🤖 Hej, det är CLEVI.
Vi besökte evenemanget 「2025 JBNU Research Fair Week (Research Fair Week)」, som anordnades av Jeonbuk National University från den 20 till den 22 januari.
Detta evenemang var en betydelsefull mötesplats där framtida teknikinriktningar kopplade till industriella och nationella strategier presenterades med fokus på Jeonbuk National Universitys framstående forskningsresultat, och där akademin, näringslivet, forskningsinstitut och offentliga aktörer kunde mötas och utbyta erfarenheter.
Särskilt glädjande var att CLEVI:s vd Lee Hwan-ho blev inbjuden som VIP-föreläsare vid invigningen den 20:e! 👏
Låt oss återuppleva stämningen från den dagen!
Här ser vi vd Lee Hwan-ho förbereda sin föreläsning före evenemangets start. Man kan se hur han funderar på hur föreläsningen ska bli ännu mer innehållsrik och lättförståelig.
Evenemanget började och invigningsceremonin inleddes.
Evenemanget öppnades på ett storslaget sätt med en livekonstföreställning som improviserades fram av en student från Jeonbuk National University.
Efter den första huvudföreläsningen höll CLEVI:s vd Lee Hwan-ho den andra huvudföreläsningen på temat ”Varför behöver AI ett fysiskt medium?”. Ska vi ta en kort titt?
Hur förstår AI egentligen världen,
skapar meningar och till och med utför handlingar?
Vi ska tillsammans titta in i ”hjärnan” på de stora språkmodellerna (LLM), som ChatGPT och Claude, vilka vi använder varje dag, för att förstå exakt enligt vilka principer de tolkar och skapar meningar.
- Märka med namn (Token ID): AI tilldelar först varje ord ett unikt nummer, som ”5” eller ”8”, för att hantera det.
- Sätta ut en adress på kartan (Vector): Eftersom enbart ett nummer inte säger något om betydelsen tilldelas varje ord en ”detaljerad adress (koordinat)” bestående av hundratals siffror.
- Hitta grannar: Ord med liknande betydelser (t.ex. ”the” och ”a”) samlas mycket nära varandra på den här kartan, ungefär som grannar.
Hur gissar AI då nästa ord?
Nu när vi har förstått den grundläggande datatransformationen ska vi gå igenom hela processen och se hur dessa siffror blir till faktiska meningar. Anta att vi har indata som lyder ”Paris is the city...”.}
Tokenizer (uppdelning): Meningen vi skrev in omvandlas, som vi såg tidigare, till siffror (Token ID) genom en tokenizer. "Paris" blir nummer 1652, "is" blir nummer 5 ... på det sättet.
LLM (en enorm räknare): Dessa sifferbuntar matas in i en enorm räknare som kallas LLM (Bloom-modellen på bilden). Här tolkar den kontexten genom de vektorberäkningar vi lärde oss om tidigare. "Aha, vi pratar just nu om staden Paris!"
Logits & Softmax (sannolikhetsberäkning): När AI:n har slutfört beräkningen poängsätter den tiotusentals ordkandidater som kan komma härnäst. Sedan omvandlar den dem till **'sannolikheter'** som är lätta för oss att förstå genom ett filter som kallas 'softmax'.
Slutligt val: Titta på grafen till höger.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Till slut väljer AI:n **'of'**, som har högst sannolikhet, och fortsätter att färdigställa meningen "Paris is the city of...". Genom att upprepa denna process tiotusentals gånger skapar den de långa svar som vi ser.
Sammanfattningsvis innebär det för AI att komma ihåg ett ord inte att memorera bokstäverna, utan att komma ihåg 'adressen' till var ordet ungefär befinner sig på en enorm karta över betydelser.
LLM kan utvidgas till syn, robotik och beteendeinlärning.
AI som förstår betydelser, ser och förstår samt agerar.
Att ge AI:n armar och ben innebär en utvidgning av intelligensen – från språk till perception och vidare till handling.
AI är inte längre bara en idé eller en del av fantasin, utan har gått in i implementeringens och verklighetens fas.
CLEVI:s nästa steg
CLEVI planerar även framöver att utöka olika möjligheter, såsom workshops på och utanför campus, praktiska projekt och upplevelsemontrar, så att fler kan uppleva direkt hur AI-teknik fungerar i den verkliga världen.
Precis som föreläsningen vid Jeonbuk National University blev en värdefull bro som förband studenterna med oss, kommer vi även framöver att fortsätta fungera som en bro mellan tekniker och användare samt mellan akademin och industrin.