Sammenlign “Jeg er glad” med “Jeg er lykkelig”. Hvad fortæller forsøget om forskellen på betydning og tekstlig lighed?
Chatbot- og sprogteknologilaboratorium
Fra faste regler til statistiske sandsynligheder
Sprogteknologi · NLP · AI-historie
Hvornår lyder en maskine, som om den forstår?
Undersøg tre chatbot-strategier i samme chat. Først leder botten efter nøgleord. Så genkender den mønstre og spejler dine ord. Til sidst lader den statistik fra et tekstkorpus bestemme, hvad der sandsynligvis kommer bagefter.
1960’erne · reglerif, elif og else: programmøren skriver alle svarene.
ELIZA · mønstreGenkend en struktur, fang en del, og sæt den ind i et nyt svar.
Markov · statistikFind ord, der ofte følger efter hinanden i data.
I dag · LLM’erSamme grundidé om mønstre og sandsynlige fortsættelser – i enorm skala.
Niveau 1 · Den naive regel-bot
Botten scanner beskeden for tekstbidder, som programmøren har skrevet ind på forhånd.
Hvad skete der?
Prøv at sende en besked. Forklaringen viser, hvilken mekanisme botten brugte.
Et fælles forsøg
Skriv den samme besked, skift niveau, og sammenlign svarene. Brug derefter knappen til at få alle tre svar samlet.
1 · Regler
“Hvis beskeden indeholder et kendt ord, vælger jeg det svar, der står ved siden af ordet.”
2 · Mønstre
“Hvis beskeden passer til en struktur, kan jeg genbruge en del af din formulering.”
3 · Statistik
“Jeg vælger næste ord blandt de ord, der findes efter det nuværende ord i mit korpus.”
Udfordringer til laboratoriet
Forudsig først. Ændr én ting. Test bagefter, og skriv en kort forklaring.
Skriv “Jeg elsker at danse” og “Jeg elsker at programmere”. Hvilken del fanger ELIZA, og hvad bliver sat ind i svaret?
Erstat Markov-korpusset med en ny tekst. Kan du få botten til at lyde som et eventyr, en nyhedsoverskrift eller en rap?
Aha: intelligent lyd er ikke det samme som forståelse
En chatbot kan give et overbevisende svar uden at have en model af verden eller følelsen bag dine ord. Den kan følge regler, genkende form eller fortsætte sandsynlige mønstre.
Fra laboratoriet til moderne AI
Store sprogmodeller arbejder langt mere avanceret end Markov-botten, men elevernes grundspørgsmål er stadig relevante: Hvilke mønstre er lært, hvilke data kommer de fra, og hvorfor blev netop dette svar sandsynligt?