Stora språkmodeller

  • 7 minuter

Genom att förstå hur generativ AI fungerar kan lärare ligga steget före den tekniska utvecklingen inom utbildning. Låt oss gräva mer i AI-vokabulär.

Vad är stora språkmodeller?

Stor språkmodell (LLM) avser AI-modeller som GPT-5.6 (och framtida versioner) från OpenAI som tränas på enorma mängder text och kan generera konversationssvar på plats genom att förutsäga vilka ord som kommer härnäst i en fras – som att lägga ett pussel. Stora språkmodeller kan utföra olika naturliga språkuppgifter, till exempel:

  • Klassificering
  • Sammanfattning
  • Översättning
  • Generering av innehåll
  • Dialog (till exempel virtuella assistenter)

Stora språkmodeller tränas på miljarder språkexempel från olika källor som böcker, artiklar och webbplatser, vilket hjälper dem att svara med fakta, grammatiskt korrekt text, argumentation och ett sken av kreativitet.

Det populära ChatGPT-systemet från OpenAI är ett exempel på denna typ av generativ AI. ChatGPT drivs av en stor språkmodell som uppfanns på OpenAI baserat på GPT-5.6-modellen (generativ förtränad transformator). Tänk på ChatGPT som en applikation byggd ovanpå en stor språkmodell som är finjusterad för interaktiva chattar.

People som använder en app som drivs av en stor språkmodell kan styra modellens utdata via prompter – texten de anger i appens gränssnitt. Promptar kan vara meningar eller frågor på naturligt språk, kodfragment eller kommandon eller någon kombination av text eller kod.

När en fråga är specifik och detaljerad kan LLM:er generera text, utöka huvudpunkter, komprimera information till viktiga punkter och besvara frågor effektivt. Konsten att kreativt definiera LLM-promptar är ett framväxande område som kallas promptdesign och promptteknik. Det handlar om processen att skapa effektiva och ändamålsenliga uppmaningar för att få önskat svar. Lärare och elever kan behöva experimentera med att välja rätt ord, fraser, symboler och format som vägleder modellen för att generera högkvalitativ och relevant text.

Några tips för att skriva effektiva uppmaningar är:

  • Var specifik.
  • Använd rätt modell för aktiviteten.
  • Be om resultat ur en viss synvinkel.
  • Styr modellen för att generera önskad längd.
  • Använd knappen Nytt ämne när du vill byta ämne

För ytterligare tips se:]

Microsoft använder teknik för stora språkmodeller för att driva funktionerna i Copilot Chat.

Copilot Chat är som att ha en forsknings assistent, personlig planerare och kreativ partner vid din sida när du söker på webben. Med den här uppsättningen AI-drivna funktioner kan du:

  • Ställ en faktisk fråga. När du ställer komplexa frågor kan Copilot Chat ge dig detaljerade svar.
  • Få ett faktiskt svar. Copilot Chat tittar på sökresultat på webben för att ge ett sammanfattat svar.
  • Var kreativ. När du behöver inspiration kan Copilot Chat hjälpa dig att skriva dikter, berättelser eller till och med skapa en helt ny bild.
  • I chattupplevelsen kan du också ställa uppföljningsfrågor som "Kan du förklara det i enklare termer" eller "Ge mig fler alternativ" för att få olika och mer detaljerade svar i sökningen.

Obs!

Kontrollera alltid resultaten av faktakontrollen. Även om LLM-svar verkar övertygande kan de vara felaktiga, ofullständiga eller olämpliga. LLM:er kan inte förstå eller utvärdera svarsprecision. Det är viktigt att observera att Copilot Chat ger lärare och elever källor för onlineinnehållet som används som data i svaren, så att de kan utvärdera det innan de använder det som en betrodd källa.

Ett praktiskt exempel:

En fakultetsmedlem vid ett universitet behöver skriva en ny kursplan för en kurs i stadsplanering. De börjar med att be Copilot Chat att skriva en sammanfattning av en kurs på universitetsnivå om stadsplanering. Sammanfattningen är detaljerad men innehåller inte alla kurselement. Läraren ändrar prompten så att den inkluderar kursdispositionen och anger att sammanfattningen gäller en kursplan. Den andra iterationen ligger närmare vad de behöver för kursplanen. De kopierar texten, klistrar in den i ett Word-dokument och ändrar bara några ord. Sammanfattningen är klar. De ber sedan Copilot Chat att skriva utbildningsmål för kursen baserat på dispositionen och sammanfattningen. På några minuter slutför de denna uppgift och kan gå vidare till att skapa kursmaterial.

Även om LLM:er är imponerande på många sätt, passar de bäst för uppgifter som omfattar kategorisering, generering av nya idéer eller sammanfattning av text snarare än att hämta specifik information från en stor datamängd.