Få en dybere forståelse for GPT’s, Large Language Models (LLM) og andre generelle termer i vores dybtegående chatbot-ordbog. Fra ChatGPT til Safety Filters få styr på de vigtige termer.
Chatbot
En chatbot er et stykke software, som er designet til at interagere med brugere i en naturlig og menneskelig måde. Ved at bruge tekst eller tale kan den hjælpe med at besvare spørgsmål, udføre simple opgaver eller blot underholde gennem en samtale.
Livechat Chatbot
En livechat chatbot er en type af chatbot, der er bemandet af rigtige mennesker. Disse operatører interagerer med brugerne direkte gennem et chat-vindue. De er ideelle til at levere personlig, hurtig og empatisk kundeservice.
Regelbaseret Chatbot
En regelbaseret chatbot er en type chatbot, der arbejder efter en fastsat regelsæt og scripts. Dette gør den ideel til at besvare simple spørgsmål, uden behov for meget kompleksitet eller nuance. Det er bl.a. løsninger som bruges til basale kundeservicefunktioner, såsom at besvare ofte stillede spørgsmål.
AI Chatbot
En AI (kunstig intelligens) chatbot er en mere avanceret type chatbot, som bruger maskinlæring og naturlig sprogbehandling til at lære af samtaler og analysere brugeradfærd. Dette gør den i stand til at håndtere komplekse opgaver og giver den en langt højere grad af tilpasningsevne og effektivitet.
Prompt
Prompt er betegnelsen for de kommandoer eller forespørgsler, som en bruger giver til en chatbot. Disse kan være meget simple (“Hvad er vejret i dag?”) eller meget komplekse (“Bestil en taxa til lufthavnen kl. 5 i morgen”).
Prompt Engineering
Prompt engineering refererer til praksis med at finjustere og forbedre de prompts, som bruges til at interagere med en chatbot Ved at forbedre prompts, kan man forbedre de svar, som systemet giver, og brugeroplevelsen generelt.
Sprogmodel
En sprogmodel er en type af algoritme, der læres af sprogdata. Dens formål er at forstå og bearbejde naturligt sprog, således at en chatbot kan generere sammenhængende og meningsfulde svare.
LLM (Large Language Model)
En Large Language Model (LLM) er en avanceret type af sprogmodel, der bruges i kunstig intelligens og maskinlæring. Den er designet til at kunne forstå og generere sprog baseret på et stort træningssæt af data.
Generativ AI
Generativ AI er en type af kunstig intelligens, der er designet til at skabe nyt, originalt indhold, baseret på de mønstre og viden, den har opnået fra træningsdata. Denne form for AI kan generere alt fra tekst til billeder, musik og endda fysiske objekter.
GPT (Generative Pre-trained Transformer):
GPT er en type sprogmodel, der er baseret på transformer-arkitektur og træning på store datasæt. Det genererer sammenhængende og meningsfuld tekst og kan finjusteres til specifikke opgaver. GPT-familien inkluderer populære modeller som GPT-2 og ChatGPT fra OpenAI.
Én GPT:
Én GPT refererer til en chatbotløsning, hvor virksomheder kan skræddersy sprogmodel til specifikke opgaver og begrænsede mængder data eller informationer. Det giver mulighed for større kontrol og personalisering uden at bygge en helt ny chatbot fra bunden.
Hallucinerende Chatbots:
Disse chatbots kan af og til give besynderlige, uventede eller meningsløse svar, når de genererer tekst ved hjælp af AI. “Hallucinationer” opstår typisk, når chatbotten misforstår et spørgsmål eller trækker på irrelevant data fra sin træning.
AGI (Artificial General Intelligence):
AGI er et ultimativt mål indenfor AI-forskning og refererer til en form for kunstig intelligens, der er i stand til at udføre enhver intellektuel opgave, som et menneske kan udføre. AGI kan træffe beslutninger, løse problemer og lære på tværs af forskellige domæner.
Conversational AI:
Conversational AI er en teknologi, der gør det muligt for computere at deltage i naturlige samtaler med mennesker. Den kan bruges til at bygge chatbots og taleassistenter, der forstår og reagerer på menneskelig tale og tekst, og dermed lette kommunikation og problem-solving.
