Hur tänker AI? (Teorin bakom ChatGPT)

Att skapa appar, generera innehåll, lösa problem – uppgifter som tidigare var förbehållna experter kan nu hanteras med några välformulerade frågor. Skiftet är betydande, och för att förstå hur vi kommit hit behöver vi utforska utvecklingen av artificiell intelligens.

Den här artikeln följer AI:s utveckling genom viktiga steg:

• Vad är AI och var kommer det ifrån?
  En översikt av dess ursprung och tidiga utveckling.

• Djupinlärningens uppkomst
  Hur ökad datorkraft och data förändrade maskininlärningen.

• Språkmodellernas födelse
  Framväxten av system som kan bearbeta och generera mänskligt språk.

• Vad är egentligen en LLM?
  En genomgång av stora språkmodeller och hur de fungerar.

• Vad är generativ AI?
  Utforska AI:s förmåga att skapa nytt innehåll i text, bild och mer.

• Digitala guider: Hur chattbottar leder oss genom AI
  Den konversationella gränssnittens roll för att göra AI tillgängligt.

Varje avsnitt bygger mot en tydligare bild av de system som formar dagens teknologilandskap.

Vad är AI och var kommer det ifrån?

Människan har alltid undrat om vi kan bygga tänkande maskiner. När datorerna först skapades gick detta snabbare, och 1950 ställde Alan Turing samma fråga och följde upp med det berömda Turingtestet, ett tankeexperiment där en maskin försöker lura en människa att tro att den också är mänsklig. Det var gnistan som tände AI-lågan. De definierade det som att utföra uppgifter som normalt kräver mänsklig intelligens, de kunde förstå språk, känna igen bilder, lösa problem och fatta egna beslut, i princip bli en virtuell person som kan svara på alla dina frågor och lösa alla dina problem. Därför var Turingtestet viktigt, där man i grunden sätter en artificiell intelligens öga mot öga med en människa som nu ska avgöra om de pratar med en människa eller en robot. AI efterliknar i grunden mänskligt tänkande. Det var därför John McCarthy gav det namnet artificiell intelligens. De trodde att det skulle ta en sommar att nå dit där det kunde klara testerna och fungera perfekt på egen hand, men i verkligheten pågår utvecklingen av AI fortfarande.

Vad är AI och var kommer det ifrån?

Tidiga AI, på 60- och 70-talet, var regelbaserade. Om du ville att en dator skulle “tänka”, var du tvungen att tala om exakt hur den skulle tänka. Detta var expertsystem, där varenda regel måste kodas av en människa. Det fungerade tills det inte gjorde det längre – du kan inte lära AI att fatta varenda beslut för varje tänkbart scenario, det är omöjligt, eller åtminstone ohanterligt; de behövde lista ut hur datorer själva kunde fatta nya beslut, beslut som ingen ställt dem inför tidigare.

In på scenen: Maskininlärning. På 1980- och 1990-talet skiftade forskare till en ny idé, tänk om vi kunde lära datorer från data istället för bara regler? Det är maskininlärning, träna en algoritm på mängder av exempel, så att den kan se mönster och göra förutsägelser, vad betyder det? Låt oss föreställa oss att man förr lärde AI att följa grammatik genom att skriva ut varje enskild grammatisk regel, vad maskininlärning innebar som koncept var att AI fick tusentals artiklar, böcker och dokument att läsa och själv lista ut hur engelskan fungerar, självlärande.

Djupinlärningens uppkomst

Maskininlärning var bra, men begränsad. Den behövde ofta människor som pekade ut vilka egenskaper den skulle titta på. Då kom Djupinlärning, driven av neurala nätverk, en struktur löst inspirerad av hur den mänskliga hjärnan fungerar, som tittar på stora mängder data, men i steg, vilket hjälper den att upptäcka fler och fler mönster.

