Stora språkmodeller och sociala konsekvenser av artificiell intelligens
Kursplan, Avancerad nivå, 1RT730
- Kod
- 1RT730
- Utbildningsnivå
- Avancerad nivå
- Huvudområde(n) med fördjupning
- Bildanalys och maskininlärning A1F, Dataanalys A1F, Datavetenskap A1F
- Betygsskala
- Med beröm godkänd (5), Icke utan beröm godkänd (4), Godkänd (3), Underkänd (U)
- Fastställd av
- Teknisk-naturvetenskapliga fakultetsnämnden, 29 februari 2024
- Ansvarig institution
- Institutionen för informationsteknologi
Behörighetskrav
120 hp inklusive Sannolikhet och statistik, Linjär algebra, Envariabelanalys och en kurs i grundläggande programmering. Statistisk maskininlärning. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Mål
Efter godkänd kurs ska studenten kunna:
- Redogöra för grunderna, möjligheterna och begränsningarna hos stora språkmodeller.
- Redogöra för viktiga principer bakom hur stora språkmodeller fungerar; modellarkitekturer och träningsalgoritmer.
- Dokumentera dataanvändning och beskriva vilken roll data spelar för modellens prestanda.
- Bygga en stor språkmodellbaserad chatbot-applikation, förklara dess användning och relaterade etiska överväganden.
- Beskriva och analysera social bias och faror/risker relaterade till stora språkmodeller.
- Kritiskt analysera de potentiella samhälleliga konsekvenserna av artificiell intelligens med avseende på etik och hållbarhet.
Innehåll
Denna kurs ger en översikt över stora språkmodeller, de möjligheter och risker som är förknippade med dem, och de samhälleliga konsekvenserna av artificiell intelligens. Fokus ligger på grunderna för stora språkmodeller: modellarkitekturer, typer av språkmodeller, träningsalgoritmer, dataanvändning; nyckelbegrepp för tokenisering, inbäddningar, uppmärksamhetsmekanism, transformatorer, promptning, finjustering; konstruktion av en stor språkmodellbaserad chatbot-applikation; etiska frågeställningar; och fallstudier om: social bias och stereotyper, toxicitet, desinformation, bruk och missbruk av AI inom utbildning, och miljöpåverkan.
Undervisning
Föreläsningar, seminarier, datorlaborationer, inlämningsuppgifter och grupparbeten.
Examination
Inlämningsuppgifter, kortare övningar i datorlaboratorationer, samt grupparbeten med muntlig presentation och skriftlig rapport.
Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.
Litteraturlista
Litteraturlista saknas.