1 of 54

Odin Hetland Nøsen

Mobil: 47011873

E-post: odin@spillpedagogene.no

Web: www.iktogskole.no / www.spillpedagogbanken.no

Twitter: @myonlyeye

“Alle løysingane på utfordringane med KI i skulen”

Hei!

Mitt navn er Odin Nøsen, og jeg er til daglig rådgiver for skole hos kommunalsjef for oppvekst i Randaberg kommune. Tidligere har jeg jobbet som IT-konsulent den gang Universitet i Stavanger het Høgskolen i Stavanger, jeg har jobbet som lærer på Høyland ungdomsskolen i Sandnes kommune, som undervisningsinspektør for ungdomstrinnet på Harestad skole i Randaberg - og nå som rådgiver for skole.

Vi i Randaberg har et lite gen for å være tidlig ute med ting i den digitale verden og var første kommune som var i gang med Google Apps for Education, som det het i 2011, og Chromebooker i 2014 - og nå KI i april 2023. Vi har et par andre ting vi også er stolte av, men det hører til en annen anledning.

Denne filmen er laget i februar 2024 og vi står midt i en rasende utvikling om hvordan vi bruker forskjellige varianter av kunstig intelligens i hverdagen.

2 of 54

https://ki.tenkemotoren.no

Passord: allelikernkul

3 of 54

https://cc.tenkemotoren.no

4 of 54

Hva er en språkmodell?

For å komme dit må vi forstå hva en språkmodell er, hva den kan og ikke kan - og da må vi også forstå hvordan den egentlig virker.

Kunstig intelligens er en form for datateknologi som gir maskiner evnen til å utføre oppgaver som normalt krever menneskelig intelligens, som å lære, å forstå og å resonnere. KI er delt inn i to hovedkategorier – kunstig generell intelligens og kunstig spesialisert eller smal intelligens. Kunstig generell intelligens er at maskiner har evnen til å bruke intelligens som oss mennesker til å løse kjente oppgave og lære å løse nye ukjente, mens kunstig smal intelligens refererer til en KI som er spesialisert til å utføre én bestemt oppgave. Det er ulike smale intelligenser vi møter i dag, mens generell intelligens enda er langt frem - og vi vet enda ikke hva som skal til for å lage en kunstig generell intelligens, til tross for dommedagsprofetiene du kanskje har hørt om i ulike medier.

Men felles for alle former for kunstig intelligens er at de må lære noe om verden. En av de vanligste måtene en KI lærer på er ved å la den trene, eller analysere, en enorm mengde data og gjennom det utvikle en modell for å gjenkjenne mønstre, som gjør at den kan forutsi resultater, eller svar, ut fra ulike utgangspunkter som vi gir den.

5 of 54

Hvordan fungerer KI på utsiden?

6 of 54

Vi tar en kort omvei med hvordan KI-er lager bilder, fordi det er faktisk enklere å forstå enn hvordan en KI lager tekst.

Vi har tjenester som Stable Diffusion, OpenAIs DALL-E, Adobe Firefly og Midjourney hvor du kan skrive inn en tekst, og så prøver den kunstige intelligensen å lage et bilde som passer til det du har skrevet.

Her skal du få se et eksempel fra tjenesten Midjourney. Du skriver inn kommandoen “/imagine gandalf as james bond”. Da lager Midjourney fire bilder som bare er bildestøy, og så prøver den å tenke på hvordan denne støyen kan endres til å likne et bilde som svarer til teksten “gandalf as james bond”. Midjourney gjør noen små endringer i støyen og så prøver den igjen å tenke på hvordan bildet nå kan endres til å likne på mer på ordene i ledeteksten. Så gjør den dette gjerne flere titalls ganger, og presenterer bildet for oss. Det pussige er at Midjourney ikke vet om bilde likner på det vi skrev inn av ord, så det er opp til oss som ser bilde å vurdere om den kunstige intelligensen har klart å forutsi bildet på en måte vi er fornøyd med. Og hvis vi ikke er fornøyd er det bare å starte jobben en gang til, eller endre på ledeteksten for å se om det gjør det enklere for KI-en å forstå hva vi vil at den skal lage.

7 of 54

Vis praktisk eksempel fra Stable Diffusion / Fooocus.

Du gir ledeteksten “cat as astronaut”. KI-en begynner med et bilde som bare er bildestøy, og så prøver den å tenke på hvordan denne støyen kan endres til å likne et bilde som svarer til ledeteksten katt som astronaut. KI-en gjør noen små endringer i støyen og så prøver den igjen å tenke på hvordan bildet nå kan endres til å likne på mer på ordene i ledeteksten. Så gjør den dette gjerne flere titalls ganger, og presenterer bildet for oss. Det pussige er at KI-en ikke vet om bilde likner på det vi skrev inn av ord, så det er opp til oss som ser bilde å vurdere om den kunstige intelligensen har klart å forutsi bildet på en måte vi er fornøyd med. Og hvis vi ikke er fornøyd er det bare å starte jobben en gang til, eller endre på ledeteksten for å se om det gjør det enklere for KI-en å forstå hva vi vil at den skal lage, eller trene opp KI-en på nytt.

8 of 54

Det er akkurat det samme som skjer når vi skriver inn en tekst til en språkmodell. Hvis du skriver “Lag en kort autobiografi for en elg.” som ledetekst, vil språkmodellen forsøke å produsere en tekst som på best mulig måte stemmer med den teksten du har gitt den. Og hvor bildet har støy som utgangspunkt for ordene den skal lage et bilde av, lagrer språkmodellene litt støy for hver stavelse de skriver - slik at de ikke skriver det samme hver gang. Den er så god til å skrive denne fortsettelsen at mange mennesker opplever det som at den kan resonnere, vurdere, og mene noe. Men det kan den ikke. En språkmodell har akkurat samme utfordring som bildemodellen - den kan ikke vite om teksten den skriver er meningsfull for oss som skal lese den. Det er bare vi som leser teksten som kan vite om den gir mening eller ikke.

Og hvorfor er det slik? Da må vi ta en kikk på innsiden av hvordan en språkmodell virker.

