Latest / Verbos: AI og Softwareudvikling / #44 - Sora, Gemma, Stable Diffusion 3, Mistral Large, Dansk LLM Forslag, Ny DK SOTA LLM

Transcript

#44 - Sora, Gemma, Stable Diffusion 3, Mistral Large, Dansk LLM Forslag, Ny DK SOTA LLM · Verbos: AI og Softwareudvikling

0:00
Hallo alle sammen og velkommen til Vores podcast afsnit nummer
0:03
44. I den her episode skal vi snakke
0:05
om. Ja det føltes som 1000 model
0:08
releases. Det er det selvfølgelig ikke,
0:10
men Vi skal blandet snakke om zara open eyes tekst og image
0:15
eller text video model Vi skal snakke om.
0:17
Ja Vi skal snakke om stables fusion 3 og Vi skal snakke om
0:22
mistral large modellen som er kommet ud i dag.
0:25
Så skal vi også snakke en lille bitte smule om det danske large
0:28
langues model space et space, som Vi har så så nært, fordi Det
0:32
var jo Sådan, at i sidste uge blev var der faktisk et forslag
0:36
oppe i Folketinget, som behandlede hvorvidt staten skal
0:40
lave en dansk lars sandwich model et et.
0:43
Hvad skal man sige? Et spørgsmål, som Vi har
0:45
behandlet en del gange her i podcasten, men der synes
0:48
alligevel Der er et eller andet vildt et eller andet
0:49
nyhedsværdien i, at det ligesom er kommet i.
0:53
Folketinget, og så har vi en ny dansk state of the art open
0:58
state of the art language models som vel at mærke ikke er muret,
1:02
som Vi skal snakke en lille smule om her til sidst, og så Vi
1:05
har en del på programmet, så Vi skal se II gang.
1:08
Vi har simpelthen så meget på programmet i dag, at selv Jeg
1:10
har mistet overblikket og og og eller ser selv jeg som om, at
1:16
jeg altid har et overblik. Men hold nu fest altså det
1:19
buldrer bare derudaf med alle de ting og jeg jeg efterhånden har
1:22
jeg givet den en lille smule op på det Jeg vil sige.
1:25
Men altså skulle. Følg med i alt det der.
1:28
Jeg ved ikke. Hvordan har du det?
1:29
Jo, men Jeg synes. Men Jeg synes, Vi har haft en
1:33
lille wave her på det sidste, og hvilket har været lidt
1:37
interessant. Og Det er sjovt fordi.
1:40
Sådan på lars landbrugsmodel siden chatbot siden Der er det
1:45
ligesom alle de andre, der prøver at catche op med open air
1:49
og og. Det er ligesom det her billede
1:52
domæne og så og og de er ubesejrede indenfor lars
1:56
modeling. Og så er der ligesom det her
1:59
billede video domæne som som som også ligesom rykker lidt på sig.
2:04
Så ja, man kan sige den overordnede historie på LM siden
2:09
er jo ligesom at de andre prøver at følge med oplæg og.
2:13
Ja open r de. De ja hvad?
2:17
Hvad kan man sige de nu? De skubber det lidt på med tekst
2:20
til video, men det skal vi også snakke meget mere om ja.
2:23
Så en lille en lille sports analogi til hvordan kampen går.
2:29
Det, det må man sige altså. Jeg lagde mærke til 1 1 ting og
2:33
Det var at Google de annoncerede Jimmy 1,5.
2:38
Tror jeg, Det var altså deres nyeste state of the art version
2:42
af Jimmy, og Jeg tror også sammen med det så lige så hvad
2:48
hedder det? Annoncerer de også den her Jimmy
2:50
advance eller et eller andet? Du ved Sådan Det er deres svar
2:53
på chatbot, som nu ikke er bart mere som man som er det her,
2:57
Jimmy den den den annonce de. 2 3 timer efter så så kommer
3:03
opening jeg og så dropper de sara og stjæler hele billedet.
3:08
Ja Det er Sådan Det er Sådan et rigtig, rigtig typisk openai
3:12
greb det der. Jeg synes også at man så det
3:15
tilbage i 2023, hvor at Google de annoncerede palm API og så så
3:20
droppede p 4 1 par timer efter og stjæle billedet fuldstændig
3:25
så. Jeg tror ikke, at poul
3:28
nogensinde fik ben at gå på, og Jeg har ikke hørt om nogen der.
3:33
Lige præcis. At lave noget.
3:35
Men så Det er ligesom om altså man kan sige openai de bruger
3:39
virkelig DR. De bruger virkelig strategisk
3:42
marketing. Til alt det de kan til ligesom
3:47
at være hvad er det det hedder David mod goliat det ikke så
3:51
godt at det selvfølgelig Google og David det altså selvom
3:54
opening er stortset de trods alt ret små i forhold til Google.
3:57
Ikke så. De bruger ligesom den hype de
4:00
har. Nå men, men Jeg kan ikke være
4:04
med. Altså tænke at hvad har vi
4:05
øverst på listen har vi ikke bare åbne jeg på listen øverst
4:08
og så væk med dem og så videre til de andre bare fordi.
4:13
Altså jeg tænkte jo jeg tænker, skal vi lige starte med sora?
4:16
Vi starter med sorø ja super. Ja som vi snakkede om her åbner
4:21
jeg. De kom med med den her zara
4:23
model og jeg ved ikke kan du måske Jeg tror måske folk ved
4:27
det men hvad hvad er dit indtryk af hvad Det er for noget?
4:31
Jeg tror også de fleste der også følger i den her podcast også
4:36
måske har lidt fulgt med på på LinkedIn.
4:39
Man kan jo næsten efterhånden ikke komme forbi at det der sker
4:43
når åbner. Jeg kommer med noget nyt, men
4:46
Det er det der det der falder mig ind i det der når man
4:49
lancerer Sådan noget. Man kan nu lave en video på.
4:52
Jeg tror Det er oppe på et minut eller Sådan et eller andet ikke
4:54
og og du så har rimelig rimelig realistiske videoer, ikke at Vi
5:00
har ikke de der Sådan lidt. Altså du ved der Det er noget et
5:03
års tid siden hvor vi så Sådan nogle videoer der var nærmest
5:06
altså fra fra en eller anden gyser hvor man.
5:09
Tænker fuldstændig. Altså nej nej først flot.
5:14
Første Sådan spæde spæde forsøg ikke?
5:17
Ja og Det var. Ja Det er ligesom de der hænder
5:21
der der lignede et eller andet fra en høreprøve.
5:23
Ikke altså det ja nå men og nu har vi så noget som som er
5:28
tåleligt og at det kun hvis du kigger rigtig godt efter, vil
5:31
jeg sige, at du Sådan. Stadigvæk sagtens kan se, at Det
5:35
er genereret af en eller anden. Ja, Det er slet ikke det, altså
5:38
det det. Det er ikke fordi Det er
5:40
fejlfrit overhovedet. Det forholdsvis nemt at se at
5:43
noget genereret af nære og ens øjne bliver efterhånden også
5:48
trænet til det, der synes jeg på det billede, man kan ligesom se
5:52
det, og Det er overalt hedder man bliver lidt træt af det, men
5:55
men anyways det Det er jo flot og og hvad skal vi så bruge det
5:58
til? For det første er der ligesom.
6:00
Det er et godt spørgsmål. Og det tænkte jeg jo også fordi
6:06
at jeg jo arbejder i meget teksttung domæne kan man sige,
6:09
så Det er jo klart, at Jeg har måske ikke lige alle use casene
6:12
på bordet for for det der video, men men selvfølgelig er der
6:15
nogle steder derude hvor man hvor man kan lave små klip på på
6:20
et minut eller et eller andet som som er værdifuld fordi at du
6:24
kan gøre det relativt nemt og hurtigt og du kan brainstorme
6:28
også over noget noget semantik du måske egentlig gerne vil lave
6:31
en rigtig film med eller du ved eller nogle scener eller et
6:34
eller andet du kan prøve at få få det det visuelle.
6:37
Kreativ meget hurtigt ud over rampen, så kan jeg sagtens se
6:40
den sektor her har rigtig meget gavn af det.
6:44
Så det her. Det er jo til en særlig del af,
6:46
hvad skal man sige Vores kreative økonomi, der ligesom
6:49
gør sig i Sådan noget billede noget ikke.
6:52
Og folk er jo allerede du ved Hollywood der Sådan der bliver
6:56
brug for skuespillere mere og video så kan du bare om 10 år
7:00
kan du bare sige eller 2 år eller 5 år kan du bare sige Jeg
7:02
vil gerne have en film med Arnold schwarzenegger og Nicolas
7:05
cage og hvad hedder det et eller andet nicole kidman og den skal
7:09
handle om at de kommer ind til bamse kylling og Jeg har gode
7:13
venner eller et eller andet ikke.
7:14
Altså totalt altså folk allerede helt ude af tangenten der ikke.
7:19
Og Jeg tror også en ting som jeg lægger mærke til ved den her
7:22
type modeller, altså de visuelle modeller.
7:24
Det er at de er. De har en stor fascination,
7:28
fordi de er nemme og Sådan vurdere visuelt og Sådan.
7:32
Folk er bare meget. Jeg har i hvert fald ikke til,
7:34
at folk har været fuldstændig prøvende over kvaliteten, og Det
7:38
er på en eller anden måde nemmere at vurdere, når Det er
7:40
visuelt i stedet for at man Sådan nå.
7:43
Den laver lidt bedre tekst end end den anden, ikke?
7:45
Det skal man alligevel sidde Sådan og og chatte den med en en
7:49
model for at finde ud af ikke? Men de her dem er der altså
7:52
bare. Der kan man bare se det lige med
7:54
det samme, ikke? Ja og så til at starte med, så
7:57
så tror jeg at at hvad kan man sige den der det Det er den der
8:00
Sådan. Et et barn, der prøver at at
8:03
bruge en hammer for første gang. Ikke Sådan lidt.
