Tal och träning – vad modellen har lärt sig

Introduktion • Inga förkunskaper

Kort sagt

En textbit får en inlärd lista med tal som startpunkt i modellen. Modellen räknar vidare med talen. Träning ändrar de inlärda parametrarna. Vanlig användning bearbetar din fråga med befintliga parametrar, normalt utan att uppdatera dem.

Vänd på kaffekortet

Tänk på textbiten kaffe som ett kort. På baksidan finns en lista med tal som datorn kan räkna med. Det tekniska namnet på en sådan representation är embedding. Listan är inte en ordboksförklaring eller ett litet faktakort.

Ett tal behöver inte betyda ”varmt” och ett annat ”dryck”. Det är talen tillsammans och modellens fortsatta beräkningar som spelar roll.

Vad är det modellen lär sig?

Modellen innehåller många inlärda tal som styr beräkningen. De kallas parametrar, ofta också vikter. Startlistorna ingår också i modellens parametrar.

Under träning får modellen många exempel. Den gör förutsägelser som jämförs med mål. Parametrarna justeras i små steg för att förbättra förutsägelser över träningsmaterialet. Det är inte samma sak som att varje fakta får ett eget tydligt reglage.

Träning kan ge användbara mönster men också fel och brister. Ett välskrivet svar är ingen faktagaranti.

Samma modell, ny fråga

Jämför Jag dricker kaffe med Jag undviker kaffe. Orden runt kaffebiten ändras. Därför kan modellens beräkning och svar ändras även om de lagrade parametrarna är exakt desamma.

Tänk på en räknemaskin: nya indata kan ge ett nytt resultat utan att maskinen byggs om. Liknelsen skiljer två sorters förändring åt; den är inte en beskrivning av hela språkmodellen.

Vad ändrades?	Vad betyder det?
Frågan eller samtalets text	Modellen har annat underlag att bearbeta.
En sparad minnesanteckning i tjänsten	Information utanför modellen har ändrats.
Modellens inlärda parametrar genom träning	Själva modellen har uppdaterats.

En tjänst kan spara historik och använda uppgifter vid eventuell senare träning enligt sina villkor. Det är en separat fråga, inte bevis för att parametrarna ändras medan svaret räknas fram.

Viktigaste fallgropen

”Den lärde sig när jag rättade den.” Kanske använde den bara rättelsen som ny information i samtalet. Ett bättre svar räcker inte för att visa att modellen tränats om.

Vad du kan göra nu

Nästa gång ett chattsvar ändras, välj först en av tabellens tre rader. Vad har du faktiskt belägg för att systemet ändrade?

Vidare läsning

Fördjupning: Embeddings och vikter – så räknar och lär sig språkmodellen.

AI från grunden – hela serien

• Textbitar – varför AI inte räknar ord som vi
• Tal och träning – vad modellen har lärt sig
• Sammanhang – hur resten av meningen hjälper

Se fler filmer i Lisemarks videogalleri. Berättarrösten är AI-genererad.