AI

Vi tar et dypere dykk i det
teoretiske bak dagens mest brukte modeller – GPTer og LLMer. I foredraget ser
vi på hvordan disse modellene lærer og utvikles – hva er egentlig en
“Transformer-based model”? Vi forklarer prinsippene Reinforcement Learning
with Human Feedback (RLHF), Proximal Policy Optimization og Zero-Shot
learning hvor hensikten er å åpne opp den “sorte boksen” for mange. Til slutt
diskuterer vi OpenAIs valg om å skjule GPT-4s vekter og tekniske detaljer fra
omverden – hva betyr det for forskning og veien videre? 


Med inntoget av ChatGPT
eksploderte populariteten av generativ KI; både for den gjengse brukeren av
verdensveven, men også for større organisasjoner. I dagens datalandskap og
manfoldet av prediktive modeller, er det viktigere enn noen gang å bringe
kunnskapsmodellering på agendaen. Dette foredraget vil sette fingeren på
hvilke utfordringer og muligheter som ligger i generativ KI, og hvordan vi
sammen kan gjøre de sikrere og mer treffsikre ved bruk av
kunnskapsmodellering.

Maskinlæring er ikke noe de
fleste UX’ere jobber med i det daglige, og mange som faktisk jobber med
maskinlæring skjønner ofte ikke hva det har med UX å gjøre. Koblingen mellom
maskinlæring og UX er ikke åpenbar for de fleste. Likevel er mulighetene mange
i samspillet mellom disse to.

NAYA kommer til å diskutere
den manuelle siden av AI-utvikling, gjerne omtalt som AI sin skyggeside. De
kommer til å trekke frem det usynlige arbeidet som skjer bak kulissene og
hvordan menneskene involvert i dette, utsettes for psykisk tortur og moderne
slavearbeid.

Tre-baserte modeller er kjent
for å ha god ytelse på strukturerte data, men er samtidig mer ustabile
sammenlignet med tradisjonelle statistiske modeller. Ustabilitet kan føre til
betydelige endringer i prediksjoner ved små endringer i treningsdata, noe som
reduserer modellens pålitelighet. En mer stabil oppdatering av tre-baserte
modeller kan oppnås ved bruk av en approksimert Bayesiansk tilnærming
kombinert med teknikker fra semi-supervised learning.

Foredraget vil presentere
hvordan vi i Sparebanken Vest økte nytteverdien av en antihvitvask-modell ved
å gjøre modellens prediksjoner mer forklarbare for brukerne. Fokus for
presentasjonen blir hvilke hensyn vi måtte veie mot hverandre og hvilke
metoder vi endte opp med å bruke.

Visualisation has proven to
be essential to comprehend and gain knowledge from data. In the beginning it
was limited to tailor-made software. Tools like Microsoft Power BI, Tableau,
etc., has significantly lowered the bar for doing data visualisation and have
enabled business-users themselves to construct insightful and colourful
visualization reports. The difficult challenge still remains; why we
visualise, what to visualise, and how to do this most effectively.

In this talk we cover many of the whys, the whats, and the hows of data
visualization, taking the audience on a journey into the fascinating field of
visualisation and visual communication. The goal is to provide knowledge and
practical advice for them to take their own visualisations beyond what they
do today. Topics range from perception and gestalt theory, to practical tips
and recommendations, of what questions to ask, why a little data massaging
can have large effects on the insight, and which visualisations to use and to
avoid.