Latest / Verbos: AI og Softwareudvikling / #73 - AI Nyheder + Kaspers Tur til Meta i Sillicon Valley

Transcript

#73 - AI Nyheder + Kaspers Tur til Meta i Sillicon Valley · Verbos: AI og Softwareudvikling

• 0:00
  Hele sommer velkommen til emabos podcast afsnit nummer 73.
• 0:03
  Det var lige før i alle sammen fik et chok der fordi jeg var så
• 0:06
  vaks ved havelågen hej Jonas skal godt se dig.
• 0:09
  Igen godt at se det og velkommen tilbage fra.
• 0:13
  Før silicium dalen. Silicium dalen ja som som alle
• 0:16
  jo kalder den her Danmark ret ja, Vi har jo lige skippet her
• 0:19
  den sidste uges tid fordi at Jeg er Sådan lidt halvspontant blev
• 0:22
  inviteret til open source EI konference ameta i celleon
• 0:27
  Valley som man jo lige gør. Når man ja så hvad hedder det så
• 0:31
  der? Det var Sådan lidt hurtigt
• 0:32
  afsted. De havde hørt hvad?
• 0:36
  Boost ikke, og så kan man jo ikke Det kan man jo ikke stå
• 0:39
  for, og Jeg kan lige så godt sige det her om bare lige før vi
• 0:42
  kommer i gang. I dag har vi et super ambitiøst
• 0:45
  program. Vi skal snakke om ære nyheder og
• 0:47
  Der er sket sindssygt meget siddende siden.
• 0:50
  Ja, Vi har jo ikke været live 2 uger.
• 0:52
  Der er sket fucking meget. Det skal vi kalde op på og så
• 0:54
  til sidst så kommer jeg til at fortælle om min tur til til
• 0:57
  Silicon Valley og ja og hvad der skete til den her global
• 1:00
  open-source innoveration conference eller Summit hedder
• 1:03
  den som jeg var til i metas hovedkvarter i Silicon Valley.
• 1:08
  Og så tænkte jeg at vi kan snakke lidt om om om det, men
• 1:10
  lad os så gå i gang. Klart til programmet.
• 1:14
  Det må jeg sige. Der er virkelig sket mange ting
• 1:16
  altså. Det er jo ligesom om Det er
• 1:17
  blevet jul II ære igen. Iben var gået lidt Sådan lidt
• 1:23
  ned. Ja luften var rød ballonen og så
• 1:25
  er det bare blevet jul. Det må man sige.
• 1:28
  Så nu er der bare gaveregen. Det er bare lidt en gaverne.
• 1:32
  Fuldstændig. Jamen lad os se at komme i gang.
• 1:34
  Hvad skal man sige? Ja lad os bare stå op nummer et
• 1:37
  Google har lavet en blok post hvor de har annonceret eller
• 1:41
  ligesom showcaset deres model som de kalder for gini 2 JENI 2
• 1:47
  og det her. Det er altså Sådan en den her
• 1:50
  type model. Det er altså det man kalder for
• 1:52
  en. Ja hvad kalder de det de kalder
• 1:54
  det vel for 1 1 1 world model simpelthen altså en.
• 1:57
  Model som kan. Nu have Jeg har lige installeret
• 2:01
  Apple intelligence på på min computer her siri han hun tror
• 2:05
  lige jeg kalder på hende. Det gør jeg sgu ikke.
• 2:07
  Ja, men hvad skal man sige? Basically så er det her.
• 2:12
  Det er en forbedring af geni et, som var en en model, som ligesom
• 2:17
  som i det ser ud som om at ideen med Det er ligesom at man kan
• 2:20
  lave de her 3 d verdener eller ligesom lave 3 verdener som man
• 2:25
  ligesom kan få en agent til at gå rundt i rundt i som kan
• 2:28
  bevæge sig i 3 d og der tror jeg ligesom ideen er at man gerne
• 2:33
  vil træne en eller 2 form for agenter i Sådan nogle worlds.
• 2:36
  Til med noget reenforce meld learning til.
• 2:38
  Jeg ved ikke om Det er noget robotics eller hvad fanden Det
• 2:41
  er. Jeg må indrømme Jeg kan ikke
• 2:42
  helt forstå use casen med denne her, men Det er ligesom et setup
• 2:45
  hvor hvad hedder det den her model den bliver prompet med et
• 2:49
  et enkelt billede som er lavet med Googles imagin 3 hvad skal
• 2:53
  man sige deres tect 2 EI eller text 2 image model og så og så
• 2:59
  hvad hedder det så er det ligesom den der ligesom
• 3:01
  initialiserer den her gin 2. Og det der så ligesom sker Det
• 3:06
  er at. At en person.
• 3:10
  Eller agent så ligesom kan. Med.
• 3:14
  Mus og tastatur bevæg sig i den her verden med den her karakter,
• 3:18
  Der er i modellen eller det i den her well model, og jeg ved
• 3:22
  nu kommer jeg til at tænke på de her billeder, der bliver
• 3:24
  genereret, om der skal være Sådan en karakter.
• 3:27
  Jeg kan lige prøve måske at dele.
• 3:30
  Skærm fra artiklen. Det kan man jo her i.
• 3:37
  I version. Jeg kan lige prøve at fortælle,
• 3:41
  hvad der går igennem mit hoved, imens du prøver at forklare det
• 3:43
  der, fordi Jeg kan ikke lade være med at tænke på, at det
• 3:46
  Sådan er en en form for simulering.
• 3:49
  Bare simpelthen simulerer vi bare hvordan verden hænger
• 3:52
  sammen. Og så og så putter vi, så putter
• 3:57
  vi noget ind i den. Det har man gjort før med Sådan
• 3:59
  noget med en forceme learning, hvor den nu skal nu skal noget
• 4:03
  lære at gå, og så putter man det ind i en fysisk verden.
• 4:05
  Men nu putter vi ligesom. Det er en en større verden.
• 4:09
  Ja der kan man se det og så kan du så kan du ligesom bare gå
• 4:12
  rundt og interagere med alle mulige ting som kan alt muligt
• 4:16
  og så skal man så lære at interagere med alle de her ting
• 4:19
  her er Det er det det de er ude i?
• 4:21
  Det er lidt det de er ude i, og Det er ikke så forfærdelig længe
• 4:24
  siden. Jeg kan ikke huske hvem Det var
• 4:27
  der udgav det, men der var nogen der havde trænet en.
• 4:31
  En eller 2 Jeg kan ved ikke. Det må være en defusion model
• 4:33
  eller som ligesom emulerede doom 2 eller.
• 4:40
  Altså du ved så du kunne spille doom på et neuralt netværk.
• 4:43
  Det var Det var Sådan en en over fedtet defusor model.
• 4:49
  Det var ret sygt at se. Jeg forestiller mig lidt, at det
• 4:52
  her, det minder om det samme. Og Der er ideen til, ligesom at
• 4:56
  man genererer et billede som den her model, så tager udgangspunkt
• 4:59
  i. Jeg ved ikke om der ligesom skal
• 5:00
  være. Man kan se her på de her
• 5:02
  billeder at Der er ligesom 1 1 1 1 karakter enten fra third
• 5:07
  person eller first person. Vinkel, som ligesom skal kunne
• 5:12
  navigere rundt i den her verden. Jeg ved ikke om det ligesom er
• 5:16
  påkrævet. Det forestiller jeg mig lidt.
• 5:18
  Det er. Men så er ideen så ellers at man
• 5:21
  kan tage udgangspunkt i et billede, og så kan man ligesom
• 5:23
  bevæge den her karakter rundt i verdenen.
• 5:28
  Og der de siger, at den kan generere Sådan ligesom
• 5:30
  konsistente verdener i op til et minut.
• 5:35
  Og typisk så vil de her verdener ligesom vare mellem 10 og 20
• 5:38
  sekunder, før de begynder at blive Sådan helt men langt.
• 5:41
  Ude, men vil det sige, den genererer den den altså den
• 5:44
  verden som agenten befinder sig i.
• 5:48
  Men er det ikke altså hvordan er det at er det?
• 5:51
  Er det blevet en forsmag lening? Jeg tror ikke jeg forstår det.
• 5:57
  Nej Det er et godt spørgsmål, fordi Jeg tror også Jeg tror
• 6:00
  ikke den som Sådan genererer verdenen Sådan i 3 d.
• 6:04
  Men nu bliver jeg sgu helt i tvivl.
• 6:08
  Jo den der står sgu at den genererer playable freedy
• 6:12
  invirments for training and evaluering and body agence o.
• 6:16
  K så. Nu er nu er jeg med, så Det er
• 6:19
  faktisk Det er en Det er en model Der er trænet til at
• 6:23
  generere 3 d verdener som agenter så kan interagere i.
• 6:29
  OK. Og det vil sige, Det er jo en
• 6:32
  form for en. Hvad kan man sige en træning
• 6:35
  ovenpå Sådan en phishiks model? Det er i virkeligheden så en en
• 6:39
  Sådan en on real game engine. Den er jo fyldt med alt Sådan
• 6:42
  noget object der og lys og alt Sådan noget hejs der.
• 6:48
  Så nu forestiller jeg mig, at det som den her gin model er.
• 6:52
  Det er et forsøg på at lave en model over en game andion i
• 6:55
  virkeligheden. Ja, Det kan sgu egentlig.
• 6:58
  Godt være og på den måde nu sagde nu siger jeg bare ting
• 7:01
  højt, fordi Jeg har overhovedet ikke læst det.
• 7:02
  Der aner ikke hvad Det er, men på den måde så så kan man så.
• 7:09
  Ja som de skriver rapit prototyping deploynede agent ind
• 7:12
  i en i en Sådan en world model. Og og det du så siger Det er
• 7:19
  den, så kan den konsistent generere en eller den kan
• 7:23
  generere en konsistent. 3 d world bane vi kalder det Sådan 3
• 7:32
  d bane hvor man kan gå rundt og skyde i.
• 7:35
  Med, hvad kan man sige? Ja hvor det så altså hvor du så
• 7:40
  kan generere noget konsistent i op til hvad står der der?
• 7:46
  Op til et minut, typisk mellem 10 og 20 sekunder.
• 7:50
  OK spændende. Det er lidt.
• 7:52
  Det er lidt sigte der Det er. Lidt funky ikke?
• 7:55
  Jeg må nok sige at det ja Det er lidt.
• 7:57
  Det er lidt specielt men men altså hey skud Google Google
• 8:01
  give mine det det lyder spændende.
• 8:03
  Helt sikkert. Der er jo det der der hedder
• 8:05
  youtube shorts og shorts er jo alle steder i alle some medier.
• 8:09
  Det kunne jo være Sådan en Games shorts.
• 8:11
  Ja, det kunne det sagtens. Hop lige ind i den her styre den
• 8:14
  her igen i den her verden her. Nu var der ikke mere tilbage.
• 8:16
  Du har et minut. Så nu nu nu kom du ikke videre,
• 8:20
  fordi jeg forestiller mig også den genererer den her verden,
• 8:23
  mens du bevæger agenten rundt i den må den gør den.
• 8:25
  Det er ikke Sådan en den. Det er Sådan en liveinfluence af
• 8:29
  af den verden du bevæger dig i, ikke?
• 8:31
  Du tager udgangspunkt i et billede, og så putter du den ind
• 8:35
  i den her geni 2 og så kan du bevæge mus og tastatur.
• 8:39
  Eller Sådan mus og ja. Og går rundt i den OK det og det
• 8:43
  giver jo mening, kan man sige siger vi bare det vi ved præcis
• 8:46
  hvad Det er vi stadigvæk. Giver mening, men i hvert fald
• 8:48
  det. Har de i hvert fald gjort.
• 8:50
  Ja. Hvad hedder det?
• 8:52
  Vi skal skynde os videre fordi at vi.
• 8:54
  Skal Vi har også. Tabt program her for ikke så
• 8:56
  længe siden der. Jeg kan faktisk lige huske det 3
• 8:59
  4 5 dage siden eller Sådan noget der udkom lama 3,3 og lama 3,3.
• 9:06
  Jeg kan lige prøve at dele skærm her så du kan se den.
• 9:09
  Det er jo ret smart man kan det egentlig.
• 9:12
  Lama 3,3 Det er en tekst only. Fjerds b instruction tunet
• 9:18
  model. Som ligesom har er bare ligesom
• 9:21
  blevet bedre i forhold til lama 3,71 b og lama 3,290 b, når den
• 9:29
  kun bliver brugt til Sådan tekst-applikationer.
• 9:33
  Og så. Så hvad skal man sige?
• 9:36
  Så har de også haft et Sådan særligt fokus på multi link
• 9:40
  reality i den her model. Det står ikke lige her på på
• 9:43
  siden, så vidt Jeg kan se. Men det står andre steder.
• 9:50
  Og performer godt på multiling, og Det kan jeg måske løfte noget
• 9:54
  for her til lidt senere, hvor jeg skal fortælle om turen til
• 9:59
  til meta i silp Valley der at. Det var også et meget
• 10:03
  omdiskuteret emne, fordi der var folk fra hele verden, som
• 10:07
  ligesom oplevede at lama var var sløj på på deres sprog.
• 10:13
  Hurtig nyhed. Jeg tænker ikke giver lige mit
• 10:14
  produkt så meget mere ned i det. Det er jo bare en en LM.
• 10:19
  Det er jo efterhånden kedeligt kedelige nyheder.
• 10:21
  Det er lidt kedeligt nyheder. Man spørger altid er den god på
• 10:23
  dansk og hvis den ikke er det så går videre.
• 10:27
  Ja lige præcis altså hvad det gør jeg i hvert fald. 100%.
• 10:30
  Der er mange, der arbejder med engelsk.
• 10:32
  Det er også skønt. Det er det virkelig.
• 10:34
  Gid Det var så nemt. Og Jeg kan røbe, at Der er mange
• 10:37
  Der er meget mere fucked end os her i Skandinavien i forhold til
• 10:40
  LL ms performancen performance på på low resultes det næste
• 10:46
  nyhed Vi skal til. Det er at opinay har lavet.
• 10:49
  Jeg tror de kalder det for twell days of oinay her til til jul,
• 10:53
  hvor de ligesom hver dag i 12 dage i december release et eller
• 10:58
  andet. Og Jeg har hørt det blive kaldt.
