Kan ChatGPT brygge din kaffe? Kan den gå en tur med din hund? Kan den lave en bare halvsløj lasagne? Nej. Hvad kan ChatGPT så? Lad os se, hvad ChatGPT selv siger, at den og andre store sprogmodeller er god til overfor reelle vidensbaser.
Hvad siger ChatGPT selv?
”Store sprogmodeller som GPT-3 er bygget på dyb læring og har tiltrukket opmærksomhed på grund af deres alsidighed i behandling og generering af menneskelignende tekst. De excellerer i opgaver som sprogoversættelse, tekstgenerering, følelsesanalyse og endda at føre naturlige samtaler. Ikke desto mindre er styrkerne ved store sprogmodeller fundamentalt anderledes end de traditionelle vidensbaser.
En vidensbase er et struktureret opbevaringssted for information, ofte i et databaseformat, der let kan forespørges og hentes fra. Den indeholder typisk faktuelle oplysninger, data og viden organiseret systematisk. Omvendt genererer store sprogmodeller svar baseret på de mønstre, de har lært fra enorme mængder tekstdata, hvilket giver større tilpasningsevne og alsidighed på visse områder.”
ChatGPT fremhæver her nogle interessante pointer, og vi kunne ikke være mere enige. Den er nemlig god til at generere tekster, der tilsyneladende er velsammensat og kan give dig indtrykket af, at det er et menneske, der har skrevet teksten. Samtidig er det værd at nævne, at den modsat en vidensbase ikke er god, når den skal tage udgangspunkt i det, ChatGPT beskriver som ”oplysninger, data og viden [der er] organiseret systematisk”. Altså viden der er inddelt i logiske klynger og kategorier, for at vi, mennesker, bedre kan navigere i det. Det er blandt andet også her vidensbaser stadig har en fordel.
Pointerne...
For det første er vidensbaser specifikt designet til at opbevare og hente strukturerede oplysninger effektivt. I modsætning hertil er store sprogmodeller afhængige af ustruktureret indhold og kan ikke udføre komplekse databaseforespørgsler, så selvom du ”fodrer” den med kategoriseret og struktureret viden, vil den ikke bruge de inddelinger der er lavet. Du kan ikke regne ud, hvad fx ChatGPT svarer dig næste gang, du stiller den et spørgsmål. Det kan du i en vidensbase.
For det andet kan store sprogmodeller kun rumme en begrænset mængde indhold, når de genererer svar, hvilket kan føre til tab af sammenhæng ved flere opfølgende forespørgsler. Når du fx stiller ChatGPT et spørgsmål, så har den måske 400 millioner artikler om det emne, du spørger til. Den genererer et svar ud fra de mest sandsynlige sammensætninger af ord i en kontekst, altså ikke ud fra fakta i de 400 millioner artikler, men fra viden om sproget, semantik og grammatik. Det kan gøre det vanskeligt at opretholde sammenhængende og kontekstbevidste dialoger, og det er igen ikke tydeligt, hvilket indhold du kan forvente, at den forholder sig til og baserer sit næste svar på.
For det tredje genererer store sprogmodeller svar baseret på den data, man har fodret dem med. De kan ikke validere viden, og du kan ikke med ro give dem adgang til realtidskilder, hvorfor de nemt kan føre til forældede eller forkerte svar. Teknologierne kræver stadig en solid og rutineret vidensorganisation og enormt dygtige udviklere. Man sparer derfor på ingen måde tid på vedligehold og anvendelse af ressourcer i organisationen.
Forkert indhold giver forkerte svar
Den vigtigste erfaring, vi har gjort os med kunstig intelligens, er, at teknologien aldrig bliver bedre, end det indhold, man fodrer den med. Det vil sige, at hvis man implementerer forkert eller selvmodsigende indhold i en teknologi som ChatGPT, så giver den sjovt nok også forkerte og selvmodsigende svar. Det er således afgørende, at man først og fremmest sørger for, at man har styr på sin viden og styr på sin data. Inden al arbejdet med kunstig intelligens er der derfor behov for et solidt stykke arbejde med viden. Det er netop det, vi under implementering af Responza Knowledge sørger for – at starte med at etablere en struktureret og overskuelig vidensarkitektur, som i de efterfølgende faser ligger til grund for den viden medarbejderne i sidste ende skal bruge.
Hvad betyder det så?
Store sprogmodeller som ChatGPT, kan altså hjælpe dig med rigtig mange ting, men kun hvis du har et struktureret og valideret vidensgrundlag.
Så nej, ChatGPT kan ikke brygge din kaffe for dig, men hvis du har kaffebønner, filtre og en kaffemaskine klar, så kan den give dig en udmærket opskrift på en god kop kaffe.
Følg derfor med hos Spitze & Co, hvor vi holder os fortrolige med den teknologiske udvikling!
