Denne artikel er normalt låst og forbeholdt abonnenter på TID & tendenser, men vi har valgt at låse den op, så du også få glæde af den. God læselyst!
Med generativ AI står vi på kanten af en ny epoke, hvor kunstig intelligens ikke længere kun er forbeholdt en lille skare, men vil være en fast del af vores hverdag.
Det kan lyde overvældende, og måske er det også det. Men faktisk står vi overfor en spændende forandring. En ny epoke, hvor almindelige individer kan drage fordel af kunstig intelligens. Noget som før har været forbeholdt de få.
Dette åbner op for muligheden for at automatisere en række opgaver og systemer, revolutionere måden, vi kommunikerer på, og samtidig spare både tid og penge i vores dagligdag. Med denne banebrydende udvikling får vi også mulighed for at fokusere mere på menneskelighed i vores arbejdsliv. Hvilket unægtelig vil gøre vores interaktioner og oplevelser rigere.
Nogle er bekymrede for, at det vil være farligt for vores job, for demokratiet, for læringssamfundet og for menneskehedens frie vilje. Men der er også dem, som ser udviklingen af generativ AI som skabelsen af et værktøj til at forbedre menneskelig erkendelse, hvilket giver os nye midler til at tænke, opfinde og udforske vores krop, sind og universet.
Denne artikel ser nærmere på, hvad generativ AI er, hvor vi er i øjeblikket, og hvor kunstig intelligens potentielt kan tage os hen i en arbejdsmæssig kontekst. Vi starter med lidt baggrund, og så slutter vi med de mange anvendelsesområder.
Hvad er generativ AI?
Lad os starte fra en ende af. Generativ AI er en gren af datalogi, der involverer superviserede/overvågede og semiovervågede algoritmer, der gør det muligt for computere at skabe nyt indhold ved hjælp af tidligere oprettet indhold, såsom tekst, lyd, video, billeder og kode. Med andre ord er generativ AI en delmængde af maskinlæring, der fokuserer på at skabe algoritmer, der kan generere ny data. I dag bruges generative modeller i mange forskellige anvendelsesområder – fra kunst og musik til robotteknologi.
Udtrykket ’generativ AI’ refererer til, hvordan disse modeller lærer at skabe nye data i stedet for blot at genkende dem. For eksempel kan en generativ AI lære at generere billeder, der ligner en hund ud fra et vist antal parametre, såsom antallet af ben eller hud/pelsfarven.
Generativ AI er her faktisk allerede, og den er i stand til at producere tekst og billeder, der spænder over blogindlæg, programkode, poesi og kunst – hvor den kontroversielt nok vinder konkurrencer.
Hvordan virker generativ AI?
Kort sagt benytter generativ AI komplekse maskinlæringsmodeller, for eksempel til at forudsige det næste ord baseret på tidligere ordsekvenser eller det næste billede baseret på ord, der beskriver tidligere billeder. Tilbage i 2017 brugte Googles Brain-medarbejdere oprindeligt teknologien til at oversætte ord, samtidig med at konteksten blev bevarret.
Siden da har store sprogmodeller og tekst-til-billede-modeller spredt sig hos førende teknologivirksomheder, herunder Meta/Facebooks Llama, Googles Bard og BERT, Anthropics Claude, samt OpenAI, der står bag den i 2023 allestedsværende ChatGPT, som fokuserer på tekst, og DALL-E2, der fokuserer på billeder. Derudover er der også en lang række open-source-modeller, som er virkelig gode og viser så stort et potentiale, at Google er udfordret. Generativ AI har tidligere været begrænset til store teknologivirksomheder, fordi træning af dem kræver enorme mængder data og computerkraft. For ja, algoritmer fødes ikke som superstjerner, de skal også trænes.
ChatGPTs ’motor’, GPT-3, blev oprindeligt trænet på 45 terabyte data og anvender 175 milliarder parametre eller koefficienter til at lave sine forudsigelser: Et enkelt træningsløb for GPT-3 kostede 12 millioner dollars. Men det er ikke engang den vildeste. Wu Dao 2.0, en kinesisk model, har 1,75 billioner parametre.
Det er de færreste virksomheder, som har datacenterkapacitet eller cloud computing-budget til at træne deres egne modeller af denne type fra bunden. Når først en generativ model er trænet, kan den imidlertid ’justeres’ til et bestemt domæne med meget færre data. Dette har ført til specialiserede modeller af BERT – for biomedicinsk indhold (BioBERT), juridisk indhold (Legal-BERT) og fransk tekst (CamemBERT) (det er ikke en joke!) og GPT-3 til en lang række specifikke formål.
Hvordan bruger jeg generativ AI såsom ChatGPT?
For at bruge generativ AI har du stadig brug for menneskelig involvering i både begyndelsen og slutningen.
Til at starte med skal du indtaste en såkaldt ’prompt’ i den generative AI for at få den til at skabe indhold. Et prompt er en frase, en instruktion eller en handling, som du gerne vil have den til. Her er tre eksempler:
— Forklar renters rente til en 8-årig.
