Przejdź do treści
promptowy.com / AI-ordbog / Modelvægte (weights)
Modeller og træning

Modelvægte (weights)

Modelvægte er de matematiske talværdier i et neuralt netværk, som rummer al modellens tillærte viden og styrer, hvordan den behandler ny information.

Modelvægte, ofte blot omtalt på engelsk som weights, er de konkrete numeriske værdier for alle parametre i et færdigtrænet neuralt netværk. Hvis du forestiller dig en kunstig intelligens som et gigantisk elektrisk kredsløb med milliarder af forbindelser, er vægtene de nøjagtige indstillinger på hver eneste skrue og kontakt. Det er i disse talværdier, at modellens samlede viden og erfaring er lagret, og det er dem, der afgør, hvordan modellen reagerer på det input, du giver den.

Uden sine vægte er en AI-model blot en tom matematisk formel uden nogen reel funktion. Når en model gennemgår maskinlæring, justeres disse tal gradvist billioner af gange, indtil netværket bliver i stand til at genkende mønstre, oversætte tekst eller løse komplekse opgaver. Når træningen er afsluttet, gemmes vægtene i store datafiler, som derefter kan indlæses i computerens hukommelse for at udføre beregninger.

Hvorfor modelvægte opdeler AI-markedet

Spørgsmålet om, hvem der har adgang til selve modelvægtene, har skabt en grundlæggende opdeling i hele teknologibranchen. På den ene side findes der lukkede modeller, hvor udvikleren beholder filerne på sine egne servere. Her får brugeren eller virksomheden udelukkende adgang via en webgrænseflade eller et API over internettet. Du kan sende data ind og få et svar tilbage, men du kan aldrig se, kopiere eller ændre selve grundsubstansen i modellen.

På den anden side findes der modeller med åbne vægte. Her stiller udvikleren de rå datafiler til rådighed, så enhver kan downloade dem kvit og frit eller mod en licensaftale. Når du først har filerne liggende på dit eget udstyr, opnår du fuld kontrol over systemet:

  • Lokal afvikling: Du kan køre modellen på din egen hardware uden internetforbindelse og uden at sende data ud af huset.
  • Uafhængighed: Tjenesten lukker ikke, hvis en ekstern leverandør ændrer forretningsmodel eller lukker sin platform ned.
  • Finjustering: Du kan træne videre på vægtene med dine egne interne data og derved skabe en specialiseret udgave til et unikt formål.

Et dansk eksempel: Lokal databeskyttelse i praksis

Forestil dig et mellemstort advokatkontor i Aarhus eller en regnskabsvirksomhed i Odense, der behandler følsomme sager for lokale borgere og virksomheder. De ønsker at automatisere læsningen af sagsakter og kontrakter ved hjælp af generativ AI, men strenge krav til databeskyttelse og GDPR forhindrer dem i at sende fortrolige dokumenter til en ekstern skytjeneste uden for EU.

Ved at vælge en model med åbne vægte kan virksomhedens it-ansvarlige downloade modelfilen direkte ned på en sikret, lokal server i kælderen. Her foretages alle beregninger lokalt på kontorets egne grafikkort. Fordi de ejer adgangen til vægtene, forbliver klientoplysningerne bag virksomhedens egen firewall, samtidig med at medarbejderne får præcis de samme fordele ved moderne sprogteknologi som ved brug af en offentlig chatbot.

En udbredt misforståelse: Åbne vægte mod open source

En meget almindelig fejlslutning blandt tech-interesserede er at sætte lighedstegn mellem åbne vægte og ægte open source-software. Selvom begreberne ofte blandes sammen i medierne, er der en væsentlig forskel.

Ægte open source giver brugeren ubegrænset ret til at ændre, bruge og videredistribuere koden til både private og kommercielle formål uden begrænsninger. Mange modeller med åbne vægte leveres derimod under restriktive licenser. Nogle forbyder kommerciel anvendelse for store organisationer, mens andre forbyder, at modellens svar bruges til at træne konkurrerende systemer. Desuden indeholder filerne med modelvægte sjældent den oprindelige kildekode, opskriften eller de datasæt, der blev anvendt under den oprindelige træning. Man får altså adgang til det færdige resultat, men ikke nødvendigvis til selve bageopskriften.

Ofte stillede spørgsmål

Hvad fylder en fil med modelvægte?

Størrelsen afhænger direkte af antallet af parametre og den valgte præcision. De mindste sprogmodeller fylder typisk mellem få gigabyte, mens store avancerede modeller kan fylde mange hundrede gigabyte fordelt over flere store filer.

Kan man ændre på modelvægtene efter træning?

Ja, gennem en proces kaldet finjustering (fine-tuning). Her tager man de eksisterende vægte og træner videre på dem med et mindre, specifikt datasæt, så værdierne tilpasses til bestemte opgaver som for eksempel juridisk analyse eller medicinsk tekst.

Betyder åbne modelvægte, at koden er gratis at køre?

Selve filerne er ofte gratis at hente, men afviklingen kræver kraftfuld hardware. Store modeller kræver professionelle grafikkort med meget hukommelse for at kunne køre med en acceptabel hastighed på egne computere.

← Alle begreber i AI-ordbogen

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›