8:06
Hvad skal jeg bruge den til? Ikke og så den siger en lyd hold
8:09
da op Det var Det var spændende ikke?
8:11
Altså Det er lidt Sådan, Vi har det også når vi får Sådan et
8:13
stykke teknologi i hånden nu ikke indtil vi så finder ud af
8:15
hvor hvor anvendeligt de rent faktisk er i nogle nogle stemte
8:19
cases og. Og der må vi sige noget af noget
8:22
af det, som sikkert bliver ret spændende.
8:24
Det er jo det her. Lidt ligesom Vi har set med
8:26
billeder at du du har et billede og så kan du rent faktisk sidde
8:30
i et billedredigeringsprogram som du kender og så får du lige
8:33
pludselig Sådan en en ekstra toolbox ved siden af Der er
8:38
æresnål styret altså du kan fjerne noget af billedet og og
8:42
så fortælle at der nu skal du erstatte det her objekt med et
8:45
andet objekt og ved navn ligesom sige hvad det skal være og
8:48
hvordan det skal se ud og Sådan nogle ting og så har du meget
8:50
Sådan. Blanding imellem Sådan
8:53
traditionelt billede, redigering og og noget ære, så kan vi
8:55
ligesom få det ind i din måde. Du arbejder på på samme måde, så
8:58
tænker jeg også det video det må blive blive noget i den form.
9:02
Ikke fordi hvis det bare er er prompt prompt og lave 1, 1 1 1
9:09
minuts video ud fra en tekst altså du ved Det er jo ikke Det
9:14
er jo ikke Sådan the final application vi ser når vi laver
9:17
det altså Det er jo Det er jo slet ikke det som er slut på når
9:21
Sådan en. I en model der Det er simpelthen
9:23
for for mærkeligt, hvis Det var så der kommer jo selvfølgelig på
9:28
sigt et eller andet ud af det, som er meget mere brugbart end
9:32
det vi ser lige nu. Ja og så skal vi lige sige, at.
9:37
Jeg har arbejdet på en GBTI dag, som jeg kalder for podcast host,
9:41
sommerrejser og der har jeg taget de her artikler blandt
9:44
andet technical paper til zara og lavede showet altså Vores
9:49
noter til at lave den her podcast ud af og der har Jonas
9:52
har allerede fundet den 1 hallucination i jama sunrise,
9:56
Asien, som Vi skal snakke om her senere.
9:59
Så Det er bare lige disclaimer, hvis Der er nogen der opdager
10:02
nogle hallucinationer. Nogle fake news som vi.
10:05
Formidler videre så. Det er 19.
10:08
Det er det du siger Kasper. Det Vi er vant til at Det var
10:13
bare i huske. Præcist så hvad hedder det?
10:16
Men bare lige Sådan for at komme lidt ind på sorø, fordi de
10:18
fortæller jo faktisk lidt mere end de plejer i den her.
10:22
Det her paper synes jeg eller det her technical.
10:26
Rapport som de har udgivet sammen med sora, og det ser ud
10:29
som om de bruger. De siger, at zara and diffusion
10:32
model, men den er en diffusion transformer.
10:38
Og det jeg må indrømme. Jeg er ikke særlig meget inde i
10:40
det fusion modeller, selvom at jeg ved bare Sådan at diffusion
10:43
modeller Det er Sådan nogle modeller som.
10:46
Er rigtig meget brugt indenfor. Ja selvfølgelig nogle diffusion
10:50
tekst image bare Sådan hele tekst til billede af video
10:54
verdenen, men der står at Det er en diffusion transformer.
11:00
Og det aner jeg sgu ikke være, men det ved jeg.
11:03
Men interessant at de alle er interessante er lidt åbne i
11:06
hvert fald omkring. Men Der er jo k der del i det
11:10
der de fusion ikke. Det er jo en form for decoding
11:13
og transformere har jo oprinde. Et jo også den her DK du hvis
11:19
man apropos vi fik nogle rigtig fine gennemgange sidst af af af
11:23
dansetrup sidste episode, så hvis man gerne vil høre det, så
11:27
kan man få en god forklaring på en masse forskellige typer af
11:30
arkitektur, men aways så den her.
11:34
DK der og transformeren sammen altså Jeg har lidt.
11:37
Jeg har også svært ved at forstå Det er det så.
11:39
Er det Sådan en blanding af en coder delen på transformeren?
11:42
Eller fordi jeg, Jeg har svært ved at se, at den kan ligesom.
11:45
Skal den die kode med en diffusion transformers?
11:48
Jeg forstår det ikke. Nej, Jeg tror det altså nu, Det
11:53
er jeg ikke sikker på det rigtige Det kan være.
11:54
Det er fake news. Det kan være det 100% der
11:56
hallucinerer, men tror måske Det er noget med at de bruger
12:00
transformere til at patche videoerne i.
12:04
Et eller andet, og så laver dem om til Sådan et latent space.
12:06
Og så laver jeg jeg prøver jeg ved det ikke.
12:09
Jeg ved det ikke, det skal vi det, det det, det skal vi lige
12:11
prøve at se. Så det dykker lidt længere ned
12:14
i. 1000 dage model, så Det er måske i virkeligheden 2
12:16
modeller. Ja måske 100.
12:20
Men bare lige hurtigt, inden vi afslutter den her.
12:22
Og så synes jeg nemlig Der er nogle en interessant.
12:24
Hvad skal man sige pointe? De har her til sidst i paperet
12:27
eller det tekniske rapport, og Det er at at de ligesom de op
12:33
altså man kan sige de her. Tekst til video modeller har
12:38
nogle problemer, og Det er jo det du refererer til for her.
12:41
Ja bare et år for et år siden så man hvordan hvor dårlig nogle af
12:45
dem bare og nogle af de Sådan helt konkrete ting der kan være
12:48
af problemer med Det er Sådan noget med at altså bare Sådan en
12:51
temporal consistency altså at det ene frame er hænger sammen
12:57
med det andet. Og Det er ikke Sådan altså den
13:00
der det der med at holde den røde tråd i tidsdimensionen i de
13:04
her videoer kan de have et problem med de her modeller.
13:08
Så er der også Sådan noget med altså Sådan noget. 3 d
13:10
consistency Sådan noget beholder deres form og deres Sådan
13:13
realistiske form, når man ligesom når kameraet drejer sig
13:16
for eksempel. Og så er der, kan der være Sådan
13:19
noget med de altså fysiske fysiske love, altså Sådan noget
13:24
med at ja, Der er nogle fysiske love som kan være hvis hvis ikke
13:28
et video ligesom overholder dem, så kan det være Sådan
13:31
utroværdigt kan man sige, og Det er jo Sådan en af de her.
13:34
Måder man kan identificere på blandt andet om Det er også et
13:37
problem i hvert fald. Og så er der Sådan noget med
13:39
state altså objekters state, for eksempel hvis en person har
13:44
spist et æble, så det her med, at den skal holde styr på, at
13:48
æblet bliver mindre eller bliver spist af gradvist eller en en
13:52
maler, der maler på et lærred, at den ligesom skal holde styr
13:55
på at. At hvad hedder det?
13:57
Der kommer altså at maleriets stat ændrer sig over tid.
14:02
Det kan Det kan de have problemer med de her modeller,
14:05
og der lægger de mærke til, at det ligesom der opstår Sådan
14:09
nogle emergent abilities eller capabilities med de her modeller
14:12
i takt med at man skal lære dem, hvor de her nogle af de her ting
14:16
bliver fikset, kan man sige og og det?
14:21
Det er i virkeligheden det, vi også har set med Lars Louis
14:23
modeling. At hvis man der sker nogle ting,
14:25
når man bare skærer op i størrelse, ikke?
14:29
Så sjovt at de har taget samme strategi ikke?
14:33
Og så har de lige sagt det der sprogområdet det løste vi.
14:37
Vi skal bare op. Vi ved du hvad de de fumler
14:41
rundt i det der billedområde der nu tager vi eddermame bare og
14:44
smider alt den computer Vi har fra Microsoft efter det igen
14:48
igen igen igen. Ja sort problem så videre, så
14:53
har de en stor dyr clunky model. Det er som de ikke har lyst til
14:56
at release til brug fordi Det er alt fra computer tungt og Sådan
14:59
nogle ting, ikke? Så det, men det de ser i hvert
15:02
fald er, at de her problemer nogle af de her problemer de
15:05
siger, Det er ikke perfekt, men nogle af de her problemer bliver
15:06
altså bedre, når man skal lære op, så de er ret overbeviste om,
15:10
at man kan gøre det her bedre ved at skære endnu mere op.
15:13
Og det synes jeg jo det minder jo lidt om dengang man var på p
15:17
et eller p 2 ikke hvor man ligesom Sådan sagde hey Der er
15:20
noget her skal vi ikke bare fyre op.
15:24
Men altså Vi har jo for lige nu kan jeg ikke være med lige nu.
15:28
Kompetence om det Der er kommet papir ud for noget, tror jeg Det
15:31
er for noget tid siden. Men men det her, den her jabba
15:34
og arkitektur som jarniqa og meta er jo lidt står for altså
15:37
det her joint. Ja, john the betting diction
15:41
architecture tror jeg det hedder, hvor man ligesom bygger
15:45
modellerne til at at ligesom præsentere en en betting, altså
15:50
en feature på i stedet for ligesom at præstere et outcome
15:55
og så bruger man ligesom så det skal du ligesom lave noget
15:58
downstream med det her, og Det kan du så få få til at virke på.
16:00
Rigtig mange tasks, inklusive at lave Sådan noget.
16:03
Det har de praktisk prøvet på det i et papir der hedder v
16:07
Japan som er Sådan videopad ikke hvor de gør det.
16:10
Hvor de gør det på det, og så bruger de sig til at disco de
16:13
her de her video video ting så de kan lave Sådan en en ret
16:19
fornuftig og løse nogle af de samme problemer som du nævner
16:21
der jo med som openai siger at de har svært ved det her state
16:26
og fysikken og det, men de har også svært ved ligesom at.
