Latest / Verbos: AI og Softwareudvikling / #64 - En 2024 snak om Prompt Engineering (og alt muligt andet)

Transcript

#64 - En 2024 snak om Prompt Engineering (og alt muligt andet) · Verbos: AI og Softwareudvikling

0:00
Halløjere som og velkommen til var bo's podcast afsnit nummer
0:03
64 i denne her uge. Der skal vi snakke om noget, som
0:07
vi alle sammen elsker noget, som vi alle sammen har beskæftiget
0:10
os med. Mange af os i hvert fald har
0:11
beskæftiget os med intensivt i de sidste 2 år snart 2 år hvor
0:15
at chatklipper har været en ting, og Det er jo selvfølgelig
0:18
Det er noget Vi har været inde på i et tidligere en tidligere
0:20
episode, men i den her afsnit eller det her afsnit er kapos
0:23
podcast, der tager vi sgu lige en lille brush up på emnet og
0:26
prøver ligesom at. Altså vi lærer jo hele tiden, og
0:30
jeg tænker eller Vi har tænkt at Det er meget godt lige at få en
0:33
lille genopfriskning. En lille status end en tjek ind
0:37
på hvordan det går med med det her.
0:39
Og nu skal jeg nok sige hvad Det er, fordi det Vi skal snakke om.
0:41
Det er nemlig promundingering. Vores alle sammens fantastiske
0:45
hvad hedder det? Hvad skal man sige aktivitet som
0:47
vi jo som flere og flere mennesker bruger deres deres
0:51
værdifulde tid på til dagligt. Ja Det er det Vi skal snakke om
0:57
i dag. Ja, hvad siger Jonas?
1:00
Of fresh er du klar? Vi skal snakke state of from
1:03
engineering. Det skal vi fandme.
1:07
Og du havde jo for nylig jo så så.
1:12
Så så tror jeg du linkede eller snakkede om at gutterne fra og
1:16
guttinderne fra antrobic de havde.
1:20
Var det en podcast hvor de snakkede om det?
1:22
Ja, men Det er Sådan lidt. Det virker Sådan lidt random.
1:24
Det er bare Sådan en youtube video de har delt på på deres på
1:28
jer på deres youtube kanal og det virker ikke som jo det
1:32
virker som om Der er nogle. Altså.
1:35
Det virker ikke Sådan, om Det er Sådan en rigtig serie, men Det
1:37
er i hvert fald 4 for androbic som virker til at være nogle
1:41
eller som ligesom har arbejdet en hel del med promtedineering
1:44
som som ligesom bare behandler hjemmet og tager nogle deepdies,
1:48
diskuterer teknikker og og så videre og.
1:52
Ja det Jeg synes egentlig bare Det er en meget jeg tænker, hvis
1:54
Der er nogen der ved noget om frontendineerings, så må det
1:56
være de her store a'er al laps som virkelig.
1:58
Hvad skal man sige dykker ned i det ikke så Jeg synes Det er en
2:01
det. Det er en utrolig interessant
2:03
udgangspunkt for en for en god snak.
2:06
Det er jo lidt sort magi det der prompetinger og Det er også.
2:11
Noget man som udvikler jo møder, fordi man er hele tiden i Sådan
2:14
en Sådan en spændingsfelt imellem.
2:17
Hvor meget skal man ligesom hvis hvis Der er nogle brugere der
2:22
har Sådan et et interface, ikke hvor de skal putte noget, putte
2:25
noget tekst ind og give nogle nogle relativt frie
2:28
instruktioner. Hvor meget skal man ligesom
2:31
bagved? Forsøge at rappe det rundt om i.
2:36
I noget mere tekst, noget mere tekst og noget mere tekst at
2:39
prøve at styre, hvad Det er der skal ske.
2:43
Hvordan. Hvordan rapper man det i det
2:47
rigtige tekst give ud hvad det så er brugeren putter ind og
2:51
Sådan nogle ting, Der er tonsvis af interessante
2:55
problemstillinger i det, så så ja lad.
2:58
Os bare lige dykke noget af det du siger der fordi Det er ret
3:00
interessant at brugsscenarie for for brunt and medeoing.
3:03
Og Det er også når de kommer ind på II podcasten.
3:06
Det du nævner her. Det er jo det eksempel hvor at
3:08
du har en eller 2 form for interface, hvor Der er nogen der
3:12
kan skrive noget tekst ind. Det kunne være en chatbot det
3:14
kunne være en eller 2 form for. Der er en bruger et eller andet
3:17
sted der skriver der ligesom skal skrive noget tekst ind.
3:21
Typisk så er det jo så med de her lahsling models, at de er
3:24
fuldstændig. Tabularrasa altså du ved de er
3:27
fuldstændig en hvid tavle når når man når man når man sender
3:31
en chat til dem. Så de ved intet om den
3:34
situation, de optræder i det problem, de skal løse.
3:37
Hvem brugeren er noget som helst.
3:41
Ja og det du så beskriver Det er Det er at når man så putter
3:44
Sådan nogle her ting, Sådan nogle her applikationer med
3:47
elemer ud i produkter, så vil man typisk gerne lige briefe dem
3:51
inden de skal til at tage imod brugerquirus eller bruger
3:54
prompte brugerhenvendelser. Fordi Det kan være rigtig
3:59
brugbart at fortælle den her. LM.
4:02
Den sammenhæng, den indgår i og det problem den prøver at løse
4:05
Sådan, så den ikke bare er fuldstændig spejlblank hver
4:08
eneste gang den får en den får en besked.
4:12
Og Det er egentlig meget sjovt, fordi der der og det.
4:16
Det er jo en helt konkret. Hvad skal man sige en helt
4:19
konkret situation, hvor når man skal lave et eller andet
4:22
brugbart i noget software med en LM.
4:25
Så står man ofte i den her situation, og Det er egentlig
4:29
sjovt fordi II den her antabic video der nævner de at II den
4:34
her situation Der er der ligesom 3 aktører Der er eller det ved
4:38
jeg ikke om Der er. Der er i hvert fald den ene.
4:40
Det er ligesom den her LM som skal have de bedste
4:43
forudsætninger for at give et godt svar.
4:46
Og den skal man ligesom tage hensyn til.
4:47
Altså nej, måske skal jeg starte med for det første Der er
4:51
promundingeren, altså den person der ligesom står for og gerne
4:54
vil have det her til at virke godt.
4:56
Den her person skal jeg ligesom skrive en høj kvalitets
4:59
instruktion. Kontekst til at den her LM kan
5:04
gøre det bedste job muligt. Den skal både tage hensyn til,
5:08
hvad skal man sige den her lille m, hvordan den godt kan lide og
5:11
og få serveret tingene? Hvad for noget information den
5:14
har brug for at få ligesom at komme i den rigtige kontekst,
5:17
men også samtidig den 3 aktør som så er brugeren skal man også
5:22
tage hensyn til at den her bruger kan jo også bare putte
5:25
hvad som helst ind i den her. Den her prompt som vedkommende
5:29
jo i virkeligheden injekterer i systemet ikke, og Det kan både
5:32
være relevant for det, som prom dingeren har tænkt i forvejen.
5:36
At Det er det her problem, vi gerne vil løse.
5:38
Men Det kan også være totalt irrelevant.
5:39
Det kan være alt muligt støj. Det kan være en tom stringing,
5:41
Det kan være uforståelig tekst eller et eller andet ikke så Det
5:44
er Sådan en typisk scenarie i virkeligheden på et sted hvor
5:47
man hvor man kunne være have lyst til at promtte dinear.
5:51
Og hvis man ikke, hvis nu man er.
5:54
Hvis man er ny bruger. Lad os sige Vi er tilbage i nu
5:57
kan jeg ikke engang huske hvad hvornår jeg tastede noget ind
5:59
første gang i chatkebibliotek. Hvor man bare skriver.
6:04
Blot first problem. Right rider på ikke altså Det
6:08
var det alle Det var det alle gjorde da det kom ud.
6:12
Fordi vi vi vi kunne huske at de havde åbnet, har jeg lavet det
6:16
der ride pollen. Det der wide pop-m.
6:19
På GPT 2 eller hvad Det var dengang ikke hvor de havde lavet
6:22
den, så havde de fået den til at skrive Bonde og derfor så Det er
6:25
imod det de også dengang der der var der ingen der kendte.
6:27
Der var det selvfølgelig kun også når der der der sad og
6:30
kiggede ned på det der. Så så det gjorde jeg
6:33
selvfølgelig også da den kom ud. Den der 3 fem'er skulle vi lige
6:35
se den kunne lave det på mig og Jeg kan også huske at at jeg på
6:39
et tidspunkt tænkte. Jeg kører ikke så tit blomster
6:44
til min kone, så nu må jeg lige lave et par omtalen.
6:46
Så skrev jeg også, så lavede jeg også Sådan et.
6:51
Og hvor? Hvor hun faktisk blev ret rørt
6:55
over det jeg havde skrevet, som jeg jo ikke havde skrevet.
6:58
Og så må jeg så bagefter fortælle hende der.
7:01
Er det faktisk ikke mig der har skrevet det.
7:03
Nå OK og det. Bliver måttet lige turing test
7:05
hun står. Der også lidt rørt over bare
7:08
lidt af den måde kan man sige. Ej hvor hvor jeg vejer.
7:12
Du over at du har haft 0% indsats på at skrive det her.
7:16
Nej, Det er overhovedet jeg skulle sige det gjorde jeg Sådan
7:17
totalt side track her nej, men pointen var måske mere bare det
7:20
der med at. Vi vi var ikke særlig gode
7:24
promedingers til at starte med. Vi var dårlige.
7:26
Vi skrab bare Sådan nogle korte tekster, ikke også gør et eller
7:28
andet eller Sådan et eller andet og og så fandt vi ud af Sådan
7:32
efterhånden at hvis vi. Hvis nu vi forklarer hvad altså
7:36
Vores intentioner er Sådan ret præcist, så kan det være der
7:40
kommer noget præcist tilbage. Big revolut asian ikke fordi Det
7:44
er jo også Sådan man kommunikerer med mennesker og
7:48
Det er trænet på menneskelige data.
7:51
Kan man sige så selvfølgelig er det Sådan vigtigt, at Der er
7:54
klar kommunikation. Problemet er, og Sådan har det
7:58
også været på Google og de laver god søgning.
8:02
Din intention når du har den der korte tekst, så din intention
8:07
med den korte tekst. Det er faktisk en forudsigelse i
8:11
sig selv. Og det gør man jo for eksempel.
8:13
Man laver Sådan nogle korte. Completions i Google Det har jeg
8:18
set så hvordan ved den at Det var det jeg havde tænkt mig at
8:22
søge på søgemaskiner er overhovedet ikke gået i gang
8:24
endnu, vel? Men den har ligesom også kunne
8:27
bliveet det som den forestillede sig du ville søge på og og det
8:31
vil sige altså der ligger i Google har jo mange års erfaring
8:35
med det der med at søge og optimere, og de har jo erfaret
8:38
at at brugerne er enormt dovne. Ikke også.
8:41
Som et virkelig doven, men de er stadig.
8:43
De er stadigvæk ikke klar til at blive begrænset af det der
8:46
tekstfelt, hvor de kan putte noget relativt Sådan og så man
8:50
lærer. Og så er man efterhånden så
8:52
brugeren er blevet opdraget, så de har lært at Google ikke på en
8:56
bestemt måde at skrive noget. Så jeg tænker Sådan lidt, hvor
9:00
er vi i fasen med det her promuningering?
9:03
Hvor er balancen? Hvor meget skal vi?
9:07
Opdrage Vores brugere til at blive gode til at.
9:11
Bromhe og bruge de her løsninger, og hvor meget skal vi
9:14
ligesom gribe ind i deres promps og forsøge at ligesom
9:18
personalisere og predicte lidt ud fra OK, hvad er det du plejer
9:22
at gøre med den her applikation? Jeg sidder med lige nu?
9:25
Ja, altså Jeg kan jo tage igen fra fra fra egen skuffe, at jeg
9:29
arbejder sjovt nok med en masse journalister, og Det er jo
9:33
klart. Det er jo allerede der
9:35
begrænsede domæne, så jeg skal jo ikke nødvendigvis lave
9:38
generative løsninger til. Gud og hver mand.
9:40
Jeg skal lave noget til nogle journalister hovedsageligt og.
9:44
Men alligevel, så finder man ud af, at journalister har mange
9:47
forskellige brugsscenarier for Sådan en dingeno der ikke.
9:53
Så man er nødt til på en eller 2 måde at finde ud af Sådan.
9:56
Hvad er det for noget? Vi skal hjælpe dem til?
9:59
Hvordan skal de her prompte template se ud?
10:04
Ja og Det er ikke Det er ikke supernemt.
10:06
Og Der er noget med det. Der er også noget domænekendskab
10:09
benarbejde der ikke altså som jeg også forestiller mig at
10:12
Google har været igennem det her med Sådan hvad hvad når folk
10:16
søger på Google, hvad hvad hvad vil de så egentlig, og hvordan
10:20
kan vi bedst muligt imodkomme det ikke?
10:23
Men de har. Jo fået på et tidspunkt, så er
10:24
det fundet ud af på et tidspunkt at OK.
10:26
Nå men Der er mange søgninger der.
10:28
Der relaterer sig til Sådan geografi for eksempel.
10:30
Altså de vil gerne have burgere, og det skal være her, hvor Jeg
10:33
er. Kunne det være vi skulle tage
10:36
billeder af hele jorden og lave Google maps eller et eller andet
10:38
altså Sådan du ved Sådan nogle ting ikke.
10:41
Sidst kan jeg huske ikke Det var jo.
10:43
Ja det kunne være det bare den gamle blad der bare spiller.
10:47
Jeg synes det bare lige nu. Det bliver en sygt løs samtale
10:50
om promedinger egentlig har, så det må vi virkelig tillade.
10:52
Hvad hedder det? Jeg håber at Vores lyttere
10:54
tilgiver os det. Men bare lige det der du siger
10:56
her med nu nu nu når vi snakker om brugerinputs til til pruns og
11:02
hvordan man ligesom kan promunde hvor meget man skal promunde
11:04
ingeniør og hvor meget de selv kan styre og Sådan nogle ting
11:06
det Det er Sådan super spændende diskussion, men Jeg synes også
11:10
Der er mange der snakker om. Når når man snakker om fromting,
11:14
så antager man at Der er brugerinput, og Jeg synes i
11:18
virkeligheden man snakker ret. Måske i virkeligheden snakker
11:22
for lidt om hvad nu hvis der ikke bruger input?
11:24
Hvad nu hvis Det er rent back-end?
11:26
Hvad skal man sige? Proms du har lyst til at køre
11:29
ikke altså det arbejder vi for eksempel PT.
11:33
Tænker vi meget i det hos dinero, for eksempel II dinero,
11:36
der har vi. Der er vi banktransaktioner, og
11:39
Det er typisk en meget, meget lille historie du får om den.
11:43
Det Der er sket den finansielle transaktion, Der er foregået i
11:46
den virkelige verden. Du får typisk Sådan et lille
11:49
dårligt lille stykke tekst, hvor Der er alle mulige underlige
11:52
tal, og så er der lige en lille ledetråd til et eller andet, og
11:55
så at altså. Og og det optræder måske kun en
11:58
gang i databasen, så du kan ikke ligesom bruge den der med, at
12:02
Der er mange brugere, der har. Bogført det her, fordi det
12:06
optræder så sjældent. Altså Der er Sådan en lang hale
12:08
af en masse unikke særlige ting, der optræder sjældent, og der
12:14
der ved der kunne 1 1 1 brummeninger opgave også hedde
12:17
Sådan formulersøgning eller formulering.
12:20
Altså prøv, prøv at kigge på det her og prøv at tænk lidt over
12:23
hvad hvordan fanden kan vi finde ud af hvad det her er?
12:26
Sådan så vi kan putte et rigtigt label på Sådan, så vi kan give
12:29
et bud på, hvordan det skal føres ind i et regnskab, ikke?
12:33
Og det kunne altså der har vi blandt andet rodet med at.
12:38
Vi vi vi kunne. Vi tænkte det kunne være
12:39
spændende at prøve at lave Sådan en name intyo recion hvad skal
12:42
man sige model i virkeligheden for banktransaktioner som kunne
12:46
identificere entity i banktransaktioner?
12:49
Problemet ved normale ofte shell open-source nam-ty regnition
12:54
modeller er at de Sådan. Det bank transaktioner Det er
12:57
lidt out of distan for dem, fordi de er trænet på Sådan
13:01
noget sætninger og Sådan normal tekst man ville finde på nettet
13:05
og i en bog og så videre. Så Der er ligesom ikke rigtig
13:08
det. Det er ikke Sådan det rammer
13:09
lidt ved siden af der, men der kan man der kunne en
13:13
promtingering opgave lyde at skriv en prompt der udtrækker
13:17
den ene regnition eller name dens teece fra den her bank
13:21
transaktion. Det er jo total backend opgave
13:25
og og noget du kan bruge til at trække data ud eller lave
13:28
datasæt, så du kan træne en din egen model for eksempel ikke.
13:32
Og så når man har de her niendetitye, så kan man jo også
13:36
slå dem op på nettet og bede en LM om at summerise.
13:40
Hvad skal man sige, søgeresultater eller et eller
13:42
andet som gør at man kan få nogle flere cruise til hvad hvad
13:44
de her ting er, ikke? Det kunne også være en.
13:49
En altså. Vi har også eksperimenteret med
13:52
Sådan noget med at du ved 1 1 1 virksomhed har vi vil gerne vide
13:56
noget om Vores Vores de virksomheder Der er i dinero
13:59
fordi så giver det os bedre forudsætninger for at kunne
14:02
bogføre deres ting korrekt. Og så når man typisk er inde og
14:06
og og debugge et eller andet en eller 2 forkert machine learning
14:11
prediction og man skal forstå hvad det hvad det ligesom
14:14
skyldes. Så går man jo ligesom ind på
14:16
brugeren og ser Sådan OK. Nå Det er på grund af det her
14:19
det her det her ikke. Og så når man gør det og kigger
14:23
på brugeren så kan man jo så får man jo ligesom der der har
14:26
virksomheden et navn og man den har måske nogle produkter
14:29
registreret i dinero som den som som virksomheden sælger.
14:33
Hvad hedder det? Der er nogle banktransaktioner,
14:35
der siger meget om hvad hvad indder ud i rent økonomisk i den
14:39
her virksomhed. Hvad for nogle kontakter har
14:42
vedkommende som de? Henholdsvis køber og sælger til
14:46
køber fra og sælger til. Og altså Sådan Det kan også
14:49
være. Der er også en del af
14:50
virksomheder der har en en hjemmeside koblet til deres
14:53
brugere, så det vil sige når man Sådan går ind og kigger på det
14:55
som menneske, så kan man faktisk så fortæller det en ret Sådan
14:59
ret ret detaljeret historie om. Den her OK.
15:04
Nu kører jeg helt ud. Af et tidspunkt kan jeg godt
15:05
mærke, men det fortæller hun ret detaljeret historie om den her
15:07
virksomhed, som du kan, som du ligesom kan synte til cisere
15:13
eller synthesise ved at kigge på alle de der datapunkter separat.
15:18
Kontekst til til din promt. Det er det det i virkeligheden.
15:21
Det er også det du siger her. Det jeg siger bare Det er der
15:23
står rigtig meget mellem linjerne på en eller 2 måde ikke
15:27
og Det kan du der kan du der kan en prump engineering opgave også
15:30
godt være. Prøv at kigge på alt det her
15:31
data. Ja og og og og led efter
15:35
information, som er brugbart i forhold til at.
15:40
Blive bedre til at bogføre den her virksomheds den her
15:43
virksomheds bilag i forhold til at kunne sige nogle fornuftige
15:48
ting om hvordan kan man drive en bedre, hvordan her kan det?
15:51
Hvordan kan den her virksomhed drive en bedre forretning?
15:53
For eksempel ikke. Og Det er jo så med brugerinput.
15:57
Der er ikke noget fritekst at brugeren skal komme med her.
16:01
Det er noget der bare sker bagved, for ligesom at forsøge
16:05
at. Forstå brugeren så godt, at du
16:08
ikke engang behøver at input for hvad er det jeg skal hjælpe dig
16:12
med? Fordi at og Det er jo
16:16
interessant nok. Nu prøver jeg lige at trække den
16:17
røde tråd i det vi snakker om her ikke?
16:19
Det er fordi vi prøver ligesom vi prøver ligesom at snakke
16:22
promc engineering og og jeg jeg og Det er jo fordi Vi har også
16:25
lige selvfølgelig brainstormet omkring hvad emnet skulle være.
16:28
Men men. Det der med at altså skal du
16:33
have frihed versus. Versus at det skal ligesom bare
16:37
ske for dig behind the saints. Vi ved allerede hvad Det er du
16:41
har gang i. Du er inde i den her app og dit
16:43
formål er regnskab og så videre og så videre og så videre.
16:46
Så vi kan godt indigere nogle nogle templates eller noget der
16:50
løser nogle problemer for dig som vi ved er generiske for alle
16:53
brugere Der er i den her app her for eksempel ikke.
16:56
Men Der er du også når du er inde i den app, så er du i et
16:58
domæne for eksempel. Hvad nu hvis appen var?
17:01
Her er min bærbare computer. Det var gør ting med den.
17:07
Så kan du ikke lave et interface Der er brugbart generelt til din
17:11
bærbare computer der hedder der hedder noget med at du skal
17:14
forstå alt hvad du, hvor i hvilken kontekst du arbejder i
17:19
og Sådan noget. Jeg har svært ved at se det
17:21
altså nu. Apple har jo det her Apple
17:24
intelligence ikke ude hvor de har lavet nogle nogle ret
17:29
interessante ting med. At Der er en eller 2 form for
17:33
Det er faktisk det de kalder for app inten.
17:35
Tror vi også vi var også Vi har et afsnit, hvor vi snakker lidt
17:37
om deres lancering på det der tidspunkt der, men hvor man
17:40
ligesom signalerer en intention som ens applikationer har.
17:46
Og den hvad den kan og hvad den gør og og Det kan man så få
17:50
samlet i et. Hvad kan man sige et et på en
17:53
eller 2 måde i ellevens vidensbank?
17:57
Den her person der ejer den her telefon har altså installeret de
18:01
her apps. Ikke og de her apps kan de her
18:04
ting her, og Det kan jeg beskrive til dig, hvad de kan i
18:09
Sådan fri tekst på en eller 2 måde så ved LLM nå men brugeren
18:14
er den her. Har de her redskaber til til
18:17
rådighed ikke og det. Der er jo også promding i at
18:21
beskrive appsene på en måde Sådan så en sprogmodel.
18:26
Jeg tager fat i dem på det. Rigtige tidspunkt så leverer app
18:28
app udvikleren ligesom beskrivelsen af hvad hvad Ellen
18:33
den the big brain skal kunne med det ikke, og Det er igen den det
18:35
her forhold vi havde. Vi har snakket om det mange
18:38
gange Vi har elle lemeren som er.
18:42
Hvad kan man sige kan kan bruge tools ikke og de kan ligesom
18:47
fungere som agenter. Jeg synes stadigvæk Det er lidt
18:50
et relativt dårligt term, men jeg kalder dem for.
18:54
For hvad hedder det dispatches? Det er Sådan lidt mere teknisk
18:58
term for at de router brugerens request videre til forskellige
19:05
funktioner og de funktioner kan være alt muligt som så Det kan
19:10
være en. Det kan være en en endnu en
19:13
prompt flow du kommer ned i. Det kan også være du bare kommer
19:16
hen til en lommeregner og så videre og så videre eller du
19:18
kommer hen til noget. Eller whatever ikke altså Det er
19:21
jo det. Det er ligesom den.
19:22
Den den tager det naturlige sprog og finder ud af, hvor skal
19:25
jeg hen i det her mirage af alle mulige ting Jeg kan på det her
19:29
device for eksempel ikke? Det er Sådan den ultimative
19:31
indgang til din telefon. Når du spørger sirius, så
19:34
forventer du den også. Hvorfor ved siri ikke noget om
19:37
alle de her ting her snart forventer vi, at den ved alt alt
19:40
om alt du har på din telefon, ikke også indtil det lyder slet
19:43
spooky men altså. Spooky Det er rigtigt.
19:48
Så jeg kunne godt tænke mig ja fordi nu lader vi lige have en
19:50
pointe mere. Sorry.
19:54
Der er der var engang, fordi jeg fortalte Sådan en lille
19:57
historie, før vi gik ind live her.
19:59
Der var engang hvor der var noget der hed unix at tale dem,
20:02
der ikke lige nødvendigvis er programmører derude.
20:06
Unix er et operativt system før Windows kan man sige, som måske
20:11
var det mest populære. Og det blev altså brugt af
20:14
rigtig mange professionelle og de her professionelle folk.
20:18
De sad og arbejdede i terminaler.
20:21
Og terminalerne var ligesom nogle skærme, hvor du kunne
20:25
skrive noget tekst og sende noget tekst ned til den.
20:27
Den rigtige computer kan man sige og få noget tilbage.
20:32
Og der sad folk så ligesom og skrev typisk ned til nogle main
20:35
frames. Måske også andre systemer i
20:38
don't know, og så kunne der komme noget data tilbage og de
20:41
kunne skrive noget noget registreret noget nede i nogle
20:43
register de kunne redigere tekst og Sådan nogle ting og sager.
20:47
Og de her folk her, de sad rigtig tit og arbejdede i den
20:50
her terminal og og og lavede shell script.
20:52
Simpelthen descriedede Det var det de gjorde.
20:55
Så de skulle redigere tekst, så skrev de nogle kommandoer som
20:58
mange programmører kender den dag i dag, fordi Det har de
21:00
samme navne og så lavede de Sådan nogle nogle streger
21:04
imellem de her kommandoer også kaldet pibes, og så kunne de
21:08
pibe resultatet fra en kommando ned i en 2 kommando og så kunne
21:13
de bare bygge en lang kæde af kommandoer.
21:16
Nej nej nej. Så de kunne tjene resultater fra
21:21
en ting til 1-1. Andet ikke.
21:24
Det er stadig et eller andet at bruge unics til det der piraing.
21:26
Der jeg skal bare lige Sådan minder det om noget.
21:30
Vi har altså Sådan set eller hørt II prompteingering
21:35
verdenen. Det er jo dybest set det samme
21:37
for at sige det rent ud. Det er også det, der sker, når
21:39
vi når de. Vi forsøger ligesom at tjene.
21:42
Vi tager et et input fra en bruger og så, og så prøver vi
21:45
ligesom at komme ned et sted her.
21:47
II prompteinger verdenen der gør vi det bare med et andet
21:50
interface. Ikke brugeren skulle ligesom
21:53
selv kende det her shell script sprog ret godt for at lave de
21:55
her tjenes og tjeneste skulle ligesom bygges op selv med et
21:59
naturligt sprog, så har vi en form for intelligent tjener.
22:03
For os ikke også laderlige gåseøjne til dem der lytter med.
22:08
Det Det er altid, når jeg siger noget med intelligens og ære, så
22:10
er det intelligens. Så er det fordi det med
22:13
gåseøjne. Hvad hedder det så?
22:15
Så på mange måder så. Jo det jeg så ville sige Det er
22:20
så kom Windows ikke og så blev det alt sammen noget med nogle
22:23
vinduer man kunne sidde og klikke og så var var baren for
22:27
at folk ligesom kunne bruge computerne til noget meget
22:29
produktivt. Den var ligesom.
22:31
Allerede der hurtigt meget lavere, fordi det skulle ikke
22:34
ligesom være i et professionelt domæne, hvor du sad foran skærm
22:37
og arbejdede, hvor det rent faktisk du havde tid til at lære
22:40
de her selvscrips og kunne kunne gøre ting meget effektivt på din
22:43
maskine. Computeren krævede altså mindre
22:45
er der for. At bruge en smart ikke det blev
22:48
for alle derhjemme. Nu har vi alle sammen Sådan en.
22:51
Det er vinduer over det hele, også på din mac, og Det er
22:55
dybest set. Det er interface du kender på
22:56
din computer. Men hvis du bare går nogle år
22:59
tilbage, så var måske var skærmen blå hed norton, og så
23:04
var der ikke andet end Sådan en lille cursor der blinkede Det
23:06
var. Det var dybest set for at sige
23:08
det groft sagt præcis det samme teknologi som den du sidder
23:13
foran i dag, bare i en lidt 2 klasse Der er det Der er lidt
23:16
Ferrari versus gammel folkevogn. Bare bare en lille smule.
23:24
Der er kommet et par milliarder mere.
23:27
Ja så hvad er det, Jeg vil sige med det her?
23:29
Jo det Jeg vil sige. Det er bare at at promedingene
23:32
lugter ligesom altså state of prominger som det her afsnit
23:38
har, har jeg døbt til det lugter lidt af at Vi er et sted hvor vi
23:41
ligesom skal finde en balance i det her.
23:43
Der er nogle superbrugere, det dem dem der sad og lavede det
23:47
der. Det nu er der nogle programmører
23:48
de de foretrækker stadigvæk at de har meget, meget kontrol.
23:52
Åh jeres computer kan gøre rigtig mange ting og og så er
23:55
der også nogen der sidder i excel og har et eller andet
23:58
problem hvor de skal gå igennem. 400 kolonner 500 kolonner at
24:03
gøre en eller 2 ting manuelt og så griner alle programmørerne og
24:06
siger. Hvor er det synd for dig.
24:11
Det snakker. Jeg håber ikke du sidder og
24:12
bruger 3 dage på det her inde på arbejdet og det gør.
24:15
Også nogle gange. Også nogle gange over det også.
24:17
Nogle gidas programørene ikke fordi nogle gange så
24:20
overkompenserer programmerende. Det er fandme også nogle gange
24:22
altså nå jamen. Så automatiserer de et eller
24:24
andet som manuelt vil tage kortere tid fordi at Det er
24:28
deres go 2, så Det er Sådan en overengineering af af noget og.