• 11:01
  Shitmas. Det burde de burde seriøst have
• 11:04
  en adventskalender i stedet for det.
• 11:06
  Og hvorfor siger de ikke bare Det er julegaver hver dag eller
• 11:08
  Sådan et eller andet. Det er ligesom mine børn når de
• 11:11
  vågner de skal over til den der skide pakkekalender der.
• 11:13
  Ikke så, og de vågner. Det er mega fedt.
• 11:18
  Hvad hvad? Hvad er de så kommet ud med?
• 11:21
  Nu er det 11. December.
• 11:22
  Først og fremmest så laver de altså de laver Sådan en video
• 11:25
  hver dag i de her 12 dage i starten af december, hvor Jeg
• 11:28
  har hørt det blive kaldt shitness og det synes jeg bare
• 11:30
  er mega grineren. Noget af det første jeg lægger
• 11:32
  mærke til før Vi skal snakke om hvad de har releaset.
• 11:34
  Det er at de her videoer de laver Der er lyden den er sygt
• 11:38
  low 4 videoerne er Sådan også generelt meget Sådan vi sætter
• 11:41
  også bare ned med en laptop og demo eller et eller andet.
• 11:44
  Og Det er sjovt fordi Jeg tror virkelig det.
• 11:46
  Jeg tror Det er en ret Sådan. Strategi Det er en strategi for
• 11:50
  dem. Det her at være Sådan virke
• 11:53
  Sådan lidt mere, lidt mindre techgigant end de egentlig er.
• 11:56
  Og Jeg tror også Det er en af deres fordele de har i forhold
• 11:59
  til Sådan noget Google for eksempel.
• 12:01
  Altså det virker Sådan lidt mere.
• 12:04
  Ja nede på jorden på en eller 2 måde.
• 12:08
  De synger stadig lidt startup agtigt.
• 12:09
  Ikke, og Det er det jo ikke mere.
• 12:11
  Vel altså. Det.
• 12:14
  Ja, men det første de ligesom har releaset her.
• 12:16
  Det er det de kalder for. For det første så har de
• 12:20
  releaset o one-modellen før. Der var der jo ligesom en en
• 12:24
  chat i chat GPT var der en o one preview model som man kunne
• 12:27
  bruge, men nu har de altså ligesom udgivet den fulde o
• 12:31
  one-model, og den skal selvfølgelig.
• 12:32
  Den har selvfølgelig bedre på de forskellige benchmarks, og den
• 12:35
  har også en 2 ting, som Jeg synes er fedt ved at bruge den.
• 12:38
  Det er at. Hvis man bare kommer med Sådan
• 12:40
  en helt simpel prompt, så tænker den ikke i 20 sekunder.
• 12:44
  Du ved altså den den den har en eller 2 form for måde at vurdere
• 12:47
  på Sådan. Ja Det er noget jeg skal tænke
• 12:48
  længe over. Eller er det bare Sådan en one
• 12:51
  off? Svar.
• 12:53
  Den er hurtigere. Og Sådan hurtigere ja, og så har
• 12:57
  de også. Annonceret at de vil lave et
• 13:00
  chat i stedet altså Jeg har jo chat GPT plus som er deres
• 13:03
  betalt abonnement. Men de vil også annoncere et
• 13:08
  abonnement, der hedder chat GPT pro, som er et et endnu dyrere
• 13:13
  abonnement chat gbit plus det koster 20 dollars om måneden GPT
• 13:17
  pro det kommer til at koste 10 gange mere altså 200 dollars om
• 13:22
  måneden. Og så når Der er, hvad skal man
• 13:25
  sige vat oveni, så skal der oveni, så tror jeg Det er
• 13:29
  omkring de her 250 dollars og det man ligesom får med det.
• 13:32
  Det er at man får Sådan fuldstændig unlimited access til
• 13:36
  alle deres modeller uden nogen grænser, og så får man en en
• 13:40
  særlig. Hvad skal man sige provversion
• 13:42
  af overen, så hvis man lige har lyst til at smide 200 dollars om
• 13:46
  om måneden, så kan man gøre det. Ja så det, men Det er jo meget
• 13:49
  spændende, at de er kommet ud med den her o one model.
• 13:52
  Så er der en 2 ting Der er sket og Det har du måske lagt mærke
• 13:54
  til Jonas, men de er også kommet ud med en af de her ting de
• 13:58
  annoncerede forleden. Det var også at de kom ud med
• 14:01
  sorre ja og den er de kommet ud med i chat GBT som man kan
• 14:04
  bruge. Jeg ved ikke Jeg synes ikke selv
• 14:06
  Jeg har fået adgang til den endnu.
• 14:09
  Nej jeg ved heller ikke rigtig. Jeg har faktisk ikke kigget for
• 14:13
  at være helt færdig. Det er der vi det skulle være
• 14:18
  fordi jeg skulle lave noget sjovt med ungerne eller et eller
• 14:20
  andet. Jeg ved ikke rigtig nej nej nej
• 14:25
  Der er. De ligesom kommet ud med det, og
• 14:28
  Jeg har set nogle videoer på youtube og det folk er Sådan OK
• 14:31
  imponerende. Der er selvfølgelig de her fejl
• 14:33
  Der er med de her tekst og videomodeller med at Sådan noget
• 14:38
  med at repræsentere objekter, konsistent og indenfor fysikkens
• 14:43
  love Det har de svært ved, især når Det er Sådan noget
• 14:46
  fotorealistisk. Det.
• 14:49
  Det bliver jo ved med at være et problem.
• 14:51
  Det kommer de aldrig uden om. Ja lige præcis, men så har de
• 14:54
  også udviklet Sådan en ret fed editor agtig ting inde i chatkeb
• 14:57
  t ser det ud til, så det virker som om det Det er.
• 15:01
  Sådan noget interessant ved det her.
• 15:03
  Det gælder også the futton modeller og i det hele taget
• 15:06
  billede og altså hvordan du interagerer med at.
• 15:11
  Du får et udgangspunkt i din kreative proces, og så kan du
• 15:13
  ligesom refine det med nogle tools og noget noget interface
• 15:17
  til det. Og altså nogle gange tænker vi
• 15:19
  over eller på de her modeller som nå men jeg giver dem bare en
• 15:23
  eller 2 plump og så spytter den bare ud ikke og altså i
• 15:27
  princippet. Så hvis man lige tænker over
• 15:29
  hvad de her modeller gør Sådan ind til benet, så kan de jo
• 15:31
  meget mere end det der. Jeg kan ikke lade være med at
• 15:34
  tænke tilbage på også at var det Microsoft der havde Sådan et
• 15:38
  prompt. Hvad hedder Sådan noget
• 15:41
  promptraywork som også var Sådan en?
• 15:44
  Altså Sådan en hvor man interlevede et et
• 15:47
  genereringsflow, så bad man ligesom så feedback man ligesom
• 15:50
  også og så bad man. Elementen om at stoppe altså ved
• 15:55
  nogle bestemte steder. Altså du beder om den næste toke
• 15:57
  næste toke den næste tunge og når du så når nogle bestemte
• 15:59
  punkter, så stopper du ligesom og så indtægter du dit eget.
• 16:04
  Tekst og så beder du den om at generere videre på baggrund af
• 16:07
  det. Sådan så det II Sådan et
• 16:09
  completion flow at ikke kun elelmen der computer, men Det er
• 16:14
  også brugeren der hjælper med at putte ting ind imellem de
• 16:18
  compitions. Og Det er jo Det er jo.
• 16:21
  Hvad kan man sige en lidt sjov måde at tænke det på, eller Det
• 16:23
  er i hvert fald en 2 måde at tænke på og og man kan også godt
• 16:26
  forestille sig, at der ligesom er et element af det i hvad kan
• 16:29
  man sige når man skal lave billedredigering som kunne give
• 16:31
  mening på en eller 2 måde hvis man shower interaktivt kontrol
• 16:35
  med dem? En sjov interface de har Det er
• 16:37
  at man kan lave Sådan frame. Altså hvad skal man sige print
• 16:42
  frame på en eller 2 måde altså som du kan lave en prompt som
• 16:46
  siger en mand der står på en vej eller Sådan noget og så er der
• 16:51
  en den næste prompt frame. Det kan så være.
• 16:56
  Der er en mand, der går forbi den her mand eller Sådan noget.
• 16:59
  Og så er der en bil, der kører forbi ham, og så hopper han og
• 17:02
  så drejer kameraet eller Sådan, så man lige kan lave en serie af
• 17:05
  prompt, hvilket Jeg synes er ret interessant.
• 17:07
  Det er jo lige præcis det, som jeg lige beskrev.
• 17:09
  Der kan man sige i en chatform, men hvor du har Sådan en at
• 17:13
  genereringsflåde stopper på et tidspunkt så og så ligesom så
• 17:18
  går du ind og interena og siger manden skal gå til højre nu.
• 17:23
  Og så har du jo konteksten med, som er genereret forud for det,
• 17:27
  og så kan man ligesom gå videre meget det der.
• 17:30
  Hvad kan man sige? Hvor lang tid har vi haft den
• 17:34
  her teknologi? Ikke altså 2 2,5 år altså Det er
• 17:36
  stadigvæk vi spytter nogle togens ud ikke, men Det er det
• 17:39
  der med at finde ud af Sådan. Hvad er interface?
• 17:42
  Hvordan interagerer vi med det der flow at der kommer tokens ud
• 17:45
  og vi gør noget og og modellen gør noget og så gør vi noget
• 17:48
  igen og Sådan nogle ting og det synes jeg at man kan begynde at
• 17:51
  se at. At vi bliver mere og mere modne
• 17:54
  på, hvad vi rent faktisk kan med den her teknologi.
• 17:59
  Og Der er Sådan nogle interfaces jo ret interessante.
• 18:02
  Altså Jeg kan huske da de kom ud med demo det der og så var det
• 18:07
  jo også bare Sådan noget. Se den her promed har fået en
• 18:12
  bil til at køre og så kunne de vise.
• 18:14
  Så viste de bare Sådan wow den kan lave konsistent bilen kører
• 18:18
  og det ser korrekt ud i rigtig rigtig lang tid og Det er jo
• 18:22
  lidt det samme som når vi gik tilbage til GPT 2 eller eller du
• 18:27
  ved Sådan wow se den kan lave konsistent ikke giverish sprog.
• 18:33
  I rigtig mange tokens imponerende.
• 18:36
  Det er faktisk rigtig nok. Hov Vi skal bruge en eller 2
• 18:39
  interface hvor vi får noget tilbage vi gerne Vi har brug for
• 18:42
  altså både at kunne styre den på amen, så må vi instruct og Sådan
• 18:46
  noget. Det samme sker.
• 18:47
  Og Vores. Videoer og billeder og alle de
• 18:49
  der ting. Der er også interfacet med der
• 18:52
  blev interfacet jo også tunet ind i modellen, ikke?
• 18:56
  Det kunne være fedt hvis man kunne chatte med den her Sådan.
• 18:58
  Det er den ikke særlig god til når den kun har prætrænet ned
• 19:01
  laver lige et chat protokolformat og fintuna vende
• 19:03
  til det og så hører den efter ikke.
• 19:05
  Og det. Ja.
• 19:31
  Ja. Ja og det kommer til, og det
• 19:37
  kommer til at have en masse betydning for folk, der med
• 19:40
  videoproduktion og så videre. Personligt så tror jeg ikke at
• 19:43
  Det er vejen til ADJ. Men.
• 19:46
  Men hvad hedder det? Men Det er sjovt fordi Jeg har
• 19:48
  tit tænkt på at Jeg tror at jeg ser ikke.
• 19:51
  Det er ikke så meningsfuldt det her med at generere verdener
• 19:55
  eller generere videoer ud fra kontekst for mig som for at
• 19:59
  nærme sig kunstig intelligens. Jeg tænker mere at og Det er
• 20:03
  også noget jeg tænkte på med den her geni 2 fra Google.
• 20:06
  Jeg tror at ska prøver helt altså menneskers øjne og syn og
• 20:11
  hjerne og Sådan noget. Prøver hele tiden at forudsige
• 20:15
  de næste pixels, idet de ser, og det gør de for at minimere den
• 20:19
  mængde af information, de bliver nødt til at tage ind, så de kan
• 20:22
  bruge mindre energi i deres hjerne til at forstå verdenen.
• 20:25
  Det er Sådan min teori. Men er det ikke noget med, at vi
• 20:28
  faktisk? Vi faktisk processerer meget
• 20:32
  lidt af det, der kommer ind. Og vi får.
• 20:36
  Stabulerer vi ja præcis vi ekstra.
• 20:39
  Jeg ved ikke hvad man vil kalde det en forudsige.
• 20:41
  Jeg tror Jeg vil kalde det en en ekstraulering af det resterende
• 20:45
  der mangler inde imellem. Og jeg ser det lidt i forhold.
• 20:48
  Til den opløsning vi vi opfatter ting med, altså frames på
• 20:52
  secondins, så og sige ikke. Som at det hjernen gør.
• 20:55
  Det er den forudsiger det, den tror der kommer.
• 20:58
  Og fordi den gør det, så kan den fylde en masse ud, som gør at vi
• 21:02
  behøver at tage meget mindre signal ind og dermed også.
• 21:05
  Hvad skal man sige? Altså det der hvor en af de
• 21:08
  grunde til at Vores hjerne kan fungere så energieffektivt.
• 21:10
  Ikke så du ved når vi forudsiger verdenen, så så bliver det jo
• 21:15
  hele tiden du ved i verden. Altså du ved Der er hele tiden
• 21:19
  feedback fra den rigtige verden, så jeg behøver ikke at generere
• 21:23
  hvad der sker rundt om hjørnet. Det bliver det bliver finder jeg
• 21:26
  ud af så på den måde så tror jeg lidt det her med at generere
• 21:29
  videoer. Det er lidt et hack på en eller
• 21:31
  2 måde, men jeg forestiller man kan bruge den her teknologi til
• 21:34
  at lave mere effektive. Hvad skal man sige?
• 21:42
  Visuel forståelse af verdenen på en eller 2 måde.
