Grote taalmodellen

Door te begrijpen hoe generatieve AI werkt, kunnen docenten voorop blijven lopen op het gebied van technologische vooruitgang in het onderwijs. Laten we dieper ingaan op AI-woordenschat.

Wat zijn grote taalmodellen?

Large Language Model (LLM) verwijst naar AI-modellen zoals GPT-5.6 (en toekomstige versies) van OpenAI die worden getraind op enorme hoeveelheden tekst en ter plekke gespreksreacties kunnen genereren door te voorspellen welke woorden vervolgens in een zin komen, zoals bij het in elkaar zetten van een puzzel. Grote taalmodellen kunnen verschillende taken in natuurlijke taal uitvoeren, zoals:

• Classificatie
• Samenvatting
• Vertaling
• Inhoud genereren
• Dialoog (bijvoorbeeld virtuele assistenten)

Grote taalmodellen worden getraind op miljarden taalvoorbeelden uit verschillende bronnen zoals boeken, artikelen en websites, die hen helpen te reageren met feiten, grammaticaal correcte tekst, argumentatie en een schijn van creativiteit.

Het populaire ChatGPT-systeem van OpenAI is een voorbeeld van dit type generatieve AI. ChatGPT wordt mogelijk gemaakt door een groot taalmodel dat is uitgevonden bij OpenAI op basis van het GPT-5.6-model (generatief voorgetrainde transformator). Zie ChatGPT als een applicatie die is gebouwd op een groot taalmodel dat is afgestemd op interactieve chats.

People using a app powered by a large language model, can sturen the output van the model through prompts—the text they enter in the app's interface. Prompts kunnen zinnen of vragen in natuurlijke taal zijn, codefragmenten of opdrachten, of een combinatie van tekst of code.

Wanneer een prompt specifiek en gedetailleerd is, kunnen LLMs tekst genereren, hoofdpunten uitbreiden, informatie samenvatten in belangrijke punten en vragen efficiënt beantwoorden. De kunst van het creatief definiëren van LLM-prompts is een opkomend veld dat bekend staat als promptontwerp en prompt-engineering. Het omvat het proces van het opstellen van effectieve en efficiënte prompts om het gewenste antwoord te krijgen. Docenten en leerlingen/studenten moeten mogelijk experimenteren met het kiezen van de juiste woorden, zinnen, symbolen en indelingen die het model begeleiden om relevante teksten van hoge kwaliteit te genereren.

Enkele tips voor het schrijven van effectieve prompts zijn:

• Wees specifiek.
• Gebruik het juiste model voor de taak.
• Vraag om resultaten vanuit een bepaald gezichtspunt.
• Leid het model om de gewenste lengte te genereren.
• Gebruik de knop Nieuw onderwerp wanneer u van onderwerp wilt wisselen

Voor verdere tips zie:]

• De kunst van de prompt: Het beste uit generatieve AI halen
• Aan de slag met het schrijven van prompts in Microsoft Copilot

Microsoft maakt gebruik van grote taalmodeltechnologie om de mogelijkheden van Copilot Chat mogelijk te maken.

Copilot Chat is alsof je een onderzoeks assistent, een persoonlijke planner en een creatieve partner aan je zijde hebt wanneer je op internet zoekt. Met deze set AI-functies kun je het volgende doen:

• Stel een echte vraag. Wanneer je complexe vragen stelt, kan Copilot Chat je gedetailleerde antwoorden geven.
• Krijg een concreet antwoord. Copilot Chat bekijkt zoekresultaten op internet om een samengevat antwoord te geven.
• Wees creatief. Wanneer je inspiratie nodig hebt, kan Copilot Chat je helpen bij het schrijven van gedichten en verhalen of zelfs het maken van een geheel nieuwe afbeelding.
• In de chatervaring kunt u ook vervolgvragen stellen , zoals "Kunt u dat eenvoudiger uitleggen" of "Geef me meer opties" om verschillende en gedetailleerdere antwoorden te krijgen in uw zoekopdracht.

Een praktijkvoorbeeld:

Een faculteitslid aan een universiteit moet een nieuwe syllabus schrijven voor een cursus over stedenbouw. Ze beginnen met het vragen aan Copilot Chat om een samenvatting te schrijven van een cursus over stadsplanning op universitair niveau. De samenvatting is gedetailleerd, maar bevat niet alle cursuselementen. Het faculteitslid wijzigt de prompt om het cursusoverzicht op te nemen en geeft aan dat de samenvatting voor een syllabus van een cursus is. De tweede iteratie komt dichter in de buurt van wat ze nodig hebben voor de syllabus. Ze kopiëren de tekst, plakken die in een Word-document en veranderen slechts enkele woorden. De samenvatting is klaar. Vervolgens vragen ze Copilot Chat om leerdoelen voor de cursus te schrijven op basis van het overzicht en de samenvatting. Binnen enkele minuten kunnen ze deze taak voltooien en doorgaan met het maken van cursusmateriaal.

Hoewel LLMs in veel opzichten indrukwekkend zijn, zijn ze het meest geschikt voor taken die betrekking hebben op categorisatie, het genereren van nieuwe ideeën of het samenvatten van tekst in plaats van specifieke details uit een grote dataset op te halen.