GitHub Copilot er en AI-drevet kodningsassistent udviklet af GitHub og OpenAI. Værktøjet fungerer som en ‘pair programmer’ direkte i udviklerens kode-editor, hvor den foreslår hele linjer eller blokke af kode, mens man skriver. Målet er at øge produktiviteten og automatisere repetitive kodningsopgaver. Hvordan fungerer GitHub Copilot? Kernen i GitHub Copilot er en stor sprogmodel, der … Læs mere

Gamma.app er en webbaseret platform, der bruger kunstig intelligens til at skabe præsentationer, dokumenter og websider. Værktøjet fungerer som et alternativ til traditionelle programmer som PowerPoint og Google Slides ved at automatisere design- og layoutprocessen baseret på brugerens tekstinput. Sådan fungerer Gamma i praksis Processen i Gamma starter typisk med, at du skriver en kort … Læs mere

Forudsigelig vedligeholdelse, også kendt som predictive maintenance, er en strategi, hvor man bruger dataanalyse og AI til at forudsige, hvornår udstyr eller maskiner vil fejle. Målet er at udføre vedligeholdelse præcis, når det er nødvendigt – hverken for tidligt eller for sent. Kernen i forudsigelig vedligeholdelse Forudsigelig vedligeholdelse bygger på princippet om, at de fleste … Læs mere

Forskellen på open og closed source AI ligger i adgangen til modellens kernekomponenter. Open source AI giver typisk fri adgang til kildekode, modelarkitektur og data, mens closed source AI fungerer som en lukket ‘sort boks’, hvor brugeren kun interagerer med det færdige produkt via en API. Hvad definerer open source AI? Open source AI er … Læs mere

Fine-tuning er en proces, hvor en generel, præ-trænet sprogmodel tilpasses til en specifik opgave eller et domæne. Dette sker ved at videre-træne modellen på et mindre, specialiseret datasæt, hvilket gør den mere præcis og relevant inden for et afgrænset område. ## Grundlæggende definition af fine-tuning En stor sprogmodel som GPT-4 eller Llama 3 er i … Læs mere

Federated Learning er en maskinlæringsmetode, hvor en AI-model trænes på tværs af flere decentrale enheder, f.eks. mobiltelefoner eller servere, uden at data udveksles. I stedet for at samle data centralt, sendes modelopdateringer tilbage til en server, som kombinerer dem for at forbedre den fælles model. Sådan fungerer Federated Learning i praksis Processen i Federated Learning … Læs mere

Explainable AI (XAI) er en samling af metoder og teknikker, der gør det muligt for mennesker at forstå og stole på resultater skabt af kunstig intelligens. Målet er at gøre AI-modellens beslutningsproces gennemsigtig, så man kan se, *hvorfor* den når en bestemt konklusion. ## Hvorfor er XAI nødvendigt? Mange af de mest avancerede AI-modeller, især … Læs mere

EU’s AI Act, eller AI-forordningen, er verdens første omfattende lovgivning om kunstig intelligens. Den har til formål at regulere udvikling, markedsføring og anvendelse af AI-systemer i EU for at sikre, at de er sikre, gennemsigtige og respekterer grundlæggende rettigheder. Formålet med AI Act Hovedformålet med AI Act er at skabe et harmoniseret regelsæt for kunstig … Læs mere

Erstatningsansvar for autonome AI-agenter handler om at placere det juridiske ansvar, når en AI, der handler selvstændigt, forårsager skade. Det er et komplekst juridisk felt, da traditionelle ansvarsregler udfordres, når en ikke-menneskelig aktør træffer den skadevoldende beslutning. De grundlæggende principper for erstatningsansvar I dansk ret er udgangspunktet for erstatningsansvar “culpa-reglen”. Det betyder, at en person … Læs mere

Enterprise AI er anvendelsen af kunstig intelligens i stor skala til at løse forretningskritiske udfordringer. Det adskiller sig fra forbruger-AI ved at fokusere på skalerbarhed, sikkerhed, integration med eksisterende systemer og et klart afkast på investeringen (ROI) for virksomheden. Definition af Enterprise AI Enterprise AI refererer til AI-systemer, der er designet, udviklet og implementeret til … Læs mere