🤖 Hej, det er CLEVI.
Jeg deltog i arrangementet 「2025 JBNU Research Fair Week」, som blev afholdt af Jeonbuk National University fra den 20. til den 22. januar.
Dette var en meningsfuld begivenhed, der med fokus på Jeonbuk National Universitys fremragende forskningsresultater præsenterede retningen for fremtidens teknologier i forbindelse med industri- og nationale strategier og skabte et forum for udveksling mellem industri, akademia, forskningsinstitutioner og offentlige myndigheder.
Især blev CLEVI’s administrerende direktør, Lee Hwan-ho, inviteret som VIP-taler ved åbningsceremonien den 20. 👏
Lad os genopleve stemningen fra den dag!
Inden starten ser vi CLEVI’s administrerende direktør, Lee Hwan-ho, forberede sit foredrag. Man kan se, hvordan han overvejer, hvordan foredraget kan blive endnu mere indholdsrigt og letforståeligt.
Arrangementet begyndte, og åbningsceremonien gik i gang.
Først blev arrangementet flot åbnet med en livekunstperformance, som en studerende fra Jeonbuk National University spontant færdiggjorde.
Efter den første keynote holdt CLEVI’s administrerende direktør, Lee Hwan-ho, det andet keynote-foredrag med titlen “Hvorfor har AI brug for fysiske medier?”. Lad os tage et kort kig på det.
Hvordan forstår AI egentlig verden,
skaber sætninger og endda udfører handlinger?
Vi vil sammen se nærmere på, hvordan store sprogmodeller (LLM) som ChatGPT og Claude, som vi bruger hver dag, egentlig forstår og skaber sætninger – altså ind i deres 'hjerne'.
- Tildeling af navneskilte (Token ID): AI tildeler først hvert ord et unikt nummer som '5' eller '8' for at kunne administrere dem.
- Sæt en adresse på kortet (Vector): Men man kan ikke forstå betydningen ud fra et simpelt nummer alene, så hvert ord får en 'detaljeret adresse (koordinat)' bestående af hundredvis af tal.
- Find naboer: Ord med lignende betydninger (f.eks. 'the' og 'a') samles og bor meget tæt på hinanden på dette kort som 'naboer'.
Hvordan gætter AI så det næste ord?
Nu hvor vi har forstået den grundlæggende datatransformation, lad os se hele processen for, hvordan disse tal bliver til faktiske sætninger. Lad os antage, at inputtet er "Paris is the city...".
Tokenizer (opdeling): Som vi så tidligere, omdannes den sætning, vi indtastede, til tal (Token ID) gennem en tokenizer. "Paris" er nummer 1652, "is" er nummer 5 ... sådan fungerer det.
LLM (en gigantisk beregner): Disse talmængder føres ind i en gigantisk beregner kaldet LLM (Bloom-modellen på billedet). Her forstås konteksten gennem de vektorberegninger, vi lærte om tidligere. "Nå, vi taler om byen Paris lige nu!" på den måde.
Logits & Softmax (sandsynlighedsberegning): Efter beregningen tildeler AI'en point til titusindvis af mulige ord, der kan komme som det næste. Derefter omdannes de gennem et filter kaldet "softmax" til **'sandsynligheder'**, som er nemmere for os at forstå.
Det endelige valg: Se på grafen til højre.
- of → 33.7%
- that → 15.3%
- where → 9.4%
I sidste ende vælger AI'en **'of'**, som har den højeste sandsynlighed, og fuldender sætningen "Paris is the city of...". Ved at gentage denne proces titusindvis af gange skaber den de lange svar, vi ser.
Sammenfattende betyder det at huske et ord for AI ikke at lære bogstaverne udenad, men at huske 'adressen' på, hvor ordet bor på et enormt betydningskort.
LLM kan udvides med syn, robotteknologi og adfærdslæring.
AI, der forstår betydning, ser og forstår og handler.
At give AI arme og ben betyder en udvidelse af intelligensen fra sprog til perception og videre til handling.
AI er ikke længere kun et spørgsmål om idéer eller fantasi, men er trådt ind i fasen med implementering og virkelighed.
CLEVI's næste skridt
CLEVI planlægger fortsat at udvide forskellige muligheder såsom workshops på og uden for campus, praktiske projekter og oplevelsesstande, så flere fremover selv kan opleve, hvordan AI-teknologi fungerer i den virkelige verden.
Ligesom denne forelæsning på Jeonbuk National University blev en værdifuld bro mellem de studerende og os, vil vi også fremover fortsætte med at fungere som bindeled mellem teknologer og brugere samt mellem den akademiske verden og industrien.