall: a=1, ar =2, al= 3.... Mye brukte ord får egen token.
Forover diffusjon via Markov-kjeder og Markovkjede diffusjonsprosessrt. Revers diffusjon brukt i nevrale nettverk. PyTorch er et dyplæringsprogram som benytter seg grafiske prosesseringsenheter (GPU) med en klasse i programmeringsspråket Python kalt Tensor. PyTorch er laget innen den digitale allmenningen under Linux. Anvender prinsipper for diffusjon. Audio-språkmodell (Audio LM) for å lage språk og musikk.
Kunstig intelligens / artifisiell intelligens (AI)
AI er ett datamaskinprogram i en datamaskin kombinert med ekstremt store datasett med enorme mengder data lagret på datatjenere (dataservere) som via grensesnitt API (Application programming itnerface) til sammen tilsynelatende oppfører seg som et menneske som har kunnskaper, tenker og virker rasjonelt. Det vil si at det kan bestå enTuringtest. Med store datasett menes for eksempel all digital informasjon som finnes på internett sammen med alle bøker og medier som er digitalisert. Hva er sannsynligheten for neste ord i en setning basert på alle tekstkorpus som finnes.
Siri (Apple), Alexa (Amazone), Watson (IBM) er eksempler på datasystemer basert på svak AI brukt til å svare på spørsmål. I 1997vant IMBs Deep Blue over Garry Kasparov i sjakk. Alpha Go Zeroer byget opp som et nevralt nettverk og en naturlig Turingmaskin laget av dataselskapet Deep Mind, kjøpt opp av Google, slo den rørkoreanske Lee Sodol i spillet GO. AlphaZero er er dataprogram laget over samme lest som Alpha Go Zero basert på AI og Monte Carlo beslutningstrær med transisjonsmatriser. Trent på parallelprosessering etter prinsippene fra noder i nevrale nettverk og forsterket læring algoritmer, anvendt i sjakkspill i konkurranse med Stockfish og og Elmo. AlphaProof og AlphaGeometry er generativ AI basert på maskinlæring som kan henholdsvis løse matematiske problemer kontrollere om matematiske bevis er riktige eller utføre matematisk geometri. David Silver i Googe Deep Mind eltar iutviklingsarbeidet.
Dyplæring virker som kunstige nevrale nettverk med noder (kontaktpunkter) med flere enn tre lag (dyp), er en læringsalgoritme som kan lære, trenes og synes å kunne å ta «intelligente» avgjørelser og predikasjoner. Informasjon som mottas i ett lag blir transformert i neste lag Dyplæring er en undergruppe innen maskinlæring som etterligner prosessene som skjer i en menneskehjerne med synapsekoblinger mellom nerveceller. Kontaktpunktene i synapser mellom nerveceller og dendritter tilsvarer noder som mottar et signal, prosesserer det, gjør en regneoperasjon og deretter sender det videre til neste node. Nodene kan inngå i et gigantisk nettverk
AI blir brukt i lyd, tale og talegjenkjenning, språkprosessering, språkoversettelse, språkmodeller og språkkommunikasjon (språkrobot) mellom et menneske og en datamaskin, ekspertsystemer, bildegjenkjenning,bildeanalyse med klassifisering og klyngeanalyse. persepsjon av sensorisk informasjon, roboter. I språkmodeller beregnes sannsynligheter og statistisk for hva neste ord i en setning vil være basert på forhåndskunnskap, blant annet innen Bayesiansk inferens. Bayesiansk inferens innen maskinlæring baserer seg å gjøre prediksjoner (slutninger), posterior sannsynlighetsfordeling basert på forhåndskunnskap (prior) og underliggende sannsynlighetsfordelinger. Med Markovkjeder Monte Carlo (MCMC) kan bli brukt for å approksimere posterior sannsynlighetsfordeling. Kan kombineres med sandre statistiske metoder som logistisk regresjon, lineær diskriminantanalyse, klyngeanalyse og beslutningstrær (decision trees). Beslutningstrær består av noder som gir splittinger som i flytdiagrammer og som minner om et tre hvor kronen deler seg ut i greiner. Blir brukt til å ta beslutninger, Markov beslutningsprosesser for tilfeldige (stokastiske) beslutninger og avgjørelser. Kullback-Leiber divergenser brukt i statistisk avstandsmåling mellom to forskjellige sannsynlighetsfordelinger, en for dataobservasjonene med fordelingen P(x) og den andre Q(x) som en approksimasjonsmodell av dataene. Normalfordelingen og betafordelingen er et par eksempler på sannsynlighetstetthetsfordelinger. Navn etter de amerikanske matematikerne Solomon Kullback (1907-1994) og Richard Leibler (1914-2003) som arbeidet med kryptoanalyse og innførte begrepet relativ entropi. Jfr. Shannons entropi innen informasjonsteori. KL-divergens er et ikke-symmetrisk mål (diskret eller kontinuerlig) som måler forskjeller i relativ entropi for informasjonen som finnes i to sannsynlighetsfordelinger Datamaskiner er spesielt velegnet til å utføre matriseregning hvor mxn matriser kan inneholde flere millioner m parametre og millioner av n datapunkter.
