AI-begreber enkelt forklaret: Fra prompt til generativ AI

Træd ind i den spændende verden af kunstig intelligens! I denne vejledning vil du lære om de centrale begreber, du bør kende for at udnytte potentialet i AI-værktøjer fuldt ud. Uanset om du er nybegynder eller allerede har lidt erfaring med emnet, vil de klare forklaringer på begreber som „Prompt“, „model“ og „generativ AI“ hjælpe dig med at uddybe din viden. Som om det ikke var nok, får du også en praktisk indsigt i anvendelsen af disse begreber med en live-demo til sidst.

Vigtigste indsigt

• En prompt er den forespørgsel, du sender til AI'en. Jo mere præcis den er, desto bedre er svaret.
• En model er det trænede AI-system, der behandler disse forespørgsler.
• Generativ AI er den kategori af AI, der er i stand til at skabe nyt indhold.

Trin-for-trin guide

Hvad er en prompt?

En prompt er din egen bestilling til AI'en. Forestil dig, at du er på en restaurant og afgiver din bestilling. I AI'ens verden er en prompt den tekst, du indtaster i et AI-værktøj for at modtage et passende svar eller et ønsket resultat. For eksempel: "Skriv et Instagram-opslag om tips til hjemmearbejde".

For at optimere kvaliteten af dine svar, bør du forsøge at formulere din prompt så klar og præcis som muligt. I stedet for bare at indtaste „hjemmearbejde“, kunne du formulere en specifik opgave, som: „Skriv et afslappet Instagram-opslag med fem tips til ergonomisk arbejde i hjemmearbejdspladsen“.

Hvad er en model?

Modellen er hjertet i AI-applikationen. Det er motoren, der behandler input. En model er et trænet AI-system, der er blevet fodret med enorme datamængder, herunder bøger og hjemmesider. I bund og grund lærer modellen at genkende mønstre og udføre opgaver som tekstgenerering eller billedgenkendelse.

Hver model trænes med milliarder af parametre, der hjælper med at afbildede sammenhængene i teksten. Når du indtaster din prompt, bruger disse parametre de trænede oplysninger til at generere et passende output. Et eksempel på dette er ChatGPT-4, en sprogmodel, der har lært at forstå menneskeligt sprog og danne nye sætninger.

Generativ AI

Generativ AI refererer til AI-systemer, der er i stand til at skabe nyt indhold, hvad enten det er i form af tekst, billeder, musik eller audio. I modsætning til såkaldte genkendelses-AI'er, der analyserer eksisterende data, genererer en generativ AI nye data, der ikke har eksisteret før. Den er baseret på tidligere indlærte oplysninger og giver dig mulighed for at arbejde kreativt.

Nogle kendte applikationer er ChatGPT, der genererer tekster, DALL-E og Midjourney, der skaber billeder ud fra beskrivelser, og Jukebox fra OpenAI, der kan komponere komplette musikstyker. Dette åbner spændende muligheder inden for kreativ design og content creation.

Træning og inferens

Hvor ligger forskellen mellem træning og inferens? De er to centrale processer i AI-udviklingen. Træning er den omfattende proces, hvor modellen lærer. I løbet af denne proces bliver modellen forsynet med enorme datasæt og optimeret. Inferens henviser derimod til det øjeblik, hvor den trænede model reagerer på dine prompts.

Parametre vs. hyperparametre

I AI skelner man mellem parametre og hyperparametre. Parametre er de værdier, som modellen lærer under træningen, mens hyperparametre fastsættes på forhånd for at styre læringsprocessen. De bestemmer for eksempel, hvor hurtigt en model trænes på et datasæt.

Datasæt og fine-tuning

Et datasæt er den komplette datamængde, som en model trænes med. Indholdet kan bestå af tekster, billeder, lyd samt mange andre kilder. Det er vigtigt at nævne fine-tuning, altså den målrettede eftertræning af en model med specifikke data til særlige anvendelsestilfælde.

Et eksempel på fine-tuning kunne være en model, der specifikt er trænet på juridiske eller medicinske tekster, så den fungerer særligt godt inden for dette specifikke område.

Praktisk anvendelse

Med den erhvervede viden om prompts, modeller og generativ AI kan du nu formulere målrettede, høj-kvalitets forespørgsler til AI-applikationer. Det følgende eksempel viser, hvordan man omdanner en simpel prompt til en effektiv prompt for at opnå bedre resultater.

Først, brug en simpel prompt: „Skriv en e-mail til en kunde med et social media tilbud.” Denne er meget generel og vil sandsynligvis give utilstrækkelige resultater.

Nu optimerer vi prompten: „Formuler en venlig, professionel e-mail til [kundenavn], hvori du præsenterer et tilbud om månedlig social media management med tre opslag om ugen. Fremhæv værdien og bed om feedback.” Ved denne specificering får du et væsentligt forbedret resultat.

Hvis du ønsker at visualisere tilbuddet, kan du bruge Midjourney til at skabe et passende header-billede. Dette kan hjælpe med at gøre e-mailen mere tiltalende og præsentere indholdet på en engagerende måde for modtageren.

Opsummering – ChatGPT-assistenter: Definition af AI-begreber enkelt forklaret

I denne vejledning har du lært, hvad en prompt er, hvordan modeller fungerer, og hvad generativ AI betyder. Du kender nu forskellene mellem træning og inferens samt mellem parametre og hyperparametre. Derudover har du forstået betydningen af datasæt og fine-tuning. Den praktiske anvendelse af begreberne viser dig, hvordan du kan gøre dine forespørgsler til AI mere effektive og opnå høj-kvalitets resultater.