— Lav en overskrift om fordelene ved digital transformation, som motiverer til, at man klikker på den, og som er relaterbar for SMV’er.
— Skriv en blog, der imødekommer eventuelle bekymringer, som (indsæt din målgruppe) måtte have omkring mit produkt, og overbevis dem til at (indsæt hvad du gerne vil have målgruppen til).
Generelt giver et kreativt prompt kreative resultater, og i starten er det bare med at være nysgerrig og forsøge forskellige prompts. Resultaterne vil altid afspejle input, og for at få de bedste resultater ud af en generativ AI skal man faktisk øve sig. Generativ AI er et redskab, som du skal lære at kende, og som du skal lære at mestre. Jo bedre prompts, du skriver, des bedre output.
Det har vist sig, at prompts, hvordan du instruerer din AI, er den hemmelige ingrediens, og hvordan du rent faktisk skaber den store værdi og ikke bare ender med generelle floskler og en amerikaniseret tekst. Der kom ret hurtigt en 82-siders bog med prompts til DALL-E 2 og en prompt markedsplads, Promtbase, hvor man mod et mindre gebyr kan købe de bedste prompts, så man får mest mulig ud af generativ AI. I takt med udviklingen får flere og flere en forståelse for vigtigheden af at kunne prompte ordentligt, struktureret og med den størst mulige effekt.
Generativ AI og samarbejdet med mennesker
Men du kan ikke lade det hele være op til AI’en eller din prompt. Når en generativ AI genererer indhold til dig, skal resultatet evalueres og redigeres. ChatGPT og lignende producerer for eksempel gode tekster, men det er de færreste, jeg har læst og gennemgået, som ikke kunne forbedres med en hurtig menneskelig gennemgang, ligesom de genererede billeder kan kræve en efterbehandling.
Som eksempel brugte Jason Allen, der vandt Colorados kunstkonkurrence med hjælp fra den generative AI Midjourney, mere end 80 timer på at lave 900 versioner af hans værk, og han finjusterede sine prompts igen og igen. Derudover forbedrede han resultatet med Adobe Photoshop, samt øgede billedkvaliteten og skarpheden med et andet AI-værktøj.
Generativ AI og menneskets stærkeste egenskab
Vores evne til at skabe er en af vores stærkeste egenskaber. Vi har igennem de sidste 100 år forsøgt at automatisere de hårde, dyre eller tidskrævende fysiske opgaver, og ved hjælp af teknologi har vi fået en vej væk fra fysisk nedslidende arbejde. En automatisering, der både giver værdi og mening. Selvom maskinerne laver det fysiske arbejde, betyder det ikke, at vi sidder uden et arbejde og kigger på. Det har faktisk medført, at det gode håndværk er i højere kurs end nogensinde før. Men hvad så, når automatiseringen rykker ind i skolerne, ikke til at hjælpe underviserne, men de studerende, og hvad med indrykket på de kreative arbejdspladser?
Takket være generativ AI er næsten alle områder, hvor mennesker skaber originalt indhold til genopfindelse – uanset om det er sociale medier, spil, reklamer, grafisk design, produktdesign eller markedsføring. Der er ingen tvivl om, at AI-genereret materiale i sidste ende vil blive billigere, hurtigere og bedre, end hvad mennesker kan skabe manuelt i nogle tilfælde.
Mens generativ AI kan erstatte visse funktioner fuldstændigt, vil andre funktioner sandsynligvis trives gennem en samskabende proces mellem mennesker og maskiner. Vi har tidligere set, at kunstig intelligens kan hjælpe med at diagnosticere for eksempel kræft, men at det bedste resultat skabes i samarbejdet mellem mennesker og AI.
Hvad er udfordringerne ved generativ AI såsom ChatGPT?
Generativ AI, som ChatGPT, har mange potentialer og anvendelsesmuligheder, men det medfører også en række udfordringer og bekymringer. Nogle af de vigtigste udfordringer inkluderer:
— Bias og diskrimination: Modellerne kan reproducere og forstærke eksisterende fordomme, som eksisterer i de data, de er trænet på. Dette kan føre til bias og diskriminerende output.
— Misbrug: Teknologien kan bruges til at generere vildledende information, deepfakes eller andet skadeligt indhold.
— Upålidelige svar: Modellen kan generere overbevisende, men forkerte eller misledende svar.
— Mangel på konsistens: Modellen kan give forskellige svar på den samme prompt eller ændre dens svar baseret på små ændringer i formuleringen af en prompt.
— Vanskeligheder med kontekst: Modellen kan have svært ved at forstå og opretholde kontekst gennem lange samtaler eller komplekse diskussioner.
— Ressourcekrav: Træning og drift af store generative modeller kræver betydelige computerressourcer, hvilket kan medføre høje omkostninger og miljømæssige bekymringer.
— Arbejdsmarked: Automatisering og AI kan føre til omskoling eller jobtab i visse sektorer.