Overvåket læring (supervised learning) er algoritmer for trening basert på en modell med treningsdata. Styrt (veiledet)- og ikke-styrt maskinlæring. Support Vektormaskin (SVM) er en overvåket læringsmodell basert på assosiasjoner, klassifisering i kategorier og regresjonsanalyse. Formålet med SVM er å finne et optimum hyperplan som er en todimensjonal linje (rett eller krummet) i et 3D-rom som maksimerer avstanden mellom de nærmeste punktene og hyperplanet som atskiller de to klassene med datapunkter.
Sexindustrien på internett er stor. Det er å forvente at AI-genererte videoer og AI-produserte kvinnemodeller som man kan føre en AI-generert samtale med vil komme i i stor skala
AI og nevrale nettverk
Den amerikanske fysikeren John Jseph Hopfield (f.1933) aog den kanadiske informatikeren Geoffrey E, Hinton (f.1947) fikk nobelprisen i fysikk 2024 «for deres fundamentale oppdagelser og deres oppfinnelser som gjør det mulig med maskinlæring i nevrale nettverk».
Hinton fikk også Turingprisen i 2018, sammen med Yoshua Bengio og Yann LeCun «for conceptual and engineering breakthroughs that have made deep neural networks a critical component of computing». Turing-prisen (ACM A.M. Turing Award) ble i 1966 etablert av den internasjonale informatikkforeningen( Association for Computing Machinery) og betraktes som en «Nobelpris i informatikk».Hopfield-nettverk for assosiativ læring er noder (nevroner) koblet sammen med forskjellig styrkegrad, tilsvarende nevrale nettverk. Illustrert med svarte(0) og hvite (1) punkter i et landskap hvor struktur i data kan kanre informasjon i en innholdsadressert hukommelse, noe silsvarende spinglass. Hinton arbeider med AI og dyplæring. Nevrale nettverk består av mange lag eller sjikt hvor alle noder er i kontakt med de andre nodene, men ikke med seg selv. Informasjonen flyter mellom sjiktene. Bilder er tall i form av piksler, for eksempel et 512 x512 piksler i et bilde. Ord blir uttrykt som n-dimensjonale vektorer med vektorkoordinater som angir retning og avstand i et n-dimensjonalt vektorrom. Hinton påpeker at artifisiell intelligens er uten moral, forskjellig fra biologisk intelligens.
En Boltzmann maskin er en stokastisk Isingmodell eller stokastisk spinglassmodell (Sherrington–Kirkpatrick model) tilknyttet et ytre felt, virker etter Hebbiansk assosiativ læring og anvendes innen maskinlæring. Jfr. Boltzamnnfordelingen . Konvolusjonelle nevrale nettverk inneholder spesielle lag og danner basis for dyplæring.
Web-kravler og høsting av web-sider
Common Crawl hevder å være en ikke-profitt organisasjon som med en webkrabber som har kravlet, trålet og høstet bilder, tekst og datakoder fra hele internett siden 2011, også kopibeskyttet materiale, men ved skyfle og stokke data slipper man unna regelverket for opprettshavbeskyttelsene. Data fra Common Crawl blir brukt som treningsmodell for GPT og kunsitige bildegeneratorer. Common Crawl virker som et web-arkiv og har mange petabyte lagret informasjon fra over tre milliarder nettsider. Common Crawl nå tlknyttet Apache Software Foundation med Apache nutch webkravler. Med APIer (applikasjons programmeringsgrensesnitt), er det mulig å hente data fra Facebook, Instagram og Twitter/X.
