Hva er kunstig intelligens?
Kunstig intelligens er et paraplybegrep om teknologi som gjør datamaskiner og programmer i stand til å utføre oppgaver som vanligvis krever menneskelig intelligens. Dette inkluderer ting som å forstå språk, gjenkjenne tale og bilder, løse problemer, ta beslutninger og lære fra erfaringer.
Kunstig intelligens har ingen forståelse av hvordan verden “egentlig” er:
Hva vil det si at en maskin er intelligent? Intelligens er et vidt begrep, men man sier ofte at en datamaskin som kan løse oppgaver uten å få instruksjoner fra et menneske om hvordan den skal gjøre det, har kunstig intelligens.
KI har begrensninger – den forholder seg til materialet den er trent på , som er nesten uendelige mengder data, og har ikke en forståelse av verden slik den «egentlig» er. Den vet ikke en gang at det finnes en «egentlig» verden, annet enn et abstrakt konsept som den aksepterer ut fra det den er trent på.
Det som er lett for et menneske er vanskelig for en maskin og omvendt – for eksempel er det lett for et menneske å tolke ansiktsuttrykk, men vanskelig for KI – men for KI er det å forstå store mengder data på kort tid lett, men vanskelig for et menneske.
Maskinlæring, naturlig språkprossessering og generativ kunstig intelligens
Du har helt sikkert hørt om ChatGPT, en veldig avansert chatbot. En chatbot er et program som kan føre naturlige samtaler, svare på spørsmål og hjelpe med forskjellige oppgaver. Du har kanskje møtt enklere chatboter i kundeservice, for eksempel hos kommunen eller i en nettbutikk, men disse enkle chatbotene gir ofte faste svar på forhåndsbestemte spørsmål. ChatGPT, derimot, er mye mer avansert. La oss se på hva som ligger bak en slik chatbot.
Maskinlæring
For å lage en chatbot som ChatGPT, er maskinlæring nødvendig. Maskinlæring gjør at systemet kan finne sammenhenger og mønstre i store mengder data. Ved å forstå disse mønstrene kan chatboten gi fornuftige svar på mange ulike spørsmål.
Naturlig språkprossessering
Videre har vi naturlig språkprosessering, eller NLP, som er teknologien som hjelper datamaskinen med å forstå og bruke menneskelig språk. Dette er helt avgjørende for at chatboten skal kunne forstå hva du sier og svare på en måte som gir mening.
Generativ kunstig intelligens
En annen viktig del er generativ kunstig intelligens, en type KI som lar chatboten generere nytt innhold – som tekst, bilder eller lyd – basert på mønstre den har lært fra treningsdataene sine. Dette gjør at chatboten kan generere originale og sammenhengende svar på spørsmålene den får av brukeren
Store språkmodeller
Disse tre delene – maskinlæring, naturlig språkprosessering og generativ KI – kombineres til det vi kaller en stor språkmodell (Large Language Model, eller LLM). Store språkmodeller, som GPT-4, er trent til å forstå og produsere menneskelig språk. GPT-modeller, som ChatGPT bygger på, er spesielt gode på å generere tekst og innhold. Husk at ChatGPT ikke “er” språkmodellen – den “bruker” språkmodellen GPT-4 til å snakke med deg.
Alle GPT-modeller er store språkmodeller, men ikke alle store språkmodeller er GPT-er – det avhenger av hvilken teknologi som brukes for trening. (G står for generativ, altså at modellen har muligheten til å generere, altså produsere, ord, bilder, lyd eller video, P står for pre-trained, modellen er trent på store datamengder, som så blir fintunet til spesielle typer oppgaver, og T står for Transformer, en modellarkitektur som bruker en attention-mekanisme for å håndtere og veie ord i en setning, og som kan bearbeide store mengder data parallelt. Her vurderes hvordan hvert ord forholder seg til alle andre ord i en tekst. For eksempel i setningen «hunden bet mannen fordi han provoserte den», vil attention-mekanismen hjelpe modellen å forstå at «den» refererer til «hunden» og «han» til «mannen».).
