AI Denmark

I denne episode skal vi se nærmere på, hvordan AI‑værktøjet ChatTutor forsøger at gentænke den måde, studerende lærer på – og den måde undervisere underviser på.
Jeg har talt med ChatTutors medstifter Marius Cortsen, der blandt andet forklarer, hvordan værktøjet forsøger at lade sprogmodeller koble de studerende med undervisernes læringsmaterialer via AI, så de studerende kan stille spørgsmål til undervisningen på deres egen måde og i deres eget tempo.
Vi skal også møde adjunkt Sine Zambach, der fortæller om sine erfaringer med at bruge ChatTutor på et programmeringskursus på CBS.
Og så skal vi dykke lidt ned i udfordringerne ved at få en AI til at hjælpe med læring – for det kræver afgjort noget andet og mere end bare at lade en chatbot svare på alting.
I Siden Sidst skal vi også høre om både Sora, Wikipedia og datacentre i kredsløb om kloden.
Lyt med! 🤖
LINKS
SIDEN SIDST
Dommer: Hegseth og Trump måtte ikke sortliste Anthropic | Ars Technica
Nvidia lancerer rumbaseret computing og sender AI i kredsløb | NVIDIA
Signals skaber hjælper med at kryptere Meta AI | Wired
Wikipedia forbyder AI-genererede artikler | The Verge
AI-kopi af Val Kilmer skal optræde i film | NY Times
Derfor lukkede OpenAI Sora | TechCrunch
AI-giganter bør betale afgift for at operere i Europa, mener Mistral-direktør | Tech.eu
Derfor faldt kvaliteten – og hvordan vi fik chatbotten på rette spor igen | Lex.dk
CHATTUTOR
ChatTutor – AI-assisteret læring
Marius Cortsen, ChatTutor
Sine Zambach, CBS
Den måske lidt håbefulde historie om chatbots i undervisning | Tech Review
En af Guido Makranskys forskningartikler om brugen af chatbots i læring (pdf)

Vi befinder os midt i en kolossal klimakrise, og derfor er det vigtigt at sørge for, at vi ikke bruger mere energi end nødvendigt.
Men selvom brugen af AI i sig selv er lidt af en strømsluger, så kan både machine learning og generativ AI faktisk også bruges i kampen mod unødvendigt overforbrug og decideret spild.
Det sker ikke mindst i optimeringen af energiforbruget i store bygningsporteføljer, fx hos supermarkedskæder eller i kommuner – og det skal vi høre meget mere om i denne episode, når jeg har besøg af Henrik Brink fra firmaet Ento.
Ento bruger algoritmer til at energioptimere tusindvis af bygninger – ikke ved at installere nye sensorer eller anden hardware, men ved at analysere de energidata, firmaet allerede har, og finde ud af hvor energistyringen kan optimeres.
I interviewet taler jeg med Henrik Brink om, hvad det egentlig er for noget AI de bruger, hvorfor netværkseffekter i data er lige så vigtige som smarte algoritmer, og hvor langt man egentlig kan komme med software alene, før man rammer bygningens fysiske grænser.
Vi taler også om, hvor ansvaret ligger, når AI’en får mere at sige i styringen af varme og ventilation, og hvad der skal til organisatorisk, hvis de her værktøjer skal gøre en reel forskel for energiregningen og for klimaet.
Lyt med 🤖
LINKS
SIDEN SIDST
Anthropic sagsøger den amerikanske regering | BBC
Ukraine åbner krigs-data for AI-startups | tech.eu
YouTube udvider værktøj til at opdage AI-deepfakes af politikere | The Verge
AI-virksomheder hyrer skuespillere til at træne AI på menneskelige følelser | The Verge
Teknologimedie fyrer journalist for AI-genererede falske citater | Futurism
Det store løb om global "AI-fri"-mærkning | BBC
ENTO
Ento
Henrik Brink
Energinets datahub
Optimeret bygningsanvendelse med AI – KL signaturprojekt-rapport fra 2023 med eksempler fra jyske kommuner (pdf)
Energioptimering med AI – KPMG-rapport til EU

