Store sprogmodeller (LLM)
En type kunstig intelligens, der er trænet på enorme mængder tekstdata til at forstå og generere menneskeligt sprog.

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. 

Hvilke sprogmodeller kan man bruge? 
Siden 2022 er markedet for store sprogmodeller ekploderet, og der er i dag et rigt udvalg af både kommercielle og open-source modeller. 

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. 

Når du bruger AI-genererede billeder, så er det god pli at skrive det, hvis du bruger det i opgaver, præsentationer eller lignende. 

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  

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 sprogmodeller hallucinerer, skaber de information og kildehenvisninger, der kan være fejlagtige sammenkoblinger fra deres træningsdata. Fænomenet opstår, fordi sprogmodeller genererer svar ved at efterligne sproglige mønstre snarere end ved at gengive sandheder. 

Hvad er bias?

Da sprogmodeller 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 gratis versioner af sprogmodeller 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 tekstbidder 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?"