Hvad er Generativ AI? En letforståelig forklaring af typer, fordele og anvendelsesmetoder

Hvad er Generativ AI?

Generativ AI er en teknologi, hvor AI automatisk genererer forskellige typer indhold som tekst, billeder, programkode, videoer og lyd baseret på brugerens instruktioner (prompter) og forudlært data.
Et fremtrædende eksempel er “ChatGPT,” som blev udgivet af OpenAI i november 2022.
ChatGPT kan generere naturlige tekster, der virker som om de er skrevet af mennesker, hvilket gør det anvendeligt i mange forretningssituationer. Det forventes at medføre betydelige fordele som øget effektivitet og reducerede omkostninger.
Udviklingen af generativ AI er sket hurtigt i de senere år, og nye tjenester bliver dagligt lanceret over hele verden, hvilket tiltrækker opmærksomhed på tværs af mange områder.

Hvorfor Generativ AI får opmærksomhed

Ligesom opfindelsen af computeren og udbredelsen af internettet og mobiltelefoner har bragt store forandringer i folks liv, er AI ved at blive en uundværlig del af det moderne samfund.
Især generativ AI udvikler sig i en sådan grad, at det kan erstatte menneskelig arbejdskraft, hvilket skaber betydelige sociale bekymringer og gør det umuligt at ignorere.

Forskellen mellem Generativ AI og Traditionel AI

Traditionel AI’s hovedfunktion var at “udtrække” information, der passer til prompter fra læringsdata og derefter outputte resultaterne. I modsætning hertil “genererer” generativ AI nyt output baseret på læringsdata.
På grund af denne egenskab kan generativ AI skabe unikke udtryk og ideer uden at være begrænset af læringsdata. Dog afhænger outputkvaliteten i høj grad af brugerens prompt engineering (færdigheden i at indtaste de optimale prompter for at få ønsket output fra AI), hvilket er en ulempe.

Hvordan Generativ AI fungerer

Den teknologi, der understøtter generativ AI, er “maskinlæring (machine learning).”
Maskinlæring er en række teknikker, der opdager og lærer mønstre og regler fra store mængder inputdata og klassificerer eller forudsiger ny inputdata. I udviklingen af generativ AI anvendes især “dyb læring (deep learning)” som en læringsmetode.
Med dyb læring kan man udtrække mere lagdelte karakteristika fra inputdata, hvilket muliggør mere komplekse og præcise opgaver.
Generelt kaldes de modeller, der er genereret gennem sådan maskinlæring og tilpasset til mere specifikke opgaver, for “trænede modeller,” og de produkter eller tjenester, der inkorporerer disse modeller, kaldes samlet “generativ AI.”
Med andre ord findes der forskellige typer generativ AI afhængigt af indholdet af de “specifikke opgaver.”

Typer af Generativ AI

Herunder forklares de primære typer af generativ AI.

Tekstgenererende AI

Tekstgenererende AI, repræsenteret af “ChatGPT” og “Bard”, er udstyret med store sprogmodeller (LLM: Large Language Model) som “GPT-4” og “PaRM”.
Store sprogmodeller er modeller, der er tilpasset til at håndtere naturligt sprog blandt basis-modellerne, og med milliarder af parametre muliggør de meget naturlig tekstgenerering.
Dette gør det muligt at anvende dem i en bred vifte af situationer, såsom udarbejdelse af mødereferater, besvarelse af e-mails, oprettelse af reklamekopier og skrivning af romaner.

Billedgenererende AI

Billedgenererende AI, repræsenteret af “Stable Diffusion” og “Midjourney”, genererer nye billeder fra tekst eller billeder. For eksempel kan man indtaste en tekstbeskrivelse af det ønskede billede (t2t: text to image) eller rekonstruere et billede baseret på et indtastet billede (i2i: image to image), afhængigt af formålet og anvendelsen.

Lydgenererende AI

Lydgenererende AI genererer ny lyddata ved at indtaste lyddata.
For eksempel, hvis man indtaster og lærer en stor mængde lyd fra en bestemt person eller karakter, kan man få AI’en til at læse forskellige tekster med den stemme.
Desuden kan den tilpasse tonen til specifikke følelser og læse op på flere sprog, hvilket gør det muligt at anvende den i forskellige situationer som narration og automatiske svar i callcentre, når først lyden er lært.
Googles “Text-to-Speech AI” er et kendt eksempel.

Videogenererende AI

Videogenererende AI er en teknologi, hvor AI kombinerer tekst og billeder for automatisk at generere nye videoer.
“Sora”, som blev annonceret af OpenAI i februar 2024, genererer videoer fra tekst og kan skabe videoer på op til et minut, hvilket er en forbedring i forhold til tidligere videogenererende AI, der kun kunne lave korte videoer på få sekunder. Den kan også opretholde konsistens i karakterer og rum på tværs af flere scener og gengive naturlige bevægelser, der korrekt afspejler fysiske love, hvilket gør den til en af de mest omtalte generative AI’er i øjeblikket.

3D-modellgenererende AI

3D-modellgenererende AI er en teknologi, hvor AI automatisk genererer 3D-modeller fra tekst eller billeder.
Den forventes at blive anvendt i industrier som spilkarakterer og objekter samt produktion af CG-indhold til animationer og film, og er en af de mest dynamiske typer af generativ AI i øjeblikket.
“LumaAI”, “Tripo” og “Meshy” er eksempler på dette.

