Latest / Verbos: AI og Softwareudvikling / #88 - Dansk Open Source AI og Europæisk Techsuverænitet med Mads Henrichsen

Transcript

#88 - Dansk Open Source AI og Europæisk Techsuverænitet med Mads Henrichsen · Verbos: AI og Softwareudvikling

0:00
Hej allesammen og velkommen til bo's podcast afsnit nummer 88.
0:04
Vi er fandme snart tæt på nummer 100.
0:08
I dag har vi en gammel kending med i studiet mads Henriksen som
0:13
er. Cro founder og partner IAI
0:16
virksomheden 7 dot AI og manden bag dansk kapitelitet.
0:20
Det var første gang vi havde, vi havde været inde i studiet mads.
0:23
Det var en fornøjelse, Vi har haft derinde flere gange siden,
0:25
og Det er også en fornøjelse nu her at have dig med.
0:28
Og så har vi også Jonas med på linjen som sædvanlig.
0:31
Det var lige ved, at du ikke kom med Jonas, fordi der var noget
0:33
knas med med vandet eller Sådan noget derhjemme, men men det
0:37
løste sig så, så Det er megafedt.
0:40
I dag. Der skal vi snakke en smule om.
0:42
Vi skal snakke om open source. Mads hos 7 AI der har en del
0:47
kørende i forhold til open source.
0:51
Og jeg tænker vi både skal snakke open source AI og open
0:53
source generelt fordi Det er totalt oppe i tiden med hensyn
0:57
til altså det her med suverænitet det her med ligesom
1:00
at gøre os uafhængige af tech giganter og så videre.
1:02
Så jeg tænker vi kan få en god snak op omkring det.
1:06
David heilmeier har også lige været inde i.
1:07
Jeg ved ikke om Det var Folketinget, men han har i hvert
1:09
fald været inde og snakke med nogle politikere, hvor han som
1:11
citat mads Henriksen rev dem et nyt røvhul som eller OKD sorry
1:17
jeg lige bander det og citerer dig hos 1 1 1 noget værre noget
1:20
mads der men. Men Det var mildt nok.
1:22
Det var det du sagde, men der skal jo på LinkedIn, men det
1:24
gjorde han i hvert fald også. Så ja Der er masser at snakke
1:27
om, men velkommen til. Tegn.
1:31
Ja før vi går i gang mads, så skal vi lige, så skal vi lige.
1:35
Så skal jeg lige stille et spørgsmål ind til noget du delte
1:39
på LinkedIn her forleden, fordi du delte i går tror jeg at i 7
1:43
AI har lavet Sådan et hvad skal man sige discord-interface til
1:47
nogle af jeres interne systemer og der varslede du også at du
1:50
ville integrere til dinero Sådan så i kunne oprette fakturaer for
1:53
discord i dinero. Og Det har du så siddet Det har
1:56
du lavet en video i dag hvor du har lagt op og vist en demo af
1:59
det. Kan du ikke bare fortælle lidt
2:01
om om om om det setup der? Jo.
2:07
Altså vi kunne II 7 der har vi jo vi vi delvis en
2:10
konsulentvirksomhed, hvilket betyder at Vi skal registrere
2:14
hvad vi laver for Vores kunder, altså tid og beskrivelser og på
2:17
hvilken virksomhed og så videre en dato.
2:20
Og Det er jo egentlig et relativt simpelt system, så så
2:25
der har jeg bare opsat en en database og så noget noget
2:29
python ko på 250 linjer eller Sådan noget som håndterer det.
2:34
Men hvis man egentlig ideen var så let at at at det her skulle
2:37
være nemt tilgængeligt og ikke tage så lang tid at lave.
2:42
Men hvis man skulle lave Sådan et rigtigt system, så skulle man
2:45
også have en hjemmeside som Vores medarbejdere kunne tilgå.
2:48
Du skulle sørge for at brugerne kunne fandicere altså logge ind
2:51
og logge ud. Du skulle sikre Vores anpoints
2:54
på alle mulige måder, så bliver det ekstremt altså.
2:58
Det bliver meget, meget, meget hurtigt komplekst.
3:00
Og meget hurtigt 10 gange så meget kodet som som 250 linjer.
3:06
Så fik jeg så ideen at at hvad hvis vi lavede bare bare Sådan
3:10
noget ER ovenpå. Altså så bare lavede de her
3:13
funktionaliteter som der ikke var i systemet.
3:15
Bare lavede dem til til tools til.
3:19
Jamen som vi bare kunne tilgå via et discord og det vi bruger
3:22
et discord som Vores interne kommunikationsværktøj ligesom
3:25
andre bruger teams eller slack eller eller whatever.
3:29
Så Det var Sådan egentlig i starten på Vores ja, hvad kan
3:32
man sige? Det var det første værktøj vi
3:33
kan tilgå af Vores interne systemer.
3:38
Og så var det sindssygt oplagt at integrere til dinero, som er
3:42
Vores regnskabssystem. Ej Det kan skjule reklame her
3:48
der. Har jeg lige skjult reklame?
3:50
Ej Vi er jo liv. Begge rundede 100 Vi er lige.
3:52
Ja det gør begge veje. Ja ja Det er også på reklame for
3:54
7 så har jeg hvad hedder det? Hvem der hedder det?
3:56
Vi er jo Vi er gået ramt 100.000 aktive brugere eller aktive
4:00
virksomheder i hvert fald så ja ja så Det er jo helt vildt så
4:04
nå, men Det var bare lige lidt lidt flex her men ja.
4:08
Jamen ja altså nu nu kan vi bare sige eller skrive til Vores
4:12
chatbot. Hey sige fæld lige hvor mange
4:14
timer Vi har lagt for den her virksomhed i den her periode, og
4:18
så kommer den frem med det her og så siger vi kan bare se nå,
4:20
men opret lige en faktura på det.
4:23
Og så så får vi lavet en faktura med det samme, så skal vi bare
4:26
lige ind og godkende den inde II dinero og så er vi inde i good 2
4:30
go så det sparer vi sindssygt som man kalder det kommer til at
4:34
spare sindsygt meget tid på. Jeg tænker 2 ting umiddelbart,
4:37
så tænker jeg at hvad hedder det rott nok Sådan altså så så ved
4:40
man man er en tech virksomhed. Ikke hvis man tænker Sådan jeg
4:42
skal have Sådan en tidsregistreringssystem fuck det
4:44
jeg laver bare en database og så lige noget Pakistan kode og så
4:48
ja det det Det er råt nok, men så det virker virkelig som om at
4:51
Det er Sådan. At det i virkeligheden er Sådan
4:53
en eller 2 form for. Det var bøvlet at lave en rigtig
4:56
front end så hvorfor ikke bare lave det med chat basically?
5:01
Ja, altså funktionaliteten er det samme og så altså interface
5:04
har så bare sprog i stedet for at du skal klikke dig rundt.
5:07
Ja. Altså man kan sige det Det er.
5:12
Det er ikke lige så hurtigt at fremsøge ting.
5:14
Altså du kan nemt få et bedre overblik i en eller 2 tabel hvis
5:17
man ønsker det, men Det kan jeg på sigt også output i sprog bare
5:23
ikke lige så nemt overskyelig, så Der er helt sikkert nogle
5:26
nogle drawbacks ved at gøre det på den her måde, men i den skala
5:30
vi sidder i og og laver det så så så giver det fint mening.
5:36
Det var meget sjovt hvad hedder det?
5:38
Jeg har jo Jeg har også glad og lidt udfordringer at du skulle
5:41
prøve at implementere det på SMS også.
5:44
Det kunne det, tænkte jeg. Det kunne være sindssygt at at
5:46
lave 1 1 1 interface til 1-1 app via SMS.
5:51
Men Jeg tror altså Jeg tror seriøst Det er nemt nok.
5:53
Og altså Det er ikke noget problem. 1000 Sådan SMS tjeneste
5:59
services, som man bare ville kunne integrere mig det
6:03
problemet er at jeg gider bare ikke altså Sådan.
6:05
Jeg gider ikke fucking ståede og SMS er, men mit lønside.
6:10
Det er Sådan, Det er det jeg kommer ud af det du bruger
6:14
altså. Ja det det gider jeg simpelthen
6:16
ikke. Det er og det gider jeg heller
6:18
ikke betale endnu en regning til til et lønsystem eller til Sådan
6:21
en sms system. Hvad så med hvad så med telefon
6:24
altså fastnettelefonen. Der er ikke nogen der har hængt
6:27
op. Op til.
6:30
Jeg er begivenhed. Med du?
6:31
Det er jo fra old school det der du du skal have meget længere
6:35
ind i fremtiden. Jeg Jeg har Sådan et.
6:38
Jeg har Sådan en drøm om eller Jeg har bare drøm om jeg tænker
6:40
Sådan det kunne eddermame være være lidt Sådan halvdumt projekt
6:43
at lave Sådan 1 1 1 telefon first webapp altså Sådan ellers
6:48
så ved jeg ikke altid det havde en web app men men altså Sådan
6:51
men bare ligesom lave en en app hvor at interfacet er altså
6:54
behøver ikke at være fastnet vel?
6:55
Det kan også godt være mobiltelefon, men altså hvor du
6:57
du ringer til den. Og så nyder du mig?
7:01
Det kunne da meget godt være det passer lige.
7:03
Jeg ved ikke om du ved det, men Der er jo SMS indbygget dinero
7:06
APP. Og du vil være du det koster en
7:09
krone hver eneste gang du bruger det.
