Verwerking

Taalmodellen

Taalmodellen zijn geavanceerde AI-systemen die menselijke taal kunnen begrijpen, interpreteren en genereren. Deze modellen worden getraind op enorme datasets van tekst en leren patronen, woordcombinaties, zinsstructuren, en zelfs de subtiliteiten van verschillende talen en taalgebruiken. De kern van veel moderne taalmodellen is de transformer-architectuur, die gebruikmaakt van zelf-aandacht mechanismen om te bepalen welke delen van de tekst belangrijk zijn in een gegeven context.

Bij de verwerking van taal, gebruiken deze modellen statistische methoden om te voorspellen wat het meest waarschijnlijke volgende woord of de meest waarschijnlijke volgende zin in een tekst zou kunnen zijn. Ze kunnen context begrijpen over lange stukken tekst en hierdoor niet alleen grammaticaal correcte, maar ook inhoudelijk samenhangende en relevante teksten genereren.

Bij het gebruik van een taalmodel voor bijvoorbeeld een chatbot of een tekstgenerator, wordt het model bepaalde prompts of initiële data gegeven en gebaseerd op die input genereert het model tekst die logisch volgt uit de gegeven context. Het doel van deze modellen is om tekst te produceren die zo menselijk mogelijk lijkt, zowel in termen van content als stijl.

Tekst-naar-beeld modellen

Tekst-naar-beeld modellen zijn AI-systemen die in staat zijn om uit geschreven tekstuele beschrijvingen visuele representaties te genereren, zoals foto’s, illustraties of andere types beeldmateriaal. Deze modellen maken gebruik van geavanceerde neurale netwerken, en meer specifiek van generatieve adversarial netwerken (GAN's) of variaties daarop zoals diffusion modellen.

Het proces begint met een door een gebruiker ingevoerde tekstomschrijving. Het model beoordeelt deze tekst en probeert de betekenis en de context ervan te begrijpen. Vervolgens genereert het model beelden die overeenkomen met de tekstuele beschrijving, gebruik makend van wat het geleerd heeft tijdens de training, waarbij het getraind wordt op enorme datasets van tekst-beeldparen.

Tijdens de training leert het model associaties tussen tekstuele beschrijvingen en visuele kenmerken. Bijvoorbeeld, als het model herhaaldelijk de woordcombinatie 'een gele zon boven een blauwe zee' ziet samen met afbeeldingen die dit scenario illustreren, leert het deze elementen te herkennen en te reproduceren in toekomstige beeldcreaties.

Het resultaat zijn vaak verrassend accurate en detailrijke afbeeldingen die aansluiten bij de ingevoerde tekstbeschrijving. Deze modellen worden steeds verfijnder en zijn in staat om complexe scenario's met meerdere objecten en abstracte concepten weer te geven. Ze worden gebruikt in een breed scala van toepassingen, inclusief artistieke creaties, spelontwerp, virtuele realiteit en meer.

AI-School ontsluit modellen

Het is belangrijk om te beseffen dat AI-School verschillende AI-modellen ontsluit die zijn opgenomen in de centrale modelcatalogus. Deze modellen worden aangeboden door externe aanbieders via een API. Een API, of Application Programming Interface, is een set van regels en definities waarmee softwareprogramma's met elkaar kunnen communiceren. Het functioneert als een soort 'taal' die door programma's begrepen wordt om informatie uit te wisselen en functies van elkaar aan te roepen. AI-School heeft zelf geen taalmodellen, tekst-naar-beeldmodellen of tekst-naar-spraakmodellen.

Wij zijn niet verantwoordelijk voor de resultaten van de verschillende modellen. Wel hebben we aandacht besteed aan de selectie van de beste en meest interessante modellen voor scholen.

Procedure verwerking volgens de DPIA

De DPIA beschrijft de basisprocedure voor het genereren van een antwoord als volgt:

• De gebruiker voert een prompt in op het portaal van AI-School.
• De prompt wordt opgeslagen in de database van AI-School.
• AI-School biedt de prompt via een API-koppeling en een algemeen account anoniem aan het gekozen AI-model aan.
• Het AI-model ontvangt geen persoonsgegevens van de individuele gebruiker.
• Het antwoord van het AI-model wordt teruggestuurd naar AI-School.
• Het antwoord wordt opgeslagen in de database van AI-School.
• Het antwoord wordt gepresenteerd aan de gebruiker.

AI-School stuurt geen persoonsgegevens van de individuele gebruiker mee naar het AI-model. Het model ontvangt de inhoud van de prompt zonder koppeling aan een identificeerbare gebruiker. Een gebruiker kan wel zelf persoonsgegevens hebben opgenomen in de prompt; in dat geval kunnen deze gegevens door het gekozen AI-model worden verwerkt.

Aanvullende context

Bij functies zoals chatten met documenten, multimodale input of bepaalde tools kan de prompt worden aangevuld met door de gebruiker gekozen context, zoals documentfragmenten, afbeeldingen of zoekresultaten. Ook deze context wordt zonder koppeling aan een identificeerbare gebruiker aan het model aangeboden, maar de inhoud kan persoonsgegevens bevatten als de gebruiker die zelf heeft toegevoegd.