AFKI (Akademiet For Kunstig Intelligens) er en norsk leverandør av kurs, workshops og rådgivning innen kunstig intelligens. Vi hjelper bedrifter og organisasjoner med å forstå og implementere AI-løsninger, slik at de kan oppnå økt effektivitet og konkurransefortrinn.
Hvem passer kursene deres for?
Kursene våre er rettet mot alle som ønsker en praktisk og forretningsorientert tilnærming til kunstig intelligens – fra ledere og beslutningstakere til IT-spesialister og markedsførere. Vi tilbyr ulike nivåer, slik at både nybegynnere og viderekomne kan finne et passende opplegg.
Hvordan gjennomføres kursene hos AFKI?
Vi tilbyr både fysiske workshops, bedriftsinterne kurs og nettbaserte løsninger. Du kan delta på faste kursdatoer eller be om skreddersydde opplegg for din bedrift. Våre instruktører er erfarne fagfolk med solid bakgrunn i AI, maskinlæring og forretningsutvikling.
Hvor lang tid tar det å fullføre et kurs?
Varigheten varierer etter kurstype og nivå. Våre grunnleggende kurs kan gjennomføres på én dag, mens mer avanserte program kan strekke seg over flere uker med nettbasert oppfølging og praktiske oppgaver.
Hvilke temaer dekkes i AFKI-kursene?
Vi dekker et bredt spekter av temaer innen kunstig intelligens, blant annet:
Maskinlæring og dyp læring
Naturlig språkbehandling (NLP)
Datavisjon (Computer Vision)
Etikk og personvern i AI
Forretningsstrategi og AI-implementering
Trenger jeg teknisk bakgrunn for å delta?
Nei, det kommer an på kurset. Vi har introduksjonskurs som krever lite eller ingen teknisk bakgrunn, samt mer avanserte kurs som er rettet mot utviklere, dataingeniører og andre med teknisk kompetanse. Våre kursbeskrivelser gir tydelig informasjon om forkunnskapskrav.
Kan AFKI hjelpe med konkrete AI-prosjekter i bedriften min?
Absolutt. I tillegg til kurs og workshops tilbyr vi også rådgivning og konsulenttjenester. Vi kan bistå med alt fra konseptutvikling og prototyping til full implementering av AI-løsninger i din virksomhet.
Hvordan kan jeg bestille et kurs eller be om et tilbud?
Du kan enkelt fylle ut kontaktskjemaet på vår kontaktside eller sende en e-post til oss. Vi tar kontakt for å diskutere dine behov og skreddersy et kursopplegg eller en konsulentløsning som passer for din bedrift.
Hvor holder AFKI til, og kan dere reise ut til oss?
AFKI er basert i Norge og holder jevnlig kurs i flere større byer. Vi tilbyr også bedriftsinterne kurs og reiser gjerne ut til din lokasjon ved behov. Ta kontakt, så finner vi en praktisk løsning.
Hvordan sikrer AFKI at kursinnholdet er oppdatert?
Våre kursholdere og rådgivere følger kontinuerlig med på utviklingen innen AI og maskinlæring. Vi oppdaterer kursinnholdet jevnlig for å reflektere de nyeste trendene, verktøyene og beste praksisene i bransjen.
AI-ordliste: Forstå kjernebegrepene
Kunstig intelligens er et komplekst fagfelt med mange tekniske begreper. For å gjøre det enklere å navigere i landskapet har vi laget en oversikt over sentrale AI-uttrykk – forklart på en forståelig og praktisk måte. Denne siden oppdateres jevnlig med nye begreper etter hvert som teknologien utvikler seg.
AGI – Kunstig generell intelligens
AGI beskriver en hypotetisk AI som er like dyktig eller bedre enn mennesker på de fleste oppgaver. Mens dagens AI-modeller er spesialister, er AGI en «altmulig-arbeider». Definisjonene varierer, men fellesnevneren er høy grad av autonomi og bredde i kognitive evner.
