AI på den klimavenlige måde

Om forløbet

Når vi taler om AI, handler det oftest om store sprogmodeller som ChatGPT. De kan meget, men de bruger store mængder strøm og er ofte dyrere, end opgaven kræver. Mange opgaver i en organisation kan løses lige så godt med mindre AI-modeller, der er lavet til netop den opgave. Det kan være at sortere henvendelser, genkende billeder eller finde mønstre i data. Små modeller er billigere at bruge og kræver mindre energi.

Workshoppen henvender sig til medarbejdere uden teknisk baggrund, og du behøver ingen forudsætninger for at deltage.

Sådan lærer en AI-model: Vi gennemgår de tre grundlæggende måder, en model kan lære på, med eksempler fra hverdagen:
• Supervised learning: Modellen lærer af eksempler, hvor det rigtige svar er kendt. Den kan fx lære at kende forskel på spam og almindelige mails.
• Unsupervised learning: Modellen finder selv mønstre og grupper i data. Den kan fx opdele kunder i grupper, der ligner hinanden.
• Reinforcement learning: Modellen lærer gennem forsøg og fejl og bliver belønnet, når den træffer et godt valg.

Små open source-modeller: Du får en introduktion til små AI-modeller, som alle frit kan bruge og tilpasse. Vi ser på, hvad de kan, hvor de kommer til kort, og hvordan de adskiller sig fra de store sprogmodeller.

Stor eller lille model? Vi taler om, hvordan man kan vurdere, om en opgave kræver en stor sprogmodel, eller om en mindre løsning er nok. Det handler både om resultat, pris og klimaaftryk.

Workshoppen består primært af oplæg og dialog, hvor der er god plads til spørgsmål. Undervejs prøver du selv at træne en lille AI-model i Teachable Machine. Det er et gratis værktøj i browseren, hvor du kan lære en model at genkende fx billeder, uden at skrive kode. Øvelsen gør det konkret, hvordan en model lærer af eksempler, og hvorfor den nogle gange tager fejl.

Du går derfra med en bedre forståelse af, hvordan AI fungerer, og med et grundlag for at spørge ind til, om en AI-løsning står mål med de ressourcer, den bruger.

Det lærer du

• Grundlæggende forståelse af forskellen på store sprogmodeller og små, specialiserede AI-modeller
• Overblik over de tre måder, en AI-model kan lære på, forklaret med eksempler fra hverdagen
• Indblik i, hvordan en AI-models størrelse hænger sammen med strømforbrug og omkostninger
• Kendskab til små open source-modeller og hvad de kan bruges til
• Praktisk erfaring med selv at træne en simpel AI-model
• Evnen til at stille kritiske spørgsmål til, om en opgave kræver en stor sprogmodel