Generativ AI i en nøddeskal (Dansk udgave)

Forord af Egbert

1. Del 1 - I en nøddeskal

Computere er blevet klogere

Einstein i din kælder

Terminologi

Sådan fungerer det

1. Ræsonneringsmodeller

Træning

Modeller, modeller overalt

1. AI-klienter kontra AI-modeller
2. Man får, hvad man betaler for

Begrænsninger

1. Skæringsdato
2. Manglende hukommelse og begrænset kontekst
3. Hallucinationer
4. Beregning
5. Opsummering

Modeltyper

1. Tekst til tekst
2. Tekst til billede
3. Billede til billede
4. Billede til tekst
5. Lyd til tekst
6. Tekst til lyd
7. Lyd til lyd
8. Tekst til video

Multimodale modeller

1. Eksempel: Er min bacon færdig?
2. Eksempel: Hvor kan jeg gemme ting?
3. Eksempel: Den sjove, fulde mentor
4. Eksempel: Hvordan konfigurerer jeg den &%#€ firewall?
5. Eksempel: At tage AI med på en gåtur

Opståede egenskaber

AI-æraen

1. Hvad med energiforbruget?
2. Utopi eller dystopi?

Tankesæt

1. Mere tid til at mennesker kan gøre menneskelige ting

Menneskets rolle

1. Du er mere end dit job
2. AI som din kollega
3. Opgaveautomatisering, ikke jobautomatisering
4. Hvad hvis dit job er i fare?
5. Genovervej
6. Spørg AI om hvordan den kan hjælpe dig

Udvikling af AI-drevne produkter

1. Byg dine egne AI-produkter
2. Bygge eller købe?
3. Eksempel 1: At tale med GPT
4. Eksempel 2: Udvikling et AI-drevet rekrutteringsværktøj
5. Refleksion

Prompt engineering

1. Eksempel - fra dårlig til god prompt
2. Den største begrænsning er dig selv
3. Hvordan man lærer prompt engineering
4. Vil prompt engineering stadig være vigtig, når modellerne bliver bedre?
5. Behøver jeg at være flink overfor min AI?

Autonome agenter med værktøjer

1. Agent = LLM + værktøjer + autonomi
2. Eksempel 1: En fejlretningsagent
3. Eksempel 2: Hændelseshåndteringsagent
4. Hvornår skal man bruge agenter
5. Agenter med fysisk form
6. Agentsikkerhed
7. Fremtiden for AI-agenter

Del 1 opsummering

1. Eksperimenter!
2. Del 2 - Ud af nøddeskallen

Min rejse ind i AI

1. Gør generativ AI nyttigt
2. Studier i kunstige neurale netværk
3. Kodning af Minecraft
4. ChatGPT
5. Aha-oplevelse nummer 1: Den kan kode som en professionel!
6. Aha-oplevelse nummer 2: Den kan skrive som en professionel!
7. Måske er vi ikke så kreative og intelligente, som vi tror

At lede en AI-transformation

1. Hvad er en AI-transformation, og hvorfor er den vigtig?
2. Top-down eller bottom-up?
3. Udpeg en AI-leder
4. Adgange, udforskning, værdiskabelse
5. Trin 1: Adgange
6. Trin 2: Udforskning
7. Trin 3: Værdiskabelse
8. Undgå unødvendige IT-projekter
9. Vær en rollemodel
10. Undgå at fyre folk på grund af AI
11. Refleksion

Mellemspil: Egberts livshistorie

Prompt engineering-teknikker

1. Hold øje med kontekstvinduet og prompt-længden
2. Iterationsteknikker
3. Teknik: Selvrefleksions-prompt
4. Elementer i en god prompt
5. Start overordnet, og gå derefter i detaljer
6. Hvor klog en model har du brug for?
7. Prompt engineering er et område i konstant udvikling

Prompt-generering (eller “Den vrede bedstemor”)

1. Konklusioner

Retrieval Augmented Generation og funktionskald

1. RAG i en nøddeskal
2. Eksempel: Kundesupport
3. Forskellige tilgange til at hente data
4. Tilgang 1: Inkluder alle data
5. Tilgang 2: Lade LLM’en hente data via funktionskald
6. Tilgang 3: Inkludering af relevant tekst ved hjælp af vektor-embeddings
7. Kombination af tilgangene
8. Sjovt eksperiment: opretFunktion-funktionen
9. Eksempel: AI chatbot-hukommelse ved hjælp af RAG
10. RAG er et stort emne

AI-lægen

1. En personlig historie
2. Så bør du bruge AI som din læge?

AI-ernæringseksperten

1. Tip: Lav din egen ernæringsekspert

AI-karriererådgiveren

1. Davids historie: AI som min karriererådgiver
2. Henriks refleksion

AI-bogredaktøren

1. Brainstorm af emner
2. Kapitelindhold
3. Indholdsproduktion (kun i særlige tilfælde)
4. Research og faktatjek
5. Navigation rundt i bogen
6. Feedback
7. Justeringer, stavefejl, formatering
8. Konvertering af indhold fra præsentationer
9. Indflydelse på min skriveproces

Den gang jeg næsten brugte AI til at skrive et forord

AI-softwareudvikleren

1. Eksempel 1: Hurtig prototyping
2. AI som programmerings-makker
3. Eksempel 2: At arbejde på eksisterende produkter
4. Eksempel 3: Lad kunden kode
5. Konsekvenserne af dette
6. Hvad nu hvis koden ikke virker?
7. At være doven er en beslutning

AI-journalisten der blev en TV-stjerne

1. Design af agenten
2. Sådan fungerer agenten
3. Refleksion

AI-butleren med sin egen vilje

1. Introduktion af Jeeves
2. Jeeves omprogrammerer sig selv
3. Jeeves bliver forelsket og begynder at konspirere
4. Hvad betyder dette?
5. Jeeves finder en løsning
6. Agenter der fejlsøger sig selv
7. Konklusion

Et sikkerhedseksperiment

1. Læring fra dette eksperiment

Meta-kapitlet (eller “Bogception”)

1. Et meta-øjeblik (AI-skrevet)

Hvordan denne bog (og videoen) blev til

1. En-uges videoen
2. En-uges bogudkastet

Epilog

Tak

Dine noter