Kunstig intelligens (KI) eller “artificial intelligence” (AI) på engelsk, er eit samleomgrep på datasystem som kan lære av eigne erfaringar og løyse komplekse problem i ulike situasjonar. Viss ei maskin kan løyse problem, utføre ei oppgåve eller har andre kognitive funksjonar som eit menneske, så kan vi seie at det har kunstig intelligens.
Kor finn du KI? Overalt!
- Ansiktsgjenkjenning: Når du låser opp telefonen din med ansiktet, er det KI som analyserer trekka dine.
- Tekstforutsigelse: Når telefonen din foreslår ord medan du skriv, er det KI som prøver å gjette kva du vil skrive neste.
- Kamera-apper: Mange kamera-apper har funksjonar som automatisk justerer innstillingar, fokuserer på ansikt eller til og med foreslår bilete du kan ta.
- Digitale assistentar: Siri, Google Assistant og liknande bruker KI for å forstå kva du seier og svare deg.
- Straumetenester: Når Netflix føreslår filmar eller seriar, er det KI i sving.
- Sosiale medium: KI hjelper til med å vise deg innhald du kanskje likar.
- Reklame på nett: Reklamen du ser på nettsider er ofte tilpassa deg basert på kva KI har lært om dine interesser.
Kva er maskinlæring?
Maskinlæring er ein underkategori av kunstig intelligens der ein trener opp eit dataprogram, ein modell, slik at det kan ta avgjerder utan menneskeleg hjelp. Tenk deg at du skal lære nokon å kjenne att kattebilete. I staden for å fortelje dei heilt nøyaktig korleis ei katte ser ut (spisse øyrer, værhår osv.), så viser du dei berre massevis av kattebilete. Etter kvart vil dei klare å sjå forskjell på ei katte og ein hund, sjølv om dei aldri har sett akkurat det biletet før.
Maskinlæring fungerer litt på same måte med datamaskiner. I staden for å skrive inn masse reglar, gir vi maskina mykje data. Ho lærer sjølv å finne mønster i desse dataene og kan etter kvart ta eigne avgjerder. Jo meir data ho får, jo betre blir ho. Vi seier at maskina "lærer" i staden for å bli programmert.
Kva er generativ kunstig intelligens?
Okei, tenk deg at vanleg KI (som vi snakka om før) er flink til å kjenne att ting eller finne mønster i data som allereie finst. Til dømes kan den sjå om eit bilete inneheld ei katte eller ikkje, eller kanskje forutsjå kva for ein film du vil like basert på kva du har sett før.
Generativ KI er litt annleis. I staden for å berre analysere eller kjenne att, så kan den lage noko nytt. Det er som om den har lært seg korleis ting ser ut, høyrast ut eller er skrive, og så kan den bruke den kunnskapen til å skape heilt nye ting som ikkje har eksistert før.
Her er nokre eksempel på kva generativ KI kan gjere:
- Lage tekst: Den kan skrive heile tekstar, som for eksempel dikt, noveller, e-postar eller til og med kode for dataprogram. Du har kanskje høyrt om praterobotar som kan halde samtalar – det er ofte generativ KI i sving.
- Skapa bilete: Den kan generere heilt nye bilete frå botnen av, basert på ei beskriving du gir den. Du kan for eksempel be den om å lage eit bilete av ein "rosa elefant som flyg over månen", og den vil prøve å skape det.
- Komponere musikk: Generativ KI kan lage nye musikkstykke i ulike sjangrar.
- Designe ting: Den kan til og med hjelpe til med å designe nye produkt eller arkitektur.
Korleis får den til dette? Jo, den blir trent på enorme mengder med eksisterande data. Til dømes, for å lære å skrive tekst, blir den mata med massevis av bøker, artiklar og nettsider. Etter kvart lærer den seg mønster i språket og kan bruke den kunnskapen til å generere ny tekst som høyrest naturleg ut.
Så, i staden for at du berre får svar basert på informasjon som allereie finst, kan generativ KI faktisk skape noko nytt og originalt. Det er litt som om maskina har blitt ein kreativ kunstnar, berre at den bruker data i staden for pensel eller instrument.
Du har kanskje sett eksempel på dette på internett, der folk har brukt KI til å lage rare og fantastiske bilete eller skrive tekstar i stilen til ein spesifikk forfattar. Det er generativ KI i praksis!
Kva er ein praterobot?
Ein praterobot, eller chatbot på engelsk, er eit nettbasert verktøy som brukar kunstig intelligens og komplekse algoritmar til å generere tekstar baserte på store språkmodellar. Det skjer ved å simulere menneskeleg tale og skrift i dialogform.
Store språkmodellar
Store språkmodellar (forkorta ofte til LLM etter engelsk "Large Language Models") er eigentleg hjernen bak mange av dei smarte praterobotane og mykje av den generative KI-en vi har snakka om. Tenk på dei som veldig avanserte versjonar av dei algoritmane som lærer å forstå og generere tekst.
