Hva er generativ AI? En enkel forklaring på typer, fordeler og bruksmetoder

Hva er Generativ AI?

Generativ AI er en teknologi som automatisk genererer ulike typer innhold som tekst, bilder, programkode, videoer og lyd basert på brukerens instruksjoner (prompt) og forhåndslært data.
Et representativt eksempel er “ChatGPT,” som ble lansert av OpenAI i november 2022.
ChatGPT kan generere naturlig tekst som om den var skrevet av et menneske, og kan derfor brukes i ulike forretningsscenarier, med forventede fordeler som betydelig effektivisering av arbeidsprosesser og kostnadsreduksjon.
Utviklingen av generativ AI har akselerert de siste årene, og nye tjenester lanseres daglig over hele verden, noe som tiltrekker seg oppmerksomhet i mange felt.

Hvorfor Generativ AI får oppmerksomhet

Akkurat som oppfinnelsen av datamaskiner og utbredelsen av internett og mobiltelefoner har brakt store endringer i folks liv, er AI i ferd med å bli en uunnværlig del av det moderne samfunnet.
Spesielt generativ AI utvikler seg i en slik grad at det kan erstatte menneskelig arbeid, noe som skaper stor sosial bekymring og gjør det umulig å ignorere.

Forskjellen mellom Generativ AI og tradisjonell AI

Mens tradisjonell AI hovedsakelig “ekstraherer” informasjon som passer til prompten fra læringsdataene og gir dette som output, har generativ AI den store egenskapen at den “genererer” ny output basert på læringsdataene.
På grunn av denne egenskapen kan generativ AI skape unike uttrykk og ideer uten å være begrenset av læringsdataene. På den annen side er kvaliteten på output sterkt avhengig av brukerens prompt engineering (ferdigheten til å gi optimale prompt for å få ønsket output fra AI), noe som kan være en ulempe.

Hvordan Generativ AI fungerer

Teknologien som støtter kjernen i generativ AI er “maskinlæring.”
Maskinlæring er en serie teknikker som oppdager og lærer mønstre og regler fra store mengder innputtdata, og klassifiserer og forutsier ny innputtdata. I utviklingen av generativ AI er det spesielt vanlig å bruke en læringsmetode kalt “dyp læring.”
Med dyp læring kan man ekstrahere mer lagdelte funksjoner fra innputtdataene, noe som muliggjør mer komplekse og nøyaktige oppgaver.
Generelt kalles de grunnleggende modellene som er generert gjennom slik maskinlæring og tilpasset mer spesifikke oppgaver for “forhåndstrente modeller,” og produkter og tjenester som inkorporerer disse kalles samlet for “generativ AI.”
Med andre ord finnes det ulike typer generativ AI avhengig av innholdet i de “spesifikke oppgavene.”

Typer av Generativ AI

Nedenfor forklarer vi de viktigste typene av generativ AI.

Tekstgenererende AI

Tekstgenererende AI, representert ved “ChatGPT” og “Bard”, er utstyrt med store språkmodeller (LLM: Large Language Model) som “GPT-4” og “PaRM”.
Store språkmodeller er modeller tilpasset behandling av naturlig språk blant grunnmodellene, og med milliarder av parametere muliggjør de generering av svært naturlig tekst.
Dette gjør det mulig å bruke dem i en rekke situasjoner, for eksempel til å lage møtereferater, svare på e-poster, lage reklamekopier og skrive romaner.

Bildegenererende AI

Bildegenererende AI, representert ved “Stable Diffusion” og “Midjourney”, genererer nye bilder fra tekst eller bilder. For eksempel kan man skrive inn en tekstbeskrivelse av bildet man ønsker å generere (t2t: text to image) eller rekonstruere et nytt bilde basert på et eksisterende bilde (i2i: image to image), avhengig av formålet og bruken.

Lydgenererende AI

Lydgenererende AI genererer ny lyddata når man legger inn lyddata.
For eksempel, ved å legge inn og lære opp AI-en med store mengder lyd fra en bestemt person eller karakter, kan man få den til å lese opp ulike tekster med den samme stemmen.
Videre kan den også tilpasse tonen til spesifikke følelser og lese opp på flere språk, noe som gjør den nyttig i en rekke situasjoner som fortellerstemmer og automatiske svar i kundesentre.
Googles “Text-to-Speech AI” er et kjent eksempel.

Videogenererende AI

Videogenererende AI er en teknologi der AI kombinerer tekst og bilder for å automatisk generere nye videoer.
“Sora”, som ble lansert av OpenAI i februar 2024, genererer videoer fra tekst og kan lage videoer på opptil ett minutt, sammenlignet med tidligere generativ AI som kun kunne lage korte videoer på noen sekunder. Den kan også opprettholde konsistens i karakterer og rom over flere scener og gjenskape naturlige bevegelser som følger fysiske lover, noe som gjør den til en svært oppmerksomhetsskapende generativ AI.

3D-modellgenererende AI

3D-modellgenererende AI er en teknologi der AI automatisk genererer 3D-modeller fra tekst eller bilder.
Det forventes å bli brukt i bransjer som spillkarakterer og objekter, samt produksjon av CG-innhold for animasjon og film, og er en av de mest fremadstormende typene generativ AI.
“LumaAI”, “Tripo” og “Meshy” er kjente eksempler.

Fordelene ved å bruke generativ AI

Generativ AI dukker stadig opp i nye former, og det forventes å bli brukt i en rekke ulike bransjer.