16:31
At tage for eksempel, at lad os nu sige en bil, der kører ned ad
16:35
vejen, at den kan, ligesom der kan ske mange ting nede af den
16:39
her vej her, ikke der der? Der er mange hændelser, mange
16:42
mulige hændelser i det der udfaldsrum.
16:44
Det, Det kan bare være den også bare fortsætter ned ad vejen,
16:47
men Det kan også være der sker noget uventet og den der form
16:50
for atkunne de koge det i forskellige retninger.
16:52
Det har de også lidt svært med, og det løser den her Japan
16:55
arkitektur også. Og Det har noget at gøre med,
16:58
hvordan man træner og Sådan nogle ting.
17:00
Det er meget interessant paper jeg faktisk læste, læste ikke.
17:04
Jeg lyttede til den anden dag. Jeg har Sådan en.
17:06
Til dem der ikke kender det så er der Sådan en archive kanal
17:10
hvor man kan lytte til papers. Det bliver selvfølgelig stoppet
17:13
noget af den er meget god. Den er det en youtube kanal.
17:17
Nå endnu et. Det var lige en throughout der
17:20
at der findes jo andre løsninger end bare lidt skyet monsters
17:24
computer. Der findes måske.
17:27
Ved at nævne. Mega fedt jamen så sara kæmpe
17:33
hype fra kæmpe hype maskine fra du lige får det ved vi det giver
17:38
op til 4 niveauer Vi er oppe i her i forhold til hype i hvert
17:41
fald man kigger på hacker news den er fandeme deropad med
17:43
hensyn til upvotes det andet så ja folk er helt på røven over
17:48
det. Super hit igen.
17:51
Det er det der igen. Nå skal vi gå videre til til til
17:54
Google. De har jo også de har jo også
17:57
noget de gerne vil ud med. Her kan du måske.
18:01
Jamen Jeppe. Open source nå videre til næste
18:07
de. Også er noget taletid.
18:08
Lad os lad os lige dykke ned i det.
18:09
Jeg synes jo Det er. Jeg synes jo Det er rigtig fedt
18:13
at Google er jeg der var nogen på LinkedIn der skrev Sådan et.
18:17
Yes mand Googles back. Jeg tror Det var hocking face
18:20
Counter en af dem en af de mange.
18:25
Google er tilbage de open source så yes vi kører derud af og det
18:29
bliver spurgt om igen, og det bliver stort og Sådan noget.
18:32
Ja jeg fik det også lidt et kort øjeblik Sådan altså tænker jeg,
18:37
men nu kommer der bare super mange fine tunings lige om lidt
18:40
og Jeg har stadigvæk. Altså Det er jo lige Det er helt
18:43
nyt og der skal nok komme, men lad os lige lad os nu se hvad
18:47
der sker i det der fintuning space nå men til sagen hvad er
18:51
det Der er sket? For nu snakker jeg jo allerede
18:53
om hvad Det er der kommer til at ske efter det her.
18:55
De har selvfølgelig en releaset nogle open source modeller 7
18:59
milliarder og 2 milliarder parametre modeller i sædet er
19:02
det her small lege. Language, bottle space.
19:06
Og. De kan selvfølgelig køre på din
19:09
laptop, og alt er godt og så er det jo baseret på den her samme
19:13
arkitektur og teknologi som som Jimmy og Jimmi pro pro af alle
19:18
de der forståelige navne de har til deres modeller de er lavet
19:22
på og noget andet Der er rigtig fedt.
19:25
I det her synes jeg Det er at det ikke bare du ved Sådan at de
19:30
lige nå her er nogle model vægte.
19:32
Ja, og hvis du kan få det til at køre, så er det sikkert fint.
19:35
Google er jo lidt Sådan lidt mere kendt for også at være
19:37
struktureret med det der. De de de tænker faktisk på,
19:40
hvordan kan vi få maksimum impact med libraries og
19:45
frameworks og få det passet ind i pit touch og caras 3?
19:48
Og de skriver at de det virker bare over det hele, og Vi har
19:51
også en CP engine til det og det ene og det andet det Det er jo
19:56
noget vi godt kan lide Sådan noget der ikke hold da op, hvor
19:58
er det bare serveret det hele på et sølvfad for os ikke og det
20:01
gør jo at at udvikleren de simpelthen bare tager kommer til
20:03
at tage det der til sig ret hurtigt, for de bliver nemt for
20:05
dem at sætte op og køre. Og.
20:07
Det. Jeg kiggede lidt over til de har
20:09
kigget lidt over til lama face eller metas lama og så har de
20:13
tænkt. Så har de været lidt
20:14
misundelige. De ting Sådan så de.
20:16
Gode ekstra not job ikke altså fordi de har gjort det endnu
20:20
nemmere end dilemma kommer ud, vil jeg sige ikke synes jeg det
20:23
virker Sådan, men nu må vi jo selvfølgelig se.
20:26
Jeg synes også. Hvad hedder det?
20:29
Vi havde jo en podcast episode her for for i nummer 41 babos
20:34
podcast nummer 41, hvor vi snakkede om at hocking face gik
20:37
et en gik i et samarbejde med Google cloud.
20:40
Og ja, og det tænker jeg, at Det har måske været en del af
20:44
planlægningen til det her, fordi at når man går ind på gemma og
20:48
kigger, så kan man se altså. Ja, lad mig sige den her.
20:51
Den er nok en af de mest kommercielle open source
20:55
releases Google har lavet. Fordi når man går ind på jimma,
21:00
så er der meget stor Sådan hey og du kan få resten også lige
21:03
deployment på Google cloud her og Der er support for at i
21:06
hockings fase og de har virkelig bare linet det hele op og de har
21:09
også kigget over på den her lama Der er CP som er blevet åbnet
21:13
altså udviklet open source til som er ligesom en en effektiv
21:17
inference engine IC plus plus til lamellerne.
21:21
Den har de på forhånd udviklet internt i Google til de her
21:25
jamen modeller og så har de bare chippet den på samme tid med med
21:29
med de her open source modeller. Så de har jo bare virkelig Sådan
21:34
kigget ud, og jeg mener også alarma de kan supportere det
21:37
sikkert også allerede så ved de. Ikke endnu, gør de det?
21:41
Det tror jeg de gør, men jeg ved ikke, om de har gjort det Sådan
21:43
på forhånd, eller om de bare har sørget for, at han har været
21:46
plugin play. Ja, men de har i hvert fald de
21:49
har linet. Den helt store kanoner op til
21:53
det her. Det er helt sikkert, og så er de
21:56
jo altså man kan sige de de er jo state of the art, siger de
22:01
inden for deres. Model klasse størrelse ikke
22:04
Sådan fuldstændig mindblowing state of the art men Sådan en
22:07
lille smule ikke, og de har måske trænet lidt længere end de
22:09
andre eller et eller andet så har de tracket performance på de
22:11
forskellige evaluerings datasæt og så når den er kommet op over
22:15
et vist niveau, så har de ligesom stoppet træningen og så
22:17
har de sagt, så er det ud med dem ikke?
22:21
Og noget jeg ligger mærke. Til sex, sex trillian.
22:26
Trillian tokens. Det var 2 2 hos meta ikke.
22:30
Jo ja selvfølgelig bare vende legemer 3 dropper lige om lidt
22:34
og så kommer vi til 5 og så skulle hele ind på den men
22:37
hedder det en ting jeg lægger mærke til hos Jimmy.
22:40
Det er at de er Sådan meget de meget eksplicitte omkring at
22:43
den. Altså at kun trænede på på
22:46
engelsk, så er der selvfølgelig altid noget der lige slipper
22:48
igennem noget. Måske noget dansk hvis man er
22:51
heldig. Men altså den er hovedsageligt
22:54
trænet på engelsk, og det synes jeg også Der er nogle nogle
22:58
skandaler folk der har snakket lidt om at den er utrolig sløv
23:02
på dansk. Altså hvis den kun er trænet på
23:04
engelsk, så er der jo kun været noget dansk fordi deres deres
23:08
præg filtrering af data har formået at fjerne det.
23:11
Og Det er jo selvfølgelig ikke nok til at interessant på dansk.
23:16
Men Det er der sørme ikke så mange ting der, men det nu
23:19
vender vi lige lidt tilbage til det senere.
23:21
Vi har jo lidt luft ud, og Vi skal snakke igen om Vores danske
23:24
træer. Men ja.
23:28
Så ikke så meget mere nyt under solen, vil jeg sige.
23:32
Ja og så jo man kan måske snakke lidt bare lige hurtigt snakke
23:35
lidt om det der med at Google de har Sådan.
23:37
Og så skulle de have lidt kluntet med hensyn til hele det
23:39
her release, ting og marketing og hov, så var der en fejl og så
23:45
så er det Sådan lidt for marketings agtigt og de har også
23:49
lavet den her. De har lavet den her Jimmy 1,5
23:50
den her chatbot Jeg tror den har jeg mit vand, hvor man kan
23:54
generere billeder jeg om du har fulgt med i det.
23:57
Der. Den er ultrabook altså du.
24:01
Du kan nærmest ikke generere et billede af en hvid mand, altså
24:04
Det er Sådan Det er nærmest umuligt.
24:07
Og hvis man spørger lav et billede af George Washington, så
24:10
får man så var. Til George Washington enten sort
24:13
eller hvad hedder det asiat? Altså Sådan asiatisk hele du ved
24:17
nej. Lige før at at altså jamen, jeg
24:22
ved slet ikke hvad jeg skal sige altså, men men resten af
24:25
menneskeheden må kigge på det der på et eller andet tidspunkt
24:27
og tænke. Hvad har de gang i?
24:30
Altså det word. Den er skruet helt op den der
24:34
bog knap og de og det tror jeg også de selv er enige, at Det er
24:38
for meget ikke? Altså.