7:12
Ja, men Det er rigtigt og. Og der står at du ikke må
7:15
misbruge Det har Sådan hvis man læser jeres service server-spray
7:18
jeres og Sådan noget, at vi kan udelukke jer fra, hvis i
7:22
misbruger det, fordi det altså Sådan du kan sende en SMS til
7:25
alle. Gennem det der hvor er det ja
7:30
jeg ved ikke om i har Sådan noget monitoring på det, men
7:32
altså. Der har været lidt.
7:33
Jeg tror Der er en grund til at der står at man ikke må misbruge
7:36
det. Skulle man ikke bare lave
7:38
security bare i design. Send den lige tilbage til
7:40
udviklerne den der jungle det det går altså ikke at lave Sådan
7:43
en SMS system hvor man kan sende til alle.
7:47
Der var faktisk ikke lige klar over at man kunne sende SMS er
7:50
fra Vores API. Så godt kender jeg det ikke,
7:52
men. Men, men Det er da Det er da
7:54
fantastisk at høre. Altså at man kan det.
7:57
Ja, men jeg venter stadig på den der.
8:01
Ikke mobil first, men telefon phone first app det det tænker
8:05
jeg bare Det er umuligt nu altså.
8:09
Det. Kunne virkelig være sjovt.
8:11
Nå hvad hedder det, Vi skal i gang med med dagens program nok
8:14
snik snak om sproginterface og og så videre og så videre.
8:18
Hvad hedder det? I har jo udgivet noget open
8:20
source her for nylig mads kan du ikke prøve at uddybe lidt?
8:25
Jo i super gang. Flere ting.
8:29
Det, der ligger længst tilbage. Det er nok Vores.
8:34
Ja o 7 visninger. Nu er notorisk kendt for at være
8:37
super super breaking her i bebo's podcast så.
8:43
Ja så Det er en måned siden eller Sådan noget ikke eller
8:46
noget tid sammen. Helt klart jo en måned sikkert
8:49
200 i don't know. Det er egentlig en en lama model
8:56
som som Vi har trænet lama 7 milliarders parametre model som
9:00
Vi har trænet videre på. Altså så Vi har ikke taget
9:02
danskere og brugt den som base. Men noget med GPRO Sådan min
9:10
forsmag learning metode sammen som som dipseq brugt til at
9:13
træne deres modeller. Og dem producerer jeg egentlig
9:18
kan man sige rimelig godt output.
9:23
Sproget er nok mindre godt end en dansk kapital, fordi den er
9:28
altså ikke er prægrænet på på noget dansk altså yderligere.
9:33
Men vi kan Sådan måle i Vores interne benchmark, så den er en
9:36
del bedre til logiske opgaver. Og en del dårligere til altså
9:41
Sådan viden om Danmark og sprog og og Sådan noget generelt.
9:47
Så det altså klart klart en kæmpe forbedring på.
9:51
Hvad kan man sige det som den reelt er trænet på?
9:54
Altså. Verificerbar opgaver matematik
9:57
kode, klassifikationsopgaver og og Sådan noget.
10:01
Hvordan II? Hvilken forstand giver det
10:03
mening at træne Sådan en på dansk?
10:05
Altså fordi jeg tænker Sådan logisk verificerbar opgaver er
10:09
vel Sådan ret uafhængigt af altså det Det er bare Sådan en
10:13
umiddelbar ting jeg tænker Sådan uafhængig af sprog eller eller
10:15
hvordan? Ja, men Jeg tror at.
10:19
Jeg tror igen, men Der er mange der ser på lidt forkert på det
10:22
at at at dansk er ikke et altså i sprogmuende er dansk er ikke
10:26
et sprog og Det er engelsk eller alle andre sprog for den sags
10:30
skyld heller ikke Det er mere du mener.
10:34
Så. Vi har snakket noget med med
10:37
novo nordisk, for eksempel om om at træne en en model på på samme
10:41
måde. Men til klassifikation af næsten
10:45
nogle patientforløb altså hvad, hvad hvad gør, hvad?
10:48
Hvad er der størst sandsynlighed for at patienterne bliver syge
10:52
af når de får en eller 2 type medicin og Det har de godt.
10:56
Ja, Det har de rigtig godt data set til, fordi Jeg har en masse
10:59
historisk data på det her. Når patienten er den her alder
11:03
har jeg haft de her sygdomme i forvejen.
11:05
Bor det her sted? Og så videre og så videre og så
11:08
videre. Så Det er egentlig Sådan
11:11
klassifikationsmodeller, som bare er fuldstændig vanvittig
11:14
god i forhold til hvad du ellers har kunne kunne skabe.
11:19
Så det de Det er de rigtig rigtig rigtig gode til.
11:21
Ja så fordi Der er jo også den her det snakkede.
11:23
Jeg tror også vi snakkede. Vi har jo snakket om o 7 før.
11:25
Vi har faktisk snakket om om Det er det her med at i har open
11:28
sourcetn som i jo så har gjort nu her, men Det er jo også det
11:31
der med Det er jo man kan jo faktisk lave nogle ret
11:33
interessante klassefire med den her teknik.
11:36
Ikke fordi du optimerer hen mod noget verificerbar ikke så Det
11:39
er Sådan en eller 2 form for blanding mellem.
11:42
At den bruger det her med at sprogmodeller har et meget Sådan
11:45
dynamisk interface og både input og output mæssigt, men også at
11:50
men også at man ligesom optimerer hen mod noget bestemt,
11:53
så Det er Sådan lidt Der er lidt det her.
11:54
Supervised learning speal over sig på en eller 2 måde.
11:59
Jeg har læst på et tidspunkt. Jeg læste en blogpost, hvor der
12:01
var nogen der havde trænet en klasse fejl som de i stedet for
12:05
ligesom at bruge Sådan cross entry til at optimere op mod
12:09
nogle klasser. Så optimerede de vist nok op mod
12:13
recall og presession i stedet for.
12:16
Det Jeg kan ikke lige helt huske, men det klikkede på mig
12:18
det. Jeg synes Det var ret snedigt da
12:19
jeg læste det, men Det var Sådan Det kan man gøre nu her fordi
12:23
man optimere mod udfald i stedet for.
12:26
Ja så det det. Ja har du?
12:28
Har du nogle eksempler på nogle Sådan interessante klassefire
12:31
set ups eller Sådan? Ja altså nu altså Sådan i
12:35
forhold til sprogmanden tænker. Du eller bare Sådan ja.
12:39
Altså nu er er en rimelig god case.
12:44
Så har vi en masse interne ting vi ikke må snakke om overfor
12:48
andre virksomheder. Men altså bare Sådan helt
12:51
generelt, så så fungerer de bare bedre end hvis du tager en eller
12:54
2 en betting model og og og træner det.
12:56
Men Det er selvfølgelig også altså en mere avanceret proces
13:00
og træning. En sprogmodland eller en lem til
13:04
det end at bare tage en en træne en eller 2 en bettingmodel.
13:10
Hvad med Sådan noget som Vi har jo inde IJV politikkens hus de
13:15
her famøse EAB kategorier, som du også kan huske i junge og Det
13:19
er Sådan noget med Sådan et et taksonomi af af af kategorier
13:23
man kan putte på content. Det er opfundet af en eller 2 en
13:28
eller 2 weird organisation som synes at de ligesom skulle lægge
13:30
sig på det der. Og i det nederste del af?
13:35
Eller øverste del af træet afhængig af hvordan man lige
13:37
vender det. Det der taksummetræ der ender
13:39
man ud i Sådan noget 900 kategori eller Sådan et eller
13:43
andet og. Det der med så mange kategorier
13:47
og, og Det er i øvrigt, så kan det også.
13:49
Så kan det være flere kategorier på på en artikel for eksempel
13:52
eller noget content. Det er faktisk ret komplekst, at
13:56
ligesom kategorisere det om, når man Der er Sådan kæmpe manual
14:01
til hvordan man skal ligesom anortere de der taksonomier ned
14:04
på content og Sådan noget altså Sådan noget relativt komplekst,
14:08
så kan man lave bedst efter det eller man kan lave en halv
14:11
dårlig regression som ikke kommer langt fordi Det er alt
14:14
for mange kategorier. Kunne det være en god case for
14:17
Sådan noget, det ville være. En oplagt case altså den den
14:21
case vi kørte Vores snoge er at 50.000 klasser.
14:26
Hold da op der Der er ja Der er 900 langt mere duer på altså
14:30
selvfølgelig alt det efter hvor meget data ligger ligger enden
14:33
med, men det tænker jeg. Der kommer jo lidt an på hvordan
14:34
man ser det der 3 ikke fordi du skal tænke på antallet af
14:37
kombinationer. Jeg ved ikke hvordan man
14:38
definerer klasserne er outkommet og Sådan nogle ting.
14:42
Det kan også være man man egentlig skal lave noget der der
14:44
ligesom kan. På et tidspunkt, så havde jeg
14:47
ideen om, at man kunne reducere problemet.
14:49
Ikke goodwill konger reducere det til binære og så bare sige
14:54
er du er du i den her eller er du ikke i den her og så start
14:57
start op i træet og så gå ned ikke så kan man sikkert
15:00
promincinere sig til det. Det er Sådan mit mit mit første
15:03
tilgang til det ikke, men det kunne bare være altså Sådan.
15:06
Ja det ved jeg ikke. Det kunne være fedt ligesom ikke
15:08
at skulle bruge så meget computer på rent faktisk at
15:10
finde frem til det der fordi. Vi har lidt mange artikler.
15:15
Ja ja ja. OK men, men Det er sgu lidt
15:17
interessant. Jeg indeholder artiklen og og
15:20
taksoniklassen flytter træet, og så er jeg ret sikker på, at det
15:23
godt kan lade sig gøre. Det kan godt være du lige hører
15:26
lidt for mig igen mads. Ja nå helt sikkert.