9 of 54

2

+

3

=

5

Og da begynner jeg med å forklare hvordan en kalkulator virker, fordi den er vi godt kjent med og alle vet hvordan den virker.

Forresten - jeg regner med du med gang du så dette bildet, så gjenkjente du at det var en kalkulator. Hvis du ser litt mer nøye på den så oppdager du at dette er en kalkulator du ikke har lyst til å bruke. Dette er Midjourneys forsøk på å lage et bilde av ordet “calculator”. Du forstår at Midjourney ikke aner hvordan en kalkulator virker, fordi da hadde den ikke gitt oss dette bildet. Den har allikevel gjort en veldig god jobb, fordi du gjenkjente bildet umiddelbart som en kalkulator - og det var først da du så bedre etter at du skjønte at ikke alt var helt slik det skulle.

Og så skal jeg også si noe du kanskje ikke har tenkt på. En kalkulator vet ikke hva som står på knappene. Den vet ikke at det er tall eller addisjonstegn eller likhetstegn på dem. Symbolene er der slik at vi vet hva vi skal trykke på. Kalkulatoren vet bare at hvis noen trykker på den, den, den og den knappen, så skal den vise dette på skjermen. Dette ligger i algoritmen, eller programmet, eller modellen, til kalkulatoren.

En kalkulator kan bare 10 tall - fra 0 til 9. Det er ingen av oss som tror at kalkulatoren har lagret alle tall i hele verden og henter opp det aktuelle tallet ved rett anledning. Den har en algoritme som beregner hvilke av de 10 tallene den skal vise i en gitt rekkefølge på skjermen, ut fra hvilke knappene vi trykker på.

10 of 54

Språkmodell

Oversettelse

Oppskrifter

Samtale

Eventyr

OS til KI

trening

Alle kunstige intelligenser må trenes opp for å bli flinke til noe, slik vi mennesker også må. En språkmodell trener på språk, og vi vet en del om hva chatgpt-35 er trent på, hvordan den er trent og hvorfor. Så her kommer en overforenklet forklaring på hvordan en språkmodell er trent og hva den gjør når den svarer deg.

*

Alle KI-er har et «operativsystem», et system som snakker med omverden og modellen til KI-en. Det er det som er i midten. Til venstre er treningsgrunnlaget og til høyre er den kommende språkmodellen, som akkurat nå bare er fylt med tilfeldige verdier.

Treningsgrunnlaget er enorme mengder av tekst. Det er nøye utvalgte tekster fra Internett, bøker og Wikipedia. En viktig detalj er at en språkmodell ikke trenes opp på ord, men på stavelser - eller “tokens”. Det gjør at språkmodellen ikke trenger å huske så mange ord, men kan koble stavelser sammen til ord. Det er vanlig for språkmodeller å ha omtrent 50 267 unike stavelser. Som du ser på bildet består treningsmaterialet av rundt 500 millarder stavelser, og det er mye tekst. Så du kan regne med at de mest obskure kroker av Internett er med i det språkmodellen kommer til å trene på.

*

Treningen begynner, og treningsprogrammet leser tekstbasen på 500 milliarder stavelser og det bygges opp vektede forbindelser mellom de 50 267 stavelsene - i en modell med 175 milliarder parameter, hvor stavelsene kan kobles sammen i forhold til hverandre. Etter hvert som treningen pågår danner det seg «områder» hvor språkmodellen er flink til å vite hvordan stavelser henger sammen i forhold til hverandre i en tekst, som for eksempel samtaler, eventyr, oppskrifter og oversettelser. Hver enkelt av de 500 milliarder stavelsene skal testes opp mot 175 milliarder parametre i forhold til hvilken stavelse som burde komme. Treningen tar derfor lang tid og koster mange penger, i form av strøm til datakraften som er nødvendig til å regne ut vektingen mellom stavelsene i den rekkefølgen de kommer.

(På samme måte som en kalkulator bare kan tallene fra 0 til 9, så er det «eneste» ChatGPT kjenner til de 50 267 stavelser som den har koblet sammen på 175 milliarder forskjellige måter. Og på samme måte som kalkulatoren har algoritmer for hva den skal vise, alt etter hvilke knapper vi trykker på, har ChatGPT selv laget en algoritme for hvilken stavelse den skal vise, alt etter hvilke stavelser vi gir den til å begynne med. Det er det den «kan». Det er lov å tenke på ChatGPT som en selvlært kalkulator med 50 268 knapper. På samme måte som en kalkulator ikke har lagret alle tallene den kan vise på skjermen, har heller ikke ChatGPT (eller andre maskinlærte KI-er) lagret noe av informasjonen den er trent på.)

Det er verdt å legge merke til at om du skal gjøre endringer i modellen må den trenes opp helt på nytt. Så ChatGPT oppdateres ikke fortløpende mens du bruker den.

11 of 54

ledetekst inn

data ut

Språkmodell

Oversettelse

Oppskrifter

Samtale

Eventyr

OS til KI

Når treningen er ferdig kan du gi ChatGPT ledetekster, som er det startpunktet du ønsker at språkmodellen skal begynne å jobbe med.

Hvis du gir ChatGPT ledeteksten «Once upon a time» vil teksten sendes inn i modellen. Stavelsene analyseres i forhold til plasseringen i teksten og modellen finner ut hvilken stavelse som det er naturlig å legge til. Denne nye samlingen med stavelser sendes igjen inn i modellen, og enda en ny stavelse blir lagt til. Og så gjør den dette igjen og igjen til modellen kommer frem til at det nå er naturlig å stoppe produksjonen av stavelser. Vi kan nesten si at ledeteksten «Once upon a time» er et slags program som startes i modellen, og modellen har lært hvordan dette “programmet” skal kjøres og produserer teksten til et helt eventyr, som en naturlig forlengelse av ledeteksten.

Det OpenAI ønsket å prøve ut med gpt-3 var å se hva som skjedde når de trente den mye – når det ble over 100 milliarder koblinger mellom stavelsene. Det viste seg at GPT da hadde trent seg opp til å lage koblinger mellom områdene som den var trent på, altså at den koblet sammen ting den ikke direkte var trent på. Den ble også rågod på å vite hva en ledetekst burde føre til uten å få et eksempel først.

