Grunnleggende om KI

Velkommen! Hvis du er ny innen KI, trenger du ikke å ha teknisk bakgrunn for å komme i gang. Det som hjelper mest, er et enkelt kart over landskapet – slik at du kan forstå hva KI-systemer kan gjøre, hvordan de er utformet, og hvordan du velger det riktige verktøyet for dine behov.

Kunstig intelligens (KI) er en bred kategori programvare som kan gjenkjenne mønstre, lære av data og produsere nyttige utdata. 

Du har sikkert sett KI dukke opp i hverdagsøyeblikk, som når:

• Kartappen din leder deg utenom trafikken
• Banken din markerer et kjøp som «uvanlig»
• En chatbot for kundestøtte svarer på vanlige spørsmål

KI er en kategori – ikke ett enkelt verktøy. Innenfor den kategorien finnes modeller: trente systemer som lærer av data og deretter bruker det de har lært i nye situasjoner. Noen modeller spesialiserer seg på tale, syn eller prognoser. 

Du starter sannsynligvis KI-reisen din med å bruke samtalebaserte KI-verktøy, som ChatGPT. Modellene bak ChatGPT er spesialisert på språk – disse kalles store språkmodeller.

En stor språkmodell (LLM) er en modell som er utviklet for å arbeide med språk. Den lærer mønstre fra store mengder tekst fra mange kilder, slik at den kan generere og transformere tekst på nyttige måter. En LLM «vet» ikke ting på samme måte som et menneske gjør. I stedet forutsier den den mest sannsynlige neste språkenheten basert på konteksten. Over tid gjorde fremskritt innen datakraft, treningsmetoder og tilgang til store datasett det mulig å bygge større og mer kapable store språkmodeller. 

OpenAI og andre banebrytende forskningslaboratorier bygger disse modellene som en kjerne del av tilbudet sitt, og gjør dem deretter tilgjengelige gjennom brukervendte produkter (som ChatGPT eller Codex) og gjennom API-er, som lar utviklere bruke disse modellene til å bygge sine egne KI-verktøy og integrere KI i eksisterende programvare.

Nye modeller blir tilgjengelige fra disse forskningslaboratoriene når de har blitt trent opp og har bestått intern evaluering og sikkerhetstesting.  Når du hører at en KI-modell ble «lært opp», viser det vanligvis til to trinn– tenk på det som at noen lærer og blir bedre i jobben sin.

Det første stadiet er førtrening, når modellen lærer generelle mønstre fra en enorm mengde tekst, noe som gir den brede ferdigheter som oppsummering, utarbeidelse, oversettelse og forklaring. 

Tenk på det som en nyansatt som bruker flere uker på å lese alt de kan – manualer, eksempler på godt arbeid, tidligere prosjekter, vanlige spørsmål – til de forstår «formen» på jobben.

Nå begynner «employee» å gjøre arbeidet, og en «manager» veileder dem: vær tydeligere, still gode oppfølgingsspørsmål, bruk riktig tone og følg selskapets retningslinjer. Det er etteropplæring. Dette stadiet hjelper modellen med å følge instruksjoner mer pålitelig, kommunisere på en nyttig måte og håndtere vanskelige situasjoner bedre.

Ettertrening er også der sikkerhetssjekker blir vektlagt – opplæring som er utformet for å redusere skadelige utdata, unngå uønskede forespørsler og svare mer forsiktig når emnet er sensitivt eller usikkert.

Etter hvert som modell oppdateres og trenes, kan du merke endringer i tone eller svar. Hvis du vil ha konsistente resultater, bør du være tydelig på målet, målgruppen, formatet og begrensningene dine – og forvente at modellen er mer forsiktig når sikkerhet eller usikkerhet er involvert.

Ulike modeller er tilpasset ulike avveininger – som hastighet, dybde og hvor nøye de følger instruksjoner i flere trinn. Noen er utformet for å svare raskt og smidig på hverdagsoppgaver (utarbeiding, oppsummering, omskriving, idémyldring). Andre er designet for å bruke mer datakraft på å tenke gjennom et problem før de svarer, noe som kan forbedre påliteligheten i mer krevende arbeid med flere trinn. 

Ikke-resonnerende modeller (noen ganger merket som «Instant») er optimalisert for raske, flytende svar. De er et godt standardvalg når oppgaven er enkel og du først og fremst vil ha fremdrift: gjøre notater om til en melding, finpusse ordlyden, generere alternativer eller trekke ut hovedpoengene. 

Resonneringsmodell (noen ganger merket som «Tenking») er trent til å bli bedre på bevisst, trinnvis problemløsing – ting som planlegging, komplekse analyser, vanskelig feilsøking eller beslutninger med begrensninger og kanttilfeller. De kan ta lengre tid, men de er ofte bedre til å holde oversikt over flere bevegelige deler og unngå overfladiske feil.

Hvis du nettopp har kommet i gang, trenger du ikke å bekymre deg for valg av modell – standardopplevelsen i ChatGPT er utviklet for å auto-switch, slik at du kan fokusere på spørsmålet ditt, ikke innstillingene.

Over tid, etter hvert som du lærer hva du liker best (hastighet kontra dybde, raske utkast kontra grundig analyse), kan du begynne å eksperimentere med de valgfrie kontrollene: for eksempel ved å velge Auto mesteparten av tiden, og bytte til Thinking når en oppgave er kompleks eller krevende.

Her er det enkle hierarkiet:

• KI = det overordnede feltet
• Modell = opplærte systemer som utfører bestemte oppgaver
• Store språkmodeller (LLM-er) = modell som er fokusert på å forstå og generere språk, trent over tid av KI-forskningslaboratorier
• ChatGPT = et produkt som hjelper deg med å bruke en LLM effektivt

Når du har dette bildet klart for deg, ligger alt til rette for at du kan lære hvordan du får gode resultater med verktøy som ChatGPT – fra og med hvordan du snakker med det for å få resultatene du ønsker.

Lær om å komme i gang med ChatGPT og promptutforming.