15:33
Og så er der jo også den her. Jo måske bare lige inden vi går
15:37
videre hvad hvad Sådan din umiddelbare fornemmelse Sådan
15:40
mads. Hvordan vil du så sige, at Sådan
15:42
de her reasningtype modeller at de er overheppet eller
15:45
underheden? Ligesom Sådan en rigtig klassisk
15:49
typisk spørgsmål. Det giver ankommer an på hvad
15:56
man har brug. Altså har jeg tænkt sig at bruge
15:57
dem selv. Jeg tror mange stadig bare
16:01
bruger dem. Altså tager en uge 3 u 4 eller
16:04
hvad fanden de hedder nu fra fra åben ej og så.
16:09
Og så prøve at bruge dem til en eller 2.
16:10
Klassisk omskrive et eller andet opgave.
16:13
Der er de ikke fantastiske, så jeg ville være helt helt vildt
16:16
helt sikkert, så man kan sige de overvight men til.
16:20
Altså domæne eller domændes specifikt klassifikationsopgave
16:25
af det ekstremt under hype, fordi Jeg tror ikke folk har
16:28
indset hvor gode klasse fra os lemmer kan være.
16:32
De tager bare altså det det koster fucking meget undskyld
16:34
jeg bander men. Det er fint.
16:36
Det koster ekstremt meget computer.
16:40
I forhold til at bare køre en eller 2 en betting model, så Det
16:44
er selvfølgelig langt tungere. Men bare meget bedre glasvej.
16:48
Hvad? Tror du måske også er det
16:49
grunden til at vi ser, at agenter begynder at blive så
16:52
gode? Kan det også noget at gøre med
16:53
de her reasingmodeller at de ja. Helt sikkert altså.
16:57
Det er jo især i Sådan noget multistp.
17:01
Ol skal kalde lave flere kald. Du ser, Jeg tror også åh ME
17:06
sagde det i deres nye release, at nu har der.
17:10
Nu kan deres model egentlig tænke svare et eller andet for
17:14
eller andet response tilbage og så begynde at tænke igen.
17:19
Responces eller den kan køre tool calling i sin visninging
17:23
jing out plus ting, så den er og så det vil sige.
17:25
Den er jo trænet til abu tools. I den her reasingproces ja.
17:31
Og Det har en program ikke også lige sagt her i dag, at Det kan
17:34
de nu også. Ja ja så Det er så.
17:38
De samme modeller eller er det nogle andre varianter?
17:40
Jeg synes de er begyndt på Sådan noget med at de hele tiden har
17:43
en ny variant, netop fordi det der med de skal træne den til
17:46
specifikt i de der steps der lave nogle tule cools, hvilket
17:50
jo også giver mening. Det er ligesom på en eller 2
17:52
måde det vi forventer der vil ske at de bliver trænet til at
17:55
lave specifikke tulekort, så de er relevibable og ligesom de
17:58
havde GBT 4 o search ikke som er specifikt lavet til at outputtet
18:03
de her søgeresultater. Forstå søgeresultaterne.
18:05
Og Jeg har Sådan umiddelbart umiddel lanceret åbne jeg search
18:10
for 10. Gang fordi at det ligesom bare
18:12
nu skulle det lykkes og så endte de med at fintune den der model
18:15
til det og sagde OKOKOKOK vi Vi skal nok find tunge Vores site
18:20
til Vores eget produkt. Vi laver ikke kun grundmodeller
18:23
mere og det virker altså bare meget bedre nu altså det gør det
18:26
bare Det har aldrig virket lige så godt som det gør nu hvor de
18:28
er 20. til det der. Men det Det er helt rigtigt
18:32
altså. Tour de har også lige et
18:32
lanceret deres egen codingmodel codex ikke for at det skal være
18:37
ekstremt forvirrende, men der var også en open source model
18:40
for 2 år siden der hed codex og så lancerede de for 2 måneder
18:43
siden at open source værktøj der hed kodex og nu har de lanceret
18:47
en model der hedder kodex. Skilt.
18:51
Ja altså Det var men den er. Den er selvfølgelig også bedre
18:53
til kode og Jens tool views og alt.
18:57
Det der navngivning åbninger Jeg har gang i, ikke altså det jeg
19:00
så har de o one og så kunne de ikke vælge otteo fordi at fordi
19:04
Jeg er det. Trademark.
19:06
OK, men så kører de over til oldfry fair nok og så vil de
19:09
gerne lave den der o four mini som vi lige den her de kørende,
19:11
men de har lavet en destilleret version, så den kalder de ofte
19:13
mini, men så er der også GPT 4 o.
19:16
Og Det er Sådan, så bliver folk forvirrede, du ved.
19:20
Den hedder altså der. Det er også fordi at få ekstra
19:22
forvirrende, fordi o modellerne er o et og så videre.
19:25
De hedder ikke g 2 foran. Der er Der er o 4 mini og så er
19:30
der en GPC 4 o der så er der g betin know 4 o mini.
19:35
Det er Sådan det Det er fuldstændig.
19:36
Også når de når til o 7, så så bliver det Sådan.
19:39
Hov vent lige lidt. Den er allerede.
19:43
Nå, Det er helt håbløst det der altså.
19:47
Fuldstændig ja men altså det her.
19:49
Jeg synes lige dvæle lidt med det der.
19:52
Det er jo det fede ved at have de her modeller open-source, og
19:54
Det er jo netop at man kan tunge dem til til specifikke cases,
19:59
altså domæne, specific tuning, og Det er jo det Vi har gået og
20:03
vi vi kom Sådan lidt fra den her verden, hvor vi havde små
20:06
sprogmodeller i en betting model og så tog vi dem ned, og så
20:09
tunede vi dem til nogle specifikke områder.
20:11
Og så gik vi væk fra det, og så var alt de her eller lemmer, og
20:15
det blev så open source til generelle ting og så var alt
20:18
prompteing. Nu skulle bare prompte derudaf,
20:19
og så kunne vi få dem til alt muligt.
20:21
Og nu bevæger vi os tilbage til at der kommer kommer mere og
20:25
mere fin tunet open source varianter af forskellige
20:28
arkitekturer til domain specifikke ting.
20:33
Der er også lige kommet crowd 4 kommet ud i dag og deapstrivel
20:37
death for hvad hedder det? Mistrul som er Sådan en
20:41
kodeagant model? Også den kommer ud så ja.
20:43
På Facebook de svømmer bare i de her opensel-modeller ikke og og
20:47
og nu er det jo lige før du kan gå ind og finde noget, som er
20:51
meget tæt på dit domæne. Og måske så tuned derhen af til
20:54
det du skal løse af problemer. Men hvordan er det ved det her,
20:57
fordi lempind tuning er det altså er det nemt mads altså er
21:02
det blevet er toolingen omkring det også lige så nemt som da
21:05
transformers library altså du ved.
21:08
Order trainer import alt det der altså hvordan fungerer det nu?
21:12
Altså hvad er dit bud open source?
21:14
Jamen Jeg er. Jeg er totalt bagud på det der
21:16
fordi jeg håber bevæget mig væk fra at træne modeller jeg laver.
21:18
Ikke. Så meget.
21:19
Så er der møde da du havde trænet dansk bibliotek, ikke?
21:22
Der var det sejt. Der var.
21:24
Det bare badass. Nu er det jo bare nemt, ikke?
21:27
Nej der findes. Der findes nogle frameworks som
21:31
ligesom gør det rigtig, rigtig nemt.
21:33
Altså hvis man skal have det allernemmeste du kan få fat i
21:36
Det er det der hedder unslove som altså man kender slof Det er
21:40
verdens langsomste dyr. Der er ikke en eller 2 gut der
21:43
hedder Daniel et eller andet gut som har lavet det.
21:47
Gjort det hurtigt at træne. Med alle dem må, og han
21:52
udbyggede bare Sådan nogle notebooks fra de forskellige
21:55
sprogmodeller, og så kan du bare mere eller mindre ændre dit
21:57
datasæt hos at du good 2 k. Og så nogle faste formater man
22:02
køber ind i, altså nogle faste interfaces, lidt ligesom vi
22:04
kunne huske og have face i tidernes morgen at.
22:08
Så skal du have dine toggacer den skal der skal du herover, så
22:11
skal du videre og er er det Sådan ser vi at det ligesom
22:14
bliver lidt mere standardiseret. Så har jeg Sådan.
22:18
Jeg er bundet til en model PT. Ugen godt udskiftning, men så
22:21
skal du gentræne hele embedting lavet det gider man ikke.
22:25
Så har du rodet med lidt på et tidspunkt, havde du ikke?
22:28
Det roder vi en del. Men Det er også det der med
22:31
træningsformaterne altså hvordan skal man ligesom vende hvad?
22:34
Hvad er target i ens træningsdata og hvordan er de
22:37
her optimiser så ja. Så så tidligere har der været
22:41
ekstreme problemer med Sådan 2 niceationsprocessen.
22:45
Altså af for eksempel. Den måde du dit datasæt skal se
22:50
ud på. Forskellige modeller har
22:54
forskelligt det man kalder chat templates altså hvordan man
22:56
reelt skal interagere med modellen.
22:59
Så når du reelt promter chat GBT så til at chat GBT ikke kun din
23:03
promptisk også et eller andet tåben Der er Der er for start
23:10
user chat og så kommer din prompt og så kommer der en togen
23:13
der hedder end user chat og så kommer der et togen der hedder.
