Skip to main content
  1. Blog/

Sprogøre gav virksomhed succes med kunstig intelligens 👍

·296 ord·2 minutter

For nylig hjalp jeg en kunde med at integrere en LLM i deres Fleet Management System.

En væsentlig del af den opgave bestod i at sikre at det færdige output var både sikkert og velformuleret.

Et sikkert output opnåede vi gennem en kombination af begrænsninger i input, optimering af prompt og filtrering af output. Men optimering af promptet var i forhold til den påkrævede sikkerhed en mindre del af opgaven.

Det andet krav var at de genererede tekster skulle være velformulerede — hver gang 💯.

At opnå en velformuleret tekst hver gang var en mere omfattende opgave hvor vores erfaring kom os til gode.

For hvad kræver det egentligt at vurdere om en tekst er velformuleret?

Jo, der kræver først og fremmest et solidt kendskab til sprog. Sprog er en kompleks organisk størrelse som ikke uden videre kan sættes på formel.

Sproget udvikler sig over tid, så her er ikke rigtigt nogen erstatning for erfaring.

Desuden handler formulering af en tekst også i høj grad om målgruppen. Og her var den pågældende virksomhed god både til at forklare målgruppen, men også til at sikre os de rigtige data som understøttede sprogmodellens mulighed for at lave en velformuleret tekst hver gang. Ikke nogen lille opgave når der skal formuleres tusindvis af tekster.

Vores arbejde for denne del af opgaven kan skematiseres som følger:

graph LR P(Prompt) --> L[LLM] L --> V{vurdere} V -- justere --> P V --> R((👍)) K[(Kundens
behov)] --> P E[(Vores
erfaring)] --> P

Du kan kun optimere promptet hvis du kan vurdere resultatet af det. Og det kræver sprogkendskab.

Sprogmodeller og deres praktiske anvendelse ligger i et interessant krydsfelt mellem digitale funktioner i maskiner og det mere organiske sprog hvis målgruppe altid er levende mennesker.

Virksomheden var meget tilfreds med det endelige resultat.