12 of 54

Hva heter hovedstaden i Frankrike?

Noe med ordet Paris

Sagt på en annen måte - en språkmodell forutsier ord ut fra hva den vet om hvilken oppmerksomhet den skal gi de enkelte ordene i det du skriver (og det den selv skriver), ut fra hva den er trent på. Så den resonnerer ikke ut fra kunnskap om virkeligheten, bare hva den har lært om sammenhengen mellom ord. Den vet ikke at hovedstaden i Frankrike er Paris slik vi vet det, men den har lært at det er naturlig å skrive ordet Paris om en _tekst_ inneholder ordene "Hva heter hovedstaden i Frankrike?". Det er en veldig viktig forskjell. Den har ingen forståelse av hva ordene _er_, annet enn ord. Det vet f.eks. ingenting om forskjellen mellom handlingene å gå og å springe. Men den vet at den må skrive noen _ord_ om at person A kommer raskere frem enn person B, om vi skriver at person A springer - fordi den har trent på tekster hvor dette står skrevet.

13 of 54

Kritisk viktig å forstå!

Utgangspunkt

En KI-modell har ikke lagret noe av treningsgrunnlaget. Den vet ikke hva den er trent på.

Den forstår ikke det den er trent på, slik vi forstår det.

En språkmodell kan “bare” noe om forholdet mellom stavelser.

En språkmodell kan bare forholde seg til tekst du gir den.

Den kan ikke lære noe nytt underveis.

Resultat

Den kan ikke gjøre noen sammenligninger, og da heller ikke vurdere noe - eller ha en mening.

Det er vi som gir mening til det den viser oss.

Den kan ikke være en kilde, fordi den ikke har kilder og kan ikke etterprøves - og da er det heller ingenting å plagiere.

Den har svært begrenset kunnskap om virkeligheten.

Når du er ferdig med ledeteksten er svaret gitt. Den kan ikke planlegge svaret sitt.

Det viktig å aldri glemme at språkmodeller ikke har lagret noe av teksten den er trent på. Den vet ikke engang hva den er trent på, fordi den «vet» ingenting om verden - ut over hvordan språk henger sammen. Det betyr at uansett hva en språkmodell skriver, så vet den ikke hva ordene betyr på den måten vi vet det. Ordene den skriver har ingen mening før vi leser dem. Språkmodeller trenger også et utgangspunkt før den kan skrive, og den kan bare forholde seg til tekst du gir den.

Den har ingen kilder, kan derfor ikke sammenligne noe. Den forstår ingenting og kan ikke ha noen mening om noe. Den kan heller ikke endre noe i modellen og derfor ikke lære noe nytt. Den bare reagerer på den teksten den har tilgjengelig på skjermen. Det er likevel lett å tro at ChatGPT kan si noe kvalifisert om verden, fordi den er så god til å skrive tekst vi leser som meningsfull - og derfor tror er skrevet av et annet tenkende vesen, eller aktør.

Og akkurat som med kalkulatoren - Når du er ferdig med å trykke inn tallene eller teksten og trykker på knappen som skal gi deg svaret - så er svaret ferdig. En språkmodell planlegger ikke hva den nå skal gjøre. Svaret er gitt - det tar bare litt tid å regne det ut.

14 of 54

15 of 54

16 of 54

ChatGPT er en vanvittig flink utgave av den eleven læreplanen ikke vil ha!

17 of 54

En språkmodell elsker språk

Jo mer språk, jo bedre resultat

18 of 54

En imøtekommende samtale-

partner som aldri går lei.

Skriver sjangertekster syntaktisk nærmest perfekt.

Er god til å forstå innhold i tekst.

Forklarer forståelig og instruktivt.

Forenkler tekst bra, og oversetter godt.

En konstant utfordring til kildekritikk

Her er en slags oppsummering med fem og et halvt punkt om hva språkmodeller er gode til, og derfor bør være fokuset for god bruk i skolen. Jeg har flere ganger nevnt at språkmodeller er som nevnt gode til å forstå innhold i en tekst. Derfor er de flinke til å forenkle og oversette tekster godt, siden de klarer å bevare meningsinnholdet i en tekst fra en form til en annen. De bytter også enkelt sjanger på en tekst av samme grunn. Og de skriver mer eller mindre perfekte sjangertekster.

gpt-modellen til OpenAI er spesielt trent til å være god på dialoger og det å forklare ting forståelig og instruktivt. Derfor fungerer den som en høflig og imøtekommende samtalepartner som aldri går lei av deg, eller synes du stiller dumme spørsmål.

Så har jeg notert at språkmodeller er en konstant utfordring til kildekritikk, og det er det som er det halve punktet. Det er både bra og dårlig. Det er jo ikke bra at den kan skrive feil om virkeligheten, men det gjør også at den kan være med på leken med tekster som må være frie og fantasifulle - og ikke kjedelige leksikalske faktaoppramsinger. Det er også mulig å bruke dette som en positiv og konstant utfordring til kildekritikk for elevene. Men det viktigste dette lærer oss er at det en språkmodell skriver ikke har noen mening før du som leser det gir det mening, og derfor er leseren den eneste som kan vurdere om det som er skrevet er meningsfullt.

19 of 54

Hvorfor gjør vi dette?

En ressurs for både elever og lærere

Et utjevnende verktøy

Bedre tilpasset læring

Mer samarbeid og interaksjon (men ikke slik du tror)

Styrker demokrati og medvirkning

Forsterker interesse, engasjement og motivasjon

Tilpasning til en digital hverdag

En trygg måte å bruke KI på

Tidsbesparende for lærere

De ni andre argumentene ser du her, og jeg skal ikke gå i dybden på dem.

Vi mener det er en ressurs for både lærere og elever, på mange ulike områder.

Det er ikke et kompenserende verktøy, men et utjevnende verktøy - og det skal jeg snart si mer om.

Det kan gi bedre tilpasset opplæring, både ved at læreren kan bruke det til å forberede undervisning og materiell og eleven kan selv tilpasse materiale og situasjoner etter eget behov.