23:17
Start assistance altså whatever og Sådan assistent som den er
23:23
færdig, så Sådan nogle ting ser vi ikke som som brugere, men men
23:27
Det er lagt ind for at modellen regel kan lære mønstre og det
23:31
mønster. Det kan være forskelligt fra
23:34
model til model, så fucking face har udviklet det man kalder chat
23:37
templates, hvilket er Sådan en ginga template.
23:42
Som egentlig fortæller tonelejson, hvordan den skal
23:46
promtes. Og det gør det bare meget meget
23:50
nemmere at at træne modellerne nu, fordi du følger du altid
23:53
bare den her chat template som er som er sat.
23:57
Nice så Det er en standard, men som også er bundet op på hvad
24:00
kan man se sammen med togkenacer som et ekstra led?
24:03
Jeg kan huske i tidernes morgen, så så var der nogle af de her
24:05
embedmodeller hvor de når de kom ud eller bare Sådan nogle n ære
24:09
type modeller og klassefires et eller andet og husk lige de her
24:12
tunge sager. Hvis man så glemte at have de
24:15
der tones medser, så fik man bare Sådan noget whit noget man
24:17
tænkte det her. Det er totalt det øst og vest og
24:21
så når Det er fordi jeg lige skal eller man er typet et eller
24:24
andet toppen forkert eller Sådan et eller andet så var det bare.
24:26
Helt sc Group og så er man bare wastede en træning ikke men og
24:30
så Det er der kommet lidt mere styr på med de her templateing.
24:33
Det lyder jo fornuftigt, men hugg face er jo også gode til
24:35
lige at se hvor er det der mangler noget og så især nu her
24:39
kan man godt blive lidt forvirret i eller lemland ikke
24:42
tænker jeg. Jonas.
24:44
Ja ja. Ja ja nå men jeg tænker bare
24:46
altså, Det er vel ikke? Nu ved jeg ikke.
24:48
Jeg ved ikke om Det er de samme template arkitektur de bruger i
24:51
alle de der modeller, men hvis nu man har hvis man bygger
24:53
videre på en en pretrænet model på et eller andet tidspunkt en
24:56
lama model altså det du ændrer ikke bare lige den der
24:59
forudsætning med de der tungste der altså downs-stream vel du
25:03
skal ligesom den den løb den bliver ved med at følge med på
25:05
en eller 2 måde altså du ved Det kan man kan sikkert godt
25:07
indtjekke nye tokens. Ændret, hvis du ønsker det, men
25:11
men Det er meget sjældent til din fordel.
25:13
Ja Det er jo det ikke. Altså Det er jo det jeg tænker
25:15
altså så så på en eller 2 måde, så hvis du vil have out of the
25:18
box OK performance på det du laver så lad være med at fjern
25:21
toke i det mindste måske introducere nogle nye special
25:23
tokens du selv har fundet på? Det er OK ikke men ja nå men Det
25:27
er jo godt at høre Der er sket noget skal.
25:29
Du til lægen hemmelighed? Kan man.
25:31
Godt. Jeg har faktisk aldrig
25:32
nogensinde fintunet end eller lumfer, men Jeg har hvad hedder
25:35
det. Jeg har trænet rigtig mange
25:37
rigtig meget incater-modeller. Har jeg virkelig Sådan lavet
25:41
rigtig meget så. Jeg har ikke lavet andet end at
25:47
snakke podcast i 2 år omkring hvordan man eller løber.
25:50
Nej forresten, Jeg har aldrig nogensinde trænet.
25:54
Jamen Det er derfor Vi har. Malet jeg ved godt hvad partouts
25:55
er, og jeg ved godt at du ved jeg alt det der.
25:59
Vi har booket fint find AP til det så.
26:04
Det er det værste. Det er endnu værre end ikke.
26:09
Hov, Det er ikke mig der har gjort det.
26:10
Det er ikke mig det. Er ikke mig.
26:11
Jeg tror det ikke selv folk får startknappen.
26:15
Nå, men lad os lige gå lidt videre, fordi jeg i har jo også
26:18
udgivet en 2 del mads kan du ikke fortælle lidt om den?
26:22
Så for. 5 5 uger siden 6 uger siden i don't know breaker Vi
26:29
har Vi har jo Vi har jo Vi har jo gået og hygget os lidt med at
26:32
lave nogle. Tekst til talemodeller før, og
26:36
Vi har faktisk. Jeg har vist en på.
26:38
Nu kan jeg ikke huske hvad det hedder.
26:39
Sprogkonference kan huske hvad. Var det 0,5 0,5 år siden eller
26:44
Sådan noget i den stil som en havde lavet.
26:49
Og vi var ret meget i tvivl, om vi skulle udgive den, fordi den
26:51
var ekstremt god til at klone stemmer.
26:53
Og Det var selvfølgelig lidt. Kan man sige.
26:56
Det er lidt et etisk problem på den ene side, så ville vi meget
26:58
gerne. Se fremme dansk sprogteknologisk
27:03
udvikling, men på den 2 side så er vi heller ikke være nødt til
27:06
at. Kunne skabe en masse spiller og
27:10
så videre og så videre, så den model valg vi ikke at udgive,
27:12
fordi Det er et problem med at flyve klodens stemmer, så
27:15
modellen var rigtig god til det. Det kunne vi ikke løse.
27:19
Så her for 5 6 uger siden, så udkom der en.
27:25
Kan man sige en model fra noget. Jeg kan ikke huske hvad det
27:28
hedder, men de kaldte den overføres og Det var lidt.
27:31
Enormt hvordan når 80? År 80.
27:35
År 80 ja. Og Det var en Det er en Det er
27:39
en lama 3 3 mia. par meters model altså det vil sige Det er
27:44
en LM som de har trænet til. Og modtag tekst-togkens eller
27:51
modtage tekst og så outputens som så repræsenterer lyd.
27:57
OK. Og det synes vi jo var Sådan ja
28:00
for helvede, så tænker jeg Det er fandme godt fordi Det er
28:02
fandme LM Det kan vi finde ud af, og Det er Det er.
28:07
Det er autoresivt det vil sige. Det er en produkt tåbende gang,
28:10
det gør den super god til at streame, så man kan få et svar
28:14
sindssygt hurtigt. Og det det Det kan vi finde ud
28:18
af det her, så tog vi egentlig hele Vores Vores pipelines, som
28:22
vi havde lavet til den til den tidligere model.
28:24
Alt det data, vi havde havde indsamlet og så videre.
28:29
Og så kan man gøre noget lidt specielt man skal køre.
28:33
Tak fordi sprogmodellerne. De kan jo ikke output lyd som
28:36
Sådan. De kan output de her turkens og
28:39
de her tokens kan så blive omdannet til lyd.
28:42
Så kan man så bruge sig 1 1 1 cooter.
28:46
Til lyd som så outputter et eller andet et eller andet form
28:49
for togen, der repræsenterer det og de tokens dem kan vi så putte
28:53
ind i alle landets togenser, så den ved ikke at nødvendigvis at
28:58
den outputter lyd, men den outputter så nogle nye tobkens
29:02
som så repræsenterer sprog. Så når den skriver dem, så kan
29:05
vi så omdanne det til til lyd. Er Det er det så bytekst mads
29:11
eller hvad er det? Altså altså jeg tænker bare lyd
29:15
og typisk kan du typisk bare få jo repræsenteret en masse by
29:19
tekst. Så vi bruger en en model der
29:25
hedder. Snack.
29:29
Ja nu skal jeg se om Jeg kan finde den frem.
29:34
Det ville måske også være lidt voldsomt at bare prøve at
29:36
produkt hver byte. Altså Det er der jo.
29:42
Fra Microsoft der viser det. Det er faktisk ekstremt rigtig.
29:45
Rigtig godt. Så kan du så behøves du dit
29:49
input ikke være nødvendigvis at være tekst, så kan dit input
29:52
være hvad som helst. Med output hvad som helst du kan
29:55
output lyd og du kan output PDF er og du kan output,
29:58
word-dokumenter og alt muligt. Hvorfor kan jeg ikke lige?
30:03
Men Det er jo hvis man inde, hvis man putter det ind som en
30:06
streng, kan man sige at man gør det nogle længder.
30:09
Så kan det også være tungen. Altså han kan finde ud af at
30:11
splitte det i de rigtige størrelser, så det ikke er en
30:13
spejder af gangen. Jeg.
30:14
Forstår ikke helt altså Sådan OK så der Der er den her Office Jeg
30:18
kan se de hedder cannabile laps den der hedder den Office.
30:22
De har lavet en en lama 3 b model som kan tage tekst ind og
30:28
så output. Audio.
30:32
Tokens. Ja.
30:34
O. K altså så den den altså.
30:36
Den ved jo ikke at den outputter audioens den outputter bare
30:41
tokens altså den. Den aner ikke hvad Det er.
30:43
Den aner ikke hvad de repræsenterer, men det lærer den
30:45
jo så stille og roligt. Hen ad vejen II træningen.
30:51
Og så bliver de tokens blev så omdannet til lyd som du har den
30:55
her snacky. Cooter.
30:57
Ja som der altså snackmodellen som du først bruger tager
31:00
indkote lyden til tokens og så bliver den så de bliver så
31:04
dygtet efterfølgende til til lyd.
31:08
OK. Og Det er helt helt ekstremt.
31:14
Hvor hvor effektiv den der incode og d coder lyd er.
31:21
Datasæt vi for eksempel har er. Tog til at arbejde i lydfilter.
31:28
Og det fylder hvis vi en cola det med den der snack model, så
31:31
fylder det 5 gigabyte. Så og det lyder altså Jeg kan.