De fleste har nok prøvet at bruge Generativ AI til at skrive tekster eller lave billeder. Men i stigende grad bliver moderne AI også brugt til at gøre ting ude i virkeligheden – altså i en interaktion med fysiske genstande: biler, robotter og andre maskiner.
Her er ideen, at man ved hjælp af industrielle chatbots hurtigere og mere effektivt kan designe, udvikle og planlægge produktionen, fra de første skitser i et tegneprogram til indkøb af materialer, og programmering af af industrirobotterne.
Det er et område, som Siemens er igang med at udforske – blandt andet med det, de kalder Industrial Foundation Models. Altså store generative AI-modeller, der dog ikke er trænet på artikler, bøger, billeder eller musik, men på data fra maskiner, sensorer, robotter og design-filer.
Det er en vision med masser af udfordringer – fra hallucinationer til data-ejerskab og forretningsmodeller – men hvis det lykkes at føre visionen ud i livet kan det fuldstændig ændre den måde, vi designer og producerer på – siger Siemens.
Jeg har talt med Søren Jakobsen, Lead of Next Generation Automation i Siemens Digital Industries.
Lyt med!
LINKS
SIDEN SIDST
Massivt løft til AI-forskning og talentudvikling på AAU
Aalborg Universitet satser på Mistral
Udkast til forslag til lov om AI-systemer i offentlig forvaltning
Tingit rejser 1,5 millioner Euro til AI-drevet reparationsplatform
Pentagon stempler Anthropic som 'supply chain risk'
BONUS: Hvor mange AI'er skal der til for at læse en PDF?
INDUSTRIELLE MODELLER
Søren Jakobsen, Siemens
Siemens-chef Roland Buschs mission om at automatisere alt | The Verge
Siemens introducerer industriel AI-grundmodel med Microsoft og virtuel PLC med Audi
Industrial Foundation Models (IFMs) for intelligent manufacturing: A systematic review (pdf)
Generative AI in manufacturing: a literature review of recent applications and future prospects (pdf)

Forestil dig, at du søger om boligstøtte og bruger kommunens nye AI-chatbot til at finde ud af, om du er berettiget. Chatbotten svarer hurtigt, at det er du ikke – men svaret er forkert. Den har hallucineret og rodet rundt i reglerne.
Men du stoler på svaret – det er jo computeren, der har sagt det – så du søger ikke, og mister den støtte du faktisk havde ret til.
Det er en af den slags situationer, som man forsøger at forhindre med Hybrid AI.
Hybrid AI kombinere sprogmodeller og chatbots med symbolsk AI, der er regelbaseret, gennemsigtigt og forklarbart.
Det fortæller professor Thomas Hildebrandt fra Københavns Universitet, der leder projektet XHAILe, som netop arbejder på at udvikle den slags hybrid AI blandt andet til sagsbehandlere og jurister.
Lyt med! 🤖
LINKS
SIDEN SIDST
OpenClaw-grundlægger Peter Steinberger får job i OpenAI
Mistral investerer 1,2 mia Euro i datacenter i Sverige
Elon Musk præsenterer ny vision for AI-satellitter
First Proof tester AI-modellernes matematik-viden
Google støtter indsamlingen af afrikanske sprog til AI-træning og anvendelse
Jobopslag i DR: Kan du debunke falsk indhold, mens det går viralt?
XHAILe OG FORKLARBAR AI
Thomas Hildebrandt, Københavns Universitet
XHAIL-e-projektet: forklarbar hybrid AI
Om hybrid AI i andre sektorer | Forbes
Symbolsk AI | Wikipedia
LLM – store sprogmodeller | Wikipedia
AIDK episode 63 – mere om forklarbar AI
AIDK-episode om DCR Solutions (2021)

Velkommen til AI Denmark, hvor vi denne gang samler op på en håndfuld af de mange, mange ting der er sket i AI-land de sidste par måneder.
Det handler om annoncer i OpenAI, Apples valg af Google som AI-leverandør, en vild og nørdet AI-assistent med en hummer som logo, og meget mere.
Bagefter skal vi møde AI-konsulent Mikkel Freltoft Krogsholm, der er den glade ejer af en Nvidia DGX Spark, en maskine som firmaet selv med moderat overdrivelse kalder en AI-supercomputer til skrivebordet. Men uanset de store ord, så er maskinen ganske interessant, fordi den giver mulighed for at køre open source AI-modeller lokalt på skrivebordet – og det fortæller Mikkel mere om her i episoden.
Lyt med! 🤖

LINKS
SIDEN SIDST
- Apple vælger Googles Gemini AI til sin store Siri-opgradering
- Grok-skabte nøgenbilleder på X
- ChatGPT Health – er det en god idé at give dine sundhedsdata til OpenAI?
- OpenAI tester annoncer i ChatGPT
- OpenClaw – lokal AI-agent til nørderne
- OpenClaw giver masser af sikkerhedsproblemer
- moltbook - det sociale netværk for agenter
- Confer – privatlivsbeskyttende chatbot
DGX SPARK
- Mikkel Freltoft Krogsholm på LinkedIn
- Mikkels firma Brokk og Sindre
- Mikkels metalkoncerter
- DGX Spark hos Nvidia
- Simon Willison tester Spark