Machine Learning (Maskinlæring):
Machine learning er en gren af kunstig intelligens, der bruger statistiske teknikker til at lære maskiner at forbedre ydeevnen på en opgave uden at skulle eksplicit programmeres for hvert enkelt scenarie. Dette opnås ved, at maskinen lærer fra data i stedet for at følge en fastlagt regelstruktur.
Deep Learning (Dyblæring):
Deep learning er en underkategori af maskinlæring, der fokuserer på at træne computermodeller gennem komplekse neurale netværk, der efterligner den menneskelige hjernes struktur og adfærd. Deep learning kan anvendes til mange formål, såsom billeds- og talegenkendelse, og er en af grundstenene i moderne AI-systemer.
Læs mere om forskellene mellem deep- og machine learning her.
Text-to-Speech (Tekst-til-Tale):
Text-to-speech-teknologi konverterer skrevet tekst til talesprog. Det bruges ofte i taleassistent- og GPS-systemer for synshandicappede og kan forvandle e-bøger, nyhedsartikler og andre tekstbaserede dokumenter til lydfiler og oplæsninger.
Speech-to-Text (Tale-til-Tekst):
Speech-to-text-teknologi omdanner tale til skrevet tekst. Den bruges blandt andet i transskriptionstjenester, talegenkendelse og diktafoner. Denne teknologi gør det nemmere at dokumentere og analysere taler eller samtaler, da det konverterer taleindhold til skriftlige dokumenter.
Neural Netværk:
Et neural netværk er en type computeralgoritme inspireret af den måde, hvorpå den menneskelige hjerne fungerer. Det består af sammenkoblede neuroner eller enheder, der lærer og behandler information. Neural netværk anvendes i maskinlæring og deep learning for at udføre komplekse opgaver som billede- og talegenkendelse.
Few-Shot Learning:
Few-shot learning er en metode inden for maskinlæring, hvor en algoritme lærer at genkende nye objekter eller opgaver baseret på et meget begrænset antal eksempler. Denne teknik gør det muligt for AI-systemer at generalisere og tilpasse sig til nye situationer hurtigere og med færre data.
Zero-Shot Learning:
Zero-shot learning er en teknik inden for maskinlæring, der gør det muligt for en algoritme at genkende eller udføre opgaver, den aldrig har set før, ved hjælp af tidligere opnået viden og kontekst. Dette gør det muligt for AI-systemer at skabe forbindelser mellem tilsyneladende urelaterede koncepter og udføre opgaver, selv når der ikke er nogen træningsdata tilgængelige.
Fine-Tuning:
Fine-tuning er en proces, hvor en eksisterende sprogmodel finjusteres for at udføre en ny, specifik opgave ved at træne den på et lille datasæt relateret til opgaven. Det gør det muligt for AI-systemer at omstille sig til forskellige brugsscenarier uden at skulle bygge en ny model fra bunden.
Tokenization:
Tokenization er en metode inden for sprogbehandling, der opdeler en tekst i mindre elementer kaldet tokens. Dette gør det lettere for AI-systemer at behandle og analysere teksten ved at opdele den i enkle, håndterlige enheder, som ord, fraser eller sætninger. Du kan prøve OpenAI’s Tokenizer her og beregne antallet af tokens du bruger.
Bard:
Google Bard er en AI-chatbot, som simulerer menneskelige samtaler ved hjælp af naturlig sprogbehandling og maskinlæring. Integreret i Google-søgning og andre Google-tjenester, tilbyder Bard realistiske og kontekstuelle svar på brugerspørgsmål, gør det nemt at interagere med personlige indhold. Opdateret med sprogmodellen Gemini i 2023, giver Bard en mere naturlig og brugervenlig oplevelse.
Du kan prøve Bard her.
BERT:
BERT (Bidirectional Encoder Representations from Transformers) er en transformer-baseret sprogmodel udviklet af Google. BERT er kendt for sin evne til at forstå konteksten i både venstre og højre side af et ord i en tekst og derved forbedre nøjagtigheden af sine svar og forudsigelser.