• 21:45
  Det Det er Sådan min mit take på det Sådan alt det her video
• 21:49
  prediction defusion halløj. Giver det mening?
• 21:53
  Det kan også være Det er noget pis.
• 21:54
  God mening. Jeg har ikke skrevet paper på
• 21:56
  det i hvert fald, og det kunne jeg nok heller ikke, hvis jeg.
• 21:59
  Derfor er det stadig sjovt at spekulere omkring.
• 22:01
  Det var det det næste jeg godt lige vil snakke om i forhold til
• 22:03
  den de her opinære træled day som openy.
• 22:06
  Det er at opinay også har annonceret.
• 22:08
  De har ikke releaset endnu, men de har og Det er jo populært i
• 22:11
  den her verden. De her annonceret launchet af
• 22:14
  deres. Hvad hedder det reenforcement
• 22:17
  learning vind tuning. API og Det er jo lidt spændende,
• 22:22
  fordi indtil nu har du været muligt II opinyos opiny jeres
• 22:26
  platform at lave det man kalder for supervis fine tuning få
• 22:29
  adgang til DAPI. Så hvis du har nogle
• 22:31
  chatsamtaler selv hvor du gerne vil have deres model til at
• 22:34
  opføre sig mere som som det så kan du ligesom uploade noget
• 22:38
  data og så supervised find tunende.
• 22:44
  Speciel version af gb t 4 for eksempel til dig.
• 22:46
  Som fungerer godt i din kontekst.
• 22:49
  Jeg tænkte da jeg hørte det her, da jeg tænkte OK, så kan man
• 22:52
  uploade i noget preference data. Og få din model preference tunet
• 22:58
  til til noget specifikt. Altså Det er de som de laver det
• 23:03
  der hedder rinfoce learning from human feedback.
• 23:07
  Det var ligesom det, jeg troede, før jeg ligesom så
• 23:09
  announcement-videoen her, men det viser sig så at det de mener
• 23:13
  med reen force man fine Det er. Mere Sådan o one style altså Det
• 23:19
  er Sådan din du kan. Give noget tekst og så et give
• 23:25
  et rigtigt hårdt. Du ved hårdt verifyble rigtigt
• 23:29
  svar. Og så kan du træne en o one
• 23:33
  style model til at optimere sin reasoning hen mod de svar.
• 23:38
  Det er meget sjovt. Jeg er begyndt at høre det, og
• 23:41
  Det er national lamberd som er ret stor på rinfods midt
• 23:44
  learning from human feedback. Hvis ikke man følger ham, så vil
• 23:47
  jeg anbefale at gøre det han arbejder IAI 2 Allan AIER 2 hvad
• 23:53
  er det det hedder? De arbejder med at navngive det
• 23:58
  rene forcement learning from the fiable reward.
• 24:02
  Ja ja det Det er mega sjovt det der fordi Det er jo bare old
• 24:06
  school reforce regering. Ja Det er rigtig nok ja.
• 24:11
  Det var jo Sådan, vi lavede vi forspiller learning før det der
• 24:15
  subjektive reward model konstruktion.
• 24:19
  Dingliste og alligevel er det ikke helt gammelt.
• 24:22
  Brianforsmyrt learning vel? Fordi i den originale blenforce
• 24:25
  learning Der er det jo typisk Sådan med at man har en et
• 24:27
  environment du ved et eller andet spil for eksempel som du
• 24:30
  ved den kan. Bevæge sig rundt finder et space
• 24:33
  af af. Hvad kan man sige rewards?
• 24:35
  Og Det er også det Der er. I når du har en objektiv reward,
• 24:39
  så er det Sådan relativt fine space.
• 24:41
  Ja, men Det er jo mere Sådan labelagtigt ikke.
• 24:43
  Det er jo mere Sådan. Det er jo på en eller 2 måde.
• 24:45
  Sådan en blanding af reinforce learning og så.
• 24:50
  Supervis learning synes jeg nærmere.
• 24:53
  Du bruger bliver en forsmag learning til at reenforce de her
• 24:56
  chanut of thutes hen mod en et heart ro label, ikke?
• 25:01
  Men du opdaterer en police II rin forest re learning.
• 25:04
  Hvis vi tager det Sådan helt basale.
• 25:06
  Det er Det er det du Det er det du opdaterer.
• 25:10
  At du gik ned altså tage et good old mase problem ikke du gik ned
• 25:15
  ad den her vej her, så opdaterer du din policy der hedder hov
• 25:18
  sandsynligheden før jeg kommer igennem den her labyrint den er
• 25:21
  mindre hvis jeg går ned af den her vej altså så opdaterer jeg
• 25:24
  min polly siger når jeg står her og skal vælge mellem a og b
• 25:26
  vejen, så går jeg AI stedet for fordi sidst jeg gik b der gik
• 25:29
  det ikke så godt. Og i øvrigt, så endte han
• 25:32
  blinkydet og jeg skulle bruge flere skridt til at gå tilbage,
• 25:35
  og det giver minus på kontoen. Det er will force beløbning,
• 25:39
  Sådan en nøddeskal ikke. Revorten er du kommer ud af
• 25:43
  massen ikke eller labyrinten skal huske at snakke dansk.
• 25:49
  Revorden II den her sammenhæng. Det er.
• 25:53
  Jeg løste problemet, der var et Der er et objektivt korrekt svar
• 25:58
  på den løsning på det her problem her.
• 26:00
  Der er mange veje til at løse det problem, ligesom der kan
• 26:03
  være mange veje til at komme ud af en labyrint med at komme ud
• 26:06
  og labyrinten. Det er det Der er den endelige
• 26:07
  report, så Det er i princippet Sådan som jeg ser det der
• 26:11
  problem. Det kan godt være det ikke
• 26:13
  teknisk set er på samme måde. Det er stillet op i det der
• 26:15
  træningsklub, men Sådan konceptuelt, så ser jeg det som
• 26:18
  nogenlunde det samme hvorimod når du har Sådan en reboard
• 26:23
  model Der er trænet med med human preferences.
• 26:26
  Jamen så er det jo en propalistisk fordeling igen
• 26:30
  altså. Ja.
• 26:32
  Det er en model, og den er propalistisk i sig selv.
• 26:36
  Så den er ikke såermineret altså på samme måde og det giver Det
• 26:41
  er 2 vidt forskellige måder at se det der på, så jeg ser det
• 26:44
  som at man er tilbage til noget der ikke er en propalistisk
• 26:47
  reward model. Altså jeg Jeg kan godt tage
• 26:50
  fejl. Det er slet ikke det, men jeg
• 26:51
  hører det lidt som at man egentlig er tilbage til noget
• 26:53
  mere old school. Ja, men Det er vel egentlig også
• 26:56
  rigtigt på en måde. Ja og så den her policy og nu
• 27:00
  skal jeg lige huske at Jeg har fået.
• 27:02
  Nu skal jeg lige være sikker på Jeg har mine termer korrekt her,
• 27:04
  men men det de jo ligesom træner rainforce mad learning op imod
• 27:08
  og Det er vel også det Der er polyin Det er så at altså så
• 27:12
  forestiller jeg mig at de genererer de her tankerækker og
• 27:16
  måske i virkeligheden 1 3 af dem altså flere forskellige tank.
• 27:19
  De samler flere forskellige tankerrækker bruger de en eller
• 27:22
  2 jeg ved ikke om Det er det man vil kalde polican, men så bruger
• 27:24
  de en lad os bare sige vi ikke man kalder det polican.
• 27:27
  Så bruger man policy til at score de her tankerækker, og så
• 27:30
  kommer det ligesom ned af den Der er mest nå anyway.
• 27:34
  Men det det vil jeg se som et disition tree problem, som man
• 27:38
  jo kan træne en policy til at løse.
• 27:42
  Men Det er Sådan ditvirement ikke.
• 27:43
  Altså Det er jo Sådan på en eller 2 måde din environment og
• 27:46
  det her med at du gør nogle ting ja.
• 27:50
  Hjælp os hvis i ved noget om menu anyways Jeg vil gerne lige
• 27:53
  give et hvad skal man sige et et eksempel det bruger i videoen
• 27:57
  fordi i videoen der har de en forsker en en medicinforsker med
• 28:00
  fra burkele som har et problem med som differential på og der
• 28:04
  får antioner de over and mini til at være bedre end over one
• 28:08
  modellen på denne her opgave. Opgaven Det er et datasæt af
• 28:12
  1100. Hvad skal man sige?
• 28:14
  Tekster, som beskriver en patient?
• 28:18
  S situation og symptomer og så videre end nogle instruktioner
• 28:22
  og opgaven er så ligesom og lablet, altså ligesom et gen
• 28:25
  elementens opgave er at finde ud af, hvad for et gen kan være
• 28:28
  ansvarlig for de her symptomer, der bliver oplevet.
• 28:31
  Og det fine orienteret og det den her overon mini bliver bedre
• 28:34
  end o one og den bliver fin tunet og Det er jo bare godt alt
• 28:37
  sammen og der der uploader de træningsdata i bare Sådan en
• 28:42
  json l format hvor de har tekst og så level uploader de både
• 28:45
  træningsdata og valideringsdata for at sørge for de det ikke
• 28:49
  bliver overflyttet og så og det Det er nemlig også noget der
• 28:53
  bliver interessant her, fordi så så uploader de også en greater.
• 28:58
  Og Det er en algoritme som ligesom skal greate, altså
• 29:01
  generere den her reward på en eller 2 numerisk måde givet et
• 29:04
  svar. Så den her model.
• 29:07
  Den giver sig en liste af gener den får at vide den skal output
• 29:10
  en liste af gener, hvor den den øverste er den mest sandsynlige
• 29:13
  og nedadgående, og den får så hvis den den får så en score på
• 29:18
  et hvis den det rigtige gen er i toppen får den mindre og mindre
• 29:22
  scorer, jo længere ned det rigtige gen er og så har den
• 29:24
  Sådan en greater. Generere den her scorede det her
• 29:29
  problem, og der nævner de at Det er en form for graater.
• 29:33
  Men man kan også de har også andre graatere som passer bedre
• 29:36
  som passer til andre sammenhænge, og de forestiller
• 29:39
  sig også, at man kan bringe sin egen breater med på et
• 29:43
  tidspunkt. Vil kalde en reward function.
• 29:47
  Det er det jo et eller andet sted.
• 29:49
  Jamen, Det kan godt være kontinuerligt eller whatever
• 29:52
  ikke er. Men ja.
• 29:57
  Og Det er sgu meget interessant det der.
• 29:58
  Det er nemlig meget spændende, fordi det viser lidt Sådan det.
• 30:00
  Det Det er lidt sneak peak på hvad der sker under motorhjelmen
• 30:05
  og Det er også interessant at man får adgang til den her
• 30:08
  teknologi. Altså man får adgang til at.
• 30:11
  Få specialiteter. Specialiserer reasing til din
• 30:14
  opgave. Ikke at Det er Det er
• 30:17
  interessant, og Det er der nok en masse der der får en masse
• 30:20
  interessant ud af. Jamen de nævner at den her
• 30:23
  feature den er i beta nu selvfølgelig og så videre og den
• 30:27
  regner de med kommer ud i start næste år til at alle kan bruge
• 30:30
  det. Intrayshist.
• 30:35
  Så og så ham her nathan lambert, som jeg tit lytter til, når jeg
• 30:40
  skal høre noget om min fortid. Learning skud ud til dig neypn
• 30:43
  hvis du forstår ikke dansk, men hvis du gjorde og han nævner det
• 30:46
  her med at. Historisk set har reinforsment
• 30:50
  learning været meget Sådan ustabil.
• 30:55
  Han synes det her Det er ligesom viser at de har har så effektive
• 31:00
  vinforcement learning pipelines og så håber ney så stabile
• 31:04
  realibable. Reinforcement learning pipelines
• 31:07
  at de begynder at surfe det her som et produkt, og det synes han
• 31:10
  er Sådan rigtig spændende at gøre, at levering forcemer
• 31:14
  learning bliver ligesom accessibal til et større
• 31:17
  publikum. Det er nemlig lige præcis det at
• 31:20
  Jeg har. Jeg har rørt en lille smule ved
• 31:23
  det selv i forbindelse med mit mit tidligere job inden i skat
• 31:28
  og min min gode gamle kollega Jacob, som i øvrigt også har
• 31:32
  siddet i bestyrelsen DDC ud til Jacob.
• 31:35
  Han lavede nogle meget interessante oplæg omkring Sådan
• 31:37
  der. Basics i win force lever
• 31:39
  lønninger faktisk der jeg fik de første input til det, hvis Der
• 31:43
  er noget som. De kæmpede med i den
• 31:47
  studiegruppe, som Det var derinde på det der for at bruge
• 31:50
  det til at løse nogle problemer, så var det.
• 31:52
  Hyperparameter, hvor hyperparametret.
• 31:55
  Det er Sådan noget de i andre sammenhænge, så det sætter vi
• 31:58
  til et eller andet. Det er sgu sikkert meget godt,
• 31:59
  så prøver vi 3 forskellige varianter og noget gresearch og
• 32:02
  så kører det. Men forsmal learning.
• 32:05
  Det er helt sort altså. Det er Sådan noget igen, men
• 32:09
  tilbage til kaos teori at du rykker den en lille smule og så
• 32:12
  ender du i den ene grøft, så rykker du en lille smule så
• 32:14
  ender du i den 2 grøft og kører du den en gang til, så ender du
• 32:16
  i den 2 grøft selvom du ikke ændrer den og Det er bare Sådan
• 32:20
  Det er vildt ustabilt. Det skal være svært.
• 32:23
  Det Det er super super super svært.
• 32:26
  Man skal lave virkelig meget Sådan Inter spection analyse af
• 32:30
  hvordan ting udvikler sig undervejs i træningen og kigge
• 32:33
  på grafer der går op og ned og. Og det skulle også bare.
• 32:39
  Sige Jeg synes ikke Det var tiden værd til de der små
• 32:42
  problemer man havde man gerne ville løse.
• 32:46
  Smide bare noget aske booster efter det igen og.
• 32:52
  Men OK, men nu er der Der er noget der for de store kanoner
• 32:56
  se, så så kan det noget. Lige præcis.
• 33:00
  Vi skal Vi skal. Vi skal sgu videre i programmet
• 33:02
  her Sådan, men spændende spændende.
• 33:05
  Jeg tror Det var i går hvert fald ikke særlig længe siden der
• 33:07
  kom Google ud med noget, som de kalder for Google will, som er
• 33:10
  en ny quantonchip, som de har releaset, og Det var den du
• 33:15
  sendte den til mig. Jonas, kan jeg huske?
• 33:18
  I hørte det først på hvad bosende nu er det også det her
• 33:21
  softwareudvikling AI chipudvikling.
• 33:23
  Det ved vi, hvad det Jørgen er med.
• 33:24
  Nu er det også quontum chips. Det er jo den helt store
• 33:30
  låneteknologi, som alle dem der udvikler på det de siger amen
• 33:35
  Det er barsk bare lige 10 år til ikke så er vi der.
• 33:39
  Men hvad hedder det? Det er jo Google de researcher i
• 33:44
  contour Technology og de har eller quonton computercomputere,
• 33:50
  og det lykkedes dem at lave en chip med 105 q bets.
• 33:55
  Hvor de har demonstreret en eksponentiel reduktion i
• 33:59
  logikken error rates, når man skalere.
• 34:05
  Surfe surf yes code arrays fra 3.
• 34:09
  Gange 3-5 x 5-7 x 7 qits så halveret det fejlraten hver gang
• 34:15
  og Det er jo godt facit basically kinesisk det her.
• 34:20
  Jeg tror man kan sige at det som de har fundet ud altså Jeg tror
• 34:23
  noget af det problemet. Det er at Det er pisse Der er
• 34:26
  pisse Det er pissestøjfuldt det her cornum halløj og hvis du
• 34:29
  basically skal have de her kvantepartikler til at opføre
• 34:33
  sig bare nogenlunde pænt. Så skal du have en hvad hedder
• 34:37
  det et supercondukting materiale som hvilket vil sige du skal
• 34:40
  fryse noget ned til det absolutte nulpunkt.
• 34:43
  Og du skal bare have en. Large and collejrende.
• 34:46
  El cage og et ikke noget elektron elektromagnetisk, der
• 34:50
  skal intet til at rykke støj helt vildt når man er så langt
• 34:55
  nede i materien her. Så støj er tydeligvis et super
• 35:00
  super bøvlet problem. Det bøvler mig rigtig meget med,
• 35:04
  og nu har man åbenbart fundet ud af, at hvis man laver et eller
• 35:06
  andet quantum trick her, så kan man få fejlretten til at falde.
• 35:11
  Jo mere man ligesom skalerer antallet af q bets, hvilket jo
• 35:16
  virker interessant på, når man promoverer Sådan noget her, så
• 35:20
  skal man jo altid ligesom have et eller andet hvor det Sådan.
• 35:22
  Wow det Det er et stort tal og Det har de selvfølgelig også
• 35:24
  gjort her III will low det Der er sagen Det er at willher
• 35:29
  udførte det man kalder for en random surcd sambling.
• 35:33
  Som jeg forgæves har prøvet at forstå, hvad fanden går ud på
• 35:35
  hele dagen, som ikke er lykkes på under 5 minutter.
• 35:39
  Og det lyder ikke særlig vildt, men det lyder vildt, når man så
• 35:44
  hører at det vil tage den. Altså den største computer Vi
• 35:48
  har i dag. Der vil det tage 10 septilioner
• 35:52
  år af simulere det. Og Det er altså meget længere,
• 35:59
  altså hvis Det var sekunder. Det ville være meget, meget,
• 36:01
  altså meget længere tid end hele universet har universet har
• 36:05
  eksisteret. Det er 10. 25.
• 36:09
  Sekunder i gæst. Men prøv lige at tage tage det
• 36:14
  her ned på på Sådan en menneskeligt forståeligt niveau
• 36:17
  og nu jo længere ned på et helt almindeligt.
• 36:20
  Hvad er en kuppet spørgsmål, så bliver det jo endnu mindre
• 36:23
  forståeligt. Fordi hvad er en keup et?
• 36:25
  Det er jo nemlig det, og Jeg har faktisk.
• 36:28
  Jeg har faktisk Vi har bidt. De kan være nul og et ikke.
• 36:31
  Så har vi qb og ved du hvad? Jeg har faktisk været pissetræt
• 36:35
  af længe, at jeg ikke har fattet pointen ved kvantecomputere.
• 36:38
  Så Jeg har faktisk. Jeg har chattet en del med
• 36:40
  overen i dag. Og Det er godt mand Sådan den
• 36:43
  ved noget om kvantecomputeren. Det gør den, og Jeg har virkelig
• 36:46
  prøvet at fatte hvad fanden det her går ud på og lad mig prøve
• 36:49
  at komme med den bedste forklaring, jeg ligesom kunne få
• 36:51
  ud af den. I.
• 36:53
  Svanteverden II, traditionel computer som du selv sagde.
• 36:57
  Der kan vi have en bit som kan være enten nul eller et, men så
• 37:01
  er der det her med q bet, fordi hvis man så ligesom
• 37:06
  repræsenterer en bit med Sådan en kvante kvante partikel og
• 37:11
  ikke som man kalder for en quebit, så kan den være i en
• 37:13
  super position af nul og et samtidig.
• 37:16
  Og Det har jeg altid tænkt Sådan.
• 37:19
  Hvorfor bruger vi så ikke bare analog spændinger?
• 37:22
  De kan også være alle kontinuerligt alle værdier
• 37:25
  mellem nul og et, men Det er så. Ikke helt det samme.
• 37:27
  Det er. Ikke helt det samme fandt jeg ud
• 37:29
  af, men Det var Sådan ligesom min resaning over det.
• 37:33
  Ja så Der er det her super positionsprincip der gør at de
• 37:36
  her q bets kan ligesom være mellem alle værdier mellem nul
• 37:40
  og et på samme tid eller hvilken som helst værdi og flere mellem
• 37:44
  nul og et på samme tid. Så vidt Jeg kan forstå.
• 37:48
  Og at de kan så på den måde, hvad skal man sige?
• 37:50
  Repræsenterer flere tilstande indtil man måler på dem?
• 37:56
  Så sker der så noget spændende, fordi hvis man så ligesom hvad
• 37:59
  skal man sige? Skalerer antallet af q pts, så
• 38:03
  kan man have en super position af op til 2 i endetilstande.
• 38:07
  Hvilket er eksponentielt flere konfigurationer end i et
• 38:11
  klassisk system med n bits, der så hvad hedder det?
• 38:15
  Hvis du tænker over at så vidt Jeg kan forstå, så sagen er at.
• 38:23
  Du kan kun have. Ja hvordan skal jeg forklare
• 38:26
  det? Du kan have med traditionel
• 38:30
  binært tal kan du have en state du ved, som er det tal den
• 38:34
  repræsenterer punktum computing verdenen der kan man have. 2 i
• 38:41
  ente hvor n er antal bits state på samme tid?
• 38:48
  Ja og vi Vi har jo 32 bit og 64 bit.
• 38:52
  Typisk typisk 64 bit. Det systemer kører i har har
• 38:58
  det. Har det noget med med det at
• 39:00
  gøre? Nu stiller jeg bare dumme
• 39:02
  spørgsmål, fordi Jeg tror måske at Jeg er ikke helt sikker på
• 39:04
  jeg ved det sandt at Vi har jo enormt mange transistorer II en
• 39:09
  normal digital chip kan man sige ikke, og de kan jo alle sammen
• 39:13
  antage. Altså Det er jo strøm, ikke
• 39:16
  strøm ikke Vi er enige om det så er det så meget tror jeg godt
• 39:20
  jeg ved men du ved. Hjørne, Vi har brug for Jørgen.
• 39:24
  Jørgen, men jeg så vidt jeg Sådan Sådan jeg forstår det.
• 39:26
  Det er at du ved du har 16 bit tal.
• 39:29
  Du ved Det kan være Det kan være et eller andet tal repræsenterer
• 39:33
  et eller andet binært tal. Hvordan ville du så repræsentere
• 39:37
  det tal i en cube som. Men Der er ideen så at det her
• 39:41
  binard 16 bionert tal. Det kan ligesom have en state og
• 39:44
  Det er det tal den repræsenterer.
• 39:47
  Kvanteverdenen der kan den her det her qbit 16 quebe tal Det
• 39:53
  kan have. 2 i 16. Stats giver det Sådan nogenlunde
• 40:02
  mening? OK og det vil sige at og og det
• 40:06
  vilde er så at de de her q bet nu og nu jeg tager alle
• 40:11
  forbehold for at det her Det er muligvis er helt forkert, men
• 40:15
  det der så er vildt Det er at kvantecomputeren kan altså også
• 40:18
  udføre beregninger på alle de her stats på en gang.
• 40:23
  Og Det er det der hvor det bliver lidt vildt, fordi så
• 40:25
  begynder man lige pludselig at have rigtig meget juice i Sådan
• 40:28
  ret. Få beats.
• 40:30
  Det vil jo så ligesom svare til at lave. 2 i endte.
• 40:37
  Hvad skal man sige bits eller Sådan?
• 40:41
  Tag tal bits du skulle have i guess parallelt.
• 40:44
  Det kan du ligesom lave på en gang i en kvantecomputer.
• 40:50
  Og Det er jo mange, man tager på en gang.
• 40:54
  Parallelisering hvor at Vi har jo Vi har det der hedder.
• 41:00
  Singles instruction multiple dada siem DI hvad hedder det i
• 41:06
  almindelige chip chip verden som også er?
• 41:09
  Hvad kan man sige den den det tætteste på den der fysiske
• 41:12
  parallisering Vi har, og Det er noget, som hvis man gerne vil
• 41:16
  have ting går hurtigt. Så skal man huske at bruge det.
• 41:19
  Så skulle du så høre her det der så er hvad skal man sige,
• 41:23
  cachede eller caviarten med det her?
• 41:25
  Det er at når du så ligesom har lavet de der beregninger med 2
• 41:29
  dine 2 hjente tilstande. Når du så ligesom gerne vil have
• 41:32
  det resultat, så måler du, og så kan du kun få det ene resultat.
• 41:37
  Du kan ikke få. Du har ikke adgang til alle de
• 41:39
  andre stats. Det er ligesom Sådan en Black
• 41:41
  box. Så Det er ligesom bare Der er
• 41:44
  nogen der snakker om at det foregår i paralleluniverser og
• 41:46
  Sådan noget så du du har ligesom den her helt vilde regnekraft på
• 41:49
  meget lidt. Hvad skal man sige Sådan bidt
• 41:53
  mæssig plads og så kunne du så måle på det og så kunne du få en
• 41:56
  beregning. Og og så det man så gør når man
• 41:59
  så skal fordi så forestiller jeg mig så at så skal man finde ud
• 42:03
  af hvordan man konfigurerer de her cupits til at repræsentere
• 42:07
  det problem man gerne vil. Løse altså den beregning man
• 42:11
  gerne vil lave, og det kunne jo være en instruktion.
• 42:13
  Lad os sige at jeg skal jeg skal lægge 2 tal sammen eller jeg
• 42:19
  skal et eller andet du ved klassiske instruktioner.
• 42:21
  Måske kan jeg endda få noget hurtigt matrix multiplikation
• 42:24
  ovre i det der qfit det lyder da spændende.
• 42:26
  Dot konfigurerer ligesom de her qobs til det, og når jeg så.
• 42:32
  Hvad hedder det skal bruge resultatet af den instruktion,
• 42:35
  så laver jeg en måling, og så har jeg resultatet.
• 42:39
  Ja OK Det er magic, ikke? Det er sindssygt ja.
• 42:43
  Og så ved vi stadigvæk ikke hvad fanden vi snakker om, men.
• 42:46
  Men Jeg synes og og den her den her.
• 42:49
  Randon cirka sampling eller hvad den hedder random circutambling.
• 42:53
  Det er Sådan en benchmark de bruger i kvanteverdenen.
• 42:56
  Det er ikke 1 1 1 problem som Sådan er praktisk anvendeligt,
• 43:00
  men Det er ligesom benchmarket for hvor hurtigt noget kan Det
• 43:03
  er. Og der synes jeg bare de
• 43:05
  illustrerer det meget godt at den klarede det på 5 minutter,
• 43:07
  hvor det vil have taget den største klassiske computer Vi
• 43:10
  har de her 10 cap tillioner år som er 10 eller et ettal med 25.
• 43:14
  Minutter. Sådan noget med at jeg Det har
• 43:16
  jeg hørt nogen sige at det der altså kvantecomputing.
• 43:21
  Det er ligesom lavet til at. At Det er egentlig lavet til at.
• 43:26
  Det kan simulere rigtig fysik, ikke?
• 43:31
  Eller eller undskyld det laver beregninger på rigtig fysik
• 43:33
  hvorimod at. Sådan digitale klassiske
• 43:38
  computere de simulerer ligesom. Der kæmper man jo.
• 44:10
  Måden hvorpå hvad skal man sige bits i en CPU for eksempel
• 44:14
  virker? Det er jo at Der er en eller 2
• 44:15
  form for spænding. Det kunne være en spænding
• 44:18
  mellem nul og 5 volt. Det er måske lidt høj spænding
• 44:22
  plus også lille skala, men Der er ideen ligesom OK, så når den
• 44:26
  er nul så er den nul volt og når den er et så er den 5 volt og så
• 44:30
  kan den godt, så kan det godt være lidt støj du ved så er det
• 44:33
  måske 4,8 eller Sådan noget, men Der er så langt ned til nul at
• 44:36
  man kan få et klart du ved. Din eller andet, og Det er
• 44:40
  derfor Det er smart at bruge binære.
• 44:41
  Hvad skal man sige? Det er derfor computere binær,
• 44:43
  fordi de er meget støjfølsomme. De har over for små variationer,
• 44:48
  variationer i spændinger. Det er også derfor man for
• 44:50
  eksempel ikke bruger, hvad skal man sige?
• 44:52
  Det er svært at bruge analogcomputere, fordi man kan
• 44:54
  også forestille sig, at altså, hvad kan man sige noget digital
• 44:58
  logik blev repræsenteret af en spænding, altså simpelthen bare
• 45:02
  du ved OK, så har vi mellem nul og 5 volt, så et Det er et og.
• 45:07
  Et og 2 var 1 2 og så videre. Jeg tror problemet ved Det er at
• 45:12
  Det er mere støjfølsomt og Det er svært at skalere i Sådan
• 45:16
  nogle kæmpe arrays. Det skal vi også lige have
• 45:18
  hjørnet med for at snakke om fordi Det er jeg helt sikker på
• 45:20
  men. Skal have så meget hjørn med
• 45:22
  igen kvante kontrol er. OK så når når Vi har Jørgen
• 45:28
  nede, så har vi bare glemt det her vi sagde lyt til ham.
• 45:33
  Det er nok en af de her gange på fyraften, mens job er det Vi har
• 45:36
  sagt overhovedet, men vi prøver virkelig at forstå det, så jeg
• 45:39
  hopper af Vores. Prøver og bære med ja, nå, Vi
• 45:43
  skal videre har vi et mere program på programmet. 2 nyheder
• 45:46
  tilbage, og så har vi lidt røverhistorie for for
• 45:49
  silicium-dalen. Og det skal vi høre masser af,
• 45:51
  så Vi er nødt til at skynde os over den der næste nyhed.
• 45:54
  Den næste nyhed. Det er at Det var paper jeg så
• 45:56
  på hack and uys her forleden og Det er train det hed artiklen
• 46:00
  training large lang with models theresen in continues laten
• 46:04
  space og så tænkte jeg Det er meta Det er youth the coons
• 46:08
  jippa et eller andet filosofi der går der ikke.
• 46:13
  Den gode jan qhun han er jo pissesur på alle elever.
• 46:16
  Fordi at de bruger togens mand og Det er sgu da bare helt
• 46:19
  fjollet. Når man laver risning, så er det
• 46:22
  altså i continue space, og Det er ikke det her fjollede toke
• 46:25
  and space og Det var Det er han træt af, så det det ligesom har
• 46:29
  gjort i det her paper. Det er ganske rigtigt for meta
• 46:31
  det de Sådan helt overordnet set har gjort.
• 46:33
  Det er at de har ligesom kigget på og Det er også meget sjovt at
• 46:37
  de har kigget på det faktisk. Altså de har kigget på rigtige
• 46:41
  elemmer og ladet sig inspirere af dem.
• 46:43
  Det er også Sådan lidt, så var det jo måske meget smart medie
• 46:46
  alle emmer anyways. De har kigget på på l mere, så
• 46:50
  har de fundet ud af at det her chandofot virker som Sådan en
• 46:52
  form for resaningproces for alle elemmer.
• 46:56
  Det de så har, og det kalder man jo for COT changer ford.
• 47:01
  Det de så har fundet ud af og udskifte med.
• 47:04
  Det er contentues ford og det forkorter de cokeoutt.
• 47:10
  Andubble Paradise, what the lay last hitter state of the allium
• 47:14
  service altså lade den revense repræsentation of reasing by
• 47:18
  passing explissed langu gener. Så det du siger, Det er at
• 47:23
  sidste state som vi prekter Det er Sådan et jeopard ting der
• 47:28
  altså Det er for lige at vende den.
• 47:31
  Så er det jo det Jørgen lecour siger jamen Vi skal ikke
• 47:34
  predicte togen. Vi skal predicte et laben space,
• 47:38
  altså en repræsentation af der hvor vi gerne vil hen.
• 47:43
  Så at sige, og så må vi ligesom finde ud af altså så problemet
• 47:48
  er jo så nå men så står vi så i det her.
• 47:51
  Den her virtuelle verden, og nu skal vi så ud med et eller
• 47:53
  andet, der rent faktisk noget så findes i den rigtige verden.
• 47:57
  Altså et ord. Så Det er det vi plejer at gøre
• 48:01
  når vi d coder og så siger du så siger du det gør de så, men så
• 48:06
  gør de så jeg. Synes egentlig filosofien er god
• 48:08
  nok, fordi man kan godt forestille sig, at
• 48:10
  tankevirksomheder er også et menneske.
• 48:12
  Er du ved, Det er Sådan en abstrakt proces oppe i hjernen.
• 48:16
  Og så har man ligesom bare koblet noget noget visuelt til
• 48:19
  man har koblet koblet noget taletøjet til man har koblet
• 48:22
  forskellige sanser til og så videre ikke.
• 48:24
  Og så er det ligesom bare et kommunikationslag i forhold til
• 48:28
  det der sker indeni. Og Det er også ligesom tanken
• 48:31
  her og det de insisterer meget på i meta at Det er det Vi skal
• 48:35
  prøve at modellere og ikke de eksakte ord der kommer ud.
• 48:40
  Det er det som noon jumski han ville kalde for sprogets
• 48:43
  esternalitet. Det kan være at Der er nogle
• 48:46
  ligekister der lytter med og siger Det har du fuldstændig
• 48:48
  misforstået, men Jeg har faktisk hørt ham lidt snak om de der
• 48:51
  ting der. Altså jeg prøver at påstå at jeg
• 48:53
  ved en lille smule om det, men men Der er nemlig det der med at
• 48:56
  Der er et internt sprog. Altså det Vi har inde i Vores
• 48:58
  hoved, som er helt anderledes end det som når du når du siger
• 49:02
  noget ud. Det er de 2 ting er forskellige
• 49:04
  ting. Når vi siger et ord, så er det
• 49:06
  bare en eksternalitet af noget sprog.
• 49:09
  Men den måde sproget fungerer inde i hovedet på os og den måde
• 49:12
  vi vi Sådan tænker, har ikke noget at gøre med det, der
• 49:15
  kommer ud. Derfor er han også selv meget
• 49:17
  modstander af det der LLM show der.
• 49:20
  Nu skal du høre, hvordan det fungerer.
• 49:22
  OK helt. Sikkert jakturen.
• 49:24
  Det er en standard auto regressif language lods language
• 49:27
  model using tok in bettings. Det er en en lang wish model det
• 49:31
  der så er med det. Det er at den retplacer.
• 49:35
  Ja nu skal du høre Det er det den så gør Det er at.
• 49:39
  Den udskifter sig ligesom token. Den har Sådan nogle specielle
• 49:43
  resanding af betting-type. Hvad skal man sige output giver
• 49:47
  det mening? Altså der har nogle tokens hvor
• 49:49
  den siger jeg tænker. Mm OK start nu nu starter vi min
• 49:54
  min reasing nu outlook. Nu slutter jeg med reasing det
• 49:56
  det det så ud som om de gør at Det er de tager så det sidste
• 50:00
  heat and state lige inden token. Og så replaced de den med den
• 50:05
  hits date. Og de har en interessant.
• 50:07
  De har lidt lidt funky træningsmetode.
• 50:10
  Virker det til de har Sådan et multistage træning hvor at de
• 50:14
  ligesom først træner 1 1 1 language model med changer fod.
• 50:20
  Altså Sådan som man kender det fra gode gamle elever.
• 50:25
  Og så så står der Sådan inspirerende by implicit CO team
• 50:30
  af training stars with the language base based
• 50:33
  reasningstaps and progress of the replaces League steps with
• 50:37
  continues lade end thoughs måden jeg læser det på Det er at de
• 50:40
  ligesom starter med bare at træne changer fod og så i
• 50:44
  træningsprocessen virker det til så udskifter de Sådan løb altså
• 50:47
  stille og roligt i løbet af træningen de her.
• 50:51
  Tjene of thut tokens med de her resinging tokens.
• 50:55
  Hvor det virker til at de tager den sidste headenstate inden
• 50:58
  token bliver outputtet. Og bruger det.
• 51:02
  OK jeg forstår slet ikke. Nej.
• 51:06
  Hvor kommer back propation ind i det her og er det Sådan 2 2
• 51:09
  gange forskellige back props og. Det er en helt historie for sig
• 51:13
  selv. Hvordan gradvist.
• 51:17
  Skifter man nogle vægte ud med nogle andre vægte?
• 51:22
  Det forstår jeg heller ikke helt OK, men jeg havde ikke lige tid
• 51:24
  til at dykke så langt ned i den jeg.
• 51:26
  Synes bare altså kan vi ikke få nogle eksperter ind i det her
• 51:29
  studie? Jo det rent faktisk ved noget om
• 51:31
  det de snakker om ikke. Men Jeg synes bare Det var
• 51:33
  interessant at noget af det Jeg synes der var spændende.
• 51:35
  Det var at den her Jeppe tankegang er blevet blevet
• 51:39
  plejet til lars ling with models, fordi Det er lidt det
• 51:43
  Jeg har savnet for, for for hjernelig koen det her med Sådan
• 51:46
  ja OK fint nok teorisk, jep har ting der.
• 51:50
  Men kan vi lige få noget interlativ ud af det?
• 51:52
  Altså kunne man for eksempel forestille sig.
• 51:53
  Det virkede på længage models. Og det synes jeg, at det her
• 51:58
  papery ligesom. Ja så det og det performer lidt.
• 52:03
  Det performer fint tror jeg de finder ud af, men ikke Sådan
• 52:06
  imponerende. Hvad hedder det?
• 52:08
  Det sidste Vi skal til? Det det sidste Vi skal til.
• 52:11
  Det er ikke ugens trepper, for Det har vi ikke med i dag.
• 52:14
  Ugens røverhistorie. Ugens røverhistorie.
• 52:17
  Den skal komme med nogle røverhistorier for selecon
• 52:19
  Valley. Nej vi mangler den sidste nyhed.
• 52:22
  Jeg er ked af at sige det, men vi drøner hurtigt i orden fordi
• 52:25
  at Der er en ny ikke er strategi for
• 52:27
  digitaliseringsbestiliseringsminister. Wow det går stærkt det her OK
• 52:32
  hvad hedder det vi vi vi kører bare lige hurtigt i orden.
• 52:37
  Nej men jeg. Ville lige kunne lige være sød
• 52:38
  at dykke ned i den lidt mere en 2 dag.
• 52:43
  Men hvad hedder det? Vi var jo til sprogteknologisk
• 52:45
  konference for 2 uger siden, og der var Vores
• 52:49
  digitaliseringsminister talte der.
• 52:51
  Det var jo blandt andet arrangeret og
• 52:53
  digitaliseringsstyrelsen, og der annoncerede de godt, at der
• 52:55
  ville komme noget ud i næste uge, som så var sidste uge.
• 52:58
  Og Det er så den her nye ærestrategi fra
• 53:01
  digitaliseringsministeriet. Og Der er ligesom 3
• 53:06
  retningsgivende principper. De vil gerne have borgerne i
• 53:08
  centrum for udvikling af EI. De vil gerne have global
• 53:12
  konkurrencedygtige virksomheder, og så vil de gerne have en
• 53:16
  verdens førende offentlig sektor.
• 53:19
  Bare skulle det lige flekse lidt der på den sidste ikke og det de
• 53:22
  så ligesom den strategi de kommer ud med her.
• 53:25
  Det har ligesom Sådan 4 konkrete initiativer og den har de
• 53:28
  snakket om før den her digitale taskforce fra kunstig
• 53:31
  intelligens i kommunerne. Det er en ny taskforce, som er
• 53:35
  etableret i samarbejde med KL og danske regioner, og det skal i
• 53:38
  hjælpe med at udbrede ER løsninger i den offentlige
• 53:40
  sektor. Formålet er så her at opskalere
• 53:43
  de tiltag, som virker til at virke godt.
• 53:45
  Og skabe fælles løsninger for alle kommunerne.
• 53:47
  Så Det kan forbedre aktiviteten eller effektiviteten og kvalitet
• 53:51
  og service for overfor borgerne. Det er jo her hvor de har
• 53:54
  snakket om de her, de skal finde ud af, om de skal automatisere.
• 53:59
  Hvad var det 10.000 eller 99? 909 99.009 199.000 års værk i
• 54:08
  den offentlige sektor. Så er det spændende, ellers så
• 54:11
  vil de også gerne lave et Center for kunstig intelligens, som
• 54:15
  ligesom skal stå for at være Sådan rådgivnings og videncenter
• 54:17
  i forhold til ekspertise om ansvarlig anvendelse af EI.
• 54:21
  Jeg forestiller mig det her, hvor man kan få noget viden om
• 54:24
  EI act og så videre bare Sådan et sted, hvor man kan dele viden
• 54:29
  og best practice og så videre i forhold til.
• 54:32
  Kunstig intelligens nummer 3, så vil de også gerne lave en
• 54:35
  platform for danske sprogmodeller.
• 54:37
  Det lyder vildt at sige platform, men Jeg tror i
• 54:38
  virkeligheden bare det der menes er funding 2 danish foundation
• 54:43
  models projektet, hvilket jo er Vores venner over i ja, KU og
• 54:50
  Aarhus Universitet og Alexander Institut og så videre.
• 54:52
  Det er jo universiteterne. Yes.
• 54:56
  Og så vil de også gerne åbne adgang til danske tekstdata, så
• 55:00
  de vil ligesom de har faktisk hørt.
• 55:03
  På også. Og har hørt at vi, vi vil
• 55:08
  anbefale. De prøver at frigive de her?
• 55:12
  Store mængder tekst, Vi har lukket inden forskellige steder.
• 55:15
  Simpelthen så vi kan træne dansk.
• 55:17
  Hvad skal man sige? Siger noget sprogmodeller?
• 55:20
  Og Det er jo selvfølgelig også en en glædelig nyhed, nok især
• 55:23
  til til pre traing. Og så kan jeg ikke lige lade
• 55:26
  være Jonas. Jeg kan ikke lige lade være med
• 55:28
  at drille lidt og være lidt være lidt Sådan lidt lidt gnaven her
• 55:32
  ikke? Der skal nedsættes en task coce.
• 55:35
  Nej Lisbeth Knudsen, som er en eller 2.
• 55:39
  Form for direktør i. I Altinget hun hun udtaler sig,
• 55:45
  hun er journalist. Hun udtaler sig.
• 55:47
  Med alt muligt hun. Er, hun er selvfølgelig kritisk
• 55:51
  over for det her, hun udtaler sig.
• 56:13
  Jeg synes Det er en ret Sådan vild vurdering.
• 56:17
  Lisbeth Knudsen lige laver her er det noget Vi har set før.
• 56:21
  Folk udtalte sig om du ved datakvalitet i forhold til
• 56:23
  træning af af sprogmodeller og budgettering af træning af
• 56:27
  sprogmodellers projekter og så videre.
• 56:29
  Altså det hvis hvis hvis en minister sagde det så ville man
• 56:35
  nok tænke hold da op du er godt nok godt nedestoffet.
• 56:39
  Det tænker jeg nemlig også. Jeg tænker ikke.
• 56:42
  Lisbeth Knudsen er særlig meget nede i det stof, men man.
• 56:47
  Kan jo tage fejl. Jeg har ledt med lys og lygte.
• 56:50
  Nej hvor? Rådgiver der.
• 56:51
  Sidder en. Hemmelig hemmelig gent bag sig
• 56:55
  der ved alt om det der område der.
• 56:57
  Hvis Der er nogen der kender personen, så kender vi dem
• 56:59
  sikkert også fordi at så mange af vi jo ikke.
• 57:03
  Så ja. Imponerende imponerende at man
• 57:07
  er så stålsat og sikker på på Sådan en udtalelse.
• 57:11
  Ja. Det synes jeg bare er lidt lidt.
• 57:13
  Ja så hvad hedder det? Det synes jeg måske også bare er
• 57:16
  det Der er svært ved den her debat.
• 57:17
  Ikke fordi Det er så fucking teknisk og de der beslutninger
• 57:20
  der skal tages. Det er jo ingeniør beslutninger,
• 57:24
  altså på mange måder ikke altså. Ja og hvis du spørger en
• 57:27
  ingeniør i dag i dansk kontekst for LM træning om det der som
• 57:32
  har rent faktisk prøvet det i praksis, så ville det sikkert
• 57:35
  ikke kende det rigtige svar. Så ville de sikkert sige,
• 57:38
  hvordan skulle jeg vide det? Det der nødt til at undersøge.
• 57:42
  Du ved Det er pissesvært det her Det er Det er fucking.
• 57:45
  Forest Det kan jeg kigge ned i det.
• 57:47
  Jeg skal først lave en masse analyse.
• 57:50
  Det er faktisk det. Det skal fondes løbende.
• 57:52
  Du ved hvad for nogle resultater giver Det har det vinger du ved.
• 57:58
  Ja. OKOK.
• 58:00
  Men hvad hedder det? Men i hvert fald interessant
• 58:03
  strategi i forhold til det. Og Jeg synes det, Det er fedt at
• 58:06
  de supporterer folk der allerede er i gang med det, altså som er
• 58:10
  i gang med at træne de her sprogmodeller, og som allerede
• 58:12
  viser en masse fed initiativ til det.
• 58:15
  Det er mega nice. Ja der sker et eller andet, og
• 58:18
  Det er bedre end ingenting. Jeg synes alligevel at den der
• 58:22
  med at Vi skal være verdensmestre.
• 58:24
  Det er bare den kommer altid. Den er så god, den er bare
• 58:27
  Sådan. Hvad tror du, den kommer?
• 58:29
  Det ved jeg ikke vi Vi er allerede.
• 58:31
  Det er fordi du skal altid have højre ambitioner.
• 58:33
  Det er lige meget, hvad du altså leder.
• 58:36
  Formand, direktør, politiker, statsminister du skal altid
• 58:40
  højre ambitioner, ligemeget hvor du er.
• 58:42
  Så fair nok. Vi vil gerne være verdensmester
• 58:44
  til alting, så synes jeg bare i stedet for at sige det højt,
• 58:48
  hver gang vi kommer med et eller andet udspil om noget strategi,
• 58:50
  så skal vi bare antage, at selvfølgelig vil vi det.
• 58:53
  Kunne du overhovedet finde på at sige vi ikke skulle være
• 58:55
  verdensmester? Det skal det altid være
• 58:56
  verdensmester. Vi går sgu da heller ikke ind
• 58:59
  til til Vores landshold uden at at sige, hvorfor er i med.
• 59:04
  Ja, vi tænker bare nå en 4. Plads.
• 59:07
  Det er sgu da altid verdensmester, men OK fair nok
• 59:10
  det må man også gerne sige, og det tænker jeg bare, Det er
• 59:13
  Sådan en selvfølge, og det skal man jo have høje ambitioner, når
• 59:16
  man er minister og regering. I er fandeme bagud.
• 59:20
  Ja, det må man sige. Held og lykke lauring jingle.
• 59:25
  Ja nej nej, men Jeg har jo lavet lav den lige ved at komme nu.
• 59:28
  Det lyder snart som min konge. Mine prøver er det?
• 59:34
  Historier fra celle kon. Skal vi have allesammen?
• 59:38
  Skete Det var at ja, vi var jo faktisk sammen til
• 59:41
  sprogteknologisk konference i sidste uge, men sidste uge igen.
• 59:45
  Jeg fik den her Sådan den her mail og ja der ikke lige skulle
• 59:48
  skulle med til global open-source AI eller globale.
• 59:55
  Open source innovation som et hos meta i metas hovedkvarter i
• 59:58
  Silicon Valley i næste uge. Hvad hedder det?
• 1:00:01
  Det var frit, du ved. De skal nok betale flyveren og
• 1:00:04
  hotel og alt Sådan noget. Så tænkte jeg det det det det
• 1:00:08
  Inter trap det tænker jeg bare. Sådan OK.
• 1:00:11
  Det er loppemaskinen der kører her ikke.
• 1:00:12
  Jeg tænkte i hvert fald Sådan OK.
• 1:00:15
  Det lyder lidt spændende og Sådan noget, og hvis ikke jeg
• 1:00:16
  havde kendt vedkommende der havde skrevet, så havde jeg nok
• 1:00:19
  tænkt Det var noget noget noget svindel på en eller 2 måde, men
• 1:00:22
  Det var sgu god nok. Og det fik jeg så ligesom
• 1:00:24
  arrangeret. På på rekordtid fik bestilt fly
• 1:00:28
  og pakket og så videre og så videre.
• 1:00:30
  Det var så tirsdag og onsdag ugen efter.
• 1:00:34
  Vil sige at jeg flyver. Kl. 2 mandag dansk tid lander
• 1:00:40
  klokken. 8. Om aftenen, Californien tid.
• 1:00:47
  I San Francisco international abort.
• 1:00:51
  Ja har det bare for vildt over. Det var en 16 timers tur tror
• 1:00:55
  jeg derover, så var Det var en med en mellemlanding i
• 1:00:59
  Frankfurt. Så du så reklamer i gitlab?
• 1:01:04
  Det gjorde jeg så reklamer for opening i og for chrome
• 1:01:07
  browseren og så så jeg fandeme også en der var en reklame for.
• 1:01:12
  Antropic og cloud II, lufthavnen.
• 1:01:16
  Jetpak for your brain, clark. Det er standon.
• 1:01:23
  Det er ingen andre. Steder det der.
• 1:01:26
  Det er ingen andre steder. Jeg har også været Sådan rimelig
• 1:01:28
  minimalistisk med min tur der, så Jeg har ligesom bare pakket
• 1:01:31
  mine min rygsæk, rygsæk med tøj til.
• 1:01:34
  Altså du ved t shirt underbukser. 3 par sokker ikke
• 1:01:38
  og så lige lidt du ved min laptop og The basic.
• 1:01:42
  Og det føles virkelig underligt. Jeg var lige inde hos dinero der
• 1:01:45
  mand, Der er lige til til et par mødre der og så daafffede jeg
• 1:01:47
  ellers bare afsted til til hvad hedder det til lufthavnen?
• 1:01:51
  Det føles vildt bare det der med bare at tage afsted og Sådan nu
• 1:01:53
  smutter jeg sgu lige til Silicon Valley, for Det er jo et
• 1:01:58
  freaking legendarisk sted altså. Det er det jo.
• 1:02:01
  No doubt så jeg havde det jo selvfølgelig totalt fanagtigt.
• 1:02:05
  Altså jeg ved godt at man skal være cool når man er i Silicon
• 1:02:08
  Valley og man skal ikke fanboy totalt ud og tage selfies hele
• 1:02:12
  tiden og være helt, helt fanboy agtig men.
• 1:02:17
  Vejt og det vil jeg bare fucking ligeglad med fordi Jeg synes Det
• 1:02:20
  var fedt. Bare fortsætter du bare stilen.
• 1:02:23
  Der er ikke noget galt i. Det er i orden.
• 1:02:26
  Nogen skal jo gøre det, vi andre ikke orker.
• 1:02:29
  Der hvor den kommer så til semiscore rapport, så har jeg
• 1:02:31
  altså fået Sådan en uber vouchure af meta.
• 1:02:35
  Det skal siges. Det er meta der ligesom betaler
• 1:02:37
  det hele hele det her som bare ligesom inviterer mig med, fordi
• 1:02:40
  at jeg ved noget om open source Jeg er i Danmark og har arbejdet
• 1:02:44
  med sprogmodellering og så videre og.
• 1:02:47
  Tager sig så den her uber til hotellet og falder om.
• 1:02:51
  Kan man sige når lige at få lavet Sådan en video Der er vist
• 1:02:54
  også er på min youtube kanal, hvor jeg lige fortæller lidt om
• 1:02:56
  turen og så videre og så falder jeg ellers bare om dagen efter
• 1:03:00
  det gør jeg ja, jeg falder ikke bare om og jeg stiller lige mit
• 1:03:03
  vækkeur og så så falder jeg i søvn fordi Jeg er pisse træt
• 1:03:07
  mand. Det er virkelig været en lang
• 1:03:08
  tur, så vågner jeg op tager lige ud på Der er noget morgenmad på
• 1:03:11
  hotellet og bare en kop kaffe og nogle noget screnble x.
• 1:03:15
  Og så begynder de andre, og så begynder jeg ligesom Sådan at
• 1:03:18
  kunne kunne høre folk snakke Sådan lidt.
• 1:03:21
  Der kommer 2 andre ned og skal have noget morgenmad, og så kan
• 1:03:23
  jeg høre de Sådan begynder at snakke om.
• 1:03:25
  Med fine tuning af modeller og så videre på det hotel og.
• 1:03:28
  Ed thor brunch ja lige præcist og høre om lidt.
• 1:03:31
  Find tuning. Tænker jeg bare OK jeg ved godt
• 1:03:35
  hvad de her hvad de der hvad de der bouts så jeg gik hen til dem
• 1:03:38
  og så sagde jeg Sådan what om de også skulle med til den her
• 1:03:42
  konference og så videre jamen det skulle de ja det viser sig
• 1:03:44
  så at Det er 2 gutter som har hver deres ER startup her III
• 1:03:51
  bay og der og så ligesom ja Sådan OK så er stil lagt ikke
• 1:03:55
  altså og de arbejder også med noget elevm og noget.
• 1:03:58
  Noget educcational. Halløj start op og så videre.
• 1:04:02
  Så vil du godt foot op fra start?
• 1:04:04
  Ja lige præcis og jeg var Jeg kan huske jeg var lidt i tvivl
• 1:04:06
  om jeg skulle have min jakke med derud til metas hovedkvarter man
• 1:04:10
  ikke skulle fordi Det er om morgenen.
• 1:04:11
  Der var det alligevel ret koldt. Der var det 7 grader der var
• 1:04:14
  lige og så fandt jeg så ligesom ud af at der var ikke nogen der
• 1:04:16
  havde jakker med, så jeg gik bare ind med min jakke på på
• 1:04:18
  kontoret eller på mit værelse det her og Det var så en god
• 1:04:21
  beslutning fandt jeg ud af fordi Det var pisse det det varmt
• 1:04:25
  selvom Det er december. Så da jeg kom tilbage fra
• 1:04:28
  hotelværelset, der stødte jeg ind i en 2.
• 1:04:30
  Goddag der hedder basj-in, som havde Sådan et schollasship i
• 1:04:33
  yay hos yale på østkysten, og som oprindeligt var studeret i
• 1:04:38
  Schweiz. Der fandt jeg ud af, at Det var
• 1:04:40
  en af gutterne bag det projekt, som hedder meditron, som er som
• 1:04:44
  jeg godt havde hørt om før, som var Sådan et eller andet
• 1:04:46
  projekt. Som som også har fået et shout
• 1:04:49
  out af yout le cool. Jeg tror faktisk Det er derfor
• 1:04:50
  jeg kender det på på Twitter og Det var Det var ligesom de her 3
• 1:04:56
  gutter fra fra Frankrig, slash, Schweiz og det her akademiske
• 1:05:02
  projekt, hvor de ligesom forsøgte at fine tunende.
• 1:05:07
  LM til at svare på medicinsk medicinsk spørgsmål.
• 1:05:11
  Hvad hedder de der havde de skrevet paper på det og og havde
• 1:05:16
  udgivet modellerne og så videre. Men de havde også lavet Sådan et
• 1:05:19
  tool at eksperter ligesom kunne vurdere.
• 1:05:24
  Dens midt trons var versus GBT 4 OS svar.
• 1:05:30
  Og der kunne der kunne vi ligesom bruge det til at vise,
• 1:05:33
  at lægerne foretrak deres model som var baseret på
• 1:05:36
  lamaodellerne. 2 ud af 3 gange i forhold til kiw t 4 år.
• 1:05:42
  Så du ved OK de 2 første personer man sidder ind i på
• 1:05:46
  hotellet der de er bare dybt nede II hvad hedder det fine
• 1:05:49
  tuning af af modeller og evaluering og så videre så så
• 1:05:51
  har Stine lagt ikke? Så bliver vi så hentet af Sådan
• 1:05:54
  en bus og 2 busser, som tror måske Vi har brugte vi my mellem
• 1:05:59
  60 50 70 til den her konference Sådan i løbet af de her 2 dage.
• 1:06:03
  Så det det skal siges. Det varede ligesom tirsdag og
• 1:06:06
  onsdag og og så var det hjem igen torsdag morgen, så Det var
• 1:06:09
  en meget intensiv tur. Jeg så lufthavnen, hotellet
• 1:06:12
  metas hovedkvarter i en restaurant i pallevalto og ikke
• 1:06:16
  mere. Det her kører vi ligesom til
• 1:06:18
  metas hovedkvarter, og Det er altså ikke for sjov at komme ind
• 1:06:20
  på metos hovedkvarter. I en landlow park, der man skal
• 1:06:24
  vise pas, og man skal underskrive en NDA.
• 1:06:26
  Og lad mig ikke gå ind på campus.
• 1:06:29
  De kalder det jo for campus, fordi det det ligner faktisk
• 1:06:31
  også Sådan et et universitets campus derude eller må ikke gå
• 1:06:35
  ind på campus, medmindre man går med det, som de kalder for en
• 1:06:38
  meta mate. Og Det er bare en meta
• 1:06:41
  medarbejder, hvis man ligesom bliver set gående uden en af
• 1:06:45
  dem, så bliver man samlet op af security og ført væk.
• 1:06:50
  Og så så kommer vi ind til konferencen her og den begynder.
• 1:06:56
  Og så den første dag. Den går ligesom med at vi får
• 1:06:59
  snakket med at Der er nogle præsentationer og så videre det.
• 1:07:02
  Det er helt klart den fedeste dag fordi der kommer.
• 1:07:06
  Nogle af dem her som udvikler lamaprojektet?
• 1:07:09
  Blandt andet ham her hamit, som fortæller om om projektet
• 1:07:13
  simpelthen. Så man kan sige de, de kunne
• 1:07:16
  ikke fortælle alt. Jo der var ind imellem hvor at
• 1:07:18
  de blev nødt til at sige Det kan de ikke sige, fordi business
• 1:07:22
  hemmeligheder og så videre ikke? Men de fortalte ligesom bare
• 1:07:27
  deres deres rejse i forhold til at træne lama og best practice
• 1:07:33
  indenfor fine tuning. Bedst praktis indenfor continue
• 1:07:38
  pres training og så videre. Så var der ligesom.
• 1:07:43
  Så var der ligesom bare nørd mode for sindssygt, og der var
• 1:07:45
  ligesom hængt posters op over hele det der konferencested med
• 1:07:50
  alle mulige projekter folk havde, så blev der bare
• 1:07:54
  virkelig, virkelig nørdet igennem hvad?
• 1:07:56
  Så hvad for nogle oplæg var det så der var der?
• 1:07:59
  Eller var det det overhovedet Sådan?
• 1:08:01
  Jamen så var der Sådan. Der var forskellige oplæg.
• 1:08:04
  Meget med. Hvad skal man sige?
• 1:08:05
  Første dag var der meget Sådan med open source, altså det her
• 1:08:07
  med lamateamet, som ligesom fortalte om deres deres altså
• 1:08:11
  deres ligesom. Ja deres erfaringer med at træne
• 1:08:17
  lagema hvad for nogle hvad for nogle best practices de de de
• 1:08:20
  hader at kunne tilbyde og forklarede os det og så satte de
• 1:08:23
  os meget ind i de her det her lamast-stacks som de er i gang
• 1:08:26
  med at bygge op omkring deres lamamdeller.
• 1:08:29
  Som som basically er altså Det er kodet til at hoste til at
• 1:08:34
  lave agentflows til at lave vektorstalls til at safe.
• 1:08:39
  Hvad du kan drømme om, ikke? Faktisk lidt lang chain bare
• 1:08:43
  meget Sådan model fokuseret ikke så meget prompte
• 1:08:46
  templatefokuseret, men meget Sådan modelartifakt.
• 1:08:51
  Det er rigtig nok. Det er lidt ligesom lang ching
• 1:08:53
  det her med at man vil gerne have de her unified API til at
• 1:08:56
  interagere med forskellige vektor stores lige meget om Det
• 1:08:59
  er quaddren om. Det er PG vektor om Det er
• 1:09:02
  chroma DB eller hvad fanden Det er eller vil de også gerne lave
• 1:09:06
  Sådan en seemles oplevelse vikings udvikleroplevelse du kan
• 1:09:10
  udvikle lokalt med de her små lamaodeller og altså på din
• 1:09:14
  computer. Der kan du du ved sinus lige
• 1:09:17
  bare skalere op til et stort kloster for eksempel eller som
• 1:09:19
  hostler en lamaodel, en større lamodel eller du kan hoke op til
• 1:09:23
  grok eller nogle af de her andre services, som hvad hedder det
• 1:09:26
  host- og lama? Så Det var bare en big time
• 1:09:29
  nørde dag, hvor vi fik snakket om alt muligt og vi også fik
• 1:09:33
  mulighed. Der var ligesom også mulighed
• 1:09:35
  for at stille spørgsmålstegn til til hvad hedder det til de her
• 1:09:39
  lamaudviklere omkring ting, man gerne vil have folk ting der var
• 1:09:42
  ønsket. Af af communitiet og så videre.
• 1:09:46
  Og det første spørgsmål, der blev stillet, Det var min min
• 1:09:48
  gode min min korte der baschin, som lavede arbejdet på melitron,
• 1:09:54
  og Det var selvfølgelig, hvorfor i alverden de ikke open-source
• 1:09:57
  og det data, som de har trænet lagde med modellerne på.
• 1:10:00
  Der er svar på Det var private. Proparpér ting.
• 1:10:06
  Det virkede som om Det var svært for dem at gøre.
• 1:10:09
  Jeg synes faktisk også der var der.
• 1:10:10
  Blev også 1 1 1 gjort lavet en grund til hvorfor det kunne være
• 1:10:14
  fedt at få de her ting open source.
• 1:10:18
  Det virker til at være Sådan ret standard, at når man skal finde
• 1:10:23
  tun-tune inden lods lang. Well typisk Sådan nogle
• 1:10:27
  instruktions du gerne vil finde tun den på.
• 1:10:29
  Hvis du skal have det bedst mulige resultat, så skal du mixe
• 1:10:32
  dine instruktions sammen med nogle af de originale
• 1:10:35
  instruktions som den træner på. For ligesom ikke at ja det ved
• 1:10:39
  jeg ikke. Det har man bare fundet ud af.
• 1:10:40
  Det virker bedst. Det er jo fordi at man jo ellers
• 1:10:42
  skævvrider den for meget. Det er meget hurtigt at komme
• 1:10:46
  til og findue. Modellen til at miste.
• 1:10:52
  Alt hvad den ved om alt muligt fra tidligere.
• 1:10:55
  Lige præcis. Vi skal hele tiden holde have
• 1:10:57
  holde den Sådan. Tjek forhold til tidligere
• 1:11:00
  træning. Det er også derfor, når du har
• 1:11:02
  træningsloop, så er det jo randomiseret det input.
• 1:11:05
  Nu forestiller jeg sig. Man har Sådan en stokassisk.
• 1:11:09
  Proces og så lige pludselig, så kommer du med et eller andet
• 1:11:12
  data der bare ligger Sådan herovre eller Sådan et eller
• 1:11:14
  andet og. Det slår.
• 1:11:17
  Mig selv for da du træningsluppe derfra.
• 1:11:19
  Det slår modellen fuldstændig ud kurs.
• 1:11:21
  Det med dig du laver de der laurits som jo er sit eget lag
• 1:11:26
  ovenpå som er en adapter lag, så laver du ikke noget med de gamle
• 1:11:30
  vægte jo så justerer du ikke på dem.
• 1:11:32
  De er frosset og det Det har en 2 hvad kan man sige?
• 1:11:36
  Det har en fordel fordi der kan du godt tillade dig at ligesom
• 1:11:40
  have dit eget data til gengæld så skal du typisk ikke bruge
• 1:11:43
  særlig meget af dit eget data, for ligesom at lave det der lag
• 1:11:47
  hen over. Det var der var mange
• 1:11:48
  udfordringer med at finde tunen, fordi man ikke havde noget af
• 1:11:51
  det originale dat. Som at mixe ind i det custom
• 1:11:53
  darry ta man har været. Det er faktisk ikke noget jeg
• 1:11:56
  fik nævnt til konferencen, men de vil jo altså det skal vi også
• 1:11:59
  lige snakke om fordi de en af deres interesser grunden til de
• 1:12:02
  flyver meget ind for Danmark til at være med til Sådan en
• 1:12:04
  konference. Det er at de de er meget opsat
• 1:12:06
  på at det her det skal være den åben standard.
• 1:12:09
  Det er Sådan en del af Facebook eller mest af strategi, at det
• 1:12:12
  her. Det skal ligesom være været
• 1:12:13
  than. Lamast.
• 1:12:17
  Lamasteg og lamodellerne. Det skal ligesom være det vil de
• 1:12:19
  gerne. Det er de meget opsat på, og det
• 1:12:21
  skal være standarden inden for åben udvikling og Lars langhus
• 1:12:24
  models, så de vil jo gerne ligesom høre, hvorfor vi hvad
• 1:12:28
  hvad hvad de vil gerne have Vores feedback, hvad hvad
• 1:12:30
  oplever i udfordringer, hvad kan vi gøre for at lave nogle nogle
• 1:12:33
  bedre open source værktøjer til jer?
• 1:12:35
  En ting jeg faktisk ikke fik nævnt.
• 1:12:37
  Det var at Det kan faktisk være en ret stor dealbreaker det her
• 1:12:40
  med at man ikke har data man skal finde tunne de her lama
• 1:12:43
  modeller de jeg antager, at når man for eksempel find tuner
• 1:12:48
  model via åretyce API. Forestiller jeg mig, at så tager
• 1:12:52
  man selvfølgelig sit eget data med, men jeg forestiller mig
• 1:12:55
  også, at de mixer noget noget af deres egen data ind behind the
• 1:12:59
  scenes for at få det til at fungere.
• 1:13:02
  De træninger de laver. Det er udelukkende at dagple
• 1:13:04
  lag. Jeg tror ikke de Jeg tror ikke
• 1:13:07
  du laver fuld fulde find tuning af alle vægte.
• 1:13:10
  Det tror jeg simpelthen ikke fordi at en af grundende til at
• 1:13:14
  at man kan ligesom tænke sig frem til at det ikke er
• 1:13:17
  tilfældet. Det er at hvis du gør det, så
• 1:13:19
  når du det. Pløjetste en hel model ja lige
• 1:13:21
  præcis Det er tungt. Ja, Det er du bare.
• 1:13:23
  Så det vil sige, at det slet ikke altså Sådan.
• 1:13:27
  Det er derfor jeg altid har sagt det der med at adapterne.
• 1:13:29
  Det er det der vil blive udbredt fordi ingen uning wise Der er
• 1:13:32
  det en Sådan vibet måde at brede det ud II som produkt.
• 1:13:37
  Og Det er det som Det er, det som Der er sket, hvorimod Det
• 1:13:40
  kan du ikke på den 2 måde hvor så kan du ikke have den der pass
• 1:13:44
  you go. Så, og jeg mener måske du godt
• 1:13:47
  kan få den her og så og så så er det Sådan et eller andet
• 1:13:50
  enterprise enterprise og så koster det 1 mia. million ikke
• 1:13:54
  så det Jeg tror simpelthen Det er det hvad?
• 1:13:56
  Hedder det. Det bringer måske til noget
• 1:13:58
  andet, fordi der var også rigtig mange.
• 1:14:02
  Lad mig bare prøve at gennemgå de problemer, som folk ligesom
• 1:14:04
  der gik igen som folk oplevede, og Der er blandt andet det her
• 1:14:07
  med. Det er svært at finde.
• 1:14:09
  Lave fuld fine tunema modellerne uden det oprindelige
• 1:14:11
  instruktiondata. Det var et stort problem, og så
• 1:14:14
  var language support også et stort problem.
• 1:14:16
  Altså det her med at jo de er gode til engelsk lave modellerne
• 1:14:20
  men. Men de er ikke nødvendigvis
• 1:14:23
  supergode til alle mulige andre sprog Der er.
• 1:14:26
  Det er sjovt fordi Vi er jo 5 mio. mennesker her i Danmark kan
• 1:14:29
  man jo Det er jo selvfølgelig en lille sprogstamme, men jeg ved
• 1:14:32
  ikke. Der var også nogle afrikanske
• 1:14:36
  sprog repræsenteret. Det var jo folk fra hele verden.
• 1:14:38
  Det her, der var fløjet ind fra hele verden.
• 1:14:39
  Det var måske halvdelen af folk fra hele verden, halvdelen af
• 1:14:42
  folk fra US og bare der ligesom var samlet der, så Det var alle
• 1:14:46
  mulige for alle mulige steder, og derfor var der også meget
• 1:14:49
  fokus på det her. Og Der er altså nogle afrikanske
• 1:14:53
  sprog som har du ved som har 20 30 mio. mennesker der taler det
• 1:14:57
  som har meget større problemer end Vi har på dansk for
• 1:15:00
  eksempel. Fordi sprogstammen er så
• 1:15:02
  forskellig og fordi at det i de her på de her sprog er der ikke
• 1:15:05
  lige så meget tekst Der er skrevet ned.
• 1:15:09
  Det er slet ikke indgået i samme grad i de her modeller som dansk
• 1:15:12
  er. Der er nogle og der var også der
• 1:15:15
  var et projekt med som fra Vietnam, hvor de havde forsøgt
• 1:15:18
  at træne en vietnamesisk GPT modeller og Sådan noget ude fra
• 1:15:21
  lama. Det er et stort problem, og der
• 1:15:23
  gav han også nogle fine tuning chips ham her hamit her hvor han
• 1:15:27
  sagde, hvis man godt kunne tænke sig at få lama til at være god
• 1:15:30
  til en specifik opgave på et andet sprog, så kan man så kan
• 1:15:33
  man find tunge den til det. Og så til et specifik opgave på
• 1:15:37
  et specifikt sprog og få gode resultater.
• 1:15:40
  Man gerne vil have en version af lama som Sådan er generelt god
• 1:15:43
  på et andet sprog. Så bliver du nødt til at lave
• 1:15:47
  det der hedder continu continu pretraing.
• 1:15:51
  Altså du bliver nødt til at tage en udgang i en basemodel i hvert
• 1:15:55
  fald. Du bliver nødt til at tage
• 1:15:56
  udgangspunkt i en lama model og så lave fortsætte pret traing på
• 1:16:01
  den her model. Selvfølgelig mindre data, men
• 1:16:04
  ligesom fortsætte på retrading for at få masseret data ind i.