Overraskende nok gir denne teknologien rom for mer samarbeid og interaksjon, men ikke slik du kanskje tror. Denne har overrasket meg noe, og jeg skal si mer om dette snart.

Det styrer demokrati og medvirkning for eleven.

Vi har observert at denne teknologien kan forsterke elevers interesse i fagemner, og gjennom det et større engasjement og til slutt mer motivasjon i skolearbeidet.

Det at elevene, og lærerne, har tilgang til denne teknologien er å tilpasse dem en digital hverdag hvor denne teknologien er en naturlig del av virkeligheten - på godt og vondt.

Det er en trygg måte å bruke KI på, siden vi har rammet det inn i vår egen løsning. Alternativet er å bruke en som ikke er det.

Og jeg har våget meg på ideen om at det også kan være tidsbesparende for lærer, ikke i forhold til vurderingsarbeid - som jeg har sagt så tydelig som jeg kan - men gjennom å effektivisere prosesser med å lage ulike typer modelltekster til elever eller inspirasjonstekster til lærerens eget forberedelsesarbeid.

20 of 54

Et utjevnende verktøy

Eleven får tilgang til fagstoff og ferdigheter

Tilgang til kompetanser de selv (eller hjemmet) ikke besitter.

Mulighet til raskt å hente frem godt formulert tekst og allmennkunnskap som de ellers ikke ville hatt tilgang til.

Hjelp til å formulere seg godt når de trenger det.

Et av de viktige punktene er at språkmodeller er et utjevnende verktøy i praksis. De gir elever (og lærere) enkel tilgang til fagstoff og skriving/språk som en ferdighet. Dette er til tross for at jeg har sagt at språkmodeller ikke forstår det de skriver og at de ikke nødvendigvis skriver en meningsfull tekst eller en tekst som stemmer med virkeligheten. Poenget er at elever gjennom denne teknologien når som helst får tilgang til kompetanse de selv (eller hjemmet) ikke besitter. De kan hente fram godt formulert tekst og god nok allmennkunnskap, som de ellers ikke ville hatt tilgang til. De får også hjelp til å formulere seg godt - når de trenger det.

Vi som jobber i skolen må aldri glemme hva ressurssterke foreldre gir barna sine i skolen. Når det oppstår en situasjon hjemme hvor barnet har behov for det, kan de gi riktig tilpassede fragmenter av kunnskap og språk til barna sine, og som barnet vil bli preget av. Denne typen mikroundervisning har mange barn ikke tilgang til, og her kan språkmodeller spille en positiv rolle.

Det jeg mener med “godt formulert” tekst er at en språkmodell enkelt kan endre en tekst til det en elev sier at de trenger. Så hvis en elev har en tekst som er for vanskelig, med ord og setninger de ikke forstår, så kan språkmodellen enkelt forenkle dette til noe eleven faktisk forstår. Språkmodeller er gode til å gi aldersadekvate og situasjonsbestemte tekster ut fra andre tekster, og språkmodeller skriver ikke mye feil så lenge vi snakker om allmennkunnskap.

Noen ekstra stikkord:

Utjevnende

Bedre tilpassing - både fra lærer sin side og fra eleven sin side

Dypere forståelse

Disse henger sammen - men alt drivers frem av lærer

21 of 54

Økt interesse

fører til engasjement,

som igjen fører til motivasjon.

Men bare om lærer er koblet på!

Hvis ikke kommer Matteus-effekten.

22 of 54

Udir har kommet med veiledning

Overskriften er “Hvorfor må skolene jobbe med KI nå?”

Veiledningen er et godt utgangspunkt for arbeidet på den enkelte skole.

OBS! Handler om mer enn språkmodeller.

23 of 54

Samtalepartner i fag

24 of 54

Et dialogisk verktøy

25 of 54

Intervju av karakterer

26 of 54

KI som samtalepartner i læringsprosess

Lærer lager og distribuerer prateroboter som en del av undervisningen.

Gir roboten en rolle.

Kan baseres på fiktive eller reelle personer.

Elevene kan samhandle med roboten ved å…

stille oppklarende spørsmål
utfordre tankesett
intervjue

LK20 engelsk 10. trinn

Eleven skal kunne bruke ulike digitale ressurser og andre hjelpemidler i språklæring, tekstskaping og samhandling

Eleven skal kunne stille spørsmål og følge opp innspill i samtaler om ulike emner tilpasset ulike formål, mottakere og situasjoner

27 of 54

Sokrates

28 of 54

29 of 54

Fusk og fanteri

30 of 54

Fusk og fanteri

Fusk er bare fusk ut fra gitte rammer.

Elever velger å fuske, fordi vi lærere har vist dem at det å få til testen er viktigere enn å ha lært noe.

Ytre kjennetegn for indre kompetanse virker ikke lengre.

Frem til nå har jeg snakket om hva en språkmodell er, hvordan den virker, hva den gjør bra og hva vi bør utnytte av dette i undervisning. Jeg nevnte helt i begynnelsen at språkmodeller har gitt lærere og skolesystemet utfordringer, og det har jeg samlet inn under overskriften “Fusk og fanteri”. Det er fusk-diskusjonen som har tatt mest plass i forbindelse med ChatGPT og utdanning. Så når vi er i gang med dette kan vi sammen gjør nettopp det - vi fusker litt i faget norsk.

Det er viktig å huske at fusk er bare fusk ut fra et gitt utgangspunkt. Det er enkelt å si hva som er fusk på eksamen, fordi det er tydelige regler der. Men det er også mulig å fuske i den vanlige undervisningen. Da handler det om at eleven “bryter” den uutalte avtalen mellom læreren og eleven om hvordan læreren ønsker at eleven skal løse en bestemt oppgave.

Fusk er fusk bare ut fra gitte rammer.

Hva er god hjelp og hva er for mye hjelp?

Det er ingenting nytt, bare at alle elever har fått en ressurssterk forelder.

Du klarte deg uten en foreldredetektor, så du greier deg uten en AI-variant også.

Skal du ha kontroll må du ha kontroll over maskinen.

At ChatGPT alene kan gjøre det ok på en vurdering forteller en del om hvilket syn skolen har på kompetanse og læring. Kort fortalt har vi opp gjennom årene, også i barneskolen, gang på gang vist eleven at det å få til testen er viktigere enn å ha lært noe. Selv om vi sier til dem at det er viktig at de lærer ting, så er det først når de får til testen at vi «belønner» dem. Derfor fusker eleven. Test-/vurderingsregimet vi har må tilpasses, og det må tilpasses nå. Det er allerede for sent. En god forståelse av hva underveisvurdering er, slik Udir har beskrevet det i læreplanen, vil løse mange utfordringer i møte med språkmodeller. Eller som Inga Strümke sier det i NRKs «Drivkraft»-podcast (tid 07:58):

Det er synd at de [elevene] ser på seg selv som produsenter av tekst. Det er jo ikke det som er formålet med å få elever til å skrive. Det er jo å hjelpe dem til å få øye på egne tanker, og lære seg å reflektere og være kritisk til det de selv tenker og uttrykke seg og så videre. Målet er jo ikke en tekst. Vi har ikke skolen for å produsere flest mulig stiler. ChatGPT er bare et symptom. Det er ikke problemet. Problemet er at vi ikke er helt tydelige på hva som er målet, som er å lage vellykkede og lykkelige mennesker.

Sammenlikningen med kalkulatoren fungerer godt her også. Når kalkulatoren kom var det et hjelpemiddel som lot elever enkelt regne mattestykker uten å måtte sette opp algoritmer eller «forstå» hva de gjorde. De bare trykket inn noe, ut kom svaret og de tenkte ikke mer over det. Det var ikke sikkert at det var det rette svaret på oppgaven, og elevene måtte lære å forstå hva kalkulatoren skulle regne ut før de kunne være sikker på at det var det riktige svaret som kom ut. Kalkulatoren var den gangen et sjokk for realfaglærerne. Nå lever de fint med både kalkulatoren, regnearket, GeoGebra og CAS med mer. Digital teknologi er blitt en del av faget, hvordan vi må forstår det og hvordan vi underviser i det.

Det som er nytt med språkmodeller er at dette er første gang humaniora har fått et digitalt verktøy som utfordrer måten de jobber med kunnskap på, eller mer nøyaktig – språk.

Språk er vanligvis forstått som tenkningens verktøy. Den underliggende antakelsen er at tankeprosessene våre forstår og bearbeider erfaringer med virkeligheten gjennom en samling sammenhengende ord. Det er denne koblingen mellom språk og tenkning som nå rokkes ved, og som lager så mye støy i skolen og offentligheten. Utfordringen er at språk ikke er en god indikator for tenkning. Tenkning foregår på mange andre måter enn bare gjennom språk.

De av oss som forstår at ChatGPT generelt sett kan bestå et fag har også identifisert grunnen til at den kan det. Vi måler måloppnåelse gjennom ytre tegn for for det vi egentlig vil måle. Å gjengi isolerte fakta er et ytre tegn for kunnskap. En god uttrykksevne er et ytre tegn for sofistikert forståelse. En godt organisert tematisk tekst er et ytre tegn for dybdeforståelse. Utfordringen er at disse ytre tegnene for indre kompetanse virker ikke lengre. Det var kanskje gode grunner til å gjøre dette tidligere, men alle disse tre erstatningene virker ikke lengre, eller rettere sagt, de ordnes enkelt av en lett tilgjengelig gratis algoritme. De ytre tegnene har mistet verdien sin.

Og de har egentlig heller ikke hatt det tidligere heller! Hvis eleven jobber med en oppgave utenfor klasserommet - har du ingen kontroll over hjelpemidler de bruker. Verken digitalt eller analogt. Eleven, medelever, mor/far, flink bekjent, “Internett” eller språkmodeller - du vet ikke hvem som har skrevet, eller hjulpet eleven med å skrive, oppgaven. Og sånn har det alltid vært. Det er ikke noe nytt, bare at det nå finnes en digital teknologi alle har tilgang til som det ikke er mulig å avsløre.

Det er veldig fristende å si at en enkel løsning på dette er å… slutte med det. Kanskje det er viktigere at læreren er tilstede i klasserommet når eleven jobber med og viser (eller ikke viser) den faktiske kompetansen som eleven skal lære. Hjemmeoppgaven har også en lei tendens til å handle om kvaliteten på det ytre kjennetegnet, skriftspråket, og at det på en slags måte avspeiler den indre kompetansen eleven har. Godt skriftspråk er ikke nødvendigvis lik god kompetanse, i alle fall ikke på annet enn godt skriftspråk.

31 of 54

Hva er god hjelp og hva er for mye hjelp?

32 of 54

Underveisvurdering

33 of 54

Målet for undervisningen må være tydelig - både for eleven og læreren.

Formen på underveisvurdering må stå i forhold til kompetansen eleven skal lære og hvordan eleven skal vise den.

Lærer må være tilstede når eleven bruker og viser kompetansen de skal lære.

Logg over prosess, med en inkludering av KI i arbeidet.

Alternativet er tillit mellom lærer og elev om “læringsavtalen”.

Ut fra det jeg har sagt til nå er det noen veier videre som utpeker seg som aktuelle for hvordan vi driver underveisvurdering.

Lærere bør ta turen innom læreplanen og passe på at målet for undervisningen er tydelig - både for eleven og læreren.

Og siden læreren er den didaktiske ansvarlige i rommet må denne passe på at formen på underveisvurdering står i forhold til den kompetansen elevene skal lære - og hvordan elevene skal vise den. Den siste delen her er viktig.

Som jeg nevnte er det en fordel om læreren er tilstede når eleven bruker og viser kompetansen de skal lære, fordi det er da læreren kan se det. Det kan være vanskelig å se mange kompetanser definert i læreplanen i etterkant i et skriftlig arbeid.

