Så fungerar generativ AI: Mer än bara en gissningsmaskin

Många som provar generativ AI för första gången förväntar sig ett digitalt uppslagsverk, men möts i stället av en avancerad gissningsmaskin.

Verktyg som ChatGPT fungerar inte som vanliga sökmotorer. De letar inte upp färdiga svar i en gigantisk databas. I stället skapar de text från grunden genom att hela tiden räkna ut vilket ord som mest sannolikt borde komma härnäst.

Viktiga insikter

• Inte en traditionell databas. AI-verktyg slår inte upp fakta på nätet när de bygger sina standardsvar. De bygger meningar baserat på mönster de sett tidigare.
• Gissar nästa ord. Tekniken bygger på avancerad sannolikhet. Modellen väljer hela tiden den textbit som passar bäst in i sammanhanget.
• Kan låta tvärsäker men ha fel. Eftersom modellen bara följer språkliga regler saknar den egentlig förståelse för vad som är sant eller falskt i den riktiga världen.
• Kontext styr resultatet. Genom att ge modellen tydliga instruktioner och bifoga egna texter kan du styra dess gissningar. Då får du ett resultat du faktiskt kan lita på.

Varför vi måste sluta se AI som en traditionell sökmotor

Vi är vana vid att datorer ger oss exakta svar. När du skriver in en matematisk formel i Excel får du ett absolut resultat. När du söker på Google får du en lista med länkar till webbsidor som någon annan har skapat. Datorn hämtar helt enkelt information som redan finns lagrad någonstans.

Detta har skapat en mental modell hos oss. Vi förväntar oss att alla digitala verktyg fungerar som arkiv. Jag har ofta sett kollegor skriva in en fråga i en AI-assistent och sedan behandla svaret som en absolut sanning. De utgår från att systemet har letat i en dold databas och hittat rätt dokument.

Men generativ AI fungerar på ett helt annat sätt. Den har inget inbyggt bibliotek av dokument som den plockar fram när du ställer en fråga. Den har i stället läst enorma mängder text under sin träning. Genom denna läsning har den lärt sig hur mänskligt språk hänger ihop.

När du ber den skriva ett mejl eller sammanfatta en rapport börjar den med ett tomt papper. Den bygger sedan svaret ett ord i taget. Detta är en otroligt kraftfull förmåga. Men det kräver också att vi som användare förstår hur tekniken fungerar under ytan. Annars riskerar vi att lita på information som låter bra men som i själva verket är påhittad.

Hur generativ AI skapar text genom att gissa nästa ord

För att förstå hur AI skriver text kan vi jämföra det med funktionen som kompletterar ord i din mobiltelefon. När du skriver "Jag är på väg" föreslår telefonen kanske "hem" eller "till". Telefonen vet inte vart du ska. Den vet bara att ordet "hem" ofta följer efter just den frasen.

Generativ AI bygger på samma grundprincip, men i en enormt mycket större skala. Bakom kulisserna bryter tekniken ner all text i små delar. Dessa delar kallas ofta för tokens. Ett token kan vara ett helt ord, men det kan också vara en del av ett ord. När du skriver till en språkmodell räknar den snabbt ut sannolikheten för nästa lilla textbit genom att välja bland hundratusentals möjligheter.

Modellen väger in allt du har skrivit i din instruktion. Den tittar på varje ord, dess placering och dess relation till andra ord. Sedan gör den en matematisk beräkning.

Kärnan i tekniken är förmågan att ständigt förutse vilket ord som bygger den mest naturliga meningen.

Den tänker alltså inte ut ett svar i mänsklig bemärkelse. Den använder sannolikhet för att gissa nästa ord som borde komma i meningen. Om du ber den förklara hur fotosyntes fungerar, letar den inte upp en biologibok. Den vet bara att orden "växter", "solljus" och "koldioxid" ofta förekommer i samma sammanhang.

Denna ständiga gissningslek sker blixtsnabbt. Resultatet blir en flytande text som ser ut att vara skriven av en människa. Men det är viktigt att komma ihåg att det bara är matematik och mönsterigenkänning.

Skillnaden mellan mönsterigenkänning och riktig förståelse

Ett av de vanligaste problemen när man börjar använda AI är att modellen kan låta otroligt självsäker även när den har helt fel. Detta kallas ofta för hallucinationer. Fenomenet uppstår just för att modellen saknar kontakt med verkligheten.

Om du ber en AI att berätta om en historisk händelse som aldrig har ägt rum, kommer den förmodligen att göra det. Den kommer att hitta på namn, datum och platser. Den gör inte detta för att luras. Den gör det för att din fråga skapade ett språkligt mönster som krävde ett visst typ av svar. Texten ser professionell ut, men AI är i grunden en förutsägelsemaskin som inte förstår ämnet den skriver om.

Detta förklarar varför tekniken är så bra på vissa saker och så dålig på andra. Den är fantastisk på att känna igen format. Den vet exakt hur ett säljande nyhetsbrev, en formell rapport eller ett artigt avslag ska se ut. Den kan härma olika toner och stilar med stor träffsäkerhet.

Modellen litar blint på språkliga regler och bryr sig inte om ifall innehållet stämmer med verkligheten.