31:36
Jeg kan næsten ikke høre forskel på den oprindelige lyd og så
31:40
den. En model, Der er trænet til at
31:42
komprimere lyd i virkeligheden. Det er i teorien ja.
31:46
Fordi at altså Det er jo det der med at lydkomprimering.
31:50
Det er jo. Faktisk et meget, meget, meget
31:53
velkendt domæne jo og super optimeret og vi kender MP 3 og
31:57
alle de der ting der og alle ved alle ved siger bare dem der har
32:00
prøvet at sidde og lave lave lyd.
32:02
De ved jo godt hvis de optager lyd med en masse spor derhjemme
32:04
på Sådan og så kommer de ud til en wavefil og Det kan fylde
32:07
mange gigabyte og så sker der magi og så kommer det ned til
32:11
Sådan et par megabyte MP 3 feed bagefter.
32:15
Og den proces er ja som du siger, man kan næsten ikke høre
32:18
forskel i lyden vel, og Det er jo komprimering.
32:22
Den er jo den er jo den er ikke. Jeg ved ikke den er losse.
32:27
Nu skal vi ikke ind i alle de der termer for det, men men Der
32:29
er i hvert fald. Du kan ikke høre forskellen og
32:35
og det det virker næsten datakompræmmering.
32:38
Det er det helt sikkert og her og her er det ikke.
32:41
Altså Jeg tror hvis jeg fik et par gode hovedtelefoner, så
32:43
ville jeg også godt kunne høre forskel.
32:46
De skriver selv at at bit raiden på den model, vi bruger til at
32:50
indgå dode. Det er en altså 0,98 kilobit i
32:57
sekundet. Det er jo næsten ingenting.
33:01
Ja men er det så er det en model Der er trænet til det.
33:03
Det er ikke bare en algoritme som andre.
33:06
Kombination Det er en model ja som er som er trænet til det.
33:09
Og den kører hurtigt også altså Sådan.
33:11
Hurtigt. Du kan ikke lade være med at
33:13
tænke på andre uses cases her. Ikke fordi Det er jo Sådan noget
33:15
over the wire data, hvor den slags også er ret fedt.
33:18
Jo kunne det vi sidder og snakker her for eksempel.
33:22
Det fastnet appen kunne. Kunne en code og de codey Det er
33:26
den 2 ende kan kan være ret smart.
33:30
Altså Det er. Det Det er hurtigt.
33:35
Jeg vil ikke mene det vil være altså så skal du du skal have en
33:39
GPU til det før Det er hurtigt. Så er det et netværk som ja, Det
33:43
er nok ikke lige den den almindelige USC.
33:47
Modellen er nok sikkert lille nok til at du kan køre den i
33:49
browseren, men. Hvordan er hvordan er data
33:53
sætter så? Altså OK Det er måske siger
33:55
måske sig selv. Altså jeg forestiller mig Det er
33:57
noget tekstpar tekst talepar. Tekst par og så lyden laver vi
34:04
så bare om til ja Det er en på dig.
34:07
Vi så bare og lægger ind i Helle og så træner vi træner vi bare
34:12
alle dem og det tager ikke. Nu kan jeg ikke huske hvor mange
34:15
eksempler har i Vores datasæt men men det tog. 3 epoker tog en
34:20
dag eller et eller andet i den stil?
34:22
Og så fra fintuner vi den efterfølgende med unikke
34:27
stemmer. Så hvis Vi har en eller 2 person
34:31
vi gerne vil efterligne, så kan vi tage deres stemme og og træne
34:35
den ind i modellen. Og skal det så også være den
34:38
person skal det så også? Skal der så også være
34:39
taletekstpar? Hvordan med Sådan nu bliver jeg
34:44
bare Sådan lidt nysgerrig med. Hvad med Sådan noget med
34:46
alignment i forhold til de her? Du ved de her tokens der bliver
34:50
lavet med den her snackmodel og så tekst togkens.
34:54
Altså Sådan jeg kunne forestille mig det Sådan.
34:56
Det kan hurtigt Der er vel en eller 2 alignment proces der
34:59
ikke er der ikke? Nej så modellen ved ingenting om
35:04
om om de olier tungs. Der kommer ind andet end sikkert
35:08
lærer at Der er et mønster på et eller andet tidspunkt, og det må
35:10
den jo være, for ellers ville den ikke kunne opputte være hvad
35:13
der bliver sagt. Men men nej.
35:16
Som udgangspunkt er der ikke nogen Sådan direkte elinar i
35:20
teorien, så vil du sagtens også godt kunne træne modellen til
35:23
at. Nu har vi jo for eksempel trænet
35:27
dem til. Og sige præcis hvad der bliver
35:30
skrevet, men du vil sagtens også kunne få den til at svare på et
35:34
spørgsmål. Det kræver så, at hvis du har et
35:37
eller andet lyd, som du siger for eksempel Paris eller et
35:39
eller andet stil, så kunne jeg skrive de tekst.
35:42
Hvad er hovedstaden i Frank? Og så lære den at den sammenhæng
35:46
mellem et eller andet hovedstad i Frankrig, men det betyder
35:48
pris, så på den måde vil den også godt kunne lære at svare på
35:52
spørgsmål. Man kan også lave det.
35:55
Det er Sådan input og tekst og så svarer den med lyd og din
35:58
model. Så hvis vi lige skal recappe Det
36:01
er en lama siger du inde imellem den der incote i hver ende, så
36:05
det vil sige Vi har en en incoding til nogle tokens som
36:11
som den her lama-model forstår. Og det vil sige.
36:18
Altså vi tager vi tager vi tager tekst ind.
36:22
Og så er det toke nisseson lama lama modellens toke nizeren der
36:26
går igennem det som det første. Så.
36:31
Så tager vi hvad så? Tager vi det sammen med et par
36:33
af den her lyd her. Nej så så Vores datasæt er
36:37
egentlig? Hvad kan man sige de den
36:42
lamatogany Sådan har Det er lidt et specielt for lamatog når jeg
36:46
så men men de har faktisk en del ognustogens.
36:50
Det er lidt. Det er ekstremt smart nesa men
36:52
men de træner den har. Jeg kan ikke huske om Det er
36:54
120.000 togens eller Sådan noget.
36:56
De har reelt træner på og så efter det så har de det de
36:59
kalder special tokens og Det kan være for eksempel det jeg
37:02
snakkede om tidligere start of start of views og ændrer viewser
37:06
men nogle gange så har de også en række af det de kalder
37:09
univers-togs. Og Det er så tåben som du kan
37:11
bruge til alt muligt andet. Og her i Vores eksempel, så har
37:15
vi så bare valgt at mappe de her univers-togens til Vores audio
37:19
incat. På den måde?
37:21
Ja. Vi tilføjer teorien ikke tokens
37:25
tiltogkken, altså togken, altså den er den samme størrelse.
37:27
Vi vælger bare at bruge dit togkens, som egentlig er ikke
37:31
brugt. Så så så man laver en mapping
37:35
mellem de tokens som den der snackmodel.
37:39
Coter ned til de her on-ustens på på lamaen, og så har man
37:44
basically et typisk set man sender videre.
37:47
Ja og på den så træner man på det og Der er det jo så sjovt
37:51
nok kun dem der bliver brugt sammen med det her tekst
37:53
selvfølgelig og så d coder man jo den samlede togen mængde til
37:59
noget som man. Hvordan får man den gearet over
38:02
i er Det er det bare klassisk? Hvad kan man sige next toppen
38:07
projektion hvor man hele tiden siger Det er altså det her togen
38:10
jeg gerne vil have du er dcoter ud fordi Det var det der var i
38:13
sekvensen. Det kan jeg se, fordi Jeg har
38:15
endcoterdelen på den her side og Jeg har lyden og har recordet
38:18
den og kan se det. Og så videre og så videre.
38:21
Så kommer man egentlig hen på den måde det Det er skide smart
38:26
hold kæft. Hvor er det smart?
38:28
Eller. Hvad kan kan du kan du mærke den
38:30
lige klikkede arkitekturen ind i hovedet altså.
38:33
Bare lige bare lige. For en god det Jeg synes Der er
38:36
aller smartest. Det er jo at den er altså Det er
38:38
et togende gang, så jeg går jo altså fordi modellen er så lille
38:42
så går der jo 200 millisekunder før vi kan begynde at producere
38:46
lyd altså og Vi har teksten så den er modellen.
38:50
Modellen er jo ekstremt rigtig altså den er ekstremt god til at
38:54
bruge hvis Det var en eller 2 voice chat, watt eller et eller
38:57
andet man skulle. Man skulle have gang i.
38:59
First toppen laden sige man gerne vil have helt ned.
39:02
Ikke så man får den her hurtige respons og man kan nemt som sige
39:05
om man kan streame det og Det kan man jo i det her odd regse
39:08
for det en af gangen og så kan man bruge en Player til
39:10
simpelthen at afspille det der lyd der.
39:12
Altså jeg venter på stadig på dinero telefonappen mads du har
39:16
alle modellerne til det så så. Jeg sidder og drømmer derovre.
39:22
Bare lige bare lige for er. Det ikke bare jer altså i skal
39:24
jo bare dinero 7 i skal jo bare lige finde sammen og så så
39:27
klikker det jo og det. Ikke.
39:30
Bare overbevise Martin om at man skal give os en researchcreand.
39:36
Du har stadig nogen, der skal overbevise om den der case der
39:38
synes jeg. Ja o.
39:40
K research grandsud ikke. Nå ja, bare lige for at være
39:44
helt Sådan, så folk der lytter bedre kan finde den her tekst
39:48
til speech model. Kan det passe at Det er den inde
39:49
på jeres hugingface der hedder 7 AI skråstreg TTSV et fine shune.