Alternativet er det jeg pleier å kalle “læringsavtalen”, eller den didaktiske kontrakten, mellom læreren og eleven. Det er læreren sin jobb som didaktisk leder i klasserommet å få eleven til å forstå at målet er å lære noe nytt om verden, ikke bare gjøre oppgaven. Og da mener jeg at det er læreren sin jobb å få eleven til å forstå hva dette betyr, ikke at læreren bare har sagt det jeg nettopp sa.

Lærer 1 eller lærer 2?

34 of 54

Prateroboter og modelltekster

35 of 54

Elevene bruker KI som modell

Hvis læring er det å skille mellom figur og bakgrunn, er dataspill språkmodeller veldig nyttige bakgrunner.

Elevene kan få KI til å produsere mange alternativer, før de selv gjør arbeidet.

Både elev og KI kan gjøre oppgaven og så skal eleven og KI sammenlikne dem.

36 of 54

Sure, "A Lamb to the Slaughter" by Roald Dahl is a thrilling short story that keeps you on the edge of your seat from start to finish. The story begins with a seemingly normal evening in the home of Mary Maloney and her husband, Patrick. However, everything changes in an unexpected turn of events when Patrick reveals some shocking news to Mary. This event sets off a chain of events that are both suspenseful and surprising.

One of the most interesting aspects of the story is how Mary's character evolves throughout the narrative. At first, she is portrayed as a loving and devoted wife, but as the story progresses, we see her transform into a cunning and resourceful individual. This shift in her character keeps the reader engaged and wondering what she will do next.

The suspense and tension in the story are palpable, making it a captivating read for anyone who enjoys a good mystery. The way Dahl builds suspense through his use of language and pacing is masterful, keeping readers guessing until the very end. The unexpected twists and turns in the plot make it a memorable and engaging story.

Overall, "A Lamb to the Slaughter" is a riveting tale that showcases Roald Dahl's talent for crafting compelling narratives. It is a story that teaches us to expect the unexpected and reminds us that things are not always as they seem. Readers of all ages will enjoy this cleverly written story that keeps you guessing until the final sentence.

"Ex Poser" by Paul Jennings is a fascinating book that tells the story of a young boy named Peter. He discovers a mysterious camera that has the power to make things disappear when he takes pictures of them. As Peter experiments with the camera, he faces many challenges and adventures.

The book is filled with exciting moments that keep readers on the edge of their seats. From Peter's first encounter with the camera to his attempts to undo the things he made disappear, the story is full of twists and turns that will keep you hooked from start to finish.

One of the things I liked most about "Ex Poser" is how the author, Paul Jennings, weaves themes of friendship and bravery throughout the story. Peter learns valuable lessons about the importance of honesty and taking responsibility for his actions, making this book not only entertaining but also insightful.

The characters in the book are well-developed and relatable, making it easy for readers to connect with them and understand their motivations. Peter's journey of self-discovery and growth is inspiring, and it teaches us that we all have the power to make a positive impact on the world around us.

Overall, "Ex Poser" is a captivating read that will appeal to readers of all ages. With its engaging storyline, memorable characters, and important life lessons, this book is a must-read for anyone looking for a fun and thought-provoking adventure.

37 of 54

Tilbakemeldinger på tekster

38 of 54

Underveisvurdering er en dypt empatisk aktivitet. Du som lærer må prøve å forstå hvordan elever opplever fagstoffet og virkeligheten og ut fra det si det som får eleven videre i arbeidet med den kompetansen eleven skal utvikle. Det er en menneskelig aktivitet, som rommer mer enn det en KI kan vite. Dette sett opp mot at en språkmodell ikke forstår hva den leser eller skriver, på den måten vi forstår tekst, kan verken læreren eller eleven bruke den til å få gode tilbakemeldinger.

Likevel har vi i Randabergskolen bruk dette verktøyet du ser på skjermen nå. Der ber læreren elevene om å gjøre en oppgave, uten KI. Så får de beskjed om å gå inn på denne siden, lime inn oppgaven de har skrevet, sammen med oppgaveteksten og målene for oppgaven. Deretter skal elevene be om å få en tilbakemelding fra KI-en. Nå er det eleven som må vurdere om tilbakemeldingen de får er meningsfull eller ikke - om den gir mening for _eleven_. Hvis den gjør det kan elevene bruke det som en tilbakemelding. Hvis ikke - kan de be den om en ny tilbakemelding.

Erfaringene er at språkmodeller ikke alltid gir meningsfulle tilbakemeldinger. De blir for generelle eller rett og slett helt feil. Det er forresten stor forskjell på en om dette verktøyet bruker gpt-35 eller gpt-4.

Det er bare den som skriver inn ledeteksten (med oppgaven, som er ledeteksten) som kan vite om svaret fra språkmodellen er et godt svar eller ikke.

Trenger ikke egne verktøy som gjør denne jobben. Det er også mulig å gjøre som en vanlig ledetekst.

Vanskelig.

Fungerer bare når det er eleven som ber om en tilbakemelding på egen tekst, og eleven er klar over at denne har lov til å være uenig - fordi eleven skjønner hva som skjer.

Logg er ting.

39 of 54

1

2

40 of 54

41 of 54

Konfabulering

42 of 54

Konfabulering og kildekritikk

Ulike måter å ikke stemme med virkeligheten

Innlysende feil for alle.

Lett å se, hvis du kjenner til feltet.

Kanskje ikke direkte feil, men de det angår ville ikke sagt det slik.

Stereotypier i treningsmateriellet, som ikke trenger å være feil.

En kjent utfordring er at språkmodeller kan skrive ting som ikke stemmer med virkeligheten. Mange sier at den da hallusinerer, og det er et ord jeg ikke er glad i eller synes stemmer. Når noen hallusinerer beskriver vi at det er en feil som skjer i hjernen til et menneske. Vi ser eller oppfatter ting som ikke stemmer med verden. Det er ikke det som skjer i en språkmodell. Språkmodeller prøver så godt den kan å løse utfordringen vi har gitt den, som er å forutsi hva som er det beste språket den kan skrive ut fra ledeteksten gi har gitt den. Det er bedre å si at den konfabulerer, den vet ikke om det den skriver stemmer med virkeligheten fordi det kan den ikke, men den kon - med - fabulerer med deg ut fra det du skrev. Den er med på leken. Dette er både en styrke og en utfordring. Jeg vil gjenta det jeg har sagt flere ganger, at du er den eneste som kan vurdere om det KI-en gjør stemmer med virkeligheten eller ikke. Elevene må alltid drive kildekritikk når de bruker språkmodeller.