Fordele ved at bruge generativ AI

Generativ AI dukker op dagligt og forventes at blive anvendt i forskellige brancher.

Ved at bruge generativ AI kan man ikke kun forvente en betydelig effektivisering af arbejdsprocesser og reduktion af omkostninger, men også få indsigt, der kan føre til opdagelse af nye ideer og mønstre. Dette udgør en stor fordel ved anvendelsen af generativ AI sammenlignet med traditionel AI.

Forretningsanvendelser af Generativ AI

Specifikt kan generativ AI anvendes i følgende forretningsscenarier.

Automatisering og Assistering i Kundesupport

Besvarelse af e-mails og telefonopkald i kundesupport er opgaver, der kræver meget tid og kræfter i det daglige arbejde. Disse opgaver er dog velegnede til generativ AI. Ved hjælp af tekstgenererende AI kan man forstå indholdet af kundernes forespørgsler og udarbejde passende svar. Kombineret med stemmegenererende AI kan man tilbyde en service, der automatisk besvarer opkald 24/7. Mange virksomheder har allerede implementeret generativ AI i deres kundesupport.

Idégenerering og Udarbejdelse af Udkast til Reklamekopier og Webartikler

Som nævnt tidligere, kan generativ AI, der skaber nye output, effektivt bruges til idégenerering og udarbejdelse af udkast til reklamekopier, webartikler og andet indhold. Ved at specificere produktets egenskaber, målgruppe og tekstlængde i prompten, kan man generere mere passende output. Generativ AI kan også hurtigt generere mange idéer, hvilket kan øge produktiviteten betydeligt.

Støtte til Dataanalyse og Automatisk Generering af Rapporter

Generativ AI, der kan behandle store mængder data hurtigt, kan opdage mønstre og tendenser, som mennesker måske overser. Derfor kan den bruges til dataanalyse og forudsigelser samt til at udarbejde rapporter baseret på disse analyser og forudsigelser. Ved at specificere outputformatet kan man tilpasse rapporterne efter behov.

Vigtige Bemærkninger ved Brug af Generativ AI

Som nævnt ovenfor, har generativ AI store fordele ved anvendelse, men samtidig er der også mange punkter, man skal være opmærksom på for at bruge det korrekt.

AI Hallucinationer

Generativ AI baserer sine svar på sandsynlighed og statistik ud fra de data, den har lært, og derfor er det ikke sjældent, at den genererer falsk information (dette problem kaldes generelt “hallucinationer”).
Desuden kan nogle generative AI’er have begrænsninger i deres dataindsamlingsperiode, hvilket kan resultere i, at de ikke reflekterer de nyeste oplysninger.
Derfor er det nødvendigt at gennemgå processer som kvalitetskontrol og verifikation af mennesker, når man bruger output fra generativ AI i erhvervsmæssige sammenhænge.

Sikkerhedsaspekter

Derudover er sikkerhedsaspekter noget, virksomheder især skal være opmærksomme på, når de bruger generativ AI.
Nogle generative AI’er kan bruge de indtastede data til maskinlæring, og hvis man indtaster personlige oplysninger eller forretningshemmeligheder, kan det føre til uoprettelige situationer.
Derfor bør man nøje gennemgå brugsvilkårene for at sikre korrekt håndtering af de indtastede data.

Juridiske Reguleringer

Desuden er der i de seneste år blevet ført mange diskussioner om juridiske reguleringer vedrørende generativ AI, især med fokus på den japanske ophavsretslov og den japanske lov om beskyttelse af personlige oplysninger. Der er også brancher og sektorer, der har fastsat deres egne AI-etiske retningslinjer. Derfor bør virksomheder som en del af deres compliance være opmærksomme på både juridiske reguleringer og udviklingen inden for disse AI-etiske retningslinjer.

Anbefaling: Brug Azure OpenAI Service med Omtanke

Microsoft Azure tilbyder “Azure OpenAI Service”, som er den eneste tjeneste, der giver mulighed for at bruge OpenAI’s AI-tjenester (tekst-, kode- og billedgenerering) på Microsoft Azure-platformen. En vigtig fordel ved denne tjeneste er, at de indtastede data ikke anvendes til maskinlæring, og at man kan drage fordel af Microsoft Azures sikkerhedsfunktioner, hvilket sikrer en høj grad af sikkerhed.
Desuden, mens mange af de førende generative AI-tjenester er udenlandske, kan Azure OpenAI Service indgå kontrakter under japansk lov og med eksklusiv jurisdiktion ved Tokyos distriktsdomstol, hvilket øger forudsigeligheden af juridiske risici. Dette gør tjenesten særligt anbefalelsesværdig.

Opsummering: Effektivisering med generativ AI er mulig, men risikostyring er afgørende

De generative AI-tjenester, der dagligt dukker op, kan, hvis de anvendes korrekt, føre til betydelig effektivisering af arbejdsprocesser og omkostningsreduktion.
Men for at udnytte generative AI-tjenester effektivt, er det nødvendigt at forstå risiciene korrekt og nøje overveje, hvilke funktioner og specifikationer der kan minimere disse risici i forhold til de opgaver, man overvejer at implementere dem i.
Især i virksomheder er det vigtigt at udarbejde interne retningslinjer, informere medarbejderne og gennemføre træning. Når man implementerer generative AI-tjenester i arbejdsprocesser, er det en god idé at sammenligne og overveje de forskellige tjenester fra et multidimensionelt perspektiv.