Kapittel 1.4Strategiar for ettertrening og rettleiing av språkmodellar

Utviklinga av ein stor språkmodell kan skje på ulike måtar, ikkje nødvendigvis steg for steg frå ein grunnmodell. Ein kan til dømes hoppe over ettertreninga og berre gjere den helsefaglege rettleiinga rett på ein grunnmodell.

KI-teknologien er ny, og ein veit enno ikkje kva for ein strategi som er mest føremålstenleg for å utvikle ein språkmodell og nytte han på forsvarleg vis i den norske helse- og omsorgstenesta.

Under skisserer vi moglege strategiar for korleis ein førehandstrena grunnmodell kan tilpassast best mogleg bruksområdet og applikasjonen i helse- og omsorgssektoren. Vi skisserer fire moglege steg (alternativ 1, 2, 3 og 4). Vi går igjennom dei ulike alternativa i dei påfølgjande underkapitla med ei oppsummering i form av ein tabell til slutt.

1.4.1 Alternativ 1: Finjustering, instruksjonsjustering, justering i tråd med verdiar og etikk og helsefagleg rettleiing av ein språkmodell

Alternativ 1 inneber at språkmodellen blir utvikla ved å gå gjennom alle stega som er beskrive i kapitelet ovanfor.

Strategien er potensielt meir treffsikker enn dei andre alternativa sidan han er meir finjustert på ulike måtar og rettleia med helsefagleg innhald. Samstundes er han den mest omstendelege og ressurskrevjande av alle og vil truleg ta lengst tid å utvikle. Behovet for treningsdata er ganske omfattande. Han vil også truleg ha det høgaste miljøavtrykket av alle alternativa.

1.4.2 Alternativ 2: Finjustering, instruksjonsjustering, justering i tråd med verdiar og etikk av ein språkmodell

Alternativ 2 inneber at språkmodellen blir finjustert, instruksjonsjustert og justert i tråd med verdiar og etikk, men ikkje rettleia. Det kan skuldast at det til dømes ikkje er behov eller moglegheit for å leggje til spesifikke helsefaglege kunnskapsressursar.

Alternativet vil potensielt ha god treffsikkerheit og vil moglegvis vere lettare å ta i bruk enn alternative under, men vil framleis ha ein del ulemper knytt til ressursbruk, behov for treningsdata og miljøavtrykk. Det er også mogleg at modellen kan innehalde utdatert kunnskap sidan det siste steget manglar.

1.4.3 Alternativ 3: Instruksjonsjustering, forankring og rettleiing av ein språkmodell

Alternativ 3 inneber at ein hoppar over finjusteringa av ein helsefagleg språkmodell. Utviklinga skjer då ved instruksjustering, justering i tråd med verdiar og etikk og helsefagleg rettleiing. Ein slik strategi er teknologisk ressurseffektiv fordi ein hoppar over finjusteringa. Ein treng difor mindre treningsdata til utviklinga av modellen, noko som inneber kortare tid å utvikle og mindre behov for å prosessere data. Den helsefaglege rettleiinga i form av t.d. RAG, sikrar oppdatert kunnskap i modellen. Samstundes flyttar ein utviklingsbyrden over på den helsefaglege rettleiinga, som dimed inneber større grad av helsefagleg kompetanse og kapasitet i tillegg til KI-kompetanse.

1.4.4 Alternativ 4: Berre helsefagleg rettleiing av ein grunnmodell

Alternativ 4 er den enklaste, raskaste og meste kostnadseffektive strategien for å ta i bruk ein språkmodell. I dette tilfellet vil ein ta utgangspunkt i ein førehandstrena grunnmodell og tilpassar han til bruksføremålet gjennom rettleiing. Det kan skje ved at ein nyttar ein stor, open grunnmodell og legg til t.d. kuratert fagkunnskap som blir indeksert og nytta i den konkrete applikasjonen (RAG).

Fleire kjelder peiker på at dette alternativet vil vere kostnad- og tidssparande samstundes som at miljøavtrykket vil vere mindre. Ein bør difor vurdere om dette alternativet er godt nok til bruksføremålet før ein set i gang med ulike former for ettertrening.

1.4.5 Oppsummering av strategiane

Strategiane ovanfor kan oppsummerast slik: