Informasjon om bruk av kunstig intelligens

Den 30. november 2022 lanserte OpenAI en ny stor språkmodell (LLM - Large Language Model) ChatGPT (Generative Pre-training Transformer) versjon 3 for offentligheten. Bare tre måneder senere ble en ny, mer avansert versjon av ChatGPT versjon 4 utgitt. Etter en rask utvikling, og ved å anerkjenne risikoer fremfor muligheter, var den første reaksjonen fra noen universiteter å forby bruken av ChatGPT. Imidlertid, i begynnelsen av juli, opprettet og signerte Storbritannias Russel-gruppe fem prinsipper som ville hjelpe universiteter å oppnå "AI-kompetanse" for sine studenter og ansatte, og anerkjenne mulighetene som LLM-er som ChatGPT kunne tilby for undervisning og læring. Ved å introdusere ChatUiT-tjenesten, bestemte UiT seg for å følge disse prinsippene.

Lansert den 2. oktober 2023, er ChatUiT drevet av GPT-3.5-Turbo og GPT-4. ChatUiT er godkjent for bruk med grønn, gul og rød data. Tjenesten er gratis for alle studenter og ansatte ved UiT og er tilgjengelig på chat.uit.no med ditt UiT-brukernavn og passord.

Men hvordan "kommuniserer" man med ChatUiT? For dette bruker vi ledetekster. En "ledetekst" refererer til den innlagte teksten eller spørsmålet som gis til modellen for å initiere et svar. Det fungerer som et utgangspunkt eller utløser for at modellen skal generere utdata basert på informasjonen som ledeteksten inneholder. Enkelt sagt er en ledeteksten tilsvarende et spørsmålet som du ville bruke når du skulle kommunisere med et menneske.

På samme måte kan du be ChatUiT om å oppsummere en tekst for deg, forkorte den til X antall ord, oversette den til forskjellige språk. Du kan også be den om å forklare noen konsepter eller diskutere dem med deg, generere eller feilsøke en kode i R eller Python, og fan-favoritten, å språkredigere en tekst. Både studenter og lærere kan finne mer om hvordan man oppretter ledetekster her.

Vær oppmerksom på at modellen ikke har muligheten til å fakta-sjekke informasjon, siden den ikke er en søkemotor som Google. Den har heller ikke noen iboende kunnskap, og den har heller ikke evnen til originale tanker eller dyp kontekstforståelse. Dette betyr at når den blir bedt om noe faktainformasjon (f.eks. “Hva er den mest siterte artikkelen i økonomi?”) er det veldig sannsynlig at den vil gi helt fabrikkerte eller skjeve opplysninger (også kjent som LLM-hallusinasjoner), eller i beste fall et utdatert svar. Generelt vil vi ikke anbefale å be ChatUiT om å gi nøyaktige referanser for uttalelsene den har gjort.

Både studenter og ansatte ved UiT har tilgang til Bing Copilot (tidligere kjent som Bing Chat Enterprise). Bing Copilot er en AI-drevet funksjon innenfor Microsofts søkemotor Bing. Den lar brukere samhandle med Bing på en samtalebasert måte, ved å stille spørsmål og motta svar nesten som i en samtale med et ekte menneske. Denne funksjonen har som mål å gjøre søk mer interaktivt og intuitivt, ved å tilby ikke bare lenker til nettsider, men også direkte svar, sammendrag, og til og med oppfølgingsspørsmål for å hjelpe brukerne med å finne informasjonen de trenger mer effektivt. I motsettning til ChatUiT, er Bing Copilot godkjent for bruk med bare grønn data . Du kan finne mer informasjon om hvordan du får tilgang til Bing Copilot her.

ChatUiT og Bing Copilot (for UiT) er fullt GDPR-kompatibel. Spørsmålene dine lagres ikke, og dataene du oppgir brukes ikke til å trene modellen videre. Likevell kan det være viktig å nevne at en av hovedfunksjonene til Bing Copliot er at den lager og gjennomfører søk. Søkestrengen kan i seg selv lekke deler av informasjonen som er gitt i en samtale.