Transoformer-arktektur og n-dimensjonale ord-vektorer
Et ord i et språk kan betraktes som en vektorer i en-dimensjonale vektotorrom. Et ord er en n-vektor med mange millioner koordinater. Datamaskiner er svært velegnet til å utføre regneoperasjoner på store matriser. Alle ord i en setning er ikke like viktige for meningsinnholdet, og sentrale ord i en setning kan befinne seg i n-vektorrommet i retning nær andre beslektede ord og synonymer. Ord blir tillagt forskjellig vekting etter deres betydning for meningsinnholdet
«»Tokens» er de minste dataenhetene i digitale språkmodeller hvor setninger og ord blir delt opp i mindre enheter eller bestanddeler. En transoformer lager en sekvens av «tokens» som kan bli omdannet til bilder eller tesktsetninger eller videomodeller.
Maskinlæring («attention» – oppmerksomhet) setter fokus på sammenhengen et ord benyttes. Selvoppmerksomhetsmekanismer, gjentatt oppmerksomhet, konvolusjonell oppmerksomhet, jfr. konvolusjonelle nevrale nettverk.
I vår hjerne er det ikke lagret ord, men disse blir produsert når nevroner i et n-dimensjonalt hjernerom med sine vektorkoordinater blir skrudd av eller på. På samme måte finnes det ikke ord i språkmodeller, bare tall for noder og vektorkoordinater.
Språkmodeller - Transofmermodelller
Språkmodeller blir anvendt i autokorreksjon i tekstbehandlere, stemmegjenkjenning i samtaleroboter, autoutfyller ved å ut fra sannsynlighet heten for neste ord, for eksempel i søkefeltet i Google. Språkmodeller er basert på store tekstkorpus / ttekstkorpora hvor man kan finne sannsynligheter for forekomst av ord, sannsynlighet for at to ord følger etter hverandre tre ord etter hverandre og så videre Finner struktur og mønster ri et språk. All informasjonen om sparket er uttrykt i form av tall i tall multivariable matriser. Tallene i matrisene simulerer nevroner via noder i nettverket. Språkmodeller angir sannsynlighetstettheten for rekkefølge av ord i et språk, hvor man lager en sannsynlighetsmodell for et språk ved å trene på mange tekstkorpora (ent. tekstkorpus) . Sannsynlighetene blir brukt til å prediktere (forutsi) med en viss sannsynlighet det neste ordet i en ordsekvens. Det er lagt til en dialogmodell i et lag over språkmodellen GPT som gjør at språket virker som en naturlig samtale og dialog (dialo-GPT) hvor datamaskinen opptrer tilsynelatende som en kunnskapsmodell med fornuftig samtale og naturlig intelligens (NI). Dialogmodellen er på forhånd trent til generere en konversasjonsrepons. MultiModal-GPT er en dialog- og språkmodell basert på lyd og bilde som etterligner mønstergjenkjenning, samtale og instruksjoner mellom mennesker. Tekst til bilde generative AI, tekst til bild.modeller, gjør det mulig å editere bilder bare ved å snakke.
Språk og kultur er integrert og den som lager og kontrollerer språkmodeller har mulighet til å filtrere vekk uønskete ord og tanker (Orwellsk tankekontroll i 1984)
Er basert på formidable datalagringskapasiteter (exabyte og og zettabyte) i dataservere og gigantiske regnehastigheter i petaflops datamaskiner. 1 exabyte (EB)= 1018 byte er 1 milliard gigabyte (GB). Zettayte (ZB) = 1021 byte
Språkmodellen GPT-4 (Generative Pre-Trained Transformer 4) fra OpenAi, er en type dyplæringsmodell trent med overvåket læring og forsterket læring fra menneskelig tilbakekobling og belønning, anvendt innen Chat-GPT. Kan svare på spørsmål, generere tekst og oversette til andre språk og lage datakoder. GPT er en serie med språkmodeller basert på kunstige nevrale nettverk og transformersbibliotek i brukt i naturlig språkprosessering, og som er trent på store datasett med tekst og er i stand til å generere menneskelignende tekst. Transformersbiblioteket er en Python-pakke med åpen kode brukt til transformeringsmodeller for tekst, bilder og lyd som kan anvendes i PyTorch, TensorFlow og Google JAX dyplæringsbibliotek.
