Store språkmodeller

  • 7 minutter

Å forstå hvordan generativ kunstig intelligens fungerer kan hjelpe lærere med å holde seg i forkant av teknologiske fremskritt innen utdanning. La oss grave mer i KI-vokabularet.

Hva er store språkmodeller?

Large language model (LLM) refererer til AI-modeller som GPT-5.6 (og fremtidige versjoner) av OpenAI som er opplært på enorme mengder tekst og kan generere samtalesvar på stedet ved å forutsi hvilke ord som kommer neste i en setning – som å sette sammen et puslespill. Store språkmodeller kan utføre ulike oppgaver med naturlig språk, for eksempel:

  • Klassifisering
  • Oppsummering
  • Oversettelse
  • Generering av innhold
  • Dialog (for eksempel virtuelle assistenter)

Store språkmodeller er trent på milliarder av språkeksempler fra ulike kilder som bøker, artikler og nettsteder, som hjelper dem med å svare med fakta, grammatisk korrekt tekst, argumentasjon og et skinn av kreativitet.

Det populære ChatGPT-systemet fra OpenAI er et eksempel på denne typen generativ AI. ChatGPT drives av en stor språkmodell oppfunnet på OpenAI basert på GPT-5.6-modellen (generativ forhåndstrent transformator). Tenk på ChatGPT som en applikasjon bygget på toppen av en stor språkmodell som er finjustert for interaktive chatter.

People som bruker en app drevet av en stor språkmodell, kan styre modellens utdata gjennom ledetekster – teksten de skriver inn i appens grensesnitt. Instrukser kan være setninger eller spørsmål i naturlig språk, kodesnutter eller kommandoer, eller en hvilken som helst kombinasjon av tekst eller kode.

Når en ledetekst er spesifikk og detaljert, kan LLM-er generere tekst, utvide hovedpunkter, kondensere informasjon til nøkkelpunkter og svare på spørsmål effektivt. Kunsten å kreativt definere LLM-spørsmål er et fremvoksende felt kjent som spørsmålsdesign og spørsmålsteknikk. Det innebærer prosessen med å lage effektive og effektive spørsmål for å få ønsket respons. Lærere og elever må kanskje eksperimentere med å velge de riktige ordene, uttrykkene, symbolene og formatene som hjelper modellen til å generere relevant tekst av høy kvalitet.

Her er noen tips for å skrive effektive ledetekster:

  • Vær spesifikk.
  • Bruk riktig modell for oppgaven.
  • Be om resultater fra et bestemt synspunkt.
  • Veiled modellen for å generere ønsket lengde.
  • Bruk Nytt emne-knappen når du vil endre emne

For flere tips[s, se:]

Microsoft bruker teknologi for store språkmodeller til å drive funksjonene i Copilot Chat.

Copilot Chat er som å ha en forskningsassistent, personlig planlegger og kreativ partner ved din side når du søker på nettet. Med dette settet med funksjoner drevet av kunstig intelligens kan du:

  • Still et faktisk spørsmål. Når du stiller komplekse spørsmål, kan Copilot Chat gi deg detaljerte svar.
  • Få et faktisk svar. Copilot Chat ser på søkeresultater på hele nettet for å gi et oppsummert svar.
  • Vær kreativ. Når du trenger inspirasjon, kan Copilot Chat hjelpe deg med å skrive dikt, historier eller til og med skape et helt nytt image.
  • I chatteopplevelsen kan du også stille oppfølgingsspørsmål som «Kan du forklare det med enklere ord» eller «Gi meg flere alternativer» for å få forskjellige og mer detaljerte svar i søket.

Obs!

Faktasjekk alltid resultatene. Selv om LLM-svar virker overbevisende, kan de være unøyaktige, ufullstendige eller upassende. LLM-er kan ikke forstå eller evaluere svarnøyaktigheten. Det er viktig å merke seg at Copilot Chat gir lærere og elever kilder for nettinnholdet det bruker som data i svarene, slik at de kan evaluere det før det brukes som en pålitelig kilde.

Et praktisk eksempel:

Et fakultetsmedlem ved et universitet må skrive et nytt pensum for et kurs om byplanlegging. De starter med å be Copilot Chat om å skrive et sammendrag av et kurs på universitetsnivå om byplanlegging. Sammendraget er detaljert, men inkluderer ikke alle emneelementene. Fakultetsmedlemmet endrer ledeteksten for å inkludere kursdisposisjonen og spesifiserer at sammendraget er for en kurspensum. Den andre gjentakelsen er nærmere det de trenger for pensum. De kopierer teksten, limer den inn i et Word-dokument og endrer bare noen få ord. Oppsummeringen er ferdig. De ber deretter Copilot Chat om å skrive læringsmål for kurset basert på disposisjonen og sammendraget. På få minutter fullfører de denne oppgaven og kan gå videre til å opprette kursmateriell.

Selv om LLM-er er imponerende på mange måter, er de best egnet for oppgaver som involverer kategorisering, generering av nye ideer eller oppsummering av tekst i stedet for å hente spesifikke detaljer fra et stort datasett.