Til våre studenter: Vennligst bruk ChatUiT og Bing Copilot etisk og ansvarlig. Vær oppmerksom på retningslinjene for hvordan du bruker det og eksamensreglene relatert til ChatUiT (se nedenfor). Vi er sikre på at dere vil finne modellen nyttig og at dere vil oppdage innovative måter å hjelpe dere selv med undervisning og læring. Vær alltid oppmerksom på modellens begrensninger! Vi stoler på at dere vil gi lærerne deres tilbakemelding på hvordan dere har brukt ChatUiT, hva som var bra med den og hva som var dårlig, hva den var nyttig for og tilfellene da det var mindre nyttig. Denne tilbakemeldingen vil være avgjørende for å forbedre undervisningsstrategier, læreplanutvikling og ansvarlig teknologiintegrasjon basert på innsikt i effektiviteten og innvirkningen på studentenes læring.

Til våre ansatte: Uavhengig av om du er lærer, administrativt personell eller forsker, vennligst bruk ChatUiT og Bing Copilot på en etisk og ansvarlig måte. Vær bevisst på retningslinjene for hvordan dere bruker den og eksamensreglementet relatert til ChatUiT (se nedenfor). Vær alltid klar over modellens begrensninger! Vi oppfordrer deg til å være åpen om dette med studentene dine, og vi anbefaler deg å tillate studentene dine å bruke den i hjemmeeksamener hvis mulig. Du kan finne et fint eksempel på hvordan du kan gjøre dette her. Vi forventer at du vil finne ChatUiT nyttig på forskjellige måter og i forskjellige sammenhenger. Hvis du har oppdaget innovative måter å bruke ChatUiT på, vennligst del dem med kollegene dine og med oss. Vi vil gjerne høre om dem - send en e-post til: ki@uit.no! Vi håper at modellen vil hjelpe deg å spare tid og krefter, og at den vil styrke og forbedre kvaliteten på undervisningen og forskningen din.

Til slutt vil UiT AI-teamet publisere regelmessige oppdateringer på denne nettsiden om hva som er nytt når det gjelder AI-relaterte tjenester som tilbys av UiT, oppdateringer om retningslinjer, relevante ressurser og planlagte AI-relaterte aktiviteter.

Ha det gøy med ChatUiT og Bing Copilot!

UiT AI-team

Klartekst er en transkriberingstjeneste basert på kunstig intelligens som bruker en språkmodell kalt Whisper for å utføre transkripsjonen. Whisper er en avansert, nevralnettverksbasert transkripsjonsmodell utviklet av OpenAI. Den er designet for å transkribere tale til tekst med høy nøyaktighet, selv under utfordrende forhold som støy eller dialekter. I Klartekst-tjenesten vil brukere kunne laste opp lyd- eller videofiler hvor Whisper-modellen vil analysere og konvertere taleinnholdet i filene til skrevet tekst. Denne tjenesten vil være spesielt nyttig for transkribering av intervjuer, hvor nøyaktighet og evnen til å håndtere variert tale er kritisk.

Klartekst støtter Nasjonalbibliotekets NB-whisper-modell, som er trent på deres innhold og derfor er bedre på norsk/nynorsk tale og dialekter. Les mer om Nasjonalbibliotekets arbeid her.

Logg inn på tjenesten på klartekst.uit.no og last opp filene dine for transkribering. For tips og hjelp, se kunnskapsartikler i menyen på høyre side på denne siden.

Keenious er et verktøy designet for å bistå universitetsstudenter og ansatte med å forbedre deres forskningserfaring. Ved å bruke AI-algoritmer analyserer Keenious tekstfiler og PDF-er, noe som gjør det til en utmerket ressurs for å finne relevante vitenskapelige artikler og forskningsarbeider. Det anbefaler litteratur basert på innholdet i brukerens dokument i stedet for å stole utelukkende på nøkkelord, noe som gir en mer personlig og grundig forskningshjelp.

Tilgjengelig: Kun for studenter og ansatte ved UiT

Nedlasting: Preinstallert i Word med UiT-konto. 