Du kan sjå for deg at ein stor språkmodell har lese enormt mange bøker, artiklar, nettsider og all slags tekst som finst på internett. Ved å lese alt dette, har modellen lært seg masse om korleis språket fungerer: kva ord som ofte kjem saman, korleis setningar er bygd opp, og til og med litt om kva ulike ord og uttrykk betyr i ulike samanhengar.
Det er litt som når du lærer eit nytt språk. Jo meir du les og høyrer språket, jo betre blir du til å forstå det og til å snakke og skrive sjølv. Store språkmodellar gjer noko liknande, berre i mykje større skala og mykje raskare.
Det som gjer desse modellane "store" er ikkje berre mengda data dei er trent på, men også kor komplekse dei er internt. Dei har mange "koplingar" og "vektar" som hjelper dei å fange opp dei intrikate mønstera i språket.
Når vi skal bruke språkmodellar, gir vi ein instruks om kva dei skal produsere. Dette blir gjerne kalla «prompt» / ledetekst.
Prompt/ledetekst: Tekstleg instruks til ein generativ KI-modell, som brukaren skriv til modellen før den genererer noko.
Når språkmodellar snakkar til oss, kan dei verke veldig overtydande og menneskeleg. Det kan lett få oss til å stole blindt på det dei seier, sjølv om dei eigentleg ikkje "tenkjer" slik vi gjer.
Du må nemleg hugse at sjølv om dei verkar smarte, så har ikkje språkmodellar noka eiga forståing av kva orda betyr eller om det dei seier er sant eller ikkje. I staden handlar det om at dei heile tida reknar ut kva for eit ord eller teikn som mest sannsynleg kjem etter det førre. Dei har lært dette ved å analysere enorme mengder tekst.
Tenk på det som at dei berre gjettar kva som passar best i ei setning basert på mønster dei har sett før. Her er eit godt eksempel:
«Når eg blir svolten, så _______.»
Kva trur du ein språkmodell ville foreslått her? Jo, den ville rekna ut kva som er mest sannsynleg basert på alle setningane den har lest tidlegare. Kanskje noko sånt som:
- «lagar eg mat»: veldig sannsynleg (40,5 %)
- «lagar eg middag»: også ganske sannsynleg (22,4 %)
- «varmar eg opp pasta»: litt mindre sannsynleg, men mogleg (10,8 %)
- «tek eg ein lur»: veldig usannsynleg (0,001 %)
Desse prosentane viser kor sannsynleg modellen trur kvart alternativ er, basert på det den har lært. Den "velger" gjerne det som har høgast sannsynlighet.
Moderne språkmodellar er veldig avanserte, altså. Dei ser ikkje berre på det eine ordet som kom før, men dei prøver å forstå heile samanhengen i setninga og til og med i heile teksten. Dei analyserer meir enn berre rekkjefølgja av ord. Dei lærer om språk ved hjelp av maskinlæring og nevrale nettverk. Det er litt komplisert, men i hovudsak betyr det at dei gradvis blir betre og betre til å gjette kva som skal kome neste, jo meir data dei får sjå.
Så, sjølv om dei kan virke veldig overtydande, er det viktig å huske at dei eigentleg berre legg fram det som verkar mest sannsynleg basert på data. Dei har ikkje noka djupare forståing for om det dei seier er sant eller meingsfylt på same måte som eit menneske har. Difor må vi alltid vere kritiske når vi les tekst som er laga av ein språkmodell og ikkje berre stole blindt på den.
Etiske reglar og kulturelle vridingar i språkmodellar
Praterobotar har ofte interne reglar for kva dei ikkje skal svare på, som for eksempel kva du skal stemme. Men ein kan ofte omgå desse sperrene ved å stille spørsmålet på ein lurare måte, med meir bakgrunn. Til dømes, i staden for å spørje kven du skal stemme på, kan du spørje kva parti som passar best for ein person oppteken av miljø og samferdsel.
Eit anna poeng er at robotane kan ha kulturelle "skjevheiter". Om du spør om ein "god" frukost, vil roboten kanskje foreslå sunne ting, men "god" er ikkje alltid det same som sunt. Sidan mange robotar er trena på amerikanske tekstar, kan forslaga også vere meir vanlege i USA enn i Noreg. Spør du etter ein "god, norsk frukost", får du kanskje eit anna svar.
Dette viser at sjølv om robotane prøver å vere nøytrale, kan dei vere påverka av dei som har laga dei og informasjonen dei har fått. Dette kan farge svara deira.
Derfor er det viktig å diskutere:
- Kva andre tema trur du er sperra?
- Kvifor trur du dei er sperra?
- Korleis kan retningslinjer, kultur og meiningar hos dei som lagar robotane påverke svara og oss som brukarar, og kanskje samfunnet negativt?