Hvilke data trenes kunstig intelligente systemer på?
Språkmodeller blir trent på en stor mengde tekst fra forskjellige kilder for å lære seg språkets nyanser og ulike bruksmåter. Disse kildene inkluderer:
- Internettinnhold: Dette inkluderer tekster fra nettsider, sosiale medier, nyhetsartikler og blogger. Disse tekstene hjelper modellen å forstå dagligspråk og aktuelle temaer.
- Digitale biblioteker: Her henter modellen innhold fra store samlinger av e-bøker og skannede bøker, som Project Gutenberg og Internet Archive. Dette gir modellen tilgang til både klassisk og moderne litteratur.
- Akademiske ressurser: Modellen bruker vitenskapelige artikler og akademiske databaser for å lære fagspesifikt språk og komplekse ideer.
- Offentlige datasett og dokumenter: Disse inkluderer regjeringsdokumenter og tekniske beskrivelser fra patentdatabaser, som gir modellen innsikt i formelt og teknisk språk.
- Spesialiserte tekstsamlinger: For eksempel lingvistiske korpus som er laget spesielt for språkforskning, eller domenespesifikke datasett som medisinske journaler eller juridiske dokumenter.
- Brukergenerert innhold: Wikipedia er et eksempel på en verdifull kilde til strukturert informasjon, og modellen bruker også produktanmeldelser og spørsmål-svar-plattformer for å forstå folks meninger og spørsmål.
- Programmeringskode: Modellen lærer også fra kode og dokumentasjon som er tilgjengelig på plattformer som GitHub, samt diskusjoner og veiledninger om programmering.
Disse dataene hjelper modellen å forstå alt fra dagligtale til spesialiserte fagområder, og er viktige for at den skal kunne generere nøyaktige og relevante svar.
Utfordringer knyttet til valg av treningsdata i kunstig intelligente systemer:
- Språklig skjevhet
- Kulturell og geografisk skjevhet
- Flerspråklighet og mangfold
- Datakilder og tilgjengelighet
Mesteparten av dataene er på engelsk, med god representasjon av andre vestlige språk som spansk, fransk og tysk. Dette kan føre til at modellen favoriserer disse språkene og deres kulturelle perspektiver.
Innholdet i dataene har ofte et vestlig fokus og reflekterer bymessige, økonomisk utviklede områders synspunkter. Ikke-vestlige, landlige og økonomisk mindre utviklede områder er mindre representert.
Nyere modeller prøver å inkludere flere språk og kulturer, men språk med færre digitale ressurser er fortsatt underrepresentert.
Offentlig tilgjengelige data dominerer, noe som kan skape ubalanse. Juridiske og etiske restriksjoner på databruk kan også påvirke hvilke data som er tilgjengelige for trening.
Spørsmål til diskusjon
- Hvor nøytrale er disse dataene?
- Skal data som brukes til trening være nøytrale? I så fall, nøytrale i forhold til hvem?
- Hvilke perspektiver kan mangle i innhold generert av KI som er trent på disse dataene?
- Siden KI ikke vet noe om “den virkelige verden”, hvor viktig er det at informasjonen er korrekt? Hvem skal sørge for det eller bedømme det?
Kunstig intelligens er trent til kommunikasjon, ikke informasjon:
Det er viktig å huske at selv om ChatGPT og andre chatboter er flink til å følge instruksjoner og lage sammenhengende tekst, er den ikke alltid helt pålitelig. Den er først og fremst trent til å kommunisere og å gjenkjenne og reprodusere mønstre i tekst, ikke til å være en perfekt informasjonskilde. Derfor må du selv vurdere om svarene du får, er riktige og passer til det du trenger. Husk, KI vet ikke noe om hvordan ting «egentlig» forholder seg, «virkelighet» og «sannhet» er utenfor dataprogrammenes forståelse. Vær bevisst at overbevisende formulering ikke garanterer korrekt innhold.