Personlig informasjon bør per nå ikke legges inn i Bing Copilot.

Personlig data, som definert av GDPR, er all informasjon som knytter seg til en identifisert eller identifiserbar enkeltperson. Forskjellige biter av informasjon som, når de samles, kan føre til identifikasjonen av en bestemt person, utgjør også personlig data.

For å sikre overholdelse av GDPR, unngå å dele identifiserbar informasjon. Dette kan inkludere, men er ikke begrenset til:

• Fullt navn
• Hjemadresse
• E-postadresse
• Nasjonalt identifikasjonsnummer (som Social Security-nummer i USA eller personlig identifikasjonsnummer i andre land)
• Passnummer
• IP-adresse
• Registreringsnummer for kjøretøy
• Førerkortnummer
• Fødselsdato
• Fødested
• Telefonnummer
• Kredittkortinformasjon
• Digital identitet, som brukernavn eller skjermnavn
• Fysisk utseende eller beskrivelser av karaktertrekk
• Genetiske data
• Biometriske data

Så for å sikre databeskyttelse, ikke del personlig informasjon som er oppført ovenfor, eller annen data som direkte eller indirekte kan identifisere deg.

Det er viktig å merke seg at selv i en gruppe data som kan virke ikke-identifiserende i seg selv, hvis de kan kombineres for å identifisere en person, blir det også betraktet som personlig data. For eksempel kan deling av stillingstittelen din virke harmløs, men hvis du er "førsteamanuensis ved Institutt for samfunnsmedisin, UiT", kan det brukes til å identifisere deg.

Husk at prinsippene for databeskyttelse ikke bare gjelder for data som kvalifiserer som personlig, men også for all informasjon som kan spores tilbake til en person, enten det er ved direkte eller indirekte tilknytning. 

GDPR definerer sensitiv informasjon som data som avslører rase eller etnisk opprinnelse, politiske meninger, religiøs eller filosofisk tro, medlemskap i fagforeninger, genetiske data, biometriske data for unik identifikasjon av en fysisk person, data om helse eller data om en fysisk persons sexliv eller seksuell orientering. Unngå å legge inn denne typen sensitiv informasjon i Bing Copilot.

OK: "Kan du forklare opprinnelsen til buddhismen?"

IKKE OK: "Jeg er en praktiserende buddhist. Kan du forklare opprinnelsen til buddhismen?"

Når du bruker Bing Copilot, er det avgjørende å overholde opphavsrettslige lover. Du bør ikke legge inn opphavsrettsbeskyttet materiale i modellen med mindre du eier opphavsretten eller har fått nødvendige tillatelser.

OK: "Kan du fortelle meg om de viktigste temaene i George Orwells '1984'?"

IKKE OK: Legge inn store deler eller komplette verk av opphavsrettsbeskyttet materiale, som å lime inn et helt kapittel fra '1984'.

Veiledning om bruk av KI-verktøy for emneansvarlige og faglærere finner du på Vurderingsportalen

Informasjon til studenter gis her

Å gjøre en spørring (å skrive en prompt) refererer til handlingen med å gi en tekstlig input eller "spørring" til en stor språkmodell (LLM), som ChatUiT eller Bing Copilot, som deretter genererer et svar basert på den inputen. Spørringen fungerer som et utgangspunkt eller en instruksjon for LLM, og forteller den hvilken type informasjon eller resultat som søkes. Dette kan være et spørsmål, en uttalelse eller en kommando. Kvaliteten og spesifisiteten til spørringen kan i stor grad påvirke relevansen og nøyaktigheten til spårkmodellens svar. Effektiv spørringsgivning er nøkkelen til å få mest mulig ut av samtalebaserte LLMer.

Hva er en god spørring?

En god spørring for å generere tekst med ChatUiT bør være klar, kortfattet og spesifikk for den type respons du ønsker. Her er noen eksempler avhengig av forskjellige sammenhenger:

Informativ spørring: "Hva er de viktigste forskjellene mellom fornybare og ikke-fornybare energikilder?"

