Insights
/
Hvordan lærte AI...

Hvordan lærte AI at læse – og hvad betyder det for din markedsføring?

Vi er kommet langt siden de dage, hvor kunstig intelligens primært var kendt for at analysere tal, genkende billeder og forudsige trends. I dag kan generative AI-modeller som ChatGPT forstå og generere tekst på et niveau, der virker næsten menneskeligt. Men hvordan lærte AI egentlig at "læse", forstå og returnere tekst? Og hvad betyder det for din virksomheds markedsføring og interaktion med dine kunder?

04.12.24

Fra tekst til tal

For år tilbage handlede AI om at finde mønstre i tal. Men da Google i 2013 introducerede teknologien Word Embeddings (eller ”indlejringer”), ændrede spillet sig. Det var en metode til at placere ord i forhold til hinanden baseret på, hvor ofte de optræder sammen. Hvis en tekst fra de sidste fem år indeholder eksempelvis ”Mette Frederiksen”, er der stor sandsynlighed for, at den også indeholder ordene ”Statsminister” eller ”Socialdemokratiet”.

Tænk på et koordinatsystem, hvor ord som ”æble” og ”appelsin” ligger tæt på hinanden, fordi de begge er frugter. Gulerod? Længere væk – det er jo en grøntsag.

Nu kan vi kun tegne et koordinatsystem i to dimensioner (én for hver akse), men for en computer er det derimod muligt at arbejde med tusindvis af dimensioner samtidigt. Dette betød, at teksten ikke længere kun var tekst – den blev omdannet til data, som kunne analyseres. Derved blev det langt nemmere at sortere i tekster eller vurdere hvor meget to tekster ligner hinanden. Mest interessant var dog de underliggende mønstre man kunne udlede af at ”regne” med tekst. Ved at lave regnestykker ud af ord, blev det muligt at finde klare sammenhænge, eksempelvis:

Berlin – Tyskland + Frankrig = Paris
Konge – Mand + Kvinde = Dronning
Selvom resultaterne var imponerende, viste de også samfundets fordomme, som da modellen forbandt “læge – mand + kvinde” med “sygeplejerske”. Det blev klart, at selv AI kun er så neutral som de data, den trænes på.

Fra tal til mening

Nu hvor man havde fundet en måde at ”regne” med tekststykker, var vejen banet for at udvikle mere avancerede modeller, der kunne generere tekst. Her var det ikke nok at kigge på enkelte ord, men også på hvordan sammensætningen af dem påvirker hinanden i en større kontekst.

For eksempel: Ordet “dør” i en sætning som “i væggen er en dør” betyder noget helt andet end i sætningen “folk dør af sult“.

Fast forward til 2017, hvor Google lancerede Transformeren. Navnet ringer måske ikke en klokke, men det er faktisk dét, T’et i chatGPT står for. Transformer-metoden revolutionerede, hvordan AI forstår tekst, ved ikke bare at placere ord i forhold til hinanden, men også ved at opfatte de komplekse relationer mellem ord og placere dem i en sammenhæng ud fra al den tekst, modellen er trænet på. Ved at køre de førnævnte Embeddings af ord igennem en model, blev det muligt at beregne matematiske relationer mellem eksempelvis starten og slutningen af en sætning, hvilket markant forbedrer forståelsen af tekst.

Denne teknologi blev hurtigt brugt af Google til at forbedre søgealgoritmer, så de kunne forstå søgehensigten bedre end bare at matche nøgleord. Eksemplet her viser, at modellen forstod forskellen mellem “fra Brasilien til USA” og “til Brasilien fra USA“, fordi den “læser mellem linjerne”.

Snart begyndte forskere fra bl.a. OpenAI at tilpasse modellen til at generere tekst ved at forudse det næste ord i en sætning på baggrund af de foregående – og GPT-modellerne blev skabt.
Hidtil har mange modeller fungeret som en slags “black box”, men man er gradvist blevet bedre til at forstå, hvad der foregår under motorhjelmen. Tidligere i år fandt AI-virksomheden Anthropic f.eks. en metode til at analysere mønstrene bag deres sprogmodel “Claude”. Ved at justere de regneelementer, der genererede ordet “Golden Gate Bridge”, var de i stand til at gøre modellen fuldkommen besat af Golden Gate Bridge, så ordet gik igen i næsten alt, den skrev.

Hvad betyder AI så for din markedsføring?

AI’s evne til at forstå tekst på menneskelig vis åbner nye muligheder for at optimere din markedsføring og kundekommunikation. Med de rette værktøjer kan du både forstå kunder bedre og levere mere målrettede, personlige budskaber.

Forstå dine kunder bedre: Ved at analysere kundeanmeldelser og feedback kan du afdække skjulte mønstre – hvad elsker dine kunder, og hvad kan du forbedre?
Segmentere kunder smartere: Brug AI til at gruppere kunder efter interesser og behov, baseret på deres interaktioner med din virksomhed.
Mere målrettet kommunikation: Med AI kan du identificere de formuleringer, der skaber mest engagement, og bruge dem i dine e-mails eller kampagner.
Effektiviseret kundesupport: AI kan hjælpe med at sortere og prioritere supporthenvendelser, så de når den rette medarbejder hurtigt.
Personlig chatbots: Brug AI til at finjustere dine chatbots, så de giver mere præcise og relevante svar – baseret på hver enkelt kundes behov.