Ved å bruke generativ AI kan man ikke bare forvente betydelig effektivisering av arbeidsprosesser og kostnadsreduksjon, men også få innsikt som kan føre til oppdagelse av nye ideer og mønstre. Dette representerer en stor fordel sammenlignet med tradisjonell AI.

Forretningsscenarier for bruk av generativ AI

Spesifikt kan generativ AI brukes i følgende forretningsscenarier.

Automatisering og assistanse i kundesupport

Å svare på e-poster og håndtere telefonsamtaler i kundesupport er oppgaver som krever mye tid og krefter i det daglige arbeidet. Disse oppgavene er godt egnet for generativ AI. Ved hjelp av tekstgenererende AI kan man forstå innholdet i kundehenvendelser og lage passende svar. Kombinert med stemmegenererende AI kan man tilby tjenester som automatisk håndterer telefonsamtaler 24 timer i døgnet, 365 dager i året. Mange selskaper har allerede implementert generativ AI i disse oppgavene.

Idéutvikling og utarbeidelse av utkast til reklamekopier og nettartikler

Som nevnt tidligere, kan generativ AI, som skaper nytt innhold, være svært nyttig for idéutvikling og utarbeidelse av utkast til reklamekopier og annet innhold som nettartikler. Ved å spesifisere produktets egenskaper, målgruppe, antall ord osv. i en prompt, kan man generere mer passende utkast. Generativ AI kan også komme opp med flere ideer raskere enn mennesker, noe som kan bidra betydelig til økt produktivitet.

Støtte til dataanalyse og automatisk generering av rapporter

Generativ AI, som kan behandle store mengder data raskt, kan også oppdage mønstre og trender som mennesker kan overse. Dette gjør den nyttig for dataanalyse og prognoser, samt for å lage rapporter basert på slike analyser og prognoser. Ved å spesifisere utdataformatet kan man tilpasse rapportene etter behov.

Viktige hensyn ved bruk av generativ AI

Som nevnt ovenfor, har generativ AI store fordeler ved bruk, men samtidig er det mange punkter man må være oppmerksom på for å bruke det riktig.

AI-hallusinasjoner

Generativ AI gir kun svar som er “mest sannsynlige” basert på læringsdataene og statistiske sannsynligheter, og det er ikke uvanlig at falsk informasjon blir generert (dette problemet kalles generelt “hallusinasjoner”).
Videre kan noen generative AI-er ha begrensninger på perioden for innhenting av læringsdata, noe som kan føre til at svarene ikke reflekterer den nyeste informasjonen.
Derfor, når man bruker generativ AI i arbeidsprosesser, er det nødvendig å alltid gjennomføre kvalitetskontroll og verifikasjon av mennesker.

Sikkerhetsaspekter

Et annet viktig aspekt som bedrifter må være spesielt oppmerksomme på ved bruk av generativ AI, er sikkerhet.
Noen generative AI-er kan bruke de inntastede dataene til maskinlæring, og hvis man ved en feiltakelse taster inn personopplysninger eller bedriftshemmeligheter, kan det føre til uopprettelige konsekvenser.
Derfor er det viktig å nøye sjekke bruksvilkårene for hvordan de inntastede dataene håndteres.

Juridiske reguleringer

I de senere år har det vært mye diskusjon om juridiske reguleringer knyttet til generativ AI, spesielt med fokus på den japanske opphavsrettsloven og den japanske personopplysningsloven. I tillegg har enkelte bransjer og sektorer etablert egne AI-etiske retningslinjer. Derfor bør bedrifter være oppmerksomme på både juridiske reguleringer og utviklingen av slike AI-etiske retningslinjer som en del av deres overholdelse av regler og forskrifter.

Anbefaling: Bruk Azure OpenAI Service med hensyn til viktige punkter

Microsoft Azure tilbyr “Azure OpenAI Service”, som er den eneste tjenesten som lar deg bruke OpenAI sine AI-tjenester (generering av tekst, kode og bilder) på Microsoft Azure-plattformen. En viktig egenskap ved denne tjenesten er at dataene du legger inn ikke brukes til maskinlæring, og du kan også dra nytte av Microsoft Azures sikkerhetsfunksjoner, noe som gir høy sikkerhet.
Videre, mens mange av de ledende generative AI-tjenestene er utenlandske, er Azure OpenAI Service anbefalt fordi det er mulig å inngå en kontrakt som følger japansk lov og har eksklusiv jurisdiksjon ved Tokyo distriktsdomstol, noe som gir høy forutsigbarhet for juridiske risikoer.

Oppsummering: Effektivisering med generativ AI er mulig, men risikostyring er nødvendig

De stadig fremvoksende generative AI-tjenestene kan, hvis de brukes effektivt, forventes å gi betydelig effektivisering av arbeidsprosesser og kostnadsreduksjon.
Men på den annen side, for å bruke generative AI-tjenester effektivt, er det nødvendig å forstå risikoene korrekt og nøye vurdere hvilke funksjoner og spesifikasjoner som kan redusere disse risikoene i forhold til de oppgavene man vurderer å implementere.
Spesielt for bedrifter er det viktig å utarbeide interne retningslinjer, informere ansatte og gjennomføre opplæring. Når man skal implementere generative AI-tjenester i arbeidsprosesser, er det lurt å sammenligne og vurdere de ulike tjenestene fra et flerfaglig perspektiv.