AI-agent
En AI-agent er en selvstendig digital hjelper som kan utføre komplekse oppgaver på dine vegne – som å føre reiseregninger, booke møter, skrive kode eller sende e-poster. Den kombinerer flere AI-komponenter for å gjennomføre steg-for-steg-prosesser uten menneskelig innblanding.
Chain of Thought – Tankeprosess for AI
Dette handler om at AI løser oppgaver stegvis, i stedet for å gå rett på svaret. Modellen «tenker høyt» ved å bryte problemet ned i mindre deler. Dette gir ofte bedre og mer presise svar, spesielt i logiske oppgaver og programmering.
Dyp læring
En avansert form for maskinlæring som benytter kunstige nevrale nettverk. Disse modellene lærer å gjenkjenne komplekse mønstre i store datamengder og forbedrer seg over tid. Dyp læring brukes blant annet i bildegjenkjenning, tale, og generativ AI.
Diffusjon
Kjerneteknologien bak mange AI-modeller som lager bilder, musikk eller tekst. I praksis "ødelegger" modellen data ved å legge til støy – for så å lære hvordan den kan bygge det opp igjen. Dette muliggjør AI-generering av bilder, stemmer og mer.
Destillasjon
En metode for å gjøre store AI-modeller raskere og billigere ved å lære en mindre modell å etterligne en større modell. Dette gjør det mulig å bruke kraftige AI-funksjoner på vanlige enheter, som mobiltelefoner, uten å tape for mye kvalitet.
Finjustering (Fine-tuning)
Når en ferdigtrent AI-modell spesialiseres for en bestemt bransje eller oppgave, kaller vi det finjustering. Et selskap kan for eksempel trene en språkmodell videre på egne tekster for å få mer relevante resultater for sitt domene.
GAN – Generative Adversarial Networks
To AI-modeller jobber mot hverandre: én lager noe (f.eks. et bilde), og den andre vurderer hvor ekte det ser ut. Denne "konkurransen" forbedrer kvaliteten raskt og brukes blant annet til deepfakes og realistisk bildegenerering.
Hallusinasjon
Når AI-modeller finner på informasjon som virker overbevisende, men er feil. Hallusinasjoner er en stor utfordring innen generativ AI, og årsaken er ofte hull i treningsdataene. Derfor er det viktig å bruke AI med fornuft – og gjerne med spesialisert kunnskap.
Inferens
Selve bruken av AI-modellen etter at den er trent. Når du stiller et spørsmål til ChatGPT, skjer det som kalles inferens: modellen analyserer spørsmålet og genererer et svar basert på hva den har lært tidligere.
Stor språkmodell (LLM)
Disse er hjernen bak verktøy som ChatGPT, Claude og Gemini. De er trent på enorme mengder tekst for å forstå og generere språk. LLM-er brukes i alt fra kundeservice og markedsføring til produktivitet og automatisering.
Nevralt nettverk
Grunnstrukturen i moderne AI, inspirert av hjernen. Består av flere lag med «noder» som bearbeider informasjon og lærer mønstre. Jo flere lag (dypere nettverk), desto mer komplekse oppgaver kan AI løse.
Trening
Prosessen hvor AI-modellen «lærer» ved å analysere store mengder data og justere seg for å gi riktige resultater. Store språkmodeller er trent på milliarder av tekstlinjer, og kostnadene for trening kan være betydelige.
Overføring av læring (Transfer learning)
Bruk av en modell som allerede er trent, som utgangspunkt for å løse en ny og beslektet oppgave. Dette sparer tid og kostnader, og gjør det mulig å bygge effektive løsninger selv med begrenset data.
Vekter (Weights)
Numeriske verdier som styrer hva AI-modellen anser som viktig i dataene. Under trening justeres vektene slik at modellen blir bedre til å gi riktige svar – akkurat som vi mennesker lærer hva som er viktig i en oppgave.