AI hånd og menneskelig hånd rør hinanden
05.09.2023 AI

AI, ven eller fjende?

AI formår at indtil videre virkelig at gøre sit indtog i det danske samfund, vi tager jer igennem hvorfor og giver en intro til morgendagens teknologier

Skrevet af

Thomas Sørensen

Indledning

AI er på alles læber, og en rigtig stor del er bange for hvad det betyder for deres daglige arbejde. AI har været her siden 1960’erne, men er først blevet udgivet til befolkingen nu, hvorimod det kun var store tech giganter der havde adgang til disse teknologier førhen.

Der er dog godt nyt! AI er ikke kommet for at erstatte os, men derimod at hjælpe os i vores arbejdsgang til at være mere effektiv, dog er det vigtigt at notere at selvom det ikke overtager dit job, risikerer du at miste det til andre personer der forstår hvordan de skal udnytte AI.

Hvis man går ind på Jobindex.dk, står der under langt den største del af stillingerne at erfaring med Office-programmer er et stort plus, netop fordi dette gør dagligdagen nemmere, i fremtiden kommer AI højst sandsynligt til at stå side om side med dette.

 

Bliv ringet op!

Hvilke AI-applikationer bruges der der? 

Lad os gennemgå de mest hyppigt brugte modeller, samt se hvilke fokuspunkter de hver især dækker.

ChatGPT: Bruges til at analyser data, sparring, idegenerering, tekstforfattelse og meget mere. Med sine over 800+ plugins er GPT kommet så langt, at det bliver svært at forudse hvornår det skal stoppe. Plugins kan bruges til blandt andet: 

*Ændre direkte inde i word/excel.

*Skabe PowerPoints

*Søge på internettet

*Lave billeder, diagrammer og meget mere ud fra prompts.

Bard: Mange af de samme ting som GPT, dog begrænset da der ikke er plugins. Fordelen ved Bard, er at du uden at betale, indtil videre har adgang til data i realtid. Bard er den bedre model, hvis du ikke ønsker at bruge penge på produktet.

MidJourney/Dall-E-2: Lidt mindre kendte, dog virkelig store spillere inden for AI, som bruges til at skabe billeder ud fra tekst, hvilket også er brugt i denne artikel. Disse modeller gør grafik og redigeringsprogrammer mindre værd, ved at gøre hele processen mere simpel. Man behøver ikke længere at være grafisk designer for at lave fornuftig grafik, fordi AI bliver bedre og bedre til at gøre dette ud fra tekst.

AI

Fordele ved AI i din dagligdag

AI kan analysere alt slags data, og gør derfor din kedelige to-do's til fortid.     

Du får en sparringspartner der er ulig nogen anden du nogensinde har mødt!     

Udvikl nye kompetencer. Ikke en haj til markedsføring? Lad GPT hjælpe dig. Prøvet at tegne illustrationer i Adobe pakken før, men uden det store held? Så er MidJourney lige pludselig din bedste ven!     

Tager oplæring af nye medarbejdere for lang tid? Intet problem, AI kan integreres således at den forstår din virksomhed ind og ud, så har de nye medarbejdere altid en at spørge om hjælp.   

OpenAI tekst og logo

Hvordan virker AI?

AI-platforme som ChatGPT, Bard og Midjourney bruger en type maskinlæring kaldet stor sprogmodel (LLM). LLM’er er trænet på et massivt datasæt af tekst og kode, hvilket gør dem i stand til at generere tekst, oversætte sprog, skrive forskellige former for kreativt indhold og besvare dine spørgsmål på en informativ måde.

LLM’er fungerer ved at bruge en teknik kaldet neural netværk. Neurale netværk er inspireret af hjernens måde at behandle information på. De består af en række nodere, der er forbundet med hinanden. Når en LLM bliver præsenteret for en indgang, som f.eks. en tekstsætning, vil den bruge neurale netværket til at generere en uddata, som f.eks. en tekstsætning eller et billede.

LLM’er er stadig under udvikling, men de har potentiale til at revolutionere den måde, vi bruger teknologi på. De kan bruges til at skabe nye former for kunst og litteratur, forbedre vores evne til at kommunikere med hinanden, og gøre det lettere for os at lære nye ting.

Her er et mere detaljeret overblik over, hvordan LLM’er fungerer:

  1. Datasæt. Det første skridt i at træne en LLM er at samle et datasæt af tekst og kode. Dette datasæt kan omfatte bøger, artikler, koder, e-mail, sociale medier-opslag og andre former for tekst.
  2. Træning. Når datasættet er samlet, vil LLM’en blive trænet. Dette gøres ved at give LLM’en en indgang og derefter præsentere den med den korrekte uddata. LLM’en vil bruge disse oplysninger til at lære, hvordan den kan generere tekst, der ligner den korrekte uddata.
  3. Generering. Når LLM’en er trænet, kan den bruges til at generere tekst. Dette gøres ved at give LLM’en en indgang, som f.eks. en tekstsætning eller et spørgsmål. LLM’en vil derefter bruge sin viden om sprog til at generere tekst, der er relevant for indgangen.

 

Læs mere fra vores arkiv af artikler her