24:33
I øvrigt et program, som kører en gang, hvorfor ikke bare sidde
24:35
og gå igennem listen manuelt og Sådan nogle ting?
24:38
Ikke så Jeg tror der vil. Der vil stadigvæk være de her
24:41
Sådan lidt superbrugere, som måske vil blive mere prompteing
24:45
ingen generagtig, og de vil ligesom være gode til at
24:48
integrere med de her alle emmer. Det tror jeg vi får simpelthen
24:51
en helt klasse af arbejdere, som kommer til at være gode til det
24:54
der. Men Jeg tror også jeg Jeg er
24:56
Sådan også lidt Sådan fordi vi snakkede også lidt om hvem er
24:58
promdingers ikke altså hvad. Og så kan man diskutere om om
25:03
det om Det er et retvisende ord og Sådan noget.
25:05
Det er en helt 2 diskussion vi ved alle sammen godt hvad eller
25:07
spørgsmålet er om vi gør, hvem hvem, hvem er prom dinero?
25:11
Ikke fordi på den ene side så ser jeg det både.
25:13
Stille spørgsmål. Ja, fordi på den ene side så ser
25:18
jeg altså i min verden, så er en bromedingeniør nogen der sidder
25:21
i en eller 2 form for softwareudvikling?
25:24
Setting. Og skal have en prompt til at
25:28
virke i en eller 2 sammenhæng og så altså er opgaven ligesom at
25:32
skrive den bedst mulige prump iterere over problemet.
25:35
Skrive en prompt kig på data. Prøv at skrive om i prompte.
25:39
Kig på outputtet. Altså Sådan ligesom køre de der
25:43
irtrationer, så for at få det bedst mulige output i altså så
25:48
konsekvens som det nu kan være muligt, ikke?
25:51
Og så bare brave for at der ikke er nogen der debrokater den
25:55
model du har brugt. Fordi så det hele spiller tid,
25:58
ikke? Ja, Det er faktisk noget af det
26:00
værste. Ikke fordi.
26:02
Så så Det er. Sådan den ene ting.
26:06
Det er Sådan den ene pom denier, men så er der også er Det er man
26:08
også pumpende genier, hvis man bare er virkelig god til at
26:11
bruge chatkabet og er rigtig god til at lave de der GPTS og så
26:14
videre. Synes jeg det ja.
26:17
Det synes jeg da helt klart. Man er altså.
26:20
Det er jo. Det er jo ikke den rå model
26:24
chatklip og og og det. Det kan man selv teste, hvis man
26:29
har, hvis man selv programmerer lidt og man har en adgang til at
26:33
kalde direkte GBT 4 o give dem AP et, så kan man meget hurtigt
26:37
se at. Det er forskellige ting, Der er
26:41
noget kontekst med afhængig af om man også har lavet Sådan
26:44
nogle custom instructions, men bare det at man har slået sprog
26:47
til den ved simpelthen hvad Det er for et land du kommer fra.
26:50
Så ved den OK det. Vi har Sådan et godt eksempel
26:56
inde på arbejde, hvor at. Hvis man skriver en sætning som
26:59
både kan være det. Det hedder nærmest ens på dansk,
27:03
norsk og svensk, så er den altså tilbøjelig til at.
27:06
De får til norsk rigtig tit. Ja fordi den bare synes Det er
27:11
da norsk det der med mindre at den medmindre du er i
27:15
chatkebibliotek hvor den ved at Det er på dansk så kan den også
27:19
der. Det er også irriterende fordi så
27:21
kan du også godt stille et spørgsmål på engelsk og hvis den
27:23
så skal læse op så begynder den at læse det op på på dan englist
27:26
ikke og og Det er også lidt irriterende Sådan nogle ting,
27:29
men så Der er der sker jo selvfølgelig noget inde bagved,
27:31
men Jeg tror Det er minimalt hvad Det er Der er at promdinger
27:35
før man ligesom får adgang til. Og er kommet forbi det det
27:39
første system prump. Må jeg ikke lige høre dig om
27:43
noget, bare lige for at tale lidt om den der analogi der.
27:46
Med unix og piving og Sådan noget hvad.
27:48
Hvad er det egentlig helt konkret du tænker?
27:50
Analogien er i forhold til det her piping.
27:54
Altså yeahic shelcripting fordi normalt altså Sådan normalt
27:58
prumped altså promedy hest der bare bruger chat gribes eller
28:00
Claude. De har jo ikke på samme måde
28:02
mulighed for at lave de der den der piping og den der
28:06
automatisering som det jo i virkeligheden er.
28:08
Jeg ser det som du kan godt være.
28:12
Hvis du bruger en eller 2 ved at trykke på en knap.
28:15
Jeg vil gerne have det her gjort med min tekst for eksempel og
28:18
der kommer et output. Nu har den genereret noget.
28:21
Det svarer lidt til at du er gået ind i word nu og du har
28:25
fået stavekontrol og du kunne godt tænke dig at gå igennem
28:29
stavekontrollen du sidder og klikker og du siger ret bare til
28:34
eller gør et eller andet du ved. Og så gør den det bare, så der
28:38
skal man jo se det som en en hel række af.
28:42
Funktionskal nede bagved der sker der.
28:45
Brugeren har et meget, meget simpelt kort vej til at få
28:48
rigtig meget gjort, fordi Det er Sådan en.
28:50
Det er blevet Sådan en OK. Det kan jeg i det her tool der
28:52
hedder word. Det er en standard opgave.
28:55
Og den findes jo i øvrigt utal af wordfunktionaliteter, som
29:00
folk aldrig bruger ikke bruger 5% ved sammen med excel ikke
29:04
måske endnu værre end 2% maks. Bruger folk.
29:09
Så men så er der så et par en gang til til til til unicx-t's.
29:13
Det er jo så jamen der der skriver du programmet.
29:15
Det går jo selvfølgelig langsommere.
29:17
Du du opfinder jo selv de der funktioner der.
29:21
Underfly med det her tekst. Teksten er bare inputtet er bare
29:25
tekst, og så sidder du selv og finder ud af, hvad vil det sige
29:28
at lave en stavekontrol? Nå ja, men så har jeg det her
29:30
program herovre det. Det kan ligesom den her ting,
29:33
den har jeg den har en wokabel og den har et diktionery.
29:37
En ordbog et eller andet ikke OK, men Jeg kan finde ud af at
29:41
finde det her ord nede i den her ordbog for eksempel.
29:43
Ja, hvad skal det være? Jeg skal finde synonym OK, men
29:46
så kan mappe ord til synonymer for eksempel ikke.
29:50
Og så kan man ligesom nå, men så har fundet synonymerne.
29:52
Så kan man måske så sende det videre og så sige erstat, så har
29:55
du noget en en funktionalitet der hedder stat jamen så kan den
29:59
find det her ord erstatte det med det her ord.
30:02
For eksempel synonym. Så har du, kan man sige stumper
30:06
af funktionalitet, som du lige limer sammen.
30:08
Som du limer sammen, og det giver dig helt vild kontrol,
30:11
fordi du kan. Man kan allerede høre det Sådan
30:15
lidt, at hvis man skulle prøve at finde nede i wordmaven, hvor
30:18
Det er den der funktionalitet fandtes for at gøre det med 100
30:21
siders tekst for eksempel ikke, så ville man meget hurtigt Sådan
30:24
få lidt sved på panden. Fordi at Det er ikke Sådan.
30:28
Det er nok ikke så nemt lige at finde ud af hvordan man gør, og
30:31
folk stiller tit altså arbejdspladser.
30:36
I dag er jo word excel og power point rigtig meget rigtig mange
30:40
steder. Og folk stiller konstant
30:42
spørgsmål til hinanden, hvordan gør jeg det her i det her meget
30:45
velkendte program? Jeg bruger hver dag word eller
30:48
excel, fordi de ved det ikke eller har glemt det eller Der er
30:52
kommet en ny version eller hvad ved jeg eller Sådan et eller
30:55
andet altså. Han bruger jo enorme mængder af
30:57
tid på det, og så det vil sige, man føler sig alligevel lidt
31:00
begrænset af den der brugergrænseflade der, fordi man
31:02
har ikke Sådan man har ikke man. Man arbejder ikke ud fra nogle
31:05
fundamentals som er Jeg kan programmere og manipulere tekst
31:09
som Jeg vil. Og så skriver nogle nogle nogle
31:12
løsner til løsninger til at gøre det.
31:15
Mange, der arbejder i excel. De bruger nogle af de her drag
31:18
and drop og click click funktionaliteter, men dem Der er
31:21
Sådan excel pro typer de gør jo aldrig Sådan noget Der er det.
31:25
Det er alt sammen skrevet ud fra nogle formler måske lidt.
31:31
VPA måske lidt ja daks power by style et eller andet kan du
31:35
følge mig. Det er ligesom Sådan Der er
31:36
mange forskellige brug altså brugertyper.
31:40
Applikationer og jeg ser det på samme måde med alle lemmer.
31:42
Der vil være nogle steder hvor at jamen Jeg vil bare gerne have
31:46
den rå vare, fordi Jeg kan promdentikere mig rigtig rigtig
31:50
godt til at få det gjort. Jeg vil have gjort på min
31:53
maskine versus dem der gerne vil have.
31:56
Den der gider at skrive promken om jeg ikke synes Det er sjovt
31:59
at skrive brom og Sådan noget og.
32:01
Jeg vil bare sige, gør det her for mig.
32:03
Og når det ikke virker, så bliver jeg rad irriteret.
32:05
Jeg synes bare Det er en en. Det er et irriterende tool
32:08
ligesom folk der ikke gider ikke lære selv.
32:11
Ej Jeg har fået det her udtræk. Jeg skal et eller andet med det
32:14
jeg går ned og spørger analyseafdelingen de ved noget
32:16
om excel dernede analyserafdelingen sidder der og
32:19
tænker jeg Vi er ansat til statistik.
32:21
Lad nu være med at komme med lexel opgaver og så laver man
32:24
den alligevel fordi man er sød. Det skal man i øvrigt man skal
32:28
være en sød kollega. Og.