24:41
Ja. Altså så er det jo igen det der
24:42
med. Nå okay undskyld.
24:45
Det var lige lidt for meget. Vi skruer lidt ned ej undskyld,
24:47
Det var lige lidt for lidt eller når de herovre de syntes Det var
24:50
for meget når de her de synes Det var for lidt.
24:52
Lad nu være at gå ind i den der politiske diskussion med noget
24:56
et stykke teknologi, altså Det er jo lidt ligesom at sige at
25:00
mercedesen den er sgu lidt for rund bagtil det, det går ikke
25:03
altså så den den den skal se anderledes ud ikke altså fordi
25:08
de ligner. I virkeligheden tror jeg så
25:12
åbner. Jeg har de foran på det her
25:14
også. Ikke fordi de har været der.
25:16
De har allerede du ved haft det ude og fået feedback.
25:20
Og Jeg tror de ville. Ja det ved jeg ikke, men det det
25:25
den den er i hvert fald de den er.
25:27
Der er godt med vogue som og de lægger mærke også på.
25:30
De lægger virkelig også vægt på at den er fucking safe den her
25:33
model, og de har angivet hvor meget co 2 udledningen Det har
25:38
krævet at træne den og du ved de har.
25:41
De er så politiske politisk korrekte at som de overhovedet
25:44
kan være, tror jeg på det her så.
25:47
Ja så så. Det er jo også fint ja.
25:52
Godt. Så er vi videre, er det Det har
25:56
vi. Mere.
25:58
Jimmy kimmel, Jimmy, må vi hellere sige ikke jimmie.
26:02
Ja, jeg tænker at den er fin der så har jeg.
26:04
Hvad hedder det skidt? Der er jo også noget med stable
26:08
diffusion 3 der blev releaset af stability AR.
26:12
Ja. Ja og Det er jo en.
26:16
Okay jeg prøver. Jeg siger noget om det.
26:19
Det Jeg tror var det ikke Det var mig der sagde Sådan.
26:23
Vi snakker kun om sprog modeller Vi er nødt til at have noget
26:26
mere og om det der hvad der sker derude fordi der sker jo rigtig
26:29
meget på. På billeder og video nu er jeg
26:32
sørger selvfølgelig også en video ting ikke, men så snakker
26:34
vi kun om det fordi Det er åbne jeg da de kommer med, så vi må
26:37
sgu lige følge med der og stable fusion er.
26:40
Det er jo også det bevæger sig jo godt derud af og de Det er så
26:43
en træer i den her model her. Og Det er image til dem, der
26:48
ikke ved. Det Det er tekst 2 image lidt
26:51
som vi kender det fra. Ja Der er lige.
26:57
Mit journey og Sådan noget. Her som kender det.
27:03
Nå men men. Man kan få ol exit det preview
27:09
Det er i og. Jeg ved egentlig ikke, altså.
27:14
Ja, Det er Sådan noget med at de siger den er ligesom bare bedre.
27:18
Den er så bedre til tekst den er bedre til altså fordi der har
27:21
været der problem med tidligere at de når du sagde lave et skilt
27:26
en flok demonstranter der har skrevet alle mulige sjove ting
27:29
på de her skilte, ikke også til til en eller anden demonstration
27:33
og Sådan. Det kunne jo slet ikke finde ud
27:35
af Det var bare volapyk der stod på de der skilte der.
27:39
Og især fordi Der er mange skilte, altså det.
27:41
Det er faktisk ikke et Det er rigtigt eksempel.
27:44
Det der med at hvis du beder, hvis du lige pludselig har en
27:46
flok med en masse skilte, hvor der står noget noget som hvad
27:50
skal være altså Sådan kontekst mæssigt sammenhængende ikke på
27:53
med alle de der skilte og Sådan noget.
27:55
Det kan jeg da slet ikke finde ud af, vel det?
27:57
Det er alt for avanceret, så den skriver altid noget volapyk og
28:02
det gør jeg der lige jo også og det Det er et kæmpe problem.
28:05
Det står altid noget volapyk i det siger de jo så det Det har
28:09
de. Det er jo ikke løst det, men Det
28:11
er blevet bedre til det, og jeg ved ikke, hvor meget bedre bedre
28:14
er, at der jo ikke rigtig noget der.
28:17
Det skriver de ikke noget om, og det der ved ikke hvordan man
28:19
benchmarker det der hedder. Gad vide hvordan benchmarker man
28:22
det ikke har man Sådan nogle jamen.
28:24
Det er et godt spørgsmål, er på det og se om det overhovedet er
28:26
meningsfuldt tekst der kommer ud.
28:29
Altså man kan sige Der er jo de der kendte man kan sige Der er
28:31
jo de der kendte problemer med det, ikke hvor Det er Sådan
28:33
noget. Jamen Det er fingrene er ikke
28:34
særlig gode og Der er den han har 3 øjne eller.
28:40
Hvad hedder det det her? Især det her med.
28:43
Jeg mener også han Sådan lige linjer generelt er et problem
28:46
for de her modeller og Sådan noget som bogstaver og tekst og
28:49
så videre. Ikke hvordan?
28:51
Hvordan man måler det jeg tænker Det er en meget god godt bud det
28:54
der med ligesom at ved at prøve at generere noget tekst og så
28:58
lave TR på det og så se om det giver mening, men hvordan skal
29:01
man også måle det ikke? Ja Det er også Sådan.
29:04
Det er til dem der ikke lige kan huske hvad eller ved hvad Det
29:08
er, så det objekt character recognition altså hvor du bare
29:12
har en model der ligesom finder ud af om Der er nogle karakterer
29:14
et sted, så så spotter den det og så kan man hive det ud og og
29:20
Det er jo faktisk en ret velkendt.
29:23
God gammel traver med. Han red en digits datasæt, og
29:29
jeg ved ikke hvad jeg skal komme efter det som de fleste der har
29:32
lavet Sådan noget i praksis har har prøvet at rode med en gang
29:34
ikke og og derfor så er det jo faktisk.
29:38
Ret nemt at køre på Sådan et billede og få og forhåbentlig få
29:41
noget ud af det. De skriver også.
29:43
At, det forestiller mig, at det kunne man bruge.
29:46
Det jo også at den er den er bedre til at håndtere multi
29:49
subject prompts, altså prompt som ligesom instruerer dem i at
29:55
lave forskellige. Ting altså ja så det.
30:00
Betyder det, er det også svært problem altså det der med.
30:05
Multi subject altså Det er flere personer eller er det?
30:08
Bare det tror jeg, men i hvert fald det i hvert fald som om Der
30:11
er nogle kendte problemer, som ligesom prøver at løse ikke som
30:14
superbruger er nok også ligesom ville have.
30:17
Tekniske problemer vi ikke rigtig kender til de unge, fordi
30:21
Vi er så billedet af analfabetiske her fuldstændig.
30:24
Overtage de 2 de 2 r eksperter der sidder her og kloger sig.
30:29
Jeg kan i øvrigt også se på Vores Vores gt 4 som her.
30:34
Muligvis er det hallucinationer, jeg tager chancen, men.
30:39
Der står, at de kombinerer diffusion, transformere og
30:42
arkitektur. The flow matching.
30:44
Og så står der en detail, altså Der er en detaljeret technical
30:48
report der der kommer op her snart, men Jeg synes om den her.
30:52
De her diffusion transformer architectures de er.
30:55
Lige finde ud af hvad er? Ja Det er noget nyt.
30:58
Det er noget nyt i forhold til fordi Jeg har Jeg har sidst jeg
31:01
var meget nede i det her. Der har jeg kun hørt om
31:02
diffusion models, men nu kører de diffusion transformer models.
31:06
Det må vi lige finde ud af hvad og så det her flow.
31:09
Flow hvad fanden kan dit flow matching?
31:12
Det ved jeg også vildt. Ja Der er mange fancy råd vi
31:17
ikke kender inden for det der område, der så vi vi.
31:20
Vi havde jo den gode Nikolaj som ved en del meget mere for ikke
31:23
at sige alt mere, end vi gør på det der område med i podcasten
31:28
en gang. For ligesom at give os et
31:30
overblik, og vi savner måske lige et revision af det der
31:33
område og nogen der ved noget. Men Det er faktisk sjovt fordi
31:36
Jeg har sgu ikke rigtig mødt nogen der bare er fucking
31:39
eksperter på definition modeller selv den selv dens søtrup.
31:43
Jeg kan sige at jeg snakkede med ham i hvert fald.
31:46
Hvilket ikke er særlig længe siden.
31:48
Altså du ved. Det er der ikke.
31:50
Der er ikke så mange der roder med det, som Der er med, i hvert
31:54
fald ikke i min omgangskreds, så.
31:57
Men Det er også lidt sjove tekster, ligesom Det er big air
32:00
problem. Ikke fordi Det er noget med Der
32:02
er noget med noget menneskelig forståelse ved ved det der med
32:05
tekst og Sådan det bliver. Men alligevel så har man jo den
32:09
der diskussion omkring at som jeg kun siger hele tiden, men
32:12
hvis Vi skal have aids, jeg og en baby ej der skal vokse og
32:17
blive klog, så er det jo billede af data.
32:21
Der er langt det det, vi mennesker er mest eksponerede
32:25
for i Vores Vores opvækst, så Det er mærkeligt, at Vi har så
32:28
meget fokus på teksten, ikke? Men mon ikke Det er fordi at den
32:32
Sådan den menneskelige intelligens.
32:33
Det er der ligesom den den type intelligens, der adskiller
32:37
mennesker fra andre dyr. Den ligger ret meget i sproget
32:41
altså Sådan nærmest. Det er jo selvfølgelig en stor
32:45
filosofisk diskussion det her, men men det virker som om, at
32:49
Der er mange der ligesom. Det Der er et eller andet der
32:53
der, men altså siger mig at rigtig meget 90 95 99% af den
32:58
menneskelige. Den specifikke menneskelige
32:59
intelligens ligger i sproget og og Det er det, som lars
33:05
landbrugsmodels håndterer. Og Det er også noget andet, Der
33:08
er interessant. Ikke fordi nu står der her, at
33:10
de her de her nye modeller stable fusion 3 releases, der
33:15
releaser de modeller som rækker sig fra 800 millioner parametre
33:18
til 8 milliarder parametre. Og Det er jo altså det vil sige
33:22
den maksimale størrelse stable de mindste nogle af de mindste
33:27
eller laver som som ligesom kører ikke hvor at de de rigtig
33:32
gode elever de er altså. Gange 10.