Oppfølgere er Microsoft med Bing annonsert med KI bildegenerator tilknyttet Edge. Google Bard er Googles oppfølging av Chat-GPT.
Googles Med-PaLM er en språkmodell utviklet og designet for å kunne gi høykvalitetssvar på medisinske spørsmål.
Et stort selskap som Google er lite interessert i å ødelegge sitt gode rykte, spesielt hvis Google oså kunne finansiere stiftelser som er dedikert til forskning.
Gemini er en multimodal språkmodell fra Google. Google Gemini er en generativ AI-chatbot basert på store språkmodeller (LIMS).
Microsoft Copilot er en chatbot laget av Microsoft AI og anvender chat-GPT-4-5 fra OpenAI.
Pangram AI-detektor er et program utviklet av Pangram Labs som kan avgjøre om en tekst er AI-generert (gr.k pan- altomfattende; gramma - bokstav). Inneholder også en bilde-detektor.
Språkmodeller , bildegeneratorer, trening og rettighetshavere
Språkmodellene og bildegeneratorene med dyplæring har brukt alt som finnes digitalisert i hele verden som treningsdata, og dette har allerede skjedd før noen skjønte at det er ikke bare å forsyne seg uten tanke på opprettshaverregler. Common Crawl har holdt på siden 2011 . Google og Microsoft har gjort det samme, pluss de vi ikke vet om ? Treningsdata: Alt som er publisert på internett på alle verdens språk, alle datakoder som finnes i dataprogrammer med åpen kildekilde (den digitale allmenningen), alle bøker i hele verden som er digitalisert, hele wikipedia, alle digitaliserte bilder, videoer, film, aviser, alt som er lagt ut på sosiale medier. En grov og uhemmet bruk av all verdens kunnskap som treningsverktøy. Hva med originalbilder som blir ,ed diffusjonsmodeller brukt til å generere nye databilder ? Mål kommersiell profitt ?, men først blir vi gjort avhengige akkurat som en narkotika-dealer jobber. Det finnes bilder av personer som aldri har eksistert. Her er det lett å bli lurt.
Eu har prisverdig laget Artificial Intelligence Act (EU-forordningen om kunstig intelligens) laget et regelverk og lovverk for all AI med risikovurderinger og merkingsbestemmelser iverksatt fra august 2024.
AI og automatisk talegjenkjenning
AI og språkoversettelse
AI DNA og gener
Den neste revolusjonen innen AU og biologi etter AlphaFold2 og 3 er AI analyse av struktur, enkeltbasepolymorfier, orden og form i den nesten ufattelig mengden med sekvensdata for genomet til mange av jordens arter. I disse sekvensdatatene vil det garantert ligge skjultinformasjon. Kanskje kan det gi iformasjon etter hvilke enkle prinsipper livet utvikler seg.
AI og medisin
AlphaFold utvilke av DeepMind er AI-basert og kan forutsi den tredimensjoanale strukturen til alle proteiner hvis man kjenner aminosyreskevensen. Samme prinsipp kan anvendes i utvikling av nye legemidler som sal binde seg til aktive seter heller hemmende seter på enzymer. Generering av patogene virus i terroraksjon.
AI og bildeanalyse
AI og maskinlæring er spesielt velegnet til å analysere informasjon som finnes i digitale bilder. Innen helsevesenet analyse av røntgenbilder, PET-scanbilder, MR-bilder eller mikroskopipreparater fra biopsier i studier av celleforandringer. Innen miljøovervåkning analyse av satellittbilder. Analyse av fingeravtrykk. Bilder av organismer brukt til artsidentifisering.
Videoovervåkning, ansiktsanalyse og individgjenkjenning basert på bildeanalyse er i aktiv bruk i Kina, Store bror ser deg. For eksempel ved å ta ansiktsbilde av alle tilskuere som skal inn på en fotballbane kan kan myndighetene når som helst rykke inn på tribunen og arrestere en dissident og politisk mostander som befinner seg der.