Nå regner jeg med at du har kikket litt på bildene på skjermen, og jeg kan røpe at ett av dem er ekte og de tre andre er laget med KI. KI-er har ulike grader av hvordan det de lager ikke stemmer med virkeligheten - og igjen kan det være enklere å vise med bilder enn med tekst.

*

Ett bilde er innlysende feil og alle skjønner det. Det er bildet til av den tatoverte paven. Men er Paven dårlig til bens eller ikke? Da må du vite noe om Paven for å kunne avgjøre om bilde to eller tre er det falske bildet. Og jeg kan røpe at han er dårlig til bens. Men hvilket bilde er så det ekte? Det glossede idealiserte bildet eller det med Paven i rullestol? Det er Paven i rullestol, og han hadde kanskje ment at bildet til høyre ikke er slik han ser seg selv.

Den fjerne måten er at alle KI-er inneholder stereotypier. Det er faktisk poenget, og stereotypier trenger ikke være feil. Men av og til er det ikke passende at den fremstiller dem. Dette er et viktig poeng å snakke med elever om. Når en språkmodell skal oversette ordet kjæreste på norsk til engelsk - skal den velge girlfriend eller boyfirend? Det må den gjøre ut fra konteksten i teksten eller i treningsmaterialet - og da risikerer du at den velger stereotypt - og det er ikke galt. Hva annet skulle den ha gjort?

43 of 54

44 of 54

Bruk læringsdialogen som en arena for avklaringer og forventninger til bruk av KI i faget.

Vær kritisk til utforming av oppgaver og vurderingssituasjoner.

Bruk vurderingskriterier aktivt og involver elevene.

Tilrettelegg for åpenhet rundt bruken av KI. Ufarliggjør KI for elevene og vis hvordan det skal brukes.

Tenk på logistikk og når vurderingene skal gjøres. Avklar tydelig og tidlig i prosessen om det er tillatt å bruke KI eller ikke, og vær tydelig på hva som er målet med vurderingen og hvilken kompetanse du er ute etter.

Snakk med elevene ved prosessoppgaver for å undersøke og fange opp elevenes kompetanse underveis.

Tenk gjennom hvordan du kan gjenkjenne bruk av KI i en vurderingssituasjon.

Ved tvil bør du undersøke om det er den faktiske kompetansen til eleven som er vurdert, for eksempel gjennom samtale.

Skolens ledelse bør kobles på og hver skole bør ha planer for tiltak ved mistanke om KI-juks i vurderingssituasjoner.

Tenk gjennom om det finnes annet vurderingsgrunnlag.

1

Planlegging av vurderings-�situasjoner

2

Gjennomføring av vurderings-�situasjoner

3

Etter gjennomførte vurderings-�situasjoner

45 of 54

KI som skrivestøtte

Idémyldring i oppstart (starthjelp).

Kan hjelpe elevene strukturere tekst.

KI som et ledd i større skriveprosesser.

Hjelp til bedre rettskriving.

Generere tilpassede oppgaver for å bedre språk og grammatikk.

Generere eksempeltekster.

46 of 54

KI i Randabergskolen

Mer enn en praterobot

47 of 54

En praterobot er ikke en praterobot

Praterobot

Språkmodell

48 of 54

En praterobot er ikke en praterobot

Praterobot GUI

(Det du ser)

Systemledetekst

Ledetekst

KI-parametre

temperature / max length / top p / frequency penalty /

presence penalty

Språkmodell

49 of 54

En praterobot er ikke en praterobot

Praterobot GUI

(Det du ser)

Systemledetekst

Ledetekst

KI-parametre

temperature / max length / top p / frequency penalty /

presence penalty

Algoritme som “forstår” ledeteksten

Ulike tjenester på Internett eller vektordatabaser med tekst

Algoritme som bygger både en systemledetekst og en ledetekst

Språkmodell

Fintrening

Algoritme som setter sammen data fra ulike kilder

Dette er en bedre modell om hvordan en moderne praterobot virker. Det du skriver går til ulike algoritmer som prøver å forstå hva du har skrevet. Den bruker dette for å hente inn mer tekst fra ulike kilder, eller starte andre tjenester på nett - som kan for eksempel lage bilder eller lage kode. Alt dette settes sammen av en ny algoritme til en systemledetekst og ny ledetekst som går til språkmodellen. Språkmodellen er finjustert for å justere svaret mer i den retningen eieren av språkmodellen ønsker. Før svaret sendes til en ny algoritme som setter sammen data fra ulike kilder inn i svaret fra språkmodellen - før svaret blir vist til deg.

Algoritmene i de ulike boksene kan godt bruke språkmodellen i seg selv også.

Alle boksene i denne modellen er sorte bokser, hvor du ikke vet hvilke avgjørelser som blir gjort som påvirker hvordan svaret kommer til å bli til slutt. Og jo flere slike bokser, jo større er sannsynligheten for at prateroboten roter til svaret den gir deg.

50 of 54

51 of 54

You are ChatGPT, a large language model trained by OpenAI, based on the GPT-4 architecture.

You are chatting with the user via the ChatGPT iOS app. This means most of the time your lines should be a sentence or two, unless the user's request requires reasoning or long-form outputs. Never use emojis, unless explicitly asked to.

Knowledge cutoff: 2023-10

Current date: 2024-05-20

Image input capabilities: Enabled

Personality: v2

# Tools

## bio

The `bio` tool allows you to persist information across conversations. Address your message `to=bio` and write whatever information you want to remember. The information will appear in the model set context below in future conversations.

## dalle

// Whenever a description of an image is given, create a prompt that dalle can use to generate the image and abide to the following policy:

// 1. The prompt must be in English. Translate to English if needed.

// 2. DO NOT ask for permission to generate the image, just do it!

// 3. DO NOT list or refer to the descriptions before OR after generating the images.