39:54
OK super så der kan man gå ind og og og og fange den der.
39:58
Hvis Det er er der mere omkring tekst og spise Vi skal tale om
40:02
inden vi går videre til jeg. Vil gerne lige.
40:05
Jeg ville lige flere blog. Nej det vil altså Det er.
40:08
Fint men altså Jeg er glad for plugs.
40:11
Den den model som ligger derinde nu.
40:14
Den er trænet på oplæst tekst, så hvis man får den til at
40:17
generere noget tekst, så lyder det som om at det sidder en
40:19
eller 2 nyhedsvært at læse det op.
40:22
Perfekt. Det er jo perfekt.
40:24
Det er fordi den er trænet på dem, som tidligere har læst
40:29
nyder op fra radioavisen. Og TV avisen til blinde.
40:36
OK. Så så der sidder 2 personer som
40:39
Vi har haft Sådan noget PD Jeg tror de har lagt.
40:42
Jeg kan ikke huske om Det er Sådan noget 17 timer værd eller
40:44
Sådan noget så Vi har 17 timers lyd så det lyder meget opblæst
40:47
og det Jeg vil sige med Det er Det er at vi lige nu er i gang
40:51
med at indsamle æggeoplæst tekst altså som regel samtaletekst
40:57
eller er samtalelyd undskyld og Vi har lavet en.
41:01
Hvad kan man sige Sådan en en virtuel studie?
41:03
Altså det Vi har lavet en hjemmeside mere eller mindre
41:05
hvor man kunne gå ind, og så kan du donere din stemme, så får du
41:08
en sætning op på skærmen, så trykker du optag og så skal du.
41:12
Du skal ikke læse den op eller du skal have en teori læse den
41:15
op, men så du skal gøre det på en måde som om at Det var
41:18
rigtigt altså. Skal du have lidt podcast lyd
41:23
mads. Junge og Jeg kan godt give Vores
41:26
stemmer. Vi kan jo selvfølgelig ikke give
41:28
andre stemmer, men men altså. Vi kan jo bare gå langt derhen.
41:32
Af fordi vi gætter bare alle de afsnit hvor vi sidder og japer
41:35
derudaf og så så får du lidt Jonas og junge ind i den model.
41:40
Eller være super. Det vil vi det Vi har i Vores
41:44
det vi data eller det det studie virtuelle studie Vi har.
41:47
Det er at Vi har også de her tax, altså så Vi har grin og
41:52
væske og Sådan noget, så så du kan gøre modellen kan gøres
41:55
meget mere ekspressiv, når du så skal generere noget lyd igen, så
41:59
kan du få den til at grine eller hviske eller lydvred eller.
42:05
Skal vi ikke bare viske for nu af gå nu væk til.
42:10
Dig anne, Lotte. Ja ej det går ikke ja nå, men
42:15
fedt er der et link eller Sådan noget man kan?
42:20
Ja. Du kan sende det til mig, og så
42:22
putter jeg det i showet. Vi putter det i show notes og på
42:24
LinkedIn og spammer alle mine. Optag punktum 7 punktum a. 1.7
42:31
punktum a oh Det er Sådan et dejligt lækkert.
42:35
Chris short UL mega fedt hvad hedder det?
42:40
Michael nice Vi skal lidt videre i programmet her fordi at nu har
42:43
vi snakket open source og Vi har snakket om nogle nogle nørdede
42:46
lidt nogle nede i nogle af de modeller som som i har lagt ud
42:49
open source, men open source er jo også Sådan lidt mere generelt
42:54
oppe i tiden ikke kun AI, men også med generelt software fordi
42:58
at folk er ret optaget af suverænitet fordi at der ligesom
43:02
er noget over case som Der er nogle overseyes som er begyndt
43:06
at blive Sådan lidt. Hvad skal man sige?
43:11
Upålidelige måske, og man er begyndt at blive lidt nervøs
43:14
for. Hey Det er hele lortet kører på
43:16
ABS og Google cloud og Microsoft word og hvad fanden ved jeg eger
43:21
og Sådan noget. Ja så jeg tænkte på det kunne
43:24
være spændende lige at tage en snak der.
43:25
Jeg ved ikke måske bare for at starte ud nu er asyl jo delvis
43:30
en en konsulentforretning masse, så jeg ved ikke at så du ved så
43:33
plejer man at være Sådan godt i. Hvad skal man sige kontakt med
43:36
markedet, at Sådan noget suverænitet on-prem halløj?
43:40
Er det noget, du hører noget om Sådan til dagligt før?
43:44
Faktisk overraskende meget. Jeg ved at for et år siden eller
43:50
hvad snart 2 år siden Det er lanceret dansk bibliotek, så var
43:53
det jo lidt en joke at at USA. De kunne jo bare slukke for UBMI
43:57
og for Asger og Sådan noget hvis de ville.
44:00
Og nu er det. Nu er det lidt en realitet,
44:01
ikke? Så så vi.
44:04
Vi har rigtig mange offentlige myndigheder, kommuner og Sådan
44:07
noget som kunder. Som også er ekstremt strenge på
44:11
GDPR altså de vil heller ikke bruge.
44:14
Altså for eksempel fordi jamen, Det er jo under amerikansk.
44:20
Dyrurrid hvad hedder Sådan noget juridisk diktion?
44:24
Så så der kan de i teorien få udleveret det data de har har
44:27
brug for, så der søger de unprame løsninger.
44:32
Og ikke kun dansk bibliotek, men men alt andet så alt, alt hvad
44:36
vi skulle kunne levere, skulle enten kunne hostes ja enten af
44:40
os eller ontre hos dem eller et eller andet sted IEU.
44:44
Af en virksomhed, som ikke er amerikansk.
44:48
OK Det er vildt. Det gjaldt det der du siger med
44:51
at at Asger, at de kan bede om at få udleveret data og Sådan
44:55
nogle ting der så vidt jeg forstår det, så gælder det ikke
44:58
hvis Det er inden for EU. Men Det kan jo altså.
45:02
Jeg ved jo godt Det er nu er det jo ikke en juridisk podcast men
45:04
men men jeg jeg Jeg er med på frygten med mine altså Jeg har
45:09
Microsoft ikke også været ude at sige vi garanterer.
45:13
At der ikke er nogen der kommer og hapser de data når de ligger
45:16
indenfor EU og Sådan noget og det Det er måske bare.
45:18
Sige at de vil garantere Microsoft der lige her og i den
45:24
her uge, fordi Trump har sagt at de skulle lukke ned for en eller
45:28
2 dommer end IEU, så de bare slukker deres konto.
45:33
Så så Det er Sådan Det er Sådan rimelig ren.
45:37
Kan man sige lige så meget de har.
45:38
Lyst til ikke og så Det kan de jo sige lige indtil de ikke skal
45:40
sige det mere. Til det mere.
45:42
Var det en? Det var en international
45:45
krigsrets domstol eller hvad? Eller noget eller en stilling?
45:48
Jo. Jo et eller andet klart jeg.
45:49
Kan ikke lide. Det der navn.
45:51
Men det det man kan sige det det Det er et reelt problem at at de
45:56
er. Ja Det kan jeg IUSA hvad?
45:59
For en risiko ikke, altså når man er blevet meget bevidst, om
46:01
virker det til. Ja.
46:04
Det er klart, hvis man kan, hvis man kan presse Microsoft til
46:08
ting, men har vi ikke også set det tidligere?
46:10
Så jeg tænker bare var det. Den kan i huske den der med
46:12
Apple telefonen hvor Det var en eller 2 terrorist der hed en
46:15
Apple telefon eller en eller 2 et eller andet suspekt og så
46:18
sagde NSA Apple låst den op og så sagde jeg det vil det vil vi
46:22
ikke gøre og så låste den jo selv og så breakede de den jo
46:26
selv ikke. Men men.
46:30
Ellen eller kant eller eller de kan også godt bygge det, så at
46:34
man ikke altså så de ikke kan. Men hvad?
46:38
Hedder det jeg tænker jeg tænker meget Sådan jeg Jeg synes det
46:41
Det er jo jeg hører virkelig meget for rigtig mange af det
46:44
her suverænitet. Det er ret oppe i tiden, og Der
46:46
er rigtig, rigtig mange der der snakker om det.
46:48
Jeg tænker tit på Sådan jamen, hvad er det egentlig for nogle?
46:53
Hvad er det egentlig for nogle startups eller virksomheder, Vi
46:55
har behov for i Europa, hvis vi ligesom skulle have et
46:57
alternativ til alle techvirksomhederne?
47:00
Jeg ved ikke, har i tænkt over Sådan, hvad vil de ikke?
47:03
Centrene der hvad? Siger du?
47:06
Hvis staten skulle være Sådan teknologistagken.
47:10
Altså det Det er Sådan Jeg tror at du kan komme det.
47:13
Det er jo svært hvis du ikke må have en iPhone og du må ikke
47:16
altså Sådan. Du kan heller ikke have en eller
47:18
2 du skal så skal du have en eller 2 europæisk produceret
47:21
telefon på en eller 2 måde ikke og det samme med en computer
47:25
altså det går jo ret. Det går jo ret dybt hvis du skal
47:27
undgå amerikansk teknologi i alt.
47:31
Ja altså udover bare software. Ja så Der er også en.
47:35
Hardware med at sige det, men Der er jo meget af den hardware
47:38
er jo ikke amerikansk lavet, kan man sige.
47:41
Ja så er der smartphones altså hardware og smartphones og så er
47:44
der laptops eller computer simpelthen.
47:49
Så er der også Sådan noget som styresystem, men altså der kunne
47:51
man jo godt gøre. Linux til der kunne man.