33:37
Og mere endda end det ikke så der har lavet Sådan.
33:42
Jeg tror også Der er noget med den der disco der til til hvad
33:46
kan man sige til billederne? Den er den er ret tung, altså
33:49
sammenlignet med en en DK ting til til til tekst.
33:54
Mit indtryk, og Det kan være jeg tager fejl men men men så giver
34:00
det jo også mening, at hvis man trykker for hårdt på parametre.
34:04
Af antallet så får man lige pludselig en en kvadratisk.
34:08
Hvad kan man sige? Tidskompleksitet på sit der, der
34:12
virkelig slår ind. Ikke altså tænker jeg bare hvis
34:15
Det er det, hvis Det er det, der også gør sig gældende i de der
34:17
de cooder algoritmer, hvilket jeg heller ikke ved noget om.
34:21
Men hvis nu Det var, hvis nu, hvis og hvis, så måske er det
34:25
derfor, men kan kan åbne jeg så bare med den der såre der så går
34:28
de bare ind og banker det der computer og så alligevel så får
34:31
de noget ud af det. Og hvor lang tid tager det og
34:33
hvor meget computer tager det at generere Sådan 1 1 1 minut af en
34:36
video der? Det kunne jeg godt tænke mig at
34:38
vide. Det lyder sundt.
34:39
Det må være crazy. Computer.
34:42
Det må være noget med altså. Altså Jeg har hørt at maden
34:47
transformere forstår billeder på Det er at man ligesom inddeler
34:51
man tager et billede, så har man Sådan en patches man patcher ud
34:54
af billedet og så har man 1 1 1 1 neuralt netværk som ligesom
34:58
tager de her patches og laver dem om til token
35:01
repræsentationer og de her token repræsentationer bliver banket
35:04
ind i en transformer, og så forstår den ligesom det ikke.
35:08
Er første step Det er altså ret sikker på, at Det er så
35:11
generelt, at Det er det man gør II billedverden på et stort set
35:14
alle modeller. Hvis du har stadig den der
35:16
sekvens. Tanke og tunge tanke på den måde
35:19
og sige det sjovt jeg nævnte før.
35:23
Ja altså på den måde ser du også et billede som en en sekvens
35:27
ligesom du ser tekst nu. Nu er det billede nonne der
35:31
snakker her, så hvis Der er nogen der ved noget som er de
35:32
hellige til nu jammer vi bare ikke.
35:34
Men men hvad hedder det så du ser altså selve billedet som en
35:37
sekvens, men du ser også at den sekvens.
35:41
Som en sekvens af sekvenser, fordi Det er jo ligesom flere
35:45
billeder i streg der ligesom er, og det virkede som om at
35:48
abonnerer. Nu går vi tilbage til sara eller
35:49
men Sådan det virker som om, at folk ligesom at få den der røde
35:53
tråd i tekst til 2 video domænet der skal man ligesom embedde det
35:58
hele ind i både altså hele den temporale dimension sekvens
36:02
dimensioner også ikke altså du har ligesom du kan være du kan
36:05
skabe konsistente på tværs af. Billedet, men også billederne,
36:10
der kommer efter hinanden. Ikke Det er Sådan.
36:12
Attention for sekvenser af sekvenser, ikke?
36:16
Jo Jeg har jo bare nej, men Det er altså Det er rigtigt nok.
36:20
Det tror jeg virkelig Det er rigtigt nok tror jeg så
36:25
overbevisende. Men Sådan som jeg læser det, når
36:29
altså den der nu vender jeg tilbage til den der VJ post
36:32
fordi den har jeg lige for nylig har haft på nethinden ikke?
36:34
Altså Det er der hvor problemet også opstår, altså at man har jo
36:38
i tekst verden et ret klart. Sådan token prediction space
36:43
ikke altså hvor du ligesom bliver det.
36:46
Jeg har den her håndfulde toppen som som.
36:48
Som alligevel. Jeg ved godt Det er mange, mange
36:50
1000 forskellige tabes, men Det er alligevel i forhold til
36:53
hvordan din pixel skal kan se ud af kombinationer af pixels, der
36:56
kan komme på den næste frame. Jeg siger bare Jeg tror altså
37:00
stadigvæk at Det er rim. Det er meget færre kombinationer
37:03
af tokens. Fordi Det er jo et tab du skal
37:07
putte digte ikke og Det er jo du skal ikke et dække en
37:09
kombination af mange tabene tager jo et af gangen, så Sådan
37:13
er det netop ikke. Altså i billederne der Der er
37:15
kompleksiteten af hvordan det data kan sættes sammen sig ret
37:18
meget større ikke også så på en eller anden måde så.
37:21
Ja så så tror jeg at Der er. Der er både noget computer i det
37:24
der Der er tungere, men også men også selve problemet i at det
37:29
ikke bare bliver. Fik det næste rigtige?
37:34
Den næste rigtige pixel altså Det kan man jo ikke.
37:36
Det er jo Sådan lidt når det bliver for.
37:39
De bliver for word. Man kommer hurtigt ned ad nogle
37:42
veje hvor de der billeder ikke er som de skal være og tænker
37:45
jeg bare ikke så så man skal på en eller anden måde virkelig kun
37:48
fine det der space til at hele tiden at hele tiden at justere
37:52
og styre sig i den rigtige retning.
37:53
For ellers så får du de der. Fingre der lige pludselig og
37:57
Sådan noget der ikke det. Det må være crazy svært at
38:00
modellere det der altså det. Ikke tage den af, for for deres
38:04
arbejde. Ja det og Det er også et eller
38:07
andet. Jeg ved ikke Der er et eller
38:08
andet intuitivt for mig, der knækker ved at.
38:12
De gode hvad skal man sige? De gode image til text 2 image
38:17
modeller. Har langt færre parametre end de
38:21
eller de bedste image modeller virker det til har langt færre
38:25
parametre end de bedste. Sprog models LM har parametre på
38:31
en eller anden måde, fordi at billedet data er mere rigt og
38:36
Der er flere detaljer og så videre og så videre.
38:38
Så skulle man tro at at at det krævede flere parametre at.
38:42
Komme frem til et andet resultat, som var nogenlunde
38:44
brugbart, ikke? Hvor, hvorfor er det så?
38:49
Hvorfor er det så parameter tungt at modellere sprog og ikke
38:53
til 1 1 rigtig høj kvalitet og ikke det samme billeder?
38:57
Det det. Tror du ikke også at altså fordi
39:01
at Jeg tror du ikke at hvad kan man sige at når vi kommer ud i
39:04
video verden ikke? Altså Vi skal have frames for
39:06
mange frames vi kan få. Det er lidt ligesom når du skal
39:08
skrive historien og du din kontekst bliver større og større
39:13
i den historie ikke? Og du skal ikke ud af en tangent
39:15
og miste tråden og Sådan noget. Det er jo også det, Der er
39:17
blevet løst ved ved de store sprog modeller og mange.
39:21
Mange milliarder parametre, så måske er det også bare det åbner
39:25
jeg gør nu og siger jamen for ligesom at løse det der video
39:29
kunne generere det, så har vi også det der.
39:31
At at der skal være en eller anden form for kontekst.
39:33
Forståelse for for den næste frame.
39:36
Du må ikke miste hvad Det var der hvor Det var du kom fra.
39:38
Altså Det er jo det transformeren jo accelererer
39:41
accelererer i hedder det accelererer.
39:43
Det er ikke noget der hedder. Og og og Det kan man jo godt
39:48
sige. Jamen så tag dog den hammer og
39:50
smide den efter problemet og så bare fyre op for PU ikke også og
39:54
så har vi løst det. Men men så Jeg kan sgu ikke.
39:57
Jeg kan ikke lade være med at grine lidt af at de kommer med
39:59
det der så hvad sagde vi? Vi kører bare for det der igen
40:04
det det Det er fantastisk altså, men jeg ved ikke om Jeg synes at
40:07
Det er løst ved at man bare banker derudaf på det der.
40:10
Computer nej, men på en eller anden måde, så synes jeg at Det
40:13
er Det er lidt åbning i claim 2 fame altså uden at kende når man
40:18
på en eller anden måde så synes jeg det der med de de var.
40:20
De var de eneste der ligesom. Ligesom gik efter den der.
40:26
Nu prøver vi sgu bare at skalere op, fordi det bliver bedre og
40:28
bedre, og vi bliver nødt til at finde ud af, hvor det stopper
40:30
det her ikke, og hvor der var mange der var Sådan.
40:32
Nå men Det er ikke rigtig research og Det er jo bare Sådan
40:35
ikke. Men altså.
40:38
Ja. Ja, hvis du mangler en masse en
40:41
dollarsedler og så fyre lortet af med en selv.
40:46
Godt nå lad os komme videre. Vi skal videre til l nu, ikke
40:50
fordi at den den er faktisk fresh in her når vi så optager
40:54
den 26. i anden fordi at det Det er Det er mistral.
40:57
Det er dejlige europæiske ã r lab.
41:02
Lidt svarende til antropiske og openai og og så videre, som er
41:06
udkommet med. De har jo haft en historik med
41:09
at udgive blandt andet den her administrative 7 b, som var ham
41:13
som har været en rigtig god 7 b model.
