Hvad er kunstig intelligens? 
Kunstig intelligens eller AI refererer til computerteknologier, der simulerer menneskelig intelligens.
AI omtales ofte som chatbots og generativ AI (GAI). Generativ AI er karakteriseret ved sin evne til at skabe nyt indhold, herunder tekst, billeder, lyd og video.

Hvordan fungerer generativ AI? 
Generativ AI virker ved at anvende store sprogmodeller (LLM - Large Language Models), som er komplekse algoritmer designet til at forudsige det næste ord i en sætning. Disse modeller trænes på omfattende datasæt fra internettet, hvilket gør dem i stand til at genkende og efterligne sproglige mønstre. Via et kunstigt neuralt netværk analyserer sprogmodellen disse mønstre, og gennem samtale genereres output, der fremstår intelligent og meningsfuldt. Det er muligt gennem tekst-prompt at få genereret billeder, lyd, video og andet.

Hvilke sprogmodeller kan man bruge? 
Siden OpenAI i november 2022 kom frem med deres store sprogmodel ChatGPT, er der kommet et hav af andre store sprogmodeller. Foruden ChatGPT er Microsofts Copilot også en populær chatbot, der kan bruges til et utal af arbejdsopgaver.  Af populære tekst-til-billeder modeller kan nævnes Dall-E 3 og Midjourney.

OBS: Man må ikke uploade ophavsrets beskyttet materiale samt GDPR og personfølsomme information til Gen AI værktøjer (sprogmodeller). Læs mere på vores side om Ophavsret i VIA.

Hvad er prompting?

Prompting betyder, at du skriver en tekstbesked (en prompt) til en sprogmodel som f.eks. ChatGPT, Claude eller Copilot for at få den til at svare eller løse en opgave. En god prompt hjælper modellen med at forstå, hvad du har brug for – f.eks. et forslag, en forklaring eller et udkast til en tekst. Jo bedre du formulerer din prompt, desto mere relevant og brugbart bliver resultatet.

Hvordan prompter man?

Tænk på sprogmodellen som en hjælpsom, men kontekstblind ekspert: Den ved meget, men forstår ikke automatisk, hvad du vil. Vær derfor tydelig og præcis. Fortæl, hvad du skal bruge, hvorfor du skal bruge det, og hvordan svaret skal se ud – fx længde, tone eller målgruppe. Brug konkrete spørgsmål og giv eksempler, hvis det er relevant.

Husk, at prompting er en proces. Du kan (og bør) justere dine prompts undervejs og bede modellen uddybe, forbedre eller ændre sit svar. Jo mere relevant information og klar retning du giver, desto bedre bliver outputtet.

Se VIA Biblioteks promptbibliotek

Når du prompter kan du benytte dig af nedenstående prompt hacks:

• "Har du forstået opgaven?": Afslut din prompt med dette spørgsmål. På den måde får du sprogmodellen til at gengive den beskrevne instruks, og du vil opdage hvis den har misforstået intentionen med din prompt.
• Format: Sprogmodeller kan levere outputs i forskellige formater. Overvej derfor hvordan du gerne vil have output fra din prompt. Eksempelvis: I punktform, som en e-mail, tabel eller matrix.
• Tonen: Vil du have sprogmodellen til at levere i formel eller uformel tone? Akademiske eller humoristisk tone? Præcis eller poetisk?
• Trin-for-trin: Når man beder sprogmodellen om at levere output i trin gør det den bedre til at følge med udviklingen i samtalen. Eksempel: ”Præsenter dig selv for den studerende og spørg ind til deres (indsæt behov/forespørgsel). Vent på at du får et svar. Spørg dernæst ind til, hvilken uddannelse denne går på og forklar at spørgsmålet hjælper med, at tilrettelægge det faglige niveau i dine spørgsmål. Vent på svar og spørg dernæst ind til…” 

Når du arbejder med at generere billeder i tekst-til-billede modeller, er det vigtigt, at du er præcis i din beskrivelse af det ønskede billede. Overvej derfor følgende:

• Subjekter/objekter: Person, dyr, ting, fantasivæsner.
• Interaktion: Hvordan interagere de forskellige elementer med hinanden?
• Medie: Fotografi, maleri, tegnefilm, skulptur m.m.
• Stil: ”I stil med/ in the style of…” Pop art, Dali, Disney, Alfred Hitchcock film m.m.
• Omgivelser: Indenfor/udenfor, ørken, jungle, under vandet, Gotham City m.m.
• Stemning: Uhyggeligt, roligt, feberdrøm, energisk m.m.
• Perspektiv: Frø/fugleperspektiv, close-up, POV m.m. 

Copilot tilbyder billedgenerering med det samme værktøj, DALL-E 3, som findes i ChatGPT 4(betalingsversionen). Når du bruger AI-genererede billeder, så er det god pli at skrive det, hvis du bruger det i opgaver, præsentationer eller lignende. 

At bygge en struktureret, avanceret prompt kaldes også for prompt engineering. Prompt engineering er kunsten at finjustere og strukturere forespørgsler til sprogmodeller for at optimere og målrette de genererede svar mod specifikke behov eller mål.