32:31
Ja så der vil det vil der bare altid være det der.
32:34
Bare lige du. Det bliver et lorteafsnit det
32:36
her. Det er jeg fuldstændig sikker
32:37
på. Det bliver dårligste afsnit vi
32:38
nogensinde har lavet ved at være bruse podcast men jeg Jeg har
32:42
bare. Så skal det nok komme.
32:46
Jeg synes de siger noget. Jeg synes det siger noget
32:47
vigtigt der med hans eller noget interessant der med det der med
32:50
at altså de fleste mennesker kan kun 5% af det som deres program
32:56
foretrukne program egentlig kan, fordi de har ikke brug for mere.
33:00
Og Det er kun du ved engang imellem de lige har brug for at
33:02
kunne noget ekstraordinært eller et eller andet Sådan så det Der
33:05
er ikke Sådan en særlig stor motivation til at bare nørde ned
33:08
i alle de der features og ting og sager man kan så.
33:12
Lad os bare sige de kan mest flegte mennesker kan 5% af et
33:15
eller andet stykke software de bruger.
33:17
Hvad nu hvis folk når de var i de der situationer hvor de ikke?
33:24
Kom ud ud fra de der 5%. Jeg antager folk godt ved hvad
33:28
de vil, altså de ved godt hvad Det er de de vil af hvad for et
33:32
job de gerne vil have løst. De ved bare ikke hvordan de skal
33:35
gøre det, men hvad nu hvis mennesker kunne?
33:39
Bare fortæl det til computeren, og så gjorde den det freaking
33:43
selv og så lige pludselig så ville man med.
33:46
Altså det der ville nok være noget engineering inde over det
33:49
der ikke, men bare prøv prøv at overvej en feature ikke II et XL
33:53
for eksempel, så kan jeg bare sige det vil jeg gerne have det
33:55
her, og så finder den ud af det, og hvis ikke du er klar nok i
33:59
spyttet, så stiller du måske en opfølgende spørgsmål og så
34:02
videre og så ellers så gør den det.
34:05
Prøv at forestil dig hvis man altså prøv at forestil dig Sådan
34:07
en type software. Det ville jo på en eller 2 måde
34:11
medføre, at alle gik fra at. Udnytte 5% af det software de
34:19
bruger til dagligt udnytte 100%. Og på den måde ville det kunne
34:24
en enkle dem. Mere tænker.
34:27
Jeg tænker også på Sådan noget som som Jeg kan huske jeg sidder
34:30
i quebase for eksempel altså Sådan lidt
34:31
musikproduktionsprogram ikke Det kan.
34:36
Latterligt meget altså. Det er forfærdeligt.
34:42
Men Det er jo selvfølgelig. Det er jo selvfølgelig fedt, at
34:43
Det kan alt det der ikke men. Ellers er det ikke fedt, men nå
34:49
Det var bare en tanke. Hvad nu hvis AI kunne?
34:53
Hvad skal man sige orgmente den der mentale kognitive kapacitet
34:59
der skal til og så ligesom sige. Nu kan du faktisk ikke kun 5% nu
35:03
kan du 100. Men men det Det er.
35:06
Det er lige præcis jo også en analogi til det der med at altså
35:11
bare for entry også kognitivt set er bare meget lavere hvis du
35:15
kan løse det der altså det her intend problem og det tror jeg
35:20
LLM er rigtig gode til. Og jeg.
35:22
Jeg tror at at de kan om ikke andet at trænes til det.
35:26
Det kan de kan være meget kontex sensitive for de der ting.
35:29
Og Jeg tror selvfølgelig at tale også en vej ind, og måske er det
35:34
nemmere for nogle at beskrive hvad Det er de gerne vil i tale.
35:36
Jeg tror også Der er noget præcision i at beskrive hvad Det
35:40
er man gerne vil have der kan komme i tekstform for
35:43
superbrugerne som er vil være meget svært.
35:47
At diktere. Mundtligt uden at lave en masse.
35:51
Stop up ting nej vent lige lidt. Ja ligesom når vi snakker i hvad
35:55
boost podcast. Altså hvis jeg får tid nok til
36:01
at bare ramble løs altså jeg skyder.
36:03
Jeg føler når jeg taler, så skyder jeg lidt mere spredehagl
36:05
ikke så snakker jeg bare og hvis jeg får tid nok til det så tror
36:08
jeg godt Jeg kan og hvis Der er nogen.
36:10
Hvis Jeg har en tålmodig sprogmodel, så tror jeg godt at
36:13
den kan præciseres. Det er jo den perfekte robaddog
36:15
for dig og og i øvrigt også for mig og alle andre, fordi det
36:19
bliver jeg aldrig træt af at høre, og man kan litterere mange
36:23
gange frem og tilbage. Men det skal også på en eller 2
36:25
måde fungere naturligt. Jeg bliver jo tit klogere, og
36:29
Det er jo en god ting at sidde og snakke om ting her i den her
36:32
podcast, især når Der er spændende mennesker der ved en
36:35
hulens masse om alle mulige ting.
36:38
Der er ikke her i dag. Men men men altså det kræver
36:42
nogle i reterationer. Det bliver.
36:45
Lidt mere nu ikke, men det kræver nogle iterationer frem og
36:47
tilbage når man har det der taleinterface og det gør det jo
36:50
også i chat interface og Det er jo derfor Det er succesfuldt så
36:54
men men men der tager du jo også.
36:59
Du tager noget af det væk fra brugerne, når du begynder at
37:02
promliingere rigtig meget for dem.
37:05
Vi kan huske det der vi snakkede om de der agenter.
37:07
Nu går vi lige lidt tilbage i tid nogle episoder.
37:12
Long time a go der sad. Egentlig ikke bare for lige at
37:16
høre, hvordan vi tænkte på det der.
37:18
Det havde vi også selvfølgelig og snakket om det der var hot,
37:20
hot og folk sagde var hot hut hele tiden og stadigvæk synes
37:23
jeg Det er mærkeligt agenter. Og det eneste du skulle gøre ved
37:29
dem, Det var du skulle fortælle dem meget, meget kort.
37:31
Jeg vil gerne have du gør det her og lige præcis altså alle
37:36
der har lavet prompteingenering i dag bare en lille smule.
37:39
De ved at Det er interface, Det er flood by altså Det er bare
37:43
Sådan flood design. Fordi at.
37:46
Det som man man man bad eller elemmerne om Det var at blive
37:50
ved med at iterere med udgangspunkt i den her meget
37:53
meget korte stump af en tekst input fra brugeren at finde ud
37:58
af Sådan at at komme det rigtige sted hen.
38:00
Og problemet var simpelthen bare.
38:02
Der var ikke nok at information fra start simpelthen plain and
38:06
simple. Der er ikke nok information fra
38:08
start til at en agent kan ierere hen over det der problem.
38:12
Og det, den i virkeligheden skulle have svaret tilbage
38:15
nærmest altid til de her brugere.
38:16
Det var undskyld. Jeg forstår ikke, hvad Det er du
38:19
vil. Hvad fanden snakker du om
38:22
uddybelse? Lige hvad fanden.
38:25
Er du, er du sikker på det her? Det er en pizza til mig.
38:28
Jamen hvad for en pizza vil du have?
38:31
Hvor bruger du henne? Jeg kan ikke bestille en pizza,
38:34
hvis ikke hvis ikke hvis ikke jeg ved Det var hvor bor du
38:38
henne? Jeg kan jo ikke bestille en
38:40
pizza fra et eller andet altså. Du skal bare fucking bestille.
38:45
Det var simpelthen det mest latterlige ord du ortog gaby
38:49
ting tror jeg det hed noget af det der.
38:50
Jeg ved ikke eksisterer det stadigvæk det.
38:53
Der tror jeg det tror jeg. Anyways.
38:56
Vi grinte af det, og det gør vi Sådan set lidt stadigvæk det det
38:59
Det er bare ikke nemt. Altså Det er simpelthen bare
39:02
ikke nemt at lave noget. Der der der kan finde ud af det
39:06
der på og og og oversætte brugerens behov og input til
39:11
noget noget brugbart output. Altså Det er så sjovt.
39:14
Det er sjovt du siger det der fordi Vi har en altså i dinero
39:16
har vi den helt konkret altså fuldstændig konkret eksempler på
39:19
det der hver eneste dag. Vi har jo en en meget højt
39:24
elsket. Og utrolig dygtige support
39:28
afdeling, som hvis altså hvis brugerne er på røven og de Der
39:32
er noget de ikke kan forstå, så har dinero altid deres ryg altså
39:36
og kan hjælpe dem ikke. Og Der er det typisk Sådan at en
39:40
bruger skriver ind. Med et eller andet problem de
39:43
har, og det problem er formuleret ud fra hvad en eller
39:47
2 given bruger oplever altså. Og og og noget, der nærmest
39:55
altid er sikkert har jeg ladet mig fortælle Vores kærester
39:59
portere. Det er at.
40:01
Det kræver nærmest altid opfølgende spørgsmål.
40:04
Altså det kræver nærmeste, Det er.
40:05
Det er Sådan en. Det er virkelig.
40:07
Det er Sådan en. Det er Sådan en.
40:09
Hvad skal man sige, et et puslespil eller Sådan et lille
40:11
mysterie der skal løses ikke fordi så nogle gange.
40:14
Det er også et kæmpe altså. Der er jo så mange tekniske ord
40:16
i regnskab, ikke så nogle gange, så bruger folk altså og Det kan
40:19
jeg vitterligt sagtens forstå, men så bruger man de forkerte
40:23
ord til de forskellige ting, og så misforstår man og du ved så
40:26
Det er. Det hele den der afdækningsfase
40:29
i supporten i dinero er en kæmpe del af det.
40:32
Og Det er også det man ser. Vi eksperimenterer også med med
40:35
chatbots II dinero og i supporten, og vi også sparer der
40:40
også og Sådan nogle ting. Og Der er en en kæmpe ting, en
40:45
kæmpe forbedring. Det er at ligesom instruere
40:47
butten i stille nu for filen opfølgende spørgsmål, fordi
40:51
antag at informationen ikke er der til at starte med, og Der er
40:54
en kæmpe bias II lars lang wish models på nuværende tidspunkt om
40:58
bare ligesom at løse. Alle problemer i Sådan one shot
41:01
altså one shot bang du ved. En løsning til dig?
