Bearbetning
Språkmodeller
Språkmodeller är avancerade AI-system som kan förstå, tolka och generera mänskligt språk. Dessa modeller tränas på enorma textdatamängder och lär sig mönster, ordkombinationer, meningsstrukturer och till och med nyanser i olika språk och språkbruk. Kärnan i många moderna språkmodeller är transformer-arkitekturen, som använder självuppmärksamhetsmekanismer för att avgöra vilka delar av texten som är viktiga i ett givet sammanhang.
Vid språkbehandling använder dessa modeller statistiska metoder för att förutsäga vilket nästa ord eller nästa mening i en text sannolikt är. De kan förstå kontext över långa textstycken och genererar därmed inte bara grammatiskt korrekta utan även innehållsmässigt sammanhängande och relevanta texter.
När man använder en språkmodell för exempelvis en chatbot eller en textgenerator ges modellen vissa prompts eller initial data, och baserat på denna input genererar modellen text som logiskt följer av den givna kontexten. Målet med dessa modeller är att producera text som verkar så mänsklig som möjligt, både vad gäller innehåll och stil.
Text-till-bild-modeller
Text-till-bild-modeller är AI-system som kan generera visuella representationer, såsom foton, illustrationer eller andra typer av bilder, från skrivna textbeskrivningar. Dessa modeller använder avancerade neurala nätverk, och mer specifikt generativa adversarial nätverk (GANs) eller varianter därav som diffusionmodeller.
Processen börjar med en textbeskrivning som användaren matar in. Modellen bedömer denna text och försöker förstå dess betydelse och kontext. Därefter genererar modellen bilder som överensstämmer med den textuella beskrivningen, med hjälp av vad den lärt sig under träningen, där den tränats på enorma dataset av text-bild-par.
Under träningen lär sig modellen associationer mellan textbeskrivningar och visuella egenskaper. Till exempel, om modellen upprepade gånger ser ordkombinationen "en gul sol över ett blått hav" tillsammans med bilder som illustrerar detta scenario, lär den sig att känna igen och reproducera dessa element i framtida bildskapelser.
Resultatet är ofta förvånansvärt exakta och detaljrika bilder som stämmer överens med den inmatade textbeskrivningen. Dessa modeller blir allt mer sofistikerade och kan återge komplexa scenarier med flera objekt och abstrakta koncept. De används i en rad olika tillämpningar, inklusive konstnärliga skapelser, speldesign, virtuell verklighet med mera.
AI-School öppnar modeller
Det är viktigt att förstå att AI-School öppnar tillgång till olika AI-modeller som ingår i den centrala modellkatalogen. Dessa modeller erbjuds av externa leverantörer via ett API. Ett API, eller Application Programming Interface, är en uppsättning regler och definitioner som gör att mjukvaruprogram kan kommunicera med varandra. Det fungerar som ett slags "språk" som program förstår för att utbyta information och anropa varandras funktioner. AI-School har inga egna språkmodeller, text-till-bild-modeller eller text-till-tal-modeller.
Vi ansvarar inte för resultaten från de olika modellerna. Däremot har vi lagt vikt vid att välja de bästa och mest intressanta modellerna för skolor.
Bearbetningsprocedur enligt DPIA
DPIA beskriver grundproceduren för att generera ett svar enligt följande:
- Användaren matar in en prompt i AI-Schools portal.
- Prompten sparas i AI-Schools databas.
- AI-School skickar prompten via en API-koppling och ett generellt konto utan koppling till AI-School-kontot till den valda AI-modellen.
- Konto- och elevadministrationsuppgifter läggs inte automatiskt till modellen.
- Svaret från AI-modellen skickas tillbaka till AI-School.
- Svaret sparas i AI-Schools databas.
- Svaret presenteras för användaren.
AI-School skickar inte konto- och elevadministrationsuppgifter automatiskt till AI-modellen. Modellen får dock innehållet i prompten utan koppling till AI-School-kontot. En användare kan själv ha inkluderat personuppgifter i prompten; i så fall kan dessa uppgifter behandlas av den valda AI-modellen.
Ytterligare kontext
Vid funktioner som chatt med dokument, multimodal input eller vissa verktyg kan prompten kompletteras med användarvalda kontexter, såsom dokumentfragment, bilder eller sökresultat. Även denna kontext erbjuds till modellen utan koppling till en identifierbar användare, men innehållet kan innehålla personuppgifter om användaren själv har lagt till dem.
