Generativ AI i praksis: Store sprogmodeller ændrer fuldstændig spillereglerne for klassisk anvendelse af machine learning

Klumme: Hvad er sammenhængen mellem klassisk machine learning (ML), som vi har haft i mange år, og så de helt nye store sprogmodeller inden for Generativ AI? Få svaret her.

Artikel top billede

I sidste indlæg kom vi ind på hvad Generativ AI er og ikke er - ikke mindst hvordan det med de nuværende tilgange ikke vil kunne lede til det niveau af AI (AGI) som vi drømmer om, og indtil nu kun har set på film.

Det blev noget filosofisk, men i dag skal vi ned i praktikken, og udfolde en særlig slags anvendelse af Generativ AI og store sprogmodeller, som jeg oplever, at mange totalt overser.

Dagens spørgsmål vil nemlig være: Hvad er sammenhængen mellem klassisk machine learning (ML), som vi har haft i mange år, og så de helt nye store sprogmodeller inden for Generativ AI?

Vis modellen nok eksempler og så vil den trænede AI-model kunne kigge på nye billeder, den ikke har set før, og fortælle os om det er et menneskeligt ansigt eller ikke med høj præcision, fordi den har lært mønstret i, hvad det vil sige, at noget er et ansigt.

Samme tilgang kunne man have med røntgenbilleder af kræfttilfælde og ikke-kræfttilfælde, eller historiske transaktionsdata for kunder, der valgte at skifte til konkurrenten og kunder, der valgte at blive – også kaldet churn prediction.

Her prøver man at finde mønstret, der ledte til, at man mistede en kunde, bruger den trænede model til at forudse, om det vil ske i fremtiden, og så tager aktion til at prøve at fastholde dem.

Trods udviklingen er det fortsat klassisk ML, der er bedst til ting som churn prediction, fordi meget af inputtet, såsom transaktionsdata, ikke er sprogligt, og modellen alene skal trænes på ens egne data.

Store sprogmodeller som ChatGPT, Copilot og lignende bygger ovenpå unsupervised learning.

Det vil sige, at man ikke har tilrettelagt træningseksemplerne, men i stedet slipper modellen løs på en masse data, som den selv skal finde sammenhængskraften i – nemlig den totale sammenhængskraft mellem alle ord og fraser på alle sprog!

Store sprogmodeller er derfor fra det øjeblik, hvor du får dem i hænderne, trænet på voldsomme mængder af sprogligt materiale, som internettet, Wikipedia, alle bøger, artikler, osv.

På den måde er de meget generelle, men mestrer til gengæld de menneskelige sprog.

Herfra kan vi så fokusere disse sprogkyndige generelle modeller ned på vores egne data, men det er et emne til næste indlæg.

Store sprogmodeller gør mere end at bruge deep unsupervised learning. De benytter også reinforcement learning til at justere modellernes svarform og adfærd og Googles Transformer-arkitektur, men det er også et helt emne i sig selv.

For nu er pointen, at klassisk machine learning, i form af deep unsupervised learning er en central del af de store sprogmodellers opbygning, sammen med andre tilføjelser, så nye som 2017, og Generativ AI er et område hvor der fortsat forskes intenst.

Store Sprogmodeller i Klassisk ML

Men hvad med den anden vej?

For hvis skarpe anvendelser såsom churn prediction fortsat laves bedst med klassisk machine learning på ens egne specifikke kundedata, kan store sprogmodeller så ikke hjælpe her?

Jo det kan de faktisk, og nu når vi til den lidt oversete pointe, som jeg indledte med at omtale. Store sprogmodeller ændrer nemlig fuldstændig spillereglerne for klassisk anvendelse af ML.

I klassisk anvendelse af ML kan man nemlig ikke arbejde med sproglige data.

Når modellen tager imod data, skal det være i form af spænd af tal – eksempelvis decimaltal mellem 0,0 og 1,0. Den kan i sin rene form ikke tage imod ustruktureret data såsom de menneskelige, naturlige sprog.

Hvis vi ser på churn prediction som eksempel, havde det ellers været smart, for hvis en kunde på en bestemt dato har skrevet en sur klagemail, er det værdifuldt input til en model, der ved at kigge på historiske kundedata skal finde mønstre i, hvad der gør, at man mister kunder.

Men det kan store sprogmodeller altså hjælpe os med.

De kan kort sagt kvantificere sproglige data – altså omsætte sprog til tal.