41:06
Altid, og Det er jo den der bias måde at være hjælpsom og ville
41:09
være løsningsorienteret og ligesom bare komme med svar og
41:12
Sådan ikke. Vi har talt lidt af byice for
41:15
nylig, men så man kan lige gå tilbage, men læg lige mærke til
41:19
her at hov nu sagde du noget, som jo uangiveligt var en
41:23
positiv ting. Altså den skal hjælpe, men du
41:26
kaldte det stadigvæk bias. Ja.
41:29
Hvordan hænger det lære lige sammen det der firest nå anyways
41:31
se hvad hedder det en god ting bias i den her sammenhæng, men
41:35
Det kan også være en en for god ting.
41:38
Og derfor også være en irriterende ting, som ikke er så
41:42
god i sidste ende. Når man gerne vil det du gerne
41:44
vil. Det var bare lige Sådan.
41:47
Husk på bare altså at ikke bare noget Der er skidt.
41:51
Må jeg ikke også lige give et et sjovt eksempel på en, som vi
41:55
brugte meget i seood? Og det jeg et eksempel på en et
41:59
totalt overdrevet tvetydigt i searchint man kan putte ind i
42:04
Google, hvis du for eksempel søger efter burger.
42:08
Du søger bare på ét ord burger ikke hvad skal Google gøre?
42:12
Altså de sidder der og tænker hvad hvad hvad kan vi?
42:14
Hvad kan vi finde frem som er brugbare?
42:16
Hvad sidder i den 2 ende i Google og ser burger og tænker.
42:19
Hvad vil brugeren det første man kan tænke ikke der.
42:22
Det er totalt tvetydigt det her. Du ved det første man kan tænke
42:24
Det er OK. Du vil gerne have en burger du
42:26
er sulten vi giver et kort over alle de burgersteder Der er lige
42:30
i nærheden nummer 2. Det kan være du godt kunne tænke
42:33
dig at hvad skal man sige? Få opskriften på en burger fordi
42:37
du står og skal lave burger 3 du vil gerne kende til
42:40
næringsindholdet i en typisk burger 4 du vil gerne vide
42:43
historien om burgeren eller Sådan altså.
42:46
Der er så mange ting, brugeren kan være interesseret og så
42:48
bruge skuddet og så er det bare sprede hagl ikke.
42:51
Med alle de og så ja. Der skal man bare lede efter
42:55
alle steder, hvor der står burger og så der hvor der står
42:57
flest gange burgere. Det kommer øverst.
43:01
Det er den gamle Google, ikke? Select war discription like
43:08
burger count burger et eller andet.
43:13
Så Det er den s quel der. Er ikke så mange der ved det,
43:16
men jeg. Hører rigtig godt på Sådan en
43:18
stor korpset. Hvad hedder det?
43:22
En ting som en ting, som Jeg har meget optaget af, at jeg
43:24
oplevede øjeblikket og en måde som Jeg tror man kan.
43:30
Jeg, Jeg tror bare for at starte med et eller andet.
43:33
Jeg tror faktisk ikke den Jeg er blevet lidt mere vild med den
43:36
der agent tankegang. Men Jeg tror at et et kæmpe
43:42
stort problem er blandt andet det der med, at man har typisk
43:45
brug for at få uddybet hvad hvordan problemet skal løses,
43:49
men også et andet kæmpe stort problem.
43:51
Det er at. De her agenter har alt for mange
43:55
frihedsgrader. Altså du ved.
43:59
Du ved. De man sætter bare nogle super
44:03
generelle rammer op, og så tager man bare imod hvad som helst.
44:06
Ikke Det kan være at bestille en pizza.
44:07
Det kan være byggende atombombe. Det kan være gøre alt muligt.
44:12
Det får den selvfølgelig ikke lov til.
44:13
Nej. Det får den selvfølgelig ikke
44:14
lov til, men altså. Der kan i virkeligheden altså
44:18
alt kan blive kylet efter den der agent ikke hvor at den Sådan
44:21
engineering tankegang man skal have.
44:23
Det er den her agent kan det her og den skal være rigtig god til
44:26
det her, og den skal kunne tage imod nogle bestemte ting og
44:31
altså. Altså fjerne frihedsgrader og
44:36
fokusere på nogle enkelte ting, ikke?
44:39
Sådan så det. Det er bare noget Jeg har tænkt
44:41
over at det kunne det tror Jeg er en altså kunne gøre rigtig
44:44
mange ting ret meget nemmere. Det er blandt andet også Sådan
44:47
noget som lang chain arbejder på med langgraf.
44:49
Men så prøv at hør her fordi noget.
44:51
Jeg tror at man en måde man kan tænke på hvordan jeg forestiller
44:55
mig at man kan udvikle software i fremtiden med Lars ling with
45:00
models. Det er at Google for eksempel
45:04
Det er en search engine ikke så du ved Der er noget search
45:07
intend og så skal der skal der komme nogle brugbare dokumenter
45:10
tilbage. Hvor Jeg tror at hvis man skal
45:13
lave Sådan en noget der ligesom fremgår som en en EI assistent,
45:19
så tror jeg mere man skal tænke på at lave det som Sådan en
45:21
action engine altså 1 1 1 1 applikation som får noget tekst
45:25
ind noget sprog ind. Og som ligesom skal finde ud af.
45:30
Hvordan hvad? Hvad for en serie af handlinger
45:34
kan jeg udgøre for ligesom at løse det her problem eller og
45:38
der kunne en handling være opfølgende spørgsmål, en
45:40
handling kunne være det her. Det kan jeg ikke løse det her
45:42
problem. Altså en handling kunne være at
45:45
oprette et eller andet eller søg på Google eller købe noget kode
45:48
eller et eller andet, ikke? Men tror du ikke også fordi nu
45:52
siger du en handling? Altså Jeg er lidt tilbage til
45:54
Apples intend. Tror du ikke?
46:00
Altså Apple har privacy men tror du ikke at en eller 2 dag så så
46:05
er der nogen der bootstrapper det her forsøg på at at at bruge
46:09
eller læmmer til den slags interface for eksempel Apple og
46:12
sikkert andre derude og så begynder dataindsamlingen jo så
46:16
er der gang i dataindsamling, så begynder vi altså at få noget på
46:19
det der, og så er det jo oplagt at begynde at sige hov så så
46:24
tuner vi eller træner for bunden måske ikke træner for bunden
46:27
det. Men men alligevel 20. er en
46:29
eller 2 form og så får du nok nogen som er altså nogle nogle
46:34
elementer som er rigtig gode til det der altså simpelthen også
46:37
det jeg sagde roade brugerens request ned til en eller 2
46:41
intention en intention som kan mappes til en action i et miljø,
46:47
for eksempel på en iPhone. Ikke altså men kan du?
46:50
Ikke godt se det minder lidt om søgning search engine problemet
46:54
altså du kan få noget tekst og så er det bare Sådan.
46:55
Hvad gør jeg med det her altså? Gør, og du ved.
46:59
Til at starte med har det været en en superdårlig.
47:01
Hvad skal man sige søgemaskine? Men så har man ligesom sat sig
47:04
ned og prøvet og fundet ud af hvad er folks adfærd når de
47:07
søger på internettet? Hvordan kan vi når vi får?
47:10
Det samme. Det er bare en 2 måde at løse
47:12
det på. Altså en bettings hvor du laver
47:14
et søgeopslag, som i øvrigt går meget hurtigere.
47:18
Der mapper du inclury til 1 1 et resultat og.
47:25
Medmindre at. At få samme resultat kan du have
47:29
varierende inputs, altså det som vi i dag kalder for function
47:32
kortet. Det er jo resultatet er at du
47:34
skal bruge det her tool her, men nu skal jeg også fortælle dig
47:37
hvad der, hvad du skal putte ind i det tool.
47:40
Fordi at Det har jeg også fundet ud af til dig ud fra det du
47:44
sagde. En en quary på en hvad kan man
47:49
sige en en betting hvor du har, og nu bliver det lidt teknisk
47:53
for for folk derude men men ved at søgemaskiner der har vi
47:56
typisk. En en queter weimpetter et
47:59
vektorspace, og så har vi en masse andre vektorer, og så
48:01
laver vi et opslag og finder ud af hvad for en Der er tættest
48:03
på, og det den de embedtings de kan jo trænes til at.
48:09
Bare i gåseøjne, bare Det er også svært selvfølgelig at lave,
48:12
men at finde den ud fra den quiry som brugeren skriver den
48:16
intention som brugeren har. Så har du en helt kæmpe liste af
48:19
intentioner. De er embedde hernede, og Det
48:22
kan være alle mulige ting, og Det kan for eksempel være, at en
48:24
applikation har en masse beskrivelser omkring hvad den
48:26
kan og gør og ting og sager. Og så kan du embedde det, og så
48:29
kommer det ned i registret over ting.
48:32
Det er også det man i promdentinger verden også kalder
48:35
for Jeg tror det begynder at kalde for semandag ground
48:38
rowling. Der er mange Sådan ting for det
48:40
i stedet for at bruge function calling, hvis du bare skal vide
48:43
noget om lige det første hvor skal jeg hen?
48:45
Hvad er det brugeren vil? Så bruger man en betting til
48:48
det, fordi Det er meget hurtigere, og Det er faktisk
48:50
meget præcist og rigtig tit. Kan du også ligesom?
48:56
Triangulere. Hvad kan man sige quirienters og
48:59
Sådan nogle ting der Sådan? Anyway.
49:03
Hvad var det jeg ville sige det vil?
49:05
Jeg sige ja. Jamen så pointen med det der med
49:09
altså Det er jo dybest set også det.
49:13
Der sker altså en søgemaskine og Det er også det der sker i Sådan
49:15
en. Generativ kontekst ikke altså du
49:19
forsøger at rode med function calling ned, ikke?
49:24
Men det. Det behøver ikke at være altså
49:26
at at blive løst kun med en generativ løs model.