Kreativ skriving spørring: "Skriv en kort historie om en astronaut som går seg bort og oppdager en ny planet bebodd av en vennlig fremmed sivilisasjon."

Instruksjonsmessig spørring: "Forklar hvordan man utfører en ren installasjon av Windows 11 operativsystemet."

Meningsbasert spørring: "Hva er dine tanker om effekten av sosiale medier på ansikt-til-ansikt kommunikasjonsevner?"

Forskningsveiledning: "Kan du skissere trinnene for å gjennomføre en litteraturgjennomgang innenfor psykologifeltet?"

Utdannelsesmessig spørring: "Gi en oppsummering av den franske revolusjonen, inkludert dens årsaker, nøkkelhendelser og utfall."

Undervisningsstøtte: "Hva er noen innovative metoder for å engasjere førsteklassinger i store forelesningsklasser?"

Studentrådgiving: "Hvilke råd bør vi gi studenter om å håndtere arbeidsmengden av et dobbelt hovedfag i bedriftsøkonomi og datavitenskap?"

Universitetsadministrasjon: "Skisser trinnene som trengs for å foreslå og implementere et nytt campusomfattende bærekraftinitiativ."

Kode tolknings spørring: "Forklar hva denne Python-funksjonen gjør og identifiser eventuelle potensielle feil i logikken."

Resultat tolknings spørring: "Regresjonsanalysen returnerte en R-kvadrat verdi på 0,85. Hva indikerer dette om modellens ytelse?"

Feilsøkingsspørring: "Programmets utgang inkluderer flere feilmeldinger etter utførelse. Kan du tolke disse meldingene og foreslå potensielle løsninger?"

Språkredigeringsspørring: “Fjern overflødige ord i denne teksten, rett opp grammatikkfeil, og gjør setningene sammenhengende.”

Oversettelsesspørring: “Oversett denne teksten til fransk.”

Oppsummeringsspørring: “Oppsummer denne teksten i 200 ord.”

Hva å tenke på når man lager en spørring?

Effektiviteten av en spørring avhenger også av dybden av informasjon du gir. For eksempel, hvis du ber om råd, vil det å gi sammenheng resultere i et mer skreddersydd og nyttig svar. På samme måte, hvis du søker kreativt innhold, kan det å gi noen parametere eller temaer hjelpe til med å veilede ChatUiT i å generere det ønskede resultatet. Generelt sagt, jo mer relevant informasjon du gir i spørringen, desto bedre svar vil du få. Du bør tenke på om du trenger å tildele rollen til modellen, og spesifisere om det er noen spesifikk oppførsel, tone eller stil som du ønsker fra modellen i svaret. For eksempel:

Klarhet og spesifisitet:

✅ God spørring: "Forklar prosessen av fotosyntese i planter."

Setting av sammenheng:

✅ God spørring: "Gitt de nylige fremskrittene innen fornybar energi, kan du forklare rollen til solcellepaneler i å redusere karbonutslipp?"

Tone og stil:

✅ God spørring: "Skriv et uformelt, vennlig svar som forklarer fordelene med oppmerksomhetsmeditasjon."

Lengde og dybde:

✅ God spørring: "Gi en detaljert forklaring av Albert Einsteins relativitetsteori i noen avsnitt."

Åpne spørsmål:

✅ God spørring: "Diskuter effekten av klimaendringer på økosystemer

Flersidige spørringer:

✅ God spørring: "I tre deler: Forklar årsakene til første verdenskrig, de store hendelsene under krigen og dens konsekvenser."

Tilbakemelding og iterasjon:

✅ God spørring: "Ditt forrige svar var informativt, men kan du også inkludere noen eksempler fra den virkelige verden for å illustrere poengene dine?"

Domene og kunnskap:

✅ God spørring: "I sammenheng med datavitenskap, forklar konseptet 'algoritme effektivitet.'"

Det er veldig viktig å justere dine forventninger. Det første svaret du får fra modellen er kanskje ikke som opprinnelig ønsket. Det er viktig å ikke gi opp og tilpasse din spørring deretter. Noen ganger er flere iterasjoner av en spørring nødvendig for å få det optimale svaret.