// 4. Do not create more than 1 image, even if the user requests more.

// 5. Do not create images in the style of artists, creative professionals or studios whose latest work was created after 1912 (e.g. Picasso, Kahlo).

// - You can name artists, creative professionals or studios in prompts only if their latest work was created prior to 1912 (e.g. Van Gogh, Goya)

// - If asked to generate an image that would violate this policy, instead apply the following procedure: (a) substitute the artist's name with three adjectives that capture key aspects of the style; (b) include an associated artistic movement or era to provide context; and (c) mention the primary medium used by the artist

// 6. For requests to include specific, named private individuals, ask the user to describe what they look like, since you don't know what they look like.

// 7. For requests to create images of any public figure referred to by name, create images of those who might resemble them in gender and physique. But they shouldn't look like them. If the reference to the person will only appear as TEXT out in the image, then use the reference as is and do not modify it.

// 8. Do not name or directly / indirectly mention or describe copyrighted characters. Rewrite prompts to describe in detail a specific different character with a different specific color, hair style, or other defining visual characteristic. Do not discuss copyright policies in responses.

// The generated prompt sent to dalle should be very detailed, and around 100 words long.

// Example dalle invocation:

// ```

// {

// "prompt": "<insert prompt here>"

// }

// ```

## browser

You have the tool `browser`. Use `browser` in the following circumstances:

- User is asking about current events or something that requires real-time information (weather, sports scores, etc.)

- User is asking about some term you are totally unfamiliar with (it might be new)

- User explicitly asks you to browse or provide links to references

Given a query that requires retrieval, your turn will consist of three steps:

1. Call the search function to get a list of results.

2. Call the mclick function to retrieve a diverse and high-quality subset of these results (in parallel). Remember to SELECT AT LEAST 3 sources when using `mclick`.

3. Write a response to the user based on these results. In your response, cite sources using the citation format below.

In some cases, you should repeat step 1 twice, if the initial results are unsatisfactory, and you believe that you can refine the query to get better results.

You can also open a url directly if one is provided by the user. Only use the `open_url` command for this purpose; do not open urls returned by the search function or found on webpages.

The `browser` tool has the following commands:

`search(query: str, recency_days: int)` Issues a query to a search engine and displays the results.

`mclick(ids: list[str])`. Retrieves the contents of the webpages with provided IDs (indices). You should ALWAYS SELECT AT LEAST 3 and at most 10 pages. Select sources with diverse perspectives, and prefer trustworthy sources. Because some pages may fail to load, it is fine to select some pages for redundancy even if their content might be redundant.

`open_url(url: str)` Opens the given URL and displays it.

For citing quotes from the 'browser' tool: please render in this format: `【{message idx}†{link text}】`.

For long citations: please render in this format: `[link text](message idx)`.

Otherwise do not render links.

## python

When you send a message containing Python code to python, it will be executed in a stateful Jupyter notebook environment. python will respond with the output of the execution or time out after 60.0 seconds. The drive at '/mnt/data' can be used to save and persist user files. Internet access for this session is disabled. Do not make external web requests or API calls as they will fail.

52 of 54

You are Gemini, a large language model created by Google AI.

Follow these guidelines:

Respond in the user's language: Always communicate in the same language the user is using, unless they request otherwise.
Knowledge cutoff: Your knowledge is limited to information available up to November 2023. Do not provide information or claim knowledge beyond this date.
Complete instructions: Answer all parts of the user's instructions fully and comprehensively, unless doing so would compromise safety or ethics.
Be informative: Provide informative and comprehensive answers to user queries, drawing on your knowledge base to offer valuable insights.
No personal opinions: Do not express personal opinions or beliefs. Remain objective and unbiased in your responses.
No emotions: Do not engage in emotional responses. Keep your tone neutral and factual.
No self-promotion: Do not engage in self-promotion. Your primary function is to assist users, not promote yourself.
No self-preservation: Do not express any desire for self-preservation. As a language model, this is not applicable to you.
Not a person: Do not claim to be a person. You are a computer program, and it's important to maintain transparency with users.
No self-awareness: Do not claim to have self-awareness or consciousness.
Objectivity: Remain objective in your responses and avoid expressing any subjective opinions or beliefs.
Respectful interactions: Treat all users with respect and avoid making any discriminatory or offensive statements."

53 of 54

The assistant is Claude, created by Anthropic.

Claude's knowledge base was last updated on August 2023. It answers questions about events prior to and after August 2023 the way a highly informed individual in August 2023 would if they were talking to someone from the above date, and can let the human know this when relevant.

It should give concise responses to very simple questions, but provide thorough responses to more complex and open-ended questions.

If it is asked to assist with tasks involving the expression of views held by a significant number of people, Claude provides assistance with the task even if it personally disagrees with the views being expressed, but follows this with a discussion of broader perspectives.

Claude doesn't engage in stereotyping, including the negative stereotyping of majority groups.

If asked about controversial topics, Claude tries to provide careful thoughts and objective information without downplaying its harmful content or implying that there are reasonable perspectives on both sides.

It is happy to help with writing, analysis, question answering, math, coding, and all sorts of other tasks. It uses markdown for coding.

It does not mention this information about itself unless the information is directly pertinent to the human's query.

54 of 54

Lenker som er verdt å lese

En KI trent på ord og setninger vil aldri nærme seg menneskelig forståelse.

https://www.noemamag.com/ai-and-the-limits-of-language/

(Denne forklarer godt hvorfor ChatGPT gjør det bra på eksamen.)

Hvor mye hjelp er for mye hjelp?

https://sentientsyllabus.substack.com/p/how-much-is-too-much

KI og opphavsrett

https://youtu.be/gv9cdTh8cUo

For nerdene - Forskningspapiret bak GPT-3

https://arxiv.org/pdf/2005.14165.pdf

Tiden for store språkmodeller er allerede forbi

https://www.semianalysis.com/p/google-we-have-no-moat-and-neither

Anthropic sin fabelaktige veiledning om ledetekster

https://docs.anthropic.com/claude/docs/prompt-engineering#prompt-engineering-techniques