Her er om det faglige program på Machine learning camp 2025

Her kan du læse om det faglige program på Kunstig Intelligens Camp 2026!

Kunstig intelligens er et emne med utroligt meget hype omkring sig. På campen får deltagerne chancen for at dykke ned i nogle af de faglige områder: matematik, programmering, filosofi og generelle metoder, der ligger bag dette uhyre vigtige emne.

Campen er lavet til alle, der interesserer sig for kunstig intelligens – om de har erfaring med det eller ej. Overordnet set er campens mål todelt: først at skabe et læringsmiljø, som lærer om de grundlæggende principper bag programmering og machine learning. Deltagerne undervises tilmed i fundamentale programmeringsfærdigheder i Python, så de selv kan implementere meget af det, der læres. Efter dette får deltagerne muligheden for at dykke dybere ned i enkelte avancerede emner inden for kunstig intelligens:

Sprogmodeller og Natural Language Processing

Der er nok ingen tvivl om, at når de fleste hører “kunstig intelligens”, tænker de “ChatGPT” eller en lignende sprogmodel. Men hvordan fungerer de egentlig? I løbet af dette forløb vil vi undersøge, hvordan menneskeligt sprog og tale bliver analyseret ved hjælp af matematik, statistik og programmering. Dette vil sidenhen kombineres med neurale netværk i håb om at kunne lave vores egen “Mini‑GPT”-model at tale med. Deltagerne vil nok finde ud af, at mange af de fundamentale metoder, som modeller som ChatGPT fungerer på, faktisk ikke er så komplicerede.

Reinforcement Learning

Hvor det meste af kunstig intelligens enten til dels eller fuldstændigt benytter sig af menneskelig erfaring og viden, fokuserer Reinforcement Learning på metoder, hvorved computeren selv kan komme med optimale løsninger på problemer. Præmissen er i bund og grund simpel: Man slipper en computer fri i et miljø, enten virkeligt eller simuleret, og giver den frie tøjler til at gøre, hvad den vil, for at klare en mission. Hvis man før har trænet en hund, virker det meget på samme måde; computeren får nemlig en slags “belønning”, hver gang den gør det godt. Det lyder simpelt, men selvsamme metode har tidligere været brugt til at lammetæve de allerbedste mennesker i alle slags spil, lige fra Go til skak og Stratego, og i dag bruges det til at lære biler at køre, robotter at gå og sprogmodeller at tale.

På campen vil vi introducere, hvordan miljøer, computere, belønninger osv. opsættes for at give en computer muligheden for at klare spil og lignende meget bedre, end vi selv som mennesker nogensinde kunne have lært.

Avancerede Machine Learning‑metoder

Det generelle billede af moderne kunstig intelligens inkluderer som oftest meget store og meget komplicerede neurale netværk, lavet på meget store og meget dyre computere. Dog bygger de fleste metoder, der anvender kunstig intelligens i dag, på rimelig fundamental og forståelig matematik. I dette forløb introducerer vi et par af de forskellige machine learning‑metoder, som ikke ligger på toppen af listen over populærvidenskab, men som alligevel udgør den største del af, hvordan machine learning udnyttes i verden i dag. Dette kan inkludere alt lige fra “Gaussiske processer” til “Support Vector Machines”. Der er rigeligt af både matematik og statistik at dykke ned i for at forstå sådanne metoder – og mindst lige så meget programmering for at implementere dem. Samtidig kan der anvendes en hob af baggrundsviden om forskellige emner for at finde ud af, hvilke metoder der passer bedst til hvilke problemer.