41:15
De har også udgivet mistral ind i de Sådan rigtig gode open
41:19
source mixture of experts modeller, så har de på noget tid
41:24
haft 1 1 1 mistral medium API, men nu er de altså kommet med et
41:28
et nyt EPI. Til den model der hedder mistral
41:33
large og de siger selv de siger selv at den den skulle
41:39
simpelthen. Den er lige i røven på p 4 og
41:43
skulle være den anden bedste. Lars lange, model.
41:48
Man ligesom kan. Få fingrene i igennem en PI og
41:52
igennem alle mulige andre steder, så.
41:56
Så kan jeg. De de partner med Microsoft asia
42:01
og og man kan få få adgang til den igennem det.
42:04
Ja jeg skyndte mig faktisk lige at gå ind og og kigge lidt Sådan
42:07
og Det var da interessant. Gad vide?
42:10
Gad vide om Jeg kan klikke mig hen til den et sted hvor jeg
42:13
sidder og arbejder og. Jeg ved ikke om jeg.
42:16
Jeg kunne ikke lige finde det men men men Det var spændende.
42:21
Og så slog det mig ligesom hvad koster det?
42:24
Jeg synes jeg fandt meget, meget lidt information om det Der er.
42:29
Så hvad hvad? Hvad siger du?
42:30
Jamen så du noget om det? Nej altid spændende når Det er
42:34
noget Der er gb til 4 niveau bortset fra det Jeg tror ikke
42:39
den kunne noget på dansk vel? Jeg jo altså hvad hedder det en
42:46
ting som er lidt mere til da jeg delte det på LinkedIn så var der
42:48
så der stod som en feature at den var udgivet på asier og den
42:54
er selvfølgelig udgivet på la platform, som er deres egen
42:57
platform. Det er meget sjovt, Det er et
42:59
fransk firma ikke så Det er platformen chat og Sådan noget
43:01
ja så det joker de lidt ned og så er den udgivet på asia og Det
43:07
er det ligesom om Det var det blev jeg ligesom gjort opmærksom
43:09
på at Det var en Det var sgu en en big deal.
43:12
Af en eller anden årsag? Kan du forklare mig, hvorfor Det
43:15
er en, hvorfor Det er fedt at den specifikke udgivet på asia?
43:19
Jamen det. Det er heller ikke sikker på
43:21
nødvendigvis altså. Noget compliance eller et eller
43:25
andet? Jeg tror altså Der er rigtig
43:29
mange der jo har. Hvad kan man sige cloud provider
43:33
i asia og ligesom stoler på Microsoft så altid et eller
43:38
andet. Ja, det virker som om Der er
43:40
mange store virksomheder, som har Sådan.
43:42
Hvis Det er på asier så er det fint, så kan vi godt bruge det
43:45
så alt det der. Vi har Det er jo fordi de har
43:49
aftaler med asian. Microsoft har jo været været
43:52
gode til det der med at ligesom at.
43:55
Bare være den mest trøstede partner, når det kommer til til
44:00
til til Sådan noget robust software man kan undre sig.
44:05
Jeg ved ikke hvor det stammer fra.
44:06
Jeg tror simpelthen Det er Sådan en.
44:08
Om legend på en eller anden måde, fordi Der er jo ikke nogen
44:11
forskel på. Altså det.
44:13
Nogle gange så står asian maskinerne i datacentrene lige
44:16
ved siden af amazons ikke altså. Jeg ved det ikke så, men anyways
44:22
de er de. De er i hvert fald så.
44:25
Kommet derind så, så Det er jo interessant hvis man kan lave
44:28
Sådan en en one click deployment og så bare få et AP ligesom man
44:32
kan med med åbnere ice modeller i Asien, fordi så kan det også
44:37
være Der er nogen der begynder at bruge dem at prøve dem af og
44:40
Sådan tester dem lidt op imod gipsy 4 og Sådan nogle ting og
44:43
hvis de så er billigere og de er bedre til den taske men nu gang
44:47
i nogle ting men så er det jo happy go lucky fordi.
44:51
Ja så kan man lave nogle sjovere ting altså tit handler det jo om
44:54
omkostninger når du gerne vil bygge noget med de der elever.
44:58
At, du tænker ej det ville være rigtig smart, så spørger vi
45:00
først, om det her så det her det her.
45:01
Det her så 1000 agenter, så putter vi det hele.
45:04
Og så en query koster 5 dollar lige pludselig ikke og så sidder
45:07
man bare der og Det har vi også snakket om på et tidspunkt fra
45:10
way back da vi talte agent der det.
45:12
Det var Sådan en standing joke ikke at Det var dyrere at
45:15
bestille pizza at få den til at bestille pizza end Det er
45:17
pizzaen kostede ikke altså. Det er måske ikke så
45:22
hensigtsmæssigt. Og ja, så det kunne være
45:27
interessant. Altså lad os se på det.
45:29
Jeg vil i hvert fald. Det er en af dem jeg lige skal
45:31
dykke lidt ned i synes jeg, fordi Det er lidt spændende.
45:34
Men man kan sige, hvis vi lige skal nogle specs med, så er den
45:36
32 k tungen kontekst vindue den er fluent i 5 sprog siger den
45:43
siger de roman har lige postet på LinkedIn kan jeg se og romano
45:48
sexy så var meget aktiv indenfor det danske.
45:50
Hvad skal man sige LU space han siger at den er faktisk ret god
45:54
på dansk, selvom den officielt ikke er blevet trænet på dansk,
45:57
så Det er jo interessant og også det her med at det ikke er et
46:00
amerikansk startup eller en amerikansk.
46:02
Hvad skal man sige virksomhed? Det gør måske også ligesom at de
46:05
er Sådan lidt mere opmærksomme på at.
46:08
At og så være lidt mere multilingual, hvilket er fedt.
46:14
Ja og så har den den understøtter funktion calling,
46:16
hvilket er en ret stor ting for for mig i hvert fald.
46:22
Og så har den Sådan noget json format output og.
46:26
Ja ja. Så er der i øvrigt også løsning.
46:29
Kan bruge hvis man har nogle lidt mindre tunge opgaver.
46:32
Det er helt klart det der altså de der.
46:36
Fintuning ting med at hey, Jeg vil gerne have Jason og alt det
46:40
der, der gør det til at arbejde med for en udvikler.
46:43
At Det er Det er jo simpelthen bare guf fordi Det er jo en en
46:48
stor problematik, også selvom man har de der funktionaliteter
46:52
med funktionsopdeling og Sådan nogle ting, så er det faktisk
46:54
stadigvæk bøvlet også lige at få det helt til at spille det der
46:57
ikke så det giver noget noget consistency i outputtet af
47:03
svarene fra dem, men Der er noget andet jeg lige nu.
47:07
Støj her, Det er ikke dem der lytter med jeg ikke ser.
47:10
De kan ikke se jeg vifter med min telefon hvor Jeg har mine
47:12
noter. Den er også rar enablet, og der
47:16
var et eller andet med det der med.
47:18
Kan du lige fortælle mig Der er noget jeg ikke at læse ned i
47:21
dybden altså hvad. Hvad er det, der gør den særlig
47:23
rar agtig? Det må du nok spare.
47:26
Det forstod jeg simpelthen ikke. Det var noget med, at den havde
47:29
ikke den der lost in the middle problematik med konteksten og
47:32
Sådan nogle ting, men hvorfor er det?
47:35
Særligt godt til rar, når den så har det.
47:37
Altså er det ikke bare generelt den, så det skulle da være en
47:40
hjælp i alle henseender, tænker jeg.
47:42
Ja. Det forstod jeg ikke, men men
47:46
anyway der står den er god til rack.
47:51
Med med line. Folk vil have rack, og de vil
47:57
have lange kontekst vinduer. Det er det de vil have.
47:59
De vil have det hele. Blæser i munden.
48:05
Det er jo godt. Nå men i hvert fald spændende.
48:08
Spændende at altså det de de begynder, de virker som om det
48:12
handler om for dem alle sammen at hale ind på p 4.
48:16
Og det kunne være sjovt. Det kunne være sjovt at se når
48:20
de første de ligesom formår at slå kapitel 4 om om ungerne har
48:24
de så dropper quite 5. Det kunne være meget sjovt.
48:27
OK så hvis man vil have den release snart så skal man bare
48:30
bare en klippe til 4. Ja den står stadig herovre.
48:34
Koger med med tryk på. Hvis den overhovedet gør det
48:39
altså jeg ved det ikke her. Der er ikke det, men.
48:45
Hvad hedder det? Nå lad os så gå videre hvad
48:46
hedder det? Nu skal vi tilbage til Danmark?
48:48
Vi tog fra IUSA, så er vi kommet til Europa, og nu er vi først
48:52
tilbage i Danmark, fordi i sidste uge, der har på i noget
48:55
tid har S har der været et forslag fra SF om at skabe en
49:00
dansk læge lange model, og Det var til behandling tror jeg man
49:05
kalder det det ved du Jonas fordi du.
49:07
Statskundskab uddannet, men Det var til behandling i
49:10
Folketinget, og Det var det. I fredags tror jeg Det var, og
49:15
ellers var det i torsdags. Det tror jeg, Det var i torsdags
49:17
torsdags eller fredags. En af de 2 jeg havde vinterferie
49:21
i sidste uge, så Jeg kan ikke foregribe dagene og.
49:26
Det var Det er selvfølgelig ikke en nyhed, der kommer bag på os,
49:30
fordi Det har længe været kendt, at det forslag ligesom været
49:32
oppe at vende, men det der med, at det rent faktisk bliver taget
49:36
Der er noget sprogteknologiske, der rent faktisk bliver taget op
49:38
i. Folketinget er lidt interessant,
49:42
synes jeg, og jeg fulgte fulgt rigtig meget med.
49:47
Og så fik jeg jo jeg fik jo nogle jeg så det glitter det kom
49:50
ud jeg så det i live, men jeg så det efterfølgende, men inden jeg
49:54
så det, så fik jeg nogle beskeder.
49:56
Om at jeg var blevet citeret fra Folketingets talerstol af mona.
50:02
Mona Jeg kan huske hvad hedder men for for konservative.