Man kan således bede en stor sprogmodel vurdere fra 0-20 hvor irriteret, interesseret, afmattet, ophidset og så videre ordlyden er i en e-mail eller anden sproglig udveksling med kunden er, og benytte disse tal som input til en klassisk ML-model.

Så selv om der er stor værdi i de sproglige udvekslinger, som man kan have med en stor sprogmodel i sig selv, så skal man ikke undervurdere dens evne til at omsætte det menneskelige sprog til matematik, og dermed åbne op for, at vi kan lave nogle løsninger i klassisk ML, som ikke var mulige før.

Generativ AI kan meget, når det står alene, men den sande værdi kommer først, når vi samtænker det med vores egne data og bygger features oven på deres generelle virkemåde – hvordan vi bedst gør dette, skal vi høre mere om i det næste indlæg.

Annonce

PensionDanmark

Automation Analyst

Københavnsområdet

Operate Technology A/S

PHP-udvikler til open-source platforme

Københavnsområdet

FlexDanmark

Erfaren IT-Projektleder

Nordjylland

Computerworld Events

Vi samler hvert år mere end 6.000 deltagere på mere end 70 events for it-professionelle.

Ekspertindsigt – Lyt til førende specialister og virksomheder, der deler viden om den nyeste teknologi og de bedste løsninger.
Netværk – Mød beslutningstagere, kolleger og samarbejdspartnere på tværs af brancher.
Praktisk viden – Få konkrete cases, værktøjer og inspiration, som du kan tage direkte med hjem i organisationen.
Aktuelle tendenser – Bliv opdateret på de vigtigste dagsordener inden for cloud, sikkerhed, data, AI og digital forretning.

It-løsninger | København

Dynamics 365 FO: Næste niveau for data, AI og forretning

Få overblik over vejen fra Dynamics AX til Finance & Operations – eller løft værdien af Dynamics FO. Hør praksisnære cases om strategi, migration og optimering. Vælg spor, få dyb faglig indsigt, styrk beslutningerne. Tilmeld dig konferencen i...

It-løsninger | København

Data & Analytics Day 2026

Computerworld samler danske cases og skarpe keynotes om operationel brug af data. Få greb til automatisering, generativ AI, predictive analytics og tættere dataintegration. Omsæt analyser til handling i hverdagen. Læs mere og tilmeld dig Data &...

Andre events | København

People Tech 2026 - København

Få indsigt i automatisering, data og AI i HR. Lær hvor HR og IT mødes, hvad der kan skaleres, og hvor ansvar og grænser går. Tilmeld dig og styrk samspillet mellem mennesker og teknologi.

Se alle vores events inden for it

Navnenyt fra it-Danmark

IFS Danmark A/S har pr. 1. november 2026 ansat Pernille Solvig Graux som Senior Director, Demand Generation. Pernille skal især beskæftige sig med Demand Generation i Europe North. Pernille kommer fra en stilling som Director, Commercial Excellence hos Kahoot. Pernille er uddannet Akademiøkonom. Pernille har tidligere beskæftiget sig med kommerciel ledelse med fokus på salg og marketing. Nyt job

Pernille Solvig Graux

IFS Danmark A/S

Wireless Logic Nordic, der leverer sikre IoT-forbindelser til erhverv, har pr. 28. oktober 2026 ansat Wanig Le Pennec som direktør. Han skal især beskæftige sig med udviklingen af den nordiske forretning med fokus på vækst og strategiske partnerskaber. Han er uddannet MBA fra IAE Paris – Sorbonne Business School og har en ingeniøruddannelse fra ENSEEIHT i Frankrig. Han har tidligere beskæftiget sig med globale partnerskaber og kommerciel udvikling inden for telekommunikation, software og IoT. Nyt job

Wanig Le Pennec

Wireless Logic Nordic, der leverer sikre IoT-forbindelser til erhverv,

Netip A/S har pr. 1. oktober 2026 ansat Daniel Mordue Olsen som Key Account Manager ved netIP's kontor i Herning. Han kommer fra en stilling som Key Account Manager hos extri:co. Nyt job
IFS Danmark A/S har pr. 1. september 2026 ansat Gustav Olsen som Business Development Representative. Gustav skal især beskæftige sig med forretningsudvikling & identificering af muligheder med fokus på AI, automatisering og optimering af forretningsprocesser. Gustav kommer fra en stilling som Business Development Specialist hos SAP Danmark A/S. Gustav er uddannet Cand.merc Sales Management. Gustav har tidligere beskæftiget sig med forretningsudvikling og salgsstrategi inden for ERP-teknologi. Nyt job

Gustav Olsen

IFS Danmark A/S