49:30
Det der vel. Det kan godt være andre
49:31
modeller, der hjælper til at løse noget af problemet og så
49:35
generative løsning til noget andet af problemet.
49:38
Så jeg ser jeg ser det som en del af det samme problem.
49:41
Det er et søgeproblem ikke at skulle finde den der intention
49:45
for brugeren. På en eller 2 måde giver det
49:48
mening? Eller ja Det kan.
49:49
Jeg godt. Det kan jeg godt se nu tænker
49:50
jeg bare om jeg Sådan en en tænk jeg tænker på Sådan OK hvis man
49:53
har bygget Sådan et system, og hvordan skulle man så evaluere
49:55
det og Sådan noget ikke? Altså jeg tænker Sådan jo, men
49:58
Det er rigtig nok der Der er noget der.
50:02
Det er selvfølgelig relateret på en eller 2 måde outputtet er
50:05
bare ikke søge resultater til brug, altså outputtet for
50:09
brugeren er bare ikke søge resultater outputtet er.
50:12
Nu gør jeg det her. Og eller eller du havde
50:15
intentionen om at gøre det her, og så kan det være, at der
50:18
kommer nogle nogle forslag om, hvad det så skal gøre.
50:21
Ikke den generative løsning skal jo så.
50:25
Generere det, der skal gøres på en eller 2 måde den skal.
50:29
Den skal Sådan mere konkret kunne generere, og brugeren
50:32
betød det at du skulle gøre det her nede i den her app, og Det
50:35
er der et API til, og Det kan jeg finde ud af at bruge.
50:38
Det forstår jeg så nu kan jeg lave det rigtige request rent
50:42
teknisk. Og eksekvere det for dig.
50:46
Så har du Sådan, så agerer den også på dine vegne den.
50:50
Den finder ikke kun ud af hvad Det er du gerne vil og åbner
50:54
appen for dig for eksempel. Du ville et eller andet herovre.
50:57
Nu har jeg åbnet den app til dig.
50:59
Værsgo at lave resten selv. Nej nej, den skal ligesom.
51:02
Skal jeg ligesom få mere og mere af den der action ind som du
51:05
også siger ikke? Og jeg ved ikke, Det er jo også
51:07
Sådan Det er jo Det er min total offic føler jeg.
51:10
Men hvad hedder det? Nå, Jeg synes det går godt.
51:13
Ja men hvad hedder det? Det var state of fromansioner,
51:16
ikke? Det var det ja.
51:19
Vi har også Vi har snakket 52 minutter mand.
51:21
Hold kæft tiden flyver mand. Men hvis vi lige skal Sådan.
51:26
Prøve at at trække. Trække lidt op i
51:29
helikopterperspektiv igen, fordi vi nørder.
51:31
Jo Der er jo vi skulle have den der nørde alarm der den skulle
51:35
bare ringe for vildt den sidste halve time her.
51:40
Stod forøget samtale, eller? Ja også den.
51:44
Hvor hvorhenne er vi ligesom? Altså hvor er vi efter.
51:49
Jeg spørger lige dig unge hvad? Hvad synes du efter 2 år?
51:55
Og vi begyndte at snakke om Sådan cirka, at der var noget
51:58
der hed promd engineering. Hvor er vi i dag?
52:02
Altså jeg følte det gik meget hurtigt med at få nogle af de
52:06
indsigter, som vi stadigvæk bygger ting på i dag.
52:09
Og måske er det fordi jeg lader være med at følge så meget med i
52:12
det. Jeg synes Det er meget det samme
52:13
der kommer ud forskningsmæssigt også, men hvad føler du Der er?
52:17
Er der nogen nye observationer derude som som?
52:21
Vi ikke vidste? Godt altså Der er sket noget
52:23
nyt. Nej altså man Jeg tror man skal
52:27
pumpe på på mange måder tror jeg at det her plomonering er et
52:30
moving target, fordi modellerne bliver bedre hele tiden og i den
52:34
antubic snak der der nævner de også det her med så snart man
52:39
finder de her laps. De finder et eller andet nice
52:43
pomping trick som giver nogle gode resultater, så bliver det
52:46
faktisk trænet ind i modellen. Altså Sådan så det så så du ved,
52:49
så behøver du ikke at proppe dig til det så.
52:52
Gør modellen her by d fulting. Så du ved og og de bliver jo de
52:57
arbejder jo konstant med modellerne til at jeg kunne
53:00
forestille altså på modvirke hallucinationer på og modvirke
53:04
alle mulige forskellige ting og sager ikke altså så modellerne
53:07
bliver bedre og bedre til at forstå brugerne.
53:09
Man kan jo altså jeg ved ikke. Jeg har ikke selv prøvet.
53:12
Jeg prøvede ikke selv at promte GPT 3 så meget dengang hvor Det
53:16
var en grå prætrænet model. Men, men der kunne man jo også
53:20
få nogle. Altså dengang kunne man jo også
53:22
få nogle ret imponerende ting ud af GVT 3.
53:25
Problemet var bare at Det var pikket svært at at styre
53:28
outputtet. Ikke hvis du spurgte jamen hvad
53:32
er hovedstaden i Frankrig? Så i stedet for den bare svarer
53:36
det i Paris, så kan det være den tror det den er midt i en quiz
53:39
og siger svarmulighed a svarmulighed b som c eller Det
53:42
kan være den tror den er midt i en.
53:44
Det er et kapitel i en bog eller Sådan.
53:45
Altså du ved så en rigtig stor del af alt den innovation Der er
53:50
sket siden kan man sige 3 år sker.
53:52
Fremad fremadrettet Det er, at de her sprogmodeller bliver
53:56
bedre og bedre til at forstå at de er sprogmodeller, og at de er
54:02
i en eller 2 sammenhæng og de bliver mere og mere Sådan bedre
54:06
til at efterligne. Hvad skal man eller efterfølge
54:09
instruktioner og så videre ikke. Så Jeg tror man får rigtig meget
54:12
forærende, som tiden går med, at de modellerne simpelthen bare
54:16
bliver bedre. Og så er der jo også altså.
54:20
Jeg har hørt for eksempel den her podcast med john schulmon,
54:22
som er ligesom leder af posttræning efits eller bare han
54:28
er jo så smuttet fra å b ironman har været leder af posttræning
54:31
efats på i åbany i. Og der der lød det Sådan rimelig
54:37
meget som om at. En Sådan posttræning, og når jeg
54:41
siger brugstræning, så mener jeg efter præg træning Sådan.
54:44
Det er så supervis learning og orrelatech rainforce learning
54:47
from human feedback. Der er rigtig meget at hente der
54:54
stadigvæk og en ting som man kan specifikt fine jere modeller til
54:59
Det er at blive bedre til at holde øje med.
55:03
Jeg ved ikke om du har prøvet det, men hvis du laver en prom
55:05
for eksempel og Der er for mange instruktioner.
55:07
Altså Der er for mange regler den skal appleje, så kan den
55:12
godt blive Sådan. Så kan det blive for meget for
55:14
den at at altså et båndbredden ligesom bliver.
55:19
Overskredet på en eller 2 måde ikke, men Det kan man.
55:21
Det virker som om det arbejde de aktivt på at træne modellerne
55:24
til at blive bedre til at. Man kan forestille sig, at
55:27
attentionen bliver bedre til at at tænde de rigtige steder hen
55:31
og men også at. De bliver bedre Sådan long-tarm
55:37
chat. Bots også til at lave actions og
55:41
så videre. Ikke for eksempel.
55:43
Så kan man forestille sig, hvis man kun træner en en loshling
55:46
wasmodel til at sige instruktionssvar eller
55:49
instruktionsvar, så får man du ved det man kalder en single
55:54
turnchat og hvis man kun træner det, så kommer modellen
55:58
fuldstændig ud af out of distribution.
56:01
Når der kommer endnu en bruger besked.
56:03
Ja ja ja gør den fuldstændig i chok og forstår ikke hvad der
56:06
sker og så videre. Så Det er også Sådan.
56:09
Jo mere Sådan everford man putter i og laver
56:13
højkvalitetsinstruktioner og. Mere og mere efterligne det, man
56:17
gerne vil have den til at gøre også længere ned i kontekst
56:21
vinduet at at den ligesom også bliver trænet til, at når man
56:24
altså er 100.000 tokens inden at den så er superpræcist til lige
56:30
at putte den rigtige attention til de rigtige beskeder, som har
56:34
den information den skal bruge eller Sådan noget der ikke.
56:37
Klart det virker som om Der er rigtig meget arbejde der
56:40
stadigvæk, og det kommer til at. Ja, det kommer til at gøre det
56:44
nemmere at være promgivinger og, og man kan sige på en måde.
56:47
Så nu har jeg snakket lang tid og det må i fandeme undskylde.
56:50
Vi er gode til at snakke os 2 Jonas men man kan sige Der er
56:54
mange. Der snakker også om det her, det
56:55
burde jo ikke være. Det burde jo ikke være Sådan at
56:59
man skulle bruge de alle mulige hacks for at få det til at virke
57:02
godt det burde jo bare virke godt out of the box, så længe du
57:05
ligesom formulerer dig klart og i så behøver du ikke at sige at
57:09
den får 20 dollars hvis den gør det godt og altså eller.
57:13
Det var en flot den ihjel eller et eller andet.
57:15
De modellerne burde ligesom være robuste overfor de der ting så.
57:21
Jeg tror, at hvis man er gerne vil være en dygtig proom
57:23
engineer, så skal man være god til at så skal man være god til
57:26
at formulere sig klart og huske at de her sprogmodeller ved ikke
57:30
en skid, hvis de bare er helt frisk tråd en på en hel frisk
57:36
tråd. Og så skal man huske at være
57:38
opmærksom på de begrænsninger og de her sprog modellerne også har
57:41
ikke som de jo godt ved de de hallucinerer de de laver ikke.
57:47
Rigtig reasing. Og altså og.
57:54
De kan godt der kan godt de de. De er ikke perfekt til at følge
57:58
instruktion. De gør ikke altid det som du
58:01
beder dem om indimellem så har de også kommer de med Sådan en
58:05
en tankerække som er totalt genial perfekt, men kommer med
58:09
et forkert svar. Sådan nogle ting ikke.