• 1:16:09
  Altså den her det her sprog. Ind i modellen, og Det er jo i
• 1:16:14
  virkeligheden også det, som danish foundation models
• 1:16:16
  arbejder på. Ikke altså de arbejder på det,
• 1:16:18
  man kalder for containu preet training, hvor man.
• 1:16:22
  Prøver at lave, kan man sige. Amerikanske sprogmodeller om til
• 1:16:27
  generelle. Modeller, som også er gode på
• 1:16:30
  dansk, og der var nogle nogle tips og tricks her til det.
• 1:16:35
  Nå, Det var ligesom. Ja Jeg har.
• 1:16:38
  Nu du kan fortsætte. Nu nu nu tror jeg lige jeg
• 1:16:41
  prøver at stoppe. Det var selvfølgelig.
• 1:16:43
  En 2 ting der også var et problem.
• 1:16:44
  Det var Sådan lidt mere på applikationslaget og der kunne
• 1:16:47
  man godt mærke at Det var ikke nødvendigvis der de ligesom er
• 1:16:49
  på meta lige så meget som de er på modelniveau.
• 1:16:53
  De er meget koncentreret omkring at få trænet de her elemmer og
• 1:16:56
  få dem så gode som muligt, fordi det ligesom er Det er der hvor
• 1:16:59
  der de kan noget som alle mulige andre ikke kan.
• 1:17:02
  Ikke de er jo glade for Det er nemlig det Vi er rigtig glade
• 1:17:05
  for, men vi snakkede meget om Sådan noget.
• 1:17:07
  Der var også det her evaluering. Af alle elever.
• 1:17:11
  I dinero der har vi det problem, at der oplever vi som EI
• 1:17:15
  engineers at. Applikationer vi laver om eller
• 1:17:19
  de ting vi prøver at lave med ellever dem har vi svært ved at
• 1:17:21
  vurdere om de er gode eller ej, fordi det kræver ekspertviden
• 1:17:24
  altså finans ekspert, knowledge apoteker, og Det er en
• 1:17:29
  udfordring der kræver noget evalueringsproces på en eller 2
• 1:17:33
  måde endnu en udfordring hos dinero specifikt.
• 1:17:35
  Det er det her. Det er altså også noget, vi
• 1:17:37
  gerne vil sende ud til folk, som ikke har den her viden.
• 1:17:40
  Så det skal også ligesom kunne skalere for ikke eksperter.
• 1:17:44
  Og man skal ligesom sikre sig at sin et element applikation
• 1:17:48
  fungerer. Og alliner med ekspertviden.
• 1:17:52
  Det var der rigtig mange, der havde rigtig mange udfordringer
• 1:17:54
  med, og der var der blev der også efterspurgt.
• 1:17:57
  Jeg efterspurgte blandt andet, Sådan nogle kan man ikke lave
• 1:17:59
  nogle standarder for nogle processer eller Sådan et eller
• 1:18:01
  andet protokoller for hvordan man ligesom kan give feedback
• 1:18:05
  tilbage til de her modeller? På en struktureret måde.
• 1:18:14
  Der er de meget optaget af evalueringsdata til evalueringer
• 1:18:17
  af af sprogmodeller ikke Sådan offline, og Der er også Sådan
• 1:18:21
  hele Sådan user adoption. Altså hvordan får man folk til
• 1:18:23
  at bruge det her? Ikke nødvendigvis nemt bare lige
• 1:18:26
  at smække en chatbot op et eller andet sted og så få folk til at
• 1:18:29
  bruge det. Det er det, Det er en
• 1:18:30
  udfordring. Det er sindssygt nemt.
• 1:18:32
  Og selvfølgelig helt vildt og være i Det var ja, Det var vildt
• 1:18:36
  at være silcon Valley og så videre at skyggerne ved at blive
• 1:18:39
  rigtig lange, så Jeg tror lige jeg ville prøve at afslutte
• 1:18:41
  Sådan historien her. Jeg kunne godt lige tænke mig
• 1:18:44
  bare lige hurtigt at være komme ind på metas agenda, fordi den
• 1:18:48
  var jeg meget opmærksom på hele tiden.
• 1:18:50
  Hvad er det? Hvad er årsagen til at de
• 1:18:52
  betaler Sådan en tur og flyver folk ind for hele verden til den
• 1:18:55
  her konference? Og så vidt som Jeg kan se, så
• 1:18:59
  det synes jeg også de var meget åbne omkring.
• 1:19:00
  Til konferencen er de de meget opsat på at de vil være
• 1:19:04
  standarden inden for open-source, AIM sprogmodeller
• 1:19:08
  og så videre. Og Det har de en stor interesse
• 1:19:10
  i af flere årsager. De vil gerne forhindre, at hvad
• 1:19:13
  skal man sige, de her elemmer kun kommer til at være i
• 1:19:16
  proprietære sammenhænge? Du ved androbic, Google opinay
• 1:19:21
  og så videre. Vi vil gerne undgå, og så har
• 1:19:24
  meta Sådan historisk set haft ret god erfaring med open source
• 1:19:29
  tilgang til at både at country beautity projekter, men også til
• 1:19:32
  at. Selv at sætte projekter i gang.
• 1:19:37
  Der har vi eksempler som react og pi tals som Sådan nogle
• 1:19:41
  kendte eksempler. Der Det er de gode erfaringer
• 1:19:46
  med, fordi at de ligesom når de lægger ting ud åbent, så får de
• 1:19:49
  altså også bare hele verdens potentielt hele verdens
• 1:19:53
  udviklere til at udvikle deres standard deres software ved de
• 1:19:57
  får en masse viden ind. De får en masse patches af deres
• 1:20:00
  ting og sager. Det giver rigtig god mening.
• 1:20:02
  Sådan rent rekrutterings wise når de skal have unboardet folk,
• 1:20:05
  så kan så kender de stacken allerede rigtig mange ting.
• 1:20:08
  Der er også noget goodwill i det de har haft nogle
• 1:20:10
  reportageproblemer med noget data League og ting og sager.
• 1:20:13
  Ja så er der også noget goodwill i forhold til det her med at.
• 1:20:18
  Få det få dem Sådan omtalt bedre altså Sådan få et bedre branding
• 1:20:23
  kan man sige og Det er en stor interesse i og der vil de jo
• 1:20:26
  selvfølgelig gerne høre hvad vi udvikler her og sige os der rent
• 1:20:28
  faktisk bygger med det. Hvad er jeres oplevelse af det
• 1:20:30
  her? Hvordan kan vi gøre det bedre
• 1:20:32
  for jer? Sådan så i er mere likelige i
• 1:20:35
  forhold til at bruge Vores ting og sager.
• 1:20:37
  Det er jo klassisk open source fødekæde det der hvor at at der
• 1:20:41
  egentlig er nogle store techgiganter bag.
• 1:20:44
  Men altså de er jo heller ikke alene på på den der lamas derck
• 1:20:47
  nu er der ikke er der ikke andre der også begynder at at være
• 1:20:51
  med, altså større virksomheder der begynder at sige OK vi vi
• 1:20:53
  kører med på den vogn. Det som de gør en strategi som
• 1:20:56
  lama også har. Det er at de går meget eller
• 1:20:58
  metah i forhold til lamaprojektet.
• 1:20:59
  Det er at de laver rigtig mange partnerskaber, så de du ved du
• 1:21:02
  kan hoste lama på grog og på alle forskellige services og.
• 1:21:07
  Ja lige præcis, så de laver altså bare de her partnerskaber
• 1:21:09
  og får rigtig mange folk til at investere i det her og være
• 1:21:13
  interesseret i det. Og Det er også derfor ham der
• 1:21:15
  hammit han kiggede på sig sagde det her.
• 1:21:17
  Det bliver jo den åbne standard for for åben eller mmudvikling
• 1:21:21
  Det er de meget opsat på. Der er mange midler bag det der
• 1:21:24
  har jeg du ved støtte fra til det helt oppe fra max cagaburg
• 1:21:28
  af og og ned ikke så og de har masser af midler og
• 1:21:32
  partnerskaber og så videre. Der er mange interessenter der
• 1:21:34
  har stor interesse i at få det her til at ske.
• 1:21:37
  En 2 del af det her. Det er så også at meta er
• 1:21:41
  selvfølgelig også interesseret i at der ikke er nogen det som de
• 1:21:45
  kalder regulators som stikker en kæp i hjulet på på det her
• 1:21:49
  open-source-projekt, som de har gang i.
• 1:21:51
  Fordi der sker ting og sager rundt omkring i verden.
• 1:21:53
  Især IEU hvor at Der er en masse politikere som ikke er ja.
• 1:21:59
  Er kritisk stillet overfor det her open source ERI og der ved
• 1:22:02
  meta godt, at de her policy makers og regga laders de gider
• 1:22:07
  ikke lytte til meta. At de er ligesom bias.
• 1:22:12
  Kan man sige fordi han har. Internt mange.
• 1:22:14
  Ja lige præcis de store onde. Det er der en meget Sådan.
• 1:22:16
  Det er også Det kan man tydeligt mærke at Det er deres oplevelse
• 1:22:19
  af for eksempel Europa. At vi synes virkelig vi kan
• 1:22:23
  virkelig ikke lide meta, Det er deres opfattelse, og de kan så
• 1:22:25
  deres. De ved godt polly makers og
• 1:22:30
  regulator de vil ikke. De vil ikke høre på dem, men de
• 1:22:32
  vil gerne høre på andre. Og en tydelig agenda.
• 1:22:37
  Men som jeg også synes de var åbne i forhold til de vil også
• 1:22:40
  gerne. De vil gerne sætte.
• 1:22:41
  De vil gerne inspirere os til at fortælle den her historie til
• 1:22:45
  ligesom også at pege denne her agenda så at de de forskellige
• 1:22:49
  regulators rundt omkring ikke kun for den gode historie om
• 1:22:52
  open source at vide af meta, men også at dem der rent faktisk
• 1:22:56
  bruger metas open source aktiefaktor som de sender også
• 1:23:00
  bare. Bruge dem og så ikke sige noget.
• 1:23:03
  Ja det kunne man også ja. Som som man gør.
• 1:23:08
  Det kan man også. Ja ej, og Det var nemlig også.
• 1:23:09
  Det var også en sjov ting det der med at Sådan.
• 1:23:13
  Sådan altså. Sådan hver eneste gang der var
• 1:23:15
  nogen der lige kom til at sige. Jamen vi bruger også organay i
• 1:23:17
  så var det Sådan. Åh det det Det var de også meget
• 1:23:19
  OK med at man gjorde, men Det var Sådan det grinede vi meget
• 1:23:22
  af. Det er de også mener Det er at
• 1:23:24
  politikerne de er de skal uddannes i den her teknologi, så
• 1:23:30
  de kan træffe nogle gode beslutninger.
• 1:23:32
  Og så ville de selvfølgelig også gerne have, at det benefit og
• 1:23:34
  meta ikke, og derfor mener de, at derfor vil de gerne inspirere
• 1:23:37
  os til ligesom at hjælpe med deres oplysningsarbejde i
• 1:23:41
  forhold til det her og uddanne politikerne rundt omkring II
• 1:23:45
  verden. Og fortælle om alle de gode
• 1:23:48
  ting, som den her teknologi også kan gøre.
• 1:23:50
  Og jeg var meget optaget af, at jeg gad ikke at være metas
• 1:23:54
  stikant dreng til deres loppemaskine.
• 1:23:57
  Det gad jeg ikke, men i virkeligheden så tror jeg at
• 1:23:59
  yarre pachet de her ting længe i dansk data, så hans community
• 1:24:03
  man kan sige tror måske man kan kalde det for en fælles
• 1:24:05
  interesse mellem meta og. Ja.
• 1:24:12
  Ej men Der er jo altså. Vi kommer ikke udenom det.
• 1:24:16
  Nogle af de største open source projekter der.
• 1:24:20
  Indenfor ja medicin learning Det er jo python for eksempel.
• 1:24:25
  Altså Det er jo meta og Det er bare.
• 1:24:28
  Det er bare dem Der er forrest på det.
• 1:24:31
  Så nå. Så Det var historien.
• 1:24:34
  Og så fløj du hjem. Som sagt jeg var.
• 1:24:37
  Det var en intens tur. Jeg ankom mandag aften.
• 1:24:41
  Vi er lige ved at slutte podcast.
• 1:24:45
  Gik i brædderne vagt til konference tirsdag, onsdag tog
• 1:24:49
  hjem torsdag morgen. Og Det var en.
• 1:24:52
  Det var meget hurtigt til til Silicon Valley og så hjem igen,
• 1:24:55
  men Det var en kæmpe oplevelse. Det er et vildt sted.
• 1:24:58
  Det er vildt at snakke med alle de der iværksættere fra bay area
• 1:25:01
  og iværksættere fra rundt omkring i verden, der har EI
• 1:25:04
  startups og prøver at regne den ud.
• 1:25:06
  Prøver at forstå hvad er det for en?
• 1:25:07
  Hvad kan man med den her teknologi?
• 1:25:08
  Hvordan kan man lave forretning med det meget inspirerende,
• 1:25:11
  meget inspirerende vibe at møde folk fra hele verden, der bygger
• 1:25:14
  med det her. Det er vildt.
• 1:25:16
  Det lyder virkelig spændende. Det kunne også godt levere.
• 1:25:21
  Jeg håber også alle andre derude har har hørt hørt med.
• 1:25:28
  Intenst lytning. Og ikke faldet af her efter 1,5
• 1:25:32
  time inde i podcasten. Det.
• 1:25:34
  Der er lige ved at falde af Jonas.
• 1:25:36
  Jeg er. Jeg er ret træt.
• 1:25:39
  Men altså så er det jo godt. Jeg skal op og hente noget
• 1:25:41
  kattemad i Netto her klokken. Kl. 10:30.
• 1:25:45
  Du ikke bestilte det på wolt, eller hvad var det?
• 1:25:48
  Får jeg glemt det? Jeg skal op og hente det. 1000
• 1:25:53
  tak fordi i lyttede med allesammen en lang episode det
• 1:25:55
  her der var meget vi skulle igennem.
• 1:25:57
  Vi håber i blev underholdt og så må i bare have det rigtig godt
• 1:25:59
  til at vi lyttes igen i næste uge.
• 1:26:01
  Hej.