Det stora genombrottet kom runt 2012, när AlexNet, ett djupt neuralt nätverk, krossade en stor bildigenkänningstävling. Plötsligt kunde djupinlärning slå människor på att känna igen katter på internet. Det var inte bara bättre, det var otroligt bra. Djupinlärning innebar att man kunde mata in rådata (text, bilder, ljud) i en modell och den skulle själv lista ut viktiga mönster. Ingen mer handhållning. Bara mer data, fler lager, mer datorkraft. AI började lära sig exponentiellt.

Språkmodellernas födelse

När djupinlärning knäckte bilder, undrade forskare: kan den knäcka språk också? Svaret, ja, men inte lätt. Språk är fullt av nyanser. Men med tillräckligt med data och tillräckligt smart arkitektur, kom djupinlärningsmodeller som Recurrent Neural Networks (RNN) som kunde förstå data i sekvenser, vilket innebär att den inte bara tittar på ett ord, utan hur orden kommer i följd och varför de gör det på det sättet, och senare Transformers som inte bara tittade på orden enskilt i sekvens utan kunde se hela texten på en gång, vilket också hjälpte till att börja förstå och generera text.

År 2017 introducerade Google Transformer-arkitekturen. Det ändrade spelplanen. Transformers kunde bearbeta språk parallellt, snabbare, och fästa uppmärksamhet vid olika delar av en mening, likt mänskligt fokus. Denna arkitektur driver stora språkmodeller eller LLMs, som GPT, Gemini, Mistral, plötsligt ville alla skapa sin egen LLM som var bättre än de andra.

Vad är egentligen en LLM?

En stor språkmodell (LLM) är en typ av artificiellt intelligenssystem utformad för att generera och förstå mänskligt språk. Den tränas på enorma mängder textdata, såsom böcker, webbplatser, artiklar och kod och byggs med djupinlärning. Istället för att förstå ord som en människa lär den sig mönstren i hur vi skriver och talar.

Tekniken bakom? Något som kallas en Transformer-arkitektur som låter den bearbeta och generera språk i stor skala. Det är där “GPT” i ChatGPT kommer in:

• Generative – den skapar nytt innehåll
• Pre-trained – den lär sig först på allmän data
• Transformer – modellstrukturen som gör grovjobbet

Beroende på version av LLM kan chattbottens intelligens, noggrannhet och samtalsförmåga variera dramatiskt. Nyare versioner förstår sammanhang bättre, gör färre misstag och ger mer hjälpsamma svar.

Den här skillnaden handlar om parametrar – de miljarder kopplingar som avgör hur modellen behandlar information. Fler parametrar innebär oftast bättre minne och djupare förståelse.

Du har säkert hört talas om GPT-4, Claude, Gemini, LLaMA. Så nu är det viktigt att förstå en sak: ingen av dessa modeller “förstår” vad de säger, de är bara väldigt bra på att förutsäga nästa ord, baserat på sammanhanget.

Vad är generativ AI?

Generativ AI är ett begrepp du ofta hör kopplat till AI. Det är ett samlingsnamn för all AI som skapar nya saker. Om den kan skriva, rita, tala eller sjunga utan att kopiera befintligt material, är den generativ — den skapar nya saker. Den kan skapa ny text (tänk ChatGPT), bilder (som DALL·E eller Midjourney), videor (som Sora), eller kod (som GitHub Copilot). Det finns många olika typer som stöds av många olika LLMs.

Chattbottar: Våra digitala guider

Chattbottar är vår vänliga inkörsport till världens samlade kunskap. Istället för att behöva teknisk kunskap startar vi bara en konversation och utforskar AI naturligt. De översätter skrämmande teknik till vårt språk.

Chattbottar använder:

• Djupinlärning: för att lära sig språkets mönster från enorma textmängder
• Transformer-arkitektur: för skalbar, effektiv förståelse av sammanhang
• Maskininlärning: för att ständigt förbättras och anpassa sig utifrån feedback
• Generativ AI: för att skapa mänskliga svar i realtid

Men vi får inte glömma: den “förstår” inte på samma sätt som människor. Den imiterar förståelse. Det är okej för nu. Vi är inte riktigt vid AI-singulariteten, men vi är definitivt på motorvägen. Och ChatGPT? Det är bara den senaste milstolpen på en mycket längre resa.