58:12
De løser problemet, selvom at du har givet dem noget, som ikke
58:16
bare er et problem. Ja lige præcis.
58:19
Og. Så de der ting skal man bare.
58:21
Over overtænker de igen, tænke i gåseøjne.
58:25
Det er forfærdeligt at snakke om det her.
58:28
Hvad så? Jeg tror også til det.
58:30
Du sagde, Jeg tror også den er meget alt det her er meget Sådan
58:33
følsomt over for modeludvikling. Så det det du det du synes er et
58:36
fedt hack i dag og den prompt du synes virker pisse godt i dag og
58:39
Det er det Der er endnu mere pisseirriterende og sort magisk
58:41
over det her. Den virker givetvis ikke om et
58:44
år eller irrelevant om et år eller.
58:47
Ja lige præcis og og noget af det du også lagde ud med og hele
58:50
den det jeg får ud af alt det du siger her også er.
58:54
At. Vi skal være opmærksomme på, at.
58:59
Set historisk med generative sprogmodeller, er det, Der er
59:03
sket, at det kræver mindre. Engineering og viden om modellen
59:10
og hvordan den virker på input data for at få noget brugbart
59:15
ud. Det er jo faktisk helt kapitel 3
59:18
og Det er det Der er blevet nemmere nemmere.
59:20
Det er det Der er blevet nemmere og nemmere.
59:23
Og det man kan sige det, man kan sige med det.
59:26
Det er dels at den er. Den er trænet til at Det er
59:31
nemmere for dig, fordi den er trænet til at tage i mål, tage
59:34
tage imod små beskeder og og give dig noget brugbart, så
59:40
begynder vi at bruge dem på mange forskellige måder opdager
59:44
at at vi at vi kan hacke os lidt til at få noget noget
59:47
interessant ud. Programmør vil gerne have Jason
59:49
tilbage. Ikke altså så træner vi den til
59:52
at den kan give struktureret output.
59:55
Vil gerne have den til at nej nej det skal være de rigtige
59:57
typer. Det skal altså.
59:59
Det er en intergeret gerne vil have ud, og så træner vi den til
1:00:03
at den skal kunne give Jason skematisk præcist output.
1:00:07
Der er Sådan nogle sjove ting. Så.
1:00:11
Det er med at følge med det med at kende modellerne stadigvæk,
1:00:14
men hvis man vil være fromingeniør, man slipper jo
1:00:16
aldrig, for den læser jo ikke bare lige pludselig dine tanker,
1:00:20
og så behøver du slet ikke at prompte den, medmindre du skal
1:00:23
have Sådan en neuralink fra elon musk inde i dit hoved og.
1:00:27
Men man kunne godt. Man kunne godt forestille sig,
1:00:29
at fremtidens promdinger mere bliver Sådan en diskussion ikke
1:00:32
altså Sådan. Jeg kunne godt tænke mig at få
1:00:33
det her problemløst. Et eller andet helt naivt ikke
1:00:38
informationsfuldkomment og så siger alle jamen OK det lyder
1:00:43
spændende hvad. Hvad har du tænkt dig?
1:00:45
Har du taget stilling til ABCD? Nå ja, det havde jeg faktisk
1:00:48
ikke tænkt over måske, og så diskuterer man sig frem til en
1:00:51
prompt, og så skriver jeg elementen selv en prompt, og så
1:00:54
er det den man kører med ikke eller Sådan, og så kører man
1:00:57
måske nogle iterationer og siger Sådan, ah, men Det var faktisk
1:00:59
lidt. Det var ikke Sådan jeg ville
1:01:00
have det eller Sådan. Altså Sådan så man mere
1:01:03
diskuterer sig frem. Til den rigtige instruktion med
1:01:06
en. Men altså jeg må indrømme det.
1:01:08
Jeg har også tit tænkt på Sådan nu åben.
1:01:11
Jeg virker det til og arbejder meget med sprog, altså hvor det
1:01:14
bare er tale ind tale ud, ikke? Hvordan ser en promt ud der?
1:01:19
Altså er det bare. Er det jeg kører Jeg har, for
1:01:22
jeg må næsten. Jeg forestiller mig at så kører
1:01:24
det. Tale må hele tiden køre
1:01:26
parallelt med med med med tekst forestiller jeg mig, fordi du
1:01:30
kan jo ikke lave en. Du laver ikke en tale prompt
1:01:32
altså så så din prom Det er dig der sidder og siger du er en
1:01:38
altså det det det ved jeg ikke, det synes jeg bare er underligt.
1:01:42
Og så sidder vi og og og laver Sådan nogle taletekvenser.
1:01:46
Vi putter ind før 1 2 stjålet. Det gør man ikke.
1:01:49
Hvis du lige var lige det det jeg skal lige lave lidt om i det
1:01:52
der Sådan skal du så ind og klippe nå men det.
1:01:54
Er også noget, men de er jo multimodelle, så der kan de jo
1:01:57
tage imod forskellige ting, så det tænker jeg at tekst er et
1:02:00
godt engineering input og så. Skrivetekst system proppen og så
1:02:05
vil den ligesom også i taledomænet følge det.
1:02:09
Tror jeg. Nå, men en sidste ting vi kan
1:02:13
slutte af på, og så skal du nok få lov at afslutte, for nu
1:02:16
skygger den langsomt det plejer at sige.
1:02:18
Jeg tror Vi er noget på Sådan et punkt, hvor vi også må erkende,
1:02:23
at. Vi forstår nok ikke engang
1:02:26
menneskelige interaktion og kommunikation godt nok imellem 2
1:02:30
mennesker instruktion kollegaer samarbejde til at vi kan prøve
1:02:35
at modulere det og gøre det til noget som helt.
1:02:39
Det er det vi gerne vil. Er det det vi gerne vil.
1:02:40
Vi vil gerne have det skal bare være så samlet som Det er, at
1:02:43
Det er at kommunikere med mennesker, som vi jo i øvrigt
1:02:45
overhovedet ikke er særlig. Gnidningsfrit så og der der
1:02:51
hvor? Jeg var på hele tiden.
1:02:52
Ikke hvor han er hvor jeg plejer at sige Sådan lidt.
1:02:54
Hvorfor er det du vil have den her menneskelighed ind II de her
1:02:59
maskiner her. Det for helvede det Vi skal have
1:03:02
fraværet af, når Vi skal bruge dem ikke altså robotten er pisse
1:03:05
effektiv til samlebåndet, og Det er skide smart ikke har ikke
1:03:09
noget med noget som helst andet at gøre nå men.
1:03:12
Vi der hvis vi gerne vil det. Hvis vi gerne vil det der.
1:03:14
Det er det vi gerne vil modellere.
1:03:15
Så forstår i, så tror jeg ikke vi forstår godt nok.
1:03:19
Hvad kan man sige hvordan mennesker laver et optimalt?
1:03:24
Flow imellem sig på det der til at vi kan modulere det.
1:03:30
Ja vi bruger menneskets præferencer til at lave data,
1:03:34
som de her modeller er trænet på.
1:03:36
Men Jeg tror ikke der altså der tror jeg Der er noget i den
1:03:39
kontekst, de mennesker der sidder og producerer de
1:03:42
præferencer er udsat for der gør at Det er.
1:03:46
Bare uanset hvordan du vender og drejer det Det kan.
1:03:48
Du kan ikke komme ud af den kontekst de sidder i at Det er
1:03:51
her de ved jeg gør det her fordi det skal bruges til data til at
1:03:55
træne. Sådan en.
1:03:56
Del der de kan ikke komme ud over det.
1:03:59
Det vil ikke blive lige så naturlig interaktion.
1:04:01
Det vil altid blive en eller 2 form for konstrueret.
1:04:05
Relativt syntetiske konstruktion omkring det data, også selvom
1:04:08
Det er menneskeskabt. Altså Der er Der er nogle sjove
1:04:13
ting der. Det er en helt ny episode hvor
1:04:15
vi inviterer en filosof ind fordi Det er vi simpelthen ikke.
1:04:20
Og video og. Min hjerne den står i af klokken
1:04:22
for en halv time siden til at kunne gå så dybt ned i den
1:04:25
slags. Jeg kan ikke engang huske det
1:04:27
jeg læste kant, så vi må finde nogle andre, og nu får du lov at
1:04:31
afslutte, fordi nu har vi snakket i en time og 5 minutter.
1:04:36
Ja og ja jeg ved ikke rigtig. Jeg tror det blev.
1:04:39
Jeg føler lidt det blev lidt et. Et remix afsnit det her men men
1:04:44
det skal også være plads til en gang imellem, men vi kan ikke.
1:04:46
Vi kan ikke gøre det lige struktureret og.
1:04:49
Godt ja det ved. Jeg, det skal jeg heller ikke
1:04:51
gøre. Det er jo ligesom du ved, det
1:04:54
lærte jeg jo også på den rytmiske højskole, da jeg gik
1:04:56
der, at hvis man står oppe på scenen og laver en fejl på
1:04:59
guitaren eller et eller andet ja, så skal du ikke.
1:05:02
Så skal du ikke stoppe det og Sådan.
1:05:03
Nej, det må jeg så undskylde at jeg lige kommer til, så skal man
1:05:05
jo bare så bare spille videre ikke?
1:05:07
Altså lad os som om Der er sket noget.
1:05:10
Så lad os bare lade som om at det ikke blev totalt rodet
1:05:13
afsnit og det blev en pisse fed diskussion om promdegenering og.
1:05:19
Agenter og Sådan lidt forskelligt ja og så lad os bare
1:05:23
dræbe den her og sige vi ses i næste uge, hvor Vi har en rigtig
1:05:28
spændende gæst med, kan vi godt afsløre nu her.
1:05:32
Som som kan. Få os lidt out of disciplion og
1:05:37
få os til at tale om nogle andre ting end den der gode gamle the
1:05:39
bos mølle, som i jo alle sammen lytter til hver eneste uge.
1:05:45
Hav det rigtig godt, da vi lyttes igen i næste uge.
1:05:47
Hey. Hey.