Nedenstående er en skabelon, der illustrerer de forskellige elementer i en avanceret prompt:

Skabelonen er løst udarbejdet efter inspiration fra artiklen af Ethan Mollick og Lilach Mollick 
Mollick, Ethan R. and Mollick, Lilach, Assigning AI: Seven Approaches for Students, with Prompts (2023). Available at SSRN: https://ssrn.com/abstract=4475995 or http://dx.doi.org/10.2139/ssrn.4475995 

At være kildekritisk i arbejdet med en sprogmodel stiller store krav til dig som bruger. 
Man kan ikke være kildekritisk overfor sprogmodeller, som man ville være overfor andre kilder. Normalt arbejder man kildekritisk ved at se på forholdet imellem afsender, budskab og modtager. Men dette er ikke en mulighed, når man arbejder i en sprogmodel, idet dens output er genereret ud fra et sammensurium af forskellige data fra internettet og har derfor ikke en klar defineret afsender.

Husk at eftervalidere  

Det er vigtigt, at man ikke arbejder i en sprogmodel, som man vil arbejde i en søgemaskine eller database. Betragt en sprogmodel som ChatGPT og Copilot som en samtalepartner snarere end som en svargenerator. Hvis du anvender en sprogmodel til at få faktuelle informationer, er det vigtigt, at du eftervaliderer og sammenligner disse informationer med andre mere troværdige kilder. Det sker nemlig, at en sprogmodel med stor overbevisning vil frembringe forkerte informationer.

Når sprogmodeller hallucinerer

Når en sprogmodel som ChatGPT eller Copilot kommer med usande informationer siges det, at de “hallucinerer”. Som avanceret sandsynlighedsmaskiner gætter de sommetider forkert. Når sprogmodeller hallucinerer, skaber de information, der ikke er baseret på faktiske kendsgerninger, men på fejlagtige sammenkoblinger fra deres træningsdata. Fænomenet opstår, fordi sprogmodeller genererer svar ved at efterligne sproglige mønstre snarere end ved at forstå faktiske sandheder.

Hvad er bias?

Det er vigtigt at forstå, at der er indlejret såkaldt bias i det træningsmateriale, som ligger til grund for sprogmodellernes output. Bias er data, der fejlrepræsenterer virkeligheden, fordi den hælder til en bestemt retning eller favoriserer visse ideer ofte på grund af uretfærdige antagelser eller stereotyper. 
Da sprogmodeller som ChatGPT og Copilot lærer fra en bred vifte af internettets indhold, kan de indlejre og videreføre eksisterende fordomme eller stereotyper fundet i deres træningsdata. Dette kan resultere i partiske eller skævvredne svar, der afspejler bias. Det er derfor essentielt, når man arbejder med sprogmodeller, at være bevidst om denne risiko og aktivt søge at identificere og korrigere for bias ved at supplere med diverse og balancerede kilder.

Er du opmærksom på, hvordan du fodrer sprogmodeller?

I den gratis version af ChatGPT og Copilot bruges dine input til at forbedre modellerne. Hvis du logger ind på Copilot med din VIA bruger, er dine data beskyttet af kommerciel databeskyttelse og bliver ikke brugt til træning af modellerne. Du kan læse mere her. 

For at opsummere ovenstående: For at bruge AI kildekritisk, skal du

• Have forståelse for, hvordan en stor sprogmodel fungerer (Læs mere i afsnittet “Hvad er generativ AI?")
• Betragte sprogmodellen som en samtalepartner snarere end en søgemaskine
• Vide at den sommetider hallucinerer og derfor altid er opmærksom på at eftervalidere de faktuelle informationer, den leverer
• Have en opmærksom på den bagvedliggende bias, der er indlejret i sprogmodellens træningsmateriale 

• Få en sprogmodel til at rette korrektur og tegnsætning.
• Få sprogmodellen til at komme med ideer til sætninger eller tekster, du kan bygge videre på.
• Få sprogmodellen til at oversætte fra et sprog til et andet.
• Få sprogmodellen til at komme med et forslag til disposition eller overskrift på afsnit i opgaven.

• Definitionsspørgsmål: Bed sprogmodellen om at forklare f.eks. et fagbegreb eller en teori. For eksempel: “Forklar mig begrebet som jeg var 12 år.”
• Sammenlignende spørgsmål: Spørg om ligheder og forskelle imellem teorier, begreber og metoder.
• Anvendelsesorienterede spørgsmål: Bed om eksempler på hvordan en teori kan anvendes i praksis.
• Kritiske spørgsmål: Stil spørgsmål, der udfordrer antagelser eller konklusioner i teksten. For eksempel: “Hvilke kritikpunkter er blevet rejst imod denne teori?”
• Refleksive spørgsmål: Spørg hvordan informationen kan anvendes til egne erfaringer? For eksempel: ”Hvordan kan jeg relatere denne information til mine tidligere erfaringer (beskriv erfaring) fra praksis?” 

• Indsæt tekst fra opgave eller projekt, og bed sprogmodellen om at komme med feedback på ting som sproglig præcision, “den røde tråd” imellem afsnit og akademiske formuleringer.
• Anvend en sprogmodel i opstartsfasen, når der skal idegenereres og bed den om kreative indspark.
• Giv en sprogmodel rollen som en eksaminator og bed den om, at eksaminere dig i et bestemt emne.
• Bed den dernæst om feedback på din svar og præstation.

Husk altid at forholde dig kildekritisk til sprogmodellens output. Læs mere i afsnittet "Hvorfor er kildekritik vigtigt?"