50:08
Fordi jeg havde skrevet i en LinkedIn tråd og havde repr
50:11
postet en LinkedIn tråd troet. Ja så så de lytter skal huske.
50:17
Man skal huske at man skal passe på hvad man skriver på sociale
50:20
medier, hvis. Ikke så nu er dansk lem nyhed og
50:23
lidt ananas II unges juice. Jeg synes Det var rigtig fedt.
50:28
Jeg synes Det var flot og Jeg synes det der du har lidt reach
50:31
der må man sige og måske er der endda nogen der har hørt noget i
50:34
podcasten med hvad? Det kunne være fedt jo hvad
50:38
hedder det? Men i hvert fald så var jeg inde
50:40
og finde transcript af alt det de ligesom havde sagt, fordi det
50:44
bliver jo transkriberet i Folketinget, alt det de har
50:46
sagt. Og så har jeg puttet den ind i
50:49
Vores podcast hos os. Så og så der har vi simpelthen
50:56
jeg sidder nu foran mig med en summery session af det halv time
51:01
halv hele times forslags behandling ting ja og jeg tænker
51:07
bare vi går igennem det hurtigt. Hvad hedder det til at læse det
51:11
op? Fordi så kan vi bare slappe af.
51:14
Imens. Nej hvad hedder det?
51:17
Ja, men altså hvis vi spørger hun skal igennem Det er S der
51:20
foreslår udvikling af en stor dansk sprog model for til at
51:23
afspejle dansk Kultur og for at overholde lovgivningen og der
51:27
tror jeg meget de mener det her med GPR og det skal kunne bruges
51:30
af virksomheder og offentlige institutioner og Sådan noget.
51:32
Det er også lidt ligesom om Der er nogen der ikke helt ved at
51:34
Der er åbning open source modeller derude tilgængelige.
51:39
Allerede nå, men Det var Sådan lidt.
51:43
Så fremmed. Lisbeth bech Nielsen, at
51:47
vigtigheden af teknologi er vigtigheden af teknologi, der
51:50
reflekterer danske værdier og overholder
51:52
databeskyttelsesreglerne, og Der er begrænsninger ved nuværende
51:57
teknologi, uddannelses, institutioner og offentlige
52:01
ansatte kan ikke bruge eksisterende store sprogmoduler
52:04
på grund af lovgivnings konflikter.
52:07
Ja Det har ligesom været de 2 store bekymringer det her med
52:11
at. Den danske Kultur ikke bliver
52:13
afspejlet i de store amerikanske modeller og internationale
52:16
modeller også ligesom det her problem med at.
52:20
Der er problemer med databeskyttelse og forskellige
52:23
lovgivning. Konflikter, som forhindrer
52:24
skole, blandt andet skoleelever, men også offentlige.
52:27
Myndigheder og eller institutioner i at i at bruge de
52:32
her services. Ja så scenen ligesom sat ikke?
52:37
Og Jeg synes Det er lidt sjovt fordi.
52:41
Jeg har jo Sådan lidt faktisk på et tidspunkt, så.
52:45
En en gammel kollega IIII direktøren II dansk gymnasier,
52:51
lederforeningen, hvor Jeg har arbejdet.
52:54
Hvad er det, Der er problemet med at, at ligesom er DR mæssigt
52:58
at bruge de her modeller her fordi.
53:01
For mig at se, så bliver det værre anvendelse af Sådan nogle
53:04
modeller der det. Det er ligesom noget, som man
53:07
kan løse i en applikation i alle, altså ligesom i alle andre
53:11
applikationer kan man løse det problem, at man sender noget
53:14
data et eller andet sted hen, som skal håndteres efter nogle g
53:17
pr mæssige regler. Det skal krypteres.
53:20
Det skal alle de der ting, og så skal der være noget slette
53:24
politik og der skal være. Alt det der på plads der, og det
53:27
skal ikke sendes til et forkert sted, og det skal helst blive
53:30
inden for de her rammer alt. Det er jo muligt i dag med med
53:34
de modeller. Vi har også netop fordi man kan
53:38
lave de der aftaler med for eksempel Microsoft og de her
53:41
providers, så man kan få styr på det juridiske omkring det.
53:44
Og så er det jo så, så er det løst.
53:47
Så Jeg har altid haft lidt svært ved at se, hvorfor er det lige
53:50
præcis GPR delen Der er så problematisk?
53:55
Og hvorfor er det det, der skal være anledning til, at Vi skal
53:57
træne en model? Det forstår jeg ikke.
54:00
Det tror jeg, at Der er en kæmpe misforståelse derude omkring
54:02
dig. Hvad er det der?
54:03
Hvad er den der model for noget? Fordi den anden.
54:08
Den anden vinkel er jo, at modellen i sig selv er trænet på
54:12
noget data, der ikke er g pr mæssigt compliant.
54:16
Det vil sige navne og måske en nogle adresser på nogle
54:19
mennesker, og på den måde kan man ligesom fiske noget
54:23
information ud af den, der model man ikke var berettiget til at
54:26
kunne se. Det er jo et et mere reelt gdpr
54:30
mæssigt problem og og en form for datalæk kan man jo et eller
54:34
andet sted og sige. Så er der jo så det der med
54:37
jamen er det måske et stort problem hvis Det var noget der
54:40
var allerede offentligt og Sådan noget?
54:42
For Der er nemlig også noget med, hvis Det er information der
54:44
ligger offentligt tilgængeligt, så er det ikke Sådan.
54:50
Beskyttet af gdpr, fordi Det er allerede offentligt, så Der er
54:53
Sådan noget alt muligt frem og tilbage.
54:55
Men anyways. Det, Det var bare en
54:58
interessant. Det synes jeg lige dialog der
55:02
for hvorfor er det egentlig vi altså skal løse det der?
55:05
For jeg ser det jo helt klart ultimativt set som at Det er det
55:08
danske sprog, Vi skal have styr på i de der modeller Der er.
55:11
Problemet og Det er jo det Det er sjovt, fordi Det er jo et
55:14
meget tekniske spørgsmål eller emne det her ikke også med
55:16
juridisk med hvad må man og hvad må man ikke og Sådan noget så
55:19
jeg oplever også, at der bliver talt meget forbi hinanden.
55:22
Ikke fordi Det er så teknisk et område og fordi.
55:26
Lovgivningen heller ikke er helt defineret på på området.
55:30
Hvad hedder det? Men så den 1 der ligesom en af
55:33
de første der svarer på det her. Det er ligesom Marie Bjerre, som
55:35
er Vores digitalisering, så ligestillingsminister, og hun
55:38
udtrykker tvivl om projektets levedygtighed og omkostning,
55:41
udvikling og ikke mindst vedligeholdelse af de her Sådan
55:45
en dansksproget model. Og hvad skal man sige?
55:51
De Det er Sådan lidt linjen over det hele kan man sige, at de
55:56
fleste partier har den her holdning med, at de synes sgu at
55:59
det virker lidt som om, at det ikke er noget, som staten
56:03
ligesom skal stå for at. Gøre det her, fordi det virker
56:08
dyrt, og det virker som om, at Det er en lidt for Sådan.
56:13
Stor opgave for for for staten at at køre, og at det ikke
56:16
ligesom kan blive gjort med tilfredsstillende kvalitet.
56:20
Og så nu man skal huske på det her.
56:21
Det er, at det giver til 4 summery altså Der er maks Herlev
56:25
Nations risiko her fordi det hedder meget tekst Jeg har
56:28
sunrise her men der står at. Det er fedt bare at sige Sådan
56:33
kilder hvor man bare ved Det kan være 100% halloween ikke, men
56:36
der står her at. Der står at Alternativet de
56:40
støtter forslaget, at de bakker ligesom op om forslaget, og så
56:43
fremhæver. De virkeligheden ved vi ikke med
56:45
sikkerhed endnu. Det siger giv 10. 4. 10.
56:48
Ja fuld disclaimer og så fremhæver de vigtigheden af open
56:52
source og national kontrol over teknologien.
56:58
Så det virker som om man er man er bekymret for at den danske.
57:03
Det vil sige Kultur er ikke afspejles i de amerikanske
57:05
modeller, så er man vil man gerne have at.
57:08
Vi Danmark ligesom har kontrol over.
57:11
Sprogteknologi. Som fungerer på Vores eget sprog
57:15
IS. Ja ja, og Der er jo ikke nogen.
57:20
Jeg tror ikke Der er nogen der har nævnt.
57:22
I inde i Folketinget det der med at Det var måske en god ide at
57:26
have fokus på, hvad man kan sige at få styr på anvendelse af de
57:30
data, man bruger til at træne og ligesom få.
57:33
Kan man sige, distribuerede organiseret det i en eller anden
57:36
offentlig sammenhæng. Det synes jeg jo stadigvæk er en
57:39
fornuftig ting, men så var der jo det der med, at Det var jo
57:41
egentlig nogle midler, Der er sat af til det.
57:45
Nu var det digitaliseringsstyrelsen, der
57:48
har fået nogle af de af de på finansloven.
57:51
Eller hvad er det nå? Det er også det, Der er.
57:53
Blevet sat en afsat 61 millioner til ligesom at udvikle det og
57:57
det her forslag konkret foreslog at afsætte 40 millioner til
58:01
ligesom at udvikle den her danske sprog model.
58:03
Og der var Det var sjovt, fordi der var der også Sådan lidt.
58:05
Der var der også. Jeg tror Det er Liberal
58:07
Alliance, som sagde at jamen, de havde altså hørt, at det
58:10
kostede, at Det var blevet estimeret til at være omkring
58:12
halvanden milliard. Det ville koste at udvikle Sådan
58:15
en ikke så Det er jo, men Det er jo også et tegn på at et dépens.
58:19
Ikke fordi hvad snakker vi snakker vi en, Det er jeg
58:22
fuldstændig hjernedødt at tage tage en kunde dansk sprog model
58:26
fra bunden af ikke Det har vi også snakket om før den skal jo
58:29
have noget viden for verden og Sådan noget, Der er en masse
58:31
litteratur som kun er på engelsk og så videre ikke men du ved.