GPT 3.5 (Turbo):
GPT-3.5 Turbo er en version af GPT-3, der indeholder en række forbedringer og optimeringer. Det er designet til at give bedre resultater end GPT-3 og tilbyder ofte hurtigere og mere relevante svar i forskellige anvendelsesscenarier.
GPT 4:
GPT-4 er en avanceret sprogmodel fra OpenAI, der kan generere, redigere og samarbejde med brugere på kreative og tekniske opgaver, som fx at skrive manuskripter og analysere billeder. Den håndterer op til 25.000 ord og bruges til langformsindhold, udvidede samtaler og dokumentanalyse. GPT-4 byder på øget nøjagtighed i problemløsning takket være en bred generel viden og stærke evner.
GPT 4.5 (Turbo):
GPT-4 Turbo er OpenAI’s nyeste sprogmodellen. Dens viden er opdateret helt frem til april 2023 og har et kontekstgrænse på 128k tokens (svarende til 300 normalsider i en enkelt forespørgsel). GPT-4 Turbo mulighederne for dybere og mere præcis interaktion. Desuden er denne model 3 gange billigere for input tokens og 2 gange billigere for output tokens sammenlignet med det originale GPT-4 model.
Gemini:
Gemini er en AI-baseret sprogmodel udviklet af Google, der arbejder med automatisering af tale og tekst for at forstå og generere menneskelignende svar. Det er baseret på transformer-arkitekturen og ligner GPT-familien af sprogmodeller i funktionalitet og anvendelsesmuligheder.
Model Bias
Model Bias beskriver tendenser og forudindtagethed, som en AI-model kan have som resultat af de data, den er trænet på. Disse tendenser kan føre til skævt respons og skærp dine resultater og afspejler ofte utilsigtede mønstre i træningsdatasættet.
Reinforcement Learning (Forstærkningslæring)
Forstærkningslæring er en type maskinlæring, hvor en AI-agent lærer gennem interaktion med miljøet ved hjælp af prøve-og-fejl-metoder. Agenten modtager belønninger eller straf for hver handling, som hjælper den med at optimere sin beslutningstagning over tid.
Reinforcement Learning from Human Feedback (RLHF)
RLHF er en metode inden for forstærkningslæring, hvor AI-systemet trænes ved hjælp af feedback fra mennesker. Dette tillader systemet at lære fra menneskelig ekspertise og dømmekraft og giver mulighed for en mere kontrolleret og sikker træningsproces. Det er bl.a. denne metode ChatGPT er trænet ud fra.
Attention Mechanism
Attention Mechanism er en metode inden for deep learning, der hjælper neurale netværk med at fokusere deres opmærksomhed på specifikke dele af inputdataene, udviklet af Google Researchers i 2017.
Semantic Analysis (Semantisk Analyse)
Semantisk Analyse er processen med at forstå den betydning og kontekst, der ligger bag det naturlige sprog. Den bruges i AI og NLP (naturalsprogbehandling) til at analysere og forstå menneskelige sprog og interaktioner.
DALL-E
DALL-E er en AI-model udviklet af OpenAI, der kombinerer sprogforståelse og billedgenerering. Den kan skabe originalt visuelt indhold baseret på tekstbeskrivelser og har vist imponerende evner inden for billedsyntese.
DALL-E 2
DALL-E 2 er en opdateret version af DALL-E med forbedret præstation, kreativ kapacitet og effektivitet.
Du kan prøve DALL-E 2 her.
Embedding
Embedding er en metode til at repræsentere ord, sætninger, eller objekter som vektorer i en kontinuerlig, numerisk rum. Dette gør det lettere for AI-systemer og maskinlæring at behandle og analysere dataene.
Midjourney
Midjourney er et billedgenereringværktøj ligesom DALL-E, som gør det muligt at skabe slående og fantasiefulde billeder baseret på et tekst input. Nogle rangerer Midjourney, som den bedste billedgenerator lanceret nogensinde i skrivende stund.
Du kan prøve midjourney her.
Safety Filters
Safety Filters er sikkerhedsmekanismer implementeret i AI-systemer og chatbots for at sikre, at de ikke genererer upassende, skadeligt eller følsomt indhold. Disse filtre arbejder ved at begrænse systemets adgang til visse typer data eller ved aktivt at blokere uønskede outputs.