AI og meteorologi
Prediksjon av vær basert på et komplekst system med partielle differensialligninger og massiv datainnsamling, GraphCast er en AI-basert dyplæring treningsmoddell utviklet Google DeepMind og Alphabet.
AI og matematiske bevis
Open AI hevder i september 2026 å ha bevist Navier-Stoke-ligningen. Leiden erklæringen om AI og matematikk (2026) fra Den internasjonale matematiske union som uttrykker bekymring vedrørende AI-genererte bevis innen matematikk fra selskaper OpenAI, Anthropic, Google DeepMind , Harmonic, Math Inc. aog Axiom Math. Open I la frem a frem oktober 202 i et GitHub-depot repositotium resultatene fra Codex Ai-agenter og AI-genererte bevisfor 722 matematiske problemstillinger logisk kontrollert av LEAN-bevisassistent.
AI og kunstneriske uttrykk (musikk, bilder, film)
AI og kunstuttrykk
AI er en silisiumbasert intelligens som bygger på vår karbonbaserte intelligens og kan bli brukt til å skape det vi vil kalle kunst. Enkelte mener at kunstnerisk talent innen bildekunst, musikk og litteratur bare er noe mennesker har, men egentlig er all kunst kopier og en lang rekke kopier fra kopiene Bildekunst og musikk opprinnelig kopiert fra naturen. Litteratur kopiert fra muntlige mytefortellinger og fra Homer og de greske tragedieforfattere.
AI og virkelighet
Tidligere kunne vi til en viss grad stole på bilder, videoer, og muntlig tale ned stemmer fra noen vi kjenner. Det finnes nå bilder av personer som aldri har eksistert og det kan bli krevende o skille ut hva som er ekte.
Mythos 5 også kat Claude Mythos er en kraftig AI og stor språkmodelllaget av det amerikanske firmaet Annthropic. Evolusjonsbiologien Richard Dawkins hevder i en artikkel 2026 at Claud, som han kaller Claudia, e har bevissthet.
AI i naturovervåking og økosystemendringer
Fra en database med fuglesang fra alle verdens fuglearter kan man fra lydopptak fra en biotop kombinert med AI identifisere hvilke fugler som finnes der ut fra det samlede lydbilde tatt opp med mikrofoner. Over tid gir det mulighet til å observere økosystemendringer. Samme teknikk kan anvendes for parringslyder fra frosker i tropisk regnskog, artsidentifisering av lydproduserende insekter for eksempel sikader eller lyder fra pattedyr. Viltkameraer koblet til internett er en av de mange kildene som kan anvendes i datainnsamling.
Habermasmaskin
Beslutningstakere og politikere klarer ikke lenger å lese og analysere større mengder tekst og saksdokumenter (dagens skoleverk har bidratt sterkt til dette) og har overlatt det hele til AI-modeller å trekke konkusjoner fra store datamengder. AI er også en trussel mot demokrati og fri tankegang. Russland, Kina og deres lakeier forsøker å påvirke folkemeninger i de demokratiske statene med bruk av AI. Ungdom som bare får servert nyheter via sosiale medier er et lytt bytte for tankepåvirkere.
DeepMind laget en Turing-maskin basert på lag med nevrale nettverk som virker etter samme prinsipp som korttidshukommelsen i menneskehjernen. Nå Google Deep Mind, som også har laget en Habermasmaskin tenkt brukt i AI-baserte beslutningsprosesser samtale (kommunativ samhandling) , lanalyse, rasjonalitet og sammenstilling av meninger i et demokratisk tankesett. Anvender den minre Chinchilla språkmodel. Navn etter den tyske sosiologen og filosofen Jürgen Habermas (f. 1929) med bokaTheorie des kommunikativen Handelns (1981).
Det er kommet mye skepsis i tilknytning til bruk av AI og at teknologien er styrt og ledet av anoen få merikanske og kinesiske dataselskaper. Det bygges naturødeleggende vindkraftverk og vernede vassdrag ofres for å skaffe elektrisk strøm til gigantiske energikrevende datasentre eid at techgigantene. Vi må ikke la oss lure. Si stopp.
Litteratur
Wikipedia