58:36
Det er jo dem der ligesom har sat sig ned og kigget på.
58:38
Hvad har det kostet abonnere måske og bygge 4 eller Sådan et
58:42
eller andet ikke? Og hvad vil det koste hvis
58:44
Danmark skulle gøre noget tilsvarende?
58:46
Og Der er jo det der. De har jo ligesom ikke fanget
58:48
det her med at. Det er faktisk blevet ret
58:51
tilgængeligt og ret. Hvad skal man sige realistisk
58:55
for at træne nogle nogle mindre modeller til at gøre nogle
58:59
brugbare ting? Så her er der også forvirring
59:03
og. Som ligesom er nødt til at lave
59:05
et small light language model. Forkortelse, så vi kan få.
59:11
Kan man kan det hedde s eller l. Det er slet ikke til at udtale,
59:18
men fordi Der er jo virkelig altså det.
59:20
Det spænder bare så bredt det der område efterhånden ikke hvad
59:24
Der er computer mæssigt omkostninger og hvad kan køre på
59:28
din laptop og Sådan noget? Det må være hvis ikke lige svært
59:31
for politikere at navigere i, men men Jeg synes Der er.
59:35
Jeg synes jeg klapper lidt af af Vores politiske system lige nu,
59:39
fordi Jeg synes Det er flot at både at man man faktisk lytter
59:42
helt ude til den her niche gruppe af folk der sidder derude
59:47
og laver de der ting og har et eller andet sted, har
59:50
digitaliseringsstyrelsen i det der arbejde de havde lavet også
59:54
fået lyttet til. Hvad det her fagområde synes og
59:58
mener om det der. Kæmpe skuddet til den del af
1:00:01
digitaliseringsstyrelsen, som har holdt de her workshops hvor
1:00:04
at ja. Ja så alle alle Der er aktive på
1:00:08
LinkedIn og debatterer det her spørgsmål og har været også med
1:00:11
i podcasten her. Det har været en fornøjelse,
1:00:14
synes jeg hele vejen og så se at det kommer helt ind i
1:00:17
Folketinget. Det er sgu da sjovt.
1:00:19
Ja så ja nå, Det var bare lige et shout.
1:00:24
Det er spændende, når det kommer til at ske, som man siger.
1:00:27
Og apropos, nu skal vi dybere ned i den danske sprogteknologi
1:00:30
endnu dybere ned på den sidste nyhed her, fordi Der er fandme
1:00:34
blevet Der er fandme blevet lavet en ny state of the art
1:00:37
dansk. Åben ikke mercell, large
1:00:42
language model. Så fik vi lige hele det hele
1:00:45
med. Ja og det.
1:00:49
Det var jo for Casper grus som havde titlen.
1:00:54
Som den den person der havde trænet den bedste lange model
1:00:58
fordi han havde taget den her mooning model som er Sådan en.
1:01:04
Drænet lars landbrugsmodel er danish foundation models
1:01:08
projektet, og så havde han fintunet den videre på skole GTI
1:01:11
en struktion datasættet. Og så havde den ligesom blevet
1:01:15
state of the art. Jeg tror Det er dagen efter der
1:01:18
kommer der en gut der hedder Magnus.
1:01:21
Marek som nu ligger jeg her på LinkedIn.
1:01:25
Han er IT konsulent i statens IT.
1:01:30
Og Jeg tror han er studerende på DTUI kunstig intelligens og
1:01:33
data. Jeg har overhovedet ikke fået
1:01:35
historien bag ved det her, men men.
1:01:37
Pointen er Magnus smag bæk kommer inde på danish science
1:01:41
community slack workspace. Og dropper.
1:01:47
Dropper dagen efter dropper han ligesom bare en en sofa model.
1:01:51
Ja og det han? Fuldstændig, og Det er en helt
1:01:55
konkret dropper. Det er en han kalder den for
1:01:57
hydron miste Madrid seven base. Det er Sådan ligesom den her.
1:02:02
Hvad skal man sige? 111111 prøvetræner dansk model,
1:02:04
som er blevet trænet på dansk, som er Sådan videre prægning på
1:02:10
dem i strål 7 b Sådan en ikke en stor centro, noget skal man sige
1:02:14
model. Så så release han danish open
1:02:20
hermes hermes 1 1 1 oversat. 1 1 1 1 1 instruktion datasæt som er
1:02:27
oversat fra det det engelske datasæt, der hedder open hermes.
1:02:31
Og og så er blevet oversat til dansk, og så tager han sig den
1:02:35
her base model, som han har trænet og instruction tuner den.
1:02:41
Der står Det er en chat model, men han instruction slash chat.
1:02:47
Tune altså den her påtrængende spørgsmål til en model, han
1:02:50
kalder for hydron mistral seven bee chat og Det er så den her
1:02:55
model, som ligesom er blevet den nye solitær ikke mulighed open
1:02:59
åbne danske model inde på scandic.
1:03:02
Hvor langt er den så fra de merced?
1:03:05
Ja det kommer der. Men Det er jo Det er jo Det er
1:03:13
jo crazy. Kigger lige have winner øh i
1:03:16
morgen winner, der sker noget hele tiden.
1:03:20
Den ligger. Lige i røven af.
1:03:25
Den er. Den er Sådan måske i midten af
1:03:28
alle de Mercedes modeller. De har jo fuldstændig.
1:03:31
Overtaget der bort, men de ligger Sådan lige i midten af
1:03:34
det. Jeg så.
1:03:38
Den slår stadig ikke roman you skits mon euro beatle 7 b model
1:03:45
som. Michael fra start da jeg kommer
1:03:49
fra. Jeg vil ikke mødes så det ja men
1:03:54
Det er jo Jeg synes det Der er åben source datasæt det.
1:03:57
Det er det mest interessante af det her.
1:04:02
Altså Det er en kæmpe bedrift også at lave den der videre
1:04:05
fintuning og det skal jo lige siges igen til lige at clarify
1:04:08
hvis Jeg har forstået det rigtigt, så er der ligesom tale
1:04:11
om en mask token fine tuning ikke?
1:04:14
Altså vi Vi er ude i det her med at Vi skal product next toppen
1:04:17
tasken Det er den vi. Vi har på på på på programmet
1:04:22
når vi sætter den over, ikke? Og Det er Sådan.
1:04:28
Og så, og så kører vi ligesom videre på de vægte, som er lavet
1:04:32
fra den her mistral, som jo er trænet på rigtig meget.
1:04:37
Data altså i rigtig lang tid, for ligesom at nå dertil hvor
1:04:41
den er. Og så kører man jo videre på det
1:04:43
danske sprog. For ligesom at håbe på, at man
1:04:45
får det bedste af alle verdener. Ligesom dansk kaffe og masser
1:04:50
har gjort, ikke? Og Der er altså det skal lige
1:04:54
nævnes. Den er både blevet trænet på
1:04:55
skole, PTI datasættet, instruktion, datasættet og det
1:04:59
her danish open hermes datasæt. Og Der er altså hundredetusind.
1:05:04
Hvad hedder det eksempler i danish open hermes og omkring de
1:05:08
her lidt over 20.000 i skole? Dansk skolebibliotek instruktion
1:05:12
datasættet så. Så ja.
1:05:16
Ja spændende stort vi nærmer os. Vi nærmer os noget, som som
1:05:22
begynder at blive interessant, ikke?
1:05:24
Ja og Det er jo Det er jo også det Der er jo folk der arbejder
1:05:26
på de her ting, og de har ikke nødvendigvis har de ikke brug
1:05:29
for særlig meget. De de har faktisk bare brug for
1:05:32
nogle nogle datasæt. Der er nogle PU engang imellem
1:05:35
og noget evaluering og noget altså de de de de er faktisk.
1:05:41
Der er faktisk folk der arbejder på det her ikke, og det kører.
1:05:45
Faktisk godt. Det tænker jeg.
1:05:47
Der er relevant ikke altså fordi at lige pludselig har du.
1:05:54
Altså mere mere data og og i højere kvalitet.
1:05:59
Ikke fordi at ja flere har været hen over de her data, ligesom.
1:06:03
Fundet ud af måske, at hvis vi sorterer det her fra og Sådan
1:06:06
nogle ting der ikke så begynder man lige pludselig at.
1:06:09
Man kan man kan se Sådan en tragt for sig, der bliver mere
1:06:11
og mere smal og så rammer man af bedre og bedre med de der
1:06:15
modeller ikke det. Det bliver Det er sgu godt det
1:06:19
der. Det er godt Det er mega fedt
1:06:22
mere dansk. Sprog.
1:06:24
Jeg håber ikke, at Vi har viderebragt information, som er
1:06:29
hallucineret fra p 4 i dette afsnit.
1:06:32
Stort display. Hvis Vi har, så er det bare
1:06:36
bullshit, men som i meget gerne kalde det, så skal vi nok sige
1:06:40
det i næste afsnit. Jeg er fedt.
1:06:45
Kritisk vis. Lige præcis.
1:06:48
Nu kan jeg se min min iPhone. Jeg kører på mit iPhone wifi og
1:06:52
Det er sgu ved at min telefon er ved at være død, så det vil sige
1:06:56
mit wifi det går ud lige om lidt, så vi bliver sgu nødt til
1:06:59
at vi også skyggerne også at blive lange.
1:07:01
Hvad hedder det? Klokken er eller Vi har snakket
1:07:03
en time og 7 minutter så. Jamen Vi er jo ved at se den jo
1:07:07
så. Det er vi sgu.
1:07:09
Ja jamen så er der ikke så meget tilbage at sige end at sige at
1:07:14
1000. Tak fordi i lyttede med alle
1:07:16
sammen. Vi ses i næste uge og.
1:07:19
Det gør vi så også Jonas. Det gør vi i hvert fald have det
1:07:22
godt.