Behandling

Språkmodeller

Språkmodeller er avanserte AI-systemer som kan forstå, tolke og generere menneskelig språk. Disse modellene trenes på enorme datasett med tekst og lærer mønstre, ordkombinasjoner, setningsstrukturer, og til og med nyansene i forskjellige språk og språkbruk. Kjernen i mange moderne språkmodeller er transformer-arkitekturen, som bruker selvoppmerksomhetsmekanismer for å avgjøre hvilke deler av teksten som er viktige i en gitt kontekst.

Ved behandling av språk bruker disse modellene statistiske metoder for å forutsi hva det mest sannsynlige neste ordet eller den mest sannsynlige neste setningen i en tekst kan være. De kan forstå kontekst over lange tekststykker og dermed generere ikke bare grammatisk korrekte, men også innholdsmessig sammenhengende og relevante tekster.

Når man bruker en språkmodell for for eksempel en chatbot eller en tekstgenerator, får modellen visse prompts eller innledende data, og basert på denne inputen genererer modellen tekst som logisk følger av den gitte konteksten. Målet med disse modellene er å produsere tekst som fremstår så menneskelig som mulig, både når det gjelder innhold og stil.

Tekst-til-bilde modeller

Tekst-til-bilde modeller er AI-systemer som kan generere visuelle representasjoner, som bilder, illustrasjoner eller andre typer bildemateriale, ut fra skrevne tekstbeskrivelser. Disse modellene bruker avanserte nevrale nettverk, og mer spesifikt generative adversarial nettverk (GANs) eller varianter som diffusjonsmodeller.

Prosessen starter med en tekstbeskrivelse skrevet av en bruker. Modellen vurderer denne teksten og forsøker å forstå betydningen og konteksten. Deretter genererer modellen bilder som samsvarer med den tekstuelle beskrivelsen, ved å bruke det den har lært under treningen, som er basert på enorme datasett med tekst-bilde-par.

Under treningen lærer modellen assosiasjoner mellom tekstbeskrivelser og visuelle kjennetegn. For eksempel, hvis modellen gjentatte ganger ser ordkombinasjonen «en gul sol over et blått hav» sammen med bilder som illustrerer dette scenariet, lærer den å gjenkjenne og reprodusere disse elementene i fremtidige bildeproduksjoner.

Resultatet er ofte overraskende nøyaktige og detaljrike bilder som stemmer overens med den innskrevne tekstbeskrivelsen. Disse modellene blir stadig mer sofistikerte og kan fremstille komplekse scenarioer med flere objekter og abstrakte konsepter. De brukes i et bredt spekter av anvendelser, inkludert kunstneriske kreasjoner, spilldesign, virtuell virkelighet og mer.

AI-School åpner modeller

Det er viktig å forstå at AI-School åpner for flere AI-modeller som er inkludert i den sentrale modellkatalogen. Disse modellene tilbys av eksterne leverandører via en API. En API, eller Application Programming Interface, er et sett med regler og definisjoner som gjør at programvare kan kommunisere med hverandre. Den fungerer som et slags «språk» som programmene forstår for å utveksle informasjon og kalle funksjoner hos hverandre. AI-School har ikke egne språkmodeller, tekst-til-bilde-modeller eller tekst-til-tale-modeller.

Vi er ikke ansvarlige for resultatene fra de ulike modellene. Vi har imidlertid lagt vekt på å velge de beste og mest interessante modellene for skoler.

Behandlingsprosedyre i henhold til DPIA

DPIA beskriver grunnprosedyren for generering av et svar som følger:

• Brukeren skriver inn en prompt i AI-School-portalen.
• Prompten lagres i AI-School sin database.
• AI-School sender prompten via en API-kobling og en generell konto uten kobling til AI-School-kontoen til den valgte AI-modellen.
• Konto- og elevadministrasjonsdata legges ikke automatisk til modellen.
• Svaret fra AI-modellen sendes tilbake til AI-School.
• Svaret lagres i AI-School sin database.
• Svaret presenteres for brukeren.

AI-School sender ikke konto- og elevadministrasjonsdata automatisk til AI-modellen. Modellen mottar innholdet i prompten uten kobling til AI-School-kontoen. En bruker kan selv ha inkludert personopplysninger i prompten; i så fall kan disse opplysningene behandles av den valgte AI-modellen.

Tilleggs-kontekst

Ved funksjoner som chatting med dokumenter, multimodal input eller visse verktøy kan prompten suppleres med kontekst valgt av brukeren, som dokumentutdrag, bilder eller søkeresultater. Også denne konteksten tilbys til modellen uten kobling til en identifiserbar bruker, men innholdet kan inneholde personopplysninger dersom brukeren selv har lagt til dette.