— Ansvarlighed: Det kan være uklart, hvem der er ansvarlig, når AI-genereret indhold fører til skadelige konsekvenser.
Hvor dygtig er denne teknologi egentlig til at efterligne den menneskelige indsats på kreativt arbejde? Teksten ovenfor er faktisk skrevet af ChatGPT som svar på overskriften ’Hvad er udfordringerne ved generativ AI såsom ChatGPT?’, som jeg gav den som prompt.
Selve svaret afspejler styrkerne og svaghederne ved det meste AI-genereret indhold. For det første er svaret fra en generativ AI som for eksempel ChatGPT afhængig af det prompt, som jeg giver den. I ovenstående forsøgte jeg med flere forskellige formuleringer, før jeg endte på denne. Som dens svar også viser, får man med forskellige, men lignende, prompts helt forskellige svar. For det andet skriver systemet ret godt.
Der er ikke store grammatiske fejl, og ordvalget er, omend lidt formelt, ok passende. For det tredje vil svaret have gavn af en smule redigering. For det fjerde kom ChatGPT med ærlig og miskrediterende information om sig selv i punktet omkring upålidelige svar, som er den store udfordring. Når vi skal bruge generativ AI i vores virksomheder, vil det blive farligt, hvis vi først opbygger en tillid til dens visdom og gode svar, hvor den efterfølgende vejleder os til noget forkert.
ChatGPT og andre generative AI-modeller giver beviseligt både forkerte og vildledende svar – eller for eksempel skaber billeder af hænder med tre til syv fingre. Det gode er, at udviklingen raser afsted, og vi ser færre og færre fodfejl, både med tekster og med antal fødder på billeder. Men det er dit ansvar at faktatjekke det, du får ud af værktøjet. Altid. Du vil jo nødig ende som den uheldige advokat, der ukritisk brugte en AI’s forarbejde i retten og endte med at tabe det hele på gulvet.
Der kommer løbende nye løsninger/modeller til, nogle til specifikke arbejdsopgaver og andre mere generelle. Foruden modellerne selv er der opstået en kæmpe underskov af løsninger, der bygger på disse modeller. Nu behøver du nemlig ikke bruge 10-100 mio. dollars på at træne din egen AI-model. Du kan bare koble dig på en eksisterende. Det betyder, at tjenester og virksomheder kan få AI-kræfter, hvilket gør, at entreprenante personer og virksomheder skaber flere tusind værktøjer, der nu kan hjælpe os med alt fra oplæsning af tekster, PowerPoint-præsentationer, Excel-gymnastik, mødetransskribering etc.
Men hvorfor er det relevant?
Efter at have arbejdet med GPT-værktøjer i længere tid end de fleste, og efter at have eksperimenteret og brugt det sammen med en lang række virksomheder, er jeg af den overbevisning, at vi har at gøre med noget virkelig skelsættende. Noget som gør, at vi må gøre os klar til en ny epoke af vores arbejdsliv.
Brugen af generative AI-løsninger skaber så mange muligheder, og med mine egne øjne har jeg set, hvordan AI hjælper alt fra bedemænd til at lave produktionsplaner til en podcast om sorg, svejsevirksomheder, der bruger den til at lave bemandingsplaner, HR og rekrutteringsvirksomheder, som bruger den til alt fra transskriberinger og jobopslag til ingeniører, der bruger den på udbudsmateriale og på at sikre compliance. Og mange andre helt konkrete brugsscenarier.
Generativ AI er brugbart, effektivt, værdiskabende og ikke mindst intuitivt. Fordelen er, at det er så let at gå til, så selv den dygtige, men tekstudfordrede håndværksmester kan bruge det til at lave gennemtænkte og gennemarbejdede tilbud. Det bugner med de gode eksempler allerede, og vi er først lige begyndt. Generativ AI vil unægteligt gøre en forskel hos jer i alt fra indholdsskabelse, over projektledelse, administration og kundeservice til strategiudvikling og innovation.
Hvad med vores job?
Jeg mødte en ung udvikler, der nysgerrig spurgte: “Jeg plejer at udvikle hjemmesider til folk. Nu hvor kunderne ved, at jeg kan gøre det meget hurtigere, vil de så ikke bare betale mindre?” Ikke nødvendigvis. De vil i realiteten have råd til det samme, og hvis du kan lave det fundamentale hurtigere og bedre, så er der jo tid i budgettet, til at kunderne kan få nogle af de lækre elementer, som de ønsker sig, men som de tidligere ikke havde råd til. Hvilket fører til, at vi som helhed får bedre produkter og interaktioner med virksomheder.
Der vil være situationer, hvor vi vil få så meget hjælp, at vi skal til at lave noget andet, men i den første lange tid, tror jeg ikke, en AI vil tage dit arbejde. En person, der benytter AI, vil måske. Men her kan du heldigvis selv være med. ChatGPT og generative AI’er er så nyt, at det er de færreste, der har et forspring. Vi er alle med fra starten af.