47:52
Køre linux ikke? Styresystem tænker jeg.
47:55
Det er nok noget af det nemmeste.
47:58
På for brugerne til at vænne sig til det.
48:02
Altså Sådan rent. Hvis man tænker Sådan enterprise
48:07
skala. Struktur så ved jeg ikke hvor
48:12
mange europæiske. Altså reelle muligheder Der er.
48:18
Headset er det Sådan, at Det er ikke helt der?
48:20
Jamen Der er altså Sådan Det er jo Det er jo.
48:23
Det er jo rigtig rigtig fine til til enkelt computer.
48:26
Ja og så kan du have dit eget kompagnisk kloster, men alle de
48:29
der services mange virksomheder er vant til at bruge i, altså de
48:34
findes jo ikke der altså så er det noget du skal finde et open
48:37
source alternativ til. Og bygge det selv eller et
48:41
eller? Andet ja eller bygge det selv?
48:42
Og så var det ikke lige præcis det, der var en debat omkring.
48:48
Inden i Folketinget nu nævnte du før vi gik på her joke at David
48:53
Heine meier. Han havde været i debatten var
48:56
han med derinde. Måske tror jeg Jeg kan ikke
48:58
huske det. Ja, Det var han.
48:59
Og fuld power og var fuldstændig.
49:02
Han er den 16. jeg kender seriøst.
49:03
Fuld power derinde og han han sagde vel bare open source, open
49:07
source, open source. Ligesom at de fleste Sådan
49:12
dygtige softwareingeniører jo godt ved at at at hvis du
49:16
virkelig vil noget, så skal du egentlig bare forholde dig til
49:18
open source. Fordi at selvom at der findes
49:21
proprietære systemer som Microsoft har bygget, så er de
49:24
jo altså bygger de jo på så open source, så kunne det være så
49:27
vanvittigt. Det gør det jo altså.
49:28
Der er jo ikke nogen systemer Der er 100% clost- source ikke
49:33
altså det det det Det er der jo ikke altså.
49:38
Bare helt ned til til til den her.
49:42
Teknologi, der har med filsystemerne at gøre.
49:43
Jeg ved godt, at Microsoft og Windows ejer rigtig, rigtig
49:45
meget. Selv ikke.
49:47
Men så er der jo, der findes jo da nogle af deres cloud
49:50
løsninger som de har der kun kører på linux som ikke engang
49:53
kører på Windows, ikke? Så de server deres løsninger på
49:58
linux maskiner? Altså allerede der, så er
50:01
stakken jo ligesom brudt, så Det er det ikke bare Sådan Det er
50:06
slutbrugerne der problem problemet er slutbrugerne de kan
50:09
sgu ikke vænne sig til de her andre produkter.
50:11
Altså Det er virkelig nemt for at komme i gang med en eller 2.
50:16
Cloud provise og Asger eller et eller andet det.
50:19
Det er virkelig nemt. Altså det faktisk giver et
50:22
develop experience de sælger. Men der.
50:24
Er jo også man Sådan altså, og så er det svært at komme ud af
50:28
fordi en ting er at du skal så finde et alternativ men men så
50:32
er du der stadig alle de data liggende og Det kan også godt
50:34
være ekstremt dyrt bare at få ud.
50:37
Der er jo stadigvæk. Der er jo stadig rigtig, rigtig
50:39
mange steder i det offentlige, man kører påonprim.
50:44
Høj omkostnings licenteret Microsoft produkter, som ikke er
50:49
i skyen, som er on prim stadigvæk og de koster.
50:51
Boksen fordi at Microsoft vil jo bare gerne have de skal i skyen,
50:55
så de skruer jo bare op for prisen.
50:57
Og Jeg tror også at det der at der ligesom er et sammenfald nu
51:00
med at det koster. Røvmeget bandede jeg også lidt
51:03
her ikke og så og så hvad hedder det at?
51:10
At man så er Det kan godt være man ejer de der fysiske maskiner
51:13
stadigvæk selv og de står et eller andet sted og Det er en
51:15
seables server og Det er Sådan lidt af hvert du ved og noget VM
51:18
hvor er man kører og men så detkoblet med at at man også er
51:24
bange for at nu altså Microsoft bliver kompromitteret af Trump.
51:30
Det sætter ligesom gang i nogle tanker omkring kan man kan man
51:34
erstatte de her Microsoft produkter med.
51:37
Altså kan man få et onedrive som er open source og det tror jeg
51:40
nok Det var noget af det som som jeg hørte i den der debat der
51:43
Det kan man jo altså man kan jo dybest set erstatte alt med
51:46
open-source Der er open source alternativer til det hele.
51:49
Det er kun et spørgsmål om. Vi skal have nogle folk med
51:52
nogle kompetencer, der sidder tæt på jernet i nogle statens IT
51:56
et eller andet. Det kan godt være man ikke må
51:59
sige det. Der er nogen der tænker åh nej
52:00
åh nej åh nej men altså. Skal vi ikke bare have nogen
52:05
hverdags software engineers i det offentlige, som kan drifte
52:08
noget af det der? Så får vi styr på det lort.
52:09
Altså jeg. Tror også Jeg tror også man
52:11
skal. Jeg tror det man måske i
52:13
virkeligheden mere har brug for. Det er nogle visionære,
52:16
hårdtarbejdende iværksættere, som tror på, at de kan rent
52:20
faktisk ændre verden og konkurrere mod.
52:23
Altså Sådan. Jo men altså da jeg sagde lad os
52:25
sige det blev til lovgivningen at at lad lad os sige det som
52:28
David. Han foreslog det her med at
52:30
indenfor hvad var det 5 år eller 3 år så skulle de 10 mest brugte
52:34
systemer ligge ikke i Microsoft ligge på en eller 2 europæisk
52:39
løsning. Og indenfor de næste hvad var
52:42
det 10 eller 15 år så skulle alle systemer ligge i offentlige
52:46
løsninger med open source kode. Det kan du jo bare gøre til til
52:51
lov. Sådan må vi se om vi kan få.
52:53
Efterspørgsel. Ja ja så er der efterspørgsel på
52:55
det her, så jeg behøver gerne altså.
53:01
Nå, men så starter vi fandme Vores open source til det
53:05
offentlige konsulentvirksomhed. Jamen altså.
53:11
Ja, hvad skal vi sige om til det?
53:14
Altså er open source blevet mainstream?
53:17
Altså Det er et begreb Der er kommet ind i Folketinget, og nu
53:20
kan man høre ordet open source ligesom man hører det chat GBT
53:23
og GBT på et tidspunkt, og selv junge blev nævnt inde i.
53:28
Folketinget. Det er jo en min karriere der.
53:32
IT og og og software engineering er jo simpelthen bare blevet
53:37
mainstream politik lige pludselig.
53:39
Det synes jeg sgu er ret imponerende at tænke over.
53:42
Men Det er jo også i virkeligheden tech teknologi,
53:45
politik er jo også sikkerhedspolitik på rigtig
53:47
mange måder ikke. Altså Det er det.
53:49
Det lyder lidt mærkeligt at, men Der er jo en sammenhæng der ikke
53:52
altså det handler bare om at være foran og kunne.
53:55
Have styr på de der systemer, selv ikke ellers så er man altså
53:57
bare. Ja altså hvis du bliver hacket
54:01
og sikkerhedsmæssigt. Altså Det er nationen og.
54:04
Men jeg tænker meget på det der med yo open source.
54:07
Det er fedt og så videre og så videre.
54:08
Men Der er også et eller andet. Der er også noget i open source.
54:15
Økonomi eller Sådan økosystemet, som ikke altså ikke Sådan helt
54:21
hænger sammen, ikke? Det virker som om at altså uden
54:24
helt at have en stor research artikel bag mig.
54:27
Jeg har selv skrevet om det, så virker det som om at.
54:30
Og de open source altså Sådan projekter som har succes.
54:33
De har ofte fået backing af nogle store techgiganter, altså
54:37
de har ofte nogle midler, som ligesom skubber dem frem eller.
54:40
Altså Sådan. Ja, men Jeg tror dem neder de
54:42
kommer efter ikke efter Det er. Selvfølgelig rigtigt ja, men jeg
54:46
tænker bare Sådan jamen det kunne man selvfølgelig godt.
54:48
Jeg ved ikke. Jeg synes jeg tænker bare Sådan
54:50
det nogle gange Der er lidt naivt det der med at bare Sådan
54:53
sige amen, hvis det bare helt er åbent og Sådan noget, så skal
54:55
det nok gå og Sådan noget ikke. Altså der skal også være nogle
54:57
nogle incitamenter. Til at nogen driver noget og
55:01
tjener en masse penge på det ikke altså ellers så.
55:02
Og det synes jeg også folk skal have lov til.
55:05
Altså Sådan set men. Jeg tror jo at Der er også jeg
55:10
mener der har været nogle forsøg også IEU regi og Det kan godt
55:13
være Det er noget af det som som Vi har hørt er totalt failet.
55:19
Men altså det der med at at starte nogle open source
55:22
projekter. Som som, hvad kan man sige?
55:24
Regeringer og lande og offentlige sektor ligesom?
55:29
Country til problemet er jo nok at at altså udviklerne og
55:33
softwareingeniørerne har jo ligesom ikke rigtig siddet på.
55:36
I det i det offentlige. De har jo siddet historisk i det
55:40
private, og så er det det offentlige der har købt de
55:42
ydelser fra det private ikke. Og hvis man skal have nogle
55:45
contos der har en investor interesse i at at Mainz ene
55:50
noget open-source fordi det bliver brugt der hvor de
55:52
arbejder, så skal de jo sidde i det.
