Hvordan fungerer AI-modeller?

I sin enkleste form er en AI-model et system, der modtager en indgangsdato, behandler den ved hjælp af indlærte interne mønstre og genererer en udgangsdato. Indgangsdatoen kan være en sætning, et billede, et lydklip, en kodelinje, en tabelrække eller en brugerprompt.

Resultatet afhænger af opgaven. En model kan forudsige det næste ord i en sætning, klassificere et billede, anbefale et produkt, sammenfatte et dokument, oversætte tekst, skrive kode, genkende tale eller generere et nyt billede. Den samme generelle opbygning går igen i mange AI-systemer: input, model, output.

Det betyder ikke, at modellen forstår verden på samme måde som et menneske. Det betyder, at modellen har lært nyttige statistiske sammenhænge ud fra eksempler og kan anvende disse sammenhænge på nye inddata.

Før en AI-model kan være til nytte, skal den trænes. Træning går ud på at vise modellen mange eksempler og justere den gentagne gange, så dens resultater kommer tættere på det ønskede resultat.

En sprogmodel kan trænes på store mængder tekst og kode. En billedmodel kan trænes på billeder og billedtekster. En talemodel kan trænes på lydoptagelser og transskriptioner. I alle disse eksempler lærer modellen sammenhængene mellem input og output i stedet for blot at gemme en liste over svar.

Denne skelnen er vigtig. En trænet model er ikke blot en database, man kan søge i. Den kan generalisere fra træningsdata til nye situationer, men denne generalisering er ikke perfekt og afhænger i høj grad af kvaliteten, mangfoldigheden og strukturen af de data, der er blevet brugt under træningen.

Viden i en AI-model repræsenteres gennem parametre. Parametre er interne numeriske værdier, der justeres under træningen. De bestemmer, hvordan modellen omdanner en indgangsværdi til en udgangsværdi.

Man behøver ikke at kunne matematik for at forstå ideen. En parameter er som en lille indstilling i et meget stort system. Træningen ændrer mange af disse indstillinger, så modellen bliver bedre til at forudsige, klassificere eller generere nyttige resultater.

Store AI-modeller kan indeholde milliarder eller endda billioner af parametre. Flere parametre gør ikke automatisk en model bedre, men de kan give modellen større evne til at gengive komplekse mønstre, når de kombineres med solide data, træningsmetoder og evaluering.

Efter træningen kan modellen tages i brug. Inferens er den fase, hvor den trænede model modtager nye input og genererer et svar, en forudsigelse eller et output.

Hvert eneste svar fra ChatGPT, hver AI-genereret billedgenerering, hvert anbefalingsresultat, hvert svar fra søgeassistenten eller hver stemmetransskription kræver inferens. Modellen bliver ikke fuldstændig genoptrænet hver gang. Den anvender i stedet det, den allerede har lært, på den nye forespørgsel.

Inferens kræver stadig regnekraft. Store modeller kan have brug for GPU’er eller andre AI-acceleratorer for at kunne svare hurtigt, især når millioner af brugere sender forespørgsler på samme tid.

AI-modeller kan begå fejl, fordi de bygger på indlærte mønstre og ikke på en garanteret sandhed. Hvis træningsdataene er ufuldstændige, partiske, forældede eller tvetydige, kan modellen komme frem til et svar, der lyder plausibelt, men som er forkert.

Sprogmodeller kan »hallucinere«, når de genererer flydende tekst uden et pålideligt faktuelt grundlag. Klassificeringsmodeller kan fejle på eksempler, der adskiller sig fra deres træningsdata. Anbefalingssystemer kan forstærke mønstre, der er til stede i tidligere adfærd, men som ikke nødvendigvis er nyttige for alle brugere.

Disse problemer gør ikke AI ubrugelig, men de forklarer, hvorfor evaluering, menneskelig gennemgang, forankring, hentning, sikkerhedstest og klare produktgrænser er vigtige. En brugbar model er ikke kun kraftfuld; den er også testet i den sammenhæng, hvor den skal anvendes.

Ikke alle AI-modeller er chatbots. Sprogmodeller arbejder med tekst og kode. Billedmodeller genererer eller klassificerer visuelt indhold. Indlejringsmodeller omdanner tekst, billeder eller andre data til numeriske repræsentationer, som kan søges i eller sammenlignes.

Klassificeringsmodeller tildeler mærker. Anbefalingsmodeller rangordner muligheder. Multimodale modeller kombinerer tekst, billeder, lyd eller video. Specialiserede modeller kan være tilpasset til medicin, finans, robotteknologi, oversættelse, industriel inspektion eller kundesupport.

Arkitekturen og træningsmålet har indflydelse på, hvad modellen er god til. Derfor består AI-økosystemet af mange forskellige modeller i stedet for ét universelt system, der er bedst egnet til alle opgaver.

Når man forstår, hvordan AI-modeller fungerer, bliver det lettere at forstå den infrastruktur, der ligger bag dem. Træning af store modeller kræver datasæt, GPU’er, datacentre, strøm, køling og evaluering. Drift af modeller for brugerne kræver en inferensinfrastruktur, der kan reagere hurtigt og pålideligt.

Det hjælper også med at forklare, hvorfor datakvalitet, modeludformning og valg af implementeringsmetode er vigtige. En mindre, specialiseret model kan være billigere og mere pålidelig end en meget stor, generel model til en snæver opgave. En dårligt evalueret model kan udgøre en risiko, selvom den ser imponerende ud i demonstrationer.

Det praktiske spørgsmål er ikke blot, om en model kan generere et svar. Det handler om, hvorvidt svaret er nyttigt, pålideligt, effektivt og egnet til opgaven. Derfor er modeller, træning, inferens, GPU’er og datacentre alle en del af den samme historie om AI-infrastruktur.