Men den är usel på att hantera kalla fakta som den inte har fått serverade. Om du frågar efter specifika siffror från förra årets årsredovisning kommer den att gissa. Och eftersom den är tränad att skriva välformulerade meningar kommer gissningen att presenteras med stor övertygelse. Det finns ingen varningslampa som blinkar röd när modellen känner sig osäker. Den väljer helt enkelt det ord som har högst sannolikhet i just det ögonblicket.

Vad AI-modellens gissningar betyder för ditt arbete

När vi förstår att AI är en avancerad gissningsmaskin förändras sättet vi använder den på. Vi slutar ställa frågor som kräver exakta sanningar. I stället börjar vi använda den för uppgifter där språk och struktur är det viktiga.

Min erfarenhet är att verktyget fungerar bäst som ett bollplank eller en snabb skribent. Du kan be den ta dina röriga anteckningar från ett möte och förvandla dem till en prydlig punktlista. Du kan be den skriva ett utkast till ett svårt mejl. Du kan till och med be den spåna fram tio olika rubriker till en artikel. I alla dessa fall drar du nytta av modellens förmåga att bygga naturliga meningar.

Ditt jobb är att granska resultatet precis som du skulle göra med en text från en oerfaren assistent.

Det betyder också att du aldrig kan släppa kontrollen. Du måste alltid läsa igenom det som skapas. Eftersom modellen gissar nästa ord kan den ibland tappa tråden eller lägga till detaljer som du inte har bett om. Du sparar mycket tid på att låta AI skriva det första utkastet. Men det är du som står som avsändare. Ansvaret för att texten är korrekt vilar alltid på dig.

Ett bra arbetssätt är att se AI som en ivrig kollega. Kollegan är snabb på att skriva och har ett enormt ordförråd. Men kollegan saknar djup kunskap om din specifika arbetsplats. Du måste ge tydliga instruktioner för att få ett bra resultat.

Så kopplar du egna dokument för att få rätt svar

Om AI nu gissar nästa ord, hur kan företag överhuvudtaget använda tekniken för att svara på faktiska frågor? Lösningen ligger i att ge modellen rätt bakgrundsinformation innan den börjar gissa. Detta kallas ofta för att ge modellen kontext.

I stället för att fråga en allmän AI-modell om företagets resepolicy, ger du modellen texten från policyn först. Du säger i princip: "Läs denna text noga. Svara sedan på min fråga, men använd bara information som finns i texten." När modellen har tillgång till en specifik text minskar risken för hallucinationer drastiskt. Sannolikheten att gissa rätt ord ökar enormt när orden redan finns i bakgrundsmaterialet.

Genom att ge modellen din egen text begränsar du dess utrymme att gissa fritt.

Många moderna system bygger in detta i sina funktioner. Ett vanligt arbetsflöde är att först söka fram relevanta företagsdokument från en databas och sedan klistra in dem i bakgrunden innan svaret skapas. Användaren märker sällan av detta steg. Du ställer en fråga, systemet letar snabbt upp rätt dokument internt, och ber sedan språkmodellen att formulera ett svar baserat på de dokumenten.

Detta arbetssätt kombinerar det bästa av två världar. Du får den exakta sökningen från en traditionell databas. Sedan får du den flytande, lättlästa texten från en generativ AI. För många företag är detta vägen framåt för att hantera intern kunskap och kundservice.

Praktiska steg för att styra AI-modellens gissningar

När du nu vet att modellen gissar nästa ord kan du anpassa hur du formulerar dina instruktioner. Det handlar om att minska modellens gissningsutrymme. Ju stramare ramar du sätter, desto mer exakt blir resultatet.

För det första bör du alltid ge ett sammanhang. Berätta vem modellen ska låtsas vara och vem den skriver för. Om du säger "Du är en erfaren projektledare som skriver till en stressad kund", hjälper du modellen att välja ord som passar den tonen. Sannolikheten för formella och korta ord ökar.

För det andra bör du bifoga din egen text. Om du vill ha en sammanfattning, klistra in hela källtexten. Lämna inte åt modellen att leta upp informationen själv. Skriv tydligt: "Baserat enbart på texten nedan, svara på min fråga." Detta är det absolut mest effektiva sättet att undvika påhittade fakta.

Tydliga ramar och ett rikt urval av bakgrundsinformation är nyckeln till användbara svar.

För det tredje är det klokt att styra formatet. Om du inte anger ett format kommer modellen att gissa hur långt svaret ska vara. Ofta resulterar det i långa och svamliga texter. Be i stället om "tre korta punkter" eller "en tabell med två kolumner". När du låser formatet tvingar du modellen att fokusera på innehållet i stället för att fylla ut texten med vackra men tomma ord.

Slutsats

Att förstå hur generativ AI fungerar under ytan är avgörande för att få nytta av tekniken i arbetsvardagen. När vi slutar se verktyget som en allvetande sökmotor och i stället ser det som en språklig gissningsmaskin, försvinner mycket av frustrationen.

Tekniken är inte till för att ge oss absoluta sanningar. Den är till för att hjälpa oss bearbeta, strukturera och skapa text snabbare än vi någonsin kunnat tidigare. Genom att mata modellen med dina egna dokument och ge tydliga instruktioner, tar du kontroll över processen. Du låter AI göra det tunga grovjobbet med orden, medan du står för fakta och omdöme.

Börja smått. Nästa gång du behöver skriva ett besvärligt mejl eller strukturera dina anteckningar, låt AI göra ett första utkast. Du kommer snabbt att märka hur mycket tid du kan spara när du vet hur du ska styra verktyget i rätt riktning.