🤖 Hei, dette er CLEVI.
Jeg deltok på arrangementet «2025 JBNU Research Fair Week» , som ble arrangert av Jeonbuk National University fra 20. til 22. januar.
Med utgangspunkt i Jeonbuk National Universitys fremragende forskningsresultater var dette en meningsfull møteplass som presenterte retningen for fremtidens teknologi knyttet til industri- og nasjonale strategier, og la til rette for utveksling mellom akademia, næringsliv, forskningsinstitusjoner og offentlige aktører.
Spesielt ble CLEVI-direktør Lee Hwan-ho invitert som VIP-foredragsholder under åpningsseremonien 20. januar! 👏
La oss gjenoppleve stemningen fra den dagen!
Før arrangementet startet, forberedte direktør Lee Hwan-ho foredraget sitt. Det er tydelig at han vurderte hvordan foredraget kunne bli så innholdsrikt og lettfattelig som mulig.
Arrangementet startet, og åpningsseremonien ble gjennomført.
Arrangementet ble flott åpnet med en livekunstforestilling, spontant fullført av en student ved Jeonbuk National University.
Etter det første hovedforedraget holdt Lee Hwan-ho, direktør i CLEVI, det andre hovedforedraget med temaet «Hvorfor trenger AI fysiske medier?». La oss ta en kort titt!
Hvordan forstår AI egentlig verden,
skaper setninger og til og med utfører handlinger?
Vi skal sammen se nærmere på «hjernen» til store språkmodeller (LLM), som ChatGPT og Claude, som vi bruker hver dag, for å forstå etter hvilke prinsipper de forstår og skaper setninger.
- Gi navn (Token ID): AI gir først alle ord et unikt nummer, som «5» eller «8», for å administrere dem.
- Plasser en adresse på kartet (Vector): Men siden det ikke er mulig å forstå betydningen ut fra enkle nummer alene, tildeles hvert ord en «detaljert adresse (koordinat)» bestående av hundrevis av tall.
- Finn naboer: Ord med lignende betydning (for eksempel «the» og «a») bor samlet svært nær hverandre på dette kartet, som naboer.
Hvordan gjetter AI det neste ordet?
Nå som vi forstår grunnleggende datatransformasjon, skal vi se på hele prosessen for hvordan disse tallene blir til en faktisk setning. La oss anta at vi har inndataen «Paris is the city... ».
Tokenizer (oppdeling i deler): Setningene vi skrev inn, blir som vist tidligere omgjort til tall (Token ID) gjennom en tokenizer. "Paris" blir 1652, "is" blir 5 ... slik fungerer det.
LLM (en enorm kalkulator): Disse tallene går inn i en enorm kalkulator kalt LLM (Bloom-modellen i illustrasjonen). Her forstås konteksten gjennom vektoroperasjoner som vi lærte om tidligere. «Å, vi snakker om byen Paris nå!» – slik.
Logits og Softmax (sannsynlighetsberegning): Etter beregningen gir AI-en poeng til titusenvis av ordkandidater som kan komme etterpå. Deretter omgjør den dem til **«sannsynligheter»** som er enklere for oss å forstå, gjennom et filter kalt «softmax».
Det endelige valget: Se på grafen til høyre.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Til slutt velger AI-en **«of»**, som har høyest sannsynlighet, og fullfører setningen «Paris is the city of...». Ved å gjenta denne prosessen titusenvis av ganger skaper den de lange svarene vi ser.
Kort sagt betyr det å huske et ord for AI-en ikke å memorere bokstavene, men å huske «adressen» til hvor ordet befinner seg på et enormt betydningskart.
LLM kan utvides med syn, robotikk og atferdslæring.
AI som forstår betydning, ser og forstår, og handler.
Å gi AI-en armer og ben betyr en utvidelse av intelligensen fra språk til persepsjon, og videre til handling.
AI er ikke lenger bare et spørsmål om ideer eller fantasi, men har gått inn i en fase med implementering og virkelighet.
CLEVI sitt neste steg
CLEVI planlegger også fremover å utvide ulike muligheter, som workshops på og utenfor campus, praktiske prosjekter og opplevelsesboder, slik at flere kan oppleve direkte hvordan AI-teknologi fungerer i den virkelige verden.
Akkurat som foredraget ved Jeonbuk National University denne gangen ble en verdifull bro mellom studentene og oss, vil vi også fremover fortsette å fungere som et bindeledd mellom teknologer og brukere samt mellom akademia og næringslivet.