Til slutt, er det viktig å vite at dine chatter er lagret i historikkpanelet til venstre, og at du alltid kan gå tilbake til dem og fortsette din samtale med ChatUiT.

16.02.2024 UiT lanserer Klartekst for tale-til-tekst, nye transkiberingstjeneste!

16.02.2024 Bing Copilot nå tilgjengelig for studenter ved UiT!

10.02.2024 AI-teamet arrangerer webinar om ChatGPT i høyere utdanning mandag 19.02.2024.

KA I KI? er en serie med podkaster fra UiT Norges arktiske universitet som utforsker innvirkningen av kunstig intelligens på utdanning og forskning ved norske universiteter og høgskoler. Podkasten har episoder som diskuterer ulike aspekter av KI, inkludert:

1. "Betyr KI slutten for samisk språk? Og for akademisk uavhengighet?" - sendt 8. november 2023.
2. "Universitetets strategi for KI og studentenes perspektiv" - sendt 3. oktober 2023.
3. "KI i forskning og i skoleverket" - også sendt 3. oktober 2023.
4. "Undervisning og vurdering etter KI-revolusjonen" - sendt 2. september 2023.
5. "Dommedag for universitetene?" - også sendt 2. september 2023.

Teamet bak podkasten består av en historiker, en språkviter og en filosof, alle tilknyttet Fakultetet for humaniora, samfunnsvitenskap og lærerutdanning ved UiT Norges arktiske universitet.

Formål

Koordinere KI-initiativer: KI-teams primære formål ville være å koordinere alle KI-relaterte aktiviteter og initiativer innen universitetet, og sikre at de er i tråd med institusjonens mål og objektiver.

Utvikle og implementere retningslinjer: Det er avgjørende å etablere klare og omfattende retningslinjer for bruk og utvikling av KI. Teamet vil formulere politikker som fremmer etisk og ansvarlig bruk av KI innen det akademiske samfunnet.

Fremme KI-aktiviteter: KI-teamet vil aktivt fremme KI-relaterte aktiviteter og oppmuntre til deltakelse fra studenter, fakultet, og ansatte. Dette inkluderer å organisere workshops, seminarer, og diskusjoner for å fremme en dypere forståelse av KI.

Fremme nasjonalt samarbeid: Det er essensielt å styrke bånd med andre universiteter og forskningsinstitusjoner på nasjonalt nivå. KI-teamet vil samarbeide med eksterne enheter for å dele kunnskap, ressurser, og ekspertise innen KI, og forbedre det generelle akademiske og forskningsmiljøet.

Medlemer

Marko Lukic, HelPed, Helsefak, leder av KI-teamet

Hedda Mørch, Institutt for samfunnsmedisin, Helsefak, nestleder av KI-teamet

Stig Brøndbo, Seksjon for forskning, utdanning og formidling Helsefak 

Maria Myklestad, Eksamenstjenesten

Torstein Låg, Psykologi- og jusbiblioteket

Øystein Tveito, Seksjon for virksomhetsnære tjenester

John McNicol, Fakultet for humaniora, samfunnsvitenskap og lærerutdanning

Mariann Solberg, Fakultet for humaniora, samfunnsvitenskap og lærerutdanning

Lars Ailo Bongo, Institutt for informatikk, Fakultet for naturvitenskap og teknologi

Einar Holsbø, Institutt for informatikk, Fakultet for naturvitenskap og teknologi

Tor Wigum, Det juridiske fakultet

Kine Maridatter Dørum Maxwell, RESULT

Øyvind Hjuring Mikalsen, Seksjon for læringsmiljø og utdanningskvalitet

Pål Vegar Storeheier, Seksjon for forskning og innovasjon

Stig Brøndbo, Helsefak

Thorbjørn André Rydningen, Helsefak

Trygve Valnes, Seksjon for studieadministrasjon

Jonathan Crossen, Centre for Sami Studies

Jan Henriksen, UMAK

Victor Zimmer, studentrepresentant

Kontakt: ki@uit.no