Det som gjør språkmodeller gode på kommunikasjon er for eksempel:
- Evnen til å forstå kontekst og nyanser i språk
- Evnen til å generere grammatisk korrekte og naturlige svar
- Evnen til å tilpasse tone og stil til situasjonen
- Evnen til å følge komplekse instruksjoner
Språkmodeller har viktige begrensninger:
- De kan ikke verifisere fakta mot virkeligheten
- De kan generere overbevisende, men feil informasjon
- De kan blande sammen eller forveksle lignende fakta
- De mangler virkelig forståelse av årsak og virkning
Lenker
- Teknologirådets ordliste om KI
Gå til nettsiden her - Tenk.faktisk kompetansepakke for lærere om KI
Gå til nettsiden her - Tenk.faktisk om KI
Gå til nettsiden her - Flere innføringsressurser om KI
Gå til nettsiden her
Andre temaressurser:
La elevene bruke KI som kreativ partner
Praktiske metoder for å la elevene utforske KI som kreativt verktøy. Hvordan teknologien kan støtte elevenes skapende prosesser, styrke deres idéutvikling og gi rom for dypere faglig utforskning.
Kunstig intelligens og lærerens PfDK
Hvordan KI kan integreres i din digitale lærerkompetanse og styrke din profesjonelle praksis. For deg som vil utforske hvordan ny teknologi kan styrke undervisningen og din rolle som pedagog.
KI som utjevnende verktøy
Hvordan KI kan støtte mangfoldet i klasserommet gjennom tilpasset opplæring. Praktiske strategier for å bruke kunstig intelligens til å møte behovene hos både faglig sterke elever, elever som strever og flerspråklige elever.
Lærerens KI-verktøykasse
Konkrete tips for hvordan du kan bruke KI i planlegging, vurdering og undervisning. Tidsbesparende verktøy og kreative løsninger som gjør lærerhverdagen enklere og mer inspirerende.
Kunstig intelligens og vurdering i skolen
Hvordan kunstig intelligens kan utnyttes i vurderingsprosesser. Konkrete eksempler på bruk av KI for å skape bedre tilbakemeldinger, utvikle vurderingskriterier og egen vurderingspraksis.
Å undervise elever om kunstig intelligens
Hvordan undervise om KI-teknologiens muligheter og begrensninger? Her finner du opplegg for å styrke elevenes kritiske tenkning og digitale dømmekraft i møte med kunstig intelligens i samfunnet og eget liv.
Bidragsytere:
Haakon Sundbø
Haakon Sundbø jobber innen IKT-utdanning ved Universitetet i Agder. Med bakgrunn i kompetanseutvikling for barnehage og skole, er Haakon en pådriver for profesjonell vekst innen PfDK. Han leder instituttets arbeid innen tilskuddsordning for lokal kompetanseutvikling i barnehage og grunnopplæring, samt insituttets EVU-tilbud.
Les mer på uia.no
E-post: haakon.sundbo@uia.no
Gry Jacobsen
Gry Jacobsen er norsk- og engelsklærer, skolebibliotekar, og ressurslærer IKT på Grimstad ungdomsskole. Har jobbet i DEKOMP siden 2019 med å utvikle og gjennomføre kompetansehevingstiltak i partnerskap med kommuner, skoler, barnehager og fylke, med fokus på vurdering, digital didaktikk og trygg bruk av kunstig intelligens.
Les mer på uia.no
E-post: gry.jacobsen@uia.no
Maria Taraldsen
Maria Taraldsen er realistlærer med spesialpedagogisk ekspertise fra Sam Eyde VGS. Siden 2019 har Maria jobbet i tilskuddsordningene med å utvikle og gjennomføre kompetansehevingstiltak i partnerskap med kommuner, skoler, barnehager og fylke, med fokus på vurdering, digital didaktikk og trygg bruk av kunstig intelligens.
Les mer på uia.no
E-post: maria.taraldsen@uia.no