Gå til hovedindhold

Behandling

Sprogmodeller​

Sprogmodeller er avancerede AI-systemer, der kan forstå, fortolke og generere menneskelig sprog. Disse modeller trænes på enorme mængder tekstdata og lærer mønstre, ordkombinationer, sætningsstrukturer og endda subtiliteter i forskellige sprog og sprogbrug. Kernen i mange moderne sprogmodeller er transformer-arkitekturen, der benytter selvsopmærksomheds-mekanismer til at afgøre, hvilke dele af teksten der er vigtige i en given kontekst.

Ved sprogbehandling bruger disse modeller statistiske metoder til at forudsige, hvilket ord der sandsynligvis kommer næste, eller hvilken sætning der sandsynligvis følger i en tekst. De kan forstå kontekst over lange tekststykker og kan derfor ikke kun generere grammatisk korrekte, men også indholdsmæssigt sammenhængende og relevante tekster.

Ved brug af en sprogmodel til for eksempel en chatbot eller en tekstgenerator gives modellen visse prompts eller indledende data, og baseret på denne input genererer modellen tekst, der logisk følger den givne kontekst. Målet med disse modeller er at producere tekst, der virker så menneskelig som muligt, både i indhold og stil.

Tekst-til-billede modeller​

Tekst-til-billede modeller er AI-systemer, der er i stand til at generere visuelle repræsentationer ud fra skriftlige tekstbeskrivelser, såsom fotos, illustrationer eller andre typer billedmateriale. Disse modeller bruger avancerede neurale netværk, og mere specifikt generative modstandernetværk (GANs) eller variationer heraf som diffusion-modeller.

Processen starter med en tekstbeskrivelse indtastet af en bruger. Modellen vurderer denne tekst og forsøger at forstå betydningen og konteksten. Derefter genererer modellen billeder, der svarer til den tekstlige beskrivelse, ved hjælp af det, den har lært under træningen, hvor den er trænet på enorme datasæt af tekstop/bildepar.

Under træningen lærer modellenassociationer mellem tekstbeskrivelser og visuelle kendetegn. For eksempel, hvis modellen gentagne gange ser sætningskombinationen "en gul sol over et blåt hav" sammen med billeder, der illustrerer dette scenarie, lærer den at genkende og gengive disse elementer i fremtidige billedskabelser.

Resultatet er ofte overraskende præcise og detaljerede billeder, der passer til den indtastede tekstbeskrivelse. Disse modeller bliver stadig mere sofistikerede og er i stand til at afbildre komplekse scenarier med flere objekter og abstrakte begreber. De bruges i en bred vifte af applikationer, herunder kunstnerisk skabelse, spiludvikling, virtuel realitet og mere.

AI-School tilgængeliggør modeller​

Det er vigtigt at bemærke, at AI-School tilgængeliggør flere AI-modeller, som er optaget i den centrale modelkatalog. Disse modeller tilbydes af eksterne leverandører via et API. Et API, eller Application Programming Interface, er et sæt regler og definitioner, som softwareprogrammer kan bruge til at kommunikere med hinanden. Det fungerer som en slags 'sprog', som programmer kan forstå for at udveksle information og kalde funktioner fra hinanden. AI-School har ikke selv sprogmodeller, tekst-til-billede-modeller eller tekst-til-tale-modeller.

Vi er ikke ansvarlige for resultaterne af de forskellige modeller. Vi har dog taget hensyn til udvælgelsen af de bedste og mest interessante modeller til skoler.

Behandlingsprocedure i henhold til DPIA​

DPIA'en beskriver den grundlæggende procedure for at generere et svar som følger:

  • Brugeren indtaster en prompt på AI-School-portalen.
  • Prompten lagres i AI-School-databasen.
  • AI-School tilbyder prompten via en API-kobling og en fælles konto anonymt til den valgte AI-model.
  • AI-modellen modtager ingen personoplysninger om den enkelte bruger.
  • Svaret fra AI-modellen sendes tilbage til AI-School.
  • Svaret gemmes i AI-School-databasen.
  • Svaret præsenteres for brugeren.

AI-School sender ikke personoplysninger om den enkelte bruger videre til AI-modellen. Modellen modtager indholdet af prompten uden tilknytning til en identificerbar bruger. En bruger kan selv have indgået personoplysninger i prompten; i så fald kan disse oplysninger behandles af den valgte AI-model.

Supplerende kontekst​

Ved funktioner som at chatte med dokumenter, multimodale input eller visse værktøjer kan prompten suppleres med den kontekst, som brugeren har valgt, såsom dokumentfragmenter, billeder eller søgeresultater. Denne kontekst tilbydes også uden tilknytning til en identificerbar bruger til modellen, men indholdet kan indeholde personoplysninger, hvis brugeren selv har tilføjet det.