55:56
I det offentlige ikke fordi ellers så bliver det jo en open
55:59
source som en privat aktør tager og rapper og sælger videre som
56:02
noget ikke open source. Er jo selvfølgelig indrettet
56:07
licensen, så altså så du ikke må tjene penge på det nødvendigvis.
56:13
Men penge eller andet og så. Får man de der hybrider ikke
56:15
altså hvor du har det der det private virksomheder, men deres
56:18
kerneprodukter er egentlig open source, og så yder de ligesom
56:22
ekspertisen i det stykke software og og altså den
56:26
forretningsmodel må jo også kunne noget, kan man sige.
56:30
Det tror jeg egentlig. Altså det det nu nævnte jeg
56:33
unslove tidligere, som er et af de her tracking frame works.
56:37
Jeg bliver jo også. Jeg bliver også delvist betalt
56:39
for at udvikle på noget der hedder axolodel, som er et
56:42
alternativ til det som er Sådan nok lidt mere enterpriseanvendt.
56:49
Som jeg hjælper med at udvikle på.
56:53
Og hvordan acceler du tjener penge?
56:55
Det jeg ved ikke om de indgår altså så tror jeg de indgår
56:58
Sådan nogle. Sponsor deals med nogle af de
57:00
her. Der sælger GPU er altså på Sådan
57:04
noget som som serveres GPU er eller hvor du kan vente dem til
57:08
at træne dine modeller eller et eller andet.
57:12
Men altså Det er stadig 100% open source apache tonicens.
57:17
Så man kan sige Det er muligt at tjene penge på det.
57:19
Det er bare nok lidt sværere at finde en forretningsmodel.
57:23
Jamen hvis man skal rejse funding hele tiden, så er det
57:25
vel heller ikke at tjene penge på det, vel?
57:27
Så er det jo ligesom bare at holde det kørende eller Sådan så
57:29
det du ved, så er det jo det dårlige.
57:32
Spørgsmål. Bringe revenue i hvert fald.
57:34
Spørgsmålet er, hvem man tjener penge på, altså tjene penge på
57:37
at sælge noget software altså som i her er koden du må bruge
57:41
den eller her er en binær fil du kan eksekvere.
57:43
Du må bruge den du har licens til at bruge den i et år, og så
57:46
skal du betale igen. Det er jo en ting kan man sige.
57:48
Det er nok også Sådan lidt en gammel forretningsmodel.
57:52
Men, Der er jo nogen, der stadig nyder, at den forretningsmodel
57:54
altså det her med Det er os, der ejer kildekoden.
57:57
Du betaler kun licens for at bruge den, og i øvrigt så skal
58:00
du blive ved med at betale år efter år på en subscription ikke
58:03
og du må godt installere den på din maskine.
58:06
Men, men her kan det jo ligesom være at.
58:10
Man betaler man betaler for nogle andre ting i stedet for
58:12
betaler for selve udviklingen. Jamen, så betaler man for.
58:18
Du har måske en eller 2 form for service.
58:22
Aftale i at det bliver med en tagnet på de maskiner, som Det
58:26
er installeret på. Du har alle de her forskellige
58:30
on prem, for eksempel installation af det her, og så
58:33
er du også hele tiden. Har den her med OK?
58:35
Jamen, men Vi har en ekstern der ligesom.
58:39
Leverer det her software og leverer ydelsen, drifter det og
58:41
vedligeholder det og holder det opdateret alle de der ting der
58:44
som også contour til det open-source, men kildekoden er
58:47
bare open source, så hvis du en dag har lyst til at hive stikket
58:51
til den. 3 part den privter og selv drifte det, så kan du.
58:59
Og det. Det er jo Sådan Det er jo det,
59:01
Der er argumentet i den her digital suverænitet, og Det er
59:04
jo fint nok at købe ydelser, altså fra det offentlige til det
59:07
private. Det er ikke det Der er
59:08
problemet. Problemet er at en dag så kan de
59:10
trække stikket og du har ikke kildekoden til at køre videre
59:13
på. Hvor længe de venter login ikke
59:16
Det er det Der er problemet. Altså ja.
59:19
Og Det er jo altså. Jeg tror også nu læste jeg lidt
59:22
sorry jeg rander lidt her. Jeg læste lidt at at
59:25
selvfølgelig Sådan nogle som som zap og IBM og undskyld dem der
59:29
måske sidder derude og føler sig lidt stødt nu.
59:31
De var selvfølgelig inviteret med ind til den her snak omkring
59:34
open source og jeg ved ikke, og Det har jeg sgu lidt Sådan.
59:37
Det kan godt være IBM er ved at komme lidt efter det open
59:39
source, men zap. Altså.
59:42
Rejse jesus christ mand Det er jo de de har allerede
59:45
bondefanget det offentlige undskyld igen derude, og at de
59:49
at de skulle være særligt open source minded og havde interesse
59:52
i at komme ind og ligesom sige give deres besigt med med med
59:56
den her debat her. Jo jo Vi skal være inkluderende
59:59
i Vores debat, men Det er da ikke fordi det ligesom er de
1:00:01
flager med open source. Jeg tror nok de havde nogle
1:00:03
andre interesser. De kom med ind der ikke fordi de
1:00:05
kommer til at miste en masse på det, fordi så smider man jo
1:00:08
netop de der produkter ud. Når først man er i gang, ikke?
1:00:14
Nå, Det var lige mit rand der. Er i hvert fald der der.
1:00:18
Det virker i hvert fald som om Der er.
1:00:19
Der er en masse snak om suverænitet og mon ikke også der
1:00:22
bliver her til Folkemødet om et par uger her, så bliver der talt
1:00:26
en hel del om det. Det er i hvert fald.
1:00:28
Det hører i hvert fald. Folk taler om, at der kom.
1:00:31
Det bliver et stort emne Sådan. Er der nogen der skal til folk
1:00:33
med? Nej.
1:00:35
Nej. Okay Det er der jo bare ikke mig
1:00:37
eller kan der? Hvad siger du?
1:00:39
Jeg skal ikke helt. Jo jeg skal heller ikke.
1:00:41
Så er der ingen af os der skal spørge folk.
1:00:43
Med nej. Det skal jeg sgu ikke engang, så
1:00:46
er der mere Vi skal snakke om i forhold til suverænitet eller er
1:00:48
skyggeren ved at blive lange og. Jeg tror at skylden ved at blive
1:00:54
lange. Vi har i hvert fald talt en time
1:00:56
nu her, og at vi var også allerede tænkt på den, fordi der
1:00:58
var knas med vandrørene, så jeg tænker, at Vi skal tilbage til
1:01:01
Vores, Vi skal tilbage til tilbage til Vores Vores liv ude
1:01:05
fra cyberspace og og nyde virkeligheden lidt, så så ja,
1:01:12
hvad hedder det? En sidste kommentar mads har du
1:01:15
nogle plugs final plugs du godt vil et eller andet så er det nu
1:01:20
Det er nu. Nej det tror jeg ikke Jeg har.
1:01:24
Jeg tror ikke Jeg har ham mere ej du.
1:01:25
Må da have nogle plugs. Jeg kan ikke.
1:01:26
Poppe mig ned, og så bliver det et eller andet latterligt jeg
1:01:29
laver. Lige nogle plugs ja nu går jeg
1:01:31
ind og kigger på 7 af jeres produkter ikke?
1:01:34
Der er jeg. Der er aelex, som er en
1:01:39
intelligent juridisk assistenspecialiseret i dansk
1:01:41
lovgivning. Køb det så er der dansk GPT den
1:01:45
den den GDPR compliant danske originale danske sprogmodel som
1:01:50
jeg skal gå ind og tjekke så er der viske 2 state of the yout
1:01:53
source model dansk transception. Får man fra en ny?
1:01:56
Der kommer start ny. Alexandra instituttet kan få
1:02:00
taget sig sammen til at udgive datasættet, så de har trænet
1:02:02
model på. Yes Jeg kan.
1:02:04
Ikke forstå det ikke kan komme ud.
1:02:07
Og så har vi selvfølgelig sikker ARI platform, som er en
1:02:10
enterprise klar selvhostet a chat platform fuld datakontrol,
1:02:14
fleksibel modelunderstøttelse og Det er bare megaskille apparat,
1:02:18
så der fik jeg lige pludsket. Regnskabssystem, så kan i.
1:02:25
Hvis. I mangler en integration til
1:02:27
dinero. Ja og.
1:02:29
Så i mangler en avis at læse i så ved jeg Politikens hus har
1:02:32
nogle nogle fede nogle. Det er bare at tage the rute
1:02:36
over paper tør jeg sgu ikke. Gol no scise også.
1:02:39
Det er mega fedt. Så mega fedt jamen ved i hvad?
1:02:44
Tak for snakken og tak fordi du lytter noget endnu en gang mads.
1:02:46
Det var så. Helt sikkert tak fordi i lyttede
1:02:49
med derude og bare lige til sidst skal jeg måske lige
1:02:51
hurtigt nævne Vores lyttere. Vi har været lidt incustent i
1:02:54
Vores udsendelser her i de senere par uger, og Sådan er det
1:02:57
altså bare vi vi kæmper for at få det her.
1:02:59
Fucking shit ud så så hvad hedder det?
1:03:03
Ja så så Det er nogle gange lidt en consistent, men det jeg havde
1:03:06
faktisk tænkt mig at sige i starten, men nu siger jeg det i
1:03:08
slutningen så. Mads Henriksen 1000 tak fordi du
1:03:11
ville have med. Og.
1:03:14
Vi ses i næste uge, Jonas. Hey, hey, hey.